XiaoMi-AI文件搜索系统
World File Search System测速
用于太空应用的人工智能测速。......
人工智能测速 [1] 是 2017 年提出的一项技术，其中神经网络用于根据（最初为 2D）观测活动的稀疏和噪声测量重建某些流场。后来，它被改编为使用基于物理的神经网络 [2,3]，并被提议用于改进阿尔茨海默氏症和小血管疾病的研究。然而，该技术似乎普遍适用于逆问题，其中稀疏观测值可在由一组偏微分方程控制的连续场上获得。卫星燃料晃动、太空推进、卫星热控制等情况似乎都为将类似技术应用于太空研究提供了良好的候选方案。
通过自动测速设计和检测坑洼
该项目的主要目的是自动控制城市和禁区（如学校、公园、医院和限速区等）内任何车辆的超速。如今，世界上所有人都没有自制力。高速驾驶车辆的人。所以警察无法监控这些东西。坑洼检测系统是一种旨在警告驾驶员道路上状况不佳和坑洼的系统。该系统由传感器（超声波传感器）组成，可检测坑洼和所需的网络连接。将进行调查并将数据存储在可更新的云端。用户可以在 Google 地图上看到坑洼位置，这有助于避开坑洼。控制器会比较车速，如果超过限速，控制器会提醒驾驶员，并自动采取行动。
基于雷达测速与车辆识别的超速抓拍系统
摘要：超速行驶一直以来都是人们非常危险的行为，可能会造成车祸、人员伤亡等各种不良后果。现在我们需要能够在检测到超速的同时，获取车辆的相关信息，以便进行后续处罚，否则肇事者可能会再次作案。本文提出了一种高精度、高效的超速车辆拍照及车辆识别方法。我们将雷达测速模块与摄像头模块直接连接，这样整个系统只有一个终端，当雷达模块检测到车辆超速行驶时，会直接发送给摄像头模块，这样就可以抓拍到超速车辆，加快了摄像头模块的响应速度。因此，在设计成像设备时，可以在不降低精度的情况下降低要求，即使选择价格低廉、质量较差的摄像头，也可以及时抓拍到图像。最后，我们利用图像处理和支持向量机对车牌进行识别。整个系统设备不多，可以安装在狭小的空间内。
高压低温风洞中氮气无种子测速：第三部分。共振飞秒激光标记
摘要 首次在高压、低温条件下表征了选择性双光子吸收共振飞秒激光电子激发标记 (STARFLEET) 测速技术。研究在美国宇航局兰利研究中心的 0.3 米跨音速低温风洞中进行，流动条件涵盖了该设施的整个运行范围；总压力范围从 100 kPa 到 517 kPa，总温度从 80 K 到 327 K，马赫数从 0.2 到 0.85。检查了 STARFLEET 信号强度和寿命测量的热力学依赖性，因为强度和寿命都会影响测量精度。发现信号强度与密度成反比，而寿命与密度几乎成线性关系，直到接近氮的液汽饱和点。速度测量的准确度和精度是在整个条件范围内评估的，标准误差确定为 1.6%，而精度范围约为自由流速度的 1.5% 至 10%。还观察到精度具有温度依赖性，这可能是由于在较高密度下寿命较长所致。
