XiaoMi-AI文件搜索系统
World File Search System故障诊断
社论：能源系统中的先进异常检测技术及其应用
异常检测是一个重要的课题，已在不同的研究领域和应用领域中得到深入研究。它通常涉及异常数据、不健康状态的检测和故障诊断，有助于保证工业系统的稳定性、安全性和经济性。随着智能工业和传感器系统的发展，大量数据变得唾手可得，但工业系统的异常检测面临着重大挑战。一个典型的例子是对能源相关系统的研究，如热能、可再生能源（如风能、光伏）、电动汽车等。这些系统涉及各种数据格式和更复杂的数据结构，使异常数据检测成为一项挑战。目前，在深度学习和大数据分析的发展下，能源系统异常数据检测已经取得了许多有希望的成果。然而，由于能源行业的复杂性，许多具有挑战性的问题仍未解决。能源系统异常检测的新技术和高级工程应用仍然吸引着广泛的学者和行业。本研究专题的目的是征集有关异常检测技术的最新发展和能源相关系统应用进展的论文。该主题可以涵盖与异常检测算法开发相关的技术，例如机器学习、数据挖掘、深度学习、图论、大数据等。可以涉及能源应用的各个方面，例如数据清理、能源系统的不健康评估、状态监测和能源相关行业中的故障诊断。特别关注与能源相关的系统，例如风能、光伏、热能、电动汽车 (EV) 开发等。经过论文研究主题和严格审查，327 位作者提交的 63 篇高质量文章最终被接受，以表彰他们为电力系统、可再生能源系统和其他工业系统的状态监测和异常检测研究所做的贡献。在基于变分模态分解和随机森林的系列电弧故障诊断论文中，赵等人。提出了一种基于变分模态分解和能量熵的方法提取串联电弧故障的特征量，进而完成故障检测。在论文《通过结合在线机器学习和统计分析的数据驱动方法顺序检测微电网不良数据》中，黄等人提出了一种顺序检测方法来检测能源管理系统（EMS）中的不良数据。
Lek Pharmaceuticals 楼宇自动化解决方案
该解决方案支持实时对流程、条件和传感器值进行丰富的图形可视化。所有关键参数（例如报警边界、PID 循环和生产参数）都可以通过 SCADA 访问。高级用户可以选择为 GMP（良好生产规范）2 和非 GMP 参数定义两级报警设置。该解决方案整合了两个实时流程数据收集模块和一个归档模块，以及一个维护支持模块，包括所有 HVAC 装置的故障诊断。所有关键数据都存储在 Oracle 关系数据库中，可用于分析和报告。
Stu der On Air 3000 / On Air 3000N et - AV-iQ
还可以远程操作 OnAir 3000。OnAir 3000 主屏幕上使用的标准图形用户界面 (GUI) 可以在任何具有控制台网络访问权限的 PC 或笔记本电脑上并行模拟。因此，可以从 PC 访问物理控制台的所有参数，包括推子和旋转控件，两个系统完全并行工作。这对于服务部门设置配置和处理异常情况都非常有用。技术人员可以随时检查设置，并在必要时进行更改或故障诊断，反应速度比以前更快，即使在家里也可以。假设获得访问权限，工厂也可以进入世界任何地方的系统并提供帮助。
人工智能在中国：CXO 指南助您应对不断变化的形势
中国在垂直行业专用模型方面也具有明显优势。Antelope（制造业）、Sensenova（医疗和法律）和百度的灵弈（生命科学）等模型现已可供商业使用。Antelope 是为制造业量身定制的，支持报告和代码等工业文档，以及维护、故障诊断、材料检查和统计分析等价值链活动。同样，九数（来自京东）针对在线零售，提供个性化推荐、产品销售预测、日志和点击行为分析、内容创建、通过图像匹配进行 SKU 分析等功能。此类垂直模型正在得到广泛的采用和使用。
基于Word2vec和Stacking集成学习的文本驱动的飞机故障诊断模型
摘要：传统的飞机维修保障工作主要基于结构化数据。非结构化数据，如文本数据，尚未得到充分利用，这意味着资源的浪费。这些非结构化数据蕴含着巨大的故障知识库，可以为飞机维修保障工作提供决策支持。因此，本文提出了一种基于文本的故障诊断模型。所提方法利用Word2vec将文本单词映射到向量空间，然后将提取的文本特征向量输入基于堆叠集成学习方案的分类器。使用真实的飞机故障文本数据集验证了其性能。结果表明，所提方法的故障诊断准确率为97.35％，比次优方法提高了约2％。
设备使用机器学习的设备健康监测...
现代文明中科学技术的快速增长导致机械和设备的规模，复杂性和自动化的增加。现代工业生产的两个最重要方面是问题识别和机械状况监测。通过有效的状况监测使早期问题检测成为可能，这在考虑到生产效率，操作可靠性，维护成本和停机时间等变量时至关重要。研究问题的识别和机械的健康监测具有实际意义。为了进行设备监控和故障诊断的目的，记录了有关设备的温度，振动，噪声水平和润滑状态的信息。之后，该信息被用来确定该问题的主要来源，并采取补救措施。条件监视系统的核心元素是故障预测，功能提取和问题诊断。特征提取和故障诊断对于正常检测，问题定位和失败严重性预测至关重要。本文包括故障诊断和计算智能在状态监控和故障检测中的应用，本文还介绍了一种使用机器学习（ML）技术进行设备状态监测的方法。流行的机器学习（ML）分类方法，例如随机森林（RF），随机树（RT），天真贝叶斯（NB），XG Boost（XGB）和Logistic Recression（LR），用于组装。紧迫需要提高机器的可靠性并减少由于机器故障而导致的生产损失的可能性，这是对机器状况监测的越来越重视的原因。关键字：故障预测，机器学习，天真的贝叶斯，生产，随机森林，随机树，意外的停机时间。
2024 年 18 日 | 美国马萨诸塞州波士顿
AIM 2024 的赞助商和组织者诚邀提交原创作品，包括但不限于以下主题：执行器、汽车系统、生物工程、数据存储系统、电子封装、故障诊断、人机界面、人机交互/协作、机电一体化系统中的人为因素、工业应用、信息技术、智能系统、机器视觉、制造、微机电系统、微纳米技术、建模和设计、系统辨识和自适应控制、运动控制、振动和噪声控制、神经和模糊控制、光电系统、光机电一体化、原型设计、实时和硬件在环仿真、机器人、传感器、系统集成、交通系统、智能材料和结构、能量收集和其他前沿领域。
SCPC系列-M -Poulsen.com
铁蚂蚁维护助手在整个过程中提供了现场的S E R V I V I C CE S A N D C L O S E D -L O O P M A N A N A N T。使用Iron Ant计划的单击服务，服务工程师可以提供家庭访问服务，并尽力维修和维护设备。生命周期管理，故障诊断，故障分析，随时随地的DE VICE操作监控，设备管理轻松，并帮助客户实现设备的最佳生产率转换。
基于人工智能的输电线路继电保护系统
随着现代电力系统的发展，对继电保护技术提出了更高的要求，传统的继电保护和故障诊断技术已经不能满足电力系统不断发展的要求，基于人工智能技术的继电保护系统受到越来越多的关注。因此，本文首先分析了传统广播线路保护的弱点，利用人工智能的自适应性和自学习性，提出了基于人工智能的继电线路保护概念。结合人工神经网络，研究基于人工智能的继电保护系统，建立实验模型，并通过仿真实验进行验证。研究结果表明，对于子网络的ANN测试结果分析，子网络的实际输出与理想输出非常接近，误差不超过0.2%，系统性能良好，可靠性高。