[发明专利]平板裂缝天线缝制造精度对电性能影响的预测方法

权利要求书

1.一种平板裂缝天线缝制造精度对电性能影响的预测方法，其具体的实现步骤如下：

(1)、搜集、整理平板裂缝天线各个辐射缝、耦合缝和激励缝的缝尺寸数据与相对应的电性能指标数据，并构建数据库；

(2)、对搜集到的数据进行处理，获得平板裂缝天线的缝平均制造精度x与对应的电性能指标变化量Δy；其中缝平均制造精度x包括辐射缝的缝平均制造精度、耦合缝的缝平均制造精度、激励缝的缝平均制造精度；

(3)、对(2)中得到的缝平均制造精度以及对应的电性能指标数据进行规一化预处理，并把处理后的数据样本分成训练数据样本和检验数据样本两部分；

(4)、在(3)中数据处理完成的基础上，使用支持向量机算法对前面处理得到的训练数据样本进行建模，获得电性能指标变化量Δy与缝平均制造精度x的模型；然后使用检验数据样本验证模型的正确性；最后，根据所建立的电性能指标变化量的模型，推导出平板裂缝天线在考虑缝制造精度后的电性能指标预测模型；

(5)、根据(4)中建立的电性能指标预测模型，指定平板裂缝天线的缝制造精度；然后使用预测模型预测缝制造精度对电性能指标的影响程度，使用这种预测方法，在保证天线的电性能指标满足要求的情况下，选择出合理的缝制造精度。

2.根据权利要求1所述的方法，其特征在于上述的步骤(4)按如下步骤进行：

①.遗传算法优化选择支持向量机参数

根据步骤(3)中获得的训练数据样本，首先利用优化方法选择支持向量机的参数，以保证支持向量机建立模型的准确性和泛化性，在此我们提出了基于遗传算法优化选择支持向量机参数的方法，它的优化问题实现过程如下：

              Find P＝[C，k，ε]

              Max.f(P)＝λ[1-E(f(x，P)，Δy)]+(1-λ)(1-nsv/L)

              s.t.C_min≤C≤C_max

                  K_min≤k≤K_max

                  ε_min≤ε≤ε_max

式中C、k和ε是需要优化选择的支持向量机参数，E(f(x,P),Δy)=L-1Σi=1L(Δyi-fi(x,P))2]]>表示规一化的均方根精度，其中L是建模使用的训练数据样本个数，Δy_i表示实际测量的电性能指标变化量，f_i(x，P)是建立的模型预测得到的电性能指标变化量，nsv是支持向量个数，λ是权重因子，C_min和C_max是待求参数C取值范围的最小值和最大值，K_min和K_max是待求参数k取值范围的最小值和最大值，ε_min和ε_max是待求参数ε取值范围的最小值和最大值；

②.利用支持向量机建立电性能指标变化量Δy与缝平均制造精度x的模型

在使用遗传算法获得最优的支持向量机参数C、k和ε的基础上，根据步骤(3)中获得的训练数据样本，运用支持向量机建立平板裂缝天线电性能指标变化量Δy与缝平均制造精度x的预测模型，模型的一般表示形式是：

Δy=f(x)=Σi=1nsvωiK(x,xi)+b]]>

式中表示核函数，不同的核函数选择会有不同的核参数k，ω_i，b，nsv是待求解的参数，它们的求解由下面的最优问题得到：

Min.R(ω,ξ,ζ*)=12||ω||2+CΣi=1L(ξi+ξi*)]]>

ξi,ξ*i≥0,i=1,2,...,L]]>

式中，ξ和ξ^*为松弛变量的上限与下限；

针对平板裂缝天线的电性能指标，根据步骤(3)中获得的训练数据样本以及支持向量机建立模型Δy＝f(x)的原理，可以分别建立缝平均制造精度与波束宽度变化量ΔBW、增益变化量ΔG、驻波比变化量ΔVSWR、左第一副瓣电平变化量ΔLSLL₁和右第一副瓣电平变化量ΔRSLL₁之间的模型，它们的一般的表示形式如下：

       ΔBW＝f₁(ΔRL，ΔRW，ΔRO，ΔCL，ΔCW，ΔCθ，ΔEL，ΔEW，ΔEO)

       ΔG＝f₂(ΔRL，ΔRW，ΔRO，ΔCL，ΔCW，ΔCθ，ΔEL，ΔEW，ΔEO)

       ΔVSWR＝f₃(ΔRL，ΔRW，ΔRO，ΔCL，ΔCW，ΔCθ，ΔEL，ΔEW，ΔEO)

       ΔLSLL₁＝f₄(ΔRL，ΔRW，ΔRO，ΔCL，ΔCW，ΔCθ，ΔEL，ΔEW，ΔEO)

       ΔRSLL₁＝f₅(ΔRL，ΔRW，ΔRO，ΔCL，ΔCW，ΔCθ，ΔEL，ΔEW，ΔEO)

式中，函数f₁，f₂，f₃，f₄，f₅是通过支持向量机数据建模得到的，ΔRL、ΔRW和ΔRO分别表示辐射缝的缝长平均制造精度、缝宽平均制造精度和缝偏移量平均制造精度，ΔCL、ΔCW和ΔCθ分别表示耦合缝的缝长平均制造精度、缝宽平均制造精度和缝倾角平均制造精度，ΔEL、ΔEW和ΔEO分别表示激励缝的缝长平均制造精度、缝宽平均制造精度和缝偏移量平均制造精度；

③.利用检验数据样本验证模型的正确性

利用步骤(3)中获得的检验数据样本对上面建立的数学模型进行验证，如果模型的准确度在期望的范围内，就可以应用这些建立的模型，否则，返回到步骤(4)，重新用遗传算法优化选择支持向量机参数，然后使用支持向量机建模，直到建立的模型的准确性满足要求；

④.建立缝平均制造精度对电性能指标的预测模型

在上面利用支持向量机得到缝平均制造精度对电性能指标变化量的模型后，就可以按照下面的公式预测平板裂缝天线在考虑加工制造精度后的电性能指标；

                           BW_R＝BW+ΔBW

                           G_R＝G+ΔG

                           VSWR_R＝VSWR+ΔVSWR

                           LSLL_R＝LSLL₁+ΔLSLL₁

                           RSLL_R＝RSLL₁+ΔRSLL₁

式中BW_R、G_R、VSWR_R、LSLL_R和RSLL_R分别表示预测得到的平板裂缝天线波束宽度、增益，驻波比、左第一副瓣电平和右第一副瓣电平，BW、G、VSWR、LSLL₁和RSLL₁分别表示设计完成后得到的平板裂缝天线设计波束宽度、增益，驻波比、左第一副瓣电平和右第一副瓣电平。