国产精品1024永久观看,大尺度欧美暖暖视频在线观看,亚洲宅男精品一区在线观看,欧美日韩一区二区三区视频,2021中文字幕在线观看

  • <option id="fbvk0"></option>
    1. <rt id="fbvk0"><tr id="fbvk0"></tr></rt>
      <center id="fbvk0"><optgroup id="fbvk0"></optgroup></center>
      <center id="fbvk0"></center>

      <li id="fbvk0"><abbr id="fbvk0"><dl id="fbvk0"></dl></abbr></li>

      基于電磁渦流和數(shù)據(jù)融合算法的金屬板厚度測量方法

      文檔序號:9544741閱讀:515來源:國知局
      基于電磁渦流和數(shù)據(jù)融合算法的金屬板厚度測量方法
      【技術(shù)領(lǐng)域】
      [0001] 本發(fā)明屬于金屬板厚度測量技術(shù)領(lǐng)域,更為具體地講,涉及一種基于電磁渦流和 數(shù)據(jù)融合算法的金屬板厚度測量方法。
      【背景技術(shù)】
      [0002] 電磁渦流技術(shù)測量金屬板厚度的方法主要依據(jù)的模型是渦流的趨膚效應(yīng),即電磁 渦流的趨膚深度隨著加載的激勵頻率的增加而減少。一般情況下,渦流法測量厚度都是使 用的實驗測量的方法,得到一系列的測試點,再通過曲線擬合的途徑實現(xiàn),所以測量的誤差 大且曲線特性的可移植性差,即曲線只能針對實驗用的材料有用。因為趨膚深度除了與動 態(tài)的激勵頻率有關(guān)外,材料本身的電磁參數(shù),電導(dǎo)率σ和磁導(dǎo)率μ,也對趨膚深度有著很 大的影響。
      [0003] 目前研究者只對有限的材料進行了研究和實驗,對大部分材料的結(jié)果還是未知。 這樣對測量方法的通用性有著很大的限制作用。隨著研究的進一步深入,提出了多種測量 方法來解決了這個問題。但是對于實際測量中出現(xiàn)的隨機性的誤差和抗干擾能差的問題, 這些測量方法都很難解決這個問題。為了使得測量結(jié)果更加準確,抗干擾能力強,各種各樣 的方法被開始提出來討論與研究。
      [0004] 數(shù)據(jù)融合方法是近幾十年來被研究的很多的數(shù)據(jù)處理方法,特別是現(xiàn)階段數(shù)據(jù)量 爆炸式的增長,數(shù)據(jù)形式多樣化的互聯(lián)網(wǎng)時代。單一的數(shù)據(jù)處理方法已經(jīng)不能夠很好的用 于現(xiàn)有的數(shù)據(jù)處理。數(shù)據(jù)融合方法由此被提上了研究的舞臺,特別是現(xiàn)階段提出的大數(shù)據(jù) 處理方法。數(shù)據(jù)融合方法能夠很好的提取數(shù)據(jù)中隱藏的信息以及利用多數(shù)據(jù)中所具有的共 同特性特征來描述一個事物及其特征。融合方法現(xiàn)階段也是各種各樣,種類繁多,對于不同 的研究對象,需要使用不同種類的融合方式和方法。其中高頻數(shù)據(jù)融合方法首先被提出是 在圖像邊沿增強中,該方法可以結(jié)合原始圖像和高頻圖像,使得圖像細節(jié)增強。

