XiaoMi-AI文件搜索系统
World File Search System插电式
基于软演员-评论者算法的插电式混合动力汽车能量管理策略
摘要：插电式混合动力汽车（PHEV）配备多个动力源，为满足驾驶员的动力需求提供了额外的自由度，因此通过能量管理策略（EMS）合理分配各动力源的动力需求，使各动力源工作在效率区，对提高燃油经济性至关重要。本文提出一种基于软演员-评论家（SAC）算法和自动熵调节的无模型EMS，以平衡能量效率的优化和驾驶循环的适应性。将最大熵框架引入基于深度强化学习的能量管理，以提高探索内燃机（ICE）和电动机（EM）效率区间的性能。具体而言，自动熵调节框架提高了对驾驶循环的适应性。此外，通过从实车采集的数据进行了仿真验证。结果表明，引入自动熵调节可以有效提高车辆等效燃油经济性。与传统EMS相比，该EMS可节省4.37%的能源，并且能够适应不同的驾驶循环，并能将电池的荷电状态保持在参考值。
四轮驱动插电式混合动力汽车双自适应等效油耗最小化策略
摘要：能量管理策略对于发挥四轮驱动插电式混合动力汽车（4WD PHEV）的节能效果至关重要。针对4WD PHEV中复杂的多能量系统，提出一种新的双自适应等效消耗最小化策略（DA-ECMS）。该策略通过引入未来驾驶工况类别来调整等效因子，提高驾驶工况的适应性和经济性，优化多能量系统的管理。首先，采用自组织神经网络（SOM）和灰狼优化器（GWO）对驾驶工况类别进行分类，离线优化多维等效因子；其次，采用SOM进行驾驶工况类别识别，并匹配多维等效因子；最后，DA-ECMS完成前轴多能源与电驱动系统的多能量优化管理，释放4WD PHEV的节能潜力。仿真结果表明，与基于规则的策略相比，DA-ECMS经济性提高了13.31%。
植入式柔性神经微电极最新进展
∗ 基金项目 : 科技创新 2030“ 脑科学与类脑研究 ” 重大项目 (2022ZD0208601), 国家自然科学基金 (62076250,62204204), 陕西
插电式燃料电池电动汽车储能系统的最佳尺寸，平衡成本、排放和老化
本研究调查了插电式燃料电池电动汽车 (PFCEV) 的储能系统 (ESS) 的最佳尺寸，同时考虑了技术、经济和环境挑战。主要目标是最大限度地降低生命周期成本 (LCC) 和运营成本，同时减少二氧化碳排放并保持电力系统的耐用性。PFCEV 的 ESS 包含三个核心组件：电池、质子交换膜燃料电池 (FC) 系统和超级电容器 (SC)。性能评估涉及对车辆运行参数的严格约束，并按照城市测功机驾驶时间表 (UDDS) 进行模拟。本研究的一个显著贡献是实施了双循环优化技术，使用二次规划 (QP) 和遗传算法 (GA) 来确定尊重指定约束的可行解空间。总之，研究结果为 PFCEV ESS 的最佳尺寸提供了宝贵的见解和建议。对不同 PFCEV、燃料电池汽车 (FCV) 和电池电动汽车 (BEV) 进行的比较分析表明，PFCEV 具有明显的优势。最后，对各种氢气类型的敏感性分析表明，需要降低生产绿色氢气的成本，以提高其经济可行性和运营效率。
生成式AI 进军基因编辑领域
发表在预印本服务器bioRxiv 上 的论文尚未经过专家同行评审。预 计下个月，该公司将在美国基因和细 胞治疗学会年会上提交这篇论文。 与此同时，OpenCRISPR-1 或其变体 在多种生物体（包括植物、小鼠和人 类）中是否都能发挥作用还有待证 明。此外，技术的伦理和安全问题也 需要考虑。但令人兴奋的是，这些突 破性成果为生成式AI 开辟了一条新 途径，将对医学和健康领域产生广泛 影响，有望从根本上改变人们的基因 蓝图。
K-12 人工智能教育的非插电作业
不需要技术的计算机科学 (CS) 教育资源在计算机教育中变得有价值，原因多种多样，包括成本低、易于实施、结合物理/体现交互以及通常具有趣味性 (Nishida 等人，2009 年)。受这些“CS Unplugged”材料的启发 (Bell、Rosamond 和 Casey，2012 年)，过去一两年内开发了一些现有的不需要技术的 AI 教育在线资源。Ali 等人开发了一门针对 AI 伦理的非插电中学课程 (Ali、Payne、Williams、Park 和 Breazeal，2019 年)，Lindner 等人。已经开发了一个六课时的非插电课程，用于教授决策树和强化学习等概念（Lindner、Seegerer 和 Romeike，2019 年）。最近，一些其他未正式发布的非插电 AI 资源已作为课程计划在线提供（Microsoft，n.d.；Group，n.d.；Krueger，n.d.；Seegerer 和 Lindner，n.d.）。
代码插电活动包的代码小时
进行用户的操作，例如按钮的按钮或鼠标的单击。当您触摸平板电脑上的屏幕滚动时，这是一个事件。按下控制器上的按钮播放视频游戏时，该按钮也是一个事件！在本课程中，您将使用纸质控制器为您的家人编排舞蹈。
基于深度学习预测的可重构微电网中插电式混合动力汽车的随机建模与集成
摘要 —本文研究了插电式混合动力汽车 (PHEV) 的不协调、协调和智能充电对微电网 (MG) 优化运行的影响，并结合了动态线路额定值 (DLR) 安全约束。当配电线路达到最大容量时，DLR 约束（尤其是在孤岛模式下）会影响 MG 馈线的载流量。为了克服任何线路中断或应急情况，智能 PHEV 可用于帮助提高电网安全性。但是，使用 PHEV 会导致更高的功率损耗和馈线过载问题。为了解决这些问题，本文采用了一种重构技术。一种启发式算法（称为基于集体决策的优化算法）用于克服问题的非凸性和非线性。采用无迹变换技术来模拟由太阳辐射、负载需求和天气温度引起的 DLR 不确定性，以及由不同的充电策略、正在充电的 PHEV 数量、充电开始时间和充电持续时间引起的 PHEV 不确定性。此外，设计了一种深度学习门控循环单元技术来预测可再生能源输出，以减轻可再生能源组件中的不确定性。部署了经过修改的 IEEE 33 总线测试网络来评估所提模型的效率和性能。
基于KECA-GRNN的风电机组齿轮箱状态监测与健康评估
收稿日期 ： 2020-01-03 基金项目 ：国家自然科学基金（ 61763037 ）；内蒙古自然科学基金（ 2019LH06007 ）；内蒙古自治区科技计划（ 2019 ， 2020GG0283 ） 通信作者 ：齐咏生（ 1975 —），男，博士、教授，主要从事风电机组状态监测与故障诊断方面的研究。 qys@imut.edu.cn
