XiaoMi-AI文件搜索系统
World File Search System监测系统
TSCA 焚化炉颗粒物连续排放监测系统测试程序的数据分析和相关性
我在此提交一篇由 James A. Calcagno, III 撰写的论文，题为“TSCA 焚化炉颗粒物连续排放监测系统测试程序的数据分析和相关性”。我已经检查了这篇论文的最终电子版的形式和内容，并建议将其作为部分满足理学硕士学位的要求，主修环境工程。
带有窄带物联网和MEMS传感器的结构性健康监测系统
摘要 - 追踪衰老，损害和最终防止严重失败的情况需要危及许多生命的严重失败。能够以连续且精细的方式监测广泛的建筑物的完整性，即具有低成本，长期和连续的测量，从经济和生活安全的角度来看，必不可少。为了满足这些需求，我们提出了一个低成本的无线传感器节点指定的，旨在在长时间的长时间内支持模态分析，并在低功耗时具有远距离连接。我们的设计使用非常具有成本效益的MEMS加速度计，并利用窄带物联网协议（NB-iot）与4G基础架构网络建立长距离连接。在任何商业或研究设备中，远程无线连接，无布置安装和多年寿命是一种独特的功能组合，而不可用。 我们详细讨论了节点的硬件体系结构和电源管理。 实验测试证明了使用17000 mAh电池或完全不中性的运行的寿命超过十年（60 mm x 120 mm）。 此外，我们验证了使用MEMS传感器的模态分析的可行性的测量精度：与基于压电传感器的高精度仪器相比，我们的传感器节点在一小部分成本和功耗下实现了0.08％的最大差异。远程无线连接，无布置安装和多年寿命是一种独特的功能组合，而不可用。我们详细讨论了节点的硬件体系结构和电源管理。实验测试证明了使用17000 mAh电池或完全不中性的运行的寿命超过十年（60 mm x 120 mm）。此外，我们验证了使用MEMS传感器的模态分析的可行性的测量精度：与基于压电传感器的高精度仪器相比，我们的传感器节点在一小部分成本和功耗下实现了0.08％的最大差异。
疟疾疫苗在非洲开始推广：需要加强非洲的监管和安全监测系统
引言 疟疾每年导致 60 多万人死亡，其中大多数死亡发生在非洲大陆。1 气候变化的影响和抗疟药物耐药性的出现进一步加剧了疟疾病例的增加。2 这两个因素严重威胁着有效的疟疾治疗和控制。有效的疫苗有可能减少耐药性感染。2 世卫组织建议在 2021 年推出两种疟疾疫苗 RTS、S/AS01，并在 2023 年推出 R21/Matrix-M，这是疫苗研发的一个重大突破。3 在努力引入这些疫苗的同时，重要的是要确保有一个有弹性和强大的药物警戒 (PV) 系统来有效监测疫苗安全，并借鉴引入 COVID-19 疫苗所获得的经验。PV 对于提供及时准确的疫苗安全数据、影响数据驱动的决策和解决公众担忧以提高疫苗接受度至关重要。然而，在全球卫生背景下，PV 经常被忽视。在本文中，我们探讨了通过非洲疾病控制和预防中心 (Africa CDC) 拯救生命和生计 (SLL) 干预措施、经验和战略利用 COVID-19 疫苗安全监测经验的重要性，这些干预措施、经验和战略可用于支持目前在疟疾流行国家推出的疟疾疫苗。在全球疫苗和免疫联盟、世卫组织、联合国儿童基金会和其他合作伙伴的支持下，已向 12 个非洲国家分配了 1800 万剂 RTS、S/AS01，将于 2023 年至 2025 年推出。4 疟疾疫苗的引入将彻底改变抗击疟疾的斗争
QXAI：可解释的AI框架用于患者监测系统中的定量分析
