CN117112989A - 一种测厚数据滤波优化处理方法 - Google Patents

一种测厚数据滤波优化处理方法 Download PDF

Info

Publication number
CN117112989A
CN117112989A CN202311369413.2A CN202311369413A CN117112989A CN 117112989 A CN117112989 A CN 117112989A CN 202311369413 A CN202311369413 A CN 202311369413A CN 117112989 A CN117112989 A CN 117112989A
Authority
CN
China
Prior art keywords
thickness measurement
data
filtering
interference
thickness
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
Application number
CN202311369413.2A
Other languages
English (en)
Other versions
CN117112989B (zh
Inventor
曲海波
赵杰
赵永丰
王虎
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.)
Beijing Hualixing Sci Tech Development Co Ltd
Original Assignee
Beijing Hualixing Sci Tech Development Co Ltd
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 Beijing Hualixing Sci Tech Development Co Ltd filed Critical Beijing Hualixing Sci Tech Development Co Ltd
Priority to CN202311369413.2A priority Critical patent/CN117112989B/zh
Publication of CN117112989A publication Critical patent/CN117112989A/zh
Application granted granted Critical
Publication of CN117112989B publication Critical patent/CN117112989B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
    • G06F17/10—Complex mathematical operations
    • G06F17/18—Complex mathematical operations for evaluating statistical data, e.g. average values, frequency distributions, probability functions, regression analysis
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01B—MEASURING LENGTH, THICKNESS OR SIMILAR LINEAR DIMENSIONS; MEASURING ANGLES; MEASURING AREAS; MEASURING IRREGULARITIES OF SURFACES OR CONTOURS
    • G01B15/00—Measuring arrangements characterised by the use of electromagnetic waves or particle radiation, e.g. by the use of microwaves, X-rays, gamma rays or electrons
    • G01B15/02—Measuring arrangements characterised by the use of electromagnetic waves or particle radiation, e.g. by the use of microwaves, X-rays, gamma rays or electrons for measuring thickness
    • G01B15/025—Measuring arrangements characterised by the use of electromagnetic waves or particle radiation, e.g. by the use of microwaves, X-rays, gamma rays or electrons for measuring thickness by measuring absorption
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
    • G06F17/10—Complex mathematical operations
    • G06F17/14—Fourier, Walsh or analogous domain transformations, e.g. Laplace, Hilbert, Karhunen-Loeve, transforms
    • G06F17/141—Discrete Fourier transforms
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/10—Pre-processing; Data cleansing

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Mathematical Physics (AREA)
  • Data Mining & Analysis (AREA)
  • Mathematical Optimization (AREA)
  • Computational Mathematics (AREA)
  • Pure & Applied Mathematics (AREA)
  • Mathematical Analysis (AREA)
  • General Engineering & Computer Science (AREA)
  • Software Systems (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Evolutionary Biology (AREA)
  • Algebra (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Databases & Information Systems (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Probability & Statistics with Applications (AREA)
  • Operations Research (AREA)
  • Discrete Mathematics (AREA)
  • Artificial Intelligence (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Evolutionary Computation (AREA)
  • Electromagnetism (AREA)
  • Length-Measuring Devices Using Wave Or Particle Radiation (AREA)

Abstract

本发明涉及测量计算技术领域，提出了一种测厚数据滤波优化处理方法，包括：获取X射线测厚参数；根据X射线测厚参数获取每个时刻的测厚数据的随机噪声干扰误差和测厚随机噪声干扰误差序列，根据随机噪声干扰误差获取每个时刻位置处的测厚随机干扰最小影响区间；根据测厚随机干扰最小影响区间计算每个时刻位置处的测厚扰动因子，根据测厚扰动因子计算每个时刻位置处的测厚数据的干扰滤波权重，根据测厚数据的干扰滤波权重获取每个时刻位置处的测厚滤波数据，根据测厚滤波数据获取测厚滤波数据序列对测厚数据滤波优化。本发明有效地降低了X射线测厚过程中干扰噪声影响。

