XiaoMi-AI文件搜索系统
World File Search System驱动系统
基于重要性变化的性能下降及其在异种冗余驱动系统中的应用
摘要：重要性测度是识别和评估系统薄弱环节的重要方法，广泛应用于航空、航天、核能等系统的优化设计和维护决策。非相似余度作动系统（DRAS）是实现飞机姿态和飞行轨迹控制的关键飞机控制子系统，其性能和可靠性直接影响飞机的飞行品质和飞行安全。本文分别考虑Birnbaum重要性测度（BIM）和综合重要性测度（IIM）对DRAS中关键部件可靠性变化的影响，首先考虑了性能退化和功率不匹配导致不同部件物理故障特征的差异，然后分析了DRAS中关键部件的可靠性变化。然后通过假设 DRAS 组件的随机退化过程遵循逆高斯 (IG) 过程来估计系统中每个组件的可靠性。最后，使用 BIM 和 IIM 识别系统的薄弱环节，以便在维护期间将资源合理地分配给薄弱环节。所提出的方法可以为人员维护提供技术支持，从而以最小的生命周期成本提高系统可靠性。
具有双V形磁铁结构的永久磁体同步电动机的动态等效磁网络模型和驱动系统
等效磁网络（EMN）方法似乎是电动机中磁场的一种更有效的分析方法，比等效磁路方法（EMC）[11]和比有限元方法（FEM）相比，相结合了更高的计算精度和更快的计算速度。W. Shi等。研究了具有V形磁铁结构的PMSM的EMN，该结构可以准确计算磁场分布并模拟电动机的抗磁力化能力[12]。J. Zhang等。 提出了双层磁铁结构永久磁铁同步不情愿电动机，并建立了其EMN模型，该模型可以准确计算电动机的气隙通量密度分布，并用于转子结构的设计和优化[13]。 尽管如此，[12]和[13]中的EMN模型不可用于计算绕道通量，电动力（EMF）和扭矩波形以及转子旋转。 然后，介绍了根据转子位置修改EMN在定子和转子之间的连接的动态EMN模型，以解决此问题。 H. Kwon等。 研究并建立了具有表面无磁体结构的PMSM的动态EMN模型，该模型可以获得与FEM相似的磁场计算结果[14]。 G. Liu等。 研究了具有单层V形磁体结构的PMSM的动态EMN模型。 其正确性通过FEM和实验验证[15]。 但是，在本文中对拟议的DVMPMSM的动态EMN模型没有相关的研究。J. Zhang等。提出了双层磁铁结构永久磁铁同步不情愿电动机，并建立了其EMN模型，该模型可以准确计算电动机的气隙通量密度分布，并用于转子结构的设计和优化[13]。尽管如此，[12]和[13]中的EMN模型不可用于计算绕道通量，电动力（EMF）和扭矩波形以及转子旋转。然后，介绍了根据转子位置修改EMN在定子和转子之间的连接的动态EMN模型，以解决此问题。H. Kwon等。研究并建立了具有表面无磁体结构的PMSM的动态EMN模型，该模型可以获得与FEM相似的磁场计算结果[14]。G. Liu等。研究了具有单层V形磁体结构的PMSM的动态EMN模型。其正确性通过FEM和实验验证[15]。但是，在本文中对拟议的DVMPMSM的动态EMN模型没有相关的研究。在[16]中，动态EMN模型用于表面安装的PMSM的多目标优化，这对电动机的快速设计有益。
第2届关于弹性和值得信赖的机器学习驱动系统（ARTMAN）最新进展的研讨会将于12月9日星期一，
请致电论文。该研讨会旨在将来自不同领域的学术研究人员和工业从业人员聚集在一起，这些领域具有多样化的专业知识（主要是安全，隐私和机器学习，也是从应用程序领域）聚集在一起，以共同探索和讨论有关有弹性和可信赖的机器学习能力的富有弹性和可信赖的机器学习的主题 他们。最终的目标之一值得获得一系列多个研讨会，是促进研究人员和从业人员之间的密切合作，以改善ML应用程序在一系列异构和复杂系统中的安全性，隐私和信任，例如网络物理系统系统和智能制造系统。一方面，对于AcaDemic的研究人员来说，实际上重要的是根据攻击者意图，目标，技能（知识，能力）和策略来指定威胁模型（通过考虑成本因素）。