现代检测技术及仪表现代检测理论与技术.pdfVIP

现代检测技术及仪表现代检测理论与技术 现代检测理论与技术 检测技术是将自动化、电子、计算机、控制 工程、处理、机械等多种学科、多种技术融合为一体并综合运用的符 合技术，广泛应用于交通、电力、冶金、化工、建材等各领域自动化 装备及生产自动化过程。 1. 常用算法 在现代检测理论与技术这门学科中介绍了几种经典的算法，其中 遗传算法是最常应用到的。遗传算法（Geic Algorithm）是模拟达尔 文生物进化论的自然选择和遗传学机理的生物进化过程的计算模型， 是一种通过模拟自然进化过程搜索最优解的方法，它最初由美国 Michigan 大学 J.Holland 教授于 1975 年首先提出来的。 遗传算法是从代表问题可能潜在的解集的一个种群开始的，而一 个种群则由经过基因编码的一定数目的个体组成。每 体实际上是 染色体带有特征的实体。染色体作为遗传物质的主要载体，即多个基 因的集合，其内部表现（即基因型）是某种基因组合，它决定了个体 的形状的外部表现，如黑头发的特征是由染色体中控制这一特征的某 种基因组合决定的。因此，在一开始需要实现从表现型到基因型的映 射即编码工作。由于仿照基因编码的工作很复杂，我们往往进行简化， 如二进制编码，初代种群产生之后，按照适者生存和优胜劣汰的原理， 逐代演化产生出越来越好的近似解，在每一代，根据问题域中个体的 适应度大小选择个体，并借助于自然遗传学的遗传算子进行组合交叉 和变异，产生出代表新的解集的种群。这个过程将导致种群像自然进 化一样的后生代种群比前代更加适应于环境，末代种群中的最优个体 经过解码，可以作为问题近似最优解。 遗传算法是解决搜索问题的一种通用算法，对于各种通用问题都 可以使用。搜索算法的共同特征为： ① 首先组成一组候选解； ② 依据某些适应性条件测算这些候选解的适应度； ③ 根据适应度保留某些候选解，放弃其他候选解； ④ 对保留的候选解进行某些操作，生成新的候选解。 在遗传算法中，上述几个特征以一种特殊的方式组合在一起：基 于染色体群的并行搜索，带有猜测性质的选择操作、交换操作和突变 操作。这种特殊的组合方式将遗传算法与其它搜索算法区别开来。 遗传算法还具有以下几方面的特点： (1)遗传算法从问题解的串集开始嫂索，而不是从单个解开始。这 是遗传算法与传统优化算法的极大区别。传统优化算法是从单个初始 值迭代求最优解的；容易误入局部最优解。遗传算法从串集开始搜索， 覆盖面大，利于全局择优。 (2)许多传统搜索算法都是单点搜索算法，容易陷入局部的最优解。 遗传算法同时处理群体中的多个个体，即对搜索空间中的多个解进行 评估，减少了陷入局部最优解的风险，同时算法本身易于实现并行化。 (3)遗传算法基本上不用搜索空间的或其它辅助信息，而仅用适应 度函数值来评估个体，在此基础上进行遗传操作。适应度函数不仅不 受连续可微的约束，而且其定义域可以任意设定。这一特点使得遗 算法的应用范围大大扩展。 (4)遗传算法不是采用确定性规则，而是采用概率的变迁规则来指 导他的搜索方向。 (5)具有自组织、自适应和自学习性。遗传算法利用进化过程获得 的信息自行组织搜索时，硬度大的个体具有较高的生存概率，并获得 更适应环境的基因结构。 由于遗传算法的整体搜索策略和优化搜索方法在计算是不依赖于 梯度信息或其它辅助知识，而只需要影响搜索方向的目标函数和相应 的适应度函数，所以遗传算法提供了一种求解复杂系统问题的通用框 架，它不依赖于问题的具体领域，对问题的种类有很强的鲁棒性。在 函数优化、组合优化、生产调度问题、自动控制、机器人学、图象处 理、人工生命、遗传编码和机器学习等方面获得了广泛的运用。 2. 现在检测技术的发展： 随着半导体和计算机技术的发展，新型或具有特殊功能的传感器 出现，检测装置也向小型化、固体化及智能化发展，应用领域更加宽 广。 (1)不断提高监测系统的测量精度、量程范围、延长使用寿命、提 高可靠性 科学技术的发展要求测量系统有更高的精度。近年来，人 们研制出许多高精度的检测仪器以满足各种需求。例如，用直线光栅 测量直线位移时，测量范围可达二三十米，而分辨率可达到微米级； 人们已经研制出测量低至几个帕的微压力和高达几千兆帕高压的；力 传感器；开发了能够测出极微弱磁场的磁敏传感器等。 (2)应用新技术和新的物理效应，扩大检测