XiaoMi-AI文件搜索系统
World File Search System性能参数
USNTPS-FTM-NO. 109
飞机系统性能通常可以定义为系统必须执行才能成功完成任务的武器系统任务。预期系统性能参数必须是武器系统设计过程不可或缺的一部分。考虑到用户的性能期望，设计师将就系统选择和设计参数做出决策。他必须选择安装在飞机上的系统类型、其操作模式、每个系统所需的分辨率以及允许机组人员使用系统以实现最佳战术效用所需的操作员界面。所有这些都有助于定制设计，使系统具有所需的性能特征。实际的飞机系统性能特征并不总是与设计或预测的系统性能特征相同。因此，需要进行系统飞行测试以确定实际性能。系统飞行测试被定义为确定飞机系统特性或评估飞机和武器系统完成任务的能力的过程。确定飞机系统性能取决于几个学科的基础知识，包括：雷达、通信、光电和导航。测试团队必须了解用于收集确定系统性能各个要素所需数据的基本测量、仪器技术和设备。团队使用这些学科来
数据驱动轨迹不确定性...
高效的轨迹预测工具将成为未来基于轨迹的运营 (TBO) 的关键功能。除了控制器操作之外，爬升飞行中的不确定性是飞行轨迹预测误差的主要组成部分。由于运营问题，飞机起飞重量和爬升速度意图（定义爬升曲线的关键性能参数）并不完全适用于基于回合的轨迹预测基础设施。在空中交通流量管理范围内，扇区进入和退出时间（包括爬升结束和下降开始的时间）是需求容量平衡过程的主要输入。在这项工作中，我们专注于爬升轨迹的不确定性，以量化和分析它们对爬升到巡航高度的时间的影响。我们通过飞机飞行记录数据集（即QAR）使用了模型驱动的数据统计方法。分析结果为飞机起飞重量和速度意图生成了概率定义。获得了这些爬升参数与飞行距离之间的回归，以减少战略层面的不确定性。此外，通过自适应不确定性减少来降低爬升不确定性也在飞行战术层面得到证明。通过模拟，说明了降低飞机质量不确定性对爬升时间的影响。关键词：空中交通管理、轨迹预测、不确定性量化、BADA 缩写
不同能源情景下现有与未来乘用车生命周期环境与成本比较
在本分析中，我们比较了目前（2017 年）和未来（2040 年）具有不同动力系统配置的乘用车的生命周期环境负担和总拥有成本 (TCO)。对于所有车辆配置，我们为所有性能参数定义了概率分布。利用这些概率分布，我们执行基于蒙特卡罗的全局敏感性分析，以确定对结果整体变异性贡献最大的输入参数。为了捕捉能源转型的系统性影响，未来电力情景被深度整合到 ecoinvent 生命周期评估背景数据库中。通过这种整合，我们不仅可以捕捉到未来电动汽车的充电方式，还可以捕捉到未来汽车和电池的生产方式。如果电力的生命周期碳含量与现代天然气联合循环发电厂相似或更好，那么从气候角度来看，全动力系统电气化是有意义的，并且在许多情况下还可以降低 TCO。一般来说，电池较小、使用寿命较长的车辆具有最佳的成本和气候性能。如果需要非常大的行驶里程或没有清洁电力，混合动力汽车和压缩天然气汽车在成本和气候变化影响方面都是不错的选择。含有大电池或燃料电池的替代动力系统对未来电力系统的变化最为敏感，因为它们的生命周期更耗电。这些替代能源的好处
网络生存力测试与评估手册
