-
一种用于串联锂离子电池组健康状态估计的方法:从窄区间估计到精确点匹配
杜宇航|宋宇辰|刘大同
摘要
串联锂离子电池组是电力和储能系统中的关键能量单元,准确的健康状态(SOH)估计对于安全运行和容量管理至关重要。然而,在运行条件变化和不一致性演变的共同影响下,点估计模型容易出现不匹配。区间估计可以描述这种不确定性,但现有方法往往产生过宽的区间或偏倚
来源:Journal of Energy Storage
时间:2026-05-18
-
2023年卡赫拉曼马拉什7.8级地震强震记录中的近断层地面运动特征
吴宇 | 刘爱文 | 王宁 | 陆晨虎•开发了一种改进的基线校正方法,该方法结合了Hermite插值和优化的分割技术,用于高效批量处理强震动记录。•从2023年卡赫拉曼马拉什7.8级地震中获取了40条永久位移记录,并通过GPS和站点间数据进行了验证。•永久位移主要是水平的,这与走
来源:Journal of Asian Earth Sciences
时间:2026-05-18
-
量子强化学习在社区微电网动态多目标能源管理中的应用
严固|闫慧茹|王青乐|刘聪|刘成|成龙摘要深度强化学习(DRL)在提升微电网中能源管理系统(EMS)的性能方面受到了广泛关注,使得能源效率、运营成本和用户舒适度之间的权衡得以更有效地处理。与此同时,随着量子计算的发展,量子神经网络(QNN)在信息处理和表示方面展现了其独特的能力。
来源:ENERGY AND BUILDINGS
时间:2026-05-18
-
利用VMD–PSO–GRU混合框架改进季节性多时域风速预测
萨娜埃·阿尔胡奇(Sanae Arkhouch)| 伊克拉姆·阿拉西(Ikrame Arrassi)| 伊利亚斯·埃尔·迈亚斯(Ilyass El Myasse)| 纳比尔·贝纳亚(Nabil Benaya)| 法伊扎·迪布(Faiza Dib)| 哈杜吉·本·梅齐安(Khadd
-
基于深度学习方法的液压 fracturing(水力压裂)风险筛选早期预警模型
李玉峰|毛胜|庄晓英|张帅|田守成|黄忠伟|李根生摘要水平井的多段压裂对于非常规储层的开发至关重要,但砂筛堵塞仍然是导致作业失败的主要风险。因此,对砂筛堵塞风险的早期预警至关重要。传统的物理模型依赖于压裂网压趋势或斜率分析,通常仅限于事后诊断。本文提出了一种基于时间注意力的长短期
来源:ADVANCED ENGINEERING INFORMATICS
时间:2026-05-18
-
基于数据-知识驱动的增强应力场强度方法用于缺口疲劳寿命预测
陈建鹏|赵秉锋|张立强|韩轩|谢立阳|王梓楠|李晓雄|张松文|韩佩良
东北大学航空推进系统振动与控制教育部重点实验室,沈阳110819,中国
**摘要**
在循环载荷环境下,缺口结构的疲劳寿命预测一直是工程实践中的一大挑战。本研究提出了一种数据-知识驱动的框架,引入
来源:INTERNATIONAL JOURNAL OF MECHANICAL SCIENCES
时间:2026-05-18
-
情感表达的原理:重新评估达尔文的进化论解释
Dacher Keltner | Frank J. Sulloway
美国加利福尼亚大学伯克利分校,邮编94720
摘要
达尔文在情感科学的发展中起到了核心作用,但他自己关于这一主题的著作却常常被误解。在本文中,我们梳理了达尔文在《人类与动物的情感表达》(1872年)中描述的
来源:Evolution and Human Behavior
时间:2026-05-18
-
采用自适应神经网络与反馈线性化的鲁棒双轮倒立摆轨迹跟踪与控制
摘要: 本文提出了一种鲁棒的自适应神经网络控制器,用于控制两轮倒立摆系统的位移和方向,并保持摆锤处于竖直位置。该控制方法旨在与商用机器人平台兼容,这类平台通常使用速度控制信号而非扭矩或电压输入,并且对内部控制层的访问有限。因此,所提出的控制架构包括一个不可访问的嵌入式速度控制回
来源:IEEE Women in Engineering Magazine
时间:2026-05-18
-
2026年5月刊简介
摘要:本月我们为您带来了13篇研究论文,涵盖了广泛的主题,从用于材料表征的近场耦合泄漏波透镜,到基于电子顺磁共振光谱学的晶体学研究,再到脑肿瘤导电率变化的映射,以及低损耗太赫兹滤波器等。我们还回顾了我们的性能统计数据,并提醒读者在6月9日即将举行的IEEE国际微波研讨会上参观我
来源:IEEE Journal on Miniaturization for Air and Space Systems
时间:2026-05-18
-
基于深度学习的射频指纹识别技术,用于实现安全的物理层设备认证
摘要:射频指纹识别(RFF)作为一种有前景的物理层认证技术,能够利用固有的硬件缺陷来唯一识别无线发射器。在本研究中,提出了一个完整的端到端RFF框架,该框架能够合成高度真实的设备信号,构建混合时间和频率特征表示,并评估多种深度学习架构用于多设备分类。使用QPSK和BPSK基带调制
来源:IEEE Access
时间:2026-05-18