XiaoMi-AI文件搜索系统
World File Search System实时模拟
用于分布式能源协调控制的云边缘托管数字孪生
摘要 —本文提出了一种基于云托管和边缘托管的分布式能源 (DER) 数字孪生 (DT) 实现分布式能源 (DER) 协调控制的新方法。随着可再生能源的大规模整合，DER 在支持电力系统频率调节方面发挥着越来越重要的作用。然而，由于 DER 的能力和特性存在显著差异，DER 的个体和不协调响应可能导致整体响应效率低下，并产生不良特征，例如响应缓慢、严重超调等。因此，DER 的协调对于确保理想的总体响应至关重要。传统的集中式或分布式方法的一个主要缺点是它们严重依赖实时通信。本文通过应用可在云中托管的 DT 来解决集中式控制方法和可在边缘托管的分布式方法的挑战，以最大限度地减少对实时通信的需求，同时能够实现 DER 之间的整体协调。使用真实的实时模拟测试设置验证了所提出的基于 DT 的协调控制，结果表明，基于 DT 的协调控制可以显著改善聚合 DER 的响应，从而在意外事件期间为电网提供有效支持。
具有多级功能的RRAM设备增强的紧凑型模型的波浪数字仿真
索引术语 - RRAM，1T-1R，建模，波浪数字化效果，回忆系统，Neuromorhpic摘要 - RRAM DECICES的可靠而紧凑的建模对于支持包括它们在内的新技术的发展至关重要。后者包括广泛的应用，例如神经形态网络中的内存计算或熟悉逻辑。所考虑的基于HFO 2的RRAM设备的主要优势是它们的CMOS兼容性，这使它们可以在当前的应用中使用。但是，RRAM的一个问题是它们的制造仍然导致设备的变化。这使得以实验方式测试有抱负的技术的功能是一项挑战。这项工作致力于1T-1R RRAM设备的紧凑建模和有效的设备。具体来说，我们旨在基于Stanford-PKU模型提供增强的模型，该模型可在任何模拟平台上使用，例如Spice，Verliog-A，甚至是标准ODE求解器，以模拟多级功能的RRAM设备。此外，我们基于Wave数字概念提供了一个算法模型，该模型允许实时模拟所考虑的RRAM设备。使用后者，我们展示了增强模型的滞后，以表现出与实际设备测量值的惊人相似之处。
全 0 千米水面 AUV 实时飞行模拟
具有挑战性的机动，涵盖整个 0 ◦ –360 ◦ 飞行范围。此类 AUV 可受益于海洋生产、环境感知和安全等新用例，通过实现对接、检查或冰下作业的新功能。为了进一步探索它们在这些场景中的能力，必须能够在整个包络线上模拟它们的飞行动力学，其中包括强非线性效应和大攻角下的湍流。利用准确、高效的仿真模型，可以生成新的水上机动并制定控制策略。因此，本文提出了一种实时高效、准确地模拟水上机动的策略。通过结合分析、半经验和数值方法，合成了一个多保真流体动力学数据库，从而捕捉整个包络线上的流体力和力矩。组件构建工作流用于使用从数据库生成的查找表来组装非线性飞行动力学模型。该模拟模型用于执行高级水上机动的实时模拟。模拟结果与文献和实验结果一致，并且模拟器在设计新机动和控制策略时可作为开发工具使用。
使用模糊逻辑和HIL模拟器
1通讯作者：dsbsrm@gmail.com收到：2023年5月9日修订：2023年6月28日接受：2023年7月13日出版：2023年7月21日摘要 - 铅酸电池的性能和健康，用于自动，工业和可再生能源系统等各种应用中的铅酸电池的性能和可再生能源系统的运营效益和实量效益和实地效益。实时监控电池健康的性能可防止故障并延长电池寿命。本文建议使用模糊逻辑控制器和硬件（HIL）模拟器进行铅酸电池实时监控系统的健康和性能。所提出的系统测量关键电池参数，例如电压，电流和温度。它使用模糊的逻辑算法处理这些数据，以计算电池的充电状态（SOC）和健康状况（SOH）。HIL模拟器提供了一个虚拟平台，用于实时测试和验证系统。调查结果表明，提出的方法可以产生可靠的电池SOH估计值，这使其成为各种应用中实时电池监视的有前途的解决方案。关键字 - 模糊逻辑控制器，HIL实时模拟，铅酸电池，充电状态，健康状况。
数据驱动的供应链操作 - 邮政物流的试验案例和跨境优化势
摘要：根据跨境交付的定义挑战，设计了一个基于新数字技术集成以评估邮政部门中的过程优化潜力的试点实验。根据数字表示，研究了特定的事件处理。通过集成认知顾问的集成，并通过KPI的监视来模拟各种事件。业务环境正在迫使物流公司优化其交付流程，集成新技术，改善其性能指标并朝着物流4.0迈进。他们的主要目标是同时降低成本，环境影响，交付时间和路线长度，并提高客户满意度。该试验实验证明了实时进行过程优化的新数字技术以管理盘中变化的整合。邮政运营商可以提高灵活性，引入新服务，将利用率提高高达50％，并将成本和路线长度降低12.21％。认知顾问通过使用复杂的数据分析来基于现有的交付基础架构并改善业务流程来管理供应链中断，从而使物流未来显示出巨大的潜力。基于认知顾问在邮政传递中的集成的实时模拟方法，以一种新颖的实时模拟方法来识别研究独创性。
基于数字双胞胎的机器用于罂粟机器人的运动控制...
