• 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

【IEEETNNLS】用于复杂工业过程故障诊断的交互感知图神经网络

由于传感器信号中的各种故障模式以及不同单元之间的复杂相互作用,复杂工业过程的故障诊断成为一项具有挑战性的任务。然而,如何探索相互作用并与传感器信号集成仍然是一个悬而未决的问题。考虑到工业过程中传感器信号及其相互作用以节点和边的形式可以表示为图,本文提出了一种新的用于复杂工业过程故障诊断的交互感知和数据融合方法,称为交互感知图神经网络。首先,为了描述工业过程中的复杂交互,将传感器信号转换为具有多种边缘类型的异构图,并通过注意力机制自适应地学习边缘权重。然后,使用多个独立的图神经网络(GNN)块来提取每个具有一个边缘类型的子图的故障特征。最后,通过加权求和函数将每个子图特征连接或融合,以生成最终的图嵌入。因此,该方法可以学习传感器信号之间的多重交互,并通过GNN的消息传递操作从每个子图中提取故障特征。最终的故障特征包含来自原始数据的信息和传感器信号之间的隐含交互。在三相流设备和电力系统(PS)上的实验结果证明了所提出的方法在复杂工业过程的故障诊断中的可靠性和优越性。

  • 2024-06-17
  • 阅读667

【IEEETSMCS】基于知识的神经网络的非线性模型预测控制及其工业应用

现代工业过程控制存在多变量、多约束多目标、强非线性等问题。模型预测控制(MPC)是一种有效的解决方案,在工业过程中得到了广泛的应用。然而,MPC的一个局限性是需要足够的数据来建立准确的预测模型。为此,本文提出了一种基于知识的神经网络MPC解决方案。首先,提出了一种基于稀疏表示的Hammerstein系统结构知识提取方法,该方法能够从少量的系统操作数据中提取系统结构知识。然后,设计了一个知识知情的神经网络模型,将系统结构知识相结合,构建了一个具有特殊结构的神经网络,从而克服了模型训练中数据不足的问题。最后,将知识告知的神经网络模型嵌入MPC框架中,可以在保证预测性能的同时降低轧制优化的计算成本。通过数值模拟和pH中和过程实验验证了该方法的可行性和有效性。

  • 2024-06-17
  • 阅读392

【IEEETIM】A-Net:一种用于实时表面缺陷分割的A形轻量级神经网络

表面缺陷分割是工业质量控制中的一项关键任务。现有的神经网络架构在提供实时性能和高精度方面经常面临挑战,限制了它们在时间敏感、资源受限的工业环境中的实际应用。为了弥补这一差距,我们引入了A-Net,这是一种专门为实时表面缺陷分割设计的A型轻量级神经网络。最初,A-Net引入了一种开创性的A型架构,可有效处理低级细节和高级语义信息。其次,设计并明确设计了一系列轻量级特征提取块,以满足工业缺陷分割的严格要求。最后,跨多个行业标准基准的严格评估证明了A-Net的卓越效率和高性能。与建立良好的U-Net相比,A-Net在NEU seg、DAGM seg、MCSD seg和MT数据集上分别获得了?0.21%、?0.3%、+4.7%和+5.94%的可比或优于并集的交集(IoU)分数。值得注意的是,A-Net只使用了0.39M个参数,减少了98.8%,并使用了0.44G个浮点运算(FLOP),减少了99%的计算负载。此外,A-Net由于其较低的FLOP,在没有GPU的边缘设备上显示出极快的推理速度。A-Net有助于开发有效和高效的缺陷分割网络,适用于资源有限的现实世界工业应用。

  • 2024-06-17
  • 阅读928

【IEEETIM】基于全局局部慢特征分析的深度学习工业过程异常工况识别

确保工业过程的长期安全高效运行依赖于对异常操作条件的实时识别。然而,工业过程经常在不同的操作条件之间切换,并面临苛刻的生产环境。因此,历史异常样本中存在的一些极端情况可以掩盖一些轻微的异常,使其表现出与正常操作条件相似的过程动力学。为了解决这个问题,本研究提出了一种基于全局局部慢特征分析的卷积神经网络(GLSFA-NN)。全局慢特征分析(SFA)模型在宏观层面提取粗尺度慢特征,以区分具有不同过程动力学的异常,而局部SFA算法在微观层面提取实时和精细尺度慢特征以识别具有相似过程动力学的异常。通过结合全局和局部慢特征,可以同时识别具有相似或不同动力学的异常。然后使用一维卷积神经网络(1-D-CNN)从全局局部慢速特征中自动提取深度特征,并识别异常操作条件。工业实验表明,该方法优于其他传统方法,对具有切换条件和极端情况的工业过程具有较高的异常识别精度

