[发明专利]一种天线快速优化设计方法

摘要

本发明公开了一种基于粒子群(Particle Swarm Optimization，PSO)适应度估计的高斯过程(Gaussian Process，GP)建模用于天线的设计方法。在构建GP模型时，一部分数据来源于全波电磁仿真软件的精确仿真值，一部分数据来源于PSO算法的适应度估计值，即通过减少耗时的精确仿真次数来降低用于GP建模数据的准备时间，由此达到高效快速建模的目的。最后通过精度达标的GP代替耗时的适应度值计算来减少设计时间，从而缩短整个优化过程所需的时间。通过优化设计倒F天线(Inverted‑F Antenna，IFA)和GPS北斗双模微带天线(GPS and Beidou Dual‑mode Microstrip Antenna)对此方法进行了验证，证明了其高效性和准确性。

主权项

1.一种天线快速优化设计方法，其特征在于，包括以下步骤：第一部分：建立天线的GP模型步骤1：在粒子搜索范围内随机产生一组粒子作为PSO算法的初始种群；步骤2：该初始种群通过全波三维电磁仿真软件(High Frequency Structure Simulator，HFSS)计算得出其适应度值并更新全局和个体最优；步骤3：该初始种群通过下式更新得到第二代粒子的速度与位置之后，第二代粒子也通过HFSS计算得出其适应度值，其中，c₁和c₂是加速常数或称作学习因子；rand()是用于产生(0，1)之间的随机数；和分别为粒子i在第k次迭代中第d维的速度和位置；是单个粒子的个体极值位置，是全体粒子的全局极值的位置；步骤4：此这两代的种群信息作为GP的训练数据库，建立一个GP模型；步骤5：随机产生一组粒子分别通过该GP和HFSS进行预测和求解，如果两种结果误差小于阈值A，则该模型精度达标，即可将此GP模型作为PSO中的适应度函数不断迭代获取全局最优解，如果两种结果误差大于阈值A，则通过PSO适应度估计方法来提高GP模型的模型精度；步骤6：在PSO算法迭代过程中，粒子第一代和第二代的适应度值通过HFSS求解获得了精确值，第三代粒子的适应度值可根据前两代的粒子的位置及适应度值预测，适应度值预测公式如下：其中，步骤7：将第三代粒子的信息添加入GP建模数据库中重新建模，如果精度依旧不达标则继续通过此方法迭代，粒子位置更新公式如下，每获得一代粒子的信息加入GP建模数据库中重新建模，直到GP模型精度达标；第二部分：天线的优化设计步骤1：生成PSO算法的初始种群(对应天线的尺寸参数)，作为GP的输入，通过GP模型得到相应的输出；步骤2：根据设计指标设定对应的适应度函数，假设设计指标在f_i(i＝1,2,…)处要求的S₁₁幅值分别为s_i(i＝1,2,…)，那么适应度函数为Fit＝min(∑|y_i‑s_i|)其中，y_i为f_i(i＝1,2,…)处GP模型的输出；步骤3：设定初始种群数为N，最大迭代次数为num，通过粒子速度与位置更新公式不断更新粒子的速度和位置，直到达到迭代次数得到最优解；步骤4：将步骤3中得到的最优解带入HFSS中验证是否满足设计指标，若满足则说明本发明具有切实可行性。