XiaoMi-AI文件搜索系统
World File Search System时域
马尔可夫决策过程的时间串联
我们感兴趣的是设计计算高效的架构来解决有限时域马尔可夫决策过程 (MDP)，这是一种流行的多阶段决策问题建模框架 [1,22]，具有广泛的应用，从数据和呼叫中心的调度 [12] 到间歇性可再生资源的能源管理 [13]。在 MDP 中，在每个阶段，代理都会根据系统状态做出决策，从而获得即时奖励，并相应更新状态；代理的目标是找到一个最优策略，使时间范围内的总预期奖励最大化。虽然寻找解决 MDP 的有效算法一直是一个活跃的研究领域（有关调查请参阅 [20,17]），但我们将采取不同的方法。我们不是从头开始创建新算法，而是研究如何设计架构，以创造性的方式利用现有的 MDP 算法作为“黑匣子”，以获得额外的性能提升。作为朝这个方向迈出的第一步，我们提出了时间串联启发式方法，它沿时间轴采用分而治之的方法：对于具有水平线 { 0 ，... ，T − 1 } 的 MDP，我们将原始问题实例（I 0）在水平线上划分为两个子实例：0 ，... ，T
使用多重分形去趋势波动分析和表面肌电图进行人体手势识别 A. Hajihashemi a、F. Ebrahimi *a、H. Monta
大多数日常活动需要灵巧地使用手和手指。残疾人的手部假肢可以通过连接到上肢的表面电极非侵入式获取的表面肌电图 (sEMG) 信号来控制。在对从 10 位截肢者获取的 12 个电极 sEMG 信号进行预处理后，计算了时域和频域中的不同特征。考虑到 sEMG 是一种复杂、随机、非平稳和非线性信号，还通过多重分形去趋势波动分析 (MFDFA) 的方法提取了复杂的非线性特征。使用不同的分类方法（包括支持向量机 (SVM)、线性判别分析 (LDA) 和多层感知器 (MLP)）来比较它们在八种不同手指运动分类中的表现。观察发现，SVM 在手指运动分类方面的表现优于其他两个分类器。新特征与传统特征融合后，分类准确率、精确率、召回率（灵敏度）分别为98.70%、98.74%、98.67%。结果表明，加入MFDFA提取的新特征与其他传统特征，可以有效提高数据采集效果。
航空货运装载规划问题 - KIT
航空货运业的一个主要运营规划问题是如何安排飞机上的货物，以便安全且有利可图地飞行。因此，每次飞行都必须解决一个具有挑战性的规划难题。除了复杂性之外，规划如今大多是手动完成的，这是一个耗时且解决方案质量不确定的过程。关于航空货运装载问题的文献很少，而且这个术语在不同的子问题中的使用含糊不清，例如选择集装箱、将物品装入集装箱或将集装箱装入飞机。所有提出的模型都只关注实践中更大的规划问题的某些方面。此外，文献中没有涉及一些实际方面。在这项工作中，我们全面概述了我们工业合作伙伴的运营实践中看到的空运货物装载规划问题。我们正式确定了它的要求和各个利益相关者的目标。此外，我们开发和评估合适的解决方案。因此，我们将问题分解为四个步骤：飞机配置、集结调度、空运货物码垛以及重量和平衡。我们主要采用混合整数线性规划来解决这些步骤。通过添加滚动时域规划方法和基于逻辑的 Benders 分解 (LBBD)，进一步分解两个子问题。实际的三维包装问题作为子问题中的约束程序得到解决
自主微电网虚拟惯性控制的最优模型预测控制
摘要：目前，可再生能源 (RES) 在电网中的渗透率显著提高，尤其是在微电网中。用 RES 取代传统同步机可显著降低整个系统的惯性。这会对不确定情况下的微电网动态产生负面影响，降低微电网频率稳定性，特别是在孤岛运行模式下。因此，本研究旨在利用虚拟惯性频率控制概念增强孤岛微电网频率弹性。此外，虚拟惯性控制模型采用了最优模型预测控制 (MPC)。MPC 的优化设计是使用一种优化算法，即非洲秃鹫优化算法 (AVOA) 实现的。为了证明所提出的控制器的有效性，将基于 AVOA 的 MPC 与使用各种优化技术进行优化设计的传统比例积分 (PI) 控制器进行了比较。利用 RES 的实际数据，并应用随机负载功率模式来实现实际的模拟结果。此外，微电网范例包含电池储能 (BES) 单元，用于增强孤岛微电网的暂态稳定性。模拟结果表明，基于 AVOA 的 MPC 在提高微电网频率弹性方面是有效的。此外，结果确保了 BES 在时域模拟中改善暂态响应的作用。模拟结果是使用 MATLAB 软件获得的。
使用机器学习方法进行语音情感识别
摘要。如今，情绪识别和分类在人机交互 (HCI) 领域发挥着至关重要的作用。情绪通过面部表情、语调和身体运动等身体行为来识别。本研究将语音情绪识别 (SER) 视为识别情绪的最主要方式之一。SER 数据集包含四个不同的数据集，本项目使用 Ravdess 数据集。使用这种机制是因为其时间分辨率高、无风险且成本低。在过去的几十年里，许多研究人员按顺序使用 SER 信号来配合脑机接口 (BCI) 来检测情绪。它包括从音频信号中去除噪声、从音频信号中提取时间或频谱特征、分别在时域或频域上进行分析，最后设计多类分类策略。本文讨论了基于音频信号识别和分类人类情绪的方法。该方法使用机器学习技术，如随机森林 (RF)、多层感知器 (MLP)、支持向量机 (SVM)、卷积网络 (CNN) 和决策树 (DT) 模型进行分类。获得的实验结果似乎很有希望，在情感分类方面具有良好的准确性。
自动心律失常检测的发展...
