[发明专利]一种三维编织复合材料损伤源定位方法及装置

权利要求书

1.一种三维编织复合材料损伤源定位方法，其特征在于：包括

采用四点圆弧定位法进行损伤源的初始定位；

采用改进的概率神经网络进行复合材料损伤源的精确定位；

采用四点圆弧定位公式计算出的初步定位坐标值作为概率神经网络的输入；

采用改进的果蝇优化算法对概率神经网络的关键参数进行优化；改进的果蝇优化算法的具体步骤包括:

(1)初始化参数：最大迭代次数MaxGen，果蝇种群规模大小Size，果蝇的初始最优位置x_best，y_best，设置初始拥挤概率值p；

(2)设置混沌发生机制：z_n+1＝μ·z_n·(1-z_n)，选定初值后，获取由上式迭代2000次以后的值作为果蝇算法的混沌初值；

(3)设定果蝇的随机搜索方向：随机初始x_axis和y_axis；

对种群中第i个果蝇个体有两种搜索方向的设置方式，采用随机数发生器生成(0,1)之间的随机数r，如果rp，则在(x_axis,y_axis,)位置附近设置第i个果蝇的随机搜索方向，即：

z_n+1＝μ·z_n·(1-z_n)

z_n＝z_n+1

z_n+1＝μ·z_n·(1-z_n)

x(i)＝x_axis+z_n

y(i)＝y_axis+z_n

如果r≥p，则在(x_best,y_best,)位置附近设置第i个果蝇的随机搜索方向，即：

z_n+1＝μ·z_n·(1-z_n)

x(i)＝x_best+z_n

y(i)＝y_best+z_n

(4)计算浓度判定值：计算果蝇个体i所在位置与原点之间的距离Dist_i：

根据距离，计算浓度判定值S_i：S_i＝1/Dist_i；

(5)计算第i个果蝇的浓度值Smell(i)：浓度的评定函数即为优化函数，设为fit()，则第i个果蝇所处位置的浓度值为：

Smell(i)＝fit(S_i)；

(6)保留当前最优个体：将气味浓度最高的果蝇保留为当前最优个体：

[bestSmell,bestindex]＝min(smell(i))；

(7)保存最优浓度和最优坐标：保存最优个体的浓度判定值bestSmell和其所处的位置坐标；指挥果蝇依靠视觉感知迅速飞至该位置处：

将(x_best，y_best)作为下一次优化的最优初始位置，并减小拥挤度概率值：

p＝λ·p

其中，0λ1，λ为拥挤度概率衰减系数；

(8)迭代优化：重复步骤3至步骤6，并判断当前最优浓度是否有更新，若是，则执行步骤7；若否，则直接继续重复迭代步骤3至步骤6，直到达到指定迭代次数，或算法收敛；采用改进的果蝇算法进行概率神经网络参数优化具体步骤包括：

(1)构建概率神经网络：根据要解决的具体问题及已知的样本数量，构建概率神经网络模型，设模式数量为s，则确定概率神经网络的待优化参数σ₁，σ₂，...，σ_s，并在优化参数定义域内对优化参数进行初始化；

(2)设置果蝇算法参数：根据概率神经网络的复杂程度选择合适的优化算法最大迭代次数MaxGen及果蝇种群规模大小Size，设定果蝇算法的最优位置参数、拥挤度概率值等；

(3)混沌发生机制：选择Logistic映射作为混沌序列发生机制，并进行2000次迭代计算，消除初值选取对优化结果的影响；

(4)果蝇的随机搜索：利用果蝇个体进行混沌搜索；

(5)计算浓度判定值：求取果蝇个体所在位置的浓度判定值；

(6)计算果蝇个体的浓度值：通过求取适应度函数值计算果蝇个体所处位置的浓度值；

(7)保留当前最优个体：将气味浓度最高的果蝇保留为当前最优个体；

(8)保存最优浓度和最优坐标：保存最优个体的浓度判定值bestSmell和其所处的位置坐标，并自适应调整拥挤度概率衰减系数；

(9)迭代优化：重复步骤4至步骤7，并判断当前最优浓度是否有更新，若是，则执行Step8；若否，则直接继续重复迭代步骤4至步骤7，直到达到指定迭代次数，或算法收敛。