XiaoMi-AI文件搜索系统
World File Search System故障诊断
近十年来，乌克兰和世界各地的危险自然现象和重大人为灾难的数量稳步增加。
提出了利用算法冗余度解决 TV3-117 飞机发动机自动控制系统 (ACS) 可靠性提高问题的方法。研究的目的是开发测量通道故障诊断算法和内置于 ACS 的线性自适应机载发动机模型 (LABEM) 输入参数的应对算法。介绍了 LABEM 的基本数学原理。静态模型基于单个发动机的油门特性。油门特性是在维修后的验收测试或运行“竞赛”中获得的。燃气涡轮发动机的低级动态线性数学模型是通过状态空间法获得的。通过模型实际实施算法冗余度的技术和理论困难与发动机状态空间的高维性有关，该维性明显高于机载测量参数向量的维数。存在识别传感器故障并用建模信息替换值的问题。故障检测和隔离算法的必要性是合理的。为了提高燃油回路输入信息的可靠性，采用了集成故障检测和隔离逻辑的卡尔曼滤波算法来测量通道。介绍了基于卡尔曼滤波器的计量针阀回路传感器通道测量故障检测和隔离算法。该算法基于计算残差平方加权和 (WSSR) 的故障特征，并将其与选定的阈值进行比较。发动机台架试验和 MatLab 仿真的实践结果表明，基于所提算法的 TV3-117 航空发动机 ACS 具有较高的可靠性和质量。
人工智能技术在生产工程中的应用专刊
人工智能 (AI) 技术是各行各业颠覆性创新的幕后推手。基于 AI 技术，大量数据可以转化为可付诸行动的见解和预测。制造商经常面临各种挑战，例如意外的机器故障或产品交付缺陷。尽管如此，采用 AI 技术有望提高运营效率、推出新产品、定制产品设计并规划未来的财务行动。最近，制造商一直在使用 AI 技术来提高产品质量、提高整个供应链的速度和可视性，并优化库存管理。鉴于人们对 AI 技术的关注和兴趣正在迅速增长，现在是时候介绍其实际应用的最新进展了。本期特刊的主要目的是汇集最新的 AI 研究和 AI 技术在生产工程中的实际案例研究。本期特刊收录了 10 篇论文，不仅涉及操作自动化，还涉及制造商的复杂技能转移。他们的主题涵盖了各种进步，例如故障诊断、产品评估、工艺规划、操作规划和加工领域的工件夹紧。此外，作者大胆尝试将人工智能技术应用于制造领域的复杂系统，例如激光辅助渐进成型、注塑直接连接和零件组装。我们感谢作者为本期特刊提交的有趣论文，我们相信普通读者和专家都会发现作者提供的信息既有趣又有益。此外，我们非常感谢审稿人的辛勤努力。如果没有这些贡献，这期特刊就不可能出版。我们真诚希望这期特刊能够引发对生产工程中人工智能技术的进一步研究。
电动汽车转换和车辆控制器中实施方法：评论
摘要：将汽油驱动的车辆（柴油，汽油或CNG）转换为电动汽车的现代趋势需要适当的重新设计新的电气组件。这些新的方法的新趋势通常应用于制造的车辆，其唯一目的是在没有任何汽油组件的情况下操作全电动汽车。但是，如果将汽油驱动的车辆改造成电池供电的电动汽车（EV），则在已经运行的车辆中使用了不同的方法，该车辆可以转换为功能齐全的电动汽车。这会导致更好的回收利用，对旧车的环境友好使用以及空气污染水平的大幅度改善。拥有电动汽车时的最低维护量是汽车行业引起买家或客户的关注的关键因素。近年来，传统或传统车辆转换为功能齐全的电动汽车已获得偏爱。但是，应讨论电动汽车中使用的组件，以充分评估EV在此转换过程中的工作。在本文中，我们将特别关注通过不同类型的电动汽车控制来实施此类转换和控制电动汽车。电动汽车控制器中每个组件的功能或通常是控制器中的功能，显示出不同的方法可以相互通信，以实现特定电动汽车的有效范围和性能。可以通过其能量，电路及其功能来研究EV控制器内部这些组件之间的关系。控制区域网络（CAN）也被视为确定每个组件上述工作的拓扑。故障诊断，充电状态和电池容量状态是在电动汽车内安装控制器后适用的众多因素中的一些因素。
Javid M，Reddiboina M，Bhandari M.人工生成智能的出现及其对泌尿科的潜在影响。可以J urol 2023; 30（4）：11588-11
近年来，工业大数据和人工智能（AI）技术的快速发展彻底改变了工业格局。工业系统，例如制造，能源，运输和物流，已经变得越来越复杂，产生了大量数据[1-3]。这些大数据包括广泛的数据源，包括传感器数据，生产日志和维护记录，这些数据源具有宝贵的见解[4-6]。此外，可以应用基于机器的AI技术来从这些大数据中提取有意义的见解[7]。例如，深度学习允许机器解释和理解多感官信息，这些信息可用于质量控制，缺陷检测和工业系统中的对象识别。转移学习可以通过转移从相似系统中学到的知识来改善预测性维护模型，异常检测和故障诊断。强化学习使机器能够从反复试验中学习，从而适合在工业系统中的优化问题[8-10]。因此，工业大数据和人工智能的整合可以实现智能的感知，维护和决策优化，推动企业的智能升级并提高生产力和质量。本期特刊旨在将来自学术界和行业的研究人员和从业人员汇集在一起，以探索工业大数据以及AI驱动的智能感知，操作以及工业系统中的决策优化方面的最新进步。在2023年11月13日至2024年10月31日开放的计算机，材料和连续图中此特刊的提交内容，并在上述研究领域中包含11条未偿还的论文。
用于训练贝叶斯网络进行制造系统故障诊断的数字孪生
摘要：人们提倡智能制造系统利用技术进步，通过快速诊断提高故障抵御能力，从而保证性能。在本文中，我们提出了一种用于设计数字孪生（DT）的协同仿真方法，该方法用于训练贝叶斯网络（BN），以便在设备和工厂层面进行故障诊断。具体而言，协同仿真模型是使用由联网传感器、每台设备的高保真仿真模型和工厂的详细离散事件仿真（DES）模型组成的信息物理系统（CPS）设计的。所提出的 DT 方法能够在虚拟系统中注入故障，从而减轻了昂贵的工厂车间实验的需要。应该强调的是，这种注入故障的方法消除了获取包括故障和正常工厂操作的平衡数据的需要。我们在本文中提出了一种结构干预算法 (SIA)，首先检测所有可能的有向边，然后区分 BN 的父节点和祖先节点。我们在实验室中设计了一个 DT 研究测试台，由配置成装配单元的四个工业机器人组成，每个机器人都有一个可以监测双轴振动的工业物联网传感器。这些机器人的详细设备级模拟器与机器人装配单元的详细 DES 模型集成在一起。生成的 DT 用于进行干预，以学习用于故障诊断的 BN 模型结构。实验室实验通过准确学习 BN 结构验证了所提方法的有效性，并且在实验中，发现所提方法获得的准确性（使用结构汉明距离测量）明显优于传统方法。此外，发现的BN结构对参数的变化是可靠的，例如平均失败时间（MTTF）
人工智能技术与工程应用
人工智能技术与工程应用 李秀全1 蒋红玲2 1 中国科技发展战略研究院科技预测与评估研究所，北京 100038 2 中国航天科技集团公司物联网技术应用研究所，北京 100094 摘要 ─ 人工智能（AI）经历了 60 年的发展，技术日趋成熟，正在走向广泛的应用和产业化。本文对人工智能技术与工程应用的内涵和演进进行了综述。本文对人工智能技术体系的四层框架进行了总结，以帮助读者了解人工智能家族。近年来，人工智能技术的工程应用取得了显著进展，例如在故障诊断、医学工程、石油工业和航空航天工业中的应用。通过介绍人工智能技术的最新进展，可以帮助工程和科学领域的研究人员了解如何应用人工智能技术解决各自研究领域的应用相关问题。索引术语─人工智能（AI）、工程应用、技术框架。一、引言 人工智能（AI）起源于计算机科学，现在已成为许多不同领域的快速发展的主题。人工智能这个术语最早是由 John McCarthy 等人在 1956 年的达特茅斯会议上提出的，最初受到图灵测试 [1] 的启发。由于 AI 最初是指创造“人形”机器，希望它具有像人类一样的感知和认知能力，并在复杂环境中采取行动。然而，智能的定义还比较模糊，人工智能还没有形成统一的定义。一般认为，人工智能是研究计算机模拟人类某些智能行为（如感知、学习、推理、交流、行动等）的过程的学科。[2, 3]。事实上，由于技术的限制，上述总体目标还远未实现。目前，人工智能的目标主要集中于训练机器去做人类可以做的事情，甚至
机械工程系，BITS Pilani，皮拉尼校区
教师主页链接 研究领域 AR Harikrishnan 博士 传热和流体流动、液滴蒸发、液滴撞击动力学、润湿和界面物理、胶体和复杂流体、微纳米级热流体 Abhijeet K. Digalwar 博士 世界级制造、可持续制造、绿色制造、精益制造、机床工程、运营管理、全面质量管理、绩效测量系统 Amit R. Singh 博士 固体和结构力学、流体动力学、非线性弹性、有限元法、计算接触力学、软壳力学、定向粒子系统 Aneesh AM 博士 微型通道中流体流动和传热的计算和实验研究、多相流和流体结构相互作用的计算研究 Arun Kr. 博士Jalan 故障诊断、机械状态监测、声学、摩擦学 Prof. Bijay K. Rout 机械系统的设计优化、动态系统的建模和仿真、实验设计技术的应用和稳健设计的进化算法。 C. Ranganayakulu 教授 热/传热：紧凑型热交换器、沸腾和冷凝、设计和产品开发 Divyansh Patel 博士 使用电化学微加工对生物医学植入物进行微纹理化，先进（非传统）加工工艺 Faizan M. Rashid 博士 复合结构、生物力学、材料力学、疲劳、冲击力学、材料建模和材料特性 Gaurav Watts 博士 计算结构力学 Girish Kant 博士 制造 Jitendra S. Rathore 博士 力学、纳米技术 KS Sangwan 教授 可持续制造、精益制造、综合和绿色可持续供应链管理、单元制造系统、机械加工的资源效率、制造系统设计、网络物理生产系统/工业 4.0、人工智能技术在制造系统设计中的应用 Mani Sankar Dasgupta 教授
1>用您的手稿ID替换此线（在此处双击以编辑）
1>用您的手稿ID编号（在此处双击以进行编辑）<以脑为工业故障诊断的尖峰神经网络：调查，挑战和机会Huan Wang，Yan-Fu Li，IEEE和Konstantinos Gryllias高级成员和Konstantinos Gryllias的这项工作已提交给IEE EEE，以供IEE EEE。版权可以在不通知的情况下传输，此后不再可以访问此版本。摘要 - 近几十年来，工业故障诊断（IFD）已成为与检测和收集有关工业设备健康状况的重要信息的关键纪律，从而促进了失败类型和严重性的识别。追求精确有效的故障识别引起了极大的关注，最终集中于自动化设备监控以防止安全事故并减少对人工劳动的依赖。人工神经网络（ANN）的出现在增强智能IFD算法方面发挥了作用，尤其是在大数据的背景下。尽管有这些进步，但ANN是一种简化的仿生神经网络模型，表现出固有的局限性，例如资源和数据依赖性以及受限的认知能力。为了解决这些局限性，建立在脑启发的计算原理的第三代尖峰神经网络（SNN）已成为有希望的替代方案。SNN的特征是其生物神经元动力学和尖峰信息编码，在表示时空特征方面具有出色的潜力。因此，开发基于SNN的IFD模型已获得动力，表现出令人鼓舞的性能。尽管如此，该领域缺乏系统的调查来说明当前情况，挑战和未来的方向。因此，本文系统地回顾了基于SNN的模型的理论进展，以回答SNN是什么问题。随后，它审查和分析了现有的基于SNN的IFD模型，以解释为什么需要使用SNN以及如何使用SNN。更重要的是，本文系统地回答了IFD中SNN的挑战，解决方案和机会。索引术语 - 智能诊断，工业健康监测，尖峰神经网络，深度学习。
对微电网优化的综述，使用元热门技术：范围，趋势和建议
微电网（MGS）使用可再生能源来满足对消费者需求和技术进步不断增长的能源需求的增长。他们使用分布式能源资源独立用作小规模的能源网络。但是，可再生能源和功率差的间歇性是必不可少的操作问题，必须减轻改善MG的性能。为了应对这些挑战，研究人员引入了MGS的启发式优化机制。然而，本地的最小值以及无法找到全球启发式方法的最小值，在非线性和非convex优化方面造成了错误，在处理MG的几个操作方面时，挑战构成了挑战，例如能源管理优化，成本效益的调度，可靠性，存储能力，存储量，网络攻击最小化以及网格最小化和网格整合。这些挑战通过增加存储容量的管理，成本最小化，可靠性保证和可再生资源的平衡来影响MG的绩效，从而加速了对元神灵优化算法（MHOAS）的需求。本文介绍了MHOAS的最新评论及其在改善MGS运营绩效中的作用。首先，讨论了MG优化的基础知识，以探索MG网络中MHOAS的范围，必需品和机会。其次，描述了MG结构域中的几个MHOA，并总结了MG技术经济分析，负载预测，弹性提高，控制操作，故障诊断和能量管理的最新趋势。摘要表明，在这些领域的研究中，近25％的研究利用了粒子群优化方法，而遗传和灰狼算法分别被近10％和5％的本文研究，分别用于优化MG的性能。该结果总结了MHOA提出了一种系统不合稳定的优化方法，为增强未来MG的有效性提供了新的途径。最后，我们强调了在将MHOAS整合到MGS中时出现的一些挑战，有可能激励研究人员在该领域进行进一步的研究。
使用FTA-FBN型号对海上自动表面船舶碰撞的风险评估
海上自主地表船（质量）展示了海上运输的未来，引起了国际海事社区的越来越多的关注。对质量的碰撞风险分析揭示了未解决的挑战，如果没有适当的解决方案，将导致相关风险控制措施和政策的错误发展。在挑战中，现有文献中有两个重要的是缺乏实现定量风险评估的历史失败数据，以及2）相关风险因素之间复杂的因果关系。本文旨在开发新的故障树分析模糊贝叶斯网络（FTA-FBN）模型，以对数据的不确定性进行质量碰撞风险评估。首先，它通过FTA建立了风险因素之间的因果关系。其次，将获得的FTA图映射到BN中可以进行故障诊断，并识别影响质量碰撞的最重要因素。在此过程中，进行了一项调查，以收集用于配置相关影响力因素的条件概率的主要数据，并量化开发的BN以进行风险诊断和词典。最后，通过使用灵敏度分析和三个公理来验证新模型，然后应用于进行基于方案的风险预测和诊断以产生有见地的发现以指导大众导航安全。此外，BN向后推理确定了关键的碰撞风险，包括外部物理攻击，基于海岸的运营商的培训不足，船舶设备和系统的维护不足以及网络安全威胁。结果表明，FTA-FBN模型实现了专家评分过程的简化，降低了计算复杂性，并解决了由于历史事故数据缺乏历史事故数据而导致的大规模碰撞及其风险因素之间建立因果关系的挑战。改编后的新模型可以提供制定安全导航政策的参考，并为航运公司提供重要的见解，以确保其船舶和造船厂的安全导航以优化船舶设计。