XiaoMi-AI文件搜索系统
World File Search SystemFoM
PNL-3M - 飞行员夜视镜 - PCO S.A.
性能 - 基于航空标准 16 毫米 INTENS 图像增强管，具有非常高的 FOM 参数 - 可提供绿色荧光粉（P43）或高对比度白色荧光粉（P45 - ONYX）图像 - 图像高分辨率和低系统失真 - 快速自动门控 (ATG)，可在动态光照条件下保持一致的高分辨率 - 配备自动增益控制 (AGC) - 宽焦距范围 功能 - 改进的人体工程学和广泛的调整范围以适合每个用户 - 按钮释放翻转系统，带自动关闭功能 - 护目镜可以安装在各种飞行员头盔上 - 内置滤光片适合夜间驾驶舱照明。MIL-L- -85762A 标准 - 红色 LED 无干扰低电量警告，除使用者外其他机组人员看不到 - 兼容平视显示器 (HUD) - 2 年长保修期 - 定期维护间隔时间长 - 每 2 年一次 设计 - 完全符合欧洲航空安全局标准 - 符合人体工程学且操作直观 - B 级镀膜物镜 - 紧凑设计，配备现代非球面光学元件 - 重量轻，铝合金外壳经久耐用 - 可通过飞机机载电源网络为护目镜供电 - 轻质双电池电源组 - 1 节 AA 主电池和 1 节 AA 备用电池 - 配备符合 DO-275 标准的紧急护目镜释放机制
采用六个单位电容器的、与分辨率无关的全差分 SCI 型 SAR ADC 架构
现代仪器系统和数据采集系统需要低到中等分辨率、中速的模数转换器 (ADC)。由于这些系统大多是便携式的，因此 ADC 规范对功率和面积参数有严格的要求。尽管传统的逐次逼近寄存器 (SAR) ADC 因结构简单、模拟模块少而在这些应用中很受欢迎，但它们占用的芯片面积很大。传统 SAR ADC 采用二进制加权电容电荷再分配数模转换器 (DAC) [1,2]。传统电容电荷再分配 DAC 的两个主要限制是转换速度和庞大的电容阵列。较大的 MSB 电容限制了转换速度。这种架构中使用的 DAC 电容阵列变得非常笨重。文献中提出了一些新方法来提高 SAR ADC 的速度 [3,4]。此外，还提出了一些用于 SAR ADC 的面积效率高的 DAC 架构 [5-7]。其中一些 ADC 在性能系数 (FOM) 方面优于其他 ADC，但由于所用 DAC 架构的类型，面积效率 (AE) 参数会降低。[8、9] 中的 SAR ADC 将分辨率可变性融入传统电荷再分配 ADC，以适应需要不同分辨率的多种信号，适用于生物医学信号采集系统等应用。
9N-AHH 飞机事故调查报告
AD 适航指令 ADAHRS 空中数据 姿态航向参考系统 AFT 后方（前方的反义词） AGL 地面以上 AIG 航空器事故和事故征候调查 ALAR 进近和着陆事故减少 AMSL 平均海平面以上 AMT 航空器维修技师 ARP 机场参考点 ATF 航空涡轮燃料 ATC 空中交通管制员 ATPL 航线运输飞行员执照 ATZ 机场交通区 AUW 全部重量 BR 雾 B. S. 比克拉姆桑巴特 C of A 适航证书 CAAN 尼泊尔民航局 CFIT 可控飞行撞地 CG 重心 CPL 商业飞行员执照 CRS 放行证书 CTR 控制区 CVR 驾驶舱语音记录器 DCP 指定检查飞行员 DD 延期缺陷 DFDR 数字飞行数据记录器 DI 每日检查 EGPWS 增强型近地警告系统 ELT 紧急定位发射器 F/O 副驾驶 FAA 联邦航空管理局 FDR 飞行数据记录器 FG雾 FMS 飞行管理系统 FOM 飞行操作手册 FOR 飞行操作要求 Ft/min 英尺每分钟 FWD 前向 GPS 全球定位系统 GPWS 近地警告系统 HF 高频
基于有限元法和参数模型降阶的电力电子模块热机械耦合分析
本研究通过将有限元法 (ANSYS-FEM) 与参数模型降阶 (pMOR) 相结合，提出了一种新方法，用于执行参数研究并检查电力电子模块 (PEM) 耦合热机械模型的非线性材料行为。与广泛使用的顺序耦合方法相比，所考虑的耦合方法可以同时解决热模型和结构模型。与通常用于 pMOR 研究的恒定参数值不同，本研究使用 pMOR 方法参数化了导线材料的温度相关材料属性。本文考虑使用 pMOR 方法进行热机械分析的广义 2D 模型，参数化导线材料的温度相关热膨胀系数 (CTE) 和杨氏模量 (E)，以探索它们对导线键合的影响。本文将矩阵插值法应用于 pMOR 研究，并使用 PRIMA（一种基于 Krylov 子空间的模型降阶 (MOR) 技术）进行局部模型降阶。已经开发出一种基于拉格朗日插值技术的新高效流程，用于在参数化降阶模型 (pROM) 中实现矩阵插值。降阶模型 (ROM) 的自由度 (DOF) 仅为 8，而全阶模型 (FOM) 的自由度为 50,602。pROM 提供了出色的解决方案，并将本案例的计算时间缩短了 84%。
聚光太阳能热能技术在美国脱碳电网中的作用
