[go: up one dir, main page]

CN118850893A - 货运电梯智能停留驱动系统 - Google Patents

货运电梯智能停留驱动系统 Download PDF

Info

Publication number
CN118850893A
CN118850893A CN202411106581.7A CN202411106581A CN118850893A CN 118850893 A CN118850893 A CN 118850893A CN 202411106581 A CN202411106581 A CN 202411106581A CN 118850893 A CN118850893 A CN 118850893A
Authority
CN
China
Prior art keywords
component
freight elevator
current
continuous conversion
operating mechanism
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CN202411106581.7A
Other languages
English (en)
Inventor
请求不公布姓名
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Nanjing Tehaofe Machinery Equipment Co ltd
Original Assignee
Nanjing Tehaofe Machinery Equipment Co ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Nanjing Tehaofe Machinery Equipment Co ltd filed Critical Nanjing Tehaofe Machinery Equipment Co ltd
Priority to CN202411106581.7A priority Critical patent/CN118850893A/zh
Publication of CN118850893A publication Critical patent/CN118850893A/zh
Pending legal-status Critical Current

Links

Classifications

    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B66—HOISTING; LIFTING; HAULING
    • B66B—ELEVATORS; ESCALATORS OR MOVING WALKWAYS
    • B66B1/00—Control systems of elevators in general
    • B66B1/02—Control systems without regulation, i.e. without retroactive action
    • B66B1/06—Control systems without regulation, i.e. without retroactive action electric
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B66—HOISTING; LIFTING; HAULING
    • B66B—ELEVATORS; ESCALATORS OR MOVING WALKWAYS
    • B66B1/00—Control systems of elevators in general
    • B66B1/34—Details, e.g. call counting devices, data transmission from car to control system, devices giving information to the control system
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B66—HOISTING; LIFTING; HAULING
    • B66B—ELEVATORS; ESCALATORS OR MOVING WALKWAYS
    • B66B1/00—Control systems of elevators in general
    • B66B1/34—Details, e.g. call counting devices, data transmission from car to control system, devices giving information to the control system
    • B66B1/3415—Control system configuration and the data transmission or communication within the control system
    • B66B1/3446—Data transmission or communication within the control system
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/04—Architecture, e.g. interconnection topology
    • G06N3/0499—Feedforward networks
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/08—Learning methods
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02B—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO BUILDINGS, e.g. HOUSING, HOUSE APPLIANCES OR RELATED END-USER APPLICATIONS
    • Y02B50/00—Energy efficient technologies in elevators, escalators and moving walkways, e.g. energy saving or recuperation technologies

Landscapes

  • Engineering & Computer Science (AREA)
  • Automation & Control Theory (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • General Health & Medical Sciences (AREA)
  • General Engineering & Computer Science (AREA)
  • Biophysics (AREA)
  • Computational Linguistics (AREA)
  • Data Mining & Analysis (AREA)
  • Evolutionary Computation (AREA)
  • Artificial Intelligence (AREA)
  • Molecular Biology (AREA)
  • Computing Systems (AREA)
  • Biomedical Technology (AREA)
  • General Physics & Mathematics (AREA)
  • Mathematical Physics (AREA)
  • Software Systems (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Health & Medical Sciences (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Elevator Control (AREA)
  • Indicating And Signalling Devices For Elevators (AREA)

Abstract

本发明涉及一种货运电梯智能停留驱动系统，所述系统包括：模型操作机构，用于利用极限学习机神经网络模型根据当前货运电梯过往多天设定时间分段分别对应的多份选中次数信息以及当前货运电梯的多份配置数据智能辨识当前货运电梯当天设定时间分段对应的选中次数信息；驱动控制机构，用于将选中次数信息中被选中次数最多的楼层作为参考楼层以进行停留。本发明的货运电梯智能停留驱动系统逻辑紧凑、节能环保。由于能够根据当前货运电梯的各项基础信息智能辨识当前货运电梯当天设定时间分段对应的选中次数信息，从而为当前货运电梯当天设定时间分段的运行策略提供关键数据，兼顾了货运需求以及节能需求。

