Propagation behavior of elastic waves in one-dimensional piezoelectric/piezomagnetic phononic crystal with line defects

Using a stiffness matrix method, we in- vestigate the propagation behaviors of elastic waves in one-dimensional （1D） piezoelectric/piezomagnetic （PE/PM） phononic crystals （PCs） with line defects by calculating energy reflection/transmittion coefficients of quasi-pressure and quasi-shear waves. Line defects are created by the re- placement of PE or PM constituent layer. The defect modes existing in the first gap are considered and the influences on defect modes of the material properties and volume fraction of the defect layers, the type of incident waves, the location of defect layer and the number of structural layers are discussed in detail. Numerical results indicate that defect modes are the most obvious when the defect layers are inserted in the middle of the perfect PCs; the types of incidence wave and material properties of the defect layers have important effects on the numbers, the location of frequencies and the peaks of defect modes, and the defect modes are strongly de- pendent on volume fraction of the defect layers. We hope this paper will be found useful for the design of PE/PM acoustic filters or acoustic transducer with PCs structures.

Influence of line defects on focusing in a two-dimensional photonic-crystal flat lens

We investigate in detail the influence of line defects on focusing of electromagnetic waves in a two-dimensional photonic-crystal flat lens. Through simulations, we find that a focusing can always be observed when a line defect in the lens is introduced along the light transmission direction and the width of the line defect is less than λ/2. However, there appear two focusings when the width of the line defect is more than λ/2. When the line defect is introduced along the direction perpendicular to the transmission, there is always one focusing.

Achieving superior performance in thermoelectric Bi_(0.4)Sb_(1.6)Te_(3.72)by enhancing texture and inducing high-density line defects

Miniaturization of efficient thermoelectric(TE)devices has long been hindered by the weak mechanical strength and insufficient heat-to-electricity conversion efficiency of zone-melted(ZM)ingots.Here,we successfully prepared a robust high-performance p-type Bi_(0.4)Sb_(1.6)Te_(3.72)bulk alloy by combining an ultrafast thermal explosion reaction with the spark plasma sintering(TER-SPS)process.It is observed that the introduced excess Te not only enhances the(00l)-oriented texture to ensure an outstanding power factor(PF)of 5 mW m^(−1)K^(−2),but also induces extremely high-density line defects of up to 10^(11)–10^(12)cm^(−2).Benefiting from such heavily dense line defects,the enhancement of the electronic thermal conductance from the increased electron mobility is fully compensated by the stronger phonon scattering,leading to an evident net reduction in total thermal conductivity.As a result,a superior ZT value of~1.4 at 350 K is achieved,which is 40%higher than that of commercial ZM ingots.Moreover,owing to the strengthening of grain refinement and highdensity line defects,the mechanical compressive stress reaches up to 94 MPa,which is 154%more than that of commercial single crystals.This research presents an effective strategy for the collaborative optimization of the texture,TE performance,and mechanical strength of Bi2Te3-based materials.As such,the present study contributes significantly to the future commercial development of miniature TE devices.

Line defects in monolayer TiSe_(2) with adsorption of Pt atoms potentially enable excellent catalytic activity

Two-dimensional(2D)materials with defects are desired for catalysis after the adsorption of monodispersed noble metal atoms.High-performance catalysts with the absolute value of Gibbs free energy(|△GH|)close to zero,is one of the ultimate goals in the catalytic field.Here,we report the formation of monolayer titanium selenide(TiSe2)with line defects.The low-temperature scanning tunneling microscopy/spectroscopy(STM/S)measurements revealed the structure and electronic states of the line defect.Density functional theory(DFT)calculation results confirmed that the line defects were induced by selenium vacancies and the STM simulation was in good agreement with the experimental results.Further,DFT calculations show that monolayer TiSe_(2) with line defects have good catalytic activity for hydrogen evolution reaction(HER).If the defects are decorated with single Pt atom,the HER catalytic activity will be enhanced dramatically(|△GH|=0.006 eV),which is much better than Pt metal(|△GH|=0.09 eV).Line defects in monolayer TiSe_(2)/Au(111)provide a wonderful platform for the design of high-performance catalysts.

