自动缫丝机进入中国，发展至今已经有60多年了，从最初的定粒感知、定纤感知器和给茧方式的发展，到现在的机电一体化，自动缫丝机得到了长足的进步。目前主流的自动缫丝机为短杠杆定纤式自动缫丝机，我们分析发现：短杠杆定纤式自动缫丝机的结构仍以机械式结构为主，以探索凸轮和添绪凸轮为动力源，通过机械同步机构驱动单绪机构进行缫丝；为了防止重添，探索纤度感知机构运动规律为周期性探索感知，当探索纤度感知的周期固定时，若生丝落细发生在两次纤度感知之间，则落细点无法及时发现，生丝落细丝长增加，不利于提高生丝质量；由于机构为机械同步联动式结构，所以动作虽然稳定，但是当生丝发生落细时，执行机构在相关信号的转换和传递耗时较多；由于自动缫丝机工作的全过程是通过机械方式实现的，所以不能输出实际缫丝生产工况和生产统计数据，需要耗费较多的人力成本进行看护和统计，不利于生产管理水平的提高和智能化处理。
对一类参数不确定性系统离散控制器设计问题，给出其近似离散化模型的推导过程，将采样周期 作为系统参数，保证扰动和参数变化下系统模型的相容性性质。利用数字化再设计方法，把离散控制器和连续控 制器的全局状态匹配转换为凸优化问题，与控制器鲁棒稳定性条件统一到线性矩阵不等式框架下进行数值求解。 仿真实例验证了所提方法的有效性，表明所设计的鲁棒控制器性能优于采用常规离散化方法所设计的控制器。
用电数据在电力物联网中通常使用公网或无线信道传输,很容易被窃听者截获。在不破解加密内容的前提下,窃听者可利用大数据技术从用电数据中获取用户能耗大小、用能设备、作息规律等多种敏感信息。针对这一问题,文章提出了一种用电数据全程安全传输方案,利用群签名技术的不可关联性保护个体身份的匿名性,利用数据拆分转发方式的数据隐藏策略保证数据的不可区分性,有效保障用户隐私安全。
人工智能（AI）已经成为各国争夺科技主导权的战略级抓手，不仅将深刻改变人类生 活，也将迅速改变能源行业，推动石化领域变革发展。未来传统石化企业可能的 AI 发展方向是智能勘探、智能钻井、智能油田、智能工厂、智能管道、智能加油站等。 通过股权投资布局AI是石化企业布局新兴能源产业、实现战略突破的重要方式。通 过研究AI的产业链发展趋势，分析石化企业业务与AI的结合点，并结合近年来AI赛 道股权投资的基本面数据，提供能够投资的重点赛道和可能标的的一套方案
人工智能
在“新时代、新机遇、新发展”的大背景下，上海交通信息化和智能交通建设，正在向智慧交通发展的新阶段迈进。围绕城市精细化 管理、交通强国建设、数字交通规划、新型基础设施建设、城市数字化转型等重要发展理念，文章梳理上海智能交通建设现状和基础，分析“十三五”末期发展特点与新时代智慧交通的发展要求，对“十四五”时期智慧交通的发展进行前瞻与思考，提出了“交通场景泛感知基础建设网络化、城市交通治理与城市精细管理融合化、一站式公众出行信息服务综合化、创新技术驱动交通智慧化、长三角区域综合交通信息一体化、城市交通数字化转型常态化”的发展目标。以数据驱动、科技赋能，以机制创新、业务协同，全面激发智慧交通建设的创造力与活力，把握数字化新时代的发展主动权。
信息的爆炸式增长使数据挖掘分析过程更加困难，针对普通关联规则挖掘算法很难在短运行时间和低 关联度的前提下完成大型数据库中变量关系的评估和发现的问题，提出利用强化学习算法改进tre印的大型数 据库关联规则挖掘算法。提出的算法首先计算数据库中每个变量的优先级；然后，在优先级模型中利用强化学 习算法改进的build-treap程序构建treap数据结构；最后，通过遍历程序和generateRule程序完成数据库中所需 的关系查找。在对提出的算法进行稳定性分析后进行了仿真验证实验，实验结果表明，提出的算法在其最次和 最佳案例分析中分别能够完成O（凡log n）次和0（n2）次挖掘，能够在较短时间内完成低关联度的大型数据库中 变量关系挖掘任务，相对于改进型Apfiofi算法和改进型FP生长算法有较大提升。
近年来，物联网技术逐渐发展，在智能家居系统中得到了越来越多的应用，其集成化程度却始终略显不足。该文从两个基本角度即照明与安全角度入手，通过单片机间相互通信及在云端进行信息统计，建立了一个操作简易、学习曲线平缓的智能家居系统，使得用户既可以让系统自主运行，也可以在移动端或PC端控制系统内的所有智能具。
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。
面向人工智能技术浪潮带来的算网融合发展新机遇和新挑战，期望产业链各环节凝心聚力、携手并进，共同推动算力网络运载力质量不断提升，以网强算支撑产业应用创新，促进培育新质生产力，助力数字经济高质量发展!
AI-OTN产业落地。遵循试点先行、分步迭代思路开展现网实践。可优先开展小规模试点，围绕高收益场景验证技术能力，在试点基础上逐步完成设备改造、能力迭代，同时兼顾网络智能化效率与业务运行安全。设备厂商需加快AI-OTN设备形态迭代，完善轻量化网络AI模型，夯实产业规模商用基础。
物联网平台、工业物联网、数字孪生、设备全生命、生产管理、IOT、三维可视化、数字化大屏、数据采集、SIS、DCS、SCADA 工业互联网平台、工业物联网、能源管理、时序数据库、实时数据库、数据中台、智慧园区、智能楼宇、生产管理系统、机加生产管理系统、MES、设备资产管理系统、设备运维管理系统、设备监控、设备健康、MDC、DNC、倾斜摄影、数字化交付、组态工具
教育机构的规模壮大，行政会议频繁，而机构的复杂性与地域的分散性常常使信息传达的周期过长，影响工作内容的执行，更耗费了不少的差旅费。本系统可以召开主会场和所有分会场参加的全网视频会议。利用视频会议系统可以随时召开日常会议，减少差旅会务成本，缩短时间消耗可 以打造一个跨区域多人共享、沟通无障碍的工作空间。
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