Description

货运电梯智能停留驱动系统
技术领域
本发明涉及货运电梯领域，尤其涉及一种货运电梯智能停留驱动系统。
背景技术
现代电梯主要由曳引机（绞车）、导轨、对重装置、安全装置（如限速器、安全钳和缓冲器等）、信号操纵系统、轿厢与厅门等组成。这些部分分别安装在建筑物的井道和机房中。通常采用钢丝绳摩擦传动，钢丝绳绕过曳引轮，两端分别连接轿厢和平衡重，电动机驱动曳引轮使轿厢升降。电梯要求安全可靠、输送效率高、平层准确和乘坐舒适等。电梯的基本参数主要有额定载重量、可乘人数、额定速度、轿厢外廓尺寸和井道型式等。电梯根据运载对象不同可以分为货运电梯以及客运电梯。
对于同时服务于多个货运公司的货运电梯来说，如何确定货运电梯在未来时间分段的停驻楼层，以尽可能满足多个货运公司的货运需求的同时，尽可能减少升降楼层数量，提升货运电梯运行的节能水准，是当前需要解决的技术难题之一，其中的难点在于很难预测货运电梯未来设定时间分段对应的各个楼层的选中次数，从而难以为货运电梯未来时间分段的运行策略提供关键数据。
发明内容
为了解决相关领域的技术问题，本发明提供了一种货运电梯智能停留驱动系统，通过利用极限学习机神经网络模型根据当前货运电梯过往多天设定时间分段分别对应的多份选中次数信息以及当前货运电梯的多份配置数据智能辨识当前货运电梯当天设定时间分段对应的选中次数信息，从而为当前货运电梯当天设定时间分段的运行策略提供关键数据，还引用驱动控制机构用于将智能辨识获得的当前货运电梯当天设定时间分段对应的选中次数信息中被选中次数最多的楼层作为参考楼层，并将所述参考楼层作为默认停留楼层以在当前货运电梯处于空闲状态时驱动当前货运电梯停留在所述参考楼层，从而提升当前货运电梯的运行效率，以及用于参与智能辨识的基础数据中，当前货运电梯的多份配置数据为当前货运电梯的最大载货重量、能够停留的楼层数量以及所在建筑物的货运公司数量，从而保证了智能辨识结果的有效性和稳定性，其中，对极限学习机神经网络执行连续转换处理以获得极限学习机神经网络模型，对极限学习机神经网络执行的每一次转换处理为对极限学习机神经网络执行的每一次训练操作，以及对极限学习机神经网络执行的转换处理的次数与当前货运电梯能够停留的楼层数量成正比，从而实现对极限学习机神经网络模型的结构的定制。
根据本发明，提供了一种货运电梯智能停留驱动系统，所述系统包括：
连续转换部件，用于对极限学习机神经网络执行连续转换处理以获得极限学习机神经网络模型，其中，对极限学习机神经网络执行连续转换处理以获得极限学习机神经网络模型包括：对极限学习机神经网络执行的每一次转换处理为对极限学习机神经网络执行的每一次训练操作；
内容采集部件，用于采集当前货运电梯过往多天设定时间分段分别对应的多份选中次数信息，当前货运电梯过往每一天设定时间分段对应的选中次数信息为当前货运电梯过往每一天设定时间分段内各个楼层被选中次数；
配置录入部件，用于获取当前货运电梯的多份配置数据，当前货运电梯的多份配置数据为当前货运电梯的最大载货重量、能够停留的楼层数量以及所在建筑物的货运公司数量；
模型操作机构，分别与所述连续转换部件、所述内容采集部件以及所述配置录入部件连接，用于利用极限学习机神经网络模型根据当前货运电梯过往多天设定时间分段分别对应的多份选中次数信息以及当前货运电梯的多份配置数据智能辨识当前货运电梯当天设定时间分段对应的选中次数信息；
驱动控制机构，与所述模型操作机构连接，用于将智能辨识获得的当前货运电梯当天设定时间分段对应的选中次数信息中被选中次数最多的楼层作为参考楼层，并将所述参考楼层作为默认停留楼层以在当前货运电梯处于空闲状态时驱动当前货运电梯停留在所述参考楼层；
网络通知设备，与所述模型操作机构连接，用于将智能辨识获得的当前货运电梯当天设定时间分段对应的选中次数信息通过移动通信网络发送给远端的云计算服务网元；
其中，采集当前货运电梯过往多天设定时间分段分别对应的多份选中次数信息，当前货运电梯过往每一天设定时间分段对应的选中次数信息为当前货运电梯过往每一天设定时间分段内各个楼层被选中次数包括：多天对应的天数与当前货运电梯能够停留的楼层数量正向关联；
其中，对极限学习机神经网络执行连续转换处理以获得极限学习机神经网络模型还包括：对极限学习机神经网络执行的转换处理的次数与当前货运电梯能够停留的楼层数量成正比；
其中，对极限学习机神经网络执行的转换处理的次数与当前货运电梯能够停留的楼层数量成正比包括：采用数值转换公式表示对极限学习机神经网络执行的转换处理的次数与当前货运电梯能够停留的楼层数量成正比的数值转换关系。
