排序方式: 共有3条查询结果,搜索用时 0 毫秒
1
1.
为了解决航空发动机原位裂纹的快速检测问题,通过数值模拟与实验分析相结合,分析激光超声透射波与不同深度缺陷的铝板相互作用后的频域波形峰值的变化。研究表明:(1)随着缺陷深度的增加,透射波频域波形的幅值整体上呈现降低的趋势;(2)由实验数据分析可得,缺陷深度从0.3mm增加到0.9mm时,Ⅰ、Ⅱ、Ⅲ区的峰值增加量分别为35.45%、24.90%、24.11%,即其增加量逐渐减小。该分析方法为超声信号表征表面微缺陷提供了一种思路,为今后从频域峰值方面分析裂纹深度奠定一定的基础。 相似文献
2.
为了解决核工业领域防辐射用钢铅粘接结构的非接触、高精度无损检测问题,研究激光超声检测方法。建立了粘接结构模型,分析了激光超声的传播及脱粘导致的声波反射和衰减;实验测量了良好粘接与脱粘处的窄带激光超声信号,观测到脱粘导致的界面反射信号幅度变化;分析得出表征脱粘的激光超声反射系数与声波频率和测量位置的关系;通过激光超声C扫描方法实现模拟脱粘试样的检测与成像。研究表明:激光超声方法可以实现两层钢铅粘接结构脱粘的成像检测,在核工业防辐射结构检测中具有应用前景。 相似文献
3.
多标签分类是指在一个样本中可能会有多个标签同时存在的分类问题,目前已被广泛应用于文本分类、图像分类、音乐及视频分类等领域。与传统的单标签分类问题不同,由于标签之间可能存在相关性或者依赖关系,多标签分类问题变得更加复杂。近年来,深度学习技术发展迅猛,结合深度学习的多标签分类方法逐渐成为研究热点。因此,从传统的和基于深度学习的角度对多标签分类方法进行了总结,分析了每一种方法的关键思想、代表性模型和优缺点。在传统的多标签分类方法中,分别介绍了问题转换方法和算法自适应方法。在基于深度学习的多标签分类方法中,特别是对最新的基于Transformer的多标签分类方法进行了综述,该方法目前已成为解决多标签分类问题的主流方法之一。此外,介绍了来自不同领域的多标签分类数据集,并简要分析了多标签分类的15个评价指标。最后,从多模态数据多标签分类、基于提示学习的多标签分类和不平衡数据多标签分类三方面对未来工作进行了展望,以期进一步推动多标签分类的发展和应用。 相似文献
1