• 首页

  • 方案库

  • 工业品库

  • 招标项目库

  • 专家库

  • 人才库

会员中心
搜索
登录
注册
  • 方案名称

解决方案

数字化转型通用方案行业方案安全方案大数据人工智能物联网行业展望自动控制其他

产品|技术

白皮书产品介绍技术介绍技术创新模型算法

政策|规范

政策规范行动计划

电子书

电子书课件

报告|论文

报告模板论文
  • 全部
  • 人气排行
  • 下载排行
  • 页数排行
  • 最新排行

APS机械加工行业自动生产排程实例

机械行业,只要是与机械有关的行业都可以说是机械行业,这个分为广义的机械行业与狭义的机械行业。而机械加工是通过机械设备对工件的外形尺寸或性能进行改变的过程。机械加工行业工序繁杂,设备众多,生产计划的制定和修改都有困难。APS自动生产排程系统提供了解决方案,帮助企业实现快速排程、设备优化、按期交货,从而赢得市场和客户。

  • 2022-08-31
  • 阅读499

中国汽车基础软件发展白皮书3.0

日前,《中国汽车基础软件发展白皮书3.0》在2022世界智能网联汽车大会上正式发布。《白皮书3.0》是继2021年《白皮书1.0》发布之后,在工业信息化部装备一司和装备中心的指导下第三次发布中国汽车基础软件白皮书。

  • 2022-09-27
  • 阅读499

两级灌溉渠系优化配水模型及算法研究_刘叶

针对目前多数灌区灌溉渠系优化配水模型存在的问题,结合青铜峡南支渠灌区的实际情况,拟建立以最小渠系输水损失为目标的两级灌溉渠系优化配水模型。研究方法基于实数编码的加速遗传算法,并利用MATLAB进行编程求解。结果表明该模型及算法所确定的配水方案能满足上、下级渠道的配水流量和轮期的要求,整个渠系配水时间减少了20 h,实现了大流量短历时配水,且上级渠道第1断面(首断面)配水流量较均匀,减少了闸门调节次数,有效地减少了水量损失,符合优化配水的原则,可为渠系优化配水决策提供理论及技术支持。

  • 2021-05-06
  • 阅读499
  • 下载0
  • 6页
  • pdf

基于双层决策的装备订购多因素激励定价模型与算法_孙胜祥

装备订购价格是军方与承制单位双方利益争执的焦点,为全面调动承制单位生产积极性,选择成本、质量和进度同时作为激励因素,在将三因素整合到同一函数表达式的基础上,统筹考虑订购双方利益,构建了装备订购多因素激励定价双层决策模型。分别以军方的激励系数方案和承制单位的努力程度方案为模型的上下层决策变量,并以军方军事经济效益和承制单位期望效用最大化为上下层决策目标。为求解模型得到相对最优激励系数方案,结合粒子群优化算法的快速搜索能力与禁忌算法的全局搜索能力,设计了带检验因子的禁忌搜索粒子群优化(tabu search-particle swarm optimization,TS-PSD)算法。最后,通过算例验证了该模型与算法的有效性,可以引导承制单位向军方期望的目标努力,实现共赢。

  • 2021-05-06
  • 阅读499
  • 下载0
  • 10页
  • pdf

基于GBDT算法的大数据风控模型研究_王心逸

风电与储能联合投标可有效应对风电的随机性,提高风电与储能的综合效益。文章针对电力市场环境下风储联合投标的模型与算法问题开展研究。首先,详细考虑储能电池循环寿命、风储联合调频性能、风储联合运行条件及电力市场方面的约束,建立风储联合参与电能量市场和调频市场的投标模型。然后,将所提模型转化为马尔科夫决策过程,并提出一种改进动态规划算法进行求解。该算法利用情景记忆避免对各个子问题的重复计算,可显著提高计算效率,并有效处理风储联合投标过程中出现的随机性、非线性、离散性问题和逻辑变量。最后,通过算例说明了所提方法的有效性。

  • 2021-04-22
  • 阅读499
  • 下载0
  • 5页
  • pdf

烟花算法改进BP神经网络预测模型及其应用_马创涛

针对传统BP神经网络预测模型泛化能力弱且预测精度低的问题,首先对现有算法优化神经网络预测模型的不足进行了比较分析;然后,将烟花算法引入到神经网络模型中,利用烟花爆炸算子同时爆炸扩散的机理,对神经网络权重和阈值的寻优过程进行了优化,提出了一种基于烟花算法改进BP神经网络的预测模型。最后,以某纺织企业的棉纺质量数据为例,对提出的基于烟花算法改进BP神经网络的预测方法进行了应用验证。通过与其他算法改进BP神经网络的预测模型进行对比分析,结果表明:该预测方法对纱线质量的预测精度达到97.88%,而且该预测方法与其他方法相比,预测误差率下降了49.52%,并在寻优速度和寻优精度方面表现出较高性能。

