XiaoMi-AI文件搜索系统
World File Search System裂纹
sgd：街道视图综合与高斯裂纹和扩散先验
为了自主驾驶模拟，早期尝试[8，32，35]部署游戏引擎来渲染图像。它不仅需要耗时的过程来重建虚拟场景，而且还需要以低现实主义的形式产生结果。，用于新型视图Synthesis（NVS）的神经渲染技术，例如神经辐射场（NERF）[21]和3D高斯分裂（3DGS）[14]，用于同步，以使照片现实主义的街道视图进行同步。当前的研究[4、10、20、23、28、39、43、47、48、51、59]主要是街道视图合成中面临的两个挑战：无界场景的重建和染色体对象的建模。尽管已经取得了令人兴奋的进度，但在现有作品中尚未很好地探索评估重建质量的关键问题。众所周知，理想的场景仿真系统应具有高质量的自由视线渲染的能力。目前的作品通常采用从vehicle捕获而在训练阶段却看不见的观点（例如图。1），同时忽略了偏离训练观点的小说观点（例如图。1）。处理这些新颖的观点时，呈现质量的降低明显降低，对现有作品的模糊和伪像，如图1。此问题归因于车辆收集的图像的固有约束视图。训练图像通常沿着车辆的行驶方向捕获，并以车辆的车道为中心。由于车辆的快速行驶速度，框架之间的超偏度有限，因此不允许对现场中的物体进行全面的多视觉观察。因此，可以从稀疏视图中将自动驾驶的街道视图综合任务理解为重建问题。
通过激光粉末床熔融黑色 TiO2-x 掺杂氧化铝颗粒制造的减少裂纹的氧化铝/钛酸铝复合添加剂
激光粉末床熔合是一项新兴的工业技术，尤其适用于金属和聚合物应用。然而，由于氧化物陶瓷的抗热震性低、致密化程度低以及在可见光或近红外范围内的光吸收率低，将其应用于氧化物陶瓷仍然具有挑战性。在本文中，给出了一种增加粉末吸收率和减少激光加工氧化铝零件过程中开裂的解决方案。这是通过在喷雾干燥的氧化铝颗粒中使用均匀分散和还原的二氧化钛添加剂（TiO 2 − x）来实现的，从而导致在粉末床熔合过程中形成具有改善的热震行为的钛酸铝。评估了不同还原温度对这些颗粒的粉末床密度、流动性、光吸收和晶粒生长的影响。使用含有 50 mol% (43.4 vol%) TiO 2 − x 的粉末可以制造出密度为 96.5%、抗压强度为 346.6 MPa 和杨氏模量为 90.2 GPa 的裂纹减少的零件。
DOT/FAA/AR-95/43 轴向裂纹扩展和机身
进行了混合实验-数值研究，以建立在加压飞机机身中存在或不存在多点损伤 (MSD) 的情况下的实用裂纹扭结标准。修改了 Ramulu-Kobayashi 裂纹扭结标准，以预测沿 MSD 线的自相似裂纹扩展以及随后在撕裂带附近的扭结。进行了仪器化双轴试验样品和小型机身断裂实验，以生成裂纹扭结和裂纹速度数据，然后将其输入到断裂样品的大变形弹性动力学有限元模型中。计算出的混合模式 I 和 II 应力强度因子以及扩展裂纹之前的大轴向应力用于评估自相似裂纹扩展和裂纹轨迹上的裂纹扭结标准。预测和测量的裂纹扭结角度和位置之间具有极好的一致性。通过计算和测量的应变计数据的匹配进行了额外的验证。
在低温变化下，IGBT功率模块中铝线键的裂纹繁殖新模型
power modules under low temperature variations A. Halouani a, * , Z. Khatir a , R. Lallemand a , A. Ibrahim a , N. Degrenne b a Gustave Eiffel University, Paris-Saclay University, ENS Paris-Saclay, CNRS, SATIE, 78000 Versailles, France b Mitsubishi Electric R&D Centre Europe, 1 Allée de Beaulieu, 35708 Rennes，法国摘要在本文中，提出了IGBT功率模块功率循环期间电锥降解的新寿命预测模型。该模型基于实验裂纹繁殖分析和塑性菌株经验定律。在实验中，在高压下分别在高压下进行开关模式下的两个电源循环测试，并使用温度摆动∆𝑇！= 30°𝐶和∆𝑇！= 40°𝐶和最小温度𝑇！，＃$％= 55°𝐶。已经选择了DUTS和测试条件，因此仅观察到芯片顶部互连的降解。在测试期间测量了状态电压（V CE），作为导线降解的指标，金属化和样品在不同的衰老阶段进行除去。将去除的样品横截面以观察循环的裂纹传播演化。涉及塑性应变经验法，我们使用了文献的结果，这些结果显示了塑性应变（∆𝜀＆'）随链条接触裂纹生长的演变。作为结果，这种新的终身预测模型基于铝线键的修改法定定律IGBT的疲劳显示了测试结果的良好拟合，并用于预测寿命。最后，估算了经过测试的IGBT模块的寿命，并用于验证所提出的模型的有效性。1。简介
软基底如何通过裂纹前端下沉影响薄膜的屈曲脱层
随着可拉伸器件的发展，在软基底上具有刚性薄膜的工程部件越来越多。我们提出分析在双轴压缩应力状态下软基底上薄膜的屈曲脱层。该问题已通过欧拉柱屈曲分析进行了研究。本文介绍了在软基底上进行的实验，结果表明在某些情况下，“墨西哥帽”形状更能近似地表示屈曲形状。使用通过内聚相互作用粘合到弹性介质的非线性板的模型来描述脱层过程。结果表明，“墨西哥帽”形状改变了软基底的裂纹扩展行为。由 AIP Publishing 出版。[ http://dx.doi.org/10.1063/1.4979614 ]
汽车零件的智能裂纹检测系统
汽车零件中的裂纹检测确保车辆安全性，可靠性和耐用性。传统的裂纹检测方法在很大程度上依赖于手动检查或非破坏性测试（NDT），这可能无法有效地识别小型，表面级别或隐藏的裂纹。随着人工智能（AI），机器学习（ML），计算机视觉（CV），图像处理和光检测传感器技术的快速进步，智能裂纹检测系统（SCDS）正在作为对此问题的有效，自动化的解决方案。本文回顾了应用于汽车零件的智能裂纹检测系统的当前方法，技术，挑战和未来方向，重点是实时监控，基于AI的裂纹分类以及与IOT启用的诊断系统集成。
耐火混凝土中的裂纹：经晶或晶间？
混凝土是最常见的建筑材料。混凝土类型丰富，配方取决于特定用途。混凝土的微观结构通常是强烈的异质性，具有水泥，细和粗骨料，充满空气的毛孔和各种增援。混凝土的计算模型通常会大大降低以确保安全性。更精确的模型可以从材料和CO 2排放方面巨大节省。通过3D计算机断层扫描（CT）观察到的原位机械测试，特别是观察到3D的裂纹起始和生长可以帮助改善这些模型。 大规模的CT系统gulliver专用于研究分别为6 m和1 m的现实大型混凝土束和宽度的疲劳动力学。 分析在原位弯曲测试中生成的图像数据需要特别可靠的检测和正确分割薄裂纹。 因此，最近比较了裂纹分割的算法[1]，扩展到多尺度裂纹[2，3]，适用于纤维增强的混凝土[4，5]，甚至是新发明的[6，7]。 对于方法的公平定量比较以及机器学习模型的培训和开发，基于合成裂纹结构的半合成CT图像[8-10]至关重要。 首先，裂纹是作为分数布朗动作的实现[11]。 后来，由于其多功能性，首选由随机伏罗尼叶镶嵌物的小平面形成的最小表面[8]。 在[13，14]中研究了裂纹与混凝土微观结构之间的相互作用。通过3D计算机断层扫描（CT）观察到的原位机械测试，特别是观察到3D的裂纹起始和生长可以帮助改善这些模型。大规模的CT系统gulliver专用于研究分别为6 m和1 m的现实大型混凝土束和宽度的疲劳动力学。分析在原位弯曲测试中生成的图像数据需要特别可靠的检测和正确分割薄裂纹。因此，最近比较了裂纹分割的算法[1]，扩展到多尺度裂纹[2，3]，适用于纤维增强的混凝土[4，5]，甚至是新发明的[6，7]。对于方法的公平定量比较以及机器学习模型的培训和开发，基于合成裂纹结构的半合成CT图像[8-10]至关重要。首先，裂纹是作为分数布朗动作的实现[11]。后来，由于其多功能性，首选由随机伏罗尼叶镶嵌物的小平面形成的最小表面[8]。在[13，14]中研究了裂纹与混凝土微观结构之间的相互作用。这些合成的裂纹结构可以模仿多种裂纹形态，包括局部厚度分布和分支，并具有几个程度的表面粗糙度，因为[12]很好地证明了。到目前为止，合成裂纹并未与将CT图像用作背景的混凝土的微观结构相互作用。特别是，将裂缝分类为周围的混凝土组件。这是通过两步过程实现的。首先，通过模板匹配对裂纹结构进行了分割。然后，根据模板的方向上的灰色值对裂纹进行分类。在这里，我们提出了一种依赖于分割裂纹和聚集体的方法。然后将裂纹分配给两个可能的类别之一：经晶（通过聚集体）或晶间（聚集体之间）。然后，经晶裂纹体素的相对数量产生了一个度量，以量化裂纹行为的差异。在这里，我们研究了相同组成的难治性混凝土样品，但在不同温度下被后加工（烧结）。在压缩应力下扫描样品。他们清楚地表明，裂缝确实与混凝土的微观结构相互作用，请参见图1。裂纹可能沿聚集体，通过它们或通过周围的水泥矩阵传播。在失败之前，分析载荷步骤的经晶和晶间体素的分数进一步量化了烧结温度的影响。我们在两个圆柱形耐火混凝土样品的示例中演示了这一分析，分别在1.000°C和1.600°C下烧结。最近，我们为裂纹结构设计了一种多功能几何模型[8，9]，用于方法验证和比较以及机器学习方法的训练 - 由随机Voronoi Tessellation的相位形成的最小表面。最小表面计算的优化方法的改进版本可实现多标准优化[17]。在这里，我们利用了这种新的可能性来生成合成裂纹结构，该结构避免了聚集体或通过图1中的真实混凝土样品中观察到的。
多层烧结Ti6Al4V合金表面微裂纹及微观组织
20. Santana, A.、Eres-Castellanos, A.、Jimenez, JA 等人。“层厚度和激光发射模式对增材制造马氏体时效钢微观结构的影响”，《材料研究与技术杂志》，第 25 卷，第 6898-6912 页 (2023 年)。DOI：10.1016/j.jmrt.2023.07.114。
铁路轨道裂纹检测机器人
Palakkad，喀拉拉邦-678557摘要：对于印度铁路公司来说，铁路的裂缝可能是一个严重的安全问题，印度铁路公司是世界上最大的铁路网络之一。由于季节性的变化，可以在铁轨中发展裂缝，这会导致轨道收缩和扩展。Iourrailbot提出了使用Raspberry Pi和Arduino uno的铁路轨道裂纹检测系统，以有效地监视轨道完整性。铁路事故的增加频率强调了可靠的检测方法的需求，以识别铁路基础设施中的裂缝和缺陷。我们的系统采用了一系列传感器，包括超声波和红外传感器，连接到Arduino Uno进行实时数据收集。Raspberry Pi处理了这些数据，实现了机器学习算法来分析模式并检测指示潜在裂纹的异常。该系统旨在提供即时警报，允许及时维护并降低事故的风险。这种创新的解决方案旨在提高铁路安全性和运营效率，从而确保更可靠的运输网络。关键字：铁路轨道，裂缝检测，安全问题，印度铁路，季节性变化，轨道完整性铁路机器人，覆盆子PI，Arduino UNO
基于视觉的自适应机器人技术用于自主表面裂纹修复
基础设施中的抽象表面裂纹如果没有有效维修，可能会导致明显的恶化和昂贵的维护。手动修复方法是劳动力密集的，耗时的，不精确的，因此很难扩展到大面积。尽管机器人感知和操纵的进步已经进行了自主裂纹修复的进展，但现有方法仍然面临三个关键挑战：（i）在机器人的坐标框架内准确定位裂缝，（ii）对改变裂纹深度和宽度的适应性，以及（iii）在现实情况下对修复过程的验证。本文使用具有先进感应技术的机器人技术提出了一种自适应的自主系统，用于表面裂纹检测和修复，以增强人类的精度和安全性。系统使用RGB-D摄像头进行裂纹检测，用于精确测量的激光扫描仪以及用于材料沉积的挤出机和泵。为了应对关键挑战之一，激光扫描仪用于增强裂纹坐标以进行准确定位。此外，我们的方法表明，一种自适应裂纹填充方法比固定速度方法更有效，更有效，实验结果证实了精度和一致性。此外，为了确保现实世界的适用性和测试可重复性，我们使用3D打印的裂纹标本引入了一种新颖的验证程序，以准确模拟现实世界中的条件。关键字：机器人基础设施维护裂纹维修自适应维修最终效果设计计算机视觉1.这项研究通过证明自适应机器人系统如何减少对手动劳动的需求，提高安全性并提高维护操作的效率，最终为更复杂和集成的建筑机器人铺平道路，从而为建筑中人类机器人相互作用的发展贡献。在基础设施维持领域的引入，有效的检测和修复表面裂纹是最持久和最具挑战性的问题之一。表面裂纹通常是非结构性的，但由于水分或化学入口而导致长期恶化。随着时间的流逝，这些次要缺陷可能会传播并在结构上显着，可能导致昂贵的维修甚至灾难性的失败。传统的裂纹维修方法，例如倒入，填充，密封，压力倾泻和挖掘挖掘[1]，在很大程度上依赖手动劳动，并且通常会导致不一致的维修质量，同时带来了主要的安全风险。此外，手动裂纹维修可能是一个耗时的过程，可能会导致受影响社区的恢复的重大延迟。，例如，从2016年到2018年，旧金山国际机场跑道的地表裂纹维修直接占有近半百万美元，