XiaoMi-AI文件搜索系统
World File Search System闭环控制
用于闭环控制系统的人工智能
控制系统，特别是闭环控制系统 (CLCS)，如今经常用于生产机器、车辆和机器人。需要 CLCS 以非常高的精度实时主动地将过程的实际值与给定的参考值或设定值对齐。然而，人工智能 (AI) 并未用于建模、设计、优化和调整 CLCS。本文将重点介绍潜在的基于 AI 的控制系统设计和设计程序，为控制系统工程领域带来新的机遇和研究方向。因此，本文说明了 CLCS 标准框图中的哪些构建块可以用 AI（即人工神经网络 (ANN)）替换。考虑到实时包含和功能安全的流程，讨论了基于 AI 的控制器块是否可以满足这些需求。论文最后讨论了基于 AI 的 CLCS 设计的优缺点，并给出了在控制系统工程领域引入 AI 的可能研究方向。
LMD-p 和 WAAM 过程的现场监测和闭环控制。
• 实施监控以表征熔池的热稳定性和几何稳定性、熔珠的形态以及零件内的热梯度和制造过程中零件的变形。 • 优化测量数据的处理：将数据压缩为可靠、有效的残留状态指标（局部热稳定性、熔池形态稳定性、层高或焊道形状的稳定性）；减少数据处理时间；合并来自不同来源的数据；研究闭环数据使用中的不确定性的传播。 • 根据不同标准对解决方案的效率进行评估：精度（准确度、保真度）、空间分辨率、采集和处理时间与在线使用的兼容性、残余状态指标对过程偏差的敏感性、实施的简易性。
控制、机器人和自主系统年度回顾脑机接口：自适应系统中的闭环控制
脑机接口 (BMI) 有望恢复瘫痪患者的运动和交流能力，最终使人脑与外部设备无缝交互，为新一波医疗和消费技术铺平道路。然而，神经活动会随着时间的推移而适应和变化，这对可靠的 BMI 实施提出了巨大挑战。现在，动物研究中的大规模记录使我们能够研究行为信息在多个大脑区域中的分布情况，而最先进的接口现在将大脑模型作为反馈控制器。正在进行的研究旨在了解神经可塑性对 BMI 的影响，并找到利用学习同时适应神经代码意外变化的方法。我们回顾了实验和临床 BMI 研究的现状，重点关注我们对神经代码的了解、优化闭环控制解码器的方法以及解决神经可塑性的新兴策略。