• 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

工业智能化的核心:故障预测与健康管理(PHM)

通过大数据分析能够有效发现问题间的关联性,但对于挖掘问题之间的因果性却相对乏力,而后者恰恰是工业领域实现智能化转型的关键。要实现对于问题因果性的挖掘,就需要结合工业机理知识,在深入了解系统结构和运行逻辑的基础上进行分析及预测。具体到应用的关键点,最核心的一部分是故障预测与健康管理(PHM)。

  • 2024-05-07
  • 阅读291

基于加速退化试验的滚珠丝杠副统计分析

为有效地获取滚珠丝杠副精度寿命特征, 利用滚珠丝杠副磨损特征建立加速退化模型, 并且根据设计的试验装置和试验过程的摩擦力矩值变化情况, 采用参数估计方法进行退化数据的统计分析, 获得不同应力水平下的滚珠丝杠副加速退化参数模型。

  • 2024-05-07
  • 阅读315

基于声振数据融合的轴承故障诊断1D-CNN算法

通过加速度计和传声器采集数据,实现更准确、鲁棒的轴承故障诊断。该方法从原始振动信号和声学信号中提取特征,并利用基于1d - cnn的网络进行融合。在十组轴承上获得的大量实验结果用于评估所提出方法的性能。通过分析不同信噪比下的损失函数和准确率,经验发现该方法比基于单模态传感器的算法具有更高的诊断准确率。此外,还进行了可视化分析,探讨了所提出的基于1d - cnn的方法的内部机制。

  • 2024-05-07
  • 阅读734

西交赵志斌论文推荐-旋转机械智能诊断的深度学习算法

本文详细评估了深度学习(DL)模型在旋转机械智能诊断中的应用,旨在通过深度学习技术改善旋转机械故障的诊断准确性和可靠性。作者通过分析不同数据集和超参数推荐使用的问题,并且因公开源代码的缺乏导致不公平的比较和效果提升无效,进行了综合性评价。通过使用四种模型(多层感知器MLP、自动编码器AE、卷积神经网络CNN和循环神经网络RNN)和七个数据集进行基准研究,旨在为旋转机械的智能诊断提供一个基准研究。

  • 2024-05-06
  • 阅读1231

综述|基于电流特征的电机故障诊断研究进展—轴承

现代经济依赖于制造业、能源、石化、制造业、能源、石化、交通运输和国防装备的可靠、不间断运行。实施故障预测与健康管理(PHM)技术是保证设备安全运行的重要方向。成本低、经久耐用、功率重量比高、能量转化率优异的电机逐渐成为各行业的核心驱动设备。电机故障普遍存在,因此状态监测和故障诊断至关重要。恶劣的工作环境和频繁的负载变化是电机故障的主要原因。电机故障或突然停止服务可能会严重危及整个生产系统的安全,除电动机本身受到伤害外,还会造成重大的生产损失。因此,需要对电机进行及时的状态监测和故障诊断,防止意外事故的发生。及时评估电机还可以实现最佳维护策略的调度,例如何时更换关键部件,最大限度地提高可用性,最大限度地减少停机时间,并最大限度地降低维护成本。

  • 2024-05-06
  • 阅读1346

基于图卷积网络的轴承故障诊断

针对基于图卷积网络(GCN)的故障诊断方法大多默认节点间的权重相同、导致诊断精度较低与鲁棒性较差的问题,提出了一种基于欧式距离和余弦距离的 GCN 故障诊断方法(EC-GCN)。

  • 2024-05-06
  • 阅读1092

小样本轴承故障诊断研究综述

基于数据驱动的轴承故障诊断方法依赖大量标记数据,而在实际生产过程中很难收集到大量的数据。因此小样本的轴承故障诊断具有很高的研究价值。

  • 2024-05-06
  • 阅读1034

基于深度学习的旋转机械大数据智能故障诊断方法

为了更加有效的从多传感器原始故障数据中提取出故障特征,解决单一诊断算法提取时序数据特征时的信息丢失问题,提出了一种基于改进 LSTM-GCNN 的深度循环卷积神经网络新算法用于机械装备大数据的故障智能诊断。

  • 2024-05-06
  • 阅读1148
上一页 1 …… 1626716268162691627016271162721627316274162751627616277 …… 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32
  • 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58
  • 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