[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

说明书

技术领域

本发明涉及一种漏磁检测技术，特别涉及一种基于改进的人工蜂群算法的漏磁检测缺陷重构方法。

背景技术

漏磁检测是铁磁材料常用的无损检测方法之一，具有原理简单、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。漏磁检测包括正演和反演两个方面，漏磁缺陷轮廓重构是指由检测到的漏磁信号重构缺陷轮廓或几何参数，是进行漏磁检测与评估的关键。目前国内外对漏磁反演问题的研究主要有神经网络法和优化方法。神经网络具有非线性映射和自学习能力，能实现输入漏磁信号和输出裂纹形状非线性关系的逼近。但是神经网络法对训练样本依赖性大，且对噪声敏感。优化法是建立一个目标函数，通过各种优化算法使目标函数的值最小，因此合适的优化算法是优化方法反演的关键。

人工蜂群(Artificial Bee Colony Algorithm,ABC)算法原理简单，参数少，易于实现，同时，算法相对于其他己知的优化算法能够较好地平衡优化过程中的局部探索和全局搜索能力，可以用于求解高维优化问题。但在求解实际问题时，由于问题的复杂性，基本的ABC算法不易收敛，迭代时间长，因此需要找到一种能快速收敛并保证精度的改进ABC算法。

发明内容

本发明是针对如何改进人工蜂群算法并将其应用于漏磁缺陷重构的问题，提出了一种基于改进的人工蜂群算法的漏磁检测缺陷重构方法，将当前最优解pbest和全局最优解gbest引入到的ABC算法中，并且将改进的ABC算法应用于漏磁检测的缺陷重构，改进后的算法能够提高重构精度并减小了计算时间。

本发明的技术方案为：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：