1. 毕业设计（论文）的内容和要求

应用巴氏噪声技术评估材料表面硬度时，检测系统为典型多输入多输出（mimo）系统，为避免冗余参数对建模效率和模型准确性的影响，在建立关系模型时需对输入变量进行筛选。

本课题利用主成分分析（pca）算法中的主成分载荷概念，提出基于pca的特征选择方法，对巴氏信号的特征值进行筛选，以减少自变量数量，并在此基础上建立材料表面硬度与巴氏信号特征值之间的多元关系模型。

本课题主要针对表面硬化处理后高硬度齿轮钢的硬度无损评估，采集巴氏噪声并计算其多个特征值，以建立巴氏信号特征值与材料表面硬度之间的关系模型。

2. 参考文献

[1] 沈功田, 郑阳, 蒋政培等. 磁巴克豪森技术的发展现状[J]. 无损检测, 38,7(2016): 66-74. [2] 张玉华, 孙慧贤, 李建增. 硬度测量无损检测新技术的研究与发展[J]. 计量技术, 4(2013): 26-29. [3] 张九龙, 邓筱楠, 张志禹. 概率核主成分分析及其应用[J]. 计算机工程与应用, 47,4(2011): 165-167. [4] 孙忠. 现代信号处理理论与应用[M]. 电子工业出版社, 北京. 2011. [5] 陆超, 陈捷, 洪荣晶. 采用概率主成分分析的回转支承寿命状态识别[J]. 西安交通大学学报, 49,10(2015): 90-96. [6] 朱军华, 余岭. 基于频响函数的结构健康监测主成分分析法[J]. 振动与冲击, 30,5(2011): 111-115. [7] Ali Sophian, Gui Yun Tian, David Taylor et al. A feature extraction technique based on principal component analysis for pulsed Eddy current NDT. NDTE International 36 (2003) 37#8211;41. [8] 白亚红,王奉涛EMD分解和支持向量机技术在风电齿轮箱早期齿轮磨损故障诊断中的应用[J]. 工业控制计算机, 2010, 23(2): 70-71. [9] Jian Yang, David Zhang and Alejandro F. Frangi et al. Two-Dimensional PCA: A New Approach to Appearance-Based Face Representation and Recognition. IEEE Trans. On Pattern Analysis and Machine Intelligence, 26,1(2004) 131-137. [10] Linda Valeri and Tyler J. VanderWeele. Mediation Analysis Allowing for Exposure#8211;Mediator Interactions and Causal Interpretation: Theoretical Assumptions and Implementation with SAS and SPSS Macros. Psychological Methods, 18,2(2013) 137-150.

3. 毕业设计（论文）进程安排

起讫日期 设计（论文）各阶段工作内容 备 注 2018-1-15～2018-2-28 查阅文献，与指导教师讨论课题背景，理解课题所要求的内容。

2018-2-29～2018-3-13 查阅相关资料，完成文献综述一篇；进一步深入理解课题所研究的核心问题，确定基本研究思路。

2018-3-14～2018-3-27 确定特征选择方案和验证技术路线；针对课题研究的核心问题完成理论准备，确定研究步骤，并在此基础上完成开题报告。