⚡ 电气工程
CA-DPCNN prediction of mining-induced failure depth in coal seam floors
本文提出了一种连续自适应导数先验约束神经网络（CA-DPCNN），该网络通过结合工程先验和非截断归一化策略，能够准确预测煤层底板的采动破坏深度，与传统模型相比，该网络在预测精度以及遵循物理趋势方面表现更优，尤其是在超出训练数据范围的外推情况下。
⚡ Category
eess
2642 篇论文
⚡ 电气工程
Dynamic modeling of crossflow printed circuit heat exchangers for Liquid hydrogen
本研究对用作液氢蒸发器的横流印刷电路换热器进行了动态建模分析，比较了在以乙二醇和硅油作为传热流体且处于恒压条件下的排出压力行为，同时评估了各种湍流模型和状态方程。
⚡ 电气工程
SuperFALCON+: Complexity-Aware Global-to-Local Coordination for Resilient MAV Exploration
SuperFALCON+ 是一个感知复杂度的全局到局部协调框架，它通过将 FALCON 的引导与 SUPER 的局部执行相结合，根据空间约束和占用情况动态调整目标，从而增强了在受限环境中的微型飞行器（MAV）弹性探索能力，与基准方案相比，显著提升了映射体积并减少了规划失败。
⚡ 电气工程
Improvement of the fatigue strength of high-strength steels by post-weld treatments for weld geometry optimization
本研究表明，焊后处理（尤其是平磨处理）通过优化焊缝几何形状并转移裂纹萌生位置，显著提高了高强度钢对接焊缝的疲劳强度，从而使这些材料能够达到远超标准设计值的疲劳性能水平。
⚡ 电气工程
Limiting internal short-circuit damage by self-fusing tabs for high-safety lithium-ion batteries
本文提出了一种使用低熔点铟锡（In-Sn）合金的自熔断极耳架构，该架构能在发生内短路时迅速实现故障电极层的电气隔离，从而有效防止高能量密度锂离子电池的热失控并限制温升。
⚡ 电气工程
Skull Perforation by Projectile Impacts to the Head
本研究通过基于 38 种弹道冲击条件推导出 50% 骨折风险速度的高精度经验公式，完善并验证了用于预测颅骨骨折的穿透准则 (PC)，证明了其与实验数据相比优于钝器准则 (BC) 的拟合优度。
⚡ 电气工程
Downstream flow-field characteristics of a mobile positive-pressure ventilation smoke-exhaust fan in building corridors
本研究结合全尺寸实验与FDS模拟，表征了建筑走廊内移动式正压送风机的下游流场，揭示了15°至30°的上仰送风角通过平衡纵向射程与横截面覆盖范围，并避免与更陡角度相关的动量损失，从而实现了烟气排烟性能的最优化。
⚡ 电气工程
A Posterior Probability-Guided Kernel-Space Oversampling Machine Learning Method for Imbalanced Rolling Bearing Health Monitoring
本文提出了 Kernel-PAO，这是一种新颖的机器学习方法，它通过后验概率引导的插值将过采样转移到核空间，以有效解决滚动轴承健康监测中严重的类别不平衡问题，在准确性和鲁棒性方面显著优于 SMOTE 等传统技术。
⚡ 电气工程
UV Irradiation-Modified Polyester Coatings for AI Vision Protection
本文提出了一种基于材料的物理层人工智能视觉隐私策略，该策略利用嵌入了废弃玻璃微球的紫外线照射聚酯涂层，通过调制光场来干扰计算机视觉算法，同时保留人类的视觉识别能力。
⚡ 电气工程
A geophysically constrained Transformer model for tropical cyclone track and intensity simulation over the western North Pacific and its contribution analysis
本文介绍了一种受地球物理约束的 Transformer 模型，该模型在预测西太平洋热带气旋路径和强度方面显著优于传统的 XGBoost 和 LSTM 基准模型，同时 SHAP 分析通过将地面气压和风速识别为主要预测因子，证实了该模型的物理可解释性。