CN116818574A - 基于太赫兹谱特征参数表征的材料力学性能测定方法 - Google Patents

基于太赫兹谱特征参数表征的材料力学性能测定方法 Download PDF

Info

Publication number
CN116818574A
CN116818574A CN202310791205.5A CN202310791205A CN116818574A CN 116818574 A CN116818574 A CN 116818574A CN 202310791205 A CN202310791205 A CN 202310791205A CN 116818574 A CN116818574 A CN 116818574A
Authority
CN
China
Prior art keywords
terahertz spectrum
time
frequency
tested
sample
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.)
Pending
Application number
CN202310791205.5A
Other languages
English (en)
Inventor
陈思磊
张宇森
王源丰
刘育天
杭玉桦
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Xian University of Technology
Original Assignee
Xian University of Technology
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Xian University of Technology filed Critical Xian University of Technology
Priority to CN202310791205.5A priority Critical patent/CN116818574A/zh
Publication of CN116818574A publication Critical patent/CN116818574A/zh
Pending legal-status Critical Current

Links

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N3/00—Investigating strength properties of solid materials by application of mechanical stress
    • G01N3/40—Investigating hardness or rebound hardness
    • G01N3/42—Investigating hardness or rebound hardness by performing impressions under a steady load by indentors, e.g. sphere, pyramid
    • G01N3/44—Investigating hardness or rebound hardness by performing impressions under a steady load by indentors, e.g. sphere, pyramid the indentors being put under a minor load and a subsequent major load, i.e. Rockwell system
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/17—Systems in which incident light is modified in accordance with the properties of the material investigated
    • G01N21/25—Colour; Spectral properties, i.e. comparison of effect of material on the light at two or more different wavelengths or wavelength bands
    • G01N21/31—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry
    • G01N21/35—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry using infrared light
    • G01N21/3581—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry using infrared light using far infrared light; using Terahertz radiation
    • G01N21/3586—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry using infrared light using far infrared light; using Terahertz radiation by Terahertz time domain spectroscopy [THz-TDS]
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N3/00—Investigating strength properties of solid materials by application of mechanical stress
    • G01N3/02—Details
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N2203/00—Investigating strength properties of solid materials by application of mechanical stress
    • G01N2203/02—Details not specific for a particular testing method
    • G01N2203/06—Indicating or recording means; Sensing means
    • G01N2203/067—Parameter measured for estimating the property
    • G01N2203/0676—Force, weight, load, energy, speed or acceleration

Landscapes

  • Physics & Mathematics (AREA)
  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Chemical & Material Sciences (AREA)
  • Analytical Chemistry (AREA)
  • Biochemistry (AREA)
  • General Health & Medical Sciences (AREA)
  • General Physics & Mathematics (AREA)
  • Immunology (AREA)
  • Pathology (AREA)
  • Spectroscopy & Molecular Physics (AREA)
  • Toxicology (AREA)
  • Investigating Or Analysing Materials By Optical Means (AREA)

Abstract

本发明公开了一种基于太赫兹谱特征参数表征的材料力学性能测定方法，对所获取的被试样品材料太赫兹谱进行时频域分布分析，并按所选取的时频域分布参数来提取太赫兹谱时频特征，将被试样品材料的太赫兹谱时频特征进行信号相似度计算，将信号相似度计算结果输入至概率分布模型或数据拟合模型以获取被试样品材料的力学性能参数。本发明通过时频域分布分析、特征参数表征、相似度计算、数据拟合、概率神经网络训练，建立了材料太赫兹谱时频特征与力学性能参数的快速匹配模型，实现无损条件下被试样品材料力学性能的快速获知。

