简介:火星 2020/“毅力号”探测器携带一套宇航服材料,作为 SHERLOC* 校准目标的一部分 [1]。作为常规校准程序的一部分,SHERLOC 会定期分析这些材料,并生成有关其在火星表面环境中降解情况的丰富数据集。校准织物最大化 (Max-CF) 项目将有效地将 SHERLOC 数据转化为宇航服材料使用寿命的衡量标准,方法是将第二组材料暴露在火星舱中,使用 JSC 的类似 ACRONM** 仪器复制 SHERLOC 测量值,然后进行材料测试(包括拉伸测试)。这些数据可用于指导宇航服设计和/或材料开发,提高未来火星任务的机组人员安全性。这将部分解决 NASA 的战略知识差距 8(火星表面技术),该差距指出需要开发技术以“维持人类在火星表面的生活 [并] 实现人类的流动和探索” [2]。本摘要描述了整个 Max-CF 项目以及迄今为止实验室研究的进展。
摘要 - 本地化是自动驾驶汽车系统的基本要求。自动驾驶汽车定位的最常使用的系统之一是全球定位系统(GPS)。然而,GPS的功能在很大程度上取决于卫星的可用性,这在某些情况下使其不可靠。因此,自动驾驶汽车必须具有自主的自定位功能,以确保其独立运行。探针技术来实现车辆定位。探光仪中采用的一种方法称为车轮频谱。车轮的探光法对周围环境的依赖程度较低,而不是视觉探光和激光探光仪。本研究旨在评估在本地化过程的背景下,自主轮椅的车轮频能测定法实现的性能。采用差分驱动运动模型来确定轮椅的预测姿势。该预测是从轮椅的线性和角速度的测量得出的。已经进行了几项实验,以评估基于车轮的定位的性能。在实验之前,还进行了校准程序,以确保对传感器的准确测量。
摘要 - 在机器人外骨骼控制的领域,准确预测用户的意图至关重要。尽管表面肌电图(EMG)具有这种准确性的潜力,但目前的局限性是由于缺乏可靠的EMG至扭力模型校准程序和普遍接受的模型而产生的。本文介绍了一个实用的框架,用于校准和评估EMG-to-Torquque模型,并伴随着一种新型的非线性模型。该框架包括一个原位过程,涉及生成校准轨迹并随后使用标准化标准对其进行评估。对17名参与者的数据集进行了预期评估,并通过了单关节和多关节条件,这表明,新型模型在保持计算效率的同时,在准确性方面优于其他模型。此贡献引入了一个有效的模型,并建立了用于EMG-TORQUE模型校准和评估的多功能框架,并由可用的数据集进行了补充。这进一步为基于EMG的外骨骼控制和人类意图检测的未来进步奠定了基础。这项工作已提交给IEEE以供可能出版。版权可以在不通知的情况下传输,此后不再可以访问此版本。
摘要 — 基于运动想象的脑机接口 (MI-BCI) 需要校准程序来为新用户调整系统。此过程非常耗时,并且会阻止新用户立即使用系统。由于 MI 信号的主体相关特性,开发独立于主体的 MI-BCI 系统以减少校准阶段仍然具有挑战性。已经开发了许多基于机器学习和深度学习的算法来从 MI 信号中提取高级特征,以提高 BCI 系统对主体的泛化能力。然而,这些方法基于监督学习并提取可用于区分各种 MI 信号的特征。因此,这些方法无法在 MI 信号中找到共同的潜在模式,并且其泛化水平有限。本文提出了一种基于监督自动编码器 (SAE) 的独立于主体的 MI-BCI 来绕过校准阶段。建议的框架在 BCI 竞赛 IV 中的数据集 2a 上得到了验证。模拟结果表明,在九个受试者中的八个中,我们的 SISAE 模型在平均 Kappa 值方面优于传统的和广泛使用的 BCI 算法、常见空间和滤波器组常见空间模式。
