[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

摘要

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。

主权项

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，其特征在于，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)：$f\left(x_i^k\right)=e^{-\frac{1}{2R}{(z_i^k-z_{i,obs})}^2}$其中，z_i,obs为i次迭代的漏磁检测信号量测值，为通过前向模型对的预测值，R为量测噪声变量；204)根据所建立的代价函数执行布谷鸟搜索算法，在迭代结束后，获得带有最优鸟巢bnest的鸟巢状态集合所述的步骤3)具体为：301)通过前向模型计算预测值302)更新中各粒子的粒子重要性权值，更新公式为：${\mathrm{\ω}}_i^k={\mathrm{\ω}}_{i-1}^k{e}^{-\frac{1}{2R}{(z_i^k-z_{i,obs})}^2}$其中，为第k个粒子在i次迭代所对应的归一化权值；303)进行权重归一化处理：${\mathrm{\ω}}_i^k={\mathrm{\ω}}_i^k/{\mathrm{\Σ}}_{k=1}^N{\mathrm{\ω}}_i^k$304)从中根据各粒子的粒子重要性权值采样获得新的N个粒子的集合305)计算i次迭代的状态估计${\hat{x}}_i={\mathrm{\Σ}}_{k=1}^N{\mathrm{\ω}}_i^k{\hat{x}}_i^k.$