      【發(fā)明內(nèi)容】

      [0005] 本發(fā)明的目的在于克服現(xiàn)有技術(shù)的不足,提供一種基于電磁渦流和數(shù)據(jù)融合算法 的金屬板厚度測量方法,對采用基于電磁渦流的測量方法得到的若干預(yù)測量厚度值進行濾 波,提取高低頻分量,融合得到最終的金屬板厚度測量值。
      [0006] 為實現(xiàn)上述發(fā)明目的,本發(fā)明基于電磁渦流和數(shù)據(jù)融合算法的金屬板厚度測量方 法包括以下步驟:
      [0007] Sl :首先采用基于電磁渦流的厚度測量方法對被測金屬板進行N次預(yù)測量,獲取N 個預(yù)測量厚度值Si,i表示預(yù)測量序號,取值范圍為i = 1,2,…,Ν,然后構(gòu)成預(yù)測量厚度值 向里· S - [S1, S2, ...,Sn];
      [0008] S2 :對預(yù)測量厚度值向量S = [S1, S2,…,sN]進行濾波,分離得到低頻分量X和高 頻分量H ;
      [0009] S3 :在高頻分量H的各元素值的絕對值I Iii I中搜索得到最大值m = max (I Iii I ),然 后計算偏移描述向量 V= [V1, V2,…,VN] = [Hi-Ih1Lm-Ih2I,-",111-11?!];
      [0010] S4 :將偏移描述向量V = [V1, v2,…,vN]進行歸一化,得到權(quán)值向量W = [W1, W2,… ,wN];
      [0011] S5 :計算被測金屬板最終的厚度測量值左=
      [0012] 本發(fā)明基于電磁渦流和數(shù)據(jù)融合算法的金屬板厚度測量方法,首先采用基于電磁 渦流的厚度測量方法對被測金屬板進行N次預(yù)測量,獲取N個預(yù)測量厚度值,構(gòu)建預(yù)測量厚 度值向量,然后進行濾波得到低頻分量X和高頻分量H,根據(jù)高頻分量H計算偏移描述向量 V,歸一化得到權(quán)值向量W,然后計算被測金屬板最終的厚度測量值^ =奶p。
      [0013] 本發(fā)明通過濾波使信號中的高低頻分量有效地提取出來并描述測量信息的分布 特性,如誤差大小程度等,然后根據(jù)代表預(yù)測量厚度值誤差的高頻分量來計算得到權(quán)值向 量,采用權(quán)值向量來對代表真實厚度逼近值的低頻分量進行融合得到最終厚度值,使得到 的厚度測量值更加準確。
      【附圖說明】
      [0014] 圖1本發(fā)明基于電磁渦流和數(shù)據(jù)融合算法的金屬板厚度測量方法的流程圖;
      [0015] 圖2是典型的電磁渦流測量裝置示意圖;
      [0016] 圖3是本發(fā)明中數(shù)據(jù)融合算法流程圖;
      [0017] 圖4是標準厚度值為2mm的被測金屬板的數(shù)據(jù)分析圖;
      [0018] 圖5是標準厚度值為3mm的被測金屬板的數(shù)據(jù)分析圖;
      [0019] 圖6是標準厚度值為4mm的被測金屬板的數(shù)據(jù)分析圖;
      [0020] 圖7是標準厚度值為5mm的被測金屬板的數(shù)據(jù)分析圖;
      [0021] 圖8是標準厚度值為6mm的被測金屬板的數(shù)據(jù)分析圖;
      [0022] 圖9是本實施例中采用本發(fā)明得到的厚度測量值和標準厚度值的對比圖。
      【具體實施方式】
      [0023] 下面結(jié)合附圖對本發(fā)明的【具體實施方式】進行描述,以便本領(lǐng)域的技術(shù)人員更好地 理解本發(fā)明。需要特別提醒注意的是,在以下的描述中,當已知功能和設(shè)計的詳細描述也許 會淡化本發(fā)明的主要內(nèi)容時,這些描述在這里將被忽略。
      [0024] 圖1是本發(fā)明基于電磁渦流和數(shù)據(jù)融合算法的金屬板厚度測量方法的流程圖。如 圖1所示,本發(fā)明基于電磁渦流和數(shù)據(jù)融合算法的金屬板厚度測量方法包括以下步驟:
      [0025] SlOl :測量得到預(yù)測量厚度值向量:
      [0026] 首先采用基于電磁渦流的厚度測量方法對被測金屬板進行N次預(yù)測量,獲取N個 預(yù)測量厚度值S 1, i表示預(yù)測量序號,取值范圍為i = 1,2,…,N,然后構(gòu)成預(yù)測量厚度值向 早.S - [S1, S2, ...,Sn] 〇
      [0027] 圖2是典型的電磁渦流測量裝置示意圖。如圖2所示,由激勵線圈給出脈沖激勵, 得到原磁場和感應(yīng)磁場的磁場分布及強度,由檢測探頭檢測得到,輸入到測量系統(tǒng)中。測量 的基本模型可由公式(1)來描述。
      [0029] 其中δ為趨膚深度,f為激勵頻率,μ和σ分別為磁導(dǎo)率和電導(dǎo)率。
      [0030] 基于以上模型,目前業(yè)內(nèi)已有多種測量厚度的方法,都可以測量得到被測試金屬 件厚度的預(yù)測量厚度值,因此在實際應(yīng)用時可以根據(jù)實際需要來選擇基于電磁渦流的厚度 測量方法。
      [0031] 接下來需要對N次測量得到的預(yù)測量厚度值進行融合,得到最終的厚度測量值。 圖3是本發(fā)明中數(shù)據(jù)融合算法流程圖。如圖3所示,本實施例是對N次測量得到的預(yù)測量 厚度值進行濾波得到低頻分量X和高頻分量Η,根據(jù)高頻分量H生成權(quán)值向量后將權(quán)值向量 與低頻分量求向量積,得到最終的厚度測量值I。其相應(yīng)步驟包括步驟S102至步驟S105。
      [0032] S102 :濾波得到低頻分量和高頻分量:
      [0033] 對預(yù)測量厚度值向量S =
      當前第1頁1 2 
      網(wǎng)友詢問留言 已有0條留言
      • 還沒有人留言評論。精彩留言會獲得點贊!
      1