面向FPGA的故障注入测试技术研究

FPGA由于自身结构原因,容易在复杂环境中发生故障.为提高系统的可靠性,需要对基于FPGA的故障注入测试技术进行研究.首先,对故障模式进行研究,给出SEU故障注入方法;其次,给出故障注入测试框架;最后,对故障注入过程进行研究给出结论 .该方法可以移除主机与FPGA间的交互时间,并能迅速在实际中应用.     

输电线路中销钉缺陷的自适应检测技术研究

针对复杂环境背景下小尺寸目标的检测难题,基于Faster R-CNN框架提出优化算法模型．首先,在特征提取模块的残差网络中叠加残差结构,增大感受野,提高特征提取能力;然后,在卷积计算中利用可变形卷积核替代传统卷积核,对空间形变较大的目标实现自适应特征提取;最后,通过平均定位召回精度损失(aLRP loss)平衡分类与回归任务,从而提高销钉缺陷的检测精度,并用最优定位召回精度(oLRP)度量检测结果．测试集上的实验结果显示：优化算法比基线算法的平均精度均值(mAP)提升了7.6%,比未引入定位排序算法的oLRP均值降低了7.1%.     

基于柠檬酸钠掺杂SnO2的钙钛矿太阳能电池

针对商用SnO₂水分散液易发生颗粒团聚的问题和提升SnO₂薄膜电学和表面性能的需求,提出了一种利用小分子螯合剂对SnO₂进行优化的策略。该策略选用低成本的螯合剂柠檬酸钠(SC:Sodium Citrate)对SnO₂传输层进行掺杂,制备的器件结构为ITO/SnO₂+SC/FA_1-xMA_xPbI₃/Spiro-OMeTAD/Au的PSCs。在引入浓度经过优化的SC后,PSCs的开路电压和填充因子最高可达1.135 V和78.23%,能量转换效率为21.53%,与未引入SC的器件相比获得了明显提升。对薄膜和器件进行表征后发现,SC的掺杂可提升SnO₂薄膜的电学和表面性能,进而改善了钙钛矿的结晶。对集成的器件进行表征发现缺陷密度降低,载流子复合引起的电压和填充因子损失减少,电荷传输的效率得到明显改善。     

大锻件均质化构筑成形研究进展

大锻件是重大装备的核心部件,在国家安全、国民经济中发挥不可或缺的作用.大锻件常采用百吨级铸锭制备,由于金属凝固过程的尺寸效应,大铸锭内部常存在宏观偏析、缩孔疏松等缺陷,严重影响锻件质量,这已成为世界性难题.中国科学院金属研究所在国际上率先发明金属构筑成形技术.该技术以多块小尺寸均质化板坯作为基元,通过表面活化、真空封装、高温形变等手段,使构筑界面与基体在组织和性能上完全一致,进而获得大锻件所需均质化母材,实现"以小制大"的新型制造.本团队通过深入研究构筑界面的组织演化及结合机制,发现了界面氧化物的自分解现象,同时研究了结合界面的动态再结晶机制,进一步完善了界面的愈合机理.该技术已在水电重110 t合金钢主轴、核电φ15.6 m不锈钢支承环等构件上应用,对于推动我国高端装备快速发展,保障核心部件的自主可控发挥了重要作用.     

存款保险制度的缺陷与国外实践

指出了存款保险制度的缺陷,阐述了为解决存款保险制度的缺陷国际货币基金组织的指导原则,列举了解决存款保险制度缺陷的实践。     

复合材料散斑干涉检测中的音频激振加载系统研究

论述了自行研制的宽音频扫描激振加载系统。利用该加载系统的数字错位散斑干涉检测技术对复合材料人工缺陷样件进行了检测验证。实验结果表明该加载系统激振效果明显,具有快速、连续、非接触等优点,适合于飞机复合材料外场原位加载检测。     

基于注意力机制和多尺度特征融合的绝缘子缺陷检测方法

随着深度学习的快速发展,利用目标检测算法对航拍绝缘子图像进行缺陷检测成为绝缘子巡检的主要方式.针对传统目标检测算法对小目标的检测精度较低、特征图的表征能力较弱和提取的关键信息较少的问题,提出以YOLOv5l为基础网络的改进的基于注意力机制和多尺度特征融合的绝缘子缺陷检测方法 AMF-YOLOv5l(Attention Mechanism and Multi-Scale Feature Fusion Based on YOLOv5l).首先,通过增加一个小目标检测头,提高模型对小目标的检测性能;然后,构造DSPP(Dilated Spatial Pyramid Pooling)模块,充分融合多尺度特征,增强特征图的表征能力;最后,引入CA(Coordinate Attention)注意力机制,使网络更加专注于关键信息.在航拍绝缘子数据集APID(Aerial Photographic Insulator Dataset)以及两个公共数据集PASCAL VOC和MS COCO上分别验证该方法的可行性.实验结果表明,在APID数据集中该方法的AP(Average Precision)比YOL...     

一种基于注意力导向CNN的晶粒缺陷检测方法

针对半导体生产过程中的晶粒缺陷检测任务,提出了一种融入多头注意力机制的新型CNN模型(Attn-Net).该模型使用深度可分离卷积和标准卷积累加的卷积结构提取输入图像特征,借助多头注意力机制更新特征权重,输出注意力机制筛选的图像分类结果.在13513张晶粒图像构成的数据集上训练、验证及测试,并与VGG-16、ResNe...     

低维材料中的缺陷效应与电子态调控

低维材料具有大的比表面积、独特的电子结构和优异性能,在新能源、信息等领域具有重要的应用前景.低维材料所具有的特殊电子态可以突破传统半导体材料的尺寸极限,是后摩尔时代重要的候选材料.如何有效地调控低维材料电子结构以满足特定功能的需要是实现这一应用的关键.本文从一维纳米管和二维层状材料中的"缺陷效应"出发,对我们课题组在低维材料电子结构调控方面的研究结果进行综述,揭示空位和吸附原子等点缺陷以及表面修饰和内部填充等对材料的电子结构、电子自旋极化和激发态特性的调控机制与规律,为低维材料在新型电子器件等领域的应用提供依据.     

结合注意力机制和卷积神经网络的X射线焊缝缺陷检测

焊接是一种重要的连接技术,但是焊缝缺陷会直接影响焊接结构的性能和使用寿命。焊缝缺陷的种类和特征的多样性增加了缺陷检测的复杂性。首先,提出一种新颖的并行残差注意力模块,在通道和空间维度上充分利用全局平均池化和全局最大池化来捕获全局特征,并与输入特征相乘,自适应的选择缺陷特征,显著提升了网络模型的特征表达能力。其次,针对焊缝缺陷长宽比悬殊的问题,利用注意力机制指导锚框自学习图像特征,预测锚框的位置和形状,围绕缺陷区域自适应生成非均匀分布的任意形状的感兴趣区域。最后,设计了端到端的由注意力引导感知的深度学习网络模型。为验证所提模型的有效性,在包含3 403张图像(其中1 001张有缺陷)的X射线焊缝数据集上,通过定性的分析和定量的对比。实验结果表明：检测指标平均精度均值(mean average precision, mAP)达到了66.74%,与原算法相比提升了5.78%,平均交并比(mean intersection over union, mIoU)提升了7.21%,基本满足对焊缝缺陷的高精度检测。