XiaoMi-AI文件搜索系统
World File Search System物理系统
面向智能风力涡轮机运行和维护的人机物理系统
摘要：本研究提出了一个智能半自主人机物理系统 (HCPS) 的新概念，用于在工业 5.0 技术背景下操作未来的风力涡轮机。下一代风力涡轮机的复杂性呈指数级增长，需要人工智能 (AI) 来高效、一致地操作机器。当前的工业 4.0 数字孪生技术不再只是人类决策过程的唯一辅助工具，而是通过机器学习对 AI 进行高效训练，使所提系统中的数字孪生成为可能。人类智能 (HI) 被提升到监督级别，其中通过人机界面做出的高级决策在需要时会打破自主性。本文还确定并阐述了实现所提 HCPS 所必需的关键支持技术 (KET)。
使用Fortinet OT安全平台确保网络物理系统
版权所有©2024 Fortinet，Inc。保留所有权利。fortinet®，fortigate®，forticare®和fortiguard®以及某些其他商标是Fortinet，Inc。的注册商标，此处的其他Fortinet名称也可以注册和/或Fortinet的普通法商标。所有其他产品或公司名称可能是其各自所有者的商标。的性能和其他指标，实际绩效和其他结果可能会有所不同。网络变量，不同的网络环境和其他条件可能会影响性能结果。Nothing herein represents any binding commitment by Fortinet, and Fortinet disclaims all warranties, whether express or implied, except to the extent Fortinet enters a binding written contract, signed by Fortinet's SVP Legal and above, with a purchaser that expressly warrants that the identified product will perform according to certain expressly-identified performance metrics and, in such event, only the specific performance metrics expressly identified in such binding written contract shall对Fortinet有约束力。为了绝对清晰，任何此类保修都将仅限于与Fortinet内部实验室测试相同的理想条件下的性能。Fortinet完全根据明示或暗示的任何盟约，代表和保证。Fortinet保留更改，修改，转让或以其他方式修改本出版物的权利，恕不另行通知，最新版本的出版物应适用。
通过基于模型的合成方法设计物理系统。电动车辆锂离子电池的示例
摘要本文介绍了系统工程框架中复杂物理系统初步设计的方法。这种方法集中在设计前任务所涉及的活动和参与者上。它专注于设计问题的建模（设计问题规范），这是一种用于指定和建模工程设计问题的形式主义。这种设计方法完成了基于模拟的分析方法，该方法主要用于物理系统的设计。尤其是我们的方法允许综合设计前架构，分析/仿真方法无法做到。从要求的文本规范开始，提出的方法构建了设计问题的正式模型，并使用约束编程解决了它。思想和概念：问题模型可重复使用的问题，问题，知识和解决方案空间的概念以及要求的正式规范以及将设计问题模型与设计系统模型区分开来的所有其他内容。电动汽车的锂离子电池设计的一个例子是本文的实际用例。
网络 - 物理系统中无线传感器调度的深度加固学习✩
在许多网络物理系统中，我们遇到了对地理分布和远程物理过程的远程状态估计的问题。本文研究了传感器传输的调度，以估计多个遥控，动态过程的状态。来自不同传感器的信息必须通过无线网络传输到中央门户，以进行监视，其中通常比需要监视的过程更少可用的无线通道。要在网关上有效估算，需要适当地安排传感器，即在每次即时需要确定哪些传感器访问网络且不能确定哪些传感器。为了解决这个调度问题，我们制定了关联的马尔可夫决策过程（MDP）。然后使用深Q-Network解决此MDP，这是一种最近的深层增强学习算法，它立即可扩展且无模型。我们将调度算法与流行的日程安排算法进行比较，例如循环蛋白和降低的等待时间等。对于许多示例场景，我们的算法显示出明显优于这些算法。©2019 Elsevier Ltd.保留所有权利。
社论：工业信息学中受认知大脑启发的网络物理系统
人工智能 (AI)、认知计算、机器学习和脑启发计算是信息物理系统 (CPS) 中最热门的研究重点。脑启发计算可以更快、更有效地检测 CPS 中的威胁。这导致了脑启发计算算法的发展，包括自然启发算法、遗传算法、群体算法和模式识别算法，用于解决困难的计算问题和 CPS 研究挑战。认知信息物理系统 (CCPS) 正在经历快速转型，成为一种跨学科技术，它融合了物理组件和计算设备以实现基于 AI 的解决方案。CCPS 正在将机器学习/AI 与脑启发计算相结合，以实现智能系统。这个时代正在见证数字技术的快速转型，具有脑启发计算解决方案的 AI 将在工业信息学中发挥至关重要的作用。CCPS 与脑启发计算在工业 4.0 工业革命中的应用使智能工厂成为工业革命的一部分。其他应用，如智能家居设备、医疗系统、自动驾驶系统、连接设备中的机器人系统、数据分析、云计算和人工智能，使该过程进一步自动化。这些支持技术具有提供互操作性、信息透明度、技术援助和分散决策的全部功能。第五次工业革命有望将人类和机器配对，进一步利用人类的智力和创造力，通过将工作流与智能系统相结合来提高流程效率。在工业 5.0 中，机器人不仅将是可编程的机器，而且在某些情况下还将转变为理想的人类伴侣。随着脑启发计算和人工智能的最新发展，现在可以创建更现实和脑智能级别的算法。本社论的目的是探索支持 CPS 技术及其最新方法的研究成果，介绍最新进展，从而展示脑启发计算在 CCPS 中的潜力。在本期特刊中，发表的论文展示了脑启发学习和计算的全面概述/方法论方法，重点关注 CCPS 感兴趣的应用。
