本發(fā)明涉及一種基于改進(jìn)粒子群算法的數(shù)字微流控芯片故障檢測方法及系統(tǒng)，屬于微數(shù)字微流控芯片故障檢測領(lǐng)域。

背景技術(shù)：

隨著科技的發(fā)展，自動測試領(lǐng)域已從對模擬電路或數(shù)字電路的測試擴(kuò)展到對微機(jī)電系統(tǒng)MEMS(Micro-Electromechanical Systems)的測試。微流控芯片又稱作片上實(shí)驗(yàn)室(Lab-on-a-chip),可以在一塊幾平方厘米的芯片上完成生物實(shí)驗(yàn)室及常規(guī)化學(xué)檢驗(yàn)的各種功能。具有小型化、高敏感度、低成本、集成化等特點(diǎn)。第一代微流控生物芯片具有永久刻蝕的微閥、微泵和微流道，至于具體操作都是基于連續(xù)的流體流動。微流體技術(shù)和制造工藝的發(fā)展推動了數(shù)字微流控芯片的產(chǎn)生，數(shù)字微流控芯片在二維微流控陣列上操縱離散的液滴，具有可大幅擴(kuò)展的系統(tǒng)架構(gòu)。

數(shù)字微流控芯片與連續(xù)流體控制相比，強(qiáng)調(diào)將液體分散化為微量的液滴來操作，單獨(dú)控制每個(gè)液滴，且能耗很低，特別適用于需要高性能并且操作較復(fù)雜的生化分析。與傳統(tǒng)模式的生化分析儀相比，數(shù)字微流控芯片具有可重復(fù)使用、尺寸小、自動化程度高、集成度高等優(yōu)勢。有能力精確驅(qū)動微量液體(低至微升甚至納升級別的液體)，在芯片上完成流體的運(yùn)輸、存儲、分離和混合等操作，以低成本完成超靈敏的生化檢測，可以顯著的減少測試時(shí)間及實(shí)驗(yàn)室空間，由于減少了人為操作過程，增加了結(jié)果的穩(wěn)定性和準(zhǔn)確性。因此在臨床診斷、生物醫(yī)療、健康檢查、藥物診斷、空氣質(zhì)量的檢測等方面都有廣泛的應(yīng)用前景，具有重要的意義。

隨著數(shù)字微流控芯片的發(fā)展，為了滿足越來越復(fù)雜的生化分析實(shí)驗(yàn)系統(tǒng)的要求，數(shù)字微流控芯片的規(guī)模及芯片密度迅速擴(kuò)大，這樣在使用過程中十分容易出現(xiàn)各種物理故障及生產(chǎn)故障，這樣的故障對微流控系統(tǒng)而言更具有危險(xiǎn)性，也更容易出現(xiàn)破壞性的故障。同時(shí)，數(shù)字微流控生物芯片常用在生物檢測、臨床診斷、藥物研制等安全關(guān)鍵領(lǐng)域，其可靠性成為制作和設(shè)計(jì)的重要標(biāo)準(zhǔn)。為保證芯片系統(tǒng)的可靠性，需要進(jìn)行有效并且全面的故障檢測。芯片的有效性測試不僅僅存在于芯片生產(chǎn)完成后，進(jìn)行生化檢測之前，甚至在實(shí)驗(yàn)進(jìn)行過程中都需要不斷的進(jìn)行測試，以保證穩(wěn)定性。故障檢測完成后，為了實(shí)現(xiàn)實(shí)驗(yàn)液滴行走路線的重新配置，還需要對芯片陣列進(jìn)行準(zhǔn)確的故障定位。如何對測試液滴的測試路徑進(jìn)行規(guī)劃是節(jié)約芯片測試時(shí)間、提高芯片測試效率的核心問題。

數(shù)字微流控芯片的測試方法是使實(shí)測試滴遍歷芯片的電極單元，因此實(shí)驗(yàn)液滴走過路徑的長短直接影響測試時(shí)間的長短。為了不影響實(shí)驗(yàn)液滴的正常工作，數(shù)字微流控芯片陣列故障檢測屬于資源限制下的路徑優(yōu)化問題，屬于NP難問題。

