基于巴克豪森信号的铁磁材料硬度无损检测

发布时间：2020-12-26 11:49

　　随着科学进步与资源流逝,人们对节约的要求越来越高,无损检测这种不需要破坏材料本身就能检测其属性的技术已成为当今的发展方向。对使用最为广泛的铁磁材料来说,微磁领域中的巴克豪森信号可以用来检测其属性,是当前的研究热点。当前人们对基于巴克豪森信号检测金属硬度的研究是从时域和频域两个领域进行的。时域方法为经典方法,其依据是巴克豪森信号在时域上的形状会随着金属硬度的变化而变化,因此使用形状特征检测金属硬度。但由于巴克豪森信号在时域上的形状还会受到其他金属属性的影响,所以当试件的多种金属属性相差较大时硬度检测效果就会变差;频域检测方法是近年新提出的检测方法,其发现巴克豪森AR（Auto-Regression）谱的一些波峰的幅值只随一种金属属性的变化而单调变化,依据这些波峰就可以定性分析出金属的硬度。该方法解决了多种金属属性不同时硬度检测不准的问题,但它需要手动提取特征,特征单一,且因为每个信号的特征维度不同,无法利用机器学习算法自动执行,所以不满足实际应用的需求。以此为背景,本文设计了频域新特征,又分别设计了两种不同的硬度检测方法。本文的研究内容主要包括以下几个部分:第一,对传统巴克豪森频域检测方... 

【文章来源】：北京工业大学北京市 211工程院校

【文章页数】：82 页

【学位级别】：硕士

【部分图文】：

外加磁场时铁磁材料的磁化过程

图 1-3 巴克豪森信号产生的区域Figure1-3Area where Barkhausen signals are generated克豪森信号就是由于铁磁材料被放置在变化的跳变位移产生的。因为铁磁材料是由很多的磁隔开。当铁磁材料被放置在外加磁场后，磁性金磁化，磁畴壁被迫前后移动。此时将线圈放置信号，被称为巴克豪森信号。因为巴克豪森与金含碳量，晶格尺寸等一系列因素）[9-11]有关，而性，所以巴克豪森可以被用来检测铁磁材料包列金属属性。正是这种信号与金属本质有着密下手研究，因此本文研究的也通过巴克豪森信号现状

第 4 章 基于信号相似度的硬度检测方法4.2.2 词袋算法在信号处理上的应用与文本相似，图像信号、音频信号也可以被看作是由局部图像、局部旋律组成的集合，且这些局部特征也与位置信息无关。词袋算法因此也可以被引入了信号处理领域，使得不同的图像信号，音频信号也可以使用相同维度的“词汇”特征进行描述。以图像信号为例，如果两张图片中均有汽车，则两张照片则可认为在一定程度上是相似的；如果两张图片上的局部均没有相似的事物，则认为两张图片毫不相似。相似的局部越多，两张图片表达的含义越相似。以图 4-3 为例，以下是三张需要比较更相似的图片：

【参考文献】：
期刊论文
[1]基于集成学习的房价预测模型[J]. 杨博文,曹布阳.  电脑知识与技术. 2017(29)
[2]CART决策树的两种改进及应用[J]. 张亮,宁芊.  计算机工程与设计. 2015(05)
[3]自回归AR模型整体最小二乘分析[J]. 徐慧娟,周世健,鲁铁定.  江西科学. 2011(05)
[4]基于CART决策树数据挖掘算法的应用研究[J]. 陈辉林,夏道勋.  煤炭技术. 2011(10)
[5]选择性集成学习算法综述[J]. 张春霞,张讲社.  计算机学报. 2011(08)
[6]基于Matlab实现现代功率谱估计[J]. 王春兴.  现代电子技术. 2011(16)
[7]一种改善AR谱估计性能的分频段方法[J]. 陈进,史习智.  上海交通大学学报. 1991(02)
[8]AR模型和谱估计[J]. 吴今培.  长沙铁道学院学报. 1984(03)

博士论文
[1]随机森林算法优化研究[D]. 曹正凤.首都经济贸易大学 2014

硕士论文
[1]随机森林算法处理不平衡数据的改进及其并行化[D]. 钟龙申.广东工业大学 2016
[2]集成学习算法研究[D]. 马冉冉.山东科技大学 2010
[3]层次聚类算法的研究及应用[D]. 段明秀.中南大学 2009



本文编号：2939642