一种基于级联网络的天线罩电性能补偿加工量确定方法技术

本发明专利技术提供一种基于级联网络的天线罩电性能补偿加工量确定方法。主要包括：基于罩壁几何厚度数据和远场电性能参数训练所述前向预测网络，并固定网络参数；构建逆向网络；对所述逆向网络与固定网络参数的前向预测网络进行级联处理，从而构建级联网络；获取具体工况下的远场电性能参数实测数据，通过级联网络获取天线罩环状子区域的厚度值；通过级联网络获取满足期望电性能时的天线罩环状子区域厚度值；根据具体工况下求取的天线罩环状子区域的厚度值与满足期望电性能时的天线罩环状子区域厚度值获取天线罩电性能补偿加工量。本发明专利技术有效地将天线罩加工误差影响归结为网络输出的天线罩环状子区域的厚度值，同时保证求解精度和求解效率。度和求解效率。度和求解效率。

【技术实现步骤摘要】
一种基于级联网络的天线罩电性能补偿加工量确定方法


[0001]本专利技术涉及通信装置
，具体而言，尤其涉及一种基于级联网络的天线罩电性能补偿加工量确定方法。

技术介绍

[0002]天线罩是用来内部天线系统免受外界恶劣环境的侵蚀，使得内部设备能够正常工作，让电磁波传播不受影响。天线罩通常是由天然或人工复合材料制作而成的作为保护功能的设备，可以用于民用和军事方面。其中，天线罩的电性能是一个复杂的电磁学问题，其透波性能的好坏直接影响到天线的技术指标。但在天线罩实际加工过程中，由于加工误差的客观存在，制备出的天线罩制件往往会存在着各种各样的工艺误差，这些工艺误差将直接影响天线罩的电磁传输特性。目前，对于天线罩的研究，一般均假设材料的电磁参数不再发生变化。然而，介质层的相对介电常数会因原材料的体积百分比、孔隙率、材料的均匀性等因素影响，对于同类型的原材料，当其生产工艺、工艺条件不同时，介质层的电磁参数也会不同，将会直接影响天线罩的介电性能，从而对天线罩的电性能也会产生显著影响。
[0003]近年来，国内外学者围绕天线罩的加工误差对电性能的影响进行理论与实验探究，取得了一些研究成果。在天线罩的指导精加工方面，公开号CN103401070B的中国专利“基于远场的薄壳式天线罩壁厚修磨方法”，提出了一种基于远场的薄壳式天线罩壁厚修磨方法，可用于对带有薄壳式天线罩的天线系统的电性能进行补偿。这种方法需要精确掌握天线罩厚度、透射系数等信息，过分依赖工艺和检验要求，工程实现较为困难，且计算时间较长。文献“Inverse method for determining grinding area and material removal amount in grinding radome”借助遗传算法求解天线罩壁厚修磨量，以天线罩各处的介电常数值为优化变量，以不同工况的天线罩瞄准误差的实测值与仿真值之差作为目标函数。该方法优化变量数目有限，每一次都需要测量不同工况的实测值与仿真值，操作复杂。
[0004]深度学习作为机器学习领域的一个重要分支，在计算机科学和工程相关领域展现出强大的对复杂数据的处理能力，如计算机视觉、自然语言处理、语音识别等。随着计算机算力的大幅提升，深度学习在电磁领域的应用得到广泛关注。在电磁性能预测方面，文献“Machine
‑
learning designs of anisotropic digital coding metasurfaces”通过卷积神经网络(CNN)训练70000组数据，实现超表面单元的相位响应预测，准确率高达90％，同时极大地缩短计算时间，提高计算效率。然而，针对基于深度学习的天线罩电性能补偿加工量求解问题，尚缺少研究方案。

