电梯设备本身构成比较复杂，在给人们的生活带来便利的同时，使用过程中无可避免的会出现各种各样的故障。过去的两年中发生了多起因电梯故障而夺取电梯乘客生命的重大案例，这些重大的电梯安全事件不仅使得电梯相关的安检部门和生产商们进行深入的反思，而且电梯乘客们也对电梯使用的安全性提出了更严格的要求。因此，对电梯故障诊断方法进行研究，实现对电梯故障的有效诊断，将变得非常有意义。本文以电梯的急停故障为诊断对象，对电梯故障的诊断方法进行研究。首先，根据电梯急停故障特征设计了BP神经网络故障诊断分类器，并对不同训练函数下分类器的性能进行了比较。针对BP神经网络训练过程中易于陷入局部极小值的缺点，使用遗传算法对BP神经网络的初始训练权值和阈值进行了优化，对优化后得到的GA-BP神经网络故障诊断分类器的诊断性能进行测试分析。其次，从优化急停故障特征参数的角度，对现有电梯急停故障的特征参数进行了优化。初次使用聚类分析的方法确定现有的急停特征参数中存在冗余特征，接着从电梯急停新息特征矢量和特征参数变化率的角度确定了用于急停故障诊断的主要特征，并去除了冗余特征。最后，针对在实际应用过程中，由于噪声以及其他因素的干扰，使用单次采样特征数据进行一次诊断的方式可能会存在误判的现象。本文提出了使用多次采样的数据进行一次诊断的方式，并通过主成分分析的方法，对多次采样诊断情况下GA-BP诊断分类器进行设计，并对其进行了测试分析。文中以电梯急停故障数据为样本，利用MATLAB软件对所使用的所有优化方法行了验证。结果表明，本文所选择的优化后的急停特征参数能够准确的实现对急停故障的诊断，优化后的电梯急停故障诊断分类器的性能也有所提高，采用多次采样数据进行一次诊断的方法，可以使对电梯的急停故障诊断结果更为可靠。