1 南京理工大学理学院，江苏 南京 210094
2 中国商飞上海飞机制造有限公司，上海 201324
通过测量板状材料中Lamb波的频散曲线可以反演出材料的特性参数，因而这种方法在材料表征、评价和无损检测等领域具有广阔的应用前景。基于移动激光源法测量了薄板中Lamb波的频散曲线，通过高速转镜使聚焦的激光线源在样品表面以与相应Lamb波模式匹配的速度移动，当激光移动速度与Lamb波相速度一致时，可以以较高的效率激发出此Lamb波模式。通过改变转镜的转速，即改变激光线源的移动速度，记录不同移动速度下所激发的Lamb波频谱，可以得到Lamb波的频散曲线。在此基础上，结合粒子群优化算法反演了铝板以及聚苯乙烯板中的纵波波速与横波波速。在仿真中，开展了不同模式和频厚积处频散特性对材料参数的敏感度分析，并比较了不同噪声水平下以及不同模态频散数据选取所对应的拟合效果，讨论了2500~4000 m/s相速度区间基于频散曲线的反演敏感度问题。最终基于移动激光源实验中所提取的铝板中Lamb波的频散数据进行参数反演，结果显示，纵波声速和横波声速的反演误差均小于1.5%，证明了该方案的有效性。
测量 激光超声 参数反演 移动连续激光源 粒子群优化算法
1 重庆邮电大学工业物联网与网络化教育部重点实验室，重庆 400065
2 重庆邮电大学通信与信息工程学院，重庆 400065
针对脉搏波信号采集过程中存在噪声的问题，提出了基于改进互补集成经验模态分解的脉搏波去噪算法。利用光纤布拉格光栅传感器获取脉搏波信号，首先在互补集成经验模态分解算法中加入高斯白噪声，然后利用粒子群算法优化高斯白噪声幅值，以此来消除互补集成经验模态算法分解产生的模态混叠现象，并联合小波阈值函数对其处理后的脉搏波信号进行重构。实验结果表明，所提算法能够有效降低脉搏波信号中的噪声干扰，在信噪比、均方误差两个指标上均优于对比算法，为提取脉搏波的时域特征奠定了基础。
光纤布拉格光栅 脉搏波 信号去噪 互补集成经验模态分解 粒子群优化算法 小波阈值
红外与激光工程
2024, 53(1): 20230504
1 重庆理工大学两江人工智能学院，重庆 401135
2 国防科技大学理学院物质与材料科学实验中心，湖南 长沙 410073
提出了一种超分辨波长调控变焦超透镜的设计方法，同时对相位、色散、振幅进行调控，在提升超透镜轴向变焦能力的基础上，采用分层粒子群优化（HPSO）算法不断压缩超透镜的点扩散函数，使超透镜的半峰全宽（FWHM）不断逼近甚至小于衍射极限0.5λ/NA（NA为数值孔径）。作为理论验证，设计了一种工作在68~80 μm波长范围内的超分辨波长调控变焦超透镜。仿真结果表明，其轴向变焦能力约为常规衍射超透镜的1.52倍，在73~78 μm波长范围内的横向分辨率小于衍射极限。
光学设计 超透镜 波长调控光学变焦 振幅调控 分层粒子群优化算法 超分辨 光学学报
2023, 43(23): 2322001
新疆大学智能制造现代产业学院(机械工程学院), 乌鲁木齐 830000
针对多无人机协同搜索多运动目标航迹优化问题, 建立基于搜索概率图的信息环境模型, 提出了一种基于人工势场与自适应参数调整粒子群优化的搜索算法(APF-APSO算法), 用于不确定环境中的动态目标搜索。利用人工势场中无人机与山体之间、无人机之间的虚拟排斥力进行有效避障, 以及无人机与目标之间的虚拟吸引力加快目标搜索; 通过非线性的指数函数参数调整法对粒子群参数进行调整, 并根据无人机搜索过程中得到的栅格单元信息确定度和目标存在概率对搜索概率图进行实时更新, 来引导无人机对目标进行搜索。仿真结果表明, 与其他算法相比, 所提算法在搜索目标方面具有很大的优势, 缩短了路径长度;避免了陷入局部最优解, 具有较好的收敛性; 能够有效地实现多无人机之间的协同搜索, 提高了搜索效率。
多无人机 粒子群优化算法 搜索概率图 人工势场 协同搜索 multi-UAV particle swarm optimization search probability graph artificial potential field collaborative search
1 河北工程大学信息与电气工程学院， 河北 邯郸 056038
