日立电梯携环保产品亮相中日绿色博览会

6月1日～3日，由中国国际贸易促进委员会与日本经济团体联合会共同主办的“中日绿色博览会”在北京国家会议中心隆重举行。此次博览会的主题是“中日携手共创绿色未来”，以展览展示、高层论坛、技术交流、新产品和新技术发布会以及商务洽谈会为主要内容，力求成为促进中日企业开展贸易投资务实合作的一个高层次、专业性的博览会。

日立电梯在沪建成中国最高电梯试验塔

12月21日，“中国的高度，世界的速度——日立电梯（中国）有限公司15周年庆新闻发布会暨上海研发中心竣工庆典”在上海隆重举行。日立电梯（中国）有限公司总裁潘胜粲与嘉宾一起出席了活动，

高速电梯振动测试与故障诊断研究

针对高速电梯激励频率高、零部件负荷大导致的共振现象与安全隐患,为高效且精细化地进行振动测试,以某型号高速电梯为例,将实际原始信号的测量均值作为真实信号的修正值,消除低频信号趋势项带来的误差,并结合对瞬时响应捕捉能力更强的离散小波变换算法,更加精准地实现高速电梯导轨缺陷与导靴故障诊断。同时,基于高速电梯离散位移-时间变化率提出的状态分割算法,可快捷实现高速电梯的5个运行状态信号自动提取,为高速电梯振动特性分析与故障诊断提供了便利。实验结果表明,所提方法可以快速高效地实现不同工况下高速电梯振动信号的特征提取和电梯运行故障诊断。

高层建筑电梯交通配置方案设计研究

以往设计高层建筑电梯交通方案时,一般只考虑乘梯的便捷性及运输的高效率。随着近些年绿色建筑理念的普及,很多的办公CBD项目在设计时更加注重节能环保,从而在配置电梯时,更加追求性价比高的电梯配置方案,即不仅仅要关注电梯的运输效率,还要考虑电梯的节能环保因素,同时提高乘客和物业管理公司的满意度。文章就此进行探讨,从电梯5min运送能力、乘客平均等候时间、节能降本等因素综合考虑电梯配置方案的设计。

新型电梯轿厢超容积检测系统的设计探讨

为提升电梯的使用安全性,如今很多高层建筑的电梯轿厢都安装了超容积检测装置,但主要是利用红外线感应、超声感应等各类价格高昂的装置来实现超容积检测,不仅成本高,性能影响因素也比较多,导致性能不太稳定。基于此,本文提出一种在传统摄像头视频监控技术的基础上,融入图像处理、智能分析等计算机信息技术的新型新型电梯轿厢超容积检测系统,可以在较低的成本下,实现高效率的电梯轿厢超容积检测功能,以下就对这一系统的设计展开探讨,希望能为相关领域人员提供一定参考。

高速电梯垂直方向动力学建模与计算研究

为研究高速电梯振动问题,基于理论建模结合数值计算完成高速电梯垂直方向振动分析。基于子结构法建立适应性强的系统动力学模型,采用拉格朗日方程、牛顿定律等处理曳引轮、补偿轮、轿厢等构件的动力学模型,并建立单元数可变的钢丝绳动力学模型;在数值计算方面,采用乔里斯基分解结合雅克比迭代方法计算自然频率和振型;采用ADAMS动力学仿真与实验测试相结合的方式对模型和数值计算进行验证;探讨载重、轿厢高度、绳头弹簧刚度等参数对振动特性的影响规律。研究成果可为高速电梯设计提供一定借鉴。

电梯故障分析中人工智能的运用探讨

电梯是高层建筑的重要配置,由于电梯的特殊结构与功能,可以为人们的上下行通行提供巨大的便捷。但电梯功能、结构都导致电梯使用时的故障频发,一旦出现了故障,电梯无法正常使用且还可能存在人员被困的问题,在当下的发展条件下,电梯故障分析极为关键,将人工智能技术应用于故障分析中,可精准识别与分析故障,得到故障位置、原因,采取更有针对性的故障处理措施。基于此,本文重点分析了人工智能技术在电梯故障分析中的应用和实施策略,对提高电梯可靠性极为重要。

