• 首页

  • 方案库

  • 工业品库

  • 招标项目库

  • 专家库

  • 人才库

会员中心
搜索
登录
注册
  • 方案名称

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
  • 全部
  • 人气排行
  • 下载排行
  • 页数排行
  • 最新排行

第1章 智能制造概述_1

制造活动在人类出现以前便存在,并伴随着人类的生产生活不断发展,从手工生产,机械化生产,电气化生产,自动化生产到即将到来的智能制造,制造业的发展必将深刻影响着人们生活和工作。

  • 2024-11-05
  • 阅读1129
  • 下载0
  • 48页
  • pptx

零碳&碳中和园区案例(42页)

自中国确立“双碳”目标以来,各行业、各地区的低碳转型逐步进入实操阶段, 打造“零碳工业”也成为了重要行业趋势。其不仅能直接带动装备智造的技术革新,更提供了绿色新工业产值。另外,在零碳工厂内生产的产品对外出口可绕开碳关税,而且还会因减碳而降低成本。在这个过程中,工业园区是控碳和降碳“一块难啃的硬骨头”

  • 2024-11-26
  • 阅读330
  • 下载0
  • 42页
  • pdf

面向时变转速下旋转机械智能故障诊断的半监督元路径空间扩展图卷积网络

在实际工程场景中,机械设备的运行速度错综复杂且多变。然而,现有的智能故障诊断研究大多是在恒定转速条件下进行的,针对时变转速条件下的故障诊断研究较少。此外,有标签数据的有限性为智能故障诊断方法带来了相当大的障碍。因此,本文提出了一种半监督元路径空间扩展图神经网络( ME-GNN ),用于时变转速和有限标记样本情况下的故障诊断。首先,提出了一种新颖的异构图,将振动数据、故障信息和变转速信息之间的最近邻关系转换为一个图。这种图不仅集成了多样化的物理信息,而且有利于异构数据类型之间的消息传递和聚合。为了从不同的特征空间中获取异构图的特征信息,实现了元路径空间扩展图卷积网络来聚合来自不同属性节点的信息。最后,所设计的特征融合模块有效融合了节点特征和拓扑信息,从而进一步扩展了特征空间,增强了模型的诊断能力。一系列对比实验验证了所提方法优于现有的故障诊断方法。

  • 2024-11-26
  • 阅读652

【IEEETII】一种使用增量样本进行机械剩余使用寿命预测的互补连续学习框架

连续学习最近在机器剩余使用寿命(RUL)预测中受到了特别关注,它使深度预测网络能够使用增量样本来逐步提高网络性能,而无需费力的再训练。然而,目前的研究显示出几个局限性:1)在多个连续学习阶段后,缺乏一种明确的机制来防止象牙记忆的丧失。2)基于连续学习的RUL预测缺乏采样增强重放技术。为了解决上述局限性,本文提出了一种用于机器RUL预测的互补连续学习框架,该框架包含两个新特征,即长期增强和联想重放。这两个特征是互补和共同增强的。长期增强侧重于多阶段连续学习,这能够防止深度prognos.tics网络忘记以前学习到的退化知识。关联回放关注每个新的持续学习阶段,能够将典型的退化知识整合到新的网络学习中。使用滚动轴承的运行到故障数据集验证了提出的框架,并将其与一些最先进的方法进行了比较。实验结果表明,所提出的框架在持续学习过程中具有较低的遗忘率,并实现了更好的预测性能强化 关键词:关联回放、持续学习、深度学习、长期增强、剩余使用寿命预测。

  • 2024-11-26
  • 阅读524

【能源/化工】设备评级标准

【能源 / 化工】设备评级标准

  • 2025-02-04
  • 阅读442

基于动力学仿真的航空发动机结构组件摩擦损失研究

中服云www.cserver.com.cn 中服云长期致力于工业物联网平台及工业APP的研发和服务,是业界领先的工业物联网厂商。其工业物联网平台系列产品是基于云计算、大数据、人工智能等前沿技术构建的综合性工业物联网解决方案,包括基本版、企业版、集团版、数字孪生版和设备版,旨在为不同规模、不同需求的企业提供定制化的数字化转型解决方案。 该平台具有设备接入与数据采集、数据存储与管理、数据分析与可视化、故障预警与预测性维护、数字孪生与仿真优化、跨平台协同与集成等核心功能,可应用于制造业、能源行业、设备制造、高端制造等多个领域。

  • 2025-11-06
  • 阅读276
  • 下载0
  • 4页
  • pdf

一种自适应地形机器人底盘结构设计

中服云www.cserver.com.cn 中服云长期致力于工业物联网平台及工业APP的研发和服务,是业界领先的工业物联网厂商。其工业物联网平台系列产品是基于云计算、大数据、人工智能等前沿技术构建的综合性工业物联网解决方案,包括基本版、企业版、集团版、数字孪生版和设备版,旨在为不同规模、不同需求的企业提供定制化的数字化转型解决方案。 该平台具有设备接入与数据采集、数据存储与管理、数据分析与可视化、故障预警与预测性维护、数字孪生与仿真优化、跨平台协同与集成等核心功能,可应用于制造业、能源行业、设备制造、高端制造等多个领域。

