XiaoMi-AI文件搜索系统
World File Search System性能参数
改进 OPLAN 和武器中的能量分析...
摘要 尽管“为战斗提供燃料”的必要性已存在数千年，但军事规划人员和决策者并不总是意识到需要克服这样做的挑战。最近情况发生了变化，无论是考虑到国会指示对整个西太平洋的燃料基础设施进行投资，还是空军部长大胆决定推行下一代空中加油系统 (NGAS；注意与 NGAD 或下一代空中优势战斗机的相似性)。建模、模拟和其他方法的分析能力尚未集体准备好跟上重点的变化。许多燃料蒸馏器的刻意规划都是通过手动输入进行的，很少（或没有）电子表格脚本。一些用于为采购的武器系统的能量关键性能参数 (E-KPP) 提供信息的能源可保障性分析是模拟和参数分析的临时组合，尽管分析师的意图很好，但它们并不完整。今天讨论的目的是补充这些能源分析案例的细节，重点关注流程出现问题的地方以及国防部可以采取哪些措施来补救这些问题。
GAO-21-222，武器系统年度评估
COVID-19 2019 冠状病毒病 C3I 指挥、控制、通信和情报 CDD 能力开发文档 CDR 关键设计评审 DAES 国防采办执行摘要 DAMIR 国防采办管理信息检索 DOD 国防部 DODI 国防部指令 IOC 初始作战能力 IOT&E 初始作战测试与评估 IT 信息技术 JCIDS 联合能力集成与开发系统 JROC 联合需求监督委员会 KPP 关键性能参数 KSA 关键系统属性 MDAP 主要国防采办计划 MRL 制造准备水平 MTA 中层采办 MVP 最小可行产品 NA 不适用 NDAA 国防授权法案 OSD 国防部长办公室 PDR 初步设计评审 RDT&E 研究、开发、测试与评估 RFP 提案请求 RMF 风险管理框架 TBD 待定 T&E 测试与评估 TRL 技术准备水平 USD(A&S) 国防部负责采办与保障的副部长 USD(R&E) 国防部负责研究与工程的副部长
适用于单脉冲雷达和生物医学传感器应用的集成混合耦合器
180 度混合耦合器设计为在 5 至 10 GHz 频率范围内小型化，求和端口相移为 0 度，差分端口相移为 180 度。小型化可以最大限度地降低功耗，而无源元件可以解决微带线基板材料复杂的可达性问题！将在 Cadence 中选择和设计电感器的金属层，并确定金属的磁导率和介电常数。设计过程从先进设计系统 (ADS) 中的环形混合耦合器微带线开始，到集总无源元件，再到 Cadence 中的有源 65nm CMOS 实现。仿真结果显示，通过中心抽头电感的材料在 EMX 仿真后产生了寄生电感，使感兴趣的频率带宽向左移动 1GHz。无源电路的正向增益为-10dB，回波损耗约为-6dB。已进行文献研究以缩小混合耦合器的体积并分析其性能参数。最终结果表明，仅使用了四个无源元件，覆盖了感兴趣的频带5GHz。
FPT抑制剂
指示：通过加入10毫升无菌蒸馏水来补充1个小瓶的含量。将小瓶倒置慢慢地慢慢地避免了两到三次避免起泡。或者，可以用无菌玻璃棒或搅拌器轻轻搅拌1-2分钟来溶解内容物。未获得立即溶解。保持其站立1-2个小时以更好地溶解。轻微的颗粒物，不会影响补充剂的性能参数。Aseptically add the supplement in 90 ml of sterile, molten Baird Parker Agar Base M043 / Baird Parker HiVeg™ Agar Base MV043 / Baird Parker Agar Base, Granulated GM043 / Baird Parker HiCynth™ Agar Base MCD043 / Baird Parker Agar Base (FPT) M1736 / RPF Agar Base M1736i冷却至48°C。与烧瓶同时轻轻旋转烧瓶，从烧瓶的侧面缓慢加入补充剂，以均匀地混合补充剂。倒入无菌培养皿中，立即使用。
具有分布式布拉格反射器的新型钙钛矿太阳能电池
本文报道了钙钛矿太阳能电池的数值模型，该电池与分布式布拉格反射器对相结合以获得高能量效率。提出的电池的几何形状用三种不同的钙钛矿材料模拟，包括 CH 3 NH 3 PbI 3 、 CH 3 NH 3 PbBr 3 和 CH 3 NH 3 SnI 3 。与无毒钙钛矿材料相比，基于碘化铅和溴化铅的有毒钙钛矿材料似乎更有效。具有最高效率结构执行的模拟光伏参数为开路电压 = 1.409 (V)、短路电流密度 = 24.09 mA/cm 2 、填充因子 = 86.18% 和效率 = 24.38%。此外，对当前研究与不同类型结构进行了比较，令人惊讶的是，我们的新几何形状具有增强的性能参数，这些参数以背反射器对（Si/SiO 2 ）为特征。应用的数值方法和所呈现的几何设计努力有利于获得有可能解决效率较低的薄膜太阳能电池问题的结果。
MIT 开放获取文章 长期的设计空间......
长时储能 (LDES) 是解决可再生能源发电间歇性问题的潜在解决方案。我们在此评估了 LDES 在脱碳电力系统中的作用，并确定了 LDES 大幅降低电力成本和取代低碳发电所需的成本和效率性能。我们发现储能容量成本和放电效率是最重要的性能参数。充电/放电容量成本和充电效率起着次要作用。能源容量成本必须≤ 20 美元/千瓦时，才能将电力成本降低≥ 10%。根据目前的电力需求情况，能源容量成本必须≤ 1 美元/千瓦时，才能完全取代所有模拟的低碳发电技术。在北纬地区实现终端用途电气化使得完全取代低碳发电更具挑战性，并且需要已知的 LDES 技术不太可能实现的性能组合。最后，对电力成本和低碳发电影响最大的 LDES 系统的储能时间超过 100 小时。
InGaAs-SOI 界面缺陷的可靠性调查...
