XiaoMi-AI文件搜索系统
World File Search SystemSurrogate
机器学习在电动机驱动优化中的替代作用
抽象电动机驱动器构成了电动飞机（MEA）中电动压缩机，泵，制动和驱动系统的重要组成部分。在本文中，研究了机器学习（ML）在电机驱动设计和优化过程中的应用。使用ML的一般思想是训练替代模型进行优化。此训练过程基于从详细的模拟或电动机驱动器实验收集的样本数据。但是，对于不同应用，ML的替代角色（SR）可能会有所不同。本文首先介绍了ML的原理，然后在电动机驱动优化过程中提出了ML的两个SR（直接映射方法和校正方法）。为ML SRS的方法比较和验证提供了两种不同的情况。第一种情况是使用实验中的示例数据来训练ML替代模型。对于第二种情况，联合模拟数据用于多目标运动驱动优化问题。发现，ML的两个替代作用均可为情况提供良好的映射模型，在第二种情况下，对两个SR进行了三个可行的设计方案，并验证了两个SRS。关于Optimizaiton的时间消耗，配置的ML模型可以给出一个最高0.044 s的电动机设计点，而基于使用的基于模拟的模型则需要超过1.5分钟。2022中国航空和宇航学会。Elsevier Ltd的生产和托管。这是CC BY-NC-ND许可证（http://creativecommons.org/licenses/by-nc-nd/4.0/）下的开放访问文章。
SmOOD：基于平滑度的飞机设计替代神经网络的分布外检测方法
航空工业一直在寻求在人力、计算时间和资源消耗方面更高效的设计优化方法。当代理模型和最终过渡到 HF 模型的切换机制都经过适当校准时，混合代理优化可以在提供快速设计评估的同时保持高质量结果。前馈神经网络 (FNN) 可以捕获高度非线性的输入-输出映射，从而产生有效的飞机性能因素替代品。然而，FNN 通常无法推广到分布外 (OOD) 样本，这阻碍了它们在关键飞机设计优化中的应用。通过基于平滑度的分布外检测方法 SmOOD，我们建议使用优化的 FNN 替代品对模型相关的 OOD 指标进行编码，以生成具有选择性但可信预测的可信代理模型。与传统的基于不确定性的方法不同，SmOOD 利用 HF 模拟固有的平滑特性，通过揭示其可疑的敏感性来有效地暴露 OOD，从而避免对 OOD 样本的不确定性估计过于自信。通过使用 SmOOD，只有高风险的 OOD 输入才会被转发到 HF 模型进行重新评估，从而以较低的间接成本获得更准确的结果。研究了三种飞机性能模型。结果表明，基于 FNN 的替代方法优于高斯过程替代方法
出版商权利声明：这是作者接受的 Y. Yu 等人的稿件，“最先进的：AI 辅助替代建模和优化
摘要 — 微波滤波器是现代无线通信系统不可或缺的无源器件。如今，基于电磁 (EM) 仿真的设计过程已成为滤波器设计的常态。近年来，出现了许多基于 EM 的微波滤波器设计方法，以实现效率、自动化和可定制性。大多数基于 EM 的设计方法都以各种形式利用低成本模型（即替代模型），人工智能技术则协助替代模型建模和优化过程。本文重点研究替代模型辅助微波滤波器设计，首先分析基于不同设计目标函数的滤波器设计特点。然后，回顾了最先进的滤波器设计方法，包括替代模型建模（机器学习）方法和高级优化算法。其中包括滤波器设计中的三种基本技术：1）智能数据采样技术；2）高级替代模型建模技术。3）高级优化方法和框架。为了获得成功和稳定性，必须对它们进行量身定制或组合，以实现微波滤波器的特定特性。最后，讨论了新兴的设计应用和过滤器设计的未来趋势。
通过物理增强动态模式分解方法启用具有替代模型的替代预后学
