CN114995270B - 一种电气自动化控制系统 - Google Patents
一种电气自动化控制系统 Download PDFInfo
- Publication number
- CN114995270B CN114995270B CN202210681665.8A CN202210681665A CN114995270B CN 114995270 B CN114995270 B CN 114995270B CN 202210681665 A CN202210681665 A CN 202210681665A CN 114995270 B CN114995270 B CN 114995270B
- Authority
- CN
- China
- Prior art keywords
- data
- equipment
- optimization
- module
- model
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000005457 optimization Methods 0.000 claims abstract description 34
- 238000004891 communication Methods 0.000 claims abstract description 27
- 238000012545 processing Methods 0.000 claims abstract description 5
- 238000000034 method Methods 0.000 claims description 27
- 238000012549 training Methods 0.000 claims description 15
- 230000006870 function Effects 0.000 claims description 14
- 238000012795 verification Methods 0.000 claims description 9
- 210000002569 neuron Anatomy 0.000 claims description 7
- 238000005520 cutting process Methods 0.000 claims description 6
- 230000002708 enhancing effect Effects 0.000 claims description 6
- 230000002087 whitening effect Effects 0.000 claims description 6
- 230000005540 biological transmission Effects 0.000 claims description 5
- 230000004913 activation Effects 0.000 claims description 4
- 230000007246 mechanism Effects 0.000 claims description 4
- 230000009467 reduction Effects 0.000 claims description 3
- 230000000630 rising effect Effects 0.000 claims description 3
- 238000013528 artificial neural network Methods 0.000 claims description 2
- 238000009826 distribution Methods 0.000 claims description 2
- 230000000694 effects Effects 0.000 claims description 2
- 230000006872 improvement Effects 0.000 claims description 2
- 238000010801 machine learning Methods 0.000 claims description 2
- 210000000653 nervous system Anatomy 0.000 claims description 2
- 230000004044 response Effects 0.000 claims description 2
- 238000011425 standardization method Methods 0.000 claims description 2
- 230000005764 inhibitory process Effects 0.000 claims 1
- 238000012423 maintenance Methods 0.000 abstract description 8
- 230000009286 beneficial effect Effects 0.000 abstract description 4