由此可见，本发明主要具备以下几处显著的技术效果：
首先：利用极限学习机神经网络模型根据当前货运电梯过往多天设定时间分段分别对应的多份选中次数信息以及当前货运电梯的多份配置数据智能辨识当前货运电梯当天设定时间分段对应的选中次数信息，从而为当前货运电梯当天设定时间分段的运行策略提供关键数据；
其次：引用驱动控制机构用于将智能辨识获得的当前货运电梯当天设定时间分段对应的选中次数信息中被选中次数最多的楼层作为参考楼层，并将所述参考楼层作为默认停留楼层以在当前货运电梯处于空闲状态时驱动当前货运电梯停留在所述参考楼层，从而提升当前货运电梯的运行效率；
再次：用于参与智能辨识的基础数据中，当前货运电梯的多份配置数据为当前货运电梯的最大载货重量、能够停留的楼层数量以及所在建筑物的货运公司数量，从而保证了智能辨识结果的有效性和稳定性；
最后：对极限学习机神经网络执行连续转换处理以获得极限学习机神经网络模型，对极限学习机神经网络执行的每一次转换处理为对极限学习机神经网络执行的每一次训练操作，以及对极限学习机神经网络执行的转换处理的次数与当前货运电梯能够停留的楼层数量成正比，从而实现对极限学习机神经网络模型的结构的定制。
本发明的货运电梯智能停留驱动系统逻辑紧凑、节能环保。由于能够根据当前货运电梯的各项基础信息智能辨识当前货运电梯当天设定时间分段对应的选中次数信息，从而为当前货运电梯当天设定时间分段的运行策略提供关键数据，兼顾了货运需求以及节能需求。
附图说明
以下将结合附图对本发明的实施例进行描述，其中：
图1为根据本发明第一实施例示出的货运电梯智能停留驱动系统的内部结构示意图。
图2为根据本发明第二实施例示出的货运电梯智能停留驱动系统的内部结构示意图。
图3为根据本发明第三实施例示出的货运电梯智能停留驱动系统的内部结构示意图。
具体实施方式
下面将参照附图对本发明的货运电梯智能停留驱动系统的实施例进行详细说明。
图1为根据本发明第一实施例示出的货运电梯智能停留驱动系统的内部结构示意图，所述系统包括：
连续转换部件，用于对极限学习机神经网络执行连续转换处理以获得极限学习机神经网络模型，其中，对极限学习机神经网络执行连续转换处理以获得极限学习机神经网络模型包括：对极限学习机神经网络执行的每一次转换处理为对极限学习机神经网络执行的每一次训练操作；
具体地，连续转换部件，用于对极限学习机神经网络执行连续转换处理以获得极限学习机神经网络模型，其中，对极限学习机神经网络执行连续转换处理以获得极限学习机神经网络模型包括：对极限学习机神经网络执行的每一次转换处理为对极限学习机神经网络执行的每一次训练操作包括：选择采用MATLAB工具箱完成对对极限学习机神经网络执行的每一次训练操作的测试和仿真；
内容采集部件，用于采集当前货运电梯过往多天设定时间分段分别对应的多份选中次数信息，当前货运电梯过往每一天设定时间分段对应的选中次数信息为当前货运电梯过往每一天设定时间分段内各个楼层被选中次数；
配置录入部件，用于获取当前货运电梯的多份配置数据，当前货运电梯的多份配置数据为当前货运电梯的最大载货重量、能够停留的楼层数量以及所在建筑物的货运公司数量；
模型操作机构，分别与所述连续转换部件、所述内容采集部件以及所述配置录入部件连接，用于利用极限学习机神经网络模型根据当前货运电梯过往多天设定时间分段分别对应的多份选中次数信息以及当前货运电梯的多份配置数据智能辨识当前货运电梯当天设定时间分段对应的选中次数信息；
驱动控制机构，与所述模型操作机构连接，用于将智能辨识获得的当前货运电梯当天设定时间分段对应的选中次数信息中被选中次数最多的楼层作为参考楼层，并将所述参考楼层作为默认停留楼层以在当前货运电梯处于空闲状态时驱动当前货运电梯停留在所述参考楼层；
网络通知设备，与所述模型操作机构连接，用于将智能辨识获得的当前货运电梯当天设定时间分段对应的选中次数信息通过移动通信网络发送给远端的云计算服务网元；
其中，采集当前货运电梯过往多天设定时间分段分别对应的多份选中次数信息，当前货运电梯过往每一天设定时间分段对应的选中次数信息为当前货运电梯过往每一天设定时间分段内各个楼层被选中次数包括：多天对应的天数与当前货运电梯能够停留的楼层数量正向关联；
其中，对极限学习机神经网络执行连续转换处理以获得极限学习机神经网络模型还包括：对极限学习机神经网络执行的转换处理的次数与当前货运电梯能够停留的楼层数量成正比；
其中，对极限学习机神经网络执行的转换处理的次数与当前货运电梯能够停留的楼层数量成正比包括：采用数值转换公式表示对极限学习机神经网络执行的转换处理的次数与当前货运电梯能够停留的楼层数量成正比的数值转换关系；
