遺傳算法在微波諧振腔水分測(cè)量中的應(yīng)用

鄒治軍（南京科技職業(yè)學(xué)院，南京210048）

遺傳算法在微波諧振腔水分測(cè)量中的應(yīng)用

鄒治軍
（南京科技職業(yè)學(xué)院，南京210048）

0　引言

在物料水分檢測(cè)技術(shù)研究中，找出各種電參量（如電導(dǎo)率、介電常數(shù)）或非電參量（如微波相位、頻率）與水分的函數(shù)關(guān)系是主要的研究?jī)?nèi)容之一。利用微波諧振腔進(jìn)行水分測(cè)量具有檢測(cè)快、精度高、非接觸的優(yōu)點(diǎn)，國(guó)內(nèi)外對(duì)此進(jìn)行了深入研究［1-2］。這些研究的相同點(diǎn)是都采樣傳統(tǒng)的多元非線性回歸方法建立諧振參量和物料水分的數(shù)學(xué)模型，測(cè)量精度有待提高。已有研究表明，水分是關(guān)于微波諧振腔諧振參量的非線性函數(shù)［3］，而人工神經(jīng)網(wǎng)絡(luò)具有良好的非線性函數(shù)映射能力。其中，BP網(wǎng)絡(luò)具有較好的泛化能力，缺點(diǎn)是收斂速度慢，容易陷入局部極值。遺傳算法的最大優(yōu)點(diǎn)是可以獲得全局最優(yōu)解。本文利用遺傳算法實(shí)現(xiàn)BP神經(jīng)網(wǎng)絡(luò)連接權(quán)的初步優(yōu)化，縮小搜索空間，再由BP算法完成網(wǎng)絡(luò)連接權(quán)的精確尋優(yōu)。本方案綜合兩種算法的各自優(yōu)點(diǎn)，提高了模型預(yù)測(cè)的速度與精度。

1　微波諧振腔水分測(cè)量原理

利用微波諧振腔測(cè)量水分時(shí)，放置于諧振腔電磁場(chǎng)中樣品的水分含量會(huì)反映在頻率偏移和品質(zhì)因數(shù)參量上。在大多數(shù)場(chǎng)合，其關(guān)系可以用以下函數(shù)表示（濕基法）：

上式中的M表示樣品的含水率，mW表示樣品中水的質(zhì)量，mD是樣品烘干后的干物質(zhì)質(zhì)量，ψ1，ψ2分別是mW，mD關(guān)于諧振參量α、β的函數(shù)。在微波諧振腔水分測(cè)量中，通常關(guān)注的是諧振頻率偏移ΔF和品質(zhì)因數(shù)Q這兩個(gè)參量。其中，ΔF=f0-fs，fo，fs分別代表諧振腔空腔以及放置樣品后的諧振頻率。品質(zhì)因數(shù)變化可由下式表示：

考慮到測(cè)量方便以及測(cè)量精度，上式可用電壓傳輸系數(shù)s21表示［2］：

將實(shí)驗(yàn)測(cè)量得到的諧振參量ΔF，ΔT與對(duì)應(yīng)的樣品水分值進(jìn)行多元非線性回歸擬合，即建立起諧振參量和水分值的數(shù)學(xué)模型，進(jìn)而實(shí)現(xiàn)物料水分的檢測(cè)。如何減少多元非線性回歸過程誤差是提高測(cè)量精度的重要研究?jī)?nèi)容［4］。張景陽等人［5］的研究結(jié)果表明BP神經(jīng)網(wǎng)絡(luò)模型要優(yōu)于多元回歸模型。

