XiaoMi-AI文件搜索系统
World File Search SystemMDPI
ATCo 对潜在冲突检测的评估 - MDPI
摘要：本文的主要目的是分析空中交通管制员 (ATCo) 发现潜在冲突的概率。ATCo 确保飞机的安全，其主要功能之一是避免碰撞。避免碰撞被称为分离规定，该术语意味着通过侧面、垂直和纵向最小分离来确保每架飞机之间的安全距离。空中交通管制员必须确保高水平的空域容量。工作绩效与对个人特征、知识、技能以及空中交通特征的高要求有关。除了分析检测潜在冲突的概率外，研究对这一安全事件影响最大的因素被认为具有特殊意义，因为 ATCo 代表空中交通管制系统的最后一个执行部门，未能检测到潜在冲突可能会导致飞机之间最小间隔距离被违反，甚至发生碰撞。为了实施这种方法，将使用具有高预测能力的贝叶斯网络。此外，还将使用基于知识和 ANSP 提供的实际操作数据的双重方法。与当前文献中包含的数据相比，这些数据是本研究的一大优势。
铰接式多体飞机的建模与控制 - MDPI
摘要：昆虫利用腹部和其他附肢的动态铰接和驱动来增强气动飞行控制。飞行中的这些动态现象有许多用途，包括保持平衡、增强稳定性和扩展机动性。生物学家已经观察和测量了这些行为，但尚未在飞行动力学框架中很好地建模。生物附肢通常相对较大，以旋转方式驱动，并具有多种生物功能。用于飞行控制的技术移动质量往往是紧凑的、平移的、内部安装的并且专用于该任务。生物飞行器的许多飞行特性远远超过任何同等规模的技术飞行器。支持现代控制技术以探索和管理这些执行器功能的数学工具可能会开启实现敏捷性的新机会。这里开发的多体飞机飞行动力学的紧凑张量模型允许对具有机翼和任意数量的理想附肢质量的仿生飞机进行统一的动力学和气动模拟和控制。演示的飞机模型是一架蜻蜓状的固定翼飞机。移动腹部的控制效果与控制面相当，横向腹部运动代替气动舵以实现协调转弯。垂直机身运动实现了与升降舵相同的效果，并且包括上下可能有用的瞬态扭矩反应。当在控制解决方案中同时使用移动质量和控制面时，可实现最佳性能。使用本文介绍的多体飞行动力学模型设计的现代最优控制器可以管理机身驱动与传统控制面相结合的飞机。
工业 5.0 时代的技术现代化 - MDPI
摘要：过去几年，突发事件给生产线带来了挑战。最近的 COVID-19 全球疫情就是一个显著的例子。除了社会影响之外，病毒还摧毁了传统的工业生产体系。工业 4.0 需要适应不断变化的先决条件。然而，下一个运动——工业 5.0，近年来已经出现。工业 5.0 采取了比工业 4.0 更协调的方法，人与机器之间的协作有所增加。工业 5.0 以人为本，改进了工业 4.0，使其具有更大的可持续性和弹性。工业 4.0 的概念是通过信息物理系统进行互连。工业 5.0 也与工业 4.0 所支持的系统相关，它讨论了“人与机器”（称为机器人或协作机器人）之间的关系。本文讨论了工业 5.0 的可能性、限制和未来的分析潜力。工业 5.0 是一种新的范式变化，它倾向于通过谈判解决，因为它不太重视技术，并假设进步的可能性取决于人与机器之间的协作。本文旨在研究工业 5.0 的潜在实现。在发现当前的进展和问题后，对所研究主题的先前研究进行了审查，发现了研究的局限性，并制定了系统的分析程序。工业 5.0 的分类和这场工业革命所需的复杂技术是讨论的首要主题。还讨论了工业 5.0 支持的应用领域，例如医疗保健、供应链、生产增长、云工业生产等。研究还包括本文调查的挑战和问题，以更好地了解生产线上某些机器人系统和个人之间的组织引起的问题。
网络物理微电网系统中的网络攻击 - MDPI
摘要：近十年来，网络安全的重要性和需求不断增加。由于缺乏有效的安全措施，以信息物理系统 (CPS) 为模型的国家关键基础设施正变得脆弱。攻击者变得越来越创新，攻击变得无法检测，从而给这些系统带来巨大风险。在这种情况下，应该引入智能和不断发展的检测方法来取代基本和过时的方法。人工智能 (AI) 分析数据和预测结果的能力为研究人员探索人工智能在网络安全中的力量创造了机会。本文讨论了新时代智能和智能技术，例如模式识别模型、深度神经网络、生成对抗网络和强化学习，用于 CPS 中的网络安全。分析了信息技术中使用的传统安全方法与 CPS 中使用的安全方法之间的差异，并详细讨论了向智能方法过渡的必要性。设计了一种用于微电网系统的基于深度神经网络的控制器，用于检测和缓解网络攻击。作为案例研究，对一种克服现有微电网保护的隐秘局部隐蔽攻击进行了建模。观察到 DNN 控制器检测和缓解 SLCA 的能力。实验以模拟和实时方式进行，以分析人工智能在网络安全中的有效性。
数字孪生在医疗保健行业的应用 - MDPI
