一、引言
近年来随着科技事业的发展，直流大电流的应用领域不断扩大，直流大电流测量技术在理论和实际应用方面都取得了很大的进步。作为测量领域的一个环节，传感器技术一直占有相当重要的地位。用于工业现场的直流大电流传感器，周围不可避免地存在着较强的磁场，所以检测铁芯一般都要被屏蔽。
本文将遗传算法引入到直流大电流传感器的磁屏蔽体的优化设计领域内，以直流大电流传感器的磁屏蔽效能为目标函数，在磁屏蔽效能计算公式的基础上得出磁屏蔽体的最优设计结果。研究结果对于提高直流大电流传感器的磁屏蔽体的优化设计水平具有重要的意义。1优化模型对一个求函数最大值问题，在数学上可归纳为有约束、多变量、非线性的混合性规划问题，其目标函数可描述为：
磁屏蔽体的优化设计包括设计变量和目标函数。设计变量是自变量，优化结果是通过改变设计变量的数值来实现的，每个设计变量都要事先指定变化范围。根据磁屏蔽体的结构特点，将磁屏蔽体的厚度、截面宽度径作为设计变量。目标函数是在满足设计变量的基础上要尽量减小的参量。本文以磁屏蔽效能作
二、改进的遗传算法
（一）改进的适应度线性尺度变换
传统遗传算法进化前期种群中，少数适应度较高的个体有可能在种群中迅速繁殖，导致种群过早收敛；而进化后期种群中个体差异较小，每个个体被选择的概率相当，导致搜索过程不能有效进行。适应度尺度变换可以在一定程度上消除这种早熟现象。适应度尺度变换即在进化前期，对适应度小于种群平均适应度的个体，放大其适应度；而对适应度大于种群平均适应度的个体，则缩小其适应度。进化后期的处理方法与进化前期相反。因此合理区分进化前期和后期是一个非常重要的问题。由于根据进化代数区分进化前期和后期的方法误差较大，可以用样本标准偏差来区分。
（二）交叉算子
遗传算法在搜索全局最优解时，交叉算子是产生新个体的重要算子。所以在交叉之前首先要确定两个个体以及两个个体要交叉的部分是否相同，然后决定是否进行交叉操作。若两个个体的编码值相同，则不进行交叉。若两个个体的编码值不同，产生的交叉点后要交叉的部分相同，则重新生成交叉点。这种方法提高了交叉效率，不会产生无效的交叉操作。
为了增大选择空间，加速种群进化，改进的遗传算法（IGA）采用算术交叉和多点交叉相结合的方法，即首先产生一组[0、1]之间均匀分布的随机数，随机选取一对双亲，若随机数小于交叉概率，则使用算术交叉算子为：
X′＝a X1＋（1-a）X2
X″＝（1-a ）X 1＋aX2
其中：X′和X″为新一代的子个体;X1与X2为参与交叉的父代个体；a为（0, 1）之间的随机数，由此产生两个新个体。显然，通过算术交叉产生的后代，其新的分量仍在定义区间之内。另外两个新个体则采用SGA的多点交叉算子方法来繁殖。这样定义的新交叉算子一方面有利于新一代中产生更多优良的个体，增加了种群的多样性，同时提高了IGA的全局搜索能力。
（三）移民操作
为避免遗传算法收敛于局部最优解以及优秀的基因信息在遗传操作过程中随适应度值差的个体淘汰掉，本文引入了移民策略。在遗传操作过程中每隔10代采用一次移民操作补充新个体，替换适应度值最小的10%的个体，从而增加种群中个体基因的多样性。采用移民策略补充的新个体通过随机方法产生，其适应度要大于当前种群的平均适应度，否则重新生成。该方法有利于优化搜索，跳出局部最优达到全局最优。
三、设计结果
本文采用上述一系列改进遗传算法对直流传感器的磁屏蔽效能进行优化设计。磁屏蔽体的尺寸如下：选择屏蔽体的厚度为5mm～15mm，磁屏蔽体的截面宽度为40mm～60mm，在这两个参数的变化空间，进行遗传优化设计，使磁屏蔽效能最大的a、c的取值为最优解。
试验用的大电流比较仪参数如下：a= 12mm，b=7mm，c=44mm，r=67mm。将具体的参数分别代入式（2）：
概率为0.001，迭代次数为100。应用表1结果计算可得，S2=682。采用遗传算法进行优化后，磁屏蔽效能增大了534。
在遗传算法的优化过程中目标函数和适应度函数的变化过程如图1。
点击看原图 由仿真结果可知，随着进化过程的进行，群体中适应度较低的一些个体被逐渐淘汰，而适应度较高的一些个体越来越多，并且它们都集中在所求问题的最优点附近，从而搜索到问题的最优解。由图1中可知，采用遗传算法在进化到58代时，群体适应值已经达到最优。 四、结束语 本文将遗传算法引入直流传感器磁屏蔽的设计领域，以磁屏蔽效能最大为目标函数对直流传感器的磁屏蔽体进行
