XiaoMi-AI文件搜索系统
World File Search System动态模型
使用具有物理信息的LSTM进行自动驾驶汽车建模
准确地对重型车辆（例如卡车）的动态进行建模对于安全自动导航至关重要。动态模型需要在各种天气和道路状况以及不同的负载配置下捕获复杂的系统行为。此摘要概述了在自动驾驶汽车的运动计划和控制背景下，物理知识的长期记忆（PI-LSTM）网络的整合为动态模型。通过利用LSTM的预测能力来建模复杂的动力学，并通过在损失函数中添加物理约束而施加的普遍性，我们为生成针对运动计划和控制而定制的更有效和可靠的预测的框架。车辆建模的系统识别问题旨在解决以下普通微分方程：
动态建模
在上一个单元中，您已经了解了GIS中空间建模的概念。您已被引入模型，其元素和类型，表面建模以及空间插值的作用和方法。您研究了各种类型的模型，例如数据模型，空间或过程模型，静态和动态模型等。在上一个单元中研究的重点是静态模型，该模型具有单向工作流，通常是特定时间点。因此，当我们希望随时间变化或将时间合并为另一个组件时，它们就会有局限性。也合并时间的模型被称为时空或动态模型。这种类型的模型具有其一定优势，但是，输出的准确性取决于输入数据的准确性和所使用的方法。任何输入数据中的任何错误都可能导致模型输出不正确。因此，错误及其影响需要仔细理解。在本单元中，您将了解GIS在时空建模中的使用以及错误传播及其影响。
通过癌症活检筛查建立患者特异性信号通路逻辑模型，优先考虑个性化联合疗法
对介导患者特定治疗反应的信号通路进行机制建模有助于揭示耐药机制和改进治疗策略。然而，为患者建立这样的模型，特别是为实体恶性肿瘤患者建立这样的模型具有挑战性。建立这些模型的一个主要障碍是可用的材料有限，这阻碍了大规模扰动数据的生成。在这里，我们提出了一种方法，将使用微流体的癌症活检离体高通量筛选与基于逻辑的建模结合起来，以生成患者特定的外在和内在凋亡信号通路动态模型。我们使用得到的模型来研究胰腺癌患者的异质性，显示出尤其是在 PI 3 K-Akt 通路中的差异。模型参数的变化很好地反映了不同的肿瘤阶段。最后，我们使用我们的动态模型有效地预测了新的个性化组合治疗。我们的结果表明，微流体实验和数学模型的结合可以成为癌症精准医疗的新工具。
基于牛顿-欧拉法的六旋翼飞行器运动方程研究
摘要 本文旨在设计和研究无人驾驶飞行器 (UAV) 六旋翼飞行器在三维空间中的动态模型。基于牛顿-欧拉法确定了导出的运动方程。这些方程具有非线性和耦合性。此外，为了使六旋翼飞行器具有真实的运动，模型中还嵌入了气动效应和扰动。六旋翼飞行器是一种垂直起降 (VTOL) 飞行器，具有悬停能力和灵活性，因此与固定翼飞行器相比毫不逊色。尽管如此，它的动态模型很复杂，被描述为不稳定的，并且不能在不扭转其轴的情况下进行平移运动。除了控制和仿真设计模块外，还通过 LabVIEW 软件建立了结论性数学模型。因此，对多个实验状态的稳定性进行了分析，以便提前展示用于平衡和轨迹跟踪的适当控制器。关键词：——无人机，六旋翼飞行器动力学，非线性控制，耦合和欠驱动模型，牛顿-欧拉方法。
经济影响分析 - 农业营销服务
由于试图合并的变化的复杂性，未使用动态AMS区域计量经济学模型。为了使用动态模型，必须合并所有价格公式的更改，包括I类差异更改。在此规则制定之前，动态模型有11个I类定价点，以对没有解决I类差异变化的程序进行影响分析。但是，由于该建议的决定是提议更改I类差异的决定，因此该模型需要修订以在连续的48个州中的3,108个县中的每个县中的每个县中纳入当前和拟议的差异。这些额外的变化显着增强了已经复杂的计量经济学模型的复杂性。由于该模型试图反映未来通过顺序和产生影响汇集的牛奶变化的行为，因此必须独立运行每个变化，并且7 CFR 900.28中包含的法定时间约束使得无法完成。
使用学习动力学模型的有效基于偏好的增强学习
