本发明专利技术公开了一种采用遗传-模拟退火组合对天线宽带匹配网络中电子元件参数的优化方法，该方法在遗传算法的基础上，通过模拟退火算法进行二次寻优，克服了遗传算法微调能力差的缺点，同时将遗传算法优化得到的最优个体作为模拟退火算法待优化变量的初值，避免了模拟退火算法对初值的依赖。此外，针对天线匹配网络的优化问题，该组合方法采用了多目标并列选择法，用于兼顾天线驻波比和转换效率两个重要的技术指标的要求，引入交叉和变异算子的自适应调节，有利于提高算法的计算速度和效率。同时引入最优解保留策略，避免最优个体的流失。
【技术实现步骤摘要】
本专利技术涉及电磁领域的一种天线宽带匹配网络的参数优化方法，更特别地说，是指一种。
技术介绍
在现代电子设备中，由于天线性能要求和安装条件等诸多方面的限制因素，单独的天线设计在很多情况下往往难以同时满足宽带化、小型化的设计要求。对于结构形式已定的天线，设计宽带匹配网络是进一步改善天线小型化和宽带化性能的一种有效技术手段。目前宽带匹配网络的设计方法主要有解析法、数值法和智能优化法三种。解析法 以单匹配网络设计理论为基础，但解析法在增益函数最优形式的确定、源和负载的解析表达等方面存在明显不足，很难满足实际工程设计的要求。数值法以实频数据法和参量技术法为代表。数值法相比解析法具有明显的优势，但是也存在着一些固有的缺点，比如难以获得全局最优解、对初值的选择很敏感、实频数据法中的两次优化计算可靠性差等。随着全局搜索技术的发展，遗传算法(国防工业出版社，1999年6月出版，《遗传算法的原理及应用》，作者周明、孙树栋)、模拟退火算法(科学出版社，2003年5月，《非数值并行算法-模拟退火算法》，作者康立山、谢云、尤矢勇、罗祖华)等一些智能算法的出现，为宽带匹配网络的设计提供了新的技术手段。与解析法和数值法相比，智能优化方法无须对负载进行解析表示，而是依据负载频带内的一些离散阻抗值，通过最优化技术寻求网络元件值的最优解，在工程应用方面更具灵活性和实用性。但智能优化方法在收敛速度、微调能力、计算效率、算法稳定性等方面也并非尽善尽美，智能优化方法的选择和应用对于具体的设计问题需要具体分析。
技术实现思路
本专利技术的目的是提出一种，该优化方法采用遗传-模拟退火组合方法设计出天线宽带匹配网络中各集总参数元件的参数值，以遗传算法得到遗传算法中的最优解，然后通过模拟退火算法进行二次寻优，克服了遗传算法微调能力差的缺点，同时将所述的遗传算法中的最优解作为模拟退火算法待优化变量的初值，避免了模拟退火算法对初值的依赖。此外，针对天线宽带匹配网络的优化问题，该组合方法采用了多目标并列选择法，用于兼顾天线驻波比和转换效率两个重要的技术指标的要求，引入交叉和变异算子的自适应调节，有利于提高遗传算法的计算速度和效率。引入最优解保留策略，避免了最优个体的流失。本专利技术的一种，其包括有下列步骤步骤一基于遗传算法的种群初始化，获得待优化变量X = {XCa，XLb, XRd, XTj ；在步骤一中，将宽带匹配网络等效电路中电容、电感和电阻采用基于遗传算法的的种群处理，得到待优化变量X = {XCa，XLb, XRd, XTJ ；所述待优化变量X = {XCa，XLb, XRd, XTj中XCa表示电容种群，a表示等效电路中电容的标识，如第一电容Cl的第一电容种群记为XCa ;同理可得，第二电容种群记为xce2，第三电容种群记为XCe3，第四电容种群记为XCw，第五电容种群记为XCra ;等效电路中所有电容种群采用集合形式表示为XCa = {XCcl, XCc2, XCc3, XCc4, XCcJ ；XLb表示电感种群，b表示等效电路中电感的标识，如第一电感LI的第一电感种群记为XLu ;同理可得，第二电感种群记为XU2,第三电感种群记为XLU，第四电感种群记为XLm，第五电感种群记为XLm ;等效电路中所有电感种群采用集合形式表示为XLb = {XLl1,XLl2, XLl3, XLl4, XLlJ ；XRd表示电阻种群，d表示等效电路中电阻的标识，如第一电阻Rl的第一电阻种群记为XRki ;同理可得，第二电阻种群记为XRk2，第三电阻种群记为XRk3 ;等效电路中所有电阻 种群采用集合形式表示为XRd = {XRE1, XRk2，XRe3I ；XTe表示变压器种群，e表示等效电路中变压器的输入/输出电压比；步骤二 基于遗传算法的染色体处理，获得总种群Q, = {J)X( : r DX/, DXR:, DXT；；};在步骤二中，基于遗传算法中的染色体，对电容种群XCa在变量取值DC中随机生成m个变量值DIT ={XCIXC,-,XC}，0 < DC彡SOOpF ^表示标识a电容种群在第I个染色体中的变量值，Xra2表示标识a电容种群在第2个染色体中的变量值，……’AT:表示标识a电容种群在第m个染色体中的变量值，也称标识a电容种群在任意一个染色体中的变量值；基于遗传算法中的染色体，对电感种群XLb在变量取值DL中随机生成w个变量值DXrh={XLlXLl--,XL'j , 0 < DL ^ 0. I u H 