IEEE Industrial Electronics Magazine Intrusiveness of Power Device Condition Monitoring Methods: Introducing Figures of Merit for Condition Monitoring Santi Agatino Rizzo Giovanni Susinni Francesco Iannuzzo Document Version : Accepted author manuscript, peer reviewed version Citation for published version: S.A. Rizzo, G. Susinni and F. Iannuzzo, "Intrusiveness of Power Device Condition监视方法:引入条件监控的功绩数字,“ IEEE工业电子杂志,doi:10.1109/mie.2021.3066959。©2021 IEEE。允许个人使用此材料。必须获得IEEE的许可,包括重印/重新发布此材料以进行广告或促销目的,创建新的集体作品,以转售或重新分配到服务器或列表,或重新使用其他作品中此作品的任何版权组成部分。
摘要 - 先前的研究发现,基于肌电图(EMG)的假体设备可提供更高的握力,提高功能性能,并且比常规假体具有更大的运动范围。但是,认知工作量(CW)仍然是可能对设备的可用性和满意度产生负面影响的问题之一。为了在设计周期的早期评估假肢设备的CW,首先需要选择最合适的措施。因此,这项研究的目标是:(1)回顾以前基于EMG的假体设备评估中使用的CW测量技术; (2)提供指南以选择最合适的测量技术。发现的结果表明,认知绩效模型(CPM),主观措施,任务绩效指标和某些生理指标在检测假体设备配置之间的CW差异方面很敏感,因此可能是对这些技术的可用性评估的有用工具。但是,为了降低侵入性和成本,与生理测量相比,主观工作量度量,任务绩效和CPM等方法更有益。本研究提出的指南可能有益于选择最合适的CW测量技术,以提高灵敏度和准确性并降低侵入性和成本。
摘要。疲劳的飞行员容易出现认知障碍,从而降低他们的表现和对高安全标准的遵守。鉴于当前航空业面临的挑战,我们报告了我们正在进行的关于重新评估机组人员人为因素研究的项目的早期阶段。我们的动机源于航空组织需要为运营航空环境开发决策支持系统,能够为组织的疲劳风险管理工作提供信息。为此,关键标准是需要尽可能减少干扰并为安全系统增加信息价值。摆脱合规性疲劳风险管理中的问题和临床研究的侵入性,我们报告了一种神经科学方法,能够产生可以轻松集成到运营层面决策支持系统中的标记。报告我们实时项目的初步阶段,我们评估了适合开发跟踪细微飞行员状态(例如困倦和微睡眠事件)的系统的工具。
摘要 为保证飞机的正常稳定飞行,飞机上采用了多种传感器及相应的仪表系统来监测/控制当前的飞行状态,而得到的数据在保证飞行安全的同时也给飞行员带来了很大的负担。因此,飞机座舱自动化辅助系统成为当今的研究热点。本文基于自动化辅助系统启动后,可以通过飞行操作的不同阶段预测飞行员未来的操作行为,从而根据飞行员的操作习惯为其提供辅助。通过对飞行员操作行为和飞行过程任务要求的分析与建模,建立了MDP(Markov Decision Process)模型,并利用价值迭代算法寻找最优预测序列,最后通过飞行操作仿真实验验证了算法的可操作性。为飞行员操作的安全性和座舱自适应自动化辅助系统的侵入性提供了一种新的解决方案。
摘要 为保证飞机正常、稳定飞行,飞机上采用了多种传感器及相应的仪表系统来监测/控制当前的飞行状态,其得到的数据在保证飞行安全的同时也给飞行员带来了很大的负担。鉴于此,飞机座舱自动化辅助系统已成为当今的研究热点。本文基于自动化辅助系统启动后,通过飞行操作的不同阶段,可以预测飞行员未来的操作行为,从而根据飞行员的操作习惯为其提供辅助。通过对飞行员操作行为及飞行过程任务要求的分析与建模,建立了MDP(Markov Decision Process,马尔可夫决策过程)模型,并采用价值迭代算法寻找最优预测序列,最后通过飞行操作仿真实验验证了算法的可操作性。为飞行员操作的安全性和驾驶舱自适应自动化辅助系统的侵入性提供了新的解决方案。
