XiaoMi-AI文件搜索系统
World File Search System实时操作
CAV 传感器可靠性测试框架...
1. 定义 以下业界认可的术语和定义适用于本文件。 自动驾驶系统 (ADS) 无论是否限于特定的操作设计领域，均能够共同持续执行动态驾驶任务的硬件和软件 自动驾驶系统实体 (ADSE) 提出自动驾驶系统授权使用并负责其安全的组织或个人 联网自动驾驶汽车 (CAV) 至少在某些情况下或情况下，设计或改装为能够在英国的道路或其他公共场所安全自动驾驶的车辆。动态驾驶任务 (DDT) 在道路交通中安全驾驶车辆所需的实时操作和战术功能 边缘情况 罕见但合理的场景内独立参数值 操作设计域 (ODD) 特定驾驶自动化系统或其功能专门设计用于运行的操作条件 场景 对驾驶情况的描述，包括相关参与者、环境、目标和事件序列 传感器融合 结合来自多种传感器类型的信息以提高性能的过程，而不是从单一传感器类型获得的性能 模拟 用于测试组件、系统或人类行为的计算机生成的环境 验证方法，通过该方法可以毫无疑问地证明 e
提供辅助服务
独立安装和与太阳能光伏装置一起安装的电池储能系统 (BESS) 不仅可用于储存太阳能电池板产生的多余电力。BESS 可由能源管理系统 (EMS) 智能管理，该系统使用 BESS 资源提供多种辅助服务。本研究的假设是，通过优化 BESS 资源在本地负载调峰和通过储备市场提供频率调节服务之间的分配，可以从现有资源中产生附加价值。在本论文过程中设计的 EMS 由两个主要部分组成，首先是预测模块，它预测并提出建议，以量化不确定性提供 BESS 的每小时服务；其次是实时操作模块，它接受来自预测模块的建议并调度必要的服务，同时纠正来自预测模块的不确定性。EMS 的预测模块通过 Öckero 溜冰场案例研究进行测试。在案例研究中，本地调峰通过将测试日的峰值功率削减 21%，减少了需求部分，从而节省了每月电价的 9.5%。EMS 还可以通过在备用市场上为测试日的三个小时时段预留容量，通过频率调节来创造利润。
量子功率流-NSF -PAR-国家科学基金会
I. i ntroduction t辐射工具用于现代电力系统的实时操作，例如概率功率流，n-x安全筛选和蒙特卡洛方法，仍然是棘手的问题。功率流方程，如果通过经典的直接迭代算法求解，则随时间缩放为N×N系统的O（n）[1]。然而，需要大量的重复流量计算来分析不确定性的影响（例如，分布式能源的输出，消失的需求以及随机的失败或故障或故障）通过概率的方法（例如概率的功率流动），从而无法满足实时操作的方法，从而无法满足实时操作的需求[2]。从理论上讲，量子计算算法可以使用无嘈杂的量子计算机在经典方法上实现指数加速[3]，[4]。这项工作是利用量子至高无上的第一次尝试来解决与电源计算相关的棘手的挑战。关键创新是通过改进的Harrow-Hassidim-lloyd（HHL）[5]算法来构建实用的量子功率流（QPF）模型和求解器。这封信展示了QPF的潜力，有可能满足电源流量计算的不断增长，并支持快速有弹性的电力系统操作。
自动头盔和数字检测系统
摘要 - 自动头盔和数字检测系统是现代交通管理和执法部门的最前沿。利用尖端的计算机视觉和机器学习技术，这些系统提供了摩托车骑手戴的头盔的实时标识和跟踪车辆上的头盔。此摘要概述了它们的意义，工作原则以及对道路安全的影响。这些系统旨在通过迅速识别和解决违规行为来提高道路安全。对于头盔，他们检测到骑手没有戴防护头饰的实例，使当局能够执行安全法规。另一方面，数字识别通过协助车辆识别，跟踪和事件调查来支持执法。自动检测系统的效率在于其实时操作，减少响应时间和人为错误的风险。此外，它们促进了数据收集，这对于流量分析，监视和决策可能是无价的。挑战包括确保高准确性，在不同条件下的鲁棒性以及对不同情况的适应性。持续的研发工作旨在提高这些系统的可靠性和有效性。随着技术的进步，自动头盔和数字检测系统有望在增强道路安全和交通管理方面发挥越来越重要的作用。在现代世界中，他们为更安全的道路和更有效的执法能力至关重要。关键字：头盔检测，数字检测，摩托车，卷积神经网络（CNN），安全性，深度学习
