会员中心
搜索
登录
注册

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

万字长文详解AI大模型的原理、应用与未来趋势

在自然语言处理（NLP）和人工智能（AI）的浩瀚星空中，大语言模型（Large Language Models, LLMs）如同一颗璀璨的新星，正在改变我们与语言、与机器交互的方式。本章将带您踏上一段探索之旅，揭示大语言模型的发展历程、独特魅力及其在现实世界中的多彩应用。

  • 2024-07-01
  • 阅读208

数据中台与业务中台平台架构设计方案

对于企业前台应用，以支持按用户为中心的持续规模化创新为导向，中台可支撑快速响应业务创新、降低业务探索成本对于企业后台系统，将中台作为前台应用与后台系统的变速齿轮，以沉淀的中台能力来连接变化较慢的后台资源，再以这些灵活组合、重用的中台能力去灵活响应快速变化的前台需求

  • 2024-06-26
  • 阅读188

大型风力发电机组健康管理技术报告

本次分享是由湖南大学黄守道教授的报告，“大型风力发电机组健康管理技术”。该PPT分享仅做知识传播用途，如有侵权请后台联系小编删除。

  • 2024-06-16
  • 阅读506

【IEEETIE】基于补偿信号的浮选过程双速率操作反馈解耦控制

浮选工业过程是一个具有装置和操作层结构的强非线性、耦合的多变量级联过程。为了解决其运行控制问题，本文将设备层和运行层的非线性动态特性和扰动描述为先前采样的未建模动态及其变化率，并提出一种基于补偿信号的双速率操作反馈自适应解耦控制方法。首先，设计了一个由控制器驱动模型、比例-积分控制器、未建模动态补偿器（UDC）和未建模动态变化率补偿器（UDCRC）组成的设备层控制器。然后，将设备层闭环系统和操作层系统统一在同一时间尺度上，从而获得受控对象模型。提出了一种系统辨识算法来获取该模型的参数。利用这些参数，设计了一个由控制器驱动模型、比例-积分微分控制器、反馈解耦控制器、UDC和UDCRC组成的操作层控制器。最后，给出了所提出的辨识算法的收敛性证明和闭环系统稳定性分析，并在半实物系统中进行了仿真实验，验证了所提出方法的有效性。

  • 2024-06-16
  • 阅读215

【IEEETII】铝土矿磨矿过程操作优化控制的中尺度粒度预测模型

本文研究了使用中尺度动力学模型来配合铝土矿磨矿过程的操作优化控制。在本文中，我们提出了一种新的建模框架，将离散分布参数宏观模型和中尺度动力学模型相结合来预测磨削产品的粒度。中尺度动力学方法不需要明确的过程模型，因为它将过程描述为一个随机过程。然而，高计算需求阻碍了动力学模型使用在线设置。我们通过嵌入一个基于τ-leap方法的加速算法来克服这个问题。利用实验数据对所提出的模型进行了验证。最后，提出了铝土矿磨矿操作优化控制的解决方案，并证明了该预测模型与其他模块的协同作用。

  • 2024-06-17
  • 阅读179

基于深度学习的机械故障诊断可解释性方面

工学博士，担任《Mechanical System and Signal Processing》《中国电机工程学报》《控制与决策》等期刊审稿专家，擅长领域：现代信号处理，机器学习，深度学习，数字孪生，时间序列分析，设备缺陷检测、设备异常检测、设备智能故障诊断与健康管理PHM等。

  • 2024-06-17
  • 阅读181

【IEEETIM】基于双非负绞杀的LSTM软传感器输入变量选择与结构优化

软传感器作为一种重要的智能检测技术，已广泛应用于现代加工行业，实现对产品质量的有效监测和预测。然而，在实际工业过程建模中，模型输入和结构的冗余通常会导致建模复杂性增加和模型性能下降。在本研究中，提出了一种基于双非负绞杀（DNNG）方法的长短期记忆（LSTM）软传感器输入变量选择和结构优化算法。首先，使用过程数据集构建训练有素的初始LSTM模型，以捕捉工业过程的时间动态行为。其次，将DNNG算法集成到LSTM中，以减少输入变量和隐藏节点的冗余。该策略有效地为模型选择了最一致的输入变量，同时通过消除冗余的递归隐藏节点来简化LSTM结构，以降低模型过拟合的风险。此外，通过将网格搜索与块交叉验证相结合来确定模型的超参数。最后，通过数值算例将所开发的算法与其他最先进的算法进行了比较，并用于预测燃煤电厂脱硫系统净烟气排放中的SO2浓度。对比结果表明，该算法有效地消除了冗余变量，简化了模型结构，同时比其他算法具有更好的预测性能。

  • 2024-06-17
  • 阅读334

【IEEETII】基于神经网络的工业软传感器的对抗性攻击：镜像输出攻击和平移镜像输出攻击

使用神经网络技术的软测量已经越来越多地应用于工业过程。近年来，基于神经网络的软传感器的安全性和鲁棒性成为人们关注的主要问题。此外，目前的研究表明，神经网络容易受到对抗性攻击。换句话说，施加在输入上的小扰动可能导致输出的显著偏差。如果关键过程变量的软传感器受到攻击，可能会对工业过程造成相当大的损害。本文主要研究基于神经网络的工业软传感器的攻击方法。针对工业软传感器的特点，本文提出了两种新的对抗性攻击方法。第一种方法称为镜像输出攻击（MOA），是一种微妙的攻击方法，它翻转输出曲线以改变输出的方向。第二种方法称为翻译MOA（TMOA），很容易使运算符操作失误。TMOA在翻转输出曲线的同时平移输出曲线，以达到改变输出条件的目的。在硫回收装置工艺的工业案例研究中证明了MOA和TMOA的有效性。仿真结果表明，两种对抗性攻击方法都可以对基于神经网络的工业软传感器进行攻击。对抗性攻击方法的研究可以为防御攻击提供基础，从而增强软传感器的安全性和鲁棒性。

  • 2024-06-17
  • 阅读197