本文在分析智能制造對PID整定的新需求及PID整定面臨的挑戰難題的基礎上,將自動化的建模、控制與優化和人工智能的深度學習與強化學習深度融合與協同，提出了自適應與自主的PID整定的智能優化方法，包括端邊云協同的PID控制過程數字孿生模型和強化學習與數字孿生模型相結合的PID整定算法。
隨著網絡終端的不斷普及與互聯網應用的快速發展，當今網絡不僅要應對日益增長的傳輸流量，也要滿足用戶多樣化的需求指標。云計算在諸如服務延遲與傳輸開銷等方面難以適應趨勢，邊緣計算（Edge Computing）則將運算資源從云下移到了網絡邊緣，并通過就近處理數據的方式提升性能。作為人工智能的主要代表之一，深度學習一方面可以被集成到邊緣計算的框架中以構建智能邊緣，另一方面也能以服務的形式部署在邊緣上從而實現邊緣智能。本文從邊緣計算與深度學習融合的趨勢出發，介紹 “邊緣智能”與“智能邊緣”的概念與應用場景，并說明典型的使能技術及其相互聯系。
近年來，很多人將共享單車作為短途代步工具，這些單車會階段性地聚集在人流密集的交通樞紐，共享單車立體車庫可將這些車輛收容，減少擁堵，但現階段的共享單車立體車庫車輛出入庫速度較慢，調度不當的話會造成用戶等待時間過長。現有的調度算法主要是為小型車立體車庫設計，不適合共享單車立體車庫。
作為直接推動機器學習蓬勃發展的關鍵核心技術， 深度學習已經迅速成為學術界與工業界關注的焦點。然而，由于深度學習模型的高精度需求往往會引發對計算資源的大量消耗，因此將一個深度學習模型部署到資源受限的移動設備面臨著的巨大的挑戰。
到第 頁
友情鏈接
電話：010-62669087 控制網版權所有未經許可不得轉載
地址：北京市海淀區上地十街輝煌國際5號樓1416室(100085)
版權所有 控制網 京ICP備14036844-2號 北京市公安局海淀分局備案號：11010802023656號
名家名篇
北京市公安局海淀分局備案號：11010802023656號
今日頭條
官方微信
官方抖音
.jpg)
