CN113470767A - 基于硅钢片性能的分类方法、系统、计算机和存储介质 - Google Patents
基于硅钢片性能的分类方法、系统、计算机和存储介质 Download PDFInfo
- Publication number
- CN113470767A CN113470767A CN202110659045.XA CN202110659045A CN113470767A CN 113470767 A CN113470767 A CN 113470767A CN 202110659045 A CN202110659045 A CN 202110659045A CN 113470767 A CN113470767 A CN 113470767A
- Authority
- CN
- China
- Prior art keywords
- sample point
- analyzed
- silicon steel
- sample
- steel sheet
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 229910000976 Electrical steel Inorganic materials 0.000 title claims abstract description 255
- 238000000034 method Methods 0.000 title claims abstract description 47
- 239000000523 sample Substances 0.000 claims abstract description 425
- 239000013074 reference sample Substances 0.000 claims abstract description 150
- 230000004907 flux Effects 0.000 claims abstract description 49
- 238000004458 analytical method Methods 0.000 claims abstract description 32
- 238000005070 sampling Methods 0.000 claims abstract description 27
- 238000012544 monitoring process Methods 0.000 claims abstract description 25
- 238000001514 detection method Methods 0.000 claims abstract description 24
- 238000004590 computer program Methods 0.000 claims description 14
- 238000010606 normalization Methods 0.000 claims description 9
- 238000012545 processing Methods 0.000 claims description 9
- 238000004364 calculation method Methods 0.000 claims description 7
- 229910052739 hydrogen Inorganic materials 0.000 claims description 3
- 239000000463 material Substances 0.000 abstract description 11
- 238000007405 data analysis Methods 0.000 abstract description 5
- 238000009472 formulation Methods 0.000 abstract description 5
- 239000000203 mixture Substances 0.000 abstract description 5
- 238000004519 manufacturing process Methods 0.000 description 13
- XEEYBQQBJWHFJM-UHFFFAOYSA-N Iron Chemical compound [Fe] XEEYBQQBJWHFJM-UHFFFAOYSA-N 0.000 description 8
- 238000010586 diagram Methods 0.000 description 5
- 238000012360 testing method Methods 0.000 description 4
- 229910052742 iron Inorganic materials 0.000 description 3
- 229910000831 Steel Inorganic materials 0.000 description 2
- 238000011156 evaluation Methods 0.000 description 2
- 238000011056 performance test Methods 0.000 description 2
- 238000012216 screening Methods 0.000 description 2
- 239000010959 steel Substances 0.000 description 2
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 description 1
- 229910000519 Ferrosilicon Inorganic materials 0.000 description 1
- XUIMIQQOPSSXEZ-UHFFFAOYSA-N Silicon Chemical compound [Si] XUIMIQQOPSSXEZ-UHFFFAOYSA-N 0.000 description 1
- 230000032683 aging Effects 0.000 description 1
- 229910052799 carbon Inorganic materials 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000006698 induction Effects 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 229910001004 magnetic alloy Inorganic materials 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000010187 selection method Methods 0.000 description 1
- 150000003376 silicon Chemical class 0.000 description 1
- 229910052710 silicon Inorganic materials 0.000 description 1
- 239000010703 silicon Substances 0.000 description 1
- 238000007619 statistical method Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000010998 test method Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16C—COMPUTATIONAL CHEMISTRY; CHEMOINFORMATICS; COMPUTATIONAL MATERIALS SCIENCE
