网页:https://computerscience.aceter.ac.uk/people/profile/profile/index.php?username = gad212项目详细信息:计算机模型或模拟器在各种科学学科中都起着至关重要的作用,包括工程,公共健康,公共健康,空中流量,以及空中控制(ATC)。这些模拟器通常昂贵且耗时运行,依靠参数的准确校准来进行可靠的预测。但是,用于校准的传统高斯工艺(GPS)在处理大型输入数量和多个输出时表现出局限性,通常需要不切实际的简化假设。我们正在寻找一个高技能和积极进取的候选人,以开创性的博士学位项目,旨在通过开发一个通用,基于深度学习的模型校准框架来克服这些局限性。利用基于神经网络的方法在处理输入和输出维度方面的可伸缩性,该项目探讨了有效的深度学习替代模型的构建。重点将放在量化预测中固有的不确定性,并将这种不确定性整合到校准过程中。此外,该项目将研究可逆神经网络和生成模型的应用,以直接输入采样与目标输出对齐。该框架的主要应用在于空中交通管制系统的领域,在该系统中,精确校准昂贵的模拟至关重要。改进的模型校准将提高交通管理预测的可靠性,从而有助于更安全,更明智的决策。该项目的预期可交付成果包括著名科学期刊的高影响力出版物以及开发开源软件套件,该套件封装了我们的创新方法。
摘要在本文中,我们提出了一种可移植的多机器人成像平台的应用,称为Radalyx,具有CT(计算机断层扫描)检查功能。radalyx配备了6关节机器人臂,可容纳特定成像模块。对于X-Ray成像,Radalyx的标准配置包括两个机器人。一个机器人固定X射线管,另一个机器人持有检测器。机器人上的集成成像工具允许将检测器和X射线管定位在被扫描的对象周围。根据样本量和形状,机器人执行预编程的运动,捕获随后将其处理为2D或3D图像的X射线投影。定位灵活性可以以多个角度(“任意路径CT”)具有新的扫描轨迹。radalyx具有精确校准且可重复的几何精度,进行CT和横向合成扫描以及常规的2D射线照相扫描,从而导致空间分辨率高达60 µm。机器通过使用光子计数检测器克服了常规CT系统的局限性,该检测器在分辨率,灵敏度,动态范围,降低降噪和光谱成像方面具有益处。radalyx允许将多个扫描机器人集成到几个独立和可移动站。电台可以任意定位在田地中,并通过几何校准以启用扫描模式,例如X射线传输甚至单面方法,例如X射线后散射。此外,radalyx可通过其他成像方式(例如激光分析和激光激光超声波)扩展,从而提供了各种材料的互补检查功能。radalyx正在改善成像方法的适用性,以在检查对象和检验不可行或仅受到限制的更广泛的测试对象和字段中。
低速设施中风洞流质量测量和评估的现代框架 随着测试的复杂性增加,对风洞测试测量精度的要求也越来越严格。在风洞测试时间减少和测试成本增加的环境下,重要的是在较长时间内建立、维护和统计控制风洞设施中测量链所有组件的精确校准和验证。本文介绍了在贝尔格莱德军事技术学院的 T-35 4.4 m × 3.2 m 低速风洞中建立和维护测量质量控制系统所做的努力。该设施测量质量的保证基于确保三个主要组成部分的质量:风洞测试部分的校准、所用仪器的校准以及标准风洞模型的定期测试。介绍了相关风洞校准测试的样本结果,并将其与其他设施的结果进行了比较。测试证实了该设施的整体质量良好,并且必须保持、定期检查和系统地记录所达到的质量水平。关键词:风洞流动质量;低速风洞;标准校准模型;AGARD-B;ONERA M4。1.简介 风洞测试是任何飞机设计和开发的重要组成部分。预测未来飞行物体的空气动力学行为和特性的通常做法是进行相对小规模模型的风洞测试。为了确保对风洞数据进行有意义的解释,必须了解和纠正影响结果的影响因素;修正后的数据应与来自不同风洞或自由空气情况的数据具有可比性,[1]-[9]。此外,最好采用或多或少标准的校准和测试程序,以使来自不同风洞的数据尽可能接近可比性。在测试模型的风洞结果可用于预测未来飞行物体的气动特性之前,必须确定模型支撑系统和非均匀气流条件的影响随着风洞试验对测量精度的要求越来越严格,试验的复杂性也随之增加,并且在风洞试验时间减少、试验成本不断上升的环境下,重要的是对风洞设施中测量链的所有组件进行准确的校准和验证,更重要的是,在较长时间内保持和统计控制 [10]。