摘要 - 源自人工智能技术可用于对患者的体育活动进行分类，并预测远程患者监测的生命体征。基于深度学习模型（例如深度学习模型）的非线性模型的回归分析，由于其黑盒性质而具有有限的解释性。这可能需要决策者根据非线性模型结果，尤其是在医疗保健应用中实现盲目的信仰飞跃。在非侵入性监测中，跟踪传感器的患者数据及其易感性临床属性是预测未来生命体征的输入特征。解释各种特征对监视应用程序的整体输出的贡献对于临床医生的决策至关重要。在这项研究中，提出了一个可解释的用于定量分析的AI（QXAI）框架，并通过临时模型的解释性和内在的解释性来解释和分类任务，以有监督的学习方法。这是通过利用Shapley价值观概念并将注意机制纳入深度学习模型中来实现的。我们采用了人工神经网络（ANN）和基于注意力的双向LSTM（BILSTM）模型，以根据传感器数据对心率和身体活动的分类进行预测。深度学习模型实现了最先进的预测和分类任务。在输入数据上进行了全球解释和局部解释，以了解各种患者数据的特征贡献。使用PPG-Dalia数据评估了提出的QXAI框架，以预测心率和移动健康（MHealth）数据，以根据传感器数据对体育活动进行分类。将蒙特卡洛近似应用于框架，以克服Shapley价值计算所需的时间复杂性和高计算功率要求。
带有电荷的充电控制器，带有电动汽车中锂离子电池的温度监测系统
摘要。电池管理系统在电动汽车中起着至关重要的作用。电池的充电和排放不当会改变电池的化学特性，从而降低其寿命。电池充电状态（SOC）是设计电池管理系统的重要参数。在其标称温度上方操作电动汽车电池会导致电池爆炸，这可能会导致人类损失。因此，必须正确监控电池的温度。为了减少电池的排放深度，基于SOC的充电控制器在Arduino和开发的控制算法的帮助下设计。当电池的SOC低于阈值时，该开发的算法会停止电动汽车的运行，并在电池温度超出标称范围时发出警报。这确保了电动汽车中锂离子或锂聚合物电池的安全和正确处理。
参见碳：摩托车车辆碳排放的实时物联网监测系统
为了解决此问题，运输部门的部门机构陆路运输办公室（LTO）要求进行排放测试，以检查车辆符合该车辆由该部门设定的排放标准的遵守情况。不幸的是，该国的某些地方没有排放测试中心。如果给出了一个，驾驶员将被迫经历长时间的等待时间，然后才能对其进行测试，如果碳排放不符合陆地运输办公室（LTO）设定的标准，则必须支付钱，因此他们将不具备车辆更新的资格。排放测试有时称为车辆排放测试或烟雾测试，是对汽车排气排放的有条理分析，以找出它在空气中散发出多少污染。在整个过程中测量和分析了各种污染物，例如氮氧化物（NOX），一氧化碳（CO），碳氢化合物（HC）和颗粒物（PM）。车辆必须遵守制定环境规则，而不会发出比所允许的更危险的污染物，这就是为什么要进行排放测试的原因。（epa.gov，n.d。）
世卫组织疫苗可预防疾病：监测系统。2020 年全球摘要
白喉 2'289 1'870 0 _ _ 3'995 1'768 165 日本脑炎 _ _ _ _ _ _ _ _ 麻疹*** 28'094 7'063 11'190 17'136 12'423 212'183 115'682 162'106 腮腺炎 _ _ _ _ _ _ _ _ 百日咳 _ 7'897 4'244 _ 6'592 38'910 42'929 48'996 脊髓灰质炎* 18 34 0 5 1 638 1'873 816 风疹*** 1'644 4'772 543 503 419 _ _ _ 风疹 (CRS) _ _ _ _ _ _ _ _ 破伤风 (新生儿) 137 130 187 34 53 1'643 1'060 _ 破伤风 (总数)** 138 131 187 34 53 1'643 2'703 3'095 黄热病 154 47 26 0 0 0 4'075 8 * 脊髓灰质炎指所有脊髓灰质炎病例（本土或输入），包括由疫苗衍生脊髓灰质炎病毒 (VDPV) 引起的脊髓灰质炎病例。