XiaoMi-AI文件搜索系统
World File Search System健康监测
结构健康监测应用的发展战略1
永久安装的结构健康监测 (SHM) 系统现在是传统定期检查（无损检测 (NDT)）的可行替代方案。然而，它们的工业用途有限，本文回顾了开发实用 SHM 系统所需的步骤。SHM 中使用的传感器固定在某个位置，而在 NDT 中，它们通常被扫描。目标是使用高时间频率、低空间频率 SHM 数据达到与传统高空间频率和低时间频率 NDT 检查类似的性能。结果表明，这可以通过变化跟踪算法（例如广义似然比 (GLR)）来实现，但这取决于输入数据是否为正态分布，这只有在因操作条件变化而导致的信号变化得到令人满意的补偿时才能实现；最近在这个主题上取得了很大进展，本文对此进行了回顾。由于 SHM 系统可以生成大量数据，因此将数据转换为可操作信息至关重要，并且必须在 SHM 系统设计中解决此步骤。验证已安装的 SHM 系统的性能也至关重要，并且已经提出了一种类似于 NDT 中使用的模型辅助检测概率 (POD) (MAPOD) 方案的方法。该方法使用安装在典型未损坏结构上的 SHM 系统获得的测量值来捕获由于环境和其他影响而导致的信号变化
海上和海洋结构健康监测的最新进展
本文讨论了海上和海洋结构中结构健康监测 (SHM) 方法的最新进展。大多数 SHM 方法都是为陆上基础设施开发的。很少有研究将 SHM 技术应用于海上和海洋结构。本文旨在填补这一空白，并强调在海上和海洋结构中实施 SHM 方法的挑战。本研究对在石油钻井平台、海上风力涡轮机结构、海底系统、船舶、管道等中建立 SHM 模型的可用技术进行了分类。此外，最近出版物中提出的想法的功能分为三大类：基于模型的方法、基于振动的方法和数字孪生方法。本文回顾了最近开发的新型信号处理和机器学习算法，并讨论了它们的能力。本文还介绍和讨论了基于视觉和基于种群的方法中开发的方法。本文的目的是为在海上和海洋结构中选择和建立 SHM 提供指导。
使用 Arduino 和 ESP8266 的健康监测系统
摘要 患者健康监测系统是确保持续监测和分析患者生命体征以保证其健康的重要组成部分。本研究提出了一种经济实惠且适应性强的解决方案，该解决方案利用了 Arduino Nano 开发板、ESP8266-01 WiFi 模块、16x2 LCD 显示屏、电位器、脉搏和温度传感器、2k 和 1k 电阻、跳线、面包板和 5mm LED。Arduino Nano 开发板用作中央控制单元，可从脉搏和温度传感器获取数据。这些传感器经过精心挑选，能够准确可靠地捕获关键健康参数。然后处理收集的数据并将其显示在 16x2 LCD 显示屏上，以清晰简洁的方式显示生命体征。为了确保最佳可视性，LCD 显示屏包含一个电位器，允许用户调整对比度和亮度。此功能增强了用户体验，使阅读和解释显示的信息更加容易。
用于螺栓连接结构健康监测的 PMUT 阵列……
摘要：微机电系统 (MEMS) 为适用于结构健康监测 (SHM) 应用的传感器微型化提供了新技术。在本研究中，基于 MEMS 的传感器，特别是压电微机械超声波换能器 (PMUT)，用于评估和监测螺栓连接结构系统的预紧力。为了使螺栓连接正常工作，必须保持适当的预紧力水平。在本研究中，连接到螺栓头部和末端的 PMUT 阵列分别用作一发一收超声波检测 (UT) 场景中的发射器和接收器。主要目标是检测由 PMUT 阵列产生的声波的飞行时间变化 (CTOF)，该声波沿螺栓轴在无负载螺栓和使用中的螺栓之间传播。为了模拟螺栓接头的预紧力以及声波通过螺栓传输到一组 PMUT 和从一组 PMUT 传输的声波，我们创建了一组数值模型。我们发现 CTOF 与预紧力的大小呈线性关系。通过与初步实验结果进行比较，验证了数值模型的有效性。
基于分布式传感器和深度学习的大型空间天线结构健康监测研究
