XiaoMi-AI文件搜索系统
World File Search System性能预测
锂离子电池性能预测的结束
地址是 ifwang027@gmail.com。Tseng 博士是国立清华大学统计研究所教授。他的电子邮件地址是 sttseng@stat.nthu.edu.tw。Lindqvist 博士是挪威科技大学数学科学系教授。他的电子邮件地址是 bo.lindqvist@ntnu.no。Tsui 博士是香港城市大学系统工程与工程管理系教授。他的电子邮件地址是 kltsui@cityu.edu.hk。
基于人工智能的混凝土性能预测进展
收到日期 2021年7月24日，接受日期 2021年8月12日 doi:10.3151/jact.19.924 摘要 人工智能技术具有超高维非线性计算能力、智能综合分析判断功能和自学习知识储备表达功能，与经典统计方法生成的经验公式相比，可以释放有形构件与性能指标之间高维非线性关系的潜力。本文总结了用于预测混凝土性能的人工智能算法类型，全面梳理了人工智能技术在预测混凝土力学性能、工作性能和耐久性方面的研究进展，对比分析了算法选择、样本数据和模型构建对混凝土抗压预测系统的影响。分析表明，人工智能技术在预测混凝土性能的测量精度上比常规统计方法具有明显优势，应采用多种算法对模型预测结果进行交叉验证。对于微小数据集，采用支持向量机；对于需要特征优化或离散指数预测的算法模型，应采用决策树进化技术；对于不同的挑战，可采用人工神经网络；为了改进预测模型，提高预测精度，提出了优化特征、集成算法、超参数优化、扩大样本数据集、丰富数据源、数据预处理等措施。
基于脑的驾驶性能预测系统...
Error 500 (Server Error)!!1500.That’s an error.There was an error. Please try again later.That’s all we know.
燃气涡轮发动机性能预测与仿真...
引言 2-1 2.1 固定翼飞机应用的燃气涡轮发动机模拟 2-1 2.1.1 初步设计概要 2-3 2.1.1.1 燃气涡轮概念设计流程 2-4 2.1.1.2 任务发动机或循环选择 2-7 2.1.1.3 控制系统概念定义/评估 2-10 2.1.1.4 燃气涡轮循环设计方法 – 数值优化 2-13 2.1.2 设计和验证概要 2-16 2.1.2.1 技术风险评估 2-16 2.1.2.2 硬件在环 2-22 2.1.2.3 飞机模拟 2-25 2.1.2.4 安装对整台发动机的影响 2-29 2.1.2.5 统计分析 2-32 2.1.3 系统设计和开发概要 2-36 2.1.3.1 性能 2-37 2.1.3.2 可操作性 2-55 2.1.3.3 寿命评估和耐久性 2-60 2.1.3.4 恶劣天气 2-65 2.1.3.5 控制 2-67 2.1.4 认证后和在役支持概要 2-72 2.1.4.1 用户环境 2-73 2.1.4.2 发动机模型的需求和用户要求 2-74 2.1.4.3 发动机健康监测和故障诊断 2-75 2.1.5 固定翼应用的参考资料 2-91 2.2 旋翼飞机应用的燃气涡轮发动机模拟 2-93 2.2.1 历史 2-93
燃气涡轮发动机性能预测与仿真...
性能模型的应用将引起许多读者的初步兴趣，并提供了 22 个示例的详细回顾。它涵盖了从初步设计到在职支持，并包括教育示例。然后，该文件描述了几种完整发动机模型的特点，包括用于实际设计新涡轮发动机及其部件的复杂和详细模型。这些模型通常具有专有性质。所有现代性能模型都在计算机平台上执行，这通常决定了模型的形式或构造，以及执行的方法和速度。其中包括一章描述当前的计算机平台和软件以及可能的未来发展。包括示例可执行性能模型，这是由于报告的电子格式而成为可能的。最后，描述了组件数学建模的几个最新和先进的发展。附录包含模型用户调查的结果，词汇表完善了文档。
燃气涡轮发动机性能预测与仿真...