- G16C60/00—Computational materials science, i.e. ICT specially adapted for investigating the physical or chemical properties of materials or phenomena associated with their design, synthesis, processing, characterisation or utilisation
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16C—COMPUTATIONAL CHEMISTRY; CHEMOINFORMATICS; COMPUTATIONAL MATERIALS SCIENCE
- G16C20/00—Chemoinformatics, i.e. ICT specially adapted for the handling of physicochemical or structural data of chemical particles, elements, compounds or mixtures
- G16C20/70—Machine learning, data mining or chemometrics
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Computing Systems (AREA)
- Life Sciences & Earth Sciences (AREA)
- Bioinformatics & Computational Biology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Data Mining & Analysis (AREA)
- General Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Software Systems (AREA)
- Chemical & Material Sciences (AREA)
- Crystallography & Structural Chemistry (AREA)
- Evolutionary Computation (AREA)
- Databases & Information Systems (AREA)
- Health & Medical Sciences (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Artificial Intelligence (AREA)
- Investigating Or Analyzing Materials By The Use Of Magnetic Means (AREA)
Abstract
本发明提供了基于硅钢片性能的分类方法、系统、计算机和存储介质，通过抽样选取待分析硅钢片，获取待分析硅钢片的基准B‑H曲线和基准B‑P曲线，以及通过预设检测方法测得待分析硅钢片的样本B‑H曲线和样本B‑P曲线后，根据预设磁通密度监测范围分别选取基准B‑H曲线、基准B‑P曲线、样本B‑H曲线和样本B‑P曲线对应的B‑H基准样本点、B‑P基准样本点、B‑H待分析样本点和B‑P待分析样本点，并基于依此分别得到B‑H样本点距离与B‑P样本点距离分析待分析硅钢片的性能，以及根据分析结果对待分析硅钢片进行分类的方法，基于性能曲线的数据分析对硅钢片性能进行合理的评估分类，不仅实现了对硅钢片质量的有效监控，而且为其使用策略的制定提供可靠依据，保证产品质量的同时，为产品用料选择提供便利。
Description
技术领域
本发明涉及硅钢片性能检测技术领域，特别是涉及一种基于硅钢片性能的分类方法、系统、计算机设备和存储介质。
背景技术
硅钢片是一种含碳极低的硅铁软磁合金，它具有非线性、磁滞和导电等特性，生产时通过加入硅来提高铁的电阻率和最大磁导率，降低矫顽力和铁芯损耗(铁损)，以满足产品使用的需求，且其生产工艺复杂、工艺窗口窄，生产难度大，被誉为钢铁产品中的工艺品，世界硅钢片产量也仅约占钢材总量的1％。硅钢片是制作各种变压器、电动机和发电机的铁芯的重要材料，其性能的好坏将直接影响到对应产品的质量高低，则各国对硅钢片的性能都提出了相应的要求，如铁损低，较强磁场下磁通密度(磁感)高，表面光滑、平整和厚度均匀，冲片性好，表面绝缘膜的附着性和焊接性良好，以及基本无磁时效等。虽然硅钢片供应商按照一定的性能标准生产制作硅钢片，但实际硅钢片的采购方从供应商购买的每批硅钢片的性能并不一定都能达到固定型号的预设标准，如硅钢片的磁通密度-磁场强度曲线、磁通密度-损耗曲线不满足基准要求，倘若不加甄别和筛选的直接进行使用，会直接影响到最终产品的空载损耗，带来隐藏的质量风险，因此，硅钢片性能的监测和分析就逐渐成为硅钢片采购方非常关注的问题。
现有的硅钢片性能监测技术仅限于如何提高硅钢片性能测试的准确性的测试方法本身的研究，并未涉及基于硅钢片的测试性能对硅钢片的性能进行分析评估，根据性能分析结果对硅钢片进行合理的分类，以更好的指导采购方合理使用硅钢片，为使用者制定硅钢片使用策略提供可靠依据的技术方案。
因此，提供一种基于硅钢片性能分析对硅钢片材料进行合理评估分类，为使用者制定硅钢片使用策略提供可靠依据的方法，对硅钢片材料的采购方来说意义重大。
发明内容
本发明的目的是提供一种基于性能曲线的数据分析，对硅钢片性能进行合理的评估分类，不仅实现了对硅钢片质量的有效监控，而且为硅钢片使用策略的制定提供可靠依据，保证产品生产质量的同时，为产品用料选择提供便利。
为了实现上述目的，有必要针对上述技术问题，提供了一种基于硅钢片性能的分类方法、系统、计算机设备和存储介质。
第一方面，本发明实施例提供了一种基于硅钢片性能的分类方法，所述方法包括以下步骤：
抽样选取待分析硅钢片，并获取所述待分析硅钢片的基准B-H曲线和基准B-P曲线；
通过预设检测方法，测得所述待分析硅钢片的样本B-H曲线和样本B-P曲线；
根据预设磁通密度监测范围，分别选取所述基准B-H曲线、基准B-P曲线、样本B-H曲线和样本B-P曲线对应的B-H基准样本点、B-P基准样本点、B-H待分析样本点和B-P待分析样本点；
根据所述B-H基准样本点和所述B-H待分析样本点，得到B-H样本点距离，以及根据所述B-P基准样本点和所述B-P待分析样本点，得到B-P样本点距离；
根据所述B-H样本点距离与B-P样本点距离，分析所述待分析硅钢片的性能，并按照所述待分析硅钢片的性能分析结果，对所述待分析硅钢片进行分类。
进一步地，所述抽样选取待分析硅钢片，并获取所述待分析硅钢片的基准B-H曲线和基准B-P曲线的步骤包括：
确定所述待分析硅钢片的供应商和商品型号；
根据所述供应商和商品型号，获取对应型号的基准B-H曲线和基准B-P曲线。
进一步地，所述根据预设磁通密度监测范围，分别选取所述基准B-H曲线、基准B-P曲线、样本B-H曲线和样本B-P曲线对应的B-H基准样本点、B-P基准样本点、B-H待分析样本点和B-P待分析样本点的步骤包括：
在所述预设磁通密度监测范围，采用随机取样或等间距取样，分别得到特定数目的所述B-H基准样本点、B-P基准样本点、B-H待分析样本点和B-P待分析样本点。
进一步地，所述根据所述B-H基准样本点和所述B-H待分析样本点，得到B-H样本点距离，以及根据所述B-P基准样本点和所述B-P待分析样本点，得到B-P样本点距离的步骤包括：
根据所述B-H基准样本点和所述B-H待分析样本点，采用欧式距离公式，得到所述B-H样本点距离；所述B-H样本点距离表示为：
式中，d为B-H样本点距离；m、N分别为第i个样本点和样本点总数；
分别为第m个B-H基准样本点的横坐标和纵坐标；Hm、Bm分别为第m个B-H待分析样本点的横坐标和纵坐标；
根据所述B-P基准样本点和所述B-P待分析样本点，采用欧式距离公式，得到所述B-P样本点距离；所述B-P样本点距离表示为：
