摘要 考虑通过电化学加工 (ECM) 对金属增材制造的 316L 不锈钢进行可加工性研究。这种材料用于汽车、航空航天、珠宝和生物医学行业的原型设计,这些行业需要根据具体情况定制组件。在本研究中,考虑了电压、电解质浓度、占空比和选择四个级别的 L16 正交阵列等 ECM 工艺参数进行优化。采用多标准决策加工方法,即基于熵的多目标优化,基于比率分析法进行性能分析。研究表明,为获得最佳加工性能,建议使用 14 V、35 gl -1 NaNO 3 电解质浓度和 90 % 的占空比。根据主效应表,最佳组合是 16 V、35 gl -1 电解质浓度和 60 % 的占空比。方差分析结果表明,占空比对加工性能的贡献约为27.06 1%,电压对加工性能的贡献约为24.015%,电解质含量对加工性能的贡献约为15.58%。利用扫描电子显微镜对每个微加工孔进行扫描,并拍摄不同分辨率的图像,以分析加工孔的质量。
营业收入 9,683 14,688 22,079 30,856 39,030 48,443 销售成本 (5,867) (8,250) (13,005) (17,381) (21,734) (26,487) 毛利 3,817 6,438 9,075 13,475 17,296 21,956 营业费用 (2,580) (3,571) (4,627) (6,674) (8,453) (10,383) 销售费用 (84) (135) (167) (203) (237) (270) 销售、一般及行政开支 (1,705) (2,224) (2,836) (3,532) (4,312) (5,158) 研发费用 (1,297) (1,845) (2,475) (3,703) (4,606) (5,619) 其他 507 633 852 763 701 664 营业利润 1,236 2,867 4,448 6,801 8,843 11,573 其他收入 18 14 22 20 22 24 其他费用 (2) (27) (4) 0 0 0 税前利润 1,253 2,854 4,466 6,821 8,865 11,597 所得税 (59) (313) (433) (1,023) (1,330) (1,740) 税后利润1,193 2,541 4,033 5,797 7,535 9,858 少数股东损益 116 188 134 (9) (11) (15) 净利润 1,077 2,353 3,899 5,806 7,547 9,873
概览我们是激光雷达及感知解决方案市场的全球领导者。通过整合硬件和软件,我们与市场上大多数仅专注于硬件的激光雷达公司有所差异。激光雷达与视觉或其他传感器相结合形成感知解决方案,使汽车和机器人具备感知能力。我们基于芯片驱动的激光雷达硬件和人工智能感知软件开发解决方案,拓展应用场景并实现行业规模商业化。我们的业务主要包括(i)销售用于ADAS、机器人及其他非汽车行业(如清洁、物流、工业、公共服务和检查等)的激光雷达硬件产品,(ii)销售集成我们的激光雷达硬件和人工智能感知软件的激光雷达感知解决方案,以及(iii)提供技术开发及其他服务。
ISSN 1330-3651(印刷版),ISSN 1848-6339(在线版) https://doi.org/10.17559/TV-20240123001285 原创科学论文 基于多媒体数据分析和人工智能的智能体育教学跟踪系统 徐嘉辉*,齐大陆,刘爽 摘要:近年来,体育环境已经意识到身体和心理特征的重要性。体育工作人员、运动员和教练员已经表明,新的理论和治疗方法可用于增强心理。个人社会生活中的基本需求是城市公共体育。本文在均等化公共服务的基础上,提供了均等化公共体育的城市设施。国家一致的规则可以提供城市公共体育产品和服务,这些产品和服务对公民来说是基本的,考虑到他们的生计和娱乐需求。本文提出利用语义多层次结构方程模型(SMSEM)来评估城市公共体育服务的运动心理需求,目的是紧密围绕群众的体育需求,提高政府城市公共体育服务供给的质量和效率,推动城市体育休闲城市建设,让更多人享受城市公共体育,保障人民群众的基本体育权利。积极心理学的成长具有广泛的理论和应用领域,丰富了新的体育心理学理论和应用。心理监测与体育锻炼的关系最密切的是竞技体育领域。心理指导正朝着系统化、专业化的方向发展。在未来的应用中,从体育心理学中获得的成果更具适用性。关键词:人工智能;多媒体数据分析;语义;运动心理;城市公共体育1引言运动员的运动表现由心理、身体和社会因素来评价[1]。教练员认为,通过提高运动员的心理能力可以提高运动员的运动成绩[2]。心理干预对游泳、足球、垒球、滑冰、高尔夫和网球等多项运动的运动员表现有积极影响 [3]。高水平表现研究比较了不同的运动员,报告了成功运动员的理想心理特征,包括:焦虑的自我调节、高度集中、高度自信、焦虑控制、积极的运动关注和决心以及参与度 [4]。