XiaoMi-AI文件搜索系统
World File Search System动态操作
使用数字数据的智能用户首选重新路由...
在国家空域系统的飞行操作中，机组人员经常使用语音通信向空中交通管制 (ATC) 请求轨迹变更，以便以更优化的轨迹更好地实现运营商的首选业务目标。NASA 开发的交通感知战略机组请求 (TASAR) 概念显著增强了这一程序，它为机组人员提供了驾驶舱中的自动化功能，可以不断扫描并推荐节省燃料和时间的轨迹优化。这些建议基于有关飞机和动态操作环境的广泛信息，从而使请求更加“智能”。为了促进越来越复杂的请求，使其与最佳轨迹更加紧密地保持一致，并减少机组人员和管制员通过无线电提交和审查轨迹修改请求的工作量，拟议的数字 TASAR 概念利用新兴的数据通信基础设施和相关自动化，允许及时有效地提出数字请求。本报告描述了数字 TASAR 操作概念、支持技术以及为飞机操作员和空中交通管制员配备该功能的潜在好处。
纸张ID：107电池系统的技术经济评估，该电池系统集成到住宅电网连接的PV系统中，考虑到电池降解
固定电池存储成为提高可再生能源系统灵活性以平衡功率生产和需求波动的有前途的解决方案。但是，每个应用程序都有特定的操作策略，因此是一个特定的动态操作配置文件，由于电池容量在应用程序中的运行中的降解，导致电池寿命不同。关于电池寿命的准确知识以及在不同操作条件下的电池健康状况对于确保可行的技术经济评估很重要。本文介绍了集成到住宅电网连接的PV系统中的电池系统的技术经济评估，考虑到有和没有电池降解的两个电池模型。电池生命周期成本，自给自足的比率和电池寿命进行了分析，以评估住宅网格连接的混合动力电池系统的技术经济评估。结果表明，与电池降解的建模相比，没有电池降解的仿真降低了生命周期成本31.43％，自给自足率的比率提高了7.4％。这证明了电池老化模型在评估集成到可再生光伏系统中的电池的重要性。
![对弹性光学网络中主动频谱碎片化的深度强化学习[邀请]](/simg/g:\will\search\icon\source\d\dae5a9716edac6e9b383f8d3fb9384a02f083f39.webp)
对弹性光学网络中主动频谱碎片化的深度强化学习[邀请]
互联网流量的巨大增长需要高级技术来实现光学网络的动态操作，有效利用光谱资源和自动化。在本文中，我们研究了弹性光学网络中的主动频谱碎片化（SD）问题，并提出了一种新型的基于深的增强学习的基于深的增强框架，以提高光谱使用效率。与传统的，通常基于阈值的启发式算法不同，该算法解决了相关任务的子集并具有有限的自动化功能，DeepDefrag共同解决了SD过程的三个主要方面：确定何时执行脱落的裂纹，以划分为偏差，以及对这些派别进行划分的连接。通过考虑服务属性，通过几个不同的碎片度指标表达的频谱占用状态以及重新配置成本，DeepDefrag能够在网络寿命上始终选择适当的重新配置动作并适应不断变化的条件。广泛的仿真结果揭示了所提出的方案的卓越性能，而不是详尽的碎片化和众所周知的文献基准启发式，从而在较小的碎片机开销时实现了较低的阻塞概率。
基准为关联记忆的Hebbian学习规则
关联内存或内容可寻址内存是计算机科学和信息处理中的重要组成函数，同时它是认知和计算脑科学中的关键概念。已经提出了许多不同的神经网络架构和学习规则，以模拟大脑的关联记忆，同时研究关键组件功能，例如模式完成和竞争以及降低噪声。较少研究但同样重要的主动记忆功能是原型提取，其中训练集包括通过扭曲原型模式而生成的模式实例，而训练有素的网络的任务是回忆给定新实例的生成原型。在本文中，我们基于非模块化和模块化重复网络中使用的七个不同HEBBIAN学习规则的关联记忆功能，并在中度稀疏的二进制模式下进行赢家摄取的全部动态操作。总体而言，我们发现模块化网络具有最大的存储器为模式存储容量。流行的标准HEBB规则以最差的能力出现，而协方差学习则证明是强大但容量较低的，并且在测试的不同条件下，贝叶斯 - 赫比亚规则显示出最高的模式存储能力。
配电网电压控制和光伏承载能力
术语 定义 AMI 高级计量基础设施 BESS 电池储能系统 资本支出 CECV 客户出口削减价值 CPPAL CitiPower 和 Powercor CVR 节能降压 DER 分布式能源 DG 分布式发电 DMS 配电管理系统 DN 配电网络 DNSP 配电网络服务提供商 DOE 动态操作范围 DR 需求响应 DSS 配电变电站 D-STATCOM 分布式静态补偿器 DVR 动态电压恢复器 ESS 储能系统 EV 电动汽车 FACTS 灵活交流输电系统 FCAS 频率控制辅助服务 HC 托管容量 LRMC 长期边际成本 LTC 负载分接开关 LVR 低压调节器 MC 蒙特卡罗 NEM 国家电力市场 NREL 国家可再生能源实验室 Opex 运营费用 PDF 概率分布函数 PMU 相量测量单元 PVHC PV 托管容量 QSTS 准静态时间序列 TN 输电网络 TNSP 输电网络服务提供商 SoC 充电状态SRMC 短期边际成本 UPFC 统一潮流控制器 VaDER DER 值 VPP 虚拟发电厂 VR 电压调节器 VSG 虚拟同步发电机 ZSS 区域变电站
通过人机交互实现机器人精确灵巧的操作......
