基于,自适应,模型,预测,控制,的,区域,能源,互联网,两,阶段,协同,调度
含,可再生能源,的,热电,联,供,型,微,网,经济,协调,的,多目标,优化,调度,方法
中国农村,能源,消费,的,时空,分布,特征,及其,政策,演变
水下无人机是一种可在水下移动、具有视觉和感知系统、通过遥控或自主操作方式、使用机械手或其他工具代替或辅助人去完成水下作业任务的装置。 水下无人机(UUV)可分为三大类:一类是有缆水下无人机,习惯称拖曳式水下无人机(简称TUV),一类是遥控潜器(简称ROV);另一类是无缆水下无人机,习惯称为自治式水下潜器(简称AUV)。从第一代上世纪60年代的有人深潜器开始,迄今已经过了ROV(70年代)、AUV(80年代)和混合类型的第四代的演进。
本文针对水下目标图像的几何特性,提出了一种基于弦中点的改进Hough变换椭圆检测方法,实现了水下多目标的特征提取。单波束机械扫描前视声纳的图像数据为二维极坐标形式,采用波束内插方法和坐标变换方法生成图像,并对其进行图像预处理和轮廓跟踪,据此再进行多目标特征提取。通过水池实验结果表明,该方法对于水下多目标的特征描述更简明准确,为多目标识别与定位提供了有用信息。
随着我国海洋经济向深海、远海推进,精密海洋测量及数据处理技术得到迅速发展。本文简要地介绍了武汉大学测绘学院在海洋大地测量、海底地形地貌信息获取、水下导航定位、潮汐潮流数据处理及应用、海底底质探测和分类等方面的最新研究进展,对我国的海洋测绘发展具有一定的借鉴和促进作用。
本文基于对多波束水深数据的分析,对海底地形格网的数据生产技术路线进行了初步研究,总结归纳了海底地形格网的数据生产的基本方法和产品组织形式。最后以西沙群岛海区进行了实验海区,对该技术路线进行了实验生产,实验结果证实该方法可行有效。
多波束水体影像近年来得到了广泛的应用,但由于缺少格式标准,各多波束厂商所支持的格式各不相同,给进一步的数据处理带来了一定的困难。基于Matlab平台,通过对ALL格式多波束测深数据文件与WCD格式多波束水体影像文件进行了详细的解析,并且研究了最近邻插值、改进最近邻插值、二维线性插值与三次多项式插值等多种算法,实现了多波束水体影像的回放显示与水体异常提取,并且实现了回放速度的控制,极大地提高了资料处理效率。
没有账户,需要注册
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
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
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。
印刷机械是装备制造中比较典型的一类产品:单机价值高、定制化程度高、客户分散在全国各地的包装与印刷车间,一台凹版印刷机开机就是十几年。设备卖出去了,服务却要跟十几年——这是行业共同的结构性难题,也是工业物联网在装备制造领域最容易见效的地方。 本文以一个真实的落地样本为观察对象:一家印刷机械制造企业把 178 台在役设备接进了自己的远程运维系统,系统的底座选用中服云工业物联网平台的设备版。下文按“行业之困、平台解法、落地成效、可复制经验”四步展开。
石油和天然气开采业的生产对象在地下,管理的关键环节在地面。从井口到计量间,从转油站、联合站到外输与处理装置,油气田用“井—站—管网”的骨架把分散的资源汇集起来,联合站是这条骨架上设备最密集、工艺最连续、安全要求最高的节点。 这类站场大多已经上了SCADA,数据并不缺。问题在于数据上来之后,新的麻烦更清楚了:设备家底说不清,画面说不清位置,报警说不清先后。本文按“痛点—解决方案—成效”的顺序,说明中服云物联网平台与数字孪生平台如何分工配合,逐条解决这些问题。
油气田的地面作业现场有一个共同特征:设备搬着走、电源跟着换、负荷忽高忽低。钻修井井场靠网电、柴油发电机组、储能、光伏凑出一套临时电力系统;压裂井场更极端,几十台电驱压裂泵并联运行,瞬时功率爬升快,砂罐、混砂、供液、仪表车密集停放,作业段集中、单段时长以小时计。 这两类现场的管理难题是同一类:能耗与碳排放算不清、设备状态看不见、峰值容量报不准、多能协同靠经验。中服云用同一套工业物联网平台加数字孪生平台,把这两类现场做成了可以被“看懂、算清、考核”的对象。本文以已投运的钻修井现场为实测样本,说明平台在野外作业领域的典型应用,并给出向压裂井场复制的路径。
持续改进与升级是配电室智慧整体解决方案成功的关键,通过定期评估和更新硬件设备、引入智能控制系统、加强数据分析和优化、提升人员培训和技能水平以及建立反馈机制等措施,可以不断提高系统的运行效率和可靠性,满足不断变化的市场需求和技 术进步。
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