关键词： 工业质检   数字化   人工智能   系统工程   深度学习  

摘要： 质量是企业对产品、生产过程管控的核心重要指标之一,合格率直接关系企业的运营成本、竞争力。为保证产品的质量,各种质检手段随着需求被提出并应用。工业传统质检方式主要依靠人工,效率较低,质检结果存在一定的主观性,即因人而异,因此实现工业智检是工业数字化建设的核心内容之一。人工智能的发展为实现工业智检提供了核心技术支撑,工业项目实施是一个复杂的系统工程,本文研究了工业领域的智能检测应用,希望能为相关项目的成功实施提供一定的借鉴。

关键词： 深度强化学习   融合创新模式   机器学习   知识驱动   人工智能   数据驱动   发电设备   电力负荷  

摘要： 通过机器学习预测电力负荷,利用深度强化学习进行发电设备故障诊断与维护,运用人工智能优化发电机组的运行效率等,在以数据驱动的基础上,融入知识驱动,利用知识、数据、算法和算力等四要素构造更强大的AI+发电融合创新模式,显著提升发电系统的可靠性和经济性,有效降低运营成本并提高能源利用效率。

关键词： 人工智能   物联网技术   体育馆环境监测   环境调节   ESP32模块   云平台  

摘要： 借助当前国家提出的《2023群众体育工作要点》强化政策落实,科学规划,布局前瞻引领型、战略导向型、应用支撑型重大科技基础设施,构建一座基于ESP32芯片与阿里云的智慧体育馆,以人工智能赋能体育馆实时监测与智控优化设计。采用ESP32开发板、光敏传感器、烟雾与空气质量传感器等,通过实验法与定量分析法对系统进行调试,基于VisualStudioCode平台实现对场馆内部温湿度、光照强度、空气质量等数据的实时监测,若室内环境参数超出设定范围,系统即控制继电器调节相应设备,同时可通过移动端APP远程查看与操控,实现系统双重控制。系统结合云平台与物联网技术,有效节省了人力物力财力,保障了体育场馆环境的安全,同时成功实现了优化体育参与人群运动环境与加强场馆防火安全等目标。通过自动与移动远程双重系统控制环境参数,自动调节,达到最优空气环境质量与运动最适光线强度,提高使用体育场馆人群的运动舒适度,为体育的推广与运动参与率的提高做出一定贡献。

关键词： 混输管道   油气水三相流   机器学习   预测模型   压力预测   GA-BP  

摘要： 准确的油气水三相混输管道压力计算是油气集输管道优化设计和安全管理的关键,目前缺乏完全普适的油气水三相混输管道的压力预测方法。为了提高现场管理水平,针对西北S油田油气水三相混输管道建立了基于机器学习算法的起点压力预测模型。针对现场某混输管道建立PIPESIM模型,基于实际的管内流体物性、管道边界条件等参数,模拟了大量运行数据;为防止模型过拟合、提高模型的泛化能力,将数据随机打乱,并基于预测误差损失函数训练模型。以RMSE、MAE、R2为评价指标,对比了SVM、DT、RF、XGBoost、BP和GA-BP这6种回归预测模型。研究结果表明:GA-BP神经网络取得了该混输管道起点压力最准确的预测结果,其决定系数达到了0.9996,RMSE和MAE分别为1.5319和1.1420,表明模型的拟合能力优良,具有优越的学习能力和自适应拟合能力。该预测模型可用于油田油气水三相混输管道的压力监测,有效提高油田智能化运行管理水平。

关键词： 人形机器人   人工智能   有模有样   央视春晚   东方大国   中国动画  

摘要： 春意萌动,朝气勃发。国产AI大模型DeepSeek问世即巅峰,以每秒数十万次的思维跃迁重塑人工智能新边界,古老东方大国的科技创新让世界惊叹;电影《哪吒2》“闹海”又出海,中华文化“圈粉”全球,传递人性共鸣,其背后是138家公司、4000多人铸就的中国动画“万鳞甲”;科技与新春共舞,央视春晚节目《秧BOT》中机器人扭起秧歌有模有样,人形机器人爆火出圈。