因此，需要一種新的數(shù)字微流控芯片的故障檢測方法，使得在保證故障覆蓋率的前提下，最大程度的縮短故障定位時(shí)間，提高故障檢測效率，節(jié)約檢測成本，保障數(shù)字微流控芯片的安全性。

技術(shù)實(shí)現(xiàn)要素：

本發(fā)明的目的是為了解決現(xiàn)有技術(shù)的數(shù)字微流控芯片故障檢測方法故障定位時(shí)間較長的缺點(diǎn)，而提出一種新的基于改進(jìn)粒子群算法的數(shù)字微流控芯片故障檢測及定位方法。

基于改進(jìn)粒子群算法的數(shù)字微流控芯片故障檢測方法，其特征在于，包括如下步驟：

步驟一：獲取測試液滴的起始位置和終點(diǎn)位置；所述測試液滴用于在數(shù)字微流控芯片的相鄰電極陣列間移動以判斷所述相鄰電極陣列間是否存在故障；每兩個(gè)相鄰電極陣列間的邊被賦予了互不相同的編號；

步驟二：構(gòu)建禁忌表，所述禁忌表用于存放液滴在當(dāng)前位置不能訪問的邊以及已經(jīng)訪問過的邊；

步驟三：構(gòu)建至少一個(gè)粒子群，為每個(gè)粒子群構(gòu)建與其對應(yīng)的位置矩陣，所述位置矩陣的行數(shù)表示粒子群算法中的粒子總數(shù)；所述位置矩陣的列數(shù)表示相鄰電極陣列間形成邊的總數(shù)；所述位置矩陣中的元素表示特定的粒子在特定電極陣列處的速度向量；所述速度向量為下一時(shí)刻每個(gè)粒子所在的邊的序號；

步驟四：確定粒子群算法中每個(gè)粒子的速度向量Speed，直至所有邊均被遍歷；所述速度向量Speed具體通過如下方式的隨機(jī)一種確定：

A、選擇隨機(jī)的一個(gè)允許選擇的邊Speed₁；

B、選擇離當(dāng)前位置距離最近的一條邊Speed₂；

C、選擇上一次迭代得到的最短路徑序列中與當(dāng)前時(shí)刻的位置相鄰的邊Speed₃；

步驟五：根據(jù)公式更新粒子的位置序列，其中X^t＝(1,x¹,x²,...,x^t,0,...)，x^t為第t時(shí)刻粒子的位置，V^t＝(0,0,0,...,x^t+1,0,...)，x^t+1＝Speed；

步驟六：計(jì)算每個(gè)粒子的位置向量的適應(yīng)度，并分別確定每個(gè)

當(dāng)前最短路徑Pbestⁱ以及全局最短路徑Gbest；所述適應(yīng)度用于表示生成的邊的有序序列所對應(yīng)的路徑的長度；

步驟七：重復(fù)迭代步驟三至步驟六，直至達(dá)到預(yù)定的迭代次數(shù)，輸出全局最短路徑Gbest。

本發(fā)明的有益效果為：使用粒子群算法，在保證故障覆蓋率的前提上最大程度的縮短故障定位時(shí)間，提高故障檢測效率，節(jié)約檢測成本，保障數(shù)字微流控芯片的安全性。同時(shí)，本發(fā)明將PSO算法和貪婪算法的思想融合，使改進(jìn)粒子群算法可以解決基本粒子群求解路徑優(yōu)化問題時(shí)面臨的困難，并且有更高的效率。對基本PSO算法中粒子的位置、速度以及操作進(jìn)行了重新定義，使粒子群算法更適合于求解最短路徑優(yōu)化問題，更好的完成數(shù)字微流控芯片的在線故障檢測。同時(shí)，本發(fā)明提出利用紅外發(fā)光管和紅外接收管進(jìn)行故障定位的方法，能有效的發(fā)現(xiàn)故障點(diǎn)，便于后續(xù)的實(shí)驗(yàn)液滴路徑重構(gòu)問題。

附圖說明

圖1為本發(fā)明的基于改進(jìn)粒子群算法的數(shù)字微流控芯片故障檢測方法的流程圖；

圖2(a)為數(shù)字微流控芯片無故障單元時(shí)的測試結(jié)果；

圖2(b)為數(shù)字微流控芯片有故障單元時(shí)的測試結(jié)果；

圖3(a)為一個(gè)實(shí)施例中數(shù)字微流控芯片的液滴從起始點(diǎn)開始移動的示意圖；其中兩個(gè)電極的相連表示短路；箭頭表示移動方向；

