一、引言

　　近年來隨著科技事業(yè)的發(fā)展，直流大電流的應用領域不斷擴大，直流大電流測量技術(shù)在理論和實際應用方面都取得了很大的進步。作為測量領域的一個環(huán)節(jié)，傳感器技術(shù)一直占有相當重要的地位。用于工業(yè)現(xiàn)場的直流大電流傳感器，周圍不可避免地存在著較強的磁場，所以檢測鐵芯一般都要被屏蔽。

　　本文將遺傳算法引入到直流大電流傳感器的磁屏蔽體的優(yōu)化設計領域內(nèi)，以直流大電流傳感器的磁屏蔽效能為目標函數(shù)，在磁屏蔽效能計算公式的基礎上得出磁屏蔽體的*設計結(jié)果。研究結(jié)果對于提高直流大電流傳感器的磁屏蔽體的優(yōu)化設計水平具有重要的意義。1優(yōu)化模型對一個求函數(shù)zui大值問題，在數(shù)學上可歸納為有約束、多變量、非線性的混合性規(guī)劃問題，其目標函數(shù)可描述為：

　　磁屏蔽體的優(yōu)化設計包括設計變量和目標函數(shù)。設計變量是自變量，優(yōu)化結(jié)果是通過改變設計變量的數(shù)值來實現(xiàn)的，每個設計變量都要事先變化范圍。根據(jù)磁屏蔽體的結(jié)構(gòu)特點，將磁屏蔽體的厚度、截面寬度徑作為設計變量。目標函數(shù)是在滿足設計變量的基礎上要盡量減小的參量。本文以磁屏蔽效能作

　　二、改進的遺傳算法

　　（一）改進的適應度線性尺度變換

　　傳統(tǒng)遺傳算法進化前期種群中，少數(shù)適應度較高的個體有可能在種群中迅速繁殖，導致種群過早收斂；而進化后期種群中個體差異較小，每個個體被選擇的概率相當，導致搜索過程不能有效進行。適應度尺度變換可以在一定程度上消除這種早熟現(xiàn)象。適應度尺度變換即在進化前期，對適應度小于種群平均適應度的個體，放大其適應度；而對適應度大于種群平均適應度的個體，則縮小其適應度。進化后期的處理方法與進化前期相反。因此合理區(qū)分進化前期和后期是一個非常重要的問題。由于根據(jù)進化代數(shù)區(qū)分進化前期和后期的方法誤差較大，可以用樣本標準偏差來區(qū)分。

　　（二）交叉算子

　　遺傳算法在搜索全局*解時，交叉算子是產(chǎn)生新個體的重要算子。所以在交叉之前首先要確定兩個個體以及兩個個體要交叉的部分是否相同，然后決定是否進行交叉操作。若兩個個體的編碼值相同，則不進行交叉。若兩個個體的編碼值不同，產(chǎn)生的交叉點后要交叉的部分相同，則重新生成交叉點。這種方法提高了交叉效率，不會產(chǎn)生無效的交叉操作。

　　為了增大選擇空間，加速種群進化，改進的遺傳算法（IGA）采用算術(shù)交叉和多點交叉相結(jié)合的方法，即首先產(chǎn)生一組[0、1]之間均勻分布的隨機數(shù)，隨機選取一對雙親，若隨機數(shù)小于交叉概率，則使用算術(shù)交叉算子為：

　　　　　　X′＝a X1＋（1-a）X2
　　　　　　X″＝（1-a ）X 1＋aX2

　　其中：X′和X″為新一代的子個體;X1與X2為參與交叉的父代個體；a為（0, 1）之間的隨機數(shù)，由此產(chǎn)生兩個新個體。顯然，通過算術(shù)交叉產(chǎn)生的后代，其新的分量仍在定義區(qū)間之內(nèi)。另外兩個新個體則采用SGA的多點交叉算子方法來繁殖。這樣定義的新交叉算子一方面有利于新一代中產(chǎn)生更多優(yōu)良的個體，增加了種群的多樣性，同時提高了IGA的全局搜索能力。

　　（三）移民操作

　　為避免遺傳算法收斂于局部*解以及的基因信息在遺傳操作過程中隨適應度值差的個體淘汰掉，本文引入了移民策略。在遺傳操作過程中每隔10代采用一次移民操作補充新個體，替換適應度值zui小的10%的個體，從而增加種群中個體基因的多樣性。采用移民策略補充的新個體通過隨機方法產(chǎn)生，其適應度要大于當前種群的平均適應度，否則重新生成。該方法有利于優(yōu)化搜索，跳出局部*達到全局*。

　　三、設計結(jié)果

　　本文采用上述一系列改進遺傳算法對直流傳感器的磁屏蔽效能進行優(yōu)化設計。磁屏蔽體的尺寸如下：選擇屏蔽體的厚度為5mm～15mm，磁屏蔽體的截面寬度為40mm～60mm，在這兩個參數(shù)的變化空間，進行遺傳優(yōu)化設計，使磁屏蔽效能zui大的a、c的取值為*解。

    試驗用的大電流比較儀參數(shù)如下：a= 12mm，b=7mm，c=44mm，r=67mm。將具體的參數(shù)分別代入式（2）：

　 概率為0.001，迭代次數(shù)為100。應用表1結(jié)果計算可得，S2=682。采用遺傳算法進行優(yōu)化后，磁屏蔽效能增大了534。

　　在遺傳算法的優(yōu)化過程中目標函數(shù)和適應度函數(shù)的變化過程如圖1。

點擊看原圖

　　由仿真結(jié)果可知，隨著進化過程的進行，群體中適應度較低的一些個體被逐漸淘汰，而適應度較高的一些個體越來越多，并且它們都集中在所求問題的*點附近，從而搜索到問題的*解。由圖1中可知，采用遺傳算法在進化到58代時，群體適應值已經(jīng)達到*。

　　四、結(jié)束語

　　本文將遺傳算法引入直流傳感器磁屏蔽的設計領域，以磁屏蔽效能zui大為目標函數(shù)對直流傳感器的磁屏蔽體進行了優(yōu)化，結(jié)果證明了應用遺傳算法對直流傳感器的磁屏蔽體進行優(yōu)化設計是可行的。