XiaoMi-AI文件搜索系统
World File Search SystemCyclically
国际疲劳杂志 - mediaTUM
火箭发动机的再生冷却结构承受着极大的负荷。负荷是由热燃烧气体（CH4/OX 约为 3500 K）和冷冷却通道流（LCH4 约为 100 K）相互作用引起的，这导致结构中存在较大的温度梯度和高温（铜合金最高可达 1000 K 左右），同时两种流体之间存在较高的压力差。本研究旨在更好地了解三个主要组成部分的物理行为：结构、热气体和冷却剂流，以及它们的相互作用，特别是结构的寿命。自 20 世纪 70 年代以来，已经对燃烧室结构进行了一些寿命实验。Quentmeyer 研究了 GH LOX 2/ 燃烧室 [1] 的 21 个圆柱形 LH 2 冷却测试段的低周热疲劳。在小尺寸燃烧室内安装了一个水冷中心体，以减少燃料消耗并形成火箭发动机的燃烧、音速喉部和膨胀区域。研究了三种不同的材料。热电偶被放置在冷却通道肋条和冷却剂的入口和出口歧管中。测试是在 41.4 bar 的室内压力和 6.0 的混合比（氧气与燃料之比）下进行的。喉部区域的热通量达到 54 MW/m 2 。循环重复测试，直到通过感测冷却剂通道泄漏检测到燃烧室故障。没有定量研究热气壁的变形。单个冷却剂质量均未
国际疲劳杂志 - mediaTUM
火箭发动机的再生冷却结构承受着极大的载荷。载荷是由热燃烧气体（对于 CH4/OX 约为 3500 K）和冷冷却通道流（对于 LCH4 约为 100 K）相互作用引起的，这导致结构中出现大的温度梯度和高温（对于铜合金最高可达 1000 K 左右），同时两种流体之间的压差也很大。本研究旨在更好地了解三个主要组成部分的物理行为：结构、热气体和冷却剂流以及它们之间的相互作用，特别是结构的寿命。自 1970 年代以来，已经进行了一些燃烧室结构的寿命实验。Quentmeyer 研究了 GH LOX 2/ 燃烧室的 21 个圆柱形 LH 2 冷却测试段的低周热疲劳 [1]。在微型燃烧室内安装了一个水冷中心体，以减少燃料消耗并形成火箭发动机的燃烧、音速喉部和膨胀区域。研究了三种不同的材料。热电偶被放置在冷却通道肋条和冷却剂的入口和出口歧管中。测试是在 41.4 bar 的腔室压力和 6.0 的混合比（氧气与燃料之比）下进行的。喉部区域的热通量达到 54 MW/m 2 。循环重复测试，直到通过感测冷却剂通道泄漏检测到燃烧室故障。没有定量研究热气壁的变形。单个冷却剂质量
塞斯纳 T-303 Crusader 垂直尾翼飞行疲劳裂纹扩展监测 Eric v. K. Hill 1 和 Christopher L. Rovik 2
1 Aura Vector Consulting，3041 Turnbull Bay Road，New Smyrna Beach，FL 32168 2 Toyota Technical Center，8777 Platt Road，Saline，MI 48176 摘要 本研究涉及对 Cessna T-303 Crusader 双引擎飞机垂直尾翼疲劳裂纹扩展的飞行中监测。在实验室中对带凹槽的 7075-T6 铝制飞机槽梁支撑结构进行了周期性测试。在这些疲劳测试期间采集了声发射 (AE) 数据，随后将其分为三种故障机制：疲劳开裂、塑性变形和摩擦噪声。然后使用这些数据来训练 Kohonen 自组织映射 (SOM) 神经网络。此时，在 T-303 飞机垂直尾翼的肋骨之间安装了类似的槽梁支撑结构作为冗余结构构件。随后从初始滑行和起飞到最终进近和着陆收集 AE 数据。然后使用实验室训练的 SOM 神经网络将飞行测试期间记录的 AE 数据分类为上述三种机制。由此确定塑性变形发生在所有飞行区域，但在滑行操作期间最为普遍，疲劳裂纹扩展活动主要发生在飞行操作期间 - 特别是在滚转和荷兰滚机动期间 - 而机械摩擦噪声主要发生在飞行期间，在滑行期间很少发生。SOM 对故障机制分类的成功表明，用于老化飞机的原型飞行结构健康监测系统在捕获疲劳裂纹扩展数据方面非常成功。可以设想，在老化飞机中应用此类结构健康监测系统可以警告即将发生的故障，并在需要时而不是按照保守计算的间隔更换零件。因此，继续进行这项研究最终将有助于最大限度地降低维护成本并延长老化飞机的使用寿命。关键词：老化飞机，飞行中疲劳裂纹监测，Kohonen自组织映射，神经网络，结构健康监测 简介 飞机疲劳开裂 如今，飞机的使用寿命通常比汽车更长。这是由于许多因素造成的，包括飞机的成本、政府法规以及故障的严重后果。由于飞机的使用寿命预期如此之长，因此引发了许多问题。问题的主要根源可能是疲劳裂纹的存在和增长，这也是本研究的主题。修复疲劳裂纹造成的损坏的能力一直不是问题，但疲劳裂纹增长的检测和监测已被证明是一个真正的挑战。疲劳开裂是由于低于正常延展性金属的屈服强度的循环载荷导致的脆性断裂。裂纹尖端的高度集中应力导致在裂纹前方形成心形塑性变形区。该塑性区应变随着循环载荷而硬化，当金属的延展性耗尽时会断裂
塞斯纳 T-303 飞行中疲劳裂纹扩展监控...
