灰铁基Cr-n-Al_2O_3复合电刷镀层的性能

采用电刷镀在灰口铸铁表面制备了n-Al2O3掺杂的Cr基复合镀层。通过X射线衍射仪(XRD)、扫描电镜(SEM)、扫描电子显微镜附带能谱仪(EDS)等技术对镀层的晶粒尺寸、截面与表面形貌及n-Al2O3在镀层中的分布进行了表征。此外,利用显微硬度计、磨损试验机、电化学工作站等仪器对镀层的硬度、耐磨性、抗腐蚀性等进行了测试。结果表明:Cr-n-Al2O3复合镀层组织致密无明显缺陷,n-Al2O3均匀地弥散分布于镀层表面;在纳米粒子的弥散强化及细晶强化作用下,复合镀层的硬度相对于纯Cr镀层提高了42.8%,耐磨性也有所提高;此外,n-Al2O3的加入也改善了镀层的耐腐蚀性能。     

航天飞行器用高发射率红外辐射涂层的制备及性能研究

以碱金属氢氧化物及其氧化物和SiC等复配得到了高发射率红外辐射粉料，然后与硅橡胶混合配置，再通过空气喷涂法制备得到了高发射率红外辐射涂层。通过力学、热学、红外辐射、隔热试验等对涂层的各项性能进行了表征。结果表明：辐射涂层具有高红外发射率（>0.85），表现出优异的隔热性能。与添加1 mm长的碳纤维制备的涂层相比，3种添加500μm的短切玻璃纤维制备的自研辐射涂层具有更好的力学性能、界面结合强度以及表面状态。综合对比3种自研辐射涂层，其中添加由SiC以及铁、铝、镁的氧化物组成的辐射填料制备的涂层A效果最优，红外发射率高达0.93，拉伸强度达到2.89 MPa，断裂伸长率达到114%，拉伸剪切强度达到1.36 MPa。     

通道注意力嵌入的Transformer图像超分辨率重构

目的 基于深度学习的图像超分辨率重构研究取得了重大进展，如何在更好提升重构性能的同时，有效降低重构模型的复杂度，以满足低成本及实时应用的需要，是该领域研究关注的重要问题。为此，提出了一种基于通道注意力（channel attention，CA）嵌入的Transformer图像超分辨率深度重构方法（image super-resolution with channelattention-embedded Transformer，CAET）。方法 提出将通道注意力自适应地嵌入Transformer变换特征及卷积运算特征，不仅可充分利用卷积运算与Transformer变换在图像特征提取的各自优势，而且将对应特征进行自适应增强与融合，有效改进网络的学习能力及超分辨率性能。结果 基于5个开源测试数据集，与6种代表性方法进行了实验比较，结果显示本文方法在不同放大倍数情形下均有最佳表现。具体在4倍放大因子时，比较先进的SwinIR （image restoration using swin Transformer）方法，峰值信噪比指标在Urban100数据集上得到了0.09 dB的提升，在Manga109数据集提升了0.30 dB，具有主观视觉质量的明显改善。结论 提出的通道注意力嵌入的Transformer图像超分辨率方法，通过融合卷积特征与Transformer特征，并自适应嵌入通道注意力特征增强，可以在较好地平衡网络模型轻量化同时，得到图像超分辨率性能的有效提升，在多个公共实验数据集的测试结果验证了本文方法的有效性。