表示标识b电感种群在第I个染色体中的变量值，夂拉表示标识b电感种群在第2个染色体中的变量值，……表示标识b电感种群在第w个染色体中的变量值，也称标识b电感种群在任意一个染色体中的变量值；基于遗传算法中的染色体，对电阻种群XRd在变量取值DR中随机生成V个变量值DXRvd ={XRl XR2d,-,XR^} ,0<DR^5kQ ; 17 表示标识d电阻种群在第I个染色体中的变量值，夂巧表示标识d电阻种群在第2个染色体中的变量值，……Zi ,表示标识d电阻种群在第V个染色体中的变量值，也称标识d电阻种群在任意一个染色体中的变量值；基于遗传算法中的染色体，对变压器种群XTe在变量取值DT中随机生成n个变量值/MT/ 0.1 ^ DT ^ 10 ir1表示标识e变压器种群在第I个染色体中的变量值，XT表示标识e变压器种群在第2个染色体中的变量值，……，JT/表示标识e变压器种群在第n个染色体中的变量值，也称标识e变压器种群在任意一个染色体中的变量值；对于待优化变量X = {XCa，XLb, XRd, XTJ经遗传算法中的染色体处理得到总种群Or. = < !)X( '；，DXl, DXR ；. DXlI ;^ ,以ICl ^U ^Ci Jif j ^步骤三以多目标优化函数，按照并列选择法为目标函数中各个函数分配种群；在步骤三中，将总种群込双 = {f目标，1 }的个数均等地划分为第一子群体Q1和第二子群体Q2，对每个子群体分配目标函数Mg#= {f I gg}中的一个进行优化；步骤四以交叉变异获取子种群的优化量；在步骤四中，对第一子群体Q1进行交叉变异，保留每一代优化量，即第一优化量DQ1 ;对第二子群体Q2进行交叉变异，保留每一代优化量，即第二优化量DQ2 ;交叉变异获取每一代优化量的具体步骤为步骤401 :获取第一子群体Q1中的任意2个染色体、0/^乍为当前染色体AQm={CM^CMBQ^，也称为当前第一染色体』0 ；获取第二子群体免中的任意2个染色体0%2、0%2作为当前染色体BQ^ ={CM-^CMbQ2}，也称为当前第二染色体5 - = [CM-^2,CMbq2);步骤402 :对当前第一染色体前=[CM^CMbqi)中的两个个体进行交叉处理，生成新第一染色体=|CCM^，CCMjj，CCMg表示交叉后第一个染色体，CrMl1表示交叉后第二个染色体；所述交叉处理依据第一适应性策略模型本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种采用遗传-模拟退火组合对天线宽带匹配网络中电子元件参数的优化方法，其特征在于包括有下列步骤 步骤一基于遗传算法的种群初始化，获得待优化变量X = {XCa, XLb, XRd, XTJ ； 在步骤一中，将宽带匹配网络等效电路中电容、电感和电阻采用基于遗传算法的的种群处理，得到待优化变量X = {XCa, XLb, XRd, XTJ ； 所述待优化变量X = {XCa, XLb, XRd, XTJ中XCa表示电容种群，a表示等效电路中电容的标识，如第一电容Cl的第一电容种群记为XCa ;同理可得，第二电容种群记为XCc2，第三电容种群记为XCra，第四电容种群记为XCw，第五电容种群记为XCCra ;等效电路中所有电容种群采用集合形式表示为XCa = {XCcl, XCc2, XCc3, XCc4, XCcJ ； XLb表示电感种群，b表示等效电路中电感的标识，如第一电感LI的第一电感种群记为XLu ；同理可得，第二电感种群记为XU2,第三电感种群记为XLu，第四电感种群记为XLl4，第五电感种群记为XLm ;等效电路中所有电感种群采用集合形式表示为XLb = {XLl1, XLl2,XLl3, XLl4, XLlJ ； XRd表示电阻种群，d表示等效电路中电阻的标识，如第一电阻Rl的第一电阻种群记为XRei ;同理可得，第二电阻种群记为XRk2，第三电阻种群记为XRk3 ;等效电路中所有电阻种群采用集合形式表示为XRd = {XRE1, XRk2，XRe3I ； XTe表示变压器种群，e表示等效电路中变压器的输入/输出电压比； 步骤二 基于遗传算法的染色体处理，获得总种群= i/Wr(T,/)_A7;/)A7t/)A7l ; 在步骤二中，基于遗传算法中的染色体，对电容种群XCa在变量取值DC中随机生成m个变量值￡>1了，0 < DC彡SOOpF，尤G表示标识a电容种群在第I个染色体中的变量值，Xr,)表示标识a电容种群在第2个染色体中的变量值， …Xt M表示标识a电容种群在第m个染色体中的变量值，也称标识a电容种群在任意一个染色体中的变量值； 基于遗传算法中的染色体，对电感种群XLb在变量取值DL中随机生成w个变量值DXL={XLlb,Xll,--,XLl} , 0 < DL ^ 0. I u H 表示...
【专利技术属性】
技术研发人员：陈爱新，姜维维，房见，姜铁华，杨绰，安康，
申请(专利权)人：北京航空航天大学，
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。