《電子技術(shù)應(yīng)用》
您所在的位置:首頁 > 測試測量 > 設(shè)計應(yīng)用 > 自適應(yīng)遺傳算法在固態(tài)流體流速檢測中的應(yīng)用
自適應(yīng)遺傳算法在固態(tài)流體流速檢測中的應(yīng)用
來源:微型機(jī)與應(yīng)用2012年第10期
李 浩, 李力爭
(中南大學(xué) 電子科學(xué)與技術(shù)系, 湖南 長沙 410083)
摘要: 在自適應(yīng)遺傳算法的基礎(chǔ)上,提出了一種基于模板匹配的測量固態(tài)流體速度的方法?;诨具z傳算法的模板匹配快速、簡單且魯棒性好[6],但準(zhǔn)確度不夠,因此采用改進(jìn)的自適應(yīng)遺傳算法。實(shí)驗證明,基于自適應(yīng)遺傳算法的模板匹配高效準(zhǔn)確,能夠滿足所采取的嵌入式實(shí)驗平臺關(guān)于實(shí)時性、準(zhǔn)確性的基本要求。
Abstract:
Key words :

摘  要:自適應(yīng)遺傳算法的基礎(chǔ)上,提出了一種基于模板匹配的測量固態(tài)流體速度的方法?;诨具z傳算法的模板匹配快速、簡單且魯棒性好[6],但準(zhǔn)確度不夠,因此采用改進(jìn)的自適應(yīng)遺傳算法。實(shí)驗證明,基于自適應(yīng)遺傳算法的模板匹配高效準(zhǔn)確,能夠滿足所采取的嵌入式實(shí)驗平臺關(guān)于實(shí)時性、準(zhǔn)確性的基本要求。
關(guān)鍵詞:自適應(yīng)遺傳算法;模板匹配;嵌入式

    遺傳算法是模仿自然界生物進(jìn)化機(jī)制發(fā)展起來的隨機(jī)全局搜索和優(yōu)化方法,它借鑒了達(dá)爾文的進(jìn)化論和孟德斯鳩的遺傳學(xué)說,具有簡單、快速及魯棒性好等特點(diǎn),在函數(shù)優(yōu)化、組合優(yōu)化、生產(chǎn)調(diào)度、自動控制、機(jī)器人學(xué)、圖像處理和遺傳編程等領(lǐng)域得到廣泛應(yīng)用[1]。本文利用它在圖像匹配方面的應(yīng)用,來實(shí)現(xiàn)已知時間差之間固態(tài)流體圖像中的圖像模板匹配,從而實(shí)現(xiàn)對固態(tài)流體的測速。針對簡單遺傳算法容易產(chǎn)生“早熟”現(xiàn)象、局部尋優(yōu)能力較差和收斂速度慢等缺點(diǎn),本文將自適應(yīng)遺傳算法引入模板匹配其中,從而實(shí)現(xiàn)快速準(zhǔn)確的模板匹配,滿足了固態(tài)流體流速檢測關(guān)于實(shí)時性準(zhǔn)確性的要求。
1自適應(yīng)遺傳算法的原理和流程
1.1基本遺傳算法

    基本遺傳算法的原理和步驟如下。先將解空間中的解數(shù)據(jù)通過編碼(encode)操作,完成表現(xiàn)型到基因型的映射。然后以隨機(jī)的方式產(chǎn)生一個初始化群體(population),對其中的個體進(jìn)行適應(yīng)度的評價檢測,再經(jīng)過選擇(selection)、交叉(crossover)和變異(mutation)操作產(chǎn)生下一代的群體。對新一代群體重復(fù)上述適應(yīng)度評價、選擇、交叉和變異操作,直到達(dá)到預(yù)先設(shè)定的進(jìn)化代數(shù)[2]。在最后一代中選出最大適應(yīng)度的個體,對其進(jìn)行解碼(decode)之后得到最優(yōu)解。
    基本遺傳算法存在以下不足:在基本遺傳算法(SGA)參數(shù)中, 交叉率(PC)和變異率(Pm)直接影響算法的收斂速度。交叉率的大小決定新個體產(chǎn)生速度的快慢,交叉率越大,舊個體的模式越容易被破壞,新個體產(chǎn)生的速度就越快。過高的交叉率可能使較優(yōu)良的個體的模式遭到破壞,過小的交叉率又會延緩新個體的產(chǎn)生,導(dǎo)致算法早熟,停滯不前。變異率是決定算法跳出局部最優(yōu)解的一個關(guān)鍵因素,變異率過小,不易生成新的模式結(jié)構(gòu);而變異率過大,會使SGA成為純粹的隨機(jī)搜索算法。基本遺傳算法采用固定的交叉率和變異率,不能使適應(yīng)度高的個體有較小的PC和Pm以保留其優(yōu)良基因,也不能使低劣個體(適應(yīng)度低的個體)有較小的PC和Pm以加快其進(jìn)化速度。SGA的這一缺陷導(dǎo)致在處理優(yōu)化問題時收斂速度慢,也容易產(chǎn)生“早熟”現(xiàn)象,陷入局部最優(yōu)解[2]。


