-
理解通過激光定向能量沉積技術制備的CoCrNi合金中Al/Ti共摻雜所引起的微觀結構演變及機械性能變化
CoCrNi合金經激光增材制造技術制備,Al/Ti共摻雜含量分別為0、3、6 at.%時,晶粒尺寸隨摻雜量增加顯著細化(73.65→51.83 μm),位錯密度增至1.4×101? m?2,形成納米L1?和亞微米L2?沉淀相,協同固溶強化、晶界強化、位錯強化及沉淀強化,使屈服強度提升至882.3 MPa,同時保持20%以上延展性。
來源:Additive Manufacturing
時間:2026-02-27
-
可擴展的稀疏共克里金方法在多保真度數據融合中的應用:以空氣動力學為例
多信度Kriging代理建模結合不同精度數據(實驗與數值模擬)提升預測性能,自回歸模型捕捉信度間相關性,但現有框架存在計算成本高或嵌套實驗設計限制。本文提出廣義共Kriging框架MFCK,支持非嵌套實驗設計并擴展稀疏近似技術,有效降低大規模航空數據融合的計算復雜度,實驗顯示殘差置信區間外比例減少75%。
來源:Reliability Engineering & System Safety
時間:2026-02-27
-
探索無人機食品配送的意圖:UTAUT2、風險與消費者創新性的統一模型
無人機送餐服務接受度研究整合UTAUT2模型與SOR框架,基于上海1800名用戶的調查數據,發現采用意愿受實用主義路徑(社會影響、績效期望等)和情感評估路徑(創新特質、風險感知)共同驅動,收入對意愿存在顯著人口統計影響。
來源:Journal of Retailing and Consumer Services
時間:2026-02-27
-
改進的纖維取向方法以及具有排列整齊纖維的超高性能混凝土的純I型斷裂性能
UHPC纖維電磁取向理論與四點彎曲試驗研究:通過改進電磁纖維取向方法,結合有限元分析確定臨界磁感應強度和有效工作長度,驗證了該方法在透明硅膠油和UHPC試件中的有效性。試驗結果表明纖維體積含量、形狀和取向對純模式I斷裂行為的影響,纖維定向使峰值荷載、斷裂韌性和能量分別提升43.40%-60.79%、28.23%-49.03%和23.71%-80.13%。
來源:CEMENT AND CONCRETE RESEARCH
時間:2026-02-27
-
基于高效電化學沉積聚多巴胺層的方法,實現了高模量碳纖維增強環氧復合材料優異的界面性能
通過電化學氧化技術結合聚多巴胺(PDA)涂層,有效提升了高模量碳纖維(HMCF)與環氧樹脂基體界面結合強度,10分鐘內形成穩定PDA層,界面剪切強度提升約250%。機理涉及表面極性基團增加親水性及氫鍵、共價鍵、π-π堆積等多機制協同增強界面相互作用。
來源:Composites Part B: Engineering
時間:2026-02-27
-
基于無人機的多光譜建筑外墻分層評估的跨模態目標檢測技術
高層建筑外墻脫層檢測中單模態紅外熱成像易受非脫層熱異常干擾。本文提出MDD-YOLO框架,通過無人機采集多光譜數據并設計Cross Fusion Mamba模塊融合視覺與紅外特征,在90.7%精度的基準上實現4.2%-6.3%的性能提升,有效區分真實脫層與玻璃反光、表面污漬等干擾源。
來源:AUTOMATION IN CONSTRUCTION
時間:2026-02-27
-
綜述:室內3D點云重建技術用于掃描數據到BIM(建筑信息模型)的自動化轉換
本文通過整合科學計量與系統綜述方法,全面分析掃描至建筑信息模型(BIM)的自動化流程,涵蓋數據預處理、對象識別、三維重建及BIM生成等環節,總結傳統與深度學習技術的優勢與局限,并提出提升數據質量、優化語義標注及參數化建模的未來方向。
來源:AUTOMATION IN CONSTRUCTION
時間:2026-02-27
-
基于不確定性和多樣性的選擇方法在視覺-語言模型中的主動學習應用
提出UnDi方法,通過不確定性評估和多樣性保持優化樣本選擇,結合CLIP生成高質量偽標簽,顯著提升VLM適應性能。
來源:Information Fusion
時間:2026-02-27
-
綜述:優化氫能物流:壓縮氫與液態氫系統的經濟技術比較
氫氣作為清潔能源載體,其壓縮(CGH2)與液化(LH2)運輸方式的經濟性、成本及環境影響對比研究。分析表明,CGH2適用于短距離(200-300km)運輸,而LH2因高密度更適用于中長距離,但需承擔高能耗液化和蒸發損失。運輸成本與距離、規模及基礎設施相關,管道適合大規模穩定輸氫,而公路、鐵路和海運各有適用場景。研究強調需綜合考慮距離、規模、技術成熟度及政策支持,制定差異化的氫運輸策略。
來源:International Journal of Hydrogen Energy
時間:2026-02-27
-
UPDesign:利用混合現實技術提升城市規劃設計中的用戶體驗
混合現實技術賦能非專業用戶都市規劃場景下的高效交互與設計表達,通過手勢與語音融合輸入實現現場3D模型創建、修改及可視化,降低專業門檻并提升多方協作效率。
