XiaoMi-AI文件搜索系统
World File Search System实测
观测到作用于大型衬砌的地面压力...
准确评估隧道衬砌作用下的地压力对隧道结构设计具有重要意义。本文对某地铁隧道4个断面的衬砌作用下土压力和水压力进行了实测分析并与理论值进行了对比分析。研究结果表明：不同埋深条件下，衬砌作用下实测地压力大小及分布不同，现场实测水压力近似等于理论静水压力；盾构隧道衬砌作用下水压力不随盾构隧道开挖而波动，最大地压力发生在桩背注浆过程中，其最大值约大于实测压力稳定值的30%；对于深水河流下的盾构隧道，衬砌作用下水压力占主导地位，实测总地压力近似等于水压力。研究结果可为类似隧道工程的结构设计提供参考。
基于虚拟仿真的轻型卡车后桥疲劳分析...
首先根据实测车辆参数建立整车MBD（多体动力学）模型。十、进行路谱采集试验。在试验路况下，采集整车多个位置的加速度、位移、力信号。以路试信号为迭代目标，以车辆MBD模型为迭代载体，利用VIM（虚拟迭代法）获取车辆等效激励。将VIM获取的等效激励应用到车辆MBD模型中，得到驱动后桥关键点的载荷谱。通过实测信号与迭代信号的对比，验证模型的准确性，增强关键点载荷谱的可靠性。其次，建立后桥FEA（有限元分析）模型，借助FEA软件获取单位载荷下各关键点的静态分析结果。第三步，将后桥有限元分析结果、关键点载荷谱、材料疲劳特性曲线输入疲劳软件进行后桥疲劳仿真，根据疲劳分析结果准确定位疲劳寿命未达到设定目标的位置，最后基于以上结果对结构进行优化，优化后的后桥疲劳寿命评估表明其耐久性得到了显著提高。
使用机器学习预测低电离层参数和低频天波传播强度
研究低频无线电波传播预测对于支撑固定和移动长距离通信、遥控导航、授时服务等应用具有重要意义。因此，为提高低频天波传播的预测精度，提出了一种基于机器学习的改进方法。首先，利用机器学习的方法建立对低频天波传播影响显著的低电离层E层临界频率（fo E）的预测模型。其次，基于低电离层参数模型增强了低频天波传播的预测方法。通过对比东亚地区实测数据和基于跳波理论的预测数据，提出的方法使低频天波场强提高了6.16%。
软粘土深基坑被动群桩三维数值分析
摘要 - 本文基于现场实测案例，采用三维有限元法分析了软海洋粘土中深支撑基坑相邻桩群的响应。对由 2×1、4×1、8×1 和 8×2 桩组成且中心间距分别为 2d 和 3d 的桩群进行了数值研究。计算了最大桩弯矩的群系数，以研究桩直径、桩间距和桩数对群效应的影响。比较了两排桩群中中心桩和边缘桩以及前桩和后桩的群系数。本研究得出的结论可为考虑桩土相互作用和群桩效应的相邻基桩深支撑基坑设计提供指导。
个性化医疗：AI应用与挑战
使用美国数据，不区分学习数据和测试数据，反复使用学习数据进行测试，诊断一致率较高（大多数癌症诊断准确率在 90 年代后期）。然而，引入IBM Watson的印度马尼帕尔医院实测结果显示，直肠癌与实际医护人员的诊断一致率为85%，肺癌为17.8%，乳腺癌为35-80%，让人对Watson的可靠性产生怀疑。诊断准确率（Choi Yun-seop（2019），医疗人工智能Intelligence；Chosun Biz（2018），全球首个医疗AI Watson‘冷饭’……韩国和美国都“缺乏训练”，https:// biz.chosun.com/site/data/html_dir/2018/11/23 /2018112302467.html) 15）MEDICAL Observer（2019），原本走在花路上的IBM AI，为何最后却走上了荆棘之路？ ，
非电网储能容量优化...
