张述仁,徐 雅,谢代梁,徐志鹏,刘铁军,王月兵

(中国计量大学,浙江省流量计量技术研究重点实验室,杭州 310018)

水体悬移质含量测量在水利、海洋、生态系统等领域占据着重要的位置,悬移质的分布、扩散、沉降等影响着港口、航道和生态环境,因此,水体悬移质浓度和粒径等参数的测量对水利建设、环境保护和水土流失等具有重大意义[1-2]。

超声波测量法因其具有声波穿透性强、探测频带宽、对被测流体无影响且易实现在线检测等特点[3-4]近年来在水体悬移质含量测量研究方面获得了广泛关注[5-6]。研究表明,在超声衰减法测量悬移质参数的反问题求解中,反演算法至关重要,目前应用较多的反演算法主要有Twomey算法、Chahine算法[7]、BFGS(Broyden-Fletcher-Goldfarb-Shanno)、DFP(Davidon-Fletcher-Powell)、遗传算法(Genetic Algorithm)[8]等,不同情况下,上述算法有自己的优势和局限性,如BFGS和DFP算法属于局部最优算法,求解时容易陷入局部最优而偏离真值,遗传算法具有全局收敛性,但搜索收敛时间较长,不满足实时测量需求。

蚁群算法ACA(Ant Colony Algorithm)是由意大利学者Dorigo M等提出的一种群体智能仿生算法,因其鲁棒性强、有自组织性、并行分布式计算、易于与其他方法相结合等特点[9],在网络路由[10]、函数优化[11]、路径分配[12]、智能导航[13]以及超声波检测[14]等很多领域中各类优化问题上得到了广泛应用,并取得了显著的应用成果。本文结合超声衰减实验研究了蚁群算法在超声衰减法测量水体悬移质浓度中的应用,着重针对蚁群算法中的关键参数—蚂蚁总数、蚂蚁最大移动次数、信息素挥发系数和转移概率进行了优化研究。……