摘要：大多数现代地球和宇宙观测航天器现在都配备了大型轻便灵活的结构，例如天线、望远镜和可扩展元件。承载更复杂、更大的附件的趋势对于高精度科学应用至关重要，这使得轨道卫星更容易因结构损坏而导致性能损失或性能下降。在这种情况下，结构健康监测策略可用于评估卫星子结构的健康状况。然而，特别是在分析大型附件时，传统方法可能不足以识别局部损坏，因为它们通常会在系统动力学中引起不太可观察的变化，但会导致有效载荷数据和信息的相关丢失。本文提出了一种深度神经网络来检测故障并研究传感器对在大型网状反射器天线上承载分布式加速度计网络的轨道卫星的损伤分类的灵敏度。传感器获取的时间序列是使用完全耦合的 3D 模拟器生成的，该模拟器模拟柔性卫星的在轨姿态行为，其附件采用有限元技术建模。然后使用在复合场景中收集的传感器响应对机器学习架构进行训练和测试，该场景不仅包括结构元素的完全失效（结构断裂），还包括中等程度的结构损坏。所提出的深度学习框架和传感器配置被证明可以准确检测最关键区域或结构的故障，同时为几何特性和传感器分布开辟了新的研究可能性。
桥梁结构健康监测的人工智能方法和新技术的最新进展
摘要：随着人口、汽车和城市的不断增长，城市管理面临的挑战也日益严峻。因此，让城市变得更智能是解决城市问题最有效的方法之一。当今“智能城市”的一个主要特点是它们在基础设施和服务中使用尖端技术。通过战略规划，智能城市可以最有效地利用其资源。通过减少开支和增强基础设施，智能城市可以为居民提供更多更好的服务。结构健康监测 (SHM) 是这些对城市管理非常有用的重要城市服务之一。通过将物联网 (IoT) 等领先的新技术与结构健康监测相结合，重要的城市基础设施可以使用寿命更长、运行更好。因此，有必要对基础设施 SHM 的最新进展进行彻底研究。桥梁是城市基础设施中最重要的部分之一，桥梁的建设、开发和适当的维护是管理城市最重要的方面之一。本研究的主要目标是研究如何使用人工智能 (AI) 和一些技术（如无人机技术和 3D 打印机）来改善桥梁 SHM 系统的现状，包括概念框架、优点和问题以及现有方法。本研究概述了人工智能和其他技术在未来桥梁 SHM 系统中将发挥的作用。本研究还重点介绍了、解释和讨论了一些新颖的技术辅助研究机会。
用于飞机结构健康监测的无线传感器网络和数据融合
本论文由 Aggie 数字收藏和奖学金的电子论文和学位论文免费提供给您，供您开放访问。它已被 Aggie 数字收藏和奖学金的授权管理员接受并纳入论文中。有关更多信息，请联系 iyanna@ncat.edu。
AI-CardioCare：基于人工智能的心脏健康监测设备
摘要 — 心脏疾病是全球主要死亡原因之一，早期诊断心脏病有助于减轻疾病负担。本文提出了一种基于人工智能 (AI) 的设备，该设备可以基于深度学习技术自动实时诊断心脏疾病。心音 (心音图) 信号由定制设计的听诊器采集，信号经过处理后使用 AI 方法进行分析，以对四种主要心脏疾病 (主动脉瓣狭窄、二尖瓣反流、二尖瓣狭窄和二尖瓣脱垂) 进行分类。从这些信号的分析中，我们得到了两个基于深度学习的神经网络、一维 (1-D) 卷积神经网络 (CNN) 和基于频谱图的 2-D-CNN 模型，它们已与低成本单板处理器集成在一起，形成一个独立设备。所有数据处理都在单个硬件设置中完成，并提供用户界面，允许用户控制数据的可访问性和可见性以生成诊断报告。因此，所开发的设备已被证明是一种适合医疗专业人员和家庭个人使用的有价值的低成本诊断工具。
使用机器学习对高度可重复使用的运载火箭进行健康监测
指标，例如冷却通道中推进剂的热分解。这一点与可重复使用运载火箭的故障模式调查密切相关； - 第二，通过传感器融合和机器学习分析健康监测数据
基于实时人工智能的健康监测、诊断和
摘要：通过使用物联网 (IoT) 升级医疗设施，早期研究人员已经取得了积极的成果。偏远地区的 COVID-19 患者无法就医检测常规参数，而现在隔离这些患者已变得可行。医生和家属将能够利用传感器、云存储、数据传输和物联网移动应用程序在医院外跟踪患者的健康状况。拟议的研究项目的主要目的是开发一种利用本地传感器的远程健康监测系统。拟议的系统还提供 GSM 消息、实时位置，并在紧急情况下向医生发送电子邮件。基于人工智能 (AI)，在医生缺席的情况下采取反馈措施，在紧急情况下，自动注射系统将剂量注射到患者体内。我们项目所需的重要参数仅限于心电图监测、SpO2 水平检测、体温和脉搏率测量。如果参数发生任何突然变化，某些参数将通过 Blynk 应用程序远程显示给医生。如果医生不在，