XiaoMi-AI文件搜索系统
World File Search System孪生
铁路车辆轻量化材料选择的多准则决策方法
摘要：本文使用四种不同的多标准决策方法 (MCDM) 并比较材料的排序，从三种不同的钢和三种铝基材料中选出最适合铁路货车的材料。我们分析了：双相 600 钢、相变诱导塑性 (TRIP) 700 钢、孪生诱导塑性 (TWIP) 钢、铝 (Al) 合金、Al 6005-T6 和 Al 6082-T6 以及具有闭孔的多孔铝结构。使用了四种不同的 MCDM 方法：VIKOR、TOPSIS、PROMETTHEE 和加权聚合和乘积评估法 (WASPAS)。MCDM 分析中使用的关键材料特性包括：密度、屈服强度 (YS)、抗拉强度 (TS)、YS/TS 比、杨氏模量 (YM)、成本和耐腐蚀性 (CR)。研究结果表明，根据设置标准，铝及其合金被证明是最合适的材料。先进钢材也获得了良好的排名，使其成为有效的选择，仅次于轻质铝合金。根据所使用的 MDCM 方法，多孔铝表现不佳，主要是因为多孔结构通常表现出明显较低的强度。
“©2021 IEEE。允许个人使用本材料。对于所有其他用途，无论是在现有还是未来的媒体中，都必须获得 IEEE 的许可，包括
摘要 — 近年来，基于脑电图 (EEG) 的神经反馈在耳鸣治疗中得到了广泛的研究。大多数现有研究依赖于专家的认知预测，而基于机器学习和深度学习的研究要么需要大量数据，要么不能很好地推广到新对象。在本文中，我们提出了一种基于 EEG 的耳鸣神经反馈的稳健、数据高效的模型，用于区分耳鸣和健康状态。我们提出了趋势描述符，一种精细度较低的特征提取器，以减少电极噪声对 EEG 信号的影响，以及以监督方式增强的孪生编码器-解码器网络，以学习精确对齐并获得跨受试者和 EEG 信号通道的高质量可转移映射。我们的实验表明，在分析受试者对 90dB 和 100dB 声音的脑电图神经反馈时，所提出的方法明显优于最先进的算法，在独立于受试者的环境中预测耳鸣和对照受试者的准确率达到 91.67%-94.44%。我们对混合受试者和参数的消融研究表明该方法的性能稳定性。
Supralife通讯＃1 | 2023年7月
关于该项目，Supralife项目是由欧盟地平线欧洲研究与创新计划资助的协调和支持行动孪生项目，由Aveiro大学（UAVR，葡萄牙）与Eindhoven Technology University of Technology（UAVR）协调（法国波尔多INP）和法国国家科学研究中心（法国CNRS）。UAVR专门研究生物相容性和可生物降解的海洋生物多糖的共价化学修饰，以开发高添加值可持续的生物材料/设备来解决医疗保健中的挑战。但是，基于天然或共价生物聚合物衍生物的性能仅限于天然产物聚合物的天然特性，表现出有限的生物活性，刺激性反应性，不适合的机械性能和非适应性行为，因此广泛地限制了它们用于模仿生活系统和满足健康的健康和满足的医疗服务。Supralife旨在提高UAVR对具有自组装基序的生物聚合物功能化的知识和专业知识，以开发先进的超分子生物材料和生物医学设备，以表示增强的结构性和多功能性，以实现人类健康的利益。该项目的短期和长期目标包括：
港口数字孪生：源自智慧城市和…… - arXiv
港口正在努力寻求创新的技术解决方案，以应对运输的不断增长，同时改善其环境足迹。数字孪生是一种新兴技术，有可能大幅提高多方面和相互关联的港口流程的效率。尽管数字孪生已成功集成到许多行业中，但对于数字孪生的构成仍然缺乏跨领域的理解。此外，数字孪生在港口等复杂系统中的实施仍处于起步阶段。本文试图通过对数字孪生的构成进行广泛的跨领域文献综述来填补这一研究空白，同时考虑到各自的研究结果可以应用于港口的程度。事实证明，港口的数字孪生与智能城市和供应链等复杂系统最为相似，无论是在功能相关性方面，还是在要求和特性方面。进行的文献综述考虑到不同的港口流程和港口特点，确定了数字港口孪生的三个核心要求，并对其进行了详细描述。这些包括态势感知、用于智能决策的综合数据分析能力以及提供促进多利益相关方治理和协作的界面。最后，提出了具体的操作场景，说明港口的数字孪生如何通过改善港口资源、设施和运营的利用来节约能源。
生产系统的数字孪生：文献视角
当今的工业趋势要求对产品和制造设施进行质量、成本和维护控制。在当前的“工业 4.0”方法中，为了准确使用每个生命周期阶段不断增加的数据量，重要的是从设计和制造到销售和服务实现和维护相同数据的数字线程 [1]。这是数字孪生 (DT) 概念进入工业阶段的地方 [2, 3]，尤其是对于生产系统。它用于覆盖和测试虚拟环境中物理对象模型的各种场景，以了解其质量和相关参数。这些基于精确实时数据的模型有助于预测物理孪生的行为。此外，可以在整个系统生命周期中跟踪 DT 的效率。然而，生产系统的 DT 概念仍然不够成熟，一方面我们可以观察到各种用例和相关的 DT 架构和实施技术，另一方面我们看到在工业中实施的成功案例非常少。本文的目的是回顾当前用于生产系统的 DT 工具和开发的最新进展，讨论该领域现有的 DT 架构，并提出潜在的架构组件以开发 DT 的应用。为了实现这一目标，本文从现有 DT 应用程序的概述开始，介绍了该概念的最新发展（
采用数字孪生来支持设计重用...
