XiaoMi-AI文件搜索系统
World File Search SystemLandi
起落架操作用例。 - HAL
摘要。属性模型方法 (PMM) 与设计广泛的技术系统相关，本文将其应用于 ARP4754A/ED79A 框架内的直升机功能开发过程。在简要介绍该方法之后，介绍了案例研究：“收起和伸展机载起落架系统”。然后，通过案例研究中的示例说明了 PMM 开发过程的每个阶段：(1) 对顶层需求规范进行建模，(2) 通过证明和模拟验证需求规范，(3) 对架构设计进行建模，将顶层需求细化为对功能有贡献的不同子系统指定的需求，并对终端子系统详细设计进行建模 (4) 通过证明或模拟验证对贡献子系统指定的需求，(5) 通过模拟验证设计模型，最后 (6-8) 根据开发过程中积累的所有验证和验证场景，通过测试验证物理实现。最后，总结了经验教训和行业观点，强调了 PMM 是一种适应系统工程面临的挑战的方法，因为开发流程全球化，并展示了 PMM 如何提供强大的概念框架来支持全球化设计组织内的数字连续性。支持建模、仿真、验证和测试生成活动
阅读干预和神经可塑性 - Landi Lab
行为研究支持干预对阅读障碍的有效性，但阅读能力提高背后的大脑机制尚不清楚。在这里，我们回顾了 39 项阅读干预的神经影像学研究，以描述阅读能力提高与大脑变化之间的联系。我们报告了阅读网络以及右半球、额叶和皮层下区域的激活、连接和结构变化的证据。我们对八项研究中阅读干预前后大脑激活变化的荟萃分析没有产生任何显著影响。研究之间的方法异质性可能导致缺乏显著的荟萃分析结果。基于我们的定性综合，我们提出，大脑对干预的反应变化应从分布式认知、语言和感觉系统之间的相互作用的角度来考虑，而不是通过“标准化”与“补偿性”的二分法。需要进一步的实证研究来确定调节因素的影响，例如干预计划的特点、神经影像学任务和参与者之间的个体差异。
使用数据驱动的机器学习的锂离子电池用于电动垂直起飞和降落飞机的预后
电池的健康管理是采用电动垂直起飞和起飞车辆（EVTOLS）的关键推动力。目前，很少有研究考虑EVTOL电池的健康管理。EVTOL的电池电池的一个不同特征是，与汽车所需的电池放电率相比，在起飞和降落期间的放电率明显更大。此类排放方案有望影响电池的长期健康。本文提出了一个数据驱动的机器学习框架，以估计在不同的飞行条件下的健康状况和使用的EVTOL电池的剩余时间，并考虑了EVTOL的整个飞行配置文件。考虑了三个主要特征，以评估电池的健康：充电，排放和温度。这些特征的重要性也被量化。考虑到飞行前的电池充电，执行了针对健康和剩余的千篇一律预测任务的选择。结果表明，在预测电池最先进和剩余的少年时，与放电相关的功能确实具有最高的重要性。使用几种机器学习算法，可以通过随机的森林回归和极端的梯度提升来很好地估计电池最先进的和剩余的寿命。
用于无人机跟踪和着陆地面车辆的集成视觉系统
摘要 — 无人机的视觉对于无人机相关应用（例如搜索和救援、在移动平台上着陆等）非常重要。在本工作中，我们开发了无人机在移动平台上着陆以及复杂环境中无人机物体检测和跟踪的集成系统。首先，我们提出了一种基于 LoG 的鲁棒深度神经网络进行物体检测和跟踪，与典型的基于深度网络的方法相比，它在对物体尺度和光照的鲁棒性方面具有很大的优势。然后，我们还在原有的卡尔曼滤波器的基础上进行了改进，并设计了一个基于迭代多模型的滤波器来解决运动估计实际情况下未知动态的问题。接下来，我们实现了整个系统，并在两种复杂情况下进行了基于 ROS Gazebo 的测试，以验证我们设计的有效性。最后，我们将提出的检测、跟踪和运动估计策略部署到实际应用中，以实现无人机对支柱的跟踪和避障。事实证明，我们的系统在实际应用中表现出很高的准确性和稳健性。
2023美国经济前景：接近软着陆（...
