• 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

[开源]一个超轻量级物联网平台,轻量级、性能优异、开发简单

中服云物联网平台,业界领先,功能强大

  • 2024-12-01
  • 阅读450

【IEEETII】用于大型锂离子电池电化学过程建模的物理信息复合网络

准确模拟大型锂离子电池(LLBs)的电化学过程,包括估计过程中的电化学状态分布,对于LLBs的设计和管理至关重要。基于二维物理的模型可以准确地描述LLB的电化学过程。然而,由于存在复杂的偏微分方程(PDE),求解模型成为一项具有挑战性的任务。本文开发了一个物理信息复合网络(PlCN)作为二维物理模型的替代模型。具体来说,PlCN由四个深度神经网络(DNN)组成,分别估计四个关键电化学状态的分布。由于PlCN的架构受到PDE特性的启发,它可以通过四个轻量级DNN实现高精度。此外,通过结合物理和数据,PlCN使用有限的数据实现了准确的估计。它甚至可以估计可能无法直接测量的电化学状态分布。MoreoverPICN提出了一种基于低频信息的预训练策略和两阶段损失平衡策略,以解决PlCN训练中可能出现的收敛失败和损失不平衡问题。PlCN是通过将物理与数据相结合来模拟LLBs电化学过程的新尝试。大量实验表明,它比最先进的模型要好。 关键词:数据、电化学过程、锂离子电池、物理学、替代模型。

  • 2024-12-01
  • 阅读682

【IEEETIE+代码】基于注意力的深度学习方法预测机器剩余使用寿命

对于机械系统的预测和健康管理,一项核心任务是预测机器的剩余使用寿命(RUL)。目前,具有自动特征学习的深度结构,如长短期记忆(LSTM),在RUL预测方面取得了很好的性能。然而,传统的LSTM网络只使用最后一个时间步的学习特征进行回归或分类,效率不高。此外,一些具有领域知识的手工制作的特征可能会为RUL的预测提供额外的信息。因此,将这些手工制作的特征和自动学习的特征集成到RUL预测中是非常有动力的。在这篇文章中,我们提出了一种基于注意力的深度学习框架,用于机器的RUL预测。LSTM网络用于从原始数据中学习序列特征。同时,所提出的注意力机制能够学习特征和时间步长的重要性,并为更重要的特征和时间步分配更大的权重。此外,开发了一个特征融合框架,将人工生成的特征与自动学习的特征相结合,以提高RUL预测的性能。对两个真实数据集进行了广泛的实验,实验结果表明,我们提出的方法优于现有技术。 关键词:注意力机制、特征融合手工特征、长短期记忆(LSTM)、机器剩余使用寿命(RUL)预测、预后和健康管理(PHM)。

  • 2024-12-01
  • 阅读540

融入知识图谱的大模型在企业服务中应用

企业级海量数据的知识化已日趋成为行业共识,通过海量数据的知识化集成,可以加速数据标准化、消除/减少歧义、链接数据孤岛等。知识图谱作为表达能力更强的数据建模形式,也需要不断技术升级与时俱进。知识图谱和大型语言模型都是用来表示和处理知识的手段。大模型补足了理解语言的能力,知识图谱则丰富了表示知识的方式,两者的深度结合必将为人工智能提供更为全面、可靠、可控的知识处理方法。

  • 2024-11-30
  • 阅读377

基于贝叶斯深度学习的预后驱动预测性维护框架

在这项工作中,提出了一种新的预测驱动的产品数据管理框架,它提供了一个集成RUL预测和维护决策的综合解决方案。在预测阶段,我们采用基于BDL的框架来限定任意的和认知的不确定性,并输出RUL的预测性分布。在维修决策阶段,提出了一种在一般检查场景下的实用策略。该模型能够在任何时刻快速评估R选项和DN选项的成本率,并生成满足操作约束的暂定的产品数据管理计划。随着逐步收集更多的CM数据,我们的框架动态更新和调整维护和备件订购决策,以生成更可靠的PDM时间表。通过与几种基准策略的比较,基于NASA Ames预测卓越中心提供的涡扇发动机数据集,我们发现基于BDL方法驱动的基准策略可以在不确定性量化的情况下增强预测结果,从而提高动态PDM决策的性能。在定期和不定期检查的情况下,建议的政策导致的平均成本率非常接近理想的政策。这项研究对行业具有实际意义,展示了将不确定性量化和操作约束纳入到PDM政策中的好处。增强的策略性能带来了更好的维护规划,降低了成本并提高了盈利能力,同时还提高了客户满意度。

  • 2024-11-30
  • 阅读488

SCI一区论文学习|一种基于片段数据的非参数退化建模剩余寿命预测方法

本期给大家推荐李乃鹏教授的一种基于片段数据的非参数退化建模剩余寿命预测方法。基于状态维修(CBM)通过预测设备剩余使用寿命(RUL),在设备发生故障前制定维修计划,是保证设备安全运行的有效手段。由于监测中断和/或传感器读数丢失会产生片段数据。而片段数据只记录了一个随机的退化过程,初始退化时间信息通常会丢失。因此,无法使用常用的时间相关建模框架对其进行建模。为解决这一问题,文章提出了一种基于片段数据的非参数退化建模方法用于RUL预测。该方法利用基于退化状态的函数定义剩余寿命。并提出了一种基于极大似然估计的主分析(PAMLE)算法来恢复故障单元的缺失数据。最后,通过疲劳裂纹扩展数据集和锂离子电池退化数据集验证了该方法的有效性。

  • 2024-11-30
  • 阅读551

姚培磊:针板结构极不均匀电场中气泡迁移特性与吸附静止状态的绝缘特性分析

以去离子水作为冷却介质的换流阀散热系统难以同时兼顾绝缘与散热性能,影响了系统的可靠运行。相变冷却技术凭借卓越的散热能力正在逐步应用于高压大功率电力电子器件的冷却,但液体电介质中的气泡有绝缘劣化的风险。为更好掌握相变冷却气泡在极不均匀电场中的迁移特性和绝缘特性,采用数值模拟的方法分析了气泡粒径、速度和电场强度这3个关键因素对气泡运动轨迹的影响;研究了进入低场区后不同接触角气泡,对绝缘子表面电场强度的影响。研究结果揭示了各因素对气泡运动轨迹的显著影响,加深了对相变冷却气泡迁移特性和绝缘特性的认知,对直流装备相变冷却的进一步应用具有重要参考价值。

  • 2024-11-29
  • 阅读358

吴田高工:基于改进ST-GCN的10kV带电作业人员视频异常行为识别方法

?为确保常态化配网带电作业时人员和设备的安全,异常行为识别是必不可少的技术手段,但现有带电作业行为识别方法存在准确率低、可识别种类少以及受背景干扰导致漏检和误检等问题。

  • 2024-11-29
  • 阅读465
上一页 1 …… 1613116132161331613416135161361613716138161391614016141 …… 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35
  • 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