轴流转桨式机组油量监测与管理研究

介绍了轴流转桨式机组的基本原理和油量监测的重要性;分析了目前存在的问题,并提出了相应的优化管理策略;探讨了油量监测与管理的方法和技术,包括传感器的选择和安装、数据采集和处理等;通过实验验证了所提出策略的有效性,并对未来的研究方向进行了展望。     

基于人工智能的汽车故障诊断与预测

本文致力于探讨基于人工智能技术的汽车故障诊断与预测方法。随着汽车技术的不断发展,车辆故障诊断与预测变得越来越重要。传统的基于规则的方法已经难以满足复杂的汽车系统需求,因此引入了人工智能技术来提高故障诊断与预测的准确性和效率。本文首先介绍了人工智能在汽车领域的应用现状,然后详细探讨了基于机器学习和深度学习的汽车故障诊断与预测方法。通过对车辆传感器数据和历史故障数据的分析,我们提出了一种基于神经网络的故障诊断与预测模型,并通过实验验证了其有效性。实验结果表明,所提出的方法在准确性和实时性上都取得了显著的改进,为未来智能汽车系统的发展提供了新的思路和方法。     

基于融合方法的电动汽车动力电池容量衰退预测模型构建与优化

为了构建和优化基于融合方法的动力电池容量衰退预测模型，以准确预测电池容量衰退过程，采用融合方法将机器学习算法和物理模型相结合，通过多种数据源的综合使用来构建容量衰退预测模型。首先，收集并分析实际电池操作数据，充放电过程、温度变化等；然后，利用机器学习算法对数据进行特征提取、模式识别和建模，从而揭示电池容量衰退规律；最后，结合物理模型对电池内部参数进行估计，并与机器学习模型进行融合，获得更准确的容量衰退预测结果。     

面向智能驾驶行为的机器学习

基于机器学习的智能驾驶行为分析是智能车辆发展的方向和难点之一.驾驶行为的知识获取和表达,涉及机器学习中的诸多算法.首先对机器学习在驾驶行为识别判断、建模预测、智能决策等方面的研究进行了分析,进而对驾驶行为分析中的几种主要机器学习算法进行了较为全面的总结,最后给出了各种算法的优缺点.     

基于自主学习行为识别的教学质量智能评价系统设计

文章提出了一种基于自主学习行为识别的教学质量智能评价系统设计方案。系统设计的核心技术包括机器学习算法、行为识别技术和数据分析技术，主要介绍了系统的总体设计和关键技术，包括数据采集、特征提取、行为分类、质量评价和建议生成等方面。实验结果表明，该系统能够有效识别和分析学生的自主学习行为，并准确评估教学质量、提供个性化的教学建议。     

基于微型智能传感器的汽车轮胎压力监控系统

介绍了基于微型智能传感器的直接式轮胎压力监控系统的构成和原理,并讨论了微型传感器数据的读取、微机械加工等关键技术。     

福特和谷歌达成6年合作，2023年起搭载安卓系统

正福特汽车日前宣布与谷歌达成战略合作伙伴关系,旨在帮助加速福特业务转型,重塑智能网联汽车体验。作为战略合作的一部分,福特已将谷歌云列为首选云服务供应商,从而充分利用谷歌在数据分析、人工智能和机器学习领域的技术专长。双方战略合作协议将持续6年,并计划从2023年开始,福特和林肯品牌车型都将配备基于安卓车载操作系统开发的全新车载信息娱乐系统。     

基于大数据背景的量子机器学习算法研究概论

机器学习作为计算机学科领域的一个分支,是由人工智能以及模式识别计算功能转变而来的,同时作为人工智能的核心组件广泛应用于不同行业领域中.实践证明,通常情况下,所处理的数据库资源规模性越突出,相应进行的机器学习成效愈发显著,呈整体呈现上升趋势.由此可见,机器学习作为大数据分析最佳纽带,在智能领域的特殊作用不可低估,必须依据...     

基于深度学习的短时交通流预测

精确的交通流预测是智能运输系统的重要技术支撑,以实际交通流数据为背景,提出了一种新型的基于深度学习的交通流预测模型.将若干个降噪自编码器(DAE)进行堆叠,组成栈式降噪自编码器模型(SDAE),完成了深度学习框架的构建.进一步通过在顶层结构中增加标准预测模型,实现了基于深度学习的预测模型的搭建.结合实际交通流数据,开展...     

