XiaoMi-AI文件搜索系统
World File Search System实时测试
电池管理系统硬件在环...
硬件在环 (HIL) 仿真是一种强大的技术，用于开发和测试复杂的实时嵌入式系统，例如电池管理系统 (BMS)。HIL 仿真涉及将控制器（在本例中为 BMS）连接到它将控制的系统的实时仿真。这使 BMS 能够与模拟真实世界条件的虚拟环境进行交互。HIL 如何为 BMS 工作？• 电池动态仿真：BMS 与模拟电池模型交互，该模型复制实际电池单元的行为，包括充电/放电循环、温度变化和其他关键参数。• 实时测试：BMS 算法经过实时测试，使工程师能够评估系统如何响应各种场景，例如过度充电、深度放电和故障情况。• 及早发现问题：通过在开发过程的早期进行测试，可以在潜在问题变得代价高昂或危险之前发现并解决它们。
基于光纤萨格纳克干涉仪的可调量子随机数发生器
摘要 量子随机数生成器 (QRNG) 基于对单个量子系统执行的自然随机测量结果。在这里，我们展示了使用具有可调分光比的 Sagnac 干涉仪实现的分支路径光子 QRNG。分光比的微调使我们能够最大化生成的随机数序列的熵，并有效地补偿组件中的公差。通过从衰减的电信激光脉冲产生单光子，并使用市售组件，我们能够直接从原始测量数据生成超过 2 GB 的随机数序列，平均熵为 7.99 位/字节。此外，我们的序列通过了 NIST 和 Dieharder 统计测试套件的随机性测试，从而证明了其随机性。我们的方案展示了一种基于动态调整生成的随机序列均匀性的 QRNG 替代设计，这对于依赖于独立实时测试其性能的现代生成器的构建至关重要。
使用机器学习对太阳能PV输出的数据驱动预测：一种长期预测的综合方法
本文研究了细节，并选择了用于预测太阳能光伏（PV）植物的长期产量的机器学习算法。因此，使用10分钟的数据实时测试了几种算法。为了生成结果，用正面和负的实际功率和时间参数喂食，训练和验证了模型。在测试阶段，模型是训练和拟合的。具有最准确的预测目标变量的能力与当前值（预期的输出值）进行比较，以验证预测。基于统计评估，还评估了该算法的性能。输出导致了有关光伏植物生产的假设。基于这些假设的信息，做出了必要的决定。随机森林回归在植物中太阳产量的长期预测中比其他模型具有更高的准确性。此类发现对太阳能能源部门的太阳能工程师和网格运营商很有用。太阳能领域的太阳能工程师和网格运营商将从这些发现中受益。
精算师应该了解人工智能什么。......
保险精算师伊莎贝尔：她从事产品开发工作，正在为自动驾驶汽车设计一款新型按里程付费产品。通过获取车辆、驾驶和索赔数据，她可以分析所选路线、自动驾驶和天气条件对索赔的影响。伊莎贝尔与汽车制造商共同设计了这款产品，通过导航系统自动选择最佳路线，相关保费节省直接显示在驾驶员屏幕上。她还在人寿和健康产品中嵌入了反馈回路，这样拥有多份保险的客户就可以直接通过折扣（例如意外险）从降低索赔预期中受益。此外，伊莎贝尔可以实时测试这款新产品对预测的内部和外部关键绩效指标 (KPI) 的影响。
xTech特种部队竞赛公告 - 陆军 xTech
美国陆军邀请美国小型企业参加 xTechSpecial Forces 竞赛，这是一项面向全美符合条件的小型企业的竞赛，旨在与国防部 (DoD) 合作，赢取奖金，参与商业加速器计划并提交第一阶段或直接进入第二阶段 (D2PhII) 的陆军小型企业创新研究 (SBIR) 提案。陆军负责采购、后勤和技术的助理部长 (ASA(ALT)) 正在与美国陆军第一特种部队司令部（空降）合作举办 xTechSpecial Forces 竞赛。陆军认识到国防部必须通过以下方式加强与小型企业的合作：(1) 了解可能使国防部受益的正在商业开发的世界一流技术范围；(2) 将非传统创新者部门整合到国防部科学技术 (S&T) 生态系统中；(3) 提供专业知识和反馈，以加速、成熟和转变国防部感兴趣的技术； （4）为小企业提供参与实验活动的机会，让最终用户实时测试他们的解决方案。xTechSpecial Forces 竞赛将包括四轮：