摘要：为提高电解槽产氢效率，充分利用风能，保证供电可靠性，针对产氢效率特点，提出非并网风氢混合储能系统容量优化配置方案，分析电解槽工作区间特点，优化电解槽工作区间；综合考虑电池充放电、设备容量及功率特点，制定适用于6种工况的能量管理策略，建立系统成本与可靠性定量多目标函数，采用快速非支配排序遗传算法（NSGA）-II求解优化模型，确定最优储能容量组合。随后，对内蒙古某牧区风速数据进行实测，并进行详细分析。分析结果表明，电解槽始终运行在最优工作区间，优化后的风氢系统供电经济可靠。该研究为实际工程应用提供了参考。
基于注意机制Res-Dense卷积神经网络的水下目标识别深度学习新方法
摘要：无论在国防还是民用领域，都需要对远距离水下目标进行准确、快速的识别。然而，数据缺乏、舰船工况等因素会显著影响水下声目标识别（UATR）系统的性能。由于海洋环境非常复杂，UATR严重依赖于特征工程，人工提取的特征在统计模型中偶尔会失效。本文提出了一种基于卷积神经网络和注意力机制的端到端UATR模型。该网络模型以原始时域数据为输入，结合残差神经网络和密连接卷积神经网络，充分利用两者的优势。在此基础上，加入通道注意机制和时间注意机制，提取通道维度和时间维度上的信息。经过对实测的四种舰船辐射噪声数据集进行实验，结果表明，所提方法在不同工况下均获得了97.69%的最高正确识别率，优于其他深度学习方法。
基于数字孪生的预应力钢筋安全性评估...
在役预应力钢结构的安全性已得到广泛研究，但传统的预应力钢结构安全评估方法涉及的样本点少、预测不准确，且耗费大量的人力和物力。利用数字孪生技术可以对钢结构全寿命周期内的结构行为、状态和活动进行监测，相当于对结构进行了一次安全评估。本研究旨在建立预应力钢结构的数字孪生多维模型，在此模型的基础上利用相关结构历史数据对支持向量机和预测模型进行训练，并根据实测数据对结构的安全风险等级进行预测。最后，利用轮辐索桁架结构的比例折减模型验证了所提方法的可行性。结果表明，数字孪生技术可以实现在役预应力钢结构的实时监测，并能及时预测其安全水平，为预应力钢结构的安全风险评估提供了一种新方法。
基于自适应小波包分解的光伏混合储能系统控制策略 朱万璐，杨叶，支鹏飞 *，Zh
江苏科技大学自动化系，镇江 212000 * E-mail: zhipengfei@just.edu.cn 收稿日期: 2022年8月23日 / 接受日期: 2022年9月22日 / 发表日期: 2022年10月10日 本文基于频域分析了光电场输出功率波动特性，并提出了一种基于自适应小波包分频的光电功率分配方法，该方法合理分配了低频、中频和高频能量在不同储能元件之间的分布。结合超级电容器和锂电池的储能特性，设计了一种超级电容器和锂电池的协调控制策略，有效抑制了光伏功率波动对电网的影响。与光伏原有功率相比，本文提出的方法大大降低了光伏功率的波动，从而使最终并网功率区域平滑，从而使电网和储能组件稳定安全发展。最后通过某光电场实测数据的半实物仿真验证了该方法的有效性。关键词：混合储能；协调控制策略；自适应小波包分解1.引言
使用深度卷积神经网络进行运动想象脑电信号识别
基于脑电信号的脑机交互（BCI）可以帮助肢体运动障碍患者进行日常生活及康复训练，然而由于信噪比低、个体差异大，脑电特征提取与分类存在准确率和效率低下的问题。针对该问题，本文提出了一种基于深度卷积网络的运动想象脑电信号识别方法。该方法首先针对脑电信号特征数据质量不高的问题，利用短时傅里叶变换（STFT）和连续Morlet小波变换（CMWT）对采集的实验数据集进行基于时间序列特征的预处理，从而得到特征鲜明、具有时频特征的脑电信号。并基于改进的CNN网络模型对脑电信号进行高效识别，实现高质量的脑电特征提取与分类。进一步提高脑电信号特征采集的质量，保证脑电信号识别的较高准确率和精度。最后基于BCI竞赛数据集和实验室实测数据对所提方法进行验证，实验结果表明该方法对脑电信号识别的准确率为0.9324，精度为0.9653，AUC为0.9464，具有良好的实用性和适用性。