会员中心
搜索
登录
注册

解决方案

数字化转型通用方案行业方案安全方案大数据人工智能物联网行业展望自动控制其他

产品|技术

白皮书产品介绍技术介绍技术创新模型算法

政策|规范

政策规范行动计划

电子书

电子书课件

报告|论文

报告模板论文

智慧交通-公路大数据运营中心建设方案

智慧交通的信息化核心需求分为3个阶段，首先是“盘家底，助管理”，先把责任区内的管理工作做好，达到有效管理的目标，主要特征是以公路管理局等管理单位的道路的静态数据为基础，以位置坐标为索引加载公交、地铁、出租车、物流货运等动态数据的管理:之后建立数据中心，借助移动端的管理工具，增加执法情况、交通流量、监控视频、收费数据、气象数据等动态数据的管理，逐步做到信息化成为业务支撑，智慧管理的目的;最终，与水路、铁路、海事、航空等各种数据，组建交通大数据中心，为公众提供所需的各种交通服务，实现智慧服务的目标。

  • 2024-10-09
  • 阅读46

智慧医院扩建信息化整体规划方案

医院应用信息系统进一步优化医疗服务流程，能够为患者提供智慧导医分诊、分时段预约、检查检验集中预约和结果推送在线支付、床旁结算、生活保障等智慧服务，患者能够便捷地获取医疗服务相关信

  • 2024-10-09
  • 阅读45

【IJER】大数据环境下基于小批量卷积神经网络的核能生产安全故障诊断系统

在核能生产中，随着大数据和工业4.0时代的不断创新和挑战，保证无故障运行安全将变得更加复杂和智能化。本文提出了一种新的具有小批量处理的优化卷积神经网络（SCNN），并将其组装在核故障诊断系统中。使用包含全部316个模拟器传感器特征的11种正常和故障条件来评估所提出的诊断系统的性能。与正常操作和在相同条件下添加退出操作相比，使用SCNN进行批量归一化的应用显著优化了模型验证的准确性和100个迭代下的损失。此外，通过比较传统的二元和多重分类方法，突出了出色的诊断准确性。该诊断系统实现了更精确的诊断准确性，将为操作人员提供有益的指导，帮助他们做出准确快速的决策，确保核能生产安全。关键词：卷积层可视化、卷积神经网络、深度学习、故障诊断、核能生产、小批量处理.

  • 2024-10-08
  • 阅读68

【ASC】基于自适应残差CNN的小型模块化电抗器故障检测与诊断系统

随着工业4.0技术的发展，降低维护成本并结合深度学习（DL）技术确保新型核系统的安全是一种流行趋势。本文提出了一种基于设计的自适应残差卷积神经网络（ARCNNs）的小型模块化反应堆（SMR）智能故障检测与诊断系统（lFDD）。不同噪声水平下的特征被学习为残差，并通过设计的网络传递。此外，自适应残差处理（ARP）模块中组装的软阈值（ST）方法提高了学习效率。采用贝叶斯优化（B0）方法提高设计网络的学习衰减率（LDR），以获得更好的诊断性能。从已建立的中国铅基核反应堆（CLEAR）平台上收集了11种不同操作场景下三种不同噪声水平的1760个实验数据点，以验证所提出的LFDD的有效性。与以往工作中采用的传统RCNN和CNN的比较突显了所提出的诊断方法的优越性。使用B0方法进一步提高了lfDD的性能。作为SlMR智能研究的首次尝试，该方法将为无人值守条件下的核操作员提供远程决策支持。此外，该通用方法也可应用于其他无噪声环境下的诊断系统。关键词：故障检测与诊断、深度学习、残差CNN、贝叶斯优化、小型模块化反应堆。

