随着城市用地面积的日益紧张,高层建筑不断增多,使得我国的电梯保有量快速增长。面对海量的电梯,如何进行有效的监控管理和运营维护已经成为一个迫切需要解决的问题。物联网和人工智能的发展,将电梯运行数据传输到云端进而实现对电梯运行状态的远程实时监测和基于人工智能挖掘的故障诊断,可有效地提高电梯运行的安全性和可靠性,同时提升电梯管理和维保效率,已经成为智慧电梯的发展趋势。基于此,在江苏省工信厅产业转型升级项目和苏州市重点产业技术创新项目的支持下,本文针对智慧电梯云数据采集与诊断系统关键技术进行研究。首先,根据系统的功能需求,分析底层传感器类型和电梯外设接口,设计了基于ARM的智慧电梯云数据采集装置,实现了电梯底层传感器信号采集、数据网络传输以及电梯运行控制等功能。其次,研究曳引机振动信号去噪算法,为电梯曳引机故障诊断提供准确的数据来源。电梯复杂的运行电磁环境使得采集的振动信号中叠加了许多的干扰噪声,针对这一问题,本文设计了一种基于小波变换和EMD（经验模态分解）的改进信号去噪方法。通过EMD将原始信号分解成一系列IMF（固有模态函数）分量,再用小波变换对含有较多噪声的高频IMF分量进行处理,最后重构信号实现对振动信号的去噪。经实验测试表明,基于小波变换和EMD的改进去噪算法提高了传统小波去噪和EMD滤波算法的去噪性能。最后,基于采集传输至云端的电梯运行数据,研究实现电梯运行状态的实时监测和故障诊断方法。首先对采集到云端的电梯运行电压、电流、温度等模拟量以及极限信号、超速信号等开关量进行分析实现对电梯变频器、安全回路、控制器和门机系统等电梯核心部件运行状况的实时监测。同时通过提取振动信号的时域特征,采用基于卷积神经网络的曳引机故障诊断算法,有效的提升了电梯运行的安全性和可靠性。本学位论文研发的智慧电梯云数据采集与诊断系统已经在苏州吴江区部署运行,并通过了国家软件产品质量监督检验中心的检验检测,系统达到预定设计目标,显著提升了电梯监管智能化水平。