生物通官微陪你抓住生命科技跳动的脉搏
SeaGraph:一种基于船载设备的时空海浪预报方法
桂华·夏|华国|林敏·黄|志·张|余亮·刘 哈尔滨工程大学智能系统科学与工程学院,中国哈尔滨150001 摘要 传统的船舶导航波浪预测方法往往难以对动态的时空过程进行建模,这是由于数据延迟、分辨率有限以及计算限制所致。现有的深度学习方法在预测船舶前方的波浪条件时也面临
来源:Applied Ocean Research
时间:2026-04-16
基于多信息融合方法的连续铸坯表面缺陷在线检测 施强(Qiang Shi) 曹向宇(Xiangyu Cao) 关勤(Guan Qin) 李红军(Hongjie Li) 徐珂(Ke Xu) 周东东(Dongdong Zhou)
摘要 高温连续铸造坯料中的表面缺陷是影响钢材产品质量的关键因素。由于高温辐射、严重的粉尘污染、坯料规格的多样性以及氧化物鳞片和水渍等背景干扰,现有的高温连续铸造坯料在线表面缺陷检测技术仍存在局限性,包括高误报率、伪缺陷识别效率低下,以及无法同时检测三维(3
来源:Metals
一种用于评估公路车辆中光学导航系统性能的全尺度实验方法 阿尔梅林多·D·费雷拉(Almerindo D. Ferreira)、 詹姆斯·奥贡迪兰(James Ogundiran)、 贝兰格·切纳里(Behrang Chenari)、 何塞·I·巴博萨(José I. Barbosa)以及 曼努埃尔·加梅罗·达席尔瓦(Manuel Gameiro da Silva)
摘要
来源:Machines
对通量开关机器中结合URSA方法和专用切槽方法的全面性能评估 Basak Tepretmez, Zeynep Tufek 和 Emrah Cetin
摘要 全球粮食需求的增长、劳动力成本的上升以及农场劳动力的短缺给特种作物生产带来了重大挑战,尤其是在需要大量人工的技术密集型任务中,如水果采摘。机器人采摘提供了一个有前景的长期解决方案,但由于果园环境的复杂性(如非结构化环境、光照变化以及水果识别和处理的难度),其在果园中的应
VCMA-MRAM内存随机采样方法用于边缘玻尔兹曼机的推理 邓学胜, 李月胜, 方斌, 王霖
摘要 在资源受限的设备中,边缘智能往往受到计算与能量权衡的限制。玻尔兹曼机(BMs)具备强大的无监督学习能力,但它们依赖于吉布斯采样,导致数字实现的计算和能量成本都很高。在本文中,我们提出了一种基于电压控制磁各向异性的磁隧道结(VCMA-MTJ)的MRAM系统,该系统能够在受限/
来源:Electronics
基于模糊动态增益重复控制的双三相永磁同步电机电流谐波抑制方法研究 牛玉新(Yuxin Niu) 朱鹏(Peng Zhu) 刘宝龙(Baolong Liu) 卢淑凯(Shukai Lu)
摘要 关于双相三相永磁同步电动机运行中存在的五次和七次特征谐波问题,通常采用重复控制来提高稳态精度。然而,传统的RC控制大多采用固定的前向学习增益,并通过试错方法进行设置,这需要大量时间。因此,本文提出了一种基于模糊动态增益调度的改进型重复控制策略。该策略能够在线精确提取目标抑制
综述:涡轮机械预测性维护技术概述 皮尔保罗·迪尼(Pierpaolo Dini)、 达米亚诺·纳尔迪(Damiano Nardi) 塞尔吉奥·萨波纳拉(Sergio Saponara)
**摘要** 在工业5.0范式下,关键资产的管理需要先进的数字架构,以确保系统的韧性和运营的可持续性。本系统综述分析了涡轮机和涡轮机械预测性维护(PdM)技术的最新进展,对异常与故障检测框架进行了技术评估,并将其拓展到了剩余使用寿命(RUL)估计和根本原因分析(RCA)领域。
非线性压缩机控制中LQR方法的鲁棒性限制及其与标准PID方法的比较 Seyed Mohammad Hosseindokht, Jose Matas, Jorge El Mariachet
摘要:本文提出了一种对压缩机系统的动态分析方法,旨在描述其运行行为,并建立数学框架以识别稳定和不稳定操作区域。该研究基于非线性Moore–Greitzer模型,该模型根据转子速度将压缩机动力学描述为质量流量和压力升高的函数。为了预测喘振和系统不稳定性的发生,采用了先进的非线性技术
基于机器学习的系统级故障诊断方法在无线电力传输中的应用 李一壮、张振
**摘要** 本文提出了一种用于无线电力传输(WPT)系统的系统性故障诊断方法。该方法仅需使用一个电流传感器,即可实现对WPT系统中关键组件的全面故障诊断。该方法无需对控制器进行升级,提供了一种成本效益高且侵入性最小的解决方案。故障诊断基于支持向量机(SVM)算法,并提出了一
BiASTM-CL:基于双向自适应时空建模和对比学习的少样本动作识别技术 黄静(Jing Huang) 赵子健(Zijian Zhao)
摘要 在少样本动作识别(FSAR)中,有限的标注数据和大的场景变化使得模型难以学习稳定的空间语义和可靠的时间动态。因此,时空表示通常较弱,模型往往无法专注于区分性的运动区域或准确捕捉帧与帧之间的变化。此外,局部细节和全局背景的融合不足使得学习到的特征更容易
知名企业招聘: