CN110059376B - 一种基于圆柱面共形阵列快速优化设计方法及系统 - Google Patents

一种基于圆柱面共形阵列快速优化设计方法及系统 Download PDF

Info

Publication number
CN110059376B
CN110059376B CN201910257500.6A CN201910257500A CN110059376B CN 110059376 B CN110059376 B CN 110059376B CN 201910257500 A CN201910257500 A CN 201910257500A CN 110059376 B CN110059376 B CN 110059376B
Authority
CN
China
Prior art keywords
array
optimization
units
cylindrical
model
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN201910257500.6A
Other languages
English (en)
Other versions
CN110059376A (zh
Inventor
余泽
张小林
张琪春
苗菁
王杰
王亚茹
金谋平
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
CETC 38 Research Institute
Original Assignee
CETC 38 Research Institute
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by CETC 38 Research Institute filed Critical CETC 38 Research Institute
Priority to CN201910257500.6A priority Critical patent/CN110059376B/zh
Publication of CN110059376A publication Critical patent/CN110059376A/zh
Application granted granted Critical
Publication of CN110059376B publication Critical patent/CN110059376B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00—Computer-aided design [CAD]
    • G06F30/20—Design optimisation, verification or simulation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/12—Computing arrangements based on biological models using genetic models
    • G06N3/126—Evolutionary algorithms, e.g. genetic algorithms or genetic programming
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
    • Y02T10/00—Road transport of goods or passengers
    • Y02T10/10—Internal combustion engine [ICE] based vehicles
    • Y02T10/40—Engine management systems

Abstract

本发明公开了一种基于圆柱面共形阵列快速优化设计方法及系统，属于微波技术领域，包括以下步骤：S1：设置建模条件；S2：选择优化单元个数；S3：利用算法优化模型。本发明利用周期边界条件加PML联合建立圆柱阵列模型，并利用圆柱周向的互耦关系找到优化所需要最少的单元个数，然后通过遗传等算法进行优化。本发明使用周期边界条件和PML结合的方式对圆柱阵列进行建模，可以大大地降低模型的复杂程度，有效地提升了建模效率，并且利用天线单元之间互耦强弱的关系，选取最少单元个数优化中心有源驻波，可以大大减少仿真所需时间，方便利用遗传等算法对天线进行优化设计，值得被推广使用。

