5。
[0077] 变异：变异概率Pm选择0? 05。
[0078] 禁忌搜索算法，首先选择一组随机的深度作为初步的解决方案，然后，使用邻域搜 索反复迭代以改进当前解决方案。
[0079]邻域：除定义一个径向深度以外，某一确定缺陷附近的所有缺陷都是类似 的，具体来说，一个缺陷(^，'...，屯包含了附近所有的缺陷(^,'...，(^±1，其中， iG{〇, 1，? ? ?，20X20}，diG{〇, 1，? ? ?，15}。
[0080] 邻域移动：任何潜在的解决方案的目标函数定义如下：
[0082] 其中，对于长方体缺陷，轴向和周向采样点数量分别为N1= 50和\= 28 ;对于球 体缺陷，轴向和周向采样点数量分别为队=38和1= 38 ;
分别是径向，周向和轴向漏磁信号的测量值和预测值；选择具有最小目标函数的邻域作为 下一个解决方案。
[0083] X' ={x|F(x) =min[F(xj，F(x2)，? ? ?，F(xn) ]}〇
[0084] 最后，本发明实施例得到的两种形状缺陷的轮廓重构结果如图5和图5所示，其 中，a为真实轮廓示意图，b为遗传算法得到的轮廓示意图，c为禁忌搜索算法得到的轮廓示 意图。
[0085] 为评价缺陷轮廓重构的精度，对任何缺陷，可在其表面均匀取100X100个采样 点，再测量所有点的深度值。定义一个重构误差函数：
[0087] 其中，<和<分别是预测深度和真实深度。
[0088] 经过计算，对于100.lmmX57. 2mmX10. 01mm的长方体形缺陷轮廓重构结果，遗 传算法的重构误差为1. 39%，禁忌搜索算法的重构误差为1. 53% ;对于71. 5mmX4. 29mm 的球体缺陷轮廓重构结果，遗传算法的重构误差为1.41%，禁忌搜索算法的重构误差为 1. 58%。此外，再对其他多种形状缺陷进行轮廓重构时，两种优化算法的重构误差均低于 5%。综合以上结果可以得出，本发明实施例可有效实现对各种形状缺陷的轮廓重构，稳定 性好、计算准确、速度快。
[0089] 根据本发明实施例提出的三维漏磁检测缺陷轮廓重构方法，通过构建正向有限元 计算模型获取漏磁场预测值以与漏磁场测量值比较，并且利用启发式优化算法对缺陷轮廓 参数进行更新，从而得到理想的缺陷轮廓期望值实现缺陷重构。本发明实施例实质是一种 缺陷轮廓的闭环伪逆重构方法，在重构过程中采用正向计算模型，通过该模型对给定的缺 陷初始轮廓求解得到漏磁场预测值，再与测量值比较，并利用启发式优化算法对缺陷轮廓 参数不断更新，直至目标误差小于或等于设定的误差阈值，从而得到理想的缺陷轮廓。本发 明实施例具有稳定性好、计算准确、速度快的优点，速同时避免了常规闭环迭代方法中参数 更新方式单一、迭代次数多的问题，效率更高，有利于提高各种不规则缺陷的重构速度和精 度。
[0090] 下面参照附图描述根据本发明实施例提出的三维漏磁检测缺陷轮廓重构装置。参 照图6所示，该重构装置10包括：构建模块100、提取模块200和缺陷重构模块300。
[0091] 其中，构建模块100用于根据漏磁检测模型构建正向有限元计算模型，其中，正向 有限元计算模型将缺陷轮廓参数作为输入值，漏磁信号序列作为输出值。提取模块200用 于利用三轴磁传感器阵列测量缺陷漏磁场，并提取缺陷漏磁场的特征值。缺陷重构模块300 用于根据缺陷漏磁场的特征值得到缺陷轮廓参数的初始估计值，并将缺陷轮廓参数的初始 估计值作为输入值代入有限元计算模型进行迭代计算得到漏磁场预测值，其中，通过启发 式优化算法更新缺陷轮廓参数直至缺陷漏磁场测量值与漏磁场预测值之间的误差的绝对 值小于或等于预设的误差阈值，以获取缺陷轮廓参数期望值实现缺陷重构。本发明实施例 的重构装置10可以提高缺陷重构效率，具有稳定性好、计算准确、速度快的优点。
[0092] 进一步地，在本发明的一个实施例中，参照图3所示，漏磁检测模型由管壁、空气 和内嵌在管壁中的永磁体组成。
[0093] 具体地，参照图2所示，本发明实施例首先根据简化的漏磁检测模型构建相应的 正向有限元计算模型。
[0094] 其中，在本发明的一个实施例中，参照图3所示，漏磁检测模型由管壁、空气和内 嵌在管壁中的永磁体组成。管壁厚T可以为7. 0~36. 0mm，磁铁宽度02可以为40~120mm， 磁铁之间的距离Di可以为100~400mm。
[0095] 进一步地，在本发明的一个实施例中，参照图7所示，提取模块200包括：测量单元 201和提取单元202。测量单元201用于根据缺陷漏磁场的分布特征采用等间距采样法测 量缺陷周围区域多个点的漏磁场强度。提取单元202用于提取轴向测量值、径向测量值和 周向测量值作为缺陷漏磁场的特征值。
[0096] 进一步地，在本发明的一个实施例中，缺陷重构模块300还用于：如果缺陷漏磁场 测量值与漏磁场预测值之间的误差小于或等于误差阈值，则确认缺陷轮廓参数的初始估计 值为缺陷轮廓参数期望值；如果缺陷漏磁场测量值与漏磁场预测值之间的误差大于误差阈 值，则通过启发式优化算法更新缺陷轮廓参数的初始估计值，并将更新后的缺陷轮廓参数 的初始估计值代入有限元模型进行迭代计算，直至缺陷漏磁场测量值与漏磁场预测值之间 的误差的绝对值小于或等于预设的误差阈值。
[0097] 具体地，参照图2所示，利用三轴磁传感器阵列测量缺陷漏磁场，并提取相应特征 值，同时设定缺陷漏磁场测量值A与有限元预测值B之间的误差阈值e。需要说明的是，具 体误差阈值可以由技术人员根据实际数据进行设定。其中，本发明实施例可以根据缺陷漏 磁场的分布特征通过采用等间距采样法测量缺陷周围区域若干个点的漏磁场强度，采样间 距可以为〇?5~6.Ctam〇
[0098] 进一步地，参照图2所示，本发明实施例根据所测量缺陷漏磁场的大小设定缺陷 轮廓参数的初始估计值，将缺陷轮廓参数的初始估计值作为输入代到构建的有限元模型进 行迭代计算，如果缺陷漏磁场测量值A与预测值B之间的误差E大于设定的误差阈值e，则 需要更新缺陷轮廓参数的估计值重新代入有限元模型进行计算；如果误差E小于或等于设 定的误差阈值e，则认为用于有限元模型计算的缺陷轮廓参数估计值是所期望的缺陷轮廓 参数，即为缺陷轮廓参数期望值。
[0099] 进一步地，在本发明的一个实施例中，启发式算法包括遗传算法和禁忌搜索算法。
[0100] 具体地，遗传算法，首先将缺陷区域分成NiXN2XN3f长方体，则任何缺陷都可以 由一组不同的深度来表示(^4，…，屯，其中，iG{〇, 1，...，&父队}，d# {〇, 1，...，N3}。 深度值作为3位二进制进行编码，则整个缺陷可由3XNiXNj4二进制表示。
[0101] 初始群体：反演过程中使用了 10种随机生成的原始解决方案，2个特殊的 3X&X队位二进制字符串"0"和" 1"被添加到遗传算法的初始群体当中。
[0102] 选择：漏磁信号测量值和预测值之间的最小化误差转化为以下最大化的适应度函 数：
[0104] 其中，n是采样点总数；C,，（；和Ca分别为径向，周向和轴向的权重系数；
分别是径向，周向和轴向漏磁信号的测量值和预测值， iG{1，2, ???，n}，r、t、a、m、p则分别表示radial(径向）、tangential(周向）、axial(轴 向）、measure(测量）、prediction(预测）；按下式赋予它们选择概率：
[0105]P(xj) =Fj/EFj=F(xi) /EF(xj),
[0106] 其中，F(Xi)是个体\的适应度函数。
[0107] 交叉：交叉确保继承性，交叉概率P。确定任意两个方案之间是否交叉。
[0108] 变异：变异确保多样性，变异概率PJ；!定变异是否发生在任意选定的解决方案。
[0109] 禁忌搜索算法，首先选择一组随机的深度作为初步的解决方案，然后，使用邻域搜 索反复迭代以改进当前解决方案。
[0110] 邻域：除定义一个径向深度以外，某一确定缺陷附近的所有缺陷都是类似 的，具体来说，一个缺陷(^，'...，屯包含了附近所有的缺陷(^,'...，(^±1，其中， iG{〇, 1，? ??，NiXN2}，diG{〇, 1，? ??，N3} 〇
[0111] 邻域移动：任何潜在的解决方案的目标函数定义如下：
[0113] 其中，NdPN2分别是轴向和周向采样点数量；
分别 是径向，周向和轴向漏磁信号的测量值和预测值，je{1，2,? ? ?，NJ，iG{1，2,? ? ?，N2};选 择具有最小目标函数的邻域作为下一个解决方案。
[0114] X'= {x|F(x) = minUFUi)，F(x2)，? ? ?，F(xn)]}。
[0115] 在本发明的实施例中，本发明实施例采用正向有限元计算模型，通过该模型对给 定的缺陷初始轮廓求解得到漏磁场预测值，再与测量值比较，并利用启发式优化算法对缺 陷轮廓参数不断更新，直至目标误差小于或等于设定的误差阈值，从而得到理想的缺陷轮 廓。本发明实施例不但稳定性好、计算准确、速度快，而且避免了常规闭环迭代方法中参数 更新方式单一、迭代次数多的问题，效率更高，有利于提高对各种不规则缺陷的重构速度和 精度。
[0116]