【技术实现步骤摘要】
本专利技术涉及电磁兼容性优化设计方法，更具体地说，涉及系统智能化电磁兼容性优化设计方法及其系统。
技术介绍
1、随着电子系统复杂性的不断提升，电磁兼容性(emc)问题在现代电子设备中的重要性愈发显著。尤其是在高频电路和密集元器件结构中，各种电磁辐射和干扰极易造成系统内部干扰的叠加，影响设备的正常运行。因此，如何在设计阶段有效降低电磁辐射水平，提高系统的抗扰度，已成为电子领域的核心技术难题。
2、现有的电磁兼容性优化方法大多基于静态的路径分析和固定调节，通常采用预设模型对干扰源、敏感节点进行路径分配，并利用固定的参数调节模型对元器件的电磁参数进行设置。然而，这些传统方法存在以下显著的缺陷。首先，路径分析方法往往缺乏递归优化算法，导致系统对干扰路径的识别不够精确，无法动态响应复杂的电磁干扰环境。例如，在元器件分布较为密集的高频电路中，干扰路径的权重差异极大，静态路径分析容易忽略对关键节点的深入分析，产生大量冗余路径，不仅增大计算量，还难以提高系统的抗扰度。
3、其次，现有方法多采用单一的固定调节因子，无法实现非线性的自适应调节，缺乏对不同频段和不同强度干扰的敏感调节能力。例如，传统的固定因子调节无法适应复杂环境中频繁变化的干扰频率，往往导致电磁辐射和抗扰度难以达到理想的优化状态。此类方法对不同频段干扰的调节效果往往较为有限，系统整体电磁兼容性提升效果不明显。此外，传统调节方式忽略了各参数之间的协同关系，调节的效率和精度较低，无法在保持抗扰度的同时实现对电磁辐射的有效抑制。
4、近年来，深度学习在各
5、本专利技术的必要性在于解决现有技术在电磁兼容性优化中的上述问题，尤其是提供智能化的自适应优化方案，能够有效识别并分析电磁干扰路径，通过非线性自适应调节和深度学习预测对系统电磁特性进行实时优化，使得系统能够在不同频段、不同强度的干扰环境中实现优异的兼容性。
技术实现思路
1、本专利技术针对现有技术的不足，提出智能化电磁兼容性优化设计方法及其系统，以实现对复杂电磁环境的动态适应能力。基于路径优化递归算法，本专利技术能够识别并动态调整关键的干扰路径和节点，通过路径权重的优化，在多层次的干扰环境下实现对路径节点的精准识别和有效调节。递归优化的路径分析方法有助于在复杂电磁环境中筛选出主要的干扰路径，同时避免了对冗余路径的资源浪费，极大地提高了系统抗扰度，减少电磁干扰对关键节点的影响。
2、本专利技术提供系统智能化电磁兼容性优化设计方法，包括以下步骤：
3、获取系统的各元器件及其设计参数、组成结构和电磁特性，建立所述元器件的电磁仿真单元模型并构建元器件模型库；
4、通过路径优化算法对所述元器件模型进行干扰路径分析，识别关键节点和干扰源节点并构建电磁干扰路径模型；
5、根据所述电磁干扰路径模型，对系统元器件的电磁辐射和抗扰度参数进行自适应调节，以优化电磁兼容性；
6、通过深度学习模型对所述系统的电磁兼容性参数进行动态预测和参数优化调节；
7、采用递进反馈调节机制对所述系统及其子模块的电磁兼容性进行整体优化，使所述系统达到电磁兼容性要求。
8、优选地，所述路径优化算法采用路径权重递归计算公式:
9、
10、其中，ω(ni,nj)为节点ni和nj间的路径权重，dij为两节点间的距离，λ为路径衰减因子，φp为干扰源节点权重，κp为敏感节点权重因子，δij为电磁干扰差异值；所述路径权重用于确定电磁干扰路径中关键节点并生成所述干扰路径模型。
11、优选地，所述电磁辐射和抗扰度参数自适应调节采用非线性调节公式:
12、
13、其中，δe为优化量，ɑ、β、γ为调节因子，f(x)、g(x)、h(x)为所述元器件的电磁特征函数，ψ(x)为动态衰减函数，用于对所述元器件的电磁辐射和抗扰度进行非线性调节。
14、优选地，所述系统级非均匀电磁兼容性优化采用多层次非均匀优化模型，通过以下公式计算系统级最优调节因子：
15、
16、其中，θ为用于控制系统电磁辐射和抗扰度的调节参数集，代表各元器件在优化过程中的特定调节状态，θopt为系统的最优调节因子集，旨在通过优化过程得出对整体电磁兼容性效果最佳的调节参数，n为系统中的元器件数量，每个元器件具有独立的电磁特性参数，γi为针对每个元器件的电磁辐射调节因子，用于加权系统中不同元器件的电磁辐射强度，βi为抗扰度调节因子，用于控制每个元器件的抗扰度调整幅度，σi为辐射参数调节系数，用于决定电磁辐射参数在调节过程中变化的敏感度，τi为抗扰度参数调节系数，用于调节抗扰度参数的调整幅度，ei为系统中第i个元器件的当前电磁辐射水平，e标准为系统所需的标准电磁辐射值，为预先设定的目标辐射水平，si为第i个元器件的当前抗扰度值，表示其在电磁环境中的抗干扰能力，s标准为系统的标准抗扰度，为系统期望的抗干扰目标值，ηi为第i个元器件的电磁辐射特性参数，用于描述元器件电磁特性的期望状态，ξi为第i个元器件的抗扰度特性参数，用于描述元器件在电磁环境下的抗干扰能力的期望状态。
