摘要 - 无人驾驶汽车(UAV)系统的协调受到了机器人和控制社区的极大关注。在本文中,我们通过轴承测量研究了异质非线性多UAV网络中的分布式形成跟踪问题。首先,一种新颖的仅轴承协议是为追随者代理而设计的,以实现所需的形成。,我们基于轴承测量值建立补偿功能,以处理代理动力学中的非线性和执行器断层。在存在特定时间延迟的情况下,Lyapunov方法可以确保提出的策略的稳定性。此外,为了确保在实际情况下进行安全操作,我们扩展了协议,并提出了足够的条件,以避免代理之间的潜在碰撞。在协议设计中还考虑了无碰撞控制器的鲁棒性。最后,提出了模拟案例研究以验证理论结果的可行性。
摘要 - 综合技术特征缩水增加了计算系统对单事件效应的敏感性(请参阅)。虽然建模查看故障至关重要,但综合的程序范围使物理上正确的建模在计算上可以棘手。没有有用的模型,对断层耐受性方法的硅前评估是不可能的。要在系统范围内合并精确的晶体管级效应,我们提出了一个多尺度的仿真框架。(i)设备级的电荷收集确定(ii)电路级瞬态持续时间和状态上集的可能性。电路效应反过来效果(III)寄存器 - 转移级体系结构状态腐败在(IV)系统级别上可见。因此,在HPC模拟器上执行的大规模系统中SE的物理准确效应可用于通过设计驱动跨层辐射硬化。我们通过两个案例研究证明了该模型的功能。首先,我们在14NM FinFET技术的晶体管水平上确定了D频率的灵敏度,从而验证了针对已发表的横截面的模型。第二,我们在各向同性太空环境中追踪和估计ADAMS 90%最差环境的MIPS处理器中的故障
摘要:由于其固有的优势,例如零污染,灵活性,可持续性和高可靠性,太阳能光伏发电引起了重大的兴趣。确保PV功率设施的有效运行在精确的故障检测中取决于。这不仅可以增强其可靠性和安全性,而且还可以优化利润并避免昂贵的维护。但是,使用通用保护设备的PV系统直流电(DC)侧的故障检测和分类带来了重大挑战。这项研究深入研究了对光伏(PV)阵列中复杂断层的探索和分析,尤其是那些表现出类似I-V曲线的阵列,这是PV故障诊断的重大挑战,在先前的研究中未充分解决。本文探讨了支持向量机(SVM)和极端梯度提升(XGBoost)的设计和实施,重点是它们有效地识别小型PV阵列中各种故障状态的能力。这项研究扩大了将优化算法的使用,特别是蜜蜂算法(BA)和粒子群优化(PSO),目的是提高基本SVM和XGBoost分类器的性能。优化过程涉及完善机器学习模型的超参数,以实现故障分类的卓越精度。发现蜜蜂算法的弹性和效率的有说服力的案例。使用用于优化SVM和XGBOOST分类器以检测PV阵列中的复杂故障时,蜜蜂算法显示出显着的精度。相比之下,使用PSO算法进行细调的分类器表现出相对较低的性能。这些发现强调了蜜蜂算法在光伏系统中故障检测中提高分类器准确性的潜力。
图形处理单元 (GPU) 承受着过大的压力,以加速高性能计算应用程序,并用于加速多个领域的深度神经网络,这些领域的预期寿命长达数年。这些条件使 GPU 硬件面临(过早)老化,导致在通常的制造结束测试之后出现永久性故障。因此,迫切需要评估 GPU 永久性故障影响的技术,从而可以估计可靠性风险并可能减轻它。在本文中,我们提出了一种评估永久性故障对 GPU 调度器和控制单元(最特殊、压力最大的资源)的影响的方法,以及可以量化这些影响的第一个数字。我们描述了门级 GPU 模型的调度器和控制器中超过 5.83x10 5 个永久性故障效应。然后,我们通过检测 13 个应用程序和两个卷积神经网络的代码,在软件中映射观察到的错误类别,注入超过 1.65x105
(a)部门,注册官和相关理事会对此类功能或工具的任何错误,故障,缺陷,不可用,不可用和中断不承担任何责任或责任; and (b) the Customer is solely responsible for ensuring that an ePlan file created from or validated by such functionalities or tools is independently checked for any errors, faults, defects and omissions and the Department, the Registrar and the Relevant Council accept no responsibility or liability whatsoever for any such errors, faults, defects or omissions in the created and validated ePlan file, except to the extent to which the error, fault, defect or omission (“错误”)来自工具创建和/或验证eplan文件的方式,并且该错误使客户无法检测到它。
12.1Safety notice................................................................................................45 12.2 Installation instructions............................................................................... 45 12.3 Basic terms of lithium-ion power battery.....................................................45 12.4 Usage通知.................................................................................................................................................................................................................................................... 46 12.5每日维护......................................................................................................................................................................... of lithium batteries.......................................................................49 12.9 Charging procedures..................................................................................55 12.10 Common faults and solutions of batteries................................................ 57 12.11 Emergency plan........................................................................................57 13.Maintenance.......................................................................................................59
第 2 章 故障及指示 一般 ......................。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。2-1 硬故障。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。2-1 软故障。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。..2-2 警告故障 ....................。。。。。。。。。。。。。。。。。。。。。。。。............2-2 故障响应选择 ............。。。。。。。。。。。。。。。。。。。。。。。。..............2-2 故障设置参数 ..........。。。。。。。。。。。。。。。。。。。。。。。。.................2-4 故障状态指示器。......。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。2-5 Bulletin 1300 编程终端。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。2-7 故障描述及恢复。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。2-7 HHT 或DHT 故障显示。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。2-7 系统处理器故障 (SP–XX)。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。2-7 速度处理器 (VP–XX)。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。2-12 当前处理器故障 (CP–XX)。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。2-22 最终故障恢复。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。2-32
从统计数据来看,北欧和波罗的海地区最脆弱的 HVAC 组件类型是架空线路,占所有故障的 61%(10 年平均值 64%)和所有 ENS 的 26%(10 年平均值 53%)。这一高比例可能是因为架空线路是输电网中使用最多、暴露程度最高的 HVAC 组件。尽管如此,每 100 公里线路的架空线路故障数趋势正在减少,如图 E.2 所示。2019 年,大多数 ENS 都是由电力变压器故障异常引起的。所有 ENS 中有 27% 是由电力变压器故障引起的,而只有 3% 的故障发生在电力变压器上。平均而言,电力变压器故障导致每年约 6% 的 ENS,而控制设备故障导致每年约 9% 的 ENS。 220-330 kV 控制设备和断路器以及 380-420 kV 电缆和电力变压器的故障趋势有所增加。