izmertechИзмерительная техникаIzmeritel`naya Tekhnika0368-10252949-5237ФГУП "ВНИИФТРИ"10.32446/0368-1025it.2023-11-38-44izmertech-2094Research ArticleИЗМЕРЕНИЯ В ИНФОРМАЦИОННЫХ ТЕХНОЛОГИЯХMEASUREMENTS IN INFORMATION TECHNOLOGIESОптимизация чувствительности магнитоимпедансного датчика малых магнитных полей методами последовательного приближения и роя частицOptimization of the sensitivity of the magnetoimpedance sensor of small magnetic fields by methods of sequential approximation and swarm of particleshttps://orcid.org/0009-0003-7382-0368ЮдановН. А.YudanovN. A.

Николай Анатольевич Юданов

Москва

Nikolay A. Yudanov

Moscow

yudanov.n@misis.ruhttps://orcid.org/0009-0005-5453-9559НемировичМ. А.NemirovichM. A.

Марк Анатольевич Немирович

Москва

Mark A. Nemirovich

Moscow

nemirovich.m@misis.ruАндрейкоМ. А.AndreikoM. A.

Максим Андреевич Андрейко

Москва

Maxim A. Andreiko

Moscow

m1904675@edu.misis.ruМахновскийД. П.MakhnovskyD. P.

Дмитрий Петрович Махновский

Плимут

Dmitriy P. Makhnovsky

Plymouth

dmitriy.makhnovskiy@gmail.comhttps://orcid.org/0000-0001-7793-538XРодионоваВ. В.RodionovaV. V.

Валерия Викторовна Родионова

Калининград

Valeria V. Rodionova

Kaliningrad

valeriarodionova@gmail.comhttps://orcid.org/0000-0003-1252-8606ПанинаЛ. В.PaninaL. V.

Лариса Владимировна Панина

Москва

Калининград

Larissa V. Panina

Moscow

Kaliningrad

drlpanina@gmail.comНациональный исследовательский технологический университет МИСИСРоссияNational University of Science and Technology (NUST MISIS)Russian FederationSensing Materials Technology LtdUnited KingdomНаучно-образовательный центр «Умные материалы и биомедицинские приложения», Балтийский федеральный университет им. И. КантаРоссияResearch and Educational Center “Smart Materials and Biomedical Applications”, Immanuel Kant Baltic Federal UniversityRussian FederationНациональный исследовательский технологический университет МИСИС; Научно-образовательный центр «Умные материалы и биомедицинские приложения», Балтийский федеральный университет им. И. КантаРоссияNational University of Science and Technology (NUST MISIS); Research and Educational Center “Smart Materials and Biomedical Applications”, Immanuel Kant Baltic Federal UniversityRussian Federation2023141220230113844Copyright © ФГУП "ВНИИФТРИ", 20232023ФГУП "ВНИИФТРИ"ФГУП "ВНИИФТРИ"https://www.izmt.ru/jour/about/submissions#copyrightNoticehttps://www.izmt.ru/jour/article/view/2094

Рассмотрено использование многопараметрической оптимизации неизвестной дискретной функции при разработке прикладных решений для физических систем. Такая оптимизация практически реализуется в режиме реального времени с применением современных протоколов передачи данных при высокой скорости передачи в условиях непрерывно увеличивающейся вычислительной мощности. В качестве прикладной задачи рассмотрена оптимизация чувствительности современного магнитного датчика на основе эффекта высокочастотного магнитоимпеданса в ферромагнитных микропроводах. Для оптимизации использованы итеративные методы глобального поиска максимума – методы последовательного приближения и роя частиц. Выходной сигнал датчика нелинейно зависит как от внутренних магнитных свойств микропровода, так и от режима возбуждения, что требует определённой калибровки для установления оптимальных параметров возбуждения. С использованием автоматизированной установки измерены выходные сигналы датчика для различных параметров возбуждения и внешних магнитных полей. Представлены результаты поиска глобального максимума чувствительности датчика методами последовательного приближения и роя частиц. Установлено, что метод роя частиц эффективнее и точнее метода последовательного приближения. При различных параметрах возбуждения методом роя частиц всегда определялась максимальная чувствительность датчика при варьировании трёх основных параметров сигнала возбуждения: частоты, амплитуды и постоянной составляющей. Полученные результаты будут полезны при разработке высокочувствительных интеллектуальных магнитных датчиков и систем на их основе.

