-
公开(公告)号:CN116793826A
公开(公告)日:2023-09-22
申请号:CN202310777152.1
申请日:2023-06-28
Applicant: 北京理工大学
IPC: G01N3/06 , G01N3/18 , G01N23/046 , G01N23/083
Abstract: 本发明公开的基于高温原位X射线吸收成像的图像相关实验装置及方法,属于高温应变测量领域。本发明包括X射线光源、高温装置、力学加载装置、探测器和计算机。试验样品在高温装置内被加热至指定温度,同时在力学加载下发生变形;在试验样品变形过程中,X射线光源产生的X射线穿过试验样品后携带的信息被探测器接收,探测器与计算机相连,在计算机中实时获得DR数字图像和亮暗场图像,使用亮暗场校正和滤波算法去除DR数字图像背景和噪声,使用基于深度学习的数字图像相关算法对系列数字图像进行实时分析,实现应变连续测量,获得试验样品高温下的应力‑应变曲线。本发明能够实现高温原位加载CT实验过程中应变快速连续测量。
-
公开(公告)号:CN112834321A
公开(公告)日:2021-05-25
申请号:CN202110018265.4
申请日:2021-01-07
Applicant: 北京理工大学
IPC: G01N3/02 , G01N3/06 , G01N23/046
Abstract: 本发明公开了一种超低温环境下原位加载微CT表征系统及其表征方法。本发明在力学试验机上设置实验环境箱体,一对夹具的末端固定在力学试验机的横梁上,头端伸入至实验环境箱体内夹持试样,并通过制冷装置和加热装置控制实验环境箱体内的环境温度,通过测温元件实时反馈,并配合导流结构加速实验环境箱体内热量的传递,实现温度快速精确的负反馈控制,力学试验机通过夹具对试样进行力学加载,同时微焦点X射线源通过防雾霜射线窗口对试样进行微CT扫描,重构超低温环境下试样原位受载时内部的微观结构和损伤形貌,为超低温环境下材料失效机理和损伤演化规律的研究奠定基础;通过防雾霜射线窗口,避免外侧窗口薄片出现起雾和结霜的现象。
-
公开(公告)号:CN120028355A
公开(公告)日:2025-05-23
申请号:CN202510171856.3
申请日:2025-02-17
Abstract: 本发明提供一种用于原位CT成像超高温力学加载实验的试样变形测量系统,采用高温陶瓷材料作为辅助引出设计,将试样标距段变形量引出至高温炉外并使用LVDT进行测量;同时,为了消除高温炉内X射线透射薄壁的变形对试样变形测量的影响,本发明还采用视频引伸计实时监测薄壁变形,并根据其数据修正LVDT测量结果,实现了超高温环境下的高精度变形测量;本发明的测量系统能够与高分辨率原位CT成像实验兼容,满足了在高温环境下同时进行力学加载和微观结构成像的需求,提升了原位实验的实时性和精度,为全面研究材料的力学性能和行为提供了有力工具,以满足对材料性能和行为全面的深入研究需求,弥补了现有技术的空白。
-
公开(公告)号:CN119850966A
公开(公告)日:2025-04-18
申请号:CN202411657148.2
申请日:2024-11-19
Applicant: 北京理工大学
IPC: G06V10/44 , G01B11/16 , G06V10/82 , G06V10/75 , G06N3/0464 , G06N3/0455 , G06N3/047
Abstract: 一种基于深度学习图像匹配算法的数字图像相关方法,属于变形测量领域。本发明实现方法为:采集试样变形前后的散斑图像,变形前的散斑图像为参考图像,变形后的散斑图像为目标图像,在参考图像中设置计算区域和计算点;使用基于深度卷积神经网络的图像特征提取网络提取参考图像和目标图像的关键特征;使用基于Transformer的图像特征匹配网络对特征进行匹配,形成特征点对;剔除错误匹配的特征点对,使用仿射变换计算变形初值;基于变形初值和IC‑GN算法非线性迭代计算最终高精度变形场,基于深度学习图像匹配算法实现数字图像相关。本发明利用基于深度学习图像匹配算法实现对散斑特征的匹配,能够实现低质量散斑图像的变形测量。
-
公开(公告)号:CN114878317A
公开(公告)日:2022-08-09
申请号:CN202210642115.5
申请日:2022-06-08
Applicant: 北京理工大学
Abstract: 本发明公开了一种用于曲面基底上热障涂层的剪切试验夹具及其方法。本发明的剪切试验夹具包括:基座台、滑块空腔、上压杆空腔、试样空腔、定位滑块、下顶杆、支撑底座和上压杆;本发明解决了异型热障涂层力学性能参数数据不足的问题,通过采用定位滑块和下顶杆约束曲面基底,能够对曲面基底进行完全固定,解决了试样装夹不稳和试验过程容易失稳侧滑的问题,保证曲面基底上的热障涂层受到纯剪切载荷,从而确保剪切试验的成功和试验结果的准确性;并且剪切试验夹具型式简单,夹具尺寸小,能够应用于不同温度环境下曲面基底的热障涂层的剪切测试,可行性高,操作简单。
-
公开(公告)号:CN112858413A
公开(公告)日:2021-05-28
申请号:CN202110141901.2
申请日:2021-02-02
IPC: G01N27/26 , G01N23/046
Abstract: 本发明的实施例公开一种基于CT技术的电化学电极三维形貌原位表征方法,属于电化学过程原位表征技术领域。所述电化学电极三维形貌原位表征方法是一种将计算机原位断层扫描技术和电解技术相结合的表征方法,具体来说是将实验电解质置于定制的反应器内,CT可正常工作;电解过程将电极下放在电解质内,施加一定的电压或电流进行电解;电解的同时,以一定的小角度旋转电解池,同时以X射线扫描被研究电极,得到一系列二维断面图片,通过特定的图像算法处理得到二维断面图还原电解过程的3D效果图,通过对时间轴的控制实现电解过程机理的可控化4D研究。本发明具有高精度、高亮度、高准直、高效率、非破坏性和实时性等特点。
-
公开(公告)号:CN112229752B
公开(公告)日:2025-04-22
申请号:CN202011156254.4
申请日:2020-10-26
Applicant: 北京理工大学
IPC: G01N3/56
Abstract: 本发明公开了一种超高温水氧环境下原位微纳米压痕测试系统及其方法。本发明将传统的管式炉中水平放置的防护管道改为竖直放置,压杆和试样平台分别从竖直放置的防护管道的两头进入,既避免了在管壁上打孔,又避免了选用大直径的防护管道使得选用更长的压杆;本发明选用了长程滑轨,在试样进行水氧考核期间将箱体通过滑轨移动到远离压杆驱动器,完成水氧考核后,将箱体通过滑轨移动到压杆下方,完成压痕测试;本发明采用一体化设计,能够在1600℃高温环境下对涂层试样进行任意水氧比例考核后开展原位微纳米压痕测试,实现涂层试样在超高温水氧环境下的力学性能的原位表征,可行性高,操作简单。
-
公开(公告)号:CN118190981A
公开(公告)日:2024-06-14
申请号:CN202410159292.7
申请日:2024-02-04
Applicant: 北京理工大学
IPC: G01N23/046 , G01M13/00 , B25B11/00
Abstract: 本发明公开的一种用于通电加热的原位CT剪切试验夹具,属于高温剪切强度试验领域。本发明包括上夹具、下夹具、上夹具连接件、下夹具连接件和耐高温绝缘涂层;上夹具和下夹具为施力单元,上夹具连接件和下夹具连接件为连接固定单元;上夹具、下夹具通过共同施力夹持原位CT剪切试验的试件;上夹具顶部为半圆柱形,并将上夹具顶端削平,通过上夹具顶部削平的平面与上夹具连接件接触,增大接触面积;下夹具顶部为固定位置的两根立柱,下夹具与下夹具连接件接触部分一体化加工。上夹具底部和下夹具顶部远离中轴线的立柱与试样接触部分喷涂耐高温绝缘涂层。本发明能安装在通电加热CT扫描装置中,放置于原位CT扫描设备中进行原位CT扫描,图像清晰。
-
公开(公告)号:CN112964739A
公开(公告)日:2021-06-15
申请号:CN202110141737.5
申请日:2021-02-02
IPC: G01N23/046 , G01N27/416
Abstract: 本发明的实施例公开一种基于CT技术的高温电化学体系电极界面3D形貌表征方法,属于电化学过程原位表征技术领域。所述高温电化学体系电极界面3D形貌表征方法是一种将计算机原位断层扫描技术和高温熔盐电解质电解技术相结合的表征方法,具体来说是将电解的数据通过原位CT技术的帮助在原位进行建模分析,获得整个电解过程的电极界面3D形貌,实现对电解过程机理的电极界面3D形貌随时间的演化过程的研究。本发明具有高精度、高亮度、高准直、高效率、非破坏性和实时性等特点。通过该方法,可以记录高温熔盐电解过程中,随电解时间推进,电极表面3D形貌演变的图像信息,从而更加深刻地揭示电化学反应机理。
-
公开(公告)号:CN119206618A
公开(公告)日:2024-12-27
申请号:CN202411315648.8
申请日:2024-09-20
Applicant: 北京理工大学
IPC: G06V20/52 , G01N23/04 , G01B11/16 , G06V10/46 , G06V10/44 , G06V10/42 , G06V10/54 , G06V10/80 , G06V10/776 , G06V10/82 , G06N3/0464 , G06N3/045 , G06N3/0985
Abstract: 本发明公开的基于显式相关层的X射线数字成像深度学习变形监测方法,属于图像变形测量领域。本发明实现方法为:基于X射线数字成像、连续性变形理论建立高噪声自然纹理散斑特征图像数据集;在卷积神经网络中引入图像相关性计算的相关层,将高噪声自然纹理散斑特征图像数据集输入到改进神经网络中训练,得到训练好的基于显示相关层的检测模型;将待检测的变形前后高噪声自然纹理散斑特征图像输入训练好的改进神经网络模型得到变形场,实现X射线数字成像变形监测。本发明将显式相关性计算引入到卷积神经网络的架构中,获得基于显示相关层的深度学习网络,显著提高X射线数字成像的高噪声自然纹理散斑特征图像的变形监测精度。
-
-
-
-
-
-
-
-
-