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

上海社会科学院：全球开放数据价值贡献优秀案例集（2019-2023）

当今时代，开放数据是社会治理和数据要素市场的重要数据来源，作为新型生产要素，蕴含着巨大的经济和社会价值。数据开放有助于促进政府治理创新社会进步和经济发展，提高国家软实力和竞争力。随着数字化转型的深入推进全球范围内开放数据的规模、质量和应用水平不断提升，涌现出一批开放数据应用优秀案例，展示了开放数据的多元价值和广泛影响。

  • 2023-09-19
  • 阅读671
  • 下载1
  • 117页
  • pdf

工业元宇宙在能源及汽车行业应用

？工业元宇宙目前尚无统一定义，德勤看来，基于工业互联网支撑体系形成的工业元宇宙，是工业元宇宙技术与工业经济深度融合的新型应用模式和工业生态。工业元宇宙通过打造与现实工业经济映射和交互的虚拟世界，构建起工业产品全生命周期的虚实共生、企业和消费者智能高效闭环下的全息智能制造、智能经济体系，从而推动工业互联网走向更有效落地、更虚实融合的阶段

  • 2022-12-04
  • 阅读670

数字化车间解决方案（23页）

提高生产车间的透明度，建立质检追溯体系，强化自我监督，互相监督意识，提高生产车间的透明度，建立质检追溯体系，强化自我监督，互相监督意识

  • 2024-12-10
  • 阅读670
  • 下载0
  • 23页
  • pdf

简单实用的设备故障诊断方法

1. 属于机械零部件材料性能方面的故障，包括疲劳、断裂、裂纹、蠕变、过度变形、材质劣化等。 2. 属于化学、物理状况异常方面的故障，包括腐蚀、油脂劣化、绝缘绝热劣化、导电导热劣化、蒸发、等。 3. 属于机械设备运动状态方面的故障，包括振动、渗漏、堵塞、异常噪声等。 4. 多种原因的综合表现，如磨损、配合件间隙过打或过盈丧失、固定和紧固装置松动失效等。

  • 2022-11-15
  • 阅读668

基于TFDR的波形时域包络线电缆故障定位技术

传统时域反射法由于其高频成分含量较低，在电缆中的传播过程中信号衰减较大，且无法对信号色散衰减进行补偿，因此仅能够适用于较为严重的缺陷或故障，无法对局部微弱缺陷进行很好地探测，定位准确度较低。基于此，根据参考信号的特性提出了一种基于波形时域包络线的定位技术；先对参考信号及其反射信号在时域上利用希尔伯特变换求取包络，再对包络曲线进行求对数及归一化处理，最后再使用八阶巴特沃斯带通滤波器进行滤波抑制噪声后，分别对50 m及500 m长的电力电缆进行实际测试。结果表明时域包络线技术实现了对电缆缺陷的有效定位，同时结合时域波形变化情况还可对电缆缺陷类型进行判断。

  • 2024-11-20
  • 阅读668

赛迪顾问：碳中和背景下数字技术赋能的中国新型电力系统

2020 年 9 月，中国在联合国大会上向世界郑重承诺，二 氧化碳排放力争于 2030 年前达到峰值，努力争取 2060 年前 实现碳中和（以下简称“双碳”目标）。当前，中国电力行业 碳排放占全国碳排放总量的比重达到 40%，电力系统低碳转 型是实现“双碳”目标的关键所在

  • 2025-02-19
  • 阅读668
  • 下载0
  • 160页
  • pdf

智慧工信服务平台项目初步设计概算方案(506页 WORD)

市工信局是xx市政府的主要经济管理职能部门，以及全市信息化建设管理职能。经多年的信息化建设，委内电子政务体系已初具规模，目前有支撑各项业务运行的信息化系统30余项，实现了全委大部分业务的系统化管理，在促进政府职能转型，提升行政效率，实现面向企业和社会的政府监督管理、信息公开、便捷化交互化服务上，发挥了重要的作用，取得了较好社会效益。

  • 2024-08-13
  • 阅读668
  • 下载0
  • 504页
  • docx

【ASC】基于滑动窗口经验模式分解的自组织模块化神经网络用于时间序列预测

时间序列在实际世界中大多具有混沌性和非平稳性，难以准确建模和预测。为了解决这个问题，我们引入了一种新的基于滑动窗口机制的经验模式分解的自组织模块化神经网络（SWEMD-MNN）用于时间序列预测。在SWEMD-MNN中，开发了改进的滑动窗口经验模式分解（SWEMD）来在线分解时间序列，可以有效地缓解传统的基于EMD的模型无法处理长期或在线问题和终端效应的局限性。因此，SWEMD-MNN可以有效、动态地分解基于时间特征的时间序列，提高基于样本空间划分时间序列的经典模块化神经网络的预测精度。然后，利用样本熵和欧氏距离，利用单层前馈神经网络将时间子序列动态分配给子网络进行学习。使用基准混沌和真实世界时间序列的实验研究表明，SWEMD-MNN可以有效动态地分解时间序列，并提供比全耦合网络和其他MNN模型更好的时间序列预测精度。

  • 2024-05-26
  • 阅读667