1 沈阳航空航天大学机电工程学院,辽宁 沈阳 110136
2 沈阳航空航天大学航空制造工艺数字化国防重点学科实验室,辽宁 沈阳 110136
在对K4169合金母材进行修复前采用不同的工艺进行热处理,以获取两类不同的显微组织,然后对比分析了母材的显微组织分和力学性能,并系统研究了修复试样热影响区液化裂纹的敏感性和产生机制。研究结果显示:在均匀化固溶时效条件下,母材主要由Laves相、δ相以及碳化物组成,修复试样母材与热影响区的平均显微硬度分别为220 HV和210 HV,修复试样的抗拉强度、屈服强度和延伸率分别为870.7 MPa、618.9 MPa和7.7%,断裂位置位于母材。在均匀化热等静压固溶时效条件下,母材主要由δ相以及碳化物组成;修复试样中存在裂纹,裂纹分布在母材一侧,横截面上裂纹的平均长度可达0.68 mm,最大裂纹长度为0.72 mm;热影响区液化裂纹的发生与母材的组织成分、晶粒度密切相关。相较之下,均匀化热等静压固溶时效合金修复试样母材与热影响区的平均硬度都较低,分别为210 HV和200 HV,Laves相和δ相的含量对母材和热影响区的显微硬度均有影响,抗拉强度和屈服强度分别降低了20.3%和38.4%,但延伸率有所升高,断裂位置在热影响区。两种试样都未断在修复区,这是因为修复区的晶粒更细,产生了细晶强化作用。
激光技术 激光沉积修复 K4169合金 修复前热处理 开裂机理 力学性能 中国激光
2024, 51(10): 1002322
1 中国科学院水利部成都山地灾害与环境研究所,成都 610299
2 中国科学院大学,北京 100049
冰湖溃决洪水是一种严重的山地自然灾害,威胁着中国高寒区的居民及铁路公路等重要基础设施,自动高效的冰湖遥感制图方法是冰湖灾害评估、监测预警的基础,然而现有自动制图方法在实际冰湖提取应用上难以达到传统人工和半自动冰湖提取方法上的精度,仍需进一步提高。文章在原生U-Net模型基础上,在各桥连接部分融合极化自注意力机制,将输入影像特征分别在空间和通道层保持高分辨率,并通过非线性合成输出细腻的特征,构建了一种改进的U-Net冰湖遥感深度学习制图方法,并将其成功应用在高原铁路关键区。研究结果表明:1)与PSPNet、DeepLabV3+、原生U-Net三种经典模型相比,改进模型在冰湖预测数据集上的各项指标上都有提升,精确率、召回率、交并比和F1值分别达到了0.972 5、0.966 5、0.940 8和0.969 4,相较于原生U-Net网络,精确度、召回率、交并比和F1值分别提高了5.01%、6.05%、10.73%和5.53%;2)基于Landsat-8卫星遥感数据,应用改进模型完成了2013—2022年帕隆藏布和易贡藏布案例区冰湖信息自动高效提取,如2020年冰湖总体精度为98.16%,与参照数据的重叠度达到96.66%,提取的精度满足冰湖灾害评估和监测预警研究需求,可用于铁路等重大工程沿线冰湖灾害防治的实践。
遥感监测 冰湖灾害 深度学习 自注意力机制 U-Net卷积神经网络 remote sensing monitoring glacial lake disaster deep learning self-attention mechanism U-Net
精准高效地从高分辨率遥感影像中提取建筑物信息对国土规划和地图制图意义重大,近年来基于卷积神经网络进行建筑物信息提取已经取得了很大的进展,然而在处理高分辨率遥感影像时仍存在影像的高级语义特征利用不够充分,难以获得细节丰富高精度分割影像的问题。文章针对以上问题提出了一种用于建筑物自动提取的深度学习网络结构空洞空间与通道感知网络(Atrous Space and Channel Perception Network,ASCP-Net)。该模型将空洞空间金子塔池化(Atrous Spatial Pyramid Pooling, ASPP)和空间与通道注意力 (Spatial and Channel Attention, SCA)模块融入到编码器-解码器结构中,通过ASPP模块来捕获和聚合多尺度上下文信息,采用SCA模块选择性增强特定位置和通道中更有用的信息,并将高低层特征信息输入解码网络完成建筑物信息的高效提取。在WHU建筑数据集(WHU Building Dataset)上进行实验,结果表明:文章提出的方法总体精度和F1评分分别达到了97.4%和94.6%,相比其他模型能够获得更清晰的建筑物边界,尤其对图像边缘不完整建筑的提取效果较好,有效提升了建筑物提取的精度和完整性。
高分辨率遥感影像 双注意力机制 空洞卷积 建筑物提取 high-resolution remote sensing images dual attention mechanism atrous convolution building extraction
1 黔西南州自然资源管理服务中心,兴义 562400
2 贵州大学矿业学院,贵阳 550025
针对传统喀斯特地区裸岩提取方法成本高、精度低的问题,文章构建了一种基于改进DeepLabV3+的裸岩提取方法。该方法首先在编码器中用CA-DC-MobileNetV3替换DeepLabV3+骨干网络Xception进行特征提取,很大程度上减少了模型的参数量;其次,将编码器提取的特征通过特征金字塔网络和坐标注意力机制进行加强特征提取,以获取更多小目标信息并减少图像细节损失;最后在空洞空间金字塔池化模块将不同空洞率的卷积层进行特征融合,提高信息的利用率。研究结果表明:文章方法在不同场景裸岩提取任务中表现最好,模型参数量约为DeepLabV3+的1/13,交并比、F1分数分别为72.46%、84.03%,上述2个指标相比于DeepLabV3+模型分别提高了4.62和3.19个百分点,并优于其余常用语义分割模型,提高了裸岩提取精度。
裸岩提取 深度学习 语义分割 坐标注意力机制 bare rock extraction deep learning semantic segmentation coordinate attention mechanism
激光弯曲成形技术常用的激光类型是点激光,在温度梯度机理的作用下单次成形角度有上限,在3°左右。为了增大点激光单次成形角度,提高成形效率,本文以不锈钢304板为对象,通过试验对比探索了将圆振荡模式应用于激光弯曲成形中以提高弯曲角方法的可行性;并且借助于三维视觉传感器测量板件在圆振荡激光束弯曲成形过程中的动态响应,从余热效应、吸收率等角度分析其弯曲成形机理。对比试验结果显示,在激光能量密度较高的情况下,圆振荡模式确实可以明显提高工件的弯曲角,增长率在60%左右。同时,三维视觉传感器的测量结果显示出了板件在成形过程中的复杂形变与角度变化过程:板件在长度与宽度方向上均产生了塑性变形,长宽形变比约为10∶1;单次扫描成形板件弯曲角增长过程呈现不同的增长曲线;多次扫描成形弯曲角分布不均衡。此外,板件厚度也逐渐增加,热影响区微观晶粒得到细化。为进一步理解圆振荡激光束弯曲成形过程与机理提供了试验支撑。
激光弯曲成形 圆振荡激光束 不锈钢304 变形机理 laser bending circular oscillation mode SS304 bending mechanism