Page 184 - 《应用声学》2025年第3期
P. 184

718                                                                                  2025 年 5 月


                 每一行的对角线元素给出了第ξ 次迭代时对应
                                                                           X                  Y 
             维数的反演参数的试步长。G ξ 为                                           X   Ā  X         Y   Ā  Y 
                                                                                   Ӝᦡిϙs
                                                                           X r                 Y r
                          G ξ = G 0 = [I, −I] ,        (17)                        ̄ѬڏQ
             式(17)中,I 为l 阶单位矩阵,G ξ 在整个反演过程中                                  图 6  二分图匹配模型
             保持不变。χ ξ 的每一列都用来扰动当前的模型 p ξ ,                            Fig. 6 Bipartite graph matching model
             因此第ξ 次迭代将产生2l 个试验模型,其中一个是:
                                                                   Kuhn-Munkres算法求解步骤:
                              j
                                        j
                             p = p ξ + χ .             (18)        步骤1 初始化可行顶标的值。
                                        ξ
                                                                   对于 Q 中的任意一个节点,给定一个函数
                                                         j
                 利用 χ ξ 的 j 列对 p ξ 进行扰动,生成试模型 p ,
                                                               f(node) 求出结点的顶标值。 规定 f x (x) 和 f y (y)
             将这些试模型的最小目标函数值与当前模型 p ξ 的
                                                               分别记录集合 X 和 Y 中的结点顶标值,初始设
             目标函数进行比较,得到模型更新的规则如下:
                                                               定 f x (x i ) 的值为与 x i 关联边 e(x i , y i ) 的最大权值
              
                p ξ+1 = p  = p ξ + χ   ,  φ(p   ) < φ(p ξ ),   s(x i , y i ),令 f y (y i ) = 0,满足 f x (x i ) + f y (y i ) >
                       min         min      min
                                    ξ
                p ξ+1 = p ξ ,            φ(p    ) > φ(p ξ ),
                                            min               s(x i , y i )。
                                                       (19)        步骤 2 使用 Kuhn-Munkres 算法寻找相等子
                                                               图的完美匹配。
             其中,p  min  为各试验模型中目标函数值最小的模型。
                   (  min  )                                       Kuhn-Munkres 算法采用增广路径求最大匹
             如果 φ p       < φ (p ξ ),步长将被扩大或保留;反
                                                               配,通过寻找一条增广路径O,在取反操作获得更大
             之,减小步长以重复,即:
                                                               的匹配,直至找不到增广路径为止。
                       
                         α ξ+1 = λα ξ , λ > 1,                     步骤3 修改可行顶标的值。
                       
                                                       (20)
                         α ξ+1 = θα ξ ,  0 < θ < 1,
                                                                  对于访问过的顶点 x,将它的可行顶标减去
                                                               d = min{f(x) + f(y) − s(x i , y i )},而对于所有访问
             其中,λ为大于等于1的膨胀系数,θ 为小于1的收缩
                                                               过的顶点y 的可行顶标增加d。
             系数。
                                                                   重复步骤2和步骤3,直到找到完备匹配为止。
                 按照式 (15)∼(20) 开始迭代,使得目标函数值
             不断减小,迭代的终止条件:(1) 达到最大迭代次数;                        2 数值测试
             (2) 达到最小目标函数值;(3) 横波速度或厚度步长
             小于收敛容差。                                               Scholte 波场模拟采用交错网格时域有限差分
                                                               法,流体层上界面为自由表面,将流体层剪切模量
             1.2.3 Kuhn-Munkres算法
                                                               设置为零以满足流固边界             [20] ,模型大小为 100 m×
                 Kuhn-Munkres 算法   [18−19]  被提出来解决最优           100 m,空间网格大小为0.5 m,时间步长为0.0001 s,
             分配问题,其实际上是一种加权二分图的最大匹配                            设置主频为 30 Hz、脉冲宽度为 0.1 s 的余弦包络作
             问题。在迭代过程中从模型 p中计算出的频率 f i 处                       为声源函数来激励垂直振动,声源时域波形及频谱
             的理论频散曲线 V        theo (f i , p) 作为理论值与人工合         如图 7 所示,声源位于流固界面 (0,50) 处,检波器
             成的频散数据 V       obs (f i ) 作为观测值来构造一个加             按照线阵排列在流固界面上 (图 1),最小偏移距为
             权二分图 Q 来寻找匹配方案,通过将观测值的顶点                          10 m,道间距为 5 m,共 19 道接收垂直分量的时域
             与特定频率下使用的理论值的顶点连接起来,通过                            信号,采样率为 0.001 s,每道 500 个采样点,共记录
             观测值与理论值之间的 L 2 范数导出的距离来确定                         0.5 s,三类固体模型均采用上述参数。
             边缘的权值 s,使观测值与理论值之间的差异最小                               提频散方法采用 Matrix pencil 算法         [21] ,首先
             化。图 6 给出了二分图 Q 匹配模型,观测值和理论                        对合成波形数据进行快速傅里叶变换,将时域信号
             值的顶点分别放在集合 X = {X 1 , X 2 , · · · , X r } 和       转换到频率域,然后根据频谱构建 Hankel 矩阵,最
             Y = {Y 1 , Y 2 , · · · , Y r }中,然后,通过Kuhn-Munkres  后通过自适应速度窗挑选频率点速度范围限定的
             算法得到集合X和Y的匹配关系。                                   频散曲线。
   179   180   181   182   183   184   185   186   187   188   189