2 河北省安防信息感知与处理重点实验室， 河北 邯郸 056038
提出一种新型光纤布拉格光栅（FBG）传感网络系统，根据监测区域的优先级灵活配置传感器数目，从而提高带宽的利用效率，增加重点区域的传感器数量。由于各通道的光谱重叠程度存在差异性，实现重叠光谱的快速分类和精准解调尤为重要。基于连续小波变换 （CWT）-粒子群优化（PSO）算法实现了FBG传感网络的重叠光谱分类及解调。首先利用CWT分割光谱信号，根据重叠光谱的特征完成重叠光谱分类；然后使用PSO解调多个FBG重叠的光谱。仿真结果表明，所提方法有效降低了解调时间，且解调误差最大不超过10 pm。该研究工作为实现大容量FBG传感网络重叠光谱的快速精准解调提供了新思路。
光纤光学与光通信 光纤布拉格光栅 重叠光谱分类 连续小波变换 粒子群优化算法 激光与光电子学进展
2023, 60(21): 2106002
强激光与粒子束
2023, 35(9): 092003
1 无锡学院, 江苏 无锡 214000
2 南京信息工程大学滨江学院, 江苏 无锡 214000
针对无人机在复杂环境下受到多种威胁时的航迹规划问题, 提出一种改进的基于球面向量的粒子群优化算法(ISPSO)。利用融合压缩因子和异步变化学习因子的ISPSO算法, 通过粒子位置和速度同无人机转角和爬升角的对应关系, 高效地搜索无人机的构形空间, 找到成本函数最小的最优路径。为了评估ISPSO的性能, 从真实的数字高程模型地图中生成2个基准场景, 仿真结果表明, 该算法优于基于球面向量的粒子群算法。
粒子群优化算法 无人机 航迹规划 仿真 球面向量 particle swarm optimization UAV path planning simulation spherical vector
1 西安建筑科技大学信息与控制工程学院，陕西 西安 710055
2 中国建筑西北设计研究院，陕西 西安 710018
针对深度学习模型在电力负荷识别中存在的识别率不高、超参数设置等问题，提出了一种粒子群优化算法（PSO）与卷积神经网络（CNN）相结合的非侵入式电力负荷识别模型（PSO-CNN）。首先，以各电器VI轨迹像素化图像作为CNN输入；其次，分析CNN超参数对模型性能影响，并使用PSO算法寻求最优解以提升模型识别效果；最后，基于PLAID、WHITED公开数据集对PSO-CNN模型进行对比验证。实验结果表明，该模型的识别准确率、F-measures平均值皆优于其他模型，有效降低了设备之间的混淆，具有良好的识别能力与泛化能力。
图像处理 非侵入式电力负荷识别 深度学习 卷积神经网络 粒子群优化算法 激光与光电子学进展
2023, 60(2): 0210001
1 天津理工大学电气工程与自动化学院，天津 300384
2 天津市复杂系统控制理论与应用重点实验室，天津 300384
针对传统红外图像目标分类方法准确率低的问题，提出了一种用结合多特征融合的粒子群优化（Particle Swarm Optimization, PSO）算法来优化支持向量机(Support Vector Machine, SVM)的方法。该方法采用方向梯度直方图(Histogram of Oriented Gradient, HOG)和局部二值模式（Local Binary Pattern, LBP）两类特征描述红外图像中目标的轮廓特征和局部纹理，从不同的方面展现红外图像的特点，在图像的特征表达上具有一定的互补性。在特征提取后对样本数据进行凸包算法计算，得到一些具有代表性的样本数据，从而提高分类计算效率；在分类模型训练时，采用PSO算法优化SVM，寻找SVM的最优惩罚因子和核参数，从而提高分类模型的准确率。实验结果表明，多特征融合的分类模型的准确率比单一特征的分类模型提高近10%，且经PSO优化的SVM最终模型的分类准确率高达99%。
多特征融合 支持向量机 粒子群优化算法 特征提取 红外图像分类 multi-feature fusion support vector machine particle swarm optimization feature extraction infrared image classification
