随着高层建筑物和超高层建筑物的不断增加,人们对垂直交通的要求也越来越高,既要提高输送效率,又要节约能源,并兼顾尽量减少占用有效的建筑面积。传统的单轿厢电梯群控系统在客流超过一定程度以后,其运行效率难以再度提高,可行办法是增加电梯的数量,这样势必导致井道数量的增加,占用大量的有效建筑面积。因此,研发新的电梯系统结构及其调度技术以解决传统单轿厢所面临的这种瓶颈问题至关重要。故此,多轿厢电梯群控系统的优化调度技术成为目前电梯群控技术的研究热点。本文基于多轿厢电梯系统(Multi-Car Elevator System,MCES)中每个井道内运行多个轿厢的理念,研究多轿厢电梯群控的优化调度问题。首先,提出基于SOM的模糊BP神经网络技术的交通模式识别方法,对电梯交通模式进行识别;其次,在此基础上,根据不同交通模式特点,提出一种基于改进微粒群算法的多轿厢电梯群的优化调度策略,以求解多轿厢电梯群控系统的调度优化问题。本论文主要工作如下:(1)基于相关研究文献,分析了电梯群控技术的国内外研究现状,明确了课题研究任务。结合传统单轿厢电梯群控系统调度技术存在的不足,总结了现有的电梯群控算法,针对MCES的结构特点,确定了基于改进微粒群算法的多轿厢电梯群控系统优化调度技术的研究方案。(2)分析了电梯群控系统的特性,包括不确定性、非线性、扰动性、多目标性和信息的不完备性,在此基础上,进一步对多轿厢电梯群控系统进行了深入研究,主要涉及:多轿厢电梯系统的特征、群控系统的建模、性能指标、群控策略等。(3)阐述了电梯交通模式识别对电梯群优化调度的重要性,提出基于SOM的模糊神经网络技术的电梯交通模式识别方法,并用MATLAB对该方法进行仿真验证。结果表明了方法的有效性,进而为多轿厢电梯群控策略的实施奠定了基础。(4)提出了一种应用改进微粒群算法求解MCES优化调度的方法。该方法以乘客候梯时间、乘梯时间、长候梯率、能耗等为主要优化控制目标,并结合MCES的特点,建立了基于微粒群算法的优化调度策略。通过MATLAB对所提出方法进行了仿真验证,结果表明:该方法对MCES的优化调度有效。(5)研究工作总结及下一步的工作展望。