1712 papers
Dit artikel presenteert een geïntegreerd IoT-gebaseerd voorspellend onderhoudskader dat hoogresolutie elektrische detectie, multivariate feature engineering en een hybride Prophet-LSTM deep learning-model combineert om effectief beginnende defecten te detecteren en energie-inefficiënties in industriële elektrische activa te kwantificeren.
Dit artikel stelt een op Proximal Policy Optimization (PPO) gebaseerd regelkader voor voor belastingfrequentiebeheer in met hernieuwbare energie geïntegreerde elektriciteitssystemen voor, dat traditionele en andere deep reinforcement learning-regelaars overtreft door aanzienlijk lagere foutmarges en superieure stabiliteit te bereiken over diverse scenario-specifieke verstoringen heen zonder dat heuristische afstemming vereist is.
Deze studie maakt gebruik van numerieke simulaties om de effecten van zijdelingse mechanische rookafvoer op rookterugstroom en temperatuurprofielen in bergtunnels te analyseren, waarbij asymmetrische stromingskenmerken worden onthuld en empirische modellen worden ontwikkeld om longitudinale temperatuurverval en terugstromingslengte te voorspellen voor een verbeterd ontwerp van ventilatiesystemen.
Dit artikel stelt een autonoom, multimodaal framework voor dat PTZ-camera's, drones, draagbare IoT-sensoren en een Digital Twin integreert met Vision Foundation Models om real-time omgevingsrisico-intelligentie, voorspellende veiligheidsanalyse en geautomatiseerde noodreacties te bieden voor de slimme vuurwerkindustrie.
Dit artikel stelt Wiener-KAN voor, een on-board real-time compensatiesysteem voor elektrochemische seismometers dat Wiener-model linearisatie combineert met een vooraf berekend, op een lookup-table gebaseerd Kolmogorov-Arnold-netwerk om effectief nietlineaire frequentiedrift en gevoeligheidsfouten te mitigeren, terwijl een ultra-lage latentie en minimaal resourcegebruik op microcontrollers worden behouden.
Dit artikel stelt een nieuwe spatiotemporele O(1) resonantie-computearchitectuur voor die chemische batterijen in slimme fabrieksmobiliteit elimineert door gebruik te maken van een 64-byte coördinaatvector, virtuele kwantumverwerking en evanescente golfkoppeling om constante latentiecontrole, 92,5% draadloze energieoverdrachtefficiëntie en nul hackingsrisico te bereiken.
Deze studie evalueert de impact van variërende groottes van TiO₂-nanodeeltjes (13–38 nm) toegevoegd aan een mengsel van diesel en pyrolyseolie uit afgedankte banden op de motorprestaties, emissies en thermodynamische efficiëntie, waarbij wordt onthuld dat hoewel grotere nanodeeltjes de CO- en HC-emissies verminderen, ze tegelijkertijd het brandstofverbruik verhogen en de thermische en exergie-efficiëntie verlagen in vergelijking met pure diesel.
Dit artikel introduceert een op diffusie gebaseerd generatief model dat efficiënt probabilistische globale zeetoestanden samplet, geconditioneerd op historische windforcing, wat een computationeel versnelde en gekalibreerde alternatief biedt voor traditionele spectrale golfmodellen voor ensemblevoorspelling en aardse systeemkoppeling.
Deze studie toont aan dat het toevoegen van gebogen uiteinden steelvezels (tot 40 kg/m³) aan beton ontworpen volgens de Dreux–Gorisse-methode de 28-daagse druksterkte significant met 32,7% verhoogt en de dichtheid verbetert door scheurbrugvormende mechanismen, zij het ten koste van een reductie van 75% in de verwerkbaarheid.
Dit artikel presenteert een physics-informed deep learning-framework dat hoogwaardige neutronen-computertomografische beelden reconstrueert vanuit ultra-ijle hoekbemonstering, waardoor de acquisitietijd met meer dan 90% wordt verminderd terwijl de kwantitatieve structurele integriteit behouden blijft en operando-studies van snelle dynamische processen mogelijk worden gemaakt.