-
基于CNN与连续小波变换的激光粉末床熔融多类气孔原位监测研究
为解决LPBF(激光粉末床熔融)缺陷监测中多类孔隙难以区分的问题,研究人员基于光二极管传感器与同步辐射X射线成像,结合CWT(连续小波变换)与CNN(卷积神经网络),实现了对Al6061材料中无孔、小气孔(<15 μm)及大气孔(>15 μm)的高精度(AUC 0.89)实时分类,为增材制造质量保障提供了低成本解决方案。
来源:JOURNAL OF INTELLIGENT MANUFACTURING
时间:2026-04-25
-
基于深度学习预测冷喷涂工艺中金属键合行为的框架研究及其在沉积质量优化中的应用
本文针对冷喷涂工艺中关键速度预测依赖耗时实验与有限元模拟的问题,提出一种基于深度学习的框架,通过有限元生成的大规模数据集训练人工神经网络,实现粒子-基体界面键合状态的精准预测与临界速度的数据驱动估计,误差小于12 μm2,为工艺优化与涂层质量评估提供了高效、可靠的新途径。
来源:Surface and Coatings Technology
时间:2026-04-25
-
融合非平稳随机场与CNN-LSTM迁移学习的降雨诱发边坡稳定性智能分析方法
为解决降雨入渗及土体参数空间变异性对边坡稳定性的影响,研究者们开展了一项结合卷积神经网络(CNN)、长短时记忆网络(LSTM)与迁移学习(TL)的智能分析研究。该研究采用非平稳随机场更真实地表征土体关键参数(内聚力c、内摩擦角φ、饱和水力传导系数ks)的空间分布特征,构建了有限元模型并实施自动化工作流进行蒙特卡洛模拟,生成了考虑固有参数不确定性的数据集。研究者开发了CNN-LSTM代理模型以捕捉降雨入渗的时空效应,其中CNN提取土壤参数场的空间特征,LSTM捕捉降雨强度的时间变化,该集成模型联合预测边坡安全系数(FOS)。研究进一步应用了迁移学习策略,使得融入迁移学习的CNN-LSTM-TL模型在显著减少目标域所需数据量的同时保持了精度。该方法为在复杂环境与空间条件下评估边坡稳定性提供了高效、准确的策略。
来源:Soils and Foundations
时间:2026-04-25
-
基于神经网络代理模型的植物纤维微滴测试有限元模拟与灵敏度分析
为解决微滴测试中界面应力非均匀、几何与力学参数耦合导致的IFSS标量指标失效问题,研究人员开展了植物纤维微滴测试的有限元模拟与ANN代理模型研究。通过一阶及二阶灵敏度分析揭示了几何变异与混合模式行为对宏观响应的主导影响,为逆向识别界面本构参数提供了高效工具。
来源:Mechanics of Materials
时间:2026-04-25
-
基于卷积神经网络图像识别的异种金属焊接接头裂纹严重程度检测与服役寿命评估
为解决Al-steel异种金属焊接中脆性Fe-Al IMC层导致裂纹萌生及服役寿命评估难题,本研究结合CNN图像识别与疲劳分析,建立了从微观裂纹到宏观寿命的定量关联框架。通过ResNet-50模型实现裂纹严重程度分级(QWK=0.91),将现场失效概率从12%降至2%,显著提升接头可靠性。
来源:Materials Today Communications
时间:2026-04-25
-
生命度层级在句子在线理解中主题关系计算的作用:基于汉语“把”字句与ERP证据的探究
本文针对“慢预测假说”中主题角色信息预测较慢的观点,利用汉语SOV“把”字句及ERP技术,探讨生命度特征排序如何调控动词预测。结果发现,违背生命度层级的论元顺序更易提取目标动词,且不同顺序引导不同类型动词预测。这细化了慢预测假说,证明基于主题角色的预测并非均速。
来源:Journal of Neurolinguistics
时间:2026-04-25
-
视觉刺激清晰度对双语词汇识别中L1效应的影响:基于跨语言交互的实验研究
本研究探讨了视觉刺激清晰度对西班牙语-英语双语者L2(第二语言)词汇识别中L1(母语)跨语言交互效应(如同源词促进效应)的调节作用。通过噪声和难辨字体操纵清晰度,实验发现低清晰度会削弱同源词促进效应,并加剧跨语言词汇竞争,为双语词汇自动非选择性激活模型提供了新证据,对理解自然阅读场景下的双语认知机制有重要意义。
来源:Journal of Neurolinguistics
时间:2026-04-25
-
利用神经网络评估风浪对光滑和粗糙水平圆柱体的作用力
Federico Casella | Francesco Aristodemo | Franck Schoefs | Pasquale Filianoti
D.I.C.E.A.M.部门,RENEW - 海洋能源实验室,雷焦卡拉布里亚地中海大学,via Zhender, 1,
来源:Ocean Engineering
时间:2026-04-25
-
基于热能存储的紧凑型电热模型用于相变忆阻器的研究
维卡斯·巴特纳加尔 | 阿德什·库马尔
电气与电子工程系,高等工程学院,UPES(石油与能源研究大学),德赫拉敦-248007,北阿坎德邦,印度
**摘要**
相变忆阻器器件的紧凑模型对于电路和系统级仿真非常重要。尽管如此,目前大多数方法仍然依赖于基于阈值的切换或经
来源:Next Materials
时间:2026-04-25
-
融合物理引导与时序图神经网络的配电系统异构缺失量测在线数据协同恢复模型
研究人员提出了一种融合物理引导与时序图神经网络的配电系统异构缺失量测在线数据协同恢复模型(PSTG-ODF)。该方法针对配电系统中多源异质量测数据存在空间拓扑不匹配、物理耦合关系未被充分利用以及在线数据利用率不足等问题,设计了多通道图构建策略,独立对不同类型量
来源:Energy and AI
时间:2026-04-25