强化学习 (RL) 在实现机器人自主习得复杂操作技能方面前景广阔，但在现实环境中实现这一潜力却充满挑战。我们提出了一个基于视觉的人机协同强化学习系统，该系统在一系列灵巧操作任务中展现出令人印象深刻的性能，包括动态操作、精密装配和双臂协调。我们的方法融合了演示和人工校正、高效的强化学习算法以及其他系统级设计选择，旨在学习在短短 1 到 2.5 小时的训练时间内即可实现近乎完美的成功率和快速循环时间的策略。我们证明，我们的方法显著优于模仿学习基线和先前的强化学习方法，平均成功率提高了 2 倍，执行速度提高了 1.8 倍。通过大量的实验和分析，我们深入了解了该方法的有效性，展示了它如何为反应式和预测式控制策略学习稳健且自适应的策略。我们的结果表明，强化学习确实能够在实际训练时间内直接在现实世界中学习各种基于视觉的复杂操作策略。我们希望这项工作能够激发新一代学习型机器人操作技术，促进工业应用和研究进步。视频和代码可在我们的项目网站 https://hil-serl.github.io/ 获取。
数字双胞胎，以定量了解NMC电池的老化机制，使用动态老化曲线
传统锂离子电池建模没有提供足够的信息来准确验证在实时动态操作条件下电池的性能，尤其是在考虑各种老化模式和机制时。为了改善当前方法，本文提出了一个可以捕获实时数据并整合SEI层生长，阳极裂纹传播和锂电池之间的强耦合的锂离子电池数字双胞胎。它可以用来估算从宏观全细胞水平到显微镜颗粒水平的衰老行为，包括在动态老化条件下的电压 - 电流特征，可以预测基于镍甲虫 - 雄性 - 果胶（NMC）基于锂离子电池的降解行为，并有助于进行电化学分析。该模型可以改善细胞衰老的根本原因分析，从而对衰老机制耦合效应有定量的理解。开发了带有动态放电轮廓的三个充电协议，以模拟真实的车辆操作场景，并用于验证数字双胞胎，结合操作数阻抗测量，验尸后分析和SEM，以进一步证明结论。数字双胞胎可以准确预测电池容量在0.4％MAE之内淡出。结果表明，SEI层的生长是能力降解和阻力增加的主要因素。基于对模型的分析，得出的结论是，与标准的连续充电Pro烟光相比，提出的多步充电协议之一可以减少基于NMC的锂离子电池的降解。本文代表了未来物理知识的机器学习开发的坚定物理基础。
应用能量
近年来，深入的闭环钻孔热交换器系统已引起了地热能以有效加热建筑物，例如将它们集成到地区供暖系统中。在这项工作中，基于OpenGeosys软件，建立了最近在中国西安市实施的飞行员Deep U型钻孔热交换器（DUBHE）系统的3D数值模型。该模型通过从试点项目中监视数据的2个月进行了充分的验证。然后，进一步耦合了热力学热泵模型，以研究Dubhe对热泵的非设计性能的瞬时热响应。随后，模拟了区域供暖系统中的动态操作，以评估Dubhe-couptle热泵系统的灵活性。首次通过热泵进行热负荷分布的机理以及在地下Dubhe和热泵之间阐明了操作过程中的热负荷重新分布的行为。发现，整个系统的最大可持续加热能力在120天操作中约为780 kW，而工作流体R410A和所需的进料流量温度为65℃，在热泵中为65℃。随着运行时间的增加，由于热泵性能的降低，在120天内分布到DUBHE的热负荷在120天内降低了21％以上。R600热泵在四种不同的工作流体中具有最佳性能和效率，但与R410A热泵相比，DUBHE的流出温度降低了3.4℃。在Dubhe的循环流体温度方面，Dubhe的这种过度提取的性能对其可持续性运行构成了挑战。在整合到地区供暖系统中的两种操作模式中，地下杜布（Dubhe）可以为地区供暖系统提供总热力的70％。平均年度COP高0.2，而低饲料流动温度低于地区供暖系统，并且更频繁地关闭操作，在将Dubhe耦合的热泵系统集成到区域加热系统中时显示出明显的灵活性。
