- 综合排序
- 最热优先
- 最新优先
- 来自专栏月色的自留地
从锅炉工到AI专家(7)
说说计划 不知不觉写到了第七篇，理一下思路： 学会基本的概念，了解什么是什么不是，当前的位置在哪，要去哪。这是第一篇希望做到的。同时第一篇和第二篇的开始部分，非常谨慎的考虑了非IT专业的读者。希望借此沟通技术人员和产品人员，甚至管理和销售人员。我信服“上下同欲者胜”，所以也非常害怕因为大家对概念完全不同的理解而影响到团队的合作。 从最简单的部分入手，由概念到代码，完成技术破冰。这是第二、三篇希望做到的。 逐步迭代，从简单概念到复杂概念，从简单算法到复杂算法，接触到机器学习现实最常用的技术。这是四、五、六篇希
73260发布于 2018-06-20 - 来自专栏HT
智慧锅炉
系统分析 智慧锅炉 锅炉是我国主要的热能装备，据统计，燃煤工业锅炉污染物排放量较大，仅次于燃煤发电，是城镇大气污染的主要排放源。 图扑软件构造轻量化的 3D 可视化智慧锅炉监控场景，数字孪生锅炉运作流程，清晰直观地呈现设备的部件组成及动态运作全过程。在守护锅炉安全的同时也助力碳中和、碳减排目标的实现。 ，辅助用户通过平台计算锅炉热效率。 结合图扑丰富的 2D/3D 组态界面，仿真还原了锅炉运行的整体效果与锅炉热效率曲线数据展现，推动使用单位提高锅炉运行能效。 可增添报警通知模块，实时监控锅炉隐患处置、日常维护保养、环保排放等信息，在线分析研判锅炉运行安全状态，督促用户适时提升锅炉安全节能环保运行水平。
1.6K20编辑于 2022-09-27 锅炉温度dmc控制用simulink实现
在Simulink中实现锅炉温度的动态矩阵控制 (DMC) 是一个涉及建模、控制器设计和仿真的过程。 DMC是模型预测控制 (MPC) 的一种形式，特别适用于具有显著纯滞后或非最小相位特性的过程（锅炉温度控制常符合这些特点）。 仅将优化解的第一个控制增量应用到锅炉。滚动优化： 在下一个采样时刻，重复步骤3，基于新的测量值重新优化。 Simulink 实现结构：锅炉模型 (Plant Model):目的： 在仿真中代表真实的锅炉温度响应。 - F_corrected;H = A' * Q * A + R; % Hessian 矩阵 (Nu x Nu)f = -A' * Q * E; % 线性项向量 (Nu x 1) 注意负号% 7.
39200编辑于 2025-06-23- 来自专栏月色的自留地
从锅炉工到AI专家(1)
序言 标题来自一个很著名的梗，起因是知乎上一个问题：《锅炉设计转行 AI，可行吗？》，后来就延展出了很多类似的问句，什么“快递转行AI可行吗？”、“xxx转行AI在线等挺急的”诸如此类。 a=-25;b=-19;c=-7;d=17;e=65。 ? 其实Octave对于解方程还提供了一个简写的方式：在Octave命令行直接键入 A \ B，也可以得到答案。
1K60发布于 2018-06-20 - 来自专栏月色的自留地
从锅炉工到AI专家(9)
比如上面就是embedding第1、2、3、0、3、2、1行的结果，重新组合成一个7行的矩阵返回给input_embedding。 Epoch 6 Step 905787: lr = 0.018 words/sec = 26590 Eval 4320/17827 accuracy = 24.2% Epoch 7
79060发布于 2018-06-20 - 来自专栏月色的自留地
从锅炉工到AI专家(2)
大数据 上一节说到，大多的AI问题，会有很多个变量，这里深入的解释一下这个问题。 比如说某个网站要做用户行为分析，从而指导网站建设的改进。通常而言如果没有行为分析，并不需要采集用户太多的数据。 比如用户注册，最少只需要用户名、用户密码就够了。随后比如为了当用户过生日的时候，自动给用户发送一封贺卡（潜台词，我们可能需要给用户推送广告），我们再增加两项生日日期和邮箱地址。再下来国家规定网站注册必须实名制，我们可能又增加了用户姓名和身份证号码，可能还需要增加用户手机号码，用于同移动通信部门打通，验证用户实名制
58640发布于 2018-06-20 - 来自专栏javascript趣味编程
9.1 汽包锅炉水位自动控制
汽包锅炉液位控制原理 本实验拟使用PID算法实现液位控制，如下图所示： ? <body style="height: 100%;margin: 0"> 7.
