AR模型的案例
【AI+波浪補(bǔ)償】AR模型實(shí)時(shí)船舶運(yùn)動(dòng)預(yù)測(cè)中的尺度效應(yīng)
預(yù)測(cè)模型分為三類:基于流體動(dòng)力學(xué)的預(yù)測(cè)方法、經(jīng)典時(shí)間序列預(yù)測(cè)模型和非線性智能學(xué)習(xí)預(yù)測(cè)模型。
為了克服在準(zhǔn)確估計(jì)狀態(tài)空間、噪聲和響應(yīng)核函數(shù)方面的實(shí)際局限性，人們采用時(shí)間序列模型對(duì)船舶運(yùn)動(dòng)進(jìn)行實(shí)時(shí)預(yù)報(bào)，即只需對(duì)船舶運(yùn)動(dòng)或海浪進(jìn)行建模。相對(duì)而言，自回歸模型(AR)由于其計(jì)算成本和實(shí)時(shí)實(shí)現(xiàn)的便利性，被探討得最多。關(guān)于AR模型的識(shí)別方案有很多研究，但由于嚴(yán)酷海域的船舶運(yùn)動(dòng)是非線性和非穩(wěn)態(tài)的，因此AR模型在高海況下的性能不足。為了獲得更好的預(yù)測(cè)結(jié)果，設(shè)計(jì)了AR移動(dòng)平均（ARMA）模型。與AR模型相比，這里采用波浪測(cè)量值作為時(shí)間序列模型的附加輸入。當(dāng)預(yù)測(cè)時(shí)間短于4s時(shí)，ARMA模型可以給出很好的預(yù)測(cè)結(jié)果，但當(dāng)預(yù)測(cè)時(shí)間超過(guò)4s時(shí)，ARMA模型就無(wú)法捕捉到目標(biāo)船運(yùn)動(dòng)的振幅，而且，只有在準(zhǔn)確感應(yīng)到距離船頭較遠(yuǎn)的波浪時(shí)，才能得到滿意的結(jié)果，而在實(shí)際情況下，準(zhǔn)確的相位分辨波浪遙感還是非常困難的。
某一預(yù)測(cè)模型的可預(yù)測(cè)性受到船舶運(yùn)動(dòng)時(shí)間序列特征的影響。但這些關(guān)系仍不明確。波浪誘導(dǎo)的船舶運(yùn)動(dòng)主要由船舶尺寸、海況和速度決定。本研究對(duì)船舶運(yùn)動(dòng)實(shí)時(shí)預(yù)測(cè)中的船舶尺寸影響進(jìn)行了研究，旨在為評(píng)估船舶運(yùn)動(dòng)的可預(yù)測(cè)性提供一些初步的見(jiàn)解。由于AR預(yù)測(cè)模型除了方便實(shí)現(xiàn)外，在實(shí)際應(yīng)用中也多被采用和推薦，因此本研究重點(diǎn)關(guān)注AR預(yù)測(cè)模型。
展開(kāi) 188基于matlab的AR模型參數(shù)估計(jì) ￥9.9
基于matlab的AR模型參數(shù)估計(jì)，burg法和ule-Walker法估計(jì)信號(hào)，并輸出估計(jì)誤差。程序已調(diào)通，可直接運(yùn)行。
利用ARMA、AR、MA模型，以及周期圖等進(jìn)行系統(tǒng)參數(shù)估計(jì)
利用ARMA、AR、MA模型，以及周期圖等進(jìn)行系統(tǒng)參數(shù)估計(jì)
機(jī)械故障診斷的Hilbert-Huang變換方法
第4章 基于Hilbert-Huang變換的旋轉(zhuǎn)機(jī)械故障特征提取方法
4.1 引言
4.2 基于Hilbert-Huang變換的時(shí)頻熵
4.2.1 基于Hilbert-Huang變換的時(shí)頻熵定義
4.2.2 在齒輪故障特征提取中的應(yīng)用