- 238000005516 engineering process Methods 0.000 description 9
- 230000008859 change Effects 0.000 description 3
- 230000001351 cycling effect Effects 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 238000013519 translation Methods 0.000 description 2
- 230000000007 visual effect Effects 0.000 description 2
- 206010063385 Intellectualisation Diseases 0.000 description 1
- 230000004075 alteration Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000004927 fusion Effects 0.000 description 1
- 230000010365 information processing Effects 0.000 description 1
- 230000023886 lateral inhibition Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000001537 neural effect Effects 0.000 description 1
- 230000001737 promoting effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B19/00—Programme-control systems
- G05B19/02—Programme-control systems electric
- G05B19/04—Programme control other than numerical control, i.e. in sequence controllers or logic controllers
- G05B19/048—Monitoring; Safety
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/02—Total factory control, e.g. smart factories, flexible manufacturing systems [FMS] or integrated manufacturing systems [IMS]
Abstract
本发明公开了一种电气自动化控制系统,包括GPS定位器、通信模块、服务器、显示器、设备采集模块、数据优化模块、终端机,其中:所述GPS定位器安装在设备中,且GPS定位器通过通信模块与设备采集模块相连,GPS定位器用于将自己接收到卫星信号并计算出当前自己所在位置的经纬度数据发送给设备采集模块;本发明的有益效果是:对数据通过模型进行优化,提升数据的质量,有助于对电气自动化的信息进行处理,减小企业的投资成本;可对故障设备进行精准的查找,从而第一时间对故障设备进行维修,提高了维修的效率;可以对设备状态数据进行保存,并保证数据的准确性和有效性,使得设备状态数据可以被充分利用,同时还可以减轻本地的通信压力。
Description
技术领域
本发明属于电气自动化技术领域,具体涉及一种电气自动化控制系统。
背景技术
近年来,随着科技的进步,电气自动化行业得到了大力发展,电气自动化的应用也越来越广泛;工业的发展需要电器自动化技术的引领,电器自动化控制工程和科学技术进行融合,将会对工业发展建设具有重要的推动作用;自动化工程控制技术在电气行业得到了广泛的应用﹐并取得了良好的效果。
电气自动化控制系统具有快速便捷的功能;电气自动化产品是指将计算机技术﹑网络技术以及电子技术等集于一身的产品,通常这种产品能够实现自身功能的自动化、智能化、从而节省了大量的人力物力财力。
申请号为CN201610364945.0公开了一种电气自动化控制系统,包括人机操作模块、待控制设备运行参数采集模块、中央控制器、控制命令预览模块、控制命令优化模块;待控制设备运行参数采集模块,用于进行待控制设备运行参数的采集,并将采集到的数据发送到中央处理器和控制命令优化模块;待控制设备运行参数采集模块通过传感器模块和摄像头进行数据的采集。
现有的电气自动化控制系统在使用时存在着以下方面的不足:
采用了集中控制的方式,将所有的自动功能融入到同一个处理器当中,所有信息在同一处理器当中进行运转和传递,使得电气自动化的信息处理十分缓慢,影响整个企业的生产效率;并且,企业需要进行检测的对象众多,信息量比较大,而主机内的空间逐渐的变小,其信息传输数量不断增加,既增加了企业的投资成本,又对信息整体传输速度有所影响;设备出现故障时,无法对故障设备进行精准的定位,不利于维修人员第一时间对故障设备进行查找,降低了维修的效率。
发明内容
