随着高楼大厦的不断兴建，电梯已经成为不可缺少的代步工具，人们对电梯的服务质量提出了更高的要求。但是在电梯的运行过程中，电梯接近目标楼层时，存在一段耗时约10秒左右、爬行距离10厘米左右的平层低速段。电梯到达目标楼层时抱闸停车，运行过程不是标准的零速停靠，电梯的运行时间变长；若电梯到达目标楼层时还未进入爬行段，电梯会自动抱闸，影响电梯的舒适性。鉴于上述问题，本文提出了基于RBF神经网络的电梯零速停靠算法，主要包括两个方面的内容：爬行距离的预测和零速停靠算法的实现。　　零速停靠是指电梯停车时速度为零，爬行距离也为零。电梯运行过程包括启动阶段、匀速阶段和制动阶段。要消除或减少爬行距离，在保证总运行距离不变的条件下必须在非爬行段多运行或少运行一段距离。由于启动和制动阶段的运行距离在理想状态下是固定的，因此可在匀速阶段多运行或少运行一段距离，这是零速停靠控制的基本思想。对于满速度曲线，将预测的爬行距离增加或减少到电梯的匀速段以提高电梯的效率；对于分速度曲线，将预测的爬行距离增加或减少到电梯的匀加速和匀减速段以提高电梯的效率。　　首先对电梯运行过程进行研究，给出电梯速度曲线的基本知识，并对理想状态下满速度电梯速度曲线和分速度电梯速度曲线进行数学分析，给出其数学模型，并进一步给出其速度给定曲线的生成方法。然后引入RBF神经网络，利用RBF神经网络良好的逼近性能和全局最优特性，建立基于RBF神经网络的电梯爬行距离时间序列预测模型，并给出预测算法。利用从电梯运行现场采集大量原始数据，结合交叉验证的方法对预测模型的参数进行选取和优化，实现对爬行距离的预测。与BP(Back Propagation)预测方法进行仿真比较，RBF神经网络具有更好的预测效果。最后将电梯零速停靠算法应用到电梯运行控制中。仿真结果表明，爬行距离减小或消除，电梯的运行时间变短，提高了电梯的运行效率，能有效的节约能源和电梯的运行成本。