基于深度森林的盾构机滚刀损伤状态识别与量化方法

《Sensors》：Damage State Recognition and Quantification Method for Shield Machine Hob Based on Deep Forest Huawei Wang, Qiang Gao, Sijin Liu, Peng Liu, Xiaotian Wang and Ye Tian

　　

到达时间差（Time Difference of Arrival，TDOA）定位通过分析目标信号在分布式雷达节点处的到达时间差，实现高精度定位，其性能高度依赖于雷达节点拓扑。然而，现有研究往往更关注定位精度提升，而忽视了雷达几何布局与监视覆盖对定位性能的影响。为此，本文提出一种基于改进非支配排序多目标粒子群优化（Non-dominated Sorting Multi-Objective Particle Swarm Optimization，NS-MOPSO）算法的分布式雷达系统拓扑优化方法。研究人员构建了分布式TDOA雷达系统的几何定位模型。在此基础上，设计了三个优化目标，包括最小化几何精度衰减因子（Geometric Dilution of Precision，GDOP）、最大化目标覆盖率以及提升节点布设的几何均衡性。研究将上述三个目标函数纳入NS-MOPSO框架，以获得更合理的雷达几何分布。为增强优化性能，研究采用了一系列策略，例如基于Pareto的非支配排序解选择、用于促进多目标均衡优化的改进拥挤距离方案，以及用于提高解多样性并降低早熟收敛风险的高斯变异。为验证所提方法，研究人员在不同节点部署场景下开展了仿真研究与真实实验。结果表明，与表现最佳的对比方法相比，优化后的拓扑在均方根定位误差（Root Mean Square Positioning Error，RMSPE）上降低了6.4%，高质量定位区域占比提高了4.3%，同时表现出更快的收敛速度与更好的稳定性。这些结果证实，所提方法在提升定位精度、扩展有效覆盖范围及改善系统整体性能方面具有有效性与鲁棒性。

该文发表于《Sensors》。尽管题名给出了“基于深度森林的盾构机滚刀损伤状态识别与量化方法”，但正文与摘要的实际研究对象并非盾构机滚刀，也并未围绕深度森林（Deep Forest）开展建模，而是聚焦于分布式雷达系统中基于到达时间差（Time Difference of Arrival，TDOA）的拓扑优化问题。论文的核心任务是在分布式无源定位场景下，针对雷达节点几何构型对定位性能的基础性影响，建立一种兼顾定位精度、空间覆盖和几何均衡性的多目标优化框架。研究背景在于，TDOA定位虽然因无需先验发射源信息、精度较高且具一定抗多径能力而被广泛用于电子对抗和智能感知系统，但系统最终性能并不只由测量噪声抑制、异步补偿或稳健估计算法决定，节点空间布局对误差传播、盲区形成及区域内定位稳定性具有更根本的约束作用。现有研究虽已从GDOP（Geometric Dilution of Precision，几何精度衰减因子）、CRLB（Cramér–Rao Lower Bound，克拉美–罗下界）等角度证明了阵列拓扑的重要性，但多数方法仍将几何性能隐含地并入平均定位误差或覆盖指标，较少把空间几何一致性作为独立结构目标进行建模。同时，在高维部署约束与异质目标并存的搜索空间中，不同目标量纲和波动范围差异会导致进化搜索中的支配偏置，削弱Pareto前沿的多样性与均衡性。因此，开展本研究的必要性在于：在真实部署约束下，需要一种显式约束几何稳定性、同时协调精度与覆盖需求的拓扑优化方法，以提升大范围、多目标场景下的整体定位鲁棒性。

围绕上述问题，研究人员首先建立了分布式TDOA雷达几何定位模型。通过发射源位置与各雷达节点坐标之间的传播距离差关系，推导TDOA观测方程，并在真实目标位置附近线性化，获得基于Jacobian矩阵H的误差传播模型。由此给出定位误差协方差矩阵，并进一步定义RMSPE与GDOP两个关键评价量：前者反映节点几何与测量噪声共同作用下的综合定位误差，后者则在忽略噪声权重异质性时刻画纯粹由几何拓扑决定的误差放大效应。基于这一模型，论文提出统一的三目标拓扑优化框架，将关键任务区域的平均RMSPE、监视区域覆盖效率以及GDOP分布的归一化离散程度纳入同一优化向量，其中几何均衡性通过GDOP标准差归一化后的指标独立表达，从而把“几何稳定性”从传统性能聚合范式中剥离出来，升级为显式调控维度。