2　遺傳算法原理

標(biāo)準(zhǔn)BP神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)過程是基于目標(biāo)函數(shù)的梯度，這種學(xué)習(xí)方法的最大問題是收斂速度慢，而且容易陷入局部極值［6］。遺傳算法是基于自然選擇和基因遺傳學(xué)原理的搜索算法，它通過對(duì)參數(shù)空間進(jìn)行編碼并用隨機(jī)選擇作為工具來搜索問題的全局最優(yōu)解。遺傳算法與BP算法相結(jié)合即可避免局部極值，又提高了網(wǎng)絡(luò)學(xué)習(xí)速度與精度。利用遺傳算法優(yōu)化BP網(wǎng)絡(luò)連接權(quán)的思路是首先對(duì)隨機(jī)產(chǎn)生的BP網(wǎng)絡(luò)初始連接權(quán)值進(jìn)行編碼，根據(jù)誤差函數(shù)計(jì)算適配值，然后進(jìn)行復(fù)制、交叉與變異操作，產(chǎn)生下一代種群，直至滿足目標(biāo)后結(jié)束訓(xùn)練。遺傳算法優(yōu)化BP網(wǎng)絡(luò)連接權(quán)的操作步驟如圖1所示。

3　MATLAB仿真及實(shí)驗(yàn)

3.1數(shù)據(jù)樣本集準(zhǔn)備

首先利用烘箱干燥法制作120組不同含水率（10%～20%）的稻種樣本。把稻種樣品放置諧振腔中，用網(wǎng)絡(luò)矢量分析儀分別測(cè)量記錄每組樣品對(duì)應(yīng)的諧振參量值。樣品的水分值與其對(duì)應(yīng)的諧振頻移ΔF、傳輸因子ΔT參量構(gòu)成一組數(shù)據(jù)樣本（表1）。其中兩個(gè)諧振參量作為BP網(wǎng)絡(luò)輸入數(shù)據(jù)，樣品實(shí)際水分含量M作為BP網(wǎng)絡(luò)的輸出。隨機(jī)選取100組數(shù)據(jù)作為BP算法的訓(xùn)練樣本，剩下20組作為BP網(wǎng)絡(luò)訓(xùn)練結(jié)束后的測(cè)試樣本。樣本數(shù)據(jù)在使用之前用premnmx函數(shù)做歸一化處理。BP網(wǎng)絡(luò)采用三層結(jié)構(gòu)，包含1個(gè)輸入層、1個(gè)隱含層和1個(gè)輸出層。其中，輸入層神經(jīng)元個(gè)數(shù)為2，輸出層神經(jīng)元個(gè)數(shù)為1，隱含層神經(jīng)元個(gè)數(shù)根據(jù)經(jīng)驗(yàn)選取為5個(gè)。

表1　BP神經(jīng)網(wǎng)絡(luò)訓(xùn)練樣本數(shù)據(jù)

圖1　遺傳算法優(yōu)化BP網(wǎng)絡(luò)連接權(quán)操作流程圖

3.2MATLAB仿真實(shí)現(xiàn)

MATLAB仿真分為兩個(gè)步驟。首先利用MATLAB實(shí)現(xiàn)遺傳算法尋優(yōu)BP網(wǎng)絡(luò)的初始連接權(quán)值。在初始連接權(quán)值尋優(yōu)結(jié)束后（結(jié)果為二進(jìn)制長(zhǎng)串），利用gadecod函數(shù)將結(jié)果分解為BP網(wǎng)絡(luò)對(duì)應(yīng)的連接權(quán)值和和閾值，并將其作為BP網(wǎng)絡(luò)的初始權(quán)值與閾值。接下來使用準(zhǔn)備好的100組樣本數(shù)據(jù)，完成基于BP算法的網(wǎng)絡(luò)連接權(quán)值的精確尋優(yōu)。最后使用其余20組樣本數(shù)據(jù)完成對(duì)訓(xùn)練后的神經(jīng)網(wǎng)絡(luò)性能測(cè)試 （衡量網(wǎng)絡(luò)的泛化能力）。BP網(wǎng)絡(luò)由newff函數(shù)創(chuàng)建，由train函數(shù)完成網(wǎng)絡(luò)的訓(xùn)練。BP網(wǎng)絡(luò)訓(xùn)練參數(shù)設(shè)置如下：

網(wǎng)絡(luò)訓(xùn)練性能如圖2所示，由圖可見當(dāng)訓(xùn)練到1620次時(shí)，達(dá)到預(yù)先設(shè)定的學(xué)習(xí)精度要求，整個(gè)訓(xùn)練過程用時(shí)10秒。圖3為期望輸出與模型計(jì)算輸出的線性擬合圖，由圖可知訓(xùn)練后的BP網(wǎng)絡(luò)可以得到滿意的結(jié)果。

4　結(jié)語

本文利用遺傳算法和BP網(wǎng)絡(luò)建立微波諧振腔諧振參量和物料水分的數(shù)學(xué)模型，與采用標(biāo)準(zhǔn)BP網(wǎng)絡(luò)建模相比，避免了局部極值，提高了收斂速度。大量研究表明，物料水分不僅與諧振腔諧振頻移ΔF、傳輸因子ΔT有關(guān)，也與環(huán)境溫度、物料堆密度（bulk density）等因素也存在復(fù)雜的、難以用數(shù)學(xué)精確描述的關(guān)系。在本文基礎(chǔ)上，今后可進(jìn)一步研究環(huán)境溫度、堆密度作用于物料水分的機(jī)理，將它們添加為BP網(wǎng)絡(luò)的輸入，建立更精準(zhǔn)的微波諧振腔水分測(cè)量模型，實(shí)現(xiàn)水分測(cè)量精度的提高。

圖2　BP算法訓(xùn)練目標(biāo)曲線圖

圖3　期望輸出與模型計(jì)算輸出線性擬合圖

［1］尤田束.用微波諧振腔技術(shù)測(cè)定任意形狀生物體的濕度［J］.微波學(xué)報(bào)，1998，14（2）：167-174.

［2］Kraszewski A W，YOU T S，Nelson S O.Microwave resonator technique for moisture content determination in single soybean Seeds ［J］.IEEE Trans.on Instrumentation and Measurement，1989，38（1）：79-84.

［3］Kent M.Simultaneous determination of composition and other material properties by using microwave sensors［J］.Sensors update，2000，!7：3-25.

［4］楊國(guó)輝，吳群，姜宇，Nikawa Yoshio.基于SVM多元非線性回歸的微波諧振腔谷物含水率測(cè)量法［J］.儀表儀表學(xué)報(bào)，2007，28（3）：421-425.

［5］張景陽，潘光友.多元線性回歸與BP神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)模型對(duì)比與運(yùn)用研究［J］.昆明理工大學(xué)學(xué)報(bào)（自然科學(xué)版），2013，38（6）：61-67.

［6］孫增圻.智能控制理論與技術(shù)［M］.北京：清華大學(xué)出版社，1997.

Resonator；BP Network；Genetic Algorithm；Quality Factor

Application of Genetic Algorithm for Moisture Content Determination

ZOU Zhi-jun
（Nanjing Polytechnic Institute，Nanjing 210048）

南京科技職業(yè)學(xué)院青年專項(xiàng)基金（No.NHKY-2010-28）

1007-1423（2015）23-0017-03

10.3969/j.issn.1007-1423.2015.23.003

鄒治軍（1976-），男，江西宜春，講師，碩士，研究方向?yàn)橹悄芸刂婆c檢測(cè)

2015-06-16

2015-08-05

在微波諧振腔水分測(cè)量技術(shù)研究中，建立諧振參量和物料水分之間的非線性函數(shù)關(guān)系是重要內(nèi)容。BP網(wǎng)絡(luò)具有良好的非線性函數(shù)估計(jì)能力，遺傳算法具有全局尋優(yōu)的特點(diǎn)。遺傳算法與BP算法相結(jié)合，可提高神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)速度與精度，實(shí)現(xiàn)微波諧振腔水分測(cè)量精度的提高。

諧振腔；BP網(wǎng)絡(luò)；遺傳算法；品質(zhì)因數(shù)

In the research on technique for moisture content determination using microwave resonator，establishes a nonlinear relationship between the resonant parameters and the moisture content is important.BP network has a good estimation ability of nonlinear function，genetic algorithm has the characteristics of global optimization.The combination of genetic algorithm and BP algorithm can improve the learning speed and accuracy of neural network，improve the measurement accuracy of moisture content.