四大核心最佳化工業產業流程
工業裝備結構特徵學習是利用基於符號迴歸的系統結構特徵學習和基於複雜系統臨界相變理論的早期預警特徵學習,能夠適用於工業裝備機理知識發現和狀態檢測;基於對抗網路的小樣本學習是基於TSGAN時間序列生成式對抗網路的特徵學習和分類,能夠適用於小樣本資料模式發現;基於深度神經網路影象識別和物體檢測適用於各種工業產品檢測、過程監測和人員狀態識別;工業領域知識數字化重建適用於各種工業領域的知識庫建設和自動推理。
這四大核心技術衍生的“產品”之一就是於2018年被應用在肯亞獨立以來的首條新鐵路肯亞蒙內鐵路上的海外機車遠端監控系統。藉助智慧儀表和遠端資料中心,可以實現實時追蹤機車執行位置、機車執行實時故障報警和故障遠端診斷等功能,系統在蒙內鐵路專案中主要用於監控中車集團出口肯亞的48臺機車,可以實現從元件級到整個機車的管理、操作和維護最佳化。目前系統已平穩執行一年。
而另一個“產品”軌道裝備預測式健康管理方案(PHM)。利用中國鐵路特有的、全球最豐富的運營樣本、資料和經驗,藉助PHM大資料平臺中的PHM分析引擎,完成軌道裝備的設計改進、最佳化運營和最佳化維修,再透過人工智慧的裝備狀態評估,完成對重大事故的線上預警、部件剩餘壽命估計和自動化故障診斷和維修。“研究院”希望藉助軌道裝備預測式健康管理方案(PHM)能夠大幅度提高運維效率、降低維修成本,支撐鐵路可持續發展。
中國“一帶一路”建設在2013年被提出,“六路”中的鐵路為地區間的互通互聯和貿易往來提供了基礎。預計到2020年,鐵路後市場年均市場規模將達到2000億元。其中,運維檢測市場年均將達500億元。巨大的市場催生了的工業大資料平臺、裝置維護等技術的快速發展。MATRIX“研究院”希望能夠針對現有的運營體系進行最佳化,與當地政府及其他工程方、研究機構聯合申請研究型課題,作為軌道交通方面人工智慧產業叢集平臺主要依託單位搭建產學研一體化平臺。