Description

基于太赫兹谱特征参数表征的材料力学性能测定方法
技术领域
本发明属于太赫兹科学与技术领域，涉及准确、可靠、快速实现信号估计的太赫兹谱特征参数表征及其与材料力学性能匹配。
背景技术
太赫兹波的波段能够覆盖半导体、等离子体，以及有机体和生物大分子等物质的特征谱；利用该波段的电磁辐射可以加深和拓展对物理学、化学、天文学、信息学和生命科学中一些基本科学问题的认识。太赫兹技术可广泛应用于雷达、遥感、国土安全、高保密的数据通讯与传输、大气与环境监测、实时生物信息提取以及医学诊断等领域。
邵氏硬度也称为肖氏硬度，是指材料硬度的一种测试和表示方法，并且大多在机械制造、冶金、化工等行业的科研、生产与计量检测上进行应用，例如对成品和半成品的硬度性能进行检测，从而实现胶制品的质量控制。目前，主要使用的邵氏硬度计分为A/D型两种，JJG304-2003《A型邵氏硬度计》中规定A型主要用于软橡胶、弹性体、氯丁橡胶、硅树脂等材料，而对于硬橡胶、环氧树脂、硬塑料等一些较硬材料则适用于JJG1039-2008《D型邵氏硬度计》。以上两型邵氏硬度计由测微装置、指示表、标准砝码组成，测量硬度时需要在材料上施加压力，形成一定程度上的穿透强度，因此会对材料本身造成破坏性影响(一般来说，邵氏硬度的测量流程为将定量的被测试样与压针垂直地压入一个固定的凹槽内，当试样受到压力作用后，在该凹槽底部会产生微小的塑性变形。当试样的形变达到破坏了原来的平衡状态的程度，这时邵氏硬度计的示值会发生变化)。
针对胶制品的检测手段中已经有采用了太赫兹技术的报道，而表征参数的方式会影响测定结果的取得与准确性。例如中国专利CN114397266A中建立了硅橡胶老化时间与一定频率太赫兹波吸收峰值的函数关系，但是该专利无法检测与老化相关的质量控制或产品性能指标。中国专利CN216117319U中则指出硅橡胶老化导致的介电常数变化与太赫兹波的回波损耗或插入损耗有较好的线性关系，但该专利需要涉及大量参数及在专业仿真基础上获得参数，具有一定实施难度。
发明内容
本发明的目的在于提供基于太赫兹谱特征参数表征的材料力学性能测定方法。本发明立足于通过时频特征参数表征、相似度计算、状态匹配等一系列针对太赫兹谱的信号处理方法，从而获取材料邵氏硬度等力学性能参数测定结果，避免了复杂的计量检测流程及其测试本身具有的破环性，最终实现无损条件下材料力学性能的快速获知。
为达到上述目的，本发明采用了以下技术方案：
1)获取不同材料力学条件下(例如老化时间从低到高)的被试样品材料的太赫兹谱，其中第i个被试样品材料的太赫兹谱(i∈N且i>1)是被试样品材料在完成从初始材料力学条件(例如未老化)到第i种材料力学条件下的状态变化后采集的太赫兹波回波信号(经太赫兹波照射被试样品材料后反射或散射形成)，即采集的第i个序列的太赫兹谱；
2)将步骤1获取的太赫兹谱分别进行时频域分布分析，得到时频矩阵，利用分析得到的每个时频矩阵进行太赫兹谱特征参数表征后提取所选择的特征频段上的对应时频信息作为不同材料力学条件下的被试样品材料的太赫兹谱特征；
3)在上述不同材料力学条件下的被试样品材料中选定一种材料力学条件下的被试样品材料作为参考样品材料，将参考样品材料的太赫兹谱特征与上述不同材料力学条件下的被试样品材料的太赫兹谱特征分别进行信号相似度计算，并根据上述不同材料力学条件下的部分或全部被试样品材料的力学性能参数(例如在各材料力学条件下对相应的被试样品材料利用邵氏硬度计进行测量的结果)及对应的信号相似度计算结果建立基于材料太赫兹谱特征与力学性能参数关联性的材料力学性能快速匹配模型；
4)对采用与步骤1中相同太赫兹波照射后获取的未知材料力学条件下的被试样品材料的太赫兹谱，按步骤2进行时频域分布分析和太赫兹谱特征提取，将上述参考样品材料的太赫兹谱特征与未知材料力学条件下的被试样品材料的太赫兹谱特征进行信号相似度计算，将未知材料力学条件下的被试样品材料对应的信号相似度计算结果输入至上述材料力学性能快速匹配模型，利用该模型的输出获得未知材料力学条件下的被试样品材料的力学性能参数测定结果。
优选的，所述时频域分布分析的具体处理方法依照时频变换种类(例如时间尺度分解、经验模态分解、小波包分解等)和特征频段的频率维度进行选择，从而采用最优时频域分布分析放大信号在时频域上的特征。
优选的，所述参考样品材料选自采集的不同材料力学条件(例如至少五种依次增大或减小的材料力学条件)下的被试样品材料中具有最大力学性能参数或最小力学性能参数的被试样品材料。