速度之上——日立电梯举行创新理念与产品发布会

2016年5月10日上午，日立电梯（中国）有限公司（以下简称“日立电梯”）在国家会展中心（上海）5．2号馆公司展台“开创新理念与产品发布会，日立电梯的“HUMAN FRIENDLY（人性关怀，创造更美好未来）”创新理念正式发布。同时，基于此理念下设计的产品“HF-1概念电梯”及“口遗自动扶梯及自动人行道解决方案”，也在展会上亮相。

日立电梯 中国第一——日立电梯（中国）有限公司举行更名庆典暨第4届职工运动会

藉趣味运动之载体，借公司更名之气势，8月12日，日立电梯（中国）有限公司更名庆典暨第4届职工运动会，在广州市天河体育中心体育馆隆重举行。

安全乘梯教育进社区——日立电梯举行关爱生命安全发展社区活动

近日，日立电梯（中国）有限公司与四川省质量技术监督局、四川省特种设备检验研究院、四川省特种设备安全管理协会、华润置地（成都）物业服务有限公司在成都华润翡翠城二期共同举办了一场关于安全乘梯的社区活动。关爱生命，安全发展是本次活动的主题，以游戏、问答、短片等丰富有趣的方式向小区住户传达安全乘梯的小常识。同时，这也是今年日立电梯中国行之“日立欢乐家园”系列活动在全国范围内的第4站，此前日立已在广州、佛山、东莞举办了多场社区活动。

日立电梯（中国）产量突破10万台

10年10万台电梯下线，这样的产能提升速度，足以支持日立电梯（中国）有限公司实现“打造中国最优秀电梯企业”的远大目标。

广州日立电梯维修保养系统MUG介绍

MUG（Maintenance Up Grade）——一套采用了先进科学技术的广州日立电梯维修保养系统，2005年11月在广州日立电梯客户服务中心开始推广使用。MUG是一个根据电梯运行情况、使用环境、部件调整周期、客户特别要求而自动给定电梯保养作业形式的动态控制系统，是一个借助于高速运转的信息平台，不断融入最先进的日立电梯技术，且能持续改进、不断升级的高智能化的科学管理系统。

日立电梯（中国）成立20周年销量突破50万台

2015年11月20日，“日立电梯（中国州科学城日立电梯高新技术产业园隆重举行中西宏明执行役会长以及政府相关部门领导20周年庆暨销量突破50万台庆典”在广中国电梯协会李守林理事长、日立制作所日立电梯员工代表等出席了活动。日立集团作为全球最大的综合跨国集团企业之一，在电梯研发与制造领域已有超过80年的历史。

日立电梯“严冬”时期谋发展

金融危机的爆发，各个产业都受到了不同程度的影响，尤其是出口型企业、房地产等行业。我国作为电梯产销量最大的国家之一，电梯企业受到的影响可以说是首当其冲。另外，电梯业的发展与房地产事业紧密相连，房地产市场不景气，直接带来了电梯采购量的减少。因此，整个行业面临着“过冬”时期，这也是摆在企业面前的现实问题。

高职院校订单班人才培养研究与实践——以建筑智能化工程技术专业为例

校企合作、产教融合是高等职业教育发展的趋势及重要组成部分,该文主要研究高职院校订单班培养模式,并以建筑智能化工程技术专业日立电梯订单班为例,详细叙述开展订单班的过程,并对订单班实施经验进行研究与分析;校企合作双方“互利共嬴”是校企合作的宗旨,双方的利益与责任必须高度统一;订单班人才培养模式实现人才的精准培养,降低企业的经营成本,缓解学生的就业压力,加大校企合作的力度,促进教育链、人才链、产业链、创新链的有机结合,应该得到肯定、推广及发展。

