XiaoMi-AI文件搜索系统
World File Search SystemLoad
测量士兵的认知负荷
Chapter 5 – Results: Metrics and Measures 5-1 5.1 Introduction 5-1 5.2 Physiological Measures 5-1 5.2.1 Cardiovascular – Heart Rate Variability (HRV) 5-1 5.2.2 Endocrine/Lymphatic – Metabolic Markers 5-2 5.2.2.1 Cortisol 5-2 5.2.2.2 Nitrate 5-4 5.2.3 Endocrine/Lymphatic – Electrodermal Activity (EDA) 5-4 5.2.4 Nervous System / Neuromotor – Electroencephalography (EEG) 5-5 5.2.5 Nervous System / Neuromotor – fNIRS 5-6 5.2.6 Nervous System / Neuromotor – Thermography 5-7 5.2.7 Nervous System / Neuromotor – Pupillometry 5-7 5.2.8 Nervous System / Neuromotor – Eye Movements and Fixations 5-8 5.2.9 Musculoskeletal – Blink Rate 5-9 5.2.10肌肉骨骼 - 肌电图（EMG）（手臂和面部）5-10 5.2.11肌肉骨骼 - 姿势稳定性5-10 5.2.12肌肉骨骼 - 步态5-11 5-11 5.2.13肌肉骨骼 - 头部倾斜5-12
与静态负载下的性能相比
碳纤维增强聚合物（CFRP）复合材料由于其出色的强度与重量比，广泛用于工程应用中。这些复合材料受到恒定和可变的各种负载，这使它们容易在结构中损坏积累。这降低了他们的使用寿命并对他们的表现产生负面影响。这项研究研究了使用低周期疲劳（LCF）程序在一个标本和可变载荷的恒定载荷下进行CFRP层压板的故障行为，直到在两种测试中都达到完全失败为止。实验过程涉及使用专门设计的设备，一旦将其牢固地固定到位，就可以通过内部气压施加载荷。根据其最大挠度测量值对标本的观察到的变形进行跟踪。实验结果与理论结果吻合良好。在试样失败时，样品在静态载荷下的最大挠度为（8.975 mm）；相比之下，在样品的内部结构逐渐恶化之前，在样品的内部结构逐渐恶化后，试样失败时样品在低周期疲劳下的最大挠度为（12.32 mm）。在低周期疲劳（LCF）测试下，使用扫描电子显微镜（SEM）分析样品。硬度测试是在实验工作之前和之后进行的，以跟踪失败机制，其中包括逐渐的故障阶段。结果和讨论将详细说明材料硬度的明显恶化。实验结果表明，在复合材料的两种测试中，都与理论值和高级见解相吻合。
碳排放 - 传输、负载/... 的影响
低于 0 kg/MWh 的 LME： CAISO：频率 = 0.2%，平均值 = -320 kg/MWh ERCOT：频率 = 0.6%，平均值 = -180 kg/MWh SPP：频率 = 1.0%，平均值 = -191 kg/MWh MISO：频率 = 0.5%，平均值 = -349 kg/MWh NYISO：频率 = 0.6%，平均值 = -368 kg/MWh
DLR 的综合负载过程 - HAL
该项目分为四个工作包。在第一个工作包中，根据 DLR 要求定义和记录了负载过程。在第二个工作包中，比较了不同复杂程度的数值模拟方法，重点是空气动力学方法，以及离散阵风和机动负载的分析方法。在第三个工作包中，比较了各种机身结构尺寸确定方法，并使用实验数据进行了验证。在第四个工作包中，负载过程的实施已应用于不同的用例 - 这些应用包括为运输飞机配置生成初步设计负载、对现有远程飞机的负载进行数值分析以及在两架飞机上进行飞行测试时测量负载，第一架飞机在滑翔机结构上，第二架飞机在高空研究飞机的外部货舱上。当前文章遵循 [2] 中给出的大纲。工作包 2、3 和 4 的工作在本文的后面进行了总结，并在单独的论文中进行了详细描述，请参阅 [3]、[4]、[5]、[6]、[7] 和 [8]。
计算机和论文中认知负荷的回顾
摘要 课堂上科技的使用日益增多，也带来了一波基于计算机的评估浪潮。关于基于计算机的测试的争论通常以效率和数据管理为框架：基于计算机的测试有助于更有效地处理测试数据，并提高反馈可用于学生学习的速度，而不是以学生使用新学习工具所体验到的直接影响为框架。虽然基于计算机的测试可能有益，但对于一些学生来说，其结果可能适得其反。本评论考虑了测试模式对学生的认知（通常是隐性的）影响，参考了测试表现和认知负荷的主观测量。提出了对教师、测试编写者和未来研究的考虑，旨在提高学习者主观体验作为教育政策制定指导视角的重要性。
疲劳载荷谱的建模与识别
Enora Bellec、Matteo Luca Facchinetti、Cédric Doudard、Sylvain Calloch、Sylvain Moyne 等。国际疲劳杂志，2021 年，149，第 106222 页。 doi：10.1016/j.ijfatigue.2021.106222。半-03212358
基于可穿戴 EEG 的认知负荷分类...
摘要：随着非侵入式便携式脑电图传感器用于评估认知负荷的神经生理测量的日益普及，脑电图测量变得越来越重要。在本文中，利用四通道可穿戴脑电图设备，记录了 11 名参与者在观看放松视频和执行三项认知负荷任务时的大脑活动数据。使用基于运动滤波器、频谱滤波、公共平均参考和标准化的异常值拒绝对数据进行预处理。从 30 秒窗口中提取了四个频域特征集，涵盖了 δ 、 θ 、 α 、 β 和 γ 频带的功率、各自的比率以及每个频带的不对称特征。为放松和认知负荷任务与自我报告标签之间的二元分类建立了个性化和通用模型。不对称特征集的表现优于频带比率特征集，个性化模型的平均分类准确率为 81.7%，广义模型的平均分类准确率为 78%。来自自我报告标签的模型的类似结果需要利用不对称特征进行认知负荷分类。未来从不对称特征中提取高级特征可能会超越性能。此外，个性化模型的更好性能导致未来在个人数据上更新预训练的广义模型。
使用 ARDIOUNO 进行变压器负载剪切
变压器是一种在静止状态下将能量从一个级别转换为另一个级别的设备。本项目的目的是通过使用负载共享来防止变压器过载。变压器过载时，其效率会降低，绕组会变热，甚至可能烧毁。负载共享的结果是，变压器受到保护。这将通过使用微控制器将另一个变压器与 Arduino 并联来实现。两个控制器都将第一个变压器上的负载与参考值进行比较。当负载超过参考值时，第二个变压器将共享剩余负载。如果负载超过两个变压器的额定值，系统将关闭。每当通过 GSM 接收到通信时，操作员都会收到它。