[发明专利]基于布谷鸟搜索和粒子滤波混杂算法的漏磁缺陷重构方法

说明书

本发明涉及一种基于布谷鸟搜索和粒子滤波混杂算法的漏磁缺陷重构方法，包括以下步骤：1)采集并保存漏磁检测信号，设定最大迭代次数；2)设定当前迭代次数为0，根据采集的漏磁检测信号采用布谷鸟搜索算法获得带有最优鸟巢的鸟巢状态集合；3)采用粒子滤波算法进行更新、归一化、重采样处理后，获得新状态集合，并计算此次迭代的状态估计；4)判断是否达到最大迭代次数，若是，则输出最终的状态估计，作为漏磁检测信号的重构轮廓，若否，则将迭代次数加1，并以步骤3)中获得的新状态集合作为布谷鸟搜索算法的初始鸟巢状态集合，返回步骤2)。与现有技术相比，本发明具有精度高，同时对噪声具有很强的鲁棒性等优点。

技术领域

本发明涉及一种漏磁腐蚀缺陷的二维轮廓重构方法，尤其是涉及一种基于布谷鸟搜索和粒子滤波混杂算法的漏磁缺陷重构方法。

背景技术

漏磁检测是建立在铁磁性材料高磁导率特性的基础上，通过测量外加磁场作用下构件表面漏磁场大小来确定缺陷信息的一种无损检测方法。由于其原理简单、在线检测能力强、不受材料表面油污及其他非导磁覆盖物影响等优点，因此漏磁检测方法在油气管道、电力行业各种铁磁性材质管道、跨江或海峡大桥等的钢缆拉索、轨道交通中的钢轨等的缺陷检测及评估中表现出了独特的优势，具有广阔的应用前景，创造巨大的社会效益和经济效益。

漏磁检测缺陷重构包括缺陷几何参数和缺陷轮廓的重构。早期的研究主要集中在缺陷几何参数的获取，而随着越来越高的精度要求，缺陷轮廓重构得到了更多的研究关注。对于缺陷几何参数的估计，仅仅需要几维度即可，而缺陷轮廓重构只有使用足够多的维度才能满足重构需求，否则其反演结果很可能是病态的，所以要实现一个性能良好的反演技术变得尤为复杂和困难。对于一个良好性能的缺陷重构反演技术而言，合适的前向模型和高效的迭代过程是必不可少的。前向模型的准确性直接影响反演预测的质量，而对于已知的前向模型，其反演迭代可以视为一个优化过程。

许多优化算法已经应用于反演过程中，例如梯度下降算法(GD)、遗传算法(GA)和粒子群优化(PSO)，其迭代反演过程如图1所示，大都存在一个问题：如果漏磁检测中传感器所得的漏磁信号含有噪声，则会使迭代最终解偏离真实缺陷；噪声达到一定程度时迭代最终解甚至会完全不同于真实缺陷，也就是说这些迭代方法都对噪声的鲁棒性不强。因此，迫切需要一种能提高对噪声鲁棒性的新方法。

发明内容

本发明的目的就是为了克服上述现有技术存在的缺陷而提供一种基于布谷鸟搜索和粒子滤波混杂算法的漏磁缺陷重构方法，精度高，同时对噪声具有很强的鲁棒性。

本发明的目的可以通过以下技术方案来实现：

一种基于布谷鸟搜索和粒子滤波混杂算法的漏磁缺陷重构方法，包括以下步骤：

1)采集并保存漏磁检测信号，设定最大迭代次数M；

2)设定当前迭代次数为0，根据采集的漏磁检测信号采用布谷鸟搜索算法获得带有最优鸟巢bnest的鸟巢状态集合为第k个鸟巢的位置，N为集合中鸟巢的个数，i表示第i次迭代；

3)采用粒子滤波算法对进行更新、归一化、重采样处理后，获得新状态集合并计算此次迭代的状态估计

4)判断是否达到最大迭代次数，若是，则输出最终的状态估计作为漏磁检测信号的重构轮廓，若否，则将迭代次数加1，并以步骤3)中获得的作为布谷鸟搜索算法的初始鸟巢状态集合，返回步骤2)；

其中，所述的步骤2)和步骤3)中，布谷鸟搜索算法和粒子滤波算法采用相同参数的前向模型。

所述的步骤2)中，采用布谷鸟搜索算法获得带有最优鸟巢bnest的鸟巢状态集合具体为：

201)设置布谷鸟搜索算法的参数；

202)产生N个随机分布在解空间的鸟巢状态且其初始的粒子重要性权值

203)建立代价函数f(x)：