  • 2025-11-06
  • 阅读239
  • 下载0
  • 4页
  • pdf

人工智能对零售业的影响-五个步骤撬动零售人工智能未来3100亿美元增量价值

人工智能驱动的系统性转型正重塑零售业格局,带来超个性化体验与运营效率的跃迁式提升。 该技术不仅直接回应环境可持续性挑战、主动驾驭技术颠覆浪潮、深度影响客户期望,更推动 零售商对价值链进行端到端重构,从而在传统业务边界内外释放显著增量价值。零售商可借此 实现客户体验的升级、运营流程的精简及组织韧性的全面强化,最终在高度竞争的市场中构筑 可持续的增长飞轮。

  • 2025-11-27
  • 阅读232
  • 下载0
  • 18页
  • pdf
上一页 1 …… 1644116442164431644416445164461644716448164491645016451 …… 16664 下一页 共 133305 条


立即登录

没有账户,需要注册

登录用户可享受以下权益
  • 免费下载方案
  • 服币提现
  • 发布方案得服币
  • 交易分成

精品推荐

人工智能大模型分类体系、技术特点及主流厂商概览

语言模型、视觉模型、语音模型、视频模型、时序模型,分别对应文字、图像、声音、视频、连续传感器数值,通用大模型,垂类大模型,AI

  • 阅读101
  • 下载2

工业时序基础大模型技术发展综述

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

  • 阅读936
  • 下载8

2026“人工智能+”行业发展蓝皮书

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”。

  • 阅读2738
  • 下载8

中服云能碳管理平台V5.0

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。

  • 阅读3173
  • 下载14

最新上线

超硬材料智慧园区方案

超硬材料制品是典型的“材料—工具”型制造:金刚石刀头、锯片、工程钻、磨轮,最终用在石材与建材加工、路面与混凝土切割、玻璃与陶瓷、半导体与蓝宝石加工。产品小批量、多品种,工艺链却很长。 这条工艺链把同一道围墙切成几段:压制、烧结、焊接、磨削与检测分散在不同厂房,一段停摆,整批报废。以下痛点与解法取自一座已投运的园区平台,数据为界面实测值,企业名称脱敏。

  • 阅读31
  • 下载0

中服云工业物联网平台在印刷装备制造行业的应用

印刷机械是装备制造中比较典型的一类产品:单机价值高、定制化程度高、客户分散在全国各地的包装与印刷车间,一台凹版印刷机开机就是十几年。设备卖出去了,服务却要跟十几年——这是行业共同的结构性难题,也是工业物联网在装备制造领域最容易见效的地方。 本文以一个真实的落地样本为观察对象:一家印刷机械制造企业把 178 台在役设备接进了自己的远程运维系统,系统的底座选用中服云工业物联网平台的设备版。下文按“行业之困、平台解法、落地成效、可复制经验”四步展开。

  • 阅读54
  • 下载0

中服云数字孪生系统在石油和天然气开采业的应用案例(痛点·方案·成效)

石油和天然气开采业的生产对象在地下,管理的关键环节在地面。从井口到计量间,从转油站、联合站到外输与处理装置,油气田用“井—站—管网”的骨架把分散的资源汇集起来,联合站是这条骨架上设备最密集、工艺最连续、安全要求最高的节点。 这类站场大多已经上了SCADA,数据并不缺。问题在于数据上来之后,新的麻烦更清楚了:设备家底说不清,画面说不清位置,报警说不清先后。本文按“痛点—解决方案—成效”的顺序,说明中服云物联网平台与数字孪生平台如何分工配合,逐条解决这些问题。

  • 阅读60
  • 下载0

中服云物联网与数字孪生平台在油气作业现场的应用

油气田的地面作业现场有一个共同特征:设备搬着走、电源跟着换、负荷忽高忽低。钻修井井场靠网电、柴油发电机组、储能、光伏凑出一套临时电力系统;压裂井场更极端,几十台电驱压裂泵并联运行,瞬时功率爬升快,砂罐、混砂、供液、仪表车密集停放,作业段集中、单段时长以小时计。 这两类现场的管理难题是同一类:能耗与碳排放算不清、设备状态看不见、峰值容量报不准、多能协同靠经验。中服云用同一套工业物联网平台加数字孪生平台,把这两类现场做成了可以被“看懂、算清、考核”的对象。本文以已投运的钻修井现场为实测样本,说明平台在野外作业领域的典型应用,并给出向压裂井场复制的路径。

  • 阅读57
  • 下载0
  • 关于我们

    电话:029-8838-6725

  • 新闻资讯

    企业简介 新闻动态 品牌实力 代理合作 诚聘英才 联系我们

  • 中服云

  • 工业互联网风向标

  • 在线咨询

西安/北京/南京/重庆/合肥/厦门/甘肃 地址:陕西省西安市雁塔区鱼跃工业园慧康生物科技产业园7楼 电话: 029-8838-6725

版权所有 @ 中服云 陕ICP备11002812号
  • 扫码咨询

    或

    点击立即咨询
  • 客服咨询

  • 用手机扫二维码

    或

    复制当前地址

  • 问题反馈 中服大讲堂 客服电话

方案库赚钱指南