XiaoMi-AI文件搜索系统
World File Search SystemSWARM
多目标帕累托前沿与粒子群优化...
微电子技术的进步使得更高的集成密度成为可能，并且目前正在进行机载系统的大规模开发，这种增长遇到了功耗的限制因素。更高的功耗将导致产生的热量立即扩散，从而导致热问题。因此，随着系统温度的升高，系统的总消耗能量将增加。微处理器的高温和计算机系统的大量热能对系统信心、性能和冷却费用产生巨大的问题。处理器消耗的功率主要来自内核数量和时钟频率的增加，这些功率以热量的形式消散，给芯片设计人员带来了热挑战。随着纳米技术中微处理器性能的显着提高，功耗变得不可忽略。为了解决这个问题，本文使用多目标帕累托前沿 (PF) 和粒子群优化 (PSO) 算法来解决高性能处理器的功耗降低问题，以实现功耗作为优先计算，从而减少目标微处理器单元的实际延迟。仿真验证了概念基础以及关节体和电源电压（V th- V DD ）的优化，并显示出令人满意的结果。
能源管理器 SWARM 技术参考指南
可以控制最多 2 级加热/冷却传统空调或 3 级加热 + 2 级冷却热泵 网关可以连接到校园网络上的以太网端口或通过蜂窝网络连接，具体取决于类型 温度和警报传感器 (TA1) 提供外部温度监控和平均温度 PEARL 节能器控制器提供故障检测、需求控制通风和 VFD 控制 无线近距离传感器 (PRX1) 检测门窗何时打开/关闭 通过可在桌面和移动设备上访问的 Web 界面进行控制 无可变制冷剂流量控制
面向无人机群控制的脑机接口
摘要 — 非侵入式脑机接口 (BCI) 解码脑信号以了解用户意图。随着对无人机控制的需求增加，基于 BCI 的无人机控制系统取得了最新进展。特别是，基于脑信号的无人机群控制可以为军事服务或工业灾难等各种行业提供服务。本文介绍了一种使用视觉图像范式的适用于各种场景的脑群接口系统原型。我们设计了可以在无人机群控制模拟器环境下获取脑信号的实验环境。通过该系统，我们收集了四种不同场景的脑电图 (EEG) 信号。七名受试者参加了我们的实验，并使用基本机器学习算法评估了分类性能。总平均分类准确率高于机会水平准确率。因此，我们可以确认基于 EEG 信号的无人机群控制系统执行高级任务的可行性。关键词-脑机接口；脑电图；无人机群控制；视觉图像
利用群体能力来协助其他系统
大多数群体机器人学的研究都将群体视为一种孤立的感兴趣系统。对异质群的研究[1]，[2]检查了各种类型的机器人，但这些机器人也被视为一个单一实体。尽管在某些情况下，外部系统支持群体[3]，但群体为另一个系统提供服务仍然很少。我们认为，群体作为自我足够的独立系统的普遍观点限制了群体机器人技术的潜在应用范围。具体来说，某些方案 - 诸如搜索和救援操作之类的iOS可能不会从部署机器人群作为自主解决方案来获得可观的优势。但是，群体提供的援助对人类救援人员来说是无价的。机器人群是独特的，以有效地采集。他们的分布式性质使他们能够快速收集环境数据，并通过点对点共享不断地向这些信息持续。我们将这种集体数据收集能力称为“群体的群体”。在群体机器人技术中，已经对集体行为进行了广泛的研究[4]，[5]和集体决策[6]，[7]，通常强调了群体感知的重要性。例如，Valentini等人的作品。[8]和Zakir等。[9]，使用群体感知作为评估集体决策的研究中的工具。群体感知使群可以动态地进行周围环境，检测和报告变化，即使在结构最初未知的环境中也是如此。通常在内部使用收集的信息来完善群体的集体行为，但它也可以看作是一个庞大的，不断发展的共享数据库，其中包含特定于任务的环境数据。通过授予外部系统访问此数据库（例如，通过群体机器人和外部机器人之间的通信）群可以提供有助于外部系统任务的关键信息。但是，有明显的研究重点是利用群体感知来使外部系统受益。群体支持的潜在受益者扩展了 -
群机器人技术：多代理系统中的合作控制
摘要 - 群体机器人技术体现了多代理系统中合作控制中的边界，在该系统中，生物群的仿真提供了机器人技术的范式转移。本文深入研究了分散决策的机制以及自主机器人之间的局部相互作用而产生的新兴行为，而无需中央控制器。它探讨了简单的控制规则的综合，这些规则产生了复杂，适应性和可扩展的群体行为，类似于自然群中的行为。对通信协议进行的批判性检查阐明了代理之间的信息共享如何导致集体任务的强大执行。该研究进一步研究了角色分配，任务分配和冗余的动态，这对于群体机器人系统的弹性至关重要。通过模拟和经验分析，证明了群算法在各种应用中的功效，包括搜索和救援，环境监测和集体构造。该研究的发现强调了生物启发算法的重要性以及群体机器人系统在不可预测的环境中适应和繁荣的潜力。对自治系统的未来的影响是深远的，因为群机器人技术为分布式人工智能和机器人的创新铺平了道路。
用于充电的粒子群优化模糊控制器...
为了降低电网的功耗和成本，本文讨论了基于粒子群优化 (PSO) 的模糊逻辑控制器 (FLC) 的开发，用于微电网 (MG) 应用中电池储能系统 (ESS) 的充电 - 放电和调度。最初，FLC 被开发用于控制储能系统的充电 - 放电，以避免传统系统的数学计算。然而，为了改进充电 - 放电控制，使用 PSO 技术优化 FLC 的隶属函数，同时考虑可用功率、负载需求、电池温度和充电状态 (SOC)。调度控制器是根据负载实现低成本不间断可靠电源的最佳解决方案。为了降低电网电力需求和消耗成本，还引入了最佳二进制 PSO 来在一天中的不同时间在各种负载条件下调度 ESS、电网和分布式电源。得到的结果证明了所开发的基于 PSO 的模糊控制的鲁棒性，可以有效地管理电池充电和放电，同时将电网功耗降低 42.26%，将能源使用成本降低 45.11%，这也证明了该研究的贡献。© 2020 作者。由 Elsevier Ltd. 出版。这是一篇根据 CC BY-NC-ND 许可协议开放获取的文章（http://creativecommons.org/licenses/by-nc-nd/4.0/）。
射电天文学的月球轨道的卫星群
iac-20，b4,3,6，x59219 Olfar的自主任务计划：Lunar轨道上的卫星群，用于射电射线天文学的Sung-Hoon Mok A *，Jian Guo A，Jian Guo A，Eberhard Gill A，Eberhard Gill A，Raj Thilak Rajan Ba Aerospace Engifetry of Aerospace Engineering（lr）（LR），LR），DELLE（LR），deflue（lr），deflue（lr）。荷兰2629 HS，s.mok@tudelft.nl; j.guo@tudelft.nl; e.k.a.gill@tudelft.nl b Faculty of Electrical Engineering, Mathematics & Computer Science (EWI), Delft University of Technology, Mekelweg 4, Delft, The Netherlands 2628 CD , r.t.rajan@tudelft.nl * Corresponding Author Abstract Orbiting Low Frequency Array for Radio Astronomy (OLFAR) is a radio astronomy mission that has been studied since 2010 by several荷兰大学和研究机构。该任务旨在通过在30 MHz频带以下的超低波长状态下收集宇宙信号来产生天空图。