-
关于在多重监管目标下,电动汽车集群的灵活方向优化方法及其差异响应特性的研究
相变材料热存储系统通过多模型ANFIS框架实现高效优化,利用有限实验数据构建高精度数字孪生模型,验证显示R²均值超0.92,为热系统分析提供新方法。
来源:Journal of Energy Storage
时间:2026-01-06
-
6G局域网与未来无线范式:AI集成、智能感知通信及数字孪生框架的创新突破
本期专题聚焦6G局域网技术前沿,编辑团队针对边缘智能场景下的高并发、低延迟通信需求,开展了AI与基带处理一体化、太赫兹回传、自适应大规模MIMO等关键技术研究。通过数字孪生安全框架与多智能体协同优化,实现了语义通信精度提升47%、能耗降低28%的突破性进展,为工业自动化、沉浸式医疗等垂直行业提供了可落地的网络范式。
来源:Journal of Web Engineering
时间:2026-01-06
-
利用熔盐衍生的石墨烯添加剂提升LiFePO4电池性能:超越传统的碳涂层技术
椰壳废料经CO₂和N₂等离子体单步处理生成功能化涡轮斯特结构碳,比电容分别达352和279 F/g,Swagelok对称电容器在35 Wh/kg能量密度和833 W/kg功率密度下保持91%循环稳定性超5000次。等离子体法兼具碳化与活化功能,转化效率超80%,兼具石墨相与多孔结构及表面官能团,为绿色制备高性能超级电容器电极提供新途径。
来源:Journal of Energy Storage
时间:2026-01-06
-
利用KOTF技术优化固态电解质界面,以实现无枝晶且高性能的锂金属电池
锂金属负极通过添加0.02 M KOTF实现高效电解质,形成LiF/Li₂O富无机SEI层,抑制枝晶并提升循环稳定性。半电池库伦效率达98.9%,循环800次保持稳定,全电池Li||LFP容量保持率89.91%(1000次,2.0C),Li||NCM811保持率65.16%(500次,1.0C)。
来源:Journal of Energy Storage
时间:2026-01-06
-
基于谱方法的锂离子电池热电冷却系统高效热管理模型研究
本文针对锂离子电池在极端工况下热管理效率低的问题,研究人员开展了热电冷却器(TEC)与电池集成系统的热建模研究。通过建立一种结合谱方法和改进TEC方程的一维瞬态热模型,实现了对电池内部温度分布的精确、快速预测。该模型在保证计算精度的同时,显著提升了计算效率,为电池热管理系统的实时控制优化提供了新策略,对提升电动汽车电池性能和安全性具有重要意义。
来源:Journal of Energy Storage
时间:2026-01-06
-
基于脑电与微表情多模态融合的意识障碍患者情绪识别与意识检测新方法
本研究针对意识障碍(DoC)临床诊断误诊率高、传统方法难以捕捉微弱情绪反应的难题,提出了一种融合脑电(EEG)与微表情的新型多模态框架。通过创新的时空注意力机制整合异构数据,利用EEG微分熵特征和微表情时序特征,结合深度学习技术,显著提升了DoC患者情绪状态的检测与分类精度。该方法在多个公开数据集上达到主流模型相当或更优的准确率,为医疗诊断提供了更精准的工具,有助于实现个性化诊疗并改善患者生活质量。
来源:IEEE Transactions on Affective Computing
时间:2026-01-06
-
基于事件触发的实用有限时间分布式优化方法,用于具有基于边缘噪声的网络多智能体系统
针对网络化多智能体系统在边基加性测量噪声下的时间相关分布式优化问题,提出了一种新型分布式优化算法及自适应动态事件触发机制,通过数值仿真验证了其有效性。
来源:IEEE Transactions on Cybernetics
时间:2026-01-06
-
基于可解释的高通量机器学习方法对高导热复合材料进行筛选,并通过实验验证其有效性
本研究构建了包含370个有效样本的热导率复合体系数据集,开发了Logistic+XGBoost和Logistic+全连接神经网络(LFCNN)混合模型,LFCNN分类准确率达96.77%。SHAP分析表明填充剂负载量是主要影响因素,通过高通量设计筛选的三个候选材料经实验验证,热导率与模型预测一致,证明了ML框架在加速高热导率聚合物复合材料开发中的有效性。
来源:Journal of Materials Science & Technology
时间:2026-01-06
-
具有增强充电性能和狭窄纳米孔结构的夹心式复合膜(COF膜),用于基于纳米过滤的海水淡化技术
离子配位有机框架膜通过层状组装策略实现电荷密度与孔径协同调控,构建的夹层式膜具有高表面电荷密度(-1.84 mC/m²)和纳米级孔径(0.68 nm),对硫酸钠、硫酸镁及多种抗生素的脱盐率达96.4%-99%,且水渗透稳定性超过50天。
来源:Journal of Membrane Science
时间:2026-01-06
-
基于机器学习的离子液体筛选方法,用于寻找低表面张力的离子液体
该研究提出无数据泄露的机器学习流程预测离子液体表面张力,结合分组验证、XGBoost优化与适用域分析,确保模型可解释性和可靠性,为筛选低表面张力候选物提供支持。
来源:Journal of Molecular Liquids
时间:2026-01-06