磁滞回线magnetic hysteresis loop 表明磁场强度周期性改变时强磁性物质磁滞现象的闭合磁化曲线。高斯计磁滞回线表明磁场强度周期性改变时,强磁性物质磁滞现象的闭合磁化曲线。它表明了强磁性物质重复磁化进程中磁化强度M或磁感应强度B与磁场强度H之间的关系。由于B=μ0(H+M),若已知一资料的M—H曲线,便可求出其B—H曲线,反之亦然。式中μ0为真空磁导率。

DX-2012H永磁材料磁性测量仪适用于测量各种铁氧体、铝镍钴、钕铁硼和钐钴等永磁资料的剩磁Br、矫顽力Hcb、内禀矫顽力Hcj和最大磁能积BHmax等磁性能参数,并显现B&J-H磁滞回线和退磁曲线。
  磁滞回线是铁磁性物质和亚铁磁性物质的一个重要的特征,顺磁性和抗磁性物质则不具有这一现象。
将强磁性资料(包含铁磁性和亚铁磁性资料)样品从剩下磁化强度M=0开始,逐渐增大磁化场的磁场强度H,磁化强度M将随之沿图1中OAB曲线添加,直至抵达磁饱满状况B。现增大H,样品的磁化状况将基本坚持不变,因此直线段BC几乎与H轴平行。当磁高斯计化强度抵达饱满值Ms时,对应的磁场强度H用Hs表明。OAB曲线称为开始磁化曲线。

尔后若减小磁化场,磁化曲线从B点开始并不沿本来的开始磁化曲线回来,这表明磁化强度M的改变滞后于H的改变,这种现象称为磁滞。当H减小为零时,M并不为零,而等于剩下磁化强度Mr。要使M减到零,必须加一反向磁化场,而当反向磁化场加强到-Hcm时,M才为零,Hcm称为矫顽力。

如果反向磁化场的大小持续增大到-Hs时,样品将沿反方向磁化抵达饱满状况E,相应的磁化强度饱满值为-Ms。E点和B点相对于原点对称。

尔后若使反向磁化场减小到零,然后又沿正方向添加。样品磁化状况将沿曲线EGKB回到正向饱满磁化状况B。EGKB曲线与BNDE曲线也相对于原点O对称。由此看出,当磁通计磁化场由Hs变到-Hs,再从-Hs变到Hs重复改变时,样品的磁化状况改变阅历着由BNDEGKB闭合回线描述的循环进程。曲线BNDEGKB称为磁滞回线。

BC及EF两段相应于可逆磁化进程,M为H的单值函数。由于磁滞现象,磁滞回线就任一给定的H,对应有两个M值。样品处于哪个磁状况,决定于样品的磁化历史。能够证明,B-H磁滞回线所包围的面积正比于在一次循环磁化中的能量损耗。
若磁化场的最大|H|值在小于|Hs|的范围内重复磁化,将得到小一些的磁滞回线(见图2)。一切磁滞回线中上述BNDEGKB为最大的一个,常称为极限磁滞回线。各磁滞回线两端极点的连线称为正常磁化曲线,如图2中虚线所示,它和开始磁化曲线基本重合。

用B-H表明的强磁性资料高斯计的磁滞回线其走向和形状与M-H磁滞回线大致相同。在电工技能中更多运用B-H表明的磁滞回线。

上述磁滞回线是在磁场作缓慢改变时得到的,也称为准静态磁滞回线。在交变磁场作用时,仍然有磁滞现象,磁滞回线也是一闭合回线,称为动态磁滞回线。由于涡流效应等影响,动态磁滞曲线的形状和面积大小等都与准静态磁滞回线的不同。

能够证明,B-H磁滞回线所包围的面积正比于在一次循环磁化中的能量损耗。对准静态磁滞回线,此损耗仅为磁滞损耗,对于动态磁滞回线,此能量损耗包含磁滞损耗和涡流损耗等。
  当H=-Hc时, B=0(B≈μ0(H+M) ,所以此刻M≈0),这说明使铁磁质彻底消除剩磁需加反向磁场Hc,Hc称为矫顽力。由于H=B/μ0-M,严格地说使B=0与使M=0所需的矫顽力不一样,应当区别使M=0与使B=0的矫顽力。在矫顽力不大时(即在H≪M时,B=μ0(H+M)≃μ0M)认为二者矫顽力一致(即B=0时M=0)。矫顽力的大小反映了铁磁资料保存剩磁状况的才能。正是按矫顽力的大小把铁磁质分成硬磁资料和软磁资料。
DX-2012H永磁材料磁性测量仪适用于测量各种铁氧体、铝镍钴、钕铁硼和钐钴等永磁资料的剩磁Br、矫顽力Hcb、内禀矫顽力Hcj和最大磁能积BHmax等磁性能参数,并显现B&J-H磁滞回线和退磁曲线。

文章地址: https://www.ydxcd.com/

顺磁性和抗磁性物质的一个重要的特征相关推荐

  1. 用神经网络解释化学键能 化学键的键能:一个方程组的特征解

    神经网络就是在拟合一个函数,所以如果两个神经网络向对方拟合,无疑是组成了一个方程组,而方程组的解当然是特征的.所以一个化合物的键能也是特征的. 如图因为氢原子核只有1个电子,不考虑,那甲醛的神经网络就 ...

