2864 Arbeiten
Dieses Papier schlägt ein robustes hybrides neuronales Netzwerk-Framework für die Photovoltaik-Leistungsprognose vor, das umfassende Datenimputations-Techniken mit einem verbesserten Golden-Jackal-Optimizer integriert, um die Genauigkeit und Zuverlässigkeit in Gegenwart fehlender Monitoring-Daten zu erhöhen.
Dieses Papier präsentiert eine kostengünstige, nicht-invasive Lösung für Dieselmotoren, bei der ein biologisch abbaubares, ungiftiges Kurbelgehäuse-Additiv die Kolbenringe effektiv in situ reinigt, um Blow-by und Ölrauch ohne die Notwendigkeit einer kostspieligen Demontage des Motors zu eliminieren.
Diese Studie zeigt, dass Machine-Learning-Modelle, insbesondere XGBoost für die Regression und Random Forest für die Klassifizierung, den Druck und die Durchflussrate einer elektrischen Unterwasserpumpe effektiv vorhersagen sowie Systemfehler identifizieren können, wodurch eine proaktive Wartung ermöglicht wird, um Ausfallzeiten zu reduzieren und die betriebliche Effizienz zu steigern.
Diese Studie zeigt, dass ein Modell eines künstlichen neuronalen Netzes (ANN) andere Algorithmen des maschinellen Lernens und traditionelle Korrelationen bei der präzisen Vorhersage des Ansaugdrucks für Brunnen ohne Bohrlochsensoren signifikant übertrifft und dabei unter Verwendung ausschließlich leicht verfügbarer Felddaten niedrige Fehlerraten erreicht.
Dieses Paper schlägt ein neuartiges Framework zur Zustandsüberwachung von Strukturen vor, das Variational Autoencoder mit bayesscher Risikoschätzung und Optimierung integriert, um eine hochgenaue Anomalieerkennung, präzise Lokalisierung sowie intelligente Sensorenplatzierung zu erreichen, während gleichzeitig die Unsicherheit effektiv quantifiziert und die Skalierbarkeit für Echtzeitanwendungen sichergestellt wird.
Diese Arbeit untersucht den Mechanismus der Fernwirkungsauslösung von energiekonzentrierenden Intervallladungen durch theoretische Analyse, numerische Simulation und Feldtests und zeigt auf, dass die Technologie die Stabilität beim Tunnelsprengen sowie die Halblochraten effektiv verbessert und gleichzeitig die Kosten senkt.
Dieses Review-Paper untersucht die Korrelation zwischen den physikochemischen Eigenschaften von emulgierten Biokraftstoffen und deren Auswirkungen auf die Leistungs- und Emissionscharakteristika von Dieselmotoren und hebt hervor, dass optimale Zusammensetzungen, wie etwa Pentanol-Diesel-Blends, die Motoreffizienz steigern und Emissionen reduzieren können, ohne dass Modifikationen erforderlich sind.
Dieses Paper stellt Certified CacheMPC vor, ein Framework, das die Steuerung der Quadrupeden-Lokomotion durch das Caching und Wiederverwenden zuvor gelöster MPC-Trajektorien mit strengen Durchführbarkeits- und Suboptimalitätszertifikaten beschleunigt und dabei signifikante Geschwindigkeitssteigerungen sowohl in der Simulation als auch auf der Hardware erzielt, ohne die geschlossene Regelkreisstabilität zu beeinträchtigen.
Dieses Papier schlägt eine quantitative Methode zur Erkennung von Anomalien in den Deichen des Gelben Flusses vor, indem es eine auf Mischungstheorie basierende seismische Wellenmodellierung mit der Cross-Hole-Seismik-CT-Inversion kombiniert, um die Porosität ungesättigter Böden präzise zu lokalisieren und zu bestimmen, während gleichzeitig Grenzflächenartefakte identifiziert werden, die einer geologischen Verifizierung bedürfen.
Diese Studie zeigt, dass das Hinzufügen von EDTA und Zement die Druckfestigkeit und die mikrostrukturelle Dichte des stabilisierten Sandes zwar signifikant erhöht, die Beigabe von 5 % Gummigranulat jedoch ein optimales Gleichgewicht bietet, indem sie die Duktilität und die Frost-Tau--Beständigkeit verbessert, trotz einer leichten Verringerung der Spitzenfestigkeit.