今年早些时候，我们介绍了一个分析此问题的分步框架，该图表总结了图表1。1向后工作时，我们首先询问需要下降多少工资增长才能与2％的通气兼容，并得出结论，它必须从5.5％下降到3.5％。然后，我们询问劳动力需求和劳动力供应之间需要缩小多少不平衡以减轻工资压力，并得出结论认为，工作工人的差距必须从590万（历史上最大的差距）下降到200万。最后，我们询问总需求将如何减少劳动力需求，以达到这种重新平衡，假设劳动力供应仅适度反弹，并得出结论，较长的积极但低于潜力的GDP增长可以通过所需的数量减少劳动力需求。的重点是，有一条可靠的途径通往柔软的着陆，尽管校准政策恰好保持在这一道路上肯定会具有挑战性。
多旋翼无人机着陆于运动车辆的误差状态估计与控制
目前最先进的无人机着陆系统依赖于对着陆目标车辆上放置的视觉路标的检测。然而，在光线不足、遮挡或极端运动等具有挑战性的条件下，这些路标可能在相当长的时间内都检测不到。本论文展示了一种状态估计算法，该算法跟踪和估计目标车辆上未知视觉特征的位置。实验结果表明，该方法在未检测到路标的情况下显著提高了对目标车辆状态的估计。
月球登陆和运营政策分析
Artemis 计划包含一系列探索和科学任务。Artemis 不是传统意义上的 NASA“计划”，没有统一的领导和资金。相反，它是跨任务、资金线、理事会和合作伙伴关系的统一目标的广泛表达。Artemis 计划由拥有广泛商业和国际合作伙伴关系的 NASA 牵头，“将在月球上建立可持续的存在，为火星任务做准备”。2 Artemis 计划将包括月球轨道和月球表面的载人作业以及这些区域的无人机器人作业。作为 Artemis 计划的一部分，NASA 牵头的主要计划包括 Gateway、载人着陆系统 (HLS)、猎户座、太空发射系统 (SLS)、商业月球有效载荷服务 (CLPS)、舱外活动 (EVA) 和人类表面机动性 (HSM) 计划以及月球基地。每个计划都涉及商业和国际捐助。国际合作伙伴主导的行动可能包括欧洲大型物流着陆器 (EL3)、加压和非加压探测车、额外的机器人地面任务以及对地面栖息地的贡献。3,4,5,6 NASA 及其合作伙伴还在考虑旨在确保行动可持续性的其他行动，例如现场资源利用 (ISRU) 和支持行动的技术能力，包括电力、通信和着陆基础设施。这些要素共同构成了阿尔忒弥斯计划——这是人类有史以来最雄心勃勃的太空探索计划。
使用预测和健康管理 (PHM) 预测起落架的剩余使用寿命
摘要：起落架是飞机的重要组成部分。然而，起落架的部件在其使用寿命内容易退化，这可能导致起飞和降落时出现摆振效应。为了减少意外航班中断并提高飞机的可用性，本研究研究了预测性维护 (PdM) 技术。本文介绍了一个案例研究，该研究基于当前在役飞机的预测和健康管理 (PHM) 框架实施剩余使用寿命 (RUL) 的健康评估和预测工作流程，这可能对机队运营商和飞机维护产生重大影响。机器学习用于使用数据驱动方法开发起落架的健康指标 (HI)，而时间序列分析 (TSA) 用于预测其退化。使用来自在役飞机的大量真实传感器数据评估退化模型。最后，概述了为下一代飞机实施内置 PHM 系统的挑战。
在数据中心规模上实现光路交换
摘要 在本文中，我们描述了 Apollo，据我们所知，这是世界上第一个用于数据中心网络的光电路交换机 (OCS) 的大规模生产部署。我们将首先描述促使数据中心内部进行光交换的基础设施挑战和用例。然后，我们深入研究数据中心应用对 OCS 的要求：平衡成本、端口数、交换时间和光学性能，这些要求推动了我们内部开发的基于 3D MEMS 的 OCS 的设计选择和实施细节。为了启用 Apollo 光交换层，我们使用循环器通过 OCS 实现双向链路，从而有效地将 OCS 基数加倍。OCS 和循环器的设计选择对于满足网络带宽、规模和成本目标至关重要。我们回顾了这些 OCS 和基于循环器的双向链路的 WDM 收发器技术的关键共同设计及其相应的物理缺陷，这些缺陷通过四代/速度的光互连实现。最后，我们总结了对硬件开发和相关应用未来方向的思考。
迫降是紧急降落的一部分
无论地形如何，迫降都是不可避免的。典型的例子是飞机因发动机故障被迫降落。通常，迫降也是紧急降落，因为事件的根本原因通常是宣布紧急情况的充分理由（例如机上起火、单引擎飞机发动机故障、大面积结构损坏等）。但是，有些情况下，迫降不是紧急情况，例如，飞机在军事拦截后被迫使用特定机场。此外，在许多情况下，宣布紧急情况，但机组人员决定继续飞往更合适的机场。一个例子是 1989 年的 DC10 事件，飞机在发动机故障导致所有液压系统失灵后继续飞行了大约 45 分钟。如果在机场进行迫降，迫降通常会与“全面紧急”程序同时进行，这意味着 RFFS 设备和人员将在其指定位置（靠近跑道）。