本发明的目的在于提供一种电气自动化控制系统,对采集的设备数据进行优化;精准定位故障设备,从而第一时间对故障设备进行维修。
为实现上述目的,本发明提供如下技术方案:一种电气自动化控制系统,包括GPS定位器、通信模块、服务器、显示器、设备采集模块、数据优化模块、终端机,其中:
所述GPS定位器安装在设备中,且GPS定位器通过通信模块与设备采集模块相连,GPS定位器用于将自己接收到卫星信号并计算出当前自己所在位置的经纬度数据发送给设备采集模块;
所述设备采集模块通过通信模块与数据优化模块相连,设备采集模块通过传感器和摄像头对设备运行参数进行采集,并将采集到的数据通过通信模块发送到数据优化模块进行优化;数据优化的方法如下:
步骤一:获取需要进行数据优化的待优化数据,并构建优化模型;
步骤二:对优化模型进行训练,得到初始结果,然后对数据进行增强,通过变化学习率提升模型性能;使用数据增强技术,主要是在训练数据上增加微小的扰动或者变化,一方面可以增加训练数据,从而提升模型的泛化能力,另一方面可以增加噪声数据,从而增强模型的鲁棒性;主要的数据增强方法有:翻转变换、随机修剪、色彩抖动、平移变换、尺度变换、对比度变换、噪声扰动、旋转变换或反射变换;
步骤三:将待优化数据导入到加强的优化模型中对优化数据进行迭代优化,从而得到目标数据;对数据通过模型进行优化,提升数据的质量;
数据优化模块通过通信模块与服务器相连,优化后的目标数据通过通信模块发送到服务器中,服务器对目标数据进行解析;
服务器通过通信模块分别与终端机、显示器相连,通过显示器和终端机对数据进行可视化显示,并可在终端机、显示器上显示故障设备的报警数据,可对故障设备进行精准的查找,从而第一时间对故障设备进行维修,提高了维修的效率。
作为本发明的一种优选的技术方案,所述服务器对对目标数据的故障设备进行解析时,解析的信息包括设备ID、经纬度、报警信息。
作为本发明的一种优选的技术方案,所述数据进行增强包括:
图像切割:生成比图像尺寸小的矩形框,对图像进行随机的切割,最终以矩形框内的图像作为训练数据;
图像翻转:对图像进行左右翻转;
图像白化:对图像进行白化操作。
作为本发明的一种优选的技术方案,所述变化学习率的实现方法如下:
步骤一:首先使用大的学习率进行训练,观察目标函数值和验证集准确率的收敛曲线;
步骤二:如果目标函数值下降速度和验证集准确率上升速度出现减缓时,减小学习率;
步骤三:循环步骤二,直到减小学习率也不会影响目标函数下降或验证集准确率上升为止。
作为本发明的一种优选的技术方案,还包括与服务器连接的报警器,有助于在设备出现故障时进行报警。
作为本发明的一种优选的技术方案,所述显示器显示的报警数据采取弹窗的方式,方便在显示器旁的工作人员进行查看。
作为本发明的一种优选的技术方案,所述终端机显示的报警数据采取短信、公众号、震动的方式,方便手持终端机的维修人员第一时间知晓。
作为本发明的一种优选的技术方案,还包括对设备数据的保存,设备数据保存的方法如下:获取设备状态数据;当监测到主程序发生中断时,确定设备状态数据所属的类别;采用与设备状态数据所属类别相对应的传输策略将设备状态数据上传至云端;可以对设备状态数据进行保存,并保证数据的准确性和有效性,使得设备状态数据可以被充分利用,同时还可以减轻本地的通信压力,减少数据流量的消耗,降低运营成本。
与现有技术相比,本发明的有益效果是:
(1)对数据通过模型进行优化,提升数据的质量,有助于对电气自动化的信息进行处理,减小企业的投资成本;
(2)可对故障设备进行精准的查找,从而第一时间对故障设备进行维修,提高了维修的效率;
(3)可以对设备状态数据进行保存,并保证数据的准确性和有效性,使得设备状态数据可以被充分利用,同时还可以减轻本地的通信压力,减少数据流量的消耗,降低运营成本。
附图说明
图1为本发明的系统图;
图2为本发明的数据优化的方法流程图;
图3为本发明的变化学习率的实现方法流程图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
请参阅图1、图2和图3,本发明提供一种技术方案:一种电气自动化控制系统,包括GPS定位器、通信模块、服务器、显示器、设备采集模块、数据优化模块、终端机,其中:
GPS定位器安装在设备中,且GPS定位器通过通信模块与设备采集模块相连,GPS定位器用于将自己接收到卫星信号并计算出当前自己所在位置的经纬度数据发送给设备采集模块;
设备采集模块通过通信模块与数据优化模块相连,设备采集模块通过传感器和摄像头对设备运行参数进行采集,并将采集到的数据通过通信模块发送到数据优化模块进行优化;数据优化的方法如下:
步骤一:获取需要进行数据优化的待优化数据,并构建优化模型;
步骤二:对优化模型进行训练,得到初始结果,然后对数据进行增强,通过变化学习率提升模型性能;使用数据增强技术,主要是在训练数据上增加微小的扰动或者变化,一方面可以增加训练数据,从而提升模型的泛化能力,另一方面可以增加噪声数据,从而增强模型的鲁棒性;主要的数据增强方法有:翻转变换、随机修剪、色彩抖动、平移变换、尺度变换、对比度变换、噪声扰动、旋转变换或反射变换;
步骤三:将待优化数据导入到加强的优化模型中对优化数据进行迭代优化,从而得到目标数据;对数据通过模型进行优化,提升数据的质量;