  2. CAXA 实体设计 2020 把一个零件的特征复制到另外一个零件上

    实现目标: 两个零件有很多相似的地方,相同的地方不想再重复画一遍,怎么把一个零上的很多特征直接复制到另外一个零件上? 实现方法: 1.三维球拷贝体 2.拷贝体 方法详细说明: 用"三维球&q ...

  3. python图像相似度识别_一个用SIFT特征比较图像相似度的python小程序

    1 问题描述 把一堆图片按照与给出的一张图片的相似度进行排序 2 程序 可以从图片中提取SIFT特征,对两幅图片的SIFT特征进行匹配并按照一定条件删选就能得到两幅图片的匹配点个数,匹配点个数越多,相 ...

  4. LabVIEW图像特征与机器视觉概念(理论篇—4)

    图像的特征是指图像的原始特性或属性,其中部分属于自然特征,如像素灰度.边缘和轮廓.纹理及色彩等.有些则是需要通过计算或变换才能得到的特征,如直方图.频谱和不变矩等. 为了能减少计算量并提高系统的实时性 ...

  5. 图像特征点检测与匹配评价准则——量化

    欢迎转载,转载请注明出处,谢谢! 目前图像匹配中,局部特征匹配占据了绝大部分,常用的局部特征匹配方法有Harris.SIFT.SURF.ORB等等,不同的特征点检测和匹配方法尤其独特的优势和不足:  ...

  6. 特征工程:特征生成,特征选择(三)

    转自:https://blog.csdn.net/cymy001/article/details/79169862 特征生成 特征工程中引入的新特征,需要验证它确实能提高预测得准确度,而不是加入一个无 ...

  7. 性能超FPN!北大、阿里等提多层特征金字塔网络

    作者 | Qijie Zhao等 编译 | 李杰 出品 | AI科技大本营(ID:rgznai100) 特征金字塔网络具有处理不同物体尺度变化的能力,因此被广泛应用到one-stage目标检测网络(如 ...

  8. 练手扎实基本功必备:非结构文本特征提取方法

    作者 | Dipanjan (DJ) Sarkar 编译 | ronghuaiyang 来源 | AI公园(ID:AI_Paradise) [导读]本文介绍了一些传统但是被验证是非常有用的,现在都还在 ...

  9. 谷歌引入自动网络设计,高效解决大规模深度推荐模型的特征嵌入问题

    来源 | 深度传送门(ID:gh_5faae7b50fc5) 导读:本文主要介绍Google在大规模深度推荐模型上关于特征嵌入的最新论文. 一.背景 大部分的深度学习模型主要包含如下的两大模块:输入模 ...

最新文章

  1. RocketMQ 介绍 msgId生成算法
  2. 论文公式编号右对齐_word技能之添加样式以及公式自动编号
  3. 如何在gvim中安装autoproto自动显示函数原型
  4. 用十条命令在一分钟内检查Linux服务器性能
  5. android adb源码分析(1)
  6. hiho 第118周 网络流四·最小路径覆盖
  7. 多人在线答题游戏 小程序 (规划设计方案)
  8. 类似铸剑物语的java游戏_怀旧向:GBA上的10款经典RPG游戏推荐,这些你都玩过吗?...
  9. 斐波那契数列python编程_fibonacci数列-斐波那契数列-python编程
  10. 北京冬奥会 向世界展示了什么
  11. 将figma的设计图上传到蓝湖
  12. 服务器物理内存90%怎么办,服务器物理内存使用率90以上
  13. 中国人民大学与加拿大女王大学金融硕士宋会芝:只要开始就不晚
  14. 世纪大学计算机专业,世纪大学本科计算机专业教学改革研讨会暨年计算机专业核心课程 (21页)-原创力文档...
  15. OSChina 周三乱弹 ——程序员从入职到跑路
  16. 计算机组成原理实验课设:复杂指令模型计算机设计与实现
  17. 2022最新酒桌小游戏喝酒小程序源码_带流量主
  18. 北大生卖猪肉,腾讯程序员送外卖,人最重要的不是面子而是活下去
  19. 【水动力学】03 闸门参数确定
  20. 电脑显示服务器不稳定怎么办,网速不稳定怎么办? 网速不稳定的原因与解决办法-电脑教程...

热门文章

  1. 【转】沈向洋、华刚:读科研论文的三个层次、四个阶段与十个问题
  2. mysql5.5 和mysql8区别
  3. 最新的Spring官网如何下载Spring框架
  4. python常用命令参考手册_Python基础#常用命令和函数
  5. 机械键盘买青轴好还是茶轴好?
  6. 【远程访问】Linux搭建SVN服务器,并内网穿透实现公网远程访问
  7. SQL的NOT EXISTS双重否定
  8. 【美股】美股中的几种分析形态
  9. zzuli 2865
  10. jvm大局观之内存管理篇: 理解jvm安全点,写出更高效的代码