式中，dp为B-P样本点距离；m、N分别为第i个样本点和样本点总数；
分别为第m个B-P基准样本点的横坐标和纵坐标；Pm、
分别为第m个B-P待分析样本点的横坐标和纵坐标。
进一步地，所述根据所述B-H基准样本点和所述B-H待分析样本点，得到B-H样本点距离，以及根据所述B-P基准样本点和所述B-P待分析样本点，得到B-P样本点距离的步骤还包括：
根据所述B-H基准样本点和所述B-H待分析样本点，确定磁通密度样本点最大值和磁场强度样本点最大值，并根据所述磁通密度样本点最大值和磁场强度样本点最大值，对所述B-H基准样本点和所述B-H待分析样本点分别进行归一化处理，得到归一化B-H基准样本点和归一化B-H待分析样本点；所述归一化B-H基准样本点和归一化B-H待分析样本点分别表示为
式中，m、N分别为第i个样本点和样本点总数；
分别为第m个B-H基准样本点的横坐标和纵坐标；Hm、Bm分别为第m个B-H待分析样本点的横坐标和纵坐标；Hmax、Bmax分别为磁场强度样本点最大值和磁通密度样本点最大值；
分别为第m个归一化B-H基准样本点的横坐标和纵坐标；hm、bm分别为第m个归一化B-H待分析样本点的横坐标和纵坐标；
根据所述归一化B-H基准样本点和归一化B-H待分析样本点，得到所述B-H样本点距离；所述B-H样本点距离表示为：
根据所述B-P基准样本点和所述B-P待分析样本点，确定磁通密度样本点最大值和损耗样本点最大值，并根据所述磁通密度样本点最大值和损耗样本点最大值，对所述B-P基准样本点和所述B-P待分析样本点分别进行归一化处理，得到归一化B-P基准样本点和归一化B-P待分析样本点；所述归一化B-P基准样本点和归一化B-P待分析样本点分别表示为：
式中，m、N分别为第i个样本点和样本点总数；
分别为第m个B-P基准样本点的横坐标和纵坐标；Pm、
分别为第m个B-P待分析样本点的横坐标和纵坐标；Pmax、B1max分别为损耗样本点最大值和磁通密度样本点最大值；
分别为第m个归一化B-P基准样本点的横坐标和纵坐标；pm、
分别为第m个归一化B-P待分析样本点的横坐标和纵坐标；
根据所述归一化B-P基准样本点和归一化B-P待分析样本点，得到所述B-P样本点距离；所述B-P样本点距离表示为：
进一步地，所述根据所述B-H样本点距离与B-P样本点距离，分析所述待分析硅钢片的性能，并按照所述待分析硅钢片的性能分析结果，对所述待分析硅钢片进行分类的步骤包括：
判断所述B-P样本点距离是否大于第一预设控制值，若大于，则判定所述待分析硅钢片为第一类硅钢片，反之，则检查所述B-P待分析样本点是否均位于所述B-P基准样本点的左上方；
若所述B-P待分析样本点不满足均位于所述B-P基准样本点的左上方的要求时，则判定所述待分析硅钢片为第二类硅钢片，反之，则判断所述B-H样本点距离是否大于第二预设控制值；
若所述B-H样本点距离大于第二预设控制值，则判定所述待分析硅钢片为第三类硅钢片，反之，则检查所述B-H待分析样本点是否均位于所述B-H基准样本点的左上方；
若所述B-H待分析样本点不满足均位于所述B-H基准样本点的左上方的要求，则判定所述待分析硅钢片为第四类硅钢片，反之，则判定所述待分析硅钢片为第五类硅钢片。
进一步地，所述根据所述B-H样本点距离与B-P样本点距离，分析所述待分析硅钢片的性能，并按照所述待分析硅钢片的性能分析结果，对所述待分析硅钢片进行分类的步骤包括：
判断所述B-P样本点距离是否大于第一预设控制值，若大于，则判定所述待分析硅钢片为第一类硅钢片，反之，则检查所述归一化B-P待分析样本点是否均位于所述归一化B-P基准样本点的左上方；
若所述归一化B-P待分析样本点不满足均位于所述归一化B-P基准样本点的左上方的要求，则判定所述待分析硅钢片为第二类硅钢片，反之，则判断所述B-H样本点距离是否大于第二预设控制值；
若所述B-H样本点距离大于第二预设控制值，则判定所述待分析硅钢片为第三类硅钢片，反之，则检查所述归一化B-H待分析样本点是否均位于所述归一化B-H基准样本点的左上方；
若所述归一化B-H待分析样本点不满足均位于所述归一化B-H基准样本点的左上方的要求，则判定所述待分析硅钢片为第四类硅钢片，反之，则判定所述待分析硅钢片为第五类硅钢片。
第二方面，本发明实施例提供了一种基于硅钢片性能的分类系统，所述系统包括：
抽样模块，用于抽样选取待分析硅钢片，并获取所述待分析硅钢片的基准B-H曲线和基准B-P曲线；
检测模块，用于通过预设检测方法，测得所述待分析硅钢片的样本B-H曲线和样本B-P曲线；
选点模块，用于根据预设磁通密度监测范围，分别选取所述基准B-H曲线、基准B-P曲线、样本B-H曲线和样本B-P曲线对应的B-H基准样本点、B-P基准样本点、B-H待分析样本点和B-P待分析样本点；
计算模块，用于根据所述B-H基准样本点和所述B-H待分析样本点，得到B-H样本点距离，以及根据所述B-P基准样本点和所述B-P待分析样本点，得到B-P样本点距离；
分类模块，用于根据所述B-H样本点距离与B-P样本点距离，分析所述待分析硅钢片的性能，并按照所述待分析硅钢片的性能分析结果，对所述待分析硅钢片进行分类。
第三方面，本发明实施例还提供了一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现上述方法的步骤。
第四方面，本发明实施例还提供一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现上述方法的步骤。
上述本申请提供了一种基于硅钢片性能的分类方法、系统、计算机设备及存储介质，通过所述方法，实现了通过抽样选取待分析硅钢片，基于待分析硅钢片的供应商和商品型号获取待分析硅钢片的基准B-H曲线和基准B-P曲线，以及通过预设检测方法测得待分析硅钢片的样本B-H曲线和样本B-P曲线后，根据预设磁通密度监测范围，采用随机取样或等间距取样的方法分别选取基准B-H曲线、基准B-P曲线、样本B-H曲线和样本B-P曲线对应的B-H基准样本点、B-P基准样本点、B-H待分析样本点和B-P待分析样本点，且依此分别得到B-H样本点距离与B-P样本点距离，并根据B-P样本点距离和B-H样本点距离分别与对应的第一预设控制值和第二预设控制值的大小关系，结合待分析样本点和对应的基准样本点的位置关系分析待分析硅钢片的性能，以及根据分析结果对待分析硅钢片进行分类的技术方案。与现有技术相比，该基于性能曲线的数据分析对硅钢片性能进行合理评估分类的方法，不仅实现了对硅钢片质量的有效监控，而且为其使用策略的制定提供了可靠依据，在保证产品质量的同时，还为产品的用料选择提供了便利。
附图说明
图1是本发明实施例中基于硅钢片性能的分类方法的应用场景示意图；
图2是本发明实施例基于硅钢片性能的分类方法的流程示意图；
图3是本发明实施例中的基准B-H曲线和样本B-H曲线的对比示意图；
图4是本发明实施例中的基准B-P曲线和样本B-P曲线的对比示意图；
图5是本发明实施例中归一化基准B-H曲线和归一化样本B-H曲线的对比示意图；
图6是本发明实施例中归一化基准B-P曲线和归一化样本B-P曲线的对比示意图；
图7是图2中步骤S15根据B-H样本点距离和B-P样本点距离对待分析硅钢片进行分类的流程示意图；
图8是图2中步骤S15根据B-H样本点距离和B-P样本点距离对待分析硅钢片进行分类的另一流程示意图；
图9是本发明实施例中基于硅钢片性能的分类系统的结构示意图；
图10是本发明实施例中计算机设备的内部结构图。
具体实施方式
为了使本申请的目的、技术方案和有益效果更加清楚明白，下面结合附图及实施例，对本发明作进一步详细说明，显然，以下所描述的实施例是本发明实施例的一部分，仅用于说明本发明，但不用来限制本发明的范围。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
