施工人员佩戴安全帽是安全生产的重要一环,为保障工人生命安全,同时克服传统人工巡检费时费力的缺点,提出了一种基于Single Shot MultiBox Detector(SSD)改进的安全帽检测新方法。
海岸带湿地具有重要的生态价值和经济开发价值,明确其时空变化特征与影响因素对于维持区域生态系统平衡和可持续发展具有重要意义。
不透水面信息是监测城市扩张及区域生态环境变化研究的重要指标,基于遥感技术对地表不透水面信息进行快速提取具有重要意义。
随着人工智能技术和配套数据系统的快速发展,化工过程建模技术达到了新的高度,将多个机理模型和数据驱动模型以合理的结构加以组合的智能混合建模方法,可以综合利用化工过程的第一性原理及过程数据,结合人工智能算法以串联、并联或者混联的形式解决化工过程中的模拟、监测、优化和预测等问题,建模目的明确,过程灵活,形成的混合模型有着更好的整体性能,是近年来过程建模技术的重要发展趋势。
对于钢铁制造业、煤矿行业及建筑行业等高危行业来说,施工过程中佩戴安全帽是避免受伤的有效途径之一。针对目前安全帽佩戴检测模型在复杂环境下对小目标和密集目标存在误检和漏检等问题,提出一种改进YOLOv5的目标检测方法来对安全帽的佩戴进行检测。
目的 在施工现场,安全帽是最为常见和实用的个人防护用具,能够有效防止和减轻意外带来的头部伤害。 但在施工现场的安全帽佩戴检测任务中,经常出现难以检测到小目标,或因为复杂多变的环境因素导致检测准确率降低等情况。
湿地是地球上最重要的生态系统之一,在维持全球生态环境安全等方面发挥着举足轻重的作用。由于湿地独特的水文特征,传统的湿地监测需要耗费大量的人力和财力,对于大尺度的湿地信息提取更是困难重重。
针对现有的对安全帽佩戴检测算法的参数多、网络复杂、计算量大、不利于在嵌入式等设备进行部署,且对遮挡目标辨别度差等问题,提出了一种改进的轻量级的安全帽检测算法YOLO-M3,先将YOLOv5s主干网络替换为MobileNetV3来进行特征提取,降低了网络的参数量和计算量。
没有账户,需要注册
本工程建筑为办公生产大楼,由地上32层、地下3层组成;其中1-5层为裙楼、6-32层为塔楼。地下1-3层含停车场、人防、设备用房;地上部分:主楼一层含公共大厅;5为设备转换层,11、22层为避难层,33层设置机房;6-10层、12-21层、23-32层为办公生产用房。
随着能源互联网的发展,能源系统智能化特征越来越突出,能 源开发、生产、传输、存储、消费 全过程的智能化水平快速提升,所 涉及的设备和系统将数以亿计,在 规划和运行过程中将产生海量数据, 且结构复杂、种类繁多、因实时性 要求高而快速增长。这些数据贯穿 着能源互联网各个环节,蕴含着巨 大的价值。
技术开发的迭代推进和技术应用的规模化积累,在推进数字技术不断取得新突破的同时,也使数字技术变得更加成熟和可靠。数字技术的先进性、复杂性、集成性与数字化系统覆盖面更广、界面更直观、操作更简单同步发展。人们能够随时随地访问功能越来越强大的数字化系统。
本工程为单缆无源系统,将为大楼提供全面无线通信信号覆盖,所设计的室内覆盖系统是为智能化大楼室内移动通讯信号覆盖的需要而提出的
企业级海量数据的知识化已日趋成为行业共识,通过海量数据的知识化集成,可以加速数据标准化、消除/减少歧义、链接数据孤岛等。知识图谱作为表达能力更强的数据建模形式,也需要不断技术升级与时俱进。知识图谱和大型语言模型都是用来表示和处理知识的手段。大模型补足了理解语言的能力,知识图谱则丰富了表示知识的方式,两者的深度结合必将为人工智能提供更为全面、可靠、可控的知识处理方法。
在这项工作中,提出了一种新的预测驱动的产品数据管理框架,它提供了一个集成RUL预测和维护决策的综合解决方案。在预测阶段,我们采用基于BDL的框架来限定任意的和认知的不确定性,并输出RUL的预测性分布。在维修决策阶段,提出了一种在一般检查场景下的实用策略。该模型能够在任何时刻快速评估R选项和DN选项的成本率,并生成满足操作约束的暂定的产品数据管理计划。随着逐步收集更多的CM数据,我们的框架动态更新和调整维护和备件订购决策,以生成更可靠的PDM时间表。通过与几种基准策略的比较,基于NASA Ames预测卓越中心提供的涡扇发动机数据集,我们发现基于BDL方法驱动的基准策略可以在不确定性量化的情况下增强预测结果,从而提高动态PDM决策的性能。在定期和不定期检查的情况下,建议的政策导致的平均成本率非常接近理想的政策。这项研究对行业具有实际意义,展示了将不确定性量化和操作约束纳入到PDM政策中的好处。增强的策略性能带来了更好的维护规划,降低了成本并提高了盈利能力,同时还提高了客户满意度。
本期给大家推荐李乃鹏教授的一种基于片段数据的非参数退化建模剩余寿命预测方法。基于状态维修(CBM)通过预测设备剩余使用寿命(RUL),在设备发生故障前制定维修计划,是保证设备安全运行的有效手段。由于监测中断和/或传感器读数丢失会产生片段数据。而片段数据只记录了一个随机的退化过程,初始退化时间信息通常会丢失。因此,无法使用常用的时间相关建模框架对其进行建模。为解决这一问题,文章提出了一种基于片段数据的非参数退化建模方法用于RUL预测。该方法利用基于退化状态的函数定义剩余寿命。并提出了一种基于极大似然估计的主分析(PAMLE)算法来恢复故障单元的缺失数据。最后,通过疲劳裂纹扩展数据集和锂离子电池退化数据集验证了该方法的有效性。
山东科技大学(张玉敏):2024新型能源系统低碳-经济协同调度理论方法研究报告,山东科技大学(张玉敏):2024新型能源系统低碳-经济协同调度理论方法研究报告
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