基于布谷鳥搜索和粒子濾波混雜算法的漏磁缺陷重構(gòu)方法
【專利摘要】本發(fā)明涉及一種基于布谷鳥搜索和粒子濾波混雜算法的漏磁缺陷重構(gòu)方法，包括以下步驟：1)采集并保存漏磁檢測(cè)信號(hào)，設(shè)定最大迭代次數(shù)；2)設(shè)定當(dāng)前迭代次數(shù)為0，根據(jù)采集的漏磁檢測(cè)信號(hào)采用布谷鳥搜索算法獲得帶有最優(yōu)鳥巢的鳥巢狀態(tài)集合；3)采用粒子濾波算法進(jìn)行更新、歸一化、重采樣處理后，獲得新狀態(tài)集合，并計(jì)算此次迭代的狀態(tài)估計(jì)；4)判斷是否達(dá)到最大迭代次數(shù)，若是，則輸出最終的狀態(tài)估計(jì)，作為漏磁檢測(cè)信號(hào)的重構(gòu)輪廓，若否，則將迭代次數(shù)加1，并以步驟3)中獲得的新狀態(tài)集合作為布谷鳥搜索算法的初始鳥巢狀態(tài)集合，返回步驟2)。與現(xiàn)有技術(shù)相比，本發(fā)明具有精度高，同時(shí)對(duì)噪聲具有很強(qiáng)的魯棒性等優(yōu)點(diǎn)。
【專利說明】基于布谷鳥搜索和粒子濾波混雜算法的漏磁缺陷重構(gòu)方法

【技術(shù)領(lǐng)域】
[0001] 本發(fā)明涉及一種漏磁腐蝕缺陷的二維輪廓重構(gòu)方法，尤其是涉及一種基于布谷鳥 搜索和粒子濾波混雜算法的漏磁缺陷重構(gòu)方法。

【背景技術(shù)】
[0002] 漏磁檢測(cè)是建立在鐵磁性材料高磁導(dǎo)率特性的基礎(chǔ)上，通過測(cè)量外加磁場(chǎng)作用下 構(gòu)件表面漏磁場(chǎng)大小來確定缺陷信息的一種無損檢測(cè)方法。由于其原理簡(jiǎn)單、在線檢測(cè)能 力強(qiáng)、不受材料表面油污及其他非導(dǎo)磁覆蓋物影響等優(yōu)點(diǎn)，因此漏磁檢測(cè)方法在油氣管道、 電力行業(yè)各種鐵磁性材質(zhì)管道、跨江或海峽大橋等的鋼纜拉索、軌道交通中的鋼軌等的缺 陷檢測(cè)及評(píng)估中表現(xiàn)出了獨(dú)特的優(yōu)勢(shì)，具有廣闊的應(yīng)用前景，創(chuàng)造巨大的社會(huì)效益和經(jīng)濟(jì) 效益。
[0003] 漏磁檢測(cè)缺陷重構(gòu)包括缺陷幾何參數(shù)和缺陷輪廓的重構(gòu)。早期的研究主要集中在 缺陷幾何參數(shù)的獲取，而隨著越來越高的精度要求，缺陷輪廓重構(gòu)得到了更多的研究關(guān)注。 對(duì)于缺陷幾何參數(shù)的估計(jì)，僅僅需要幾維度即可，而缺陷輪廓重構(gòu)只有使用足夠多的維度 才能滿足重構(gòu)需求，否則其反演結(jié)果很可能是病態(tài)的，所以要實(shí)現(xiàn)一個(gè)性能良好的反演技 術(shù)變得尤為復(fù)雜和困難。對(duì)于一個(gè)良好性能的缺陷重構(gòu)反演技術(shù)而言，合適的前向模型和 高效的迭代過程是必不可少的。前向模型的準(zhǔn)確性直接影響反演預(yù)測(cè)的質(zhì)量，而對(duì)于已知 的前向模型，其反演迭代可以視為一個(gè)優(yōu)化過程。
[0004] 許多優(yōu)化算法已經(jīng)應(yīng)用于反演過程中，例如梯度下降算法（⑶）、遺傳算法（GA)和 粒子群優(yōu)化（PS0)，其迭代反演過程如圖1所示，大都存在一個(gè)問題：如果漏磁檢測(cè)中傳感 器所得的漏磁信號(hào)含有噪聲，則會(huì)使迭代最終解偏離真實(shí)缺陷；噪聲達(dá)到一定程度時(shí)迭代 最終解甚至?xí)耆煌谡鎸?shí)缺陷，也就是說這些迭代方法都對(duì)噪聲的魯棒性不強(qiáng)。因此， 迫切需要一種能提高對(duì)噪聲魯棒性的新方法。


