摘要 - 与传统的基于变压器的电台相比,完全可控制的基于电子设备的铁路馈线提供了更好的电源质量和更灵活的配置。本文研究了具有可再生能源访问的基于模块化的多级转换器(MMC)的静态转换器站。通过背部转换器的直流链路将风力发电耦合到车站。动态的单相牵引负载和间歇性可再生生成为DC链路电压带来了双重频率振荡和大偏差问题。提出了特殊的设计注意事项和控制方案,以通过控制插入的总模块的总数来稳定DC链路电压。所提出的控制方案解决了由单相负载引起的电压振荡问题,并在10 MW步骤变化下降低了直流链路电压偏差。一系列基于设备的模拟验证了控制方案,该方案实现了可靠的耦合接口,以将可再生生成连接到直流总线。
增强学习(RL)是机器学习研究的重要领域,它越来越多地应用于物理中的复杂优化问题。并行,物理学的概念与熵限制的RL等发展有助于RL的重要进展。尽管这些发展导致了两个领域的进步,但在熵调查的RL中获得了优化的分析解决方案,目前是一个空旷的问题。在本文中,我们在熵限制的RL和研究中的研究中建立了映射,该统计学专注于马尔可夫过程以罕见事件为条件。在长期限制中,我们将大型偏差理论的方法应用于马尔可夫决策过程中最佳策略和最佳动态(MDP)模型的确切分析结果。获得的结果导致了熵调查的RL的分析和计算框架,该框架通过模拟验证。这项工作中建立的映射将强化学习和非平衡统计力学方面的研究联系起来,从而为将分析和计算方法的应用从一个领域到另一个领域的尖端问题开放。
摘要 — 我们的研究假设是,通过设计基于停放和转发算法、射频识别 (RFID) 反馈和马尔可夫决策过程的新型集成制造企业系统,我们能够改善传统供应链管理 (SCM) 的健康状况。我们研究的目标是优化取决于 RFID 系统粘度的成本函数。RFID 的粘度可以定义为通过 RFID 网络的数据流。该过程可以通过信号停放和转发的熵来衡量,从而实现可持续的供应链系统。该系统的动态由微分方程控制。利用该熵模型,我们通过模拟验证了集成供应链健康制造系统风险故障降低。我们的方法采用模糊卡尔曼滤波器,改进了系统,减少了延期交货,并证明了 RFID 粘度是实现这一目标的有效手段。马尔可夫毯熵方法证明它可以捕获并提供 RFID 粘性停车和转发算法的理论,作为降低 SCM 成本、减少浪费和提高可持续性的网络解决方案。
摘要 — 我们的研究假设是,通过设计基于停放和转发算法、射频识别 (RFID) 反馈和马尔可夫决策过程的新型集成制造企业系统,我们能够改善传统供应链管理 (SCM) 的健康状况。我们研究的目标是优化取决于 RFID 系统粘度的成本函数。RFID 的粘度可以定义为通过 RFID 网络的数据流。该过程可以通过信号停放和转发的熵来衡量,从而实现可持续的供应链系统。该系统的动态由微分方程控制。利用该熵模型,我们通过模拟验证了集成供应链健康制造系统风险故障降低。我们的方法采用模糊卡尔曼滤波器,改进了系统,减少了延期交货,并证明了 RFID 粘度是实现这一目标的有效手段。马尔可夫毯熵方法证明它可以捕获并提供 RFID 粘性停车和转发算法的理论,作为降低 SCM 成本、减少浪费和提高可持续性的网络解决方案。
摘要 — 移动代理室内定位的最有效解决方案通常依赖于多传感器数据融合。具体而言,可以通过结合航位推算技术(例如基于里程计)和相对于给定参考系内具有已知位置和/或方向的合适地标的距离和姿态测量,实现准确性、可扩展性和可用性方面的良好权衡。此类技术的一个关键问题是地标部署,它不仅应考虑所采用传感器的有限检测范围,还应考虑错过地标的非零概率,即使它实际上位于传感器检测区域 (SDA) 内。本文重点研究最小地标放置,同时考虑可能的环境上下文信息。该解决方案依赖于贪婪放置算法,该算法可以最佳地解决问题,同时将定位不确定性保持在给定限制以下。通过在欧盟项目 ACANTO 背景下的多次模拟验证了所提出方法的正确性,该项目需要在大型、公共且可能拥挤的环境中(例如购物中心或机场)定位一个或多个智能机器人步行者。
