• 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

王增平教授:极端天气对电力系统的影响及应对措施思考

华北电力大学副校长王增平教授作了题为“极端天气对电力系统的影响及应对措施思考”的报告。征得王教授同意,特与您分享。

  • 2024-10-11
  • 阅读290

黄莹教授:大规模新能源柔性直流送端系统构建关键技术

浙江大学黄莹教授作了题为“大规模新能源柔性直流送端系统构建关键技术”的报告,征得黄莹教授同意,特与您分享。

  • 2024-10-11
  • 阅读307

【IEEETIE+代码】基于注意力的深度学习方法预测机器剩余使用寿命

对于机械系统的预测和健康管理,一项核心任务是预测机器的剩余使用寿命(RUL)。目前,具有自动特征学习的深度结构,如长短期记忆(LSTM),在RUL预测方面取得了很好的性能。然而,传统的LSTM网络只使用最后一个时间步的学习特征进行回归或分类,效率不高。此外,一些具有领域知识的手工制作的特征可能会为RUL的预测提供额外的信息。因此,将这些手工制作的特征和自动学习的特征集成到RUL预测中是非常有动力的。在这篇文章中,我们提出了一种基于注意力的深度学习框架,用于机器的RUL预测。LSTM网络用于从原始数据中学习序列特征。同时,所提出的注意力机制能够学习特征和时间步长的重要性,并为更重要的特征和时间步分配更大的权重。此外,开发了一个特征融合框架,将人工生成的特征与自动学习的特征相结合,以提高RUL预测的性能。对两个真实数据集进行了广泛的实验,实验结果表明,我们提出的方法优于现有技术。 关键词:注意力机制、特征融合手工特征、长短期记忆(LSTM)、机器剩余使用寿命(RUL)预测、预后和健康管理(PHM)。

  • 2024-12-01
  • 阅读401

【IEEETII】用于大型锂离子电池电化学过程建模的物理信息复合网络

准确模拟大型锂离子电池(LLBs)的电化学过程,包括估计过程中的电化学状态分布,对于LLBs的设计和管理至关重要。基于二维物理的模型可以准确地描述LLB的电化学过程。然而,由于存在复杂的偏微分方程(PDE),求解模型成为一项具有挑战性的任务。本文开发了一个物理信息复合网络(PlCN)作为二维物理模型的替代模型。具体来说,PlCN由四个深度神经网络(DNN)组成,分别估计四个关键电化学状态的分布。由于PlCN的架构受到PDE特性的启发,它可以通过四个轻量级DNN实现高精度。此外,通过结合物理和数据,PlCN使用有限的数据实现了准确的估计。它甚至可以估计可能无法直接测量的电化学状态分布。MoreoverPICN提出了一种基于低频信息的预训练策略和两阶段损失平衡策略,以解决PlCN训练中可能出现的收敛失败和损失不平衡问题。PlCN是通过将物理与数据相结合来模拟LLBs电化学过程的新尝试。大量实验表明,它比最先进的模型要好。 关键词:数据、电化学过程、锂离子电池、物理学、替代模型。

  • 2024-12-01
  • 阅读539

[开源]一个超轻量级物联网平台,轻量级、性能优异、开发简单

中服云物联网平台,业界领先,功能强大

  • 2024-12-01
  • 阅读302

[开源]一款基于Go语言开发的商业级SaaS云原生微服务物联网平台

开源,一款,基于,go,语言,开发,商业级,saas,云原生,微服务,工业物联网平台,中服云工业物联网平台

  • 2024-12-01
  • 阅读258

一款适用于多个场景的开源物联网平台

一款,适用于,多个,场景,开源,工业物联网平台,中服云工业物联网平台,业界领先的工业物联网平台

  • 2024-12-01
  • 阅读337

Energy基于自关注机制的CNN-LSTM模型的油井产量预测

为了克服目前油井产量预测研究中的不足,我们提出了一种结合卷积神经网络(CNN)、长短期记忆(LSTM)神经网络和自我注意机制(SA)的组合模型(CNN-LSTM-SA)。CNN-LST’M-SA模型由五个部分组成:输入层、CNN模块、LS’T’M层、自我关注层和输出层。在该模型中,CNN用于提取输入数据的时空特征,LSTM用于提取相关信息,SA用于捕获内部相关性。与传统的机器学习方法相比,如线性回归(LR)支持向量机(SVM)、随机森林(RF)、XGBoost和反向传播(BP)神经网络;以及LSTM、LST'M-SA和CNN-LSTM等深度学习方法,CNN-LSTM-SA模型可以更全面地提取油井生产数据中隐藏的时空特征。它能够更精确地挖掘油井生产数据中的内部相关性,从而提高油井生产预测的准确性。更具体地说,在现有的方法中,CNN-LSTM-SA模型在适应油井生产的基本趋势和预测油井生产的具体值方面表现最佳。卷积神经网络、长短期记忆、自我注意机制、油井生产、预测

  • 2025-02-05
  • 阅读698
上一页 1 …… 21812182218321842185218621872188218921902191 …… 2193 下一页 共 17543 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

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1042
  • 下载5

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1459
  • 下载9

中服设备健康管理系统产品介绍

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。

  • 阅读1389
  • 下载6

OpenClaw替我干科研

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。

  • 阅读1208
  • 下载0

最新上线

卫星导航定位技术基础知识

出现陆基无线电导航系统,不靠卫星,靠地面电台。 代表:罗兰、塔康、奥米加等无线电导航。 原理:利用地面无线电台测距、测角实现定位。 特点:覆盖有限、精度一般,受地形干扰,只能服务航空、航海专业场景,无法民用普及。

  • 阅读466
  • 下载0

智慧工业园区建设解决方案

通过物联赋能,提升园区办公体验,实现园区管理降本增效,并兼顾实用和展示需求,在满足园区日常管理的同时,为企业提供对外形象展示的窗口

  • 阅读470
  • 下载0

智慧综合办公大楼智能化规划设计方案

移动办公模块提供良好的办公环境、办公家具及办公自动化设备。移动办公区每个工位设置最新一体式电脑、超级秘书、云桌面技术。在智慧办公楼内都能及时的调出所需文件资料,不必担心发生出门在外文件遗漏的窘境。

  • 阅读667
  • 下载0

机房智能化系统工程方案

动环监控是指针对各类机房中的动力设备及环境变量进行集中监控,即:动力环境监控[1。一套完善的综合动力环境监控系统可以对分布的各个独立的动力设备和机房环境、机房安保监控对象进行遥测、遥信等采集,实时监视系统和设备、安保的运行状态,记录和处理相关数据,及时侦测故障,并作必要的遥控、遥调操作,适时通知人员处理;实现机房的少人、无人值守,以及电源、空调的集中监控维护管理,提高供电系统的可靠性和通信设备的安全性,为机房的管理自动化、运行智能化和决策科学化提供有力的技术支持。

  • 阅读641
  • 下载0
  • 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