基于ROV的自动驾驶操作，用于船体检查，并进行覆盖范围监控
抽象的船体检查是确保船舶可持续性的重要任务。要以有效的方式克服水下环境中船体结构检查的挑战，必须开发一个自治系统。在本文中，提出了一种新的水下船体检查方法。它旨在为端到端自动解决方案开发基础。实时方面是这项工作的重要组成部分，因为它允许操作员和检查人员收到有关检查发生的反馈。根据检查发现生成并在线制定了参考任务计划。这是通过处理多层前向声纳来完成的，以估计船体相对于无人机的姿势。检查图以新颖的方式逐步构建，并结合了不确定性估计，以更好地表示检查状态，质量和观察信心。所提出的方法在实时船上实时测试，并证明适用于快速了解检查过程中所做的事情。
非侵入式负荷监测支持的交流/直流住宅微电网在线能量管理系统
传统电力系统正在经历一场重大革命，这场革命的主要驱动力是绿色转型和数字化。本文利用数字化带来的创新，为住宅交流/直流微电网 (MG) 提出了一种先进的系统级 EMS。所提出的 EMS 支持绿色转型，因为它是为包括可再生能源 (RES)、电池和电动汽车的 MG 而设计的。此外，还自动提取了住宅用户的用电行为，以创建更灵活的 MG。部署了深度学习支持的非侵入式负载监控 (NILM) 算法来分析和分解 MG 中每个家庭的聚合消费信号。设计了一个两级 EMS，使用优化、预测和 NILM 模块来协调家庭和 MG 组件。所提出的系统级 EMS 已在实验室环境中进行了实时测试。实验考虑了不同的优化周期，并证明了所提出的 EMS 对不同优化范围的有效性。以调峰策略为基准，提出的24小时EMS可将住宅MG日常运行成本降低12.36％。
现场可编程门阵列实现基于卡尔曼过滤器的锂离子电池组的电荷观察者的状态
本文介绍了一项有关锂离子电池的电荷观察状态，用于嵌入式应用中的能量管理。对收费状态的了解对于这些电池的安全性和最佳用途至关重要。该研究的重点是在Spartan 6 FPGA上基于Kalman滤波器的观察者算法的开发和实施，即使可以从其实际状态开始初始化电池的电池，该算法可以准确估算电池的充电状态。在本文中，我们专注于FPGA进行快速计算的机会，该计算可以将FPGA用作BMS中的从属组件，并允许以低成本观察SOC大量的单元。在低成本FPGA上实施该观察者可能会导致各种应用中的电池管理系统（例如电动汽车和任何其他需要观察电池组充电状态）的电池管理系统的成本。通过模拟和实时测试验证了观察者模型。本研究提出了一种有希望的方法，可以准确估计锂离子电池的电荷状态，以用于各种应用中的E FFI能源管理。
使用模糊逻辑和HIL模拟器
1通讯作者：dsbsrm@gmail.com收到：2023年5月9日修订：2023年6月28日接受：2023年7月13日出版：2023年7月21日摘要 - 铅酸电池的性能和健康，用于自动，工业和可再生能源系统等各种应用中的铅酸电池的性能和可再生能源系统的运营效益和实量效益和实地效益。实时监控电池健康的性能可防止故障并延长电池寿命。本文建议使用模糊逻辑控制器和硬件（HIL）模拟器进行铅酸电池实时监控系统的健康和性能。所提出的系统测量关键电池参数，例如电压，电流和温度。它使用模糊的逻辑算法处理这些数据，以计算电池的充电状态（SOC）和健康状况（SOH）。HIL模拟器提供了一个虚拟平台，用于实时测试和验证系统。调查结果表明，提出的方法可以产生可靠的电池SOH估计值，这使其成为各种应用中实时电池监视的有前途的解决方案。关键字 - 模糊逻辑控制器，HIL实时模拟，铅酸电池，充电状态，健康状况。