Digital Twin-Driven Neuromorphic Optimization for Cognitive Self-Optimizing Energy-Efficient Vehicle Design
本文提出了一种基于时间长短期记忆网络(LSTM)的数字孪生框架,该框架针对多种驾驶场景优化电动汽车的设计,以提升能量效率、稳定性、舒适度和可制造性,与传统方法相比,实现了平均 14.41% 的能量降低。
764 篇论文
本文提出了一种基于时间长短期记忆网络(LSTM)的数字孪生框架,该框架针对多种驾驶场景优化电动汽车的设计,以提升能量效率、稳定性、舒适度和可制造性,与传统方法相比,实现了平均 14.41% 的能量降低。
本研究采用扩展谐波正交法结合弧长延拓法来分析经PD控制的柔性转子系统的非线性动力学,揭示了比例增益会诱发软化非线性和混沌现象,而微分增益则能提供有效的阻尼以恢复稳定性,从而为电磁控制旋转机械的设计提供了一个稳健的框架。
本研究利用聚类对应分析对多年份的美国联邦汽车安全局事故报告系统(FARS)数据进行研究,旨在识别导致公交车致命事故的关键因素(如交叉口冲突和交通控制不足),并提出针对性的政策建议以改善基础设施与安全性。
本文介绍了通过机器人手臂辅助的无槽增材制造系统的实现与实验优化,该系统利用声悬浮技术实现光固化树脂的多方向、非接触式沉积,并通过工艺表征与基于田口方法的参数优化,展示了其克服传统3D打印局限性的潜力。
本研究利用集成网络分析、TOPSIS 和空间自相关性的基于 GIS 的多准则决策支持系统,揭示了马什哈德医疗服务可及性中显著的空间不正义,证明了仅靠邻近性是不够的,且由朝圣驱动的城市动态在中心热点区域与边缘冷点区域之间造成了鲜明的鸿沟。
本研究提出了一种新型的基于Rainbow算法的深度强化学习匝道控制策略,该策略在人类驾驶条件下管理桥梁与匝道复合瓶颈方面优于现有基准模型,同时识别出了一个特定的自动驾驶车辆渗透率阈值,超过该阈值后,由于混合交通的自调节能力,集中式控制将变得不再必要。
本文提出了一种经过验证的集成有限元模型,该模型将电弧增材制造与应变硬化相结合,用于分析沉积材料体积与温度场之间的关系,并展示了通过几何优化和自适应层间停留时间控制如何能在减少大型部件生产中的缺陷的同时,降低峰值温度并缩短构建时间。
本文原研究焊接热输入对铝/钢复合板波纹界面残余应力的影响,现因未获得全体合著者充分同意而被作者撤回,不应被引用。
本研究提出了一种简单且鲁棒的 LiDAR 点云屋顶分割方法,该方法利用高程变化特征和围绕中值划分算法(PAM)来实现高精度(95.9% 的完整度和 98.1% 的正确度),同时有效识别用于 3D 重建的边缘和角点。
本文提出了一种基于相关扩散网络(Diffusion-U-Net)的降水预报降尺度方法,该方法通过集成通道-空间双重注意力机制,有效地将低分辨率的伏羲(Fuxi)模型输出转换为高分辨率数据,在恢复细尺度降水细节方面优于传统方法和深度学习方法。