计算模型提供了评估和预测物理系统健康和性能的基本定量工具。但是，由于其时间密集型的性质，高实现模型很少用于实时操作或大型优化循环。提高预后计算效率的一种常见方法是采用表面模型。这样的模型可以显着减少计算时间，以获得一些准确的损失。在这种情况下，提出了动态模式分解（DMD）的使用，以对锂离子（Li-ion）电池电量进行替代模型。dmd，但是尚未应用于PHM域，在PHM域中，非线性行为的远面预测对于传播断层或剩余有用的使用寿命至关重要。对于锂离子电池健康管理，DMD的标准应用仅使用可观察到的兴趣量无法捕获实验室测试中展示的电池的非线性排放。Koopman理论提供了一种机制，可以通过将非线性状态变量扩展到系统表示中，以在DMD框架中以高维线性模型进行高维线性模型进行交易。通过这种方式，DMD允许根据Koopman运算符的维度提供可配置的模拟精度。为了进行电池健康管理，我们使用了更高的物理模型的隐藏状态增强了可观察到的变量，以构建DMD代理。与高实现模型相比，替代物提高了计算效率，仅损失准确性，并实现了长期prog-
结合数值模拟、人工智能和智能采样算法建立替代模型并计算城市隧道失效概率
摘要：当需要用概率方法评估城市隧道与邻近结构的相互作用时，计算能力是数值模型面临的重要挑战。因此，即使样本数量较少，智能采样算法也可以成为获得结果领域更好知识的盟友。无论如何，当采样有限时，风险评估也会受到限制。在这种情况下，人工智能 (AI) 可以通过插入结果并快速生成更大的样本来填补风险分析中的一个重要空白。人工智能算法的目标是找到一个近似函数（也称为替代模型），该函数可以重现原始数值模拟行为并且可以更快地进行评估。该函数是通过在智能采样技术获得的特殊点执行多次模拟来构建的。本文使用了一个假设案例来验证方法建议。它涉及一条深度约为三倍直径的隧道的连续挖掘，与一座七层楼的建筑物相互作用。首先，对三维数值模型 (FEM) 进行确定性求解，然后对其域和网格进行细化。之后，从 FEM 软件中以数值方式获得另外 170 个解决方案，并对所涉及的随机变量进行策略性抽样。接下来，基于 31 种人工智能技术，评估哪些变量对于预测周围建筑物地基元件的垂直位移量级最重要。然后，一旦选出了最重要的变量，就再次对 31 种人工智能技术进行训练和测试，以确定 R 平方最小的技术。最后，使用这种最佳拟合算法，可以使用大量样本（大小约为 10 7 ）来计算失败的概率。这些样本用于说明简单蒙特卡罗抽样 (MC) 和拉丁超立方抽样 (LHS) 的收敛性。本文的主要贡献是方法论上的；因此，该新程序可以汇总到与隧道相关问题相关的最先进的风险评估方法中。
激光定向能量沉积中基于多保真度替代的不确定性量化过程映射
摘要：涉及高斯过程 (GP) 的多保真度 (MF) 替代物用于设计激光定向能量沉积 (L-DED) 增材制造 (AM) 中的时间过程图。过程图用于建立熔池特性（例如熔池深度）与工艺参数（例如激光功率和扫描速度）之间的关系。MFGP 替代物涉及高保真度 (HF) 和低保真度 (LF) 模型。选择 Autodesk Netfabb ® 有限元模型 (FEM) 作为 HF 模型，而选择 Eagar-Tsai 开发的分析模型作为 LF 模型。结果表明，MFGP 替代物能够成功地融合不同保真度模型中存在的信息，以设计时间前向过程图（例如，给定一组真实深度未知的工艺参数，熔池深度是多少？）。为了扩展新开发的建立时间逆过程图的公式（例如，为了实现所需的熔池深度，但不知道真实工艺参数，那么作为时间函数的工艺参数的最佳预测是什么？），在计算预算约束下，通过将 MFGP 代理与贝叶斯优化 (BO) 相结合来进行案例研究。结果表明，与单精度 (SF) GP-BO 相比，MFGP-BO 可以显著提高优化解决方案的质量，同时降低计算预算。与仅限于开发稳态正向过程图的现有方法相比，当前的工作成功地展示了在 L-DED 中实现结合不确定性量化 (UQ) 的时间正向和逆过程图。
基于傅里叶的替代模型中的窗口补偿...