智能制造的关键组成部分是第四次工业革命时代的中心概念，由数字双技术，AI和计算机视觉技术组成。在这项研究中，这些技术被用来管理罂粟机器人，这是一种用于教育和研究目的的人形机器人。数字双胞胎创建了一个虚拟环境，能够对机器人动作进行实时模拟，分析和控制。机器人的数字双胞胎是使用3D开发程序Unity构建的。运动数据是在模拟虚拟机器人的物理结构和运动时捕获的。然后将这些数据馈送到基于张量的深神经网络中，以生成一个回归模型，该模型根据机器人手的位置预测运动旋转。通过将此模型与基于Python的机器人控制程序集成，可以有效地管理机器人的运动。此外，使用OpenPose（一种计算机视觉算法）控制了机器人，该算法预测了人体上的特征点。从2D图像中收集了人类关节点的位置数据，并根据此数据计算运动角度。通过在实际机器人上实施这种方法，可以使机器人复制人类运动。
使用数字双技术的公共空间安全管理
摘要 - 作为当今世界中公共空间的安全仍然是一个关键问题，近年来，数字双技术技术已成为检测和预测潜在的未来威胁的有前途的解决方案。使用Flexsim仿真软件，应用的方法利用了希腊雅典一个地铁站的数字双胞胎。该模型包括关注点和乘客流，并设置其相应的参数。这些元素会影响，并允许模型在各种情况下对车站的安全管理提供合理的预测。实验测试是通过监视摄像机的不同配置和相机角度的优化进行的，以评估空间监视设置的有效性。结果表明，监视摄像机的战略定位及其角度的调整显着改善了可疑行为的检测，并且通过使用DT，可以评估不同的情况并找到每种情况的最佳相机设置。总之，本研究强调了数字双胞胎在实时模拟和数据驱动的安全管理中的价值。拟议的方法有助于为公共空间开发智能安全解决方案，并为威胁检测和预防提供了创新的框架。索引条款 - 数字双胞胎，公共空间安全，威胁场景，监视系统
基于FOPDT模型和CHR方法的飞轮储能集成微电网控制
孤岛微电网中频率不稳定或振荡的主要原因是负载不稳定和分布式发电机组 (DGU) 的功率输出变化。可再生能源供电的孤岛微电网系统面临的一个重大挑战是保持频率稳定性。为了解决这个问题，本文设计了一种比例积分微分 (PID) 控制器。首先，通过结合各种 DGU 和飞轮储能系统 (FESS) 构建孤岛微电网模型。此外，考虑 FESS 和 DGU 的一阶传递函数，得到一个线性化传递函数。该传递函数进一步近似为一阶加时间延迟 (FOPTD) 形式，以设计高效且易于分析的 PID 控制策略。使用 Chien-Hrones-Reswick (CHR) 方法评估 PID 参数，用于设定点跟踪和 0% 和 20% 超调的负载扰动抑制。与其他讨论的调整方法相比，用于 20% 超调的负载扰动抑制的 CHR 方法成为首选。所讨论方法的有效性通过频率分析和瞬态响应得到证明，并通过实时模拟得到验证。此外，表格数据呈现了调整参数、时域规范和比较频率图，支持了所提出的调整方法对所提出的孤岛模型的 PID 控制设计的有效性。
1简介-Iris re.public@polimi.it
由于航天器的开发和集成成本的减少，星际空间太空任务的数量不断增加，因此有避免操作卫星所需的地面基础设施饱和的冲动。已收到欧洲研究委员会资助的极端项目的目的是通过启用深空自治航天器来解决上述问题。这项工作介绍了Loop实验（Ellop）的前推进器，这是Politecnico di Milano的Dart实验室开发的设施。其目的是测试和验证针对卫星在深空中自动旅行的卫星量身定制的新型引导算法。因此，它应模拟低头推进系统的实际致动，确保产生的推力并将测量值馈送到高保真数值传播器中。值得注意的是，真正的实时模拟需要很长时间：完成行星际转移需要数月甚至几年。极值旨在利用物理系统的缩放模型，并将结果与此后的原始结果相关联。通过原始系统和快速发展的映射，可以在较短的时间范围内执行指导和控制模拟，这将持续几个小时或几天。一旦详细介绍了映射原理，本文描述了eLlout设施的布局和特征，然后概述了在极端框架中开发的指导和控制算法。最后，给出了一些初步结果，并概述了未来的发展。
µSim：一个通过肌肉骨骼建模阐明运动神经控制的目标驱动框架
运动皮层 (MC) 如何在动态环境中从复杂的肌肉骨骼系统产生有目的且可推广的运动？为了阐明潜在的神经动力学，我们使用目标驱动的方法来对 MC 进行建模，将其目标视为控制器，通过期望状态驱动肌肉骨骼系统以实现运动。具体来说，我们将 MC 制定为循环神经网络 (RNN) 控制器，该控制器产生肌肉命令，同时接收来自生物学上准确的肌肉骨骼模型的感觉反馈。鉴于在高级物理模拟引擎中实现的这种实时模拟反馈，我们使用深度强化学习来训练 RNN，以在指定的神经和肌肉骨骼约束下实现所需的运动。训练模型的活动可以准确解码实验记录的神经群体动态和单个单元 MC 活动，同时很好地推广到与训练明显不同的测试条件。同时进行目标和数据驱动的建模，其中我们使用记录的神经活动作为 MC 的观察状态，进一步增强了直接和可推广的单个单元解码。最后，我们表明该框架阐明了神经动力学如何实现灵活控制运动的计算原理，并使该框架易于用于未来的实验。