其中，利用极限学习机神经网络模型根据当前货运电梯过往多天设定时间分段分别对应的多份选中次数信息以及当前货运电梯的多份配置数据智能辨识当前货运电梯当天设定时间分段对应的选中次数信息包括：将当前货运电梯过往多天设定时间分段分别对应的多份选中次数信息以及当前货运电梯的多份配置数据同步输入到所述极限学习机神经网络模型。
图2为根据本发明第二实施例示出的货运电梯智能停留驱动系统的内部结构示意图。
相比较于图1，根据本发明第二实施例示出的货运电梯智能停留驱动系统还可以包括：
运算测量机构，分别与所述模型操作机构、所述连续转换部件、所述内容采集部件以及所述配置录入部件连接，用于分别测量所述模型操作机构、所述连续转换部件、所述内容采集部件以及所述配置录入部件各自的单位时间运算次数；
其中，运算测量机构，分别与所述模型操作机构、所述连续转换部件、所述内容采集部件以及所述配置录入部件连接，用于分别测量所述模型操作机构、所述连续转换部件、所述内容采集部件以及所述配置录入部件各自的单位时间运算次数包括：所述运算测量机构包括多个运算测量单元，用于分别与所述模型操作机构、所述连续转换部件、所述内容采集部件以及所述配置录入部件连接，以完成对所述模型操作机构、所述连续转换部件、所述内容采集部件以及所述配置录入部件各自的单位时间运算次数的分别测量；
其中，所述运算测量机构包括多个运算测量单元，用于分别与所述模型操作机构、所述连续转换部件、所述内容采集部件以及所述配置录入部件连接，以完成对所述模型操作机构、所述连续转换部件、所述内容采集部件以及所述配置录入部件各自的单位时间运算次数的分别测量包括：所述多个运算测量单元为多个运算传感电路，用于分别与所述模型操作机构、所述连续转换部件、所述内容采集部件以及所述配置录入部件连接，以完成对所述模型操作机构、所述连续转换部件、所述内容采集部件以及所述配置录入部件各自的单位时间运算次数的分别测量；
其中，所述多个运算测量单元为多个运算传感电路，用于分别与所述模型操作机构、所述连续转换部件、所述内容采集部件以及所述配置录入部件连接，以完成对所述模型操作机构、所述连续转换部件、所述内容采集部件以及所述配置录入部件各自的单位时间运算次数的分别测量包括：所述多个运算传感电路的结构相同；
以及其中，所述多个运算测量单元为多个运算传感电路，用于分别与所述模型操作机构、所述连续转换部件、所述内容采集部件以及所述配置录入部件连接，以完成对所述模型操作机构、所述连续转换部件、所述内容采集部件以及所述配置录入部件各自的单位时间运算次数的分别测量还包括：所述多个运算传感电路具有相同的运算测量上限数值和运算测量下限数值。
图3为根据本发明第三实施例示出的货运电梯智能停留驱动系统的内部结构示意图。
相比较于图1，根据本发明第三实施例示出的货运电梯智能停留驱动系统还可以包括：
基座结构，设置在所述模型操作机构、所述连续转换部件、所述内容采集部件以及所述配置录入部件的下方，用于分别为所述模型操作机构、所述连续转换部件、所述内容采集部件以及所述配置录入部件提供底部支撑服务；
其中，基座结构，设置在所述模型操作机构、所述连续转换部件、所述内容采集部件以及所述配置录入部件的下方，用于分别为所述模型操作机构、所述连续转换部件、所述内容采集部件以及所述配置录入部件提供底部支撑服务包括：所述基座结构上设置多个插槽，以分别容置所述模型操作机构、所述连续转换部件、所述内容采集部件以及所述配置录入部件；
以及其中，所述基座结构上设置多个插槽，以分别容置所述模型操作机构、所述连续转换部件、所述内容采集部件以及所述配置录入部件包括：所述多个插槽的开口截面面积相同，以分别容置所述模型操作机构、所述连续转换部件、所述内容采集部件以及所述配置录入部件。
另外，在所述货运电梯智能停留驱动系统中，利用极限学习机神经网络模型根据当前货运电梯过往多天设定时间分段分别对应的多份选中次数信息以及当前货运电梯的多份配置数据智能辨识当前货运电梯当天设定时间分段对应的选中次数信息还包括：执行所述极限学习机神经网络模型，以获得所述极限学习机神经网络模型输出的当前货运电梯当天设定时间分段对应的选中次数信息。
虽然已经结合特定的优选实施例对本发明进行了详细描述，很显然，许多可选方案、改进和变型对于考虑上述说明内容的本领域技术人员来说是显而易见的。因此，可考虑到：所附权利要求将包括落入本发明真正范围和精神实质内的任何此类可选方案、改进及变型。