4.3 基于EMD的頻率族分離法
4.3.1 基于EMD的頻率族分離法原理
4.3.2 在齒輪故障特征提取中的應(yīng)用
4.4 局部Hilbert邊際譜在滾動(dòng)軸承故障特征提取中的應(yīng)用
4.4.1 基于局部Hilbert邊際譜的滾動(dòng)軸承故障特征提取方法
4.4.2 實(shí)驗(yàn)信號(hào)分析
4.5 基于EMD的轉(zhuǎn)子局部碰摩故障特征提取方法
4.5.1 基于EMD的轉(zhuǎn)子局部碰摩故障特征提取方法原理
4.5.2 實(shí)驗(yàn)信號(hào)分析
第5章 基于EMD的能量算子解調(diào)方法
5.1 引言
5.2 Hilbert變換解調(diào)方法及其局限性
5.2.1 Hilbert變換解調(diào)方法
5.2.2 Hilbert變換解調(diào)方法的局限性
5.3 能量算子解調(diào)方法
5.3.1 能量算子分離算法(EOSA)
5.3.2 平滑的能量算子分離算法
5.4 基于EMD的能量算子解調(diào)方法
5.5 基于EMD的能量算子解調(diào)方法在旋轉(zhuǎn)機(jī)械故障診斷中的應(yīng)用
5.5.1 基于EMD的能量算子解調(diào)方法在滾動(dòng)軸承故障診斷中的應(yīng)用
5.5.2 基于EMD的能量算子解調(diào)方法在齒輪故障診斷中的應(yīng)用
第6章 基于EMD的AR模型在旋轉(zhuǎn)機(jī)械故障診斷中的應(yīng)用
6.1 引言
6.2 基于EMD的AR模型
6.3 基于EMD的AR模型在齒輪故障診斷中的應(yīng)用
6.3.1 基于EMD和AR模型的齒輪故障診斷方法
6.3.2 實(shí)驗(yàn)信號(hào)分析
6.4 基于EMD的AR模型在滾動(dòng)軸承故障診斷中的應(yīng)用
6.4.1 基于EMD和AR模型的滾動(dòng)軸承故障診斷方法
6.4.2 實(shí)驗(yàn)信號(hào)分析
第7章 基于EMD和關(guān)聯(lián)維數(shù)的旋轉(zhuǎn)機(jī)械故障診斷方法
7.1 引言
展開(kāi) 
《機(jī)械故障診斷的Hilbert-Huang變換方法》
第4章 基于Hilbert-Huang變換的旋轉(zhuǎn)機(jī)械故障特征提取方法
4.1 引言
4.2 基于Hilbert-Huang變換的時(shí)頻熵
4.2.1 基于Hilbert-Huang變換的時(shí)頻熵定義
4.2.2 在齒輪故障特征提取中的應(yīng)用
4.3 基于EMD的頻率族分離法
4.3.1 基于EMD的頻率族分離法原理
4.3.2 在齒輪故障特征提取中的應(yīng)用
4.4 局部Hilbert邊際譜在滾動(dòng)軸承故障特征提取中的應(yīng)用
4.4.1 基于局部Hilbert邊際譜的滾動(dòng)軸承故障特征提取方法
4.4.2 實(shí)驗(yàn)信號(hào)分析
4.5 基于EMD的轉(zhuǎn)子局部碰摩故障特征提取方法
4.5.1 基于EMD的轉(zhuǎn)子局部碰摩故障特征提取方法原理
4.5.2 實(shí)驗(yàn)信號(hào)分析
第5章 基于EMD的能量算子解調(diào)方法
5.1 引言
5.2 Hilbert變換解調(diào)方法及其局限性
5.2.1 Hilbert變換解調(diào)方法
5.2.2 Hilbert變換解調(diào)方法的局限性
5.3 能量算子解調(diào)方法
5.3.1 能量算子分離算法(EOSA)
5.3.2 平滑的能量算子分離算法
5.4 基于EMD的能量算子解調(diào)方法
