一种基于强化学习的腔体滤波器调节方法及装置制造方法及图纸

本发明专利技术提供了一种基于强化学习的腔体滤波器调节方法及装置，属于工业智能制造、人工智能应用领域，方法包括以下步骤：根据腔体滤波器当前状态的S参数曲线，利用训练完毕的迁移学习模型控制机械臂转动螺杆，获取目标S参数曲线，完成对腔体滤波器的调节；其中，迁移学习模型由在强化学习模型输出端增加一层全连接神经网络构建，输出螺杆的旋转量；强化学习模型为根据当前电路的S参数曲线，更新电容值和/或电感值的模型。本发明专利技术提高了对腔体滤波器的调节效率。器的调节效率。器的调节效率。

【技术实现步骤摘要】
一种基于强化学习的腔体滤波器调节方法及装置


[0001]本专利技术属于工业智能制造、人工智能应用领域，更具体地，涉及一种基于强化学习的腔体滤波器调节方法及装置。

技术介绍

[0002]腔体滤波器是一种无源微波器件，广泛应用于卫星通信、中继通信、雷达、电子对抗及微波测量仪表中，它的使用对于分离频谱信息、提高通信质量、防止信号串扰有着十分重要的作用。在腔体滤波器生产过程中，由于工件存在生产误差，需要调整螺杆的位置，即调整滤波器内的形状，从而使得腔体滤波器符合规格要求——这一工序简称为“滤波器调谐工序”。
[0003]当前，“滤波器调谐工序”主要采用人工操作，即工人使用螺丝刀，逐个手动调谐腔体滤波器上的螺杆，观察矢量网络分析仪显示的散射参数(S参数)波形的变化是否符合要求，因此，调整一个腔体滤波器产品需要花费30分钟到40分钟，调试效率极低。
[0004]现有技术也采用智能化手段调试腔体滤波器，专利文献201511031907.5公开通过收集网络分析仪的S参数曲线，对S曲线数据进行降维，降维后的数据送入强化学习模型，根据模型的决策以调本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于强化学习的腔体滤波器调节方法，其特征在于，包括以下步骤：根据腔体滤波器当前状态的S参数曲线，利用训练完毕的迁移学习模型控制机械臂转动螺杆，获取目标S参数曲线，完成对腔体滤波器的调节；其中，迁移学习模型由在强化学习模型输出端增加一层全连接神经网络构建，输出螺杆的旋转量；所述强化学习模型为根据当前电路的S参数曲线，更新电容值和/或电感值的模型。2.根据权利要求1所述的腔体滤波器调节方法，其特征在于，所述强化学习模型的建立方法，包括以下步骤：采用射频微波系统仿真软件对所述腔体滤波器的结构进行描述，生成腔体滤波器对应的snp描述文件；将snp描述文件作为等效电路的核导入电路仿真软件中设计的等效电路中；根据腔体滤波器的结构，结合等效电路的核在电路仿真软件上搭建腔体滤波器的等效电路；其中，在等效电路中采用电感表征腔体滤波器中的耦合螺杆，采用电容表征腔体滤波器中的调频螺杆；以所述等效电路当前状态的S参数曲线以及当前状态的S参数曲线与目标S参数曲线的距离为输入，以电容和/或电感的更新值为输出，以期望奖励的总和最大化创建目标函数，建立强化学习模型。3.根据权利要求1或2所述的腔体滤波器调节方法，其特征在于，所述强化学习模型的训练方法为：在等效电路中获取当前电路的S参数曲线，并根据当前S参数曲线与目标S参数曲线的距离，输出电容和/或电感的更新值；将等效电路更新后获取更新状态后的S参数曲线；若通过小于预设迭代次数的电容和/或电感的更新次数，能够获取与目标S参数曲线距离小于设定阈值的当前S参数曲线，则判定强化学习模型已经训练完毕。4.根据权利要求1或2所述的腔体滤波器调节方法，其特征在于，训练所述迁移学习模型的方法为：(1)在强化学习模型输出端增加一层全连接神经网络，构建迁移学习模型；(2)通过迁移学习模型控制机械臂以转动螺杆，获取当前S参数曲线；(3)将当前S参数曲线与目标S参数曲线对比，迁移学习模型输出螺杆的旋转量，控制机械臂以转动螺杆，更新当前S参数曲线；(4)重复步骤(3)，直至当前S参数曲线与目标S参数曲线的距离小于设定阈值；(5)当重复步骤(3)的次数小于第一预设迭代次数，能够获取满足设定阈值要求的S参数曲线，则判定迁移学习模型完成训练。5.一种基于强化学习的腔体滤波器调节装置，其特征在于，包括：矢量...

【专利技术属性】
技术研发人员：易俊，雷力，胡海，魏轶，
申请(专利权)人：武汉光目科技有限公司，
类型：发明
国别省市：