[发明专利]基于机器学习的索网反射面天线形面精度调整方法

权利要求书

1.基于机器学习的索网反射面天线形面精度调整方法，其特征在于，包括如下：

(1)根据索网反射面天线设计参数对天线结构进行有限元建模，并将该有限元模型作为索网反射面天线的仿真模型；

(2)获取初始训练样本：

(2a)在初始状态下，调整索的调整量为零，测量得到实物反射面前网面初始节点坐标，使用已有的有限元分析软件ANSYS对仿真模型进行静力分析，得到其平衡状态，提取反射面前网面节点坐标，计算实物反射面与仿真模型网面节点坐标差值用调整量与前网面节点坐标差值构成一组训练样本，其中i为前网面节点编号，j为调整索编号；

(2b)建立实物反射面形面精度调整的数学优化模型，使使用进退算法对实物反射面的形面精度调整的数学优化模型进行M次迭代计算，第m次调整中调整索调整量为测量第m次调整后的平衡状态网面节点坐标，将同样的调整量施加在仿真模型上，进行静力分析得到仿真模型平衡状态网面节点坐标，调整量下实物反射面与仿真模型网面节点坐标差值为将调整索调整量与网面节点坐标差值构成第m组训练样本，此时共得到M+1组训练样本；

(3)建立FEM-LSSVM形面预测模型：

(3a)对仿真模型进行敏感性分析，得到对反射面每一个网面节点三个方向坐标影响最大的n根调整索；

(3b)使用得到的M+1组训练样本使用机器学习算法进行训练，得到前网面每一个节点的三个方向的误差预测模型；

(3c)将仿真模型与误差预测模型相结合，构成实物反射面的FEM-LSSVM形面预测模型；

(4)计算最优调整量：

使用FEM-LSSVM形面预测模型替代实物反射面，使用进退算法进行迭代调整计算得到当前最优调整量

(5)判断是否满足形面精度要求：

(5a)将计算所得的调整量施加在实物反射面上，测量平衡后网面节点坐标，计算当前形面精度和在调整量下的实物反射面与仿真模型网面节点坐标差值

(5b)根据测量得到的实物反射面第m次调整后的平衡状态网面节点坐标，计算形面精度如果或者执行(7)，否则，执行(6)，其中ε₁为设定的形面调整目标精度，ε₂为设定的调整迭代精度；

(6)生成新样本：

将调整量和坐标差值组合成一个新的样本，作为第m+1组训练样本，令m＝m+1，返回(3)；

(7)输出索网反射面天线的最优调整量

比较第m次和第m+1次调整后的形面精度和如果则实物反射面天线的最优调整量为第m+1次的调整量否则，实物反射面天线的最优调整量为第m次的调整量

2.根据权利要求1所述的方法，其特征在于，步骤(2)中采用调整量下实物反射面与仿真模型网面节点坐标差值作为误差模型输出量，其计算公式为：

其中为调整量下实物反射面中节点i的坐标，为调整量下仿真模型中节点i的坐标。

3.根据权利要求1所述的方法，其特征在于，(2)中建立的形面精度调整数学优化模型，表示为：

Find

min w_rms

s.t.

其中，Find表示迭代操作，l^Δ为优化模型的设计变量，为第j根调整索的调整量，j＝1,2,...,M_v，M_v为调整索的数量，min表示最小化操作，w_rms为天线反射面的形面误差，s.t.表示约束操作，表示工程实施的最小调整量，为每一根调整索的调整量大小。

4.根据权利要求1所述的方法，其特征在于，(3)中，对仿真模型进行敏感性分析，是先分别计算对每一个反射面前网面节点三个方向坐标影响最大的n根调整索编号，再分别以每一个反射面前网面节点对应的n根调整索的调整量作为该节点误差预测模型的输入量。