例如，攻击者可以采用一种简单但有效的数据中毒方法而不是梯度计算来逃避基于ML的异常检测系统。另一方面，应强烈鼓励从业者在开发和部署生产级AI系统（通常称为智能系统）期间分享其观察结果和见解，其中大多数是看不见的或封闭的。这可以帮助学者了解现实生活中的AI系统通常如何工作，并建立更现实的假设来开发ML安全研究并解决现实世界中的问题。该研讨会的结果和影响有望超越研究界，希望为电信利益相关者，标准发展组织和政府部门提供宝贵的发现和建议。如果不对可能部署AI/ML系统的用例执行强大限制，我们鼓励对ML系统的基础和应用的贡献和讨论，并且对自我驱动网络，数字双胞胎，大语言模型和医疗保健AI具有特别的兴趣。该研讨会也有兴趣在应用AI/ML算法（尤其是那些知识知识的算法）上征集贡献，以提高这种情况下的韧性和信任。
人工智能在...中的应用
电力电子和驱动系统是许多工业和消费应用的关键组件，包括电动汽车、可再生能源系统和家用电器。为了满足日益增长的性能和效率提升需求，人工智能 (AI) 的应用已成为改进电力电子和驱动系统的控制、故障检测、能源管理和设计优化的一种潜在策略。本文全面回顾了人工智能在电力电子和驱动系统中的应用。首先介绍电力电子和驱动系统以及人工智能在提高其性能方面的重要性。然后，介绍人工智能技术的基础知识，包括机器学习、模糊逻辑和元启发式方法。本文介绍了人工智能在电力电子和驱动中的各种应用，包括控制和优化、故障诊断和预测、能源管理和设计优化。
Labwit | Blanc Labo
Quin Drive 自平衡驱动系统创新的 Quin 驱动系统确保平稳可靠的轨道振动运动，速度在 30-300rpm 之间，即使振动平台不平衡或负载最大。为实现最大化的 ������������ ���� ���� ������������ ���������� ���������� ���������� 传输速率，振动直径可在 12.5mm、25mm 和 50mm 之间轻松调节。长寿命无刷电机提供一致且无振动的振动运动，免维护且低热量排放。
Kinetix 5300 单轴 EtherNet/IP 伺服驱动器用户手册
第 1 章 开始关于 Kinetix 5300 伺服驱动系统 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 18 典型通信配置. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 19 线性拓扑. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . ................. ... . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .... .... .... .... 24
MultiCam Digital Express 功能和规格指南
数字伺服驱动器和无刷数字交流伺服电机相结合，形成数字矢量伺服驱动系统，是所有 MultiCam Digital Express 机器的标准配置。这些驱动系统无缝集成位置、速度和扭矩环路，提供无与伦比的跟踪精度、平滑度和可靠性。MultiCam 伺服驱动机器中使用的驱动器是高性能驱动器系列中的最新产品，它通过利用这种无缝协调的方式推动了最先进的技术，允许实时共享所有信息，以便所有系统功能在任何情况下都能协同工作。例如，如果扭矩环路检测到交流伺服电机已达到 100% 扭矩输出，则立即将其传递到伺服补偿器上游，系统提供协调响应，保持精确控制。您将实现更紧密的跟踪、更平稳的运动和更快的快速移动 - 所有这些都能带来卓越的机器吞吐量和可靠性。MultiCam 使用的数字交流伺服驱动系统不仅具有强大的性能，而且 MTBF 数字也让竞争对手汗颜。数字驱动系统的 MTBF 超过 80 年！
