[发明专利]一种基于神经网络的微波窗设计方法

说明书

本发明涉及微波电真空器件中微波窗设计与优化领域，具体涉及一种基于神经网络的微波窗设计方法。本发明提出的基于神经网络的微波窗设计方法，通过引入神经网络利用其特性在保证精度的前提下，降低了微波窗的设计耗时，提高了微波窗设计的效率，具有更高的灵活性。相对目前微波窗设计时借助HFSS、CST、MTSS等电磁仿真软件结合实际需求与设计者的经验反复调整结构参数，有效避免了对设计人员的熟练度及实际操作经验的高要求，并且当优化设计微波窗参数过多时，会导致微波窗的设计过程冗长、消耗大量计算资源的问题。

技术领域

本发明涉及微波电真空器件中微波窗设计与优化领域，具体涉及一种基于神经网络的微波窗设计方法。

背景技术

随着科技的进步，微波电真空器件不断向着大功率、高频率、高效率、低噪声和宽频带等方向发展，而微波窗作为微波电真空器件中的微波输能装置，其主要是为真空条件提供保障和传输功率，其性能直接影响着微波电真空器件频率、功率容量、可靠性和寿命等性能指标。因此，对微波窗的设计工作提出了带宽高、真空密闭性好、介质损耗小、能承受更大的功率容量等更多的设计要求。

目前微波窗的设计工作主要是借助HFSS、CST、MTSS等电磁仿真软件结合实际需求与设计者的经验反复调整结构参数，最终选择出最佳的设计方案。这种方式对设计人员的熟练度及实际操作经验具有很高要求，并且当优化设计微波窗参数过多时，会导致微波窗的设计过程冗长、消耗大量计算资源。

为提高微波窗设计效率，减少设计时间，需要一种更快捷、有效的微波窗仿真设计方法。

发明内容

针对上述存在问题或不足，本发明提供了一种基于神经网络的微波窗设计方法，以降低微波窗的设计耗时，提高微波窗的设计效率。

一种基于神经网络的微波窗设计方法，具体步骤如下：

S1.根据微波窗的设计要求，构建微波窗初始仿真模型并确定微波窗结构设计参数范围。

S2.在S1确定的微波窗结构设计参数范围内随机选取N组微波窗结构设计参数，N≥100，通过软件驱动程序调用仿真软件的方式将微波窗结构设计参数输入到仿真软件中，通过电磁仿真得到微波窗结构设计参数对应的仿真响应数据(如S参数等)。

S3.将S2中选取的N组微波窗结构设计参数作为微波窗神经网络模型的输入数据，并将所选N组微波窗结构设计参数对应的仿真响应数据作为微波窗神经网络模型的输出数据，建立微波窗神经网络模型。

S4.在S1确定的微波窗结构设计参数范围内，另行选取M组微波窗结构设计参数，M≥20，将这M组微波窗结构设计参数输入到S3得到的微波窗神经网络模型，通过微波窗神经网络模型预测得到所述M组微波窗结构设计参数对应的M组预测结果。所述M组微波窗结构设计参数为S2中N组微波窗结构设计参数以外的数据。

S5.根据微波窗的设计要求，构造微波窗的优化目标函数。

S6.将S4中得到的M组微波窗神经网络模型的预测结果用于计算S5所构造的优化目标函数，得到M组优化目标函数值。

S7.将S6得到的M组优化目标函数值进行对比，完成基于微波窗神经网络模型的优化方法寻优，选出满足设计要求的最优解及对应的设计参数值，最终完成微波窗的设计。

进一步的，所述步骤S2中软件驱动程序为Python、Matlab或C++。

进一步的，所述步骤S2中仿真软件为HFSS、CST或MTSS。

进一步的，所述M≤N，以提高计算效率，避免M过大时求解S6中优化目标函数值耗时过多。