基于改进遗传算法的磁靶向聚焦线圈阵列优化设计
[Abstract]:The targeted therapy of magnetic drug-loaded granules is a new method which has attracted wide attention in recent years. Because of its non-invasive and high-targeting characteristics, it has wide application and potential huge market demand. The characteristic of external magnetic field is the key factor of therapeutic effect. Compared with the traditional way of producing external magnetic field by permanent magnet, the application of coil array to form external magnetic field has the advantages of flexibility, simplicity, maneuverability and so on. The target position can be changed according to the arrangement of the coil array and the different excitation of the current applied. Magnetic field intensity and focus range. A magnetic target focusing coil array based on improved genetic algorithm is designed and its focusing performance is optimized. Based on the finite element theory of electromagnetic field and three dimensional electromagnetic field, the structure and parameters of single coil model are designed. On this basis, three kinds of multi-coil arrays are proposed. Compared with the focusing effect and the feasibility of practical application, the planar coil array is selected as the best. Then the basic principle and basic theory of genetic algorithm are studied and improved. The improved genetic algorithm is applied to solve the current combinations of subcoils in the coil array. The focusing performance is verified by simulation calculation, space electric field measurement and physical experiment. The main research work includes: 1 designing single coil parameters and structure with better focusing performance. On the basis of deeply studying and mastering the basic theory of electromagnetic field and three-dimensional finite element analysis method, the influences of turn number, inner diameter and winding mode on the magnetic induction intensity distribution of single coil magnetic field are analyzed, respectively for the axial direction of the coil under different parameters. Based on the analysis of radial magnetic induction distribution, a single coil parameter design scheme with high magnetic induction intensity, high focusing depth at target position and good focusing performance is selected. Finally, the turn number n ~ (6) and the inner diameter (D ~ (2) cm) are determined. The single coil scheme of multi-layer winding method is the best. 2 A multi-coil array scheme with better focusing performance is designed. Based on the selected single coil parameters, three kinds of multi-coil arrays, hemispherical, planar and annular, are designed. The focusing performance of the three kinds of coil arrays under the same excitation is compared and analyzed, and the feasibility of practical application is combined with the simulation calculation. Finally, the planar coil array is selected as the optimal scheme, and the noncentral and multi-point focusing of the multi-layer planar coil array is realized. 3 the improved genetic algorithm is applied to solve the coil array current combination. The basic principle, concept and solution flow of the standard genetic algorithm are studied and analyzed. On this basis, the optimization and improvement of the algorithm are derived from the initial population, gene loss detection and repair strategy, adaptive crossover and mutation operators. The best individual protection is carried out. Through four groups of test functions, the performance of the comprehensive test and evaluation. Based on the improved genetic algorithm, the current combination of coil array subcoils is solved, and the current combination with high magnetic induction intensity, high gradient, good focusing performance and high energy efficiency is obtained. The coil array model was built, and the magnetic induction intensity distribution of the target position was measured by using the space magnetic field measurement platform. The results verified its focusing performance, and the physical experiment was carried out to observe the focusing effect.