浅析智能制造背景下的库存管理——以电梯行业精细化管理为例

全球制造业在遭受经济发展放缓以及转型升级带来上行压力的同时,也面临着客户需求向多元化,由于库存资产在各企业的资产总额中所占的比率相当大。一方面,如库存量过大,则占用资金量过多,易于造成流动资金周转不灵;另一方面,若库存量过少,不能满足生产、销售的实际需要,势必要增加采购或生产成本,造成总库存成本过大,因而不断提高库存管理水平和客户服务水平、减少库存成本就成了企业库存优化的目标。

电梯制造中机械自动化的应用研究

随着市场上对电梯需求的日渐增多,对电梯制造有了更高的标准,为保障电梯功能的多样性、性能的优越性,电梯制造中需严格执行制造标准,并注重新型制造技术的使用。由于电梯结构的复杂性,机械自动化技术的优势明显,各个电梯制造的过程中,都需根据实际需求,科学应用机械自动化技术,以保障电梯可满足实际的使用需求。基于此,本文重点分析了电梯制造中的机械自动化技术应用,可以为电梯制造提供技术保障,确保电梯的使用安全性。

电梯特殊VIP呼梯功能控制方案架构设计

随着我国经济的快速发展,人们生活水平不断提高,对居住和消费场所的硬件设施及服务品质的追求也越来越高,智慧楼宇、智慧小区、绿色节能建筑等一些新颖的智能建筑概念陆续出现。作为智能建筑配套的垂直交通工具——电梯,其作用不再局限于把乘客顺利送达目的楼层,而是根据日益增长的乘客需求,增加了诸如VIP乘客优先使用、无接触呼梯、洁净轿厢等一系列乘坐便捷、安全和保护隐私的功能。文章主要基于某项目客户提出的特殊VIP呼梯功能需求,设计一套特殊VIP呼梯功能控制方案,从硬件系统配置到软件架构设计等方面进行研究分析,并重点介绍其软件通信接口协议方案。

基于人体骨架序列的手扶电梯乘客异常行为识别

手扶电梯(简称扶梯)乘客异常行为识别研究具有重要意义.针对传统行为识别算法易受环境影响、不能实时并准确对多目标进行识别的问题,提出一种基于人体骨架序列的扶梯乘客异常行为识别算法.该算法首先通过结合可变形组件模型特征的支持向量机检测乘客人脸,并用改进的核相关滤波器对其进行跟踪,从而得到乘客在扶梯中的运动轨迹;接着利用卷积神经网络提取轨迹中乘客的人体骨架序列,并通过模板匹配从乘客人体骨架序列中检测异常行为骨架序列;最后利用动态时间规整将其与各类异常行为骨架序列匹配,基于k近邻方法识别异常行为.对10段扶梯视频的实验结果表明,文中所提的异常行为识别算法处理速度达到10帧/秒,识别准确率为93.2%,能够实时、准确地识别多种乘客异常行为.

基于视频监控的手扶电梯乘客异常行为识别

针对乘客在搭乘扶梯时的危险行为难以被实时准确检测的问题,提出了一种基于视频监控的手扶电梯乘客异常行为识别算法。首先,使用YOLOv3对图像中乘客的位置进行检测;接着,使用MobileNetv2作为基网络,结合反卷积层对检测出来的乘客进行人体骨架提取;然后,使用骨架距离作为跟踪依据,采用匈牙利匹配算法对相邻帧间的人体骨架进行匹配,实现视频中乘客的ID号分配;最后,通过图卷积神经网络对乘客关键点信息进行异常行为识别。在GTX1080GPU上的实验结果表明,文中提出的识别算法的处理速度能达到15 f/s,异常行为识别准确率达94.3%,能够实时准确地识别手扶电梯上乘客的异常行为。