Description

一种测厚数据滤波优化处理方法
技术领域
本发明涉及测量计算技术领域，具体涉及一种测厚数据滤波优化处理方法。
背景技术
X射线测厚仪是根据X射线穿过物体时的衰减程度来测量厚度的，X射线的衰减程度不仅与被测物体的厚度有关，更与被测物体的材料对X的吸收系数有关系。在物体另一端使用探测器来接收穿透物体的X射线，探测器将收到的电磁破信号转为电流信号。电流信号通过放大电路放大并转为电压信号，根据电压信号判断X射线的衰减情况计算被测物体的厚度。
在X射线测厚过程中由于X射线测厚的特殊性，在X射线衰减情况转化为电信号过程中由于转换过程中夹杂随机噪声，导致X射线测厚的精确程度受到较大影响。现有技术方案中并没有考虑噪声随机性对不同时间段内测厚数据精确性影响情况。
发明内容
本发明提供一种测厚数据滤波优化处理方法，以解决上述问题，所采用的技术方案具体如下：
本发明一个实施例一种测厚数据滤波优化处理方法，该方法包括以下步骤：
获取X射线测厚参数；
根据X射线测厚参数获取每个时刻的测厚数据的随机噪声干扰误差和测厚随机噪声干扰误差序列，根据随机噪声干扰误差获取每个时刻位置处的测厚随机干扰最小影响区间；
根据测厚随机干扰最小影响区间计算每个时刻位置处的测厚扰动因子，根据测厚扰动因子计算每个时刻位置处的测厚数据的干扰滤波权重，根据测厚数据的干扰滤波权重获取每个时刻位置处的测厚滤波数据，根据测厚滤波数据获取测厚滤波数据序列对测厚数据滤波优化。
优选的，所述X射线测厚参数包括：生产要求标准厚度数据，每个时刻的X射线测厚数据。
优选的，所述根据X射线测厚参数获取每个时刻的测厚数据的随机噪声干扰误差和测厚随机噪声干扰误差序列的方法为：
将每个时刻位置处的测厚数据与生产要求标准厚度数据的差记为每个时刻位置处的随机噪声干扰误差，将每个时刻位置处的随机噪声干扰误差按时间先后顺序构成测厚随机噪声干扰误差序列。
优选的，所述根据随机噪声干扰误差获取每个时刻位置处的测厚随机干扰最小影响区间的方法为：
令测厚随机噪声干扰误差序列中长度为第一预设值的数据区间作为初始区间，令测厚调整干扰调整步长为第二预设值，利用测厚调整干扰调整步长对初始区间进行扩张调整得到多个不同数据区间，选择测厚干扰系数最小的数据区间作为测厚随机干扰最小影响区间。
优选的，所述数据区间测厚干扰系数的具体计算方法为：
上述公式中，分别表示了第/>次划分后长度为/>的短序列区间中所有数据的方差，/>表示了第/>次划分后长度为/>的短序列区间中所有数据的信息熵，/>表示了第/>次划分后不在长度为/>的短序列区间中其余数据构成的长度为/>的所有数据的方差，/>表示了第/>次划分后不在长度为/>的短序列区间中其余数据构成的长度为/>的所有数据的信息熵，/>表示了两个区间中数据序列的/>距离，/>表示了第/>次划分后长度为/>的短序列区间中所有数据构成的测厚误差短序列，/>表示了第/>次划分后长度为的短序列区间中所有数据构成的待划分误差序列，/>表示了测厚干扰系数。
优选的，所述根据测厚随机干扰最小影响区间计算每个时刻位置处的测厚扰动因子的具体方法为：
上述公式中，表示了以自然常数为底的指数函数，/>表示了测厚随机干扰最小影响区间的长度，/>表示了第/>个时刻位置的测厚数据，/>表示了第/>个时刻位置的随机噪声干扰误差数据，/>表示了离散傅里叶变换函数，/>和/>分别表示了第/>个时刻位置测厚数据和随机噪声干扰误差数据的离散傅里叶变换频率，/>表示了测厚扰动因子。
优选的，所述根据测厚扰动因子计算每个时刻位置处的测厚数据的干扰滤波权重的方法为：
将每个时刻位置处滤波窗口所有数据测厚扰动因子最大值与每个时刻测厚扰动因子的差值记为第一差值，将第一差值与滤波窗口大小的比值记为测厚数据的干扰滤波权重。