The use of multiparametric optimization of an unknown discrete function in the development of applied solutions for physical systems is considered. Such optimization is practically implemented in real time using modern data transfer protocols at high speed and continuously increasing computing power. To optimize the sensitivity of a modern magnetic sensor based on high-frequency magnetoimpedance in ferromagnetic microconducts, an iterative method of global maximum search, the particle swarm algorithm, has been applied. The output signal of the sensor depends non-linearly on both the internal magnetic properties of the microcircuit and the excitation mode, which requires a certain calibration to establish optimal excitation parameters. The sensor output signals for various excitation parameters and external magnetic fields were measured using an automated installation. The results of the search for the global maximum by the sequential approximation method and the particle swarm method presented in the paper demonstrate the effectiveness of the search algorithm used, the particle swarm algorithm turned out to be the most effective, since it found the global maximum more accurately. With different excitation parameters, the algorithm has always determined the maximum sensitivity when varying the three main parameters of the excitation signal: frequency, amplitude and constant component. The results obtained can be applied in the development of highly sensitive intelligent magnetic sensors and systems based on them.

метод роя частицглобальный максимуммагнитный датчикоптимизация чувствительностидискретная функциямагнитный импедансферромагнитный микропроводparticle swarm algorithmglobal maximummagnetic sensorsoptimization of the sensitivitydiscrete functionmagnetoimpedanceferromagnetic microwireРабота выполнена при поддержке Министерства науки и высшего образования Российской Федерации (соглашениe № 075-02-2023-934).The work was supported by the Ministry of Science and Higher Education of the Russian Federation (agreement no. 075-02-2023-934).ReferencesXie G., Sunden B., Wang Q., Applied Thermal Engineering, 2008, vol. 28, no. 8-9, pp. 895–906. https://doi.org/10.1016/j.applthermaleng.2007.07.008Xie G., Sunden B., Wang Q., Applied Thermal Engineering, 2008, vol. 28, no. 8-9, pp. 895–906. https://doi.org/10.1016/j.applthermaleng.2007.07.008Abdulwhab A. et al., Electric Power Components and Systems, 2004, vol. 32, no. 12, pp. 1239–1254. https://doi.org/10.1080/15325000490446601Abdulwhab A. et al., Electric Power Components and Systems, 2004, vol. 32, no. 12, pp. 1239–1254. https://doi.org/10.1080/15325000490446601Jahangirian A., Shahrokhi A., Computers & Fluids, 2011, vol. 46, no. 1, pp. 270–276. https://doi.org/10.1016/j.compfluid.2011.02.010Jahangirian A., Shahrokhi A., Computers & Fluids, 2011, vol. 46, no. 1, pp. 270–276. https://doi.org/10.1016/j.compfluid.2011.02.010Diab A. A. Z. et al., Energy Reports, 2022, vol. 8, no. 10, pp. 384–393. https://doi.org/10.1016/j.egyr.2022.05.168Diab A. A. Z. et al., Energy Reports, 2022, vol. 8, no. 10, pp. 384–393. https://doi.org/10.1016/j.egyr.2022.05.168Kennedy J., Eberhart R. C., Shi Y., Swarm Intelligence, Morgan Kaufmann Publishers, San Francisco, Calif, USA, 2001, pp. 287–368.Kennedy J., Eberhart R. C., Shi Y., Swarm