隨著科學(xué)進(jìn)步與資源流逝,人們對(duì)節(jié)約的要求越來越高,無損檢測這種不需要破壞材料本身就能檢測其屬性的技術(shù)已成為當(dāng)今的發(fā)展方向。對(duì)使用最為廣泛的鐵磁材料來說,微磁領(lǐng)域中的巴克豪森信號(hào)可以用來檢測其屬性,是當(dāng)前的研究熱點(diǎn)。當(dāng)前人們對(duì)基于巴克豪森信號(hào)檢測金屬硬度的研究是從時(shí)域和頻域兩個(gè)領(lǐng)域進(jìn)行的。時(shí)域方法為經(jīng)典方法,其依據(jù)是巴克豪森信號(hào)在時(shí)域上的形狀會(huì)隨著金屬硬度的變化而變化,因此使用形狀特征檢測金屬硬度。但由于巴克豪森信號(hào)在時(shí)域上的形狀還會(huì)受到其他金屬屬性的影響,所以當(dāng)試件的多種金屬屬性相差較大時(shí)硬度檢測效果就會(huì)變差;頻域檢測方法是近年新提出的檢測方法,其發(fā)現(xiàn)巴克豪森AR（Auto-Regression）譜的一些波峰的幅值只隨一種金屬屬性的變化而單調(diào)變化,依據(jù)這些波峰就可以定性分析出金屬的硬度。該方法解決了多種金屬屬性不同時(shí)硬度檢測不準(zhǔn)的問題,但它需要手動(dòng)提取特征,特征單一,且因?yàn)槊總�(gè)信號(hào)的特征維度不同,無法利用機(jī)器學(xué)習(xí)算法自動(dòng)執(zhí)行,所以不滿足實(shí)際應(yīng)用的需求。以此為背景,本文設(shè)計(jì)了頻域新特征,又分別設(shè)計(jì)了兩種不同的硬度檢測方法。本文的研究內(nèi)容主要包括以下幾個(gè)部分:第一,對(duì)傳統(tǒng)巴克豪森頻域檢測方... 

【文章來源】：北京工業(yè)大學(xué)北京市 211工程院校

【文章頁數(shù)】：82 頁

【學(xué)位級(jí)別】：碩士

【部分圖文】：

外加磁場時(shí)鐵磁材料的磁化過程

圖 1-3 巴克豪森信號(hào)產(chǎn)生的區(qū)域Figure1-3Area where Barkhausen signals are generated克豪森信號(hào)就是由于鐵磁材料被放置在變化的跳變位移產(chǎn)生的。因?yàn)殍F磁材料是由很多的磁隔開。當(dāng)鐵磁材料被放置在外加磁場后，磁性金磁化，磁疇壁被迫前后移動(dòng)。此時(shí)將線圈放置信號(hào)，被稱為巴克豪森信號(hào)。因?yàn)榘涂撕郎c金含碳量，晶格尺寸等一系列因素）[9-11]有關(guān)，而性，所以巴克豪森可以被用來檢測鐵磁材料包列金屬屬性。正是這種信號(hào)與金屬本質(zhì)有著密下手研究，因此本文研究的也通過巴克豪森信號(hào)現(xiàn)狀

第 4 章 基于信號(hào)相似度的硬度檢測方法4.2.2 詞袋算法在信號(hào)處理上的應(yīng)用與文本相似，圖像信號(hào)、音頻信號(hào)也可以被看作是由局部圖像、局部旋律組成的集合，且這些局部特征也與位置信息無關(guān)。詞袋算法因此也可以被引入了信號(hào)處理領(lǐng)域，使得不同的圖像信號(hào)，音頻信號(hào)也可以使用相同維度的“詞匯”特征進(jìn)行描述。以圖像信號(hào)為例，如果兩張圖片中均有汽車，則兩張照片則可認(rèn)為在一定程度上是相似的；如果兩張圖片上的局部均沒有相似的事物，則認(rèn)為兩張圖片毫不相似。相似的局部越多，兩張圖片表達(dá)的含義越相似。以圖 4-3 為例，以下是三張需要比較更相似的圖片：

【參考文獻(xiàn)】：
期刊論文
[1]基于集成學(xué)習(xí)的房價(jià)預(yù)測模型[J]. 楊博文,曹布陽.  電腦知識(shí)與技術(shù). 2017(29)
[2]CART決策樹的兩種改進(jìn)及應(yīng)用[J]. 張亮,寧芊.  計(jì)算機(jī)工程與設(shè)計(jì). 2015(05)
[3]自回歸AR模型整體最小二乘分析[J]. 徐慧娟,周世健,魯鐵定.  江西科學(xué). 2011(05)
[4]基于CART決策樹數(shù)據(jù)挖掘算法的應(yīng)用研究[J]. 陳輝林,夏道勛.  煤炭技術(shù). 2011(10)
[5]選擇性集成學(xué)習(xí)算法綜述[J]. 張春霞,張講社.  計(jì)算機(jī)學(xué)報(bào). 2011(08)
[6]基于Matlab實(shí)現(xiàn)現(xiàn)代功率譜估計(jì)[J]. 王春興.  現(xiàn)代電子技術(shù). 2011(16)
[7]一種改善AR譜估計(jì)性能的分頻段方法[J]. 陳進(jìn),史習(xí)智.  上海交通大學(xué)學(xué)報(bào). 1991(02)
[8]AR模型和譜估計(jì)[J]. 吳今培.  長沙鐵道學(xué)院學(xué)報(bào). 1984(03)

博士論文
[1]隨機(jī)森林算法優(yōu)化研究[D]. 曹正鳳.首都經(jīng)濟(jì)貿(mào)易大學(xué) 2014

碩士論文
[1]隨機(jī)森林算法處理不平衡數(shù)據(jù)的改進(jìn)及其并行化[D]. 鐘龍申.廣東工業(yè)大學(xué) 2016
[2]集成學(xué)習(xí)算法研究[D]. 馬冉冉.山東科技大學(xué) 2010
[3]層次聚類算法的研究及應(yīng)用[D]. 段明秀.中南大學(xué) 2009



本文編號(hào)：2939642