764 Arbeiten
Dieses Papier präsentiert ein zeitbasiertes, auf LSTM basierendes Digital-Twin-Framework, das das Design von Elektrofahrzeugen hinsichtlich Energieeffizienz, Stabilität, Komfort und Fertigbarkeit über diverse Fahrszenarien hinweg optimiert und dabei eine durchschnittliche Energieeinsparung von 14,41 % im Vergleich zu traditionellen Methoden erreicht.
Diese Studie verwendet eine erweiterte harmonische Quadraturmethode mit Bogenlängen-Fortsetzung, um die nichtlineare Dynamik eines PD-gesteuerten flexiblen Rotorsystems zu analysieren, wobei aufgezeigt wird, dass der Proportionalanteil eine weiche Nichtlinearität und Chaos induziert, während der Differenzialanteil eine effektive Dämpfung zur Wiederherstellung der Stabilität bereitstellt, wodurch ein robuster Rahmen für die Auslegung elektromagnetisch gesteuerter rotierender Maschinen geschaffen wird.
Diese Studie nutzt die Cluster-Korrespondenzanalyse auf mehrjährigen FARS-Daten, um Schlüsselfaktoren zu identifizieren, die zu tödlichen Unfällen mit Transitbussen beitragen, wie etwa Konflikte an Kreuzungen und unzureichende Verkehrsregelung, und schlägt gezielte Politikempfehlungen vor, um die Infrastruktur und Sicherheit zu verbessern.
Diese Arbeit präsentiert die Implementierung und experimentelle Optimierung eines roboterarmgestützten, tankfreien additiven Fertigungssystems, das akustische Levitation für die multidirektionale, kontaktlose Deposition von photohärtbaren Harzen nutzt und dessen Potenzial zur Überwindung konventioneller 3D-Druck-Einschränkungen durch Prozesscharakterisierung und eine auf der Taguchi-Methode basierende Parameteroptimierung aufzeigt.
Diese Studie nutzt ein GIS-basiertes Multi-Kriterien-Entscheidungsunterstützungssystem unter Integration von Netzwerkanalyse, TOPSIS und räumlicher Autokorrelation, um signifikante räumliche Ungerechtigkeiten in der Gesundheitsversorgung von Maschhad aufzuzeigen, wobei nachgewiesen wird, dass die bloße Nähe unzureichend ist und dass durch Pilgerwesen geprägte urbane Dynamiken eine tiefe Kluft zwischen zentralen Hotspots und peripheren Cold Spots schaffen.
Diese Studie schlägt einen neuartigen auf Rainbow-basiertem Deep Reinforcement Learning beruhenden Rampensteuerung-Controller vor, der bestehende Baselines bei der Bewältigung kombinierter Brücken- und Rampen-Engpässe unter menschgesteuerten Bedingungen übertrifft, während er gleichzeitig einen spezifischen Schwellenwert für die Penetrationsrate automatisierter Fahrzeuge identifiziert, ab dem eine zentralisierte Steuerung aufgrund der selbstregulierenden Fähigkeiten des gemischten Verkehrs nicht mehr notwendig ist.
Dieses Papier präsentiert ein validiertes integriertes Finite-Elemente-Modell, das Drahtlichtbogen-Additive-Fertigung mit Kaltverfestigung kombiniert, um die Beziehung zwischen deponiertem Materialvolumen und Temperaturfeldern zu analysieren, und zeigt auf, wie geometrische Optimierung und eine adaptive Steuerung der Zwischenschicht-Verweilzeit die Spitzentemperaturen sowie die Bauzeiten reduzieren und gleichzeitig Defekte bei der Produktion großflächiger Komponenten minimieren können.
Diese Arbeit, welche ursprünglich den Einfluss der Schweißwärmeeinbringung auf die Eigenspannungen an der gewellten Grenzfläche von Aluminium/Stahl-Verbundplatten untersuchte, wurde von den Autoren zurückgezogen, da die vollständige Zustimmung aller Koautoren fehlte, und sollte nicht zitiert werden.
Diese Studie schlägt eine einfache und robuste Methode zur Dachsegmentierung für LiDAR-Punktwolken vor, die Höhenänderungsmerkmale und den Partitioning Around Medoids-Algorithmus nutzt, um eine hohe Genauigkeit (95,9 % Vollständigkeit und 98,1 % Korrektheit) zu erreichen und gleichzeitig Kanten sowie Ecken für die 3D-Rekonstruktion effektiv zu identifizieren.
Dieses Paper schlägt eine Methode zur Downscaling-Vorhersage von Niederschlägen basierend auf einem Correlation Diffusion Network (Diffusion-U-Net) vor, das kanal-räumliche Dual-Attention-Mechanismen integriert, um die Ausgaben des Fuxi-Modells mit niedriger Auflösung effektiv in hochauflösende Daten umzuwandeln, wobei es traditionelle und Deep-Learning-basierte Ansätze bei der Wiederherstellung feinskaliger Niederschlagsdetails übertrifft.