五秩芳华,砥砺前行。在《中国测试》创刊五十周年的之际,我们特别推出本期编委专辑,以最诚挚的敬意,向多年来倾力支持期刊发展的全体编委致以崇高的谢意 五十年栉风沐雨,半世纪春华秋实。20世纪70年代,为推动科学研究与学术交流,《中国测试》应运而生,经历五秩磨砺,期刊从初萌新芽到枝繁叶茂,记录了测试技术的点滴进步,见证了科技创新的时代脉络,这一切离不开一代代编委的智慧引领与无私奉献您以严谨学风与学术造
摘要:管道作为能源、化工、核电等关键领域的核心基础设施,其结构完整性对系统安全与稳定运行至关重要。然而,管道在服役过程中受极端温度、恶劣环境影响,极易萌生裂纹、腐蚀、变形等多种结构缺陷,其运行安全受到严重威胁。传统无损检测技术在管道检测中普遍存在精度低、效率低、复杂环境适应性差等问题,而激光无损检测技术凭借其非接触、高精度、高效率和强适应性等优势,在管道缺陷检测领域展现出巨大的应用潜力。该文阐述管道缺陷的类型、成因及传统检测方法的原理与特点,综述激光超声检测、激光点云、分布式光纤传感等主流激光无损检测方法的原理、技术特点和发展现状,分析当前激光无损检测技术面临的挑战,并展望未来发展方向。
摘要:球铰链是能够实现三维回转的球面副,广泛应用于机器人、航空航天、医疗和工业自动化等领域。随着现代系统对高精度、小型化和智能集成的需求不断增长,球铰链多维转角测量技术的性能要求在精度、实时响应性、鲁棒性和系统集成方面也变得更加严格。该文全面综述当前主流的球铰链多维转角测量技术,分析三维测角存在的主要挑战,并探讨未来的发展趋势。
摘要:针对无监督工业异常检测模型需手动设置异常分数阈值区分正常、异常样本,检测过程多轮对话及异常区域属性信息描述困难问题,该文提出无监督大型工业异常检测方法DetectGPT,该方法依据工业领域知识模拟异常图像构建训练数据集,并为每幅图像生成含工业领域知识文本描述,利用无标签图像中隐式正常先验信息辅助检测异常,通过属性信息提示学习器对大型语言模型微调实现多轮交互式异常检测,并输出正常、异常区域属性信息。在MVTec-AD、VisA数据集测试表明,DetectGPT在无监督少样本设置下具有良好上下文学习能力,在MVTec-AD数据集上ImageAUROC :=97.0% 、Pixel AUROC :=93.6% ,且提供详细正常、异常图像属性信息描述,具有广泛应用前景。
摘要:镜面反射和漫反射在大多数遥感图像中不可分割,光谱植被指数被广泛用于评估植被覆盖和生长条件,但镜面反射可能导致反射数据偏差而影响植被指数的准确性。为此,研究镜面反射对植被指数的影响问题,用以提升遥感数据的分析精度。在分析镜面反射与植被指数和植被覆盖度关系的基础上,搭建植被高光谱测量实验系统,对20种植被光谱指数进行测量,并基于像元二分法比较分析相应的植被覆盖度。研究结果表明,镜面反射不仅会影响光谱植被指数的窄带,还会影响植被覆盖度,为提高植被指数监测精度进而确定反演植被覆盖度提供一定的实验依据和方法基础。
摘要:传统的有砟道床横向阻力离线检测方法费时耗力且对轨道具有一定破坏性,研究道床横向阻力智能感知方法对提高铁路运维作业效率具有重要意义。该文提出一种融合多体动力学机理与机器学习建模的道床横向阻力智能感知方法。该方法精确表征动力稳定车-稳定装置-有砟轨道十一自由度横向耦合作用,采用基于RBF代理模型优化的参数辨识理论,结合现场试验数据,构建动力学参数与道床横向阻力端到端的深度全连接神经网络(DNN)机器学习模型。通过机理模型与机器学习算法相结合实现横向阻力实时感知。研究结果表明:所提出的道床横向阻力智能感知方法具有较好精度,感知结果与实测数据误差绝对值为 2.13%18.38% 。
摘要:针对航空发动机涡轮盘等曲面金属构件表面裂纹深度高精度检测的迫切需求,提出一种以柔性电磁传感器为基础、脉冲激励与机器学习相结合的定量检测方法,设计差分式柔性电磁传感器与脉冲涡流检测系统,并通过仿真分析得到检测信号多个时频域特征与裂纹深度的关系,在此基础上提出基于人工神经网络的裂纹深度智能反演算法,并通过数据预处理与迁移学习相结合的方法将大量仿真数据和少量实验数据共同应用于反演模型的训练,解决训练样本不足的问题。实验结果表明该方法可实现 0~6mm 裂纹深度的定量检测,测量不确定度为 0.13mm ,为曲面金属构件的缺陷定量检测提供方法和技术支撑。
摘要:针对微型涡喷发动机台架测试中因燃油流量小导致实时准确测量困难的问题,提出一种基于称重法的微小燃油流量测量方法。采用电桥式悬臂梁传感器、高分辨率Σ-△型ADC、ESP32为核心的嵌入式硬件平台以及LabVIEW上位机软件,构建完整的流量测量系统,通过油箱质量的高精度测量、队列算法计算以及2阶巴特沃斯低通滤波器处理,实现一定时间窗口内的燃油流量的实时测量。测试结果表明:在设计的称重范围内满量程质量测量误差不超过 0.052% ,在测量更新频率为 10Hz 的情况下,实现微型涡喷发动机全状态工作范围内的无压损流量测量,满量程流量测量误差不超过 0.641% 。此外,在非振动的普通测试场景下,该微小燃油流量测试系统的满量程流量测量误差不超过 0.086% ,无论是在涡喷发动机测试场景还是在普通的测试场景下都表现出较为优异的性能。
摘要:针对传统吸收式制冷工质对 LiBr/H2O 和 NH3/H2O 的局限性,二甲醚(DME)与离子液体工质对被视为一种潜在的环保型替代方案。该文基于等体积饱和法测量 293.15~343.15K,0.045~0.857MPa 范围内DME在低黏度离子液体[DEME][TFSI] 中的溶解度,利用 NRTL方程对实验数据进行关联。分析以DME/[DEME][TFSI]为工质对的单效吸收式和吸收-压缩式制冷系统的热力性能,并与R1234yf、R1234ze(E)进行对比。结果表明,NRTL方程计算结果与实验值吻合良好,相对偏差的绝对平均值为 1.9% 。两种系统的COP和ECOP随发生温度升高均存在峰值,而随着蒸发温度升高,COP 单调增加,ECOP存在峰值,其中吸收-压缩式系统具有更宽广的操作温度范围和更强的制冷能力。以DME/[DEME][TFSI]为工质对的系统的COP可达0.56,ECOP可达0.37,制冷性能优于R1234yf 和R1234ze(E),具有更大的应用潜力。
摘要:漏磁检测 MFL(magnetic flux leakage)在储罐底部平板裂纹检测中需将平板磁化至近饱和状态才能获得较好的裂纹漏磁检测效果,在未达到饱和时检测效果不佳,检测精度较低。该文采用涡流检测 ECT(eddy current testing)结合MFL的方式设计一种针对储罐底部平板裂纹的漏磁涡流复合检测方法。推导上述复合检测的控制方程,同时分别对MFL、ECT和复合检测三种不同检测方式下储罐底部平板裂纹检测进行有限元分析。结果表明:复合检测在 MFL 检测的基础上结合ECT检测,相较于单一的MFL检测,对于表面以及近表面的内部的裂纹检测能力均有所提高。最后推导得出:检测的裂纹特征与实际的裂纹特征具有显著的线性相关关系,能够通过拟合的线性关系推测裂纹的长度特征。这种新型的面向储罐裂纹的复合检测方法具有重要的应用价值,并且对于提高储罐的安全性和可靠性具有积极的意义。
摘要:以分散固相萃取(DSPE)作为样品前处理手段,采用高效色谱-串联质谱(LC-MS/MS)检测技术,建立适用于茶叶中丙烯酰胺残留量测定的方法。样品使用水浸泡分散后纯乙晴提取,经 900mg 无水硫酸镁、 300mgN. 丙基乙二胺(PSA)、 300mg 十八烷基硅烷键合硅胶(C18) 90mg 石墨化炭黑(GCB)和 300mg 硅胶(SiLica)分散萃取净化,采用XSELECTHSS T3 (2.5μm 3.0mm×100mm )柱分离,多重反应监测模式下(MRM)测定,溶剂标准曲线内标法定量。结果表明,丙烯酰胺在 0.5~250.0μg/L 质量浓度范围内线性关系良好,相关系数 r2=1.0000 ,大于0.999,方法定量限为 1.0μg/kg ,3个添加水平 (10,20,50μg/kg) 回收率在 90.4%-101.3% 之间,相对标准偏差为0.9%3.3% (RSDs, n=6 )。该方法具有操作简便、灵敏度高,准确度好等优点,适用于茶叶中微量丙烯酰胺的测定。应用该方法对280份茶叶样品进行检测,244份样品检出丙烯酰胺,含量在 ND~305.7μg/kg 之间。采用暴露限值法(MOE)对茶叶中丙烯酰胺的暴露风险进行评估,表明在极端摄入情况下,可能存在较高的暴露风险,应该引起相关部门的关注。
摘要:为探究南海海马冷泉沉积物中微生物群落结构和功能基因特征,采用分离培养法在 4°C 与 37qC 培养需氧和厌氧菌,采用宏基因组测序技术分析微生物多样性和KEGG代谢通路,以及甲烷代谢和抗生素耐药基因丰度。结果显示,在沉积物中分离培养得到细菌103株,分属3个门(Proteobacteria、Firmicutes和Actinobacteria)、29个属,其中优势属为Pseudoalteromonas、 Bacillus和 Pseudomonas;还获得了低温菌属 Shewanella和厌氧菌属 Clostridium。宏基因组测序显示,冷泉沉积物中细菌分属34个门1033个属,在微生物群落中占主导地位( 92.22% ),主要为Proteobacteria和Firmicutes;古菌分属5个门91个属,主要为Euryarchaeota和Thaumarchaeota;真菌分属2个门17个属,为Apicomplexa和 Bacilariophyta。与同海域非冷泉沉积物相比,冷泉沉积物中微生物更丰富,特别是产甲烷古菌Methanosarcina和Methanococcoides; 85% 的KEGG二级代谢通路丰度更低,特别是与营养趋化性和信号转导相关的细胞运动代谢;冷泉沉积物中 70% 甲烷代谢基因丰度更高,特别是参与甲烷合成代谢的基因fwdE和hdrA2;71% 的抗生素耐药基因丰度也更高,但恶唑烷酮类和酰胺醇类耐药基因仅在非冷泉沉积物中被注释到。综上,海马冷泉沉积物中的细菌、古菌和真菌更为丰富,在沉积物中获得了产甲烷代谢基因以及在酶和生物能源开发领域具有应用潜力的多属细菌分离株。
摘要:建立气相色谱-串联质谱法检测动物源性食品中5种新型杀虫剂和杀菌剂(2.6-二异丙基萘、氟氯苯菊酯、苯嘧虫噁烷、Flupyrimin 和氟唑环菌胺)残留的分析方法。对样品前处理和色谱、质谱条件进行优化,样品经含 1% 乙酸的乙腈/丙酮 (1:1,V:V) 超声提取和分散固相萃取净化,用GC-MS/MS测定。5种农药在 0.0004~0.1000μg/mL 质量浓度范围内有良好的线性关系,相关系数 ?0.99 ,定量限为 0.4~87.7μg/kg ,样品在3个不同加标浓度水平下的回收率均在 73.23%~111.92% 之间,精密度测试的相对标准偏差均在 15% 以内 (n=5) 。该方法相对于已有方法而言,前处理操作快速简便,检测结果灵敏度高、准确性好,可满足动物源性食品中5种新型杀虫剂和杀菌剂残留的检测要求。
摘要:石油和天然气管道是全球能源传输基础设施,管道在线内检测(in-line inspection,ILI)技术是评估管道完整性的重要工具。然而,它面临着诸多检测挑战,如不同类型缺陷的全断面高灵敏检测局限。该文提出一种基于电磁多物理类匀场分层聚焦感知原理的高分辨全断面无损检测技术,旨在提升非常规管道的各类缺陷识别能力与检测鲁棒性。首先,针对传统涡流内检测灵敏度与分辨率难以兼顾的问题,设计一种匀场差动高分辨涡流传感结构,引入多参数高斯补偿聚焦感知,优化涡流场的分布均匀性与感知灵敏度,在管道牵拉实验结果中的缺陷检测准确率超过95% 。其次,针对磁场匀场传感方面,构建基于零磁扰动机制的匀场高分辨感知架构;通过磁性排斥机制形成稳定的均匀零磁区,显著改善磁压缩效应,在变速工况下对多类型近表面缺陷的高分辨率成像检测。管道牵拉实验结果表明,该方法能够对管道内部 ?5mm 、深度 1mm 的连续小孔缺陷进行成像检测。最后,为突破涡流与磁扰动检测在深度方向的探测能力限制,进一步提出融合"磁-声"多物理类匀场分层感知机制,依托磁场-涡流场的相互耦合产生弹性应力波场,实现管道全断面、多类型缺陷的综合识别与评估。实验结果显示,在导波检测对非规则凹坑类缺陷表现受限的情况下,该方法的磁扰动传感仍可获得高达28.7dB的信噪比。
摘要:有机相变材料具备相变时体积变化小、相变潜热大等优势,在电子设备热管理方面有巨大潜力,但存在在固-液相变中易泄漏、传热效率低等问题。为解决这些问题,该研究采用真空浸渍法将石蜡(PW)相变材料填充到多孔芳纶纳米纤维(ANF)-碳纳米管(CNT)薄膜中,制备PW/ANF-CNT复合相变薄膜。测试结果表明:多孔ANF-CNT薄膜具有丰富的孔隙,能大量填充PW并防止其泄漏,使PW/ANF-CNT 复合相变薄膜的泄漏率比纯PW 降低 72% 同时,复合相变薄膜的极限拉伸强度达 4.7MPa ,韧性最高提升 100% ;在热学性能方面,复合相变薄膜的相变焓可达192.7J?g-1 ,储热效果良好,且热导率为 0.36W?m-1?K-1 ,较PW提高 20% ,热传递效率明显提升,并且具有良好的热稳定性和可重复使用性。多路温度测试结果进一步表明,该复合相变薄膜作为锂电池的附加散热材料时,能使电池表面的温度显著降低。该研究可提供一种柔性好、相变焓高、热导率高的复合相变薄膜及其制备方法,有望作为锂电池的附加散热材料,保障其恒温运行,提升电池安全性和寿命。
摘要:在FLASH辐射场剂量测量时,现有电离室存在严重的离子复合效应问题,难以满足测量需求。为了解决该问题,该研究研制一种的新的电离室,以提高电荷收集效率,并对研制的电离室进行剂量特性研究,以期实现FLASH辐射场剂量测量。研究方法:基于Gotz一维输运模型与有限元分析法确定电离室关键参数,研制出电极间距为 250μm ,灵敏体积为 19.6mm3 的平板电离室样机,并对其辐射剂量特性进行初步研究。结果表明,在 60Coγ 连续辐射场测量得到的坪曲线中电离室的坪区较短;电离室未辐照时漏电流在 ±5 fA以内;在剂量率为1.88\~75.33Gy/h范围内具有良好的剂量线性;重复性RSD在 0.03% 以内;并且在剂量率为 7.35mGy/s 条件下,通过双电压法计算的电离室样电荷收集效率大于 99% ;在FLASH辐射场测量的剂量线性表明在累计剂量 1.59~49.69Gy 范围内(单脉冲剂量为1.59Gy/pulse)电离室响应与胶片测量的剂量呈现良好线性。通过对电离室性能初步性能研究表明,该平板电离室样机具有良好的剂量特性,可为下一步在超高剂量率条件下电离室辐射剂量测量奠定基础。
摘要:针对外部光照变化时,光伏发电系统的输出特性呈现多峰值的现象,常规的最大功率点追踪算法易陷入局部最优,且无法同时兼顾快速性和稳定性,因此提出一种改进型海洋捕食者算法的光储系统MPPT控制策略。首先,采用混沌映射初始化种群,增加种群的多样性;随后引入重启机制,当检测到外界的光照有较大变动时,该算法会重新追踪光伏系统的最大功率点;最后加入自适应型变步长扰动观察法,以减小功率的波动,从而提高追踪精度。为验证该文所提算法的优越性,在Matlab/Simulink中进行了光储混合系统的仿真与试验,实验结果表明,与常用的3种算法相比,改进算法在静态条件下的跟踪时间分别缩短了 72.7%.62.5% 和 50% 。当光照强度发生变化时,跟踪效率高达 99.99% 。结果表明,与其他3种算法相比,改进算法的跟踪速度更快,效率更高。
摘要:合理的测量间隙是保证电磁超声非接触测厚稳定性和准确性的重要因素,目前依然缺少测厚过程同步监测间隙的电磁超声测量方法。为在超声非接触测厚过程中更准确地监测间隙状态,结合电磁超声信号特性设计模型架构,提出一种基于卷积神经网络(convolution neural network,CNN)、双向长短期记忆网络(bidirectional long and short-term memory,BiLSTM)和 SE注意力机制(squeeze-and-excitation networksatention mechanism,SEAtention)的混合预测模型(CNN-BiLSTM-SEAttention)。通过间隙标定试验建立数据集并进行预处理,建立网络模型架构,利用CNN提取超声回波信号局部特征,通过BiLSTM双向捕捉信号中的长期依赖关系,引入SE注意力机制自动为各隐藏层分配权重,增强超声关键特征信息;基于间隙标定数据展开模型训练及调优,对测试集合成不同信噪比数据集测试,预测误差在 0.10mm 以内的平均准确率最高可达 95.74% ,相比与CNN、BiLSTM、CNN-BiLSTM模型及拟合函数法具有更好的预测精度和抗噪性,可以在电磁超声测厚过程中提供间隙状态的预测。
摘要:针对非介入式负载监测中合成数据与真实数据的分布差异及目标域标注缺失问题,提出基于特征重构的无监督域适应方法。通过分离领域共有与特有特征缓解分布偏移,结合外部注意力机制提升泛化能力,实现合成数据向真实数据的无标注迁移。实验表明:该方法在UK-DALE数据集上使洗碗机和微波炉分解误差分别降低 52.5% 和 88.0% ;对冰箱等周期性电器的域内迁移任务中,平均绝对误差减少 44.3% 。模型性能受设备功耗特征及域间分布差异影响,当Jensen-Shannon散度 >0.8 时分解精度显著下降。该方法可为低标注场景的能耗分解提供有效解决方案。
摘要:针对竹材加工自动化过程中竹节检测精度鲁棒性差、坐标定位困难的问题,提出一种融合迁移学习与光照自适应机制的YOLOvl1轻量化检测模型。该方法通过迁移木材缺陷检测数据集上的预训练模型至竹节检测任务领域,结合自适应参数优化策略,在保证检测实时性的同时提升检测精度。实验结果显示,所提出方法在Roboflow公开竹节数据集上的 mAP@0.5 达 99.3% ,较基线YOLOv1ln模型提升0.3个百分点,验证跨领域迁移学习策略的有效性。同时,引入光照自适应检测阈值机制显著增强模型在不同光照条件下的鲁棒性。研究成果可为竹材智能分选及自动化加工提供技术支持,具备良好的工程应用前景。
摘要:针对在真实环境监测精神疲劳面临的分类精度低、系统复杂度高的问题,提出一种基于功能近红外光谱技术和双模态Transfomer的精神疲劳监测系统。首先,在模拟驾驶任务中使用自主设计的穿戴式前额脑血氧传感器采集信号,并同步记录主观量表和面部数据用于划分不疲劳、中度疲劳、重度疲劳3种状态;然后,从浓度信号中分别提取脑功能活动成分和传统研究中常被忽视的呼吸成分,输人到创新设计的单源双模跨注意力Transformer 中进行分类;最后,设计在线实验进行验证。离线实验结果获得平均准确率为 96.59%±1.8% ,高于单模态Transformer的90.45%±0.62% ;在线实验中报警结果与主观量表一致,实验结束时的车辆损耗程度从 100% 降低为 5% 。系统在更准确监测精神疲劳的同时降低了设备复杂度,可应用于海域巡航、民航飞行、人机共驾等实际场景。
摘要:水冷壁管道在锅炉运行过程中,由于温度过高而引起的爆管事故时有发生,因此,减少事故的发生,水冷壁管道温度变化的快速准确预测至关重要。针对过程的强时序相关性,该文构建以门控循环神经网络(GRU)、Informer、时序卷积神经网络(TCN)等深度学习方法为基础的预测模型;同时,为适应工况的强波动性,引入变分贝叶斯(VBLL)在线更新机制,通过固定模型其他层的参数、仅对模型输出层的参数进行实时更新。实验结果表明,在结合VBLL更新机制后各模型精确度均有明显提升。其中模型TCN在平稳工况下预测误差在 5qC 和 3°C 以内的准确率均达 100% ;GRU模型在 5°C 和 3°C 误差范围内的准确率分别由 95.70% 、 77.61% 提升至 100.00% / 99.80% 。在波动工况中结合VBLL后,GRU和TCN模型 5% 误差准确率分别由 22.44% 、 30.18% 提高至 70.96% 、 62.55% 。所提方法在提升预测精度的同时,显著提升模型鲁棒性,具备良好的适应性与计算效率。