【学位授予单位】:重庆大学
【学位级别】:硕士
【学位授予年份】:2015
【分类号】:TH789
【相似文献】
相关期刊论文 前10条
1 杨艳丽,史维祥;一种新的优化算法—遗传算法的设计[J];液压气动与密封;2001年02期
2 王毅,曹树良;遗传算法在并联水泵系统运行优化中的应用[J];流体机械;2003年10期
3 赵义红,李正文,何其四;生物信息处理系统遗传算法探讨[J];成都理工大学学报(自然科学版);2004年05期
4 李凡,黄数林,张东风;一种改进的多倍体遗传算法[J];华中科技大学学报(自然科学版);2005年01期
5 韦雪洁;黎明;刘高航;田贵超;;注入式的遗传算法的分析与研究[J];南昌航空工业学院学报(自然科学版);2006年01期
6 阎纲;;遗传算法及其仿真[J];湖南工程学院学报(自然科学版);2006年04期
7 ;遗传算法[J];电网与清洁能源;2008年10期
8 吴玫;陆金桂;;遗传算法的研究进展综述[J];机床与液压;2008年03期
9 李培植;肖利明;于静涛;;基于遗传算法的结构优化方法[J];公路交通科技(应用技术版);2008年08期
10 于金;金乐;杜海璐;;基于改进遗传算法的集装箱装载优化问题研究[J];船海工程;2008年05期
相关会议论文 前10条
1 陈家照;廖海涛;张中位;罗寅生;;一种改进的遗传算法及其在路径规划中的应用[A];2009系统仿真技术及其应用学术会议论文集[C];2009年
2 李国云;刘颖;薛梅;邬志敏;;遗传算法在高温空冷冷凝器优化设计中的应用[A];第五届全国制冷空调新技术研讨会论文集[C];2008年
3 王志军;李守春;张爽;;改进的遗传算法在反演问题中的应用[A];新世纪 新机遇 新挑战——知识创新和高新技术产业发展(上册)[C];2001年
4 任燕翔;姜立;刘连民;从滋庆;;改进遗传算法在三维日照方案优化中的应用[A];工程三维模型与虚拟现实表现——第二届工程建设计算机应用创新论坛论文集[C];2009年
5 韩娟;;遗传算法概述[A];第三届河南省汽车工程科技学术研讨会论文集[C];2006年
6 庞国仲;王元西;;基于遗传算法控制步长的定性仿真方法[A];'2000系统仿真技术及其应用学术交流会论文集[C];2000年
7 张忠华;杨淑莹;;基于遗传算法的聚类设计[A];全国第二届信号处理与应用学术会议专刊[C];2008年
8 何翠红;区益善;;遗传算法及其在计算机编程中的应用[A];1995年中国智能自动化学术会议暨智能自动化专业委员会成立大会论文集(下册)[C];1995年
9 靳开岩;张乃尧;;几种实用遗传算法及其比较[A];1996年中国智能自动化学术会议论文集(下册)[C];1996年
10 王宏刚;曾建潮;李志宏;;摄动遗传算法[A];1996年中国智能自动化学术会议论文集(下册)[C];1996年
相关重要报纸文章 前1条
1 林京;《神经网络和遗传算法在水科学领域的应用》将面市[N];中国水利报;2002年
相关博士学位论文 前10条
1 蔡美菊;交互式遗传算法及其在隐性目标决策问题中的应用研究[D];合肥工业大学;2015年
2 张士伟;三维声学快速多极基本解法在机械噪声预测中的应用研究[D];沈阳工业大学;2016年
3 周辉仁;递阶遗传算法理论及其应用研究[D];天津大学;2008年
4 郝国生;交互式遗传算法中用户的认知规律及其应用[D];中国矿业大学;2009年
5 侯格贤;遗传算法及其在跟踪系统中的应用研究[D];西安电子科技大学;1998年
6 马国田;遗传算法及其在电磁工程中的应用[D];西安电子科技大学;1998年
7 唐文艳;结构优化中的遗传算法研究和应用[D];大连理工大学;2002年
8 周激流;遗传算法理论及其在水问题中应用的研究[D];四川大学;2000年
9 刘冀成;基于改进遗传算法的生物电磁成像与磁场聚焦应用研究[D];四川大学;2005年
10 袁丽华;基于物种进化的遗传算法研究[D];南京航空航天大学;2009年
相关硕士学位论文 前10条
1 张英俐;基于遗传算法的作曲系统研究[D];山东师范大学;2006年
2 钟海萍;原对偶遗传算法与蚁群算法的一种融合算法[D];暨南大学;2013年
3 李志添;模糊遗传算法与资源优化配置的预测控制[D];华南理工大学;2015年
4 王琳琳;新型双层液压轿运车车厢的设计研究[D];上海工程技术大学;2015年
5 李海全;基于遗传算法的建筑体形系数及迎风面积比优化方法研究[D];华南理工大学;2015年
6 彭骞;基于遗传算法的山区高等级公路纵断面智能优化方法研究[D];昆明理工大学;2015年
7 周玉林;基于小波分析和遗传算法的配电网故障检测[D];昆明理工大学;2015年
8 郭颂;基于粗糙集和遗传算法的数字管道生产管理系统研究[D];昆明理工大学;2015年
9 吴南;数值逼近遗传算法的研究应用[D];华南理工大学;2015年
10 于光帅;一类优化算法的改进研究与应用[D];渤海大学;2015年
,本文编号:2309117
本文链接:https://www.wllwen.com/kejilunwen/yiqiyibiao/2309117.html