Claims (9)

1.一种货运电梯智能停留驱动系统，其特征在于，所述系统包括：
连续转换部件，用于对极限学习机神经网络执行连续转换处理以获得极限学习机神经网络模型，其中，对极限学习机神经网络执行连续转换处理以获得极限学习机神经网络模型包括：对极限学习机神经网络执行的每一次转换处理为对极限学习机神经网络执行的每一次训练操作；
内容采集部件，用于采集当前货运电梯过往多天设定时间分段分别对应的多份选中次数信息，当前货运电梯过往每一天设定时间分段对应的选中次数信息为当前货运电梯过往每一天设定时间分段内各个楼层被选中次数；
配置录入部件，用于获取当前货运电梯的多份配置数据，当前货运电梯的多份配置数据为当前货运电梯的最大载货重量、能够停留的楼层数量以及所在建筑物的货运公司数量；
模型操作机构，分别与所述连续转换部件、所述内容采集部件以及所述配置录入部件连接，用于利用极限学习机神经网络模型根据当前货运电梯过往多天设定时间分段分别对应的多份选中次数信息以及当前货运电梯的多份配置数据智能辨识当前货运电梯当天设定时间分段对应的选中次数信息；
驱动控制机构，与所述模型操作机构连接，用于将智能辨识获得的当前货运电梯当天设定时间分段对应的选中次数信息中被选中次数最多的楼层作为参考楼层，并将所述参考楼层作为默认停留楼层以在当前货运电梯处于空闲状态时驱动当前货运电梯停留在所述参考楼层；
网络通知设备，与所述模型操作机构连接，用于将智能辨识获得的当前货运电梯当天设定时间分段对应的选中次数信息通过移动通信网络发送给远端的云计算服务网元；
其中，采集当前货运电梯过往多天设定时间分段分别对应的多份选中次数信息，当前货运电梯过往每一天设定时间分段对应的选中次数信息为当前货运电梯过往每一天设定时间分段内各个楼层被选中次数包括：多天对应的天数与当前货运电梯能够停留的楼层数量正向关联；
其中，对极限学习机神经网络执行连续转换处理以获得极限学习机神经网络模型还包括：对极限学习机神经网络执行的转换处理的次数与当前货运电梯能够停留的楼层数量成正比；
其中，对极限学习机神经网络执行的转换处理的次数与当前货运电梯能够停留的楼层数量成正比包括：采用数值转换公式表示对极限学习机神经网络执行的转换处理的次数与当前货运电梯能够停留的楼层数量成正比的数值转换关系。
2.如权利要求1所述的货运电梯智能停留驱动系统，其特征在于：
利用极限学习机神经网络模型根据当前货运电梯过往多天设定时间分段分别对应的多份选中次数信息以及当前货运电梯的多份配置数据智能辨识当前货运电梯当天设定时间分段对应的选中次数信息包括：将当前货运电梯过往多天设定时间分段分别对应的多份选中次数信息以及当前货运电梯的多份配置数据同步输入到所述极限学习机神经网络模型。
3.如权利要求2所述的货运电梯智能停留驱动系统，其特征在于，所述系统还包括：
运算测量机构，分别与所述模型操作机构、所述连续转换部件、所述内容采集部件以及所述配置录入部件连接，用于分别测量所述模型操作机构、所述连续转换部件、所述内容采集部件以及所述配置录入部件各自的单位时间运算次数；
其中，运算测量机构，分别与所述模型操作机构、所述连续转换部件、所述内容采集部件以及所述配置录入部件连接，用于分别测量所述模型操作机构、所述连续转换部件、所述内容采集部件以及所述配置录入部件各自的单位时间运算次数包括：所述运算测量机构包括多个运算测量单元，用于分别与所述模型操作机构、所述连续转换部件、所述内容采集部件以及所述配置录入部件连接，以完成对所述模型操作机构、所述连续转换部件、所述内容采集部件以及所述配置录入部件各自的单位时间运算次数的分别测量。
