XiaoMi-AI文件搜索系统
World File Search System预测故障
基于可靠性的设计建议... - PHM 协会
故障机电执行器 (EMA) 数据集的质量和稳健性对于加强此类系统的飞机预测数据分析至关重要。主要飞行表面控制执行器尤其令人感兴趣，因为缺乏已知故障数据会削弱对组件和随后的子系统健康预测的信心。为了协助这项研究，我们设计和建造了一个 EMA 测试台，以帮助预测故障执行器相对于其正常执行器的寿命和磨损特性。在飞行实验期间将故障注入执行器，同时记录执行器参数，然后在地面进行后处理。本文对当前 EMA 测试台设计的可用性和可靠性进行了评估。利用现场类似组件的性能历史，本文特别展示了影响测试系统设计和故障数据质量的测试台设计方面。这项研究旨在验证测试台设计，并提供设计建议，以提高测试台的可用性和提供高质量和稳健的故障数据集的能力。 *
基于可靠性的机电执行器试验台设计建议
故障机电执行器 (EMA) 数据集的质量和稳健性对于加强此类系统的飞机预测数据分析至关重要。主要飞行表面控制执行器尤其令人感兴趣，因为缺乏已知故障数据会削弱对组件和随后的子系统健康预测的信心。为了协助这项研究，我们设计和建造了一个 EMA 测试台，以帮助预测故障执行器相对于其正常执行器的寿命和磨损特性。在飞行实验期间将故障注入执行器，同时记录执行器参数，然后在地面进行后处理。本文对当前 EMA 测试台设计的可用性和可靠性进行了评估。利用现场类似组件的性能历史，本文特别展示了影响测试系统设计和故障数据质量的测试台设计方面。这项研究旨在验证测试台设计，并提供设计建议，以提高测试台的可用性和提供高质量和稳健的故障数据集的能力。*
基于可靠性的机电执行器试验台设计建议
故障机电执行器 (EMA) 数据集的质量和稳健性对于加强此类系统的飞机预测数据分析至关重要。主要飞行表面控制执行器尤其令人感兴趣，因为缺乏已知故障数据会削弱对组件和随后的子系统健康预测的信心。为了协助这项研究，我们设计和建造了一个 EMA 测试台，以帮助预测故障执行器相对于其正常执行器的寿命和磨损特性。在飞行实验期间将故障注入执行器，同时记录执行器参数，然后在地面进行后处理。本文对当前 EMA 测试台设计的可用性和可靠性进行了评估。利用现场类似组件的性能历史，本文特别展示了影响测试系统设计和故障数据质量的测试台设计方面。这项研究旨在验证测试台设计，并提供设计建议，以提高测试台的可用性和提供高质量和稳健的故障数据集的能力。*
数字化转型：航空航天和国防已做好准备……
数字化转型影响所有 A&D 功能，并为提高运营效率提供了非常明确和切实的潜力。这从产品开发开始：得益于更快的原型设计支持的 3D 数字模型和模型，A&D 公司不仅可以模拟产品，还可以模拟其生产流程和在用操作，从而更快地开发新产品。数字化供应链可以提供对多层供应商格局的实时可见性。通过供应链监视塔查看生产状态使公司能够根据微弱信号（质量、交付和财务数据）预测中断并在中断发生之前解决它们。未来工厂拥有无纸化车间、更高的自动化程度、智能预校准工具和更直观的基于分析的工具，正在提高蓝领和白领的生产力。在支持和服务领域，利用在役飞机的健康和使用情况数据，并将这些数据与技术或维护数据相结合（使用大数据），可以帮助预测故障并提高机队性能和燃油消耗。
预测锂离子电池的容量褪色行为
锂离子电池的容量降解和安全危害的发生与各种不良侧电化学反应密切相关。尽管如此，这些副反应彼此之间是非线性交织的，并随着循环的增加而动态地发展，这对锂离子电池容量衰减的快速预测施加了主要的障碍。通过将电池视为黑匣子，以机器学习为导向的方法可以以有希望的准确性来实现预测。此处是一个数值模拟 - 基于基于的机器学习模型是为了预测故障之前的电池容量的开发。基于电池的恶化机制，将数值模型应用于仅测试25个电池的数据，以扩展144个组数据，从而导致数字双重数据集，该数据集可以可靠地预测锂离子电池的最大累积能力，误差小于2％。迭代培训的工作流程极大地加速了容量预测过程，并节省了99％的实验成本。©2022电化学学会（“ ECS”）。由IOP Publishing Limited代表EC出版。[doi：10.1149/1945-7111/ac95d2]
飞机维护、修理和大修中的人工神经网络数学方法
