模糊免疫算法及其在金属磁记忆检测中的应用*

2012-11-24李远利李著信刘书俊

网络安全与数据管理 2012年6期

李远利，李著信，刘书俊

（后勤工程学院军事供油工程系，重庆401311）

在金属磁记忆检测中，金属材料缺陷状态的分析识别通常是基于单个检测信号特征值进行的，但由于磁记忆检测属于弱磁检测，检测环境等因素对信号的影响十分明显，故这些方法比较容易出现误判或者漏判，正确识别率不高。为改善识别效果，一些学者提出了综合利用磁记忆检测信号多个特征值为依据来进行材料状态分析的方法[1]。但是，在采用常用的BP神经网络、支持向量机等智能算法进行样本分析时发现，BP神经网络、支持向量机等监督算法需要大量的训练样本提供足够的信息，才能克服检测中各种偶然因素的影响，准确地分析[2]。而在实际检测中，磁记忆检测的环境条件相当复杂，很难获得全面的包含各种影响因素的训练样本，因而采用这些算法建立的数学模型往往无法达到较高的检测分析准确率。为解决这一问题，本文将模糊聚类算法原理引入到免疫算法中，形成无监督学习的模糊免疫算法，并基于该算法建立金属磁记忆检测信号智能分析模型，最后通过实验检验模型分析识别的准确率。