优选的，所述滤波窗口的获取方法为：
以每个时刻位置处测厚数据为起点，将对应时刻位置处的测厚随机干扰最小影响区间中所有数据构成对应时刻位置处的滤波窗口。
优选的，所述根据测厚数据的干扰滤波权重获取每个时刻位置处的测厚滤波数据的方法为：
将滤波窗口每个时刻位置处测厚数据与测厚数据的干扰滤波权重乘积的累加和记为第一累加和，将第一累加和与滤波窗口大小的比值记为测厚滤波数据。
优选的，所述根据测厚滤波数据获取测厚滤波数据序列对测厚数据滤波优化的方法为：
将测厚滤波数据按照时间先后顺序排列构建得到测厚滤波数据序列完成对测厚数据的滤波优化。
本发明的有益效果是：本发明根据生产要求标准厚度计算得到X射线测厚数据的随机自然噪声干扰误差序列，从而对X射线测厚过程中干扰噪声误差进行初步定量分析表征，进一步的，本发明根据X射线测厚数据的随机自然噪声干扰误差序列获取测厚随机干扰最小影响区间，同时利用测厚随机干扰最小影响区间获取测厚扰动因子，通过测厚扰动因子对X射线测厚过程中不同噪声干扰影响程度情况进行分析计算，根据不同噪声干扰影响程度对X射线测厚数据进行优化滤波，考虑了强弱不同的随机干扰噪声对X射线测厚数据的影响，有效地提高了X射线测厚数据滤波优化的准确性。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
图1为本发明一个实施例所提供的一种测厚数据滤波优化处理方法的流程示意图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做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。
请参阅图1，其示出了本发明一个实施例提供的一种测厚数据滤波优化处理方法流程图，该方法包括以下步骤：
步骤S001，获取X射线测厚参数。
需要说明的是，在板材产品生产过程中具有厚度要求标准，在同一种生产加工处理工艺下，得到的板材产品厚度差异应在生产要求标准范围内。假设板材产品生产要求标准厚度为，同时，通过X射线测厚仪获取板材产品不同位置的测厚数据，按时间先后顺序记录，记为测厚数据序列，记为/>，其中，/>表示了第/>个时刻下X射线测厚仪对板材产品测量后得到的测厚数据。
步骤S002，根据X射线测厚参数获取每个时刻的测厚数据的随机噪声干扰误差和测厚随机噪声干扰误差序列，根据随机噪声干扰误差获取每个时刻位置处的测厚随机干扰最小影响区间。
需要说明的时，生产加工后得到板材产品的测量厚度与生产要求标准具有一定差距，因此，通过不同时刻下的X射线测厚仪数据与生产厚度要求标准数据进行对比，将测量厚度数据与生成厚度要求标准数据之间的误差作为随机自然噪声干扰判断数据。
上述公式中，表示了第/>个时刻位置处测厚数据的随机噪声干扰误差，/>表示了第/>个时刻的测厚数据，/>表示了标准要求厚度数据。将计算得到测厚数据的随机噪声干扰误差按照时间先后顺序进行排列，得到测厚随机噪声干扰误差序列。
通过上述公式可以计算得到测厚数据随机干扰误差，当第个时刻位置处板材产品测量厚度数据与生产要求标准数据之间的差距越大，说明当前时刻测厚过程中随机噪声对测厚过程中干扰越严重，从而计算得到的随机噪声干扰误差数值也相对较大。
需要说明的是，在板材产品厚度测量过程中，X射线测厚仪将X射线能量转化为电信号过程中的存在随机干扰，这种随机干扰对不同时刻X射线测厚数据的准确性影响有所差异，因此，为了获取随机干扰对测厚数据的影响差异，需要首先获取测厚随机干扰最小影响区间。
具体地，首先本发明技术方案令初始预设值为，将原始测厚随机噪声干扰误差序列划分为不同短序列区间组，通过边界值扩充方法对无法构成短序列区间数据进行填充，计算每个不同短序列区间中数据均值，取均值最小的一个短序列区间作为初始区间。
