XiaoMi-AI文件搜索系统
World File Search System随机故障
NUREG/CR-5461，“核电站使用的电缆、连接和电气穿透组件的老化。”
由于这些部件的安全意义重大，它们都已成为广泛研究和行业测试的主题。其中许多测试都是设备鉴定 (EQ) 测试，或与 EQ 密切相关，例如严重事故研究测试。事实上，老化与 EQ 密切相关，尽管重点略有不同。EQ 的基本关注点是设备的常见原因故障，重点是暴露于不利的环境条件（例如蒸汽、高剂量辐射、压力、温度和化学喷雾）。设备的可靠性不被视为 EQ 的一部分。老化还涉及随机故障（即可靠性）以及如何通过维护和监视程序预测和防止与老化相关的随机和常见原因故障的增加。
论人工智能的安全评估
摘要 . 目的。本文讨论了如何对具有人工智能 (AI) 的系统进行安全评估。如果 AI 用于安全相关应用，这一点很重要。这也适用于铁路系统，因为预计 AI 将在铁路自动化中发挥作用。方法。本文的重点是 AI 的安全评估，而不是 AI 本身。深入研究 AI 模型后，我们发现许多人工智能模型（尤其是机器学习）都是统计模型。除了正常的评估程序外，安全评估还必须集中于 AI 中使用的模型。结果。相关安全完整性水平的危险随机故障预算的一部分需要用于 AI 系统的概率故障行为。我们用一个简单的例子展示了我们的想法，并提出了一个可能对 AI 在安全相关系统中的使用具有决定性作用的研究挑战。
纳米式活动对人类血管中Terahertz通信链路的影响
本文描述了移动纳米版之间的Terahertz通用联系的时间变化性质，针对人类血管内的纳米电视通信的现实用例。我们考虑通过类似偶极的纳米antennas的通信链接，该连接在血液中流动并旋转。这样的动态场景在接收到的功率水平上导致随机故障，类似于褪色的通道。我们提出了时间变化脉冲响应的分析公式，并计算出诸如水平交叉率和平均淡出持续时间之类的性能指标。我们的发现揭示了毫秒级的交叉点，平均量表的平均持续时间在相同的尺度上。我们的研究是签署强大的解码器和错误校正代码的基础，以减轻可变性对接收功率水平的影响。
近似硬件的测试与可靠性
数字电路和系统的高可靠性得益于多种方法。这些方法确保设计在规定的条件下和预计的使用寿命内发挥其功能。它们涵盖了与电子产品的制造和现场运行相关的不同方面。例如，洁净室控制杂质，工业控制系统实现生产一致性；封装前后的老化和测试确保在对电路施加应力后检测到设计弱点和制造缺陷。在将半导体推向市场之前，所有这些方法都是必要的，但它们并非万无一失。尽管小型化提供了许多优势，但每个新的 CMOS 节点都面临可靠性问题，因为这一趋势正在迅速接近操作和制造的物理极限 [1]。数字系统在其使用寿命的三个阶段可能会出现故障，如图 1 中的浴盆曲线所示 [39]。早期故障被称为早期死亡率；工作寿命期间发生随机故障，磨损故障
优雅降级：机载监视雷达...
基于有源电子扫描天线 (AESA) 的雷达具有“优雅降级”这一理想特性。此类雷达使用小型化发射-接收 (TR) 模块，少数模块故障不会导致任务失败。例如，在基于 AESA 的地面 MTI 雷达中，少数模块故障不会影响阵列性能。在这种情况下，静态地面杂波以零频率为中心，没有与运动相关的多普勒频移。然而，在机载 AESA 雷达中，由于平台运动和杂波通过天线旁瓣泄漏，地面杂波具有与角度相关的多普勒频率。因此，天线旁瓣电平决定了要针对其执行目标检测的旁瓣杂波。检测性能受信号与干扰加噪声比 (SINR) 控制。对于机载监视雷达，TR 模块的随机和系统故障及其对 SINR 的影响是特征化的。结果表明，单通道处理不能有效地提供平滑降级功能，因为故障导致的 SINR 损失很大。但是，与随机故障相比，系统故障对 SINR 损失的影响较小。还提出了一种有效的阵列馈电方案。
量化人为错误
