针对飞机数字化装配系统中装配数据零散、关系复杂、难于管理等特点，提出一种基于多重结构关联的数 据关系模型，实现飞机数字化装配系统数据集成．结合装配工艺需求对数字化装配数据的来源进行分析，基于工艺 意图对装配数据分类组织．建立逻辑上独立又互相关联的多重结构任务树、对象树和设备树，并给出多重结构的语 义化定义．基于关系理论，建立完整的多重结构数据关系模型．装配数据集成技术已应用于飞机数字化装配系统， 结果表明，该数据模型能够有效集成装配数据，并支持数据结构的重用和扩展．
在 X 荧光能谱测量中 ，当两个事例发生间隔较短时 ，存在脉冲前沿或后沿堆积的情况 。如果能谱仪 的脉冲分辨能力不足 ，在事例发生间隔小于能谱仪脉冲分辨能力时 ，发生了偶然符合效应 。当堆积发生在信 号的上升沿时 ，后端电子学无法识别堆积脉冲 ，并将堆积脉冲当成 1 个脉冲 ，从而在测量能谱中会产生虚假 能峰 ；当堆积出现在下降沿时 ，堆积信号间隔小于通道成形时间时 ，堆积信号会被丢弃 ，导致所测量谱线的 有效计数减小 ，对精确放射性测量带来了不利影响 。从提高能谱仪模拟电路信噪比 、降低误触发 、缩短快成 形通道成形时间 、提高能谱仪的脉冲分辨能力 ，从而减小符合效应等角度入手 ，研制了一种低偶然符合效应 的快慢双成形通道的数字化能谱仪 。该能谱仪设计了具有高脉冲分辨能力的快通道 ，采用对称零面积梯形 成形算法 ，有效消除快通道时间变窄带来的不足 ，结合对梯形平顶的判断 ，实现对低频噪声抑制与降低误触 发概率 ；同时设计高信噪比 、低噪声的模拟电路以减小快通道对噪声误触发的概率 ，降低偶然符合概率 。文 中先利用仿真验证了提升快通道时间可以提升脉冲分辨能力 ，接着利用 MOXTEK 的 X 光管激发被测样品 Cu 获得特征 X 射线 ，由 KETEK 的高分辨率 SDD 探测器检测信号 ，通过调节 X 光管的管流得到计数率范围 为 13 ～ 103 kcps 的 X 荧光能谱 ，从而得到偶然符合概率与计数率的关系 ，并且通过改变快通道成形时间分 析其对偶然符合的影响 。实验表明 ，更低的快通道成形时间拥有更高的脉冲分辨率能力 ，更低的偶然符合效 应 ；在 103 kcps 计数率下 ，150 ns 快通道成形时间条件下 ，Cu 的 Kα峰 、 Kβ及 Kα ＋ Kβ的偶然符合概率分 别为 1.568％ ，0. 265％ 和 0.403％ ；设计的对比实验结果表明 ：在相同快通道成形时间条件下 ，所研制的数 字化能谱仪相比于 Amptek 的 DP-5 型号数字化能谱仪偶然符合概率低了 60％ 。
智能家居能源管理系统，系统阐述，系统的特点
本文围绕城乡规划领域科学技术的发展,从数据驱动的角度,剖析应用于城乡规划领域的数据资源的变化,及其对城乡规划和管理技术手段的影响。本研完主要以传统城乡规划流程为基础,以规划数据生命周期的视角,构建了一套数据驱动的城市规划新技术支持框架,更好地支持新形势下的城乡规划编制工作。
IBEXSec_一种面向工业互联网终端的通用安全服务框架
于WRC一191．13议题研究框架和国内6GHz以上第五代（the5thGeneration，5G）移动通信候选频段的兼容性分析要求，针对27～29．5GHz频段国际移动通信一2020（InternationalMobile Telecommunications一2020，IMT一2020）系统对卫星固定业务（FixedSatelliteService，FSS）系统的干扰进行研究．采用集总干扰评估方法，比较了FSS静止轨道卫星经度分别在东经59。、85。、113。时，IMT一2020（5G）系统基站对FSS上行链路的干扰情况．此外，还针对IMT一2020（5G）基站采用不同阵列配置进行了兼容性仿真研究．研究表明，在该频段IMT一2020（5G）系统不会对FSS产生有害干扰，特别是在IMT一2020（5G）基站采用大规模天线阵列的情况下．研究结果可为未来27～29．5GHz频段IMT一2020（5G）系统频率规划实际部署及保护FSS系统提供技术依据．
智能制造与中小企业组织变革如何匹配?
粤港澳大湾区智能制造生态系统建设的战略思考
没有账户，需要注册
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”。
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。
中服设备健康管理系统依托中服云工业物联网架构搭建，面向工业全品类设备运维场景。 融合实时数据采集、状态监测、故障诊断核心能力，全天候掌握设备运行动态。 通过边缘计算与 AI 算法分析设备隐患，实现从被动维修向预测性维护升级。 有效降低设备故障率、减少停机损失，简化线下运维管理流程。 助力工厂实现设备数字化管控，保障产线高效、稳定、安全运行。
OpenClaw:不仅是对话窗口，更是行动助手一人工智能代理(AI Agent)正深刻重塑科学研究基本范式，OpenClaw成为2026年开源AI代理平台代表。
本次调研覆盖欧洲、中东与非洲、亚太、美洲四大区域，收集了来自171家酒店集团的189份有效反馈。数据显示，78%的酒店集团已启用人工智能，89%计划新增应用场景，但多数项目仍停留在试点阶段，或仅依赖通用型公共工具。人工智能平均依赖度得分(4.7分)持续低于信任度得分6.6分)，凸显巨大的未开发潜力。释放这一价值，需要更充分的可靠性验证、更完善的投资回报率(RO)测算，以及全企业级的系统整合。
无论是在自然科学、工程技术，还是经济与社会科学领域，高质量的科研分析均依赖经过验证且结构化的数据。一个管理得当的数据库，如果同时具备全面的元数据，能够与其他数据源实现互操作，其用途将更加广泛。科研本身如此，科研信息与分析亦然。本报告聚焦科睿唯安及其科学信息研究所(ISI)所采用的一系列方法与流程，旨在确保数据、分类结构及相关元数据等关键要素，始终处于Webof Science文献计量数据库及其相关产品的核心位置。
本文旨在系统性调研并构建一套面向 AI 智能体的全生命周期安全体系，全面识别其在技术演进与规模化 落地过程中面临的各类安全威胁与风险点，并提出覆盖制度、流程与技术的多层次综合防护方案。该体系 不仅支撑企业级 AI 产品在设计、研发与运营阶段的安全能力建设与合规落地，同时为行业标准制定、整 体安全解决方案构建以及模块化安全产品研发提供可复用的理论基础与实践路径。
北京大学能源研究院是北京大学下属独立科研实体机构。研究院 以国家能源发展战略需求为导向，立足能源领域全局及国际前沿， 利用北京大学学科门类齐全的优势，聚焦制约我国能源行业发展 的重大战略和科技问题，按照“需求导向、学科引领、软硬结合、 交叉创新、突出重点、形成特色”的宗旨，推动能源科技进展， 促进能源清洁转型，开展专业及公众教育，致力于打造国际水平 的能源智库和能源科技研发推广平台。
扫码咨询
或
客服咨询
用手机扫二维码
复制当前地址
方案库赚钱指南