1 Aura Vector Consulting，3041 Turnbull Bay Road，New Smyrna Beach，FL 32168 2 Toyota Technical Center，8777 Platt Road，Saline，MI 48176 摘要 本研究涉及对 Cessna T-303 Crusader 双引擎飞机垂直尾翼疲劳裂纹扩展的飞行中监测。在实验室中对带凹槽的 7075-T6 铝制飞机槽梁支撑结构进行了周期性测试。在这些疲劳测试期间采集了声发射 (AE) 数据，随后将其分为三种故障机制：疲劳开裂、塑性变形和摩擦噪声。然后使用这些数据来训练 Kohonen 自组织映射 (SOM) 神经网络。此时，在 T-303 飞机垂直尾翼的肋骨之间安装了类似的槽梁支撑结构作为冗余结构构件。随后从初始滑行和起飞到最终进近和着陆收集 AE 数据。然后使用实验室训练的 SOM 神经网络将飞行测试期间记录的 AE 数据分类为上述三种机制。由此确定塑性变形发生在所有飞行区域，但在滑行操作期间最为普遍，疲劳裂纹扩展活动主要发生在飞行操作期间 - 特别是在滚转和荷兰滚机动期间 - 而机械摩擦噪声主要发生在飞行期间，在滑行期间很少发生。SOM 对故障机制分类的成功表明，用于老化飞机的原型飞行结构健康监测系统在捕获疲劳裂纹扩展数据方面非常成功。设想在老化飞机中应用此类结构健康监测系统可以警告即将发生的故障，并在需要时而不是按照保守计算的间隔更换零件。因此，继续进行这项研究最终将有助于最大限度地降低维护成本并延长老化飞机的使用寿命。关键词：老化飞机，飞行中疲劳裂纹监测，Kohonen自组织映射，神经网络，结构健康监测 简介 飞机疲劳开裂 如今，飞机的使用寿命通常比汽车更长。这是由于许多因素造成的，包括飞机的成本、政府法规以及故障的严重后果。由于飞机的使用寿命预期如此之长，因此引发了许多问题。问题的主要来源，也是本研究的主题，可能是疲劳裂纹的存在和增长。修复疲劳裂纹造成的损坏的能力一直不是问题，但疲劳裂纹增长的检测和监测已被证明是一个真正的挑战。疲劳开裂是由于低于正常延展性金属的屈服强度的循环载荷导致的脆性断裂。裂纹尖端的高度集中应力导致在裂纹前方形成心形塑性变形区。该塑性区应变随着循环载荷而硬化，当金属的延展性耗尽时会断裂
人工智能 (AI)、力拓和公司领先的人工智能竞争力
简介 人工智能 (AI) 包括计算机程序或数字连接设备以类似于人类学习理解和影响其环境的方式思考、学习和响应的能力。这一程序化互联技术领域也试图使计算“更智能”。人工智能包括复杂的信息处理和编程问题，这些问题源于生物或商业数据及其信息处理的某些方面 (Marr, 1975)。当今人工智能的进步使该行业变得更加复杂，更难以在瞬间提供高质量的商业信息，这可能会决定成功、生存或破产 (Bharadiya, 2023)。Pallathadka 等人 (2021) 介绍了金融行业中的人工智能，通常涉及：机器学习、复杂性解决方案和多样性算法，并有助于实现：更好的消费者连接、供应链效率、设计改进、产品质量控制方法和新的消费者体验——而且所有这些都成本低廉！人工智能应用的稳步增长现已渗透到人类生活和商业机会中。如今，商业中采用人工智能有助于预测和从数据中学习。它有助于提高竞争力、重新设计产品/服务、重新规划商业战略、提高人类理解力、推进计算并解决复杂的商业未知问题（Sestino & De Mauro，2022 年）。人工智能商业领域人工智能通常基于对设备功能采取行动的能力。人工智能采用适用的数字人工智能软件系统，并提供分析和识别基本重复模式或复杂机制中的模式差异的能力，包括大数据优化、图像识别、机器学习 (ML)、机器人技术和所选公司或工业部门的设备自动化。