摘要 - 基于偏好的增强学习（PBRL）可以使机器人能够根据个人的喜好学习执行任务，而无需手工制作的重新功能。但是，现有方法要么假设访问高保真模拟器或分析模型，要么采用需要广泛的，可能是不安全在线环境互动的模型方法。在本文中，我们研究执行PBRL时使用学习动力学模型的好处和挑战。，我们提供的证据表明，在执行PBRL时，学到的动态模型提供了以下好处：（1）比无模型的PBRL相比，偏好启发和政策优化需要明显少于环境的互动，（2）可以在没有基于标准模型的RL和（3）奖励的范围内，无需逐步征服（2）各种偏好查询即可综合使用。 相互作用。我们的论文提供了经验证明，学到的动态模型使机器人能够以用户偏好的方式来学习自定义的策略，这些方式比先前的偏好学习方法更安全，更有效。补充材料和代码可在https://sites.google.com/berkeley.edu/mop-rl上找到。
商业建筑能源优化模型
在本研究中，我们开发了一种新颖的非线性模型预测控制 (NMPC) 框架，用于控制具有可再生能源系统的建筑物的气候，以最大限度地降低电力成本。首先基于质量和能量平衡方程构建建筑物气候和可再生能源系统的非线性动态模型，包括温度、湿度、热舒适度、地热热泵和太阳能电池板。然后将非线性动态模型集成到所提出的 NMPC 框架中，该框架迭代解决非线性规划问题以生成最佳控制输入，从而最大限度地减少能源消耗和碳足迹，实现可持续发展。对位于康奈尔大学校园内的建筑物进行模拟案例研究，以展示可再生能源使用所提出的 NMPC 框架降低建筑物能耗的能力。结果表明，NMPC 框架可以有效地将总电力成本和热舒适度约束违规降至 12.9%，而不同季节的预测平均值指数违规不超过 0.2。实施电力存储组件可以将电力成本降低 19%。结果表明，使用可持续能源和 NMPC 框架的智能建筑具有更好的可持续性。
国家风能劳动力评估
了解满足美国风能部署目标所需的劳动力需求对于成功过渡到清洁能源未来至关重要。认识到关键杠杆（即影响劳动力供需的行动，例如自动化、接受率、对风能行业工作的看法）如何影响行为和估计，可以深入了解公平和可持续地发展风能劳动力的行动。进一步发展国内风能供应链的需求增加以及始终存在的风能劳动力缺口，表明制定或扩大计划和政策以帮助培养合格的风能行业劳动力的紧迫性。风能劳动力缺口被定义为雇主难以找到合格的候选人、潜在的风能工作者报告难以找到工作以及教育机构难以将学生安置到行业之间的脱节。为了进行这项评估，我们创建了一个系统动态模型（以 2022 年完成的一项调查工作和其他轶事研究为基础），以更好地了解可用于帮助缩小劳动力缺口的潜在情景和行动。该调查由美国国家可再生能源实验室 (NREL) 与 BW 研究合作伙伴合作开展，旨在了解风能行业公司、风能教育者、现任风能行业员工 1 和现任可再生能源学生对进入风能行业劳动力途径的看法。通过调查工作收集的信息用于帮助制定劳动力估算方案，深入了解劳动力缺口存在的原因，并评估机会领域以降低进入风能行业的门槛。有关调查工作和系统动态模型方法的更多信息，请参阅补充国家风能劳动力评估方法报告：调查和系统动态模型 (McDowell and Stefek 2023)。通过这项分析，我们确定，要缩小劳动力差距，需要行业和教育机构之间的协作行动，最终让更多的求职者与风能职业联系起来。
空中自动化建模与仿真
本文介绍了 DLR 目前为支持空中加油自动化研究活动而开展的建模和仿真活动。在空中加油机动过程中，加油机和受油机需要飞得很近，这会导致它们之间产生非常显著的气动相互作用。两架飞机也会影响探头和锥套的运动，这也需要进行建模。本文概述了开发的模型和仿真基础设施、它们的主要功能以及生成支持此建模的数据所需的工作。与许多其他具有类似建模需求的工作不同，RANS CFD 计算比更简单的技术更适合用于对加油机、接收器、软管和锥套之间的气动相互作用进行建模。实时动态模型基于两个完整的飞机动态模型。一整套模拟程序（包括现代客机飞行控制系统的所有复杂性）用于每架飞机。耦合的模拟程序部署在 DLR AVES 模拟器中。为此，需要对 AVES 核心程序及其配置进行许多修改，以将其扩展为能够模拟两架飞机的编队：文中从功能的角度提到了其中一些修改，但没有过多地深入 AVES 特定的实施细节。