摘要：数字孪生技术具有前所未有的能力，能够控制物理实体并通过集成多种技术来帮助管理复杂系统，因此各行业正在越来越多地采用数字孪生技术。最近，牙科行业取得了多项技术进步，但尚不确定牙科机构是否正在努力将数字孪生技术应用于其教育中。在这项工作中，我们采用混合方法来研究数字孪生技术对牙科行业远程学习的附加值。我们研究了牙科机构在远程教育中采用数字孪生技术的程度，阐明了数字孪生技术带来的概念和好处，并为更广泛地采用数字孪生技术提供了基于应用的路线图。我们报告了医疗保健行业数字孪生技术的回顾，然后确定了用例并将其与其他学科中的用例进行比较。我们比较了报告的好处、研究范围和行业采用数字孪生技术的水平。我们从远程学习和其他学科中研究的数字孪生应用中提炼出可以为牙科行业增值的数字孪生特征。然后，受不同领域数字孪生应用的启发，我们提出了牙科机构远程教育数字孪生的路线图，其中包括日益复杂的示例。我们通过确定用于远程学习的牙科数字孪生的独特特征来结束本文。
影响人为错误的因素研究 - MDPI
摘要：本研究旨在通过关注人为因素与人为错误之间的因果关系的重要性来确定人为错误的原因，从而减少航空公司空乘人员发生人为错误和事故的可能性。根据统计分析，在五个人为因素中，身体疲劳、心理压力和空乘人员的自满情绪对人为错误有积极影响。然而，时间压力下的匆忙和外部因素造成的干扰对人为错误没有显著影响。人为错误对工作塑造和心理健康有负面影响。本研究分析了影响空乘人员失误的人为因素，并揭示了自满情绪的重要性，这是以前的研究没有涉及的。最后，讨论了研究意义、局限性和未来的研究。
支持机器学习的物联网 (IoT) - MDPI
摘要：机器学习 (ML) 使物联网 (IoT) 能够从感知数据的宝库中获得隐藏的见解，并真正无处不在，而无需明确寻找知识和数据模式。没有 ML，物联网就无法满足企业、政府和个人用户的未来需求。物联网的主要目标是感知我们周围发生的事情，并通过智能方法实现决策自动化，这将模仿人类的决策。在本文中，我们从数据、应用和行业三个角度对支持 ML 的物联网的文献进行分类和讨论。我们通过回顾大约 300 个已发表的资料，详细阐述了数十种前沿方法和应用，说明 ML 和物联网如何协同工作，在使我们的环境更智能方面发挥关键作用。我们还讨论了新兴的物联网趋势，包括行为互联网 (IoB)、疫情管理、联网自动驾驶汽车、边缘和雾计算以及轻量级深度学习。此外，我们将物联网面临的挑战分为四类：技术、个人、商业和社会。本文将有助于利用物联网的机遇和挑战，使我们的社会更加繁荣和可持续。
网络物理电力系统中的网络安全 - MDPI
摘要：当前的能源转型与电力系统的现代化相结合，为电力系统的传输、分配、运行、规划、监控和控制带来了重大变革。这些进步在很大程度上依赖于新计算和通信技术的应用，这些技术与传统物理系统相结合，导致了信息物理系统 (CPS) 的出现。从这个意义上讲，除了保持可靠、经济和安全的电网的传统挑战之外，现在还必须应对随着 CPS 的发展而出现的新的网络攻击漏洞。意识到这一观点以及行业因网络攻击而面临的持续挑战的严重性，本文旨在对信息物理电力系统中的网络安全文献进行全面调查。为此，本文介绍了主要网络攻击类型的明确定义、历史时间表和分类，包括构成 CPS 的概念、架构和基本组件，以及管理、控制和保护 CPS 的漏洞。此外，本文还介绍了网络安全的防御策略和未来趋势。为了进行这项研究，我们在相关学术和工业数据库中进行了仔细的搜索，并详细报告了重点关注减轻网络攻击和确保现代 CPS 网络安全的关键工作。最后，本文提出了
软件需求工程中的道德问题 - MDPI
摘要：摘要背景：伦理在不同的研究领域和不同的背景下有着广泛的应用。与其他研究领域一样，伦理对软件工件生产及其过程的计算决策有着重大影响。因此，在本研究中，伦理被认为是软件开发过程中需求工程背景下的。目标：本文旨在通过抽样软件开发公司并揭示现有的研究差距来讨论需求工程过程中伦理问题的调查结果。方法：本研究采用访谈、焦点小组讨论、目的抽样和定性分析研究方法。结果：本研究发现，在需求工程过程中整合软件的道德问题时，公司内部缺乏行业实践、专业责任行为准则标准和其他指导方针。这也表明，几乎所有公司都没有针对道德问题考虑的识别方法和检查机制。此外，已识别的主要道德问题分为六类：需求识别问题、质量相关问题、开展未经许可的活动、不愿意提出需求、知识差距和缺乏法律依据/问责规则。结论：从本研究的结果可以得出结论，在软件公司中，没有识别道德问题的具体方法。此外，公司内部没有使用标准和指南。这意味着需要克服需求工程中现有和新出现的道德问题。
复杂手工装配案例研究 - MDPI
摘要：手动装配操作容易受到人为错误的影响，而人为错误可能会降低最终产品的质量。本文展示了人为可靠性分析在实际制造环境中的应用，以确定手动装配错误发生的地点和原因。使用 SHERPA 和 HEART 技术进行人为可靠性分析。根据质量记录，选择了三项关键任务进行分析：（1）使用紧固件安装三种类型的支架，（2）使用缓冲环夹将数据线固定到装配结构上，以及（3）安装盖罩以保护入口。使用 SHERPA 识别的错误模式为：36 个动作错误、9 个选择错误、8 个信息检索错误和 6 个检查错误。根据 HEART，人为错误概率最高的是那些对几何相关错误敏感的装配部件（支架和缓冲环夹）。研究表明，具有感知吸引力的装配说明似乎最有可能减少错误并提高绩效。其他确定的行动领域包括改进检查流程和为工人提供更好的跟踪和更好的反馈。实施装配指导系统可能会提高工人的绩效并减少装配错误。