一种基于NSGA-Ⅱ的微波窗快速优化设计方法技术

本发明专利技术属于微波电真空领域微波窗的模拟设计与优化技术领域，具体涉及一种基于NSGA‑Ⅱ的微波窗快速优化设计方法。本发明专利技术结合模式匹配法与NSGA‑Ⅱ，并根据微波窗的性能要求，提出了两个特有的互不矛盾，相互协调的目标优化函数，充分发挥了GA算法优胜劣汰的机制，保证算法逼近全局最优解，以实现各类微波窗的快速优化设计。本发明专利技术的有益效果是：实现各类微波窗的快速优化设计，解决了微波窗设计过程中采用纯数值电磁仿真软件存在的耗时长、计算机资源消耗大的问题，以及采用模式匹配法结合传统单目标优化GA算法不能满足微波窗宽频带的要求的局限。同时，本发明专利技术也适用于其他宽带微波器件的优化设计。

【技术实现步骤摘要】

本专利技术属于微波电真空领域微波窗的模拟设计与优化
，具体涉及一种基于NSGA-Ⅱ(NondominatedSortingGeneticAlgorithmsII：非支配排序遗传算法II)的微波窗快速优化设计方法。
技术介绍
微波窗是微波真空器件输入输出系统重要的组成部分，起到真空密封以及低反射传输微波功率的目的。微波窗的性能直接影响微波真空器件的频带、功率容量、可靠性、电参数及其寿命等性能指标。在微波真空器件中，根据其带宽、功率容量等要求，可选用的微波窗结构各异，如带宽较宽的同轴窗、高功率盒型窗、矩形波导窗等。这些微波窗通常是在一定的传输波导(同轴线，矩形波导或圆波导)中插于一定厚度的陶瓷窗片进行真空密封，然后在窗片两侧引入一些波导不连续性(如加载膜片，波导阶梯等)以达到扩展带宽，增大功率容量的目的。如何设计满足要求的微波窗是微波真空器件研制过程中的一个重要环节。在设计某一确定类型的微波窗时，常用的方法是利用通用三维电磁仿真软件如HFSS、CST等进行建模，并对各种结构参数在一定范围内进行扫描或者优化，找到满足性能要求的微波窗结构参数。由于通用三维电磁仿真软件需要对微波窗进行建模、网格划分、数值计算、后处理分析等一系列过程，模拟计算会消耗大量CPU时间和计算机内存。尤其当微波窗中包含非常薄的膜片等精细结构时，一个简单的结构可能就要耗费很长的时间进行参数扫描或优化才能得到较好的结果。为了解决微波窗设计过程中存在的耗时长、计算机资源消耗大、无法快速准确获得满足性能要求的微波窗结构问题，可以采用模式匹配法结合遗传算法(GA)对微波无源器件进行模拟与优化设计。其中，模式匹配法是一种基于模式展开的半解析半数值全波分析方法，可以对常见微波传输系统进行快速精确理论分析，获得其S参数与电压驻波比等传输性能。基于模式匹配法的GA方法优化微波器件的传输参数的相关文献中，大多都采用传统的遗传算法，使用单目标优化，目标函数采用式中，fmin,fmax分别表示频带最小频率和最大频率。决策向量x＝[x1,x2,…,xv]，为各优化参数组成的向量。xi,i＝1,2,…v表示各个优化参数，v为优化参数的总个数。fi为采样频率，Γ为反射系数，是决策向量x和频率fi的函数。Γ(x,fi)表示频率为fi时，决策向量x对应的反射系数。式(1)给出的目标函数只考虑单个频点的反射系数，即采样频率中最大的反射系数。这种方法不足之处在于，假如某个决策变量已经在带宽内多数频点反射量都很小，仅在靠近边频处有较大的反射系数，该决策变量实际上已经可以满足要求，而另一个决策变量虽然在采样频率内最大的反射系数较小，但在其他频点仍然有较大的反射量，按照式(1)，经过遗传操作后，后者可能被保留下来，而前者却被淘汰，这样就会额外地增加算法收敛时间，甚至不能找到最优解。NSGA-Ⅱ是多目标优化算法中最优秀的算法之一，其将多目标优化的思想结合到遗传算法中，采用快速非支配排序，使得算法可以同时优化多个目标。典型多目标优化问题的数学描述如式(2)。式(2)中，[g1(x),g2(x),…,gn(x)]为目标函数向量，n表示目标函数数目，x＝[x1,x2,…,xv]为决策向量。xi,i＝1,2,…,v为优化参数。v为优化参数数目，u(x)≤0,v(x)＝0代表两类不同的不等式与等式约束条件。xl、xu为决策向量的范围。NSGA-Ⅱ具有时间复杂度低，解集的收敛性好的优点，成为其他多目标优化算法性能的基准。
技术实现思路
为了解决微波窗设计过程中采用纯数值电磁仿真软件存在的耗时长、计算机资源消耗大，以及采用模式匹配法结合传统单目标优化GA算法不能满足微波窗宽频带的要求，本专利技术提供了一种基于NSGA-Ⅱ的微波窗快速优化设计方法。本专利技术提出了两个特有的多目标优化函数，可以通过优化实现微波窗在宽频带内具有要求的微波传输特性，实现各类微波窗的快速优化设计。一种基于NSGA-Ⅱ的微波窗快速优化设计方法，包括以下步骤：S1、初始化微波窗结构参数，确定优化参数及其范围，设定模式匹配法计算相关参数；在对确定微波窗结构进行优化计算时，首先需要初始化微波窗结构参数，如波导尺寸，窗片材料及厚度，同时确定优化参数以及每个优化参数的范围，优化参数构成式(1)中决策向量x。为了利用模式匹配法进行计算，还需给出模式匹配法计算所需的微波窗工作频率范围[fmin,fmax]，频率采样步长Δf和模式数m。模式匹配法是一种基于模式展开的方法，通过对传输线的不均匀性进行分区，并将不同区域内的电磁场进行全波模式展开与公共面上横向电磁场匹配分析，建立微波传输系统的广义散射矩阵。利用建立的广义散射矩阵，即可获得该微波传输系统的S参数与电压驻波比等传输性能。S2、设定NSGA-Ⅱ算法参数；设定NSGA-Ⅱ算法参数包括设定种群数目N、最大进化代数M、交叉率Pc和变异率Pm,设置变量s记录迭代次数；即遗传算法基本参数。然后再结合步骤S1，NSGA-Ⅱ算法将在给定的优化参数范围内随机产生N组决策向量x的集合，将其记为P＝{xk|k＝1,2,…,N本文档来自技高网...

