[发明专利]一种天线仿真设计的快速优化方法

说明书

技术领域

本发明涉及电磁结构优化设计领域，特别涉及一种天线仿真设计的快速优化方法。

背景技术

近年来，为满足各类通信系统在带宽、极化、方向性、形状、尺寸等多方面的复合要求，天线结构日趋复杂，设计自由度不断提高，天线设计过程因此成为一种高维多目标的优化过程。现有设计方法一般是在成熟天线基础上，通过表面电流、电磁模式或阻抗分析，局部调整结构来获取新的性能，通过逐一考察敏感参数对性能的影响完成参数优化。这种方法依赖设计者经验，能够处理的维度较低。

以遗传算法、粒子群算法和进化策略算法为代表的进化算法在优化过程中不依赖于问题的解析数学模型，适用于具有不确定性、非线性和多态问题的求解，因此在电磁结构优化中得到了广泛的应用。与梯度算法相比，一般认为进化算法的全局性较好，但收敛速度较慢，比如运用GA对维度小于10的电磁结构进行优化，种群规模20-60，进化代数40-600，电磁仿真次数可能超过30,000次；PSO算法中粒子数为10-800，迭代次数1,000-10,000次，电磁仿真次数最高可达200,000次。尽管电磁计算的软硬件技术都在不断进步，但仍难以满足天线高维优化的海量计算。

针对上述问题，提供一种新型的优化方法，减少天线高维多目标优化时的仿真次数，提高天线的优化设计效率。

发明内容

本发明所要解决的技术问题是，提供一种天线仿真设计的快速优化方法，减少天线高维多目标优化时的仿真次数，达到提高天线的优化设计效率的目的。

为达到上述目的，本发明的技术方案是，一种天线仿真设计的快速优化方法，其特征在于：所述的优化方法首先利用多维均匀采样算法设计初始样本；再以Kriging模型部分代替电磁仿真求解；再以种群构成和筛选方法来平衡搜索的广度和深度得出天线优化模型。

所述的初始样本包括在天线结构中选取n个优化参数，根据各参数取值范围确定参数空间D，利用LHS-MDU算法在D中生成10n个初始样本，对初始样本执行仿真得到10n×m个电磁响应，计算适应度，将初始样本及其电磁响应存入数据库，构建初始Kriging模型。

所述的种群构成包括优化循环中设定种群数量Np＝10n，每一代种群由高适应度样本和高离散性样本两部分构成；首先对数据库中的样本依据适应度函数值从小到大排序，在前Np名中随机选取p个样本，另外q个样本由LHS-MDU算法随机生成；根据差分进化原理，若种群中性能优良的个体趋于一致时，个体间的差分向量趋于0，变异效果会显著下降，在进化种群中引入高离散性样本可以改善种群多样性，提高求解质量。

所述的筛选方法根据在Kriging模型预测进化后种群中个体的响应值选择需要进行电磁仿真的个体，更新Kriging模型；这里以个体响应的置信下限代入适应度函数，选择具有最小适应度函数值的个体执行仿真；

RLCB(xit)=Rs(xit)-ws(xit)]]>