4.如权利要求3所述的货运电梯智能停留驱动系统，其特征在于：
所述运算测量机构包括多个运算测量单元，用于分别与所述模型操作机构、所述连续转换部件、所述内容采集部件以及所述配置录入部件连接，以完成对所述模型操作机构、所述连续转换部件、所述内容采集部件以及所述配置录入部件各自的单位时间运算次数的分别测量包括：所述多个运算测量单元为多个运算传感电路，用于分别与所述模型操作机构、所述连续转换部件、所述内容采集部件以及所述配置录入部件连接，以完成对所述模型操作机构、所述连续转换部件、所述内容采集部件以及所述配置录入部件各自的单位时间运算次数的分别测量。
5.如权利要求4所述的货运电梯智能停留驱动系统，其特征在于：
所述多个运算测量单元为多个运算传感电路，用于分别与所述模型操作机构、所述连续转换部件、所述内容采集部件以及所述配置录入部件连接，以完成对所述模型操作机构、所述连续转换部件、所述内容采集部件以及所述配置录入部件各自的单位时间运算次数的分别测量包括：所述多个运算传感电路的结构相同。
6.如权利要求5所述的货运电梯智能停留驱动系统，其特征在于：
所述多个运算测量单元为多个运算传感电路，用于分别与所述模型操作机构、所述连续转换部件、所述内容采集部件以及所述配置录入部件连接，以完成对所述模型操作机构、所述连续转换部件、所述内容采集部件以及所述配置录入部件各自的单位时间运算次数的分别测量还包括：所述多个运算传感电路具有相同的运算测量上限数值和运算测量下限数值。
7.如权利要求3-6任一所述的货运电梯智能停留驱动系统，其特征在于，所述系统还包括：
基座结构，设置在所述模型操作机构、所述连续转换部件、所述内容采集部件以及所述配置录入部件的下方，用于分别为所述模型操作机构、所述连续转换部件、所述内容采集部件以及所述配置录入部件提供底部支撑服务。
8.如权利要求7所述的货运电梯智能停留驱动系统，其特征在于：
基座结构，设置在所述模型操作机构、所述连续转换部件、所述内容采集部件以及所述配置录入部件的下方，用于分别为所述模型操作机构、所述连续转换部件、所述内容采集部件以及所述配置录入部件提供底部支撑服务包括：所述基座结构上设置多个插槽，以分别容置所述模型操作机构、所述连续转换部件、所述内容采集部件以及所述配置录入部件。
9.如权利要求8所述的货运电梯智能停留驱动系统，其特征在于：
所述基座结构上设置多个插槽，以分别容置所述模型操作机构、所述连续转换部件、所述内容采集部件以及所述配置录入部件包括：所述多个插槽的开口截面面积相同，以分别容置所述模型操作机构、所述连续转换部件、所述内容采集部件以及所述配置录入部件。
CN202411106581.7A 2024-08-13 2024-08-13 货运电梯智能停留驱动系统 Pending CN118850893A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202411106581.7A CN118850893A (zh) 2024-08-13 2024-08-13 货运电梯智能停留驱动系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202411106581.7A CN118850893A (zh) 2024-08-13 2024-08-13 货运电梯智能停留驱动系统