优选的，对所述最优时频域分布分析的判断是基于不同序列太赫兹谱经时频特征参数表征后单调性最好的原则，例如至少五种依次增大或减小的材料力学条件下被试样品材料的太赫兹谱特征参数随相应被试样品材料力学性能参数变化的单调性最显著；其中单调性显著程度的衡量指标为相邻两种材料力学条件下被试样品材料的太赫兹谱特征参数的相对变化率(指被试样品材料力学性能参数发生单位相对变化量时后一种材料力学条件相对于前一种材料力学条件下的被试样品材料的太赫兹谱特征参数的相对变化量幅度)的均值，该均值数值越高则判定单调性越显著。
优选的，对所述最优时频域分布分析的判断具体包括以下步骤：对每种材料力学条件下被试样品材料的太赫兹谱经时频域分布分析所得时频矩阵进行求和计算，得到每种材料力学条件下被试样品材料的太赫兹谱特征参数，若求和计算所得不同材料力学条件下被试样品材料的太赫兹谱特征参数表现出随相应被试样品材料力学性能参数变化的单调递增或单调递减关系，则判断该时频域分布分析可用(即该时频域分布分析的时频变换种类及相应的特征频段可用)；如果判断出多种时频变换种类及相应的特征频段使表征的特征参数均满足单调关系，则计算对应时频域分布分析下所得被试样品材料的太赫兹谱特征参数的相对变化率，并参照相对变化率均值最高的情况确定最优时频域分布分析的时频变换种类及相应的特征频段。
优选的，所述信号相似度计算可以评定两个事物之间相近程度，具体处理方法(例如欧式距离、动态时间规整、皮尔逊相关系数等)是按照综合信号全局与细节度量的原则进行选择，从而使得至少五种依次增大或减小的材料力学条件下被试样品材料的太赫兹谱经信号相似度计算度量后随相应被试样品材料力学性能参数变化的单调性显著程度在这些被试样品材料的太赫兹谱特征经信号相似度计算度量后得到保持，例如若不同序列太赫兹谱经选择的最优信号相似度计算度量后随相应被试样品材料力学性能参数变化的单调性最显著(其中单调性显著程度的衡量指标为相邻两种材料力学条件下被试样品材料的太赫兹谱直接经信号相似度计算所得度量值的相对变化率的均值)，那么选择的最优信号相似度计算也应使不同序列太赫兹谱的特征(通过上述最优时频域分布分析获得)经该信号相似度计算度量后随相应被试样品材料力学性能参数变化的单调性最显著(其中单调性显著程度的衡量指标为相邻两种材料力学条件下被试样品材料的太赫兹谱特征经信号相似度计算所得度量值的相对变化率的均值)。
优选的，所述材料力学性能快速匹配模型具体采用概率分布模型或者数据拟合模型，概率分布模型为经过训练的概率神经网络；利用概率分布模型直接输出的各力学性能状态及其概率，最终获得未知材料力学条件下的被试样品材料力学性能，或利用数据拟合模型直接获得未知材料力学条件下的被试样品材料力学性能。
优选的，所述概率分布模型在经训练进行建立的过程中，若上述不同材料力学条件下的被试样品材料数量充足并且在不大于0.1(例如对于邵氏硬度为不大于0.1A)的尺度下反映出相应的被试样品材料间力学性能参数的变化，则概率分布模型按照分类问题输出力学性能参数ai及对应力学性能参数的概率yi，其中i＝1,2…n，n为不同材料力学条件下的部分或全部被试样品材料的数量，那么未知材料力学条件下的被试样品材料的力学性能参数的测定结果按照输出的最大概率值对应的力学性能参数进行确定，即在不同材料力学条件下的被试样品材料的太赫兹谱特征与参考样品材料的太赫兹谱特征进行不分组信号相似度计算的情况下，将输出的最大概率值对应的力学性能参数作为所述测定结果，而在不同材料力学条件下的被试样品材料的太赫兹谱特征与参考样品材料的太赫兹谱特征按频率维度依次进行分组信号相似度计算的情况下，将分组后的频率维度中多数(例如连续五个分组中的三个)输出的最大概率值所对应且相同的材料力学性能参数作为所述测定结果；若上述不同材料力学条件下的被试样品材料数量仅能在大于0.1的尺度下反映出相应的被试样品材料间力学性能参数的变化，则概率分布模型按照回归问题输出力学性能参数ai及对应力学性能参数的概率yi，其中i＝1,2…n，n为不同材料力学条件下的部分或全部被试样品材料的数量，那么针对以上进行不分组信号相似度计算的情况，未知材料力学条件下的被试样品材料的力学性能参数的测定结果按照以下公式进行计算：
本发明的有益效果体现在：
本发明通过太赫兹谱特征参数表征、相似度计算，以及通过构建关联模型匹配力学性能参数，能够实现材料无损条件下的力学性能测定，并兼顾基于线性关系的拟合模型和基于机器学习的概率分布模型，从而在极少的样本数据下也能完成材料力学性能测定方法的建立，为无损条件下材料力学性能的快速获知提供了可行技术途径。
