XiaoMi-AI文件搜索系统
World File Search System平滑
通过平滑学习图上的图形信号处理进行基于 EEG 的运动想象解码
摘要 — 目的：本文提出了一种基于图信号处理 (GSP) 的方法，通过获取任务特定的判别特征来解码两类运动想象脑电图数据。方法：首先，使用图学习 (GL) 方法从脑电图信号中学习特定于受试者的图。其次，通过对每个受试者图的归一化拉普拉斯矩阵进行对角化，获得正交基，使用该基计算脑电图信号的图傅里叶变换 (GFT)。第三，将 GFT 系数映射到判别子空间，以使用由 Fukunaga-Koontz 变换 (FKT) 获得的投影矩阵区分两类数据。最后，对 SVM 分类器进行训练和测试，以根据所得特征的方差来区分运动想象类别。结果：在 BCI 竞赛 III 的数据集 IVa 上评估所提出的方法，并将其性能与 i) 使用由皮尔逊相关系数构建的图上提取的特征和 ii) 三种最先进的替代方法进行比较。结论：实验结果表明，所提出的方法优于其他方法，反映了整合 GL、GSP 和 FKT 元素的额外优势。意义：所提出的方法和结果强调了整合 EEG 信号的空间和时间特征在提取能够更有力地区分运动想象类别的特征方面的重要性。
新型波浪能转换器原型的功率平滑系统的非线性建模与控制
摘要：本文介绍了 SINN Power 开发的波浪能转换器 (WEC) 原型的电气系统控制。由于波浪的运动，产生的电力波动非常大，周期为几秒钟。为了能够使用这种电力，必须对其进行平滑处理。所使用的储能系统 (ESS) 是一个超级电容器组，它直接连接到直流链路。因此，直流链路电压必须根据产生的电力波动，以对电容器进行充电和放电。平滑后的电力用于通过 DC/DC 转换器为电池充电，这通常用于光伏应用。直流链路电压可以通过流过 DC/DC 转换器的电流进行控制，从而产生一个非线性控制系统，并进行稳定性分析以证明该系统安全稳定地运行。给出了在典型海况下对原型的测量结果，结果与模拟结果相符。采用所提出的控制系统，可以保证平稳的功率输出。
含储能系统的风电场单样本最优出力平滑方法
全球环境问题（如全球变暖和化石燃料枯竭）是严重的问题。风力发电作为解决这些问题的方案已在世界范围内受到重视[1]。然而，风力发电机的输出会由于风速变化而频繁且迅速地波动。在拥有大规模风电场 (WF) 的电力系统中，频率和电压等电能质量可能会下降[2–5]。为了避免这种情况，电力公司发布了与 WF 功率波动相关的技术要求。为了缓解功率波动，人们使用了储能系统 (ESS)（如电池或飞轮 [6–8]），如图 1 所示。ESS 的主要问题之一是如何设计控制系统以降低成本。为此，需要一种控制算法来降低 ESS 的额定功率（额定能量容量），因为吸收 WF 输出短期分量的 ESS 的成本主要由额定功率决定。虽然 ESS 的成本也取决于额定能量容量，但它受到 ESS 额定功率（通过所谓的 C 速率）的制约 [9]。此外，虽然 ESS 的充电/放电损耗会影响成本，但尚未详细讨论该问题。已经报道了一些降低额定功率（额定能量容量）的 ESS 控制方法。一阶低通滤波器（FLF）通常用于 ESS 控制系统中，通过消除短期分量来减轻 WF 输出的波动。
研究文章关于岩石隧道平滑爆破质量的影响因素的数值研究
