基于遗传算法优化稀疏分解的防护涂层测厚研究

针对采用高频超声水浸法检测装配式钢结构的防护涂层厚度的仿真试验中,防护涂层的界面反射回波相互混叠,导致无法提取涂层的时域信息的问题,利用基于遗传算法优化稀疏分解中的匹配追踪过程对混叠信号进行分离与重构。该算法在构建的Gabor原子库中,利用遗传算法对最佳原子参数的搜索过程进行优化,同时将传统稀疏分解匹配追踪算法中的内积运算优化为互相关运算,从而优化了稀疏分解的运算效率。与金相检测涂层厚度的结果相比较,该改进算法的检测相对误差为2.50%,在可接受的范围内,且较传统稀疏分解匹配追踪算法5.01%的检测相对误差的检测精度高,同时运算速度得到较大提升。

动态多群粒子群优化稀疏分解在薄涂层超声测厚中的应用

基于稀疏分解匹配追踪算法将装配式钢结构防护涂层超声检测信号表示在过完备Gabor时频库中,进一步提取涂层的时域信息来获得涂层的厚度信息。针对匹配追踪算法复杂度高、计算量庞大的问题,利用动态多群粒子群算法收敛快寻优能力强的特性对匹配追踪算法进行优化。基于混沌策略生成惯性权重,并将学习因子和惯性权重通过三角函数关系联立在一起,而在位置更新中增加时间因子和混沌扰动策略的影响因素,平衡了算法的局部寻优和全局寻优能力。仿真与试验表明,改进后的算法检测精度得到较大提升,能够满足实际应用,并且极大地提升了稀疏分解运算的效率,与金相检测结果对比,防火涂层检测相对误差为-4.65%,防腐涂层的检测相对误差为1.33%。