XiaoMi-AI文件搜索系统
World File Search SystemSensor
论文（M.Sc.）AI驱动的基于RNA的传感器的AI-VITRO诊断
内在终结子是原核生物中的自然序列，引起转录终止，而无需其他蛋白质。它们通过形成稳定的茎环结构，然后是富含尿嘧啶的序列，破坏转录过程的功能。设计合成的可切换终端（可以被小型RNA激活或破坏的终结剂）在合成生物学中具有令人兴奋的应用，例如对基因表达的精确控制。此项目集成了计算建模，人工智能（AI）和实验验证，以在迭代设计建筑测试 - 核心（DBTL）框架中创建此类终结者。
基于分布式触觉传感器的人形机器人的全身多接触运动控制
摘要 - 为了使人形机器人能够在共有的环境中稳健地工作，多接触运动不仅在四肢（例如手脚），而且在四肢的中间区域（例如膝盖和肘部）的中间区域进行接触。我们开发了一种实现这种全身多接触运动的方法，该运动涉及人形机器人在中间区域的接触。可变形的板状分布式触觉传感器安装在机器人四肢的表面上，以测量接触力，而无需显着改变机器人体形。较早开发的多接触运动控制器（专门用于肢体接触）扩展以处理中间区域的接触，并且机器人运动通过反馈控制稳定，不仅使用力/扭矩传感器，还可以使用分布式的触觉传感器来稳定。通过对Dynamics模拟的验证，我们表明，开发的触觉反馈提高了全身多接触运动的稳定性，以防止干扰和环境错误。此外，寿命大小的人形RHP kaleido展示了全身多接触运动，例如向前走，同时通过前臂接触支撑身体，并在坐着的姿势和大腿接触中平衡姿势。
MEMS高温梯度传感器用于高度湍流中的皮肤摩擦测量
摘要 - 本文介绍并讨论了使用MEMS（微电机电系统）获得的高温梯度传感器获得的结果，以在高度湍流中进行时间平均和波动的皮肤摩擦测量。设计为强大的壁挂式悬挂热线结构，使用传统的微观加工技术制造微传感器，该技术与微电脑兼容用于设计集成的智能系统。成功实施了两条风风隧道，在大量湍流中测试了该传感器，主流速度高达270 m/s（马赫数为0.79），这对应于客机巡游的平均速度。实验证明了微传感器的广泛动态范围，而没有达到其极限。微传感器因此表明了其在空气动力应用中测量湍流的价值，特别适合航空药物。
多视图单传感器红外摄像机的固定图案去除噪声
固定图案噪声（FPN）是由于成像传感器的反应中的不均匀性而在视频上存在的时间相干噪声。对于红外视频来说，这是一个常见的问题，它降低了观察者的质量并阻碍了随后的应用程序。在这项工作中，我们引入了FPN删除问题的概括，其中输入数据由具有相同FPN的几个不同序列组成。这是由红外摄像机通过镜子或相机本身（例如用于监视的镜子本身）捕获多个传感器的红外摄像机的动机。与从单个视图中的标准FPN删除问题相比，该多视图设置为FPN进行了更准确的估计。我们提出了一种新型的能量最小化，以进行多视图FPN去除，并提出了可以以离线和线路方式应用的两种优化算法。此外，我们还表明，提出的能量可以适应从单个视图中删除FPN的问题，并具有滚动窗口的方法，从而对最终的状态进行了显着改进。我们通过合成数据和来自监视红外摄像机的真实数据证明了所提出的方法的性能。
人工神经网络作为窃窃图库模式的数字双胞胎，机器人应用中的光传感器
摘要：本文研究了人工神经网络（ANN）作为可行的数字双胞胎或工程系统中典型的耳语库模式（WGM）光学传感器的替代方案，尤其是在机器人技术等动态环境中。由于其脆弱性和有限的耐力，因此在这种情况下，基于微光学谐振器的WGM传感器是不合适的。为了解决这些问题，本文建议了专门为系统设计的ANN，并利用了WGM传感器的高质量因子（Q -Factor）。通过将适用性和耐力扩展到动态环境并减少脆弱性问题，ANN试图进行高分辨率的测量。为了最大程度地减少后处理要求并保持系统鲁棒性，研究目标是使ANN充当WGM传感器输出的代表性预测指标。在本文中使用Gucnoid 1.0类人形机器人作为一个例子，以说明WGM光学传感器如何改善各种应用的类人形机器人性能。实验的结果表明，ANN输出和实际WGM偏移的灵敏度，精度和分辨率是等效的。因此，删除了机器人技术行业中广泛使用高级感知的当前障碍，并验证了ANN作为虚拟替代物或数字双胞胎在机器人系统中的真实WGM传感器的潜力。因此，本文不仅对符合动态环境的机器人技术中使用的传感技术非常有益，还可以对工业自动化和人机界面进行有益。
基于传感器的协作机器人控制
