• 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

【IEEETFS】微分卷积模糊时间序列预测

时间序列预测(FTSF)是一种应用广泛的典型预测方法。传统的FTSF被视为一个专家系统,这导致其无法识别未定义的特征。上述是FTSF预测不佳的主要原因。为了解决这个问题,提出的模型差分模糊卷积神经网络(DFCNN)利用卷积神经网络重新实现了具有可学习能力的FTSF。DFCNN能够识别潜在信息并提高预测精度。得益于神经网络的可学习能力,在FTSF中建立的模糊规则的长度被扩展到专家系统无法处理的任意长度。同时,由于非平稳时间序列的趋势,FTSF通常无法实现令人满意的非平稳时间系列性能。非平稳时间序列的趋势导致FTSF建立的模糊集无效,导致预测失败。DFCNN利用差分算法削弱非平稳时间系列,使DFCNN能够以较低的误差预测非平稳时间串,而FTSF无法以令人满意的性能进行预测。经过大量实验,DFCNN具有良好的预测效果,领先于现有的FTSE和常见的时间序列预测算法。最后,DFCNN为改进FTSF提供了进一步的思路,并具有持续的研究价值。 关键词:卷积神经网络、深度学习、预测、模糊时间序列。

  • 2024-12-12
  • 阅读465

ReliabilityEnginerring&SS||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是复杂多变的。然而,现有的智能故障诊断研究大多是在恒速条件下进行的,有限的研究集中在时变速度下的故障诊断上。此外,标记数据的限制给智能故障诊断方法带来了相当大的障碍。因此,在速度时变和标记样本有限的情况下,提出了一种半监督元路径空间扩展图神经网络(ME-GNN)用于故障诊断。首先,提出了一种新的异构图,它将振动数据、故障信息和变量快速信息之间的最近邻关系转换为图。这种图不仅集成了各种物理信息,而且便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获得异质图的特征信息,实现了元路径空间扩展图卷积网络,以聚合来自不同属性节点的信息。最后,设计的特征融合模块有效地整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出的方法优于现有的故障诊断方法。 关键词:故障诊断、图卷积网络、半监督学习、特征融合,时变速度

  • 2024-12-12
  • 阅读516

广东电网背靠背直流高频谐振风险及应对措施

本文结合广东电网“十四五”期间新建的两个柔性直流背靠背工程,提出采用等值前后系统谐波阻抗扫描+等值后系统电磁仿真验证的思路,解决了背靠背柔性直流工程近区交流系统运行方式复杂、大规模风险扫描工作量大的难题 2)本文所采用的思路,对广东电网的正常方式、检修方式以及近区直流多种运行方式下高频振荡风险点进行了较为全面的排查,并从调节系统延时、改进柔性直流控制结构、限制系统运行方式等方面对谐振风险点提出了抑制措施验证。

  • 2024-12-04
  • 阅读408

基于集成三端口的混合微网场景自适应功率协同控制策略

本文在混合微网不同组成的底层控制策略之上,构建了基于归一化交流频率与直流电压的分段控制策略。根据交、直流母线的功率特征量归一化值判定微网运行状态,实现三种底层控制的合理组合与切换,完成对混合微网整体运行场景的追踪及适时功率平抑,解决了混合微网内功率耦合所带来的复杂控制问题, 2)本文所提功率协同控制策略无需通信链路,仅依靠本地参量,相较于传统带宽通信具有更高的可靠性。

  • 2024-12-10
  • 阅读340

城市全域数字化转型白皮书

该报告由中国联通智能城市研究院精心编纂,旨在为推动新型智慧城市的高质量发展提供理论支撑与实践指导。报告的发布深入展示了中国联通在智慧城市建设领域的深厚积累与创新探索。

  • 2024-12-10
  • 阅读754

新能源集控中心建设方案

建成后的集控中心将集中监控新能源公司下属风电场。XXX新能源公司在役风电场7处,在建风电场4处,风机装机容量508MW。目前公司信息化只建设了财务和OA两大系统,各场站通过互联网链路访问公司系统。

  • 2024-12-10
  • 阅读493

基于结构健康监测的塔筒振动分析与控制研究

在本研究报告中,我们将探讨风电机组塔筒的结构健康监测和振动控制策略。塔筒作为风电机组的关键结构部件,其健康状况直接影响到整个风电机组的运行安全性和效率。因此,开发一种有效的监测和控制方法对于提高风电机组的性能至关重要。

  • 2024-12-04
  • 阅读514

基于CMS数据的风电机组寿命预测模型研究

基于CMS数据的风电机组寿命预测模型研究,旨在通过分析和利用风电机组的运行数据,预测其剩余使用寿命,以优化维护策略,提高风电机组的可靠性和经济效益。可以从以下几个方面进行分析

  • 2024-12-03
  • 阅读405
上一页 1 …… 1612816129161301613116132161331613416135161361613716138 …… 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104
  • 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940
  • 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2745
  • 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3175
  • 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36
  • 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57
  • 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64
  • 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60
  • 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