基于改进粒子群算法的放射科设备自动化控制方法研究

发布时间：2021-03-18 18:42

　　基于模糊聚类的放射设备自动控制方法,对检测数据的收敛能力较差,为此研究基于改进粒子群算法的放射科设备自动化控制方法。该方法利用改进粒子群算法的多维度变量,描述控制目标,通过决策变量可行域和规则函数,设置放射设备约束条件;依赖内部时间序列、外部时钟体系合并采样单元,以同步跳变的形式采集检测数据;投入改进粒子群算法,实现动态双种群粒子优化,实现该设备的自动化控制。实验结果表明:与传统的控制方法相比,所提出方法的反应时间短,收敛指数提高了0.47。由此可见,所研究的方法更适用于放射科设备的日常管控。 

【文章来源】：自动化与仪器仪表. 2020,(07)

【文章页数】：4 页

【部分图文】：

规则函数二维示意图

根据设置的约束条件,将原有的独立单元合并,实现数据同步采集,提升自动化控制的收敛能力。合并独立单元执行采样指令,依赖于采样时间序列,当时间序列发生变化时,采样单元实现同步跳变,如图2所示。合并单元的时间序列与外部时钟体系同步进行,依照外部时钟体系的引导,将采样脉冲发送到设备的传感模块中,调节放射装置的间隔时段,实现数据的多间隔合并,保证检测数据与设备程序同步。为了避免同步时间不一致,或者设备重启导致同步误差问题,提出同步守时标准规则:

式中,Ts表示所有s类数据的采集时间;Th表示所有h类数据的采集时间;ΔTs1表示单元s的失同时间;ΔTs2表示单元s的同步时间;ΔTh1表示单元h的失同时间;ΔTh2表示单元h的同步时间。依据上述判断规则,存在max{ΔTs1,ΔTh1}<min{ΔTs2,ΔTh2}。优化后的合并单元失同与同步关系,如图3所示。完成上步骤,利用二元分析算法容错处理插值同步,线性插值法的计算表达式为:

【参考文献】：
期刊论文
[1]特征分层结合改进粒子群算法的近红外光谱特征选择方法研究[J]. 徐宝鼎,秦玉华,杨宁,高锐,苑程程.  光谱学与光谱分析. 2019(03)
[2]改进混沌粒子群优化的灰色系统模型在机床热误差建模中的应用[J]. 余文利,姚鑫骅.  现代制造工程. 2018(06)
[3]一种新型的MMC-RPC功率控制策略[J]. 宋平岗,周振邦,董辉.  电力自动化设备. 2018(01)
[4]基于新的改进粒子群算法的BP神经网络在拟合非线性函数中的应用[J]. 林宇锋,邓洪敏,史兴宇.  计算机科学. 2017(S2)
[5]基于二次搜索的改进粒子群算法[J]. 赵延龙,滑楠,于振华.  计算机应用. 2017(09)
[6]动力电机自动化装配CPAC控制系统设计[J]. 白政民,晁艳普.  机械设计与制造. 2017(08)
[7]改进粒子群算法优化灰色神经网络预测模型及其应用[J]. 周飞,吕一清,石琳娜.  统计与决策. 2017(11)
[8]基于改进粒子群算法的横动伺服控制系统辨识[J]. 曹薇,罗业才.  电机与控制应用. 2017(04)
[9]基于粒子群算法的多目标可重构设施布局方法[J]. 丁祥海,姚文鹏.  中国机械工程. 2017(07)
[10]基于改进粒子群算法的移动机器人多目标点路径规划[J]. 蒲兴成,李俊杰,吴慧超,张毅.  智能系统学报. 2017(03)



本文编号：3088751