5.5 基于EMD的能量算子解調(diào)方法在旋轉(zhuǎn)機(jī)械故障診斷中的應(yīng)用
5.5.1 基于EMD的能量算子解調(diào)方法在滾動(dòng)軸承故障診斷中的應(yīng)用
5.5.2 基于EMD的能量算子解調(diào)方法在齒輪故障診斷中的應(yīng)用
第6章 基于EMD的AR模型在旋轉(zhuǎn)機(jī)械故障診斷中的應(yīng)用
6.1 引言
6.2 基于EMD的AR模型
6.3 基于EMD的AR模型在齒輪故障診斷中的應(yīng)用
6.3.1 基于EMD和AR模型的齒輪故障診斷方法
6.3.2 實(shí)驗(yàn)信號(hào)分析
6.4 基于EMD的AR模型在滾動(dòng)軸承故障診斷中的應(yīng)用
6.4.1 基于EMD和AR模型的滾動(dòng)軸承故障診斷方法
6.4.2 實(shí)驗(yàn)信號(hào)分析
第7章 基于EMD和關(guān)聯(lián)維數(shù)的旋轉(zhuǎn)機(jī)械故障診斷方法
7.1 引言
展開(kāi) MATLAB 信號(hào)處理
變換估計(jì)線性調(diào)頻信號(hào)的參數(shù)
14.3 基于尺度圖和Unterberger分布局部奇異點(diǎn)的分析
14.4 基于時(shí)頻分析的跳頻信號(hào)參數(shù)盲估計(jì)方法
14.5 Gabor展開(kāi)在信號(hào)檢測(cè)中的應(yīng)用
第4篇 高階譜分析工具箱
第15章 高階譜分析工具箱介紹
15.1 工具箱介紹和安裝
……
第16章 高階統(tǒng)計(jì)量
第17章 非參數(shù)化高階譜估計(jì)
第18章 參數(shù)模型高階譜估計(jì)
第19章 線性預(yù)測(cè)模型
第20章 諧波恢復(fù)與DOA估計(jì)
第21章 非線性隨機(jī)過(guò)程
第22章 Wigner時(shí)頻分布
第23章 時(shí)延估計(jì)
第24章 應(yīng)用實(shí)例
參考文獻(xiàn)
VirtualLabFusion多元化光學(xué)仿真平臺(tái)
多元化光學(xué)仿真平臺(tái)的仿真原理
VirtualLab Fusion 多元化光學(xué)仿真平臺(tái)的解決方案
VirtualLab Fusion的用戶受益于其在不斷增長(zhǎng)的應(yīng)用范圍內(nèi)的突破性技術(shù)，包括但不限于以下解決方案:
?透鏡系統(tǒng)
?激光系統(tǒng)和fs/as脈沖
?光纖耦合
?衍射光學(xué)
?光柵& Metasurfaces
?微透鏡陣列
?擴(kuò)散片和DOEs
?AR / VR / XR眼鏡
?散射
?干涉
VirtualLab Fusion多元化光學(xué)仿真平臺(tái)的靈活性建模
基于其獨(dú)創(chuàng)性的技術(shù)，VirtualLab Fusion在光源、元件和探測(cè)器的建模方面具有無(wú)與倫比的靈活性。?光源的建模包括但不限于激光，LEDs, LDs, VCSELs，熱光源，x射線源和超短脈沖。?元件的建模包括但不限于折射透鏡、自由曲面、菲涅耳透鏡、Pancake 透鏡、GRIN透鏡、超透鏡、光柵、DOEs、晶體、光闌、棱鏡、纖維、光纖、擴(kuò)散器、微透鏡陣列和SLMs。?探測(cè)器的建模包括但不限于像差，PSF/MTF，光束參數(shù)，輻照度，光度測(cè)定法，比色法和超短脈沖診斷。在波導(dǎo)AR模型的眼箱中模擬光瞳中的光分布以及由此產(chǎn)生的MTF。仿真結(jié)果包括光源的時(shí)間相干性分析和波導(dǎo)內(nèi)部的衍射分析。
