• 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

【IEEETII】铝土矿磨矿过程操作优化控制的中尺度粒度预测模型

本文研究了使用中尺度动力学模型来配合铝土矿磨矿过程的操作优化控制。在本文中,我们提出了一种新的建模框架,将离散分布参数宏观模型和中尺度动力学模型相结合来预测磨削产品的粒度。中尺度动力学方法不需要明确的过程模型,因为它将过程描述为一个随机过程。然而,高计算需求阻碍了动力学模型使用在线设置。我们通过嵌入一个基于τ-leap方法的加速算法来克服这个问题。利用实验数据对所提出的模型进行了验证。最后,提出了铝土矿磨矿操作优化控制的解决方案,并证明了该预测模型与其他模块的协同作用。

  • 2024-06-17
  • 阅读513

基于深度学习的机械故障诊断可解释性方面

工学博士,担任《Mechanical System and Signal Processing》《中国电机工程学报》《控制与决策》等期刊审稿专家,擅长领域:现代信号处理,机器学习,深度学习,数字孪生,时间序列分析,设备缺陷检测、设备异常检测、设备智能故障诊断与健康管理PHM等。

  • 2024-06-17
  • 阅读315

【IEEETIM】基于双非负绞杀的LSTM软传感器输入变量选择与结构优化

软传感器作为一种重要的智能检测技术,已广泛应用于现代加工行业,实现对产品质量的有效监测和预测。然而,在实际工业过程建模中,模型输入和结构的冗余通常会导致建模复杂性增加和模型性能下降。在本研究中,提出了一种基于双非负绞杀(DNNG)方法的长短期记忆(LSTM)软传感器输入变量选择和结构优化算法。首先,使用过程数据集构建训练有素的初始LSTM模型,以捕捉工业过程的时间动态行为。其次,将DNNG算法集成到LSTM中,以减少输入变量和隐藏节点的冗余。该策略有效地为模型选择了最一致的输入变量,同时通过消除冗余的递归隐藏节点来简化LSTM结构,以降低模型过拟合的风险。此外,通过将网格搜索与块交叉验证相结合来确定模型的超参数。最后,通过数值算例将所开发的算法与其他最先进的算法进行了比较,并用于预测燃煤电厂脱硫系统净烟气排放中的SO2浓度。对比结果表明,该算法有效地消除了冗余变量,简化了模型结构,同时比其他算法具有更好的预测性能。

  • 2024-06-17
  • 阅读517

【IEEETII】基于神经网络的工业软传感器的对抗性攻击:镜像输出攻击和平移镜像输出攻击

使用神经网络技术的软测量已经越来越多地应用于工业过程。近年来,基于神经网络的软传感器的安全性和鲁棒性成为人们关注的主要问题。此外,目前的研究表明,神经网络容易受到对抗性攻击。换句话说,施加在输入上的小扰动可能导致输出的显著偏差。如果关键过程变量的软传感器受到攻击,可能会对工业过程造成相当大的损害。本文主要研究基于神经网络的工业软传感器的攻击方法。针对工业软传感器的特点,本文提出了两种新的对抗性攻击方法。第一种方法称为镜像输出攻击(MOA),是一种微妙的攻击方法,它翻转输出曲线以改变输出的方向。第二种方法称为翻译MOA(TMOA),很容易使运算符操作失误。TMOA在翻转输出曲线的同时平移输出曲线,以达到改变输出条件的目的。在硫回收装置工艺的工业案例研究中证明了MOA和TMOA的有效性。仿真结果表明,两种对抗性攻击方法都可以对基于神经网络的工业软传感器进行攻击。对抗性攻击方法的研究可以为防御攻击提供基础,从而增强软传感器的安全性和鲁棒性。

