对城市道路交通问题各国都非常关注，已形成相关理论及控制方法；而对大楼内电梯交通预测问题研究很少，缺乏相关理论和行之有效的控制方法，以至于许多已建大楼电梯配置不合理。电梯配置过高造成浪费；配置过低，乘梯和候梯时间太长，电梯服务质量下降。.针对电梯客流的随机性，各楼层人数分布的不均匀性、楼层高度的不一致性等因素，提出基于粒子群优化径向基神经网络算法；并运用统计学理论中的结构风险最小化原则训练网络；对预测模型进行动态模拟运行、周期性学习和参数修改。通过在预测模型中设置映射变量，以适应不同高层建筑交通流预测。.提出基于多分辨率正交多小波神经网络算法，分别建立五种典型时段交通模式，实现预测模型与五种交通模式的模型嵌套。以平均候梯时间、平均乘梯时间和目的层重复度为控制目标，提出外呼信号智能化群控策略。.研究电梯在风摆、火灾、地震等特殊状况下的运行模式，提出相应控制策略和减灾措施，提高运行安全和舒适感。 2100433B

目前绝大多数企业都采用预防性维护策略， 即：定期大修。该策略不可避免的会造成维护不足或维护过剩问题。预测维护将从根本上改变这一局面，可以产生重大的经济效益，并可以大大减少灾难性事故的发生，因此具有重要的理论和应用价值。本课题的研究目标就是针对预测维护中的若干核心理论与技术问题进行研究，获得一些原创性的研究成果。基于对国内外的研究现状分析， 我们把研究题目确定为：复杂工程系统故障预测与预测维护理论及关键技术研究。 在不能得到系统精确模型的前提下，综合采用智能的和信息处理的方法，基于获得的大量历史数据，研究复杂工程系统的：1) 基于数据驱动的故障预测技术；2) 基于半定量信息的故障预测技术；3) 基于多源信息融合的故障预测技术；4) 可靠性实时评估与预测理论与方法；5) 系统最优维护时机的确定方法；以及 6) 工程应用验证。 2100433B