VirtualLab Fusion多元化光學(xué)仿真平臺(tái)的分布式計(jì)算
多核仿真技術(shù)
VirtualLab Fusion具有許多交互性的仿真技術(shù)以及將這些技術(shù)鏈接起來(lái)的平臺(tái)。在技術(shù)選擇上，它提供了更準(zhǔn)確以及更快速的模擬結(jié)果。通過(guò)結(jié)合并行化算法與多核計(jì)算機(jī)，可以進(jìn)一步提高仿真速度。在VirtualLab Fusion中，大多數(shù)仿真算法支持并行處理，且能受益于多核計(jì)算機(jī)。接下來(lái)將展示VirtualLab Fusion的多核計(jì)算是如何顯著提高仿真速度。
展開(kāi) BIM方案和普通方案的區(qū)別
BIM憑借三維多視角的模型優(yōu)勢(shì)，可以瀏覽到空間的每個(gè)角落，減少雙方想象的落差，更有效率的溝通，更容易達(dá)成共識(shí)。
BIM方案
傳統(tǒng)方案
2.BIM設(shè)計(jì)方案營(yíng)造更周全
數(shù)萬(wàn)平米的地下室，百層樓高的ShoppingMall，您是不是也在為如此之大的工程頭疼呢。傳統(tǒng)方案需要依靠設(shè)計(jì)者強(qiáng)大的設(shè)計(jì)經(jīng)驗(yàn)，才能將方案的細(xì)枝末節(jié)思考周全。
BIM通過(guò)提供全方位的模型設(shè)計(jì)和施工計(jì)算，賦能建造者，擁有上帝般的視角審視施工全過(guò)程。
BIM方案
傳統(tǒng)方案
3.BIM設(shè)計(jì)方案精確算量節(jié)能環(huán)保
傳統(tǒng)方案依賴于設(shè)計(jì)人員的經(jīng)驗(yàn)估計(jì)和手工計(jì)算，材料算量普遍偏大。
BIM方案依托于建筑信息技術(shù)模型，精準(zhǔn)算出材料用量，直接輸出材料報(bào)表，用更高效的信息手段，提高材料復(fù)用率，用更直觀的方式把控材料的使用方式和路徑。
BIM方案
傳統(tǒng)方案
4.BIM設(shè)計(jì)方案高效便利
傳統(tǒng)方案需要設(shè)計(jì)者擁有長(zhǎng)期的從業(yè)經(jīng)驗(yàn)，對(duì)知識(shí)技能也較高要求，通常一個(gè)方案多人通力合作一到兩個(gè)月完成。
BIM可以憑借智能的機(jī)器算法，為從業(yè)者提供智能的經(jīng)驗(yàn)布置，一般僅需1~2周即可完成方案設(shè)計(jì)，一步一步逼近人工智能的行業(yè)動(dòng)向。
BIM方案
傳統(tǒng)方案復(fù)雜難讀
BIM方案還有其他好處：
沉浸式施工模擬：通過(guò)VR、AR等模型接口，帶領(lǐng)工人進(jìn)入BIM方案模型世界……
高效協(xié)同：通過(guò)BIM設(shè)計(jì)施工方案，可以讓同伴在工程中遠(yuǎn)程協(xié)作……
方案評(píng)審更高效：方案評(píng)審時(shí)更直觀的展現(xiàn)，依賴機(jī)器計(jì)算，讓專家更易通過(guò)……
展開(kāi) 45基于matlab的ARIMA ￥15.9
自回歸差分移動(dòng)平均模型(p,d,q)，AR自回歸模型，MA移動(dòng)平均模型，時(shí)間序列模型步驟包括：1. 數(shù)據(jù)平穩(wěn)性檢驗(yàn)；2. 確定模型參數(shù)；3. 構(gòu)建時(shí)間序列模型；4.模型預(yù)測(cè)；5.模型準(zhǔn)確性評(píng)估。可替換自己的數(shù)據(jù)，程序已調(diào)通，可直接運(yùn)行。
