Scale-dependent roughness parameters for topography analysis
Scale-dependent roughness parameters for topography analysis
复制标题
用于形貌分析的尺度相关粗糙度参数
DOI：
10.1016/j.apsadv.2021.100190
复制
发表时间：
2021
影响因子：
6.2
通讯作者：
Pastewka, Lars
中科院分区：
文献类型：
--
作者：
Sanner, Antoine;Nohring, Wolfram G.;Thimons, Luke A.;Jacobs, Tevis D.;Pastewka, Lars
粗糙度参数无法预测表面特性源于其固有的尺度依赖性；换句话说，测量值取决于参数的测量方式。在这里，我们利用这种尺度依赖性来开发一个表征粗糙表面的新框架：尺度相关粗糙度参数（SDRP）分析，它可以产生多个尺度上表面形貌的斜率、曲率和高阶导数，甚至对于单个形貌测量也是如此。我们演示了 SDRP 和其他用于分析表面的常见统计方法之间的关系：高度差自相关函数 (ACF)、可变带宽方法 (VBM) 和功率谱密度 (PSD)。我们使用计算机生成和测量的地形来展示 SDRP 分析的优势，包括：跨尺度表征表面的新颖指标以及测量伪影的检测。 SDRP 是一个通用框架，用于对表面形貌进行尺度相关分析，可生成直观易懂的指标。
The failure of roughness parameters to predict surface properties stems from their inherent scale-dependence; in other words, the measured value depends on how the parameter was measured. Here we take advantage of this scale-dependence to develop a new framework for characterizing rough surfaces: the Scale-Dependent Roughness Parameters (SDRP) analysis, which yields slope, curvature, and higher-order derivatives of surface topography at many scales, even for a single topography measurement. We demonstrate the relationship between SDRP and other common statistical methods for analyzing surfaces: the height-difference autocorrelation function (ACF), variable bandwidth methods (VBMs) and the power spectral density (PSD). We use computer-generated and measured topographies to demonstrate the benefits of SDRP analysis, including: novel metrics for characterizing surfaces across scales, and the detection of measurement artifacts. The SDRP is a generalized framework for scale-dependent analysis of surface topography that yields metrics that are intuitively understandable.
登录
查看更多内容
非消失尖端尺寸对机械轮廓测量的影响
DOI：
--
发表时间：
1991
期刊：
Optics & Photonics
影响因子：
--
作者：
E. Church;P. Takacs
通讯作者：
P. Takacs
DOI：
10.1073/pnas.1913126116
发表时间：
2019-12-17
影响因子：
11.1
作者：
Dalvi, Siddhesh;Gujrati, Abhijeet;Jacobs, Tevis D. B.
通讯作者：
Jacobs, Tevis D. B.
塑性变形 KCl 单晶中自仿射表面粗糙度的演变
DOI：
10.22323/1.023.0012
发表时间：
2006
期刊：
Journal of Statistical Mechanics: Theory and Experiment
影响因子：
--
作者：
E. Nadgorny;J. Schwerdtfeger;F. Madani;V. Koutsos;E. Aifantis;M. Zaiser
通讯作者：
M. Zaiser
DOI：
10.1088/1742-5468/2007/04/l04001
发表时间：
2006-11
期刊：
Journal of Statistical Mechanics: Theory and Experiment
影响因子：
--
作者：
J. Schwerdtfeger;E. Nadgorny;F. Madani-Grasset;V. Koutsos;J. Blackford;M. Zaiser
通讯作者：
J. Schwerdtfeger;E. Nadgorny;F. Madani-Grasset;V. Koutsos;J. Blackford;M. Zaiser
影响因子：
2.7
作者：
Gujrati, Abhijeet;Sanner, Antoine;Jacobs, Tevis D. B.
通讯作者：
Jacobs, Tevis D. B.