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
汽车智能化网联化融合发展已经成为全球政府、产业界的发展共识，各国通过升级政策法规、推动测试示范、加速创新应用等方式推动智能网联汽车产业发展。2024年1月，我国启动智能网联汽车“车路云一体化”应用试点，推动车路云一体化从技术验证迈向规模化应用。
过去十年，中国消费市场的高速迭代催生了一批极具活力的新锐品牌。它们凭借对消费趋 势的敏锐洞察、柔性灵活的供应链体系以及成熟的数字化运营能力，在国内细分市场中迅 速崛起，创造了一个又一个“爆款神话”。
中服云作为国内著名的专业工业物联网平台系列产品提供商，历经十余年深耕发展，已构建起成熟的全系列多层次产品体系，精准适配不同行业、不同规模用户的差异化需求。凭借在工业数据采集、边缘计算、人工智能、数字孪生等领域的深厚技术积累与持续创新，中服云已为海量工业企业提供了稳定可靠的数字化转型解决方案。平台支持云端SaaS在线部署与用户现场私有化部署两种模式，既满足中小企业轻量化、低成本的在线使用需求，也保障大型企业对数据安全、定制化服务的高标准要求。
中服云数字孪生平台以物联网平台+数据中台为坚实基础，以2D/3D/GIS为核心展示形式，致力于打造一个从设备原始数据到孪生应用落地的一站式数智化平台。
从知识传授者到引导者:知识哪里获取、如何获取、如何应用AIGC技术使教师从传统的知识传授者转变为学习引导者，更多地关注学生的个性化学习需求。
市场担心十四五期间国内无人机采购费用增速不及预期。我们认为:无人机是未来战争关键环节，当前我国军用无人机装备处于起步阶段。我们预计十四五未期我国军用无人机采购费用有望快速增加。
XX数字档案馆项目实施的过程中，将涉及到档案馆多个职能部门、多个立档单位及参与项目建设的其他单位，档案馆应建立力量强大、耶责明晰的项目建设和管理杌构，确保项目实施过程中冬个环节之间能够有条不紊的协调工作，将项目实施风险控制在最低程度。
区别于传统消防联网模式，在符合GB50440要求的同时，将互联网思维融入消防信息化管理，将离散在园区各个消防设施实时状态信息有效整合在统一系统上。
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