缩略词列表 AEO 年度能源展望 ATB 年度技术基准 CO 2 二氧化碳 CSP 聚光太阳能热能 CST 聚光太阳能热能 DNI 直接正常辐照度 DOE 能源部 EFS 电气化未来研究 EPA 环境保护署 ETES 电热能储存 E2M 电子到分子 FIT 上网电价 FOM 固定运营和维护 FPC 平板集热器 GHG 温室气体排放 GTI 天然气技术研究所 HTF 传热流体 IPH 工业过程用热 IRENA 国际可再生能源机构 LCOE 平准化电力成本 NGCC 天然气联合循环 OCC 隔夜资本成本 O&M 运营和维护 PPA 购电协议 PTC 槽式集热器 PTES 泵送热能 电力储存 PV 光伏 RE-CT 可再生能源燃气轮机 ReEDS 区域能源部署系统 R&D 研究与开发 SAM 系统顾问模型 SEGS 太阳能发电系统 SIPH 太阳能工业过程用热 SolarPACES 太阳能发电和化学能源系统 SM 太阳能多级 STEP 超临界转换电力 SwRI 西南研究院 TES 热能存储 VOM 变量 O&M
Jeroen Van den Brink博士教授 程序
Selected Professional Advisory Activities since 2016 Member Beamtime Allocation Panel, Advanced Light Source (ALS), Berkeley (USA) since 2015 Member of (2) Collaborative Research Center Review Committees, German Science Foundation since 2014 Member Management Committee, COST Action Towards Oxide-Based Electronics (EU) 2013 Member of Selection Committee, Swiss Centers of Excellence , Swiss Science Foundation 2012 Member of Evaluation Committee, Gravitation Program , Netherlands Organization for Scientific Research (NWO) since 2011 Member of various Review Committees, European Synchrotron Radiation Facility (ESRF), Grenoble (France) 2011-2015 Member of Executive Board, Journal of Physics: Condensed Matter (UK) 2010-2015 Member of International Scientific Advisory Board, National Research Council, CNR-SPIN (Italy) 2010-2016 Member of Editorial Board, Journal of Physics: Condensed Matter (UK) since 2009 Advisory Member, Computational Materials & Chemical Sciences Network (DOE, USA) 2008 Chairman of Selection Committee, VENI Program (NWO, Netherlands) • Evaluator of Research Proposals for FOM (Netherlands), NWO (Netherlands), NSF (USA), DOE (USA), DFG (Germany), AvH (Germany), SNF (Switzerland), FWF (Austria), GSF (Georgia), CNR （意大利），FNRS（比利时），NSC（波兰），欧洲研究委员会，欧洲委员会。
值梯度加权模型...
基于模型的增强学习（MBRL）是一种获得控制策略的样本有效技术，但不可避免的建模误差通常会导致性能恶化。MBRL中的模型通常仅用于重建动态，尤其是状态观察，而模型误差对策略的影响并未由培训目标捕获。这导致MBRL的目标目标之间的不匹配，实现良好的政策和价值学习，以及实践中采用的损失函数的目标，未来的国家预测。天真的直觉表明，价值感知的模型学习将解决这个问题，实际上，已经基于理论分析提出了针对该客观不匹配问题的第二种解决方案。但是，在实践中，它们往往不如通常使用的最大可能性（MLE）方法。在本文中，我们提出了价值梯度加权模型损失（VAGRAM），这是一种新颖的价值模型学习方法，可改善MBRL在具有挑战性的环境中的性能，例如小型模型容量和分散注意力的状态尺寸。我们分析了MLE和值感知的方法，并演示了他们如何在学习价值吸引模型时无法解释样本覆盖范围和功能近似的行为。fom，我们强调了在深度学习环境中稳定优化的其他目标。为了实现这一目标，我们利用经验值函数的梯度作为对RL算法对模型误差的敏感性的量度。我们通过表明我们的损失函数能够在Mujoco基准套件上获得高回报来验证我们的分析，同时比基于最大似然的方法更健壮。
