• 弹性介质中圆柱形空腔受三角形脉冲冲击载荷的三维瞬态动力响应解析研究

  摘要弹性介质中圆柱形空腔在冲击载荷作用下的瞬态动力响应是岩土工程中的一个基本问题，与隧道和管道安全有直接应用。尽管大多数现有解析研究采用二维平面应变假设或稳态谐波入射，但本文建立了真正三维的解析模型，用于研究受三角形脉冲载荷作用的圆柱形空腔。利用波函数展开法和拉普拉斯变换，推

  来源：Scientific Reports

  时间：2026-10-23

• 含氮化硼耐高温硫化硅橡胶纳米复合材料的电晕及环境老化性能研究

  本研究对承受不同持续时间电晕劣化的耐高温硫化硅橡胶纳米复合材料进行了老化评估，并探讨了通过引入纳米级填料延缓老化以提升高压绝缘性能的方法。除使用多针电极测试系统进行72、172和272小时的电晕老化试验外，测试样品还在专门构建的试验舱中经受5040小时的交流电压及多种环境应力

  来源：Scientific Reports

  时间：2026-10-23

• 基于线-NACA 00xx翼型电极配置的电液驱动推进系统电晕放电特性分析与实验验证

  摘要电液驱动（EHD）推进系统因其免维护运行、更环保的能源、更安静以及更高效的技术潜力而备受关注。本研究旨在建立一种分析框架，以研究线-NACA 00xx翼型电极配置中的电晕放电特性，该配置可作为更大模块化推进系统中的一个模块。本研究提出的分析方法采用逐步推进的方式，以实现与

  来源：Scientific Reports

  时间：2026-10-23

• 基于集成学习从常规储层数据预测沥青质初析压力与析出量的研究

  摘要流动保障对于可靠的石油生产至关重要，而沥青质析出是最昂贵的威胁之一，它会损害近井地带、降低产量，并迫使进行高成本修复。状态方程模型能够严格描述这一过程，但需要详细的流体表征和大量计算。本研究旨在从常规可获取的储层数据出发，将沥青质初析压力（AOP）和析出量作为两个独立的回

  来源：Scientific Reports

  时间：2026-10-23

• 基于超图卷积门控循环单元与自监督对比学习的序列推荐模型HGCN-GRU

  摘要序列推荐系统旨在通过建模用户偏好的时间演变来预测用户未来的交互行为。基于超图的表示方法尤其适合该场景，因为它们在统一的关系结构中能够捕获多个用户和物品之间的高阶、非成对依赖关系，从而实现超越传统成对交互的复杂协同模式建模。尽管具有这一优势，但现有的基于超图的序列推荐器通常

  来源：Scientific Reports

  时间：2026-10-23

• 基于积分谐振控制指令滤波的混合导纳与自适应阻抗切换控制器用于平面康复机器人颤振抑制

  摘要物理人机交互（pHRI）是一种交互类型，意味着机器人应根据交互环境表现出动态和柔顺的行为。一种突出的解决方案是柔顺控制，其中包括软接触情况下的导纳控制或硬接触情况下的阻抗控制。然而，如果环境性质未知或动态变化，则会采用在导纳和阻抗模式之间切换的混合控制方案。然而，从导纳切

  来源：Scientific Reports

  时间：2026-10-23

• 金属波导中声发射信号衰减机理及影响因素研究

  摘要滑坡中的深层变形通常隐藏不现，并存在时间滞后现象；通过声发射（AE）技术可靠地获取内部变形信息仍是滑坡预警的关键挑战。金属波导可以减少强土壤衰减对AE信号采集的影响；然而，金属波导内部的传播衰减机制仍不明确。为了解决这一问题，本研究在波导管中开展了受控实验室实验，系统地研究了

  来源：Scientific Reports

  时间：2026-10-23

• 面向5G/6G超大规模MIMO系统的AI-量子信道估计框架AQCME：量子克拉美-罗下界的可达性证明与性能验证

  摘要信道估计是第五代（5G）及新兴第六代（6G）无线网络中最基础且具有性能瓶颈的关键操作之一，在这些网络中，超大规模MIMO阵列、毫米波和太赫兹载波频率以及非高斯硬件噪声的共同作用使得经典的普通最小二乘估计器和最小均方误差估计器不再适用。深度学习已缩小了性能差距，但无法在信息

  来源：Scientific Reports

  时间：2026-10-23

• 融合频域增强与方向感知特征融合的YOLO-FWF轻量级场景文本检测模型

  摘要场景文本检测仍然面临巨大挑战，原因在于尺度变化大、笔画结构细长、背景复杂、对比度低以及文本方向任意。针对这些问题，本文提出了一种基于YOLO11n的改进型轻量级场景文本检测模型——YOLO-FWF。首先，在骨干网络中引入C3k2_FrequencyCM模块，通过将傅里叶域

  来源：Scientific Reports

  时间：2026-10-23

• 面向品牌视觉智能生成的风格解耦CNN-Transformer框架

  摘要大数据推动了品牌视觉设计需求的快速增长，然而现有的智能生成方法存在细节失真和跨文化适应性差等问题。本研究提出了一种用于品牌视觉智能生成的风格解耦卷积神经网络（CNN）-Transformer框架。该框架采用双分支架构，通过CNN提取局部细节，通过Transformer提取

  来源：Scientific Reports

  时间：2026-10-23

知名企业招聘：