Intelligence, Morgan Kaufmann Publishers, San Francisco, Calif, USA, 2001, pp. 287–368.Poli R., Journal of Artifi cial Evolution and Applications, 2008, vol. 10, pp. 1–10. https://doi.org/10.1155/2008/685175Poli R., Journal of Artifi cial Evolution and Applications, 2008, vol. 10, pp. 1–10. https://doi.org/10.1155/2008/685175Gerginov V., Pomponio M., Knappe S., IEEE Sensors Journal, 2020, vol. 20, no. 21, pp. 12684–12690. https://doi.org/10.1109/jsen.2020.300219Gerginov V., Pomponio M., Knappe S., IEEE Sensors Journal, 2020, vol. 20, no. 21, pp. 12684–12690. https://doi.org/10.1109/jsen.2020.300219Zhang R., Mhaskar R., Smith K., Prouty M., Applied Physics Letters, 2020, vol. 116, no. 14, pp. 1–5. https://doi.org/10.1063/5.0004746Zhang R., Mhaskar R., Smith K., Prouty M., Applied Physics Letters, 2020, vol. 116, no. 14, pp. 1–5. https://doi.org/10.1063/5.0004746Han C. et al., Virtual Reality & Intelligent Hardware, 2022, vol. 4, no. 1, pp. 38–54. https://doi.org/10.1016/j.vrih.2022.01.003Han C. et al., Virtual Reality & Intelligent Hardware, 2022, vol. 4, no. 1, pp. 38–54. https://doi.org/10.1016/j.vrih.2022.01.003Tehranchi M. M., Ranjbaran M., Eftekhari H., Sensors and Actuators A: Physical, 2011, vol. 170, no. 1–2, pp. 55–61. https://doi.org/10.1016/j.sna.2011.05.031Tehranchi M. M., Ranjbaran M., Eftekhari H., Sensors and Actuators A: Physical, 2011, vol. 170, no. 1–2, pp. 55–61. https://doi.org/10.1016/j.sna.2011.05.031Zhang D. et al., Sensors and Actuators A: Physical, 2016, vol. 249, no. 1, pp. 225–230. https://doi.org/10.1016/j.sna.2016.09.005Zhang D. et al., Sensors and Actuators A: Physical, 2016, vol. 249, no. 1, pp. 225–230. https://doi.org/10.1016/j.sna.2016.09.005Tsuyoshi U., Jiaju M., Journal of Magnetism and Magnetic Materials, 2020, vol. 514, no. 15, pp. 1–7. https://doi.org/10.1016/j.jmmm.2020.167148Tsuyoshi U., Jiaju M., Journal of Magnetism and Magnetic Materials, 2020, vol. 514, no. 15, pp. 1–7. https://doi.org/10.1016/j.jmmm.2020.167148Makhnovskiy D., Panina L., Mapps D. J., Physical Review B, 2002, vol. 63, pp. 1–17. https://doi.org/10.1103/PhysRevB.63.144424Makhnovskiy D., Panina L., Mapps D. J., Physical Review B, 2002, vol. 63, pp. 1–17. https://doi.org/10.1103/PhysRevB.63.144424Ipatov M., Zhukova V., Zhukov A., et al., Applied Physics Letters. AIP Publishing, 2010, vol. 97, no. 25, pp. 1–4. https://doi.org/10.1063/1.3529946Ipatov M., Zhukova V., Zhukov A., et al., Applied Physics Letters. AIP Publishing, 2010, vol. 97, no. 25, pp. 1–4. https://doi.org/10.1063/1.3529946Zhukov A. et al., Journal of Alloys and Compounds, 2019, vol. 814, pp. 1–17. https://doi.org/10.1016/j.jallcom.2019.152225Zhukov A. et al., Journal of Alloys and Compounds, 2019, vol. 814, pp. 1–17. https://doi.org/10.1016/j.jallcom.2019.152225Gudoshnikov S. et al., Physica Status Solidi A, 2014, vol. 211, no. 5, pp. 980–985. https://doi.org/10.1002/pssa.201300717Gudoshnikov S. et al., Physica Status Solidi A, 2014, vol. 211, no. 5, pp. 980–985. https://doi.org/10.1002/pssa.201300717Panina L. V., et al., Physica Status Solidi A, 2015, vol. 213, no. 2, pp. 341-349. https://doi.org/10.1002/pssa.201532578Panina L. V., et al., Physica Status Solidi A, 2015, vol. 213, no. 2, pp. 341-349. https://doi.org/10.1002/pssa.201532578

The authors declare that there are no conflicts of interest present.