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
：为更好地保障中国科学院近代物理研究所重离子加速器（HIRFL）的稳定运行 ，本文研究设计了基 于物联网的状态诊断系统 。 针对 HIRFL 中设备数量庞大 、种类复杂的特点 ，采用物联网的设计架构 ，利 用各种传感器进行数据采集 ，并通过网络传输给中央控制系统中的数据库 ，由服务器中运行的控制软件 对这些数据进行综合分析 ，给出合理的建议并发出相应的指令 。 根据 HIRFL 的实际情况 ，初步设计了 １ 个 HIRFL 状态诊断系统模型 ，包括底层的硬件设计和上层的软件设计以及界面设计 。 部分控制界面 已上线运行 ，并在实际运行中得到了检验 ，取得了一定的加速器状态诊断效果 。
没有账户，需要注册
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
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。
工业具身智能的兴起，源于工业需求与技术能力的共同变化。 制造业正从大批量、固定流程生产，走向多品种、小批量、柔性化生产，传统工业机器 人在非结构化环境、复杂任务理解和动态适应方面仍存在局限。与此同时，多模态感知、 智能决策、运动控制、仿真训练与机器人本体技术持续进步，为智能系统进入真实工业 现场创造了条件。因此，工业具身智能并非简单新增一种机器人品类，而是围绕真实 工业任务，将感知、决策、执行、反馈与迭代组织成闭环的现场智能系统。
十多年以来，关于工业网络的讨论一直围绕着数据表现展开。诸如"哪种协议的市场份额在上升?哪种在下滑?哪种标准最终将胜出?"这类问题固然依旧关键，您也可以在本报告第4页的年度市场份额数据中找到最新解答。然而，如今任何深耕工业自动化领域的专业人士都清楚，行业关注的核心问题已经发生了转移。
在国务院《关于深入实施“人工智能+”行动的意见》指导下，众多企业加速推进人工智能应用落地，并积极探索智能体的潜在价值，2025年由此成为智能体发展的元年。2026年5月，中国人民银行等四部门印发《关于“人工智能+金融”的实施意见》，推动人工智能与金融行业广泛融合。为支撑跨模态、跨模型、跨机构、跨行业的复杂任务协同，满足金融业“开放、融合、高效”的发展诉求，智能体正从单一模式朝着多智能体协同与互联互通的方向演进。在此背景下，智能体通信协议迅速发展。
调查显示，库存、市场需求、从业人员分指数均环比下行，平均日销量与经营状况分指数小幅回升。终端市场需 求动能偏弱，消费者持币观望情绪依旧，缺乏重磅利好激活市场。
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
