【技术实现步骤摘要】
一种基于机器学习技术的线圈设计方法、线圈
[0001]本专利技术属于线圈设计领域，尤其涉及一种同轴线圈设计方法，基于机器学习算法给出设计方案，可以产生高均匀度的磁场，可以应用在各种需要均匀磁场的系统中。
技术介绍
[0002]量子技术是利用光和物质的相互作用，借助量子相干性，实行高精度探测，保密通信，已经在脑磁测量，引力波探测，保密通信等项目中被广泛应用。但是量子态与环境的耦合，会导致退相干效应，其中之一就是来自于不均匀磁场的梯度。
[0003]传统产生均匀磁场的方案都是基于对于磁场关于空间分布的表达式的求导，或者将表达式做广义展开，尽可能消去其中与空间位置有关的项。这些方案的结果虽然不错，但是有的方案随着参数变多，需要高阶求导，计算复杂，有的在实际应用设计中会有各种工程问题的限制，导致无法直接去使用这些方案。
技术实现思路
[0004]为了解决现有技术存在的不足，本专利技术的目的是提供了一种基于机器学习技术的线圈设计方法。
[0005]本专利技术受到梯度线圈设计的启发，将计算机算法与线圈设计...
【技术保护点】
【技术特征摘要】
1.一种基于机器学习技术的线圈设计方法，其特征在于，所述方法包括如下步骤：步骤一、从麦克斯韦方程组出发，得到磁场的表达式，作为理论模型，通过离散化区域计算特定区域的磁场不均匀度；步骤二、通过选取每一对同轴线圈在电路板中的位置作为参数，设置好最大迭代次数，并根据电路板大小限定参数的范围，选择差分进化算法作为训练数据提供算法，神经网络作为建模的机器学习算法；步骤三、将差分进化算法与人工神经网络结合，由差分进化算法辅助探寻最优解所在邻域，神经网络构建代理模型，并由L
‑
BFGS算法探寻最小值，加速优化算法的收敛过程；步骤四、算法给出最佳预测参数，参数对应的是每一对同轴线圈在柔性电路板上的位置，根据得到的参数构建线圈系统。2.如权利要求1所述的设计方法，其特征在于，所述最佳预测参数的目标函数为磁场不均匀度，所优化的参数是每一对同轴线圈在电路板上的位置参数并限定好范围，机器学习算法在优化初始阶段，由差分进化算法在参数空间搜寻参数，并输入理论模型进行评估，将得到的结果反馈给神经网络进行训练；如果最大迭代次数没到或者目标优化结果没有达到预期，将继续优化过程，每四次迭代，神经网络做出一次预测，预测结果由差分进化算法给出，所有的反馈结果都会加入训练数据集，以对神经网络进一步训练，得到更好的预测结果，直到满足预设的需求或达到事先设置的最大迭代次数，并输出最优预测。3.如权利要求1所述的设计方法，其特征在于，所述机器学习算法是一种混合式机器算法，由差分进化算法作为训练神经网络的数据提供者，神经网络负责建模进行预测的控制器，...
【专利技术属性】
技术研发人员：袁春华，陈俊，陈丽清，武泽亮，包谷之，张卫平，于志飞，
申请(专利权)人：华东师范大学，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。