本发明提供的基于硅钢片性能的分类方法主要基于硅钢片的磁通密度-磁场强度曲线和磁通密度-损耗曲线两个性能指标是否满足基准指标要求展开分析，可以应用于如图1所示的终端或服务器上。其中，终端可以但不限于是各种个人计算机、笔记本电脑、智能手机、平板电脑和便携式可穿戴设备，服务器可以用独立的服务器或者是多个服务器组成的服务器集群来实现。服务器可基于实际硅钢片性能分析所采集的数据采用本发明提供的基于硅钢片性能的分类方法，对待分析硅钢片基于性能进行合理的分类，并将生成的最终分类结果发送至终端，以供终端的硅钢片使用策略的制定者查看决策。
在一个实施例中，如图2所示，提供了一种基于硅钢片性能的分类方法，包括以下步骤：
S11、抽样选取待分析硅钢片，并获取所述待分析硅钢片的基准B-H曲线和基准B-P曲线；
其中，B-H曲线为磁通密度-磁场强度曲线，B-P曲线为磁通密度度-损耗曲线。待分析硅钢片是指基于统计学抽样检测原理从供应商提供的一批同一商品型号的硅钢片材料中随机抽取得到，作为待测样本用于评估同一批次同一型号的硅钢片的性能是否达标，并依此对同一批次同一型号的硅钢片进行分类，制定合理的使用策略。由于每个供应商的不同商品型号的硅钢片的性能指标基准都不相同，因此，在对待分析硅钢片性能分析前，要先根据抽取到的待分析硅钢片确定待分析硅钢片的供应商和商品型号，再根据供应商和商品型号获取对应型号的如图3、图4所示的基准B-H曲线和基准B-P曲线，作为后续对待分析硅钢片性能评估分析的依据。
S12、通过预设检测方法，测得所述待分析硅钢片的样本B-H曲线和样本B-P曲线；
其中，预设检测方法可以根据实际使用需求从现有技术中进行合理选择，只需满足符合国家相应检测标准，且能够用于对硅钢片材料的性能进行检测，得到准确的磁通密度-磁场强度曲线和磁通密度-损耗曲线的要求即可，此处不对待分析硅钢片性能测试的方法作具体限制，测试得到的待分析硅钢片的样本B-H曲线和样本B-P曲线如图3、图4所示。
S13、根据预设磁通密度监测范围，分别选取所述基准B-H曲线、基准B-P曲线、样本B-H曲线和样本B-P曲线对应的B-H基准样本点、B-P基准样本点、B-H待分析样本点和B-P待分析样本点；
其中，预设磁通密度监测范围的选取原则上可以根据实际应用需求进行选择，如根据各类变压器产品的工作磁密、空载性能指标的考核试验以及过励磁运行条件和各类电力系统仿真软件对材料特性的需求等，确定需要监测的磁密度范围，如公司使用该硅钢片生产各类变压器，且各类变压器的磁密工作点基本都在1.65-1.8T范围内，变压器的空载性能试验和指标也都是在这个额定工作点上进行试验考核，虽然每条曲线B-H、B-P都包括低磁密段，但是工作点范围是特别需要控制的质量点，直接关系到变压器成台产品的性能指标，此时，考虑到各种运行条件及软件仿真等需求就可以选定预设监测范围为1.65-1.9T，并基于该预设磁通密度监测范围，在通过上述步骤得到的基准B-H曲线、基准B-P曲线、样本B-H曲线和样本B-P曲线上采用随机取样或等间距取样，分别选取特定数目的B-H基准样本点、B-P基准样本点、B-H待分析样本点和B-P待分析样本点进行后续的性能指标分析，即B-H基准样本点和B-H待分析样本点均在预设磁通密度监测范围内且数目相同，同理，B-P基准样本点和B-P待分析样本点也均在预设磁通密度监测范围内且数目相同。需要说明的是，样本点的特定数目可根据实际应用需求确定，原则上为了保证统计分析的有效性，应在预设磁通密度监测范围内选择尽可能多的样本点进行分析使用。此外，曲线样本点的选取方法在各个曲线上应用是需要保持一致，如B-H基准样本点、B-P基准样本点、B-H待分析样本点和B-P待分析样本点的选取均采用随机取样方法获得，或均采用等间距取样方法获得，才能有效保证样本点的可比性，进而保证后续性能分析方法的可靠有效。
S14、根据所述B-H基准样本点和所述B-H待分析样本点，得到B-H样本点距离，以及根据所述B-P基准样本点和所述B-P待分析样本点，得到B-P样本点距离；
其中，B-H样本点距离与B-P样本点距离的计算方法保持一致，此处基准样本点与待分析样本点的距离采用欧式距离公式得到，并将所有样本点距离累加得到对应的样本点距离，以实现对性能曲线预设监测范围内的多个样本点进行分析，以保证对硅钢片性能监控更全面合理，使得硅钢片性能分类更好满足各类产品和各种应用需求。具体样本点距离的计算方法为：根据所述B-H基准样本点和所述B-H待分析样本点，采用欧式距离公式，得到所述B-H样本点距离；所述B-H样本点距离表示为：
式中，d为B-H样本点距离；m、N分别为第i个样本点和样本点总数；
分别为第m个B-H基准样本点的横坐标和纵坐标；Hm、Bm分别为第m个B-H待分析样本点的横坐标和纵坐标；
根据所述B-P基准样本点和所述B-P待分析样本点，采用欧式距离公式，得到所述B-P样本点距离；所述B-P样本点距离表示为：
式中，dp为B-P样本点距离；m、N分别为第i个样本点和样本点总数；
分别为第m个B-P基准样本点的横坐标和纵坐标；Pm、
分别为第m个B-P待分析样本点的横坐标和纵坐标。
由于在实际的磁场强度值H与磁通密度值B，以及损耗P与磁通密度值B并不在同一个数量级，如在磁通密度-磁场强度曲线B-H中磁场强度H在数值上往往比磁通密度B大得多，B的数值一般在(-2，2)T之间，而H可达几千A/m，因此H对B-H样本点距离d的贡献要远大于B，直接使用上述的B-H基准样本点和B-H待分析样本点计算B-H样本点距离d就会出现计算不便或者因为不同参数贡献度差异过大导致计算结果失真不利于后续控制分析。优选地，在使用B-H基准样本点和B-H待分析样本点计算B-H样本点距离d之前对B-H基准样本点和B-H待分析样本点进行归一化处理得到归一化B-H基准样本点和归一化B-H待分析样本点，进而得到图5所示的归一化基准B-H曲线和归一化样本B-H曲线。同理，在使用B-P基准样本点和B-P待分析样本点计算B-P样本点距离dp之前对B-P基准样本点和B-P待分析样本点也进行归一化处理得到归一化B-P基准样本点和归一化B-P待分析样本点，进而得到图6所示的归一化基准B-P曲线和归一化样本B-P曲线。具体步骤如下：
根据所述B-H基准样本点和所述B-H待分析样本点，确定磁通密度样本点最大值和磁场强度样本点最大值，并根据所述磁通密度样本点最大值和磁场强度样本点最大值，对所述B-H基准样本点和所述B-H待分析样本点分别进行归一化处理，得到归一化B-H基准样本点和归一化B-H待分析样本点；所述归一化B-H基准样本点和归一化B-H待分析样本点分别表示为
式中，m、N分别为第i个样本点和样本点总数；
分别为第m个B-H基准样本点的横坐标和纵坐标；Hm、Bm分别为第m个B-H待分析样本点的横坐标和纵坐标；Hmax、Bmax分别为磁场强度样本点最大值和磁通密度样本点最大值；
分别为第m个归一化B-H基准样本点的横坐标和纵坐标；hm、bm分别为第m个归一化B-H待分析样本点的横坐标和纵坐标；
根据所述归一化B-H基准样本点和归一化B-H待分析样本点，得到所述B-H样本点距离；所述B-H样本点距离表示为：
根据所述B-P基准样本点和所述B-P待分析样本点，确定磁通密度样本点最大值和损耗样本点最大值，并根据所述磁通密度样本点最大值和损耗样本点最大值，对所述B-P基准样本点和所述B-P待分析样本点分别进行归一化处理，得到归一化B-P基准样本点和归一化B-P待分析样本点；所述归一化B-P基准样本点和归一化B-P待分析样本点分别表示为：
式中，m、N分别为第i个样本点和样本点总数；
分别为第m个B-P基准样本点的横坐标和纵坐标；Pm、
分别为第m个B-P待分析样本点的横坐标和纵坐标；Pmax、B1max分别为损耗样本点最大值和磁通密度样本点最大值；
分别为第m个归一化B-P基准样本点的横坐标和纵坐标；pm、
分别为第m个归一化B-P待分析样本点的横坐标和纵坐标；
根据所述归一化B-P基准样本点和归一化B-P待分析样本点，得到所述B-P样本点距离；所述B-P样本点距离表示为：
本实施例中采用归一化处理B-H基准样本点、B-P基准样本点、B-H待分析样本点和B-P待分析样本点，再采用欧式距离公式计算得到对应B-H样本点距离与B-P样本点距离的方法，有效保证了待分析样本点与基准样本点距离计算的合理性和有效性，进而为后续基于该样本点距离对硅钢片性能分析的准确性提供了可靠保证。
S15、根据所述B-H样本点距离与B-P样本点距离，分析所述待分析硅钢片的性能，并按照所述待分析硅钢片的性能分析结果，对所述待分析硅钢片进行分类。
其中，B-P样本点距离与B-H样本点距离是本发明评估待分析硅钢片的性能的关键指标，分别设置了对应的第一预设控制值和第二预设控制值进行检测分析，并结合预设磁通密度监测范围内基准曲线与样本曲线上样本点的位置关系，对待分析硅钢片按照性能差、性能较差、性能一般、性能较好、性能优对应的第一类硅钢片、第二类硅钢片、第三类硅钢片、第四类硅钢片和第五类硅钢片进行综合有效分类，如图7所示，所述根据所述B-H样本点距离与B-P样本点距离，分析所述待分析硅钢片的性能，并按照所述待分析硅钢片的性能分析结果，对所述待分析硅钢片进行分类的步骤S15包括：
S1511、判断所述B-P样本点距离是否大于第一预设控制值，若大于，则判定所述待分析硅钢片为第一类硅钢片，反之，则检查所述B-P待分析样本点是否均位于所述B-P基准样本点的左上方；
其中，第一预设控制值用于对硅钢片损耗性能指标进行控制，根据实际检测经验，硅钢片损耗性能指标不达标的现象比较普遍，本实施例将其作为判断硅钢片性能是否为差等级的条件，其具体的取值根据实际应用需求和样本点距离计算使用的样本数据进行选取，如根据实际变压器在工作磁密1.65-1.9T范围内硅钢片的性能要求，若计算样本点距离使用的是未归一化处理的样本点，则将第一预设控制值设为基准值的2-3％范围内的任一数值，若计算样本点距离使用的是归一化的样本点，则将第一预设控制值设为标准幺值1的2-3％范围内的任一数值，且当若B-P样本点距离
大于第一预设控制值时，则认为该待分析硅钢片的性属于性能差等级，但B-P样本点距离
不大于第一预设控制值时，不能直接判定为该硅钢片的性能好或优，还需要结合B-P待分析样本点与B-P基准样本点的位置关系进一步判断，原则上样本曲线和基准曲线能够重合是最理想的状态，但实际生产中允许有一定的误差，选用了待分析样本点均位于基准样本点的左上方的相对款宽松的要求，下述选用B-H待分析样本点是否均位于所述B-H基准样本点的左上方的要求也是基于同样情况的考虑。需要说明的是，上述第一预设控制值的选取仅为示例性说明，并不对具体实施应用做限制。
S1512、若所述B-P待分析样本点不满足均位于所述B-P基准样本点的左上方的要求时，则判定所述待分析硅钢片为第二类硅钢片，反之，则判断所述B-H样本点距离是否大于第二预设控制值；
其中，B-P待分析样本点均位于B-P基准样本点的左上方的要求，是为了保证样本B-P曲线位于基准B-P曲线的左上区域，即对于同样的B值，损耗P应小于基准曲线上的损耗值，若不满足时，就可以直接将待分析硅钢片判定为性能较差，反之，若该条件仍满足，则需要进一步判断B-H样本点距离d*是否符合预设标准要求，即是否第二预设控制值。其中，第二预设控制值用于对硅钢片导电、磁滞等性能指标的控制，由实际检测经验可知，B-H对应的空载电流指标不达标的现象较少，因此将其作为辅助检测条件，同样第二预设控制值具体的取值根据实际应用需求进行选取，如根据实际变压器在工作磁密1.65-1.9T范围内硅钢片的性能要求，若计算样本点距离使用的是未归一化处理的样本点，则将第二预设控制值设为基准值的10％，若计算样本点距离使用的是归一化的样本点，则将第二预设控制值设为标准幺值1的10％。需要说明的是，上述第二预设控制值的选取仅为示例性说明，并不对具体实施应用做限制。
S1513、若所述B-H样本点距离大于第二预设控制值，则判定所述待分析硅钢片为第三类硅钢片，反之，则检查所述B-H待分析样本点是否均位于所述B-H基准样本点的左上方；
其中，B-H样本点距离大于第二预设控制值时，将待分析硅钢片直接判定为性能一般，反之，则需要进一步结合B-H待分析样本点与B-H基准样本点的位置关系进一步判断。
S1514、若所述B-H待分析样本点不满足均位于所述B-H基准样本点的左上方的要求，则判定所述待分析硅钢片为第四类硅钢片，反之，则判定所述待分析硅钢片为第五类硅钢片。
其中，B-H待分析样本点均位于B-H基准样本点的左上方的要求，是为了保证样本B-H曲线位于基准B-H曲线的左上区域，即对于同样的B值，磁场强度H应小于基准曲线上的磁场强度值，若不满足时，就可以直接将待分析硅钢片判定为性能较好，可应用于对硅钢片性能要求稍高的产品生产，反之，则认为该硅钢片的性能为性能优等级，属于第五类硅钢片，应用于对硅钢片性能要求很高的产品生产。
上述步骤中用于对硅钢片分类的检测中使用的是待分析样本点与基准样本点的位置关系分析，即样本曲线与基准曲线的位置关系比较，此处检测条件还可以替换为采用归一化待分析样本点与归一化基准样本点的位置关系分析，即归一化样本曲线与归一化基准曲线的位置关系比较，也可以给出类似上述实施例的结论，而不影响最终的检测结果。具体采用归一化后样本曲线比对的分类方法如下实施例所述。
在一个实施例中，如图8所示，基于归一化处理后的样本曲线分析时，所述根据所述B-H样本点距离与B-P样本点距离，分析所述待分析硅钢片的性能，并按照所述待分析硅钢片的性能分析结果，对所述待分析硅钢片进行分类的步骤S15包括：
S1521、判断所述B-P样本点距离是否大于第一预设控制值，若大于，则判定所述待分析硅钢片为第一类硅钢片，反之，则检查所述归一化B-P待分析样本点是否均位于所述归一化B-P基准样本点的左上方；
S1522、若所述归一化B-P待分析样本点不满足均位于所述归一化B-P基准样本点的左上方的要求，则判定所述待分析硅钢片为第二类硅钢片，反之，则判断所述B-H样本点距离是否大于第二预设控制值；
S1523、若所述B-H样本点距离大于第二预设控制值，则判定所述待分析硅钢片为第三类硅钢片，反之，则检查所述归一化B-H待分析样本点是否均位于所述归一化B-H基准样本点的左上方；
S1524、若所述归一化B-H待分析样本点不满足均位于所述归一化B-H基准样本点的左上方的要求，则判定所述待分析硅钢片为第四类硅钢片，反之，则判定所述待分析硅钢片为第五类硅钢片。
需要说明的是，该实施例与上一实施例的区别仅在于，当B-H样本点距离和B-P样本点距离分别达到对应的控制值要求后，选用的是采用归一化待分析样本点与归一化基准样本点的位置关系比较来辅助判定给出对应的硅钢片分类结果，且上述将硅钢片基于不同的性能等级分为第一类硅钢片、第二类硅钢片、第三类硅钢片、第四类硅钢片和第五类硅钢片仅属于示例性的分类，实际应用中可以根据具体的产品使用策略的需求设定比本发明较多或相对较少的分类，不影响本发明基于性能分析的分类方法的实施，都可以达到基于性能曲线的数据分析对硅钢片性能进行合理的评估分类，进而实现对硅钢片质量的有效监控，不仅为硅钢片使用策略的制定提供可靠依据，有效保证产品质量，而且为产品生产的用料选择提供了便利，还适用于新牌号硅钢片制造初期的性能和质量稳定性分析。
需要说明的是，虽然上述流程图中的各个步骤按照箭头的指示依次显示，但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明，这些步骤的执行并没有严格的顺序限制，这些步骤可以以其它的顺序执行。
在一个实施例中，如图9所示，提供了一种基于硅钢片性能的分类系统，所述系统包括：
抽样模块1，用于抽样选取待分析硅钢片，并获取所述待分析硅钢片的基准B-H曲线和基准B-P曲线；
检测模块2，用于通过预设检测方法，测得所述待分析硅钢片的样本B-H曲线和样本B-P曲线；
选点模块3，用于根据预设磁通密度监测范围，分别选取所述基准B-H曲线、基准B-P曲线、样本B-H曲线和样本B-P曲线对应的B-H基准样本点、B-P基准样本点、B-H待分析样本点和B-P待分析样本点；
计算模块4，用于根据所述B-H基准样本点和所述B-H待分析样本点，得到B-H样本点距离之和，以及根据所述B-P基准样本点和所述B-P待分析样本点，得到B-P样本点距离之和；
分类模块5，用于根据所述B-H样本点距离之和与B-P样本点距离之和，分析所述待分析硅钢片的性能，并按照所述待分析硅钢片的性能分析结果，对所述待分析硅钢片进行分类。