在算法层面，研究提出改进的非支配排序多目标粒子群优化（NS-MOPSO）方法。该方法将粒子编码为所有雷达节点的位置与天线指向角联合向量，并在部署区域（Radar Deployment Area，RDA）及监视区域（Radar Surveillance Area，RSA）约束下进行可行解搜索。为避免传统多目标粒子群在异质目标空间中出现解集聚集或偏向高波动目标的问题，论文引入目标感知拥挤距离策略，根据各目标在当前种群中的标准差倒数自适应分配权重，减轻单一目标尺度主导选择过程的倾向。与此同时，研究还设计了停滞感知高斯变异与“遗传再加热”式重初始化机制：当种群在若干代内未获得明显改进时，对部分表现较差的粒子施加受几何可行性约束的随机扰动，或依据GDOP相关复合指标选出最差粒子进行可行域内重采样，以增强跳出局部最优的能力。再结合随迭代线性调整的惯性权重ω及学习因子c₁、c₂，算法在早期强化全局探索，在后期增强局部开发与收敛稳定性。研究认为，这种“雷达感知”的机制重构，使常规MOPSO的多样性维护算子更贴合几何耦合、部署受限的TDOA拓扑优化场景。

研究所采用的主要技术方法可概括为以下几类：其一，基于TDOA双曲线定位原理建立几何误差传播模型，以Jacobian矩阵、RMSPE和GDOP量化节点拓扑对定位性能的影响；其二，构建包含定位精度、监视覆盖和几何均衡性的三目标约束优化模型，并引入罚函数处理工程可行性、视场（Field of View，FoV）与转向约束；其三，提出改进NS-MOPSO算法，通过非支配排序、目标感知拥挤距离、高斯变异、GDOP引导重初始化及自适应学习参数实现拓扑搜索；其四，在仿真和室外真实场景两类条件下进行验证，仿真使用MATLAB R2024b，真实实验基于4个80 GHz毫米波雷达节点，在开放场地采集多拓扑下的TDOA定位数据进行比较。

以下按论文主体结果部分的小标题进行概括。

4.1.1 Simulation Environment Setup
研究人员构建了典型城市感知背景下的仿真框架，将雷达部署区域设为[?40 km, 40 km] × [0 km, 80 km]，发射源监视区域设为[?200 km, 200 km] × [0 km, 380 km]。系统包含5个雷达节点，并设置两个关键发射源区域，其中高优先级任务区赋予更高权重。该设置用于在固定约束下检验所提方法对复杂环境几何条件与定位性能的改善能力。

4.1.2 Simulation-Based Experimental Setup
为比较不同部署与优化策略的性能，研究设置8组对照：随机部署、均匀阵列、切线式布局、单目标PSO、NSGA-II、标准MOPSO、MOPSO-NRCD和所提NS-MOPSO。评价指标包括定位精度（RMSPE）、监视覆盖率和几何均衡性，用于系统检验不同方法在多目标约束下的综合表现。

4.1.3 Simulation Results and Analysis
在定位精度方面，100次Monte Carlo仿真结果表明，随机部署、切线布局和均匀阵列误差较大，而进化优化方法整体显著降低RMSPE。其中，NS-MOPSO取得最低平均RMSPE 287.5 m，相较随机部署下降约35%，相较MOPSO-NRCD进一步降低约5%，说明将几何均衡调控与场景感知多样性控制结合后，可获得更稳定的节点构型与更高的TDOA定位精度。
在监视覆盖方面，随机与均匀布局平均覆盖率分别为58.5%和59.6%，切线布局为62.0%；多目标进化方法均提升至68%以上，其中MOPSO-NRCD达72.9%，NS-MOPSO进一步提高到77.6%，较随机部署提升约19%，较MOPSO-NRCD提升约4.7%。结果说明几何均衡约束有助于形成覆盖更完整的节点空间分布。
在收敛性方面，NS-MOPSO在多目标归一化指标上表现出更快的早期收敛速度和更小的后期波动，150次迭代后达到最低归一化适应度值，表明几何约束变异、GDOP引导重初始化和目标感知拥挤调控共同提升了收敛速度与稳定性。
在GDOP空间分布分析中，优化后拓扑的平均GDOP由28.91降至18.63，下降35.6%；GDOP<20区域占比达到85.1%，比均匀阵列高37.2%。三维表面结果显示，优化部署显著削弱了均匀阵列中的各向异性和高GDOP“盲区”，尤其改善了边界区域的定位稳定性。

4.1.4 Computational Cost and Scalability Analysis
论文进一步从理论复杂度和经验运行时间评估方法的计算开销。研究指出，多目标雷达拓扑优化的主要代价来自目标函数评估，其主导复杂度可表示为O(G·N_pop·S·K)。在5节点、种群100、迭代150的设置下，所提方法运行时间与标准MOPSO相近，低于MOPSO-NRCD和NSGA-II，说明新增策略未引入显著额外负担。随节点规模从5增至50，NS-MOPSO运行时间由97.6 ms增至892.1 ms，保持在1 s以内，体现出较好的可扩展性与工程可行性。论文同时强调，所有优化过程均在系统部署前离线完成，不影响实时定位阶段。

