eess 篇论文 | Gist.Science

本文提出了一种基于模糊理论的电动汽车动力电池故障诊断系统，尽管判定时间略有增加，但显著提高了绝缘故障和通信故障检测的准确率，分别达到92.3%和97.7%，从而增强了整车的安全性和可靠性。

本文提出了一种新颖的迭代方法，与传统的有限元参数化扫描相比，该方法在保持相同精度和设计效率的同时，显著缩短了确定永磁同步电机（PMSM）永磁体厚度的计算时间。

本文提出了一种压电驱动的微机电系统（MEMS）电场传感器，该传感器利用三阶超谐波共振，通过非线性放大实现高灵敏度，并有效隔离信号与寄生电容馈通，从而获得卓越性能，进而克服了传统基于达芬方程（Duffing）设计中固有的动态范围限制。

本文介绍了一种可解释的可变形匹配滤波器框架，该框架利用机器学习学习基于物理接收器状态对经典匹配滤波器进行的低维修正，从而在提高光无线通信性能的同时，为经典接收器理论的具体局限性提供可衡量的见解。

本文提出了一种用于几何非线性结构动力学的非侵入式、全三维本征模态表述方法，该方法从未旋转的连续体方程中导出降阶模型，从而能够在无需访问单元级代码或非线性有限元解的情况下，实现三维、壳及梁子域的无缝组装。

本文提出了一种物理引导的多模态人工智能框架，该框架通过利用基于雷达的感知数据来克服高频、低延迟和超密集连接方面的挑战，从而为 6G 通感一体化系统实现大规模天线阵列的联合优化以及信道状态信息的预测。

本文介绍了设计、有限元仿真以及一种新型单体式四自由度压电位移台（利用单片单电极激励技术）的实验制备过程，该位移台在100V直流电压下可实现特定的X倾斜、Y倾斜、Z平移和Z旋转位移。

本研究通过结合平面激光诱导荧光（PLIF）和激光诱导击穿光谱（LIBS）技术来重构二维燃料浓度场，提出了一种用于表征氢气射流分层的鲁棒定量框架，揭示了不同的喷射阶段，并为验证计算流体力学（CFD）模型及优化直接喷射策略提供了关键数据。

本文评估了用于飞行基站三维部署、功率控制及激活的遗传算法与基于近端策略优化（PPO）的强化学习方法，结果表明，虽然遗传算法在干扰受限场景下实现了更高的用户连通性，但强化学习方法在功率效率和干扰降低方面表现更为优越。

本文提出了一种新颖的韵律修改方法，该方法利用人工声门频谱激励模型取代传统的时域基频标记，以消除基频标记的歧义与伪影，从而实现适用于文本转语音和语音转换应用的高质量、自然且高效的音高与时长操控。