8. this.flux = flux; 4. } 5. } 6. 7. class TubeOut{ 8. constructor(orificeArea) { 9. return out*KP; 34. } 35. } 然后是我们的水池类Pool（假设它是锅炉汽包），其中进水量根据进水管的阀门开度而定，出水量根据伯努利方程由液位而定： 1. class this.flux = flux; 4. } 5. } 6. 7. class TubeOut{ 8. constructor(orificeArea) { 9.87700发布于 2018-08-08 - 来自专栏月色的自留地
从锅炉工到AI专家(5)
图像识别基本原理 从上一篇开始，我们终于进入到了TensorFlow机器学习的世界。采用第一个分类算法进行手写数字识别得到了一个91%左右的识别率结果，进展可喜，但成绩尚不能令人满意。 结果不满意的原因，当然还是算法太简单了。尽管我们都已经接受了“所有问题都可以用数学公式来描述”这个观点，但直接把一幅图片展开的784个数字作为方程式参数进行一个线性运算+非线性分类器就叫做“人工智能”怎么都感觉那么不靠谱...至于能得到91%不高的识别率，从这个意义上说，似乎都令人有点不太相信。这个不相信不是指91%太低了
81340发布于 2018-06-20 - 来自专栏月色的自留地
从锅炉工到AI专家(3)
] [ -7.] [ 17.] [ 65.]] 计算结果同Octave是完全相同的。 其实在IT行业本来解决一个问题就会有很多方法，只看用户喜欢哪种方法和习惯哪种方法。 ------------------------------------------------- #一个简单的整数常量计算示例 a = tf.constant(4) b = tf.constant(7) with tf.Session() as sess: print "a=4 / b=7" print "a + b = %i" % sess.run(a+b) print "a * b = %i" % sess.run(a*b) #屏幕输出： # a=4 / b=7 # a + b = 11 # a * b = 28 #-------------------------
79790发布于 2018-06-20 - 来自专栏月色的自留地
从锅炉工到AI专家(10)
from: # http://blog.topspeedsnail.com/archives/10542 # poetry.txt from: # https://pan.baidu.com/s/1o7QlUhO n]}) n += 1 print(epoch, batche, train_loss) if epoch % 7 FLAGS.generate: print(gen_poetry()) else: print(gen_poetry_with_head(FLAGS.head,7) 引文及参考 TensorFlow练习3: RNN, Recurrent Neural Networks TensorFlow练习7: 基于RNN生成古诗词 如何用TensorFlow构建RNN？
1.1K50发布于 2018-06-20 - 来自专栏月色的自留地
从锅炉工到AI专家(6)
#再次卷积，输出同输入一样是14x14,深度变成了64 h_conv2 = tf.nn.relu(conv2d(h_pool1, W_conv2) + b_conv2) #再次2x2池化，14/2=7, 最后结果是7x7x64的图 h_pool2 = max_pool_2x2(h_conv2) #密集连接层，也就是通常的神经网络层： #现在，图片尺寸减小到7x7，接入到1024个神经元的全连接层 #因为传统神经网络层工作在一维模式 ， #所以我们把池化层输出的张量reshape成一维向量 #算法跟上例中完全相同 W_fc1 = weight_variable([7 * 7 * 64, 1024]) b_fc1 = bias_variable ([1024]) h_pool2_flat = tf.reshape(h_pool2, [-1, 7*7*64]) h_fc1 = tf.nn.relu(tf.matmul(h_pool2_flat,
66080发布于 2018-06-20 - 来自专栏月色的自留地
从锅炉工到AI专家(4)
