随着中国城市化水平不断提高，智能建筑所占比例逐年扩大，电梯群控系统作为智能建筑的重要组成部分其重要性不言而喻。由于电梯群控系统的非线性和不确定性以及乘客对运输效率的要求不断提高，传统简单的群控系统已经不能满足智能建筑人员流动的需要。因此，改进楼内客流运输能力，提高群控系统运行服务质量具有重大意义。本文以某综合性办公大楼为背景，研发了一套以PLC为核心的电梯群控系统，对六台电梯的调度控制进行了研究与设计，提出了基于模糊神经网络的群控系统调度方案，改善了传统群控算法无法针对不同客流模式平衡运载效率和能耗的问题，有效地提高了电梯运行服务质量。
　　首先，结合电梯群控系统要求，对系统进行总体方案设计，确定了系统所需的随机森林客流模式识别方法、模糊神经网络群控调度方法等先进控制方案。详细介绍了客流模式的分类和具体特性，建立了一种以随机森林算法为核心的客流模式分类方法。通过每棵决策树弱分类器进行分类识别，以汇总投票的方式产生随机森林，得出当前时段所处客流模式。仿真结果表明，该方法对电梯客流模式识别率较高。为下文电梯群控系统针对不同客流模式进行派梯提供了理论支撑。
　　其次，根据电梯群控系统控制要求，设计电梯系统评价函数，选定神经网络输入输出信号组成训练数据集。针对不同的客流模式组成该模式下对应的神经网络模型。但单独使用神经网络训练存在收敛速度慢、容易出现局部极小值的情况，不能每次获得理想的权值阈值。因此，本文选取粒子群算法对连接权值进行选择，将优化后的权值阈值作为初始值再进行神经网络训练。通过MATLAB仿真分析，使用粒子群算法优化神经网络后，减少了训练次数和时间，提高了收敛速度，改善了全局搜索能力不足的缺陷。
　　最后，通过对电梯群控系统全面深入地分析与研究，为满足多部电梯群控调度和监控管理要求，选取西门子S7-1200系列PLC作为控制核心，对现场设备进行控制以及信号的采集处理，并通过以太网与上位机组态WinCC进行数据交互，完成电梯群控系统实时监控任务。通过电梯仿真模型Elevator Simulation验证了群控调度方案的可行性。结果表明，本课题研究与设计的电梯群控调度方案具有一定的实际应用价值。