eess 篇论文 | Gist.Science

本研究利用新月形积冰的数值模拟证明，增加冰型不均匀性会通过扩大易发生驰舞的风攻角范围，从而加剧导线的气动失稳，从而为减轻冰灾相关的电网灾害提供理论依据。

这项实验研究表明，通过对 Ca²⁺、Mg²⁺ 和 SO₄²⁻ 离子的策略性调控，工程化盐水注水在高温高压条件下通过改变润湿性和降低剩余油饱和度，显著提高了非均质碳酸盐岩储层的采收率，实现了 20–30% 的原油地质储量（OOIP）增量采收。

本文提出了一种将切削力系数与分形特征在贝叶斯推理框架内进行融合的新型在线铣削刀具磨损监测方法，证明了其相比于单一方法具有更高的准确性。

本文介绍了基于定制 Heltec ESP32 节点和本地数据存储的独立 LoRa 车辆追踪系统的设计与实地评估，通过优化的硬件集成与传输调度，展示了该系统在郊区环境下稳健的长距离性能，以及在密集城市区域中虽面临更多挑战但仍可行的运行能力。

本研究提出了一种新型的基于数值微分的一阶埃尔米特全离散法（N-1stHDM），用于高效且准确地预测涉及齿距与主轴转速同时变化的铣削过程稳定性，证明了与现有算法相比其具有更优越的计算速度和可接受的准确度。

本研究提出了一种实时感知与视觉信息引导的物理信息神经网络（RTS-VG PINNs）框架，该框架将深度视觉感知与控制物理定律相结合，旨在克服传统指标固有的延迟，从而实现水处理厂中混凝剂投加量的稳健实时优化。

本文提出了一种针对复杂自由曲面的成本约束型选择性机器人再抛光方法，该方法利用多模态风险评估框架来识别并仅针对高风险缺陷区域进行处理，从而与传统的全区域处理方法相比，在显著提高表面合格率的同时，减少了再抛光面积、时间和路径长度。

本文通过提出一个量化人工智能数据中心在空间、时间及电压-频率维度上灵活性的十一参数框架，挑战了将人工智能数据中心视为不可调节负荷的传统观点，并通过大规模分析证明，实现显著的容量认证是可行的，且剩余的障碍主要在于制度层面而非物理层面。

本文提出了一种新颖的混合控制架构，该架构结合了用于实时粘滑延迟预测的数据驱动浅层神经网络与经线性矩阵不等式（LMI）优化的超螺旋滑模控制器，旨在显著增强可重构系统的轨迹跟踪性能与稳定性，与传统方法相比，其跟踪误差最高可降低99%。

本研究引入了一种创新的多尺度框架，利用众包GPS数据和先进的机器学习技术，将宏观循环效率与微观轨迹稳定性进行解耦，揭示了深圳存在的关键非线性环境阈值，从而将城市骑行治理从静态分配转向精准的参数化干预。