XiaoMi-AI文件搜索系统
World File Search System机群系统
自动监视操作中无人机群的安全通信框架
无人机已成为各个领域中必不可少的工具，从监视和环境监测到灾难响应和通信继电器。然而，它们在关键任务中日益增长的使用需要强大的措施来防止潜在威胁并确保行动的完整性。本研究为部署在监视任务中的一群无人机提供了一种新颖的安全架构。利用通过Delaunay三角剖分建立的可靠基础进行无人机之间的通信，这项工作引入了高级安全协议，以增强网络的保护和完整性。该体系结构采用网状网络托架连接六台无人机，每个无人机都配置为特定的监视任务，包括外围监测，区域扫描，热成像，交通观察，通信继电器和事件响应。网格网络范围可确保扩展覆盖范围，冗余，负载平衡和自我配置，从而显着提高可靠性和弹性。使用GNS3和EtterCap进行了安全验证，模拟了各种漏洞。经典无人机网络与拟议的安全网络之间的比较性能分析表明，针对潜在攻击的出色交通管理和鲁棒性。结果强调了Architecture在关键监视环境中对安全可靠操作的适用性。
基于Solana区块链技术的战斗无人机群（CDSS）
摘要本文研究了Solana区块链技术在管理战斗无人机群中的应用，重点是提高军事和救灾操作中的安全性，可靠性和透明度的能力。我们提出了一个模型，即无人机群网，该模型利用了Solana的高吞吐量和低潜伏期，以确保无人机之间的实时决策和稳健的通信。我们的分析包括与传统系统的比较研究，强调了区块链在可伸缩性和安全性方面的优势。我们以现实世界中的适用性，监管挑战以及整合新兴技术的未来方向结束。区块链群管理可以帮助在区块链平台上注册每个无人机。数字签名的交易，数据出处和共识机制可以立即识别和无人机之间已损坏的数据。生存能力和整体战斗有效性使其能够完成诸如群体对抗和森林消防等艰难任务。
安全的多跳遥测广播，用于无人机群通信
摘要 - 无人驾驶汽车（UAVS）正在作为适应性平台发展，用于广泛的应用，例如精确的检查，紧急响应和遥感。自主无人机群需要在部署期间有效，稳定的通信才能成功执行任务。例如，所有群体成员之间的遥测数据的定期交换为形成和避免碰撞的基础提供了基础。但是，由于车辆的流动性和无线传输的不稳定性，保持安全可靠的全能通信仍然具有挑战性。本文根据Custom IEEE 802.11 Wi-Fi数据框架调查了经过加密和身份验证的多跳广播通信。索引条款 - 无人驾驶汽车，多跳网络，车辆网络，群飞行
32*8 & 24*16 LED 驱动芯片TM1681
TM1681 的系统时钟用来产生系统工作的时钟频率。LED 驱动时钟、系统时钟可以取自片内的 RC 振 荡器（256KHz）或者使用 S/W 设置由外部时钟输入。系统振荡器构造如图7 所示。当SYS DIS 命令被 执行时，系统时钟停止，LED 工作循环将被关闭（这条指令只能适用与片内 RC 振荡器）。一旦系统时 钟停止时，LED 显示为空白，时基也会丧失其功能。LED_OFF 命令用来关闭 LED 工作循环，LED 工作 循环被关闭之后，用 SYS DIS 命令节省电源开支，充当省电命令；如果是片外时钟源被选择的话，使 用 SYS DIS 命令不能够关闭振荡器以及执行省电模式。晶体振荡器可以通过OSC 管脚提供时钟频率， 在这种情况下，系统将不能进入省电模式。在系统上电时，TM1681 默认处在 SYS DIS 状态下。
使用基于 RSSI 的位置信号对无人机群进行高级控制...
使用自主无人机协作群调查区域并收集有关失踪人员位置的信息，可以为搜索和救援行动带来巨大好处。本文研究了无人机群算法，该算法可防止代理对之间以及代理与静态障碍物之间的碰撞。该群由具有通信约束的低成本协作固定翼飞机组成。首先开发了一种分散式群体行为，假设系统能够提供所有飞机的准确位置。此外，代理通过使用 RSSI 测量来估计其位置。所有代理都配备了通信设备和广播无线电信号，并测量接收到的信号强度，以估计与其他群成员的距离。这些估计值进一步用于开发多点定位算法，其中每个代理使用来自至少三个附近代理的距离估计来估计自己的位置。通过添加飞机运动学的动态模型，可以提供更准确的估计，其中考虑了错误的位置估计。在 MATLAB 中，在 2-D 环境中模拟了自主群。代理实时做出决策，其运动由势场和信息素水平控制。排斥势用于防止碰撞，吸引势用于形成无人机集群，以便所有成员都保持在通信范围内。群体也被吸引到环境中未探索的区域。当提供真实的无人机位置时，开发的势场算法在控制群体方面确实显示出有希望的结果。代理对之间或代理与障碍物之间没有发生碰撞。代理没有越界，群体很强大，因为它能够处理单个成员的丢失。对于基于 RSSI 的位置估计方法，需要进一步开发群体行为。通信设备的接收器灵敏度限制了代理之间的最大距离及其滚动角度差异。当发生单个故障或障碍物阻碍群体路径时，并不总是有足够的 RSSI 测量值可用于执行
使用内源性 BCI 范式设计基于 EEG 的无人机群控制系统
摘要 — 非侵入式脑机接口 (BCI) 已被开发用于通过使用脑电图 (EEG) 信号来理解用户的意图。随着人工智能的发展，无人机控制系统也取得了许多进展。能够反映用户意图的 BCI 特性导致了基于 BCI 的无人机控制系统的出现。使用无人机群比使用单架无人机具有更多优势，例如任务多样性。特别是，基于 BCI 的无人机群控制可以为军事服务或行业灾难等各个行业提供许多优势。BCI 范式包括外生范式和内生范式。内生范式可以独立于任何刺激根据用户的意图进行操作。在本研究中，我们设计了专门用于无人机群控制的内生范式（即运动想象 (MI)、视觉想象 (VI) 和语音想象 (SI)），并进行了基于脑电图的与无人机群控制相关的各种任务分类。五名受试者参加了实验，并使用基本机器学习算法评估了表现。MI、VI 和 SI 的总平均准确率分别为 51.1% (± 8.02)、53.2% (± 3.11) 和 41.9% (± 6.09)。因此，我们证实了使用各种内生范式增加无人机群控制自由度的可行性。关键词-脑机接口；脑电图；无人机群控制；直觉范式
