近日,我院机械工程学科硕士研究生范国军在电容成像检测技术方面取得重要进展,相关研究成果《基于物理信息神经网络的电容成像高精度缺陷量化方法》(High Precision Defect Sizing Method for Capacitive Imaging Based on Physics-Informed Neural Network)发表在《IEEE TRANSACTIONS ON INDUSTRIAL INFORMATICS》。《IEEE TRANSACTIONS ON INDUSTRIAL INFORMATICS》是工业信息技术领域的国际顶级期刊,目前影响因子为11.7(SCI一区Top)。论文第一作者为硕士研究生范国军,通讯作者为殷晓康教授,中国石油大学(华东)为独立完成单位,该研究得到国家自然科学基金及“泰山学者”计划等项目的资助。
图1 论文首页
绝缘材料广泛用于工业应用中,尤其是用于油管管道等金属结构的涂层。但是,这些绝缘涂层容易受到腐蚀和刮擦等因素的损害,从而导致严重的故障。本文提出了一种基于物理信息神经网络的电容成像检测技术的高精度缺陷量化方法。该方法可以准确确定缺陷长度,宽度,深度和深度。与其他神经网络结构和传统算法相比,所提出的方法在缺陷量化方面达到了较高的精度。
图2 物理信息层的输入和输出数据
论文链接:https://doi.org/10.1109/TII.2024.3523588