XiaoMi-AI文件搜索系统
World File Search System学者
传感器 - 语义学者
摘要：小型飞机类别（例如小型空中运输（SAT）、城市空中交通（UAM）、无人机系统（UAS））、现代航空电子解决方案（例如电传操纵（FBW））和减小的飞机（A/C）尺寸的异质性需要更紧凑、集成、数字化和模块化的空气数据系统（ADS），能够测量来自外部环境的数据。在 Clean Sky 2 计划的框架内资助的 MIDAS 项目旨在通过经过商业应用认证的 ADS 满足这些最新要求。主要支柱在于 COTS 解决方案和分析传感器（专利技术）之间的智能融合，以识别空气动力学角度。识别涉及飞行动态关系和基于神经技术的数据驱动状态观察器，一旦训练完成，它们就是确定性的。由于该项目将首次将分析传感器作为冗余系统的一部分安装在民用飞机上，因此本工作中记录的设计活动特别关注适航认证方面。在此成熟度级别，使用模拟数据，下一阶段将使用真实飞行测试数据。描述了训练和测试方面的数据收集。训练操作旨在激发所有动态模式，而测试操作旨在独立于训练集和所有自动驾驶仪配置验证结果。结果表明，替代解决方案
传感器 - 语义学者
摘要：本文重点开发一种基于可靠性和维护评估的新型物流方法，最终目的是为无人机 (UAV) 的维护活动建立更有效的间隔。在第一部分中，我们开发了一种架构理念，以获得更详细的可靠性评估；然后，我们在设计阶段研究了内在可靠性，以避免无人机出现严重的临界问题。在第二部分中，我们比较了无人机的不同维护理念，并开发了预防性和纠正性维护的概念，这些概念考虑到系统（直到真正的“硬故障”）受到部分性能下降（“软故障”）。最后，通过评估置信区间的不确定性，我们确定了新的软故障限值，同时考虑到系统和子系统的一般知识，以保证适当的预防性维护间隔。
应用科学 - 语义学者
摘要：随着飞机系统数量的增加，完全手动的开发方法对于从分布式集成模块化航空电子 (DIMA) 系统的大量配置中找到最佳硬件和软件映射已不切实际。应该提供并彻底理解找到这种优化映射的自动化方法。本文是对 DIMA 最佳硬件和软件映射基础的研究。我们首先回顾 DIMA 系统架构。然后，我们提出硬件和软件映射的问题陈述及其确保的数学优化模型。确定了一组主要的架构质量指标（例如可靠性和可扩展性）和飞机约束（例如隔离和资源约束），可用于组成目标函数或比较和交易替代方案。基于质量指标和飞机约束，我们通过多目标优化综合了一个包罗万象的公式。然后回顾和比较了硬件和软件映射的各种优化方法。介绍了航空电子系统的 DIMA 优化案例研究，其中报告了具有不同目标和约束的不同优化问题的运行时间。此外，我们还介绍并讨论了未解决的问题和未来趋势，未来的发展可以借鉴这些趋势。
杰出学者论坛
叶克强教授现为深圳先进科技大学生命与健康学院生物系系主任、讲座教授，曾任美国埃默里大学终身教授。叶教授是国际上公认的小分子化合物疗法开发领域的领军科学家，特别针对神经退行性疾病，主持的国家级和美国国立卫生研究院、美国癌症协会/基金会等资助项目，总研究经费超过3000万美元。发表论文240余篇，H指数69，引用超过16900次，多篇论文发表在Nature、Cell、Neuron、Nature Neuroscience、Nature Medicine、Nature Genetics、Nature Communications、PNAS等国际著名期刊，拥有13项发明专利。主要研究领域包括：1.神经退行性疾病的机制与早期诊断；2.神经退行性疾病新型小分子药物的开发与研究； 3. 药物筛选、化学合成、修饰、药物设计。
传感器 - 语义学者
摘要：小型飞机类别（例如小型空中运输（SAT）、城市空中交通（UAM）、无人机系统（UAS））、现代航空电子解决方案（例如电传操纵（FBW））和减小的飞机（A/C）尺寸的异质性需要更紧凑、集成、数字化和模块化的空中数据系统（ADS），该系统能够测量来自外部环境的数据。在 Clean Sky 2 计划的框架内资助的 MIDAS 项目旨在通过经过商业应用认证的 ADS 满足这些最新要求。主要支柱在于 COTS 解决方案和分析传感器（专利技术）之间的智能融合，以识别气动角度。识别涉及飞行动态关系和基于神经技术的数据驱动状态观察器，一旦训练完成，它们就是确定性的。由于该项目将首次将分析传感器作为冗余系统的一部分安装在民用飞机上，因此本工作中记录的设计活动特别关注适航认证方面。在此成熟度级别，使用模拟数据，下一阶段将使用真实飞行测试数据。描述了训练和测试方面的数据收集。训练操作旨在激发所有动态模式，而测试操作旨在独立于训练集和所有自动驾驶仪配置验证结果。结果表明，替代解决方案是可能的，可以大大节省计算工作量和代码行数，但同时也表明，更好的训练策略可能有利于应对新的神经网络架构。
传感器 - 语义学者
摘要：网络化多传感器用于解决机动目标跟踪问题。为避免非线性动态函数的线性化，获得更准确的机动目标估计，提出了一种用于机动目标跟踪的自适应信息加权协同滤波器。利用无迹变换计算伪测量矩阵，以利用测量的信息形式，这是协同迭代所必需的。为提高机动目标跟踪精度并在整个网络的每个传感器节点中获得统一的估计，利用自适应当前统计模型来更新估计，并在各个动态模型的相邻节点之间应用信息加权协同协议。基于多个模型的后验概率，通过对模型条件估计的加权组合来获得每个传感器的最终估计。实验结果表明，所提算法在跟踪精度和全网估计一致性方面具有优异的性能。