使用边缘进行视觉定位、映射和重建
视觉导航是机器人技术中的基本问题之一。在过去十年中，这一领域取得了许多重要贡献。截至目前，基于特征点的方法最为流行。虽然这些方法在许多应用中都取得了成功，但无纹理环境对于这些方法来说可能存在很大问题，因为在这些场景中可靠的特征点数量通常很少。尽管如此，边缘可能仍然大量可用，但却未被使用。在本论文中，我们提出了互补的基于边缘的方法，用于视觉定位、映射和密集重建，这些方法在理论上最小的场景配置中仍可运行。从稀疏立体边缘匹配开始，我们提出了两种具有不同性能/效率权衡的技术，它们都针对实时操作。除了与流行的密集立体技术进行比较之外，我们还将这些算法与我们对基于线段的立体方法的有效改编进行了比较。谈到立体视觉里程计，我们提出了一种基于线段的重新投影优化方法，该方法能够在无纹理环境中发挥作用，而经过验证的最先进的基于特征点的方法则无法发挥作用。我们认为，我们的方法甚至可以应对理论上最小的情况，即仅由两个非平行线段组成。然后，我们将这种方法扩展为基于完整线段的同时定位和映射解决方案。使用捆绑调整，我们能够
eVTOL 的剩余使用寿命数字阴影......
数字阴影能够成功模拟电机的速度和 q 轴电流调节。这种精确的响应确保了数字阴影为 RUL 模型提供的输入与真实组件所经历的输入相当。瞬态模型和硬件响应之间的一致性如图 2 所示。仅从负载和速度设定点，瞬态模型就能够准确预测电机的速度、扭矩和功率响应。然后使用这些计算出的量作为输入来确定关键系统组件的 RUL。数字阴影能够根据操作条件动态更新 RUL 估计，如图 3 所示。这种一致性凸显了数字阴影在镜像实时操作和估计不同操作条件下的组件寿命方面的有效性。这种数字阴影的一个重要方面是它对电机的 RUL 估计的动态适应，这显示出对操作变化的高度响应。当电机在 100 秒内改变速度时，这种反馈尤为明显。图 3 中 RUL 图的斜率降低捕捉到了这一事件，速度降低后，图的后半部分电机扭矩也相应下降。这种响应能力对于维护和运营策略的实时监控和决策至关重要，将数字阴影定位为 eVTOL 动力系统管理的宝贵预测工具
通过化学微传感器阵列进行实时边缘神经形态品尝
液体分析是跟踪食品、饮料和化学制造等行业是否符合严格的工艺质量标准的关键。为了在线并在最感兴趣的点分析产品质量，自动监控系统必须满足小型化、能源自主性和实时操作方面的严格要求。为了实现这一目标，我们介绍了在神经形态硬件上运行的人工味觉的第一个实现，用于连续边缘监控应用。我们使用固态电化学微传感器阵列来获取多变量、随时间变化的化学测量值，采用时间滤波来增强传感器读出动态，并部署基于速率的深度卷积脉冲神经网络来有效融合电化学传感器数据。为了评估性能，我们创建了 MicroBeTa（微传感器味道测试），这是一个用于饮料分类的新数据集，包含 3 天内进行的 7 小时时间记录，包括传感器漂移和传感器更换。我们实现的人工品味在推理任务上的能效比在其他商用低功耗边缘 AI 推理设备上运行的类似卷积架构高出 15 倍，在 USB 棒外形尺寸中包含的单个英特尔 Loihi 神经形态研究处理器上实现了比传感器读数采样周期低 178 倍以上的延迟和高精度（97%）。
在...
