采用Gleeble-1500热模拟试验机对不同晶粒尺寸的7A04铝合金进行了热压缩试验,研究了变形温度为320~480℃、应变速率为0.001~1 s-1时的晶粒尺寸对热变形行为的影响。利用金相显微镜分析了合金的微观组织。结果表明：在相同变形条件下,粗...采用Gleeble-1500热模拟试验机对不同晶粒尺寸的7A04铝合金进行了热压缩试验,研究了变形温度为320~480℃、应变速率为0.001~1 s-1时的晶粒尺寸对热变形行为的影响。利用金相显微镜分析了合金的微观组织。结果表明：在相同变形条件下,粗晶铝合金流变应力明显高于细晶铝合金的流变应力。不同晶粒尺寸的塑性变形机制在320、480℃分别为动态回复和动态再结晶。粗晶与细晶7A04铝合金的本构方程存在明显的差异,其热激活能分别为143.4、125.6 k J/mol。展开更多
针对不锈钢焊缝缺陷特征提取存在主观单一性和客观不充分性等问题,提出一种融合迁移学习的AlexNet卷积神经网络模型,用于不锈钢焊缝缺陷的自动分类。首先,由于不锈钢焊缝缺陷数据较为缺乏,通过采用迁移学习对网络前3层冻结,减少网络对...针对不锈钢焊缝缺陷特征提取存在主观单一性和客观不充分性等问题,提出一种融合迁移学习的AlexNet卷积神经网络模型,用于不锈钢焊缝缺陷的自动分类。首先,由于不锈钢焊缝缺陷数据较为缺乏,通过采用迁移学习对网络前3层冻结,减少网络对输入数据量的要求;对后2层卷积层提取的特征信息批量归一化(batch normalization,BN),以加快网络的收敛速度;并使用带泄露线性整流(leaky rectified linear unit,LeakyReLU)函数对抑制神经元进行激活,从而提高模型的鲁棒性和特征提取能力。结果表明,该模型最终达到了95.12%的准确率,相比原结构识别精度提高了9.8%。验证了改进后方法能够对裂纹、气孔、夹渣、未熔合和未焊透5类不锈钢焊缝缺陷实现高精度分类。相比现有方法,其识别面更广,精度更高,具有一定的工程实践意义。展开更多
文摘采用Gleeble-1500热模拟试验机对不同晶粒尺寸的7A04铝合金进行了热压缩试验,研究了变形温度为320~480℃、应变速率为0.001~1 s-1时的晶粒尺寸对热变形行为的影响。利用金相显微镜分析了合金的微观组织。结果表明：在相同变形条件下,粗晶铝合金流变应力明显高于细晶铝合金的流变应力。不同晶粒尺寸的塑性变形机制在320、480℃分别为动态回复和动态再结晶。粗晶与细晶7A04铝合金的本构方程存在明显的差异,其热激活能分别为143.4、125.6 k J/mol。
文摘针对不锈钢焊缝缺陷特征提取存在主观单一性和客观不充分性等问题,提出一种融合迁移学习的AlexNet卷积神经网络模型,用于不锈钢焊缝缺陷的自动分类。首先,由于不锈钢焊缝缺陷数据较为缺乏,通过采用迁移学习对网络前3层冻结,减少网络对输入数据量的要求;对后2层卷积层提取的特征信息批量归一化(batch normalization,BN),以加快网络的收敛速度;并使用带泄露线性整流(leaky rectified linear unit,LeakyReLU)函数对抑制神经元进行激活,从而提高模型的鲁棒性和特征提取能力。结果表明,该模型最终达到了95.12%的准确率,相比原结构识别精度提高了9.8%。验证了改进后方法能够对裂纹、气孔、夹渣、未熔合和未焊透5类不锈钢焊缝缺陷实现高精度分类。相比现有方法,其识别面更广,精度更高,具有一定的工程实践意义。