技术实现思路

[0005]鉴于现有天线罩电性能补偿加工方法存在的过分依赖工艺和检验要求、工程实现较为困难、计算时间较长、操作复杂的技术问题，本专利技术提供了一种基于级联网络的天线罩电性能补偿加工量确定方法，利用深度学习学习天线罩环状子区域的厚度值与电磁性能的非线性关系，比较实际测量的天线罩与期望电性能情况下神经网络输出的天线罩环状子区
域厚度值，二者作差得到天线罩电性能补偿加工量，有效地将天线罩加工误差影响归结为网络输出的天线罩环状子区域的厚度值，同时保证求解精度和求解效率。
[0006]本专利技术采用的技术手段如下：
[0007]一种基于级联网络的天线罩电性能补偿加工量确定方法，包括以下步骤：
[0008]获取罩壁几何厚度向量和每一组罩壁几何厚度向量对应的远场电性能参数，构建环状子区域罩壁几何厚度对远场电性能影响数据库；
[0009]构建前向预测网络，基于所述环状子区域罩壁几何厚度对远场电性能影响数据库中的罩壁几何厚度数据和远场电性能参数训练所述前向预测网络，并固定网络参数，其中将天线罩环状子区域厚度作为前向预测网络的输入，将对应的远场电性能参数作为前向预测网络的输出；
[0010]构建逆向网络，所述逆向网络的输入为远场电性能参数，输出为天线罩环状子区域厚度；
[0011]对所述逆向网络与固定网络参数的前向预测网络进行级联处理，从而构建级联网络；基于所述环状子区域罩壁几何厚度对远场电性能影响数据库中的罩壁几何厚度数据和远场电性能参数训练所述级联网络；
[0012]获取具体工况下的远场电性能参数实测数据，通过训练好的级联网络获取天线罩环状子区域的厚度值；
[0013]随机给定一组期望的远场电性能参数，通过训练好的级联网络获取满足期望电性能时的天线罩环状子区域厚度值；
[0014]根据具体工况下求取的天线罩环状子区域的厚度值与满足期望电性能时的天线罩环状子区域厚度值获取天线罩电性能补偿加工量。
[0015]进一步地，获取罩壁几何厚度向量和每一组罩壁几何厚度向量对应的远场电性能参数，包括：
[0016]采用环状子区域划分方式将天线罩沿z轴划分成n个环状子区域，获取n个环状子区域的照壁厚度，构建罩壁几何厚度向量；
[0017]进一步地，所述逆向网络和前向预测网络均为全连接预测网络。
[0018]进一步地，通过训练好的级联网络获取天线罩环状子区域的厚度数据，包括：将天线罩实际测量的电性能参数输入到固定网络参数的预训练级联网络，得到天线罩环状子区域厚度值。
[0019]进一步地，通过训练好的级联网络获取满足期望电性能时的天线罩环状子区域厚度值，包括：
[0020]给定期望天线罩电磁性能指标，根据指标随机生成一组天线罩电性能噪声数据，将其作为级联网络的输入，输出满足期望电性能时的天线罩环状子区域厚度值。
[0021]进一步地，所述天线罩电性能补偿加工量为具体工况下求取的天线罩环状子区域的厚度值与满足期望电性能时的天线罩环状子区域厚度值之差。
[0022]较现有技术相比，本专利技术具有以下优点：
[0023]本专利技术采用深度学习实现天线罩电磁性能的快速预测与逆向设计，计算时间短，效率高；
[0024]其次本专利技术随机产生满足实际期望的传输损耗曲线与期望瞄准误差曲线，具有普
适性；
[0025]最后本专利技术利用已经训练好的级联网络可以计算实际测量的天线罩与期望电性能情况下的天线罩环状子区域厚度值，二者之差即为天线罩电性能补偿加工量，有效地将天线罩加工误差影响归结为网络输出的天线罩环状子区域的厚度值，打破传统补偿方法，整个过程无人工干预，操作简便，自动化流程。
附图说明
[0026]为了更清楚地说明本专利技术实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图做以简单地介绍，显而易见地，下面描述中的附图是本专利技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
[0027]图1为本专利技术一种基于级联网络的天线罩电性能补偿加工量确定方法流程图。
[0028]图2为本专利技术实施例天线罩电性能补偿加工量反求中环状子区域划分示意本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于级联网络的天线罩电性能补偿加工量确定方法，其特征在于，包括以下步骤：获取罩壁几何厚度向量和每一组罩壁几何厚度向量对应的远场电性能参数，构建环状子区域罩壁几何厚度对远场电性能影响数据库；构建前向预测网络，基于所述环状子区域罩壁几何厚度对远场电性能影响数据库中的罩壁几何厚度数据和远场电性能参数训练所述前向预测网络，并固定网络参数，其中将天线罩环状子区域厚度作为前向预测网络的输入，将对应的远场电性能参数作为前向预测网络的输出；构建逆向网络，所述逆向网络的输入为远场电性能参数，输出为天线罩环状子区域厚度；对所述逆向网络与固定网络参数的前向预测网络进行级联处理，从而构建级联网络；基于所述环状子区域罩壁几何厚度对远场电性能影响数据库中的罩壁几何厚度数据和远场电性能参数训练所述级联网络；获取具体工况下的远场电性能参数实测数据，通过训练好的级联网络获取天线罩环状子区域的厚度值；随机给定一组期望的远场电性能参数，通过训练好的级联网络获取满足期望电性能时的天线罩环状子区域厚度值；根据具体工况下求取的天线罩环状子区域的厚度值与满足期望电性能时的天线罩环状子区域厚度值获取天线罩电性能补偿加工量。2.根据权利要求1所述的一种基于级联网络的天线罩电性能补偿加工量确定方法，其...

【专利技术属性】
技术研发人员：刘宁，李晓，盛贤君，张春波，王克欣，
申请(专利权)人：大连理工大学，
类型：发明
国别省市：