XiaoMi-AI文件搜索系统
World File Search System空气涡轮
未来飞机动力系统 - 集成挑战
– 两台 120 kVA、115Vac、400Hz 发动机驱动发电机 – 一台 120 kVA、115Vac、400Hz 辅助动力装置 (APU) 驱动的发电机 – 四台 950 W 永磁发电机 (PMG) 集成到两台备用发电机中 – 一台 7.5kVA 冲压空气涡轮 (RAT) – 主电池、APU 电池和飞行控制电池 • 转换设备： – 四个 120 安培直流变压整流器单元（115Vac 至 28Vdc） – 电池充电器和逆变器
未来飞机动力系统 - 集成挑战
– 两台 120 kVA、115Vac、400Hz 发动机驱动发电机 – 一台 120 kVA、115Vac、400Hz 辅助动力装置 (APU) 驱动的发电机 – 四台 950 W 永磁发电机 (PMG) 集成到两台备用发电机中 – 一台 7.5kVA 冲压空气涡轮 (RAT) – 主电池、APU 电池和飞行控制电池 • 转换设备： – 四个 120 安培直流变压整流器单元（115Vac 至 28Vdc） – 电池充电器和逆变器
美国航空 1400 航班飞行中左引擎起火... - NTSB
摘要：本报告解释了 2007 年 9 月 28 日发生的一起事故，事故涉及一架麦克唐纳道格拉斯 DC-9-82（N454AA），该飞机是美国航空公司 1400 航班。这架飞机在从密苏里州圣路易斯的兰伯特圣路易斯国际机场起飞爬升时，发动机发生火灾，机组人员紧急降落。本报告中讨论的安全问题涉及以下内容：“空气涡轮启动阀 (ATSV) 打开”指示灯的特性；紧急任务分配指导；气动交叉供料阀和发动机火灾手柄之间相互关系的指导和培训；多个同时发生的紧急情况培训；地面疏散准备指导；紧急和异常情况下机组人员和客舱机组人员之间通信的指导和培训；ATSV 空气过滤器更换间隔；以及美国航空公司的持续分析和监视系统。有关这些问题的安全建议已提交给联邦航空管理局和美国航空公司。国家运输安全委员会 (NTSB) 是一个独立的联邦机构，致力于促进航空、铁路、公路、海运、管道和危险材料安全。该机构成立于 1967 年，由国会通过 1974 年《独立安全委员会法案》授权调查交通事故、确定事故的可能原因、发布安全建议、研究交通安全问题并评估涉及交通的政府机构的安全有效性。NTSB 通过事故报告、安全研究、特别调查报告、安全建议和统计审查公开其行动和决定。最新出版物可在互联网上完整查阅，网址为 。有关可用出版物的其他信息也可以从网站或通过以下方式获得：国家运输安全委员会记录管理部，CIO-40 490 L’Enfant Plaza, SW Washington, DC 20594 (800) 877-6799 或 (202) 314-6551 NTSB 出版物可以从国家技术信息服务处购买单本或订阅。要购买此出版物，请从以下机构订购报告编号 PB2009-910403：国家技术信息服务处 5285 Port Royal Road Springfield, Virginia 22161 (800) 553-6847 或 (703) 605-6000 独立安全委员会法案，编纂于 49 U.S.C.第 1154(b) 条禁止在因报告中提及的事项造成的损害的民事诉讼中采纳或使用与事件或事故相关的 NTSB 报告作为证据。
Kim Phuc Tran. 人工智能在智能制造中的应用：方法与应用。传感器，2021 年。�hal-03544235�
1. Henning, K. 实施工业 4.0 战略计划的建议；美国国家科学与工程院：华盛顿特区，美国，2013 年。 2. Nguyen, H.；Tran, K.；Zeng, X.；Koehl, L.；Castagliola, P.；Bruniaux, P. 智能工厂中的工业物联网、大数据和人工智能：调查与展望。ISSAT 国际商业、金融和工业数据科学会议论文集，越南岘港，2019 年 7 月 5 日至 9 日。 3. He, Z.；Tran, KP；Thomassey, S.；Zeng, X.；Xu, J.；Yi, C. 基于深度强化学习的多标准决策支持系统，用于优化纺织化学工艺。计算机。 Ind. 2021 ，125 ，103373。4. He, Z.；Tran, KP；Thomassey, S.；Zeng, X.；Xu, J.；Yi, C. 使用基于深度 Q 网络的多智能体强化学习对纺织制造过程进行多目标优化。J. Manuf. Syst. 2021 ，即将出版。5. He, Z.；Tran, KP；Thomassey, S.；Zeng, X.；Xu, J.；Changhai, Y. 使用极限学习机、支持向量回归和随机森林对活性染色棉的褪色臭氧化进行建模。文本。Res. J. 2020 ，90 ，896–908。6. Huong, TT；Bac, TP；Long, DM；Luong, TD；Dan, NM；Thang, BD； Tran, KP 使用工业控制系统中的异常检测检测网络攻击：一种联邦学习方法。Comput. Ind. 2021，132，103509。7. Frank, AG；Dalenogare, LS；Ayala, NF 工业 4.0 技术：制造公司的实施模式。Int. J. Prod. Econ. 2019，210，15–26。8. Alcácer, V.；Cruz-Machado, V. 扫描工业 4.0：制造系统技术文献综述。Eng. Sci. Technol. Int. J. 2019，22，899–919。9. Song, Z.；Sun, Y.；Wan, J.；Liang, P. 面向服务制造信息物理系统的数据质量管理。Comput. Electr. Eng. 2017 ，64 ，34–44。10. 徐勇；孙勇；万建；刘晓玲；宋哲。工业大数据故障诊断：分类、评论和应用。IEEE Access 2017 ，5 ，17368–17380。11. 黄PM；李CH 使用深度学习和传感器融合估计刀具磨损和表面粗糙度发展。传感器 2021 ，21 ，5338，doi：10.3390/s21165338。12. 金TH；金HR；Cho, YJ 通过深度学习进行产品检测方法概述。传感器 2021 ，21 ，5039，doi：10.3390/s21155039。13. 黄YC； Chen, YH 使用长短期记忆预测牙科空气涡轮手机在铣削过程中的剩余使用寿命和退化评估。传感器 2021，21，4978，doi：10.3390/s21154978。14. Kim, J.；Ko, J.；Choi, H.；Kim, H. 通过跳跃连接卷积自动编码器使用深度学习检测印刷电路板缺陷。传感器 2021，21，4968，doi：10.3390/s21154968。15. Xia, K.；Saidy, C.；Kirkpatrick, M.；Anumbe, N.；Sheth, A.；Harik, R. 走向机器视觉系统的语义集成以帮助理解制造事件。传感器 2021 , 21 , 4276,doi:10.3390/s21134276。16. Sharma, S.；Koehl, L.；Bruniaux, P.；Zeng, X.；Wang, Z. 开发智能数据驱动系统以推荐个性化时装设计解决方案。传感器 2021，21，4239，doi：10.3390/s21124239。17. Yang, S.；Xu, Z.；Wang, J. 通过深度强化学习实现动态排列流水车间的智能调度决策。传感器 2021，21，1019，doi：10.3390/s21031019。