Дослідження доцільності застосування генетичного алгоритму для задач електроакустики
Бічна панель сторінки статті
Основний зміст сторінки статті
Анотація
У даній статті розглянуто адаптацію та застосування генетичного алгоритму для знаходження параметрів моделі електродинамічного перетворювача. Розглянуто переваги та недоліки даного методу порівняно із класичними методом ідентифікації із застосуванням доданої маси. Представлено виведення функції пристосованості для оцінки ідентифікованих параметрів що може також бути використана для ідентифікації інших типів електроакустичних перетворювачів. Було розглянуто теорію, що лежить в основі генетичних алгоритмів, і показано, як генетичні алгоритми працюють, збираючи найкращі рішення з невеликих структурних елементів, що володіють чудовими якостями. Далі було розібрано відмінності між генетичними і традиційними алгоритмами, в тому числі підтримку популяції рішень і використання генетичного уявлення рішень.
Після цього було описано сильні сторони генетичних алгоритмів, що включають можливість глобальної оптимізації і застосовність до завдань зі складним математичним представленням або взагалі без представлення і стійкість до шуму. Також були освітлені недоліки: необхідність спеціальних визначень і налаштування гіперпараметрів, небезпеки передчасної збіжності. На закінчення перераховано ситуації, коли застосування генетичних алгоритмів може дати перевагу. Цей алгоритм не прив’язаний до конкретної інженерної чи наукової галузі, що робить його універсальним, рівною мірою він використовується і в генетиці і у комп’ютерних науках. За допомогою генетичного алгоритму було визначено параметри та порівняно їх з більш класичним для акустики методом доданої маси. Порівняльна таблиця у роботі ілюструє високу точність генетичного алгоритму у порівнянні з методом доданої маси. В ході роботи над практичною частиною, також щоб покращити поведінку моделі на частотах вищих за резонансну, було вирішено ускладнити модель електричної підсистеми перетворювача та увести додаткові параметри: паралельний опір та паралельну індуктивність. Ускладнена модель, як наслідок, почала краще відповідати виміряним значенням у всій частотній області, а отже є більш точною. Це є прикладом зручності використання генетичного алгоритму при переході від ідентифікації однієї моделі зі специфічними параметрами до іншої. Результати даної роботи доводять, що використання генетичного алгоритму є доцільним для вирішення задач електроакустики адже його використання дозволяє швидко експериментувати та ідентифікувати більш складні моделі для яких метод доданої маси не може бути застосованим.
Також, у перспективі, генетичний алгоритм може бути застосований для ідентифікації моделей перетворювачів у часовій області, наприклад, нелінійних моделей електродинамічних перетворювачів або моделей у фазовому просторі, що є предметом майбутніх досліджень.
Блок інформації про статтю
Ця робота ліцензується відповідно до Creative Commons Attribution 4.0 International License.
Автори, які публікуються у цьому журналі, погоджуються з наступними умовами:- Автори залишають за собою право на авторство своєї роботи та передають журналу право першої публікації цієї роботи на умовах ліцензії Creative Commons Attribution License, котра дозволяє іншим особам вільно розповсюджувати опубліковану роботу з обов'язковим посиланням на авторів оригінальної роботи та першу публікацію роботи у цьому журналі.
- Автори мають право укладати самостійні додаткові угоди щодо неексклюзивного розповсюдження роботи у тому вигляді, в якому вона була опублікована цим журналом (наприклад, розміщувати роботу в електронному сховищі установи або публікувати у складі монографії), за умови збереження посилання на першу публікацію роботи у цьому журналі.
- Політика журналу дозволяє і заохочує розміщення авторами в мережі Інтернет (наприклад, у сховищах установ або на особистих веб-сайтах) рукопису роботи, як до подання цього рукопису до редакції, так і під час його редакційного опрацювання, оскільки це сприяє виникненню продуктивної наукової дискусії та позитивно позначається на оперативності та динаміці цитування опублікованої роботи (див. The Effect of Open Access).
Посилання
R. H. Small, “Direct-Radiator Loudspeaker System Analysis,” J. Audio Eng. Soc., vol. 20, no. 5, pp. 383–395, 1972.
D. D. Volkov, “Finding the physical parameters of the electrodynamic converter by the method of using the parameter BL and the method of mass added,” Microsystems, Electron. Acoust., vol. 24, no. 6, pp. 65–68, Dec. 2019, DOI: https://doi.org/10.20535/2523-4455.2019.24.6.195547.
S. N. Sivanandam and S. N. Deepa, “Applications of Genetic Algorithms,” in Introduction to Genetic Algorithms, Berlin, Heidelberg: Springer Berlin Heidelberg, 2008, pp. 317–402, URL: http://link.springer.com/10.1007/978-3-540-73190-0_10.
S. Slimane and M. Benbouziane, “Portfolio Selection Using Genetic Algorithm,” J. Appl. Financ. Bank., vol. 2, no. 4, pp. 143–154, 2012, URL: https://www.scienpress.com/download.asp?ID=347.
Y. LI, K. C. NG, D. J. MURRAY-SMITH, G. J. GRAY, and K. C. SHARMAN, “Genetic algorithm automated approach to the design of sliding mode control systems,” Int. J. Control, vol. 63, no. 4, pp. 721–739, Mar. 1996, DOI: https://doi.org/10.1080/00207179608921865.
S. Wang et al., “A multi-approaches-guided genetic algorithm with application to operon prediction,” Artif. Intell. Med., vol. 41, no. 2, pp. 151–159, Oct. 2007, DOI: https://doi.org/10.1016/j.artmed.2007.07.010.
E. Wirsansky, Hands-On Genetic Algorithms with Python. Packt Publishing, 2020, ISBN: 9781838557744.
“DEAP documentation — DEAP 1.3.1 documentation.” [Online]. Available: https://deap.readthedocs.io/en/master/.
A. Novak, “Measurement of Loudspeaker Parameters: A Pedagogical Approach,” in 23rd International Congress on Acoustics : integrating 4th EAA Euroregio 2019, 2019, DOI: https://doi.org/10.18154/RWTH-CONV-239247.
P. Brunet, “Nonlinear System Modeling and Identification of Loudspeakers,” Northeastern University, 2014, URL: https://repository.library.northeastern.edu/files/neu:336724/fulltext.pdf.