通过提出一个新模型,可以计算出器件电流均方根和平均电流以及电感/变压器电流均方根和峰值的方程,从而提高双向双有源桥 (DAB) 直流-直流转换器的效率。这些方程有助于预测器件和无源元件中的损耗,并有助于转换器设计。在考虑缓冲电容器对 DAB 转换器的影响的同时,还分析了降压和升压模式下的零电压开关 (ZVS) 边界。所提出的模型可用于预测任何所需工作点的转换器效率。新模型可作为 DAB 硬件设计(器件和无源元件选择)、软开关工作范围估计和设计阶段性能预测的重要教学兼研究工具。DAB 直流-直流转换器的运行已通过大量模拟验证。基于所提出的模型设计了一个 DAB 转换器原型,并用于航空航天储能应用。实验结果验证了新模型在 7 kW、390/180 V、20 kHz 转换器运行和 ZVS 边界运行中的有效性。
机器学习和人工智能取得了令人瞩目的进步,但却是以大量的计算资源和能源消耗为代价的。这迫切需要一种新型的、节能的计算结构来取代目前的计算管道。最近,一种有前途的方法出现了,即模仿大脑中的脉冲神经元,利用 CMOS 上的振荡器进行直接计算。在这种情况下,我们提出了一种在 CMOS 振荡器网络(OscNet)上实现的新型节能机器学习框架。我们使用 OscNet 模拟胎儿大脑视觉系统的发育过程,并根据受生物学启发的赫布规则更新权重。然后将相同的管道直接应用于标准机器学习任务。OscNet 是一种专门设计的硬件,本质上是节能的。它仅依靠前向传播进行训练,进一步提高了其能源效率,同时保持了生物学合理性。模拟验证了我们对 OscNet 架构的设计。实验结果表明,OscNet 上的 Hebbian 学习管道实现了与传统机器学习算法相当甚至超越其的性能,凸显了其作为节能高效计算范例的潜力。
摘要:宽带隙半导体,例如氧化镓 (Ga 2 O 3 ),因其在下一代高功率电子器件中的应用而备受关注。尽管单晶 Ga 2 O 3 衬底可以常规地从熔体中沿各种取向生长,但关于这些取向的影响的报道却很少。此外,由于缺乏 p 型掺杂,用 Ga 2 O 3 制造整流 pn 二极管一直很困难。在本研究中,我们通过改变以下三个因素在 β-Ga 2 O 3 上制造和优化了 2D/3D 垂直二极管:衬底平面取向、2D 材料选择和金属触点。使用高温相关测量、原子力显微镜 (AFM) 技术和技术计算机辅助设计 (TCAD) 模拟验证了我们的设备的质量。我们的研究结果表明,2D/3D β-Ga 2 O 3 垂直异质结通过基底平面取向(-201)进行优化,结合 2D WS 2 剥离层和 Ti 接触,并显示出记录的整流比(> 10 6 )同时具有导通电流密度(> 10 3 A cm -2 ),可用于功率整流器。
摘要:独立成分分析 (ICA) 是一种通用技术,用于分析多维数据以揭示彼此最大程度独立的底层隐藏因素。我们报告了第一个通过采用片上微环 (MRR) 权重库对未知信号混合进行的光子 ICA。MRR 权重库对接收到的混合信号执行所谓的加权加法(即乘法累加)运算,并输出感兴趣信号的单个降维表示。我们提出了一种新颖的 ICA 算法,仅基于加权加法输出的统计信息来恢复独立成分,同时不仅对原始源而且对混合信号的波形信息都保持盲目性。我们研究了通道可分离性和近远问题,我们的双通道光子 ICA 实验表明我们的方案与传统的基于软件的 ICA 方法具有相当的性能。我们的数值模拟验证了所提出方法的保真度,并研究了噪声效应以确定我们方法的运行方式。所提出的技术可以为盲源分离、微波光子学和片上信息处理的未来研究开辟新的领域。
低惯性孤立电力系统面临着电力波动的弹性问题。风能和太阳能光伏等可再生能源的整合进一步推动了这一问题的界限。可再生能源份额的提高需要更好地评估电力系统的稳定性,以避免严重的安全和经济后果。因此,考虑频率稳定性要求和分配适当的旋转备用成为电力系统长期规划和运营管理中至关重要的主题。本文提出了动态频率约束,以确保在由于阵风或云层通过等原因造成的短期电力变化期间的弹性。案例研究中举例说明了所提出的约束的使用,约束被集成到混合整数线性规划算法中,用于确定孤立工业工厂中太阳能光伏和电池储能资源的最佳容量。本案例研究的结果表明,如果忽略频率约束,能源平准化成本和碳排放的减少量可能分别被高估 8.0% 和 10.8%。使用案例研究的时域模拟验证了所提出的最佳定型方法。结果表明,该最佳系统在最坏情况下是频率稳定的。