[发明专利]一种微波传感器谐振结构联合仿真优化方法及系统

权利要求书

1.一种微波传感器谐振结构联合仿真优化方法，其特征在于，包括：

S1.像素化微波微流体传感器的原始谐振结构优化区域为方形像素单元；

S2.初始化谐振结构的状态集，初始化用于谐振结构调整的动作集；

S3.初始化当前神经网络的参数和目标神经网络的参数；其中，当前神经网络包括当前策略网络、当前评价网络，目标神经网络包括目标策略网络、目标评价网络；

S4.当前策略网络根据当前状态集输出动作集，并在输出的动作集中添加随机噪声；当前状态集根据动作集进行谐振结构调整后生成微波传感器模型脚本；

S5.基于全波电磁仿真软件读取微波传感器模型脚本并自动构建微波传感器模型，对构建的微波传感器模型进行仿真，得到仿真数据；

S6.根据得到的仿真数据计算当前动作集基于当前状态集被执行后得到的奖励值；

S7.将所需数据存入经验回放池；其中，所需数据包括当前状态集、当前动作集、下一状态集、下一动作集、奖励值；

S8.当前评价网络基于经验回放池中的当前状态集中的当前动作、当前动作集中的当前策略动作计算第一奖励值的数学期望，目标评价网络基于下一状态集中的下一动作、下一动作集中的下一策略动作计算第二奖励值的数学期望；

S9.计算第一奖励值的数学期望和第二奖励值的数学期望之间的差异，并基于计算得到的差异采用策略梯度方法更新当前策略网络、当前评价网络的参数；

S10.根据全波电磁仿真软件的更新方法更新目标策略网络、目标评价网络的参数；

S11.循环执行步骤S4-S10，直到当前神经网络的参数和目标神经网络收敛，得到智能集模型，所述智能机模型输出谐振结构的优化策略，将原始谐振结构基于输出的优化策略进行调整，得到优化后的谐振结构。

2.根据权利要求1所述的一种微波传感器谐振结构联合仿真优化方法，其特征在于，所述步骤S2中谐振结构的状态集，表示为：

S_t＝{z₁，z₂，…，z_M·W-1，z_M·W}

其中，S_t表示谐振结构的状态集；M和W表示行数和列数；z_M·W表示M行W列的状态；

所述步骤S2中用于谐振结构调整的动作集，表示为：

其中，A_t表示谐振结构调整的动作集；表示调整点；表示调整长度；表示移动距离。

3.根据权利要求2所述的一种微波传感器谐振结构联合仿真优化方法，其特征在于，所述步骤S4中当前策略网络根据当前状态集输出与策略相关的动作集，并在输出的动作集中添加随机噪声，表示为：

A_t＝β(S_t)＝μ(S_t，θ^μ)+N_t

其中，A_t表示动作集；μ表示当前策略网络；θ^μ表示当前策略网络的网络参数；N_t表示随机噪声；β表示基于当前状态的动作集。

4.根据权利要求3所述的一种微波传感器谐振结构联合仿真优化方法，其特征在于，所述步骤S6中根据得到的仿真数据计算当前动作集基于当前状态集被执行后得到的奖励值，表示为：

其中，V_RR表示正确动作的奖励值；V_RW表示错误动作的惩罚值；r₁表示比例因子；Δf表示由共振结构引起的相对频移；V_F表示一个固定的参量。

5.根据权利要求4所述的一种微波传感器谐振结构联合仿真优化方法，其特征在于，所述正确动作的奖励值V_RR中还包括微波传感器的灵敏度T，表示为：

其中，ε_r表示注入液体样品的相对介电常数；f_unloaded和分别表示未注入待测液体时仿真数据中的谐振频率点和注入待测液体时仿真数据中的谐振频率点。