XiaoMi-AI文件搜索系统
World File Search SystemCrack
使用数字图像相关和卷积神经网络自动检测疲劳裂纹路径
到实验数据集。13,14 副作用是，裂纹尖端载荷以及高阶项也由该方法确定。15 与直流电位降 (DCPD) 16,17 或柔度法等经典裂纹长度方法相比，18,19 图像分析技术能够检测各种形状的裂纹。20,21 然而，由于 DIC 数据集中的实验散射或伪影，裂纹路径（尤其是裂纹尖端）的全自动检测通常受到限制。22,23 因此，在 fcp 实验期间将 DIC 应用于大量（几百张）图像总是伴随着大量的手动工作，这构成了研究过程中的瓶颈。机器学习，更具体地说是深度学习，正在成为土木工程结构健康监测的有前途的工具。这涉及特定表面检查以检测建筑物中的裂缝，24,25
硬螺母要破裂：解决Neosartorya（Aspergillus）Fischeri抗真菌蛋白2
由于由抗真菌抗药性抗药性菌株引起的新兴生命威胁性真菌感染，因此迫切需要制定新的治疗策略，应用抗真菌化合物，这些化合物与化学特征和作用机理中的现有抗真菌化合物不同（Kainz等，2020）。除了针对真菌细胞壁的新型化学疗法，细胞膜和细胞内靶标（Rauseo等，2020），天然和合成抗真菌肽（Fern Andez de Ullivarri等，2020）和蛋白质（AFPS）和蛋白质（AFPS）代表其他药物候选者；其中，丝状真菌起源的Neosartorya（Aspergillus）Fischeri抗真菌蛋白2（NFAP2）（Galg Oczy等，2019）。nFAP2抑制了机会性人类病原体念珠菌物种的生长，并单独消除其耐药性生物膜或与许可的抗真菌药物的协同组合（Kov Acs等，2021; T oth等，2018）。NAFP2在鼠外阴阴道念珠菌模型中的实验确定的功效（Kov ACS等，2019），以及三维人类皮肤模型（Holzknecht等，2022）已经支持其在安全治疗中的治疗潜力（抗真菌药物抗药性）表Lastric Fungal Infections。考虑到这些功能，NFAP2被认为是有希望的
试样几何形状对铸造和锻造钛基和镍基合金疲劳裂纹扩展速率的影响
假设线性弹性断裂力学，无论物体的几何形状如何，具有相同应力强度因子的两个裂纹将以相同的速率扩展。然而，在 GKN Aerospace，对铸件制成的 C(T) 和 Kb 试样进行疲劳裂纹扩展测试的结果显示，疲劳裂纹扩展速率存在明显差异，其中 Kb 试样中的裂纹比 C(T) 试样中的裂纹扩展得更快。这些观察到的差异已经过研究和量化。对于疲劳裂纹扩展测试，在 R = 0 的脉动拉伸下加载的破裂 Kb 试样的裂纹扩展速度是 C(T) 试样中裂纹的 3.6 倍，在所有测试温度和材料 Ti-64、Ti-6242 和 IN-718 上取平均值。使用锻造的 Ti-64 和 IN-718 制成的 C(T) 样品进行了新的疲劳裂纹扩展测试，并与锻件制成的 Kb 样品的疲劳裂纹扩展率进行了比较。发现锻件制成的 Kb 和 C(T) 样品之间的疲劳裂纹扩展率差异非常小。
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 ]
激光熔覆新型钴基合金涂层热裂纹形成机理及抑制
摘要：激光熔覆提供了先进的表面处理能力，可提高部件的性能。然而，其有效性经常受到熔覆过程中热裂纹形成的挑战。本研究重点研究了通过激光熔覆应用于 304LN 不锈钢的新型钴基合金 (K688) 涂层中热裂纹的形成机理和抑制方法。结果表明，热裂纹的形成受液膜稳定性、应力集中和沉淀相的影响。大多数热裂纹出现在 25 ◦ –45 ◦ 大角度晶界 (HAGB) 处，因为这些晶界具有高能量，可稳定液膜。与高斯光束相比，平顶光束可产生具有较低温度梯度和更缓和的流体流动的熔池，从而降低涂层内的热应力和裂纹敏感的大角度晶界 (S-HAGB) 的比例。最后，通过使用平顶激光束优化工艺参数，可显著抑制裂纹形成。这些发现为实现异种材料的高质量激光熔覆提供了技术基础，为优化工艺参数以防止热裂纹的形成提供了见解。
复杂载荷条件下 FCC 单晶中裂纹萌生和扩展的微损伤模型
在线性和非线性工程材料中 [ 1 , 2 ]。例如，在复合材料中，弥散损伤之后是损伤局部化和裂纹形成，最终导致断裂。在准脆性材料或受到循环载荷的金属中，裂纹形成和扩展在损伤开始后迅速发生。初始或诱导各向异性在材料损伤中普遍存在，对建模和模拟提出了挑战，正如许多现有的各向异性损伤复杂公式所示 [ 3 ]。相比之下，文献中很少发现连续损伤方法对金属单晶的应用，这可能是由于特定的各向异性变形和损伤机制。[ 4 ] 解决了单晶镍基高温合金的蠕变损伤，而 [ 5 ] 中的作者提出了一个与晶体粘塑性耦合的各向异性损伤模型框架。[ 6 ] 使用粘结区模型模拟单晶裂纹沿预定义路径扩展