进一步的，本发明通过选择最优时频域分布分析和最优信号相似度计算(例如对于邵氏硬度的无损检测，采用小波包分解和动态时间规整对太赫兹谱进行信号处理)，可以实现材料邵氏硬度等力学性能参数与太赫兹谱特征快速匹配(只要满足在不同材料力学条件下通过相应时频域分布分析、信号相似度计算可以形成随材料力学性能变化的单调关系)，避免了传统力学性能测试的试样破坏性与流程复杂性。
附图说明
图1为本发明实施例中基于太赫兹谱特征参数表征的材料力学性能测定方法的流程图。
图2为不同老化时间条件下(邵氏硬度为81.9A、91.2A)材料的太赫兹谱。
图3a为应用固有时间尺度分解老化时间24h条件下(邵氏硬度为65.1A)及其他老化时间条件下(邵氏硬度对应为69.1A、74.1A、81.9A、91.2A)材料的太赫兹谱后对所得时频矩阵分别进行求和所得的特征参数。
图3b为应用谱峭度分解老化时间24h条件下(邵氏硬度为65.1A)及其他老化时间条件下(邵氏硬度对应为69.1A、74.1A、81.9A、91.2A)材料的太赫兹谱后对所得时频矩阵分别进行求和所得的特征参数。
图3c为应用4-3节点(2.75GHz-3.37GHz频段)小波包分解老化时间24h条件下(邵氏硬度为65.1A)及其他老化时间条件下(邵氏硬度对应为69.1A、74.1A、81.9A、91.2A)材料的太赫兹谱后对所得时频矩阵分别进行求和所得的特征参数。
图3d为应用4-4节点(3.37GHz-4.58GHz频段)小波包分解老化时间24h条件下(邵氏硬度为65.1A)及其他老化时间条件下(邵氏硬度对应为69.1A、74.1A、81.9A、91.2A)材料的太赫兹谱后对所得时频矩阵分别进行求和所得的特征参数。
图4为老化时间24h条件下(邵氏硬度为65.1A)材料的太赫兹谱与其他老化时间条件下(邵氏硬度对应为69.1A、74.1A、81.9A、91.2A)材料的太赫兹谱开展三种相似度计算(皮尔逊相关系数、欧式距离、动态时间规整计算)后各自所得相似度计算结果的相对平均变化率，以及对以上各太赫兹谱进行4-3节点(2.75GHz-3.37GHz频段)小波包分解后开展三种相似度计算各自所得相对平均变化率。
图5为将一定老化时间条件下(邵氏硬度为81.9A)材料的太赫兹谱应用小波包分解后分组进行动态时间规整计算所得相似度计算结果输入经过训练的概率神经网络(已训练邵氏硬度81.9A的情况)后输出的概率分布。
图6a为不同老化时间条件下材料测得的邵氏硬度(69.1A、74.1A、91.2A)与对应材料太赫兹谱经小波包分解后进行不分组动态时间规整计算所得相似度计算结果的数据拟合图。
图6b为将一定老化时间条件下(邵氏硬度为81.9A)材料的太赫兹谱应用小波包分解后不分组进行动态时间规整计算所得相似度计算结果输入经过训练的概率神经网络(未训练邵氏硬度81.9A的情况)后输出的概率分布。
图6c为将一定老化时间条件下(邵氏硬度为81.9A)材料的太赫兹谱应用小波包分解后分组进行动态时间规整计算所得相似度计算结果输入经过训练的概率神经网络(未训练邵氏硬度81.9A的情况)后输出的概率分布。
具体实施方式
下面结合附图和实施例对本发明作进一步详细描述。所述实施例仅用于解释本发明，而非对本发明保护范围的限制。
首先以丁腈橡胶这一材料为例，对基于太赫兹谱特征参数表征的材料力学性能测定方法的建立进行具体说明：
步骤一获得材料不同老化时间条件(T1＝24h、T2＝72h、T3＝168h、T4＝336h、T5＝672h)下0-15THz范围内全部波段的太赫兹谱(反射信号)xi(i＝1,2,3,4,5)，其中i为太赫兹谱序号；通过邵氏硬度计测得材料不同老化时间条件(T1、T2、T3、T4、T5)下对应邵氏硬度(65.1A、69.1A、74.1A、81.9A、91.2A)。如图2所示，选择其中邵氏硬度81.9A与91.2A对应的两个老化时间条件下(简称邵氏硬度81.9A下与邵氏硬度91.2A下)材料的太赫兹谱，比较发现非常相似，因此考虑通过时频特征分析来放大不同序号太赫兹谱的特征。