上述公式中，分别表示了第/>次划分后长度为/>的短序列区间中所有数据的方差，/>表示了第/>次划分后长度为/>的短序列区间中所有数据的信息熵，/>表示了第/>次划分后不在长度为/>的短序列区间中其余数据构成的长度为/>的所有数据的方差，/>表示了第/>次划分后不在长度为/>的短序列区间中其余数据构成的长度为/>的所有数据的信息熵，/>表示了两个区间中数据序列的/>距离，/>表示了第/>次划分后长度为/>的短序列区间中所有数据构成的测厚误差短序列，/>表示了第/>次划分后长度为的短序列区间中所有数据构成的待划分误差序列，/>表示了测厚干扰系数。
通过上述公式可以计算得到第次区间划分后的测厚干扰系数，当划分后长度为的所有随机噪声干扰误差数据之间差异越小，整体越平稳，则计算得到的短序列区间内的方差和信息熵越小，而区间外的测厚数据受到的随机噪声干扰较为严重，则计算得到的方差和信息熵越大，同时，短序列区间内数据序列和短序列区间外序列的DTW距离也越大，计算得到的测厚干扰系数也会相对越小，则说明当前短序列区间为测厚随机干扰最小影响区间。
需要说明的是，为了确保测厚随机干扰最小影响区间划分和计算的准确性，本发明取测厚干扰调整步长，对于第/>次划分后的短序列区间长度为/>，不断扩大短序列区间长度直到与测厚随机噪声干扰误差序列长度/>一致，对于所有长度的短序列区间，均可以计算得到测厚干扰系数，取最小测厚干扰系数的区间记为测厚随机干扰最小影响区间，并记测厚随机干扰最小影响区间的长度为/>。
步骤S003，根据测厚随机干扰最小影响区间计算每个时刻位置处的测厚扰动因子，根据测厚扰动因子计算每个时刻位置处的测厚数据的干扰滤波权重。
需要说明的是，为了计算随机噪声对不同时刻测厚数据的干扰影响，首先根据测厚随机干扰最小影响区间将测厚数据序列平均划分为不同的组，每组长度为/>。
上述公式中，表示了以自然常数为底的指数函数，/>表示了测厚随机干扰最小影响区间的长度，/>表示了第/>个时刻位置的测厚数据，/>表示了第/>个时刻位置的随机噪声干扰误差数据，/>表示了离散傅里叶变换函数，/>和/>分别表示了第/>个时刻位置测厚数据和随机噪声干扰误差数据的离散傅里叶变换频率，/>表示了测厚扰动因子。
通过上述公式可以计算得到时刻位置处测厚扰动因子的数值大小，当时刻/>位置处测厚数据与随机噪声干扰误差数据在一个测厚随机干扰最小影响区间中傅里叶变换频率较为相近时，则计算得到的测厚扰动因子数值应较大，说明在当前时刻下的测厚数据受到噪声干扰影响越严重，从而当前时刻下的测厚数据偏差越大。
步骤S004，根据测厚数据干扰滤波权重获取每个时刻位置处的测厚滤波数据，根据测厚滤波数据获取测厚滤波数据序列对测厚数据滤波优化。
需要说明的是，由于随机干扰噪声在不同时刻对测厚数据的干扰影响存在差异，因此取预设滤波窗口大小为测厚随机干扰最小影响区间的长度，对原始测厚数据进行平均滤波。
上述公式中， 表示了以时刻/>位置处数据为起点的滤波窗口中测厚扰动因子的最大值，/>表示了时刻/>位置处测厚数据的干扰滤波权重，/>表示了测厚滤波数据。
为了获取每个不同时刻位置处的测厚滤波数据，每次移动一个时刻单位步长，可以计算得到所有不同时刻的测厚滤波数据。对于随机噪声干扰影响较为严重的时刻位置处数据，其干扰滤波权重较小，对滤波后数据计算贡献应较小。通过上述公式可以计算得到不同时刻位置处的测厚滤波数据，按照时间先后顺序排列记为测厚滤波序列，完成对测厚数据的滤波。
以上所述实施例仅用以说明本申请的技术方案，而非对其限制；尽管参照前述实施例对本申请进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本申请各实施例技术方案的范围，均应包含在本申请的保护范围之内。

