MPSO-MNR算法提升电阻抗断层成像的精度与效率

本文主要探讨了电阻抗断层成像(RTI)领域中的一项创新研究，即基于修正粒子群算法(MPSO)和修正牛顿-拉夫逊算法(MNR)的结合(MPSO-MNR算法)。RTI是一种非线性电磁成像技术，通过向目标物体施加电流并测量表面的电压响应来推断内部电阻率分布。静态成像因其数据有限性和测量数据对电极附近阻抗变化的敏感性，构成了一个典型的病态非线性反问题。 MPSO-MNR算法的提出旨在克服现有静态EIT成像算法如牛顿类算法、双约束方法(DCM)、剥层算法(LSM)和基于粒子群优化(PSO)算法的局限性。牛顿类算法虽然通常能收敛到解，但对初始值依赖较大；而PSO算法尽管全局收敛性强，但对初始值要求宽松。通过融合同伦算法的自校准特性和PSO的随机搜索能力，MPSO-MNR算法能够更好地处理这个问题，同时减轻对初始值的敏感性。 在研究中，作者采用了有限元法对研究区域进行划分，通过三角电流法进行电流注入，针对单个或两个仿真目标进行了电阻抗静态重构。重构质量通过定义的适应值函数和误差总和来评估。数值仿真结果显示，MPSO-MNR算法在限定的迭代次数内能准确地定位目标位置，并能有效地反映场域内电阻率的分布情况。 这项研究在计算机工程与应用领域(Computer Engineering and Applications)于2013年的第49卷第9期发表，由张辉、李颖、王西明和张小娣等学者共同完成。他们的工作不仅提升了静态电阻抗断层成像的精度，还展示了如何将智能优化算法与传统的物理模型相结合，为RTI的理论和实践应用带来了新的进展。这对于解决实际问题中的复杂电阻抗分布估计具有重要意义，有助于提升EIT技术在医疗、材料科学和其他领域的应用效果。