步骤二尝试使用固有时间尺度分解、谱峭度分解、小波包分解对不同序号太赫兹谱进行处理，并将各自得到的各个太赫兹谱时频矩阵分别进行求和。结果如图3a、图3b、图3c所示，其中只有经过频段4-3(2.75GHz-3.37GHz)小波包分解后得到的各个太赫兹谱时频矩阵的求和结果随对应邵氏硬度的变化满足单调条件，而经过固有时间尺度分解或谱峭度分解得到的各个太赫兹谱时频矩阵的求和结果随对应邵氏硬度的变化并不单调；同时在小波基同为rbio3.1的情况下选择其他小波包分解频段后，如经过频段4-4(3.37GHz-4.58GHz)小波包分解后，将得到的各个太赫兹谱时频矩阵分别进行求和，结果如图3d所示，与已选的频段4-3(2.75GHz-3.37GHz)进行对比，发现4-4频段下各个太赫兹谱时频矩阵的求和结果随对应邵氏硬度的变化并不单调，因此小波包分解中并不是所有频段都能满足单调条件，以下步骤选用小波包4-3频段进行时频特征分析。
步骤三将邵氏硬度65.1A下材料的太赫兹谱依次与邵氏硬度69.1A、74.1A、81.9A、91.2A下材料的太赫兹谱进行皮尔逊相关系数、欧式距离、动态时间规整计算，对所得相似度计算结果取相对平均变化率(即对邵氏硬度65.1A与65.1A、65.1A与69.1A、65.1A与74.1A、65.1A与81.9A、65.1A与91.2A下5组太赫兹谱数据进行相似度计算，对所得结果即度量值依次按照后一老化时间相对于前一老化时间求取随邵氏硬度变化的相对变化率，然后取平均)。并将邵氏硬度65.1A下材料的太赫兹谱进行小波包分解后与邵氏硬度69.1A、74.1A、81.9A、91.2A下材料的太赫兹谱在都进行小波包分解后进行皮尔逊相关系数、欧式距离、动态时间规整计算，对所得相似度计算结果即度量值同样取相对平均变化率。结果如图4所示，经过小波包分解后进行动态时间规整计算所得的度量值相对平均变化率最高，并且与不进行小波包分解相比，进行小波包分解后不同相似度计算的总体效果均较好，以下步骤选用在小波包分解后进行动态时间规整计算的方式对提取特征进行处理。
步骤四将邵氏硬度69.1A、74.1A、81.9A、91.2A下的太赫兹谱都进行小波包分解，并且对所得时频矩阵分为多组或不分组与邵氏硬度65.1A下小波包分解所得的太赫兹谱时频矩阵进行动态时间规整计算，将其度量值和相应标签(邵氏硬度69.1A、74.1A、81.9A、91.2A)输入概率神经网络中进行训练，得到基于材料太赫兹谱特征与邵氏硬度关联性的材料力学性能概率分布模型；或者将邵氏硬度69.1A、74.1A、81.9A、91.2A下的太赫兹谱都进行小波包分解，并且对所得时频矩阵不分组与邵氏硬度65.1A下小波包分解所得的太赫兹谱时频矩阵进行动态时间规整计算，将其中部分或全部度量值和相应邵氏硬度标签进行拟合，得到基于材料太赫兹谱特征与邵氏硬度关联性的材料力学性能数据拟合模型。
上述不分组训练具体步骤为：将邵氏硬度65.1A下的太赫兹谱进行4-3频段小波包分解后的整个时频矩阵与邵氏硬度69.1A、74.1A、81.9A、91.2A下的太赫兹谱进行4-3频段小波包分解后的整个时频矩阵进行动态时间规整计算的值(相当于得到邵氏硬度标签69.1A、74.1A、81.9A、91.2A下都是一个数值)代入到概率神经网络进行训练。
上述分组训练具体步骤为：将邵氏硬度65.1A下的太赫兹谱进行4-3频段小波包分解后分出的2个及以上频率维度(具体为6个频率维度)的时频矩阵与邵氏硬度69.1A、74.1A、81.9A、91.2A下的太赫兹谱进行4-3频段小波包分解后分出的2个及以上频率维度(具体为6个频率维度)的时频矩阵进行动态时间规整计算的值(相当于得到邵氏硬度标签69.1A、74.1A、81.9A、91.2A下各自都是六个数值，即按频率维度的分组数与图5中的样本数对应)代入到概率神经网络进行训练。
如图5所示，对所述材料力学性能概率分布模型进行测试，在邵氏硬度标签69.1A、74.1A、81.9A、91.2A都存在的情况下，输出邵氏硬度标签81.9A的概率分布，结果发现因为训练时按分组输入过邵氏硬度标签81.9A及其对应的度量值，所以邵氏硬度标签81.9A相较于其他标签总能输出最优(即以最大概率输出邵氏硬度标签81.9A)。这一结果提示，在邵氏硬度标签数量足够大的情况下(例如邵氏硬度参数的获取尺度不大于0.1A，即相邻邵氏硬度标签按不大于0.1A的尺度变化)，以上材料力学性能概率分布模型可以在相应标签的老化时间条件未知的情况下，根据输入的相应的度量值准确、快速匹配该标签，并以最大概率输出，从而完成该老化时间条件下材料邵氏硬度的无损测定。