发展最快的BCI部门之一是基于脑电图（EEG）的脑部计算机界面（BCI）。这项技术有可能超越其最受欢迎的医疗应用。汉斯·伯格（Hans Berger）的研究和发现，他在1924年发现可以从头皮中检测到人脑的电信号，这使人使用了脑电图（Chorlian等，1995）。第一个发现用基本的电力计（Abdulkader et al。，2015）进行了使用该技术测量大脑活性的能力。电极应用于头皮，以检测神经元树突突触激发期间电活动电流引起的脑活动。从那时起，已经确定了更多类型的脑电波以及与它们相关的精神状态。通过在大脑和外部装置之间创建通道，脑电图系统可以读取受试者认知状态的某些元素的生物信号并破译某些元素（Houssein等，2022）。使用BCI系统，用户几乎可以通过EEG系统实时操作外部执行器。使用基于EEG的BCI应用程序，一个人可能只用自己的想法操作计算机或其他设备，从而消除了使用手的典型计算机操作技术的需求（Han等，2019）。基于脑电图数据的BCI应用可能会用于跟踪受试者的情绪，认知和嗜睡水平（Venkatasubramanian等，2008）。
加拿大环境和气候变化的模块化数据同化系统（MIDAS v3.9.1）
摘要。根据其功能范围，模块化软件设计，并行化策略以及实时操作和实验系统中的当前用途来描述模块化和集成的数据同化系统（MIDAS）软件（版本3.9.1）。MIDAS是在加拿大环境和气候变化上开发的，用于运营和研究应用，包括加拿大运营数值天气预测系统的所有大气数据同化（DA）元素。MIDAS的描述范围是加拿大预测系统的一部分，该系统于2024年6月投入运营。该软件被签署为有足够的一般通用，以启用其他DA应用程序，包括大气成分（例如臭氧），海冰和海面温度。除了描述当前的MIDAS应用外，还提供了来自这些系统的结果的样本，以证明其性能与从切换到使用MIDAS软件或其他数字天气预测（NWP）中心的任何一个系统相比。The modular software design also allows the code that implements high-level com- ponents (e.g.observation operators, error covariance matri- ces, state vectors) to easily be used in many different ways depending on the application, such as for both variational and ensemble DA algorithms, for estimating the observation impact on short-term forecasts, and for performing various observation pre-processing procedures.将单个常见的DA软件包用于地球系统的多个组成部分，提供了实用和科学的材料，包括促进未来对DA ap aperaches的研究，这些研究明确包括耦合的连接，包括 -
通过物理增强动态模式分解方法启用具有替代模型的替代预后学
计算模型提供了评估和预测物理系统健康和性能的基本定量工具。但是，由于其时间密集型的性质，高实现模型很少用于实时操作或大型优化循环。提高预后计算效率的一种常见方法是采用表面模型。这样的模型可以显着减少计算时间，以获得一些准确的损失。在这种情况下，提出了动态模式分解（DMD）的使用，以对锂离子（Li-ion）电池电量进行替代模型。dmd，但是尚未应用于PHM域，在PHM域中，非线性行为的远面预测对于传播断层或剩余有用的使用寿命至关重要。对于锂离子电池健康管理，DMD的标准应用仅使用可观察到的兴趣量无法捕获实验室测试中展示的电池的非线性排放。Koopman理论提供了一种机制，可以通过将非线性状态变量扩展到系统表示中，以在DMD框架中以高维线性模型进行高维线性模型进行交易。通过这种方式，DMD允许根据Koopman运算符的维度提供可配置的模拟精度。为了进行电池健康管理，我们使用了更高的物理模型的隐藏状态增强了可观察到的变量，以构建DMD代理。与高实现模型相比，替代物提高了计算效率，仅损失准确性，并实现了长期prog-