理由和目标:准确确定宫颈癌和甲状腺癌的诊断和分期对于确定肿瘤的扩散和播散在医疗实践中至关重要,并且涉及最准确和有效的治疗方法。为了准确诊断和分期宫颈癌和甲状腺癌,我们旨在创建一种诊断方法,该方法通过人工智能算法优化,并通过进行临床试验获得准确和有利的结果进行验证,在此期间,我们将使用人工智能 (AI) 算法优化的诊断方法,以避免错误,提高医生对计算机断层扫描 (CT) 扫描、核磁共振成像 (MRI) 的解释理解并改善治疗计划。材料和方法:计算机辅助诊断 (CAD) 方法的优化将包括开发和形成人工智能模型,使用分段体积构造中使用的算法和工具从 MRI/CT 生成 3D 图像。我们提议通过体积渲染技术对“DICOM”图像处理的最新发展进行比较研究,使用传递函数来表示不透明度和颜色,以及在三维空间中投影的“DICOM”图像的灰度。我们还通过生成对抗网络 (GAN) 技术使用人工智能 (AI),该技术已被证明
可以在空间和时间域中执行数学操作的时空光学计算设备可以提供前所未有的措施来构建高效且实时的信息处理系统。尤其重要的是要在紧凑的设计中实现综合功能,以更好地与电子组件整合。在这项工作中,我们基于非对称的跨表面的微波中的模拟时空区分剂实验表明,该微波在时空域中具有相位奇异性。我们表明,这种结构可以通过调整Spoof表面等离子体偏振子(SSPPS)的单向激发来引起理想的一阶区分和时间域中理想的一阶区分所需的时空传递函数。使用金属缝进行空间边缘检测,并通过不同宽度的高斯样时间脉冲检查设备的时间分化能力。我们进一步证实了此处证明的区别,即使有复杂的曲线,也可以检测到时空脉冲的急剧变化,理论上估计了空间和颞边检测的分辨率限制。我们还表明,通过此处实施的时空差异剂后的脉冲输入可以携带带有分形拓扑电荷的横向轨道角动量(OAM),从而进一步增加了信息数量。
摘要 - 大脑风暴优化(BSO)是一种新提出的基于人群的优化算法,它使用对数MIC Sigmoid传递函数在收敛过程中调整其搜索范围。但是,这种调整仅随当前迭代的数量而变化,并且缺乏灵活性和多样性,这使得BSO的搜索效率和鲁棒性差。为了减轻此问题,建议将自适应步长结构以及成功的内存选择策略纳入BSO。这种提出的方法,基于内存选择BSO的自适应步长,即ASBSO,应用多个步长以修改新解决方案的生成过程,从而根据相应的问题和收敛期提供了灵活的搜索。能够评估和存储解决方案改进程度的新型记忆机制用于确定步长的选择可能性。一组57个基准功能用于测试ASBSO的搜索能力,并采用了四个现实世界问题来显示其应用值。所有这些测试结果表明溶液质量,可伸缩性和稳健性的显着提高。
课程目标:1。学习EV和车辆力学的基础知识2。了解EV架构并研究储能系统概念3。推导电池模型并了解不同类型的电池及其充电方法4。学习DC-DC转换器的控制预赛。单元I内燃机9 0 9 IC发动机,BMEP和BSFC,车辆燃油经济性,排放控制系统,柴油排气排放的处理,内燃机和电动汽车的比较,光,中型和重型全电动车的审查。II单元电动汽车和车辆力学9 0 9电动汽车(EV),混合动力汽车(HEV),发动机评级 - EV与内燃机内燃烧发动机车辆的比较 - 车辆力学的基本原理。 III单元电池建模,类型和充电9 0 9电池和混合动力车辆中的电池 - 电池基础知识 - 电源板参数。 类型 - 铅酸电池 - 镍 - 卡德米电池 - 镍金属水合(NI MH)电池 - 锂离子电池 - Li-polymer电池,锌 - 空气电池,钠硫硫磺电池,氯化钠,氯化钠,研究和开发高级电池的开发。 电池建模,电路模型。 电池组管理,电池充电。 第四单元控制预序9 0 9 0 9控制设计初步 - 简介 - 转移功能 - 一阶和二阶系统的Bode图分析 - 稳定性 - 稳定性 - 瞬态性能 - 增强转换器的瞬态性能传递函数 - 增益边距和相位边缘研究 - 开放式循环模式。II单元电动汽车和车辆力学9 0 9电动汽车(EV),混合动力汽车(HEV),发动机评级 - EV与内燃机内燃烧发动机车辆的比较 - 车辆力学的基本原理。III单元电池建模,类型和充电9 0 9电池和混合动力车辆中的电池 - 电池基础知识 - 电源板参数。类型 - 铅酸电池 - 镍 - 卡德米电池 - 镍金属水合(NI MH)电池 - 锂离子电池 - Li-polymer电池,锌 - 空气电池,钠硫硫磺电池,氯化钠,氯化钠,研究和开发高级电池的开发。电池建模,电路模型。电池组管理,电池充电。第四单元控制预序9 0 9 0 9控制设计初步 - 简介 - 转移功能 - 一阶和二阶系统的Bode图分析 - 稳定性 - 稳定性 - 瞬态性能 - 增强转换器的瞬态性能传递函数 - 增益边距和相位边缘研究 - 开放式循环模式。单元V控制AC机器9 0 9 0 9简介 - 参考框架理论,在各种帧 - 矢量控制 - 直接扭矩控制中的诱导和同步机的基本模型。
系统识别方法通过对动态系统的输入和输出进行测量,组成一个数学模型或一系列模型。提取的模型可以表征整个飞机或组件子系统行为(如执行器和机载信号处理算法)的响应。本文讨论了频域系统识别方法在飞机飞行控制系统的开发和集成中的应用。使用频率响应综合识别 (CIFER ® ) 系统识别工具,说明了如何提取和分析从非参数频率响应到传递函数和高阶状态空间表示等不同复杂度的模型。文中展示了艾姆斯研究中心众多飞行和模拟程序的测试数据结果,包括旋翼机、固定翼飞机、先进短距起飞和垂直着陆 (ASTOVL)、垂直/短距起飞和着陆 (V/STOL)、倾转旋翼飞机和风洞中的旋翼实验。对于这一大类系统,实现了出色的系统特性和动态响应预测。示例说明了系统识别技术在提供飞机开发整个生命周期(从初始规格到模拟和台架测试,再到飞行测试优化)的动态响应数据集成流方面的作用。
最近,已经演示了一种用于校准各种计量仪器的调制传递函数 (MTF) 的技术。该技术基于结构为一维二进制伪随机 (BPR) 序列和二维 BPR 阵列 (BPRA) 的测试样本。BPR 光栅(序列)和阵列的固有功率谱密度具有确定性的白噪声特性,允许在仪器的整个空间频率范围和视场内以均匀的灵敏度直接确定 MTF。因此,BPR 样品满足测试标准的特征:功能性、易于规范和制造、可重复性以及对制造误差的低敏感性。在这里,我们讨论了我们最近针对优化样品设计、制造、应用和数据处理程序的进展,适用于对大孔径光学干涉仪进行彻底表征。与之前基于编码孔径的设计相比,新测试标准改进的“高度随机化”BPRA 模式提供了更好的仪器 MTF 和像差表征精度和可靠性,并实现了大孔径光学干涉仪的操作优化。我们描述了模式生成算法和测试,以验证是否符合所需的 BPRA 地形。还讨论了该技术不同应用的数据采集和分析程序。
系统识别方法通过测量动态系统的输入和输出来组成一个或一系列数学模型。提取的模型可以表征整个飞机或部件子系统行为(例如执行器和机载信号处理算法)的响应。本文讨论了频域系统识别方法在飞机飞行控制系统的开发和集成中的应用。使用频率响应综合识别 (CIFER ® ) 系统识别工具,可以提取和分析从非参数频率响应到传递函数和高阶状态空间表示等不同复杂程度的模型。结果显示了艾姆斯研究中心众多飞行和模拟程序的测试数据,包括旋翼机、固定翼飞机、先进短距起飞和垂直着陆 (ASTOVL)、垂直/短距起飞和着陆 (V/STOL)、倾转旋翼飞机和风洞中的旋翼实验。对于这类广泛的系统,可以实现出色的系统特性和动态响应预测。示例说明了系统识别技术在飞机开发的整个生命周期中(从初始规格到模拟和台架测试,再到飞行测试优化)提供集成的动态响应数据流中所发挥的作用。
理解 Z 变换、逆 z 变换和离散方程、采样器、保持装置的作用 学生能够分析任何离散数据控制系统的稳定性 分析所考虑的 MIMO 离散时间系统。(状态空间模型、可控性、可观测性) 设计所考虑的离散时间控制系统的状态反馈控制器 为所考虑的系统设计补偿器和离散控制器 教学大纲:采样数据控制系统、采样过程、理想采样器、香农采样定理、采样时间选择、零阶保持(ZOH)。z 变换、ZOH 的逆 Z 变换脉冲传递函数、系统稳定性、z 平面稳定性、极坐标图分析、使用根轨迹图的稳定性分析、Z 平面稳态误差分析、离散时间系统的状态空间模型、可控性和可观测性、通过状态反馈分配特征值、卡尔曼滤波、李雅普诺夫稳定性分析、补偿器设计。书籍:1. BC Kuo,数字控制系统,Oxford2014 2. KMMoudgalya,数字控制,Wiley India2015 3. Gopal,数字控制和状态变量方法,Mc Graw Hill,2014 MEE 903:非传统能源和发电 100 分
摘要:本文旨在介绍四轴飞行器的设计、仿真和控制,以无人机 (UAV) 为例。为了实现这一目标,我们开发了四轴飞行器的数学模型。在 MATLAB/Simulink 环境中开发了模型仿真和控制器设计。尽管它仍然是一个完整的非线性系统,但本文采用了四轴飞行器的数学表示和目标系统的建模。对所获得的数学模型进行了线性化。为了设计姿态控制器,使用系统识别技术获得了负责四轴飞行器运动的无刷直流电机 (BLDCM) 的传递函数。本文描述了一个完整的测试实验以实现这一目标。对设计的控制器进行了评估,并讨论了仿真结果。关键词:无刷直流电机 (BLDCM)、无人机 (UAV)、电子速度控制 (ESC)。1. 简介四轴飞行器无人机已被证明可用于许多军事和民用应用。最重要的特点是垂直起降 (VTOL) 和悬停能力,因此它适合于执行诸如监视、道路交通监控、自然灾害后的受害者定位等任务。此类飞行器也引起了学术研究机构越来越多的兴趣,因为它们可以用作机器人研究的低成本试验台 [1] , [2], [3]。为了让 au
摘要:疲劳驾驶是导致交通事故的重要因素之一,长期单调的驾驶易导致驾驶员注意力与警觉性下降,表现出疲劳效应。本文提出一种基于脑电图(EEG)源信号的有向脑网络角度揭示驾驶疲劳对大脑信息处理能力影响的方法。基于源分析得到的EEG信号电流源密度(CSD)数据,采用有向传递函数构建疲劳驾驶的有向脑网络。随着驾驶时间的增加,平均聚类系数和平均路径长度逐渐增加,而大部分节律的全局效率逐渐降低,表明深度驾驶疲劳增强了大脑局部信息的整合能力,同时削弱了大脑的整体能力。此外,因果流分析发现,清醒状态和驾驶疲劳状态下的电极分布存在明显差异,主要分布在前部和后部的几个区域,尤其是在θ节律下。研究还发现,在驾驶疲劳状态下,前部区域接收后部区域信息的能力明显变差。这些发现可能为揭示驾驶疲劳的潜在神经机制提供理论基础。