圖3(b)為圖3(a)的液滴移動到短路位置的示意圖；

圖4(a)為另一個(gè)實(shí)施例中數(shù)字微流控芯片的液滴從起始點(diǎn)開始移動的示意圖；其中兩個(gè)電極的相連表示短路；箭頭表示移動方向；

圖4(b)為圖4(a)的液滴由于偏離移動方向而經(jīng)過故障電極的情況；

圖4(c)為圖4(b)的液滴未停留在故障電極而是移動到下一電極的情況；

圖5為將微流控芯片模型轉(zhuǎn)換為圖的示意圖。

具體實(shí)施方式

本發(fā)明涉及到的基本原理如下：

數(shù)字微流控芯片驅(qū)動微流體的方式為介電潤濕驅(qū)動。通過電極陣列對液滴施加電場以改變其表面張力，在疏水聚合物表面利用的液固表面張力改變來驅(qū)動液滴。為了使液滴移動，驅(qū)動電壓加在相鄰的電極單元上，利用介電潤濕原理，使得液滴的表面上積累電量，從而在液滴表面生成覆蓋相鄰電極的表面張力梯度，當(dāng)該張力大于上下表面與液滴之間的阻力時(shí)，便可以完成液滴移動的驅(qū)動，這是控制液滴移動的最基本方法。通過在相應(yīng)的電極陣列上施加電壓序列，就能夠?qū)崿F(xiàn)在芯片上實(shí)現(xiàn)生化檢測中基本操作，如：液滴分配，運(yùn)輸，存儲，混合和分離等。

數(shù)字微流控芯片故障類型分為兩種：參數(shù)性故障和永久性故障。參數(shù)性故障主要在制作過程中產(chǎn)生，如尺寸參數(shù)誤差引起，當(dāng)電極陣列不水平，兩層表面之間不平行或電極厚度不均勻時(shí)，數(shù)字液滴的驅(qū)動將受到影響，該類故障對實(shí)驗(yàn)結(jié)果的影響表現(xiàn)為產(chǎn)生較大偏差，使芯片的性能受到嚴(yán)重影響。

永久性故障由芯片電極單元之間的斷路和短路造成，這些故障可能來源于制作過程中，或者是由控制電壓不合適導(dǎo)致的電極退化引起。永久性故障會導(dǎo)致液滴停留在故障單元，不能依照設(shè)計(jì)路線行進(jìn)，無法完成實(shí)驗(yàn)移動到廢液池，導(dǎo)致生化檢測的失敗，在安全性要求高的領(lǐng)域的應(yīng)用會產(chǎn)生重大不良影響。本發(fā)明主要考慮永久性故障的在線故障檢測方法。

數(shù)字微流控芯片的永久性故障主要會造成系統(tǒng)的液滴無法移動，因此可以根據(jù)測試液滴移動是否正常判斷是否存在故障，但是由于故障可能會在實(shí)驗(yàn)進(jìn)行時(shí)產(chǎn)生，所以需要不斷的對芯片進(jìn)行測試才能保證芯片長期穩(wěn)定工作。可以使檢測液滴和實(shí)驗(yàn)液滴并測的在線測試方法：通過對電極施加電壓從而控制測試液滴從單獨(dú)的檢測液體儲液池出發(fā)，在不影響實(shí)驗(yàn)液滴的前提下遵循測試規(guī)則行走，通過遍歷陣列單元最終到達(dá)測試終點(diǎn)。在終點(diǎn)端增加電容檢測電路判斷測試液滴到達(dá)，即完成故障測試。如圖2所示：