数据优化模块通过通信模块与服务器相连,优化后的目标数据通过通信模块发送到服务器中,服务器对目标数据进行解析;服务器对对目标数据的故障设备进行解析时,解析的信息包括设备ID、经纬度、报警信息;
服务器通过通信模块分别与终端机、显示器相连,通过显示器和终端机对数据进行可视化显示,并可在终端机、显示器上显示故障设备的报警数据,可对故障设备进行精准的查找,从而第一时间对故障设备进行维修,提高了维修的效率。
本实施例中,优选的,数据进行增强包括:
图像切割:生成比图像尺寸小的矩形框,对图像进行随机的切割,最终以矩形框内的图像作为训练数据;
图像翻转:对图像进行左右翻转;
图像白化:对图像进行白化操作。
数据进行增强和变化学习率时,还需要对模型进行改进,模型改进采取4种方法,分别如下:
权重衰减:对于目标函数加入正则化项,限制权重参数的个数,这是一种防止过拟合的方法,这个方法其实就是机器学习中的l2正则化方法;
dropout:在每次训练的时候,让某些的特征检测器停过工作,即让神经元以一定的概率不被激活,这样可以防止过拟合,提高泛化能力;
批正则化:对神经网络的每一层的输入数据都进行正则化处理,这样有利于让数据的分布更加均匀,不会出现所有数据都会导致神经元的激活,或者所有数据都不会导致神经元的激活,这是一种数据标准化方法,能够提升模型的拟合能力;
LRN:LRN层模仿生物神经系统的侧抑制机制,对局部神经元的活动创建竞争机制,使得响应比较大的值相对更大,提高模型泛化能力。
本实施例中,优选的,变化学习率的实现方法如下:
步骤一:首先使用大的学习率进行训练,观察目标函数值和验证集准确率的收敛曲线;
步骤二:如果目标函数值下降速度和验证集准确率上升速度出现减缓时,减小学习率;
步骤三:循环步骤二,直到减小学习率也不会影响目标函数下降或验证集准确率上升为止。
本实施例中,优选的,还包括与服务器连接的报警器,有助于在设备出现故障时进行报警。
本实施例中,优选的,显示器显示的报警数据采取弹窗的方式,方便在显示器旁的工作人员进行查看。
本实施例中,优选的,终端机显示的报警数据采取短信、公众号、震动的方式,方便手持终端机的维修人员第一时间知晓。
本实施例中,优选的,还包括对设备数据的保存,设备数据保存的方法如下:获取设备状态数据;当监测到主程序发生中断时,确定设备状态数据所属的类别;采用与设备状态数据所属类别相对应的传输策略将设备状态数据上传至云端;可以对设备状态数据进行保存,并保证数据的准确性和有效性,使得设备状态数据可以被充分利用,同时还可以减轻本地的通信压力,减少数据流量的消耗,降低运营成本。
尽管已经示出和描述了本发明的实施例,对于本领域的普通技术人员而言,可以理解在不脱离本发明的原理和精神的情况下可以对这些实施例进行多种变化、修改、替换和变型,本发明的范围由所附权利要求及其等同物限定。
Claims (5)
1.一种电气自动化控制系统,其特征在于:包括GPS定位器、通信模块、服务器、显示器、设备采集模块、数据优化模块、终端机,其中:
所述GPS定位器安装在设备中,且GPS定位器通过通信模块与设备采集模块相连,GPS定位器用于将自己接收到卫星信号并计算出当前自己所在位置的经纬度数据发送给设备采集模块;
所述设备采集模块通过通信模块与数据优化模块相连,设备采集模块通过传感器和摄像头对设备运行参数进行采集,并将采集到的数据通过通信模块发送到数据优化模块进行优化;数据优化的方法如下:
步骤一:获取需要进行数据优化的待优化数据,并构建优化模型;
步骤二:对优化模型进行训练,得到初始结果,然后对数据进行增强,通过变化学习率提升模型性能;
步骤三:将待优化数据导入到加强的优化模型中对优化数据进行迭代优化,从而得到目标数据;
数据优化模块通过通信模块与服务器相连,优化后的目标数据通过通信模块发送到服务器中,服务器对目标数据进行解析;
服务器通过通信模块分别与终端机、显示器相连,通过显示器和终端机对数据进行可视化显示,并可在终端机、显示器上显示故障设备的报警数据;
所述数据进行增强包括:
图像切割:生成比图像尺寸小的矩形框,对图像进行随机的切割,最终以矩形框内的图像作为训练数据;
图像翻转:对图像进行左右翻转;
图像白化:对图像进行白化操作;
所述变化学习率的实现方法如下:
步骤一:首先使用大的学习率进行训练,观察目标函数值和验证集准确率的收敛曲线;
步骤二:如果目标函数值下降速度和验证集准确率上升速度出现减缓时,减小学习率;
步骤三:循环步骤二,直到减小学习率也不会影响目标函数下降或验证集准确率上升为止;
数据进行增强和变化学习率时,还需要对模型进行改进,模型改进采取4种方法,分别如下:
权重衰减:对于目标函数加入正则化项,限制权重参数的个数,这是一种防止过拟合的方法,这个方法其实就是机器学习中的l2正则化方法;
dropout:在每次训练的时候,让某些的特征检测器停过工作,即让神经元以一定的概率不被激活,这样可以防止过拟合,提高泛化能力;
批正则化:对神经网络的每一层的输入数据都进行正则化处理,这样有利于让数据的分布更加均匀,不会出现所有数据都会导致神经元的激活,或者所有数据都不会导致神经元的激活,这是一种数据标准化方法,能够提升模型的拟合能力;