  • 2021-04-23
  • 阅读499
  • 下载0
  • 8页
  • pdf

改进交叉算子遗传算法的摩擦模型辨识与补偿_杨贻俊

高精度运动系统会受到非线性摩擦力的影响,从而导致跟踪精度降低。针对这种摩擦力的影响,利用能够准确的描述摩擦力特性的Lugre摩擦模型,提出一种改进交叉算子遗传算法对摩擦模型的参数进行辨识,与普通遗传算法进行对比,结果表明,改进交叉算子遗传算法对摩擦力模型的辨识精度更高,收敛效果更好;最后基于此模型,在dSPACE系统中进行前馈补偿实验,实验结果表明,基于Lugre模型的前馈补偿手段能够有效地消除摩擦力对系统的影响,提高了系统的性能。

  • 2021-04-22
  • 阅读498
  • 下载0
  • 5页
  • pdf

智能电网大数据技术发展研究-张东霞

智能电网是电力的趋势和方向,如何通过大数据为智能电力赋能?智能电网是电力的趋势和方向,如何通过大数据为智能电力赋能?

  • 2021-06-15
  • 阅读498
  • 下载0
  • 11页
  • pdf
上一页 1 …… 250251252253254255256257258259260 …… 2878 下一页 共 23017 条


立即登录

没有账户,需要注册

登录用户可享受以下权益
  • 免费下载方案
  • 服币提现
  • 发布方案得服币
  • 交易分成

精品推荐

竞争对手分析

母公司公司的总目标是什么?母公司要求该业务单位做什么?将业务单位的定位是什么(基础业务还是边缘业务)

  • 阅读250
  • 下载0

2025知识图谱与大模型融合实践案例集

随着人工智能的迅猛发展,知识图谱与大模型作为两大核心研究领域,各自彰显出独特的技术优势。知识图谱以结构化方式精准刻画实体关联,为知识表示与推理提供了可解释的框架;大模型则凭借海量数据训练展现出卓越的自然语言理解与生成能力,具备强大的泛化学习性能。

  • 阅读287
  • 下载6

国内重点工业物联网平台四类厂商分类及选型指南

国内重点工业物联网平台四类厂商分类及选型指南

  • 阅读402
  • 下载6

工业物联网平台的典型应用场景深度分析

工业物联网平台发展重点: 一是行业深耕化,从通用型平台向“一米宽、百米深”的行业垂直平台转型,聚焦能源、交通、化工等领域的特定需求,沉淀场景化解决方案与行业Know-how,而非追求“大而全”的覆盖能力。 二是智能融合化,工业大模型与平台深度结合,实现工业知识的智能化重构、应用开发的低代码化升级,以及生产运营的自感知、自决策、自优化闭环管控,AI成为提质增效的核心变量。 三是生态协同化,平台不再是单一技术载体,而是串联产业链上下游的协同中枢,通过跨系统数据融合、产学研用金深度合作,形成“数据-算力-应用”的生态闭环,赋能供应链协同与产业集群升级。 四是部署灵活化,采用“平台化产品+私有化部署”结合的模式,兼顾中小企业轻量化需求与大型集团定制化诉求,支持公有云、私有云、边缘端的混合部署,平衡成本与安全性。

  • 阅读419
  • 下载10

最新上线

AI人机共生深度研究报告

AI人机共生深度研究报告AI人机共生深度研究报告AI人机共生深度研究报告AI人机共生深度研究报告AI人机共生深度研究报告AI人机共生深度研究报告AI人机共生深度研究报告

  • 阅读19
  • 下载3

AI OpenClaw研究报告

AI OpenClaw研究报告AI OpenClaw研究报告AI OpenClaw研究报告AI OpenClaw研究报告AI OpenClaw研究报告AI OpenClaw研究报告AI OpenClaw研究报告

  • 阅读16
  • 下载0

智能体OpenClaw(小龙虾)应用实践

1950年,“计算机之父”和“人工智能之父”艾伦·图灵(AlanM.Turing)发表了论文《计算机器与智能》,这篇论文被誉为人工智能科学的开山之作。在论文的开篇,图灵提出了一个引人深思的问题:“机器能思考吗?"。这个问题激发了人们无尽的想象,同时也奠定了人工智能的基本概念和雏形

  • 阅读19
  • 下载1

从零上手OpenClaw科研智能体-厦大团队

OpenClaw核心价值 核心定义 高能动性智能体:直接操作电脑、调用工具、执行复杂科研任务三层架构:大脑(大模型)+手脚(Skil插件)+记忆(Memory存储)

  • 阅读17
  • 下载1
  • 关于我们

    电话:029-8838-6725

  • 新闻资讯

    企业简介 新闻动态 品牌实力 代理合作 诚聘英才 联系我们

  • 中服云

  • 工业互联网风向标

  • 在线咨询

西安/北京/南京/重庆/合肥/厦门/甘肃 地址:陕西省西安市雁塔区鱼跃工业园慧康生物科技产业园7楼 电话: 029-8838-6725

版权所有 @ 中服云 陕ICP备11002812号
  • 扫码咨询

    或

    点击立即咨询
  • 客服咨询

  • 用手机扫二维码

    或

    复制当前地址

  • 问题反馈 中服大讲堂 客服电话

方案库赚钱指南