研究表明,运动员具有获得成功的敏锐心理能力 [5]。心理因素的相似性,多维结构和运动员表现的提高与心理技能和心理韧性密切相关[6],即“自然或既定的心理优势”。一般来说,体育运动的多项要求都要求运动员比对手表现得更好。要比对手更加稳定、一致和有控制力[7]。这些运动员除了发展心理韧性外,还采用了心理技能来保持这种心理韧性[8]。运动员可以学习特定技能如何改善心理稳定性的发展和维持[9]。体育心理学家已经启动了与体育运动有关的心理能力的心理测量特性,这些特性已经确定并测量了运动员的心理状态,以方便进一步咨询[10]。此外,问卷还测量了特定领域的因素,例如焦虑和PSIS(运动心理技能清单)团队因素、ACSI-28(运动应对技能量表-28)、APSI(运动心理技能清单)应对技能以及在绩效策略测试中的表现改进[11]。对运动员的心理支持主要包括以下几个方面:
*截至 2023 年 12 月 31 日止年度 2023 年毛利率提高 14 个基点至 39.5%。鉴于库存较去年大幅减少 9.87 亿美元,这一毛利率改善令人鼓舞。息税前利润为 11 亿美元,较 2022 年下降 5.5%。2023 年下半年,息税前利润提高至 5.75 亿美元,较 2022 年下半年增长 1.1%。TTI 实现净利润 9.76 亿美元。与去年相比下降 9.4% 的部分原因是该期间利率大幅上升,导致利息支出增加。每股收益也下降 9.3% 至 53.36 美分。营运资本占销售额的百分比从去年的 21.2% 提高到 2023 年的 17.7%。营运资本的减少帮助推动了当年创纪录的 13 亿美元的自由现金流,该集团有望在 2024 年及未来实现强劲的自由现金流。
Lucian-Ioan DULĂU*,Dorin BICĂ 摘要:电力系统的运行基于潮流分析,而优化则基于最优潮流分析。研究的目的是根据最优潮流分析确定发电成本和功率损耗。最优潮流分析首先计算潮流以确保系统安全运行,然后考虑数学模型进行实际最优潮流。这些研究针对改进的 IEEE 39 总线系统进行了一整年的分析,分别考虑了季节(春季、夏季、秋季和冬季)以及这些季节的平均负载功率需求。该系统连接了三个分布式发电源和两个存储单元。执行的优化(最优潮流)是多目标的,最小化所考虑季节的发电成本和功率损耗(有功和无功)。结果表明,对于所有季节,当分布式发电源和存储单元连接到所分析的电力系统时,发电成本较高,而功率损耗较低。 关键词:分布式发电机;多目标优化;最优潮流;季节;储能单元 1 引言 电力系统的运行基于潮流分析,而优化则基于最优潮流分析。潮流(稳态)分析可以验证电力系统安全运行的条件。为了求解非线性方程组,可以使用 Seidel-Gauss 或 Newton-Raphson 等迭代法,这些方法可以在执行不确定数量的运算后通过连续步骤获得解,使结果接近最终值。潮流分析是电力系统任何后续分析(例如最优潮流分析)的起点。最优潮流分析可以让系统操作员进行规划和决策,以确保电力系统的可靠运行和管理。固定的发电功率仅对应一种运行条件。在一段时间内,优化运行需要发电来源适应负载改变其电力需求,同时也要适应可再生能源的电力变化,而可再生能源在过去十年中更为普遍。最优电力流问题复杂且非线性。最优电力流分析是根据给定的目标函数进行的,通常考虑最小化。这些通常的目标函数是最小化电力损耗或最小化发电成本。这些目标的应用立即涉及系统约束 [1-4]。需要这样的约束来维护系统的安全性,因此电力系统中的每个组件都必须保持在其所需的运行范围或界限内。约束包括,例如,对总线电压或发电机的最大和最小功率输出的限制[5-7]。现在大多数电力系统中都存在可再生能源和存储单元。许多可再生能源都安装在负载场所附近或负载场所,因此它们被称为分布式发电源或分布式发电机。分布式发电源有助于减少电力损耗、增加总线电压、减少污染物
Merdan OZKAHRAMAN*、Haydar LIVATYALI 摘要:使用机器人机械手的生产系统在过去几十年中变得很普遍,而且趋势是朝着节省空间的无围栏单元发展。因此,这些系统的安全性和灵活性变得更加关键。安全系统基于传感器数据或摄像机图像。虽然基于摄像头的系统的灵活性更好,但传统的图像处理方法对工作环境很敏感。人工智能可能是他们快速适应变化需求并提高准确性和稳定性的有力工具。在本研究中,设计了一种低成本的基于 2-D 摄像头的安全系统,并将其安装在实验性的无围栏机器人工作单元中。系统控制器与三种替代深度学习(ResNet-152、AlexNet、SqueezeNet)和三种机器学习模块(支持向量机、随机森林和决策树)相结合。这些模块使用十个不同异物穿透警报区的照片图像进行训练。为了涵盖不断变化的工业环境条件,我们通过使用每个类别最多 550 张图像来涵盖相机振动、阴影、反射、照度变化等破坏性影响。使用用于训练和测试这六个系统的受限数据,SqueezeNet 深度学习模型的最佳准确率为 95%,且没有过度拟合。尽管如此,基于机器学习的模型的预测时间比基于深度学习的模型快 100 倍。因此,安全系统可以快速适应任何可能的变化,并防止工作条件可能产生的噪音,并可以防止工业生产中可能发生的时间损失。 关键词:人工智能;图像分类;机器人与自动化 1 引言 几十年来,机器人技术一直用于工业生产和许多其他领域。各种产品的生产需求变化要求生产线和机器人单元频繁变化。生产线的变化会导致时间和劳动力的损失 [1]。这些损失的一个重要部分来自生产线中工作单元的安全要求。工业中不仅使用围栏,还使用基于传感器和摄像头的安全系统。基于摄像头的安全系统可以被认为是最先进的技术。在这种系统中,由于工作单元的变化,必须重新调整结构。可重构结构中使用的安全系统、基于人机互操作性的系统以及无围栏系统的图像处理也应适应这种灵活性 [2-4]。为了实现安全系统对工作灵活性的适应性,并避免环境条件引起的噪音,在传统的图像处理方法中加入人工智能算法是不可避免的。当目标是识别和区分进入工作单元的异物时,使用基于人工智能的图像处理的系统可能会提高安全系统的性能。传统的基于图像处理的安全系统无法可靠地识别友好物体。这些友好物体可能是工件或允许进入单元区域内的操作员。传统系统需要一些额外的设备来识别这些物体而不停止机器人手臂的工作。基于人工智能的安全系统在这方面更为成功。系统的可靠性将随着系统以期望和不期望的方式识别物体而提高。然而,众所周知,传统系统会受到工作环境中的振动、阴影和照度等噪声源的影响。可以建立一个能够快速响应未来变化并提高可靠性的安全系统。通过
ISSN 1330-3651(印刷版),ISSN 1848-6339(在线版)https://doi.org/10.17559/TV-20210121112228 原创科学论文 使用深度生成对抗网络和 EMD 进行 BCI 应用的运动想象 EEG 识别 Stephan STEPHE、Thangaiyan JAYASANKAR*、Kalimuthu VINOTH KUMAR 摘要:脑电图 (EEG) 中的运动想象 (MI) 运动活动仍然有趣且具有挑战性。BCI(脑机接口)允许大脑信号控制外部设备,还可以帮助患有神经肌肉疾病的残疾人。在任何 BCI 系统中,两个最重要的步骤是特征提取和分类方法。然而,在本文中,通过深度学习 (DL) 概念的性能改进了 MI 分类。该系统从 BCI 竞赛三个数据集 IVA 中获取了右手和右脚的两时刻想象数据,并开发了利用传统神经网络 (CNN) 和生成对抗网络 (GAN) 的分类方法。通过应用经验模态分解 (EMD) 并在特征提取技术中混合它们的固有模态函数 (IMF),可以减少训练时间并管理非平稳问题。实验结果表明,所提出的 GAN 分类技术的分类准确率为 95.29%,优于 CNN 的 89.38%。所提出的 GAN 方法在 BCI 竞赛三个数据集 IVA 上实现了 62% 的平均阳性率和 3.4% 的平均假阳性率,这三个数据集的 EEG 事实来自运动皮层的相似 C 3、C 4 和 Cz 通道。关键词:卷积神经网络 (CNN);脑电图 (EEG);经验模态分解 (EMD);生成对抗网络 (GAN);固有模态函数 (IMF)运动想象 (MI) 1 引言 脑机接口 (BCI) 将人类头皮记录的大脑活动转换成计算机控制指令,以调节外部策略,从而帮助丧失行为能力的人恢复运动技能 [1]。人们已经研究了使用脑电图来控制智能轮椅 [2],以及其他外部设备。在脑机接口 (BCI) 中,脑电信号的特征描述是一个重要组成部分。通常使用的脑电数据包含事件相关的 SSVEP 功能 [3] 和运动想象 (MI) [4]。与其他类型的信号相比,脑电信号具有一些不同的特征。收集到的脑电信号因心理状态的不同而不同 [5]。因此,每个受试者的脑电信号都不同。脑电信号是非平稳和非线性的,这意味着脑电数据特征会随时间而变化 [6]。此外,由于合成的脑电信号通常与噪声混合,因此脑电信号分析具有挑战性。因此,应该使用操作过程来提高 EEG 数据的 SNR。EEG 特性由评估频率和时频或时间信号范围内传递的信号能量的方法来控制。然而,就最好的作者而言,还没有使用 BCI 框架中复杂的线性和非线性 BCI 分类器对这些方法进行全面的比较分析。文献中给出的大多数比较值仅限于少数技术或仅一种分类 [7]。小波变换 (WT) 主要用于特征提取过程 [8]、正常空间模式 (CSP) [9] 和主成分分析 (PCA) [10]、EMD [11, 12] 等。由于 EMD 算法能够最佳地分割信号,因此它已被证明是检查非线性和非稳定 EEG 信号的合适候选者。例如,[13] 使用 EMD 算法来滤波运动想象 EEG 信号。然而,常见的 EMD 算法一般根据研究者的经验选取固有模态函数 (IMF),导致部分脑电样本混入不必要的信息,或丢失有用数据。此外,