XiaoMi-AI文件搜索系统
World File Search System故障检测
基于自动故障检测和诊断的空气处理机组数字孪生预测性维护框架
建筑行业是全球能源消耗最多的行业，因此成为节能举措的重点。供暖、通风和空调 (HVAC) 系统是建筑的核心。稳定的空气处理机组 (AHU) 运行对于确保高效率和延长 HVAC 系统的使用寿命至关重要。本研究提出了 AHU 的数字孪生预测性维护框架，以克服目前在建筑中使用的设施维护管理 (FMM) 系统的局限性。数字孪生技术在设施管理行业仍处于起步阶段，它使用建筑信息模型 (BIM)、物联网 (IoT) 和语义技术来为建筑设施制定更好的维护策略。实施三个模块来执行预测性维护框架：基于 APAR（空气处理单元性能评估规则）方法的 AHU 运行故障检测、使用机器学习技术进行状态预测和维护计划。此外，在挪威一栋教育建筑中使用 2019 年 8 月至 2021 年 10 月之间的数据对所提出的框架进行了实际案例研究，以验证该方法的可行性。还通过 FM 系统获取检查信息和以前的维护记录。结果表明，不断更新的数据与 APAR 和机器学习算法相结合可以检测故障并预测空气处理单元 (AHU) 组件的未来状态，这可能有助于维护计划。消除检测到的操作故障可每年节省数千美元的能源，因为消除了已识别的操作故障。� 2022 作者。由 Elsevier B.V. 出版。这是一篇根据 CC BY 许可开放获取的文章 ( http://creativecommons.org/licenses/by/4.0/ )。
区域供热故障检测和诊断的智能方法：当前趋势、挑战和机遇
摘要：本文全面介绍了区域供热系统中最先进的智能故障检测和诊断技术。维护高效的区域供热系统至关重要，因为故障会导致热量损失增加、客户不适和运营成本增加。智能故障检测和诊断可以利用人工智能或机器学习自动识别和诊断故障行为。在我们的调查中，我们回顾并讨论了过去 12 年发表的 57 篇论文，强调了最近的趋势，确定了当前的研究差距，讨论了当前技术的局限性，并为该领域的未来研究提供了建议。虽然人们对这个话题的兴趣越来越浓厚，而且过去五年也取得了很大的进步，但缺乏开源的高质量标记数据严重阻碍了进展。未来的研究应该旨在探索迁移学习、领域自适应和半监督学习，以提高当前的性能。此外，研究人员应该使用以数据为中心的方法来增加对区域供热数据的了解，为未来区域供热的故障检测和诊断奠定坚实的基础。
太阳能光伏电致发光图像中的人工智能辅助电池级故障检测和定位
随着全球范围内太阳能的日益普及，人们对开发有助于提高制造和持续运营效率的系统产生了浓厚的兴趣。由于各种现实条件和流程，太阳能电池板在制造和运营过程中会出现故障。这项工作的目标是建立一个端到端故障检测系统，以根据太阳能电池板的电致发光 (EL) 成像来检测和定位太阳能电池板中的故障。如今，大多数故障检测都是通过手动检查 EL 图像进行的。为此，我们建议设计和实施一个端到端系统，该系统首先将太阳能电池板分成单个太阳能电池，然后将这些电池图像通过分类 + 检测管道，以识别故障类型并定位电池内的故障。我们提出了一种混合架构，其中包含多个 CNN 模型架构的集合，用于分类和检测。该集合能够服务于单晶和多晶太阳能电池板。所提出的系统有助于显著提高太阳能电池板的效率并降低保修和维修成本。我们使用开放的 EL 图像数据集展示了所提系统的性能，其电池级故障预测准确率达到 95%，召回率也很高。所提算法适用，并可扩展到使用 RGB、EL 或热成像技术的其他太阳能应用。
基于机器学习的基于机器学习的预测维护，用于旋转机械中的故障检测：案例研究
在工业生产领域，状况监测在确保旋转机械的可靠性和寿命方面起着关键作用。由于大多数生产设施都严重依赖振动分析，因此它已成为条件监测实践的基石。但是，对振动信号的手动分析是一项耗时且专业的密集型任务，通常需要专门的领域知识。当前的研究通过提出一种新型的半自动诊断系统来解决上述挑战。该方法以快速傅立叶变换（FFT）频谱的形式利用历史振动数据。系统通过将频率范围划分为预定义的垃圾箱，并求和每个垃圾箱内的能量值，从而从频域中提取能量特征。随后，根据相应的机器条件将每个数据点标记为标记，从而使系统能够通过使用机器学习模型来学习诊断模式。这种方法通过最少的手动干预促进了有效而准确的诊断。产生的数据集有效地表示并提供了可解释的结果。支持向量机（SVM）和集成算法可立即诊断出故障，并以最小的错误率诊断。所提出的系统能够提供早期警告，从而防止进一步的恶化和计划外的下降。使用现实世界数据的实验验证证明了系统的功效，其准确性超过90％。
建筑能源管理系统策略回顾：模型预测控制、需求侧管理、优化、故障检测与诊断
预计未来 20 年，建筑能耗将增长 40% 以上。电力仍然是建筑物消耗的最大能源，而且需求还在不断增长。为了减轻日益增长的需求的影响，需要制定战略来提高建筑物的能源效率。在住宅建筑中，家用电器、水和空间供暖是能源消耗增加的原因，而在非住宅建筑中，空间供暖和其他杂项设备是能源利用增加的原因。建筑能源管理系统支持建筑管理人员和业主提高现代和现有建筑的能源效率，非住宅和住宅建筑都可以从建筑能源管理系统中受益，以减少能源消耗。根据建筑类型，可以使用不同的管理策略来实现节能。本文回顾了提高能源效率的建筑能源管理系统的管理策略。研究了非住宅和住宅建筑中的不同管理策略。随后，从建筑类型、建筑系统和管理策略的角度讨论了所回顾的研究。最后，本文讨论了建筑能源管理系统提高能源效率的未来挑战。
NXP 高性能 Layerscape 安全性分析...