“光伏+”储能微网电站设计要点分析
1）随着分布式光伏统筹上网电价逐年下降以及储能系统成本降低，建设分布式+储能系统实现 分布式电源全部就地消纳具有较好的经济效益，同时利用储能系统每天“两充两放”的特性， 合理利用阶梯电价，提高系统效益。With the distributed PV grid prices and the energy storage system cost decreasing every year, there is good economic benefit to build the distributed + energy storage system to achieve all the local power consumption, and because the energy storage system charges and discharges twice every day, the step tariff , if well employed, can increase the system benefit. 2）通过能量管理系统控制分布式电源+储能系统平滑输出，减小外部气象条件对分布式电源输 出的影响，提高供电电能质量。Achieving smooth output from the distributed power supply + energy storage system by the energy management system, reducing the impact to the distributed power output from the external weather conditions and improving the quality of power supply. 3）通过分布式电源+储能系统组成并网型微电网系统，当电网故障时，自动切换至独立运行模 式，保持重要负荷连续供电/或者利用储能系统代替企业原有设计起到后备电源（UPS）的作 用。When the grid breaks down, the microgrid system that is composed of the distributed power supply + energy storage system automatically switches to stand-alone mode, which maintains continuous power supply or uses energy storage system to replace the UPS in the original design.
人工智能对齐：全面性综述 - AI Alignment
Fig.1 RICE 原则定义了一个对齐系统应具备的四个关键特性，这四个特性并无特定顺序： (1) 鲁棒性 (Robustness) 指人工智能系统的稳定性需要在各种环境中得到保证； (2) 可解释性 (Interpretability) 指人工 智能系统的操作和决策过程应该清晰易懂； (3) 可控性 (Controllability) 指人工智能系统应该在人类的指导 和控制下运行； (4) 道德性 (Ethicality) 指出人工智能系统应该遵守社会规范和普适价值观。这四个原则指 导人工智能系统与人类意图和价值观的对齐。他们本身并不是最终目标，而是服务于对齐的中间目标。
执法清理行动中人机与无人机和无人机群的互动
执法清理行动中人机与无人机和无人机群的交互 Richard T. Stone 1、Thomas M. Schnieders 1、Kevin A. Push 1、Stephen Terry 2、Mary Truong 3、Inshira Seshie 4 和 Kathryn Socha 1 1 爱荷华州立大学 2 宾夕法尼亚州立大学 3 西北大学 4 马里兰大学巴尔的摩分校 警察通常必须单独进行清理行动，这一程序涉及调查建筑物中的威胁并做出适当反应。无人机群和警察之间的合作有可能在这些高压力行动中提高警察和平民的安全性，并降低敌对人员伤害的风险。这项由两部分组成的研究探讨了使用单个无人机或无人机群进行执法建筑清理行动过程中的信任、态势感知、心理需求、性能和人机交互等方面。结果表明，单架无人机的使用可以增加操作时间，但清理的准确性和安全性会得到提高。单架无人机的使用提高了态势感知能力，减少了未击中目标的数量，并获得了中等程度的信任。对于无人机群，结果表明，与单架无人机相比，群数据馈送的心理工作量存在显著差异，但发现目标的准确性没有显著差异。引言美国联邦航空管理局将无人机定义为无人驾驶飞机系统 (UAS) (FAA，2018)。最早的实际用途
模拟激光武器系统决策支持，利用机器学习对抗无人机群
本论文展示了机器学习的一种应用，它为在复杂战术情况下操作激光武器系统的战士提供自动决策支持。该论文使用 NPS 建模虚拟环境与仿真 (MOVES) 研究所的 Swarm Commander 建模和仿真软件环境来开发模拟数据集，模拟涉及舰载激光武器系统防御无人机群威胁的战争游戏场景。模拟数据集用于训练机器学习算法，以预测复杂战场中异构无人机群的最佳交战策略。评估了多种机器学习技术，并选择分类树技术作为首选方法。最终算法在根据无人机威胁类型、数量和激光武器系统攻击策略正确预测交战结果方面总体准确率为 96%。研究结果表明：（1）建模和仿真对于支持战术机器学习应用开发的实用性；（2）机器学习对支持未来战术行动的潜力；（3）机器学习和自动化总体上可以减轻未来作战人员在复杂威胁环境中做出关键决策时的认知负荷。