开发预测性维护模型的第一步是获取数据。此示例使用 NASA 数据存储库中公开提供的预测和健康管理挑战数据集。该数据集包括来自 218 个发动机的运行至故障数据,其中每个发动机数据集包含来自 21 个传感器的测量值。通过放置在发动机各个位置的传感器收集燃油流量、温度和压力等测量值,以向控制系统提供测量值并监控发动机的健康状况。该图显示了一个传感器对所有 218 个发动机的测量结果。
可以以可知的成本提供能源,从而对冲燃料价格波动并抑制通货膨胀的影响。阿拉斯加拥有全国最好的可再生能源资源,有机会在当地投资可持续基础设施,每年为社区节省数百万美元的能源成本。随着人们对化石燃料价格、能源安全和气候变化的担忧日益增加,可再生资源在维持社区使用当地、清洁和取之不尽的能源以满足阿拉斯加对电力、热能和运输燃料的需求方面发挥着关键作用。部分由于进口和运输化石燃料带来的挑战,越来越多的阿拉斯加人开始寻求水电、风能、生物质能、太阳能以及程度较小的地热能、潮汐能和波浪能等资源来发电和供热。阿拉斯加人还通过能源效率和节约措施节省了热能和电力,将资金留在当地经济中,并创建了更稳定、更具弹性的社区。效率还有助于实现到 2025 年实现 50% 可再生能源的州目标,因为通过效率避免的能源几乎总是使用化石燃料产生的。
› 1_Tech_Spec_Sheets PDF TrimbleR EMPOWER 资产跟踪... EM112 条码成像仪 + UHF RFID 模块,... 邮政、英国皇家邮政、美国智能邮件。2D 堆叠:Codablock A,...
摘要:ATLAS 是 LHC 的两个主要实验之一,目的是研究物质的微观特性,以回答粒子物理学最基本的问题。在首次数据运行取得成功之后,LHC 通过三次加速器升级,突破了质心和亮度的能量极限,从而扩大了新发现和精确测量的可能性,最终形成了高亮度 LHC(HL-LHC)。 )。为了充分利用增加的亮度,计划对 ATLAS 内部探测器进行两次重大升级。第一次升级已于 2015 年初完成,插入了 IBL,即距离光束线仅 3.2 厘米的第四个像素层。第二次重大升级定于 2024 年进行,整个内部探测器将被完全由硅器件制成的全新内部跟踪装置取代,以应对 HL-LHC 的高粒子密度和强辐射环境,该装置在运行期间运行期间将提供 3000 fb −1,几乎是整个 LHC 计划内部光度平均值的十倍。本论文讨论的是
脑瘤是组织异常生长,其生长不受控制,不受控制细胞正常生长的检查点的制约。脑瘤可以是原发性的,也可以是转移性的。从身体其他部位扩散到大脑的肿瘤被称为转移性肿瘤。脑瘤是儿童和成人死亡的可能原因之一。在儿童中,脑瘤是所有癌症死亡的四分之一的原因。英国每年诊断出大约 200 种不同类型的肿瘤。医学共振成像是一种先进的成像技术,用于获取身体不同部位的高质量图像。MRI 用于大脑发育和大脑异常的解剖分析(Logeswari 和 Karnan 2009)。这些 MRI 图像经过预处理,以便可以对这些图像执行进一步的形态学操作,以检测肿瘤的大小、形状和位置。MRI 图像的预处理是为了去除噪音和增强图像,而形态学操作则使用 MATLA B 算法来分离和检测脑中的肿瘤(Murugavalli 和 Rajamani 2007)。分割的最终目的是从图像数据中提取重要特征。从脑部 MRI 图像中分割肿瘤是一个耗时的过程(Toure、Beiji 等,2010 年)。MATLAB 是一种快速算法,用于在很短的时间内从 MRI 图像中检测肿瘤。最后,将肿瘤映射到原始灰度图像上,强度为 255,使肿瘤在图像中可见。收到(2017 年 8 月 10 日),审核结果(2017 年 11 月 5 日),接受(2017 年 11 月 20 日)
总长度(空载):11.3 m 自由度:7 总质量(空载):630 kg 最大负载尺寸:3x3x8.1 m 最大可移动质量:8000 kg 定位精度(闭环):5 mm
1.3 目标................................................................................................................ 3
1.3 目标................................................................................................................ 3
摘要:移动物体检测和跟踪是安全应用之一,由于其在视频监控、交通监控和图像识别等领域的应用,引起了计算机视觉研究人员的极大兴趣。移动物体检测涉及在连续帧中识别物体,而物体跟踪用于监控相对于感兴趣区域的移动。在这项研究工作中,GUI(图形用户界面)是使用 MATLAB 中的 Guide 创建的,它提供软件应用程序的点击控制,无需学习语言或输入命令即可运行应用程序。本文使用基于高斯混合模型的背景减法算法进行物体检测,该算法可以处理背景强度分布的较大变化,并使用卡尔曼滤波器进行视频跟踪,该滤波器使用随时间观察到的一系列测量值,包含统计噪声和其他不准确性,并产生未知变量的估计值,这些估计值往往比仅基于单个测量的估计值更精确,在物体周围绘制一个边界框以跟踪视频帧中移动的移动物体,每帧中物体的计数值显示在 MATLAB 命令窗口中。在这里,MATLAB 与 Arduino 板(基于微控制器的板)连接,该板与 LED 连接,根据计数值,LED 的数量将发光。MATLAB 的计数值通过串行通信与 Arduino 板通信。关键词:移动物体检测、跟踪、指南、MATLAB、LED、Arduino、串行通信。
摘要:移动物体检测和跟踪是安全应用之一,由于其在视频监控、交通监控和图像识别等领域的应用,引起了计算机视觉研究人员的极大兴趣。移动物体检测涉及在连续帧中识别物体,而物体跟踪用于监控相对于感兴趣区域的移动。在本研究中,使用 MATLAB 中的 Guide 创建了 GUI(图形用户界面),它提供软件应用程序的点击控制,无需学习语言或输入命令即可运行应用程序。在本文中,使用基于高斯混合模型的背景减法算法执行物体检测,该算法可以处理背景强度分布的较大变化,使用卡尔曼滤波器执行视频中的跟踪,该滤波器使用随时间观察到的一系列测量值,包含统计噪声和其他不准确性,并产生未知变量的估计值,这些估计值往往比仅基于单个测量值的估计值更精确,在物体周围绘制一个边界框以在物体在视频帧中移动时跟踪移动物体,每帧中物体的计数值显示在 MATLAB 命令窗口中。这里 MATLAB 与 Arduino 板(基于微控制器的板)连接,Arduino 板与 LED 连接,根据计数值 LED 的数量会发光。MATLAB 的计数值通过串行通信与 Arduino 板通信。关键词:移动物体检测、跟踪、引导、MATLAB、LED、Arduino、串行通信。