关于一种基于硅钢片性能的分类系统的具体限定可以参见上文中对于一种基于硅钢片性能的分类方法的限定，在此不再赘述。上述一种基于硅钢片性能的分类系统中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中，也可以以软件形式存储于计算机设备中的存储器中，以便于处理器调用执行以上各个模块对应的操作。
图10示出一个实施例中计算机设备的内部结构图，该计算机设备具体可以是终端或服务器。如图10所示，该计算机设备包括通过系统总线连接的处理器、存储器、网络接口、显示器和输入装置。其中，该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统和计算机程序。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的网络接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现一种基于硅钢片性能的分类方法。该计算机设备的显示屏可以是液晶显示屏或者电子墨水显示屏，该计算机设备的输入装置可以是显示屏上覆盖的触摸层，也可以是计算机设备外壳上设置的按键、轨迹球或触控板，还可以是外接的键盘、触控板或鼠标等。
本领域普通技术人员可以理解，图10中示出的结构，仅仅是与本申请方案相关的部分结构的框图，并不构成对本申请方案所应用于其上的计算机设备的限定，具体的计算设备可以包括比图中所示更多或更少的部件，或者组合某些部件，或者具有同的部件布置。
在一个实施例中，提供了一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，处理器执行计算机程序时实现上述方法的步骤。
在一个实施例中，提供了一种计算机可读存储介质，其上存储有计算机程序，计算机程序被处理器执行时实现上述方法的步骤。
综上，本发明实施例提供的一种基于硅钢片性能的分类方法、系统、计算机设备及存储介质，其基于硅钢片性能的分类方法通过抽样选取待分析硅钢片，基于待分析硅钢片的供应商和商品型号获取待分析硅钢片的基准B-H曲线和基准B-P曲线，以及通过预设检测方法测得待分析硅钢片的样本B-H曲线和样本B-P曲线后，根据预设磁通密度监测范围，采用随机取样或等间距取样的方法分别选取基准B-H曲线、基准B-P曲线、样本B-H曲线和样本B-P曲线对应的B-H基准样本点、B-P基准样本点、B-H待分析样本点和B-P待分析样本点，且依此分别得到B-H样本点距离与B-P样本点距离，并根据B-P样本点距离和B-H样本点距离分别与对应的第一预设控制值和第二预设控制值的大小关系，结合待分析样本点和对应的基准样本点的位置关系分析待分析硅钢片的性能，以及根据分析结果对待分析硅钢片进行分类的技术方案。与现有技术相比，该基于性能曲线的数据分析对硅钢片性能进行合理评估分类的方法，不仅为硅钢片使用策略的制定提供可靠依据，有效保证产品质量，而且为产品生产的用料选择提供了便利，还适用于新牌号硅钢片制造初期的性能和质量稳定性分析。
本说明书中的各个实施例均采用递进的方式描述，各个实施例直接相同或相似的部分互相参见即可，每个实施例重点说明的都是与其他实施例的不同之处。尤其，对于系统实施例而言，由于其基本相似于方法实施例，所以描述的比较简单，相关之处参见方法实施例的部分说明即可。需要说明的是，上述实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。
以上所述实施例仅表达了本申请的几种优选实施方式，其描述较为具体和详细，但并不能因此而理解为对发明专利范围的限制。应当指出的是，对于本技术领域的普通技术人员来说，在不脱离本发明技术原理的前提下，还可以做出若干改进和替换，这些改进和替换也应视为本申请的保护范围。因此，本申请专利的保护范围应以所述权利要求的保护范围为准。
Claims (10)
1.一种基于硅钢片性能的分类方法，其特征在于，所述方法包括以下步骤：
抽样选取待分析硅钢片，并获取所述待分析硅钢片的基准B-H曲线和基准B-P曲线；
通过预设检测方法，测得所述待分析硅钢片的样本B-H曲线和样本B-P曲线；
根据预设磁通密度监测范围，分别选取所述基准B-H曲线、基准B-P曲线、样本B-H曲线和样本B-P曲线对应的B-H基准样本点、B-P基准样本点、B-H待分析样本点和B-P待分析样本点；
根据所述B-H基准样本点和所述B-H待分析样本点，得到B-H样本点距离，以及根据所述B-P基准样本点和所述B-P待分析样本点，得到B-P样本点距离；
根据所述B-H样本点距离与B-P样本点距离，分析所述待分析硅钢片的性能，并按照所述待分析硅钢片的性能分析结果，对所述待分析硅钢片进行分类。
2.如权利要求1所述的基于硅钢片性能的分类方法，其特征在于，所述抽样选取待分析硅钢片，并获取所述待分析硅钢片的基准B-H曲线和基准B-P曲线的步骤包括：
确定所述待分析硅钢片的供应商和商品型号；
根据所述供应商和商品型号，获取对应型号的基准B-H曲线和基准B-P曲线。
3.如权利要求1所述的基于硅钢片性能的分类方法，其特征在于，所述根据预设磁通密度监测范围，分别选取所述基准B-H曲线、基准B-P曲线、样本B-H曲线和样本B-P曲线对应的B-H基准样本点、B-P基准样本点、B-H待分析样本点和B-P待分析样本点的步骤包括：
在所述预设磁通密度监测范围，采用随机取样或等间距取样，分别得到特定数目的所述B-H基准样本点、B-P基准样本点、B-H待分析样本点和B-P待分析样本点。
4.如权利要求1所述的基于硅钢片性能的分类方法，其特征在于，所述根据所述B-H基准样本点和所述B-H待分析样本点，得到B-H样本点距离，以及根据所述B-P基准样本点和所述B-P待分析样本点，得到B-P样本点距离的步骤包括：
根据所述B-H基准样本点和所述B-H待分析样本点，采用欧式距离公式，得到所述B-H样本点距离；所述B-H样本点距离表示为：
式中，d为B-H样本点距离；m、N分别为第i个样本点和样本点总数；
分别为第m个B-H基准样本点的横坐标和纵坐标；Hm、Bm分别为第m个B-H待分析样本点的横坐标和纵坐标；
根据所述B-P基准样本点和所述B-P待分析样本点，采用欧式距离公式，得到所述B-P样本点距离；所述B-P样本点距离表示为：
式中，dp为B-P样本点距离；m、N分别为第i个样本点和样本点总数；
分别为第m个B-P基准样本点的横坐标和纵坐标；Pm、
分别为第m个B-P待分析样本点的横坐标和纵坐标。
5.如权利要求4所述的基于硅钢片性能的分类方法，其特征在于，所述根据所述B-H基准样本点和所述B-H待分析样本点，得到B-H样本点距离，以及根据所述B-P基准样本点和所述B-P待分析样本点，得到B-P样本点距离的步骤还包括：
根据所述B-H基准样本点和所述B-H待分析样本点，确定磁通密度样本点最大值和磁场强度样本点最大值，并根据所述磁通密度样本点最大值和磁场强度样本点最大值，对所述B-H基准样本点和所述B-H待分析样本点分别进行归一化处理，得到归一化B-H基准样本点和归一化B-H待分析样本点；所述归一化B-H基准样本点和归一化B-H待分析样本点分别表示为
式中，m、N分别为第i个样本点和样本点总数；
分别为第m个B-H基准样本点的横坐标和纵坐标；Hm、Bm分别为第m个B-H待分析样本点的横坐标和纵坐标；Hmax、Bmax分别为磁场强度样本点最大值和磁通密度样本点最大值；
分别为第m个归一化B-H基准样本点的横坐标和纵坐标；hm、bm分别为第m个归一化B-H待分析样本点的横坐标和纵坐标；
根据所述归一化B-H基准样本点和归一化B-H待分析样本点，得到所述B-H样本点距离；所述B-H样本点距离表示为：
根据所述B-P基准样本点和所述B-P待分析样本点，确定磁通密度样本点最大值和损耗样本点最大值，并根据所述磁通密度样本点最大值和损耗样本点最大值，对所述B-P基准样本点和所述B-P待分析样本点分别进行归一化处理，得到归一化B-P基准样本点和归一化B-P待分析样本点；所述归一化B-P基准样本点和归一化B-P待分析样本点分别表示为：
式中，m、N分别为第i个样本点和样本点总数；
分别为第m个B-P基准样本点的横坐标和纵坐标；Pm、
