[发明专利]无取向硅钢磁性能影响因素的主成分回归分析法有效
申请号: | 201410063102.8 | 申请日: | 2014-02-25 |
公开(公告)号: | CN103823974B | 公开(公告)日: | 2017-11-03 |
发明(设计)人: | 赵志毅;王宝明;陈凌峰;李平潮;闻强苗;赵东红;薛润东 | 申请(专利权)人: | 北京科技大学 |
主分类号: | G06F19/00 | 分类号: | G06F19/00 |
代理公司: | 北京金智普华知识产权代理有限公司11401 | 代理人: | 杨采良 |
地址: | 100088*** | 国省代码: | 北京;11 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | 本发明涉及无取向硅钢磁性能影响因素的主成分回归分析法。该方法针对同一牌号无取向硅钢,统计其不同尺寸区间的夹杂物含量、有益、有害织构组分的含量以及不同尺寸范围晶粒的含量;对所有数据进行标准化处理和降维处理;计算特征值,确定主成分的数量和各主成分的表达式;作回归分析并对回归方程作显著性检验;若回归方程中存在不显著自变量,对自变量作显著性检验;利用标准差标准化法的逆运算将回归方程转换成夹杂物、织构、晶粒尺寸与无取向硅钢磁性能间的多元线性关系。利用该方法可以综合研究夹杂物、织构、晶粒尺寸对无取向硅钢磁性能的影响规律,找出显著影响磁性能的因素,为实际生产更高磁感、低铁损无取向硅钢产品提供方向性的指导。 | ||
搜索关键词: | 取向 硅钢 磁性 影响 因素 成分 回归 分析 | ||
【主权项】:
无取向硅钢磁性能影响因素的主成分回归分析法,其特征在于,所述方法包括下列步骤:1.1针对同一牌号无取向硅钢,分别观察并统计无取向硅钢中不同尺寸区间的夹杂物含量、测定无取向硅钢中有益、有害织构组分的含量以及不同尺寸范围晶粒的含量数据,具体步骤为:试验试样的观察面分为轧面和纵截面,利用FE‑SEM以及EDS在5000~20000倍的视场下对夹杂物进行随机连续观察,统计分>1000nm、500~1000nm、200~500nm、100~200nm四个尺寸区间,主要研究200~500nm、100~200nm尺寸区间的夹杂物含量;采用EBSD技术在100~200倍视场下对试样的织构、晶粒尺寸分布进行观察,扫描步长设置为2.5~5μm,获取试验数据,利用Channel 5取向分析软件测定不同织构组分含量以及不同尺寸范围晶粒的含量,将试验数据导入Project Manager软件分析,选择正交坐标系,观察面为轧面样品的旋转角度参数为0°,0°,0°,观察面为纵截面样品的旋转角度为参数0°,90°,0°,将数据用Tango程序打开,选定需标注出的织构类型、晶界,得到该样品的欧拉角衬度图及取向分布图、晶粒尺寸分布图,定量统计计算出各织构的含量,其中有益织构组分统计{100}面织构、{110}<001>Goss织构,有害织构组分统计{111}<110>织构、{111}<112>织构,并且分别统计尺寸<12μm、12~40μm、>40μm的晶粒含量,研究尺寸小于12μm和大于40μm的晶粒含量;1.2利用标准差标准化法对所述步骤1.1中的统计数据及无取向硅钢的磁性能:铁损P1.5/50、磁感B50进行标准化处理;1.3标准化后的不同尺寸区间的夹杂物含量、不同织构组分含量、不同尺寸范围晶粒的含量数据的降维处理;1.4计算特征方程的特征值,根据特征值及累积贡献率确定主成分的数量;1.5根据所述步骤1.4中提取的主成分,计算主成分的成分矩阵及单位正交特征向量,得到主成分表达式;1.6分别以标准化后的铁损P1.5/50、磁感B50作为因变量,以提取的主成分为自变量作线性回归分析并对得到的回归方程的线性关系作显著性检验;具体为:多元回归方程线性关系的显著性检验利用统计量F来实现,涉及到的参数的计算方法统计于方差分析表,表中数据除N外均指标准化后的数据;其中,S回表示因变量对各自变量作线性回归的回归平方和,S剩表示残差平方和,S总表示总离差平方和,为由非标准化系数构成回归方程计算出的回归值,即yi的回归拟合值,为所有因变量yi的平均值,N为统计的样品数;多元回归方程线性关系的显著性检验时,令Fsig(p,N‑p‑1)=F,当差异性显著的检验值sig小于0.05时,差异性显著,所检验的回归方程的线性关系是可靠的,反之,当sig大于0.05时,差异性不显著,则所检验的回归方程的线性关系不可靠,需要对该回归方程的自变量继续进行显著性检验;1.7若所述步骤1.6中的回归方程为多元,且回归方程的显著性检验结果表明回归方程中存在不显著自变量时,再对回归方程中的自变量作显著性检验;所述步骤1.7中,当多元回归方程中有不显著变量时,需对各自变量作显著性检验,采用剔除多余变量的后退法,剔除最小│t│值对应的自变量xi或剔除最大的sig值所对应的自变量xi,重新求出相应的回归方程,再对回归方程作线性关系的显著性检验,直至所求回归方程的sig值小于0.05为止,但由于回归系数间存在相关关系,故当同时有几个变量不显著时,不能将这些变量一起剔除,每次只能剔除一个最不显著的变量;1.8利用标准差标准化法的逆变换将所述步骤1.7中的两个线性回归方程转换成铁损P1.5/50、磁感B50分别关于夹杂物、织构、晶粒尺寸的多元线性方程。
下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于北京科技大学,未经北京科技大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/patent/201410063102.8/,转载请声明来源钻瓜专利网。
- 同类专利
- 专利分类
G06 计算;推算;计数
G06F 电数字数据处理
G06F19-00 专门适用于特定应用的数字计算或数据处理的设备或方法
G06F19-10 .生物信息学,即计算分子生物学中的遗传或蛋白质相关的数据处理方法或系统
G06F19-12 ..用于系统生物学的建模或仿真,例如:概率模型或动态模型,遗传基因管理网络,蛋白质交互作用网络或新陈代谢作用网络
G06F19-14 ..用于发展或进化的,例如:进化的保存区域决定或进化树结构
G06F19-16 ..用于分子结构的,例如:结构排序,结构或功能关系,蛋白质折叠,结构域拓扑,用结构数据的药靶,涉及二维或三维结构的
G06F19-18 ..用于功能性基因组学或蛋白质组学的,例如:基因型–表型关联,不均衡连接,种群遗传学,结合位置鉴定,变异发生,基因型或染色体组的注释,蛋白质相互作用或蛋白质核酸的相互作用
G06F 电数字数据处理
G06F19-00 专门适用于特定应用的数字计算或数据处理的设备或方法
G06F19-10 .生物信息学,即计算分子生物学中的遗传或蛋白质相关的数据处理方法或系统
G06F19-12 ..用于系统生物学的建模或仿真,例如:概率模型或动态模型,遗传基因管理网络,蛋白质交互作用网络或新陈代谢作用网络
G06F19-14 ..用于发展或进化的,例如:进化的保存区域决定或进化树结构
G06F19-16 ..用于分子结构的,例如:结构排序,结构或功能关系,蛋白质折叠,结构域拓扑,用结构数据的药靶,涉及二维或三维结构的
G06F19-18 ..用于功能性基因组学或蛋白质组学的,例如:基因型–表型关联,不均衡连接,种群遗传学,结合位置鉴定,变异发生,基因型或染色体组的注释,蛋白质相互作用或蛋白质核酸的相互作用