滚动轴承是机械传动设备的核心部件，预测其退化趋势对于保障设备的安全稳定运行至关重要。目前，大多数基于状态空间模型（SSMs）的轴承退化预测方法都采用线性函数或简单的非线性函数（如指数函数、幂函数）来建立状态和测量方程。然而，这些方法无法适应实际应用中复杂多变的非线性退化过程。针对这一问题，论文开发了一种基于深度隐变量的状态空间退化模型，并将其应用于轴承退化预测。所提方法继承了状态空间模型的优点，能够以结构化的方式对不确定性进行建模。此外，通过引入微分预变换，进一步提高了模型的长期预测性能。为了验证提出模型在预测轴承退化方面的有效性，论文使用了PRONOSTIA平台的轴承数据集和真实的风力涡轮机轴承数据进行了实验。实验结果表明，论文所提方法在轴承退化预测精度方面优于现有方法，充分证明了模型的优越性能。
复合故障作为导致旋转机械非预期停机的主要故障，大大增加了故障诊断的难度。为了解决复合故障诊断( CFD ，compound fault diagnosis)的现实难题，近年来，来自工业界和学术界的研究人员和工程师们已经取得了许多重大突破。不可否认，许多著名的研究人员对故障诊断进行了系统的研究。然而，先前的综述文章更多关注单个或独立故障的故障诊断，导致CFD仍然缺乏全面的调研。因此，为了满足上述要求，有必要对旋转机械复合故障的故障诊断方法或算法进行深入的综述，并揭示潜在的挑战与机遇，这将引导和激励读者致力于提升故障诊断技术的有效性和实用性。具体来说，实现复合故障识别的方式，详细介绍了CFD方法的相关背景，包括相关定义和一种新的分类方法。然后，基于过去几十年的相关出版物，对CFD的最新应用进行了综述。最后，总结了实现CFD在故障诊断中的挑战和机遇，并给出了本综述的结论。我们相信，这篇综述文章可以从不同的方面为潜在的读者和经验丰富的研究人员提供一个系统的CFD指南。
飞机发动机性能的下降需要实时监控。因此，本文提出了一种实时性能退化监测方法，包括用于原始发动机性能预测的基线状态（BLS）模型和用于持续发动机性能预测的实时模型。两种模型均基于LSTM，并与发动机物理拓扑集成；为了抵消模型训练期间不同发动机状态之间的数据分布差异，本文提出了一种数据增强方法。在案例验证中，采用了发动机运行600小时的数据，以推力作为目标监测参数。初始50小时数据集涵盖了随后550小时的整个工况范围，并作为两个模型的训练数据集。试验结果表面，BLS模型在最初50小时内实现了平均绝对相对误差 (MARE)低于0.5%，最大绝对相对误差(Emax)低于8%。同时，实时模型在接下来的550小时内的MARE低于0.7%，Emax低于10%。本研究在与传统方法的实时推力衰减的比较中凸显了该方法的可行性和优势。
当数据量大了、数据指标多了之后，每天的精力除了看数据还有很多其他的事情要做。就需要在整个运营状态稳定后，有一套自动识别异常数据并进行预警的机制。会对我们设定的规则，如果出现异常情况，就通过机器人的形式进行预警通知。然后运营人员再去核实并根据实际情况迭代规则。这一套机制可以称为异常值数据预警分析。
基于模型预测控制的牵引电机高鲁棒性故障诊断技术
PPT分享|李德仁院士：论时空智能与数字孪生智慧城市
最近，基于深度学习的模型，如transformer，由于其强大的表示能力，在工业剩余使用寿命（RUL）预测方面取得了显著的性能。在许多工业实践中，RUL预测算法被部署在边缘设备上进行实时响应。然而，深度学习模型的高计算成本使其难以满足边缘智能的要求。本文提出了一种具有多层次时间序列缩减的轻量级组Transformer（GTMRNet）来缓解这个问题。与计算所有时间序列的大多数现有RUL方法不同，GT MRNet可以自适应地选择必要的时间步长来计算RUL。首先，构建了一个轻量级的组Transformer，通过使用具有显著小波参数的组线性变换来提取特征。然后，提出了一种时间序列缩减策略，以自适应地过滤掉每一层不重要的时间步长。最后，开发了一种多层次学习机制，以进一步稳定时间序列缩减的性能。在真实世界条件数据集上的广泛实验结果表明，所提出的方法可以在不牺牲精度的情况下显著减少高达74.7%的参数和91.8%的计算成本
针对三相异步电机匝间短路故障在不同工况下数据分布不一致带来的泛化识别准确率下降的问题，提出了一种基于残差-自注意力网络的迁移学习方法,通过在残差网络中嵌入自注意力机制实现特征强化并利用源域数据进行模型训练,然后利用迁移学习的微调策略使得模型能更好地适应目标域的特征分布,以此来增加模型在目标域数据中的适应性能力。
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
中国商业地产物业与资产管理行业正处于多个关键脉络转变的交 叉路口――除了面对资本市场的冷却，行业也同时面临着租赁市场 下行和建筑资产楼龄增长的挑战。此时此刻，正是我们做出思考和 沉淀的时机。基于丰富的业务经验、最佳实践及国际视野，仲量联行 将致力于引领商业地产行业在不确定的环境中塑造资产韧性，探索 革新路径，寻求破局之道。
为了进一步推动酒店资产管理在中国的发展，为建造高效、可持续发展的 酒店、盘活存量酒店资产、提升酒店运营，在部分酒店业主公司和开发 商的大力支持下，仲量联行于2022年2月实施了中国酒店资产管理调查问 卷。该问卷通过征询一些对中国酒店行业来说最基础但最重要的问题， 将酒店运营数据和资产层面的数据相结合，从深入分析损益表的水准，更 是上升到了从根本上理解资产负债表深刻含义的高度。这些看似浅显的数 据，展示了资产管理全生命周期的投、融、建、管、退各阶段的部分工作 重点，也揭示了酒店资产管理既基础又深奥的原理和思维方式
2020年是信创产业全面推广的起点，未来三年，即2020-2022年，信创产业将迎来黄金发展期，产业链上从底层到应用层都明显受益。
中国 IT 产业自强不息，2020 年有望是“IT 重构”规模化落地元年，从 CPU、OS、数据库、中间件到服务器、存储、外设等都将呈现在技术、产品、市场等领域的重新构建进程，同时相关上市公司必将重新构建各自领域核心竞争力，因此我们认为新时代信息产业发展已经进入新起点，重构 IT 核心竞争力，是传统 IT 厂商及科技创新创业公司的新征程。
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