联合能力集成与开发系统 (JCIDS) 手册于 2014 年 12 月 18 日更新，将非动能效应作为强制性系统生存能力 (SS) 关键性能参数 (KPP) 的关键要素。CSEIG 将定义的 JCIDS SS KPP 支柱（易感性、脆弱性和弹性）分别转化为预防、缓解和恢复支柱。这些网络生存能力支柱成为 OPTEVFOR 网络生存能力评估的 PMR 构造。CSEIG 定义了可追溯到 PMR 支柱的网络生存能力属性 (CSA)。CSA 的目的是协助开发可测试和可衡量的网络生存能力要求。CSEIG 为 OPTEVFOR 网络生存能力流程的开发做出了贡献，因为 (1) 它的权威源自 JCIDS 流程，并且 (2) 该指南捕捉到了一种描述系统如何承受非动能“打击”以及它们如何影响系统任务的过程。对于作战人员来说，了解其系统在网络对抗环境中的能力和局限性具有重要的作战意义。无论有没有定义的 CSA，都可以做到这一点。但是，如果系统确实有 CSA，则应将其作为评估的一部分，以确定系统是否满足其要求。
天线及其应用 - :::::: AEL ::::::
在现代无线通信领域，想要专攻通信领域的工程师需要对电磁辐射、天线和相关传播现象的作用有基本的了解。这些论文讨论了天线在现代无线通信系统中的性能、特性、测试、测量和应用。天线是任何无线通信系统的重要组成部分，因为它可以高效地将电子信号（在射频收发器中传播）转换为电磁波（在自由空间中传播），同时将损耗降至最低。我们在没有其他选择时使用天线，例如与导弹通信或在崎岖的山区地形上，电缆价格昂贵且安装时间长。母系统的性能特征在很大程度上受到天线套件的选择、位置和设计的影响。要理解天线的概念，应该知道电磁波在自由空间中的行为。所以我简要介绍了电磁波的基础知识及其在自由空间中的传播模式。除此之外，我还介绍了天线分类（基于频率、孔径、极化和辐射模式）、其性能参数（增益、方向性、波束面积和波束效率、辐射模式、VSWR/回波损耗、极化、效率）、测量技术（室外和室内测试）及其国防应用（海军天线、空中
瞬态条件下卡诺电池的热经济性优化
摘要：随着能源部门脱碳的努力，电力需求不断增长，其中大部分将由碳中和未来的可再生能源提供。为了平衡大多数可再生能源固有的可变性，需要某种形式的能源储存。在本文中，简要回顾了当前的系统，特别关注卡诺电池，其运行特性、长寿命和低环境足迹使其在日常能源储存方面具有竞争力。开发了一个瞬态模型来模拟卡诺电池的完整运行，该电池由蒸汽压缩热泵和有机朗肯循环以及显热储存组成。确定了关键性能参数，并通过平衡 25 种存储温度范围和热交换器夹点配置的成本和性能进行了帕累托优化。结论是，更宽的存储范围和更高的夹点可以降低成本，因为它们会减小水箱和热交换器的尺寸，并降低效率，因为会为热泵和热机产生不利的温度梯度。确定了一个帕累托前沿，它由 10 种配置组成，这些配置可以优化一个标准，或者平衡两个或多个标准，并得出关于每种配置适用性的结论。
单层CUCL对CO和HF气体的高度敏感感应 使用Senna Surattensis提取物的ZnO-TIO2/RGO纳米复合材料的绿色合成：一种增强抗癌功效和生物相容性的新方法 超出分子结构-RSC出版 食品与功能-RSC出版 食品与功能-RSC出版 使用纳米多孔图二烯和硼 - 磨粉膜分离二氧化碳/CH4气体混合物：孔径的影响
传感器。通常，气体传感器有一些基本标准和性能参数：（a）高灵敏度； （b）高选择性； （c）性能的稳定性； （d）快速响应； （e）工作温度低和（f）低功耗。召开半导体气体传感技术被广泛研究和使用。6 - 8但是，由金属氧化物组成的这种气体传感器需要高温才能运行，其中一些在高于150°C的温度下工作，以增强气体使用感应材料的化学反应性。因此，能源消耗增加，因此在日常环境条件下降低了其适用性。室温（RT）传感器的操作不需要热量，因为它们不需要热量。最近，随着低维半导体的进展，2D材料吸引了很多考虑。通过使用2D材料，可以开发出更灵敏度的低功率和高密度气体传感器。2D材料的较大表面 - 体积比使其具有高度的效率和更大的恢复效率。9,10它们具有良好的连接和半导体特征。表面修饰也可以在这些材料上由于弱范德华力而进行，这使得与0D和1D材料相比，这使得2D材料更合适。2D材料可以归类为：（a）石墨烯家族； 11（b）2D金属氧化物； 12