【發(fā)明內(nèi)容】

[0005] 本發(fā)明的目的就是為了克服上述現(xiàn)有技術(shù)存在的缺陷而提供一種基于布谷鳥搜 索和粒子濾波混雜算法的漏磁缺陷重構(gòu)方法，精度高，同時(shí)對(duì)噪聲具有很強(qiáng)的魯棒性。
[0006] 本發(fā)明的目的可以通過以下技術(shù)方案來實(shí)現(xiàn)：
[0007] -種基于布谷鳥搜索和粒子濾波混雜算法的漏磁缺陷重構(gòu)方法，包括以下步驟：
[0008] 1)采集并保存漏磁檢測(cè)信號(hào)，設(shè)定最大迭代次數(shù)Μ ;
[0009] 2)設(shè)定當(dāng)前迭代次數(shù)為0,根據(jù)采集的漏磁檢測(cè)信號(hào)采用布谷鳥搜索算法獲得帶 有最優(yōu)鳥巢bnest的鳥巢狀態(tài)集合

【權(quán)利要求】
1. 一種基于布谷鳥搜索和粒子濾波混雜算法的漏磁缺陷重構(gòu)方法，其特征在于，包括 以下步驟： 1) 采集并保存漏磁檢測(cè)信號(hào)，設(shè)定最大迭代次數(shù)Μ ; 2) 設(shè)定當(dāng)前迭代次數(shù)為0,根據(jù)采集的漏磁檢測(cè)信號(hào)采用布谷鳥搜索算法獲得帶有最 優(yōu)鳥巢bnest的鳥巢狀態(tài)集合^^為第k個(gè)鳥巢的位置，Ν為集合中鳥巢的個(gè)數(shù)，i 表示第i次迭代； 3) 采用粒子濾波算法對(duì)行更新、歸一化、重采樣處理后，獲得新狀態(tài)集合 魏-?』》并計(jì)算此次迭代的狀態(tài)估計(jì); 4) 判斷是否達(dá)到最大迭代次數(shù)，若是，則輸出最終的狀態(tài)估計(jì)私=幻作為漏磁檢測(cè)信 號(hào)的重構(gòu)輪廓，若否，則將迭代次數(shù)加1，并以步驟3)中獲得的iiik,_#作為布谷鳥搜索算 法的初始鳥巢狀態(tài)集合，返回步驟2); 其中，所述的步驟2)和步驟3)中，布谷鳥搜索算法和粒子濾波算法采用相同參數(shù)的前 向模型。
2. 根據(jù)權(quán)利要求1所述的一種基于布谷鳥搜索和粒子濾波混雜算法的漏磁缺陷重構(gòu) 方法，其特征在于，所述的步驟2)中，采用布谷鳥搜索算法獲得帶有最優(yōu)鳥巢bnest的鳥巢 狀態(tài)集合_^?"^具體為 ： 201) 設(shè)置布谷鳥搜索算法的參數(shù)； 202) 產(chǎn)生N個(gè)隨機(jī)分布在解空間的鳥巢狀態(tài)，且其初始的粒子重要性權(quán)值 6)^ ~ l/N ； 203) 建立代價(jià)函數(shù)f(x):
其中，〖^為i時(shí)刻的漏磁檢測(cè)信號(hào)量測(cè)值，<為通過前向模型對(duì)<的預(yù)測(cè)值，R為量 測(cè)噪聲變量； 204) 根據(jù)所建立的代價(jià)函數(shù)執(zhí)行布谷鳥搜索算法，在迭代結(jié)束后，獲得帶有最優(yōu)鳥巢 bnest的鳥巢狀態(tài)集合
3. 根據(jù)權(quán)利要求2所述的一種基于布谷鳥搜索和粒子濾波混雜算法的漏磁缺陷重構(gòu) 方法，其特征在于，所述的步驟3)具體為： 301) 通過前向模型計(jì)算觀測(cè)值x; 302) 更新中各粒子的粒子重要性權(quán)值，更新公式為：
其中，<為第k個(gè)粒子在i時(shí)刻所對(duì)應(yīng)的歸一化權(quán)值，f?丨,z,)=| >為重要性 密度函數(shù)； 303) 進(jìn)行權(quán)重歸一化處理：
304) 從中根據(jù)各粒子的粒子重要性權(quán)值采樣獲得新的N個(gè)粒子的集合 305) 計(jì)算i時(shí)刻的狀態(tài)估計(jì)4 ··
4.根據(jù)權(quán)利要求1-3中任一所述的一種基于布谷鳥搜索和粒子濾波混雜算法的漏磁 缺陷重構(gòu)方法，其特征在于，所述的前向模型為徑向基函數(shù)神經(jīng)網(wǎng)絡(luò)。
【文檔編號(hào)】G06N3/02GK104299033SQ201410495000
【公開日】2015年1月21日 申請(qǐng)日期:2014年9月24日 優(yōu)先權(quán)日:2014年9月24日
【發(fā)明者】韓文花, 徐俊, 沈曉暉 申請(qǐng)人:上海電力學(xué)院