PEM燃料电池的高级物理建模以增强其性能
氢技术提供了有前途的前景，可以在更可持续的世界中应对未来的能源需求。鉴于他们的潜力，他们的技术发展是许多政策的核心。因此，燃料电池的精确建模对于优化其控制并提高其性能至关重要。本文始于对有关物质运输的原理以及用质子交换膜（PEMFC）计算燃料电池电压的最新进展的深入分析。它通过介绍相关方程，其适用性和基本假设来详细了解这些原理，这构成了未来模型的发展。基于这项工作，已经开发了一种使用成品差异方法的PEMFC的一个维度，动态，两相和等温模型。该模型构成了功能块模型的简单性与数字流体力学模型的准确性（英语：计算流体动力学模型）之间的妥协，从而提供了内部状态的精确描述，同时对计算的需求较低。此外，在过压的计算中引入了一种新的物理参数，液体水饱和系数（S LIM）以及相应的公式。开源，基于此模型并在Python中实施的Alphapem软件，然后开发并发布。模型A此新参数将电压下降连接到高电流密度与催化层中存在的液体水量和燃料电池的工作条件。这种新建立的燃料电池内部状态及其操作条件之间的联系有望优化其控制，从而改善其性能。他提出了一个模块化体系结构，该体系结构有助于新功能的创建，并包括友好的图形界面。alphapem还结合了一种自动校准方法，可以通过研究的特定燃料电池对模型进行精确的校准。在使用此软件时，可以有效地计算有关所有当前密度的内部状态的详细信息。以极化和EIS曲线为特征的静态和动态性能也可以在不同的工作条件下进行模拟。此外，Alphapem为在车载系统中使用高级电池的高级模拟开辟了道路，因为它可以在动态操作条件下进行精确且快速的响应。
复杂网络中的拓扑数据分析的几何算法Rajesh Kumar博士 * HAR
复杂网络中用于拓扑数据分析的几何算法Rajesh Kumar博士 * Rajesh Kumar博士 *哈里亚纳邦计算机科学系助理教授，哈里亚纳邦工程科学技术大学，印度哈里亚纳州哈里亚纳州希亚尔市，20024年9月10日获得，于2024年9月10日接受，在2024年9月30日在线获得，第5卷，第5卷，第2024卷，第2024卷，第2024卷，第2024卷，每隔2024年10月5日（台阶）。在机器学习，计算机图形和空间数据库等领域，高维空间越来越重要，在该领域中，大规模，动态数据很普遍。本研究探讨了能够支持动态操作（例如插入，删除和查询）的优化几何数据结构的开发，同时在高维设置中保持性能和可扩展性。通过解决诸如维度和计算复杂性的诅咒之类的挑战，该项目旨在提高高维几何计算中使用的算法的性能。此外，还将探索近似技术，并行计算和分布式算法的集成，以确保对大型数据集的可扩展性。研究的实际应用包括实时渲染，最近的邻居搜索以及在动态环境中的空间数据查询。关键字：计算几何，动态几何数据结构，高维空间，机器学习，近似算法，最近的邻居搜索，并行算法，实时查询处理，KD-TROOD简介拓扑数据分析（TDA）已成为从提取有意义的模式和结构的强大框架中，从而从中提取了有意义的模式和结构。本研究探讨了计算几何学和拓扑的交集，以开发用于分析复杂网络时针对TDA应用的几何算法。重点是创建有效且可扩展的算法，这些算法可以处理大规模网络的复杂拓扑特征，从而使他们对其结构和动态有了更深入的了解。关键研究领域持续的同源计算