面向多目标优化的圆极化微带天线参数优化方法及系统技术方案

本发明专利技术公开了面向多目标优化的圆极化微带天线参数优化方法及系统，该方法包括以下步骤：S1)根据设计要求，初始化N组天线结构参数作为父代种群P

【技术实现步骤摘要】
面向多目标优化的圆极化微带天线参数优化方法及系统


[0001]本专利技术涉及天线的多目标优化领域，涉及面向多目标优化的圆极化微带天线参数优化方法及系统。

技术介绍

[0002]目前天线参数优化的方法主要分为三类，基于智能优化算法、基于神经网络以及基于智能优化算法和神经网络结合的方法。智能优化算法在天线设计中的应用比较成熟，主要包括遗传算法、粒子群(Particle Swarm Optimization，PSO)算法、蚁群算法等，通过将天线参数作为优化对象，将回波损耗作为优化的目标，通过不断迭代直至最终得到合适的天线尺寸。而基于神经网络类的天线优化设计算法主要是通过将电磁仿真软件的结果和设置的天线尺寸作为训练数据，通过不断学习天线参数和天线性能的特征来实现不经过电磁软件直接将天线尺寸数据输入即可得到相关天线电磁特性。其中以卷积神经网络(CNN)为主。而基于二者结合的算法可以做到通过传统智能算法对参数进行寻优，通过神经网络对电磁性能进行预测从而替代电磁仿真软件，提高了优化和设计效率。
[0003]在进行圆极化微带天线设计时，天线设计人员除了本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种面向多目标优化的圆极化微带天线参数优化方法，所述方法包括：步骤S1)根据设计要求，初始化N组天线结构参数作为父代种群P
t
，种群中的个体数为N，并根据设定的优化目标个数M，初始化参考点集合Z
s
；步骤S2)根据天线结构参数对圆极化微带天线进行电磁建模；步骤S3)进行电磁计算得到对应工作频点的M个天线性能指标，作为M个优化目标；步骤S4)根据M个优化目标，通过自适应的NSGA
‑
III算法寻找天线更优结构参数，转至步骤S2)，直至满足设定条件，得到最优天线结构参数，从而实现圆极化微带天线的参数优化。2.根据权利要求1所述的面向多目标优化的圆极化微带天线参数优化方法，其特征在于，所述步骤S1)中根据设定的优化目标个数M，初始化参考点Z
s
；具体包括：在超平面上确定参考点，根据设定的优化目标个数M，将每个优化目标分为H份，生成集合p＝{0/H,1/H,2/H,...,H/H}，从中任意选择M个元素p
j
∈p，对于满足的构成外边界层参考点集合Z
s_boundary
；按照对应关系生成内边界层的参考点集Z
s_inside
；Z
s_boundary
和Z
s_inside
合并构成一致性参考点集合Z
s
。3.根据权利要求2所述的面向多目标优化的圆极化微带天线参数优化方法，其特征在于，所述步骤S1)还包括：设定迭代次数t初值为1，迭代次数最大值为t
max
。4.根据权利要求3所述的面向多目标优化的圆极化微带天线参数优化方法，其特征在于，所述步骤S2)具体包括：根据N组天线结构参数，通过HFSS
‑
MATLAB
‑
API工具包生成脚本，基于脚本采用HFSS三维电磁仿真软件对圆极化微带天线进行电磁建模。5.根据权利要求4所述的面向多目标优化的圆极化微带天线参数优化方法，其特征在于，所述步骤S3)具体包括：通过HFSS三维电磁仿真软件的求解器进行电磁计算，得到对应工作频点Freq的M个天线性能指标作为优化目标，所述性能目标包括回波损耗S11
Freq
、轴比Axial Ratio
Freq
、天线增益Gain
Freq
和对应俯仰角或方位角Theta的天线极化比满足下式：6.根据权利要求5所述的面向多目标优化的圆极化微带天线参数优化方法，其特征在于，所述步骤S4)包括：步骤S4
‑
1)以天线结构参数作为待优化种群，对于迭代次数t，当t＝1时待优化种群为第一代父代种群P
t
，当t＞1时待优化种群为含有父代种群P
t
和子代种群Q
t
的混合种群R
t
；步骤S4
‑
2)根据步骤S3)的优化目标，遍历P
t
或R
t
中的每个个体s，均进行快速非支配化排序，得到多个非支配层F＝{F1,F2,
…
}中的个体；步骤S4
‑
3)将多个非支配层中的个体由F1开始，逐层放入新种群S
t
，直至S
t
数目第一次
不小于种群中的个体数N；步骤S4
‑
4)判断S
t
的个数是否等于N，判断为是，将S
t
放入新的父代种群P
t+1
，转至步骤S4
‑
5)；判断为否，令最后放入的非支配层为第h层F
h
，则将第1层F1到第h
‑
1层F
h
‑1个体放入新的父代种群P
t+1
中，此时个体数为T，然后从第h层F
h
中选择剩余K＝N
‑
T个个体，进行归一化、连接与筛选操作，将新的个体放入新的父代种群P
t+1
中，此时种群个数为N个；步骤S4
‑
5)对新的父代种群P
t+1
分别计算适应度函数V
t
和多样性度量G
t
，根据当前迭代次数t更新交叉概率pc和变异概率pm；步骤S4
‑
6)根据步骤S4
‑
5)更新后的交叉概率pc和变异概率pm，进行自适应二进制交叉和自适应多项式变异，生成新的子代种群Q
t+1
；步骤S4
‑
7)迭代次数t加1，若迭代次数t未达到预设值t
max
，将新子代种群Q
t+1
和新的父代种群P
t+1
合并为新的混合种群R
t+1
，此时种群个数为2N，并将R
t+1
的结构参数设定为天线结构参数，转至步骤S2)，否则，转至步骤S4
‑
8)；步骤S4
‑
8)由种群P
t+1
得到天线结构参数，从而实现圆极化微带天线参数的优化。7.根据权利要求6所述的面向多目标优化的圆极化微带天线参数优化方法，其特征在于，所述步骤S4
‑
2)具体包括：步骤S4
‑2‑
1)对属于P
t
或R
t
的个体s的目标函数f(s)＝{f1(s),f2(s),...,f
M
(s)}进行归一化，并进行快速非支配排序，产生多个非支配层F＝{F1,F2,
…
}，其中快速非支配排序采用串行搜索方法，将待优化种群按照第一个目标函数f1(s)进行升序排列，得到排列后的种群P
trank
和对应的顺序rank；步骤S4
‑2‑
2)进行串行搜索排序，当前非支配层数FrontNum＝1，每个个体的初始非支配层数P
FrontNum
＝Inf，其中，Inf表示无穷大；步骤S4
‑2‑
3)从当前排列后的种群P
trank
的第1个个体s
i
开始，对每一个当前非支配层数P
FrontNum
＝Inf的个体进行...

【专利技术属性】
技术研发人员：陈轩，王竹刚，谢义方，田野，徐子钰，朱佳强，胡婉如，李云凤，郑铁，梅如如，
申请(专利权)人：中国科学院国家空间科学中心，
类型：发明
国别省市：