如图6a所示，将邵氏硬度标签69.1A、74.1A、91.2A下的度量值与对应的邵氏硬度标签进行拟合，得到拟合曲线公式为y＝0.4883x+64.19(r2＝1)，将邵氏硬度标签81.9A对应的度量值36.29代入拟合曲线公式进行计算，得到结果为81.91A，与实际值81.9A非常接近。这一结果表明数据拟合模型在用于测定未知老化时间条件下材料的邵氏硬度时不受邵氏硬度标签数量的影响。
对于上述概率分布模型，若在其按不分组训练步骤进行建立的过程中少输入了某一个邵氏硬度标签(例如81.9A)及对应的度量值，则在将该度量值代入到经过这种输入数据训练的概率神经网络中进行预测时，虽然仅能得到标签69.1A、74.1A、91.2A下输出的不同概率(图6b)，但将所得标签69.1A、74.1A和91.2A的概率分布按照类似求取权值的方式进行计算，即0.272×69.1+0.384×74.1+0.342×91.2＝78.589，则可以得到与实际值81.9A较为接近的测定结果(即78.589A)。同样的，若在上述概率分布模型按分组训练步骤进行建立的过程中少输入了某一个邵氏硬度标签(例如81.9A)及对应的度量值，则在将该度量值代入到经过这种输入数据训练的概率神经网络中进行预测时，虽然仅能得到标签69.1A、74.1A、91.2A下依照六个不同样本输出的不同概率(图6c)，但通过将所得概率取平均(指将每个标签在六个样本中对应输出的概率取均值)后将所得标签69.1A、74.1A和91.2A的平均概率分布按照类似求取权值的方式进行计算，即0.2735×69.1+0.6860×74.1+0.0405×91.2＝78.5742，则可以得到与实际值81.9A较为接近的测定结果(78.5742A)。虽然这两个通过计算获得的测定结果在准确性上没有按照数据拟合模型计算的测定结果好，但为在老化实验数据量较少的情况下获得较为准确的邵氏硬度测定结果提供了可行的途径。
本发明的特点如下：
(1)本发明通过时频域分布分析、相似度计算、数据拟合、概率神经网络训练等多种方法，最终应用新兴的人工智能手段形成定量关系式以及概率分布模型以输出邵氏硬度，避免了邵氏硬度计测量实验的破坏性与繁琐性，显著提高了邵氏硬度参数的获知效率(参见图1)。
(2)本发明通过对比不同相似度计算方法，并将相似度计算方法与时频域分布分析方法相结合，通过时频域分布分析方法放大了不同数据所具有的特征相似度计算结果，更便于训练特征，进一步提高小样本下的预测能力。
(3)本发明所提出的信号处理框架融合了多个新兴技术手段，包括时频域分布分析、特征参数表征等，兼顾信号全局与细节两维度度量效果的相似度计算，概率神经网络等人工智能手段；对时频变换、相似性度量提出了具体评估指标及判定方法，由此实现精准的力学性能参数测定，包括从单调性显著维度确定最优时频域分布分析的时频变换种类及其参数，从单调性显著的原则确定相似度计算方法，以及从力学性能测定误差确定最优快速匹配模型方法等。
(5)本发明所提出信号相似度计算方法的输入信号为被试样品及选定的参考样品太赫兹谱数据的时频特征，时频特征是由太赫兹谱数据经时频分布分析处理后所提炼的最简有效信息，其差异性相较于太赫兹谱数据原始信号更为显著，相似度计算方法可更好地从局部细节与全局趋势两个维度实现最优度量效果。
(6)传统相似性度量方法如欧氏距离面临时间序列不等长、相位漂移等问题。动态时间规整计算能够更好地将时间序列之间具有相似性的局部特征进行匹配，不仅可以消除锁步型度量方法中无法对不等长时间序列进行度量的缺陷，还能有效应对时间序列相位偏移和振幅变化等特性。相较于欧式距离与皮尔逊相关系数，本发明所采用的动态时间规整计算方法可以进一步放大太赫兹谱特征之间差异，方便更好的代入到概率分布模型与数据拟合模型之中，获得最佳数据预测与拟合关系式。
(7)实际应用场景中太赫兹谱数据可能受待测材料种类、力学性能参数测试状态尺度等因素影响，有可能出现复杂多元的样品状态情况，本发明所提出的力学性能快速匹配模型(概率分布模型、数据拟合模型)可有效解决大样本训练情况下力学性能参数分类问题的同时，还能有效解决小样本训练情况下力学性能参数连续精准预测的回归问题。
总之，本发明通过时频域分布分析手段有效筛选太赫兹谱，以精准频谱分布为目标、变换形式与参数为约束条件(例如变换形式为所采用的时频变换种类、参数为频段选择)，可以面向多种材料力学条件，以太赫兹谱分布表征结果构建数据库，基于机器学习算法构建材料力学性能与频谱特征的概率分布模型，以及通过数学关系构建数据拟合模型，最终实现无损条件下材料力学性能的快速获知。

