本文介绍了一种使用 Minkowski-Sierpinski 分形技术和基片集成波导 (SIW) 在 60 GHz 谐振的新型贴片天线设计。该天线拟用于无线体域网应用 (WBAN)。所提出的天线采用 Rogers 5880 基片实现,其介电常数 (ε r ) 为 2.2,损耗角正切为 0.0004,基片高度为 0.381 mm。计算机仿真技术 - 微波工作室 (CST-MW) 用于仿真所提出的天线。仿真结果显示,在 (58.3-61.7) GHz 范围内具有 3.5 GHz 的宽带宽,回波损耗大于 -10 dB。模拟增益为 7.9 dB,线性天线效率为 91%。所提出的天线用于改善 WBAN 应用的毫米波 (mm-Wave) 频段的辐射方向图、带宽和增益的质量。
预测武器系统的性能很难用数学方程来估计,因为要考虑的变量很多。建模和仿真技术已经提出了可以评估武器系统开发和部署的最佳解决方案。模拟目的是设计模拟系统的决定性因素,但为每个目的开发一个模拟器成本高、不迅速、不灵活。分布式仿真系统通过将现有的模拟器与系统连接起来,允许以经济的输入资源进行大规模模拟,并且可以灵活、快速地重新设计系统以用于其他目的。本研究使用最初为军事模拟设计的 Delta3D 模拟游戏引擎在分布式系统中实现水下战争模拟,由于水下作战受环境情况影响最大,因此模拟系统交换环境数据。本研究采用 SEDRIS 处理环境数据,采用 HLA/RTI 处理分布式系统。
预测武器系统的性能很难用数学方程来估计,因为需要考虑的变量很多。建模和仿真技术已经提出了可以评估武器系统开发和部署的最佳解决方案。模拟目的是设计模拟系统的决定性因素,但为每一个目的开发一个模拟器成本高、速度慢、灵活性差。分布式模拟系统通过将现有模拟器与系统连接起来,允许以经济的投入资源进行大规模模拟,并且可以灵活、快速地重新设计系统用于其他目的。本研究使用 Delta3D 模拟游戏引擎(最初为军事模拟而设计)在分布式系统中实现水下战争模拟,由于水下作战受环境情况影响最大,因此模拟系统交换环境数据。本研究采用 SEDRIS 处理环境数据,采用 HLA/RTI 处理分布式系统。
Caio Osorio获得了硕士学位和博士学位,也加入了西班牙奥维耶大学的访问研究员,以及柏林的Fraunhofer IZM,在实践实习中。在2021年,Caio加入了台风HIL,担任应用程序工程师,从事针对全球工业和学术合作伙伴的高保真模型测试解决方案的开发。目前,作为学术界计划的全球经理,他致力于通过研究,教学和培训计划来推进环境可持续的电力技术,利用硬件 - 室内技术和实时模拟。CAIO曾在众多研究项目中进行合作,并在包括实时仿真技术,适用于电力转换器的强大控制,可再生能源的集成以及电气机控制的领域合着了50多篇论文和三本书章节。
本文研究并设计了一种矩形微带贴片天线,该天线带有一个矩形缝隙,工作频率为 28 GHz,适用于第五代 (5G) 无线应用,采用微带线技术馈电。这个缝隙的目的是提高天线的性能。该天线建立在 Roger RT duroid 5880 型基板上,其相对介电常数等于 2.2,高度为 h = 0.5 毫米,损耗角正切为 0.0009。该天线的紧凑尺寸为 4.2 毫米 × 3.3 毫米 × 0.5 毫米。该天线的仿真是使用高频结构模拟器 (HFSS) 和计算机仿真技术 (CST) 软件进行的,其主要目的是确认该天线获得的结果。这些模拟的结果如下:谐振频率为 27.97 GHz,反射系数 (𝑆 11 ) 为 -20.95 dB,带宽为 1.06 GHz,增益为 7.5 dB,辐射功率为 29.9 dBm,效率为 99.83%。该天线获得的结果优于当前科学期刊上发表的现有天线获得的结果。因此,该天线很可能满足 5G 无线通信应用的需求。
2010年中国物联网应用推进联盟指出机器人是100项前沿技术之一。2015年,机器人领域前列的top10技术,包括物联网嵌入式技术、仿真技术、大数据技术、机器人云计算、机器人自主技术等等。机器人采用的传感器技术是物联网的关键技术。为了让生活更加美好便捷,研究物联网技术与应用,重点研究基于物联网的智能飞行球形监控软件机器人技术。本文可以使用mat lab仿真机器人并编程算法,使用先进的编程语言开发智能飞行机器人。智能飞行监控软件机器人技术的研究成果可以应用于学术界和工业界以及医疗运输领域。本文研究物联网下的智能飞行监控软件机器人。
摘要 — 使用仿真软件包高频结构模拟器 (HFSS) 和计算机仿真技术-粒子工作室 (CST-PS) 研究了磁绝缘线振荡器 (MILO)。HFSS 用于查找慢波结构的色散特性并预测谐振模式频率。CST-PS 用于分析包含空间电荷的器件的运行。在施加 500 kV 电压时,CST-PS 预测在 1.2 GHz 下产生 1.25 千兆瓦 (GW) 的微波,同时吸收 57 kA。这些模拟与之前发布的类似 MILO 的实验结果一致。CST-PS 模型用于预测 MILO 操作与注入电压的关系,并进行了一项单独的研究来评估独立的外部施加轴向磁场的影响。这些模拟工作是为了支持密歇根大学即将进行的实验,本文研究的 MILO 将在新的线性变压器驱动器设备上进行测试。
2023 年,我们提出了这样的想法:对于某些子系统,使用 AI/ML 技术可以大大加速逆向工程任务的建模部分。与传统的建模和仿真技术相比,AI/ML 方法具有一个关键优势:传统的 M&S 开发人员需要成为子系统主题领域的专家,并且通常主要从定制开发的代码中生成模型,而 AI/ML 建模者则主要将子系统视为一个黑匣子,它只接收输入数据并产生输出数据,这个过程可以使用大多数现有的现成 AI/ML 工具箱进行建模。在最纯粹的形式中,AI/ML 模型只有一个目的:非常忠实地从输入中重现输出,而无需“了解”子系统内部的工作方式或数据代表什么。当然,子系统专家可以深入了解哪些行为最重要,哪些输入最能代表关键
摘要 工业 4.0 开启了数字化制造的新时代,在此背景下,数字孪生被视为下一波仿真技术。信息物理系统 (CPS) 的开发和调试正在利用这些技术来提高产品质量,同时降低成本和缩短上市时间。然而,现有的虚拟设计原型和调试实践需要特定领域工程领域的合作。这需要付出相当大的努力,因为开发大多是在不同的部门使用特定于供应商的仿真工具进行的。目前还没有商业上可用的集成仿真环境,其中所有工程学科都可以协同工作。这在将虚拟模型与物理模型互连时带来了巨大挑战。因此,本文通过为设计原型和调试实践实施一个整体的、与供应商无关的数字孪生解决方案来应对这些挑战。该解决方案在一个工业用例中进行了测试,其中数字孪生有效地为具有成本效益的太阳能装配线制作了原型。