基于GBDT的锈蚀钢筋混凝土梁抗弯承载力预测研究

为准确地对锈蚀状态下钢筋混凝土(Reinforced Concrete, RC)梁的抗弯承载能力进行预测，首先收集了锈蚀RC梁的抗弯试验数据，随后基于集成学习算法梯度提升树(Gradient Boosting Decision Tree, GBDT)建立了锈蚀RC梁抗弯承载力预测模型，最后在测试集上进行了模型精度的测试，并与基于单一机器学习算法多层感知机(Multilayer Perceptron, MLP)和套索回归(Lasso Regression, LR)建立的锈蚀RC梁抗弯承载力预测模型进行比对。结果表明，本研究建立的基于GBDT的锈蚀RC梁抗弯承载力预测模型在训练集、测试集上的拟合优度分别达到0.999 9、0.925 5,可用于锈蚀RC梁的抗弯承载力预测；与基于单一机器学习算法MLP和LR建立的模型相比，基于GBDT的模型的均方根误差分别降低了97.27%、25.72%和98.50%、40.59%,平均绝对误差分别降低了98.84%、28.90%和99.47%、53.85%,优势明显。本研究结果证明了基于GBDT的预测模型具有优异的性能。     

基于转向架焊接产线数字化的机器人智能集控关键技术

基于转向架焊接车间生产线智能化、自动化和数字化集控管理需求，开发设计了集PDM、QMS和MES为一体的焊接车间现场管理上层系统，基于转向架焊接产线数字化的机器人智能集控操作，借助数据接口实现对所有生产系统数据的有效流转与链接。该技术系统采用了集中管控、生产执行控制与可视化监控等模块，针对转向架焊接工艺特征与转向架焊接产线数字化生产需求，研发应用智能传感RFID、交互集成M2M、在线质量监测、集群控制和Digital Twin等诸多关键技术工艺，形成了高度柔性化、数字化、自动化合高效率的转向架焊接管控车间，实现了对夹具/胎位、设备、人员以及所有零部件等资源的实时调度、管理和监控。     

基于智能轮胎系统的实时路面辨识技术

在复杂和极限工况下,路面附着系数是进行轮胎受力分析和车辆动力学控制的重要状态参数。相对于模型估计的方法,智能轮胎技术能够将轮胎与路面的交互信息反馈给车辆控制系统。本文提出了一种将智能轮胎系统和机器学习相结合的车辆路面附着系数获取方法。首先,考虑行驶工况环境进行传感器选型,开发基于MEMS三轴加速度传感器的智能轮胎硬件采集系统,并采用简化硬件结构的无线传输模式。其次,通过采集不同路面上的实车实验数据进行车辆实验收集机器学习训练的数据集,并分析轮地关系及信号特征。最后,将CNN与LSTM两者的优势相结合实现了对加速度时序信号的特征学习。通过与其它神经网络模型训练结果的比较,验证了所提CNN-LSTM双通道融合神经网络模型的有效性和准确性。本文提出的路面辨识方案实现了实时道路识别的目标,硬件与软件架构和神经网络模型更适合车辆系统搭载,为车辆运动控制提供了实时准确的路面信息。     

基于视频图像的交通事件检测系统研究与开发

交通事件检测是智能交通系统中的重要组成部分和关键技术.文中基于计算机视觉技术与数字图像处理技术,结合当前我国高速公路交通监控所需和已有监控设施,对基于视频图像的交通事件检测进行了研究,并完成了系统的开发和测试.     

IoT技术在备用电源行业中的应用

边缘网关读取柴油发机组控制器和其它传感器信息,通过3G、4G、Wi Fi等无线传输方式接入互联网,云管理系统为应急备用电源设备提供设备管理、故障报警管理、智能运维、大数据统计分析、备品备件管理、客户管理、账号管理等功能进行综合性管理的平台,具有实时监控、实时故障告警、故障诊断、智能运维管理等多种业务,其中实时监控设备运行数据进行远程监控,提供全面的运维管理、智能分析故障告警,实现了预测性维护。在机组日常维护管理中,监控人员难以24h实地掌握柴油发电机组状态,但可以根据移动终端接收到的报警信息或故障信息,分权限级别及时向相关人员汇报并得以及时处理,及时消除隐患或完成维修,保障备用电源系统机组处于良好的在线备用或运行状态。     