On-Line Defect Detection of Aluminum Coating Using Fiber Optic Sensor

Aluminum metallization using the sprayed coating for exhaust mild steel （MS） pipes of tractors is a standard practice for avoiding rusting. Patches of thin metal coats are prone to rusting and are thus considered as defects in the surface coating. This paper reports a novel configuration of the fiber optic sensor for on-line checking the aluminum metaUization uniformity and hence for defect detection. An optimally chosen high bright 440 nm BLUE LED （light-emitting diode） launches light into a transmitting fiber inclined at the angle of 60° to the surface under inspection placed adequately. The reflected light is transported by a receiving fiber to a blue enhanced photo detector. The metallization thickness on the coated surface results in visually observable variation in the gray shades. The coated pipe is spirally inspected by a combination of linear and rotary motions. The sensor output is the signal conditioned and monitored with RISHUBH DAS. Experimental results show the good repeatability in the defect detection and coating non-uniformity measurement.

基于改进YOLOv5-LITE轻量级的配电组件缺陷识别

为对配电组件缺陷进行精确快速的定位和识别,提出一种基于改进YOLOv5-LITE轻量级的配电组件缺陷识别方法。为使模型便于部署至移动设备终端,该方法使用ShuffleNetV2作为骨干网提取特征构建YOLOv5-LITE轻量级神经网络模型,并摘除ShuffleNetV2的1024卷积和5×5池化,采用全局平均池化操作替代,降低网络参数量,提升模型检测速度;通过引入有利于细粒度目标检测的152×152特征层,实现了对大、中、小尺度的缺陷检测;在PANet架构中采用深度可分离卷积代替下采样使得网络更加轻量化。实验结果表明:该方法能够识别电缆脱离垫片、电缆与绝缘子脱落、无环绝缘子3种缺陷,其检测精度分别达到92%、95%、95%,网络参数量约为YOLOv5的1/4,检测速度达到2 ms/张。所提出的方法具有实时性、准确率高、轻量化等特点。

格构技术在高铁隧道拱部防水板切割衬砌混凝土缺陷整治中的应用

[目的]许多与高铁隧道衬砌相关的缺陷随着高铁建成年限的增加逐渐凸显,防水板切割衬砌混凝土是其中较为严重的一种缺陷。为了减少结构扰动、降低对线路运行的影响,需采用新技术对高铁隧道拱部防水板切割衬砌缺陷进行整治。[方法]以我国西南地区某设计速度为200 km/h的高铁双线隧道为案例,对其发生拱部防水板切割衬砌混凝土后可采用的2个整治方案(现浇套拱、格构技术)进行了详细分析,并进行了结构的安全性、经济性对比评估。对格构技术缺陷整治方案的施工组织、工艺流程、防护措施及施工效果进行了重点论述。[结果及结论]与其他方案相比,格构技术整治方案充分利用了既有结构的承载能力,仅在局部区域修复隧道,对既有衬砌结构影响较小,对高铁线路的运营影响也较小。该方案能明显降低结构的主应力,减少结构位移,使缺陷衬砌的承载能力满足设计要求。

基于深度学习的计算机视觉在隧道衬砌病害检测中的应用综述

隧道衬砌作为隧道的重要支撑结构,对其中存在的病害进行检测显得十分重要。然而,传统的隧道病害检测方法高度依赖人工,效率低下,并且存在一定的安全风险,因此,如何高效、安全地实现病害的自动检测成为了热门的方向之一。深度学习(DL)和计算机视觉(CV)被视为实现隧道衬砌病害自动检测的具有发展前景的方法。为了阐明DL技术和CV技术在病害检测中的研究与应用,总结了隧道衬砌病害检测技术的发展历程;基于数据对于DL模型训练的重要性,总结了衬砌病害数据集的建立过程;随后,总结了基于DL的CV技术在隧道衬砌表面病害和内部病害检测方面的方法和应用;最后,讨论了目前研究中存在的问题,并对未来的发展进行了展望。

