[发明专利]基于多目标空间映射算法的微波器件设计方法有效
| 申请号： | 201310434810.3 | 申请日： | 2013-09-22 |
| 公开（公告）号： | CN103500246B | 公开（公告）日： | 2017-02-08 |
| 发明（设计）人： | 田雨波;楼群;邱大为 | 申请（专利权）人： | 江苏科技大学 |
| 主分类号： | G06F17/50 | 分类号： | G06F17/50;G06N3/02 |
| 代理公司： | 南京经纬专利商标代理有限公司32200 | 代理人： | 楼高潮 |
| 地址： | 212003*** | 国省代码： | 江苏;32 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明公开了一种基于多目标空间映射算法的微波器件设计方法，涉及电磁计算领域，该方法步骤为1.多目标粒子群优化计算粗糙模型。2.精确模型评价粗糙模型Pareto最优解集的响应，由精确模型响应更新精确模型Pareto最优解集。3.采用差值神经网络模型建立粗糙模型与精细模型之间的映射关系。4.粗糙模型结合差值模型作为新的粗糙模型，多目标粒子群优化计算新粗糙模型。5.判断终止条件，若满足终止条件则输出精确模型Pareto最优解集，否则返回步骤2。本发明可以完成多目标形式的空间映射计算，使用差值神经网络模型替代参数提取过程，算法具有较好的收敛性和稳定性。 | ||
| 搜索关键词： | 基于 多目标 空间 映射 算法 微波 器件 设计 方法 | ||
【主权项】：
一种基于多目标空间映射算法的微波器件设计方法，包括以下步骤：1)使用多目标粒子群算法优化计算粗糙模型，控制Pareto最优解集的大小，得出一组Pareto最优解集；2)将粗糙模型Pareto最优解集送入精细模型计算响应，由精细模型响应更新精细模型Pareto最优解集；3)采用差值神经网络模型训练神经网络，将粗糙模型适应度作为输入，精细模型与粗糙模型适应度之差作为输出；4)将粗糙模型结合差值神经网络模型作为新粗糙模型，使用多目标粒子群优化计算新粗糙模型，得出一组基于粗糙模型和差值神经网络模型的Pareto解集，且控制解集的大小；5)判断Pareto最优解集个数是否满足设计要求，若满足设计要求，则输出精细模型的最优解集，否则返回步骤2)；其特征在于，设计阶跃阻抗滤波器时，所述粗糙模型与精确模型的对应关系用下式表示：L=βlZ0ω,C=βlZ0ω]]>其中Z0=60ϵeln(8dW+W4d),W/d≤1120πϵe[W/d+1.393+0.667ln(W/d+1.444)],W/d≥1]]>ϵe=ϵr+12+ϵr-1211+12d/W]]>选取适应度函数为：F=F1=abs(S21f=4GHz)F2=100-abs(min(S21f≤3GHz)).]]>
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于江苏科技大学，未经江苏科技大学许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201310434810.3/，转载请声明来源钻瓜专利网。
