2645 篇论文
本研究将故障树分析与风险矩阵相结合，旨在识别并确定伊朗危险品运输事故根源的优先级，结果表明，在技术、人为、组织和经济等多重脆弱性的复杂交织中，技术检查不严是风险最高的因素。
本文通过使用上同调理论提出了一种工程实现的结构模型，旨在证明标准的修正协议本质上会对质量记录进行右截断，从而导致真实的尾指数无法恢复，并提出了一种不可覆盖的双记录系统以恢复统计可估计性。
本文提出了一种针对差分驱动移动机器人的风险管控型无模型自适应控制架构，该架构通过利用实际施加的输入而非标称指令来更新伪雅可比矩阵，从而确保了辨识的一致性，进而显著提升了在轮式打滑和负载变化等动态约束下的滑移管理、跟踪精度及安全性。
本文提出了一种用于电动汽车中无刷直流电机的再生制动系统，该系统在减速过程中回收反电动势以为储能装置充电，从而通过有效的能量回收来延长续航里程并确保系统动态的稳定性。
本研究通过分析超过 2,700 份公开事故报告，开发了一个基于分类学的框架，旨在通过解决不同人类参与者在与自动化系统交互过程中的认知工作和可理解性需求，确定确保自动驾驶乘客出行安全的关键界面需求。
本文介绍了 EvoAgent，这是一种利用认知进化来克服复杂设计约束的大语言模型智能体，它成功创造出了一款高性能、无绳索束缚的 10 毫米机器人，与传统的遗传算法基准相比，其推力和运行鲁棒性均得到了显著提升。
本文建立了一个统一的评估框架，旨在系统地比较五种用于多体动力学长期外推的代表性数据驱动模型，揭示了 SINDy 和 LSTM 在多种基准场景下均一致优于其他方法，并提供了模型选择的实践指南。
本文提出并对比了三种用于永磁同步电机的智能参数估计框架——RNN-MPC、RL-MPC 和 RL-SMC，证明了这些基于机器学习的方法能够高精度且高稳定性地估计关键电机参数，从而在不同运行条件下显著提升控制器性能。
本研究评估了各种机器学习技术在印度兰契气象数据上的表现，发现提升算法（尤其是 AdaBoost）在对雷暴天进行分类方面取得了最佳性能，尤其是在应用了修改后的数据集和针对解决类别不平衡问题而采用的季前小时数据时。
本研究提出了一种数据驱动的微震聚类框架，该框架通过利用无监督机器学习将波形相似性与空间及时间参数相结合，旨在产生比传统方法更具物理可解释性且高分辨率的地热储层裂缝特征表征。