• 综述：工业过程中的热能存储：技术、集成与应用机遇

  工业过程消耗大量热能，而许多可回收的热流仍未被利用，因为热源和热汇在时间、温度水平、功率需求和运行计划上存在差异。热能存储（TES）可以将热供应与热需求解耦，并支持余热回收、峰值负荷削减、过程热电气化以及连续、批量和间歇过程的灵活运行。该叙述性综述从过程集成角

  来源：Energies

  时间：2026-06-09

• 综述：4.0 技术对可持续能源系统的贡献：一项范围综述

  可再生能源（renewable energy sources），如太阳能热利用和光伏、地热能、生物质能、水能及风能，具有显著的可持续性优势。然而，该领域在若干方面仍面临困境，这些困境往往降低了这些新型能源形式的效率。部分挑战包括：电力供应不稳定、可再生能源（r

  来源：Energies

  时间：2026-06-09

• 基于改进河马优化算法的全向移动机器人路径规划方法

  为了应对复杂环境中移动机器人路径规划的低搜索精度和稳定性不足的问题，研究人员提出了一种改进的河马优化（Improved Hippopotamus Optimization, IHO）算法。在移动机器人航点规划过程中，在种群初始化阶段引入Tent混沌映射（Ten

  来源：Robotics

  时间：2026-06-09

• 多尺度注意力驱动的地理信息系统框架及其在技术学院地理信息学教学中的应用

  摘要：引言：技术学院中的地理信息学教育日益强调地理信息系统（GIS）的实践制作与解译技能，然而，现有许多交互式或基于 Web GIS 的学习环境，对于复杂地理空间数据可解释的多尺度分析支持仍然有限。为弥补这一缺口，本研究提出了一种面向地理信息学教学应用的多尺度

  来源：Frontiers in Earth Science

  时间：2026-06-09

• 激光粉末床熔融制备Ti-6Al-4V ELI合金层内激光重熔对干滑动摩擦学性能的影响——基于GLM–RSM统计方法

  采用激光粉末床熔融（Laser Powder Bed Fusion, LPBF）制备的Ti-6Al-4V ELI（Grade 23）在干滑动条件下易发生粘着磨损和摩擦氧化，但原位层内激光重熔（in-layer laser remelting）对摩擦学行为的影响

  来源：Technologies

  时间：2026-06-09

• 基于螺旋指数积坐标的开链机器人运动学辨识——基于Transformer与GRU的方法

  本文研究从有限时间窗内的异构信号（包括指令关节参考值、实测关节状态及末端执行器位姿观测）中数据驱动地辨识开链机器人的形态。与假定已知运动学拓扑的传统标定流程不同，所提公式同时估计离散结构量与连续运动学坐标：主动关节数目、转动/移动(R/P)标记序列、螺旋指数积

  来源：Technologies

  时间：2026-06-09

• 综述：多机器人路径规划优化技术：连通性、效率与安全视角下的避碰与性能指标综述

  路径规划是多机器人系统(Multi-Robot Systems, MRS)的核心问题，直接影响作业效率、执行时间与运营成本。尽管已有大量算法被提出并得到成功应用，但在杂乱或动态环境中实现全局最优解仍面临重大挑战。随着机器人数量增加，系统在可扩展性、计算效率、鲁

  来源：Technologies

  时间：2026-06-09

• 异构GEO-LEO卫星网络中的延迟与能量优化：一种GNN增强的博弈论与DRL方法

  随着6G移动通信的发展，低地球轨道（Low Earth Orbit, LEO）卫星移动边缘计算（mobile edge computing, MEC）实现了全球无缝计算。然而，LEO卫星的高速移动性破坏了服务连续性和资源稳定性。现有方法常采用过于简化的模型，忽

  来源：Future Internet

  时间：2026-06-09

• 综述：碳纤维增强聚合物（CFRP）复合材料先进成型技术研究进展：缺陷控制与工艺优化

  碳纤维增强聚合物（Carbon Fiber-Reinforced Polymer, CFRP）复合材料因其优异的比强度（specific strength）、比模量（specific modulus）及轻量化潜力，在航空航天、新能源汽车和风电等领域需求迫切。然

  来源：Fibers

  时间：2026-06-09

• 基于多层感知器(Multilayer Perceptron, MLP)与SHAP(SHapley Additive exPlanations)分析的可解释机器学习方法用于Mn掺杂半导体光催化降解研究

  摘要：本研究基于时间分辨紫外-可见（UV-Vis）吸收光谱，全面考察了Mn掺杂Zn2SnO4光催化剂的降解性能。在机器学习建模前，研究人员采用单因素方差分析（One-Way Analysis of Variance, ANOVA）和多元线性回归（Multipl

  来源：Catalysts

  时间：2026-06-09

知名企业招聘：