一种高导磁性能的新材料及制作方法与流程

本发明属于新材料技术领域，尤其涉及一种高导磁性能的新材料及制作方法。

背景技术：

目前，业内常用的现有技术是这样的：

新材料是指新近发展或正在发展的具有优异性能的结构材料和有特殊性质的功能材料。结构材料主要是利用它们的强度、韧性、硬度、弹性等机械性能。如新型陶瓷材料，非晶态合金等。功能材料主要是利用其所具有的电、光、声、磁、热等功能和物理效应。但是现有的导磁材料的导磁性能不佳，严重影响其在电子芯片及集成电路等领域的应用；且现有的导磁材料成分较为单一，无法满足传感系列产品对于导磁性能的严格要求；现有的制备导磁材料的工艺比较繁琐，降低工作效率，降低导磁材料的经济价值及效益。

综上所述，现有技术存在的问题是：

(1)现有的导磁材料的导磁性能不佳，严重影响其在电子芯片及集成电路等领域的应用；

(2)现有的导磁材料成分较为单一，无法满足传感系列产品对于导磁性能的严格要求；

(3)现有的制备导磁材料的工艺比较繁琐，降低工作效率，降低导磁材料的经济价值及效益。

现有技术中，得到高导磁性能的新材料后，进行高导磁性能数据指标的检测数据准确性差。

技术实现要素：

针对现有技术存在的问题，本发明提供了一种高导磁性能的新材料及制作方法。

本发明是这样实现的，一种高导磁性能的新材料按照质量份数由纳米fe粉70～80份、纳米cr粉20～30份、纳米co粉15～25份、纳米ni粉20～30份、纳米si粉10～30份、纳米b粉15～20份、纳米纤维10～14份、粘结剂2～6份、偶联剂2～6份、热稳定剂5～9份、抗氧化剂3～5份组成。

本发明的另一目的在于提供的高导磁性能的新材料制作方法，具体包括以下步骤：

步骤一：依次将纳米fe粉、纳米cr粉、纳米co粉、纳米ni粉、纳米si粉、纳米b粉进行除杂、过滤，备用；

步骤二：将fe粉、cr粉、co粉、ni粉、si粉、b粉混合，搅拌均匀，加入偶联剂溶液和抗氧化剂溶液，再次搅拌均匀，烘干，获得初处理后的混合高导磁粉；

步骤三：向高导磁粉中加入粘结剂，搅拌均匀，与纳米纤维混合，得到混合高导磁原料；

步骤四：将混合高导磁原料通过热压机进行热压，得到高导磁性能的新材料。

进一步，粘结剂为w-6a环氧树脂。

进一步，偶联剂为硬脂酸锌。

进一步，步骤四中，得到高导磁性能的新材料后，还需进行高导磁性能数据指标的检测，具体包括：

1)选择原始数据，在公开的磁场数据集采集数据，对收集到的数据进行数据缺失检验并补充完整；

2)对补充完整的数据依照copula函数计算其秩相关系数，根据秩相关系数的大小选择合适的输入数据的磁场；

3)对选定磁场导磁性能数据和目标磁场导磁性能数据进行灰色绝对值关联度计算，依据灰色绝对值关联度的大小关系确定模型的最终输入数据；

4)对选取的最终输入数据进行建模分析，依据支持向量回归机建立非线性状态空间模型的状态方程和量测方程，并通过无迹卡尔曼滤波对模型的状态进行估计预测；

5)依据设定的选择标准，对无迹卡尔曼滤波中的尺度参数进行优化和更新，得到预测结果。

进一步，步骤1)具体过程为：选择每个磁场每年的同一时间段的数据；共选择的22组，每组192个数据，然后对所有采集到的数据进行缺失检查对于缺失数据多于30个的磁场直接删除，剩下的利用均值法进行填充，即，假设ai为缺失数据，则填充到该位置的数据

若ai前后12个数据也有缺失时，向前向后退递推，直至得到前后12个数据；若ai为第一个数据，则此时同理，ai为最后一个数据时，若ai为数据集中前12和后12的数据时，依然选择和首尾相同的填充方法；进而得到除12磁场外其他磁场的完整数据集。

进一步，步骤5)为根据误差最小原则对无迹卡尔曼滤波中的尺度参数进行优化得到预测结果；详细过程如下：

指定一个尺度参数λ的可行集λ∈[0,12]，更新方法如下：

(1)选择初始的λ；

取其为其中λmax＝12,λmin＝0

(2)在更新时，每次在原始的λj的基础上加入一个随机值ej，该值符合正态变化，期望为0，方差很小；

令j＝0,1,···

(3)将上述的λj+和λj分别代入无迹卡尔曼滤波中进行预测计算；

(4)计算两者的预测误差，取误差小者进入下一步更新；

若[zk|k-1(λ^j+)^tzk|k-1(λ^j+)]＜[zk|k-1(λ^j)^tzk|k-1(λ^j)]

