-
公开(公告)号：CN118674755A
公开(公告)日：2024-09-20
申请号：CN202410821999.X
申请日：2024-06-25
Applicant: 中国人民解放军空军工程大学
Abstract: 本发明公开了基于三维曲面拟合的航空发动机叶片损伤自动测量方法，涉及航空发动机叶片智能损伤检测技术领域。本发明包括以下步骤：S1：使用双目相机对损伤叶片进行扫描，得到损伤叶片的点云数据；S2：将多个不同视角下的损伤叶片点云进行预处理；S3：将预处理后的损伤叶片的点云与标模叶片的点云进行三维点云配准，得到叶片点云模型；S4：得到比对相减后的叶片损伤区域的点云数据；S5：得到损伤模型；S6：对损伤模型进行三维曲面拟合，求出其曲面函数；S7：对三维曲面函数进行求导、求出其极值点，并将其标注为特征点，从而计算出损伤的长度和深度信息。本发明可以保证精准测量，进而有效降低检测误差，确保了检测准确率。
-
公开(公告)号：CN115710126B
公开(公告)日：2023-11-24
申请号：CN202211718377.1
申请日：2022-12-30
Applicant: 中国人民解放军空军工程大学
IPC: C04B35/515 , C04B35/622
Abstract: 本发明公开了一种原位生长异质结构的SiOC吸波陶瓷及其制备方法，将TiB2粉末加入PSO溶液中搅拌得到混合溶液A；将混合溶液A置于管式炉中，抽真空后通氩气，在氩气气氛下保温，交联固化得到半透明状固态产物B；对固态产物B进行球磨、烘干并用筛网筛分后压成块状样品C；将块状样品C在氩气气氛下热处理，生成原位生长异质结构的SiOC吸波陶瓷。所述异质结构包括纳米晶相的SiCnws，SiCnws在SiOC陶瓷基体之间构成导电网络，SiCnws和SiOC陶瓷基体中覆盖有迷宫形状纳米异质TiB2和/或TiO2，SiOC陶瓷基体中分布有涡轮相的SiC，改善SiOC陶瓷的吸波性能。
-
公开(公告)号：CN113838010A
公开(公告)日：2021-12-24
申请号：CN202111053789.3
申请日：2021-09-09
Applicant: 中国人民解放军空军工程大学
Abstract: 本发明公开了一种基于红外热波及卷积神经网络的复合材料损伤智能检测方法，具体包括：步骤1，训练损伤位置识别模型和损伤类别分类模型；步骤2，采集待检测复合材料的红外热波数据，获得多张红外热波图像，将其分别输入损伤位置识别模型，检测其中是否含有损伤，若有则输出预测的损伤区域；步骤3，提取损伤区域的红外热波信号；步骤4，将红外热波信号输入损伤类别分类模型，获得各损伤的类型；本发明能够获得复合材料内部的损伤区域位置和类型信息，损伤检测结果准确且效率较高。
-
公开(公告)号：CN119599964A
公开(公告)日：2025-03-11
申请号：CN202411638054.0
申请日：2024-11-16
Applicant: 中国人民解放军空军工程大学
Abstract: 本发明涉及复合材料损伤检测技术领域，具体公开了基于超声点云与深度学习的复合材料损伤智能检测与建模方法，包括：S1、数据采集，S2、超声数据处理，S3、构建仿真模型，S4、PVT‑RCNN模型处理，S5、RI CP处理和S6、生成损伤模型；本发明通过设计了超声点云数据采集平台与数据处理方法，构建了充足的具有明显特征的复合材料层合板超声点云数据集，设计了以PV‑RCNN为基础，Swi n Transformer进行改进的PVT‑RCNN模型，提升模型对点云的特征提取能力，智能获取损伤的三维空间信息，设计了RI CP配准算法与损伤模型生成方法，依据损伤点云直接生成有损伤的有限元模型，通过计算可以获取材料性能。
-
公开(公告)号：CN112730454B
公开(公告)日：2024-07-16
申请号：CN202011537624.9
申请日：2020-12-23
Applicant: 中国人民解放军空军工程大学
IPC: G06T7/00 , G01N25/72 , G01N29/04 , G01N21/95 , G06V10/143 , G06V10/26 , G06V10/774 , G06V10/80 , G06V10/82 , G06N3/0464 , G06N3/045 , G06N3/084
Abstract: 本发明公开了一种基于光学、红外热波与超声波融合的复合材料的损伤智能检测方法，获取具备可重叠性的复合材料损伤样件同一损伤的红外热波成像图以及对应的超声波C扫成像图，并对两者进行预处理使其匹配；进行损伤位置标记得到复合材料的损伤样本集，并在进行前处理后将复合材料的损伤样本集分为训练集和验证集；选取集成融合功能的卷积神经网络，采用训练集和验证集进行训练，得到优化后的用于检测复合材料损伤的卷积神经网络模型；采用用于检测复合材料损伤的卷积神经网络模型对待检测复合材料同一损伤的红外热波成像图以及超声波C扫成像图进行损伤检测，并将输出预测的损伤类别及损伤位置在对应的光学图像上标记出来。降低成本，提高效率。
-
Patent Agency Ranking
公开(公告)号：CN118169256A
公开(公告)日：2024-06-11
申请号：CN202311859018.2
申请日：2023-12-30
Applicant: 中国人民解放军空军工程大学
IPC: G01N29/44 , G06F18/27 , G06F18/213 , G06F18/15 , G06N3/0455 , G06N3/088 , G06N3/09 , G06N3/0442 , G06N3/084 , G01N29/04 , G06F123/02
Abstract: 本发明公开了基于超声与变分自编码器的复合材料损伤自动识别方法，包括以下步骤：制作多块结构相同的复合材料加筋板，部分带有缺陷用于模拟服役后发生损伤的复材部件，部分没有缺陷用于模拟刚服役的复材部件。通过超声换能器采集设计的样板上的信号数据，使用改进的变分自编码器来对超声检测过程中存在的分层损伤信号自动识别。为了提高损伤诊断的准确性和敏感性，结合超声检测的信号特点，优化了变分自编码器的损失函数，并通过核函数估计的方法定义了损伤判别基准，克服了之前基于标签驱动的深度学习方法中难以制作带标签的复杂各异加筋结构损伤样本的问题。
-
公开(公告)号：CN113059159B
公开(公告)日：2023-05-26
申请号：CN202110277221.3
申请日：2021-03-15
Applicant: 中国人民解放军空军工程大学
Abstract: 本发明公开了一种预防定向凝固高温合金裂纹的增材制造方法，包括冷却装置和加热装置，所述冷却装置和加热装置通过以下步骤应用在增材制造过程中：S1：增材制造：采用激光熔覆设备在基板上进行增材制造；S2：在线冷却和在线加热：冷却装置设置于热源前方并跟随热源对熔池前段实时冷却，所述加热装置设置于热源后侧并跟随热源对熔池后段实时加热。本发明加热装置跟在熔池的后方随着熔池同步移动，可以有效减缓熔池后段熔覆层的固态冷却速度，减少残余应力；冷却装置设置在熔池前段，并随着熔池同步移动，用于冷却熔池前段熔覆层的温度，使熔池固液界面的温度梯度足够大，促进定向晶的生成，提高凝固的定向性。
-
公开(公告)号：CN115330875A
公开(公告)日：2022-11-11
申请号：CN202211118423.4
申请日：2022-09-14
Applicant: 中国人民解放军空军工程大学
Abstract: 公开一种局部雷达散射成像诊断设备辅助快速视觉定位系统，其特征在于，该系统包括局部雷达散射成像诊断设备、摄像头模块、特征提取检测模块、定位判断模块以及显示器模块。还提供一种局部雷达散射成像诊断设备辅助快速视觉定位方法，该方法通过深度学习网络提取基准位置经由摄像头拍摄的基准位置图像和当前位置图像的标记点特征，得到用于匹配标定的视觉定位点，通过对当前视觉定位点与基准定位点进行比对，不断调整移动局部雷达散射成像诊断设备，使当前测量位置恢复到基准位置，从而保证测量的一致性，由此实现基于人工智能的局部雷达散射成像诊断设备辅助快速视觉定位。
-
公开(公告)号：CN113838010B
公开(公告)日：2022-10-14
申请号：CN202111053789.3
申请日：2021-09-09
Applicant: 中国人民解放军空军工程大学
Abstract: 本发明公开了一种基于红外热波及卷积神经网络的复合材料损伤智能检测方法，具体包括：步骤1，训练损伤位置识别模型和损伤类别分类模型；步骤2，采集待检测复合材料的红外热波数据，获得多张红外热波图像，将其分别输入损伤位置识别模型，检测其中是否含有损伤，若有则输出预测的损伤区域；步骤3，提取损伤区域的红外热波信号；步骤4，将红外热波信号输入损伤类别分类模型，获得各损伤的类型；本发明能够获得复合材料内部的损伤区域位置和类型信息，损伤检测结果准确且效率较高。
-
公开(公告)号：CN113887666A
公开(公告)日：2022-01-04
申请号：CN202111267091.1
申请日：2021-10-28
Applicant: 中国人民解放军空军工程大学 , 西安电子科技大学
Abstract: 本发明公开了一种基于Transformer的复合材料缺陷检测方法及系统，对基于Transformer的复合材料进行扫描，采集复合材料的超声信号；将超声信号划分为训练数据集X和验证数据集Y；构建基于Transformer的特征学习与分类模型；将划分的训练数据集X输入搭建的基于Transformer的特征学习与分类模型中对特征学习与分类模型进行训练，再将划分的验证数据集Y输入训练好的特征学习与分类模型中，得出基于Transformer的复合材料缺陷。本发明通过深度学习的方法将采集到的复合材料超声信号进行特征学习和分类，实现了对复合材料缺陷类型的准确判断。
-
-
-
-
-
-
-
-
-
Search Results
23
records
(took 0.038 seconds)