一颗卫星群，其中包括10多个配备了被动天线的卫星，将部署在可以最小化射频干扰的太空中，例如，在月球的远处。到目前为止，已经投入了一些研究来设计空间部分，其中包括有效载荷和平台元素。但是，尚未详细设计地面部分，尤其是任务计划系统。在本文中，根据当前的卫星设计提出了任务计划问题后，提出了OLFAR的系统任务计划方法。关键字：任务规划，射电天文学，卫星群，月球轨道，地面部门，自治1。任务控制元素（MCE）是地面部分元素之一，其主要功能是任务计划和计划。简介地面细分市场对于任务成功以及太空领域和发射部门[1]起着重要作用。它旨在在有限的资源和限制下安排几个任务；最终，为特定的计划范围生成时间表。任务计划算法（或不久的算法）通常可以分为三类：确定性精确算法，确定性近似算法和非确定性近似算法[2]。首先，确定性精确算法提供了一个精确的最佳解决方案，但需要三个方面的计算时间最长。例如，蛮力搜索需要在获得全球最佳解决方案之前列举所有可能的候选者。其次，确定性近似算法提供了一个亚最佳解决方案，其计算负担明显较小。它通常被称为启发式算法[3]。有例如贪婪算法和本地搜索算法。第三，非确定性近似算法也提供了次优的解决方案，通常称为元启发式算法或基于人群的算法。遗传算法和粒子群优化是众所周知的非确定性近似算法。但是，应注意的是，算法的定义和分类在文献中通常会有所不同。
无人机系统智能群体技术
过去 25 年来，无人驾驶航空系统 (UAS) 或无人机技术（包括单个系统和 UAS 集群）得到了广泛应用。因此，随着该技术的不断成熟，这项技术以及使用这些 UAS 功能的能力既代表着当前的威胁，也代表着日益严重的威胁。在本次评估中，我们将无人机集群技术分为三类：(1) 由多个操作员协调的单个无人机群；(2) 已以协调方式编程为单独飞行、以领导者-跟随者配置飞行或以多无人机编队飞行（由人类操作员控制多架无人机）的无人机；(3) 可以在单个无人机之间进行通信并对外部刺激做出反应的智能无人机群。前两类代表了我们在本评估中所说的替代集群技术，而第三类被称为智能集群技术。1
粒子群优化的飞机配平分析
在本研究中，首先开发了 F-16 飞机全动力学的详细非线性模型，并用 MATLAB 进行编码。该模型包括重力模型、可变大气参数、表格气动函数、推进模型、非线性控制面驱动模型和六自由度运动方程。然后开发了一种使用上述模型计算所有可能配平值的数值工具。该工具可以计算不同操作点的配平值。在开发的算法中，使用了粒子群优化 (PSO) 方法，这是一种在连续搜索空间上具有高收敛速度的元启发式方法。然后使用开发的模型围绕计算出的配平值进行模拟。模拟结果证实，基于 PSO 的配平算法可以高精度地找到所有配平值。
使用粒子群的随机森林优化...
抽象糖尿病是一种慢性退化性疾病，原因是胰腺中缺乏胰岛素的产生或人体使用胰岛素使用的能力较低。根据世界卫生组织（WHO）的一份报告，世界上有4％的总死亡是由糖尿病引起的。国际糖尿病联合会（IDF）指出，糖尿病患者在2013年有所增加。印度尼西亚是糖尿病病例数量最多的第七名。在这项研究中，用于对糖尿病进行分类的方法是使用粒子群优化（PSO）优化的随机森林算法。这项研究使用PSO优化的随机森林分类算法的准确性为78.2％和82.1，值增加了3.9％。可以得出结论，与没有PSO优化的随机森林算法相比，PSO优化可以更好地提高分类精度值。关键字：分类，糖尿病，国际糖尿病联合会，粒子群优化，随机森林1。引言糖尿病是一种非传染性疾病，会导致患者体细胞功能的缓慢下降，其特征是当激素胰岛素的功能通常无法运行时，由于代谢干扰而导致尿液中的血糖水平升高[1]。代谢性疾病称为糖尿病是由胰岛素分泌和作用故障引起的[2]。高血糖水平会导致人体衰竭，心动脉，中风，失明和死亡等人体细胞功能受损[3]。