[发明专利]一种基于多目标优化算法的行波管电子枪设计方法

摘要

本发明属于微波电真空技术领域，具体涉及一种基于多目标优化算法的行波管电子枪优化设计方法。本发明以电子枪几何结构参数作为优化参数；通过快速综合设计方法得到电子枪的初始结构值，确定优化参数的大致范围；以行波管电子枪的阴极发射电流、注腰半径、电子注射程作为优化目标，利用非支配遗传算法NSGA‑II去逼近全局最优解，最后分析优化解集中所有个体的电子注轨迹交叉情况，选取层流性最好的解作为最终设计方案，实现行波管电子枪的优化。本发明在电子枪宏观电参数阴极电流、注腰半径、射程已经满足设计要求的前提下，考虑微观电子轨迹，选择电子注的层流性最好的电子枪结构，进一步提高了电子枪的性能，并且效率高。

主权项

1.一种基于多目标优化算法的行波管电子枪优化设计方法,包括以下步骤：S1、根据阴极发射电流、注腰半径、阴极电压和电子注的射程设计目标，采用快速综合设计方法得到电子枪的初始结构；S2、设置多目标优化算法的参数：目标函数、决策变量变化范围、最小变化步长S为0.01mm、种群的大小M为40‑60、最大进化代数N为55‑70、编码方式、交叉概率P_c、变异概率P_m；所述目标函数为发射电流和注腰半径，以及最大的射程，决策变量为电子枪的敏感结构参量；决策变量为：Rc阴极曲率半径4.50‑7.05mm，Zg控制极纵向坐标0.80‑1.43mm，Za阳极纵坐标5.30‑5.93mm，Rg1控制极平台高度3.30‑3.93mm，编码方式为二进制格雷码；其中200mA<发射电流<210mA，2.5mm<注腰半径<3.0mm；S3、初始化种群：在决策变量的范围内随机生成M个个体，形成第一代种群P(0)；S4、根据种群中的所有个体，设置行波管电子枪的优化参量值，启动EOS进行计算，获取仿真计算结果中所有目标函数的值，并计算每个个体对所有目标函数的适应度值；S5、如果当前种群是第一代种群P(0)，则直接对其执行快速非支配排序、拥挤度计算，然后转步骤6；如果不是初始化种群，则采用精英策略：将种群P(gen)和种群S(gen)合并形成一个大的种群，并对合并后的群体执行快速非支配排序、拥挤度计算，选择其中最优的前M个个体形成新种群P(gen+1)，然后转步骤6；S6、执行遗传操作：对种群P依次进行锦标赛选择、单点交叉、01变异，形成新一代种群S(gen+1)；如果种群进化次数大于最大进化次数，则转至步骤7，否则设置gen＝gen+1并转至步骤4；S7、根据最优解的选择策略，从最后一代的种群P中选择最优的3‑10个解生成优化解集；分析优化解集中所有个体的电子注轨迹交叉情况，选择电子轨迹交叉次数最少的个体作为最终的设计方案。