⚡ Category

eess

3009 articles

⚡ ingénierie

Thermo-Relational State Inference for Lithium-Ion Battery SOC Estimation under Dynamic Thermal Excitation

Cet article propose le Thermo-Relational State Inference Network (TRSI-Net), un nouveau cadre d'apprentissage profond qui améliore significativement l'estimation de l'état de charge des batteries lithium-ion sous excitation thermique dynamique en modélisant explicitement la manière dont l'évolution thermique altère la pertinence historique des mesures terminales grâce à un recalibrage conditionné thermiquement et une attention de mémoire relationnelle.

Yicheng Li, Hui Zeng, Jiayan Xia, Yaqing Shi, Pin Liu2026-09-07
⚡ ingénierie

Hybridizing ES-MDA with RAGA and WSO: A Comparative Study for Characterizing Hydraulic Conductivity Fields

Cette étude propose et évalue un cadre d'optimisation hybride qui intègre l'Ensemble Smoother with Multiple Data Assimilation (ES-MDA) pour générer des populations initiales informées pour l'Algorithme Génétique à Accélération à Codage Réel (RAGA) et l'Optimisation de la Stratégie de Guerre (WSO), démontrant que cette approche améliore significativement la précision, la stabilité et la vitesse de convergence de l'inversion du champ de conductivité hydraulique par rapport à l'utilisation des algorithmes de manière indépendante.

Guodong Zhang, Teng Xu, Deqiang Mao, Chunhui Lu2026-09-07
⚡ ingénierie

Spiking Residual Control with Decoupled Event Allocation and Lyapunov-Constrained Execution

Le papier présente LyCo-SNN, un cadre de contrôle qui intègre un réseau de neurones à impulsions avec un contrôleur Observateur-LQR basé sur un modèle en utilisant une allocation d'événements découplée et une exécution sous contrainte de Lyapunov pour augmenter efficacement le retour structuré pour les tâches de manipulation robotique et de vol sous des dynamiques non modélisées.

Mingyang HUANG2026-09-07
⚡ ingénierie

Pre-Fabrication to Post-Deployment: A Unified ML-Driven Pipeline for IC Logic Locking

Ce document présente un pipeline unifié en quatre étapes, piloté par l'apprentissage automatique, qui automatise la sélection de techniques de verrouillage logique optimales, intègre un mécanisme STREAMLOCK léger et cryptographiquement robuste avec la reconfiguration partielle dynamique pour des mises à jour au moment de l'exécution, et atteint une efficacité matérielle et une sécurité supérieures tout au long du cycle de vie de la protection des circuits intégrés.

Nahush Tambe, Fareena Saqib2026-09-07
⚡ ingénierie

Characterization and Experimental Validation of an Omnidi-rectional Vibration Isolation System for Micro- gal Precision Gravimeters

Cette étude présente un système d'isolation vibratoire hiérarchique de type « boîte dans une boîte », optimisé de manière paramétrique, qui réduit considérablement les excitations mécaniques et le temps de stabilisation pour les gravimètres de précision du microgal, améliorant ainsi la fiabilité des mesures lors du transport dans des environnements difficiles comme le plateau tibétain.

Linwei Li, Zhijiang Zheng, Wenlong Liu, Dongzhuo Xu2026-09-07
⚡ ingénierie

A New Multi-Objective Optimization of Regenerative Clausius Rankine Cycle with Two Feedwater Heaters

Cet article propose un nouveau cadre d'apprentissage par renforcement profond utilisant un algorithme soft actor-critic pour optimiser de manière autonome un cycle de Rankine régénératif avec deux réchauffeurs d'eau d'alimentation, atteignant des efficacités thermique et exergétique élevées tout en maintenant une performance robuste à travers diverses conditions environnementales et opérationnelles.

Amir Basiriparsa, MohammadJavad Faraji, Alireza Kokabi2026-09-07
⚡ ingénierie

Learning Pedestrian Failure-to-yield Maneuver Patterns from Fatal Crash Data: Evidence from Explainable AutoML

Cette étude utilise l'AutoML et l'interprétabilité SHAP sur les données d'accidents mortels aux États-Unis pour identifier les facteurs comportementaux et contextuels distincts qui déterminent les incidents de non-priorité des piétons, révélant des modèles de risque spécifiques pour différentes manœuvres de traversée afin d'orienter des contre-mesures de sécurité ciblées.

Mahmuda Sultana Mimi, Tausif Islam Chowdhury, Irfan Sarwar Pranjol, Subasish Das2026-09-07
⚡ ingénierie

Exploring the Role of Automated Emergency Braking in Traffic Crash Patterns Using Multivariate Data Mining Method

Cette étude utilise l'exploration de données multivariées sur 48 838 accidents signalés par la police du Texas impliquant des véhicules équipés de l'AEB afin d'identifier quatre typologies d'accidents distinctes, soulignant l'hétérogénéité opérationnelle de ces incidents et fournissant une base empirique pour améliorer les tests de véhicules, le développement des capteurs et les interventions de sécurité routière plutôt que de mesurer directement l'efficacité de l'AEB.

Md Monzurul Islam, Mahmuda Sultana Mimi, Sharif Ahmed Rafat, Tausif Islam Chowdhury, Arka Chakraborty, Subasish Das2026-09-07
⚡ ingénierie

Inertia-Aware Adaptive Contraction Control for Underactuated Robots: An Empirical Study of the Identification–Robustness Trade-of

Cette étude empirique démontre que, bien qu'une stratégie de commande par contraction adaptative tenant compte de l'inertie pour les robots sous-actionnés améliore significativement l'identification de la masse par rapport aux approches à métrique fixe, elle dégrade souvent la précision de suivi en raison de l'instabilité induite par l'adaptation, un compromis partiellement atténué par un régulateur de taux d'adaptation auto-dérivé proposé.

Md Hasibuzzaman, Gene Eu Jan, Chan-Yun Yang2026-09-07
⚡ ingénierie

Multi-Fidelity Surrogate Modelling for Uncertainty-Aware Prediction of Disturbed Velocity Fields in Virtual Flow Metering

Cet article présente un cadre de régression par processus gaussiens multi-fidélité autorégressif qui fusionne des mesures LDV de haute fidélité et éparses avec des simulations CFD abondantes et biaisées pour créer un modèle de substitution en temps réel et sensible à l'incertitude afin de prédire les champs de vitesse perturbés dans le débitmétrie virtuelle, atteignant une réduction significative de l'erreur et des intervalles de prédiction fiables à 95 %.

Nursen Bayazit, Martin Straka, Kilian Oberleithner, Sonja Schmelter2026-09-07