会员中心
搜索
登录
注册

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

大型集团企业维抢修机构标准化管理手册与标准

大型集团企业维抢修机构标准化管理手册与标准

  • 2025-02-23
  • 阅读386

【InformationSciences】基于深度网络的少样本非线性过程监测的域自适应

在当前的工业过程中，多种模式无处不在，不同模式中包含的历史数据量可能会有很大差异。在为特定模式构建故障检测模型时，数据不足很容易导致冷启动问题。为了解决这个问题，在考虑多种模式之间的相似性和差异性的同时，提出了一种基于特征分离的域自适应深度模型，用于少样本的非线性过程监测。该模型从模式中提取共同特征，并通过将领域知识从源转移到共同特征来弥补数据不足。另一方面，为了避免只关注共同特征而丢失有用信息，该模型还提取了目标域的特定特征。因此，在考虑目标域的特定特征的同时，借助域自适应提高了监测性能。此外，设计了三个检测指标，分别监测公共特征子空间、特定特征子空间和残差子空间。这样做的好处是，当故障发生时，可以获得更多的诊断信息。通过数值例子和实际工业加氢过程对提出的方法进行了测试，以验证检测的有效性。 关键词：故障检测、域自适应、通用功能、特定功能

  • 2024-11-09
  • 阅读460

水电站智能巡检系统监测运行与时序特征分析

[摘 要]？水电站是国家能源战略部署重要的组成部分, 水电站各组件的状态参数及运行参数的收集、分析和反馈对电站的安全稳定运行至关重要。本文针对国内大多数水电站目前采用的传统人工巡检和工业监控相结合的系统存在的人力消耗大、安全系数低, 工业摄像头易出现死角、人工监视屏幕疲劳等问题, 对已开发用于电站监测的智能巡检机器人的工作原理及在水电站内日常巡检和运行分析系统进行介绍, 并将机器人所采集到的信号分为一次状态信号、缓慢变化信号、快速脉动时序信号。针对快速脉动时序信号独有的复杂性和非线性特性, 本文将传统时频信号分析方法和非线性混沌分析方法相结合, 分析快速脉动时序信号, 得到其非线性特征与机组运行不稳定性的关联性。结果表明在智能巡检分析模块加入非线性混沌分析可以有效建立机组信号与运行状态的关系, 实现水电站实时状态监测。[关键词]？水电站; 智能巡检; 压力脉动; 混沌分析

  • 2025-01-17
  • 阅读350

普洛斯：2024物流行业：园区ESG及绿色运营白皮书（100页）

普洛斯：2024物流行业：园区ESG及绿色运营白皮书（100页），普洛斯：2024物流行业：园区ESG及绿色运营白皮书（100页）

  • 2025-02-12
  • 阅读795
  • 下载0
  • 101页
  • pdf

基深度学习的智能设备故障诊断研究综述总结报告

1. 非线性特征提取能力：可捕捉复杂工业数据中的高阶非线性关系，如轴承振动信号的微弱故障特征。 2. 数据驱动的自适应性：通过大规模数据训练，适应不同工况（如变转速、变载荷）下的设备状态变化。 3. 多模态处理能力：支持时序、图像、图结构等多类型数据，满足复杂设备（如齿轮箱、航空发动机）的多传感器融合诊断需求。

  • 2025-05-21
  • 阅读653

基于人工智能的风电机组故障诊断与预测性维护系统开发

基于人工智能的风电机组故障诊断与预测性维护系统开发是一个复杂且多层次的任务，涉及数据采集、预处理、特征提取、模型构建、故障诊断和预测等多个环节。以下是根据我搜索到的资料

  • 2025-01-13
  • 阅读271

开源代码推荐|面向大模型时代用于生成工业时序数据的时序增强条件扩散模型

工业多变量时间序列（Industrial multivariate time series , MTS）是人们了解工业领域机器状态的重要视角。但由于数据采集难度和隐私的顾虑，用于构建智能维修研究和智能大模型的可用数据远远不够。因此，工业时序数据的生成具有重要意义。现有的研究多采用生成式对抗网络（Generative Adversarial Networks，GANs）来生成MTS数据。然而，由于生成器和鉴别器的联合训练，会使神经网络的训练过程不稳定。本文提出了一个基于时序增强的条件自适应扩散模型Diff-MTS，用于生成MTS。旨在更好地处理MTS数据复杂的时序依赖性和动态性。具体地说，提出了一种条件自适应最大均值差异（Conditional Adaptive -Maximum Mean Discrepancy, Ada-MMD）方法用于MTS数据生成。该方法提高了扩散模型的条件一致性。此外，建立了时间分解重构UNet (Temporal Decomposition Reconstruction, UNet, TDR-UNet)，以捕获复杂的时序模式，进一步提高生成时序数据的质量。在C-MAPSS和FEMTO数据集上的实验表明，与基于GAN的方法相比，Diff-MTS方法在多样性、保真度和实用性方面都有明显的提高。

  • 2025-01-06
  • 阅读695

IJACSP基于自适应时空解耦图卷积网络的复杂工业过程质量相关故障检测方法

随着工业技术的快速发展，工业过程变得越来越复杂，呈现出大规模、多单元协作的特点。然而，目前的大多数故障检测方法都侧重于非线性、动态和其他特征，而忽略了时空信息。为了解决这个问题，本文提出了一种基于自适应时空解耦卷积网络的质量相关故障检测方法。首先，时间图卷积网络和空间图卷积网络以联合训练的形式有机结合。其次，考虑到固定图结构不能反映节点之间的动态关系，我们提出了一种自适应加权任务机制来构建嵌入先验知识的动态相关图。多注意力机制用于整合时空信息。此外，我们设计了一个解耦层来避免信息冗余。最后，利用所提出的时空图卷积网络建立回归模型，通过解耦层提取与质量相关的潜在变量，并基于Kullback-leibler散度构建统计量，以热轧带钢和Tennessee Eastman工艺为例说明了所提出方法的有效性和可行性关键词：图卷积神经网络；热轧带钢工艺；质量相关故障检测、时空关联

  • 2025-01-11
  • 阅读524