Magnetic Flux Leakage Signal Inversion Based on Improved Efficient Population Utilization Strategy for Particle Swarm Optimization


Цитировать

Полный текст

Открытый доступ Открытый доступ
Доступ закрыт Доступ предоставлен
Доступ закрыт Только для подписчиков

Аннотация

In this paper, an improved efficient population utilization strategy for particle swarm optimization (IEPUS-PSO) for high dimension problem is proposed to estimate defect profile from magnetic flux leakage (MFL) signals. In the IEPUS-PSO, a mutation probability is proposed to distinguish local version and global version in particle change model and a self-adapted mutation operator, which is used to update the particles’ positions randomly, is introduced into EPUS-PSO. The IEPUS-PSO- based inversing technique is used to estimate the defect profiles. The estimated defect profiles of simulation signals demonstrate that the inversing technique based on the IEPUS-PSO outperforms the one based on EPUS-PSO. The results estimated from real MFL signals by the IEPUS-PSO-based inversing technique indicate that the algorithm is capable of decreasing the computation time. The results show that the IEPUS-PSO-based inversing technique could improve the reconstruction precision by two orders of magnitude for the MFL simulation signals, and for the real MFL signals, the computation time is reduced by about 30% nearly under the same reconstruction precision.

Об авторах

Wenhua Han

College of Automation Engineering

Автор, ответственный за переписку.
Email: hanwenhua@shiep.edu.cn
Китай, Shanghai, 200090

Zhengyang Wu

College of Automation Engineering

Email: hanwenhua@shiep.edu.cn
Китай, Shanghai, 200090

Mengchu Zhou

Department of Electrical and Computer Engineering

Email: hanwenhua@shiep.edu.cn
США, Newark, NJ, 07102

Edwin Hou

Department of Electrical and Computer Engineering

Email: hanwenhua@shiep.edu.cn
США, Newark, NJ, 07102

Xiaoyan Su

College of Automation Engineering

Email: hanwenhua@shiep.edu.cn
Китай, Shanghai, 200090

Ping Wang

College of Automation Engineering

Email: hanwenhua@shiep.edu.cn
Китай, Nanjing, 210016

Guiyun Tian

School of Electrical and Electronic Engineering

Email: hanwenhua@shiep.edu.cn
Великобритания, Newcastle upon Tyne, NE1 7RU

Дополнительные файлы

Доп. файлы
Действие
1. JATS XML

© Pleiades Publishing, Ltd., 2017

Согласие на обработку персональных данных с помощью сервиса «Яндекс.Метрика»

1. Я (далее – «Пользователь» или «Субъект персональных данных»), осуществляя использование сайта https://journals.rcsi.science/ (далее – «Сайт»), подтверждая свою полную дееспособность даю согласие на обработку персональных данных с использованием средств автоматизации Оператору - федеральному государственному бюджетному учреждению «Российский центр научной информации» (РЦНИ), далее – «Оператор», расположенному по адресу: 119991, г. Москва, Ленинский просп., д.32А, со следующими условиями.

2. Категории обрабатываемых данных: файлы «cookies» (куки-файлы). Файлы «cookie» – это небольшой текстовый файл, который веб-сервер может хранить в браузере Пользователя. Данные файлы веб-сервер загружает на устройство Пользователя при посещении им Сайта. При каждом следующем посещении Пользователем Сайта «cookie» файлы отправляются на Сайт Оператора. Данные файлы позволяют Сайту распознавать устройство Пользователя. Содержимое такого файла может как относиться, так и не относиться к персональным данным, в зависимости от того, содержит ли такой файл персональные данные или содержит обезличенные технические данные.

3. Цель обработки персональных данных: анализ пользовательской активности с помощью сервиса «Яндекс.Метрика».

4. Категории субъектов персональных данных: все Пользователи Сайта, которые дали согласие на обработку файлов «cookie».

5. Способы обработки: сбор, запись, систематизация, накопление, хранение, уточнение (обновление, изменение), извлечение, использование, передача (доступ, предоставление), блокирование, удаление, уничтожение персональных данных.

6. Срок обработки и хранения: до получения от Субъекта персональных данных требования о прекращении обработки/отзыва согласия.

7. Способ отзыва: заявление об отзыве в письменном виде путём его направления на адрес электронной почты Оператора: info@rcsi.science или путем письменного обращения по юридическому адресу: 119991, г. Москва, Ленинский просп., д.32А

8. Субъект персональных данных вправе запретить своему оборудованию прием этих данных или ограничить прием этих данных. При отказе от получения таких данных или при ограничении приема данных некоторые функции Сайта могут работать некорректно. Субъект персональных данных обязуется сам настроить свое оборудование таким способом, чтобы оно обеспечивало адекватный его желаниям режим работы и уровень защиты данных файлов «cookie», Оператор не предоставляет технологических и правовых консультаций на темы подобного характера.

9. Порядок уничтожения персональных данных при достижении цели их обработки или при наступлении иных законных оснований определяется Оператором в соответствии с законодательством Российской Федерации.

10. Я согласен/согласна квалифицировать в качестве своей простой электронной подписи под настоящим Согласием и под Политикой обработки персональных данных выполнение мною следующего действия на сайте: https://journals.rcsi.science/ нажатие мною на интерфейсе с текстом: «Сайт использует сервис «Яндекс.Метрика» (который использует файлы «cookie») на элемент с текстом «Принять и продолжить».