XiaoMi-AI文件搜索系统
World File Search SystemSensor
I类HDAC抑制剂MS-275可防止奥沙利铂...
摘要：本文介绍了基于电容性变化的低成本和多触摸传感器的新设计和开发。这个新传感器非常灵活且易于制造，使其成为软机器人应用程序的适当选择。该传感器中使用的材料（导电墨水，有机硅和控制板）是便宜且在市场上很容易找到的。提出的传感器由不同层的晶圆，带有导电墨水的硅胶层和压力敏感的导电纸片制成。像E-Skin这样的先前方法可以测量像人体或纤维等导电物体的接触点或压力，而所提出的设计使传感器能够检测物体的接触点和施加力，而无需考虑对象的材料电导率。传感器可以同时检测五个多点触点。在存在噪声，增益变化和非线性的情况下，使用神经网络结构以可接受的精度来校准施加力。通过商业精确力传感器（ATI）实时测量的力与通过在两个电极层之间更改层的电容获得的产生的电压映射。最后，嵌入建议的触觉传感器的软机器人抓手被用来掌握具有位置和力反馈信号的物体。
Miguel Realpe，Boris X. Vintimilla和Ljubo Vlacic。 （2015）。自动驾驶汽车的传感器故障检测和诊断。在第二国际同盟
Miguel Realpe，Boris X. Vintimilla和Ljubo Vlacic。（2015）。传感器故障检测和自动驾驶汽车的诊断。在第二届国际机电一体化，自动化和制造业会议上（ICMAM 2015），国际会议，新加坡，2015年（第1卷30，pp。1-6）。EDP科学。
使用惯性传感器
摘要 - 监控运动员运动对于提高性能，减轻疲劳并减少受伤的可能性很重要。高级技术，包括计算机视觉和惯性传感器，在对运动特定运动进行分类方面已广泛探索。将自动体育行动标签与运动员监控数据相结合提供了一种有效的方法来增强工作量分析。关于对运动特定运动进行分类的最新研究表明，基于个别运动员的训练和评估方法的趋势，使模型可以捕获每个运动员特有的独特功能。这对于运动员之间技术差异很大的运动特别有益。当前的研究使用受监督的机器学习模型，包括神经网络和支持向量机（SVM），以使用从上下背包惯性测量单元（IMU）传感器中提取的功能来区分跑步表面，即田径轨道，硬砂和软砂。主成分分析（PCA）用于特征选择和降低维度，增强模型效率和解释性。我们的结果表明，与运动员无关的方法相比，运动员依赖的训练方法可大大提高分类性能，从而达到更高的加权平均精度，召回，F1得分和准确性（p <0.05）。
多传感器数据融合，以改善物理量的估计和预测
最重要的是，我对全能的真主表示最深切的感谢，他的无限怜悯和无限的恩典在整个旅程中引导了我。我还要对我的主管教授扬·伦德格伦（Jan Lundgren）教授和共同裁员马蒂亚斯·奥尼尔斯（Mattias O'Nils）教授的坚定支持，指导和鼓励。他们的指导一直在我从工程师转变为研究人员的转变中发挥了作用，使我有能力以有意义的方式为社会做出贡献。我对孟加特·奥尔曼（Bengt Oelmann）的审查并提供了宝贵的反馈。我衷心感谢我在该部门的同事们的持续支持，协作精神和表现的行政援助。最后，对我的父母做了无数牺牲以支持我的旅程。您应该得到一切，我很自豪地说您是世界上最好的父母。对我的妻子和两个男孩，他们对我的爱与信仰是我最大的力量。在我们分享的每一刻，我都非常感谢。愿这些记忆是时间的标记，共同度过了良好的时间。
EAGP：无线传感器网络的能源感知八卦协议
摘要。在无线传感器网络（WSN）中，通常由具有资源限制的节点组成，利用效率的流程对于增强网络寿命以及因此，在超密集和异质环境中的可持续性（例如智能城市）至关重要。特别是平衡在这种动态环境中有效传输数据所需的能量，这对降低数据冗余性的交易构成了重大挑战，这是降低数据冗余性的交易，同时实现可接受的交付率是一个基本的研究主题。通过这种方式，这项工作提出了一种新的能源感知的流行病协议，该协议使用网络能量的当前状态来通过自我调整每个节点转发行为自我调整为渴望或懒惰的局部残留电池来创建动态分布拓扑。模拟的评估证明了其在能耗，输送率和计算负担下的效率与经典八卦协议以及定向协议相比。
引用发布版本（APA）：Zheng，Y.，Che，Y.，Hu，X.，Sui，X。，＆Teodorescu，R。（2024）。锂离子B
摘要 - 锂离子电池在电动汽车中的大规模应用需要细致的电池管理，以确保车辆的安全性和性能。温度在锂离子电池的安全性，性能和寿命中起着重要作用。因此，电池管理系统应及时监控电池的温度（SOT）。由于电动汽车的机载温度传感器有限，大多数电池的SOT必须通过其他测量的信号（例如电流和电压）估算。为此，本文通过用机器学习将基于物理的热模型梳理，开发了一种准确的方法来估计电池的表面温度。使用集团的质量热模型来提供机器学习的电池温度的先验知识。与温度相关的特征（例如内部电阻）实时提取，并将其作为补充输入中馈入机器学习框架，以提高估计的准确性。将卷积神经网络与长期短期记忆神经网络相结合的机器学习模型已与热模型依次集成，以了解模型输出与实际温度值之间的不匹配。已针对实验结果进行了验证，与常规的基于纯热模型和纯数据驱动的方法相比，准确性提高了79.37％和86.24％。
使用Ti的传感器控制器构建自动化应用的超低功率传感技术
传感器控制器是可编程的，自动的超低功率CPU，具有快速的唤醒功能和非常低的电流传感器读数。大多数构建自动化系统都需要唤醒和执行每秒多次的小任务，启动和关闭能源很容易成为应用程序所花费的总能量的主导因素。一个大型高速MCU系统通常需要大量模块/例程，这些模块/例程在变化从备用状态变为活动模式时会大大增加能源消耗。例如，较大的MCU系统可能需要更高功能的PRCM（功率和时钟模块）系统。为了解决此问题，TI引入了传感器控制器引擎，该引擎可以从备用中唤醒 - 执行任务并通过尽可能多的能量回到备用。本应用程序探索了传感器控制器的多功能性，传感器控制器是CC13X2/4和CC26X2/4无线设备中的超低辅助处理器，重点是构建自动化应用程序。
复合压力容器中结构健康监测的传感器集成：评论
细丝缠绕复合压力容器（CPV）主要用于气体或流体储存。复合容器受到严格的条件，例如临界载荷，极端温度和爆发；因此，对于船舶结构完整性的永久性原位和在线监测方法至关重要。因此，本评论的论文重点介绍了最流行的传感器（例如Piezoeelectric（PZT和PVDF），Piezoresistive（BP和MXENE）以及光纤（SOFO®，OBR和FBG）传感器，以开发出一种结构性健康监测（SHM）来创建自我增压压力容器。本评论论文的新颖性在于提供概述现有作品的概述，涵盖了复合容器中传感器的整合，包括传感器类型，本地化及其对复合完整性的影响。尤其是对传感器集成，尤其是其受监控参数，布局设计和CPV中的布置的分析。此外，分析了宿主复合材料和传感器之间的相互作用，以了解如何将传感器与改变复合容器机械性能的最小缺陷整合。最后，对CPV的SHM系统进行了讨论，为研究人员提供了即将进行的实验工作的基础。