LRN:LRN层模仿生物神经系统的侧抑制机制,对局部神经元的活动创建竞争机制,使得响应比较大的值相对更大,提高模型泛化能力;
还包括对设备数据的保存,设备数据保存的方法如下:获取设备状态数据;当监测到主程序发生中断时,确定设备状态数据所属的类别;采用与设备状态数据所属类别相对应的传输策略将设备状态数据上传至云端。
2.根据权利要求1所述的一种电气自动化控制系统,其特征在于:所述服务器对对目标数据的故障设备进行解析时,解析的信息包括设备ID、经纬度、报警信息。
3.根据权利要求1所述的一种电气自动化控制系统,其特征在于:还包括与服务器连接的报警器。
4.根据权利要求1所述的一种电气自动化控制系统,其特征在于:所述显示器显示的报警数据采取弹窗的方式。
5.根据权利要求1所述的一种电气自动化控制系统,其特征在于:所述终端机显示的报警数据采取短信、公众号、震动的方式。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210681665.8A CN114995270B (zh) | 2022-06-15 | 2022-06-15 | 一种电气自动化控制系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210681665.8A CN114995270B (zh) | 2022-06-15 | 2022-06-15 | 一种电气自动化控制系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114995270A CN114995270A (zh) | 2022-09-02 |
CN114995270B true CN114995270B (zh) | 2023-12-29 |
Family
ID=83035887
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210681665.8A Active CN114995270B (zh) | 2022-06-15 | 2022-06-15 | 一种电气自动化控制系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114995270B (zh) |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101911592A (zh) * | 2007-10-23 | 2010-12-08 | 高通股份有限公司 | 无线现场设备中的故障管理 |
CN107271844A (zh) * | 2017-06-20 | 2017-10-20 | 合肥博之泰电子科技有限公司 | 一种智能化弱电线路监控系统 |
CN108334947A (zh) * | 2018-01-17 | 2018-07-27 | 上海爱优威软件开发有限公司 | 一种智能优化的sgd训练方法及系统 |
CN108519542A (zh) * | 2018-03-28 | 2018-09-11 | 合肥云智物联科技有限公司 | 一种电网故障智能定位方法及系统 |
CN111077548A (zh) * | 2019-12-31 | 2020-04-28 | 重庆金康特智能穿戴技术研究院有限公司 | 一种基于Android系统的骑行定位数据优化方法 |
CN211979511U (zh) * | 2020-04-03 | 2020-11-20 | 国网福建省电力有限公司龙岩供电公司 | 一种自动标识缺陷绝缘子串的无人机巡检系统 |
CN113155050A (zh) * | 2021-04-19 | 2021-07-23 | 辽宁工程技术大学 | 一种基于水利工程的河道变形的检测系统 |
CN113742991A (zh) * | 2020-05-30 | 2021-12-03 | 华为技术有限公司 | 模型和数据联合优化方法及相关装置 |
CN114544205A (zh) * | 2022-01-05 | 2022-05-27 | 北京交通大学 | 机车轮驱跑合试验故障自动诊断系统 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US11601825B2 (en) * | 2018-08-08 | 2023-03-07 | Faraday&Future Inc. | Connected vehicle network data transfer optimization |
-
2022
- 2022-06-15 CN CN202210681665.8A patent/CN114995270B/zh active Active
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101911592A (zh) * | 2007-10-23 | 2010-12-08 | 高通股份有限公司 | 无线现场设备中的故障管理 |