关键词： 智能制造   推荐平台   深度学习   词嵌入模型  

摘要： 智能化和个性化将成为智能制造企业销售订单管理的重要趋势。文章研究了基于深度学习的智能制造销售订单管理推荐平台,旨在精准预测和理解客户行为,提升智能制造管理效益。首先设计了基于深度学习的智能制造销售订单管理推荐平台架构;其次提出了一种结合神经协同过滤(NCF)和Item2Vec词嵌入模型的深度学习推荐算法,通过整合产品潜在特征及用户行为数据,显著提高了推荐的准确性和时效性;最后与传统推荐算法(因子分解机(FM)和标准NCF模型)的性能进行比较,实验结果表明文章所提算法在真实数据集上展现出更高的预测精度,验证了其优越性。

关键词： 矿井突水   水源识别   量子粒子群算法   BP神经网络   机器学习  

摘要： 为厘清矿井水化学成分与矿井突水水源之间的非线性关系,实现突水来源的快速、准确判别。本研究提出了一种基于量子粒子群算法(quantum particle swarm optimization,QPSO)优化反向传播(back propagation,BP)神经网络的矿井突水水源判识模型,并将该判识模型运用于黔北煤田龙凤矿区以验证其实用性。通过与BP模型、遗传算法(genetic algorithm,GA)优化的BP神经网络模型GA-BP、粒子群算法(particle swarm optimization,PSO)优化的BP神经网络模型PSO-BP、量子粒子群算法优化的支持向量机(support vector machine,SVM)模型QPSO-SVM和量子粒子群算法优化的随机森林(random forests,RF)模型QPSO-RF判识结果进行对比,结果表明,QPSO算法有效优化了BP神经网络模型性能,提升了模型收敛速度和分类精度;QPSO-BP模型相较于以上5种模型分类性能更佳,对突水水源分类判识的准确率达到了93.75%。以上结果表明,QPSO-BP模型在矿井突水水源判识上有更好的优越性和应用前景。

关键词： 人工智能   职业教育   线上线下   教学模式  

摘要： 职业教育是为我国制造业输送综合素质和多元智能知识学生的重要渠道,也是使我国从制造大国向制造强国转变的有力支撑。人工智能的兴起,迫使传统的教育教学模式已无法完全满足现在职业教育的需要,分析了湖南职业教育中存在的问题,提出了在职业教育中引用“线上+线下”的混合教学模式的必要性,介绍了线上教学平台的功能和结构,讨论了有关的实现技术,并给出了“线上+线下”教学的实现方案。

关键词： Micro-CT   大豆   结构表型   重量预测   模型构建   机器学习  

摘要： 大豆是重要的粮油兼用作物,是植物蛋白质的重要来源,为明确大豆种子结构特征并构建种子重量预测模型,以42个不同大豆品种为材料,利用Micro-CT技术扫描测试样本,通过CT图像的处理解析,获取大豆种子的长度、宽度、厚度、体积、表面积、种胚体积、表面积及空腔体积特征,人工称重测定单粒重量指标。系统分析种子形态特征及其与重量的相关关系,并对不同品种进行聚类分析,通过对多项形态表型和重量指标进行主成分分析,确定主要贡献指标,基于机器学习算法构建重量预测模型。结果表明:种子形态特征与种子重量显著相关,但种子形状特征对重量无显著影响;42个大豆品种可以分为4类,其中第一类品种蒙豆375和蒙豆60的种子大小和重量指标均显著高于其他3类品种。利用随机森林模型和偏最小二乘回归方法构建的重量预测模型效果优于单一指标的简单线性回归效果。其中,随机森林回归模型训练集和测试集的R^(2)分别为0.80和0.66,RMSE分别为0.017和0.021 g,偏最小二乘回归模型训练集和测试集的R^(2)分别为0.75和0.72,RMSE分别为0.019和0.020 g。研究结果为大豆种子外部形态和内部结构的研究提供了新的技术和方法,为大豆品种分类、产量和品质性状的评价提供理论和技术参考。

关键词： 智能制造   装备管理   装备管理优化  

摘要： 通过概述智能制造的定义与特征,具体分析智能制造对装备管理的影响,主要体现在提升精准性和实时性、增强预测性和决策支持能力两个方面。探讨装备管理中的智能制造技术,包括物联网应用、人工智能与大数据分析、设备运行与维护阶段管理等。进一步提出基于智能制造的装备管理优化策略,如设备监控与预测维护、资源配置与决策优化等。最后,通过案例分析验证智能制造技术在装备管理中的应用效果,展示设备故障率降低、设备利用率和生产效率提高等成果。研究成果能够为智能制造技术在装备管理中的应用提供理论支持和实践参考,为未来进一步探索提供方向。