则取λj+1＝λj+

否则λj+1＝λj

(5)循环2-4步，直到预测误差达到设定的阈值或者更新次数达到设定标准时，更新停止，得到最优的尺度参数λ。

进一步，利用copula函数计算两个磁场之间的空间相关性通用的指标为kendall秩相关系数和spearman秩相关系数，包括：

kendall秩相关系数，令(x1,y1)和(x2,y2)为独立同分布的随机变量，定义

τ≡p[(x1-x2)(y1-y2)＞0]-p[(x1-x2)(y1-y2)＜0]

＝2p[(x1-x2)(y1-y2)＞0]-1

为kendall秩相关系数，记为τ。

若随机变量x,y的边缘分布分别为f(x),g(y)，相应的copula函数为c(u,v)，其中u＝f(x),v＝g(y),u,v∈[0,1]，则kendall秩相关系数τ可有相应的copula函数c(u,v)给出

进一步，spearman秩相关系数，令(x1,y1),(x2,y2)和(x3,y3)为独立同分布的随机变量，定义

ρ≡3{p[(x1-x2)(y1-y3)＞0]-p[(x1-x2)(y1-y3)＜0]}

为spearman秩相关系数，记为ρ；

若随机变量x,y的边缘分布分别为f(x),g(y)，相应的copula函数为c(u,v)，其中u＝f(x),v＝g(y),u,v∈[0,1]，则kendall秩相关系数τ可有相应的copula函数c(u,v)给出

进一步，计算这两个秩相关系数时，采用的copula函数为正态分布函数和t分布函数。

综上所述，本发明的优点及积极效果为：

本发明有效提高的导磁材料的导磁性能，实现高导磁目标，提高其在在电子芯片及集成电路等领域的应用；本发明提供的高导磁材料成分丰富，有效满足传感系列产品对于导磁性能的严格要求；本发明的制备导磁材料的工艺简洁，有效工作效率，增加导磁材料的经济价值及效益。

本发明在预测过程中不仅考虑了数据之间的相关性，而且建立的是非线性模型，较好的减小了由于导磁性能随机性、波动性造成的预测精度不足的问题。

充分考虑了磁场之间的空间相关性，更加符合实际情况。

通过一个非线性的预测方法去对导磁性能进行预测，利用无迹卡尔曼滤波去对导磁性能进行预测，可以保证其预测的实时性，且更加符合导磁性能的实际规律，结果更为精确。

对选定磁场的四年导磁性能数据和目标磁场导磁性能数据进行灰色绝对值关联度计算，能够减少导磁性能突变性对预测结果的影响，即采用与预测时段相似性更强的数据去进行预测，预测精度更高。

附图说明

图1是本发明实施例提供的高导磁性能的新材料制作方法流程图。

具体实施方式

为了使本发明的目的、技术方案及优点更加清楚明白，以下结合实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。

本发明实施例提供的高导磁性能的新材料按照质量份数由纳米fe粉70～80份、纳米cr粉20～30份、纳米co粉15～25份、纳米ni粉20～30份、纳米si粉10～30份、纳米b粉15～20份、纳米纤维10～14份、粘结剂2～6份、偶联剂2～6份、热稳定剂5～9份、抗氧化剂3～5份组成。

