JP。Riveline,B。Vergés,B。Detournay,S。Picard,PY。Benhamou等人。设计与残留的心血管风险和其他与糖尿病有关的并发症相关的1型糖尿病探索因素的前瞻性纵向人群的设计:SFDT1研究。糖尿病与代谢,2022,48(3),pp.101306。10.1016/j.diabet.2021.101306。hal-04535724
可折叠机翼扑翼飞行器(FWA)是一种通过模仿昆虫、鸟类或蝙蝠等折叠机翼上下扇动来产生升力和推力的飞行器。近年来,仿生扑翼飞行器的研究日益增多,提出了多种结构形式的扑翼飞行器。扑翼飞行器的飞行环境与鸟类或大型昆虫相似,如低雷诺数的流体动力学和非定常气动[1,2] 。扑翼飞行器在飞行过程中,其运动学模型通常具有颤动、摆动、扭转和伸展4个自由度[3] 。Thielicke [4] 研究了不同弯度和厚度的鸟类臂翼和手翼在慢速飞行过程中的气动特性。仿生飞行器传统运动学模型仅考虑了颤振和扭转两个自由度。本文在传统飞行器运动学模型的基础上,增加了平面内折叠和非平面折叠两个自由度。本文四自由度运动学模型的气动建模方法是拟常数模型与考虑洗流效应的单元理论相结合。采用多刚体有限元法建立纵向动力学模型。采用Floquet-Lyapunov方法分析开环纵向稳定性。采用鲁棒变增益控制方法分析闭环纵向稳定性。
无人驾驶飞行器 (UAV) 的固有特性使其能够开发新颖和创新的设计,通常采用最先进的技术,而无需处理与大型飞行器开发相关的许多限制,特别是在确保上述飞行器获得认证方面。此外,无人机的开发成本明显较低,微型飞行器 (MAV) 尤其如此。因此,在过去几年中,国立航空航天技术研究所“Esteban Terradas” (INTA) 一直在开发一种全新的仿生无人机,该无人机基于变形机翼技术,采用 Zimmerman 平面形状,使用宏纤维复合材料 (MFC) 执行器。由于该项目仍处于早期开发阶段,确保无人机的稳定性至关重要,尤其是考虑到其几何配置。为了实现上述稳定性,选择了 T 型尾翼配置。虽然已经通过稳定性增强系统 (SAS) 和基于 PID 的俯仰自动驾驶仪对仿生变形无人机的基本配置进行了初步纵向稳定性分析,但使用 MFC 执行器修改机翼对纵向稳定性的影响仍有待评估。因此,在目前的工作中,将对具有修改配置的仿生变形无人机的纵向稳定性进行分析,并将其与基本配置的纵向稳定性进行比较。还将评估修改 PID 系数是否有益。
纵向动态控制是自动驾驶汽车的重要任务之一,它处理速度调节以确保平稳和安全的操作。要设计一个良好的控制器,需要一个简单而可靠的数学模型,以便它可以用作植物并调整控制器。尽管文献中有许多类型的数学模型,但找到适合控制应用程序的数学模型至关重要。该模型不能太复杂,并且可能太简单了。因此,这项工作的主要目的是得出一个简单而可靠的车辆纵向模型,以便可以将其用作MATLAB Simulink中的仿真植物,以测试或调整各种类型的控制算法的性能。该模型由三个主要部分组成,即车身动态,简化动力列车动态和制动动态。为了验证模型的可靠性,标准的城市驱动周期将用作参考速度,并使用具有反植物模型的分层PID控制结构来控制踏板输入,以替代模拟环境中的驾驶员。结果表明,控制器设法通过可接受的踏板压力响应跟踪驱动周期,该响应在40%的油门压力之间,并在20%的制动下按下,这与车辆的正常操作一致。尽管仅显示仿真结果,但该模型可以用作进一步开发和测试不同类型的控制算法的良好起点。
通讯作者:美国加利福尼亚州斯坦福大学的Allan L. Reiss 401 Quarry Road 94304电子邮件:areiss1@stanford.edu传真:1-650-724-4761
锂离子电池(LIB)及其性能在各种系统和电子设备中起着关键作用,尤其是在接受和建立电动汽车方面。因此,对他们的衰老以及能力下降和终生减少的研究是在增加运营寿命和管理使用情况下针对电池研究目标的核心。电池老化在日历和循环老化中有区别,后者是由电荷隔离循环引起的,即由于使用情况,以及日历衰老,包括时间引起的所有其他老化过程。在相关文献中的许多论文中都研究了两种衰老,旨在识别衰老因素并建模其效果。共同的基础是日历老化主要取决于温度和充电状态(SOC),而周期老化(除了先前的因素外,还取决于当前的速率和电荷/放电/放电量电压(请参阅Barcellona和Piegari 1 and Piegari 1以及其中的参考文献)。SOC是一个指示电池相对于名义级别的电池剩余能力的索引。它在0%至100%之间变化,后者对应于充满电的电池。循环或日历老化产生的降解路径差异很大。在后一种情况下,通常观察到光滑的曲线。在这项工作中,我们将重点放在日历老化建模和目标上,以建模能力降解,这是通过纵向设置降级,该纵向设置适用于源自几个实验条件的数据,同时捕获和描述不同的 - 条件级别特定的 - 特定于效果。3)。我们激励的案例研究源于Schmalstieg等人的一项广泛的研究,其中20多种相同类型的电池电池已被测试,并考虑了它们的日历和循环老化。特别是日历老化,它们在三个不同温度和几个SOC水平下老化细胞,并在一段时间内测量了其能力,直至某个分解点,这是由所谓的寿命终止(EOL)标准指定的,通常将其设定为初始容量的80%(参见Baumhöfer等。在每个条件(SOC温度水平组合)下,他们测试了三个细胞。
密集纵向数据 (ILD) 可以解决心理学中的两个问题:1) 在传统实验和调查研究中,研究结果不一定代表所研究的现实生活中的结构和关系,2) 群体层面的分析通常会错误描述或模糊个人关系。然而,目前心理学中流行的分析方法还不能很好地使用 ILD 进行因果发现和因果推断。我们对 ILD 进行了第一次因果发现分析,遇到了一些挑战,并针对这些挑战开发了一些解决方案。本文描述了我们将因果发现应用于示例 ILD 数据集,并解决了出现的两个特殊挑战:1) 如何处理在不同时间线上测量的变量,2) 个人层面分析需要多少观察值。关键词:因果发现、密集纵向数据、生态瞬时评估、精准医疗、酒精使用、情绪
这项工作为纵向图像分析的单步深入学习框架,即segis-net。为了最佳利用纵向数据中可用的信息,此方法同时学习了多级序列和非线性注册。分割和注册是使用卷积神经网络建模的,并同时优化了它们的相互利益。提出了一个目标函数,以优化跨时间点的分段结构的空间对应关系。我们将Segis-net应用于n = 8045的3249名老年人的n = 8045纵向脑MRI数据集中的白质大道的分析。segis-net方法表明,登记精度,时空分割一致性和可重复性的显着提高。这也导致样品大小的显着降低,在分析特定的统计指标时获得相同的统计能力所必需的。因此,我们期望Segis-NET可以作为支持纵向成像研究的新工具,以研究随着时间的推移研究宏观和微结构大脑的变化。
怀孕是一个至关重要的时期,影响了孕产妇和胎儿健康,对孕产妇的代谢,胎儿生长和长期发育产生了影响。虽然母体代谢组在怀孕期间经历了重大变化,但孕产妇尿液的纵向转移在很大程度上没有探索。在这项研究中,我们应用了基于液相色谱 - 质谱法的非靶向代谢组学来分析346个母体尿液样本,从36位具有不同背景和临床特征的女性中收集的整个怀孕期。关键的代谢产物变化包括糖皮质激素,脂质和氨基酸衍生物,表明有系统的途径改变。我们还开发了一种机器学习模型,可以使用尿液代谢物准确地预测胎龄,从而提供一种非侵入性妊娠约会方法。此外,我们证明了尿液代谢组预测分娩时间的能力,为产前护理和交付计划提供了补充工具。这项研究强调了尿液不靶向代谢组学在产科护理中的临床潜力。
LONGITUDINAL WHOLE-BRAIN FUNCTIONAL NETWORK CHANGE PATTERNS OVER A TWO-YEAR PERIOD IN THE ABCD DATA Rekha Saha, Debbrata K. Saha, Md Abdur Rahaman, Zening Fu, Vince D. Calhoun Tri-institutional Center for Translational Research in Neuroimaging and Data Science (TReNDS), Georgia State University, Georgia Institute of Technology, and Emory University, Atlanta, GA 30303抽象功能网络连接(FNC)是评估大脑网络之间时间依赖性的有用度量。内在功能的纵向变化引起了极大的兴趣,但是迄今为止,几乎没有关注FNC变化随发展的多元模式。在本文中,我们提出了一种新型方法,该方法使用FNC矩阵来估计多重重叠的脑功能变化模式(FCP)。我们将这种方法应用于大规模的青少年大脑和认知发展(ABCD)数据。结果揭示了几个高度结构化的FCP,显示了两年内的重大变化,包括视觉(VS)和感觉运动(SM)域之间的大脑功能连接性。这种FNC表达的模式随着年龄的增长而变得更强。我们还发现了男性和女性之间的变化差异模式。我们的方法提供了一种评估纵向数据中整个大脑功能变化的有力方法。