Claims (9)

1.基于太赫兹谱特征参数表征的材料力学性能测定方法，其特征在于：包括以下步骤：
1)获取不同材料力学条件下的被试样品的太赫兹谱；
2)将步骤1获取的太赫兹谱分别进行时频域分布分析并对太赫兹谱特征参数进行表征后提取所选择的特征频段上的对应时频信息作为不同材料力学条件下的被试样品的太赫兹谱特征；
3)将参考样品的太赫兹谱特征与不同材料力学条件下的被试样品的太赫兹谱特征分别进行相似度计算，根据不同材料力学条件下的部分或全部被试样品的材料力学性能参数及对应的相似度计算结果建立基于材料太赫兹谱特征与力学性能参数关联性的材料力学性能快速匹配模型；其中参考样品是在不同材料力学条件下的被试样品中选定的一种材料力学条件下的被试样品；
4)获取未知材料力学条件下的被试样品的太赫兹谱并经时频域分布分析后提取所选择的特征频段上的对应时频信息作为未知材料力学条件下的被试样品的太赫兹谱特征，将参考样品的太赫兹谱特征与未知材料力学条件下的被试样品的太赫兹谱特征进行相似度计算，将未知材料力学条件下的被试样品对应的相似度计算结果输入至所述材料力学性能快速匹配模型，利用该模型的输出获得未知材料力学条件下的被试样品的材料力学性能参数测定结果。
2.根据权利要求1所述基于太赫兹谱特征参数表征的材料力学性能测定方法，其特征在于：所述时频域分布分析的具体处理方法依照时频变换种类和特征频段的频率维度进行选择。
3.根据权利要求1或2所述基于太赫兹谱特征参数表征的材料力学性能测定方法，其特征在于：所述时频域分布分析的时频变换种类和特征频段的频率维度的选择原则包括：至少五种依次增大或减小的材料力学条件下被试样品的太赫兹谱特征参数随相应被试样品材料力学性能参数变化的单调性最显著；其中单调性显著程度的衡量指标为相邻两种材料力学条件下被试样品的太赫兹谱特征参数的相对变化率的均值，该均值数值越高则判定单调性越显著。
4.根据权利要求3所述基于太赫兹谱特征参数表征的材料力学性能测定方法，其特征在于：所述时频域分布分析的时频变换种类和特征频段的频率维度的选择具体包括以下步骤：对每种材料力学条件下被试样品的太赫兹谱经时频域分布分析所得时频矩阵进行求和计算，得到每种材料力学条件下被试样品的太赫兹谱特征参数，若求和计算所得不同材料力学条件下被试样品的太赫兹谱特征参数表现出随相应被试样品材料力学性能参数变化的单调递增或单调递减关系，则判断在时频域分布分析中可采用该时频变换种类和特征频段的频率维度。
5.根据权利要求3所述基于太赫兹谱特征参数表征的材料力学性能测定方法，其特征在于：所述时频变换种类为小波包分解。
6.根据权利要求1所述基于太赫兹谱特征参数表征的材料力学性能测定方法，其特征在于：所述相似度计算的具体处理方法是按照综合全局与细节度量的原则进行选择，从而使得至少五种依次增大或减小的材料力学条件下被试样品的太赫兹谱经信号相似度计算度量后随相应被试样品材料力学性能参数变化的单调性显著程度在被试样品的太赫兹谱特征经相似度计算度量后得到保持。
7.根据权利要求6所述基于太赫兹谱特征参数表征的材料力学性能测定方法，其特征在于：所述相似度计算的具体处理方法为动态时间规整。
8.根据权利要求1所述基于太赫兹谱特征参数表征的材料力学性能测定方法，其特征在于：所述材料力学性能快速匹配模型具体采用概率分布模型或者数据拟合模型，概率分布模型为经过训练的概率神经网络。
9.根据权利要求8所述基于太赫兹谱特征参数表征的材料力学性能测定方法，其特征在于：所述概率分布模型在经训练进行建立的过程中，若不同材料力学条件下的被试样品数量充足并且在不大于0.1的尺度下反映出相应的被试样品间材料力学性能参数的变化，则概率分布模型按照分类问题输出材料力学性能参数ai及对应材料力学性能参数的概率yi，其中i＝1,2…n，n为不同材料力学条件下的部分或全部被试样品的数量，那么未知材料力学条件下的被试样品的材料力学性能参数的测定结果按照输出的最大概率值对应的材料力学性能参数进行确定，即在不同材料力学条件下的被试样品的太赫兹谱特征与参考样品的太赫兹谱特征进行不分组相似度计算的情况下，将输出的最大概率值对应的材料力学性能参数作为所述测定结果，而在不同材料力学条件下的被试样品的太赫兹谱特征与参考样品的太赫兹谱特征按频率维度进行分组相似度计算的情况下，将分组后的频率维度中多数输出的最大概率值所对应且相同的材料力学性能参数作为所述测定结果；否则概率分布模型按照回归问题输出材料力学性能参数ai及对应材料力学性能参数的概率yi，其中i＝1,2…n，n为不同材料力学条件下的部分或全部被试样品的数量，那么针对不同材料力学条件下的被试样品的太赫兹谱特征与参考样品的太赫兹谱特征进行不分组相似度计算的情况，未知材料力学条件下的被试样品的材料力学性能参数的测定结果按照以下公式进行计算：
a未知＝a1×y1+a2×y2+…an×yn。
CN202310791205.5A 2023-06-29 2023-06-29 基于太赫兹谱特征参数表征的材料力学性能测定方法 Pending CN116818574A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202310791205.5A CN116818574A (zh) 2023-06-29 2023-06-29 基于太赫兹谱特征参数表征的材料力学性能测定方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202310791205.5A CN116818574A (zh) 2023-06-29 2023-06-29 基于太赫兹谱特征参数表征的材料力学性能测定方法