但僅僅使液滴遍歷每個(gè)電極陣列是不能完成故障檢測的，由上述介紹可知，永久故障可由電極之間短路引起，測試液滴經(jīng)歷短路的相鄰電極時(shí)會出現(xiàn)不同的情況，圖3圖4中(a)表示液滴起始位置及運(yùn)動方向，實(shí)線相連表示兩個(gè)電極之間短路，即驅(qū)動電壓同時(shí)產(chǎn)生同時(shí)消失。對圖3，運(yùn)動方向與電極短路方向平行，液滴經(jīng)過短路的兩個(gè)電極時(shí)，由于左右驅(qū)動電壓同時(shí)產(chǎn)生同時(shí)消失，液滴會停留在短路電極中間，如(b)。對圖4，液滴行進(jìn)方向與短路電極方向相互垂直，經(jīng)過故障位置時(shí)會有(b)中所示的稍許偏離，但是仍然能經(jīng)過短路電極到達(dá)下一陣列的單元，如(c)，并沒有停留在故障單元。

所以，為防止出現(xiàn)上述情況，需要對所有陣列單元及相鄰陣列單元進(jìn)行測試，從而才能保證檢測的有效性和芯片工作的可靠性。數(shù)字微流控芯片的在線故障檢測問題轉(zhuǎn)化為尋找最短的遍歷所有陣列單元和相鄰陣列單元的問題。

本發(fā)明使用了基本粒子群算法來解決數(shù)字微流控芯片故障檢測的問題。

基本粒子群算法(Particle Swarm Optimization，PSO)原理主要模擬鳥群飛行的覓食行為，通過鳥群的集體協(xié)作達(dá)到尋優(yōu)的目的。在PSO算法中，每個(gè)粒子利用自身的歷史最優(yōu)位置和整個(gè)粒子群的全局最優(yōu)解提供的信息，在解空間內(nèi)不斷飛行，實(shí)現(xiàn)尋找最優(yōu)解的目的。

設(shè)搜索空間為N維，總粒子數(shù)為Num，第i個(gè)粒子的位置為x_i＝(x_i1,x_i2,...,x_in)，第i個(gè)粒子的速度向量是V_i＝(v_i1,v_i2,...,v_in)，第i個(gè)粒子在飛行中的粒子最優(yōu)位置是P_i＝(P_i1,P_i2,...,P_in)，P_s表示目前為止在整個(gè)粒子群中發(fā)現(xiàn)的全局最優(yōu)粒子，粒子按如下方式飛行：

v_ij^t＝w×v_ij^t+c₁×r₁×[P_ij^t-x_ij^t]+c₂×r₂×[P_sj^t-x_ij^t]

x_ij^t+1＝x_ij^t+v_ij^t+1

其中，下標(biāo)j表示第j維，t為飛行的次數(shù)；w為慣性權(quán)重，使粒子保持運(yùn)動慣性，控制前一速度對當(dāng)前速度的影響，較大的w適用于對解空間進(jìn)行大規(guī)模探查，較小的w適合于進(jìn)行小范圍尋優(yōu)；c₁,c₂為加速常數(shù)，通常在0～2間取值，c₁調(diào)節(jié)粒子飛向自身最好位置方向的步長，c₂調(diào)節(jié)粒子向全局最好位置飛行步長；r₁,r₂是[0,1]之間相互獨(dú)立的隨機(jī)數(shù)。粒子的位置向量中各維變化范圍為[X_min,X_max]，速度變化范圍為[V_min,V_max]，迭代中若位置和速度超過邊界范圍則取邊界值。PSO算法通過粒子在解空間內(nèi)不斷地變化速度向量來改變位置，最終尋到最優(yōu)解。

從社會學(xué)的角度來分析，速度迭代公式的第一部分是“記憶”項(xiàng)，是粒子之前的速度，說明粒子當(dāng)前速度向量要受到上一次速度的作用；公式第二部分是“自我認(rèn)知”項(xiàng)，是從當(dāng)前點(diǎn)粒子位置指向粒子個(gè)體最優(yōu)的一個(gè)矢量，說明粒子的運(yùn)動來源于粒子之前的經(jīng)驗(yàn)；公式的第三部分是“群認(rèn)知”項(xiàng)，是一個(gè)從當(dāng)前點(diǎn)指向群體最優(yōu)點(diǎn)的矢量，反映了粒子間的信息分享和協(xié)同合作。粒子通過經(jīng)驗(yàn)和群體最優(yōu)經(jīng)驗(yàn)來決定下一時(shí)刻的速度以及位置。也就是第一部分起到了局部搜索和平衡全局的能力，第二部分保障粒子擁有局部搜索能力，更好的探索解空間；第三部分表示了粒子間的信息分享，使粒子能探索更廣闊的空間，所以粒子能有效的搜索到最優(yōu)解。

具體實(shí)施方式一：本實(shí)施方式的基于改進(jìn)粒子群算法的數(shù)字微流控芯片故障檢測方法，如圖1所示，包括如下步驟：

步驟一：獲取測試液滴的起始位置和終點(diǎn)位置；所述測試液滴用于在數(shù)字微流控芯片的相鄰電極陣列間移動以判斷所述相鄰電極陣列間是否存在故障；每兩個(gè)相鄰電極陣列間的邊被賦予了互不相同的編號。

具體而言，設(shè)置起始位置和終點(diǎn)位置是為了對應(yīng)獅子微流控芯片上存在的儲液池和廢液池，實(shí)驗(yàn)液滴需從儲液池出發(fā)，遍歷所有電極陣列和相鄰的電極陣列后到達(dá)廢液池，所以首先需確定液滴的起始位置和終點(diǎn)位置，縮小解空間的維數(shù)，提高測試過程的效率。同時(shí)，根據(jù)實(shí)驗(yàn)液滴位置確定不能訪問的邊和已經(jīng)走過的邊，存放到禁忌表中，根據(jù)實(shí)驗(yàn)液滴的運(yùn)動，及時(shí)更新禁忌表。

本發(fā)明將芯片遍歷相鄰兩單元問題轉(zhuǎn)化為圖，建立數(shù)學(xué)模型?？紤]到芯片形狀規(guī)則的結(jié)構(gòu)特點(diǎn)，為了方便利用離散粒子群算法進(jìn)行問題的求解，將芯片的中的物理模型利用圖論中的相關(guān)概念進(jìn)行等效。將每個(gè)電極單元等效為圖中的點(diǎn)，兩個(gè)豎直或水平方向相鄰的電極單元等效為一條邊，抽象后的圖用G＝(V,E)代表，數(shù)字微流控芯片模型如圖5示。

研究表明，數(shù)字微流控芯片測試問題是一種遍歷電極陣列單元與其相鄰陣列單元的問題。芯片的模型為非連通圖，由歐拉路徑理論，我們不可能找到一次并且只有一次經(jīng)過每一條邊的路徑。假設(shè)實(shí)驗(yàn)液滴走過每條邊的時(shí)間一定，可以將芯片在線測試問題轉(zhuǎn)化為尋找遍歷圖中所有邊的最短路徑問題。由Floy算法求得兩條邊i,j之間的最短路徑d_ij。假設(shè)測試液滴需遍歷的邊的總數(shù)目為n，x_ij代表需訪問的邊，問題的解空間為X＝(X₁,X₂,...X_k)，第i個(gè)可行解為X_i＝(x_i1,x_i2,...,x_in)，該可行解的適應(yīng)度函數(shù)為

則在線測試問題可轉(zhuǎn)化為求最優(yōu)解z：

由步驟一可知，數(shù)字微流控芯片故障在線測試問題為訪問不同點(diǎn)，尋找最優(yōu)路徑問題，類似于TSP問題。TSP問題要求每個(gè)點(diǎn)訪問且只訪問一次，而本問題不存在遍歷并且只訪問每條邊的回路。

步驟二：構(gòu)建禁忌表，所述禁忌表用于存放液滴在當(dāng)前位置不能訪問的邊以及已經(jīng)訪問過的邊。

具體而言，禁忌表中的不能訪問的邊可以包括實(shí)驗(yàn)液滴所在的邊。實(shí)驗(yàn)液滴是數(shù)字微流控芯片在正常用于實(shí)驗(yàn)時(shí)，其上所存在的液滴。而本發(fā)明所提到的測試液滴是與實(shí)驗(yàn)液滴不同的、用于測試故障的另一個(gè)液滴。本發(fā)明可以在實(shí)驗(yàn)液滴正常進(jìn)行實(shí)驗(yàn)的情況下進(jìn)行測試，而實(shí)驗(yàn)表明，測試液滴和實(shí)驗(yàn)液滴之間要有一定的間隔距離，兩液滴不能處于直接相鄰或?qū)窍噜彽年嚵袉卧駝t會導(dǎo)致液滴融合，所以靜態(tài)約束條件為：對任意時(shí)間單位t，d_i(測試液滴)和d_j(實(shí)驗(yàn)液滴)需要在水平或豎直方向相距大于一個(gè)坐標(biāo)單元(否則測試液滴可能會于實(shí)驗(yàn)液滴融合)：

|x_i^t-x_j^t|＞1且|y_i^t-y_j^t|＞1

同時(shí)，d_i在下一時(shí)間片的目標(biāo)位置不能與d_j相鄰，為動態(tài)約束條件，用數(shù)學(xué)公式表示為：

|x_i^t+1-x_j^t|＞1且|y_i^t+1-y_j^t|＞1

這意味著，由于實(shí)驗(yàn)液滴的存在，故障在線檢測問題存在動態(tài)靜態(tài)約束。

步驟三：構(gòu)建至少一個(gè)粒子群，為每個(gè)粒子群構(gòu)建與其對應(yīng)的位置矩陣，所述位置矩陣的行數(shù)表示粒子群算法中的粒子總數(shù)；所述位置矩陣的列數(shù)表示相鄰電極陣列間形成邊的總數(shù)；所述位置矩陣中的元素表示特定的粒子在特定電極陣列處的速度向量；所述速度向量為下一時(shí)刻每個(gè)粒子所在的邊的序號。

具體而言，將粒子群算法應(yīng)用到故障測試問題的核心思想為：每個(gè)粒子從起始位置開始，依次按照算法流程產(chǎn)生下一刻所在邊的位置，并形成運(yùn)動序列。設(shè)定算法參數(shù)：算法最大迭代次數(shù)gen_max，速度參數(shù)rand₁、rand₂和rand₃和粒子數(shù)目a。初始化迭代次數(shù)，粒子群算法需要產(chǎn)生初始粒子群的位置。在本發(fā)明中，為了提高檢測效率，縮短檢測時(shí)間，改進(jìn)粒子群算法，可以同時(shí)產(chǎn)生多個(gè)群體，同時(shí)進(jìn)行搜索。

例如在產(chǎn)生兩個(gè)群體A和B時(shí)，設(shè)測試液滴從邊“1”開始測試，則按照總邊數(shù)和粒子總數(shù)分別產(chǎn)生群體A和群體B粒子初始位置向量。位置矩陣用來記錄每個(gè)粒子進(jìn)行搜索時(shí)走過的邊的順序排列，速度向量表示下一時(shí)刻粒子的位置。粒子群規(guī)模保證了算法的有效性，粒子群規(guī)模大，更容易蘊(yùn)藏最優(yōu)解，尋找最優(yōu)路徑時(shí)迭代次數(shù)少，但每次迭代所需時(shí)間更長。

步驟四：確定粒子群算法中每個(gè)粒子的速度向量，直至所有邊均被遍歷；所述速度向量具體通過如下方式的隨機(jī)一種確定：

A、選擇隨機(jī)的一個(gè)允許選擇的邊Speed1。

B、選擇離當(dāng)前位置距離最近的一條邊Speed2。

C、選擇上一次迭代得到的最短路徑序列中與當(dāng)前時(shí)刻位置相鄰的Speed3。

具體而言，本發(fā)明將粒子下一時(shí)刻所處的位置，即粒子所在邊的序號定義為速度向量。這里使用貪婪算法和粒子群算法相結(jié)合的方法選擇粒子速度向量，此處的速度向量是由上述的A、B、C三種方法中隨機(jī)選擇的?？梢酝ㄟ^調(diào)節(jié)A、B、C的概率所占比例來得到最優(yōu)的參數(shù)。

下面以圖5的微流控芯片為例，說明確定速度向量的方法：

設(shè)前次迭代形成的完整粒子最短最優(yōu)路徑為：Gbest＝(1，5，7，3，8，2，6，4，12，9，10、11)

共有3個(gè)粒子，本次路徑搜索進(jìn)行到第五個(gè)時(shí)刻，形成的運(yùn)動序列為；

對于粒子1，隨機(jī)產(chǎn)生沒有走過的新的位置Speed₁＝8。通過圖可以看出，離上一時(shí)刻所在位置“10”最近的邊為“12、7、5”，這里隨機(jī)選擇Speed₂＝12。觀察最優(yōu)路徑，“10”位置之后為“11”，且粒子1在本次搜尋中還沒有走過“11”，則Speed₃＝11。

設(shè)3部分速度分量所占的影響分別為20％、50％、30％。則設(shè)定參數(shù)rand₁＝0.2、rand₂＝0.7、rand₃＝0.1，產(chǎn)生0到1之間的隨機(jī)數(shù)p，若p<rand₁，選擇Speed＝Speed₁為下一時(shí)刻位置；若rand₁<p<rand₂，選擇Speed＝Speed₂為下一時(shí)刻位置；rand₂<p<rand₃，選擇Speed＝Speed₃為下一時(shí)刻位置。

設(shè)隨機(jī)數(shù)p＝0.5627，則Speed＝12，位置矩陣變?yōu)椋?/p>

按照此方法，對每個(gè)粒子每一時(shí)刻的位置進(jìn)行更新。

步驟五：根據(jù)公式更新粒子的位置序列，其中X^t＝(1,x¹,x²,...,x^t,0,...)，x^t為第t時(shí)刻粒子的位置，V^t＝(0,0,0,...,x^t+1,0,...)，x^t+1＝Speed。

具體而言，由上面的介紹可知，數(shù)字微流控在線測試是類TSP問題，屬于離散化問題。用前述的粒子群算法求解該問題需要對基本PSO算法中粒子的位置、速度編碼及操作符進(jìn)行重新定義。粒子的位置是走過的邊的序列，速度定義為該粒子下一時(shí)刻的位置，第t時(shí)刻某粒子的位置序列為X^t＝(1,x¹,x²,...,x^t,0,...)，V^t＝(0,0,0,...,x^t+1,0,...)，此處x^t+1＝Speed(見步驟四)，定義位置更新公式為：

即X^t+1＝(1,x¹,x²,...,x^t,x^t+1,0,...)。

步驟六：計(jì)算每個(gè)粒子的位置向量的適應(yīng)度，并分別確定每個(gè)粒子群當(dāng)前最短路徑Pbestⁱ以及全局最短路徑Gbest；適應(yīng)度用于表示生成的邊的有序序列所對應(yīng)的路徑的長度。

步驟七：重復(fù)迭代步驟三至步驟六，直至達(dá)到預(yù)定的迭代次數(shù)gen_max，輸出全局最短路徑Gbest。

具體實(shí)施方式二：本實(shí)施方式與具體實(shí)施方式一不同的是：

步驟四中，速度向量Speed具體通過方式A確定的比率為20％，通過方式B確定的比率為50％，通過方式C確定的比率為30％。

前面提到了可以通過調(diào)節(jié)A、B、C三種方式的比率的方式調(diào)節(jié)出最佳參數(shù)，本實(shí)施方式中提供的比率即為一組優(yōu)選的比率。

其它步驟及參數(shù)與具體實(shí)施方式一相同。

具體實(shí)施方式三：本實(shí)施方式與具體實(shí)施方式一或二不同的是：

數(shù)字微流控芯片上還具有實(shí)驗(yàn)液滴，所述實(shí)驗(yàn)液滴與所述測試液滴滿足如下條件：

|x_i^t-x_j^t|＞1且|y_i^t-y_j^t|＞1

|x_i^t+1-x_j^t|＞1且|y_i^t+1-y_j^t|＞1

其中，x_i^t表示測試液滴在t時(shí)刻的橫坐標(biāo)，y_i^t表示測試液滴在t時(shí)刻的縱坐標(biāo)，x_j^t表示實(shí)驗(yàn)液滴在t時(shí)刻的橫坐標(biāo)，y_j^t表示實(shí)驗(yàn)液滴在t時(shí)刻的縱坐標(biāo)，x_i^t+1表示測試液滴在t+1時(shí)刻的橫坐標(biāo)，y_i^t+1表示測試液滴在t+1時(shí)刻的縱坐標(biāo)。

即前述的，為了保證實(shí)驗(yàn)液滴與測試液滴不融合，而需要滿足的靜態(tài)約束以及動態(tài)約束條件。

其它步驟及參數(shù)與具體實(shí)施方式一或二相同。

具體實(shí)施方式四：本實(shí)施方式與具體實(shí)施方式一至三之一不同的是：

步驟四的方式A中，“允許選擇的邊”為不在禁忌表中的任意邊。這樣設(shè)置的好處是，可以盡可能避免測試液滴與實(shí)驗(yàn)液滴的融合，減少測試失敗的幾率。