首先是唯一的。然而，当检查大量案例时，此类事故的某些一般特征就会显现出来。图 3 旨在以简化的方式表明如何表示这种通用模型。通用模型称为 MACHINE（使用分层影响网络的事故因果模型）。所有事故的直接原因是人为错误、硬件故障和外部事件的组合。图 3 对这些进行了更详细的分解。主动、潜在和恢复错误已经讨论过。在硬件故障的情况下，这些可以分为两类。随机故障是可靠性模型考虑的正常故障，例如由于预期的磨损过程。从测试和其他来源可以获得有关此类故障分布的大量数据。人为故障包括两个子类别，一类是由于组装、测试和维护等领域的人为行为造成的，另一类是由于固有的设计错误造成的，这些错误会导致不可预测的故障模式或缩短生命周期。所有可靠性工程师都知道，从现场数据得出的大多数组件故障率实际上包括人为故障的影响。从这个意义上讲，这些数据不是组件的固有属性，而是取决于人为影响（管理、
汽车解决方案 - Microchip Technology
功能安全和 ISO 26262 随着电子设备在汽车设计中的应用日益广泛，电子设备在车辆运行、用户便利性和人身安全保护方面发挥着至关重要的作用。鉴于电子系统在汽车应用中的广泛使用，很难理解它们的正确运行对车辆控制有多么重要。只要这些电子系统正常工作，车内和车外人员的安全主要取决于驾驶员的技能和驾驶习惯。但是，如果电子设备发生故障并阻止驾驶员保持适当的控制，会发生什么情况？例如，安全气囊可能会在车辆行驶时突然展开，而不是由碰撞触发。如果驾驶员甚至不知道电子设备发生故障，比如后视摄像头上的图像冻结，该怎么办？所有电子设备都容易出现随机故障。尽管单个部件的故障率可能很低，但车辆中电子设备的不断使用大大增加了发生故障的可能性。大多数软件工程师也同意，随着软件规模和复杂性的增加，消除错误变得越来越困难。功能安全是电子系统检测故障、让驾驶员意识到故障并将车辆置于允许驾驶员保持安全控制的模式的能力。回到安全气囊的例子，诊断程序应该识别故障、禁用部署并打开警告灯以通知驾驶员系统工作不正常。
实时系统的容错策略和概率保证
嵌入式系统的广泛部署对我们的社会产生了重大影响，因为它们在许多关键的实时应用中与我们的生活相互作用。通常，用于安全或任务关键型应用（例如航空航天、航空电子、汽车或核领域）的嵌入式系统在恶劣的环境中工作，在这些环境中，它们会频繁遭受瞬态故障，例如电源抖动、网络噪声和辐射。它们还容易受到设计和生产故障导致的错误的影响。因此，它们的设计目标是即使在发生错误的情况下也能保持及时性和功能正确性。容错对于实现可靠性起着至关重要的作用，而设计有效和高效的容错机制的基本要求是潜在故障及其表现的现实和适用模型。在这种情况下需要考虑的一个重要因素是故障和错误的随机性，如果在时序分析中通过假设严格的最坏情况发生场景来解决这些问题，可能会导致不准确的结果。同样重要的是，通过有效利用可用资源实现容错，解决嵌入式系统的功率、重量、空间和成本限制。本论文提出了一个框架，用于设计可预测的可靠嵌入式实时系统，同时解决及时性和可靠性问题。它提出了一系列容错策略，特别是针对嵌入式实时系统。通过考虑系统构建块的不同关键性级别，可以实现高效的资源利用。容错策略与所提出的概率可调度性分析技术相辅相成，这些技术基于全面的随机故障和错误模型。
瓦莱坎垃圾运输车加氢站电转氢系统规模及调度优化
摘要 . 本研究旨在实施一个优化模型，该模型用于连接重型车辆加油站的制氢设施，用于废物管理和运输领域。该模型由两个连续的混合整数线性规划问题组成。第一个问题解决车辆加油计划问题，第二个问题解决工厂设计和运营问题。该模型的输出是工厂的设计和运行参数以及车辆加油计划，以实现氢气的最低平准成本。研究了电力供应的不同可能性：电网电力、太阳能光伏和水力发电。最有利可图的选择是安装 10 MW 太阳能光伏场，连接 3.3 MW 电解器和 3700 kg 储存器。由此产生的氢气平准成本为 10.24 欧元/千克。如果不考虑售电收入，从电网购买电力成为最具成本效益的选择。这种情况下，电解器和储氢器的大小分别为 760 kW 和 405 kg，氢气的平准化成本为 13.75 欧元/kg。对后一种情况进行的敏感性分析表明，最合理的输入参数是电解器单位消耗和电力成本。还进行了统计分析，考虑了随机故障分布，获得了电解器容量为 700-800 kW 和氢气储氢器大小为 1300-1400 kg 的最佳值。考虑到目前的电价和没有补贴，氢气在能源市场的渗透成本仍然很高。