一种感应式电导率传感器探头参数智能优化方法

本发明涉及光纤光栅传感，尤其涉及光纤光栅信号处理，具体是指一种感应式电导率传感器探头参数智能优化方法。

背景技术：

1、电导率是表征介质导电能力的重要物理量，广泛应用于海水盐度测量、工业水质监测、环境监测和深海探测等场景。传统电极式电导率传感器通过电极与测介质直接接触实现测量，灵敏度高，但容易受到电极极化、腐蚀、生物附着和污染沉积等因素影响。

2、感应式电导率传感器利用交变磁场与导电介质之间的电磁感应关系进行非接触测量，具有耐腐蚀、抗污染、适合长期原位监测等优点，但测量性能高度依赖探头参数。现有的探头参数优化方案包括：

3、（1）经验试错与物理样机验证方案；

4、首先根据经验确定探头的初始频率、磁芯尺寸和线圈匝数，再加工样机并通过标准溶液实验测量输出电压与电导率之间的关系，随后根据实验结果对探头结构和探头参数进行修改，该方案依赖人工经验，研发周期长、加工和测试成本高，难以在探头制作前充分掌握激励频率、磁环尺寸、线圈匝数、导流通道尺寸等参数之间的耦合关系。

5、（2）基于多物理场仿真的参数扫描方案；

6、通过多物理场仿真软件建立感应式电导率传感器探头模型，对激励频率、磁环尺寸、线圈匝数等探头参数进行参数化扫描，获得输出电压、线性度、损耗分布和磁场分布等结果，再由设计人员根据仿真曲线选择合适参数。该方案单纯依靠多物理场仿真或全参数扫描，虽然能够减少物理试错，但在高维参数空间下仍需要大量仿真次数，且仿真结果通常依赖人工综合权衡，难以兼顾线性度、灵敏度、能量损耗和小型化等多目标约束，难以形成可重复、可扩展的智能优化闭环。

7、（3）基于几何与频率综合因子、热磁平衡因子的参数确定方案；

8、公告号为cn120781575b的中国发明专利公开了一种快速确定感应式电导率传感器探头参数的方法，该方法基于感应式电导率传感器的电磁感应原理与趋肤效应特性，引入探头几何-频率综合因子和热磁平衡因子，建立参数间的定量关联，并结合多物理场仿真实现探头参数的快速优化，能够使激励频率、磁环尺寸、间距、匝数等参数协同匹配，并在实际制作前验证参数合理性。该方案能够能够快速确定一组可行探头参数，但对参数空间中未仿真的区域缺少预测能力，也缺少基于模型不确定度主动选择下一组仿真参数的智能寻优机制，容易造成局部最优或冗余仿真。

9、因此，亟需开发一种能够在有限的多物理场仿真预算下，预测未知区域性能，以较少高保真仿真次数，在更高维度参数空间进行全局寻优，并通过贝叶斯优化主动推荐下一组最具优化潜力的参数组合，从而形成仿真、学习、推荐、验证、更新的闭环优化方法，以提升探头参数的确定效率与优化精度，满足复杂工程约束下高性能探头快速研发的实际需求。

技术实现思路

1、本发明的目的在于提供一种感应式电导率传感器探头参数智能优化方法，以解决现有技术中因多物理场仿真计算成本高、高维参数空间覆盖困难导致的探头参数优化效率低、难以在有限预算下实现全局最优的技术问题。

2、为解决上述目的，本发明提供一种感应式电导率传感器探头参数智能优化方法，包括：

3、s1、确定探头参数优化的设计变量和参数范围，构建探头参数仿真模型，将设计变量设置为可自动更新的全局参数，在参数范围内，生成多组候选参数组合，将各候选参数组合的探头参数向量输入探头参数仿真模型运行仿真，获取各候选参数组合的性能数据；

