XiaoMi-AI文件搜索系统
World File Search Systemsensors
传感器-IRIS
摘要：印刷电子是一个不断发展的研究领域，它可以通过利用可再生和可生物降解的材料（如纸张）来减少电子产品对环境的影响。在我们的工作中，我们设计并测试了一种在纤维素基板上制造混合智能设备的新方法，该方法通过气溶胶喷射打印 (AJP) 和光子固化（也称为闪光灯退火 (FLA)）进行，能够在没有任何损坏的情况下固化低温材料。测试了三种不同的纤维素基材料（色谱纸、相纸、纸板）。多层功能和 SMD（表面贴装设备）互连使制造过程具有高度灵活性。进行了电气和几何测试以分析印刷样品的行为。得到的电阻率为色谱纸上的 26.3 × 10 − 8 Ω · m，相纸上的 22.3 × 10 − 8 Ω · m 和纸板上的 13.1 × 10 − 8 Ω · m。进行了轮廓仪和光学显微镜评估，以说明墨水在纤维素材料中的沉积质量和渗透性（色谱纸、相纸和纸板的厚度分别为 24.9、28.5 和 51 µ m）。此外，还进行了弯曲（只有色谱纸没有达到破裂）和潮湿环境测试（阻力无明显变化）。展示了纤维素 3D 基板上功能齐全的多层智能设备的最终原型，其特点是多层、电容式传感器、SMD 互连。
人工智能摄像头传感器
...................................................................................................................................................... 12
虚拟传感器 - IEC
虚拟传感器是一种基于信息处理的设备，旨在收集有关无法直接访问的内部过程变量的信息。这个想法是，如果正在运行模拟并且既产生准确的输入又模仿产品在现实生活中和实时中的行为，那么该模拟模型就可以被装备以在不同位置进行测量。读数将从进行测量的虚拟传感器生成，并可用于补充来自物理传感器的信息。虚拟传感器学习解释不同变量之间的关系并观察所涉及的各种仪器的读数。虚拟传感器可以被视为物理传感器的一种幻影。
传感器 - 语义学者
摘要：网络化多传感器用于解决机动目标跟踪问题。为了避免非线性动态函数的线性化，并获得更准确的机动目标估计，提出了一种用于机动目标跟踪的新型自适应信息加权共识滤波器。利用无味变换计算伪测量矩阵，以利用测量的信息形式，这是共识迭代所必需的。为了提高机动目标跟踪精度并在整个网络的每个传感器节点中获得统一的估计，利用自适应当前统计模型来更新估计，并在每个动态模型的相邻节点之间应用信息加权共识协议。基于多个模型的后验概率，通过模型条件估计的加权组合获得每个传感器的最终估计。实验结果表明，所提算法在跟踪精度和全网络估计一致性方面具有优异的性能。
传感器 - 语义学者
摘要：网络化多传感器用于解决机动目标跟踪问题。为避免非线性动态函数的线性化，获得更准确的机动目标估计，提出了一种用于机动目标跟踪的自适应信息加权协同滤波器。利用无迹变换计算伪测量矩阵，利用测量的信息形式，为协同迭代提供必要的信息。为提高机动目标跟踪精度，并在整个网络的每个传感器节点中获得统一的估计，利用自适应当前统计模型来更新估计，并在各个动态模型的相邻节点之间应用信息加权协同协议。基于多个模型的后验概率，通过模型条件估计的加权组合获得每个传感器的最终估计。实验结果表明，所提算法在跟踪精度和全网估计一致性方面具有优越的性能。
传感器 - 语义学者
摘要：由于四旋翼飞行器具有欠驱动、强耦合等特点，传统的轨迹跟踪方法控制精度低，抗干扰能力差。针对四旋翼无人机，设计了一种新的模糊比例-交互式微分（PID）型迭代学习控制（ILC）。该控制方法将PID-ILC控制与模糊控制相结合，继承了ILC控制对干扰和系统模型不确定性的鲁棒性。针对单纯的ILC控制容易受到外界干扰而产生抖动的问题，提出了一种基于PID-ILC算法的新型控制律。采用模糊控制对三个学习增益矩阵的PID参数进行设置，以抑制不确定因素对系统的影响，提高控制精度。利用Lyapunov稳定性理论验证了新设计的系统稳定性。Gazebo仿真表明，所提出的设计方法为四旋翼飞行器设计了有效的ILC控制器。
传感器 - 语义学者
这两个问题都可以通过使用基于 PID 控制器的经典控制系统方法来解决 [8-13]。然而，开发多维 PID 控制器很困难，因为它们没有理论背景。因此，这种综合有点直观，取决于经验法则，需要控制系统工程师的丰富经验。另一种可能性是使用反步或滑模控制。在 [14] 中，终端滑模和反步控制已成功应用于实时无人机。在 [15] 中，基于线性反馈表示的鲁棒控制器可减少动态不确定性和外部干扰，并设计应用于实时欠驱动系统。现代控制技术，尤其是最优控制理论，为开发高效、鲁棒的多维控制器提供了可能性 [16-20]。它们非常适合处理非常一般类型的跟踪问题。在 [21] 中，瞬时最优控制用于输入饱和的机器人轨迹跟踪。 [22] 中介绍了采用辛伪谱最优控制的三维欠驱动板条箱跟踪。在 [23] 中，表明最优周期