Claims (10)

1.一种测厚数据滤波优化处理方法，其特征在于，该方法包括以下步骤：
获取X射线测厚参数；
根据X射线测厚参数获取每个时刻的测厚数据的随机噪声干扰误差和测厚随机噪声干扰误差序列，根据随机噪声干扰误差获取每个时刻位置处的测厚随机干扰最小影响区间；
根据测厚随机干扰最小影响区间计算每个时刻位置处的测厚扰动因子，根据测厚扰动因子计算每个时刻位置处的测厚数据的干扰滤波权重，根据测厚数据的干扰滤波权重获取每个时刻位置处的测厚滤波数据，根据测厚滤波数据获取测厚滤波数据序列对测厚数据滤波优化。
2.根据权利要求1所述的一种测厚数据滤波优化处理方法，其特征在于，所述X射线测厚参数包括：生产要求标准厚度数据，每个时刻的X射线测厚数据。
3.根据权利要求2所述的一种测厚数据滤波优化处理方法，其特征在于，所述根据X射线测厚参数获取每个时刻的测厚数据的随机噪声干扰误差和测厚随机噪声干扰误差序列的方法为：
将每个时刻位置处的测厚数据与生产要求标准厚度数据的差记为每个时刻位置处的随机噪声干扰误差，将每个时刻位置处的随机噪声干扰误差按时间先后顺序构成测厚随机噪声干扰误差序列。
4.根据权利要求3所述的一种测厚数据滤波优化处理方法，其特征在于，所述根据随机噪声干扰误差获取每个时刻位置处的测厚随机干扰最小影响区间的方法为：
令测厚随机噪声干扰误差序列中长度为第一预设值的数据区间作为初始区间，令测厚调整干扰调整步长为第二预设值，利用测厚调整干扰调整步长对初始区间进行扩张调整得到多个不同数据区间，选择测厚干扰系数最小的数据区间作为测厚随机干扰最小影响区间。
5.根据权利要求4所述的一种测厚数据滤波优化处理方法，其特征在于，所述数据区间测厚干扰系数的具体计算方法为：
上述公式中，分别表示了第/>次划分后长度为/>的短序列区间中所有数据的方差，表示了第/>次划分后长度为/>的短序列区间中所有数据的信息熵，/>表示了第/>次划分后不在长度为/>的短序列区间中其余数据构成的长度为/>的所有数据的方差，/>表示了第/>次划分后不在长度为/>的短序列区间中其余数据构成的长度为/>的所有数据的信息熵，/>表示了两个区间中数据序列的/>距离，/>表示了第/>次划分后长度为的短序列区间中所有数据构成的测厚误差短序列，/>表示了第/>次划分后长度为/>的短序列区间中所有数据构成的待划分误差序列，/>表示了测厚干扰系数。
6.根据权利要求4所述的一种测厚数据滤波优化处理方法，其特征在于，所述根据测厚随机干扰最小影响区间计算每个时刻位置处的测厚扰动因子的具体方法为：
上述公式中，表示了以自然常数为底的指数函数，/>表示了测厚随机干扰最小影响区间的长度，/>表示了第/>个时刻位置的测厚数据，/>表示了第/>个时刻位置的随机噪声干扰误差数据，/>表示了离散傅里叶变换函数，/>和/>分别表示了第/>个时刻位置测厚数据和随机噪声干扰误差数据的离散傅里叶变换频率，/>表示了测厚扰动因子。
7.根据权利要求6所述的一种测厚数据滤波优化处理方法，其特征在于，所述根据测厚扰动因子计算每个时刻位置处的测厚数据的干扰滤波权重的方法为：
将每个时刻位置处滤波窗口所有数据测厚扰动因子最大值与每个时刻测厚扰动因子的差值记为第一差值，将第一差值与滤波窗口大小的比值记为测厚数据的干扰滤波权重。
8.根据权利要求7所述的一种测厚数据滤波优化处理方法，其特征在于，所述滤波窗口的获取方法为：
以每个时刻位置处测厚数据为起点，将对应时刻位置处的测厚随机干扰最小影响区间中所有数据构成对应时刻位置处的滤波窗口。
9.根据权利要求7所述的一种测厚数据滤波优化处理方法，其特征在于，所述根据测厚数据的干扰滤波权重获取每个时刻位置处的测厚滤波数据的方法为：
将滤波窗口每个时刻位置处测厚数据与测厚数据的干扰滤波权重乘积的累加和记为第一累加和，将第一累加和与滤波窗口大小的比值记为测厚滤波数据。
10.根据权利要求1所述的一种测厚数据滤波优化处理方法，其特征在于，所述根据测厚滤波数据获取测厚滤波数据序列对测厚数据滤波优化的方法为：
将测厚滤波数据按照时间先后顺序排列构建得到测厚滤波数据序列完成对测厚数据的滤波优化。
CN202311369413.2A 2023-10-23 2023-10-23 一种测厚数据滤波优化处理方法 Active CN117112989B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202311369413.2A CN117112989B (zh) 2023-10-23 2023-10-23 一种测厚数据滤波优化处理方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202311369413.2A CN117112989B (zh) 2023-10-23 2023-10-23 一种测厚数据滤波优化处理方法