【技术保护点】
一种基于NSGA‑Ⅱ的微波窗快速优化设计方法，包括以下步骤：S1、初始化微波窗结构参数，确定优化参数及其范围，设定模式匹配法计算相关参数：在对确定微波窗结构进行优化计算时，首先初始化微波窗结构参数，同时确定优化参数以及每个优化参数的范围，优化参数构成式1中决策向量X；给出模式匹配法计算所需的微波窗工作频率范围[fmin,fmax]，频率采样步长Δf和模式数m；g=minx{maxfmin<fi<fmax[|Γ(x,f)|]}---(1)]]>S2、设定NSGA‑Ⅱ算法参数：设定NSGA‑Ⅱ算法参数包括设定种群数目N、最大进化代数M、交叉率Pc和变异率Pm,设置变量s记录迭代次数，即遗传算法基本参数；然后再结合S1，NSGA‑Ⅱ算法将在给定的优化参数范围内随机产生N组决策向量x的集合，将其记为P＝{xk|k＝1,2,…,N}，其中xk＝[x1,x2,…,xv]T，v表示所要优化的参数数目；S3、确定目标函数：根据电压驻波比VSWR的定义VSWR=1+|ΓL|1-|ΓL|≥1,0≤|&Gamma;L|≤1,---(2)]]>其中，ΓL是器件端口反射系数，选择第一个目标函数为g1g1=min(Σfmax≤fi≤fminVSWRfi)---(3)]]>式中，fmin,fmax，fi同式1，表示采样频点fi对应的电压驻波比；该目标函数使得在频带范围内，各个采样点对应电压驻波比之和具有最小值；为了保证带宽，在第一个目标函数的基础上，增加第二个目标函数g2g2=min(Σfmax≤fi≤fminδfi)---(4)]]>其中，fmin,fmax，fi同式1，定义为δfi=1,VSWRfi≥C0,VSWRfi<C---(5)]]>式6中1＜C≤1.1，当某一频点fi对应电压驻波比大于给定阈值时，取值为1，反之，取值为0；目标函数g2使得在采样频点内VSWR超过阈值的频点数目最少；取目标函数g2的阈值为Q0，0.2Q＜Q0＜Q，Q即采样频点数目；S4、并行调用模式匹配法计算集合P中N组决策向量的目标函数值：NSGA‑2算法调用模式匹配法计算集合P中每个决策向量的目标函数值时，将此过程并行化处理，其中x的下标i1、i2、i3、i4、i5、i6表示并行处理时对集合P中x的分组边界序号；S5、根据S4的结果，取当前集合P中的最优解，判断其对应的目标函数值g2是否小于等于Q0；若是，输出结果，结束；若否，进一步判断NSGA‑II算法是否迭代到指定次数，若达到，结束当前迭代，调整优化参数范围，或增加迭代次数，重复S1‑S5，直到找到满足要求的解为止；若未迭代到指定次数，NSGA‑II算法对集合P执行遗传操作，形成新的优化参数集合P',令P＝P'，转到S4，重复执行S4、S5。...

【技术特征摘要】
1.一种基于NSGA-Ⅱ的微波窗快速优化设计方法，包括以下步骤：S1、初始化微波窗结构参数，确定优化参数及其范围，设定模式匹配法计算相关参数：在对确定微波窗结构进行优化计算时，首先初始化微波窗结构参数，同时确定优化参数以及每个优化参数的...

【专利技术属性】
技术研发人员：巩进杰，朱小芳，胡权，胡玉禄，李斌，
申请(专利权)人：电子科技大学，
类型：发明
国别省市：四川;51