传统道岔人工检测人力投入大、效率偏低、测量误差离散，病害难以精准定位，数据管理碎片化。本文研发集成北斗组合定位、3D面阵扫描、边缘AI的道岔智能采集小车，搭配编码轮校核定位、陀螺仪感知与自研行走测量机构，搭建“采集 - 分析 - 输出”一体化检测体系。经石家庄工务段现场测试，设备测量精度≤ 0.1mm，遮挡环境定位误差≤ ±5cm；单组道岔检测由14min 缩短至5min，作业班组由6人缩减为3人，支持无网天窗作业，数据可直接接入铁路内网管理系统。本文介绍设备架构、核心技术、试验成效，分析现存缺陷并给出优化与推广方案，为工务智能检测装备研发提供工程参考。

在“双碳”目标下，发电核心设备在复杂工况下面临着严峻疲劳与复合故障风险，传统诊断模式难以捕捉微弱劣化征兆。本文立足电厂实际，梳理了人工智能诊断价值，聚焦热工参数挖掘、振动声学融合、小样本故障识别及可解释性溯源等关键技术。同时，剖析了模型泛化弱、多源数据融合难、物理可信度低等落地瓶颈，并提出了面向发电场景的优化路径与发展趋势，为智慧电厂建设及机组安全经济运行提供了理论支撑。

随着城市轨道交通向多制式、多层次线网化运营方向发展，传统分散式调度模式已无法满足复杂行车管理需求。本文以城市轨道交通调度能力为研究对象，首先，梳理了目前行车调度管理中的主要问题；其次，提出智能行车调度系统，并阐述其系统架构设计与核心功能；最后，分析该系统在实际运用效果，总结适用条件与使用经验，为后续线网调度管理能力提升提供可借鉴的理论参考与实践依据。

非标装备制造具有按单设计、单件小批、跨部门协同和长周期交付等特点，其信息化通常从技术文件、材料、计划、进度和质量数据集成起步，但信息可见并不等于事项持续推进。本文以某非标装备制造企业为例，在生产信息集成的基础上，提出以“承诺”为核心对象的管理方法，将责任人、交付内容、承诺时间和验收依据组成可追溯的工作约定，并以项目初始商务、技术和成本资料区分客户要求变化与内部执行偏差。人工智能用于信息识别、关联和经验提示，不代替审批、验收和责任承担。生产信息集成解决事实可见与过程追溯，承诺闭环解决责任推动与异常处置，人工智能则降低非结构化信息和经验的整理成本。

高职无人机实训面临设备昂贵、风险较高、损耗较大、空域管理严格等问题，致使学生上手飞行时间有限。由此提出一种“数字教材引领、虚实递进融合”的实训模式。此模式以数字教材作为核心，建立起“虚拟预习—仿真精练—实机验证—虚拟复盘”的闭环训练链，促使知识学习与技能迁移紧密结合。在某高职 2023 级无人机专业的对照实验里，实验组实机考核成绩为（87.14±4.89），明显高于对照组的（72.30±7.15），任务完成时间缩短到 28.36 分钟，设备异常率仅为 5.24%，这 3 项指标均达到显著水平（p<0.01）。

球磨机主电机在使用一定年限后，电机的主轴会出现轴向串动量增大，导致电机轴瓦边端摩擦产生高温，频繁发生烧瓦现象。球磨机作为选矿厂核心粉磨设备，其主电机长期处于重载、频繁启停工况。运行年限增加后，电机转子轴向磁通分布发生变化，导致主轴轴向串动量显著增大，进而引发轴瓦边端异常摩擦、温升急剧上升，频繁出现烧瓦故障，严重影响设备作业率。本文针对东波选矿厂 1# 球磨机主电机的实际问题，设计并应用了一套机械式固定限位器，利用电机轴与小齿轮轴之间的空间，构建双向轴向约束装置。该限位器采用平面轴承与调节螺杆组合结构，可实现轴向间隙的精确调整与可靠锁紧。

9FB 型燃气轮机在机组启动过程中频繁发生燃烧模式闭锁切换的异常工况，本文针对这个问题进行了研究、试验，确认了主因是机组启动阶段清吹空气温度低，对该闭锁保护功能进行优化，提升了机组燃烧的稳定性。

本文以江苏省现场工程师项目苏州工业职业技术学院机电一体化专业为例，深化现场工程师本土化实践研究，以优秀高职教育为目标，以智能制造产业为载体，以产教融合为手段，创新现场工程师招生与考核评价体系，创新生源选拔标准，实施双选招录对接，进行岗位适配评估，建立动态培养机制，构建多元激励体系选拔优秀现场工程师学徒。通过制定“以多破唯”评价体系、制定学徒淘汰和增补机制、制定职业能力与待遇挂钩机制创新考核评价方式。通过共建“一带一路”人才标准化培养体系、创新“中文 + 技术”双轨赋能培养模式、开发本土化国际标准教学资源及搭建赛教融合国际交流平台，加强国际交流与合作。

配电开关柜的电缆室、二次室（如蓄电池室）及低压电表箱等电气设备空间狭小，电气线路复杂，存在较大的火灾隐患。为应对这些问题，本文研究了基于全氟己酮的紧凑型灭火装置，旨在提供高效、环保、安全的电气火灾防护解决方案。通过对灭火剂的选择、装置结构的优化设计及自启动机制的探讨，本文提出了一种适用于电气设备狭小空间的自动化、智能化灭火系统，具备高效灭火、无残留、免维护等优点，显著提升了电气设备运行的安全性。

安全帽佩戴检测是工业安全生产尤其是电力等高危领域的核心防护手段，对保障电力作业人员生命安全、提升电力安全监管自动化水平具有重要意义。针对现有算法在电力复杂场景中，检测精度不足、实时性欠佳的缺陷，本文以 YOLOV8n 算法为基准，设计了可变形大可分离注意力机制用于特征提取，可以在有效地处理上下文的信息的同时保留局部描述符。其次，设计了一种基于数据的感受野的动态适应的自适应方法，将其加入到可变形大可分离注意力机制中，用于改善复杂背景下特征捕捉和理解的能力。实验结果表明，改进后的 DLSKA-YOLOv8n 算法在公开安全帽数据集（SHWD）上，检测精度相得到一定提升，能够有效适配电力复杂场景的检测需求。