[发明专利]基于遗传算法的非朗伯LED空间波束模型拟合方案

权利要求书

1.一种基于遗传算法的非朗伯LED空间波束模型拟合方案，其特征在于，包括：

获得非朗伯LED波束模型的实测数据，实测数据包括非朗伯LED波束模型在三维空间中实际测量获得的不同空间方位的辐射强度；

构建初始的非朗伯LED波束模型；

构建适应度函数，利用遗传算法迭代优化非朗伯LED波束模型，得到最优解；

根据最优解确定拟合后的非朗伯LED波束模型。

2.根据权利要求1所述的基于遗传算法的非朗伯LED空间波束模型拟合方案，其特征在于，所述初始的非朗伯LED波束模型包括波束为圆周对称的非朗伯LED波束模型和波束为非圆周对称的非朗伯LED波束模型；

波束为圆周对称的非朗伯LED波束模型如下所示：

其中，θ为光波束出射方向的俯仰角；N₁和N₂分别为初始设定中所引入的余弦功率函数和高斯功率函数的个数；参数A_1i、A_2i、A_3i分别为第i个余弦功率函数的幅度系数、相位偏移系数和功率系数；参数B_1j、B_2j、B_3j分别为第j个高斯功率函数的幅度系数、相位偏移系数和相位归一化系数；C是高斯功率函数内的指数衰减常数；

波束为非圆周对称的非朗伯LED波束模型如下所示：

其中，θ为光波束出射方向的俯仰角；φ为光波束出射方向的方位角；参数A_1i、A_2i、A_3i分别为第i个余弦功率函数的幅度系数、相位偏移系数和功率系数；参数B_1j、B_2j、B_3j、B_4j分别为第j个高斯功率函数的幅度系数、相位偏移系数、余弦归一化系数和正弦归一化系数；C是高斯功率函数内的指数衰减常数。

3.根据权利要求1或2所述的基于遗传算法的非朗伯LED空间波束模型拟合方案，其特征在于，所述利用遗传算法迭代优化非朗伯LED波束模型，得到最优解，包括：

构造初始染色体种群，其中初始染色体种群包括初始的非朗伯LED波束模型中的参数；

通过选择算子、交叉算子和变异算子对初始染色体种群进行一次筛选、二次筛选和变异，生成新的染色体种群；

根据新的染色体种群，获得对应拟合的非朗伯光源波束模型的适应度函数值；

利用适应度函数确定迭代终止条件组，根据迭代终止条件组判断是否终止迭代，响应于满足迭代终止条件组中任意一个迭代终止条件，则终止迭代，输出最优解。

4.根据权利要求3所述的基于遗传算法的非朗伯LED空间波束模型拟合方案，其特征在于，所述迭代终止条件组包括：

迭代搜索次数等于最大迭代次数；

染色体种群中最优染色体个体的适应度函数值超过预设门限值；

临近几代种群中最优染色体个体的适应度函数值的绝对差异度小于预设偏差设定。

5.根据权利要求1或2或4所述的基于遗传算法的非朗伯LED空间波束模型拟合方案，其特征在于，所述构建适应度函数，包括：

计算拟合的非朗伯LED波束模型在各个已测空间方向的波束强度与非朗伯LED波束模型的实测数据之间的偏差，对各个偏差的绝对值累积求和；

非朗伯LED波束模型的实测数据累计求和；

计算各个偏差的绝对值累积求和结果与非朗伯LED波束模型的实测数据累计求和结果之间的绝对差值；

计算绝对差值与非朗伯LED波束模型的实测数据累计求和之间的相对比值。