Observation of parabolic electron bands on superconductor LaRu_(2)As_(2)

Ru-based superconductor LaRu_(2)As_(2) has been discovered exhibiting the highest critical temperature of ~ 7.8 K among iron-free transition metal pnictides with the ThCr_(2)Si_(2)-type crystal structure. However, microscopic research on this novel superconducting material is still lacking. Here, we utilize scanning tunneling microscopy/spectroscopy to uncover the superconductivity and surface structure of LaRu_(2)As_(2). Two distinct terminating surfaces are identified on the cleaved crystals, namely, the As surface and the La surface. Atomic missing line defects are observed on the La surface. Both surfaces exhibit a superconducting gap of ~ 1.0 me V. By employing quasiparticle interference techniques, we observe standing wave patterns near the line defects on the La atomic plane. These patterns are attributed to quasiparticle scattering from two electron type parabolic bands.

基于改进YOLOv8与语义知识融合的金具缺陷检测方法研究

针对输电线路螺栓金具缺陷检测任务中存在的缺陷样本类间分布不均、缺陷微小特征提取困难等问题,提出基于改进YOLOv8和语义知识融合的输电线路螺栓缺陷检测方法。首先,通过深入分析数据样本中螺栓金具缺陷种类与该螺栓承载金具种类之间的关系,完成语义关联构建工作;之后,在YOLOv8模型Neck部分引入BiFusion和RepBlock模块,增强模型的特征提取能力;其次,使用改进的融合语义知识校正权重的Loss函数,进一步提高训练模型的准确性,减少误检的发生;最后,分别完成基线选取实验、消融实验、超参数调整实验以及对比实验。实验结果表明,相较于Baseline模型,改进YOLOv8方法在平均精确率(mAP)上提升了4.0%,在关键少样本类精确率上提升了24.6%,可有效提高输电线路螺栓金具缺陷检测的效果,该语义关联构建及语义知识融合方法具有一定的泛用性,为输电线路无人机智能巡检领域提供了新的方法支持。

抽油管的在线漏磁检测技术

由于复杂的工况,抽油管的内、外壁极易发生损伤。目前,抽油管的检测方式主要是将抽油管抽离油井后送至后线检测场地进行检测,造成了时间、人力、物力的浪费。采用漏磁检测方法,开展了抽油管在起管或下管过程中的在线检测;设计了瓦片式磁化结构,建立抽油管漏磁检测的三维仿真模型;针对抽油管的腐蚀缺陷,改变缺陷尺寸参数,研究了缺陷漏磁场的分布特性;研发了抽油管在线漏磁检测系统,在实验室和油田作业现场对抽油管进行在线检测试验。试验结果表明,该系统能够快速高效地完成抽油管的在线检测,为抽油管的损伤监测提供了一些参考。

不锈钢内衬修复复合管层间缺陷处应力分析

为研究不锈钢内衬修复前后复合管道内腐蚀缺陷处的应力分布规律以及修复效果,基于有限元软件,建立含单腐蚀坑缺陷的管道模型,改变腐蚀坑的深厚比,忽略黏结层厚度及对腐蚀坑的填补影响,层间采用黏接行为建立界面相互作用分析模型,将修复前后腐蚀缺陷处的应力进行对比。随着腐蚀缺陷深厚比的增加,管壁腐蚀缺陷处的径向应力、周向应力、Mises应力都有增大的趋势;修复前缺陷处的周向应力最大,且其值与Mises应力相近;经不锈钢内衬修复后,缺陷处的周向应力下降了11.3%,Mises应力下降了7.12%。腐蚀缺陷的深厚比对管道的应力分布有着显著的影响,所以在进行复合管线安全评估时应注意腐蚀深度的影响;在修复前后,管道腐蚀缺陷处的控制应力一直是周向应力,复合管道的失效可依据周向应力进行判断;经不锈钢内衬修复后,原始缺陷处的应力发生了重分布,其周向应力与Mises应力均有减小,修复效果明显。

基于反射系数与核函数构建的新型电缆缺陷诊断方法

为解决现有的电缆局部缺陷检测方法中缺陷定位效果差、缺陷类型判断困难等问题,提出一种基于反射系数谱(RCS)的新型电缆缺陷诊断方法。首先,利用电缆线路的分布参数模型,建立了含局部缺陷电缆线路的RCS数学模型,根据RCS数学模型,确定合理的核函数,设计出基于RCS的新型缺陷诊断函数,该缺陷诊断函数的极值峰可用于定位电缆线路中的缺陷,并确定缺陷的类型、严重程度等特征;然后,对不同类型与严重程度的电缆线路缺陷进行建模仿真诊断,测试该方法的可行性与准确性;最后,在同轴电缆与10 kV电力电缆上设计了局部缺陷,并用该方法对真实电缆缺陷进行诊断分析。仿真与实测结果表明,该方法能精准地定位电缆线路中的缺陷,并且可以准确地判断出缺陷的类型与严重程度,说明了该方法的实用性,且具有较高的实际工程价值。

基于ER-YOLO算法的跨环境输电线路缺陷识别方法

为提高输电线路缺陷智能检测算法在不同环境条件下的鲁棒性,克服现有智能检测算法在不同环境下识别性能下降的问题,该文提出了跨环境鲁棒YOLO(ER-YOLO)算法。首先,基于广义注意力理论在YOLOv8的骨干网络中引入Transformer注意力机制;其次,使用大卷积核和通道注意力模块优化特征提取;最后,应用多重注意力机制检测头网络强化算法多尺度、空间位置和多任务感知能力。为获得测试数据,该文探索生成了模拟暗光、雾霾、模糊环境的虚拟数据集。经消融实验和对比分析,跨环境鲁棒YOLO算法在跨环境测试中展现了更高的缺陷识别精度和鲁棒性,各测试数据集下mAP平均值为0.726,相对改进前提升0.069,同时在实际环境下进行了验证,证明了该算法的有效性。该文提出的跨拍摄环境的输电线路缺陷识别方法,在跨环境识别中表现出卓越的性能。跨环境图像生成方法可为后续虚拟数据集生成技术提供借鉴。

基于YOLOv6的输电线路电力部件识别及缺陷检测算法研究

在输电线路巡检中,关键电力部件经常会出现锈蚀、脱落等缺陷,从而造成误检、漏检问题,导致人力成本大大增加。文中针对此类问题,提出一种基于YOLOv6的改进算法,主要在neck部分增加了RepFPN结构,额外的增加了一个自底向上的路径聚合网络,从而增强输出特征的表达能力,提升模型性能,然而增加了计算成本。为了降低计算量,增加了RepVGG结构,它有着类似残差的结构,拥有丰富的梯度信息,经实验数据表明,当使用3个RepVGG结构替代C3层时,会提升1~2点精度;同时将ConvBNAct的算子进行融合后,只需要采用一个Conv+inplace activation就可以完成原有的3次Op计算,绝大多数情况下还能得到一致的数值结果,缓解了上述改进增加计算量的问题。实验表明,改进后的模型mAP_0.5:0.95提高了12%,精确度提高了3.9%,各项loss值显著降低,同时很好地检测出了电力部件各种缺陷以及输电线路上的异物。

基于THz-TDR的芯片金属微带线缺陷检测

针对体积小、走线密集、集成度高的封装芯片缺陷检测,目前的主要检测手段存在精度低、周期长等缺点。为弥补传统检测方法的不足,作者结合太赫兹技术与时域反射技术,探究对芯片上金属导线缺陷检测的可行性。首先在不同宽度的金属微带线上加工了不同比例的凸起、凹槽缺陷,模拟集成芯片中金属导线的不完全开/短路等阻抗不匹配情况,利用太赫兹时域反射计采集其时域反射信号。然后根据时域反射脉冲对应的时间分别对不同缺陷程度、不同缺陷类型进行定性分析,并精确计算出了芯片上金属微带线的缺陷位置。最后利用有限元分析法对硅基底上存在缺陷的金属微带线进行仿真分析,与实验结果具有良好的一致性。该研究表明,太赫兹技术与时域反射技术结合能够实现对芯片上金属导线缺陷的诊断检测,为集成芯片的缺陷检测提供了经验参考。

衬胶管道脱粘缺陷超声检测与识别方法研究

针对目前对在役衬胶管道脱粘缺陷缺乏有效检测手段,且检测效率和准确率较低的问题,基于超声脉冲回波法的基本原理,设计了适用于圆柱形衬胶管道超声检测的扫查和探头夹持装置,建立了相应的超声检测试验系统。分析了实际应用中多种干扰因素对超声回波信号的影响,构建了基于一维CNN的超声回波信号二分类模型。通过试验和与传统超声检测缺陷识别方法进行对比,结果表明利用所建立的超声检测系统及一维CNN模型能够在多种干扰因素存在的情况下实现对脱粘缺陷较精确的识别,识别准确率达到96.22%,为在役衬胶管道脱粘缺陷的自动化检测和识别提供了一种有效的方法和手段。

Q390坯料裂纹与轧制缺陷对应性分析

Q390热轧无缝钢管的发纹缺陷一直是影响钢管一次合格率和成材率指标的重要原因之一。发纹缺陷的产生原因主要与连铸管坯质量有关。本文通过轧制试验分析了坯料裂纹缺陷与轧制缺陷的遗传对应关系和缺陷变化情况,分析坯料到成品脱碳层的变化情况。

基于SMR-RCNN网络的隧道衬砌缺陷智能识别研究

脱空和不密实是隧道衬砌最常见的两种病害。在这两种病害长期作用下会导致隧道出现破裂、渗漏水、钢筋锈蚀,最终造成隧道塌方等问题,严重威胁行车安全。采用探地雷达对隧道进行无损探测是发现这些病害或缺陷的常见方式,但大量雷达数据的人工识别存在着工作量大、效率低、强烈依赖人员的专业素养等问题。本文提出一种基于深度学习的隧道衬砌缺陷的自动检测方法——自监督多尺度池化区域卷积神经网络方法(Self-monitoring Multi-scale ROI Align Region Convolutional Neural Network,SMR-RCNN),以提高缺陷识别的效率,并减少主观因素的影响。在雷达探测隧道衬砌的实践中,数据量巨大,但缺陷样本却很少,这对训练神经网络是一个相当大的挑战。为此,设计了一种数据增强的方法来增加缺陷的样本数量,且使用一种自监督对比学习的网络模型来提取雷达数据的特征,然后将其迁移到改进后的Faster-RCNN网络模型中;最后,使用有标签的样本对改进的Faster-RCNN网络进行细调训练。实验结果表明,相较于传统的Faster-RCNN方法,本文提出的算法增强了神经网络对脱空和不密实两类缺陷的自动识别能力,在检测精度上得到了显著提高,mAP值提升了12%。

基于改进YOLOv5s的绝缘子缺陷检测算法研究

绝缘子缺陷检测是智能化电网发展中关键的一步,基于计算机视觉的绝缘子缺陷检测已经被大量应用于智能巡检中,选择YOLOv5s模型作为基础网络,在保证网络运行速度的前提下提升了检测精度。首先在主干特征提取网络中加入CBAM注意力模块,以增强模型的特征提取能力;其次在颈部结构采用BiFPN结构融合多尺度特征,减少特征丢失情况,以提升模型的特征融合能力;最后采用EIoU Loss作为网络回归损失的损失函数,解决了对航拍图像中各种尺度绝缘子敏感的问题,并提升网络的收敛速度。经过实验验证,在检测速度变化不大的情况下改进后的网络模型,平均精度均值(mAP)达到了94.13%,召回率(Recall)达到了84.94%,较YOLOv5s网络模型相比提升了5.71%和14.57%,同时模型的体积减小为13.5 MB,与其他改进模型相比,精度、召回率都有了明显提高,能够更好地满足实际应用的需求。