基于深度学习的焊缝PAUT数据智能化分析方法

超声相控阵检测技术(PAUT)凭借其突出的技术优势被广泛应用在船舶、铁路、石油石化和航空航天等诸多领域。在焊缝超声相控阵检测(PAUT)中，对检测数据缺陷的识别定位目前多采用传统的人工判读方式，判读效率较低，对检测人员的判读经验有较高要求，难以满足自动化超声检测的要求。基于深度学习中的目标检测和跟踪算法构建智能识别模型，通过对焊缝超声相控阵检测的S、B扫图特征进行融合，并结合焊缝的三维结构信息，识别并定位出缺陷在焊缝中的三维空间位置。实验结果显示: 缺陷框的平均三维IOU(预测三维缺陷框和实际三维缺陷框的平均交并比)达到0.644 9，较为接近缺陷的真实空间位置，可以实现焊缝超声相控阵检测成像结果智能识别和定位。      

基于液体金属的接触PIM抑制方法和实验验证

接触非线性是射频设备和电路中产生无源互调（passive intermodulation，PIM）信号的重要原因之一。基于对接触结点射频等效电路的分析，提出了一种基于共晶镓铟合金（eutectic gallium-indium，EGaIn）的PIM抑制方法。EGaIn不同于传统的焊锡，它可以在室温下实现接触结位置上的稳定、可重构连接。首先分析了射频（radio frequency，RF）下的金属接触结的电路模型。其次设计并实现了两个包含不同金属接触结构且工作在2.6GHz的平面倒F天线（planar inverted F antenna，PIFA）。最后比较了EGaIn焊接前后PIFA的互调水平，其中对PIM指标的最大抑制程度为35dB。验证了EGaIn可以在室温下对PIFA的接触结点进行可重构焊接，这为电连接中的非线性抑制提供了一种参考方法。