机械性能是评估铁磁性材料性能优劣的一个重要指标,因此对于铁磁性材料机械性能的研究十分重要。传统上铁磁性材料屈服强度、抗拉强度等机械性能参数的获取是通过离线拉伸的有损方式得到的,本文基于无损的电磁评价方法,对铁磁性材料屈服强度、抗拉强度和延伸率的估计方法展开研究。主要内容概述如下:(1)介绍了四种电磁无损评价方法,包括磁巴克豪森噪声法、多频涡流法、增量磁导率法、切向磁场谐波分析法的基本原理和分析电磁信号的常规特征值。(2)综合考虑特征与特征之间、特征与目标参数之间的关系,结合ReliefF算法和相关分析法提出了ReliefF-Corr特征选择算法,将该方法分别用于四种单一电磁NDE方法电磁参数的特征选择,基于电磁参数对机械性能参数的重要性去除了冗余且不重要的电磁参数特征,并通过实验验证了该算法的有效性。(3)基于BP神经网络和ReliefF-Corr特征选择算法,分别针对各单一电磁方法和多电磁方法的特征融合建立了电磁参数与机械性能参数之间的数学模型,并通过实验对比分析了特征选择前后不同电磁方法的估计精度。(4)本文研究了基于矩阵分解的交替最小二乘(ALS)算法原理,设计了基于电磁NDE的铁磁性材料机械性能参数估计的ALS算法模型,并讨论了ALS算法模型中隐含因子空间维度k的取值对机械性能参数估计精度的影响。结合ReliefF-Corr特征选择算法,对比分析了单一电磁方法和多电磁方法特征融合的ALS算法建模的参数估计精度。实验结果表明:融合电磁方法具有良好的通用性,对各钢种屈服强度、抗拉强度、延伸率三个机械性能参数都具有较高的估计精度,尤其是对延伸率的估计精度明显高于各单一电磁方法;对于屈服强度,融合电磁方法的估计精度略高于单一电磁方法;而对抗拉强度,融合电磁方法的估计精度和单一电磁方法基本持平。