XiaoMi-AI文件搜索系统
World File Search Systemfaults
AAS 25-159增强的故障弹性 - ...
本文调查了使用深度强化学习（DRL）训练的政策的弹性，以解决敏捷的地球观察卫星调度问题（AEOSSP），重点是操作过程中反应轮（RW）断层的影响。尽管基于DRL的策略旨在处理动态和不可预见的场景，但在断层条件下的弹性并未得到很好的理解。本研究评估了各种断层场景下此类政策的适应性，从而确定了性能和安全性降解的阈值。调度问题被提出为可观察到的马尔可夫决策（POMDP），并使用在无故障环境中训练的策略解决。然后在各种故障场景中测试该策略，包括单独的RW故障，功率限制，摩擦增加，编码器测量错误以及电池容量。结果探索了界限，随着RW越来越多的断层，发生重大的性能和安全性降解。功率限制，摩擦和电池容量故障会随着故障严重程度的增加而导致逐渐下降的性能下降，并具有明显的安全阈值。但是，由于基于扭矩的态度控制机制，编码器断层的性能影响最小。
发动机限时调度 (ETLD) 和主最低...
28 TCCA 2.3 拟议备忘录第 2.3 节。TLD“MEL 维护方法”与“检查/维修维护方法”的对比，似乎将 MMEL 的一般理念限制在向机组人员通报的范围内，当任何不工作的项目都必须在 MEL 中，因此 MMEL 中，飞机才能在调度时适航。AMC E 1030（和 ARP 5757）的解释是为飞机和发动机设计师提供选择，让他们设计如何发现发动机控制系统故障，而不是在发现后如何处理。因此，即使通过维修人员对 ECS 的定期询问发现，调度时如果故障尚未纠正，也需要 MMEL 条目。
三模冗余可靠性分析
本文研究了三重模块冗余 (TMR) 实现对系统可靠性的影响。为此，对具有 RISC-V 架构的微处理器进行了模拟，分别采用了 TMR 实现和未采用 TMR 实现。在模拟中，注入了单事件瞬变 (SET) 和多事件瞬变 (MET)。此外，还模拟了采用 TMR 实现的晶体管故障。TMR 应用于处理器的 Multi/Div 块，故障将注入这些三重块的输入端。将使用注入故障数与传播故障数之比来比较采用和未采用 TMR 的系统的性能。当系统仅注入 SET 时，不采用 TMR 的系统的比例从 0.058 到 0.389，具体取决于发生 SET 的概率，而采用 TMR 的系统则根本不传播任何故障。如果注入 MET，则不带 TMR 的系统性能会更好，比率在 0.069 和 0.291 之间，而带 TMR 的系统比率在 0 和 0.036 之间。TMR 实施可显著降低错误传播的概率，但如果多事件瞬变击中多条类似的线路，它仍可能失败。为了解决这个问题，应该实施其他形式的冗余。
改进了通过微电网系统中断层的网格形成逆变器的控制策略
摘要 - 本文制定了具有断层乘车（FRT）功能的网格形成（GFM）逆变器的改进控制策略，以确保在断层条件下，尤其是岛状的微电网和不对称断层的微电网稳定运行。提出的控制策略包括对积极序列和负序列控制以及自适应虚拟阻抗（VI）控制的双重控制。与现有作品不同，所提出的策略仅对积极序列控制的D组分应用VI控制，并将正序控制的Q分量和负序列控制的DQ组成的Q分量为零，从而提高了稳定性，从而提高了稳定性和平衡的三相电压。VI控制的自适应特征可确保在严重断层下GFM逆变器的稳定性，这可能会导致内部电流环的饱和，如果VI不自适应，则不稳定。模拟各种不平衡断层具有高断层阻抗的结果表明，提出的控制策略可提高GFM逆变器的稳定性，并在岛的微电磁体中实现稳定且平衡的输出电压。和该算法还提高了具有高断层阻抗和低断层阻抗的平衡断层下GFM逆变器的稳定性。
监测电力系统扰动的标准化方法...
摘要 — 使用精确时间事件监控变电站及其互连拓扑对于现代复杂电力系统网络至关重要。电力系统故障从简单到复杂，需要提供适当的时间同步数字事件和模拟数据，例如电压、电流和频率。电力系统分析师、资产管理团队和工程师必须全面了解电力动态、高分辨率瞬态故障记录和比瞬态故障持续时间更长的低分辨率动态扰动记录，以及相应的顺序事件记录，以评估孤立和互连电力系统故障，准确找到故障源，并采取预防措施避免这些故障再次发生。现代变电站保护和控制智能电子设备 (IED) 提供高分辨率故障记录、时间同步相量数据和带时间戳的事件序列。由于 IED 可以通过全球定位系统 (GPS) 时钟源以亚微秒精度进行时间同步，因此现代 IED 是干扰监测所需的所有数据的完美来源。用于监控和数据采集 (SCADA) 的变电站以太网通信网络（IED 连接在其中）提供了一种经济的解决方案，可将干扰监测数据从 IED 传输到本地归档系统或远程集中系统。本文讨论了新的、优化的干扰监测系统组件及其要求、设计和性能。它展示了如何根据变电站的类型、基础设施或项目时间表，将优化的干扰监测系统经济地调整为独立、混合或完全 IED 集成的系统。它讨论了从不同变电站收集数据并使用工业协议将它们路由到集中位置。它讨论了现代
可再生微电网中故障检测的机器学习方法
摘要。本文介绍了机器学习技术的新颖使用，以识别分散能源系统领域内可再生微电网中的故障。该研究研究了机器学习模型在识别动态和可变微电网环境中异常的有效性。它利用一个综合数据集，其中包括太阳能，风能和水力发电，能源存储状态和故障指示器等参数。调查表明，与常规的基于规则的方法相比，在识别故障的识别优势方面具有94％的精度，这表明了机器学习的优越性，该方法的准确率为80％。精确度和召回措施强调了机器学习模型的均衡性能，降低了误报和假否定性，并保证了精确的问题检测。断层对微电网效率的影响大大降低，在断层情况下仅记录了2％，这表明模型维持有效的能量供应的能力。一项比较研究表明，与常规技术相比，准确性提高了14％，强调了自适应和数据驱动方法在识别复杂的断层模式方面的益处。灵敏度研究验证了机器学习模型的弹性，证明了它们适应不同设置的能力。模型的实际应用通过模拟