• 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

【AppliedEnergy】一种具有准确性和可解释性的模糊时间序列风力发电预测模型

考虑到当前对风速预测模型的可解释性和有效性的研究,本研究提出了一种新的动态非平稳模糊时间序列预测模型。该模型旨在有效提高预测精度,解决可解释性低和数据预处理过多的问题。与现有的主流风速预测混合系统不同,该模型几乎为每个预测步骤提供了详细的解释,并消除了繁琐的数据预处理步骤的需要。为了提高所提出模型的预测精度,本研究结合了非平稳集,以克服模糊时间序列在适应长期变化方面的局限性。所开发的算法SFTSM动态调整模糊时间序列预测,以有效应对长期预测挑战。此外,本研究引入了人工蜂鸟算法的增强版本,称为SLG-AHA,以进一步提高模糊时间序列预测的准确性和稳定性。利用中国山东蓬莱风电场的数据进行的实验结果验证了该模型的有效性,显示了其优越的预测精度和稳定性。

  • 2024-05-11
  • 阅读429

【IEEETII】基于时空注意力孪生网络的有限传感器数据风机叶片结冰检测新方法

本文主要研究风力涡轮机叶片结冰检测(ID)的数据驱动方法。鉴于传感器技术在风力涡轮机中的广泛应用,这种数据驱动的ID方法变得越来越突出。然而,目前的方法存在不足,特别是在确认多元传感器数据的结构特性和区分结冰阶段方面,这两个方面对识别故障模式都至关重要。为了弥补这些差距,我们提出了一种用于刀片ID的时空注意力孪生网络(SN)。该模型采用孪生网络架构,在类不平衡的情况下进行高效的少镜头学习。它独特地结合了图注意力网络和门控递归单元,用于从传感器数据中提取时空特征。这种设计不仅承认了数据的空间结构,而且清楚地识别了与各种结冰阶段相关的特征。使用来自监控和数据采集系统的实际传感器数据验证了STASN的功效。结果证明了SN识别不同结冰阶段特征的能力及其在早期结冰预测中的潜力。这项研究强调了SN在为叶片结冰提供先进、灵活的故障警报方面的实用性,代表了风力涡轮机维护和安全方面的重大进步。

  • 2024-05-11
  • 阅读489

邬贺铨院士:大模型赋能企业数字化转型

随着人工智能(AI)技术的兴起,大模型成为从信息化走向数智化的重要驱动力。虽然基于大算力支持和超大规模语言数据作为训练样本的大模型技术能够支持自动文摘、机器翻译等基础通用任务,但在医疗、金融等专业领域中,由于缺乏行业知识,无法满足定制化、精细化和行业化的需求。因此,需要基础大模型提供方与垂直行业的企业合作,共同开发行业大模型。例如,百度的“文心一言”大模型就与汽车、能源、医疗、金融等11个行业的企业合作.创造了国内首个全面开放的大型语言模型。这样的合作主要发生存大型企业之问.对于中小型企业来说,直接应用这种基础大型模型仍然存在一定难度。

  • 2024-05-09
  • 阅读4900

物联网40大项目(40个场景应用)

物联网项目(loT项目)可以最好地描述为通过使用互联网连接的物理对象。这项最新的技术进步已经与人类保持互动,因为它已经展示了它的效率。

  • 2024-05-09
  • 阅读353

多模态机器学习综述

模态是指某件事发生或经历的方式,当一个研究问题包含多种这样的模态时,它就被描述为多模态。多模态机器学习旨在构建可以处理和关联来自多种模态的信息的模型。鉴于数据的异构性,多模态机器学习研究领域为计算研究人员带来了一些独特的挑战。在本文中,我们确定并探索了围绕多模态机器学习的五个核心技术挑战(以及相关的子挑战)即:表示、翻译、对齐、融合和共同学习。

  • 2024-05-09
  • 阅读344

基于融合健康因子和集成极限学习机的锂离子电池SOH在线估计

锂离子电池健康状态(SOH) 的在线估计对电池管理系统的安全稳定运行至关重要 。为克服传统基于数据驱动的锂离子电池SOH估计方法训练时间长 、计算量大 、调试过程复杂的问题。该文提出一种基于融合健康因子和集成极限学习机的锂离子电池SOH估计方法。该方法通过 dQ/dV 和 dT/dV 曲线分析,筛选出与电池SOH相关性较高的数据区间进行多维健康特征提取,并对其进行主成分分析降维处理得到间接健康因子;利用极限学习机的随机学习算法建立间接健康因子和SOH之间的非线性映射关系,在此基础上,针对单一模型输出不稳定的特点,提出一种集成极限学习机模型,通过对估计结果设置可信度评价规则剔除单 一极限学习机不可靠的输出 ,从而提高锂离子电池SOH的估计精度。使用NASA和牛津大学的锂离子电池老化数据集对该方法进行验证,结果表明该方法的平均绝对百分比误差小于1% ,具有较高的准确性和可靠性。

  • 2024-05-09
  • 阅读437

智慧矿山生产调度及综合自动化控制系统(一)生产调度平台

为提高煤矿生产能力和安全生产管理水平,多数煤矿都已安装了一些自动化系统,起到了一定作用,但同时也存在以下问题:

  • 2024-05-07
  • 阅读353

卷积核的基本概况

在机器学习篇章中,我们简单介绍了卷积核,今天,我们借助知乎的一篇文章,梳理一下对卷积核一些基本情况。

  • 2024-05-07
  • 阅读331
上一页 1 …… 8283848586878889909192 …… 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