电动公交车快速充电站与能源管理设计
摘要：近年来，由于电动巴士温室气体 (GHG) 排放量低且对化石燃料的依赖程度低，其普及度迅速提升。电动巴士的不断增加增加了电网的充电负担。电动巴士充电需要在一定时间内提供大量电力。因此，开发集成微能源网 (MEG) 和混合储能的快速充电站 (FCS) 对电动巴士充电至关重要。本文介绍了一种电动巴士 FCS 设计，将 MEG 与混合储能和能源管理系统集成在一起。为了减少对主电网的依赖，本文引入了基于可再生能源 (即光伏) 的混合微能源网。此外，还开发了电池和飞轮混合储能，以缓解快速充电站在高峰时段的电力需求。此外，还开发了一种多输入 DC-DC 转换器，用于管理公共直流母线和多个能源之间的直流电传输。最后，设计了一个能源管理系统和控制器，以实现快速充电站的广泛性能。MATLAB Simulink 用于总体设计的仿真工作。测试了不同的测试用例场景，以评估所提出的 FCS 的性能参数并评估其性能。
数据驱动的攀爬轨迹不确定性量化
摘要 高效的轨迹预测工具将成为未来基于轨迹的运营 (TBO) 的关键功能。除了管制员的行动之外，爬升飞行中的不确定性是飞行轨迹预测误差的主要组成部分。出于运营方面的考虑，飞机起飞重量和爬升速度意图（定义爬升剖面的关键性能参数）并不完全适用于基于回合的轨迹预测基础设施。在空中交通流量管理范围内，扇区进入和退出时间（包括爬升结束和下降开始的时间）是需求容量平衡过程的主要输入。在这项工作中，我们专注于爬升轨迹的不确定性，以量化和分析它们对爬升至巡航高度的时间的影响。我们通过飞机飞行记录数据集（即 QAR）使用了模型驱动的数据统计方法。根据此分析，为飞机起飞重量和速度意图生成了概率定义。获得了这些爬升参数与飞行距离之间的回归，以减少战略层面的不确定性。此外，通过自适应不确定性减少来降低爬升不确定性也在飞行战术层面得到体现。通过模拟，说明了降低飞机质量不确定性对爬升时间的影响。关键词：空中交通管理、轨迹预测、不确定性量化、BADA 缩写
对基于 AI 的质粒注释工具进行基准测试，以便从哥斯达黎加维里拉河的宏基因组中挖掘抗生素抗性基因
摘要 — 生物信息学和人工智能 (AI) 是快速发展的工具，它们促进了移动遗传元素 (MGE) 的注释，从而能够预测污染环境中的健康风险因素，例如抗生素抗性基因 (ARG)。本研究旨在评估四种基于 AI 的质粒注释工具 (Plasflow、Platon、RFPlasmid 和 PlasForest) 的性能，通过使用定义的性能参数来识别从哥斯达黎加维里拉河获得的一个沉积物样本的宏基因组中的 ARG。我们从样本中提取并测序完整的 DNA，组装宏基因组，然后使用每种生物信息学工具进行质粒预测，并使用抗性基因标识符网络门户进行 ARG 注释。计算了评估质粒的每个 ARG 预测结果的灵敏度、特异性、精确度、阴性预测值、准确度和 F1 分数。值得注意的是，Platon 在评估的工具中表现最高，获得了优异的分数。相反，Plasflow 似乎难以区分染色体和质粒序列，而 PlasForest 在处理小重叠群时遇到了限制。RF- Plasmid 表现出较低的特异性，并且其分类单元依赖的工作流程表现不佳。我们建议采用 Platon 作为抗性基因组研究的首选生物信息学工具