產(chǎn)品知識(shí) | 三維CAD建模對(duì)當(dāng)今機(jī)械工程師的好處
模型幾何的變化自動(dòng)重新計(jì)算我們的測(cè)量和研究，確保我們的設(shè)計(jì)同時(shí)滿足要求和優(yōu)化。
仿真分析可以驗(yàn)證和優(yōu)化我們的設(shè)計(jì)。對(duì)于給定的載荷和約束，我們可以描述以計(jì)算出這些負(fù)載情況下模型尺寸的最佳值。
例如，Creo仿真被構(gòu)建到Creo參數(shù)平臺(tái)中，消除了導(dǎo)出模型的需要。Creo實(shí)時(shí)仿真直接集成到建模環(huán)境中，允許在設(shè)計(jì)的同時(shí)進(jìn)行分析。
生成式設(shè)計(jì)技術(shù)，包括拓?fù)鋬?yōu)化，使用最少的材料，找到滿足其操作環(huán)境特定要求的幾何形狀。它們非常適合3D打印應(yīng)用，但也可以為傳統(tǒng)制造的部件提供最巧妙的設(shè)計(jì)。
在行為建模、仿真分析和生成式設(shè)計(jì)之間，今天的工程師有多種工具來(lái)創(chuàng)建可能的最佳產(chǎn)品。
實(shí)時(shí)仿真可以幫助機(jī)械工程師即時(shí)看到當(dāng)設(shè)計(jì)發(fā)生變化時(shí)，模型的應(yīng)力和其他特性將如何響應(yīng)
增強(qiáng)現(xiàn)實(shí)
如今的工程師可以快速將設(shè)計(jì)發(fā)布到增強(qiáng)現(xiàn)實(shí)(AR)服務(wù)器上，并在幾分鐘內(nèi)通過(guò)平板電腦和耳機(jī)查看覆蓋在現(xiàn)實(shí)世界上的模型。這種在潛在的操作環(huán)境中可視化產(chǎn)品的能力提供了前所未有的洞察客戶將如何響應(yīng)和與他們交互的能力。
AR還可以用于在構(gòu)建期間進(jìn)行設(shè)計(jì)評(píng)審、計(jì)劃制造和支持技術(shù)人員。這種具有真實(shí)世界疊加和補(bǔ)充信息的產(chǎn)品洞察力以前從未用于生產(chǎn)，我們只是剛剛開(kāi)始了解其潛力。
AR使模型比以往任何時(shí)候都更便攜。只要一個(gè)鏈接，機(jī)械工程師和利益相關(guān)者就可以在混合現(xiàn)實(shí)耳機(jī)上推出3D模型，比如微軟的HoloLens。
結(jié)論
CAD軟件不再只是簡(jiǎn)單地取代昨天的畫(huà)板。這些進(jìn)步使3D CAD從簡(jiǎn)單地定義幾何圖形發(fā)展到創(chuàng)建智能模型。
展開(kāi) SOLIDWORKS 2019正式上線
設(shè)計(jì)師和工程師優(yōu)先考慮的是設(shè)計(jì)性能、細(xì)節(jié)與創(chuàng)新并探索VR和AR強(qiáng)大的模型演示功能。可以從中體驗(yàn)未來(lái)的設(shè)計(jì)車間的原型，通過(guò)數(shù)字化設(shè)計(jì)來(lái)簡(jiǎn)化3D部件的可視化進(jìn)程，完成從虛擬到現(xiàn)實(shí)的轉(zhuǎn)變。”
設(shè)計(jì)仿真 | 聲音品質(zhì)的改善：Actran在AR眼鏡產(chǎn)品之仿真應(yīng)用
近年來(lái)AR顯示技術(shù)日趨成熟，但受限于裝置尺寸與重量限制，將高品質(zhì)音頻系統(tǒng)整合進(jìn)眼鏡式裝置面臨巨大挑戰(zhàn)：AR 眼鏡出音孔尺寸小、與使用者耳朵距離遠(yuǎn)，導(dǎo)致聲音信號(hào)易受空氣衰減和環(huán)境干擾，音質(zhì)大幅下降。