  • 2024-06-17
  • 阅读473

【IEEETII】基于门控卷积神经网络的新型变压器工业过程动态软测量建模

工业过程数据通常是传感器采集的时间序列数据,具有高度非线性、动态性和噪声等特点。许多现有的软传感器建模方法通常只关注单个时间点的主变量和辅助变量,而忽略了工业过程数据的时序特征。同时,基于深度学习的考虑时序特性的软测量方法通常面临梯度消失和并行计算的困难。因此,提出了一种新的基于门控卷积神经网络的变压器(GCT),用于工业过程的动态软传感器建模。GCT对时间序列数据的短期模式进行编码,并通过改进的门控卷积神经网络(CNN)自适应地过滤重要特征。然后,将多头注意力机制应用于建模任意两个矩之间的相关性。最后,通过具有高速公路连接的线性神经网络层获得预测结果。在本文中,聚丙烯和精对苯二甲酸工业过程的动态软传感器建模实验表明,与反向传播神经网络、极限学习机、长短期记忆(LSTM)和基于CNN的LSTM相比,该方法达到了最先进的水平。

  • 2024-06-17
  • 阅读476

【IEEETII】基于统计物理的工业自动化领域卷积神经网络分类可靠性解释

人工智能驱动的自动化已逐渐成为新自动化时代的技术趋势。目前,许多人工智能技术已被应用于提高自动化领域的智能化水平。其中,卷积神经网络(CNN)技术是最具代表性的技术之一,它被用于工业自动化中的缺陷产品检测,机器人-人类跟踪已被广泛应用于机器视觉驱动的自动化领域。然而,当前神经网络应用的高度依赖性导致了缺陷产品检测系统的潜在故障。在本文中,我们使用统计物理渗流模型对CNN的学习和决策过程进行建模。基于渗流的分化程度和脆弱性,我们提出了CNN分化程度的概念,并总结了量化它的经验公式。从对抗性攻击和对抗性训练的角度分析了分化程度与脆弱性之间的关系,以解释CNN的决策机制和分类可靠性。物理模型可以接近事物的本质,最终指导工业自动化的可靠CNN。

  • 2024-06-17
  • 阅读359

【JTICE】用于过程故障诊断的半监督特征对比卷积神经网络

背景:现代工业过程涉及多个操作单元,这些操作单元执行各自的功能并相互耦合。准确提取过程变量中的复杂非线性关系是故障诊断的关键。大多数基于深度学习的故障诊断方法在很大程度上依赖于标记数据,但标记样本在实际工业过程中受到限制。

  • 2024-06-17
  • 阅读404

【IEEETII】工业应用中轻量级单图像超分辨率的渐进交互学习网络

最近,基于深度学习(DL)的工业应用由于其先进的性能而引起了广泛的关注。然而,便携式设备中有限的计算资源总是使大型DL模型在行业中不适用。基于DL的单图像超分辨率由于计算量大,也遇到了这个问题。此外,大多数基于轻量级卷积神经网络的方法没有充分利用特征,这限制了它们进行工业重构的能力。为了缓解这个问题,我们提出了一个渐进交互学习网络(PILN)来细化不同层次的特征:在全局层面,我们采用渐进交互学习策略来整合时间和空间维度的层次特征;在中介层面,强化互动学习单元,采用强化互动学习,显著提升重建绩效;在局部层面上,采用逐像素学习的方法,提取残差单元,通过权重分布来搜索最优信息流。大量实验表明,PILN优于其他最先进的方法。

  • 2024-06-16
  • 阅读415
上一页 1 …… 1622116222162231622416225162261622716228162291623016231 …… 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