如需分类数据，请点击此超链接：https://extranet.who.int/polis/public/CaseCount.aspx 它不包括疫苗相关麻痹性脊髓灰质炎 (VAPP) 病例和非脊髓灰质炎急性弛缓性麻痹 [AFP] 病例。 ** 新生儿破伤风和总破伤风病例数相等可能是由于缺乏非新生儿破伤风监测系统。*** 对于 2019 年，如果一个国家没有提交联合报告表，则麻疹和风疹病例来自通过每月监测数据报告的数据，可从以下网站获取：https://www.who.int/immunization/monitoring_surveillance/burden/vpd/surveillance_type/active/measles_monthlydata/en/
比较基于洛拉的废物箱监测系统中知识提取模型的机器学习方法
知识提取模型（KEM）是一个系统，可通过基于IoT的智能废物箱清空调度分类来提取知识。分类是一个困难的问题，需要有效的分类方法。这项研究以KEM系统的形式做出了贡献，以使用机器学习方法的最佳性能排空废物箱的时间表。该研究旨在比较决策树，幼稚的贝叶斯，K-Nearest邻居，支持向量机和多层感知器的形式的机器学习方法的性能，这将在KEM系统中使用。使用具有十个观测值的交叉验证方法对准确性，召回，精度，F-量和ROC曲线进行了。 实验结果表明，决策树最适合准确性，召回，精度和ROC曲线。 相比之下，K-NN方法获得了最高的F量度性能。 可以实现以从其他基于物联网的系统中创建的数据集中提取知识。。实验结果表明，决策树最适合准确性，召回，精度和ROC曲线。相比之下，K-NN方法获得了最高的F量度性能。可以实现以从其他基于物联网的系统中创建的数据集中提取知识。以从其他基于物联网的系统中创建的数据集中提取知识。
使用自动实时监测系统检测空气中的花粉：来自两个地点的证据
1 环境医学，奥格斯堡大学医学院，86156 奥格斯堡，德国；maria.plaza@tum.de (M.P.P.); franziska.kolek@tum.de (F.K.); vivien.leier-wirtz@tum.de (V.L.-W.); claudia.traidl-hoffmann@tum.de (C.T.-H.) 2 环境医学研究所，慕尼黑亥姆霍兹中心——德国环境健康研究中心，86156 奥格斯堡，德国 3 医疗保健运营/健康信息管理，奥格斯堡大学医学院商业与经济学院，86159 奥格斯堡，德国； jens.brunner@uni-a.de 4 Christine Kühne—过敏研究与教育中心 (CK-CARE)，7265 达沃斯，瑞士 5 塞萨洛尼基亚里士多德大学科学学院生物学院生态学系，54124 塞萨洛尼基，希腊 * 通讯地址：dthanos@bio.auth.gr
运行载荷监测系统在飞机主起落架连接框架疲劳评估中的应用
摘要：本文提出了一种基于操作载荷监测 (OLM) 系统记录的垂直着陆力对主起落架 (MLG) 连接框架疲劳进行评估的方法。特别是，分析了不同着陆阶段以及地面操作和 MLG 框架疲劳磨损的影响。开发的 OLM 系统的主要功能是对 Su-22UM3K 飞机主起落架节点结构因标准着陆和触地复飞 (T&G) 着陆而产生的疲劳进行单独评估。此外，该系统还允许评估着陆期间主起落架节点结构中的应力累积并允许检测硬着陆。开发的系统还实现了确定选定的飞行阶段、对应变计传感器在标准全停着陆和滑行期间记录的结构不同类型的负载循环进行分类。基于这些功能，可以监测和比较飞机之间的着陆疲劳磨损当量以及给定飞机所有航班的着陆疲劳磨损，这些可以纳入机队管理范例，以实现飞机的最佳维护。本文详细描述了用于起落架节点疲劳评估的系统和算法，并提供了和讨论了在六架飞机的机队 3 年系统运行期间获得的结果。