XiaoMi-AI文件搜索系统
World File Search SystemPHM
使用人工智能进行定制的常规尿液分析
目的：尿液是临床微生物实验室中最常见的检测材料。目前已经进行了自动分析，可以更快地获得结果并减少实验室技术人员 (LT) 的工作量。这些自动化系统引入了数字成像概念。PhenoMATRIX (PHM) 是一款人工智能软件，它融合了图片算法和用户规则以提供推定结果。本研究旨在使用 PHM 设计定制的工作流程，执行其验证并检查其在日常实践中的性能。方法：使用两个数据集合，包括来自肾造口术/输尿管造口术和人工膀胱 (US) 的 96 和 135 个尿液样本、来自导管 (UC) 的 948 和 1257 个尿液样本以及 3251 和 2027 个中段尿液 (MSU)，将 LT 结果与使用两个版本的 PHM 获得的结果进行比较。另外 19 个 US、102 个 UC 和 508 个 MSU 用于监测常规实施 3 个月后的性能水平。结果：修订前后，PHM 第一版与 LT 结果之间的一致性分别为 83%（95% 置信区间 [CI]，74.3 e 90.2）和 83%（95% CI，75.3 e 90.9）（美国），66.7%（95% CI，63.5 e 69.5）和 71.7%（95% CI，68.8 e 74.4）（UC）以及 65.4%（95% CI，63.8 e 67.1）和 76%（95% CI，74.1 e 77.1）（MSU）。第二版结果有所改善，修订前后与 LT 结果的一致性分别为 96.2% (95% CI, 91.6 e 98.8) 和 97% (95% CI, 92.6 e 99.2) (US)、87.5% (95% CI, 85.5 e 89.2) 和 88.9% (95% CI, 87.0 e 90.5) (UC) 以及 91% (95% CI, 89.7 e 92.1) 和 92% (95% CI, 91.1 e 93.4) (MSU)。常规研究证实了 PHM 结果的可靠性，总体一致性为 92% (95% CI, 90.0 e 94.2)。结论：PHM 性能优异，>90% 的结果与 LT 一致。 PHM 可以帮助标准化和确保结果的准确性，在分析工作流程中优先考虑阳性板，并可能节省 LT 时间。Olivier Dauwalder，Clin Microbiol Infect 2021；27：1168.e1 e 1168.e6 © 2020 欧洲临床微生物学和传染病学会。由 Elsevier Ltd. 出版。保留所有权利。
诊断/预测算法的验证和确认
本文介绍了在先进新型武器平台中开发预测和健康管理 (PHM) 功能所面临的程序和技术挑战。在最高级别，它提出了将 PHM 优势和目标与后勤支持概念以可衡量的方式联系起来的具体策略。作者还提供了使用这种方法的示例，以确保 PHM 元素已在飞机上投入使用。在下一个级别，作者评估了 PHM 算法和传感器套件中使用的验证和确认 (V&V) 方法。前向拟合应用通常不太容易获得现场和最终系统数据，这给诊断覆盖率、检测率和误报率的验证带来了额外的障碍。作者将演示特定工具，以使用测试台开发数据、类似组件故障数据以及最终的现场数据的组合来提供 V&V 用例。将介绍故障检测、诊断和预测功能元素的指标。此外，作者还讨论了模拟和真实故障数据的使用，以及为预测系统的现场性能而开发的策略。讨论了信号噪声、测量不确定性和阈值设置的影响。还讨论了现场数据可用性的“性能指标增长”概念，并提供了这些技术和工具在应对新飞机部署挑战方面的具体应用。
诊断/预测算法的验证和确认
本文介绍了在先进新型武器平台中开发预测和健康管理 (PHM) 功能所面临的程序和技术挑战。在最高级别，它提出了将 PHM 优势和目标与后勤支持概念以可衡量的方式联系起来的具体策略。作者还提供了使用这种方法的示例，以确保 PHM 元素已在飞机上投入使用。在下一个级别，作者评估了 PHM 算法和传感器套件中使用的验证和确认 (V&V) 方法。前向拟合应用通常不太容易获得现场和最终系统数据，这给诊断覆盖率、检测率和误报率的验证带来了额外的障碍。作者将演示特定工具，以使用测试台开发数据、类似组件故障数据以及最终的现场数据的组合来提供 V&V 用例。将介绍故障检测、诊断和预测功能元素的指标。此外，作者还讨论了模拟和真实故障数据的使用，以及为预测系统的现场性能而开发的策略。讨论了信号噪声、测量不确定性和阈值设置的影响。还讨论了现场数据可用性的“性能指标增长”概念，并提供了这些技术和工具在应对新飞机部署挑战方面的具体应用。
预测和健康管理中后预测决策的回顾
预测和健康管理 (PHM) 过程主要基于三个过程：数据采集和健康评估过程（其中采集和处理传感器信号）、诊断和预测过程（其中检测故障源并预测剩余使用寿命 (RUL)）以及最终决策过程（指预测和健康管理中的术语管理）。本文回顾了文献中关于 PHM 背景下决策的不同方面。选定的论文将接受内容评估并根据决策类型分组。此外，本文还对以前的研究进行了综合，有助于确定决策过程中的新趋势和不足之处。综合研究可以指导未来的工作。
