基于改进人工蜂群算法的漏磁缺陷轮廓重构

漏磁缺陷重构是指由检测到的漏磁信号重构缺陷轮廓及参数,是实现漏磁反演的关键。将局部最优解和全局最优解引入到人工蜂群算法(Artificial Bee Colony Algorithm,ABC)中,提出了一种基于改进人工蜂群算法的缺陷重构模型。在该模型中,径向基函数神经网络作为前向模型求解漏磁信号,改进人工蜂群算法用于求解反演问题中的优化问题。将改进人工蜂群算法和基本人工蜂群算法作为反演算法进行了比较,实验结果表明,改进人工蜂群反演算法精度较高,速度较快,同时对实测信号具有鲁棒性,是一种有效可行的漏磁反演新方法。     

基于引力搜索算法的漏磁缺陷重构

缺陷重构,即从漏磁信号反演出铁磁性材料的缺陷轮廓或几何参数,是漏磁无损评估中的一个重要研究方向。针对缺陷漏磁信号特征及缺陷轮廓特征的复杂性,提出基于引力搜索算法的漏磁缺陷重构方法。依据磁偶极子模型理论分析提取实测漏磁信号有效信息段,径向基函数神经网络作为前向模型,引力搜索算法作为迭代算法,利用其在高维解空间中避免陷入局部最优的能力,得到最优缺陷轮廓,实现缺陷重构。仿真和实验结果表明,基于引力搜索算法的缺陷重构方法能提高重构精度和效率,具有较高的实用价值。