分别为第m个B-P待分析样本点的横坐标和纵坐标；Pmax、B1max分别为损耗样本点最大值和磁通密度样本点最大值；
分别为第m个归一化B-P基准样本点的横坐标和纵坐标；pm、
分别为第m个归一化B-P待分析样本点的横坐标和纵坐标；
根据所述归一化B-P基准样本点和归一化B-P待分析样本点，得到所述B-P样本点距离；所述B-P样本点距离表示为：
6.如权利要求1所述的基于硅钢片性能的分类方法，其特征在于，所述根据所述B-H样本点距离与B-P样本点距离，分析所述待分析硅钢片的性能，并按照所述待分析硅钢片的性能分析结果，对所述待分析硅钢片进行分类的步骤包括：
判断所述B-P样本点距离是否大于第一预设控制值，若大于，则判定所述待分析硅钢片为第一类硅钢片，反之，则检查所述B-P待分析样本点是否均位于所述B-P基准样本点的左上方；
若所述B-P待分析样本点不满足均位于所述B-P基准样本点的左上方的要求，则判定所述待分析硅钢片为第二类硅钢片，反之，则判断所述B-H样本点距离是否大于第二预设控制值；
若所述B-H样本点距离大于第二预设控制值，则判定所述待分析硅钢片为第三类硅钢片，反之，则检查所述B-H待分析样本点是否均位于所述B-H基准样本点的左上方；
若所述B-H待分析样本点不满足均位于所述B-H基准样本点的左上方的要求，则判定所述待分析硅钢片为第四类硅钢片，反之，则判定所述待分析硅钢片为第五类硅钢片。
7.如权利要求5所述的基于硅钢片性能的分类方法，其特征在于，所述根据所述B-H样本点距离与B-P样本点距离，分析所述待分析硅钢片的性能，并按照所述待分析硅钢片的性能分析结果，对所述待分析硅钢片进行分类的步骤包括：
判断所述B-P样本点距离是否大于第一预设控制值，若大于，则判定所述待分析硅钢片为第一类硅钢片，反之，则检查所述归一化B-P待分析样本点是否均位于所述归一化B-P基准样本点的左上方；
若所述归一化B-P待分析样本点不满足均位于所述归一化B-P基准样本点的左上方的要求，则判定所述待分析硅钢片为第二类硅钢片，反之，则判断所述B-H样本点距离是否大于第二预设控制值；
若所述B-H样本点距离大于第二预设控制值，则判定所述待分析硅钢片为第三类硅钢片，反之，则检查所述归一化B-H待分析样本点是否均位于所述归一化B-H基准样本点的左上方；
若所述归一化B-H待分析样本点不满足均位于所述归一化B-H基准样本点的左上方的要求，则判定所述待分析硅钢片为第四类硅钢片，反之，则判定所述待分析硅钢片为第五类硅钢片。
8.一种基于硅钢片性能的分类系统，其特征在于，所述系统包括：
抽样模块，用于抽样选取待分析硅钢片，并获取所述待分析硅钢片的基准B-H曲线和基准B-P曲线；
检测模块，用于通过预设检测方法，测得所述待分析硅钢片的样本B-H曲线和样本B-P曲线；
选点模块，用于根据预设磁通密度监测范围，分别选取所述基准B-H曲线、基准B-P曲线、样本B-H曲线和样本B-P曲线对应的B-H基准样本点、B-P基准样本点、B-H待分析样本点和B-P待分析样本点；
计算模块，用于根据所述B-H基准样本点和所述B-H待分析样本点，得到B-H样本点距离，以及根据所述B-P基准样本点和所述B-P待分析样本点，得到B-P样本点距离；
分类模块，用于根据所述B-H样本点距离与B-P样本点距离，分析所述待分析硅钢片的性能，并按照所述待分析硅钢片的性能分析结果，对所述待分析硅钢片进行分类。
9.一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1至7中任一所述方法的步骤。
10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1至7中任一所述方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110659045.XA CN113470767B (zh) | 2021-06-16 | 2021-06-16 | 基于硅钢片性能的分类方法、系统、计算机和存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110659045.XA CN113470767B (zh) | 2021-06-16 | 2021-06-16 | 基于硅钢片性能的分类方法、系统、计算机和存储介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN113470767A true CN113470767A (zh) | 2021-10-01 |
| CN113470767B CN113470767B (zh) | 2022-04-12 |
Family
ID=77869871
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202110659045.XA Active CN113470767B (zh) | 2021-06-16 | 2021-06-16 | 基于硅钢片性能的分类方法、系统、计算机和存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN113470767B (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114937035A (zh) * | 2022-07-19 | 2022-08-23 | 江苏苏能森源电气有限公司 | 基于图像处理的电力变压器硅钢片质量检测方法及系统 |
Citations (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20020134466A1 (en) * | 1998-03-12 | 2002-09-26 | Misao Namikawa | Silicon steel sheet and method for producing the same |
| CN1928581A (zh) * | 2006-10-20 | 2007-03-14 | 北京赛迪机电新技术开发公司 | 一种硅钢磁性能在线检测方法、线圈及系统 |
| CN100399363C (zh) * | 1996-12-12 | 2008-07-02 | 贝卡尔特股份有限公司 | 物品的识别与鉴定 |
| CN102708295A (zh) * | 2012-05-14 | 2012-10-03 | 广东工业大学 | 一种电工钢片偏磁特性的分析方法 |
| CN102925937A (zh) * | 2012-09-07 | 2013-02-13 | 上海大学 | 磁场下连续制备高硅钢薄带的方法及装置 |
| CN105550513A (zh) * | 2015-12-11 | 2016-05-04 | 中国飞机强度研究所 | 一种两相材料复合结构过渡区的等效弹性模量预测方法 |
| CN106446967A (zh) * | 2016-10-28 | 2017-02-22 | 国网福建省电力有限公司 | 一种新型电力系统负荷曲线聚类方法 |
| CN107992880A (zh) * | 2017-11-13 | 2018-05-04 | 山东斯博科特电气技术有限公司 | 一种电力变压器最优集总分类故障诊断方法 |
| CN110797096A (zh) * | 2019-10-30 | 2020-02-14 | 合肥通用机械研究院有限公司 | 一种基于深度学习的耐热合金高温力学性能预测方法 |
| US20200370124A1 (en) * | 2017-11-17 | 2020-11-26 | Gmdx Co Pty Ltd. | Systems and methods for predicting the efficacy of cancer therapy |
-
2021
- 2021-06-16 CN CN202110659045.XA patent/CN113470767B/zh active Active