自动网络物理系统基于模拟测试的路线图：挑战和未来方向
作为自动网络物理系统（ACPS）的时代，例如无人驾驶汽车和自动驾驶汽车，展开，可靠测试方法的范围是实现在现实世界中采用此类系统的关键。但是，传统的软件测试范例在确保这些系统的安全性和可靠性方面面临着前所未有的挑战。在响应中，本文开创了用于基于ACPS的基于模拟测试的战略路线图，这特别是专注于自主系统。我们的论文讨论了ACPS的相关挑战和障碍，重点是测试自动化和质量保证，因此主张量身定制的解决方案来满足自动系统的独特需求。在模拟环境中提供了测试用例的具体定义时，我们还强调了创建新的基准资产和开发自动化工具在软件社区中明确量身定制的自动化工具的需求。本文不仅强调了相关的问题，并施加了软件工程社区应重点关注的问题（就实践，预期的自动化和范式而言），而且还概述了解决这些问题的方法。通过概述了基于ACPS的基于模拟的测试/开发的各个领域和挑战，我们为将来的研究效果提供了方向。
使用物联网数据的网络物理系统中的传感器可靠性：回顾与案例研究
摘要：如今，传感器的可靠性是物联网数据在汽车和制造业等关键新兴领域广泛应用的最重要挑战之一。本文简要回顾了欧洲主要的研究和创新行动，以及一些正在进行的与信息物理系统 (CPS) 中的传感器可靠性相关的研究。本文报告的研究还侧重于设计一种用于评估信息物理系统中物联网传感器可靠性的程序。本文还展示了汽车行业自动驾驶场景中传感器可靠性评估案例研究的结果。设计了一个协同仿真框架，以实现虚拟和真实传感器之间的实时交互。案例研究包括基于物联网 LiDAR 的协作地图，以评估基于 CPS 的协同仿真框架。具体来说，所选的传感器是具有物联网附加功能的 Ibeo Lux 4 层 LiDAR 传感器。使用机器学习方法预测误差的建模库在本地级别实现，基于 Q 学习的决策自学习程序在全局级别运行。使用模拟和真实数据介绍了支持联合仿真框架实验评估的研究。结果证明了所提出的方法对于使用
一种用于自动化现实捕获和可视化的机器人网络物理系统，在施工进度监控
有效的进度监控对于在规定的时间和预算中成功交付建筑项目至关重要。经常通过多个项目利益相关者进行耗时的实际场地访问来不规则地监测建筑项目。使用机器人网络物理系统（CP）进行远程监测可以使过程更有效，更安全。本文为自动化现实捕获和可视化的机器人CP提供了一个概念框架，用于远程进度监视。CPS集成了四倍的机器人，构建信息建模（BIM）和360°现实捕获以自主捕获并可视化最新站点信息。此外，该研究还通过对17个进度监测专家的半结构化访谈探讨了影响拟议机器人CP的因素。这些发现将指导建筑管理团队在建设中采用CP，并推动以人为中心的CPS建设开发的进一步研究。
通过人工智能物联网和网络物理系统进行健康监测，确保智能可穿戴计算的安全
摘要：互联网的功能正在从计算机互联网 (IoC) 不断转变为“物联网 (IoT)”。大多数连接系统称为网络物理系统 (CPS)，是由人类和物理环境、智能对象以及嵌入式设备和基础设施等众多特征的集成形成的。有一些关键问题，例如安全风险和道德问题，可能会影响物联网和 CPS。当每条数据和设备都连接到网络上并可获取时，黑客就可以获取它并将其用于不同的诈骗。在医疗保健 IoT-CPS 中，可以通过可穿戴传感器收集患者的日常医疗和身体数据。本文提出了一种支持 AI 的 IoT-CPS，医生可以利用它基于 AI 发现患者的疾病。人工智能的创建是为了发现一些疾病，例如糖尿病、心脏病和步态障碍。每种疾病在患者或老年人中都有不同的症状。从 Kaggle 存储库检索数据集以执行支持 AI 的 IoT-CPS 技术。对于分类，采用支持人工智能的 IoT-CPS 算法来发现疾病。实验结果表明，与现有算法相比，所提出的支持人工智能的 IoT-CPS 算法在准确率、精确度、召回率和 F 值方面更有效地检测患者疾病和老年人跌倒事件。
一个智能的医学网络 - 物理系统，用于支持心脏瓣膜筛查和诊断
心血管疾病目前是全球死亡的主要原因。在预防心血管问题的策略中，心脏声音异常的自动分类是检测心脏病或其他无症状（甚至无症状的并发症）早期迹象的有效方法，对于及时的干预措施非常有效。尽管该领域有显着改善，但由于缺乏解决方案，可用的数据集和差（主要是二进制 - 正常与异常）分类模型和算法，仍然存在局限性。本文及时提出了一种医学网络物理系统（MCP），以自动对心脏瓣膜疾病进行自动分类。实际上，拟议的MCP可以通过一种高效易于访问的工具来部署到个人和移动设备中，以解决对患者，医疗保健从业人员和研究人员的现有解决方案的局限性。它结合了在新的意大利数据集中训练的不同的神经网络模型，该模型涉及132名成年患者，涵盖了9个心脏声音类别（1个正常和8个异常），也针对两个主要的开放式访问（Physionet/Cinc Challence 2016和韩语）数据集进行了验证。总体MCPS性能（时间，处理和能源资源利用率）和模型的高精度（高达98％）证明了提出的解决方案的可行性，即使数据很少。可应要求提供支持本文发现的数据集。