手写数字识别问题 图像识别是深度学习众多主流应用之一，手写数字识别则是图像识别范畴简化版的入门学习经典案例。在TensorFlow的官方文档中，把手写数字识别“MNIST”案例称为机器学习项目的“Hello World”。从这个案例开始，我们的连载才开始有了一些“人工智能”的感觉。 问题的描述是这样： 有一批手写数字的图片，对应数字0-9。通过机器学习的算法，将这些图片对应到文本字符0-9。用通俗的话来说，就是计算机认出了图片上面手写的数字。 从问题描述可见这个机器学习项目的“Hello World”
80070发布于 2018-06-20 - 来自专栏月色的自留地
从锅炉工到AI专家(8)
', 'conv5_3', 'relu5_3', 'conv5_4', 'relu5_4', 'pool5', 'fc6', 'relu6', 'fc7' , 'relu7', 'fc8', 'softmax' ) weights = data['layers'][0] net = {} current =
774130发布于 2018-06-20 - 来自专栏工业4.0
工业锅炉设备远程监控运维
我国是全球工业锅炉生产应用数量最大、应用范围最广泛的国家，规模以上锅炉生产企业有千余家。 解决方案 物通博联通过先进的工业物联网和大数据技术，实现工业锅炉设备上云，构建分布式工业锅炉远程运维系统和大数据应用云服务。 方案价值 01实现了对锅炉设备的集中监控 对原本分散各地的锅炉设备现场参数以及额定蒸发量、压力、给水温度、炉膛温度、锅炉水位、炉排转速、炉排面积、燃煤量、容水量等等运行数据进行远程采集，实时掌握设备运行状态 03实现对锅炉设备的预测性维护 采集实时的锅炉工况、历史维修记录、锅炉维护的先验知识等数据，结合物理退化模型和经验退化模型，构建锅炉寿命预测和维修决策的预测性维护模型，及时检测到设备异常并预测设备剩余使用寿命 04实现锅炉设备数据智能化应用 对锅炉运行情况、性能、能耗等核心数据进行分析，自动生成报表，通过大屏展示，组态监控等功能，动态显示锅炉运行实时状态、设备分布情况以及各项统计分析报表，为设备管理提供各种参数依据
74920编辑于 2023-03-27 - 来自专栏物联网解决方案
锅炉DCS控制系统解决方案
锅炉DCS控制系统解决方案主要包括系统架构、硬件组成、软件功能和系统优势等方面。系统架构锅炉DCS控制系统的架构分为三层：操作层、控制层和信息层。 通过HMI界面，操作人员可以实时监控锅炉的工作状态，并进行操作控制控制层：系统的核心，用于实现对锅炉各个部分的控制和调节。主要包括可编程逻辑控制器（PLC）、DCS服务器和控制器等硬件设备。 PLC负责对锅炉的各个组件进行自动化控制，DCS服务器是系统的核心控制中心，负责数据采集、处理和存储，控制器负责控制和调节锅炉的运行参数信息层：系统整体的管理和监控层，主要包括数据库、网络通信和报警系统等 锅炉控制系统采用CI854与CI801模块构成PROFIBUS扩展网络，汽机部分采用TB801构成MODBUS扩展网络，充分利用了AC800M资源，锅炉与汽机各装有两台操作站，保证实时可靠监控。 监控软件：软件提供报警功能，当锅炉的关注参数超标报警时（锅炉房基本报警分为：锅炉熄火报警；锅炉超压报警；锅炉超温报警；排烟温度过高报警；系统压力过低报警，水箱水位过低、过高报警），现场操作员站和锅炉物联网系统能够同步产生报警信息
66710编辑于 2025-05-14 - 来自专栏物联网智慧生活
工业智能网关工业锅炉远程监控
5G工业智能网关锅炉远程监控，实现工业锅炉管理集中化，故障服务响应自动化，维护售后人员调度智能化，信息化管理精准高效，节省人物力资源成本。 工业网关工业锅炉远程监控 计讯物联工业网关下锅炉远程监控系统主要由锅炉设备、PLC控制器、各类传感器、工业只能网关、云平台等组成。 图片1.png 工业智能网关下工业锅炉远程监控功能 1、锅炉状态远程监控 监控中心、手机端、pc端工业锅炉运行状态、温度、压力、运行参数、环保参数等远程实时监控。 2、环境视频监控 在锅炉设备现场设置视频监控摄像头，实现监控中心对所有联网锅炉现场的实时视频监控。 3、报警 异常状态、故障状态、异常数据信息报警，反馈及时。 5、实现设备固件远程升级，程序上下载，可灵活接入各种设备管理平台; 6、实现工业现场触摸屏远程控制和组态画面远程映射; 7、可同时与多台PLC或触摸屏远程通讯，实现西门子、三菱、欧姆龙、施耐德、台达、
1.5K30发布于 2021-10-21 - 来自专栏月色的自留地
从锅炉工到AI专家(11)(END)