Patent Citations (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN100399363C (zh) * | 1996-12-12 | 2008-07-02 | 贝卡尔特股份有限公司 | 物品的识别与鉴定 |
| US20020134466A1 (en) * | 1998-03-12 | 2002-09-26 | Misao Namikawa | Silicon steel sheet and method for producing the same |
| CN1928581A (zh) * | 2006-10-20 | 2007-03-14 | 北京赛迪机电新技术开发公司 | 一种硅钢磁性能在线检测方法、线圈及系统 |
| CN102708295A (zh) * | 2012-05-14 | 2012-10-03 | 广东工业大学 | 一种电工钢片偏磁特性的分析方法 |
| CN102925937A (zh) * | 2012-09-07 | 2013-02-13 | 上海大学 | 磁场下连续制备高硅钢薄带的方法及装置 |
| CN105550513A (zh) * | 2015-12-11 | 2016-05-04 | 中国飞机强度研究所 | 一种两相材料复合结构过渡区的等效弹性模量预测方法 |
| CN106446967A (zh) * | 2016-10-28 | 2017-02-22 | 国网福建省电力有限公司 | 一种新型电力系统负荷曲线聚类方法 |
| CN107992880A (zh) * | 2017-11-13 | 2018-05-04 | 山东斯博科特电气技术有限公司 | 一种电力变压器最优集总分类故障诊断方法 |
| US20200370124A1 (en) * | 2017-11-17 | 2020-11-26 | Gmdx Co Pty Ltd. | Systems and methods for predicting the efficacy of cancer therapy |
| CN110797096A (zh) * | 2019-10-30 | 2020-02-14 | 合肥通用机械研究院有限公司 | 一种基于深度学习的耐热合金高温力学性能预测方法 |
Non-Patent Citations (2)
| Title |
|---|
| XIAOJUN ZHAO 等: "A Dynamic Hysteresis Model for Loss Estimation of GO Silicon Steel under DC-Biased Magnetization", 《IEEE》 * |
| 王志勇: "基于最小二乘法的变压器参数实时校核", 《广东电力》 * |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114937035A (zh) * | 2022-07-19 | 2022-08-23 | 江苏苏能森源电气有限公司 | 基于图像处理的电力变压器硅钢片质量检测方法及系统 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN113470767B (zh) | 2022-04-12 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Katzer et al. | Analysis and detection of lithium deposition after fast charging of lithium-ion batteries by investigating the impedance relaxation | |
| US20090216473A1 (en) | System and method for nondestructive testing of thermal batteries | |
| CN113470767B (zh) | 基于硅钢片性能的分类方法、系统、计算机和存储介质 | |
| US11515013B2 (en) | Method and system for in-silico optimization and design of electrolytes | |
| CN110544123B (zh) | 电力用户分类方法、装置、计算机设备和存储介质 | |
| CN114355094B (zh) | 基于多源信息的产品可靠性薄弱环节综合评估方法和装置 | |
| CN112148582A (zh) | 策略测试方法及装置、计算机可读介质和电子设备 | |
| CN104732005B (zh) | 一种端子拉脱力检测方法 | |
| Zhou et al. | Detection of transformer winding faults using FRA and image features | |
| CN107301285B (zh) | 基于剩余寿命预测的非电子产品序贯验证试验方法 | |
| CN109346787A (zh) | 一种电动汽车动力电池自适应优化充电方法 | |
| US9488609B2 (en) | Determination of anisotropic conduction characteristics | |
| Jung et al. | A new diagnostic indicator for lithium-ion batteries via electrochemical impedance spectroscopy: Harnessing the highest frequency peak in distribution of relaxation times | |
| CN117538787A (zh) | 一种退役电池健康状态快速评估方法及系统 | |
| US7797136B2 (en) | Metrics to evaluate process objects | |
| Yu et al. | High sensitivity detection of lithium plating in high-energy lithium-ion batteries based on time-domain distribution relaxation times analysis | |
| WO2024000764A1 (zh) | 变压器健康状态评估方法、装置、设备及可读存储介质 | |
| CN107506275B (zh) | 一种基于arm指令虚拟化的软件防护能耗评估方法 | |
| Bharathraj et al. | Isolation of relaxation times under open-circuit conditions: Toward prognosis of nascent short circuits in Li-ion batteries | |
| CN113552852B (zh) | 变压器空载性能控制方法、系统、计算机设备和存储介质 | |
| CN113253070A (zh) | 一种评估在运变压器抗短路能力的方法及装置 | |
| CN108022179B (zh) | 一种基于卡方检验的疑似窃电主题因素确定方法 | |
| Cai et al. | Characterization and quantification of multi-field coupling in lithium-ion batteries under mechanical constraints | |
| JP7276489B2 (ja) | 分析装置、制御方法、及びプログラム | |
| CN117495207B (zh) | 电力变压器健康状态评价方法 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |