[发明专利]基于改进的人工蜂群算法的漏磁检测缺陷重构方法

权利要求书

1.一种基于改进的人工蜂群算法的漏磁检测缺陷重构方法，其特征在于，具体包括如下步骤：

1)初始化算法参数及蜜源位置，并设定最大迭代数，设置初始蜜源，随机产生F_N个初始蜜源xij=xjmin+rand(xjmax-xjmin),i=1,2,...FN,j=1,2,...,D,]]>式中的rand为[0,1]的随机值，x_ij为第i个蜜源的第j维的值，分别为j维的最大值和最小值，D表示维度；

2)设定当前迭代次数为1；

3)计算各蜜源的适应度值，采用改进的人工蜂群算法对蜜源的位置进行更新，具体包括：

301)对蜜源按下式计算对应的适应度fitness值：

fitnessi=11+f(x1),f(xi)≥01+|f(xi)|,f(xi)<0,i=1,2,...,FN]]>

其中f(x_i)是以测量的漏磁信号与RBFNN预测的漏磁信号间的误差平方和为目标函数：f=Σj=1D(Zj-Yj)2]]>

式中D为漏磁信号的维度，Z＝[Z₁,Z₂,...,Z_D]是实测漏磁信号，Y＝[Y₁,Y₂,...,Y_D]是RBFNN预测的漏磁信号，Z_j与Y_j分别为第j维实测漏磁信号与预测漏磁信号；302)通过比较适应度值的大小，得到当前个体最优解pbest_i和全局最优解gbest，当前个体最优解pbest_i为第i个蜜源在迭代中适应度值最大的解，全局最优解gbest为所有蜜源在迭代中适应度值最大的解；

303)采蜜蜂按改进的下式搜索蜜源，并计算fitness，若蜜源质量变好则更新蜜源当前位置、pbest_i和gbest的值并将计数变量counter_i置0，否则采蜜蜂当前位置不变将counter_i加1，

其中t为当前迭代次数；j∈{1,2,...,D}，k∈{1,2,...F_N}，j、k为其值域内的随机取值，且k1i；x_kj为第k个蜜源的第j维的值；为服从均匀分布的随机数；304)计算P_i，若P_i大于一个随机值，则观察蜂转化为采蜜蜂，按下式搜索蜜源并计算fitness，若蜜源质量变好，则更新蜜源当前位置、pbest_i和gbest的值，并将计数变量counter_i置0，否则蜜源的当前位置不变，并将counter_i加1；

305)若counter_i>limit，则抛弃该蜜源,采蜜蜂转换为侦查蜂，随机选取新蜜源，其中limit为允许开采的最大次数；

4)判断是否达到最大迭代次数，若是，则全局最优解作为漏磁信号的重构轮廓，若否，则将迭代次数加1，并用当前蜜源位置作为粒子的初始位置，并返回步骤3)。

2.根据权利要求1所述基于改进的人工蜂群算法的漏磁检测缺陷重构方法，其特征在于，所述RBFNN预测的漏磁信号是通过径向基函数神经网前向模型预测所得。