te平滑爆破的质量，包括广泛认为与钻孔方法所发掘的岩石隧道的成本和进步率高度相关的周围岩石的过度/爆炸引起的损坏的体积。由于岩石质量的不确定性和复杂性以及不同的爆破操作，用于平滑爆破的一般控制策略非常困难。作为评估爆破质量的先决条件，对影响平滑爆破的影响力因素的有效识别通常在改善平滑爆破设计的情况下起着重要作用。与昂贵且耗时的实验（包括物理建模和场测试）相比，数值建模，作为一种成本效果方法，是一种有吸引力的替代方法，可以在重量方面调查影响力因素，这可能更适用，并且可以更适用于光滑爆破参数的优化。在这种情况下，可以定量识别主要因素和次要因素。考虑主要因素通常使事物的发展取向；在这项工作中，提出了一种基于数值的方法来定量确定影响平滑爆破质量的主要因素。提出的3维爆破建模基于LS-DYNA，以模拟岩石质量平滑爆破的发生，并且还采用了侵蚀算法来确定接头岩石的破裂。te正交实验设计方法用于优化实验布置。七个具有4个水平的因素，包括外围孔间距，电阻最小，电荷浓度，充电爆炸性，岩石质量类型，爆炸速度和钻孔偏差。te地质环境和项目背景的真正岩石隧道的高速铁路被选为进行数值研究的现场条件。根据观察到的参数表明平滑爆破的质量来确定基于正交实验的范围分析的因素的敏感性，计算出的面积和过度距离。 te结果表明，岩体的类型对爆破质量具有最大的影响，而电荷浓度和爆炸速度可以视为特定部位条件下的次要因素。 te提出的用于评估指定地质条件下平滑爆破质量的影响的数值方法有望改善实际应用中平滑爆破的参数设计和运行。计算出的面积和过度距离。te结果表明，岩体的类型对爆破质量具有最大的影响，而电荷浓度和爆炸速度可以视为特定部位条件下的次要因素。te提出的用于评估指定地质条件下平滑爆破质量的影响的数值方法有望改善实际应用中平滑爆破的参数设计和运行。
模型还原为分段平滑动力学系统中的光谱子手机
越来越多的需求减少复杂的高维二词系统为简单，低维模型产生了许多不同的还原技术（参见Benner等人。[1]，Rowley和Dawson [2]，Ghadami和Epureanu [3]，Brunton等。[4]，Taira等。[5]和Touzé等。[6]用于最近的评论）。在这里，我们专注于这些方法之一的扩展，频谱亚算物（SSM）还原到分段光滑的机械系统。最初针对Haller和Ponsioen [7]的平滑动力系统定义，主要SSM是最平稳的不变流形，与稳定状态下线性化系统的光谱子空间相切，并且具有相同的尺寸。因此，SSM数学上正式化并扩展了Shaw和Pierre [8，9]和Shaw等人在开创性工作中引入的非线性正常模式（NNM）的最初思想。[10]（有关最近的评论，请参见Mikhlin和Avramov [11]）。每当光谱子空间内的线性频谱与该子空间之外的线性频谱之间，SSM在自主和非自治系统中的存在，唯一性和持久性已得到证明（Haller and Ponsioen [7][12]以及Haro和de la llave [13]）。由最慢的线性模式跨越光谱子空间的主要SSM切线吸引了附近的所有轨迹，因此其内部动力学是一种理想的，数学上合理的非线性降低模型。最近的工作揭示了在𝐶∞
文章 使用超级电容器和锂离子电池减少可再生能源波动的电力平滑方法的实验研究
介绍了一种将光伏、风能和水力发电能源与超级电容器和锂离子电池组成的混合储能系统相结合的功率平滑方法（斜坡率和移动平均值）。然后，通过研究混合可再生能源与电网之间的能量流，分析了工业负载的自耗。本文的主要新颖之处在于超级电容器的可操作性。实验结果表明，当应用功率平滑斜坡率方法时，超级电容器的运行周期数少于移动平均法。通过改变可再生能源的容量可以保持这一结果。此外，通过增加光伏和风能可再生能源的容量，混合储能系统只需要更大的超级电容器容量，而通过增加水力涡轮机的容量，电池需求量会大大增加。最后，通过增加水力涡轮机和电池的容量，能源成本和自耗达到最大值。
对有和没有撑杆的非平滑岩石表面之间断裂电导率的实验和数值研究
裂缝电导率的增强对于有效恢复地下资源（例如地热能和石油烃）至关重要。支撑剂，注射到液压裂缝中以保持其电导率的颗粒状材料，主要是在光滑裂缝的背景下（即平滑岩石表面之间的裂缝）进行了研究。然而，地球储层中常见的非平滑裂缝（即，粗糙岩石表面之间的裂缝）很常见，因此需要进一步研究。在这项研究中，我们对具有非平滑表面的页岩板上的断裂电导率进行了实验室测量，并使用晶格玻尔兹曼（LB）方法进行了数值模拟，该方法旨在研究具有和没有预料的情况下的非平滑裂缝的电导率。当陶瓷支撑剂浓度为2 lb/ft 2
通过喷砂和大面积电子束照射相结合的方式对增材制造的 Ti-6Al-4 V 合金进行表面平滑处理
摘要 增材制造 (AMed) 钛产品通常采用电子束熔化 (EBM) 生产，因为在真空环境下可以抑制钛合金表面的氧化。AMed 钛产品的表面粗糙度超过 200 µm Rz，非常粗糙的表面会导致疲劳强度降低。因此，需要后续表面精加工工艺。喷砂是 AMed 金属产品常见的表面平滑工艺之一。它可以降低较大的表面粗糙度，并在表面引入压残余应力。然而，将表面粗糙度降低到几个 µm Rz 是有限的。另一方面，最近发现，通过激光束粉末床熔合生产的 AMed 金属表面可以通过大面积电子束 (LEB) 辐照进行平滑。然而，难以平滑初始表面粗糙度较大的表面，并且表面上可能产生拉残余应力。本研究通过喷砂和 LEB 辐照相结合的方式，实现了 AMed 钛合金 (Ti-6Al-4 V) 的表面平滑和残余应力的变化。通过喷砂和 LEB 辐照相结合的方式，AMed Ti-6Al-4 V 合金的表面粗糙度从 265 µm Rz 显著降低至约 2.0 µm Rz。LEB 辐照降低表面粗糙度的速率随喷砂表面平均宽度的减小而线性增加。平均宽度对 LEB 辐照平滑效果的影响可以通过热流体分析来解释。此外，当 LEB 辐照到喷砂表面时，可以降低 LEB 辐照引起的拉伸残余应力。
用于电磁脑成像的分布式源的稳健经验贝叶斯重建
电磁脑成像是从磁场和电位的非侵入性记录中重建脑活动。这种成像方式的一个持久挑战是估计源的数量、位置和时间过程，特别是对于具有复杂空间范围的分布式脑源的重建。在这里，我们介绍了一种新颖的稳健经验贝叶斯算法，该算法通过两个关键思想可以更好地重建分布式脑源活动：核平滑和超参数平铺。由于所提出的算法建立在稀疏源重建算法 - 香槟的许多性能特征之上，我们将该算法称为平滑香槟。平滑香槟对高水平噪音、干扰和高度相关的脑源活动的影响具有很强的鲁棒性。与基准算法相比，模拟表明平滑香槟在准确确定分布式源活动的空间范围方面具有出色的性能。平滑香槟还可以准确重建真实的 MEG 和 EEG 数据。
用于电磁脑成像的分布式源的稳健经验贝叶斯重建
电磁脑成像是从磁场和电位的非侵入性记录中重建脑活动。这种成像方式的一个持久挑战是估计源的数量、位置和时间过程，特别是对于具有复杂空间范围的分布式脑源的重建。在这里，我们介绍了一种新颖的稳健经验贝叶斯算法，该算法通过两个关键思想可以更好地重建分布式脑源活动：核平滑和超参数平铺。由于所提出的算法建立在稀疏源重建算法 - 香槟的许多性能特征之上，我们将该算法称为平滑香槟。平滑香槟对高水平噪音、干扰和高度相关的脑源活动的影响具有很强的鲁棒性。与基准算法相比，模拟表明平滑香槟在准确确定分布式源活动的空间范围方面具有出色的性能。平滑香槟还可以准确重建真实的 MEG 和 EEG 数据。