智能机器人轮椅已成为有前途的辅助设备,可增强行动不便的人的流动性和独立性。高级传感器系统的成功集成在改善这些轮椅的功能和安全性方面起着至关重要的作用。本文对智能机器人轮椅的高级传感器系统的设计和实施进行了全面审查。通过广泛的文献综述,可以确定现有传感器技术的局限性,并探索了高级传感器的潜力。基于VI的传感器,范围和接近传感器,力和压力传感器,惯性传感器以及环境传感器。此外,本评论重点介绍了实施高级传感器系统涉及的设计构成,硬件组件,软件开发和校准程序。评估和绩效分析指标是讨论的,以评估传感器系统的有效性。研究结果表明,先进的SEN-SENS系统有可能显着增强智能机器人轮椅的功能和安全性。但是,必须解决诸如传感器集成,数据融合和用户反馈之类的挑战。本评论论文通过讨论高级传感器系统在改善轮椅功能和用户体验方面的含义,并提出了该领域研究的未来方向。
越来越担心他汀类药物是治疗冠状动脉疾病的最常见药物之一,可能与新发育II型糖尿病(T2D)的风险增加有关。迄今为止,尚无强有力的证据,表明在服用他汀类药物后是否以及哪种种群确实很容易发生T2D。在本案例研究中,利用合作伙伴健康系统中的生物库和电子健康记录数据,我们引入了一个新的数据分析管道和一种新的统计方法,通过(i)系统地设计严格的因果框架来解决现有的限制,该框架系统地设计了对观察数据中的T2D风险的因果关系,该框架是(II),(ii)在(ii)探讨了T2D风险的因果关系,(II) (iii)通过引导程序校准程序评估最脆弱的亚组的可复制性和统计意义。我们提出的方法在存在高维协变量的情况下提供了最脆弱的亚组的治疗效果的渐近置信区间和依据估计。采用我们提出的方法,我们发现,由于他汀类药物的使用,具有高T2D遗传风险的女性患T2D的风险最高。
1 范围 本报告履行了 iMERA Plus 项目新工业计量技术 (NIMTech) 的交付成果 D3.7 - 多传感器网络验证实验评估报告。本报告描述了基于 NIMTech 交付成果报告 D3.1(1) 中描述的多传感器网络方法的激光跟踪器对准误差校准程序的验证。2 简介 NIMTech 交付成果报告 D3.1(1) [1] 描述了使用多传感器网络测量方法校准激光跟踪器对准误差的实验程序。在本报告中,我们介绍了该程序的实验验证,从而验证了多传感器网络方法。激光跟踪器校准的网络方法涉及使用激光跟踪器测量多个固定点的坐标。从几个不同的位置测量相同的点。然后通过使用最小二乘参数估计法拟合描述实验设置(跟踪器位置和方向、目标位置)和激光跟踪器误差的数学模型来处理这些测量的结果。为了验证这种方法,使用网络方法获得的校正参数根据 ASME B89.4.19 标准验证了 API T3 激光跟踪器的性能,并将这些结果与使用制造商的校准数据执行的类似 ASME B89.4.19 测试进行了比较。描述用于这项工作的激光跟踪器对准误差的模型 [2] 是从之前描述的 1,3 改编为更通用的形式。第 3 节简要介绍了新模型。第 4 节包含从网络测试获得的结果,第 5 节简要描述了 ASME B89 测试和获得的结果。3 激光跟踪器误差模型 3.1 激光跟踪器错位 理想的激光跟踪器(基于“经纬仪式”设计,干涉仪位于万向架上)可以通过图 1(左)中的设置示意性表示。竖轴和经轴正交且共面,激光束在中心点与两个轴相交并向外辐射,没有角度偏移。此外,仰角和方位角编码器完美地居中并垂直于经轴和竖轴,没有失真或比例误差。实际上,由于制造公差,所有激光跟踪器都可能出现错位和偏移以及其他机械缺陷。因此,更现实的几何形状类似于图 1(右)中所示的几何形状。基准轴、经线轴和激光束轴不再正交和相交;两个角度编码器都有刻度误差和失真;激光束不从轴的交点辐射,并且具有角度偏移,因此它不再垂直于经线轴。这些机械缺陷会导致范围和角度读数中的系统误差,如果不加以纠正,将导致测量误差。在实践中,激光跟踪器控制器对原始传感器数据进行软件校正,为用户提供准确的测量数据。该校正基于误差源模型和存储在控制器中的模型参数测量结果。本实验中测试的校准程序的目的是确定模型的参数及其相关的不确定性。