4.1.5 Ablation Study on Key Components
消融实验用于量化各模块贡献。去除目标感知拥挤策略后，定位精度与覆盖一致性均明显下降，说明该机制对维持多目标分布均衡至关重要；去除GDOP引导重初始化后，RMSPE显著升高，且GDOP<20区域占比由89.2%降至73.7%，表明其对避免陷入次优几何构型具有关键作用；自适应变异虽带来的提升相对温和，但能在不显著增加计算负担的前提下增强全局探索。整体上，这些结果证明性能提升来自多个模块的协同整合，而非简单参数调节。

4.2.1 Experimental Scenario and Equipment
为验证方法在真实场景中的有效性，研究在无遮挡开放室外区域构建实验平台。测试场地约102 m × 68 m，雷达部署区设为102 m × 20 m，目标活动区设为20 m × 20 m。实验采用4个80 GHz毫米波雷达节点，统一安装高度约1.5 m，并通过边缘计算平台实现统一时间同步，以支撑后续TDOA定位。

4.2.2 Experimental Design
研究在真实场地中依次构建6种拓扑：均匀阵列、随机部署、MOPSO、NSGA-II、MOPSO-NRCD和NS-MOPSO。对于每种拓扑，研究人员在预定义辐射源区域内采样多个目标位置，并记录各节点到达时间信息，同时测量真实位置作为参考。随后对所有估计位置进行统一误差统计，计算RMSPE、有效覆盖率与误差累积分布函数（Cumulative Distribution Function，CDF），以系统比较不同拓扑的实际定位表现。

4.2.3 Experimental Results Analysis
真实实验表明，固定或无结构拓扑下平均定位误差较大且波动更明显；多目标优化方法均可改善结果，但仍受局部几何失衡影响。NS-MOPSO取得最低平均RMSPE与最小误差方差：相较随机部署的2.32 m，下降至1.60 m，约提升31%；相较最佳对比方法MOPSO-NRCD的1.71 m，进一步提升约6.4%。
在有效监视覆盖方面，随机部署和均匀阵列的平均覆盖率分别为37.5%和43.6%，MOPSO与NSGA-II提高至60.8%和61.3%，MOPSO-NRCD为62.6%，而NS-MOPSO达到66.9%，较MOPSO-NRCD提高4.3个百分点，较标准MOPSO提高6.1个百分点。
CDF结果显示，随机和均匀布局曲线整体右移且更平缓，反映出误差离散更大；优化方法曲线则更靠左、更陡峭。NS-MOPSO具有最左且最陡的CDF曲线，意味着更多采样点落在低误差区间，不仅降低平均误差，也有效抑制大误差事件，提升了实际部署条件下的整体可靠性。

在讨论层面，论文反复强调，分布式TDOA定位中的几何拓扑并不是附属因素，而是决定定位误差传播、覆盖完整性与空间稳定性的结构性因素。相较既有工作主要围绕信号处理、噪声建模与平均性能优化展开，本研究的贡献在于把空间几何一致性单独提出，并通过GDOP离散度进行区域级调控。与此同时，作者并未将改进算法描述为纯粹的通用进化算子叠加，而是强调所有机制都经过“场景化改写”：无论是可行域内高斯扰动、基于GDOP停滞判据的重初始化，还是依据目标波动特征调整的拥挤距离，均服务于雷达部署这一几何耦合问题。仿真与实测结果共同表明，该结构化设计能够在不显著增加离线计算代价的前提下，同时提升定位精度、覆盖能力和几何稳定性。因此，论文的意义不仅在于给出一种性能更优的分布式雷达部署方法，也在于为其他具有空间几何耦合特征的感知系统提供了可借鉴的多目标优化思路。

结论部分可译为：
本文提出了一种面向分布式雷达TDOA定位系统的拓扑优化框架。为解决传统均匀部署策略的局限性，研究构建了一种改进的多目标粒子群优化方法，即NS-MOPSO。论文建立了几何TDOA定位模型，以表征空间构型对定位性能的影响，并构建统一的多目标模型，对定位精度、覆盖能力与几何均衡性进行联合优化。实验验证了所提方法的有效性。与表现最佳的对比方法MOPSO-NRCD相比，NS-MOPSO在RMSPE上降低了6.4%，在有利几何条件区域占比上提高了4.3%，同时保持稳定的收敛行为。优化后的拓扑在实际部署约束下实现了更高的定位可靠性、更优的覆盖效率以及更低的空间误差波动。总体而言，该框架是面向雷达拓扑优化问题的多目标PSO方法的定向改进。通过将雷达特有的几何约束嵌入多样性调控与算子设计之中，该方法提升了异质目标空间中的结构稳定性，并为其他几何耦合感知系统中的多目标优化提供了参考。