17、优选地，所述深度学习模型通过动态自适应参数预测和调节实现对元器件和系统电磁兼容性参数的实时优化，计算公式为
18、
19、其中，δλ为深度学习模型的参数调节量，表示在当前环境下对元器件电磁兼容性参数的调整值，σ为深度学习模型的学习率调节因子，用于控制模型对电磁兼容性变化的响应速度，fml(pi)为深度学习模型输出的预测函数，其中pi表示第i个元器件的当前电磁特性输入，模型根据输入的电磁特性生成对应的预测值，ξ为用于调节自适应预测中的时间依赖性调节因子，用以平衡调节结果对实时数据变化的响应程度，为系统内第j个元器件最优电磁兼容性参数的时间导数，用于描述元器件参数在时间上的变化率，有助于深度学习模型实现动态适应性调整。
20、优选地，所述递进反馈调节机制用于对系统及子模块的电磁兼容性进行协同优化，采用反馈调节系数矩阵实现所述系统的整体调节，反馈计算公式为
21、
22、其中，ψ为反馈调节系数集，用于在递进反馈过程中调节系统各元器件的电磁兼容性参数，ψfinal为最终的反馈调节系数集，是经过反馈优化后得到的整体电磁兼容性调节方案，o为系统子模块的总数，δkk为反馈调节系数矩阵的对角元素，代表系统内各元器件或子模块的自身反馈调节强度，用本文档来自技高网...
【技术保护点】
1.智能化电磁兼容性优化设计方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的智能化电磁兼容性优化设计方法，其特征在于：所述路径优化算法采用路径权重递归计算公式:
3.根据权利要求1所述的智能化电磁兼容性优化设计方法，其特征在于：所述电磁辐射和抗扰度参数自适应调节采用非线性调节公式:
4.根据权利要求1所述的智能化电磁兼容性优化设计方法，其特征在于：所述系统级非均匀电磁兼容性优化采用多层次非均匀优化模型，通过以下公式计算系统级最优调节因子：
5.根据权利要求1所述的智能化电磁兼容性优化设计方法，其特征在于：所述深度学习模型通过动态自适应参数预测和调节实现对元器件和系统电磁兼容性参数的实时优化，计算公式为
6.根据权利要求1所述的智能化电磁兼容性优化设计方法，其特征在于：所述递进反馈调节机制用于对系统及子模块的电磁兼容性进行协同优化，采用反馈调节系数矩阵实现所述系统的整体调节，反馈计算公式为
7.执行权利要求16任一项所述方法的智能化电磁兼容性优化设计系统，其特征在于，包括：
8.根据权利要
9.根据权利要求7所述的智能化电磁兼容性优化设计系统，其特征在于：所述优化模块中的电磁干扰优化单元依据所述仿真结果和路径权重递归算法对所述电磁干扰路径中的关键节点进行动态调节，并对所述干扰源和敏感节点进行优化配置。
10.根据权利要求7所述的智能化电磁兼容性优化设计系统，其特征在于：所述优化模块中的电磁辐射优化单元使用所述非线性自适应调节公式对所述元器件的电磁辐射参数进行优化，使得所述元器件的电磁辐射符合系统的电磁兼容性标准。
...【技术特征摘要】
1.智能化电磁兼容性优化设计方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的智能化电磁兼容性优化设计方法，其特征在于：所述路径优化算法采用路径权重递归计算公式:
3.根据权利要求1所述的智能化电磁兼容性优化设计方法，其特征在于：所述电磁辐射和抗扰度参数自适应调节采用非线性调节公式:
4.根据权利要求1所述的智能化电磁兼容性优化设计方法，其特征在于：所述系统级非均匀电磁兼容性优化采用多层次非均匀优化模型，通过以下公式计算系统级最优调节因子：
5.根据权利要求1所述的智能化电磁兼容性优化设计方法，其特征在于：所述深度学习模型通过动态自适应参数预测和调节实现对元器件和系统电磁兼容性参数的实时优化，计算公式为
6.根据权利要求1所述的智能化电磁兼容性优化设计方法，其特征在于：所述递进反馈调节机制用于对系统及子模块的电磁兼容性进行协同优化，采用反...
【专利技术属性】
技术研发人员：夏帅，庞宇，王慧倩，田宏轩，郑昊，黄文远，王晨光，
申请(专利权)人：重庆邮电大学，
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。