一些人工智能可以使机器或设备学习和设计自我改进。Zohuri 和 Moghaddam（2020 年）等人支持人工智能参与业务流程的不同迭代级别。人工智能渗透到业务的许多层面。人工智能大致呈周期性发展，从简单的机械规则型响应驱动型人工智能，到日益复杂的代际人工智能，如下所述。这五代人工智能与以下几大变化相一致：（1）最新的数字能力和趋势、（2）正在进行的工业/开发者创新技术以及（3）人工智能参与突破周期。这些周期也与未来学家的考虑相结合（Anon7，2023 年，Anon8，2023 年），而且并非专门基于学术论文。简单的反应式人工智能系统接收基本的数字信息，并被编程为启动特定响应。第一代人工智能系统以无人监督的方式持续提供相同的基本、特定的条件改变，以适应相同的情况。此外，它不会从重复或变化的数字信息情况中学习。反应式人工智能系统无法启动未来的重定向更改操作。但是，它们可以包含以下程序：垃圾邮件过滤器、SPSS 的统计分析、出租车/优步预订服务或业务呼叫热线的过滤系统，以连接到所选的业务响应部门。这一级别的软件开发提供了诸如基本人工智能自然语言处理（识别/响应和图像识别）之类的结果，但有时它们可能会使用基本的机器学习和/或神经网络算法来完成特定任务。第二代人工智能系统利用可用内存，但方式有限且受监督。这种方法可以存储知识并使用预测算法：回忆、重新整理和训练大量数据，比较过去和现在的观察、经验或行动数据，并建立进一步的比较知识，同时还提供复杂、评估的
brandes-u-s-s-value-equity-strategy-notes- ...
本季度的Brandes美国价值股票策略下跌0.19％的费用净收入和0.09％的费用，表现优于其基准Russell 1000 Value Index，下降了1.98％。截至2024年12月31日，年度化总回报1年5年10年Brandes美国价值股权综合（净）15.62％11.58％9.98％Brandes Brandes美国价值股票综合（GROSS）16.16％12.21％10.65％10.65％Russell 1000价值1000价值1000价值指数14.37％8.67％8.67％8.48％以前的绩效是未来的效果。一个人不能直接投资于指数。收益包括对所有股息的再投资，并通过任何适用的外国预扣税减少，而没有所得税的规定（如果有）。积极的贡献者尽管基准的总体下降，但本季度的金融部门对此表示赞赏，并且我们的超重和股票选择辅助了相对绩效。我们在大型货币中心银行（尤其是富国银行和花旗集团）中的职位得益于稳健的收入结果和市场预期美联储削减税率的放缓。此外，金融技术公司Fiserv取消了回报。在工业中的持股也为绩效做出了积极贡献。其他贡献者包括与技术相关的控股Flex和Alphabet，以及药品分销商McKesson。所有三家公司均报告收益超过了共识估计，并且字母从其新的量子计算芯片的揭幕中获得了额外的提升。绩效削弱医疗保健是基准中表现最差的部门之一。因此，我们的超重损害了相对的回报，尽管我们的持股总体上比指数中的持股更好。HCA Healthcare，Cigna，Sanofi和CVS在对潜在监管变化的市场担忧中都拒绝了，其中包括涉及健康保险公司如何认识其药房福利经理（PMB）业务的利润的问题。当我们监视不断发展的环境时，我们想指出，Cigna和CVS在过去几年中已经采取了行动，以提高透明度，并越来越多地朝着更简单的费用服务模型迈进。在我们的经验中，市场倾向于对与潜在的医疗改革相关的不确定性过度反应，这通常成为围绕选举的重点。这可以创造有吸引力的投资机会。与Cigna和CVS交易的收益低于10倍，我们认为市场担忧的价格超过了股票的价格。