CN107271844A (zh) * | 2017-06-20 | 2017-10-20 | 合肥博之泰电子科技有限公司 | 一种智能化弱电线路监控系统 |
CN108334947A (zh) * | 2018-01-17 | 2018-07-27 | 上海爱优威软件开发有限公司 | 一种智能优化的sgd训练方法及系统 |
CN108519542A (zh) * | 2018-03-28 | 2018-09-11 | 合肥云智物联科技有限公司 | 一种电网故障智能定位方法及系统 |
CN111077548A (zh) * | 2019-12-31 | 2020-04-28 | 重庆金康特智能穿戴技术研究院有限公司 | 一种基于Android系统的骑行定位数据优化方法 |
CN211979511U (zh) * | 2020-04-03 | 2020-11-20 | 国网福建省电力有限公司龙岩供电公司 | 一种自动标识缺陷绝缘子串的无人机巡检系统 |
CN113742991A (zh) * | 2020-05-30 | 2021-12-03 | 华为技术有限公司 | 模型和数据联合优化方法及相关装置 |
CN113155050A (zh) * | 2021-04-19 | 2021-07-23 | 辽宁工程技术大学 | 一种基于水利工程的河道变形的检测系统 |
CN114544205A (zh) * | 2022-01-05 | 2022-05-27 | 北京交通大学 | 机车轮驱跑合试验故障自动诊断系统 |
Also Published As
Publication number | Publication date |
---|---|
CN114995270A (zh) | 2022-09-02 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CA3049807A1 (en) | Intelligent systems and methods for process and asset health diagnosis, anomoly detection and control in wastewater treatment plants or drinking water plants | |
CN111368980B (zh) | 状态检测方法、装置、设备及存储介质 | |
CN111083662A (zh) | 基于云计算的水质监测物联网系统 | |
US20230031050A1 (en) | Key-value memory network for predicting time-series metrics of target entities | |
CN112052145A (zh) | 性能告警阈值的确定方法、装置、电子设备和介质 | |
CN116451848A (zh) | 一种基于时空注意力机制的卫星遥测数据预测方法及装置 | |
CN111339092A (zh) | 一种基于深度学习的多尺度空气质量预报方法 | |
CN115438726A (zh) | 一种基于数字孪生技术的设备寿命与故障类型预测方法及系统 | |
CN113970627A (zh) | 一种水质监测及预警方法、系统 | |
CN115841238A (zh) | 一种基于数字孪生的原料监管系统及其监管方法 | |
CN110619407B (zh) | 对象销量的预测方法及系统、电子设备和存储介质 | |
CN114995270B (zh) | 一种电气自动化控制系统 | |
CN116185243B (zh) | 一种人机交互数据处理评估预警系统 | |
CN113222057A (zh) | 数据预测模型训练、数据预测方法、装置、设备及介质 | |
CN116843395A (zh) | 一种业务系统的告警分级方法、装置、设备及存储介质 | |
CN117253344A (zh) | 一种海水酸化预警预报方法、系统及电子设备 | |
CN111966034A (zh) | 一种智能水务系统 | |
CN111447193A (zh) | 一种针对实时数据流进行异常检测的方法及装置 | |
CN116664306A (zh) | 风控规则的智能推荐方法、装置、电子设备及介质 | |
CN115409616A (zh) | 风险检测方法、装置、设备、存储介质及产品 | |
CN116052300A (zh) | 一种基于数字孪生的电力巡检系统和方法 | |
CN115641549A (zh) | 一种主推进柴油机组健康监测方法和系统 | |
CN113656452A (zh) | 调用链指标异常的检测方法、装置、电子设备及存储介质 | |
CN113254761A (zh) | 特定行为信息智能预警系统及方法 | |
Huu et al. | Development of warning and predicting system for quality of air in smart cities using RNN |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |