XiaoMi-AI文件搜索系统
World File Search System健康监测
结构健康监测损伤检测系统...
© 编辑（如适用）和作者 2021。本书为开放获取出版物。开放获取 本书根据知识共享署名 4.0 国际许可证 (http://creativecommons.org/licenses/by/4.0/) 的条款获得许可，允许以任何媒体或格式使用、共享、改编、分发和复制，只要您给予原作者和来源适当的信用，提供知识共享许可证的链接并指明是否进行了更改。本书中的图像或其他第三方材料包含在本书的知识共享许可证中，除非在材料的致谢中另有说明。如果材料未包含在本书的知识共享许可证中，并且您的预期用途不被法定法规允许或超出允许用途，则您需要直接从版权所有者处获得许可。本出版物中使用一般描述性名称、注册名称、商标、服务标记等。即使没有具体声明，也不意味着这些名称不受相关保护法律和法规的约束，因此可以自由使用。出版商、作者和编辑可以放心地认为，本书中的建议和信息在出版之日是真实准确的。出版商、作者或编辑均不对此处包含的材料或可能出现的任何错误或遗漏提供明示或暗示的保证。出版商对已出版地图和机构隶属关系中的司法权主张保持中立。
起落架结构健康监测（SHM）
在运行过程中，现代航空发动机部件，尤其是高压涡轮 (HPT) 叶片，要经受越来越苛刻的运行条件。此类条件会导致这些部件经历不同类型的时间相关退化，其中之一就是蠕变。开发了一种使用有限元法 (FEM) 的模型，以便能够预测 HPT 叶片的蠕变行为。一家商业航空公司提供的特定飞机的飞行数据记录 (FDR) 用于获取三个不同飞行周期的热数据和机械数据。为了创建 FEM 分析所需的 3D 模型，扫描了 HPT 叶片废料，并获取了其化学成分和材料特性。将收集的数据输入 FEM 模型，并运行不同的模拟，首先使用简化的 3D 矩形块形状，以便更好地建立模型，然后使用从叶片废料中获得的真实 3D 网格。观察到了位移方面的总体预期行为，特别是在叶片的后缘。因此，给定一组 FDR 数据，这种模型可用于预测涡轮叶片寿命。© 2016 作者。由 Elsevier B.V. 出版。同行评审由 PCF 2016 科学委员会负责。
电池健康监测系统的审查
I.引言随着人们对全球变暖的意识，对清洁燃料/能源的需求正在增加，因此，电动汽车和混合动力汽车的趋势稳定。排放深度（DOD），温度和充电算法都对电池性能产生影响。使用物联网，本研究试图对电池电压和当前水平进行测量。铅酸电池能够为广泛的应用供电。他们很容易找到，负担得起，并为与之相关的任何事物提供了很多力量。不幸的是，如果未监控电荷，电池最终将用完电源。需要额外的电池电流和电池电压才能找到电池的充电。根据电池输出电压，电池的近似电荷可能会发现。电池的热度，电压，电流和电荷（SOC）的程度是最常见的指标。
起落架结构健康监测 (SHM)
本文提供了有关起落架结构健康监测 (SHM) 系统开发的信息，该系统通过直接负载测量以及支柱维修检测算法提供预测/诊断 HUMS 功能。该系统通过将新传感器集成到起落架组件中来提供先进的监测技术。直接负载测量方法是当前跟踪机身起落架系统和机身支撑结构疲劳损伤方法的范式转变，这些方法依赖于 SHM 设备以各种采样率在机上记录的飞机参数数据收集。起落架 SHM 提供直接负载测量、重量/平衡计算以及对起落架组件执行基于条件的维护 (CBM) 的能力。NAVAIR 与 ES3 签订合同，通过小型企业创新研究 (SBIR) 计划（通过 N121-043 主题的第二阶段奖励）支持起落架 SHM 的开发。提议的解决方案将直接转移到其他海军、军用和商用飞机平台。本文将讨论 HUMS 和 CBM 领域的以下主题：(1) 用于直接负载测量的先进起落架传感器；(2) 将直接负载监测数据融合到疲劳寿命评估中；(3) 利用支柱维修检测算法实现飞机维护的范式转变；(4) 系统验证和确认；(5) 安全和维护效益。频谱开发和使用监测领域的先前工作通常侧重于飞机结构，将假设转化为起落架组件，而无需任何直接测量。使用监测的好处也可以用于起落架。直接载荷测量能够延长使用寿命、根据实际载荷移除部件、提高安全性、增加飞机可用性，并将 CBM 数据纳入维护实践，从而节省维护成本。本文通过对在高技术就绪水平 (TRL) 下适用于严酷起落架环境的传感器进行小型化，推动了最新技术的发展。
欧洲结构健康监测研讨会
Rizzo 博士于 1998 年获得意大利巴勒莫大学航空工程学硕士学位（相当于硕士）。在意大利陆军工程兵团服役后，Rizzo 博士移居美国，在加州大学圣地亚哥分校获得结构工程硕士（2002 年）和博士学位（2004 年）。2006 年 9 月，他成为匹兹堡大学 CEE 系的助理教授。他于 2012 年晋升为终身副教授，并于 2018 年晋升为正教授。Rizzo 博士的研究兴趣是使用超声波、声发射、孤立波、热成像和机电阻抗等方法进行无损评估和结构健康监测 (SHM)。他的研究得到了宾夕法尼亚州交通部、国家科学基金会、联邦铁路管理局、美国国家科学院和美国无损检测学会 (ASNT) 的支持。Rizzo 博士曾获得 ASNT 颁发的 2002 年奖学金、2007 年教师资助奖、2009 年、2015 年和 2019 年奖学金研究奖以及 2013 年和 2017 年杰出论文奖。Rizzo 博士是全球第一位同时获得阿肯巴赫奖章（2012 年）和 SHM 年度人物奖（2015 年）的人。他还获得了 2016 年匹兹堡大学校长杰出研究青年学者奖。迄今为止，他发表了 115 篇参考论文、5 本会议论文集、8 个书籍章节、200 多篇会议论文集和报告以及 2 项专利。
结构健康监测损伤检测系统...
© 编辑（如适用）和作者 2021。本书为开放获取出版物。开放获取本书根据知识共享署名 4.0 国际许可证 (http://creativecommons.org/licenses/by/4.0/) 的条款进行许可，允许以任何媒体或格式使用、共享、改编、分发和复制，只要您给予原作者和来源适当的信任，提供知识共享许可证的链接并指明是否做了更改。本书中的图像或其他第三方资料包含在本书的知识共享许可证中，除非资料的致谢中另有说明。如果资料未包含在本书的知识共享许可证中，且您的预期用途不被法定规定允许或超出允许的用途，则需要直接从版权所有者处获得许可。本出版物中使用的一般描述性名称、注册名称、商标、服务标记等，即使没有特别声明，也并不意味着这些名称不受相关保护法律和法规的约束，因此可以自由使用。出版商、作者和编辑可以放心地认为，本书中的建议和信息在出版之日是真实准确的。出版商、作者或编辑均不对本书所含材料或可能出现的任何错误或遗漏提供明示或暗示的保证。出版商对已出版地图和机构隶属关系中的司法管辖权主张保持中立。
机器学习和结构健康监测概述...
摘要 传统的损伤检测技术正逐渐被最先进的智能监测和决策解决方案所取代。结构健康监测 (SHM) 系统中的近实时和在线损伤评估是一种有希望的过渡，可以弥合过去应用效率低下与未来新兴技术之间的差距。在智能城市、物联网 (IoT) 和大数据分析时代，数据驱动的民用基础设施监测框架的复杂性尚未完全成熟。因此，机器学习 (ML) 算法提供了必要的工具来增强 SHM 系统的功能并为过去的挑战提供智能解决方案。本文旨在阐明和回顾现代 SHM 系统中涉及的 ML 前沿。本文提供了 ML 管道的详细分析，并在补充表格和图中总结了需求量大的方法和算法。通过物联网范式连接基础设施中关键信息的无处不在的感知和大数据处理是 SHM 系统的未来。随着这些数字技术的进步，考虑到下一代 SHM 和 ML 的结合，本文详细讨论了 (1) 移动设备辅助、(2) 无人机、(3) 虚拟/增强现实和 (4) 数字孪生领域的最新突破。最后，本文探讨了 SHM-ML 结合的当前和未来挑战以及未解决的研究问题
基于网络的健康监测系统的开发
早产是一个全球性的健康问题，是全球婴儿死亡率的很大一部分原因。早产儿需要专门的护理，但目前的新生儿基础设施往往缺乏远程和实时监控。为了应对这些挑战，开发了一个基于网络的健康监测系统。该系统采用 NodeMCU-ESP8266 微控制器作为核心组件，处理来自温度传感器 (DS18B20)、脉搏率和血氧饱和度传感器 (MAX30100) 和重量传感器 (带有 HX711 的称重传感器) 的数据，并通过内置 WiFi 连接将这些传感器的数据传送到网络服务器进行可视化。实验测试表明，该系统的响应能力很强，DS18B20 测量的平均温度为 36.545℃，准确率为 97%，误差为 0.0713。 MAX30100 记录的平均 SPO2 为 93.75%，平均心率为 99.325BPM，准确度分别为 96% 和 71%，误差为 2.9369 和 2.8879。带有 HX711 的称重传感器测量的平均体重为 2.39 公斤，准确度为 96%，误差为 0.0552。所有获取的数据均以 15 秒的间隔成功上传到 Web 服务器，以进行远程监控。总之，该实施展示了传感器的响应性和可靠性，并成功将数据传输到 Web 服务器，旨在通过持续监测生命体征来进行早产儿护理。
航空电子设备健康监测可信度评估
本文提供了一种使用自动测试设备 (ATE) 评估下机航空电子系统健康监测可信度的方法。指标包括假阳性、假阴性、真阳性和真阴性的概率。我们首次考虑了刺激信号源 (SSS) 的不稳定性、测量通道误差的随机和系统分量以及系统本身的可靠性特性。我们考虑了永久性故障和间歇性故障的指数分布的具体情况，并推导出计算可信度指标的公式。数值计算说明了正确和错误决策的概率如何取决于精度参数。我们表明，当刺激信号的标准差增加时，假阳性和假阴性的概率增加得比真阳性和真阴性的概率下降得快得多。对于甚高频全向测距 (VOR) 接收器，我们证明即使刺激信号源产生的随机误差为零，假阳性和假阴性的概率也不为零。
航空电子设备健康监测可信度评估...
本文提供了一种使用自动测试设备（ATE）评估下机航空电子系统健康监测可信度的方法。指标包括假阳性、假阴性、真阳性和真阴性的概率。我们首次考虑了刺激信号源（SSS）的不稳定性、测量通道误差的随机和系统分量以及系统本身的可靠性特性。我们考虑了永久性故障和间歇性故障的指数分布的具体情况，并推导出计算可信度指标的公式。数值计算说明了正确和错误决策的概率如何取决于精度参数。我们表明，当刺激信号的标准偏差增加时，假阳性和假阴性的概率增加得比真阳性和真阴性的概率下降得快得多。对于甚高频全向范围 (VOR) 接收器，我们证明即使刺激信号源产生的随机误差为零，假阳性和假阴性的概率也不同于零。