-
用于低空经济的XL-RIS辅助近场跟踪技术:一种基于信息论和数据驱动的框架
摘要:
对无人驾驶飞行器(UAV)轨迹进行精确的三维(3D)跟踪对于低空经济的发展至关重要。然而,依赖基站(BS)的传统跟踪方法受到小型天线阵列有限空间分辨率的根本性限制。在本文中,我们建立了一个新的框架,该框架基于大规
来源:IEEE Journal of Selected Topics in Signal Processing
时间:2026-09-08
-
考虑超充电动汽车接入的配电网最优调度:一种物理信息增强的电压感知深度强化学习方法
摘要:
分布式可再生能源渗透率不断上升以及电动汽车(EV)在配电网(DN)中的大规模接入,尤其是大功率电动汽车超充站的大量建设,带来了突发性高功率冲击,严重威胁调度的经济性与电压稳定性。因此,亟需一种快速且精准的优化调度方法,以确保配电网安全运行。针对这一挑战,本文提出了一
来源:IEEE Potentials
时间:2026-09-08
-
采用级联晶体管方法直接分析与降低45纳米栅极间距n型和p型纳米片晶体管的接触电阻以提升性能
在本工作中,我们基于级联晶体管方法研究了45 nm栅极间距n型和p型纳米片场效应晶体管(Nanosheet-FET)器件中的接触电阻分量。我们成功将与栅极控制的沟道电阻从固定的接触电阻分量(接触电阻和源/漏电阻)中分离出来。我们分析了多种退火工艺对源/漏电阻、沟道电阻和接触电
来源:IEEE Journal of the Electron Devices Society
时间:2026-09-08
-
一种用于全电动飞机锂离子电池荷电状态的电热机械多物理场耦合估算方法
锂电池是纯电动飞机唯一的能源供应组件。航空锂离子电池系统面临极其复杂的运行条件,如极端高温和低温环境、快速变化的功率需求、高g值加速和减速、起飞、降落及空中湍流引起的挤压振动,这使得荷电状态(SOC)估计变得困难且不精确。值得注意的是,不精确的SOC估计可能导致电池过早耗尽、
来源:Chinese Journal of Electrical Engineering
时间:2026-09-08
-
一种基于包络调制和滑差确认的双签名转子故障诊断方法
在感应电动机中,初期断条(BRB)故障的检测仍然是一个重大挑战,因为与该故障相关的特征成分非常微弱,并且被电动机定子电流信号中的主频成分所掩盖。本文提出了一种新型的低成本双重特征故障检测框架,该框架独特地结合了包络调制、频谱移位和转子滑差确认技术,从而能够准确识别初期断条故障。首
来源:Chinese Journal of Electrical Engineering
时间:2026-09-08
-
面向资源受限条件下电力配网系统维护任务计划优化的一种启发式方法
本文提出了一种基于经典优化技术对配电网络中的维护任务进行优化调度的一种新方法。原始的混合整数非线性规划模型通过分段线性化技术进行线性化处理,并采用经典的准动态凸优化方法沿规划周期求解。目标是在预先设定的规划周期内确定一个优化的维护计划,以提高系统可靠性,同时考虑财务资源约束、
来源:IEEE Access
时间:2026-09-08
-
PsiNet:基于多光谱成像的航天器交会相对导航深度学习方法
**摘要:** 在星载成像条件下,非合作航天器交会中的精确相对位姿估计仍然是一项具有挑战性的任务。在这些条件下,可见光图像可能因日月食过渡、太阳光眩、阴影、目标对比度低以及目标翻滚而退化。现有的基于学习的方法仍主要依赖于仅使用可见光传感,或采用未能充分利用各模态特有表征及时间
来源:IEEE Transactions on Aerospace and Electronic Systems
时间:2026-09-08
-
职前教师教学技术能力多维测量:整合TPACK、DigCompEdu与自我效能感
背景:教学技术能力具有多维性,涵盖数字工具使用、专业数字实践、评估、教学整合、适应性与技术相关自我效能感。现有测量工具常将这些成分分开测评,缺乏统一量表。目的:本研究通过整合技术教学内容知识(Technological Pedagogical Content
来源:Frontiers in Psychology
时间:2026-09-08
-
综述:使用眼动追踪方法评估儿童性犯罪者的恋童性偏好:一项探索性元分析
由于因儿童性犯罪被定罪的恋童障碍个体(PCSO)中,基于自我报告的儿童性兴趣存在可靠性问题,多年来研究人员一直在探索更具创新性的评估方法。其中一种方法是眼动追踪技术,它可以揭示(自动)注意过程,这些过程可能反映潜在的异常性偏好。本探索性元分析旨在通过检查已诊断
来源:Frontiers in Psychology
时间:2026-09-08
-
YOLOv8-EVdet:一种面向自动驾驶车辆的应急车辆检测方法
本研究提出了一种基于深度学习(Deep Learning)的方法,用于在各种驾驶条件下进行应急车辆(Emergency Vehicle, EV)检测与分类。传统的基于视觉的方法通常在光照不足、运动模糊以及周围车辆造成的遮挡情况下表现不佳,导致检测不准确,进而可
来源:International Journal of Advanced Robotic Systems
时间:2026-09-08