تخمین بهینه ضرایب مدل سیگنال فراصوتی با ترکیب الگوریتم‌های بهینه‌سازی گروه ذرات و گوس-نیوتن

در یک آزمون فراصوتی پژواک های بازگشتی از درون قطعه دارای اطلاعات مفید و ارزشمندی در مورد مشخصات هندسی و ریزساختاری قطعه هستند. این اکوهای فراصوتی را می‌توان با استفاده از مدل پالس گوسی، که دارای پنج پارامتر مستقل است، مدل‌سازی کرد. برای مدل‌سازی دقیق یک اکو، پارامترهای پالس گوسی باید هر چه دقیق‌تر از روی اکوی واقعی محاسبه شوند. الگوریتم های متفاوتی برای تخمین این پنج پارامتر وجود دارد. در این پژوهش از سه روش بهینه سازی گوس-نیوتن (gn)، گروه ذرات (pso) و الگوریتم ژنتیک (ga) برای این منظور استفاده خواهد شد و مزایا و معایب هر یک از این روش ها با مثال هایی بررسی خواهد شد و در نهایت با ترکیب این الگوریتم ها مزایای یک الگوریتم، جایگزین معایب الگوریتم دیگر خواهد شد. در مورد سیگنال هایی که دارای چندین پژواک فراصوتی هستند از اصل حداقل طول توصیف (mdl) برای تخمین تعداد اکوها استفاده شده است و برای تسهیل تخمین پارامترهای تمامی پژواک ها از الگوریتم بیشینه سازی امید تعمیم یافته با فضای تناوبی (sage) استفاده خواهد شد. برای ارزیابی کارآیی الگوریتم ها نیز سیگنال های شبیه سازی شده و آزمایشی در حالت هایی که اکوها همپوشانی داشته و یا بدون همپوشانی هستند مورد بررسی قرار خواهد گرفت. الگوریتم ترکیبی در تمامی شرایط مورد مطالعه بهتر از الگوریتم‌های منفرد عمل کرده است.