Publications (1)

Publication Number Publication Date
CN118850893A true CN118850893A (zh) 2024-10-29

Family

ID=93179209

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202411106581.7A Pending CN118850893A (zh) 2024-08-13 2024-08-13 货运电梯智能停留驱动系统

Country Status (1)

Country Link
CN (1) CN118850893A (zh)

Similar Documents

Publication Publication Date Title
EP3594160B1 (en) Elevator sensor system floor mapping
US8602172B2 (en) Elevator group management system
CN102300798B (zh) 用于运行电梯设备的方法
FI94121B (fi) Hissikorin henkilösiirtojen määrittäminen
CN102328859A (zh) 节能派梯方法及其验证装置
CN111377325B (zh) 用于增强电梯传感器操作的系统和方法
US12168592B2 (en) Determining elevator car location using radio frequency identification
US11724907B2 (en) Elevator floor bypass
CN118850893A (zh) 货运电梯智能停留驱动系统
CN111086938B (zh) 对电梯和自动扶梯系统的健康监测
CN117228468A (zh) 一种载荷轻量化的电梯125%额定载荷制动试验方法
CN117088202A (zh) 电梯运行状态评价装置以及评价方法
US11667493B2 (en) Elevator operation for occupancy
CN114789950A (zh) 电梯集群智能控制装置
Anand et al. Elevator drives energy analysis with duty loads and behavior in dynamic conditions
CN114803743B (zh) 一种基于电梯综合性能感知识别的群控方法和系统
JP7361871B1 (ja) エレベータ遠隔点検システムおよびエレベータ遠隔点検方法
WO2017175380A1 (ja) エレベータ配車計画システムおよびエレベータ配車計画の更新方法
CN108726332B (zh) 确定电梯曳引系统的传动效率的方法和装置
CN119590947A (zh) 辅助运输系统维护
JPH01271379A (ja) エレベータの群管理制御方法
TW202427397A (zh) 候車人數推薦方法、電子設備及儲存介質
So et al. Power harmonics surveying of a modern elevator system
Bouton Variable voltage control systems as applied to elevators
JPS6023262A (ja) エレベ−タ−制御装置

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication