面向客户定制模式的供应链管理系统优化模型

建立供应链管理系统优化模型是构建高效率供应链以及发挥供应链优势的前提和基础 .本文建立了面向客户定制模式的集成的供应链管理系统优化模型 ,即一个多目标、具有约束的非线性混合规划模型 ,并提出了针对这种模型的求解思路 .通过对模型的仿真求解既可以优化选择供应链系统中涉及的相关协作企业 ,同时优化系统的订货、生产、库存策略 ,对构建高效率供应链管理系统具有重要意义 .     

碳纤维增强复合材料褶皱缺陷的超声成像

碳纤维增强复合材料在制造和使用过程中会产生褶皱,褶皱缺陷的存在使得纤维层起伏不平,超声波传播至纤维界面时不同声束方向的声能量存在差异.针对此问题,提出一种基于声束指向性函数校正的全聚焦阵列成像方法:制备了含褶皱缺陷的碳纤维增强复合材料试样,建立超声阵列数据采集实验系统,捕获全矩阵数据;考虑超声发射/接收阵元不同声束方向的声能量差异,提出全聚焦成像方法的校正模型;将校正前后的全聚焦成像结果与试样的实物图和光学显微镜图像进行对比分析.实验结果表明:基于指向性函数校正的全聚焦成像方法能够有效降低背景噪声,恢复出被检试样的褶皱缺陷和铺层结构等细节信息,为碳纤维增强复合材料褶皱缺陷的精确表征提供了理论指导.     

超声图像中复合材料褶皱形态的Mask-RCNN识别方法

复合材料在制造和使用过程中不可避免地会产生褶皱缺陷,因其形态变化多样,形变程度较小,人工辨认存在一定障碍,容易出现错漏情况.为提高检测效率,提出利用Mask-RCNN(Mask region-based convolutional neural net works)目标检测算法对复合材料超声图像中不同形态的褶皱缺陷进行检测并分类.制备含有不同形态褶皱缺陷的碳纤维复合材料层合板,利用超声相控阵采集全矩阵数据;通过波数成像算法得到复合材料层合板纵切面图像,根据地质层中褶皱的几何学特征,将复合材料层合板中存在的不同褶皱分为三类,进而建立褶皱形态与材料损伤程度之间的关系;提出Mask-RCNN算法用于褶皱缺陷的自动检测并分类,该算法中语义分割的引入可显示褶皱缺陷的位置和形状.实验结果表明:Mask-RCNN对不同形态褶皱识别的准确率分别达到92.1%,90.9%和93.3%,褶皱分类识别准确、有效.为实现复合材料层合板数据采集-成像-缺陷判别一体化、自动化提供了理论支撑.