•安全是协作机器人中的第一个也是最重要的功能。尽管最近朝着机器人安全的标准化进行了推动（例如，机器人和机器人设备的ISO 13482：2014； ISO 13482：2014，2014），但我们仍处于初始阶段。通常通过避免碰撞（与人类或障碍物； Khatib，1985）来解决安全性，该特征在感知和控制层都需要高反应性（高带宽）和鲁棒性。•共存是与人共享工作空间的机器人能力。这包括涉及被动人类的应用（例如，机器人正在干预患者的身体； Azizian等，2014），以及机器人和人类在没有接触或协调的情况下共同完成相同任务的情况。•协作是通过直接人类互动和协调执行机器人任务的能力。有两种模式：物理协作（人与机器人之间有明确和有意接触），以及非接触式协作（在其中的动作以信息交换为指导，例如以身体手势，语音命令或其他方式的形式）。特别是对于第二种模式，至关重要的是建立人类操作员直观控制的手段，即可能是非专家用户。机器人应在
对储罐检查的新兴传感器技术的审查
工业储罐是用于储存液体，气体和化学物质的关键基础设施组件。随着时间的流逝，这些坦克容易容易腐蚀，这威胁了其结构完整性，如果未被发现，可能会导致严重的安全性和财务风险。传统检查方法，例如视觉检查和超声测试，通常在可靠性方面缺乏，尤其是对于难以到达的区域的早期腐蚀[1-6]。根据材料的环境退化手册[7]，美国每年花费约3000亿美元，约占其预算的3％，占相关费用[8]。这使腐蚀成为金属和混凝土结构上恶化的最昂贵原因[9]。近似于与结构失败相关的成本的90％与腐蚀有关[10]。同样，在过去的50年中，已经进行了几项全国性的腐蚀研究，并且都达到了相当于每个国家国内生产总值（GDP）约3-4％的腐蚀成本。[11]这些结构中腐蚀的及时检测和减轻腐蚀对于上述结构的寿命和功能至关重要[12-15]。LIDAR和HSI等新兴技术提供了非侵入性的高分辨率检查功能。这些传感器技术能够检测腐蚀，同时还提供了有助于详细结构分析的空间（3D）信息[16]。本文旨在调查LIDAR和HSI在储罐检查中的使用，突出其整合以及使用高级感应技术而不是传统方法的优势[17，18]。此应用并非特定于海上储罐，因为受腐蚀影响的许多其他结构需要恒定的维护和分析（也称为结构性健康监测或SMH），这可能会受到这种技术的积极影响[19，20]。
用于白蛋白和 pH 多化学传感的双峰“传感器芯片”平台
提出并实验验证了一种灵活的多模态化学传感平台新概念“传感器芯片”。该概念的灵感来自于大规模集成电路 (LSI) 的最新趋势，即通过 LSI“芯片”快速实现高功能性。作为概念验证，通过由两个具有微电极阵列 (MEA) 的平面“传感器芯片”组成的双模态装置展示了 pH 值和白蛋白传感。使用表面微加工、深反应离子刻蚀 (RIE) 和随后的化学功能化，制造、功能化、集成和测试了两个 8 ×16 mm 2 Si 芯片，其中有十三个金 (Au) 和氧化铟锡 (ITO) 微电极，最大电极尺寸为 512 × 512 µm 2。结果表明，提出的概念能够集成多种模式而不会牺牲灵敏度。 关键词
一种基于深度学习的高效解决方案，利用可穿戴传感器识别脑力负荷的相对变化
摘要 — 在本文中，提出了一种自动识别心理工作量相对变化的新解决方案。使用可穿戴传感器收集 26 名人类受试者在执行三个难度级别 n ∈{1, 2, 3} 的 n-back 任务时的 EEG、EDA、PPG 和眼动追踪数据。目标是通过将当前信号窗口与前一个信号窗口进行比较来识别心理工作量是增加、减少还是稳定。所提出的三类分类器主要使用 CNN 层和新颖的合并层，该合并层系统地捕获两个检查窗口的局部段之间的相互作用。事实上，它受到了基于 Transformer 和 CNN 的网络在时间序列分类方面的竞争成功的启发。在所提出的解决方案利用了 CNN 网络的效率的同时，由于提出了合并层，它还与 Transformer 类似，具有捕获序列局部事件之间相互作用的能力。在准确性方面，实验结果表明，在眼球方向、PPG 和 EEG 数据上，所提出的解决方案优于经典 CNN、BiLSTM 和 transformer 网络，而在眼球瞳孔直径和 EDA 数据上，其性能与 transformer 网络相当。实验结果显示，每个时期的平均训练时间明显小于 transformer 和 BiLSTM 网络。索引术语——心理工作量 (MWL)、深度神经网络 (DNN)、时间序列分类 (TSC)、眼动追踪、光电容积图 (PPG)、脑电图 (EEG)、皮肤电活动 (EDA)、n-back 任务、transformer 神经网络、卷积神经网络 (CNN)。