2701 Arbeiten
Dieses Papier schlägt eine hochgewinnende, geschaltete-Kondensator-Multilevel-Inverter-Topologie vor, die zwei Gleichstromquellen und neun Schalter nutzt, um elf Ausgangsspannungsstufen mit geringem Oberschwingungsgehalt und selbstbalancierenden Kondensatoren zu erzeugen, während durch 50-Hz-Betrieb und Nearest-Level-Modulation reduzierte Schaltverluste erreicht werden.
Dieses Papier schlägt ein Dynamic Sparse Partial Least Squares (D-sPLS) Framework vor, das semi-überwachtes Lernen, dynamische Merkmalsaugmentation und interpretierbare Diagnosetools nutzt, um eine präzise Echtzeit-Sensorfehlererkennung und -diagnose in der intelligenten Landwirtschaft zu erreichen, ohne dass markierte Fehlerdaten erforderlich sind.
Diese Studie verwendet eine CFD-Modellierung mit einer Rosin-Rammler-Sandpartikelgrößenverteilung, um die Erosion in Tiefwasser-Gas-Jumpern vorherzusagen, wobei nachgewiesen wird, dass die Berücksichtigung variabler Partikelgrößen und Strömungsdynamiken realistischere Erosionsprognosen als theoretische Modelle liefert und das letzte Ellbogenstück als den kritischsten Bereich für schwere Erosion identifiziert.
Diese Studie zeigt, dass die Integration von Mikrowalzen mit der laserinduzierten Lichtbogen-Additiven Fertigung (LIAAM) das Gefüge der 2319-Aluminiumlegierung signifikant verfeinert, wodurch die Anisotropie reduziert und sowohl die Härte als auch die Zugfestigkeit im Vergleich zu konventioneller LIAAM gesteigert werden.
Diese In-silico-Studie zeigt auf, dass die Maximierung der Ausdauer bei Handradsport-Aufgaben mittels funktioneller Elektrostimulation am besten durch die Optimierung von Kostenfunktionen erreicht wird, die spezifische Variablen sowie personalisierte Muskelermüdbarkeit und mechanische Kritikalität berücksichtigen, anstatt sich ausschließlich auf Standard-Normarchetypen zu verlassen.
Dieses Paper präsentiert eine zweistufige Fahrzeug–Verkehr-Ko-Simulationsmethodik, die quantifiziert, wie räumlich-zeitlich variierende Verkehrsbedingungen auf einem 255 Meilen langen US-Korridor die Energieintensität signifikant erhöhen und die Frachteffizienz für Langstrecken-Elektrolaster verringern, während sie gleichzeitig die Rückgewinnung regenerativer Energie steigern.
Diese Studie schlägt ein robustes Framework zur Diagnose von Getriebefehlern vor, das eine Bayes-optimierte Variational Mode Decomposition zur adaptiven Rauschabtrennung mit einem Attention-basierten CNN-BiLSTM-Modell zur verbesserten Merkmalsextraktion integriert und dabei eine Genauigkeit von 90 % bei der Erkennung beginnender Fehler unter variablen Betriebsbedingungen erreicht.
Diese Studie zeigt, dass die auf Schwarmintelligenz basierende adaptive Schwellenwertoptimierung, insbesondere der Vergleich zwischen dem Artificial Bee Colony und dem Firefly Algorithm, die Leistung der Spektrumssensorik in kognitiven Funknetzen signifikant verbessert, indem sie die Detektionswahrscheinlichkeiten erhöht und die Falschalarmraten im Vergleich zur herkömmlichen Festschwellen-Energiedetektion ausbalanciert.
Diese Studie präsentiert ein hybrides Ensemble-Learning-Framework, das petrophysikalische Bohrlochmessungen, Kernmessungen und Drill-Stem-Test-Daten integriert, um die Permeabilität in heterogenen Reservoirs durch die Formulierung der Aufgabe sowohl als Klassifikations- als auch als Regressionsproblem präzise vorherzusagen, wobei es eine überlegene Leistung und Interpretierbarkeit gegenüber eigenständigen Modellen des maschinellen Lernens demonstriert.
Diese Arbeit präsentiert einen neuartigen hepta-verzweigten Glasfasersensor, der durch einen Sechs-Messungen-Rekonstruktionsalgorithmus in der Lage ist, Zielentfernung, Neigungsmagnitüde und Neigungsachsenazimut gleichzeitig zu messen, wobei eine hohe Genauigkeit erreicht wird und eine kompakte, kostengünstige Lösung für die berührungslose industrielle Metrologie geboten wird.