本论文研究的主要内容如下：
第一章：简单介绍课题研究的目的和意义以及相关的校直理论的研究现状。
第二章：简单介绍电梯导轨校直系统总体方案的设计，并简要阐述导轨校直的基本原理和结构设计，然后指出现有的应用数据库方法设计过压量的方法的不足，提出神经网络算法在电梯导轨校直过程中的应用模型和方法。
第三章：介绍神经网络基本原理、LM网络模型、LM学习算法和公式推导以及LM算法步骤。
第四章：对神经网络在导轨校直系统中的应用过程进行详细阐述。包括对神经网络的选取和设计，基于MFC的样本的训练和仿真过程的实现，运用动态库的调用技术把神经网络计算模块加入到校直应用程序中，然后尝试对神经网络的应用进行了拓展，改进神经网络的输入输出模式。
第五章：进行全文总结，对当前存在的问题，提出以后可以改进的地方和方向。
2  导轨校直系统整体过程设计
2.1  系统总体方案的设计
企业通常校直的电梯导轨是“T”型导轨，其直线度的检测一般来自侧面和顶面两个方向，其横截面的示意图如图2.1所示，所以也是从这两个方向来对导轨进行检测和校直。
 图2.1 T型导轨示意图
 
图2.2 导轨校直系统总体方案设计的示意图
图2.2是导轨校直系统总体方案设计的示意图，如图所示已开发的精校系统主要包括两大部分。一部分是机械部分，负责提供导轨传动基础平台、物流架、检测架和校直架，以便让系统可以正常运行；另一部分是电气部分，包括工业控制计算机、多轴运动控制板卡、数字接口转接卡、运动接口转接卡、激光传感器、供电设备及打印机等[9]。
系统整体的运行过程是：先把导轨运送到顶面的检测架上，检测完成后，再运送到顶面的校直架上，校直合格后，对导轨进行反转，然后像检测和校直顶面一样，完成侧面的检测和校直，期间导轨的输送都是通过送料小车，到此一根导轨的校直工作就结束了。由于本课题的神经网络主要用在计算压头校直行程上，只和导轨校直过程相关，所以主要叙述校直的过程.
2.2  电梯导轨校直过程的设计
2.2.1  电梯导轨直线度误差介绍
电梯导轨的直线度一般由五个参数来衡量（下面是高精度导轨的指标设置）：B/A值（0.0004的允许值）、整长弯曲值（1.0mm的允许值）、左、右500mm弯曲值（0.2mm的允许值）、每米最大弯曲值（0.2mm的允许值）。当电梯导轨经过检测后，若这些参数的实际值超出允许值，那么导轨就是不合格的，系统就会对其进行校直，直到这些参数的实际值小于等于允许值，导轨校直结束。
2.3   导轨直线度检测参数界面显示情况
根据图2.3，介绍导轨直线度误差中各个参数的含义[6]：
B/A值：导轨出去左右两端300mm后的每点的纵坐标/横坐标的值（如果横坐标超过2500mm，就取（5000mm - 横坐标值），即要保证除数是指该点离导轨端点位置的最近距离）。
整长弯曲值：指的是曲线纵坐标最大值和最小值的差的绝对值。
500mm处的弯曲值：导轨在实际使用时，要把若干根导轨连接在一起来达到相应的长度，因此某根导轨左右500mm处的弯曲值会影响到其他的导轨继而影响到整体效果。
每米最大弯曲值：从导轨的一端开始，以每100mm渐进的方式，取接下来1m内的所有点，并对这些检测点进行拉直，取最高点和最低点之差的绝对值，可得1m内曲线的最大弯曲值。用同样的方式算出整根导轨所有的最大弯曲值后，其中的最大值就是每米最大弯曲值。 神经网络算法在电梯导轨校直系统中的应用研究(3):http://www.youerw.com/jisuanji/lunwen_20511.html