在医疗保健之外，批评者包括我们的半导体持有量微米和Qorvo。尽管收入阳性的结果阳性，但在修改其收益指导下降后仍下降了，主要是因为其智能手机末端市场仍然周期性降低，因为在大流行期间需求从其升高的水平范围内归一化。该公司还引用了消费者偏好的转变（尤其是在中国市场），鉴于Qorvo更多地专注于高端智能手机市场，因此低端智能手机的潜在需求是其半导体的潜在需求。但是，由于市场转变的风险增加，我们将该位置保持在较小的分配中。在目前的估值基于低于中期收益的情况下，我们相信Qorvo继续提供有吸引力的安全余量（市场价格折扣，以估计我们对内在价值的估计）。同时，微米在半导体市场的弱点上倒闭。，我们在今年早些时候对微米的地位进行了修整，当时市场对内存半导体在人工智能（AI）的建筑中的作用感到兴奋，但随后我们在智能手机和PC上股票下跌后，在本季度末购买了更多股份（个人
在爱荷华州地方法院的波尔克县法院
引言百日咳是由百日草细菌引起的高度传染性呼吸道感染。百日咳病例倾向于在美国每3 - 5年每3 - 5年每3至5年达到高峰。在广泛的疫苗接种之前，每年在美国儿童中造成超过200,000例和9,000例死亡。1在COVID-19大流行期间的百日咳案例较低后，百日咳的发生率在2024年在阿拉斯加和全国范围内大幅增加。2,3这种活动激增引起了有关TDAP和DTAP疫苗功效的问题。本评估的目的是评估2024年阿拉斯加儿童的细胞全世界疫苗的现实世界有效性。方法我们进行了基于人群的病例对照分析，以评估收到收到百日咳疫苗（即DTAP和/或TDAP）与2024年百日咳疾病的风险之间的关联。案件包括在2024年5月1日至11月30日在阿拉斯加报告的2个月至17岁的儿童中所有首次实验室确认的百日咳病例。对照是从同一年龄的儿童的测试报告中随机选择的，他们在分析期间与相应的百日咳病例相同的医疗机构进行了呼吸道病毒病原体的测试，但尚无已知的当前或事先诊断百日咳。对于每种情况，我们随机选择了按年龄（年龄）和医疗机构匹配的三个控件。通过与阿拉斯加的免疫信息系统vactrak联系，评估了每个孩子的疫苗状况。确定每个孩子收到的DTAP/TDAP剂量的总数。儿童被归类为完全疫苗接种（或“最新”），如果他们的vactrak记录显示出dtap和tdap剂量，与标本收集时的ACIP年龄特定建议一致。记录的未记录剂量的人被归类为未接种剂，而那些剂量但未最新的人被归类为部分接种疫苗。为了确保准确的儿童疫苗接种数据，该分析仅限于阿拉斯加出生的儿童。在试样收集前2周内给药的剂量被排除在总剂量计数之外，因为时间不足无法实现免疫反应。病例和对照五个以上记录的DTAP剂量或百日咳病史被排除在分析之外。为了估计疫苗接种与百日咳诊断之间的关联，我们使用条件逻辑回归来计算优势比，这是对匹配因素（设施和出生年）的解释。疫苗有效性（VE）计算为：1-优势比×100％。回归模型已针对种族和日历月进行调整，并通过匹配的设计控制了年龄和医疗机构。未接种疫苗的儿童在所有模型中都是参考组。标准错误已调整以说明设施的聚类。最终分析中包括了来自阿拉斯加17个医疗机构的120例病例和344个对照。病例比对照组更有可能未接种疫苗（43.8％[n = 52] vs. 9.3％[n = 32]; p <.001），并且不太可能被完全疫苗接种（42.5％[n = 51] vs. 71.2％[n = 245]; p <.001）（表1）。与接受特定年龄特异性的百日咳疫苗剂量（95％CI：7.6-24.7）相比，未接种的儿童收缩百日咳的可能性高13倍。在完全疫苗接种的儿童中，针对百日咳的疫苗有效性为92.7％（95％CI：86.8％ - 95.9％）（表2）。曾接受过接百日咳疫苗但尚未完全疫苗接种的儿童