语音识别 TensorFlow 1.x中提供了一个语音识别的例子speech_commands，用于识别常用的命令词汇，实现对设备的语音控制。speech_commands是一个很成熟的语音识别原型，有很高的正确率，除了提供python的完整源码，还提供了c/c++的示例程序，方便你移植到嵌入设备及移动设备中去。 官方提供了关于这个示例的语音识别教程。不过实际就是一个使用说明，没有对代码和原理做过多解释。 这个程序相对前面的例子复杂了很多，整体结构、代码、算法都可以当做范本，我觉得我已经没有资格象前面的
80470发布于 2018-06-20 - 来自专栏月色的自留地
TensorFlow从1到2（一）续讲从锅炉工到AI专家
《从锅炉工到AI专家》一文中，已经对机器学习的基本概念做了很详细的介绍。所以在这里我们就省掉闲言絮语，直接从TensorFlow2.0讲起。 也是在机器学习中非常常用的，建议一起安装： $ pip3 install numpy matplotlib pillow pandas seaborn sklearn 第一个例子：房价预测 本示例中的源码来自于《从锅炉工到
1.1K00发布于 2019-04-18 - 来自专栏月色的自留地
TensorFlow从1到2（二）续讲从锅炉工到AI专家
原文第四篇中，我们介绍了官方的入门案例MNIST，功能是识别手写的数字0-9。这是一个非常基础的TensorFlow应用，地位相当于通常语言学习的"Hello World!"。 我们先不进入TensorFlow 2.0中的MNIST代码讲解，因为TensorFlow 2.0在Keras的帮助下抽象度比较高，代码非常简单。但这也使得大量的工作被隐藏掉，反而让人难以真正理解来龙去脉。特别是其中所使用的样本数据也已经不同，而这对于学习者，是非常重要的部分。模型可以看论文、在网上找成熟的成果，数据的收集和处理，可不会有人帮忙。 在原文中，我们首先介绍了MNIST的数据结构，并且用一个小程序，把样本中的数组数据转换为JPG图片，来帮助读者理解原始数据的组织方式。 这里我们把小程序也升级一下，直接把图片显示在屏幕上，不再另外保存JPG文件。这样图片看起来更快更直观。 在TensorFlow 1.x中，是使用程序input_data.py来下载和管理MNIST的样本数据集。当前官方仓库的master分支中已经取消了这个代码，为了不去翻仓库，你可以在这里下载，放置到你的工作目录。 在TensorFlow 2.0中，会有keras.datasets类来管理大部分的演示和模型中需要使用的数据集，这个我们后面再讲。 MNIST的样本数据来自Yann LeCun的项目网站。如果网速比较慢的话，可以先用下载工具下载，然后放置到自己设置的数据目录，比如工作目录下的data文件夹，input_data检测到已有数据的话，不会重复下载。 下面是我们升级后显示训练样本集的源码，代码的讲解保留在注释中。如果阅读有疑问的，建议先去原文中看一下样本集数据结构的图示部分：
73100发布于 2019-04-18 - 来自专栏剑指工控
老曹带你做大神之走进奇妙的工控世界（一）
00HDA02AP001 锅炉集水池2号泵 3 00HDA00AM008 锅炉集水池1号泵出口电动门 4 00HDA00AM010 锅炉集水池2号泵出口电动门 5 00HDA00AM021 锅炉集水池 1号泵入口电动门 6 00HDA00AM020 锅炉集水池2号泵入口电动门 7 00HDA00AA151 锅炉集水池出口总电动门 8 J0GNF60AA011 精处理再生排水树脂捕捉器入口电动门 9 J0GNF60AA012 ：其他水泵类似 00HDA01AP001XP01 锅炉集水池1号泵运行 DI 00HDA01AP001XP02 锅炉集水池1号泵停止 DI 00HDA01AP001XP03 锅炉集水池1号泵远方 DI 锅炉集水池1号泵频率反馈 AI 00HDA01AP001YA01 锅炉集水池1号泵频率给定 AO 锅炉集水池1号泵出口电动门IO清单如下，其他阀门类似 00HDA00AM008XP01 锅炉集水池1 号泵出口电动门开反馈 00HDA00AM008XP02 锅炉集水池1号泵出口电动门关反馈 00HDA00AM008XP03 锅炉集水池1号泵出口电动门远方 00HDA00AM008XP04 锅炉集水池1
88711发布于 2021-11-09
腾讯云开发者
Copyright © 2013 - 2026 Tencent Cloud. All Rights Reserved. 腾讯云 版权所有
深圳市腾讯计算机系统有限公司 ICP备案/许可证号：粤B2-20090059 
粤公网安备44030502008569号
腾讯云计算（北京）有限责任公司 京ICP证150476号 | 京ICP备11018762号