非线性系统中多参量优化方法的应用——汽车轮胎压力监测系统的天线设计研究

摘要

如何快速、准确地建立非线性系统模型一直是数值研究领域的热点，同时随着现代工业的发展，对非线性系统中的多参量优化也提出了迫切的要求。然而传统建模方式的精度无法满足实际应用的需要，非线性系统中多参量之间复杂的关系使得传统的寻优方法难以保证找到的是最优解或近似最优解。 通过模仿生物神经元的信息处理功能，按照一定的连接方式，得到的人工神经网络能够迅速建立起输入、输出之间的非线性映射关系，即建立非线性系统模型。遗传算法是借鉴生物进化原理的一种全局搜索优化算法，以其简单通用、适于并行处理以及应用范围广等显著特点，在非线性优化领域占有重要地位。 汽车轮胎压力监测(TPMS)主要是用于对汽车胎压进行实时自动监测，并在监测到轮胎状况异常时进行报警、甚至预警，以保障驾乘者的行车安全。随着人们自我保护意识的不断加强和有关法律法规的出台，越来越多的人开始关注这项技术。天线是决定该系统性能的关键部件之一。如果TPMS天线的选择和设计不当，将无法满足系统无线收发信号的要求，轮胎的压力等信息就无法顺利被接收，也无法达到提醒驾驶者的目的。这直接影响汽车轮胎压力监测系统的实用性和可靠性。从信息处理的角度看，TPMS天线是一个非线性系统。 本文将非线性系统建模及其优化的方法应用于汽车轮胎压力监测系统的天线设计。具体是结合人工神经网络和遗传算法，经过建模、优化，得到适用于TPMS的法向螺旋天线和电小环天线。经过仿真，所得结果可以满足TPMS对天线的要求，验证了人工神经网络和遗传算法在天线设计方面的有效性。并且，测试了法向螺旋天线的谐振特性，实测结果与仿真结果相吻合。最后，将电小环天线的特性与法向螺旋天线的特性进行了比较，结果表明在汽车轮胎压力监测系统中，法向螺旋天线和电小环天线各有优势，可根据实际情况进行选择使用。

目录

文摘

英文文摘

声明

第一章绪论

1.1非线性系统建模及其优化的意义

1.2人工神经网络及遗传算法应用的可行性

1.3 TPMS的背景及其应用

1.4天线的发展及现状

1.5本文的主要内容

第二章人工神经网络和遗传算法

2.1径向基神经网络

2.1.1 RBF神经网络的结构

2.1.2 RBF神经网络样本的选择

2.1.3 RBF神经网络的中心选取

2.2遗传算法

2.2.1遗传算法的原理

2.2.2遗传算法的流程

2.3人工神经网络和遗传算法在天线中的应用

第三章简介TPMS及其天线

3.1 TPMS的原理

3.2 TPMS的组成

3.3 TPMS天线分析

3.3.1轮胎对天线的影响

3.3.2天线设计要求

3.3.3多普勒效应的考虑

第四章法向螺旋天线的分析与设计

4.1原理及设计

4.2建模与优化、仿真

4.3实验及结果

第五章电小环天线的分析与设计

5.1原理

5.2设计

5.3建模与优化、仿真

第六章TPMS天线的比较

6.1法向螺旋天线与偶极子的比较

6.2电小环天线与偶极子的比较

6.3法向螺旋天线与电小环天线的比较

第七章结论与展望

致谢

参考文献

攻读学位期间的研究成果