基于混沌SVM与BP神经网络预测材料价格指数

为了解决工程造价指数难以预测非线性结构、数据拟合难度大、预测模型参数求解过于固定化、预测模型可靠性不高等问题,文中在混沌时间序列理论的基础上,结合机器学习算法支持向量机(SVM)技术和BP神经网络算法,提出混沌SVM与BP神经网络组合预测模型。实例研究证明,该组合预测模型的精度比SVM预测模型、混沌SVM预测模型、BP神经网络预测模型和GM(1,1)预测模型的高,具有拟合非线性和预测线性波动的能力,可用于工程造价指数预测。     

水陸两栖車發展史

第一辆水陆两栖车(Orukter Amphibolos)由美国人Oliver Evans于1805年发明.为了能在水中行驶,Oliver Evans在车上装了轴和桨轮,用发动机飞轮轴的皮带和皮带轮来驱动桨轮.当这辆两栖车一到水中,车尾的桨轮开始工作,最早的水陆两栖车就这样面世了.     

寒区沥青路面智慧化施工混合料温度预估机器学习模型

寒区沥青路面施工面临骤然降温、大温差、大风等不利天气，造成沥青路面摊铺、碾压温度起伏大，影响沥青路面压实质量，进而诱发诸多病害。以沥青路面施工温度为核心，通过物联网系统和智能元件采集沥青路面施工工艺参数并进行分析，采用机器学习算法构建沥青路面施工温度预估模型，准确掌控沥青路面摊铺和碾压施工温度，确保沥青路面施工质量。结果表明：沥青混合料拌和参数控制精度高，运输、摊铺和碾压阶段的施工工艺参数变异性大，需对参数进行异常值剔除处理，表明当前施工工艺控制技术仍有提升空间；采用随机森林算法对施工工艺参数进行重要性评估，出料温度和施工速度对施工温度影响最显著；基于4种机器学习算法建立了沥青路面施工温度预测模型，其中多层感知机模型最优，对多层感知机模型的隐藏层、神经元个数和学习率进行优化，优化后模型的周期数、均方误差和平均绝对误差降低，整体性能显著提升；考虑气象参数后，施工温度预测模型的训练效率降低，但预测精度提高。工程应用表明：提出的基于多层感知机沥青路面施工温度预测模型与实际工况相符，通过调节出料温度、摊铺速度、碾压速度可以有效减少混合料温度损失。     

机器学习在桥梁病害检测识别中的研究应用进展

由于受到车辆荷载、自然环境等影响,桥梁在运营期间将产生不同程度的病害缺陷,从而影响桥梁安全使用。传统的桥梁病害检测识别容易受到人为主观因素影响且效率较低,机器学习(ML)作为人工智能的核心技术,以其高效、便捷、智能的优点在土木工程病害检测领域中逐步得到应用。本文从检测识别现状、机器学习理论、基于机器学习的病害检测识别等方面,重点阐述了机器学习在桥梁病害检测识别中的实现方法与应用前景。     

海格G-BOS 让“油耗子”现形

2012年4月,无锡某公司引入了G-BOS智慧运营系统,并在80台车上安装了与G-BOS系统配套的高精度油箱油量传感器,对发动机消耗油量和车内油箱油量进行双重数据采集和监控。2012年10月中旬,管理人员打开G-BOS智慧运营系统,进行日常油耗数据梳理时,发现有一台车的油耗数据和G-BOS显示的数据有很大差异,引起了警觉。这位管理人员随即调取了该车2012年9月1日至10月     

数据中心用高压快速并联集装箱电站的设计

为了了满足数据中心心市场需求,设设计了数据中心心用高压快速并并联集装箱电站站。结果表明:该电站采用标标准集装箱结构,布局合理理,具有防雨、防风沙、整体体噪音低的特点点。该电站采用用功能全面的智智能控制系统,实现了机组自自启动、自动并联、功率管管理和远程监控控等功能,并能能对机组多种异异常状况提供自自动报警、停机机保护功能;采采用先合闸,后后励磁的快速并机系统,实实现多台机组快快速并机带负载载的要求;采用用了控制冗余与与防雷接地保护护方案,有效提提高了机组运行行的稳定性和安全性。同时时,该电站采用用陶瓷式黑烟净净化器,产品绿绿色环保,符合合国家排放法规规要求。