[发明专利]基于神经网络的多层频率选择表面吸波材料建模优化方法

说明书

本发明公开了一种基于神经网络的多层频率选择表面吸波材料建模优化方法，属于频率选择表面领域以及吸波材料技术领域。本发明首先以传输线为基础，建立频率选择表面的一阶谐振电路。通过全波仿真得到S₁₁参数曲线，利用遗传算法进行曲线拟合获得RLC的数值。将足够多的样本输入到BP神经网络中，得到频率选择表面单元几何参数与等效RLC之间的映射关系。整个吸波结构的S₁₁参数通过等效传输线进行计算，其中频率选择表面单元等效RLC应用神经网络进行导出，采用遗传算法对其吸波带宽进行优化。该方法具有精度较高、优化效率较高的优点。

技术领域

本发明属于频率选择表面领域以及吸波材料技术领域，具体涉及一种对频率选择表面进行等效电路参数建模和一种设计宽带、低反射率的频率选择表面吸波材料的优化设计方法。

背景技术

吸波材料被广泛应用于军事隐身，随着电子工业的发展。吸波材料在电子通讯、电子器件、节能减排及辐射防护等领域得到应用。

频率选择表面(FSS)是一种由特定形状散射面构成的平面周期性阵列结构，由于其特殊的频率响应特性，被广泛应用于天线设计、电磁兼容、雷达罩、吸波材料等领域。

在吸波材料中引入频率选择表面，其带宽、吸收性能可得到极大改善。合理的设计方法有助于了解加载FSS吸波材料的特性，提高研究和设计效率，缩短研发周期。专利CN104732044A指出可以运用差分进化算法联合HFSS全波仿真进行优化设计，因为全波仿真计算量巨大，而且进化算法需要大量的全波仿真结果才能得到结果，所以这种方法会花费大量的时间，通常能够以天计算，此方法的效率还是太低。如果能够对吸波结构建立等效传输线模型，则计算速度会得到极大加快，从而优化效率得到极大的提高。

频率选择表面单元形状多样，所构成的吸波结构几何参数众多，材料选择丰富。目前单纯根据经验，进行参数的调整来设计会消耗掉巨大的人工成本与时间。而且各个参数之间耦合关系极强，人工调整参数往往很难找到满足要求的结构。

发明内容

本发明的目的是克服上述现有技术的缺陷，提供一种基于神经网络的多层频率选择表面吸波材料建模优化方法。

本发明所提出的技术问题是这样解决的：

一种基于神经网络的频率选择表面建模优化方法，包括以下步骤：

步骤1：利用全波仿真软件对频率选择表面进行仿真，得到对应于频率选择表面相应几何参数仿真的S₁₁参数；

步骤2：通过遗传算法拟合R、L、C参数；

将频率选择表面等效为传输线模型，其S₁₁参数是表示频率选择表面输入端口的反射系数，其中代表FSS单元的等效阻抗，ω＝2πf，f表示频率，R、L、C分别表示等效传输线模型中的等效电阻、等效电感和等效电容，Z₀为自由空间波阻抗；

将R、L、C参数作为遗传算法的优化对象，遗传算法个体编码采用实数编码方法，把等效传输线计算获得的S₁₁参数值与全波仿真得到的S₁₁参数值之差的范数作为个体的适应度，选择操作采用锦标赛法交叉操作采用实数交叉法，变异操作通过随机选择方式选择基因；从而得到步骤1中频率选择表面相应几何参数所对应的R、L、C参数；

步骤3：建立频率选择表面单元的神经网络模型；

多次重复步骤1-2，产生多个样本用于构建BP神经网络；将频率选择表面单元的几何参数作为输入，曲线拟合得到的R、L、C参数作为输出训练神经网络；

步骤4：测试神经网络模型；