其它步驟及參數(shù)與具體實(shí)施方式一至三之一相同。

具體實(shí)施方式五：本實(shí)施方式提供一種基于改進(jìn)粒子群算法的數(shù)字微流控芯片故障檢測系統(tǒng)，包括：至少一個(gè)儲液池，用于產(chǎn)生實(shí)驗(yàn)液滴和/或測試液滴；廢液池，用于回收經(jīng)過微流控芯片后的實(shí)驗(yàn)液滴；微流控芯片微流控芯片上與儲液池連接的電極作為起始電極，與廢液池連接的電極作為終點(diǎn)電極；主控單元，用于根據(jù)如具體實(shí)施方式一至四中任意一項(xiàng)所述的方法產(chǎn)生全局最短路徑，并通過控制微流控芯片的電極控制實(shí)驗(yàn)液滴沿著全局最短路徑移動。

本實(shí)施方式的有益效果是，提供了一種將前述的數(shù)字微流控芯片在線測試方法進(jìn)行具體應(yīng)用的硬件結(jié)構(gòu)。

具體實(shí)施方式六：本實(shí)施方式與具體實(shí)施方式五不同的是：

微流控芯片的電極陣列為n×n個(gè)，系統(tǒng)還包括：

分別設(shè)置在微流控芯片的兩條相鄰邊外側(cè)的第一紅外發(fā)光管組以及第二紅外發(fā)光管組，第一紅外發(fā)光管組以及第二紅外發(fā)光管組均包含n個(gè)與電極對應(yīng)的紅外發(fā)光管；以及分別設(shè)置在微流控芯片的另外兩條相鄰邊外側(cè)的第一紅外接收管組以及第二紅外接收管組，第一紅外發(fā)光管組以及第二紅外發(fā)光管組均包含n個(gè)與電極對應(yīng)的紅外發(fā)光管，用于接收第一紅外發(fā)光管組以及第二紅外發(fā)光管組發(fā)射出的紅外光；主控單元用于根據(jù)未接收到紅外光的第二紅外接收管的序號確定發(fā)生故障的電極的位置。

具體而言，數(shù)字微流控生物芯片的永久性故障主要會導(dǎo)致系統(tǒng)的液滴無法移動，因此可根據(jù)測試液滴移動預(yù)購判斷是否存在故障，即測試液滴從儲液池觸發(fā)，在電極陣列單元移動，在終點(diǎn)端檢測實(shí)驗(yàn)液滴是否到達(dá)。如果遇到故障單元，則液滴會卡在該陣列單元上，無法到達(dá)終點(diǎn)。因此本實(shí)施方式的有益效果在于，可以利用紅外發(fā)光管和接收管對故障位置進(jìn)行定位，在數(shù)字微流控芯片左端和下端安裝紅外發(fā)光管，右端和上端對應(yīng)的電極安裝紅外接收管。這樣可以使得故障的定位快速而又準(zhǔn)確。

故障檢測完成后，數(shù)字微流控芯片上會有實(shí)驗(yàn)液滴和檢測液滴，實(shí)驗(yàn)液滴會隨著實(shí)驗(yàn)的進(jìn)行繼續(xù)移動，故障位置的檢測液滴則固定在該位置，使紅外發(fā)光管由實(shí)驗(yàn)液滴的驅(qū)動電壓同步觸發(fā)，發(fā)出光線，接收管沒有輸出的則為有液滴的位置。假設(shè)芯片上共有n個(gè)液滴，則n個(gè)液滴都移動后，接收管始終沒有輸出的行和列即為故障位置。

其它步驟及參數(shù)與具體實(shí)施方式五相同。

本發(fā)明還可有其它多種實(shí)施例，在不背離本發(fā)明精神及其實(shí)質(zhì)的情況下，本領(lǐng)域技術(shù)人員當(dāng)可根據(jù)本發(fā)明作出各種相應(yīng)的改變和變形，但這些相應(yīng)的改變和變形都應(yīng)屬于本發(fā)明所附的權(quán)利要求的保護(hù)范圍。