Publications (2)

Publication Number Publication Date
CN117112989A true CN117112989A (zh) 2023-11-24
CN117112989B CN117112989B (zh) 2024-01-23

Family

ID=88811336

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202311369413.2A Active CN117112989B (zh) 2023-10-23 2023-10-23 一种测厚数据滤波优化处理方法

Country Status (1)

Country Link
CN (1) CN117112989B (zh)

Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20020019275A (ko) * 2000-09-05 2002-03-12 이구택 엑스레이를 이용한 두께측정장치 및 측정방법
CN103206931A (zh) * 2013-03-07 2013-07-17 重庆大学 一种x射线测厚方法及装置
CN103398661A (zh) * 2013-07-23 2013-11-20 天津非晶科技有限公司 非晶合金带材厚度在线实时检测装置
WO2014037984A1 (ja) * 2012-09-10 2014-03-13 株式会社 東芝 Ｘ線厚さ計
DE102014217594A1 (de) * 2014-09-03 2016-03-03 Mesacon Messelektronik Gmbh Dresden Verfahren und Vorrichtung zum Korrigieren einer Abweichung eines in einer Röntgenanlage gemessenen Dickenwerts einer Probe in Bezug zu einem Kalibrierwert
CN105823454A (zh) * 2016-06-08 2016-08-03 河南科高辐射化工科技有限公司 一种多孔膜在线测厚装置
CN106248009A (zh) * 2016-08-31 2016-12-21 南昌航空大学 一种高衰减玻璃钢的超声测厚方法
CN107450061A (zh) * 2017-08-18 2017-12-08 大连理工大学 一种超声测厚中的自适应声时计算方法
CN116738375A (zh) * 2023-05-25 2023-09-12 武汉大学 基于单条带测深数据的诱导升沉误差探测消除方法及系统