Publications (1)

Publication Number Publication Date
CN116818574A true CN116818574A (zh) 2023-09-29

Family

ID=88114253

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202310791205.5A Pending CN116818574A (zh) 2023-06-29 2023-06-29 基于太赫兹谱特征参数表征的材料力学性能测定方法

Country Status (1)

Country Link
CN (1) CN116818574A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117689275A (zh) * 2024-02-02 2024-03-12 广东贝洛新材料科技有限公司 橡胶材料生产配料方法、装置、设备及存储介质

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117689275A (zh) * 2024-02-02 2024-03-12 广东贝洛新材料科技有限公司 橡胶材料生产配料方法、装置、设备及存储介质
CN117689275B (zh) * 2024-02-02 2024-05-17 广东贝洛新材料科技有限公司 橡胶材料生产配料方法、装置、设备及存储介质

Similar Documents

Publication Publication Date Title
CN108629365B (zh) 分析数据解析装置以及分析数据解析方法
CN105158200B (zh) 一种提高近红外光谱定性分析准确度的建模方法
CN116818574A (zh) 基于太赫兹谱特征参数表征的材料力学性能测定方法
CN118425387A (zh) 分析数据处理方法和分析数据处理装置
CN113984736A (zh) 一种基于空间偏移拉曼光谱的带包装食品信号分离方法
CN107632010A (zh) 一种结合激光诱导击穿光谱对钢铁样品的定量方法
CN115598162B (zh) 基于堆叠式模型的土壤重金属含量检测方法
CN115436407A (zh) 一种随机森林回归结合主成分分析的元素含量定量分析方法
CN116559110A (zh) 一种基于相关性和高斯曲线拟合的自适应近红外光谱变换方法
Men et al. Ultra-lightweight dynamic attention network combined with gas sensor for distinguishing the quality of rice
CN117434144A (zh) 一种超声导波损伤检测与原位校准方法
CN117373556A (zh) 一种基于多维数据的溯源仪器及系统
CN106529680B (zh) 一种基于经验模态分解的多尺度极限学习机集成建模方法
CN116380869A (zh) 一种基于自适应稀疏分解的拉曼光谱去噪方法
CN115269679A (zh) 一种多维时间序列整体复杂度评估方法
CN116312860A (zh) 基于监督迁移学习的农产品可溶性固形物预测方法
CN111010193B (zh) 基于压电导纳的数据压缩重构及结构损伤识别方法、设备
CN112069621A (zh) 基于线性可靠度指标的滚动轴承剩余使用寿命的预测方法
CN114088656A (zh) 太赫兹光谱物质识别方法及系统、存储介质及终端
CN110632024A (zh) 一种基于红外光谱的定量分析方法、装置、设备以及存储介质
CN117909769B (zh) 一种果蔬加工过程中含水量检测方法
Zhang et al. Quantitative characterization of fatigue damage in plate structures based on FSOM
CN113791049B (zh) 一种融合nirs和cv对冷鲜鸭肉新鲜度进行快速检测的方法
CN117929356B (zh) 一种基于高斯过程回归的libs定量分析方法
CN118395092B (zh) 一种基于超声波的注塑机拉杆健康状态检测方法

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