4、s2、构建综合目标函数，基于s1获取的性能数据计算各候选参数组合的综合目标函数值，构建仿真样本库；

5、s3、以仿真样本库中，各参数组合的探头参数向量为输入，以探头参数向量的综合目标函数值为输出，构建并训练gpr代理模型；

6、s4、训练完成后，根据gpr代理模型输出的预测均值和预测标准差构造优化采集函数，计算各候选参数组合的优化价值，输出推荐参数组合；

7、s5、将推荐参数组合的探头参数向量输入探头参数仿真模型运行仿真，获取推荐参数组合的性能数据，计算推荐参数组合的综合目标函数值并更新仿真样本库；

8、s6、基于推荐参数组合和推荐参数组合的综合目标函数值对gpr代理模型进行迭代收敛验证，输出最优探头参数组合。

9、s1中，探头参数向量为：

10、；

11、式中，表示探头参数向量，表示激励频率，表示激励线圈匝数，为检测线圈匝数，表示磁环内半径，表示磁环外半径，表示线圈间距，表示磁芯长度；

12、在参数范围内，采用拉丁超立方采样、正交试验设计、均匀设计、sobol序列采样或结合工程经验的混合采样方式生成多组候选参数组合；

13、各候选参数组合的性能数据包括各候选参数组合在不同仿真介质条件下的输出电压数据、电磁场分布数据和损耗分布数据。

14、s2中，综合目标函数为：

15、；

16、；

17、；

18、式中，表示的综合目标函数值，、表示的中间计算参数，表示归一化后的线性度，表示归一化后的输出电压，表示归一化后的磁芯损耗，表示归一化后的线圈铜损，表示归一化后的探头体积，、、、、分别表示、、、、的权重系数。

19、磁芯损耗为：

20、；

21、；

22、式中，表示的单位体积磁芯损耗，表示的磁芯体积，、、为steinmetz系数，表示的激励频率，表示的磁芯的最大磁通密度；

23、线圈铜损为：

24、；

25、式中，表示线圈电流，表示的平方，表示的线圈直流电阻，表示趋肤效应系数；

26、探头体积为：

27、；

28、式中，表示的磁环外半径，表示的磁芯长度，表示的线圈间距。

29、s6中，基于推荐参数组合和推荐参数组合的综合目标函数值对gpr代理模型进行迭代收敛验证，当gpr代理模型的训练过程不满足迭代收敛条件时，返回步骤s3，直至gpr代理模型的训练过程满足迭代收敛条件后，将最后一轮迭代输出的推荐参数组合作为最优探头参数组合，输出最优探头参数组合的探头参数和最优参数组合的性能数据。

30、仿真样本库为：

31、；

32、式中，表示迭代次数索引，表示第轮迭代时的仿真样本库，表示中仿真样本的数量，表示仿真样本索引，表示第个仿真样本，表示第个仿真样本的探头参数向量，表示的综合目标函数值。

33、优化采集函数为：

34、；

35、式中，表示第轮迭代的优化采集函数值，表示第轮迭代的预测均值，表示第轮迭代的预测标准差，表示探索系数；

36、在有效参数集合中，对优化采集函数值进行最大化搜索，输出推荐参数组合：

37、；

38、式中，表示第轮迭代输出的推荐参数组合的探头参数向量，为有效参数集合，由满足工程优化约束条件的候选参数组合构成，为最大化搜索函数。

39、工程优化约束条件包括：

40、；

41、；

42、；

43、式中，表示最小线性度，表示最大允许功耗，表示最大允许探头体积。

44、对gpr代理模型进行迭代收敛验证的迭代收敛条件为：

45、；

46、式中，表示的综合目标函数值，表示第轮迭代输出的推荐参数组合的探头参数向量，表示连续比较的迭代轮数，表示收敛阈值。

47、gpr代理模型通过高斯过程刻画综合目标函数，通过在仿真样本上建立近似模型，输出尚未参与仿真的参数组合的综合目标函数值；gpr代理模型训练完成后，对于任意一个输入gpr代理模型的参数组合，gpr代理模型输出参数组合对应的预测均值和预测标准差。

48、相比于现有技术，本发明具有以下有益效果：

49、本发明仅需初始样本和若干轮贝叶斯优化即可获得优解，相比全参数扫描大幅减少高保真仿真次数，提高了计算效率；此外，每次贝叶斯优化推荐均经高保真仿真验证并反馈至样本库，代理模型随迭代逐步细化，使优化过程具有自适应性和收敛性，最终输出同时满足工程约束和综合性能最优的参数组合；

50、本发明通过gpr模型提供预测不确定度，并构造采集函数平衡探索与开发，避免单纯依赖当前最优值导致的局部收敛，能够更大概率找到全局最优参数组合，

51、本发明将线性度、输出电压、磁芯损耗、铜损和体积纳入统一加权目标函数，并可灵活调整权重以适应不同应用场景如深海低功耗、高精度测量或小型化设计），克服人工多指标权衡的主观性和不一致性；

52、本发明提供的代理模型不依赖特定仿真软件，亦可采用神经网络、随机森林等替代仿真软件；采集函数可选用期望改进、概率改进等多种形式，具有良好的可移植性和适应性。