这项工作研究了铟镓砷 (InGaAs) SOI-FinFET 中界面缺陷在高性能应用中的可靠性。In 0.53 Ga 0.47 As 是一种很有前途的下一代晶体管材料，因为它具有高电子迁移率，这对于高速和高频应用至关重要。然而，界面陷阱电荷 (ITC) 的存在会严重影响器件的性能和可靠性。我们全面分析了 InGaAs SOI-FinFET 中的 ITC，研究了它们对线性性能参数（如 VIP2、VIP3、IIP3、IMD3、HD2 和 HD3）的影响。所有结果表明，优化界面质量对于提高 InGaAs SOI-FinFET 的可靠性和性能至关重要。这项工作为缺陷机制提供了宝贵的见解，并为改进制造工艺以实现更可靠的高性能 InGaAs-SOI-FinFET 提供了指导。因此，基于 InGaAs 的 FinFET 是最适合下一代使用的高性能半导体器件。 InGaAs 具有优异的电子迁移率和高饱和速度，为高频和高速应用提供了显著的优势，使其成为硅的理想替代品。
TACAN+ - L3Harris
除了符合和兼容各种航空电子接口外，L3Harris 还提供大量可选外围控制面板，这些控制面板具有不同的配置、照明颜色、照明电压、面板颜色和尺寸，此外还提供夜视镜 [NVG] 兼容。该系统最显著的特点之一是高功率发射器，它是迄今为止世界上最轻、最小的战术机载导航系统，重量仅为 5.2 磅，峰值功率超过 750 瓦的发射器使 TACAN+ 能够提供卓越的性能，在空对空和空对地操作中达到或超过 MIL-STD 291C 和 NATO STANAG-5034 性能参数。该系统在设计时考虑到了恶劣的军事环境，已经过测试并符合 MIL-STD-810G、MIL-STD-704 和 MIL-461E 标准，并符合 DO-160F 直升机振动等级。TACAN+ 收发器的设计和制造旨在通过在设计过程中采用高加速寿命测试 (HALT) 并在制造过程中执行高加速应力筛选 (HASS) 来提供极高的可靠性。
电光搜索跟踪性能改进
监视海域对于确保对任何与海上安全或保障有关的不利情况做出适当反应至关重要。电光搜索和跟踪 (EOST) 系统通过提供对海洋环境中潜在目标的独立搜索和跟踪发挥着至关重要的作用。EOST 提供物体的实时图像，其中包含消除威胁所需的细节。在远距离，由于杂乱场景下目标特征的不确定性，EOST 的检测和跟踪能力会下降。通过使用合适的传感器和使用目标/背景特征知识进行增强，可以提高图像质量。通过优化跟踪器的性能参数，可以实现对物体的稳健跟踪。在目前的研究中，讨论了传感器、视频处理器和视频跟踪器等 EOST 子系统性能的改进。为了提高 EOST 在检测和跟踪方面的性能，还讨论了传感器选择标准和各种实时图像处理技术及其在海上应用的选择标准。介绍了在海洋环境下记录的图像质量的最终改进。
使用机器学习算法的数据驱动的电池统计预测方法
1,2和3 S V大学，Tirupati，Andhra Pradesh，印度摘要：随着新能源电动汽车的迅速发展，对电池的需求正在增加。 电池管理系统（BMS）在电池供电的储能系统中起着至关重要的作用。 锂离子电池是电动汽车的主要电源，其剩余使用寿命的预后对于确保电动汽车的安全性，稳定性和寿命长至关重要。 基于数据驱动方法的剩余使用寿命（RUL）预后已经成为研究的重点。 在电池健康管理领域至关重要的是，具有高精度，高概括和强大鲁棒性的机器学习方法的开发是必不可少的。 本文总结了使用机器学习算法对数据驱动方法的当前研究。 参数（例如电压，电流和温度值）作为数据集。 提出了一种幼稚的贝叶斯（NB）算法和梯度提升（GB）算法，以用于对电池进行RUL预测，并进行了模型的误差分析以优化电池的性能参数。 选择了MAE，MSE和RMSE等统计指标来数字评估预测结果。 实验后果表明，与其他机器学习技术相比，考虑到各种性能标准的其他机器学习技术可获得更好的结果。1,2和3 S V大学，Tirupati，Andhra Pradesh，印度摘要：随着新能源电动汽车的迅速发展，对电池的需求正在增加。电池管理系统（BMS）在电池供电的储能系统中起着至关重要的作用。锂离子电池是电动汽车的主要电源，其剩余使用寿命的预后对于确保电动汽车的安全性，稳定性和寿命长至关重要。基于数据驱动方法的剩余使用寿命（RUL）预后已经成为研究的重点。在电池健康管理领域至关重要的是，具有高精度，高概括和强大鲁棒性的机器学习方法的开发是必不可少的。本文总结了使用机器学习算法对数据驱动方法的当前研究。参数（例如电压，电流和温度值）作为数据集。提出了一种幼稚的贝叶斯（NB）算法和梯度提升（GB）算法，以用于对电池进行RUL预测，并进行了模型的误差分析以优化电池的性能参数。选择了MAE，MSE和RMSE等统计指标来数字评估预测结果。实验后果表明，与其他机器学习技术相比，考虑到各种性能标准的其他机器学习技术可获得更好的结果。