引言 2-1 2.1 固定翼飞机应用的燃气涡轮发动机模拟 2-1 2.1.1 初步设计概要 2-3 2.1.1.1 燃气涡轮概念设计流程 2-4 2.1.1.2 任务发动机或循环选择 2-7 2.1.1.3 控制系统概念定义/评估 2-10 2.1.1.4 燃气涡轮循环设计方法 – 数值优化 2-13 2.1.2 设计和验证概要 2-16 2.1.2.1 技术风险评估 2-16 2.1.2.2 硬件在环 2-22 2.1.2.3 飞机模拟 2-25 2.1.2.4 安装对整台发动机的影响 2-29 2.1.2.5 统计分析 2-32 2.1.3 系统设计和开发概要 2-36 2.1.3.1 性能 2-37 2.1.3.2 可操作性 2-55 2.1.3.3 寿命评估和耐久性 2-60 2.1.3.4 恶劣天气 2-65 2.1.3.5 控制 2-67 2.1.4 认证后和在役支持概要 2-72 2.1.4.1 用户环境 2-73 2.1.4.2 发动机模型的需求和用户要求 2-74 2.1.4.3 发动机健康监测和故障诊断 2-75 2.1.5 固定翼应用的参考资料 2-91 2.2 旋翼飞机应用的燃气涡轮发动机模拟 2-93 2.2.1 历史 2-93
多动能性能预测的机器学习模型
I.引言多轨道飞行器的领域不断吸引大型航空航天公司的关注，一直到硅谷的风险资本支持初创公司。在过去的10年中，仅在城市空气流动部门中就提出了700多种概念设计[1]。这些车辆的潜在效用仍在探索和扩展。NASA最近参与了二十年的概念设计后的多旋动配置进行行星探索的设计和使用[2-6]。许多概念设计仅存在于纸张或草图上，但是有些概念设计在地球上飞行了原型以追求FAA认证，而其他一些则在不同的行星上飞行[7-9]。多局部飞机技术也在其他部门（例如商业爱好无人机市场，甚至军事应用）中继续迅速扩展。尽管多旋转车辆有许多不同的配置，但是许多设计的基本组件是一致的。大差异化器归结为车辆控制方法，以实现所需的响应，即使用叶片集体和循环控制或控制固定式转子转子的速度。这些多旋转飞机中有许多使用第二种方法，更具体地说，可以将其归类为刚性，固定式，RPM控制的转子。这与传统的旋翼运营非常不同，因此，在这些车辆的设计和分析中为新技术打开了大门。最近的几项作品试图增加对这些多旋转系统的知识和理解。
GAAD和ASAP评分的比较性能预测
33100 Udine，意大利； 8 SCDU传染病，Amedeo di Savoia医院，ASL城市都灵，意大利10149都灵； 9 II II二世，Luigi Sacco Hospital，Asst Fatebenefratelli Sacco，意大利米兰； 10坎帕尼亚大学“ Luigi vanvitelli”的精密医学系肝胃肠病学系，意大利那不勒斯； 11医学和外科科学系，感染性疾病部门，意大利福吉亚大学； 12医学和外科科学系，传染病部门，“母校Studiorum”博洛尼亚大学，S。Orsola-Malpighi医院，意大利博洛尼亚； 13肝脏和胆道系统部门临床医学和外科系，那不勒斯大学“费德里科二世”，意大利那不勒斯； 14 IRCCS基金会“ CASA遭受痛苦的救济” 14肝单位，意大利圣乔瓦尼·罗托登多； 15 IRCCS Humanitas Research Hospital，意大利密苏里州Rozzano的IRCCS Humanitas Research Hospital胃肠病学系内科和肝病学系； 16意大利安科纳市马尔马尔市理工大学传染病与公共卫生研究所； 17意大利帕多瓦大学医学系内科和肝病学部门（UIMH）；意大利布林迪西市布林迪综合医院的内科医学单元18； 19
基于历史趋势和化学的电池密钥性能预测
• Li-Metal promising due to high energy density, low pack knockdown factor • No history at these sizes to project • Li-ion Silicon viewed as natural evolution of the Li-ion battery • Projections based on max state-of-art value provided in the year • Li-S is under consideration by EAP, however only low C rates have been achieved • Looking for trends in individual chemistry (“S-Curve”), gathering info about theoretical max
用于圆柱形电池设计和性能预测的机器学习软件
本报告是由美国政府某个机构资助的工作报告。美国政府及其任何机构、巴特尔纪念研究所或其任何雇员均不对所披露的任何信息、设备、产品或流程的准确性、完整性或实用性做任何明示或暗示的保证，或承担任何法律责任或义务，或保证其使用不会侵犯私有权利。本文中对任何特定商业产品、流程或服务的商品名、商标、制造商或其他方面的引用并不一定构成或暗示美国政府或其任何机构或巴特尔纪念研究所对其的认可、推荐或支持。本文中表达的作者的观点和意见不一定代表或反映美国政府或其任何机构的观点和意见。