摘要 — 本文展示了如何在每次相位随机化之后添加第二步窗口来降低基于傅里叶的替代分析中的错误拒绝率。窗口技术减少了傅里叶级数中周期性扩展数据序列边界处的不连续性。然而，它们增加了时间域非平稳性，从而影响替代分析。这种影响对于短低通信号尤其成问题。将相同的窗口应用于替代数据允许具有相同的非平稳性。该方法通过蒙特卡罗模拟在 1 阶自回归过程零假设上进行测试。以前的方法无法同时对左侧和右侧测试产生良好的性能，对双边测试更是如此。结果表明，新方法对于单侧测试和双边测试都是保守的。为了证明所提出的窗口方法在现实环境中是有用的，在这篇扩展论文中，它被应用于 EEG 诊断问题。数据集包含 15 名受试者的 EEG 测量数据，这些受试者分为三组：注意力缺陷障碍主要为多动冲动型 (ADHD)、注意力缺陷障碍主要为注意力不集中型 (ADD)；焦虑症和注意力脆弱型 (ANX)。统计和机器学习 (朴素贝叶斯) 方法均被考虑。平均短窗口 SA (MSWSA) 被用作信号特征，并研究了其相对于窗口系统的性能。主要发现是：(i) MSWSA 特征对于 ADD 的变异性小于对于 ADHD 或 ANX 的变异性，(ii) 所提出的窗口方法降低了 SA 特征的偏差和非正态性，(iii) 使用所提出的方法和朴素贝叶斯分类器，通过留一交叉验证将 ADD 与 ADHD 和 ANX 区分开来的成功率为 93%，以及 (iv) 如果没有所提出的窗口系统，新特征不可能产生有趣的结果。
用于优化井位的代理辅助量子行为算法
摘要 石油天然气行业在优化井位问题方面面临困难。这些问题本质上是多峰的、非凸的和不连续的。已经开发了各种传统和非传统的优化算法来解决这些困难。然而，这些技术仍然陷入局部最优，并且对不同的油藏提供不一致的性能。因此，本研究提出了一种代理辅助量子行为算法，以获得更好的井位优化问题解决方案。所提出的方法在不同的实施阶段采用了不同的元启发式优化技术，例如量子启发式粒子群优化和量子行为蝙蝠算法。使用两个复杂油藏来研究所提出方法的性能。进行了比较研究以验证所提出方法的性能。结果表明，所提出的方法为两个复杂油藏提供了更好的净现值。此外，它解决了其他井位优化方法中表现出的不一致性问题。
平均心脏剂量不足以替代肺癌放射治疗中左前降支冠状动脉剂量和主要不良心脏事件的风险
目的：对于非小细胞肺癌 (NSCLC) 患者，平均心脏剂量 (MHD) 超过 10 Gy 且接受 15 Gy 的左前降支 (LAD) 冠状动脉体积 (V) (V15Gy) 超过 10% 可显著增加主要不良心脏事件 (MACE) 的风险。我们试图描述 MHD 和 LAD 剂量之间的差异以及这种分类与放射治疗后 MACE 风险的关联。方法和材料：在对 701 名接受放射治疗的局部晚期 NSCLC 患者的回顾性分析中，计算了 MHD 和 LAD V15Gy 的判定系数。根据高或低 MHD（≥ 10 Gy vs < 10 Gy）和 LAD V15Gy（≥ 10% vs < 10%）定义四组。估计了 MACE（不稳定性心绞痛、心力衰竭、心肌梗死、冠状动脉血运重建和心源性死亡）的累积发生率，并进行了 Fine 和 Gray 回归。结果：从 MHD 可预测的 LAD V15Gy 的变异比例仅为 54.5%（R 2 = 0.545）。23.1% 的患者（n = 162）存在不一致（MHD 高 [≥ 10 Gy] 和 LAD 低 [V15Gy < 10%]，或反之亦然）。两年 MACE 估计值为 4.2%（MHD 高/LAD 低）、7.6%（MHD 高/LAD 高）、1.8%（MHD 低/LAD 低）和 13.0%
通过不同来源的基因组编辑精子的替代生产
此预印本的版权所有者此版本于 2021 年 4 月 21 日发布。；https://doi.org/10.1101/2021.04.20.440715 doi: bioRxiv preprint