• 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

基于CNN-Bi-LSTM的域自适应模型预测轴承的剩余使用寿命

预测机械轴承的剩余使用寿命(RUL)在工业中至关重要。估算RUL可以评估健康状况、维护计划和显著降低成本,从而促进工业发展。现有模型依赖于具有特征变化的传统特征工程,因为操作条件对RUL预测模型的泛化构成了重大挑战。本研究侧重于基于神经网络的特征工程和RUL的下游预测,消除了对特定先验知识的需求,简化了模型的开发和维护。最初,卷积神经网络(CNN)模型用于特征工程。随后,使用双向长短期记忆网络(Bi-LSTM)模型来捕捉工程特征的时间序列退化特征,并通过回归预测RUL。最后,该研究考察了模型中操作条件的影响,并整合了域自适应以最小化特征分布的差异,从而提高了模型对RUL预测的泛化能力。

  • 2025-01-06
  • 阅读714

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394

IT标准项目管理流程(33页 PPT)

具体各项目可以根据项目的特性以及客户要求对文档清单做一定调整,在项目启动时由项目经理与项目团队一同确认下来; 具体各项目可以根据项目的特性以及客户要求对文档清单做一定调整,在项目启动时由项目经理与项目团队一同确认下来;

  • 2024-12-27
  • 阅读347
  • 下载1
  • 34页
  • ppt

IMS-MOM盘古信息MOM智能制造系统介绍(56页)

IMS-MOM 盘古信息MOM智能制造系统介绍(56页),IMS-MOM 盘古信息MOM智能制造系统介绍(56页),IMS-MOM 盘古信息MOM智能制造系统介绍(56页)

  • 2024-12-27
  • 阅读396
  • 下载1
  • 56页
  • pdf

SCI一区开源代码推荐|最大子空间可迁移性判别分析:一种用于风电机组故障迁移诊断的跨域相似性度量新方法

SCI一区开源代码推荐 | 最大子空间可迁移性判别分析:一种用于风电机组故障迁移诊断的跨域相似性度量新方法

  • 2024-12-24
  • 阅读593

IEEETIM多尺度深度注意Q网络:一种用于齿轮箱不平衡故障诊断的深度强化学习新方法

确保机械驱动系统的安全在很大程度上依赖于准确的变速箱故障诊断。然而,实际多工况和不均匀样本分布的存在使变速箱的故障诊断更具挑战性。尽管使用卷积神经网络(CNNs)的智能故障诊断(IFD)已经显示出有希望的结果,但它们通常需要强大的反馈学习和经验丰富的超参数调整来完成不同的任务。在本文中,从深度强化学习(DRL)的角度提出了一种新的方法,称为多尺度深度注意力Q网络(MDAQN),用于不平衡齿轮箱故障诊断。引入了一种考虑类间偏差的不平衡分类马尔可夫决策过程(ICMDP),作为数据不平衡情况下增强分类策略学习的环境模拟。此外,设计了一种新的多尺度注意力卷积网络作为深度Q网络(DQN)算法的代理结构,从而提高了在复杂运行条件下的判别特征学习能力。通过利用DRL的弱反馈交互,对诊断模型进行训练,从而有效地进行不平衡齿轮箱故障诊断。在三个齿轮箱不平衡数据集上的实验结果表明,MDAQN表现出优越的特征提取能力和泛化能力,与多种现有方法相比,准确率超过99.0%。Index Terms—注意力,深度强化学习(DRL),变速箱,不平衡故障诊断,多尺度学习

  • 2024-12-23
  • 阅读827

如何实现“零样本”交通信号控制?图神经网络如何让智能交通系统适应任意复杂的道路结构?其中的关键原理是什么?

在现代城市化进程中,交通拥堵已成为全球性问题。传统的交通信号控制方法往往依赖于预先设定的规则和大量的历史数据,但随着城市道路网络的复杂化和动态变化,传统方法在面对未见过的道路结构或场景时显得力不从心。因此,如何实现一种无需依赖先验数据、能够直接适配任意复杂道路结构的“零样本”交通信号控制,成为智能交通领域的重要研究方向。

  • 2024-12-22
  • 阅读509

一般来说,三层神经网络可以逼近任何一个非线性函数,为什么还需要深度神经网络?为什么深度学习模型能够自动提取多层次特征?|深度学习

一般来说,三层神经网络可以逼近任何一个非线性函数,为什么还需要深度神经网络?为什么深度学习模型能够自动提取多层次特征?|深度学习

  • 2024-12-22
  • 阅读535
上一页 1 …… 3031323334353637383940 …… 2194 下一页 共 17546 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

人工智能大模型分类体系、技术特点及主流厂商概览

语言模型、视觉模型、语音模型、视频模型、时序模型,分别对应文字、图像、声音、视频、连续传感器数值,通用大模型,垂类大模型,AI

  • 阅读27
  • 下载0

工业时序基础大模型技术发展综述

时序大模型是面向时间序列数据的基础大模型,以 Transformer 等架构为核心,通过在海量多领域时序数据上进行预训练,学习时间维度上的通用模式、周期规律与长距离依赖关系。区别于传统时序模型针对单一任务单独训练,时序大模型具备强大的迁移能力,只需少量样本微调或零样本提示,即可适配时序预测、异常检测、缺失值补全、时序分类等下游任务。在工业场景中,它能够直接处理传感器、设备测点产生的海量时序信号,挖掘设备状态演变规律,支撑设备故障预警、工况识别与生产趋势预判,为工业智能落地提供底层模型能力。如:中服云的CServerAIR

  • 阅读898
  • 下载8

2026“人工智能+”行业发展蓝皮书

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”。

  • 阅读2674
  • 下载8

中服云能碳管理平台V5.0

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。

  • 阅读3140
  • 下载14

最新上线

人工智能大模型分类体系、技术特点及主流厂商概览

语言模型、视觉模型、语音模型、视频模型、时序模型,分别对应文字、图像、声音、视频、连续传感器数值,通用大模型,垂类大模型,AI

  • 阅读27
  • 下载0

中服云数字孪生工具简介

详细介绍了中服云数字孪生普通中的数字孪生工具能力,并详细说明了他的开发过程,适应场景,典型应用

  • 阅读80
  • 下载1

智能仓储数字孪生场景案例

传统仓库是个黑箱,货在哪、有多少、好不好,全靠人跑、靠表记。这套系统把黑箱变成了「透明玻璃房」——数字孪生、物联网、3D 组态三套技术叠在一起,让每一件物资、每一台设备、每一个货位,在屏幕上都有一个实时同步的「数字分身」

  • 阅读32
  • 下载0

面向词元(Token)服务的智算基础设施发展研究报告

中服云工业物联网平台,为速冻食品企业构建速冻工序数据监控体系。速冻库温度、风速、速冻时间——实时采集、自动记录。每一批产品的“速冻档案”完整可查。温度异常自动报警,工艺参数自动比对。

  • 阅读72
  • 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