心律不齐，一种异常心律，是心脏病的最常见类型之一。心律不齐的自动检测和分类对于减少因心脏疾病而导致的死亡可能很重要。这项工作提出了使用单通道心电图（ECG）信号的多级心律失常检测算法。在这项工作中，使用心率变异性（HRV）以及形态学特征和小波系数特征可用于检测9种心律失常。统计，熵和基于能量的特征被提取并应用于基于机器学习的随机森林分类器。两项工作中使用的数据均取自4个广泛的数据库（CPSC和CPSC Extra，PTB-XL，G12EC和Chapman-Shaoxing和ningbo数据库），可用于Phancionet。具有HRV和时域形态特征，平均准确度为85.11％，敏感性为85.11％，精度为85.07％，F1得分为85.00％，而HRV和小波系数特征则获得了90.91％的精度，90.91％fivitivity，90.91％fivitivity，90.90％的速度和90％的精确度，90.96％和90％。对仿真结果的详细分析确认，所提出的方案有效地检测了单渠道心电图记录的心律不齐类别。在工作的最后一部分中，使用Raspberry Pi在硬件上实现了建议的分类方案，以实时ECG信号分类。
静电梳状驱动微镜的集成电容传感方法
本文开发了一种基于机电调幅的实时电容传感方案，用于检测单轴静电梳状驱动微镜的扫描角度和相位，以实现闭环控制。该方案将一个叠加了高频载波信号的正弦波电压信号施加到微镜的共用梳状驱动器上，用于传感和驱动。对驱动/传感电路在频域和时域进行了全面分析，以消除馈通并最小化信号失真。实验结果表明，使用2.5 V pp 和1 MHz 的载波信号，微镜扫描角度的测量精度达到0.15 ◦，时间延迟可控制在0.47 μs 以内。为了更好地理解微镜的扫描稳定性，还研究了温度变化对微镜相位响应的影响。当温度从 25 ◦ C 变为 35 ◦ C 时，以 3840 Hz 驱动的微镜的测量时间延迟从 0 变为 2.4 μ s。所提出的电容式传感方案可用于同时有效测量静电梳状驱动 MEMS 镜的角位置和相位，而无需添加任何外部元件。
受频率稳定性约束和短期太阳能变化影响的自主电网旋转备用分配
低惯性孤立电力系统面临着电力波动的弹性问题。风能和太阳能光伏等可再生能源的整合进一步推动了这一问题的界限。可再生能源份额的提高需要更好地评估电力系统的稳定性，以避免严重的安全和经济后果。因此，考虑频率稳定性要求和分配适当的旋转备用成为电力系统长期规划和运营管理中至关重要的主题。本文提出了动态频率约束，以确保在由于阵风或云层通过等原因造成的短期电力变化期间的弹性。案例研究中举例说明了所提出的约束的使用，约束被集成到混合整数线性规划算法中，用于确定孤立工业工厂中太阳能光伏和电池储能资源的最佳容量。本案例研究的结果表明，如果忽略频率约束，能源平准化成本和碳排放的减少量可能分别被高估 8.0% 和 10.8%。使用案例研究的时域模拟验证了所提出的最佳定型方法。结果表明，该最佳系统在最坏情况下是频率稳定的。
OPEN：开发智能本地能源系统应用的开源平台
本文介绍了 OPEN，这是一个用于智能本地能源系统集成建模、控制和仿真的开源软件平台。电力系统正在经历一场根本性的转变，即分布式能源资源提供大量发电和灵活性。“智能本地能源系统”的概念汇集了分布式能源资源本地化管理的相关策略，包括主动配电网、微电网、能源社区、多能源中心、点对点交易平台和虚拟发电厂。OPEN 提供了一个可扩展的平台，用于开发和测试新的智能本地能源系统管理应用程序，有助于弥合学术研究和行业转化之间的差距。OPEN 结合了现有能源管理工具所不具备的管理智能本地能源系统的功能，包括多相配电网功率流、能源市场建模、非线性储能建模和滚动时域优化。该平台采用 Python 实现，具有面向对象的结构，提供模块化并允许其轻松与第三方包集成。本文提供了案例研究，展示了 OPEN 如何用于一系列智能本地能源系统应用，因为它支持多种模型保真度来进行模拟和控制。
在具有可变车辆速度的非平稳条件下垂直轨道不规则性的定量检测
摘要：跟踪不规则性直接影响铁路车辆操作的质量和安全性。定量检测和对轨道不规则性的实时监测非常重要。然而，由于频繁的可变车速，车辆操作是一个典型的非平稳过程。传统的信号分析方法不适合非平稳过程，因此难以定量检测轨道不规则的波长和振幅。为解决上述问题，本文提出了一种定量检测方法，在非平稳条件下，通过订单跟踪分析，在非平稳条件下具有可变的车辆速度。首先，建立了简化的车轮 - 权轨动态模型，以得出轴盒垂直振动与轨道垂直不规则性之间的定量关系。其次，提出了Simpson Double Integration方法，以根据Axle-Box垂直加速度计算轴框垂直位移，并优化了过程误差。第三，基于顺序跟踪分析理论，角域重采样是在轴框垂直位移时域信号上进行的，并结合了车轮旋转速度信号，并实现了轨道不规则不规则的定量检测。最后，根据模拟和现场测试分析案例对所提出的方法进行验证。我们提供了理论支持和方法参考，用于轨道不规则的定量检测方法。