Patent Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20020019275A (ko) * 2000-09-05 2002-03-12 이구택 엑스레이를 이용한 두께측정장치 및 측정방법
WO2014037984A1 (ja) * 2012-09-10 2014-03-13 株式会社 東芝 Ｘ線厚さ計
CN103206931A (zh) * 2013-03-07 2013-07-17 重庆大学 一种x射线测厚方法及装置
CN103398661A (zh) * 2013-07-23 2013-11-20 天津非晶科技有限公司 非晶合金带材厚度在线实时检测装置
DE102014217594A1 (de) * 2014-09-03 2016-03-03 Mesacon Messelektronik Gmbh Dresden Verfahren und Vorrichtung zum Korrigieren einer Abweichung eines in einer Röntgenanlage gemessenen Dickenwerts einer Probe in Bezug zu einem Kalibrierwert
CN105823454A (zh) * 2016-06-08 2016-08-03 河南科高辐射化工科技有限公司 一种多孔膜在线测厚装置
CN106248009A (zh) * 2016-08-31 2016-12-21 南昌航空大学 一种高衰减玻璃钢的超声测厚方法
CN107450061A (zh) * 2017-08-18 2017-12-08 大连理工大学 一种超声测厚中的自适应声时计算方法
CN116738375A (zh) * 2023-05-25 2023-09-12 武汉大学 基于单条带测深数据的诱导升沉误差探测消除方法及系统

Also Published As

Publication number Publication date
CN117112989B (zh) 2024-01-23

Similar Documents

Publication Publication Date Title
CN105223482B (zh) 局部放电特高频信号波形的小波分解二值去噪方法
CN103018555B (zh) 一种高精度的电力参数软件同步采样方法
CN117109487B (zh) 一种金属厚度自动化无损测量方法
CN113138011A (zh) 一种新型振动噪声测试方法
CN108896274B (zh) 一种基于子集窗长度优化算法的分布式光纤应变解调方法
CN116776094B (zh) 一种晶振温度测试数据智能分析存储系统
CN102868402A (zh) 一种测试模数转换器主要性能指标的测试方法
CN105137373A (zh) 一种指数信号的去噪方法
CN118169580B (zh) 一种智能手机配件生产测试方法及系统
CN117112989B (zh) 一种测厚数据滤波优化处理方法
CN117131454B (zh) 一种x射线测厚异常数据监测方法
CN117278150B (zh) 一种室内无线网络信号测量计算方法、设备和介质
CN106021855B (zh) 一种反应堆周期计算方法
CN114577360B (zh) 一种拉曼测温雷达信号自动分析校准及反演方法
CN109243637A (zh) 一种重构反应堆时空分布模型的方法和系统
CN113009544B (zh) 一种海水放射性核素峰范围的判断方法
CN112967825A (zh) 一种基于修正信号不确定度分析的反应性测量方法
CN106885941A (zh) 基于频谱极值点的电网基波频率检测方法
CN106124371A (zh) 一种基于静电法的气固两相流细度测量装置及测量方法
CN113161029B (zh) 一种基于采样信号变频分析的反应性测量方法
CN118028980B (zh) 一种用于砷化镓半导体生长的智能化温度监测方法
Balbás et al. In Situ Surveillance of Capacitive Pressure Transmitter Dynamic Poles
CN101277527B (zh) 一种蜂窝网距离重构算法
CN110687362A (zh) 一种实时相噪测试方法
CN102637243B (zh) 一种基于高阶统计量分析的源驱动式未知核部件多参数获取方法

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