直接能量沉积制备不同裂纹面取向的 AlSi10Mg 合金断裂韧性
研究了直接能量沉积制备的 AlSi10Mg 合金的断裂和拉伸行为。在室温下沿不同裂纹平面方向和载荷方向测试了三点弯曲断裂韧性和拉伸试样。在进行机械加工和测试之前，打印样品在 300 ◦ C 下进行 2 小时的热处理以释放残余应力。进行了微观结构和断口图分析，以研究每种裂纹取向的断裂机制和裂纹扩展路径。在裂纹平面方向上观察到断裂韧性的显著差异。裂纹取向在 XY 方向的试样具有最高的断裂韧性值（ J Ic = 11.96 kJ / m 2 ），而 ZY 裂纹取向（垂直于打印方向）具有最低的断裂韧性值（ J Ic = 8.91 kJ / m 2 ）。断裂韧性的各向异性主要与沿熔池边界的优先裂纹扩展路径有关。在熔池边界处，孔隙优先出现，微观结构变粗，且 Si 含量较高，导致该区域的延展性较差，且抵抗裂纹扩展的能力较差。
通过语义扩散综合模型增强路面裂纹分割，以进行战略道路评估
计算机辅助深度学习具有明显的高级道路裂纹细分。但是，由于注释图像有限，监督模型面临挑战。也缺乏重视从预测的面具中得出路面条件指数。本文介绍了一种新型的语义扩散合成模型，该模型从分割掩模创建合成裂纹图像。该模型根据体系结构的复杂性，噪声时间表和条件缩放进行了优化。最佳体系结构优于多个基准数据集的最先进的语义综合模型，展示了出色的图像质量评估指标。合成框架增加了这些数据集，从而导致分割模型具有显着提高的效率。这种方法在没有大量数据收集或注释的情况下增强了结果，从而解决了工程中的关键问题。最后，已经为自动化的端到端缺陷检测系统开发了精致的路面条件指数，从而促进了更有效的维护计划。
对线弧的疲劳裂纹生长行为的实验研究，弧形生产的ER100S -1钢试样
结构。此外，与基于粉末的AM技术相比，使用电线作为原料相比，在制造过程中，与安全有关的风险水平降低了。WAAM技术可以通过使用铝，钢和钛和功能分级的材料等多种合金来用于制造简单和复杂的零件。5除了制造新零件外，WAAM技术还促进了损坏的结构的修复，作为更换整个组件的替代方法。6,7类似于所有AM技术，以及WAAM提到的所有优点，此技术也可能涉及一些缺点。这种制造方法的主要缺点是可能在所构建部分的外表表面相对较高的粗糙度和尺寸的不准确性，可能会施加进一步的沉积后处理，例如表面加工，高压力滚动等。WAAM技术自1990年代以来就已经开发和研究，目前已被航空航天和汽车等几个行业采用，用于制造工业规模的组件。8,9近年来已经进行了进一步的发展，以通过打印大规模的桥梁从组件大小到结构水平的WAAM构造部分的规模。10，为了探索WAAM技术对大型结构的低成本制造的适用性，在各种载荷条件下和不同环境中，必须完全表征由常规钢制成的WAAM建筑零件（即相对便宜）。对于在服务过程中，工程组件或结构在服务过程中受到重复负载周期的工业应用，例如海洋结构，疲劳评估是设计和生活评估阶段的关键考虑。11 - 13尤其是出于生活预测目的，研究材料的疲劳行为至关重要，以更好地了解此类组件中的损害演变和失败行为。因此，必须对由各种合金制成的WAAM构建组件的疲劳行为进行可行性研究，以检查WAAM技术和特定合金在工业应用中的适用性，其中组件或结构受到重复的环状应力。虽然在WAAM建造的零件14,15且偶尔不锈钢的WAAM建造零件中提供了一些有限的疲劳裂纹增长（FCG）数据，但更有效的低碳钢的疲劳响应尚未探索，尚待在诸如Off-Shore off-Shore off-shore wind之类的较不安全临界行业中应用。知道钢合金是在离岸应用中制造金属结构中使用的最合并的材料类型，对WAAM建筑零件的FCG行为进行了进一步研究
大型地下基础设施的自动像素级裂缝监测系统——欧洲核子研究中心的案例研究
在混凝土隧道衬砌中，裂缝通常在严重且无法忍受的使用寿命损坏之前出现和发展，这是结构退化的早期迹象。监测和评估裂缝空间分布可以突出长期隧道结构行为并促进隧道维护。本研究描述了一种使用机器人安装的成像技术在像素级范围内进行裂缝监测的远程自动化系统。该系统远程收集裂缝图像并将它们拼接在一起以创建隧道表面的全景图像。本研究采用迁移学习，对具有轻量级主干的最先进的语义分割模型 DeepLab V3plus 进行微调和改进，以自动检测裂缝。在全景图上实施了一种新颖的平滑混合预测方法，以呈现长距离隧道裂缝分布，从而缓解高分辨率图像推理中遇到的错误分类问题。此外，根据 CERN 隧道裂缝数据库特征，已经开发了迁移学习、定制损失函数和正则化技术，以保持所提方法的高性能和泛化。在 CERN 隧道中进行的现场试验证明了所提出的裂缝监测系统的可行性。结果表明，所提出的系统可以识别严重裂缝损坏的隧道段和特定的裂缝模式，这与隧道衬砌的结构行为有关。