一种缺陷表面漏磁场信号的U-Net神经网络分析方法

    公开(公告)号:CN120012509A

    公开(公告)日:2025-05-16

    申请号:CN202510114796.1

    申请日:2025-01-24

    Abstract: 本发明公开了一种缺陷表面漏磁场信号的U‑Net神经网络分析方法,包括以下步骤;步骤一:建立U‑Net神经网络训练所需的磁导率分布与漏磁场数据集;步骤二:对磁导率分布与漏磁场数据集进行旋转、裁剪和标准化,得到处理后的数据集;步骤三:基于处理后的数据集,构建以磁导率数据为输入,磁场分布的y向分量为输出的U‑Net模型;步骤四:采用RMSProp优化器对U‑Net模型进行训练,并保存权重;步骤五:使用步骤四中保存的权重预测测试集的磁场分布,并采用结构相似性评价预测结果的准确性。本发明通过多层U‑Net卷积的叠加扩大感受野,使算法能够识别和学习复杂特征,实现对磁场分布的有效预测,进而大幅提升了算法的性能和可靠性。

    一种增强漏磁检测信号的可调节式磁屏蔽传感器

    公开(公告)号:CN118465050A

    公开(公告)日:2024-08-09

    申请号:CN202410390525.4

    申请日:2024-04-02

    Applicant: 宁夏大学

    Abstract: 本发明公开了一种增强漏磁检测信号的可调节式磁屏蔽传感器,包括可拆卸式插针原理封装盒、可拆卸式插针原理封装盒、带线圈磁轭、可调节提离值式双磁传感器;所述可拆卸式插针原理封装盒为一个没有侧面盖板的立方形结构,所述可拆卸式插针原理封装盒为与可拆卸式插针原理封装盒对应的侧面盖板结构,可拆卸式插针原理封装盒和可拆卸式插针原理封装盒构成立方体结构;所述可拆卸式插针原理封装盒的底面上放置带线圈磁轭,所述带线圈磁轭内部放置可调节提离值式双磁传感器。本发明具有克服外界环境磁场干扰的特点,能够提高对小尺寸缺陷的检测能力。

    一种可基于实际漏磁工况调节磁屏蔽效果的提升检测灵敏度方法

    公开(公告)号:CN118330016A

    公开(公告)日:2024-07-12

    申请号:CN202410390528.8

    申请日:2024-04-02

    Applicant: 宁夏大学

    Abstract: 一种可基于实际漏磁工况调节磁屏蔽效果的提升检测灵敏度方法,步骤1:构建磁场分析有限元模型;步骤2:建立考虑可调节式磁屏蔽传感器参数信息的磁信号检测有限元模型;步骤3:获得可调节式磁屏蔽传感器不同参数下的漏磁检测效果;步骤4:开展不同参数下的漏磁检测效果的优化分析,根据不同磁屏蔽参数的漏磁检测效果,基于智能算法获得最优检测灵敏度所对应的磁屏蔽参数;步骤5:实现缺陷的高灵敏度和准确度检测;步骤6:针对实际工况中的缺陷类型、缺陷尺寸和检测对象,开展检测应用。本发明具有提高信号强度和抵抗环境干扰的特点,提升对小尺寸缺陷的检测能力,以提高漏磁检测的准确性和可靠性。

    基于数字图像测试的无监督机器学习超弹性本构建模方法

    公开(公告)号:CN118428210B

    公开(公告)日:2025-03-25

    申请号:CN202410492044.4

    申请日:2024-04-23

    Applicant: 宁夏大学

    Abstract: 本发明公开了基于数字图像测试的无监督机器学习超弹性本构建模方法,包括以下步骤;步骤一:开展数字图像测试,选取超弹性试件,采用数字散斑分析系统开展基于数字图像测试,构建全场位移数据集;步骤二:物理信息网络搭建;步骤三:深度回归网络搭建;步骤四:基于步骤一数字图像测试得到的实验数据集进行网络训练,对步骤二中的物理信息网络和和步骤三中的深度回归网络进行联合训练;最终生成反映超弹性材料大变形行为的本构模型显式表达式。本发明采用无监督机器学习的方法,由数字图像测试得到的全场位移数据集,采用深度回归与物理信息网络,自动化地获得超弹性材料的本构模型,以反映材料的超弹性特性。

    一种基于自动激光扫描的管道椭圆度测量仪及自动测量方法

    公开(公告)号:CN118757691A

    公开(公告)日:2024-10-11

    申请号:CN202410761605.6

    申请日:2024-06-13

    Applicant: 宁夏大学

    Abstract: 本发明公开了一种基于自动激光扫描的管道椭圆度测量仪及自动测量方法,包括安装板,安装板的底部通过支架固定连接,安装板表面设置电机安装板,电机安装板上安装有电机;安装板的背面的中心位置设置滑轨,滑块连接均匀活动安装在滑轨上,激光测距模块通过激光测距模块安装板与滑块固定连接,激光测距模块在滑轨上跟着电机围绕中心旋转;控制及计算模块和数据显示屏固定安装在安装板上,分析和算法在控制及计算模块中进行,控制及计算模块控制电机的旋转,控制及计算模块分别与电机和数据显示屏连接。本发明同时计算出了管道待测区域各点处的管道尺寸参数与管道设计参数的差异,为后期分析局部管道尺寸参数导致的安全问题提供依据。

    基于横向纵向电场联合控制电动旋涡型海水淡化芯片

    公开(公告)号:CN116282411B

    公开(公告)日:2025-05-13

    申请号:CN202310314198.X

    申请日:2023-03-28

    Applicant: 宁夏大学

    Inventor: 时朋朋 汪文帅

    Abstract: 基于横向纵向电场联合控制电动旋涡型海水淡化芯片,包括微流控通道,微流控通道由主路和两条支路连接组成,沿流动方向,主路的始端为输入端,主路的末端连接两条支路的始端,形成整体的“Y”型结构,其中第一支路中的流动路径向上,第二支路中的流动路径向下;在主路的上壁面和下壁面分别嵌有一块阳离子选择性膜,阳离子选择性膜连接电极,其中,上壁面电极的电压设置为V3,下壁面电极的电压设置为V4,V3和V4形成控制该芯片的纵向电场;在两条支路的末端均设置电压为V2的电极,在主路的始端设置电压为V1的电极,V1和V2形成控制该芯片的横向电场;本发明采用百微米孔径的微流控通道,通过调节电压即可实现连续性海水淡化脱盐处理。

    基于数字图像测试的无监督机器学习超弹性本构建模方法

    公开(公告)号:CN118428210A

    公开(公告)日:2024-08-02

    申请号:CN202410492044.4

    申请日:2024-04-23

    Applicant: 宁夏大学

    Abstract: 本发明公开了基于数字图像测试的无监督机器学习超弹性本构建模方法,包括以下步骤;步骤一:开展数字图像测试,选取超弹性试件,采用数字散斑分析系统开展基于数字图像测试,构建全场位移数据集;步骤二:物理信息网络搭建;步骤三:深度回归网络搭建;步骤四:基于步骤一数字图像测试得到的实验数据集进行网络训练,对步骤二中的物理信息网络和和步骤三中的深度回归网络进行联合训练;最终生成反映超弹性材料大变形行为的本构模型显式表达式。本发明采用无监督机器学习的方法,由数字图像测试得到的全场位移数据集,采用深度回归与物理信息网络,自动化地获得超弹性材料的本构模型,以反映材料的超弹性特性。

    一种超弹性多变形模式本构模型的物理信息机器学习方法

    公开(公告)号:CN118428209A

    公开(公告)日:2024-08-02

    申请号:CN202410492042.5

    申请日:2024-04-23

    Applicant: 宁夏大学

    Abstract: 本发明公开了一种超弹性多变形模式本构模型的物理信息机器学习方法,包括以下步骤;步骤一:实验数据集获取,获取多种变形模式下的拉伸比、剪切比和名义应力;步骤二:物理信息网络搭建,用于预测根据拉伸比和剪切比计算得到的不同变形模式下的两个变形张量不变量和应变能函数的映射关系;步骤三:深度回归网络搭建,用于生成反映多变形模式下超弹性材料大变形行为的本构模型显式表达式;步骤四:基于多变形模式下超弹性材料的实验数据集进行网络训练,对物理信息网络和和深度回归网络进行联合训练;生成反映多变形模式下超弹性材料大变形行为的本构模型显式表达式。本发明实现针对多种变形模式下的非线性材料响应的准确预测。

    基于横向纵向电场联合控制电动旋涡型海水淡化芯片

    公开(公告)号:CN116282411A

    公开(公告)日:2023-06-23

    申请号:CN202310314198.X

    申请日:2023-03-28

    Applicant: 宁夏大学

    Inventor: 时朋朋 汪文帅

    Abstract: 基于横向纵向电场联合控制电动旋涡型海水淡化芯片,包括微流控通道,微流控通道由主路和两条支路连接组成,沿流动方向,主路的始端为输入端,主路的末端连接两条支路的始端,形成整体的“Y”型结构,其中第一支路中的流动路径向上,第二支路中的流动路径向下;在主路的上壁面和下壁面分别嵌有一块阳离子选择性膜,阳离子选择性膜连接电极,其中,上壁面电极的电压设置为V3,下壁面电极的电压设置为V4,V3和V4形成控制该芯片的纵向电场;在两条支路的末端均设置电压为V2的电极,在主路的始端设置电压为V1的电极,V1和V2形成控制该芯片的横向电场;本发明采用百微米孔径的微流控通道,通过调节电压即可实现连续性海水淡化脱盐处理。

Patent Agency Ranking