摘要:最近的声学遥测定位系统能够以几厘米至几米的规模重建生物体的位置和轨迹。但是,它们提出了几种后勤约束,包括接收器维护,校准程序和对实时数据的访问有限。我们在这里提出了一种基于到达的时间差异(TDOA)算法和全球移动(GSM)通信技术的新颖,易于人才,能量自我的水下定位系统,能够实时找到标记的海洋生物体。我们使用在鱼和底栖无脊椎动物中使用连续和编码标签的经验示例来说明该系统的应用。对操作系统的原位实验测试表现出与当前可用的声学定位系统相似的性能,全球定位误差为7.13±5.80 m(平均值±SD),三分之一的pINGS可以定位在远距离浮标的278 m内。尽管需要进行一些改进,但该原型的设计为自主,可以在各种环境(河流,湖泊和海洋)中从表面部署。事实证明,这对于实时监测各种物种(底栖和全骨)很有用。其实时属性可用于快速检测系统故障,优化部署设计或生态或保护应用。
校准模拟是使用现有的建筑模拟计算机程序并“调整”或校准程序的各种输入的过程,以便观察到的能源使用情况与模拟程序预测的能源使用情况密切匹配。采用这种方法的两个主要原因是它允许 (1) 更可靠地识别现有建筑中的节能和需求减少措施(涉及设备、操作和/或控制变化)和 (2) 在实施这些措施后增强对监测和验证过程的信心。从历史上看,校准过程是一种艺术形式,不可避免地依赖于用户知识、过去的经验、统计专业知识、工程判断和大量的反复试验。尽管专业界对此有广泛的兴趣,但不幸的是,尚未发布关于如何使用详细的模拟程序进行模拟校准的共识指南。ASHRAE 发起了一项研究项目 (RP-1051),旨在从现有研究成果中筛选出最佳工具、技术、方法和程序,并开发一种连贯而系统的校准方法,其中包括“参数估计”和校准模拟中不确定性的确定。本文对校准模拟技术进行了中肯而详细的文献综述,描述了它们的优点、缺点和适用性,从而作为在后续论文中报告研究项目结果的先行者。
当使用由 NMI 控制的广播服务时,计量学家使用图 3 所示的链来建立可追溯性。链路 A 将 BIPM 连接到 NMI。链路 A 的不确定性可以从 BIPM 的 Circular T 中获得(fiwt 之后)。链路 B 是 NMI 和广播服务之间的控制链路。链路 B 的不确定性可以从 NMI 获得。一些广播服务直接连接到 NMI 维护的 UTC 时间尺度;其他广播服务位于远程位置并参考定期与 UTC 进行比较的频率标准。链路 C 将广播服务连接到用户。这种不确定性是由于 NMI 和用户之间的信号路径造成的。通常,通过低频 (LF) 无线电或卫星路径传播的信号比通过高频 (IF) 无线电路径或电话或互联网路径传播的信号具有较小的不确定性。链路 D 是广播信号与用户的参考标准、工作标准或测量仪器之间的链路。例如,广播服务可用于校准参考标准。参考标准现在可追溯至 NMI,并用于校准工作标准和测量仪器。从定义上讲,可追溯性是测量的结果。因此,参与测量过程的一切都可能给链路 D 带来不确定性,包括接收仪器、天线系统、软件、测试设备、校准程序和人为错误。[6]