2814 Arbeiten
Diese Studie präsentiert ein parametrisch optimiertes, hierarchisches „Box-in-Box“-Vibrationsisolationssystem, das mechanische Erregungen und die Stabilisierungszeit für Mikrogall-präzise Gravimeter signifikant reduziert und dadurch die Messzuverlässigkeit während des Transports in extremen Umgebungen wie dem tibetischen Plateau erhöht.
Dieses Paper schlägt ein neuartiges Deep-Reinforcement-Learning-Framework unter Verwendung eines Soft-Actor-Critic-Algorithmus vor, um einen regenerativen Rankine-Kreisprozess mit zwei Speisewasservorwärmern autonom zu optimieren, wobei hohe thermische und exergetische Wirkungsgrade bei gleichzeitiger Aufrechterhaltung einer robusten Leistung unter vielfältigen Umwelt- und Betriebsbedingungen erreicht werden.
Diese Studie nutzt AutoML und SHAP-Interpretierbarkeit auf US-Daten zu tödlichen Unfällen, um distinkte verhaltensbezogene und kontextuelle Faktoren zu identifizieren, die Vorrangmissachtung bei Fußgängern antreiben, wodurch spezifische Risikomuster für verschiedene Überquerungsmanöver aufgedeckt werden, um gezielte Sicherheitsmaßnahmen zu informieren.
Diese Studie nutzt multivariate Data-Mining-Verfahren bei 48.838 von der texanischen Polizei gemeldeten Unfällen unter Beteiligung von Fahrzeugen mit AEB-Ausstattung, um vier unterschiedliche Unfalltypologien zu identifizieren, wobei die operationelle Heterogenität dieser Vorfälle hervorgehoben und eine empirische Grundlage für die Verbesserung von Fahrzeugtests, Sensorikentwicklung und verkehrssicherheitstechnischen Maßnahmen geschaffen wird, anstatt direkt die Wirksamkeit von AEB zu messen.
Diese empirische Studie zeigt, dass eine trägheitsbewusste adaptive Kontraktionssteuerungsstrategie für unteraktuierte Roboter zwar die Massenidentifikation im Vergleich zu Fixed-Metric-Ansätzen signifikant verbessert, jedoch häufig die Tracking-Genauigkeit aufgrund adaptionsbedingter Instabilität verschlechtert, ein Kompromiss, der durch einen vorgeschlagenen selbstabgeleiteten Adaptionsraten-Governor teilweise gemildert wird.
Dieses Paper präsentiert ein autoregressives Multi-Fidelity-Gauß-Prozess-Regressionsframework, das spärliche, hochpräzise LDV-Messungen mit reichlich vorhandenen, verzerrten CFD-Simulationen fusioniert, um ein Echtzeit-Surrogatmodell zur Vorhersage gestörter Geschwindigkeitsfelder in der virtuellen Durchflussmessung zu erstellen, wobei eine signifikante Fehlerminimierung und zuverlässige 95 %-Vorhersageintervalle erreicht werden.
Diese Studie zeigt auf, dass das Platzieren von mechanisch zerkleinertem Denim-Gewebe in den Deckschichten von dreischichtigen Spanplatten die mechanische Leistungsfähigkeit bewahrt und Industriestandards erfüllt, während eine Einbindung in die Kernschicht die Festigkeit signifikant reduziert, was verdeutlicht, dass die Aufrechterhaltung des charakteristischen Dichtegradienten der Platte entscheidender für die Leistungsfähigkeit ist als eine lokale Materialverdichtung.
Diese Arbeit präsentiert eine hardwareeffiziente, gemeinsame Feed-Apertur-MIMO-Architektur, die ein von einer Butler-Matrix gespeistes kreisförmiges Array mit einer 1-Bit programmierbaren Metasurface integriert, um simultanes ko-direktionales OAM-Multiplexing, Divergenzarmut in der Ausbreitung und programmierbare Strahlsteuerung mit hoher Kanalisolation zu erreichen.
Diese Studie zeigt auf, dass die strategische vorzeitige Ausmusterung von Elektrofahrzeugbatterien um 1–2 Jahre 40–50 % der derzeit nicht wiederverwendbaren Einheiten in wertvolle Energiespeicherressourcen für die Zweitnutzung verwandeln kann, was durch einen vorgeschlagenen dynamischen Rückgaberahmen die Zirkularität und ökologische Nachhaltigkeit erheblich verbessert.
Diese Studie zeigt, dass eine mobile Punkt-zu-Punkt-Geschwindigkeitsüberwachung in Queensland operativ machbar ist, wobei sie aufzeigt, dass die Raten der Fahrzeugreidentifizierung primär durch die Anzahl der Straßenausfahrten als durch den Abstand zwischen den Kameras begrenzt werden, während sie gleichzeitig signifikante Diskrepanzen zwischen Punkt- und Durchschnittsgeschwindigkeitsmessungen hervorhebt.