基于布谷鳥搜索和粒子濾波混雜算法的漏磁缺陷重構方法
【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方法，包括以下步驟：1)采集并保存漏磁檢測信號，設定最大迭代次數；2)設定當前迭代次數為0，根據采集的漏磁檢測信號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行更新、歸一化、重采樣處理后，獲得新狀態(tài)集合，并計算此次迭代的狀態(tài)估計；4)判斷是否達到最大迭代次數，若是，則輸出最終的狀態(tài)估計，作為漏磁檢測信號的重構輪廓，若否，則將迭代次數加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)。與現有技術相比，本發(fā)明具有精度高，同時對噪聲具有很強的魯棒性等優(yōu)點。
【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方法

【技術領域】
[0001] 本發(fā)明涉及一種漏磁腐蝕缺陷的二維輪廓重構方法，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方法。

【背景技術】
[0002] 漏磁檢測是建立在鐵磁性材料高磁導率特性的基礎上，通過測量外加磁場作用下 構件表面漏磁場大小來確定缺陷信息的一種無損檢測方法。由于其原理簡單、在線檢測能 力強、不受材料表面油污及其他非導磁覆蓋物影響等優(yōu)點，因此漏磁檢測方法在油氣管道、 電力行業(yè)各種鐵磁性材質管道、跨江或海峽大橋等的鋼纜拉索、軌道交通中的鋼軌等的缺 陷檢測及評估中表現出了獨特的優(yōu)勢，具有廣闊的應用前景，創(chuàng)造巨大的社會效益和經濟 效益。
[0003] 漏磁檢測缺陷重構包括缺陷幾何參數和缺陷輪廓的重構。早期的研究主要集中在 缺陷幾何參數的獲取，而隨著越來越高的精度要求，缺陷輪廓重構得到了更多的研究關注。 對于缺陷幾何參數的估計，僅僅需要幾維度即可，而缺陷輪廓重構只有使用足夠多的維度 才能滿足重構需求，否則其反演結果很可能是病態(tài)的，所以要實現一個性能良好的反演技 術變得尤為復雜和困難。對于一個良好性能的缺陷重構反演技術而言，合適的前向模型和 高效的迭代過程是必不可少的。前向模型的準確性直接影響反演預測的質量，而對于已知 的前向模型，其反演迭代可以視為一個優(yōu)化過程。
[0004] 許多優(yōu)化算法已經應用于反演過程中，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，大都存在一個問題：如果漏磁檢測中傳感 器所得的漏磁信號含有噪聲，則會使迭代最終解偏離真實缺陷；噪聲達到一定程度時迭代 最終解甚至會完全不同于真實缺陷，也就是說這些迭代方法都對噪聲的魯棒性不強。因此， 迫切需要一種能提高對噪聲魯棒性的新方法。


【發(fā)明內容】

[0005] 本發(fā)明的目的就是為了克服上述現有技術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方法，精度高，同時對噪聲具有很強的魯棒性。
[0006] 本發(fā)明的目的可以通過以下技術方案來實現：
[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方法，包括以下步驟：
[0008] 1)采集并保存漏磁檢測信號，設定最大迭代次數Μ ;
[0009] 2)設定當前迭代次數為0,根據采集的漏磁檢測信號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方法，其特征在于，包括 以下步驟： 1) 采集并保存漏磁檢測信號，設定最大迭代次數Μ ; 2) 設定當前迭代次數為0,根據采集的漏磁檢測信號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個鳥巢的位置，Ν為集合中鳥巢的個數，i 表示第i次迭代； 3) 采用粒子濾波算法對行更新、歸一化、重采樣處理后，獲得新狀態(tài)集合 魏-?』》并計算此次迭代的狀態(tài)估計; 4) 判斷是否達到最大迭代次數，若是，則輸出最終的狀態(tài)估計私=幻作為漏磁檢測信 號的重構輪廓，若否，則將迭代次數加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的前 向模型。
2. 根據權利要求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 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) 設置布谷鳥搜索算法的參數； 202) 產生N個隨機分布在解空間的鳥巢狀態(tài)，且其初始的粒子重要性權值 6)^ ~ l/N ； 203) 建立代價函數f(x):
其中，〖^為i時刻的漏磁檢測信號量測值，<為通過前向模型對<的預測值，R為量 測噪聲變量； 204) 根據所建立的代價函數執(zhí)行布谷鳥搜索算法，在迭代結束后，獲得帶有最優(yōu)鳥巢 bnest的鳥巢狀態(tài)集合
3. 根據權利要求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 方法，其特征在于，所述的步驟3)具體為： 301) 通過前向模型計算觀測值x; 302) 更新中各粒子的粒子重要性權值，更新公式為：
其中，<為第k個粒子在i時刻所對應的歸一化權值，f?丨,z,)=| >為重要性 密度函數； 303) 進行權重歸一化處理：
304) 從中根據各粒子的粒子重要性權值采樣獲得新的N個粒子的集合 305) 計算i時刻的狀態(tài)估計4 ··
4.根據權利要求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 缺陷重構方法，其特征在于，所述的前向模型為徑向基函數神經網絡。
【文檔編號】G06N3/02GK104299033SQ201410495000
【公開日】2015年1月21日 申請日期:2014年9月24日 優(yōu)先權日:2014年9月24日
【發(fā)明者】韓文花, 徐俊, 沈曉暉 申請人:上海電力學院