Description

一种基于圆柱面共形阵列快速优化设计方法及系统
技术领域
本发明涉及微波技术领域，具体涉及一种基于圆柱面共形阵列快速优化设计方法及系统。
背景技术
近年来，无线通信和雷达技术飞速发展，“空天地一体化”信息网络技术、雷达隐身和全方位作战等现代化的发展需求迫使天线不断改善外形以降低天线对平台空气动力学性能的影响且具有更宽的扫描范围。共形阵列天线因为具有全方位面360°波束覆盖和极强的隐身特性而越来越受到研究者们的青睐。
圆柱共形阵是指在圆柱形载体表面按一定规律排布阵列单元，阵列表面和载体表面相吻合的天线。和传统的直线和平面整列相比，圆柱共形阵具有更广范的覆盖范围，方位向可实现360°全方位覆盖，可以提高对圆柱载体的空间利用率，不影响载体的空气动力学性能，也增加了天线阵列的口径。由于圆柱为现代飞行器的基本形状，在导航、通信、雷达等方面获得了广泛的应用。
由此可见，圆柱阵列的仿真和设计对现代通信、雷达、导航等领域至关重要。但是由于圆柱阵的排布没有周期性，目前对圆柱阵列的设计大都是通过仿真小阵的方式，这样就造成了建模复杂、计算量大、优化困难、设计周期长等问题。随着载体平台的不断更新发展，圆柱阵列的规模和复杂度也越来越大，为此，提出一种基于圆柱面共形阵列快速优化设计方法及系统。
发明内容
本发明所要解决的技术问题在于：如何对圆柱面共形阵列进行快速优化设计，提供了一种基于圆柱面共形阵列快速优化设计方法。
本发明是通过以下技术方案解决上述技术问题的，本发明包括以下步骤：
S1：设置建模条件
利用周期边界条件和PML组合的方式对圆柱阵列进行建模；
S2：选择优化单元个数
利用圆柱阵周向单元的互耦关系，选择最少的优化单元个数，圆柱阵列模型初步建立；
S3：利用算法优化模型
优化单元数量选择完毕后，利用优化算法对圆柱阵列模型参数进行优化，获得最优解，得到最终模型。
优选的，所述步骤S1中，在对圆柱阵列建模前按照平面阵性能优化阵元参数，初步确定圆柱阵的阵元排布间距。
优选的，所述步骤S2包括以下步骤：
S21：选取周向180°的天线单元进行仿真，作为初始状态，计算中心单元的有源驻波；
S22：以中心单元为参考点，删除距离中心单元最远的两个单元，继续计算中心单元的有源驻波；
S23：将步骤S22中计算出来的有源驻波与初始状态的有源驻波对比，若无差异则重复步骤S22；
S24：直到计算出来的有源驻波与初始状态的有源驻波出现差异时，选取此时单元个数加上2作为轴向最少的单元个数进行建模。
优选的，所述步骤S1中，周期边界条件包括主边界和从边界，用于强制使从边界上每个点的电场与主边界上响应点相位匹配，从而模拟平面周期的结构，PML为完全匹配层，是吸收边界条件的一种，PML是能够完全吸收入射电磁波的一种假想的复各向异性材料，利用周期边界条件和PML组合的方式对圆柱阵进行建模用于让模型复杂程度降低，使建模效率提高。
优选的，所述步骤S3中，优化算法为遗传算法、微分进化算法、粒子群优化方法、模拟退火方法与矩阵束方法其中的一种。
一种基于圆柱面共形阵列快速优化设计系统，包括：
条件设置模块，用于利用周期边界条件和PML组合的方式对圆柱阵列进行建模；
单元个数优化模块，用于利用圆柱阵周向单元的互耦关系，选择最少的优化单元个数，并初步建立圆柱阵列模型；
算法优化模块，用于利用优化算法对圆柱阵列模型参数进行优化，获得最优解，得到最终模型；
中央处理模块，用于向各个模块发送指令，完成相关动作；
所述条件设置模块、单元个数优化模块、算法优化模块均与中央处理模块电连接。
本发明相比现有技术具有以下优点：该基于圆柱面共形阵列快速优化设计方法，由于使用周期边界条件和PML结合的方式对圆柱阵列进行建模，这样可以大大降低模型的复杂程度，提升了建模效率；其次，根据天线单元之间互耦强弱的关系，选取最少单元个数优化中心有源驻波，可以大大的减少仿真时间，方便利用遗传等算法对天线进行优化设计。
附图说明
图1为本发明的流程示意图；
图2为本发明圆柱面共形阵边界条件设置和选择单元个数时的流程示意图；
图3为本发明最终圆柱共形阵列优化模型示意图。
图中：1、圆柱阵列；2、周期边界；3、PML；11、中心单元。
具体实施方式
下面对本发明的实施例作详细说明，本实施例在以本发明技术方案为前提下进行实施，给出了详细的实施方式和具体的操作过程，但本发明的保护范围不限于下述的实施例。
如图1-3所示，本实施例提供一种技术方案：一种基于圆柱面共形阵列快速优化设计方法，包括以下步骤：
S1：设置建模条件
在对圆柱阵列建模前按照平面阵性能优化阵元参数，初步确定圆柱阵的阵元排布间距，然后利用周期边界条件和PML组合的方式对圆柱阵列进行建模，利用周期边界条件和PML组合的方式对圆柱阵进行建模用于让模型复杂程度降低，使建模效率提高；
S2：选择优化单元个数
利用圆柱阵周向单元的互耦关系，选择最少的优化单元个数，圆柱阵列模型初步建立，根据天线单元之间互耦强弱的关系，选取最少单元个数优化中心有源驻波，可以大大的减少仿真时间，方便利用遗传等算法对天线进行优化设计；
所述步骤S2包括以下步骤：
S21：选取周向180°的天线单元进行仿真，作为初始状态，计算中心单元的有源驻波；
S22：以中心单元为参考点，删除距离中心单元最远的两个单元，继续计算中心单元的有源驻波；
S23：将步骤S22中计算出来的有源驻波与初始状态的有源驻波对比，若无差异则重复步骤S22；
S24：直到计算出来的有源驻波与初始状态的有源驻波出现差异时，选取此时单元个数加上2作为轴向最少的单元个数进行建模。
S3：利用算法优化模型
优化单元数量选择完毕后，利用遗传算法对圆柱阵列模型参数进行优化，获得最优解，得到最终模型。
本实施例还提供了一种基于圆柱面共形阵列快速优化设计系统，包括：
条件设置模块，用于利用周期边界条件和PML组合的方式对圆柱阵列进行建模；
单元个数优化模块，用于利用圆柱阵周向单元的互耦关系，选择最少的优化单元个数，并初步建立圆柱阵列模型；
算法优化模块，用于利用优化算法对圆柱阵列模型参数进行优化，获得最优解，得到最终模型；
中央处理模块，用于向各个模块发送指令，完成相关动作；
所述条件设置模块、单元个数优化模块、算法优化模块均与中央处理模块电连接。
需要说明的是，周期边界条件包括主边界和从边界，它强制使从边界上每个点的电场与主边界上响应点相位匹配，从而模拟平面周期的结构。PML为完全匹配层，是吸收边界条件的一种，它是能够完全吸收入射电磁波的一种假想的复各向异性材料。遗传算法是模仿自然界生物进化机制而发展起来的随机全局搜索和优化算法，它是以一种群体中的所有个体为对象，并利用随机化技术指导对一个被编码的参数空间进行高效搜索。其中，选择、交叉和变异构成了遗传算法的遗传操作；参数编码、初始群体的设定、适应度函数的设计、遗传操作设计、控制参数设定五个要素组成了遗传算法的核心内容，具有高效、实用和鲁棒性强的特点。
综上所述，本实施例的基于圆柱面共形阵列快速优化设计方法，由于使用周期边界条件和PML结合的方式对圆柱阵列进行建模，这样可以大大降低模型的复杂程度，提升了建模效率；其次，根据天线单元之间互耦强弱的关系，选取最少单元个数优化中心有源驻波，可以大大的减少仿真时间，方便利用遗传等算法对天线进行优化设计。
以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明的保护范围之内。

Claims (5)

1.一种基于圆柱面共形阵列快速优化设计方法，其特征在于，包括以下步骤：
S1：设置建模条件
利用周期边界条件和PML组合的方式对圆柱阵列进行建模；
S2：选择优化单元个数
利用圆柱阵周向单元的互耦关系，选择最少的优化单元个数，圆柱阵列模型初步建立；
S3：利用算法优化模型
优化单元数量选择完毕后，利用优化算法对圆柱阵列模型参数进行优化，获得最优解，得到最终模型；
所述步骤S2包括以下步骤：
S21：选取周向180°的天线单元进行仿真，作为初始状态，计算中心单元的有源驻波；
S22：以中心单元为参考点，删除距离中心单元最远的两个单元，继续计算中心单元的有源驻波；
S23：将步骤S22中计算出来的有源驻波与初始状态的有源驻波对比，若无差异则重复步骤S22；
S24：直到计算出来的有源驻波与初始状态的有源驻波出现差异时，选取此时单元个数加上2作为轴向最少的单元个数进行建模。
2.根据权利要求1所述的一种基于圆柱面共形阵列快速优化设计方法，其特征在于：所述步骤S1中，在对圆柱阵列建模前按照平面阵性能优化阵元参数，初步确定圆柱阵的阵元排布间距。
3.根据权利要求1所述的一种基于圆柱面共形阵列快速优化设计方法，其特征在于：所述步骤S1中，周期边界条件包括主边界和从边界，用于强制使从边界上每个点的电场与主边界上响应点相位匹配，PML为完全匹配层，为吸收边界条件的一种。
4.根据权利要求1所述的一种基于圆柱面共形阵列快速优化设计方法，其特征在于：所述步骤S3中，优化算法为遗传算法、微分进化算法、粒子群优化方法、模拟退火方法与矩阵束方法其中的一种。
5.一种基于圆柱面共形阵列快速优化设计系统，其特征在于，利用如权利要求1-4 任一项所述的方法进行圆柱面共形阵列的优化设计，包括：
条件设置模块，用于利用周期边界条件和PML组合的方式对圆柱阵列进行建模；
单元个数优化模块，用于利用圆柱阵周向单元的互耦关系，选择最少的优化单元个数，并初步建立圆柱阵列模型；
算法优化模块，用于利用优化算法对圆柱阵列模型参数进行优化，获得最优解，得到最终模型；
中央处理模块，用于向各个模块发送指令，完成相关动作；
所述条件设置模块、单元个数优化模块、算法优化模块均与中央处理模块电连接。
CN201910257500.6A 2019-04-01 2019-04-01 一种基于圆柱面共形阵列快速优化设计方法及系统 Active CN110059376B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910257500.6A CN110059376B (zh) 2019-04-01 2019-04-01 一种基于圆柱面共形阵列快速优化设计方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910257500.6A CN110059376B (zh) 2019-04-01 2019-04-01 一种基于圆柱面共形阵列快速优化设计方法及系统

Publications (2)

Publication Number Publication Date
CN110059376A CN110059376A (zh) 2019-07-26
CN110059376B true CN110059376B (zh) 2023-04-18

Family

ID=67318057

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910257500.6A Active CN110059376B (zh) 2019-04-01 2019-04-01 一种基于圆柱面共形阵列快速优化设计方法及系统

Country Status (1)

Country Link
CN (1) CN110059376B (zh)

Families Citing this family (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111541035B (zh) * 2020-04-17 2020-12-08 河北晶禾电子技术股份有限公司 一种gnss智能天线布阵优化方法
CN113221337B (zh) * 2021-04-23 2022-09-09 电子科技大学 一种基于模式搜索的近场稀疏阵设计方法
CN113553711B (zh) * 2021-07-22 2023-01-24 珠海中科慧智科技有限公司 一种任意曲面共形阵列天线设计方法

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2016109920A1 (zh) * 2015-01-05 2016-07-14 北京邮电大学 径向线馈电介质谐振天线阵列
CN109165466A (zh) * 2018-09-20 2019-01-08 中国电子科技集团公司第五十四研究所 一种大型紧耦合阵列有源驻波的快速评估方法

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2016109920A1 (zh) * 2015-01-05 2016-07-14 北京邮电大学 径向线馈电介质谐振天线阵列
CN109165466A (zh) * 2018-09-20 2019-01-08 中国电子科技集团公司第五十四研究所 一种大型紧耦合阵列有源驻波的快速评估方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
基于改进遗传算法的圆柱共形天线阵方向图综合;陈汉辉等;《火力与指挥控制》;20101115(第11期);全文 *

Also Published As

Publication number Publication date
CN110059376A (zh) 2019-07-26

Similar Documents

Publication Publication Date Title
CN110059376B (zh) 一种基于圆柱面共形阵列快速优化设计方法及系统
CN106199529B (zh) 最小冗余多输入多输出雷达的天线阵列设置方法
Garza et al. Design of UAVs-based 3D antenna arrays for a maximum performance in terms of directivity and SLL
CN107944133B (zh) 基于多目标量子蜘蛛群演化机制的环形天线阵列稀疏方法
CN109725294A (zh) 基于改进遗传算法的雷达阵列稀疏优化方法
CN109063266A (zh) 一种基于并行贝叶斯优化的蒙皮天线机电协同设计方法
Anand et al. A review on the optimization techniques for bio-inspired antenna design
CN104733850A (zh) 基于全息调制的人工张量阻抗表面天线及其实现方法
CN108446437A (zh) 一种阵列天线宽波束功率增益优化方法
Pinchera et al. A lexicographic approach for multi-objective optimization in antenna array design
Wan et al. Machine learning empowered IoT for intelligent vehicle location in smart cities
CN109946673B (zh) 基于蒙特卡洛树搜索的网络化雷达节点遴选方法
CN102064864B (zh) 三维传播环境中的极化多天线信道模型的构建方法
Zhang et al. Ultra-wide-scanning conformal heterogeneous phased array antenna based on deep deterministic policy gradient algorithm
CN113158485B (zh) 近场条件下电大尺寸目标的电磁散射仿真方法
Sarker et al. Applications of Machine Learning and Deep Learning in Antenna Design, Optimization and Selection: A Review
CN112329204B (zh) 考虑载体平台耦合的重复性结构电磁特性特征模快速分析方法
CN109992845A (zh) 一种基于matlab和hfss的波束控制和阵列方向图优化方法
CN114117565A (zh) 一种基于深度学习的平面阵列天线辐射方向图综合方法
CN113553711B (zh) 一种任意曲面共形阵列天线设计方法
CN109325306B (zh) 一种基于局部平面的任意曲面共形阵列建模方法
Vijay Mishra et al. Machine learning for metasurfaces design and their applications
Ding et al. Solving port selection problem in multiple beam antenna satellite communication system by using differential evolution algorithm
Ding et al. Antenna optimization based on auto-context broad learning system
Qin et al. Fast antenna design using multi-objective evolutionary algorithms and artificial neural networks

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant