摘要:为了提高生产率或预防事故,人们迫切需要一种技术来估计人类在某些活动期间的心理负荷。大多数研究都集中于单一的生理感知方式,并使用单变量方法来分析多通道脑电图 (EEG) 数据。本文提出了一个新框架,该框架依赖于混合脑电图 - 功能性近红外光谱 (EEG-fNIRS) 的特征,并由机器学习特征支持,以处理多级心理负荷分类。此外,我们建议在三个频段的时间和频域中使用双变量功能性大脑连接 (FBC) 特征,而不是常用的用于脑电图记录的单变量功率谱密度 (PSD):delta (0.5-4 Hz)、theta (4-7 Hz) 和 alpha (8-15 Hz)。借助 fNIRS 氧合血红蛋白和脱氧血红蛋白 (HbO 和 HbR) 指标,FBC 技术显著提高了分类性能,使用公共数据集对 0-back 与 2-back 的准确率为 77%,对 0-back 与 3-back 的准确率为 83%。此外,地形和热图可视化表明,EEG 和 fNIRS 的区分区域在 0-back、2-back 和 3-back 测试结果之间存在差异。确定 EEG 和 fNIRS 区分心理工作量的最佳区域是不同的。具体而言,后区在 alpha 波段的后中线枕叶 (POz) EEG 中表现最佳,而 fNIRS 在右额叶区域 (AF8) 中具有优势。
摘要在这里我们提出了部分自动驾驶汽车。这辆车具有非常特殊的自动化功能,例如避免障碍物和路线跟踪,以便它自己工作。背后的主要目的是确保驾驶过程中最可能的安全性。将开发具有上述属性的小型RC汽车,在设定的情况下将具有出色的执行。关键字: - 自动化,Arduino Uno,传感器。简介道路上的大多数事故都是由于某种形式的人为错误,无论是分心,驾驶受损还是决策不良。根据未来十年左右的新研究,这些事件的数量将加倍。运输正在迅速变化,重点强烈地落在自动驾驶汽车上,但是就技术而言,我们比在道路上拥有自动驾驶汽车要比无人驾驶更接近。因此,有什么区别,自主是指驾驶员控制的汽车的自动化水平的增加,而自动驾驶汽车的设计为无人驾驶。自动驾驶汽车仍在研究和测试中。当我们朝着更加自动驾驶汽车迈进时,正在引入计算机化安全功能。诸如盲点驾驶之类的功能会使车道更换,车道检测警告驾驶员,如果车辆开始漂移,也可以将车辆保持在车道上,物体检测和自动制动有助于预防事故或至少降低撞击速度。自我停车也是繁琐停车情况挑战的迷你驾驶员的另一个有用功能。所有这些功能均由各种传感器启用。相机传感器
抽象的交通事故是年轻人中死亡的主要原因,这个问题今天造成了大量受害者。已经提出了几种技术来预防事故,是大脑计算机界面(BCIS)是最有前途的。在这种情况下,BCI被用来检测情绪状态,集中问题或压力很大的情况,这可能在道路上起着基本作用,因为它们与驾驶员的决定直接相关。但是,没有广泛的文献应用BCI来检测受试者在驾驶场景中的情绪。在这种情况下,需要解决一些挑战,例如(i)执行驾驶任务对情绪检测的影响以及(ii)在驾驶场景中哪些情绪更可检测到的情绪。为了改善这些挑战,这项工作提出了一个框架,该框架着重于使用机器学习和深度学习算法的脑电图来检测情绪。此外,已经设计了一个用例,其中有两种情况。第一种情况是聆听声音作为要执行的主要任务,而在第二种情况下,聆听声音成为次要任务,这是使用驾驶模拟器的主要任务。以这种方式,旨在证明BCI在这种驾驶方案中是否有用。结果改善了文献中现有的结果,可用于检测两种情绪(非刺激和愤怒)的准确性99%,三种情绪(非刺激性,愤怒和中性)的93%,四种情绪(非刺激性情绪(非刺激)(非刺激性,愤怒,中立和快乐)的精度为75%。
防御性地;人们穿着防护服;人们适当地监督人们;无穷无尽!然而,在事故记录中,我们发现了许多令人失望的事情。令人沮丧的失望是因为人们没有正确完成任务。我们可以做得更好。我们必须做得更好。认真的监督和有纪律的表现对于预防事故至关重要。两者都是人的因素。两者都意味着有效的领导和高效的管理。两者都意味着参与。无论以何种身份,无论是监督、领导、管理还是指挥,没有人能够独自坐在办公桌前充分发挥作用。我们必须走出去观察、指导、纠正、引导和激励。这种直接的关注将支持有纪律的表现。也许有一件事几乎每个人都不愿意做。那就是挑战规则。在我与战术空军司令部指挥官的初次采访中,他非常明确地表示他认为应该改变坏的规则。他并没有说或暗示,我也没有把他的意思理解为应该打破规则。他说的是改变!然而,你们这些执行任务的士兵必须识别不良规则,以便对其进行修改以正确实现预期目的,或者将其消除。然而,在不良规则得到改进或删除之前,不要忽视它或故意违反它。避免出现违反规则的情况,或以纪律严明的方式遵守其规定。另一个应该提到的因素是,所有参与事故或事件的人都必须完全坦诚。在开篇,我说过我们会重复犯错。这肯定有许多原因。首先,有些人可能没有传授从经验中吸取的教训。换句话说,
OPNAVINST 13210.1C N98 2021 年 4 月 22 日 OPNAV 指令 13210.1C 来自:海军作战部长 主题:海军航空飞机航空电子安全系统政策 参考:(a) SECDEF 2006 年 6 月 22 日备忘录,减少可预防事故 (b) 海军航空和作战安全问题的优先排序和选择程序(海军审计服务报告 N2013-0001,2012 年 10 月 12 日) (c) DoDI 6055.19,航空危险识别和风险评估计划 (AHIRAP),2019 年 6 月 10 日 (d) 联合出版物 3-30,联合空中作战的指挥和控制,2019 年 7 月 25 日 (e) CJCSI 3170.01I,联合能力集成与开发系统,2015 年 1 月 23 日 (f) COMNAVAIRPAC/COMNAVAIRLANT INST 3025.1E (g) OPNAVINST 3750.6S (h) NAWCAD SWP4530-018,标准工作包:碰撞生存存储器/飞行数据记录器,2018 年 5 月 附件:(1) 安全系统合规矩阵标准 (2) 豁免请求样本 1.目的。a.更新海军和海军陆战队飞机中所需飞机航空电子安全系统的整合和安装政策。b.主要变化包括将安全系统合规矩阵的发布间隔从半年更改为每年发布一次,并简化了报废飞机的豁免流程和安全系统合规矩阵中的文档。2.取消。OPNAVINST 13210.1B。3.背景。1996 年 12 月,海军航空兵司令 (COMNAVAIRFOR) 担任航空委员会主席,并赞助人为因素质量管理委员会对飞机航空电子安全系统进行分析。该研究涉及飞行事故记录器、飞行数据记录器、全球定位系统、导航设备、近地距离
锂离子电池是使用最广泛的储能设备,对其剩余使用寿命的准确预测(RUL)对于它们的可靠操作和预防事故至关重要。这项工作彻底研究了基于过去十年中相关论文的客观筛选和统计数据,通过机器学习(ML)算法进行了统治预测的发展趋势,以分析研究核心和未来的改进方向。在本文中还探讨了使用RUL预测结果扩展使用锂离子蝙蝠寿命的可能性。在380篇相关论文中首次确定了用于RUL预测的十种最常用的ML算法。则提出了RUL预测的一般流以及对RUL预测中使用的四种最常用信号预处理技术的深入介绍。公共ML算法的研究核心以计时顺序以统一格式给出。还可以从精确度和特征的各个方面进行比较,以及新颖的和一般的改进方向或机会,包括改进早期预测,局部再生建模,物理信息融合,广义转移学习和硬件实施。最后,总结了电池寿命扩展的方法,并且使用RUL作为延长电池寿命的指示的可行性已被淘汰。电池寿命可以通过根据未来在线的准确的RUL预测结果来优化电荷式服务时间来延长电池寿命。2023作者。本文旨在为电池规则预测和终身扩展策略中ML算法的未来改进提供灵感。科学出版社和达利安化学物理研究所,中国科学院。由Elsevier B.V.和科学出版社出版。这是CC下的开放式访问文章(http://creativecommons.org/licenses/4.0/)。
OPNAVINST 13210.1C N98 2021 年 4 月 22 日 OPNAV 指令 13210.1C 来自:海军作战部长 主题:海军航空飞机航空电子安全系统政策 参考:(a) SECDEF 2006 年 6 月 22 日备忘录,减少可预防事故 (b) 海军航空和作战安全问题的优先排序和选择程序(海军审计服务报告 N2013-0001,2012 年 10 月 12 日) (c) DoDI 6055.19,航空危险识别和风险评估计划 (AHIRAP),2019 年 6 月 10 日 (d) 联合出版物 3-30,联合空中作战的指挥和控制,2019 年 7 月 25 日 (e) CJCSI 3170.01I,联合能力集成与开发系统,2015 年 1 月 23 日 (f) COMNAVAIRPAC/COMNAVAIRLANT INST 3025.1E (g) OPNAVINST 3750.6S (h) NAWCAD SWP4530-018,标准工作包:碰撞生存存储器/飞行数据记录器,2018 年 5 月 附件:(1) 安全系统合规矩阵标准 (2) 豁免请求样本 1.目的。a.更新海军和海军陆战队飞机中所需飞机航空电子安全系统的整合和安装政策。b.主要变化包括将安全系统合规矩阵的发布间隔从半年更改为每年发布一次,并简化了报废飞机的豁免流程和安全系统合规矩阵中的文档。2.取消。OPNAVINST 13210.1B。3.背景。1996 年 12 月,海军航空兵司令 (COMNAVAIRFOR) 担任航空委员会主席,并赞助人为因素质量管理委员会对飞机航空电子安全系统进行分析。该研究涉及飞行事故记录器、飞行数据记录器、全球定位系统、导航设备、近地距离
第2部分:技术/专业知识(70分)1。消防工程基本面:火灾的化学,燃烧过程,易燃性,火焰传播的限制,热量的影响,耐火,火负荷等等。2。消防化学品:水,泡沫,DCP,清洁剂等。3。火灾检测与控制:火灾探测原理,检测器的分类,火灾灭绝方法,基于水的基于化学的,清洁剂系统,操作和维护检测 /警报系统4。< / div>防火保护 - I(特殊危害:工业火灾):火灾抑制系统,消防水系统,洒水系统,防火结构,紧急情况存在5.防火保护 - II(特殊危害:易燃液体储藏):植物位置注意事项,点火源控制,散装危险,防火储藏的火灾保护,被动屏障6.消防服务液压学:洒水系统需求,洒水系统的液压等。7。消防安全法:主权免疫学说;工厂法,爆炸物法,石油法等等等8。消防法规和标准:消防设备,人身安全设备等标准等。9。护理人员 /急救:烧伤,断裂,伤口,创伤处理等的管理等。< / div>10。消防系统的检查和测试:消防喷头测试,OISD/NFPA测试和检查标准,消防泵测试等。11。安全管理:安全性和需求,预防事故,事故调查,个人保护设备等。12。13。建筑安全:焊接和气体切割,发掘,高度工作,电气,材料处理,举起/提升等方面的工作等等。安全工程:行业,安全指数,频率和严重性率,工作安全分析,工作许可管理等的事故趋势等。---------------------------------------------------------------------------------------------------------- NOTE: The syllabus/topics mentioned are indicative in nature.候选人有望拥有与相关学科及其合格学位有关的重要知识/水平
心血管和代谢健康大学安全政策声明心血管和代谢健康学院(SCMH)认识到学校的工作有时可能是危险的。是这所学校的理念和信念是可以预防事故,并且维护良好的健康和安全标准除了满足法律要求外,还将提高整体绩效和成本效益。只有通过一致的努力和每位工作人员的积极参与来履行法律要求的职责,才能有效地实现工作和安全的成功管理。它的成功完全取决于每个人对健康和安全的贡献。学校主任负责为确保在学校财产中工作的每个人的健康,安全和福利的有效安排。这适用于心血管和代谢健康学校的所有员工,学生和访客以及其他学校,学院和机构。从上到下,学校内部的每个管理层都对其各自的优势负责,同时负责其在安全事务上的下属。主管应领导,激励和鼓励他们的员工报告危险,并讨论与安全有关的所有问题。安全政策是由学校主管在学校健康与安全委员会的指导和建议下监控的安全绩效,其中包括来自各个地方的员工代表,以及感兴趣的团体和相关团体。学校认识到法律要求仅设定最低标准的安全要求。还认识到,安全标准本质上是动态的,学校通过不断审查自己的安全标准来强调其承诺的重要性。就条件和资源许可而言,学校致力于在安全标准方面进行持续和逐步的改进。学校中的所有工作人员都必须遵守健康和安全规则和标准,并遵守学校健康与安全任务声明(请参阅第2节)。故意偏离既定规则和标准可能会导致纪律处分。SCMH健康与安全委员会将至少每年审查该政策声明。Christian Delles教授,心血管和代谢健康学院主任,2022年10月Christian Delles教授,心血管和代谢健康学院主任,2022年10月
伊拉克摩苏尔大学工程学院电气工程系电子邮件:mtyaseen@uomosul.edu.iq(M.T.Y.); aminaalrawy@uomosul.edu.iq(a.a.f.); fawaazyasen@uomosul.edu.iq(F.Y.A。)*通讯作者摘要 - 该论文提出了增加导致道路事故的车辆总数的问题。车辆临时网络(VANET)已在基础设施中开发。本研究建议使用Vanet网络与车辆,路边单元(RSU)和网络服务器进行通信。提出的方法通过基于Omnet ++和Sumo Simulators内部框架(静脉)的地图执行IEEE 802.11p的基本参数来正确模拟Vanet,以实现和模拟车辆路线的规划流量策略。建议的技术的主要优势是使车辆能够相互通信或在基础架构上进行交流,以发送和接收各种类型的警告和信息消息。在本文中做出了两项重大贡献:通过减少车辆的CO 2排放和减少道路拥堵的CO 2来降低空气的污染水平,以及模拟车辆路线计划流量的技术贡献。我们的技术能够监视在高速公路上和紧急制动的情况下测试的空气污染和建筑模拟。每辆车可以通过向网络服务器发送数据包请求并等待包含新路径的响应来请求最短路由。主要的性能参数指标是指在不同时间在不同时间的速度和加速器等车辆中的数据交换。在每种情况下更改路径长度时,分析了车辆的速度,加速度,CO 2发射和RSU的总丢失数据包。在模拟中,使用100辆车在3,400米长的高速公路上以14 km/h的速度行驶,网络尺寸为(3000×3000)m。通过100辆车的旅行时间为300秒,RSU的总丢失的数据包为61,总CO 2排放量为3,1548 gm/英里,获得了仿真结果。模拟结果的优点为预防事故,增强无线基础设施和降低污染水平的车辆提供了更安全的道路。