基于最优估计的粒子群电磁空间映射算法的研究与应用

摘要

空间映射算法将计算代价少、精度差的方法（粗糙模型）与计算代价大、精度高的方法（精确模型）相结合，大幅提高了计算效率。但是，其使用参数提取过程建立空间映射关系，这必然导致五点问题：1、难以处理多目标优化问题；2、粗糙模型难以确定；3、参数提取中映射关系的基函数难以确定，不同的基函数对于映射关系是否收敛有很大影响；4、由于粗糙模型在细节上难以描述精确模型，因而空间映射算法只能计算得出满足要求的精确模型参量，难以求得精确模型参量空间的最优解；5、由于参数提取需要不断的迭代粗糙模型进而拟合精确模型，当粗糙模型的计算代价不可忽略的前提下，采用参数提取的方式进行空间映射显然会产生巨大的计算量。针对这五点问题，本文从空间映射的本质思路出发，使用神经网络、最小均方估计和卡尔曼滤波估计直接建立粗糙模型与精确模型之间的映射关系，并将映射关系融合到单目标和多目标粒子群算法中，在实际的仿真计算中效果明显。本文的研究内容主要如下：
　　1、研究并总结出适合空间映射的粗糙模型的选择问题，即分别使用电路模型、微带线有限元ABCD矩阵法以及粗糙网格剖分的电磁计算方法作为粗糙模型，并拓展出一种基于粒子群的微波等效电路模型设计方法。
　　2、研究多目标理论，结合空间映射算法思想，使用差值神经网络建立映射关系，并提出可处理多目标优化的空间映射算法。实际仿真计算结果表明，这种方法效果较好，且收敛度较高。
　　3、研究最优估计理论，结合空间映射思想以及粒子群算法，使用卡尔曼滤波估计建立粗糙模型与精确模型之间的映射关系，提出基于粒子群算法的空间映射快速计算方法。实际仿真计算结果证明，此种方法效果十分明显，鲁棒性好，且易于实现。
　　4、基于最优估计理论，结合上述研究成果以及多目标粒子群算法，使用最小均方估计和卡尔曼滤波估计指导多目标算法寻找Pareto最优解集，提出基于粒子群优化算法以及最优估计理论的多目标电磁快速计算方法。实际仿真计算结果证明，这种基于空间映射理论的多目标电磁快速计算方法效果明显，且鲁棒性好。
　　5、采用上述所提出的空间映射算法进行电磁问题快速优化设计，完成天线、滤波器、频率选择表面等多个电磁模型的仿真设计。

目录

封面

声明

中文摘要

英文摘要

目录

第1章 绪论

1.1 课题研究目的和意义

1.2 课题研究现状

1.3 空间映射算法简介

1.4 本文的研究内容及创新点

1.5 本文的结构安排

第2章 粗糙模型

2.1 等效电路建立粗糙模型及其计算方法

2.2等效电路粗糙模型用于设计任意等效电路方法

2.3 微带线有限元ABCD矩阵建立粗糙模型法

2.4 粗糙网格剖分电磁数值分析建立粗糙模型法

2.5 本章小结

第3章 单目标粒子群空间映射算法

3.1 卡尔曼滤波估计法与粒子群算法简介

3.2 基于卡尔曼滤波估计的空间映射思路

3.3 基于卡尔曼滤波估计的单目标粒子群空间映射算法

3.4 电磁仿真优化计算的实现形式

3.5 计算仿真实例

3.6 本章小结

第4章 多目标神经空间映射算法

4.1 多目标粒子群算法简介

4.2 神经网络简介

4.3 多目标神经空间映射算法

4.4 多目标神经空间映射算法用于阶跃阻抗滤波器优化设计

4.5 多目标神经空间映射用于微带蝶形滤波器的优化设计

4.6 本章小结

第5章 基于最优估计的多目标空间映射快速计算方法

5.1 最优估计理论简介

5.2 基于空间映射思想的多目标粒子群搜索算法

5.3 基于最优估计的空间映射方法

5.4 基于最优估计的多目标粒子群空间映射算法

5.5 电磁数值计算的实现方式

5.6 阿基米德平面螺旋天线的优化设计

5.7 缺陷地周期结构微带滤波器优化设计

5.8 随机贴片频率选择表面的优化设计

5.8 本章小结

第6章 结论

参考文献

硕士期间的研究成果

致谢与感言