确保机械驱动系统的安全在很大程度上依赖于准确的变速箱故障诊断。然而，实际多工况和不均匀样本分布的存在使变速箱的故障诊断更具挑战性。尽管使用卷积神经网络（CNNs）的智能故障诊断（IFD）已经显示出有希望的结果，但它们通常需要强大的反馈学习和经验丰富的超参数调整来完成不同的任务。在本文中，从深度强化学习（DRL）的角度提出了一种新的方法，称为多尺度深度注意力Q网络（MDAQN），用于不平衡齿轮箱故障诊断。引入了一种考虑类间偏差的不平衡分类马尔可夫决策过程（ICMDP），作为数据不平衡情况下增强分类策略学习的环境模拟。此外，设计了一种新的多尺度注意力卷积网络作为深度Q网络（DQN）算法的代理结构，从而提高了在复杂运行条件下的判别特征学习能力。通过利用DRL的弱反馈交互，对诊断模型进行训练，从而有效地进行不平衡齿轮箱故障诊断。在三个齿轮箱不平衡数据集上的实验结果表明，MDAQN表现出优越的特征提取能力和泛化能力，与多种现有方法相比，准确率超过99.0%。Index Terms—注意力，深度强化学习（DRL），变速箱，不平衡故障诊断，多尺度学习
随着顾客集中程度的增加,少数客户为企业的销售额做出了大部分贡献。这些大客户往往会集中购买大批产品,且拥有决策权的客户大多在高层，因此,企业也应该更加重视这些大客户的管理,派出的营销人员素质也要过硬。
2024H1中国二次元移动游戏收入规模（仅AppStore）环比上升5.44%，但环比产生了约0.65%的下滑；2024H1海外二次元移动游戏市场收入规模约211.7亿元，环比下降 6.46%。就目前这个阶段而言，以中国厂商米哈游、日本厂商Cygames所主导的二游市场，已基本将现阶段的玩家需求做到了极致，但也同样使得玩家的体验趋近于同质化，势 必需要新的突破与转型。
基于改进NSGA多目标值优化的油纸绝缘状态评估方法｜《中国电力》基于改进NSGA多目标值优化的油纸绝缘状态评估方法｜《中国电力》基于改进NSGA多目标值优化的油纸绝缘状态评估方法｜《中国电力》基于改进NSGA多目标值优化的油纸绝缘状态评估方法｜《中国电力》
需求侧多能互补优化与供需互动技术北京市重点实验室宫飞翔研究员作了题为“挖掘工业需求侧灵活性的技术与市场视角”的特邀报告。《中国电力》编辑部征得专家同意，与您分享精彩报告，欢迎品读！
制造业正面临客户需求个性化、产品多样化、快速交付以及资源高效利用等挑战。为了应对这些挑战，全球制造业正在经历转型升级，其中工业4.0作为核心概念，强调通过智能制造实现生产的自动化、个性化和灵活化。工业4.0依托于信息物理系统（CPS），这一系统将物理设备与虚拟网络相结合，实现实时数据交换和智能决策，从而提高生产效率和灵活性。
参照教育部提出智慧校园的建设规范结合本地特点，采用云计算、大数据、物联网、移动互联手段，建设涵盖校园安全、智慧教学、综合管理、思政管理、预警预测等功能的智能化管理平台，构建“互联网+”条件下的校园管理和培养新模，辅助打造国内领先的教育环境和教育质量，成为全国智慧校园的样板间。
广西电网有限公司 陈卫东等｜大脑情绪学习驱动的光储直柔接入配电网智能控制策略广西电网有限公司 陈卫东等｜大脑情绪学习驱动的光储直柔接入配电网智能控制策略
没有账户，需要注册
时序大模型是面向时间序列数据的基础大模型，以 Transformer 等架构为核心，通过在海量多领域时序数据上进行预训练，学习时间维度上的通用模式、周期规律与长距离依赖关系。区别于传统时序模型针对单一任务单独训练，时序大模型具备强大的迁移能力，只需少量样本微调或零样本提示，即可适配时序预测、异常检测、缺失值补全、时序分类等下游任务。在工业场景中，它能够直接处理传感器、设备测点产生的海量时序信号，挖掘设备状态演变规律，支撑设备故障预警、工况识别与生产趋势预判，为工业智能落地提供底层模型能力。如：中服云的CServerAIR
2025年，全球人工智能市场规模达到3909亿美元，中国人工智能核心产业规模突破9000亿元。AIAgent细分市场以49.6%的年复合增长率高速扩张，制造业应用大模型的企业比例在一年之内从9.6%跃升至47.5%。从2024年初，中国日均词元(Token)调用量为1000亿;至2025年底，跃升至100万亿;2026年3月，已突破140万亿，两年增长超千倍。这些数字背后，是一场深刻变革的加速到来-人工智能正在从"能力突破"走向“系统重构”。
中服云能碳管理系统依托中服云工业物联网底座打造，聚焦工业企业能耗管控与碳资产管理需求。 系统整合水、电、气、热等多类能源数据，实现用能实时采集、集中监测、智能分析。 依托数字化手段精准核算碳排放总量，助力企业摸清碳排底数、合规完成台账管理。 通过节能诊断、能耗优化策略推送，有效降低生产能耗与运营成本。 全方位赋能企业绿色低碳转型，筑牢安全生产与节能减排双重发展防线。
中服设备健康管理系统依托中服云工业物联网架构搭建，面向工业全品类设备运维场景。 融合实时数据采集、状态监测、故障诊断核心能力，全天候掌握设备运行动态。 通过边缘计算与 AI 算法分析设备隐患，实现从被动维修向预测性维护升级。 有效降低设备故障率、减少停机损失，简化线下运维管理流程。 助力工厂实现设备数字化管控，保障产线高效、稳定、安全运行。
十多年以来，关于工业网络的讨论一直围绕着数据表现展开。诸如"哪种协议的市场份额在上升?哪种在下滑?哪种标准最终将胜出?"这类问题固然依旧关键，您也可以在本报告第4页的年度市场份额数据中找到最新解答。然而，如今任何深耕工业自动化领域的专业人士都清楚，行业关注的核心问题已经发生了转移。
在国务院《关于深入实施“人工智能+”行动的意见》指导下，众多企业加速推进人工智能应用落地，并积极探索智能体的潜在价值，2025年由此成为智能体发展的元年。2026年5月，中国人民银行等四部门印发《关于“人工智能+金融”的实施意见》，推动人工智能与金融行业广泛融合。为支撑跨模态、跨模型、跨机构、跨行业的复杂任务协同，满足金融业“开放、融合、高效”的发展诉求，智能体正从单一模式朝着多智能体协同与互联互通的方向演进。在此背景下，智能体通信协议迅速发展。
调查显示，库存、市场需求、从业人员分指数均环比下行，平均日销量与经营状况分指数小幅回升。终端市场需 求动能偏弱，消费者持币观望情绪依旧，缺乏重磅利好激活市场。
本白皮书围绕Coactive:Interactive x Proactive 双态协作展开，依次讨论行业洞察、愿景与顶层架 构、智能主体、环境感知、认知底座、元进化、企业可信落地与应用场景，形成从协作范式到系统实 现、价值验证和可信治理的完整论证。
扫码咨询
或
客服咨询
用手机扫二维码
复制当前地址
方案库赚钱指南
