-
基于薛定谔方程和差分进化方法的PID液体液位控制框架
摘要
在这项研究中,提出了一种结合了差分进化算法的混合薛定谔优化器(h-SRADE),用于对应用于三罐液位控制系统的比例-积分-微分(PID)控制器进行最优调整。原始的薛定谔优化器(SRA)受到波粒二象性和量子力学原理的启发,提供了一种平衡的探索-利用机制;然
来源:Scientific Reports
时间:2026-09-04
-
使用实验方法、机器学习和数值仿真技术,预测存在机械缺陷和污染不均匀情况下硅橡胶绝缘体的交流闪络电压
摘要本研究探讨了环状不均匀污染(RNU)与环向纵向不均匀污染(RLNU)以及机械缺陷共同作用对硅橡胶绝缘子在不同湿度条件下的交流闪络电压的影响。相较于之前仅关注单一污染或缺陷因素的研究,本研究在现实环境条件下对它们的综合影响进行了实验评估。不均匀污染显著降低了绝缘子的闪络性能。纵
来源:Scientific Reports
时间:2026-09-04
-
利用功率超声提高水泥基材料中颗粒的分散度及机械性能:一种定量图像分析方法
摘要基于水泥的材料的性能在很大程度上取决于颗粒的均匀分散,然而传统方法在效率上往往不尽如人意。本研究探讨了利用功率超声波来改善水泥浆中的颗粒分散情况以及基于水泥的材料的力学性能。采用结合光学显微镜和图像处理的基于图像的定量表征方法,得出了用于评估颗粒分布状态的对比图像衍生指标。在
来源:Scientific Reports
时间:2026-09-04
-
可解释的集成机器学习方法用于可靠的地混凝土抗压强度预测:一个验证与不确定性评估框架
摘要
获得混凝土抗压强度的高精度估算对于安全且经济的结构设计至关重要。然而,混合物组分与强度发展之间的高度非线性关系限制了传统回归和经验模型的应用能力。本研究基于机器学习(ML),利用易于获得的配合比设计参数(水、水泥、砂、粗骨料和养护龄期)来开发预测模型,以
来源:Scientific Reports
时间:2026-09-04
-
关于跨领域多模态特征融合方法在地动目标识别中应用的的研究
摘要
无人值守系统中的目标识别在保护关键区域方面发挥着重要作用。目前大多数基于声学和地震信号融合的研究仅对感应信号进行单一模态分析,这导致了特征提取的单一性和片面性,严重影响了分类和识别的准确性。本文构建了一个专门用于收集地震和声学信号的无人值守系统(UGS)
来源:Scientific Reports
时间:2026-09-04
-
融合不确定性估计的核极限学习机输电线路故障定位方法
摘要随着柔性直流输电(MMC-HVDC)在大电网互联和新能源消纳中的广泛应用,输电线路故障定位的准确性、可靠性和响应速度对系统的安全运行至关重要。针对传统行波定位方法中存在的噪声敏感性和不确定性表征困难等问题,本文提出了一种引入不确定性估计的核极限学习机(KELM)故障定位方
来源:Scientific Reports
时间:2026-09-04
-
一种基于自适应模态分解和可解释深度学习的新型斜坡变形预测方法
摘要
为了解决非平稳信号处理问题以及斜坡变形预测模型中“黑箱”特性所导致的问题,本研究提出了一种基于蜣螂优化器(DBO)、变分模态分解(VMD)和长短期记忆网络(LSTM)的预测框架,并引入了SHAP方法进行可解释性分析。DBO同时优化了VMD分解参数(模态数
来源:Scientific Reports
时间:2026-09-04
-
一种可解释的集成机器学习方法,用于预测成都粘土的压缩系数
摘要准确预测区域黏土的可压缩性系数(av)在岩土工程中仍是一个基本挑战。本研究以成都黏土为例,提出了一种机器学习框架,该框架整合了物理约束的数据增强、差异化的超参数优化和可解释性分析。基于338个实验数据集,采用了一种混合优化策略(网格搜索+贝叶斯优化)以确保模型间的公平比较。通
来源:Scientific Reports
时间:2026-09-04
-
纳米贝利特水泥替代与盐类添加剂交互效应对混凝土抗压强度和块体电阻率的影响研究:基于MLP-NSGA-II的多目标优化方法
摘要本研究评估了纳米贝利特水泥替代(\(\:0\text{\--}20\%\text{\:wt.}\))与内掺盐类添加剂(\(\:5\%\text{\:wt.}\)的\(\:\text{NaCl}\)或\(\:{\text{Na}}_{2}{\text{SO}}_{4}\))
来源:Scientific Reports
时间:2026-09-04
-
基于多模态融合框架的角膜术后炎症评估方法
评估经角膜上皮PRK和飞秒激光辅助LASIK术后的炎症仍然是具有挑战性的。本研究提出了一种多模态融合框架,并以炎症动态物理描述符作为支撑。该模型使用模态特定编码器处理眼部影像和结构化临床或生物标志物序列,对不可用的模态采用显式观测掩码,并利用跨模态注意力模块学习访问级别的融合
来源:Scientific Reports
时间:2026-09-04