CN104992015A - 一种基于优化算法的hfss工程优化方法 - Google Patents

Abstract

本发明属于HFSS工程仿真设计参数优化领域，具体涉及一种基于优化算法的HFSS工程优化方法。本方法包括以下步骤：工程导入步骤；变量输入步骤；HFSS仿真适应度计算步骤；终止条件判断步骤；从而得出历代种群的适应度值最优值，并将该最优值作为结果输出。通过上述方案，本发明可有效避免因携带有子代HFSS工程信息的VBScript脚本的不稳定性而产生计算错误，进而导致优化程序终止的状况；其可在实现其仿真设计简化性的同时，提升对其内各参数的优化效率。

Description

一种基于优化算法的HFSS工程优化方法

技术领域

本发明属于HFSS工程仿真设计参数优化领域，具体涉及一种基于优化算法的HFSS工程优化方法。

背景技术

HFSS(High Frequency Structure Simulator)是Ansoft公司推出的三维电磁仿真软件。其不但是世界上第一个商业化的三维结构电磁场仿真软件，也是是当今天线设计最为流行的设计软件。随着HFSS的功能越来越强大，应用越来越多，构建的模型越来越复杂，在一个HFSS工程文件中对某一参数影响的变量也越来越多。而在参数增多，优化变量复杂的情况下，仅利用HFSS软件自身的优化功往往已经不能完成整个优化过程，或者优化所耗费的时间过长。在处理这类的问题时，常常需要花费设计师大量的时间、精力。就如当前流行的MATLAB联合HFSS仿真的优化方法，需要在HFSS工程建立之初，利用HFSS自身功能记录VBScript脚本；即将优化模型的建立、求解条件的设置以及计算结果的导出等操作全部记录到VBScript脚本中；然后再经过编辑将其引入MATLAB优化程序内，最后再将子代种群变量导入到优化工程，就是针对脚本中优化变量进行重新赋值，然后运行脚本进行解算和导出结果，以求出适应度值，其计算优化过程极为复杂繁琐。同时，由于携带有子代HFSS工程信息的VBScript脚本的不稳定性，也往往造成工程导入和优化环境建立复杂度高，并具备较高的不可控性。如何能够建立一种基于HFSS仿真设计的优化方案，以在实现其仿真设计简化性的同时，提升对某个或某些参数的优化效率，为本领域近年来所亟待解决的技术难题。

发明内容

本发明的目的为克服上述现有技术的不足，提供一种更为高效快捷的一种基于优化算法的HFSS工程优化方法，可有效避免因携带有子代HFSS工程信息的VBScript脚本的不稳定性而产生计算错误，进而导致优化程序终止的状况；其可在实现其仿真设计简化性的同时，提升对其内各参数的优化效率。

为实现上述目的，本发明采用了以下技术方案：

一种基于优化算法的HFSS工程优化方法，其特征在于包括以下步骤：

1)、工程导入步骤：

首先确定所需优化的HFSS工程的输入条件与输出格式，根据工程模型设立优化约束条件，建立优化程序；将HFSS工程导入优化程序中，并预先确定子代HFSS工程的保存位置，进入步骤2)；

2)、变量输入步骤：

利用MATLAB优化算法，将被优化HFSS工程中的优化变量和该变量的取值范围，输入到优化程序中，并根据所输入的优化变量名称和对应的取值范围，自动查找并以子代取值被优化HFSS工程中该变量的值；生成子代HFSS工程文件，进入步骤3)；

3)、HFSS仿真适应度计算步骤：

利用MATLAB优化算法，以子代HFSS工程文件进行仿真计算；其中，子代HFSS工程文件中的求解条件和取值范围均与被优化HFSS工程文件相同，仅在变量的优化区间内改变优化变量的值，以生成该代种群；子代HFSS工程文件进行仿真计算完成之后，再由优化程序控制将解算结果导入并计算出相应的适应度值，并将该计算结果作为该代种群内相应子代个体的适应度值，进入步骤4)；

4)、终止条件判断步骤：

优化程序将记录并比较本代种群中所有个体的适应度值，并记录每代种群中适应度最好值；同时，根据优化程序内预先设定的终止条件进行判断，也即当前适应度值计算是否达到优化要求或当前迭代次数是否达到设定次数，如全不满足上述终止条件，则重新返回步骤3)，继续迭代生成下一子代种群，如满足上述终止条件其中之一，即可得出历代种群的适应度值最优值，并将该最优值作为结果输出。

第一代种群的生成为根据优化变量的取值范围随机取值获得；之后各子代种群则由优化程序根据当前子代对亲代信息的继承和对全局信息的引入自动生成，即根据优化程序自身的子代产生策略产生子代。

所述优化程序采用PSO算法或GA算法编写。

本发明的主要优点在于：

1)、本发明通过对现有各优化过程的直接调用，而直接首先生成各子代种群并进行终止条件判断，从而避免了沿用VBScript脚本计算时对模型创建过程中要求从初始到模型解析，再到结果导出的所有过程的记录需求，省去其繁琐易错的计算过程，使得MATLAB联合HFSS的优化仿真这一方法具有更普遍的实用性。

利用本发明的所述算法能够实现变量数目、变量名称、变量范围的手动输入，自动识别和自动对应，可适用于几乎所有的HFSS工作文件。同时，利用本发明的所述算法能确保整个MATLAB联合HFSS的优化仿真过程具有很好的鲁棒性和容错能力，使得优化工程不至于因为携带有子代HFSS工程信息VBScript脚本的不稳定性而发出错误，导致优化程序终止的现象。此外的，利用本发明的所述算法可在程序运行中和在所创建的优化工程解算完成后，将已寻找到的当前适应度值最优值结果保存并导出，便于在优化计算的过程中导出和查看已经得到的最优化结果，从而使得优化过程的灵活性和可控性更高。

附图说明

图1为本发明的方法流程简图。

具体实施方式

为便于理解，此处结合图1对本发明的具体实施过程作以下进一步描述：

一种基于优化算法的HFSS工程优化方法，其特征在于包括以下步骤：

1)、建立调用优化模型的工程环境并加载所需优化的HFSS工程：首先确定输入条件与输出格式，然后根据工程模型建立优化约束条件，，根据一定格式要求将工程文件导入到设定的优化程序中，从而将HFSS工程问题引入优化环境；确定子代工程的保存位置；

2)、利用MATLAB优化算法程序，将HFSS工程优化变量和变量空间输入，创建子代种群，进而建立新的HFSS工程，进行优化求解运算。更细化而言，也即首先设定优化算法的种群大小、最大迭代次数等条件，其次对所优化HFSS工程的进行结果导出操作。导出操作为根据传统所选取的优化参数，如S11(回波损耗特性),VSWR(电压驻波比)等，导出其结算结果即可，以最终将结果调用到优化程序中进行适应度值的结算。优化程序会自动记录每代种群中适应度最好值，并求出历代种群的最优值，直到达到程序所设定的终止条件，获得适应度值最优值。

本发明所提供的为一种算法思路，其优化程序使用PSO算法(粒子群算法)或GA算法(遗传算法)进行正常编写即可，但并不局限于这些传统优化算法。只要具有某种有效优化策略的优化算法，均可作为优化过程控制的主程序，以引入到该MATLAB联合HFSS的优化仿真过程中去。而优化的初始种群，可根据优化变量的优化区间随机生成。新的子代则根据算法设计的优化策略进行更新；当然，各子代的产生还是根据优化算法的子代产生方式而形成的，不同的优化算法策略均根据其常规算法种类的不同而有所不同，此处就不再一一赘述，只需按照常规算法正常设定即可。

本发明的将新路径引入到该MATLAB联合HFSS的优化仿真过程中去，实现了对现有HFSS过程的直接调用，避免了继续使用VBScript脚本对模型创建过程中要求从初始到模型解析，再到结果导出的所有过程的记录要求，免除了前代优化环境建立方法中繁琐易错的过程，使得MATLAB联合HFSS的优化仿真这一方法具有更普遍的实用性。利用本发明方法中变量数目、变量名称、变量范围的手动输入，且具有很好的鲁棒性和容错能力，使得优化工程不至于因为携带有子代HFSS工程信息VBScript脚本的不稳定性而发出错误，导致优化程序终止的现象。利用本发明中优化过程灵活可控，在优化时可将已寻找到的当前最优值结果导出并保存，以便于在优化计算的工程中导出和查看已经得到的最优化结果，其运算过程高效而稳定。

Claims (3)

1.一种基于优化算法的HFSS工程优化方法，其特征在于包括以下步骤：

1)、工程导入步骤：

首先确定所需优化的HFSS工程的输入条件与输出格式，根据工程模型设立优化约束条件，建立优化程序；将HFSS工程导入优化程序中，并预先确定子代HFSS工程的保存位置，进入步骤2)；

2)、变量输入步骤：

利用MATLAB优化算法，将被优化HFSS工程中的优化变量和该变量的取值范围，输入到优化程序中，并根据所输入的优化变量名称和对应的取值范围，自动查找并以子代取值被优化HFSS工程中该变量的值；生成子代HFSS工程文件，进入步骤3)；

3)、HFSS仿真适应度计算步骤：

利用MATLAB优化算法，以子代HFSS工程文件进行仿真计算；其中，子代HFSS工程文件中的求解条件和取值范围均与被优化HFSS工程文件相同，仅在变量的优化区间内改变优化变量的值，以生成该代种群；子代HFSS工程文件进行仿真计算完成之后，再由优化程序控制将解算结果导入并计算出相应的适应度值，并将该计算结果作为该代种群内相应子代个体的适应度值，进入步骤4)；

4)、终止条件判断步骤：

优化程序将记录并比较本代种群中所有个体的适应度值，并记录每代种群中适应度最好值；同时，根据优化程序内预先设定的终止条件进行判断，也即当前适应度值计算是否达到优化要求或当前迭代次数是否已达到设定次数，如全不满足上述终止条件，则重新返回步骤3)，继续迭代生成下一子代种群，如满足上述终止条件其中之一，即可得出历代种群的适应度值最优值，并将该最优值作为结果输出。

2.根据权利要求1所述的一种基于优化算法的HFSS工程优化方法，其特征在于：第一代种群的生成为根据优化变量的取值范围随机取值获得；之后各子代种群则由优化程序根据当前子代对亲代信息的继承和对全局信息的引入自动生成，即根据优化程序自身的子代产生策略产生子代。

3.根据权利要求1所述的一种基于优化算法的HFSS工程优化方法，其特征在于：所述优化程序采用PSO算法或GA算法编写。