-
考虑伺服特性的混合机器人刚度建模与主动调整方法研究
•建立了伺服系统的等效刚度模型。•提出了一种考虑机电耦合刚度的建模方法。•构建了用于伺服参数优化的神经网络模型。•提出了一种基于深度学习的主动刚度调节方法。
引言
由于串联机器人操作灵活性与并联机构优异结构刚度的协同整合,混合式机器人系统已广泛应用于航空航天和轨道交通领域的大规
来源:Mechanism and Machine Theory
时间:2026-07-22
-
基于JAX-FEM的物理增强型神经网络实现梯度增强损伤的可微框架
摘要橡胶、水凝胶和生物组织等软材料在应力自由几何形状无明显变化的情况下,会因刚度下降而出现损伤。准确模拟这种行为对于从软体机器人到医疗设备设计等各类应用而言至关重要,但目前存在两大难题:一是难以构建既灵活又符合热力学原理的本构模型;二是由于应变软化现象,有限元解具有网格依赖性。在
来源:Mechanics Research Communications
时间:2026-07-22
-
用于模拟和优化直拉法生长硅的轴向电阻率均匀性的可解释混合神经网络
摘要:为提升直拉法单晶硅在恒径生长阶段的轴向电阻率均匀性,本研究提出了一种集成式工艺调控框架,结合数据驱动预测、可解释性分析及智能优化技术。基于工业生产数据,通过最大信息系数确定关键工艺参数,同时运用变分模态分解降低信号噪声。进而构建了经梯度下降粒子群优化后的卷积神经网络-双向长
来源:Journal of Crystal Growth
时间:2026-07-22
-
将深度能量法与多边形有限元结合用于超弹性材料的大变形分析
•提出了一种新的深度能量方法(DEM),用于模拟超弹性材料的有限变形。•通过有效的插值函数和稳健的积分方案来计算总势能。•还开发了一种替代模型,用于快速预测超弹性材料中的位移。•通过数值示例展示了所提框架的性能。•该框架在不同加载条件下模拟大变形方面表现出很强的能力。
引言
近
来源:Finite Elements in Analysis and Design
时间:2026-07-22
-
基于物理信息的弹塑性深度学习:强形式、能量最小化及状态感知建模方法
•基于强形式理论的弱应变弹塑性神经网络构建。•提出以能量最小化为替代的强形式理论模型。•将神经网络训练与向后欧拉本构积分相结合。•研究基于状态感知的增量模型与LSTM模型在模拟塑性行为中的应用。•通过一维解析模型及二维线性/非线性硬化模型进行验证。
引言
机器学习日益影
来源:Finite Elements in Analysis and Design
时间:2026-07-22
-
利用机器学习技术对分辨率极低的化学发光图像进行上采样,以预测热声源项的标志物
摘要
热声振荡是燃气轮机运行中的安全隐患,需对其加以监测与控制,而这需要获取热量释放率信息,通常以高分辨率的火焰化学发光图像形式呈现。然而,在工业环境中,由于无法直接观测燃气轮机燃烧室内部,这类图像难以获得。本研究旨在探讨利用少量传感器获取的低分辨率火焰化学发光图像,结合神经
来源:Experimental Thermal and Fluid Science
时间:2026-07-22
-
用于压电微定位平台的神经自适应事件触发控制:一种具备传感器容错能力的方案
摘要:压电微定位平台作为一类由压电效应驱动的系统,存在固有的滞后非线性问题,这会降低定位精度。此外,在传感器出现故障时,要实现微米级的跟踪精度同时保持通信通道的高效利用尤为困难。为解决这些关键问题,本研究提出了一种具有集成传感器容错功能的神经自适应事件触发控制策略。首先,设计了一
来源:Control Engineering Practice
时间:2026-07-22
-
靶向线粒体的钌纳米酶:作为ROS清除剂和NAD+增强剂,用于缓解阿尔茨海默病中的线粒体功能障碍
摘要通过减轻氧化应激来调节线粒体功能障碍,近来被视为治疗阿尔茨海默病的一种有前景的策略,但这一方法忽略了功能异常的线粒体会产生活性氧这一事实。在此,我们设计了一种针对线粒体的钌纳米酶Ru@CP5-TPP,它能够同时清除活性氧并消除受损线粒体,从而提升线粒体功能。该纳米酶是通过用阳
来源:Colloids and Surfaces A: Physicochemical and Engineering Aspects
时间:2026-07-22
-
复合推进剂中铝团聚与燃烧的耦合建模
•一种统一的MPM–LBM-NN框架将固体回归过程与气相燃烧过程相结合。•通过神经网络反应器整合详细的反应动力学。•微CT和全息技术用于验证模拟得到的燃烧速率及团聚现象。•敏感性分析揭示了配方和压力对燃烧过程的影响。
引言
固体推进剂燃烧涉及复杂的多物理场和多尺度过程,包括固相
来源:Combustion and Flame
时间:2026-07-22
-
揭示个性:社交媒体中的多模态探索
摘要AI总结要查看此AI生成的总结,您需要拥有高级访问权限。了解更多登录摘要摘要社交媒体的兴起使得文本和图片的上传下载活动愈发频繁,这给海量数据的监控和分析带来了挑战。自动分析共享图片和文本中的用户行为十分复杂,因此我们着手开发一种用于识别人格特质的新方法。目前的方法通常依赖单一
来源:ACM Transactions on Multimedia Computing, Communications, and Applications
时间:2026-07-22