來源:International Journal of Human-Computer Studies
時間:2026-02-27
-
通過SCAPS-1D方法對用于水下應用的無機Cs?AgMBr?基雙鈣鈦礦太陽能電池進行計算分析
鈣鈦礦太陽能電池的模擬研究優化了Cs2AgInBr6和Cs2AgGaBr6基器件的缺陷密度、載流子濃度及界面層厚度,在300K溫度下分別達到23.31%和22.26%的轉換效率,并驗證了其水下9米深度的高效光伏潛力。
來源:Inorganic Chemistry Communications
時間:2026-02-27
-
基于密度感知的引導式與半監督3D牙齒重建方法,結合雙視圖特征融合技術
3D牙體重建中,基于密度感知的雙平面注意力機制與半監督動態迭代策略可有效提升2D X光圖像的特征提取精度,通過物理屬性建模實現骨、骨髓及軟組織的多區域高精度重建,顯著改善PSNR和SSIM指標。
來源:Image and Vision Computing
時間:2026-02-27
-
SCAFTrack:用于對象跟蹤的跨層空間-通道協同注意力融合技術
目標跟蹤中基于跨層空間-通道協作注意力融合的特征傳播機制有效整合ViT多層級特征,通過跨層特征傳播和SCAF模塊自適應融合淺層細節與深層語義,提升復雜場景下的跟蹤魯棒性和精度。
來源:Image and Vision Computing
時間:2026-02-27
-
利用動力學蒙特卡洛模擬和響應面方法對Ni(100)催化劑上乙醇分解制氫過程進行建模與優化
乙醇在Ni(100)催化劑上的催化分解機理與條件優化研究采用蒙特卡洛模擬和響應面法,建立11步反應模型,驗證溫度(340.54 K)和壓力(0.28 Pa)是關鍵參數,時間影響不顯著,實現高效低能耗制氫。
-
基于物理約束的機器學習方法,用于高強度混凝土在不同應變率下的本構建模
物理約束極端梯度提升框架(PhysicsXGB)用于高強混凝土應變率依賴性本構建模,通過嵌入力學特征工程、雙目標損失函數約束單調損傷演化,結合分階段SHAP可解釋系統,實現彈性、硬化、軟化全階段的精準預測與物理一致性提升,誤差減少超80%,有效填補傳統模型在高速加載下后峰值響應預測和機制可解釋性方面的空白。
來源:Engineering Applications of Artificial Intelligence
時間:2026-02-27
-
一種新穎的多模態注意力協同學習框架,結合語義增強技術用于音視頻問答任務
多模態注意力協作學習框架結合語義增強策略,通過MLLM生成視頻描述指導多模態信息融合,實現高效準確的AVQA任務,參數和計算量減少超60%,準確率提升2.61%。
來源:Engineering Applications of Artificial Intelligence
時間:2026-02-27
-
一種針對離散元模型參數的多源智能校準新方法及其在邊坡土壤宏觀-微觀強度分析中的應用
離散元法(DEM)參數標定方法研究。通過多維相關性分析構建多源數據集,融合XGBoost和LIME-SHAP算法建立可解釋預測模型,結合遺傳算法實現動態優化標定。驗證表明該方法有效整合多源數據,預測精度高且滿足物理一致性原則,在邊坡工程中展現良好應用效果。
來源:Engineering Applications of Artificial Intelligence
時間:2026-02-27
-
一種基于區域信息融合的數據增強方法,用于水下滑翔器的流體動力學分析
水下滑翔機流體動力學特性分析中,提出四階段數據驅動方法以降低計算成本并提升數據利用率,通過區域特征信息融合與數據增強策略實現數據集規模擴大,并驗證其在形態優化中的應用有效性。
來源:Engineering Applications of Artificial Intelligence
時間:2026-02-27
-
基于端邊云協同技術的液冷系統廢熱預測方法,應用于高性能計算數據中心
高效能計算(HPC)數據中心液冷系統廢熱預測研究提出端-邊-云協同(EECC)架構,融合LSTM時序記憶與Transformer長程依賴建模能力,在ORNL Frontier超算實測中實現RMSE降低21.3%、MAE減少28.4%,預測區間覆蓋概率達96.52%,為綠色計算提供高精度實時解決方案。
來源:Engineering Applications of Artificial Intelligence
時間:2026-02-27
-
自適應特征增強與分布平滑技術,用于提升小樣本圖像分類的準確性
本文提出漸進式元學習框架PMLF解決少數樣本圖像分類中的兩個核心問題:特征提取器泛化能力不足和嵌入空間分布混亂。通過圖像增強模塊、自適應特征增強模塊和特征平滑模塊的協同優化,顯著提升模型對新型類別的適應性和分類精度。實驗表明在MiniImageNet、CIFAR-FS和FC100數據集上性能優于現有方法。
來源:Engineering Applications of Artificial Intelligence
時間:2026-02-27