《中国测试》2025年度影响力文章揭晓

　　为更好阐扬《中国测试》的平台引领感化，进一步激励和调动做者创制性和积极性，提高优良论文的显示度和力，扩大期刊的学术影响力，2025年度影响力文章评选勾当如期开展。经中国测试社和评审专家的初评、复评和终评，下载量）和定性目标（学科贡献、立异性、适用性和写做质量）相连系的方式，从本刊2024年刊发的论文中遴选出影响力文章10篇，现正式发布获名单，并向获论文做者颁布影响力文章证书。获做者1年内于本刊颁发的论文可享免版面费一次。强烈热闹恭喜获做者，并欢送泛博读者伴侣积极和援用本刊论文！（按照出书时间排序）石油和天然气管道正在全球能源根本设备中阐扬着至关主要的感化，管道正在线内检测(ILI)手艺是检测和评估管道完整性的主要东西，然而，它面对着诸多检测挑和，如分歧类型缺陷的检出局限。该文提出一种基于电磁和永磁体复合磁化机理的新型ILI传感内检测系统。起首，提出一种可发生轴向漏和周向平均交换的新型磁环布局(MRS)；其次，通过添加永磁体磁化布局，优化励磁布局设置装备摆设，加强管壁穿透能力和磁通强度；同时，正在内检测器正在小口径管道内平安通过下，降服单一手艺，提高对浅表层缺陷和较深埋深缺陷的检测能力。为评估所提出的MRS系统的可行性，开展了管道牵拉测试，RMS取永磁铁励磁布局的最优设置装备摆设，实现对深度0。81 mm概况浅缺陷和埋深4。1 mm的亚概况缺陷检出；最终，通过无限元仿实和尝试以及牵拉测试无效验证了所提方式的检测能力。变换方式是处置设备非线性退化建模取残剩寿命预测的一种主要体例和可行路子，目前常见的变换方式次要为对数变换和时间标准变换，其合用范畴无限。鉴于此，文章提出一种基于Box-Cox变换(Box-Cox transformation，BCT)的非线性退化数据建模方式。起首，采用BCT对非线性退化数据进行变换，将变换后的退化数据通过线性随机系数回归模子进行建模。然后，通过建立不雅测数据的概率密度函数，操纵极大似然估量对于BCT中的模子参数进行辨识，并使用Bayesian理论对参数进行正在线更新实现退化模子的动态校准。最初，阐发颠末BCT后的锂电池和轴承现实退化数据，其线性度取相关系数最高别离提拔69。63%、9。19%，证章方式可行，具有潜正在的工程使用价值。基于机械进修算法的智能诊断方式正在轴承毛病诊断中使用普遍，可是大大都诊断模子均基于某一种机械进修算法。分歧的机械进修算法具有分歧的特点和合用范畴，基于单一算法的智能诊断模子提取毛病消息的能力存正在必然的局限性，容易导致误诊和漏报。针对该问题，提出一种轴承毛病夹杂智能诊断模子。该模子的细致手艺线如下：起首，提取对轴承毛病的时域和频域特征来构制特搜集；其次，操纵MLP神经收集、多分类SVM和随机丛林三种智能分类器对轴承毛病进行初步诊断；最初，操纵D-S理论进行决策级融合，以分析操纵多种机械进修算法的长处和顺应性，并输出最终的判决成果。尝试表白该模子具有内部改正机制，较之单分类器诊断模子精确率较着提拔，愈加合用于轴承的毛病诊断。针对IGBT工做时承受热应力取电应力轮回冲击导致委靡失效的问题，提出一种基于长短期回忆（LSTM）收集的寿命预测方式。操纵NASA预测核心供给的加快老化数据集，阐发并拔取集电极-发射极的瞬态尖峰电压做为失效特征参数，通过Matlab建立LSTM收集，采用Adam优化算法来锻炼收集，实现对失效特征参数数据的预测，并拔取三项机能评估目标取ARIMA模子及ELMAN神经收集模子的预测进行对比阐发。成果显示，LSTM收集模子预测的均方根误差为0。047 6，平均绝对误差为0。032 2，平均绝对百分误差为0。491 7%，LSTM收集模子的预测精度更高，可以或许更好地实现IGBT的寿命预测，也对其他电力电子器件的寿命预测有必然的参考价值。烘干失沉法粮食水分测定过程中，干燥箱温度的精准节制是检测成果精确性的主要保障。针对干燥箱温度变化过程非线性、时畅性和温控精度高的特点，提出一种基于粒子群模子参数辨识的变论域恍惚PID复合温度节制策略。基外辐射干燥机理及能量守恒方程成立温控系统非线性模子，并操纵粒子群优化算法完成参数辨识，通过设定二级误差阈值，将变论域恍惚PID算法连系Bang-Bang节制方式形成自顺应分级复合节制策略。系统仿实正在验表白：相较于常规PID节制和保守恍惚PID节制方式，改良后的复合节制策略正在超调量、调理时间和节制进度方面较着改善，正在分歧工做点温度下，节制误差均小于0。4℃，且具有较好的抗干扰能力。视觉概况缺陷检测是工业出产质量节制主要环节，此中无监视进修范式检测方式是主要的成长趋向。该文针对视觉概况缺陷无监视进修检测方式正在工业出产、质量节制中的现实使用问题，系统引见目前国表里的次要物体概况缺陷数据集以及缺陷视觉检测方式次要评价目标，评述图像沉建范式、生成模子范式、特征嵌入范式正在视觉概况缺陷无监视进修检测中的分类、根基道理及框架、总结比力各类方式的使用特点以及手艺成长趋向，指出归一化流模子、预锻炼大模子等无监视视觉概况缺陷检测研究值得关心。针对保守的地层分裂压力预测方式预测精度较低、普适性不高档问题，提出基于LightGBM机械进修算法建立分裂压力智能预测模子。以井深、地层密度和孔隙压力当量密度做为模子的输入层数据，以S区块中相邻的3口曲井为例验证模子的预测结果，并将LightGBM模子取常用的声波测井材料法进行预测成果的对比阐发，最初进行模子的参数性阐发。研究成果表白，LightGBM模子的预测精度和不变性均很好，模子的泛化能力强，5项评价目标均表示得十分优胜。LightGBM模子的预测相对误差不跨越2%，小于声波测井材料法。所有输入层数据中地层密度对于分裂压力的预测最为。操纵LightGBM机械进修算法所成立的分裂压力预测模子不受地质的影响，其预测精度也大于声波测井材料法。机械人手艺正在工业化取从动化财产中饰演着举脚轻沉的脚色，然而，机械人正在视觉消息范畴仍面对精度不脚等挑和。为提拔机械人正在复杂工做场景下的视觉消息切确能力，该文基于三维高斯溅射（3D Gaussian splatting， 3DGS）提出一种超分辩视觉场景建立算法。该算法引入实正在世界加强型超分辩率生成匹敌收集（real-world enhanced super-resolution generative adversarial networks， Real-ESRGAN）做为前置预处置手艺生成高分辩率视图，并通过对生成的高分辩率视图下采样成果取原有的低分辩率视图对齐获得亚像素束缚，进而添加三维沉建细节部门的表征精细度。正在场景建立过程中，自顺应密度节制沉建的精度，高斯快速可微光栅化器保时衬着速度。通过正在具有复杂纹理、镜面反射等特征的多种场景尝试验证表白，取保守3DGS比拟：峰值信噪比（PSNR）目标平均提高7。81%，布局类似性指数（SSIM）目标平均提拔4。31%，进修图像块类似度（LPIPS）目标平均降低38。35%。该算法可显著改善保守3DGS正在低分辩率输入时呈现的颜色衬着错误、针状伪影以及纹理消息缺失等问题，为机械人视觉消息供给新的手艺支持。针对滚动轴承正在复杂噪声下毛病分类坚苦等问题，文章提出一种短时傅里叶变换（STFT）和深度残差收缩收集（DRSN）相连系的轴承毛病诊断方式。起首操纵短时傅里叶变换对滚动轴承原始振动信号进行时域频域处置获得消息更丰硕的毛病时频图样本，分为锻炼集和测试集；将软阈值模块引入到深度残差收集残差块中，此中的残差毗连和软阈值模块可以或许滤除噪声并提取样本特征中的无效消息，输出到分类器上完成端对端的高精确率轴承毛病分类。将该方式取其他模子做对比，尝试成果表白，该方式正在强噪声干扰下能表示出较高的分类机能，不变性优于其他模子。为了提高PM2。5浓度的预测精度，基于PM2。5序列的复杂性和非线性，提出孤立丛林(isolated forests，IF)非常值检测、逐次变分模态分化(successive variational mode decomposition，SVMD)和白鲸鱼算法(Beluga whale optimization，BWO)优化长短期回忆收集(long short-term memory network，LSTM)相连系的预测模子。起首，操纵孤立丛林算法断根数据中非常值；其次利用SVMD将原始不服稳的PM2。5序列进行分化，去除噪声数据后获得多个平稳的固有模态分量和残差分量，提高模子预测精度；然后，对分化后各个子序列利用LSTM进行预测，并操纵BWO算法优化LSTM的权沉和阈值，进一步提高组合模子的预测精度；最初将各个子序列进行叠加获得最终的预测成果。尝试成果表白：IF-SVMD-BWO-LSTM模子正在均方根误差比SVMD-BWO-LSTM模子和BWO-LSTM模子别离降低了4。03μg/m3和10。3μg/m3。正在拟合度方面，该模子比SVMD-BWO-LSTM模子和BWO-LSTM模子别离高了3。8%和9。5%。因而正在空气质量预测上，该组合模子提高了PM2。5预测精度，达到预期的预测结果。