使用参数模型降阶对电力电子模块热机械分析中的温度相关特性进行参数化
摘要 — 本文使用 ANSYS-FEM（有限元方法）对电力电子模块 (PEM) 进行直接耦合热机械分析，并结合参数模型降阶 (pMOR) 技术。与目前大多数通过顺序耦合热机械模型进行耦合热机械分析的模型降阶研究不同，本研究中采用的直接耦合热机械方法同时解决了热和结构模型。通常，pMOR 主要侧重于参数化模型参数（例如材料属性、负载），这些参数是常数。在本研究中，在电子模块可靠性评估的背景下，展示了一种使用 pMOR 参数化温度相关属性的新方法，例如 PEM 结构中材料的热膨胀系数 (CTE)。开发了 PEM 的二维有限元模型，并用于研究铝 (Al) 合金的温度相关 CTE 对热负荷下系统热机械响应的影响。基于 Krylov 子空间的技术 PRIMA 已用于模型降阶，并采用矩阵插值的线性方法进行 pMOR 中的参数化。全阶状态空间模型具有 30,612 个自由度 (DOF)，而通过 pMOR 实现的简化模型只有 8 个自由度。模拟运行表明，对于此问题，使用这种方法可以大大减少计算时间，全阶模型和简化模型之间的计算时间减少了 81%。在建模预测中，基于 pMOR 的解决方案保留了结果的准确性。在这种情况下，与 ANSYS-FEM 模型 (FOM) 解决方案相比，应力结果的平均差异仅为 0.43%。
技术报告 A-054/1999
00 °C 摄氏度 00° 00' 00” 度、分、秒 000° M 磁航向 AAIB 航空事故调查处 aal 机场以上 ACC 区域管制中心 ACMP 交流电动泵 ADF 自动测向仪 ADI 姿态指引仪 AEC 机尾设备中心 agl 地面以上 AIP 航空资料出版物 amsl 平均海平面以上 AOC 航空运营人证书 APP 进近 APU 辅助动力装置 ARO 飞机报告处 ATC 空中交通管制 ATIS 自动航站楼信息服务 ATPL 航空运输飞行员执照 BKN 破损 C 摄氏度 CAP 民航出版物 CB 积雨云或断路器 CG 重心 cm 厘米 CRM 驾驶舱资源管理 CVR 驾驶舱语音记录器 DFDR 数字飞行数据记录器 DME 测距设备 EASA 欧洲航空安全局 EDP 发动机驱动泵 EFI 电子飞行仪表 EICAS 发动机指示和机组警报系统 EPR 发动机压力比 ETA 预计到达时间 FAA 联邦航空管理局 FAR 联邦航空条例 FDR 飞行数据记录器 FEC 前方设备中心 FIR 飞行信息区 FMC 飞行管理计算机 FMU 燃油计量单位 FO 副驾驶 FOM 飞行操作手册 fpm 英尺/分钟 ft 英尺 g 重力加速度 GCU 发电机控制单元 GPWS 近地警告系统 GRN 赫罗纳机场 Hpa 百帕斯卡 小时 小时 分钟 HSI 水平情况指示器 IAP 起始进近点 ICAO 国际民用航空局
技术过时
马松就职于耶鲁大学和美国国家经济研究局。撰写这篇论文让我不断回想起撰写一篇独立论文的喜悦和痛苦。我要感谢 Itay Goldstein（编辑）和两位匿名审稿人，他们的有益评论极大地改善了这篇论文，他们的耐心让我能够仔细修改这篇论文。我要感谢我的合著者和众多同事一直以来的支持，他们的评论和讨论帮助我多年来形成了对这个主题的思考。对于详细的评论和讨论，我感谢 Nick Barberis、Shai Bernstein（评论员）、Gilles Chemla（评论员）、Wesley Cohen、Michael Ewens、Laurent Fresard、Stefano Giglio、Paul Goldsmith-Pinkham、Po-Hsuan Hsu、Allen Hu、Theis Jensen、Bryan Kelly、Leonid Kogan、Ernest Liu、Yueran Ma、Matt Marx、Stavros Panageas、Bruno Pellegrino（评论员）、Lawrence Schmidt（评论员）、Peter Schott、Bryan Seegmiller（评论员）、Merih Sevilir（评论员）、Kelly Shue、Janis Skrastins、Kaushik Vasudevan、Ting Xu（评论员）和 Alex Zentefis。我还要感谢 AFA、Bilkent、BlackRock、Bocconi、CKGSB、ESADE、FIRS（布达佩斯）、FOM 年度会议（达特茅斯）、GSU CEAR 会议、哈佛大学、伊利诺伊大学、伦敦政治经济学院、卢加诺、密歇根州立大学、NBER 暑期学院（宏观经济学和生产力）、北京大学、玛丽女王学院、中国人民大学、SFS Cavalcade（北卡罗来纳大学）、SMU、图卢兹经济学院、杜兰大学、肯塔基大学金融会议、德克萨斯大学达拉斯分校、沃里克、威斯康星大学、耶鲁大学（经济学）的研讨会参与者。Xugan Chen 提供了出色的研究协助。所有错误都是我自己的。请将信件寄至耶鲁管理学院的 Song Ma，地址：165 Whitney Ave, New Haven, CT 06511。电子邮件：song.ma@yale.edu。