2 自適應(yīng)遺傳算法在模板匹配中的實(shí)現(xiàn)
2.1 編碼

    如果是一幅N×M的圖像,模板的大小為K×K,那么可以將模板中心像素點(diǎn)在匹配圖中的坐標(biāo)位置(i,j)作為編碼的原始數(shù)據(jù),可以采取22 bit二進(jìn)制編碼,把解空間的數(shù)據(jù)表示成一個個的二進(jìn)制串。由于像素點(diǎn)在內(nèi)存中的存儲位置是從左到右從下到上,本文把N×M圖像的最左下角點(diǎn)編碼為二進(jìn)制22 bit全0,最右上角點(diǎn)編碼為二進(jìn)制22 bit全1。
2.2 初始化群體
    隨機(jī)產(chǎn)生N個初始化串結(jié)構(gòu)數(shù)據(jù),每個串結(jié)構(gòu)數(shù)據(jù)稱為一個個體,組成最原始的群體,以便后面迭代使用。本文采取30個初始個體,進(jìn)化代數(shù)為100代。

2.4 選擇
    采用經(jīng)典的輪盤賭的選擇方法,每個個體進(jìn)入下一代的概率等于它的適應(yīng)度值和整個群體中每個個體適應(yīng)度值和的比例。也就是說適應(yīng)度越高,被選中的可能性越大,進(jìn)入下一代的可能性就越大[1]。
2.5 PC和Pm的調(diào)整
    如式(1)和式(2)所示,分別設(shè)置k1、k2、k3、k4為0.3、0.25、0.02、0.01。
2.6 交叉
    交叉是指對群體中隨機(jī)兩兩配對的個體進(jìn)行部分基因交換的過程,本文采用單點(diǎn)交叉的方式,對交叉?zhèn)€體交叉點(diǎn)后面的二進(jìn)制位進(jìn)行互換。例如:兩個個體的基因二進(jìn)制碼分別為0000101011100000100011和0000001111000001001100,交叉點(diǎn)位置為5,交叉之后就會變成0000101111100000001100和0000001011100001100
011[5]。
2.7 變異
    變異是以較小的概率對個體編碼串中的某些位進(jìn)行變換,具體到二進(jìn)制編碼中就是將“1”變成“0”或是將“0”變成“1”。變異的概率由Pm決定,不宜取太高。
2.8 解碼
     當(dāng)滿足迭代次數(shù)之后,在最后一代的群體中選取適應(yīng)度最高的解即為最優(yōu)解,將其二進(jìn)制碼進(jìn)行解碼之后就得到模板的位置了。
3 固態(tài)流體測速的實(shí)現(xiàn)
    本文的最終目標(biāo)是為了測量圖2中礦料的流速。

 

 

    從圖3可以看出,這是一個連續(xù)匹配的過程,其中有兩個問題必須注意:一是模板位置的選擇,顯然必須選接近礦料槽的中間位置,這樣礦料比較穩(wěn)定,不易向兩邊垮散;二是兩幅圖像間截取的時間延時,延時時間大小為兩幅圖像獲取時間的間隔減去之間算法消耗的時間, 因此時間不宜過短,過短算法完不成,但也不能太長,太長匹配區(qū)域很有可能變形。經(jīng)過多次實(shí)驗,在算法中選擇的匹配區(qū)域為(150,90)、(180,90)、(150,120)和(180,120)4個點(diǎn)組成的四邊形, 原始圖像大小為320×240,延長時間為0.06 s。
4 試驗結(jié)果
    本文在VC++6.0軟件環(huán)境下進(jìn)行試驗,首先對普通全局搜索模板進(jìn)行匹配、簡單遺傳算法模板匹配以及自適應(yīng)遺傳算法模板匹配進(jìn)行了比較,對同一匹配點(diǎn)使用三種方法分別試驗50次,結(jié)果如表1所示。

    本文以自適應(yīng)遺傳算法的模板匹配為理論基礎(chǔ),提出了一種對固態(tài)流體的測速方法。該方法高效準(zhǔn)確,能夠滿足實(shí)際需要。當(dāng)然,本文提出的方法還有很多方面的不足,比如自適應(yīng)遺傳算法的改進(jìn),以及具體實(shí)施過程中的防抖、光線等問題,有待進(jìn)一步改進(jìn)。
參考文獻(xiàn)
[1] 王小平,曹立明.遺傳算法——理論應(yīng)用于軟件實(shí)現(xiàn)[M].西安:西安交通大學(xué)出版社,2002.
[2] 英杰,張善文. Matlab遺傳算法工具箱及應(yīng)用[M].西安:西安電子科技大學(xué)出版社,2005.
[3] 鄭軍,諸靜.基于自適應(yīng)的遺傳算法的圖像匹配[J].浙江大學(xué)學(xué)報,2003,37(6):689-692.
[4] 巨永鋒, 藺廣逢, 蔡占華. 基于遺傳算法的圖像識別技術(shù)[J].長安大學(xué)學(xué)報(自然科學(xué)版),2004,24(6):98-101.
[5] MALLEY M E. A methodology for simulating the joint strike fighter’s prognostics and health management symem[D].PhD.Department of the Air Force Air University,2001.

此內(nèi)容為AET網(wǎng)站原創(chuàng),未經(jīng)授權(quán)禁止轉(zhuǎn)載。