管理水平越高的企业，越懂得运用计量化的管理方式。欧美日很多企业如此，我国成功的企业也是如此。
幸福、热闹的春节假期即将结束，很多员工将返回工作岗位。各有关企业将迎来复工复产高峰，为预防和遏制生产安全事故的发生，各生产经营单位须重视复工复产安全生产工作。
（1）定点。即确定设备点检的部位、项目。 （2）明确点检方法。即完成一个点检项目的手段，例如目视、电流表测量、温度计测量等。 （3）制定点检基准。点检基准是指一个点检项目测量值的允许范围，它是判定一个点检项目是否符合要求的依据。判定基准不是很清楚时，可以咨询设备制造商或根据技术人员（专家）的经验值进行假定，以后逐渐提高管理精度。 （4）设定点检周期。即一个点检项目两次点检作业之间的时间间隔。 （5）确定点检项目由何人实施。
年初复工，如何开好局、起好步对于安全生产工作尤为关键、尤其重要。知己知彼，百战不怠，这份复工复产安全攻略：一案、两签、三试、四收、五查、六关、七重、八一、九时、十招！请您收好～
上个月 sourcegraph 放出了 conc[1] 并发库，目标是 better structured concurrency for go, 简单的评价一下。每个公司都有类似的轮子，与以往的库比起来，多了泛型，代码写起来更优雅，不需要 interface, 不需要运行时 assert, 性能肯定更好我们在写通用库和框架的时候，都有一个原则，并发控制与业务逻辑分离，背离这个原则肯定做不出通用库。
无论人们是工业自动化的新手，还是具有几十年的经验的资深员工，都有大量的信息需要筛选，这使得识别最具影响力的趋势成为一个真正的挑战。
高斯噪声是深度学习中用于为输入数据或权重添加随机性的一种技术。 它是一种通过将均值为零且标准差 (σ) 正态分布的随机值添加到输入数据中而生成的随机噪声。 向数据中添加噪声的目的是使模型对输入中的小变化更健壮，并且能够更好地处理看不见的数据。 高斯噪声可用于广泛的应用，例如图像分类、对象检测、语音识别、生成模型和稳健优化。
对时间序列进行分类是应用机器和深度学习模型的常见任务之一。本篇文章将涵盖 8 种类型的时间序列分类方法。这包括从简单的基于距离或间隔的方法到使用深度神经网络的方法。这篇文章旨在作为所有时间序列分类算法的参考文章。
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
为研究大气压下氮气火花开关的纳秒脉冲击穿过程，采用粒子模拟方法对间隙放电过程进行模拟，获得流注形成发展过程的瞬态物理图像，并对比分析了脉冲前沿对间隙放电过程的影响。模拟结果表明：氮气火花开关的纳秒脉冲击穿过程主要包括两个阶段：流注形成阶段和流注快速发展阶段；流注快速传播阶段流注头部会产生逃逸电子，且光电离反应会导致流注通道形成分叉；流注快速传播阶段的放电通道平均传播速度高于流注形成阶段；脉冲前沿越大，流注传播速度越小，流注形成的临界电压越低，流注贯穿间隙的时延越长，与实验结果一致。
针对输电线路异物检测中存在背景干扰、图像分辨率低且异物尺度变化大等问题，提出了一种基于改进YOLOv7的输电线路异物检测模型。首先，通过空间深度卷积（space to depth conconvolution，SPD-Conv）和多维协作注意力（multidimensional collaborative attention，MCA）机制构造新的骨干网络，加强模型对低分辨率图像特征提取及抑制背景干扰的能力，同时增加对小目标异物的关注度。其次，使用幻影卷积（ghost convolution，Ghost-Conv）改进高效分层聚合网络（efficient layer aggregation network，ELAN）的输出部分，大幅降低模型的计算量。最后，基于可伸缩交并比（scalable intersection over union，SIoU）优化损失函数，进一步提高模型的训练速度和鲁棒性。实验结果表明，所提模型在输电线路异物检测数据集上平均精度均值（mean average precision，mAP）达到95.98%，高于其他主流对比模型，同时每秒帧数（frames per second，FPS）达到64，满足输电线路异物的实时性检测。
伴随着气体火花开关的广泛应用，选择工作稳定且使用寿命长的气体火花开关已经成为了脉冲功率系统稳定运行的重要保障。目前，国内外相关学者对于气体开关展开了大量研究，但多数都是基于从放电条件研究对气体火花开关烧蚀的影响。因此从实际工程需求出发，全面研究了不同工作环境对气体火花开关的自击穿电压的分布、时延抖动、分散性的变化情况以及电极烧蚀现象与机制、宏/微观粗糙度变化规律。结果表明：相同气压条件下开关击穿电压的分散性随电极间隙的增大无明显规律变化。随着工作系数提高至90%，开关放电时延平均值基本不变，但呈现出数纳秒的波动，当间隙距离为10 mm、工作系数在60%以下时抖动的起始值及其减小的速率远高于其他间隙。随着电极间距的增大，对电极表面的烧蚀的影响较小，低气压长间隙的烧蚀程度相较于高气压短间隙的烧蚀更为明显。
AIoT（AI+IoT）,即人工智能物联网，是人工智能技术与物联网在实际场景落地中相互融合的产物，其并非新技术，而是一种新的物联网应用形态，是通往真正意义上的“万物智联”的必经之路。智慧城市ICT信息技术架构与AIoT产业架构高度适配，是AIoT应用最佳实验场，随着智慧城市进入全面发展期，AIoT应用解决方案将在民生服务、城市治理、产业经济、生态宜居四大场景中大规模落地。
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