摘要 为保证飞机的正常稳定飞行,飞机上采用了多种传感器及相应的仪表系统来监测/控制当前的飞行状态,而得到的数据在保证飞行安全的同时也给飞行员带来了很大的负担。因此,飞机座舱自动化辅助系统成为当今的研究热点。本文基于自动化辅助系统启动后,可以通过飞行操作的不同阶段预测飞行员未来的操作行为,从而根据飞行员的操作习惯为其提供辅助。通过对飞行员操作行为和飞行过程任务要求的分析与建模,建立了MDP(Markov Decision Process)模型,并利用价值迭代算法寻找最优预测序列,最后通过飞行操作仿真实验验证了算法的可操作性。为飞行员操作的安全性和座舱自适应自动化辅助系统的侵入性提供了一种新的解决方案。
技术的重点:福利意图如何调节TP的影响?在透明度和支持之间达到适当的平衡对于智能产品的接受至关重要(Rochi,2023; Venkatesh,2022)。透明度不足会导致人身控制的丧失(Botti&Iyengar,2006年),而过度支持可能导致信息超负荷(Schein&Rauschnabel,2023)。此外,用户与智能产品之间的相互交流(互动性)对感知的侵入性产生负面影响(Lucia -Palacios&Pérez -López,2021年)。对于智能产品也是如此,在这种产品中,未经请求的建议可以导致消费者忽略技术建议并触发回旋镖效果(Feng&Magen,2016)。因此,Rochi(2023)提出,提供更多的支持最初提高了感知的有用性,但是在某种程度上,它达到了峰并开始下降,从而产生了倒立的U形效应。TP的福利维度与其他两个维度之间的相互关系需要进一步研究。
摘要 为保证飞机的正常稳定飞行,飞机上采用了多种传感器及相应的仪表系统来监测/控制当前的飞行状态,而得到的数据在保证飞行安全的同时也给飞行员带来了很大的负担。因此,飞机座舱自动化辅助系统成为当今的研究热点。本文基于自动化辅助系统启动后,可以通过飞行操作的不同阶段预测飞行员未来的操作行为,从而根据飞行员的操作习惯为其提供辅助。通过对飞行员操作行为和飞行过程任务要求的分析与建模,建立了MDP(Markov Decision Process)模型,并利用价值迭代算法寻找最优预测序列,最后通过飞行操作仿真实验验证了算法的可操作性。为飞行员操作的安全性和座舱自适应自动化辅助系统的侵入性提供了一种新的解决方案。
摘要 为保证飞机的正常稳定飞行,飞机上采用了多种传感器及相应的仪表系统来监测/控制当前的飞行状态,而得到的数据在保证飞行安全的同时也给飞行员带来了很大的负担。因此,飞机座舱自动化辅助系统成为当今的研究热点。本文基于自动化辅助系统启动后,可以通过飞行操作的不同阶段预测飞行员未来的操作行为,从而根据飞行员的操作习惯为其提供辅助。通过对飞行员操作行为和飞行过程任务要求的分析与建模,建立了MDP(Markov Decision Process)模型,并利用价值迭代算法寻找最优预测序列,最后通过飞行操作仿真实验验证了算法的可操作性。为飞行员操作的安全性和座舱自适应自动化辅助系统的侵入性提供了一种新的解决方案。
越来越多地将商业、科学、政府和个人活动委托给人工智能代理(能够在有限监督下实现复杂目标的系统),可能会加剧现有的社会风险并引入新的风险。理解和减轻这些风险涉及严格评估现有的治理结构、在必要时修改和调整这些结构,以及确保关键利益相关者的责任。有关某些人工智能代理在何处、为何、如何以及由谁使用的信息(我们称之为可见性)对于这些目标至关重要。在本文中,我们评估了三类提高人工智能代理可见性的措施:代理标识符、实时监控和活动日志记录。对于每一种措施,我们都概述了在侵入性和信息量方面各不相同的潜在实现。我们分析了这些措施如何应用于从集中到分散的部署环境,并考虑到供应链中包括硬件和软件服务提供商在内的各种参与者。最后,我们讨论了我们的措施对隐私和权力集中的影响。进一步了解这些措施并减轻其负面影响有助于为人工智能代理的治理奠定基础。