1 基于数字网络 28nm 可靠性数据和现场返回的芯片和封装故障率 2 基于 IEC TR 62380 的芯片和封装故障率 3 符合 ISO 26262 2018 版第 10 部分第 8.1.8 条 4 芯片级故障检测/校正；主要是内部 RAM 上的 ECC 5 芯片级故障检测/校正，以及 IO 数据损坏和 IO/加速器内存访问违规检测 6 基于 BlueBox 车辆排队的系统安全概念；安全 MCU 看门狗、外部电源和时钟监控
可再生能源系统的人工智能
2 背景和背景 8 2.1 简介. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . ... ... . ... . 33 2.5.1 故障检测中的人工智能 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 38
MAKO 无人机飞行模拟用于数据驱动的故障诊断
过去十年，各种用途的无人机数量迅速增加。这促使监管机构急于制定安全的整合战略，以适当共享空域的利用率。处理故障和失效是关键问题之一，因为它们在可用的事件报告中占了更大的比重。这些小型飞行器的硬件限制表明，需要使用分析冗余，而不是常规飞行中通常的硬件冗余做法。在本研究过程中，回顾了飞机的故障检测和诊断。然后模拟了 MAKO 飞机的非线性模型，以生成故障和正常飞行数据。该平台能够为各种飞行条件生成数据，并设计用于故障检测和诊断的机器学习实现。
多传感器融合与交互多模型和卡方检验容差滤波器
摘要：由于传感器技术、电信和导航系统的最新进展，多传感器信息融合算法在最先进的组合导航系统中具有关键重要性，本文提出了一种改进的创新容错融合框架。组合导航系统由四个传感子系统组成，即捷联惯性导航系统 (SINS)、全球导航系统 (GPS)、北斗二号 (BD2) 和天文导航系统 (CNS) 导航传感器。在这种多传感器应用中，一方面，有效融合方法的设计受到极大限制，特别是在没有关于系统错误特性的信息时。另一方面，开发准确的故障检测和完整性监测解决方案既具有挑战性又至关重要。本文通过联合设计故障检测和信息融合算法，解决了传统故障检测解决方案的敏感性问题以及无法获得精确已知的系统模型的问题。特别是，通过使用交互多模型 (IMM) 滤波器的思想，系统的不确定性将通过模型概率和使用所提出的基于模糊的融合框架进行自适应调整。本文还通过联合设计双状态传播器卡方检验和融合算法，解决了使用损坏的测量值进行故障检测的问题。使用两个并行运行的 IMM 预测器，并根据从融合滤波器接收到的信息交替重新激活，以提高所提出的检测解决方案的可靠性和准确性。通过将 IMM 与所提出的融合方法相结合，我们提高了检测系统的故障敏感性，从而显著提高了组合导航系统的整体可靠性和准确性。模拟结果表明，所提出的容错融合框架比传统框架具有更优异的性能。
Miguel Realpe，Boris X. Vintimilla和Ljubo Vlacic。 （2015）。自动驾驶汽车的传感器故障检测和诊断。在第二国际同盟
Miguel Realpe，Boris X. Vintimilla和Ljubo Vlacic。（2015）。传感器故障检测和自动驾驶汽车的诊断。在第二届国际机电一体化，自动化和制造业会议上（ICMAM 2015），国际会议，新加坡，2015年（第1卷30，pp。1-6）。EDP科学。