  • 2024-10-08
  • 阅读83

【Energy】用于安全关键能源系统可靠健康监测的不确定性感知深度学习

近年来，深度学习技术的重大进步促进了能源系统智能健康监测方法的发展。然而，在处理核能系统等安全关键能源系统时，具有点估计的传统深度学习模型无法解释预测中的固有不确定性，这一局限性对为关键操作提供可靠和值得信赖的决策支持提出了挑战。为了克服这一挑战，本研究提出了一种新的智能监测方法，该方法集成了不确定性感知的深度神经网络。首先，提出了一个基于时空状态矩阵的信号预处理方法，以提高特征提取能力，从而有效地整合各种多源数据。其次，开发了一种概率分布，为所有网络参数生成预测不确定性，从而能够评估模型输出的置信度，不仅适用于已知的操作场景，也适用于未知的操作场景。最后，使用已建立的先进核能研究平台和公共核事故模拟平台进行实验，确保所提出方法在实际环境中的有效性和适用性。总体而言，拟议的方法显著提高了监测输出的可靠性和可信度，同时降低了与安全关键能源系统决策过程相关的风险。关键词：安全关键能源系统、不确定性感知深度学习、智能健康监测、值得信赖的决策。

  • 2024-10-08
  • 阅读94

【AEI】先验知识增强无监督形状学习用于工业过程中未知的正常工作条件发现

未知异常工况的发现是精细化工业生产的关键，集群工业时间序列是发现未知工况类型的有效方法。然而，从工业时间序列中发现未知的异常工作状态对现有的时间序列聚类方法来说是一个挑战。本研究提出了一种新的先验知识增强无监督形状集学习方法，通过可解释的子序列发现异常和有意义的工作状态。提出了一种先验特征提取模块，将先验知识转化为数据模型的可识别形式。先验知识包含异常工作状态信息，知识增强聚类模块可以通过将先验特征与数据特征相结合来学习表示异常工作状态的信息形状集。此外，先验知识和数据的偏好在学习阶段会自我调整。对实际铝电解过程、模拟田纳西伊斯曼过程和连续搅拌槽加热器过程的数值试验结果验证了所提出方法的优越性能。所提出的方法为先验知识和数据模型的融合提供了新的视角。它还为解决工业过程中异常未知工况发现问题提供了一种新方法。关键词：先验知识，铝电解，时间序列，Shapelet，聚类

  • 2024-10-08
  • 阅读92

工业互联网深度报告之二：智能制造大势所趋，工业软件充分受益

1、智能制造大势所趋 劳动密集型企业严重依赖人口红利，人口红利的消失使得 低成本劳动力成为稀缺资源，传统制造业正在面临人力成本日 益升高的难题。随着人力成本、上游原材料成本等的上升，制 造业企业盈利难度愈发提升，根据美国 MESA 的调查数据，智能 制造可以显著提升企业盈利能力，制造业企业必须加大智能制 造投入以获得更好的盈利能力。另一方面，近年来，在国家供 给侧改革等政策的推动下，工业领域需求持续复苏，汽车、钢 铁、纺织等多个细分行业业绩回升。下游工业领域的复苏将有 望带动上游信息化投资。同时，近年来，我国持续推出一系列 的支持政策和措施，推动智能制造切实落地。

  • 2024-10-09
  • 阅读49
  • 下载0
  • 42页
  • docx

工业互联网深度报告之八：海外工业互联网发展现状

全球制造业正从数字化阶段向网络化阶段加速迈进，工业 互联网平台在全世界范围内迅速兴起，全球制造业龙头企业、 ICT 领先企业、互联网主导企业都正基于各自优势，从不同层 面与角度搭建工业互联网平台。 目前，美、德、中、日均在基 于国际和国内产业形势判断下做出互联网+先进制造的决策，同 时都注重 CPS 技术在未来工业发展中的核心地位，在信息化、 智能化、网络化、全局化等方面投入大量人力物力进行创新研 究，并取得了一些进展：中美 IaaS 基础设施能力较强，正从 互联网行业向其他行业扩张；美德工业 know-how 和设备数字 化基础优于中国；中国的互联网生态基础最好，SaaS 应用潜力 最大。日本相对于美德中，工业互联网发展相对滞后，但是我 国在进行智能制造顶层设计过程中，可结合自身制造业现状， 充分吸收日本先进的管理理念，不断完善我国智能制造系统架 构。

  • 2024-10-09
  • 阅读85
  • 下载1
  • 44页
  • docx