  • 2024-06-17
  • 阅读355

【IEEETII】工业因果关系发现的神经网络权值比较及其软测量应用

由于工业过程单元的反应机理复杂,工业过程变量之间存在因果关系和相关性。因果发现算法已被用于发现变量关系的知识,并指导过程建模和控制优化。然而,它们大多受到严格假设的限制,如线性关系、加性噪声、稳态过程等。因此,这些方法不能在大多数实际工业过程中获得良好的性能。为了解决这些问题,本文提出了一种新的用于工业因果图发现的权重比较因果挖掘算法。它首先用过程数据训练一组隐层神经网络,然后根据网络权重的比较挖掘过程变量的无向骨架,进一步确定骨架中无向边的因果方向,得到有向因果图。通过尿素合成过程的基准测试和实际工业案例验证了WCCM的有效性。WCCM挖掘的无向边和直边与地面实况具有很高的一致性。此外,WCCM的因果发现结果被用于指导软传感器建模的特征选择,从而提高了预测精度和模型的可解释性。

  • 2024-06-17
  • 阅读489

【IEEETII】TSTFNN:模糊神经网络在工业浮选过程性能监测中的性能增强

神经网络界已经对学习算法进行了大量的研究,但对训练策略的研究有限。为了提高模糊神经网络在工业过程识别中的性能,提出了一种基于两阶段训练的模糊神经网络。首先,为了初始化TSTFNN,我们提出了一种监督聚类方法。它通过根据样本的标签对部分样本进行聚类,确定TSTFNN的初始中心和神经元数量。然后,采用基于梯度的算法进一步学习TSTFNN的参数。为了提高其泛化性能,我们开发了一个两阶段训练方案。在第一阶段,执行标准的10倍交叉验证来学习参数。预测误差超过预设阈值的样本用于在第二阶段中训练网络。根据李雅普诺夫准则,我们证明了如果学习率选择在适当的范围内,TSTFNN的收敛性。通过对两个基准问题的仿真验证了TSTFNN的有效性。所提出的TSTFNN性能优于现有技术。与监督长短期存储器相比,均方根误差降低了17%。然后,我们将其应用于工业浮选过程中的软传感器建模。实验结果表明,TSTFNN具有令人满意的预测性能。

  • 2024-06-17
  • 阅读348

【IEEETNSE】基于重构图神经网络的工业物联网入侵检测

工业物联网(IIoT)由于其在无人值守环境中的开放部署,极易受到网络攻击。入侵检测是提高安全性的有效解决方案。然而,由于标记的样本很难获得,并且在实际应用中样本类别不平衡,因此很难获得可靠的模型。本文提出了一种基于图神经网络技术的入侵检测通用框架。详细地,提出了一种网络嵌入特征表示方法来处理IIoT中高维、冗余但类别不平衡和稀有的标记数据。为了避免网络结构不准确带来的影响,设计了一个具有细化正则化的网络构造函数对其进行修正。最后,将网络嵌入表示权和网络构造函数一起训练。通过在公共数据集上执行入侵检测任务,验证了该方法的高精度和鲁棒性。与几种现有技术的算法相比,所提出的框架在许多评估指标上都优于这些方法。此外,还设计了一个硬件在环平台,用于在真实环境中测试性能。结果表明,该方法不仅可以识别不同的攻击,而且可以区分网络攻击和物理故障。

  • 2024-06-17
  • 阅读460

【IEEETII】用于工业非侵入式负荷监测的物理知情时间感知神经网络

非侵入式负载监测实现了对设备级能耗的态势感知,而无需安装特定于设备的传感器。它已经研究了30多年,深度学习方法是最先进的解决方案。然而,目前的工作主要集中在住宅场景上,从电器类型的角度来看,工业负荷分解是一个更具挑战性的问题,研究较少。然而,工业负荷在节能以及减缓和适应气候变化方面发挥着重要作用。因此,本文重点研究了工业非侵入性负荷监测问题,并提出了一种基于物理信息的时间感知神经网络方法。本文考虑了工业负荷的多个特征,并利用它们之间的物理关系来显式地改进学习过程。此外,还提出了一种二维卷积层来对时间戳进行编码以进行特征增强。对10台电器的真实工业数据进行实验将验证所提出方法的有效性。

  • 2024-06-17
  • 阅读394
上一页 1 …… 1622016221162221622316224162251622616227162281622916230 …… 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102
  • 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939
  • 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2744
  • 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3174
  • 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33
  • 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56
  • 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63
  • 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59
  • 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