摘要 - 飞机维护、修理和大修 (MRO) 是飞机生命周期成本 (LCC) 的主要组成部分之一。提高 MRO 效率并降低 MRO 成本是降低 LCC 的主要方法之一。在现代航空技术中，航空电子设备的复杂性及其维护量不断增加。传统的故障预测方法难以应用于复杂的技术系统，因此有必要缩短 MRO 间隔。本研究提出了人工神经网络 (ANN) 的数学方法作为解决此问题的可能方法。无人机 (UAV) 的航空电子设备是研究对象。分析了传统方法和 ANN 方法的可靠性和故障预测，并进行了结果比较。研究表明，所用方法适用于解决此问题。所得结果显示可靠性很高。建议进一步研究以扩展到更复杂的航空电子设备飞机。在 MRO 系统中引入 ANN 具有诸多优势，包括可以延长航空电子设备的维修间隔和预测故障，同时考虑到运行的外部因素。这必然会降低 LCC 并提高安全性。
强化学习简介
•一种用于分析传感器数据的工业设备的预测维护代理，以预测故障发生，仅在需要时安排维护，并减少停机时间，并使Leroy等人付费。[2023]。•一个自主交付无人机系统，可根据交通，天气条件和客户的可用性优化交货路线和时间，从每个交付中学习以提高效率和客户满意度。•像chatgpt这样的对齐代理微调LLM，以更好地匹配用户意图。它从反馈中学习，以改善问题解释并确保准确，相关的回答。请参阅RL和LLM上的第11讲。•使用视觉识别识别成熟的水果和蔬菜的机器人收割助手，该助手在果园中航行。它可以精确地轻轻挑选农产品，最大程度地减少损坏和浪费。通过从每次收获中学习什么条件会导致最佳产量和质量，它可以帮助农民优化采摘时间表。请参阅机器人RL上的第10讲。
飞机维护、修理和大修中的人工神经网络数学方法
摘要 - 飞机维护、修理和大修 (MRO) 是飞机生命周期成本 (LCC) 的主要组成部分之一。提高 MRO 效率并降低 MRO 成本是降低 LCC 的主要方法之一。在现代航空技术中，航空电子设备的复杂性及其维护量不断增加。传统的故障预测方法难以应用于复杂的技术系统，因此有必要缩短 MRO 间隔。本研究提出了人工神经网络 (ANN) 的数学方法作为解决此问题的可能方法。无人机 (UAV) 的航空电子设备是研究对象。分析了传统方法和 ANN 方法的可靠性和故障预测，并进行了结果比较。研究表明，所用方法适用于解决此问题。所得结果显示可靠性很高。建议进一步研究以扩展到更复杂的航空电子设备飞机。在 MRO 系统中引入 ANN 具有诸多优势，包括可以延长航空电子设备的维修间隔和预测故障，同时考虑到运行的外部因素。这必然会降低 LCC 并提高安全性。
飞机维护、修理和大修中的人工神经网络数学方法
摘要 - 飞机维护、修理和大修 (MRO) 是飞机生命周期成本 (LCC) 的主要组成部分之一。提高 MRO 效率并降低 MRO 成本是降低 LCC 的主要方法之一。在现代航空技术中，航空电子设备的复杂性及其维护量不断增加。传统的故障预测方法难以应用于复杂的技术系统，因此有必要缩短 MRO 间隔。本研究提出了人工神经网络 (ANN) 的数学方法作为解决此问题的可能方法。无人机 (UAV) 的航空电子设备是研究对象。分析了传统方法和 ANN 方法的可靠性和故障预测，并进行了结果比较。研究表明，所用方法适用于解决此问题。所得结果显示可靠性很高。建议进一步研究以扩展到更复杂的航空电子设备飞机。在 MRO 系统中引入 ANN 具有诸多优势，包括可以延长航空电子设备的维修间隔和预测故障，同时考虑到运行的外部因素。这必然会降低 LCC 并提高安全性。
飞机维护、修理和大修中的人工神经网络数学方法
摘要 - 飞机维护、修理和大修 (MRO) 是飞机生命周期成本 (LCC) 的主要组成部分之一。提高 MRO 效率并降低 MRO 成本是降低 LCC 的主要方法之一。在现代航空技术中，航空电子设备的复杂性及其维护量不断增加。传统的故障预测方法难以应用于复杂的技术系统，因此有必要缩短 MRO 间隔。本研究提出了人工神经网络 (ANN) 的数学方法作为解决此问题的可能方法。无人机 (UAV) 的航空电子设备是研究对象。分析了传统方法和 ANN 方法的可靠性和故障预测，并进行了结果比较。研究表明，所用方法适用于解决此问题。所得结果显示可靠性很高。建议进一步研究以扩展到更复杂的航空电子设备飞机。在 MRO 系统中引入 ANN 具有诸多优势，包括可以延长航空电子设备的维修间隔和预测故障，同时考虑到运行的外部因素。这必然会降低 LCC 并提高安全性。