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。
针对工业生产中滚动轴承剩余使用寿命(RUL)预测任务中数据挖掘不足导致预测精度低的问题,提出了一种多通道融合的滚动轴承剩余寿命预测方法。
小波变换是一种评估非平稳信号的时频分析方法，有助于表征设备在长时间使用过程中的退化。然而，单一的小波基函数很难适用于所有的周期瞬态波形。因此，本研究提出了一种基于混合注意力的多小波系数融合方法来评估轴承的剩余使用寿命。该方法首先利用多个小波得到原始信号的特性，然后将分解后的各个频带组织成二维映射；其次，设计了一种基于注意力的混合卷积长短期记忆网络(HA-ConvLSTM)，自适应地对小波系数通道进行加权。学习到的特征被多层感知器用于评估剩余寿命(RUL)。最后，在PHM2012滚动轴承数据集上进行了测试，验证了所提方法的有效性。总体而言，该方法在性能指标上优于以前的方法，可选择性地解决周期瞬态波形的小波基函数匹配问题。
没有账户，需要注册
2025年，全球人工智能市场规模达到3909亿美元，中国人工智能核心产业规模突破9000亿元。AIAgent细分市场以49.6%的年复合增长率高速扩张，制造业应用大模型的企业比例在一年之内从9.6%跃升至47.5%。从2024年初，中国日均词元(Token)调用量为1000亿;至2025年底，跃升至100万亿;2026年3月，已突破140万亿，两年增长超千倍。这些数字背后，是一场深刻变革的加速到来-人工智能正在从"能力突破"走向“系统重构”。
中服云能碳管理系统依托中服云工业物联网底座打造，聚焦工业企业能耗管控与碳资产管理需求。 系统整合水、电、气、热等多类能源数据，实现用能实时采集、集中监测、智能分析。 依托数字化手段精准核算碳排放总量，助力企业摸清碳排底数、合规完成台账管理。 通过节能诊断、能耗优化策略推送，有效降低生产能耗与运营成本。 全方位赋能企业绿色低碳转型，筑牢安全生产与节能减排双重发展防线。
中服设备健康管理系统依托中服云工业物联网架构搭建，面向工业全品类设备运维场景。 融合实时数据采集、状态监测、故障诊断核心能力，全天候掌握设备运行动态。 通过边缘计算与 AI 算法分析设备隐患，实现从被动维修向预测性维护升级。 有效降低设备故障率、减少停机损失，简化线下运维管理流程。 助力工厂实现设备数字化管控，保障产线高效、稳定、安全运行。
OpenClaw:不仅是对话窗口，更是行动助手一人工智能代理(AI Agent)正深刻重塑科学研究基本范式，OpenClaw成为2026年开源AI代理平台代表。
预计在未来更高传输速率的时代，“光铜并存、优势互补”将成为长期且稳定的产业格局。一个务实且高效的智算中心互连架构，应该是铜负责短距、光负责长距的混合模式:铜互连凭借其在成本、功耗及散热上的综合优势，承接机柜内及柜间近端的短距互连;光互连则依托其高带宽与低损耗传输特性，承担起跨机柜及远距离通信的重任。二者并非简单的替代关系，而是基于应用场景的深度协 同与互补。
当人人都能做漫剧真正稀缺的是什么?过去，我们拼演员、拼产能、拼制作、拼投放。现在，当产能不在稀缺，真正的痛点是什么?
人工智能正在沿离身智能和具身智能两条路径并行演进。离身智能以大模型、智能体和代理式软件系统为代表，重点提升数字空间的信息组织、内容生成和流程决策能力;具身智能进一步把模型能力延伸到物理世界，通过“AI大脑+物理载体+环境交互”形成感知、认知、决策、执行和学习闭环。离身智能决定数字生产力扩张速度，具身智能决定人工智能能否真正进入制造、物流、能源、公共服务和家庭服务等实体领域。
当人工智能从虚拟算法的数字世界，迈向拥有物理躯体、可与现实环境深度交互的具身时代，人形机器人作为具身智能最具代表性、最具产业想象空间的核心载体，正成为驱动新质生产力跃升、重塑全球高端制造格局、开启智能社会新纪元的关键力量。
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
