-
基于聚类与序列预测的两阶段微卫星热模式识别与故障检测框架
微卫星在严酷的物理约束下运行于高度动态的热环境中,使得温度遥测成为关键的在轨健康指标。传统的基于阈值的监测方法无法区分正常运行模式转换与真实故障,导致过多的误报。为此,研究人员提出了一种两阶段框架,将无监督热模式发现与模式特异性深度学习预测相结合。原始温度遥测
来源:Aerospace
时间:2026-06-12
-
基于卷积神经网络(CNN)与Transformer(Transformer)的西澳伊尔冈克拉通(Yilgarn Craton)砂岩绿岩带金矿勘查矿物远景成图(Mineral Prospectivity Mapping, MPM)
伊尔冈克拉通(Yilgarn Craton)产有全球多个最大的造山型金矿(Orogenic Gold Deposit),但随着近地表资源趋于枯竭,金矿发现率急剧下降。探测更深部的覆盖区(Covered Terrain)亟需超越传统矿物远景成图(Mineral
来源:Minerals
时间:2026-06-12
-
婴幼儿髋关节超声机器人的力控制研究
超声探头与人体皮肤之间的接触力直接影响图像质量、患者安全性及舒适度。在婴幼儿发育性髋关节发育不良(Developmental Dysplasia of the Hip, DDH)超声检查中,由于婴幼儿皮肤较薄、软骨较软,在过大的探头压力下易发生变形,因此对力控
来源:Actuators
时间:2026-06-12
-
基于双EDF吸附系统的四轮壁面爬行机器人开发与性能分析
核电厂(NPP, Nuclear Power Plant)的事故诊断应提供可供操作员与安全工程师审查的、与机理对齐的证据,而非仅给出高置信度的事故类别标签。现有的数据驱动方法虽具备较强的分类性能,但通常以注意力图、异常节点、原型或因果链接单独形式表达解释,难以
来源:Applied Sciences
时间:2026-06-12
-
用于Boost变换器光伏系统在辐照度快速变化下的混合人工神经网络(ANN)最大功率点跟踪(MPPT)策略
最大功率点跟踪(Maximum Power Point Tracking, MPPT)是光伏(Photovoltaic, PV)系统中实现能量提取最大化的关键功能。由于最大功率点(Maximum Power Point, MPP)随辐照度条件变化具有内在动态特
来源:Machines
时间:2026-06-12
-
无线电能传输系统的数据驱动特性预测与输出优化
针对无线电能传输(WPT)系统在充电过程中因负载电阻增大及互感变化导致的恒流/恒压(CC/CV)输出偏离问题,研究人员提出了一种仅基于发射侧(TX)电流波形的数据驱动特性预测与输出优化方法。该方法采用多尺度并行卷积(MSPC)神经网络,同步预测负载电阻(R<s
来源:Electronics
时间:2026-06-12
-
用于批次循环流下Flow-By反应器掺硼金刚石(BDD)电极上2-氯苯酚电氧化的混合物理信息神经网络(PINN, Physics-Informed Neural Network)模型
摘要:采用掺硼金刚石(Boron-Doped Diamond, BDD)阳极对2-氯苯酚(2-Chlorophenol, 2-CPh)等持久性有机污染物进行电氧化是一种颇具前景的废水处理途径,然而传统的机理模型(如计算流体力学 Computational Fl
来源:Processes
时间:2026-06-12
-
使用眼动追踪和三维分形维数分析表征脑MRI可视化中的神经外科视觉专长
眼动追踪已被用于表征医学图像可视化和解读中的视觉行为,但神经外科医生的代表性仍然不足。表征神经外科特定的视觉专长对于理解专家搜索策略、指导培训以及开发计算模型具有重要意义。本研究检查了天真观察者(N<sub>p</sub> = 29)、神经外科注册医师(N<s
来源:Geomatics
时间:2026-06-12
-
基于眼追踪(Eye-Tracking)与预测方法的产品评论对消费者购买决策影响的实验研究
摘要:本研究旨在通过将眼追踪(Eye-Tracking, ET)数据与预测(Forecasting)技术相整合,深入剖析消费者购买决策机制。首先,研究人员考察了消费动机(享乐型 Hedonic vs. 功利型 Utilitarian)与购买目的(为自己 For
来源:Geomatics
时间:2026-06-12
-
基于连续小波变换(CWT)与CNN-DOA-LSSVM混合模型的旋转机械故障分类方法
旋转机械故障诊断的传统信号处理方法高度依赖人工经验,而深度学习模型在复杂工况下常面临分类边界不稳定及泛化性能不足的问题。为应对这些挑战,本研究提出了一种基于连续小波变换(Continuous Wavelet Transform, CWT)与CNN-DOA-LS
来源:Information
时间:2026-06-12