随着国内建筑智能大厦的兴起和人们对电梯的服务质量要求越来越高，电梯群的优化调度已成为急需解决的问题。在电梯群调度上已提出了模糊控制法、神经网络法等多种应用到实际中去的方法。因电梯群调度的非线性、随机性和模糊性等特点，这些方法总是存在不同的缺点。将模糊推理和神经网络相结合的模糊神经网络技术，在处理非线性、随机性和模糊性等问题上有很大的优势，所以将模糊神经网络技术应用到电梯群调度上，成为当前国内研究热门。但是，目前很少有文章介绍模糊神经网络技术在解决电梯群调度中的选梯问题上的研究。为此，主要就这方面进行一些初步的探索。 要实现调度，必须先实现上位机与PLC之间的串行通信，这是因为控制电梯的PLC运算能力不强、交互性差等缺点，必须在上位机端实现复杂调度运算和电梯运行模拟，所以要通过串行通信采集PLC中各电梯运行数据、分配响应电梯等。为此，详细分析了串行通信在电梯群调度中的特点，如：通信参数设置、单方通信编程、通信的实时性和可靠性要求。并根据FPI型PLC的MEWTOCOL—COM通信协议，采用并行多通信模块的网络结构，用VC通信控件实现了多线程高效通信。 文章分析并选择了电梯群调度通常采用的外呼——分配策略的调度算法，它是以平均等待时间(AWT)、长时间等待率(LWP)、能量消耗(RNC)为评价标准的评价函数： Si--Wi*AWTi+W2*LWPiV3*RNCi 这三个电梯调度评价标准值是函数的关键，也是模糊神经网络方法要解决的核心对象。 根据模糊控制方法中所采用的求解三个评价标准的模糊规则知识和电梯调度中响应层站召唤信号延时小等实际要求，新构建了三个分别求解评价标准值的四层模糊神经网络，实现了AWT、LWP、RNC的规则到神经网络的映射，网络具有结构简单、计算量小、运算速度快的特点，其中的模糊节点采用高斯型隶属度函数，该函数的中心值和宽度值对网络的计算输出和性能有很大影响，必须学习修正。因此详细地推导了新建的模糊神经网络的BP学习算法，为了避免局部最小和加快平均误差函数收敛，采用了加动量项BP算法，为保证网络每层权值的物理意义和改善规则之间的重要性，选用了部分层学习算法，即仅对网络第三、四层间的权值w_i进行学习修正。这样，BP算法只针对中心值、宽度值和权值w_i进行学习，并将训练好的参数保存在数据文件中，供调度使用。 以训练成功的模糊神经网络实现的调度算法为核心，研究了电梯运行的模拟问题。在保证电梯运行的实质前提下，详细地讲述了对电梯运行信号的数量、各网络输入变量预处理等进行简化的内容，成功地模拟电梯的运行。仿真实现了电梯群调度的整个过程：当有新的召唤信号时，先要通过训练好的网络计算出各电梯的AWT_i、LWP_i和RNC_i；从而可以计算出各电梯对应的S_i；此时选择对应最大S_i值的电梯作为响应本次召唤信号的电梯，相应的更新电梯动画并将该信息发送给控制该电梯的PLC，就完成了一次调度过程。 在实验室提供的FPI—C40型PLC的基础上，用VC开发了电梯群调度的仿真软件。初步探索了电梯群调度的模糊神经网络方法，基本说明了该方法的有效性。