本研究的核心目標(biāo)的是：在不改變 AR 眼鏡內(nèi)部整體系統(tǒng)設(shè)計(jì)的前提下，通過(guò)加裝幾何聲學(xué)通道裝置，提升聲音傳遞特性，改善頻率響應(yīng)與聽(tīng)覺(jué)舒適度——而這一目標(biāo)的實(shí)現(xiàn)，依賴于 Actran仿真技術(shù)的精準(zhǔn)支撐。
Actran仿真技術(shù)的核心優(yōu)勢(shì)
相較于傳統(tǒng)聲學(xué)設(shè)計(jì)依賴的 “反復(fù)實(shí)驗(yàn)試錯(cuò)” 模式，Actran 仿真技術(shù)在本研究中展現(xiàn)出三大核心優(yōu)勢(shì)，成為效率與精度的雙重保障：
1. 建模流程簡(jiǎn)化，精度不打折
傳統(tǒng)仿真需構(gòu)建復(fù)雜等效電路，流程繁瑣且易出錯(cuò)；Actran 僅需喇叭廠商提供的 7 個(gè) Thieles/Small（T-S）參數(shù)（含力學(xué)參數(shù)：sd、Mms、Cms、Rms；電磁參數(shù)：Le、Re、BL），即可快速建立微型喇叭單體模型，大幅簡(jiǎn)化建模流程的同時(shí)精準(zhǔn)還原喇叭聲學(xué)特性。
2. 場(chǎng)景全覆蓋，仿真更真實(shí)
Actran可實(shí)現(xiàn)從 “單體喇叭” 到 “完整 AR 眼鏡系統(tǒng)” 的全鏈路仿真，支持有限流體域（近場(chǎng)）與無(wú)限流體域（遠(yuǎn)場(chǎng) / 無(wú)反射邊界）的場(chǎng)景設(shè)定，完美復(fù)刻聲音傳播的物理環(huán)境。
3. 數(shù)據(jù)高度可信，與實(shí)驗(yàn)強(qiáng)吻合
通過(guò)對(duì)比 Actran 仿真結(jié)果與 KLIPPEL 實(shí)驗(yàn)量測(cè)數(shù)據(jù)，喇叭單體的聲壓級(jí)（SPL）曲線、阻抗幅值曲線在主要頻段趨勢(shì)一致，能精準(zhǔn)反映單體的電學(xué)-機(jī)械-聲學(xué)多物理場(chǎng)耦合特性，證明仿真模型的邊界條件與材料參數(shù)設(shè)定接近實(shí)際情況，可直接作為后續(xù)系統(tǒng)設(shè)計(jì)驗(yàn)證的基礎(chǔ)。
展開(kāi) 鋰離子動(dòng)力電池壽命預(yù)測(cè)的研究進(jìn)展
張吉宣等提出了一種自回歸滑動(dòng)平均模型和正則化PF 的融合算法
，并與單一的標(biāo)準(zhǔn)PF 和正則化PF算法相比較，結(jié)果表明該方法預(yù)測(cè)精度更高。
b. 數(shù)據(jù)驅(qū)動(dòng)法
數(shù)據(jù)驅(qū)動(dòng)法不需要了解電池內(nèi)部的物理和化學(xué)變化，通過(guò)分析電池健康狀態(tài)信息進(jìn)行剩余壽命預(yù)測(cè)。Liu 等提出了一種利用灰色模型的電池剩余壽命預(yù)測(cè)方法，但GM(1,1)模型在進(jìn)行長(zhǎng)期預(yù)測(cè)時(shí)誤差比較大，針對(duì)這種情況，Gu 等建立了殘差GM(1,1)模型，實(shí)驗(yàn)結(jié)果表明，該方法預(yù)測(cè)精度較高。Long 等利用改進(jìn)的自回歸(AR)模型對(duì)鋰離子電池退化容量進(jìn)行跟蹤，在模型定階時(shí)采用粒子群算法，實(shí)現(xiàn)對(duì)電池的壽命預(yù)測(cè)，結(jié)果具有較高的精度。龐曉瓊等提出了一種結(jié)合主成分分析特征融合與非線性自回歸神經(jīng)網(wǎng)絡(luò)(PCANARX)的預(yù)測(cè)方法,對(duì)電池的壽命進(jìn)行預(yù)測(cè)，經(jīng)仿真后得出了該方法的有效性，其預(yù)測(cè)誤差小、適用性強(qiáng)，如圖1所示。
聶僥等建立了一種雙并聯(lián)離散過(guò)程神經(jīng)網(wǎng)絡(luò)模型，并與標(biāo)準(zhǔn)的過(guò)程神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)所得的結(jié)果進(jìn)行比較，該方法不僅實(shí)現(xiàn)了過(guò)程神經(jīng)網(wǎng)絡(luò)不具備的權(quán)值在線更新功能，而且預(yù)測(cè)效果更好，如表3所示。
c. 融合技術(shù)法
由于融合技術(shù)法克服了模型法預(yù)測(cè)和數(shù)據(jù)驅(qū)動(dòng)法預(yù)測(cè)的局限性，很多研究人員更加青睞于用融合技術(shù)法來(lái)預(yù)測(cè)電池剩余壽命，可以提高預(yù)測(cè)的準(zhǔn)確性。范立明等通過(guò)將退化物理模型與粒子濾波算法融合的方法來(lái)對(duì)電池的剩余壽命進(jìn)行預(yù)測(cè)，預(yù)測(cè)誤差僅為1.97%。
展開(kāi) Angew. Chem. Int. Ed.：具有選擇性陽(yáng)離子空位的鈣鈦礦型氫氧化物并用于催化OER
在堿性電解液中，在SnCoFe-Ar上發(fā)生的OER的四個(gè)步驟示例圖 (圖中藍(lán)色環(huán)中標(biāo)記的是活性位點(diǎn))；
(b). 純的SnCoFe（包括活性位點(diǎn)Sn和Co）以及SnCoFe-Ar三種模型的OER反應(yīng)或性能計(jì)算結(jié)果。
【小結(jié)】
研究人員使用Ar等離子體對(duì)鈣鈦礦型氫氧化物SnCo0.9Fe0.1(OH)6進(jìn)行處理，得到具有豐富Sn空位的OER電催化劑。通過(guò)一系列的表征發(fā)現(xiàn)，該陽(yáng)離子空位使催化劑材料暴露出更多的Co/Fe活性位點(diǎn)，并在材料表面制造更多的1-2nm的孔道，提高其物質(zhì)傳輸能力，同時(shí)改善其電子傳輸能力。故而，該富陽(yáng)離子缺陷的SnCoFe-Ar表現(xiàn)出很好的催化性能，為后來(lái)者設(shè)計(jì)高效OER電催化劑提供了一個(gè)新的思路。
文獻(xiàn)鏈接：Preferential Cation Vacancies in Perovskite Hydroxide for Oxygen Evolution Reaction (Angew. Chem. Int. Ed., 2018, DOI: 10.1002/anie.201805520)
展開(kāi) 科技前線 | Top5具有價(jià)值的Vuforia Studio用例
集成 AR、計(jì)算機(jī)輔助設(shè)計(jì) (CAD)、產(chǎn)品生命周期管理 (PLM) 和物聯(lián)網(wǎng) (IoT) 數(shù)據(jù)，Vuforia Studio為一線員工和客戶提供AR體驗(yàn)解決各種高價(jià)值業(yè)務(wù)問(wèn)題。以下是Top 5具有價(jià)值的Vuforia Studio用例：
1、熟悉產(chǎn)品和培訓(xùn)
通過(guò)Vuforia Studio提供的AR體驗(yàn)可以升級(jí)您的培訓(xùn)計(jì)劃并幫助一線工人熟悉設(shè)備——他們是否在現(xiàn)場(chǎng)查看在他們面前的設(shè)備。在完成維修之前，一線工人可以通過(guò)AR驅(qū)動(dòng)的3D模型熟悉產(chǎn)品和培訓(xùn)應(yīng)用。通過(guò)基于虛擬模型的培訓(xùn)使完全的遠(yuǎn)程學(xué)習(xí)成為可能。當(dāng)談到親自完成維修，工人可以通過(guò)覆蓋在物理機(jī)器上的3D內(nèi)容實(shí)現(xiàn)實(shí)時(shí)學(xué)習(xí)。
2、產(chǎn)品可視化
工業(yè)銷售和營(yíng)銷團(tuán)隊(duì)可以通過(guò)虛擬驗(yàn)證和展示來(lái)改善客戶體驗(yàn)。這些體驗(yàn)支持復(fù)雜產(chǎn)品的3D視圖，因此客戶可以在他們的物理環(huán)境中“看到”設(shè)備，個(gè)性化他們自己的版本，甚至在有限的空間中大規(guī)模地觀察它。
3、客戶自助服務(wù)
后疫情時(shí)代的“新常態(tài)”更加重視服務(wù)的替代方法。Vuforia Studio AR體驗(yàn)通過(guò)維護(hù)和服務(wù)程序?yàn)榭蛻籼峁┳灾?wù)指導(dǎo)。結(jié)合物聯(lián)網(wǎng)數(shù)據(jù)可視化，這些體驗(yàn)可幫助客戶預(yù)測(cè)設(shè)備何時(shí)需要維護(hù)并在中斷運(yùn)營(yíng)之前解決問(wèn)題。
4、引導(dǎo)式服務(wù)說(shuō)明
現(xiàn)場(chǎng)服務(wù)技術(shù)人員可以利用沉浸式3D執(zhí)行從日常維護(hù)到復(fù)雜維修的所有操作的說(shuō)明，消除了紙質(zhì)說(shuō)明、手冊(cè)和圖紙的需要，因?yàn)檫@些說(shuō)明、手冊(cè)和圖紙可能會(huì)丟失關(guān)鍵、及時(shí)的信息。結(jié)合物聯(lián)網(wǎng)數(shù)據(jù)，引導(dǎo)式服務(wù)說(shuō)明可幫助技術(shù)人員實(shí)時(shí)了解設(shè)備運(yùn)行情況，從而在潛在問(wèn)題發(fā)生之前解決它們。
5、零件識(shí)別
通過(guò)AR體驗(yàn)識(shí)別設(shè)備部件有助于工作人員確保他們正確完成維修——尤其是當(dāng)某些部件可能難以與其他部件區(qū)分開(kāi)時(shí)。
展開(kāi) AR模型的相關(guān)專題、標(biāo)簽、搜索
AR模型AR自回歸模型AR模型參數(shù)估計(jì)arAR光學(xué)AR/MR ar模型ar線性回歸模型模擬脈動(dòng)風(fēng)速時(shí)間歷程elements are are missing the permeability definitionelements are are missing the permeability definition.924 elements are connector elements that are connected to ground. the elements are identified in element set warncontoground.924 elements are connector elements that are connected to ground. the elements are identified in element set warncontoground