为了在市场上取得先发优势，制造商正努力开发满足广泛客户需求的创新产品。传统上，为了支持创新设计，模糊概念阶段长期以来一直受到启发式设计理念的支持。近年来，新的支持技术已经实现了基于现有数据的收集和重用的概念生成。现有数据可以从各种来源收集；例如，客户评论、历史数据，或通过研究现有产品或其他工业资产（如生产机器和工具）。最近，数字孪生 (DT) 的概念引起了广泛关注，作为构建物理资产的高保真数字副本并研究其形状、位置、姿态、状态和运动的一种手段。DT 的共同目标是支持可以支持性能预测和优化的系统行为的现实模型。然而，在概念阶段提供足够的支持时，现实模型变得沉重且成本高昂。虽然新兴的数据驱动设计方法可用于生成具有变更的设计，但在概念阶段缺乏对生成和评估解决方案的支持。本文提出了一个数字平台孪生 (DPT) 框架来填补这一空白。与单一的高保真数字表示相比，DPT 建立在将多个高保真数字孪生抽象为
微裂纹和宏观裂纹的形成 - 船舶结构委员会
长度为一个晶粒直径数量级的解理微裂纹的形成被认为是断裂的初始步骤。假设解理所需的应力集中由厚的滑移带或孪生带提供，并计算这些屈服带的临界宽度。例如，在晶粒半径为 10-2cm 的铁中，临界滑移带宽度为 2 x 10-scm，该值与微裂纹附近的观察结果相一致。裂纹形成的第二阶段涉及微裂纹的半连续扩展，以形成不稳定的宏观裂纹。我们假定平面应变断裂发生在前进裂纹前方的屈服区域形成厚滑移带的条件下。需要做功来扩展初始微裂纹，并且该增量功用于计算线性断裂力学中所需的裂纹扩展力 GC。对于铁，微裂纹扩展力 'y 计算为 5 x 103 达因/厘米，GC 的最小值计算为 2.5 x 106 达因/厘米。这种方法强调了断裂所需的三个条件：1）应力和屈服带宽度的组合足以引起局部解理；2）系统中有足够的机械能来扩展裂纹；3）起始应力的临界值的发展，以便继续裂纹扩展。
factsh eet
1。新加坡和马来西亚于2025年1月7日在马来西亚 - 辛格拉索领导人的撤退中交换了Johor-Singapore经济经济特区（JS-SEZ）的协议。该协议是由副总理兼贸易和工业部长Gan Kim Yong和马来西亚经济部长Rafizi Ramli签署的。马来西亚总理Yab Dato'Seri Anwar Ibrahim和总理Lawrence Wong见证了交流。2。JS-SEZ协议旨在加强Johor和新加坡的价值主张，以通过（a）改善新加坡与Johor之间的跨境商品连通性共同竞争全球投资； （b）实现人民的自由运动； （c）加强该地区的业务生态系统。新加坡的公司可以通过扩大海外的业务和孪生业务运营，利用新加坡和柔佛提供的互补优势来从这种增强的商品和人员的连接性中受益。协议的关键要素3。MTI和马来西亚经济部的联合声明（附件A）概述了JS-SEZ协议的详细信息，包括（a）JS-Sez地区； （b）合作的关键领域和（c）具体计划。早期倡议4。新加坡和马来西亚已经根据业务反馈发起了几项早期计划，以向JS-Sez建立。这些包括：
使用数字孪生进行预测性维护 - WUR eDepot
背景：预测性维护是一种创建更可持续、更安全、更有利可图的行业的技术。创建预测性维护系统的关键挑战之一是缺乏故障数据，因为机器经常在故障前进行维修。数字孪生提供物理机器的实时表示并生成预测性维护算法可以使用的数据（例如资产退化）。自 2018 年以来，关于将数字孪生用于预测性维护的科学文献数量激增，这表明需要进行彻底的审查。目标：本研究旨在收集和综合专注于使用数字孪生进行预测性维护的研究，为进一步的研究铺平道路。方法：使用主动学习工具对已发表的使用数字孪生进行预测性维护的主要研究进行系统文献综述 (SLR)，其中分析了 42 项主要研究。结果：本 SLR 确定了使用数字孪生进行预测性维护的几个方面，包括目标、应用领域、数字孪生平台、数字孪生表示类型、方法、抽象级别、设计模式、通信协议、孪生参数以及挑战和解决方案方向。这些结果有助于在学术界和行业中使用数字孪生开发预测性维护的软件工程方法。结论：本研究是预测
视觉类比的两种计算方法：任务‐......
人工智能的发展提出了一个关于人类智能的基本问题：人类推理是通过应用从丰富的先前经验中获得的任务特定知识来最好地模拟的，还是基于领域通用的心理表征操纵和比较？我们针对视觉类比推理的情况来解决这个问题。使用熟悉的三维物体（汽车及其零件）的真实图像，我们系统地操纵视觉类比问题中的视点、零件关系和实体属性。我们将人类的表现与两种最近的深度学习模型（孪生网络和关系网络）的表现进行了比较，这两种模型直接经过训练来解决这些问题并将其任务特定知识应用于类比推理。我们还通过将领域通用的映射程序应用于汽车及其零部件的学习表征，开发了一个使用基于零件的比较 (PCM) 的新模型。在四项类比（实验 1）和开放式类比（实验 2）中，领域通用的 PCM 模型（而非特定任务的深度学习模型）在关键方面产生了与人类推理者相似的性能。这些发现证明，通过将大数据的深度学习应用于特定类型的类比问题，不太可能实现类似人类的类比推理。相反，人类确实（并且机器可能）通过学习对多个任务有用的结构信息进行编码的表示，再加上关系相似性的高效计算来实现类比推理。