会员中心
搜索
登录
注册

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

中服云*全栈集团物联平台

中服云工业物联网平台集团版是专为大型集团企业打造的全栈式工业操作系统，聚焦破解多工厂、跨区域协同管理难题，通过 “总部统筹 + 工厂落地” 的分层设计，实现数据全链路贯通与业务高效协同.

  • 2025-09-09
  • 阅读1625

揭秘P、I、D参数：PID控制算法的关键要素与参数整定三大方法

在过程控制中，按偏差的比例（P）、积分（I）和微分（D）进行控制的PID控制器是应用最为广泛的一种自动控制器。它具有原理简单，易于实现，适用面广，控制参数相互独立，参数的选定比较简单等优点；而且在理论上可以证明，对于过程控制的典型对象──“一阶滞后+纯滞后”与“二阶滞后+纯滞后”的控制对象，PID控制器是一种最优控制。PID调节规律是连续系统动态品质校正的一种有效方法，它的参数整定方式简便，结构改变灵活（PI、PD、…）。

  • 2025-09-09
  • 阅读287

2025年大模型赋能下一代AI防火墙安全能力再升级白皮书

当前，生成式人工智能（GenAI）技术正在加速渗透到各行各业，大模型的爆发式发展给产业、 科研、商业乃至个人生活领域都带来巨大的创新空间。从网络安全的视角看，大模型的广泛应用 一方面在IT基础架构、应用和网络等层面增加了新的安全风险；同时，也能显著赋能安全体系， 提升安全检测、分析、响应的效率和效果，推动网络安全产业正式进入AI时代。

  • 2025-09-09
  • 阅读160
  • 下载3
  • 35页
  • pdf

标准PID控制-时域分析

PID（比例-积分-微分）控制器是一种工业控制中广泛应用的反馈控制算法。其核心思想是通过三个独立的控制分量对系统误差进行实时调整： 比例项（P）：响应当前误差 积分项（I）：消除历史误差累积 微分项（D）：预测未来误差趋势

  • 2025-09-09
  • 阅读221

德国关停核电前后保供应促消纳经验分析｜《中国电力》

德国允许可控负荷参与平衡市场，可控负荷可直接参与系统实时平衡调节，大幅增加了电网调节资源。采用现货市场价格信号引导机组和负荷主动参与电网调节，有效促进新能源消纳。中国主要采用需求响应、有序用电等方式开展需求侧管理，尚未实现由调度机构对可控负荷直接控制，需求侧资源较少参与实时调度。采用调峰辅助服务市场的方式满足电网调节需求，部分现货试点地区通过现货市场满足电网调节需求。

  • 2025-09-09
  • 阅读918
  • 下载0
  • 17页
  • pdf

基于DRS与改进Autogram的风电齿轮箱复合故障特征提取

复合故障特征提取是分析风电齿轮箱故障根因的关键。提出基于离散随机分离（DRS）和改进Autogram的复合故障特征提取方法。基于DRS方法削弱振动信号周期性成分对微弱故障成分的影响，结合谱峭度与谱负熵设计一种新的特征量化指标，对最大重叠离散小波包变换与无偏自相关处理后的各窄带分量进行综合评价，以选择最优的滤波频带，精确地识别包含复合故障特征的信号分量。将所提方法应用于实际风电齿轮箱齿轮-轴承复合故障诊断中，能够有效提取出振动信号中的多个故障特征，具有较好的诊断效果。

  • 2025-09-09
  • 阅读204
  • 下载0
  • 9页
  • pdf

基于图卷积网络和风速差分拟合的中长期风功率预测｜《中国电力》

为充分利用数据特征间的先验关系，提高风电场中长期发电功率预测精度，提出一种基于图卷积神经网络（GCN）、风速差分拟合（DF）、粒子群优化算法（PSO）的中长期风功率预测模型。通过分析风力发电全过程，挖掘风功率影响因素及因素间的相互关联性，搭建GCN模型，分别拟合风速和功率利用效率，进一步结合基于DF的风速-功率计算模型计算风功率，模型的损失包含功率损失、风速损失和功率利用效率损失3个部分，采用粒子群优化算法为这3部分损失确定合适的权重。2个风电场的实际算例表明，该模型未来10天风功率预测的相对均方根误差分别为11.44%和13.09%，具有较高的预测精度。

  • 2025-09-09
  • 阅读654
  • 下载0
  • 23页
  • pdf

基于工作模态分析的风电机组叶片裂纹损伤在线监测研究｜《中国电力》

针对风电机组叶片裂纹损伤发生概率高且难以发现的问题，通过叶片振动信号采集与分析来进行叶片裂纹损伤的在线监测。首先，基于工作模态分析理论构建了基于传递率的叶片模态参数在线识别方法，并搭建叶片振动物理实验台用于该方法的实验验证，通过与传统力锤激振法的实验结果对比，验证了该模态参数识别方法的准确性；然后，以某5 MW风电机组作为仿真算例，进行了叶片裂纹损伤故障仿真，并通过工作模态分析获取了损伤故障特征；最后，将叶片振动信号、模态参数和机组运行数据融合为多源数据集，结合LightGBM算法进行了叶片裂纹损伤故障诊断，诊断结果表明：LightGBM算法较常规机器学习算法能够取得更好的诊断效果，而且在数据集中融入叶片模态参数可明显增加诊断算法的准确率，从而提高叶片裂纹损伤的在线监测准确性。

  • 2025-09-09
  • 阅读233
  • 下载0
  • 23页
  • pdf