DIAGnostic 数字线程 - DSI 国际
业界正准备寻求资金来源，将 CBM 插入 ATE 或 ATS 解决方案，就像 PHM 插入车载健康管理应用时的情况一样，这两种特定应用都无法充分考虑任何“测试”（车载 BIT 或由 ATE 执行）作为独立活动执行时的整体测试覆盖率。由于许多复杂设计被集成到（并在产品生命周期内反复更新）相互依赖的集成系统设计中，功能和故障传播的流程在这些子系统设计中和周围移动。当车辆运行模式根据 BIT 检索的时间改变传感器数据的确定性时，在设计车载 PHM（诊断推理）系统时考虑这些变量的任务变得艰巨，因为需要考虑到可变的（车载）BIT 测试覆盖率。随着运行模式和环境条件按预期或意外发展，诊断确定性始终与（BIT）测试结果的确定性相互依赖。全面定义测试覆盖范围的限制和约束（贯穿整个设计层次），还将揭示对机载 BIT 测试覆盖范围确定性的任何“干扰”，从而影响测试结果的准确性。PHM 和/或任何 CBM 应用都是跨学科、相互依存且不断发展的活动。Elite Diagnostics Engineering 工具的正确使用需要设计
预测和健康管理中后预测决策的回顾
预测和健康管理 (PHM) 过程主要基于三个过程：数据采集和健康评估过程（其中采集和处理传感器信号）、诊断和预测过程（其中检测故障源并预测剩余使用寿命 (RUL)）以及最终决策过程（指预测和健康管理中的术语管理）。本文回顾了文献中关于 PHM 背景下决策的不同方面。选定的论文将接受内容评估并根据决策类型分组。此外，本文还对以前的研究进行了综合，有助于确定决策过程中的新趋势和不足之处。综合研究可以指导未来的工作。
LCS与信息熵作为一种新型算法的应用...
基于条件维修（CBM）是一种现代维修理念[1] 。作为实现基于条件维修的有效方法，预测与健康管理（PHM）已成为研究的重点[2] 。一个典型的例子是PHM在联合打击战斗机（JSR）F-35中的应用[3] 。要建立合适的装备PHM，首先需要开展用于预测的退化特征提取研究[4] 。退化实验需要很长时间，退化过程中的振动信号非常复杂[5] 。然而，传统方法[6]提取的特征通常基于单个监测信号。Tran等人通过对监测信号进行时域分析来提取特征[7] 。赵等将经验模态分解（EMD）应用于振动信号分析，提取近似熵作为退化特征[8]。董等。选择非广义小波特征尺度熵作为退化评估特征[9]。在这种情况下，一些重要的故障信息可能会丢失。例如，众所周知，滑靴松动故障是液压泵的典型故障模式[10]。这是由活塞头和滑靴帽之间的磨损引起的[11]。最后，可以以打击的形式在泵壳上监测相互作用。
预测和健康管理在航空电子设备中的应用...
摘要。目前，大多数飞机航电系统都是基于报告故障或定期系统更换进行维护的。然而，武器平台采购和保障需求的变化推动了预测与健康管理（PHM）概念从机械到电子系统再到航电系统维护的演变。同时，随着航电设计复杂性的不断提高，综合模块化航电（IMA）应运而生。IMA设计理念的出现标志着航电系统从分布式联合架构逐渐过渡到集成架构，也为PHM技术应用于航电系统提供了基础。本文综述了预测与健康管理系统技术在航电系统中的应用及研究现状。
智能维护电动汽车电池充电系统和
电动汽车（EV）近年来已成为一个热门话题，因为该行业的竞争价格和环境意识。这些担忧导致对负担得起和环保电动汽车技术的发展的研究增加了。本文旨在根据智能维护方面从组件级别（通过系统级别开始）回顾与电动汽车相关的问题。本文还将阐明实际应用中的现有差距，并突出与电动汽车行业前进的电动汽车当前问题有关的潜在机会。更具体地说，我们将简要介绍快速增长的电动汽车市场，显示对EV行业对预后和健康管理（PHM）应用的紧急需求。在组件级别上，详细阐述了电动汽车中电动机，电池和充电系统等主要组件的问题，并对这些组件的相关PHM研究进行了调查，以显示EV扩展时代的发展。此外，还探索了越来越多的电动汽车在系统级别（例如电源分配系统和电网）的影响，以发现将来可能的研究。
Hertfordshire和West Essex PCN需求分析概述
在计划当地服务方面经历健康不平等和支持以解决该问题。影响•经过培训的基本护理支持经理，为已确定的队列开发逻辑模型，这些逻辑模型为衡量影响时的基础提供了基础。 ICB PHM团队提供了支持，已经创建了标准逻辑模型，并由PCSM本地定位为其PCN。 这将在此过程的一部分中首先实现“轻触摸”评估。影响•经过培训的基本护理支持经理，为已确定的队列开发逻辑模型，这些逻辑模型为衡量影响时的基础提供了基础。ICB PHM团队提供了支持，已经创建了标准逻辑模型，并由PCSM本地定位为其PCN。这将在此过程的一部分中首先实现“轻触摸”评估。