下面结合附图对本发明的应用原理进行进一步详细说明；

如图1所示，本发明实施例提供的高导磁性能的新材料制作方法，具体包括以下步骤：

s101：依次将纳米fe粉、纳米cr粉、纳米co粉、纳米ni粉、纳米si粉、纳米b粉进行除杂、过滤，备用；

s102：将fe粉、cr粉、co粉、ni粉、si粉、b粉混合，搅拌均匀，加入偶联剂溶液和抗氧化剂溶液，再次搅拌均匀，烘干，获得初处理后的混合高导磁粉；

s103：向高导磁粉中加入粘结剂，搅拌均匀，与纳米纤维混合，得到混合高导磁原料；

s104：将混合高导磁原料通过热压机进行热压，得到高导磁性能的新材料。

本发明实施例提供的粘结剂为w-6a环氧树脂。

本发明实施例提供的偶联剂为硬脂酸锌。

步骤s104中，得到高导磁性能的新材料后，还需进行高导磁性能数据指标的检测，具体包括：

1)选择原始数据，在公开的磁场数据集采集数据，对收集到的数据进行数据缺失检验并补充完整；

2)对补充完整的数据依照copula函数计算其秩相关系数，根据秩相关系数的大小选择合适的输入数据的磁场；

3)对选定磁场导磁性能数据和目标磁场导磁性能数据进行灰色绝对值关联度计算，依据灰色绝对值关联度的大小关系确定模型的最终输入数据；

4)对选取的最终输入数据进行建模分析，依据支持向量回归机建立非线性状态空间模型的状态方程和量测方程，并通过无迹卡尔曼滤波对模型的状态进行估计预测；

5)依据设定的选择标准，对无迹卡尔曼滤波中的尺度参数进行优化和更新，得到预测结果。

步骤1)具体过程为：选择每个磁场每年的同一时间段的数据；共选择的22组，每组192个数据，然后对所有采集到的数据进行缺失检查对于缺失数据多于30个的磁场直接删除，剩下的利用均值法进行填充，即，假设ai为缺失数据，则填充到该位置的数据

若ai前后12个数据也有缺失时，向前向后退递推，直至得到前后12个数据；若ai为第一个数据，则此时同理，ai为最后一个数据时，若ai为数据集中前12和后12的数据时，依然选择和首尾相同的填充方法；进而得到除12磁场外其他磁场的完整数据集。

步骤5)为根据误差最小原则对无迹卡尔曼滤波中的尺度参数进行优化得到预测结果；详细过程如下：

指定一个尺度参数λ的可行集λ∈[0,12]，更新方法如下：

(2)选择初始的λ；

取其为其中λmax＝12,λmin＝0

(2)在更新时，每次在原始的λj的基础上加入一个随机值ej，该值符合正态变化，期望为0，方差很小；

令j＝0,1,···

(3)将上述的λj+和λj分别代入无迹卡尔曼滤波中进行预测计算；

(4)计算两者的预测误差，取误差小者进入下一步更新；

若[zk|k-1(λ^j+)^tzk|k-1(λ^j+)]＜[zk|k-1(λ^j)^tzk|k-1(λ^j)]

则取λj+1＝λj+

否则λj+1＝λj

(5)循环2-4步，直到预测误差达到设定的阈值或者更新次数达到设定标准时，更新停止，得到最优的尺度参数λ。

利用copula函数计算两个磁场之间的空间相关性通用的指标为kendall秩相关系数和spearman秩相关系数，包括：

kendall秩相关系数，令(x1,y1)和(x2,y2)为独立同分布的随机变量，定义

τ≡p[(x1-x2)(y1-y2)＞0]-p[(x1-x2)(y1-y2)＜0]

＝2p[(x1-x2)(y1-y2)＞0]-1

为kendall秩相关系数，记为τ。

若随机变量x,y的边缘分布分别为f(x),g(y)，相应的copula函数为c(u,v)，其中u＝f(x),v＝g(y),u,v∈[0,1]，则kendall秩相关系数τ可有相应的copula函数c(u,v)给出

spearman秩相关系数，令(x1,y1),(x2,y2)和(x3,y3)为独立同分布的随机变量，定义

ρ≡3{p[(x1-x2)(y1-y3)＞0]-p[(x1-x2)(y1-y3)＜0]}

为spearman秩相关系数，记为ρ；

若随机变量x,y的边缘分布分别为f(x),g(y)，相应的copula函数为c(u,v)，其中u＝f(x),v＝g(y),u,v∈[0,1]，则kendall秩相关系数τ可有相应的copula函数c(u,v)给出

计算这两个秩相关系数时，采用的copula函数为正态分布函数和t分布函数。

下面结合具体实施例对本发明的应用原理进行进一步详细说明；

实施例1；

本发明实施例提供的高导磁性能的新材料按照质量份数由纳米fe粉70份、纳米cr粉20份、纳米co粉15份、纳米ni粉20份、纳米si粉10份、纳米b粉15份、纳米纤维10份、粘结剂2份、偶联剂2份、热稳定剂5份、抗氧化剂3份组成。

实施例2；

本发明实施例提供的高导磁性能的新材料按照质量份数由纳米fe粉80份、纳米cr粉30份、纳米co粉25份、纳米ni粉30份、纳米si粉30份、纳米b粉20份、纳米纤维14份、粘结剂6份、偶联剂6份、热稳定剂9份、抗氧化剂5份组成。

实施例3；

本发明实施例提供的高导磁性能的新材料按照质量份数由纳米fe粉75份、纳米cr粉25份、纳米co粉20份、纳米ni粉25份、纳米si粉20份、纳米b粉17.5份、纳米纤维12份、粘结剂4份、偶联剂4份、热稳定剂7份、抗氧化剂4份组成。

实施4；

购买普通市售三种高导磁材料a、b、c，与本发明实施例提供的高导磁性的新材料d，分别测定其导磁率，具体结果见下表；

以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明的保护范围之内。