XiaoMi-AI文件搜索系统
World File Search System无气味
使用库仑计数方法和自适应的无气味卡尔曼过滤器
摘要：本文建立了一项准确且可靠的研究，用于估计锂离子电池的充电状态（SOC）。准确的状态空间模型用于确定电池非线性模型的参数。非洲秃鹰优化器（AVOA）用于解决识别电池参数以准确估算SOC的问题。一种混合方法由具有自适应无知的卡尔曼过滤器（AUKF）的库仑计数法（CCM）组成，以估计电池的SOC。在不同的温度下，对电池进行了四种方法，在包括负载和电池褪色之间有所不同。数值模拟应用于2.6 AHR松下锂离子电池，以证明混合方法对电荷估计的有效性。与现有的混合方法相比，建议的方法非常准确。与其他策略相比，所提出的混合方法实现了不同方法的最小误差。
7 年使用寿命的一氧化碳有毒气体报警器
一氧化碳是一种危险的有毒气体，每年造成数百人死亡，更多人受伤。它通常被称为无声杀手，因为它无气味或味道，并且无法看到。与氧气一样，CO 在正常呼吸过程中通过肺部进入人体。它取代红细胞中的氧气，与氧气竞争，从而减少流向心脏、大脑和其他重要器官的氧气。高浓度的 CO 可在数分钟内致人死亡。许多报告的一氧化碳中毒案例表明，虽然受害者意识到自己感觉不舒服，但他们会迷失方向，无法通过离开建筑物或寻求帮助来自救。睡眠期间接触 CO 尤其危险，因为受害者通常不会醒来。
7 年使用寿命的一氧化碳有毒气体报警器
一氧化碳是一种危险的有毒气体，每年造成数百人死亡，更多人受伤。它通常被称为无声杀手，因为它无气味或味道，并且无法看到。与氧气一样，CO 在正常呼吸过程中通过肺部进入人体。它与氧气竞争，取代红细胞中的氧气，从而减少流向心脏、大脑和其他重要器官的氧气。高浓度的 CO 可以在几分钟内致人死亡。许多报告的一氧化碳中毒案例表明，虽然受害者意识到自己感觉不舒服，但他们会迷失方向，无法通过离开建筑物或寻求帮助来自救。睡眠期间接触一氧化碳尤其危险，因为受害者通常不会醒来。
混合状态估计：将物理信息的神经网络与动态系统的自适应UKF整合
摘要：在本文中，我们通过将物理知识的神经网络（PINN）与自适应的无气味卡尔曼过滤器（UKF）相结合，提出了一种新型的动态系统估计方法。认识到传统状态估计方法的局限性，我们通过混合损失功能和蒙特卡洛辍学来完善Pinn结构，以增强不确定性估计。使用自适应噪声协方差机制增强了无味的卡尔曼滤波器，并将模型参数纳入状态矢量以提高适应性。我们通过将增强的PINN与UKF集成为无缝的状态预测管道，进一步验证了该混合动力框架，这表明准确性和鲁棒性有了显着提高。我们的实验结果表明，位置和速度跟踪的状态估计保真度明显增强，并通过贝叶斯推理和蒙特卡洛辍学的不确定性定量支持。我们进一步扩展了对双摆系统的模拟并进行了评估，并在四轮驱动器无人机上进行了状态估计。这种综合解决方案有望推进动态系统估计中的最新解决方案，从而在控制理论，机器学习和数值优化域中提供无与伦比的性能。