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

一种基于图像增强和改进卷积神经网络的新型智能轴承故障诊断方法

轴承故障诊断对确保设备正常运行至关重要。然而，机械设备的工作环境通常非常恶劣，在实际工业过程中，故障数据的收集受到限制，出现了故障样本不足的问题，这使得深度学习模型的特征提取能力急剧下降。

  • 2025-01-08
  • 阅读393

西安交大：数字孪生综述-架构、使能技术、安全防护和以及未来展望

通过与其物理实体实时互动、数据同步和高效协同，数字孪生有望能够推动自主智能和安全高效的各类智慧城市服务。通过将海量物理实体及其数字孪生体通过孪生体内和孪生体间通信相互连接，数字孪生网络（Internet of Digital Twin, IoDT）可实现海量物理/虚拟实体之间的自由数据交换、动态任务合作和高效信息聚合。然而，随着IoDT不断整合各种新兴技术以孕育新生态，各类已知/未知的安全漏洞和隐私侵犯阻碍了其广泛部署。此外，诸如去中心化结构、信息中心式路由和语义式通信等IoDT的内在特点为IoDT中的安全服务提供关键挑战。本文对IoDT的系统架构、关键支撑技术以及安全和隐私问题进行了深入调研。具体地，我们首先探讨了信息物理融合交互的新型分布式IoDT架构，并讨论了其关键特性和通信模式。随后，我们调研了IoDT中安全和隐私威胁的分类，讨论了主要的研究挑战，并回顾了最先进的防御方法。最后，我们指出了与IoDT相关的新趋势和未来研究方向。

  • 2025-01-08
  • 阅读605

一种基于云端大数据的锂电池早期异常诊断、定位及分类策略

？本研究开发了基于云的分层异常检测方法。该方法包括提取电压最大偏差均值等异常特征信息，进行初始风险筛选，通过裁剪误导窗口辅助机器学习，进行整车级、单体级的异常检测，并进行类型划分，最后采用25辆实际车辆运行数据进行验证。实验结果表明，该方法具有良好的检测精度和泛化能力，能够有效评估电池异常，有望应用于云端平台实现大规模电动汽车安全监管。

  • 2025-01-08
  • 阅读401

36页PPT|三一集团灯塔工厂建设方案

三一集团是首个在制造领域获得数字化转型“全球灯塔工厂”企业。采用了物联网、云计算、大数据等多种技术手段。数字化转型使三一实现了全面的信息化管理，通过ERP、CRM、HRM等信息化系统的协同运作，实现了企业资源的高效利用和优化。三一重工的数字化转型之路不仅推动了企业自身的升级和转型，也为整个工程机械行业注入了新的活力和动力。

  • 2025-01-08
  • 阅读354

风电机组齿轮箱故障诊断的时频分析方法研究

在风电机组齿轮箱故障诊断领域，时频分析方法是一种重要的技术手段，用于从复杂的振动信号中提取故障特征。我们可以总结出几种有效的时频分析方法，并结合机器学习算法，以提高故障诊断的准确性和效率。

  • 2025-01-02
  • 阅读245

基于时频分析的风电机组振动监测技术研究

在开发基于时频分析的风电机组振动监测技术的过程中，我们需要综合考虑风电机组振动信号的特点、时频分析方法的有效性以及实际应用中的挑战。以下是基于我搜索到的资料，对技术开发的详细规划和建议。

  • 2025-01-02
  • 阅读265

多源数据融合技术在风电机组状态监测中的应用

在本技术报告中，我们将探讨如何利用多源数据融合技术提高风电机组的运行效率和可靠性。通过综合分析现有的研究和实践案例，我们将提出一个详细的技术方案，包括数据融合方法、算法选择、系统设计和预期效果。

  • 2025-01-02
  • 阅读451

IEEETII|论文荐读！DiffusionModel+离线强化学习!RDGP:基于扩散模型逆向引导策略的ORL

本期推文将介绍一种基于扩散模型的逆向引导策略（Reverse Diffusion Guide Policy，RDGP）, 用于离线强化学习。这项研究发表于《IEEE Transactions on Industrial Informatics》期刊。 离线强化学习（Offline Reinforcement Learning, ORL）通过静态数据集学习策略，而无需与环境进行进一步交互，这在工业控制系统中具有重要的潜力，因为这些系统通常面临低效的在线交互和固有的安全问题。为了减少由分布偏移引起的外推误差，ORL必须将学习到的策略限制在行为策略的支持集内。现有方法未能正确表示行为策略，通常倾向于选择支持集中具有较高密度的动作，从而导致次优的学习策略。荐读的论文提出了一种新型的ORL方法，通过扩散模型来表示行为策略，并训练反向扩散引导策略，以指导预训练的扩散模型生成动作。扩散模型具有稳定的训练过程和强大的分布表达能力，而反向扩散引导策略则能够有效地探索整个支持集，帮助生成最优动作。在面对低质量数据集时，可以进一步加入可训练的扰动，以帮助学习到的策略突破行为策略的性能限制。通过在D4RL GymMuJoCo基准上的实验结果，验证了所提方法的有效性，超越了几种最先进的ORL方法。

  • 2025-01-02
  • 阅读885