[发明专利]一种用于微波无源器件的神经网络空间映射多物理建模方法

权利要求书

1.一种用于微波无源器件的神经网络空间映射多物理建模方法，包括下列步骤：

步骤1：选取并定义多物理模型的几何参数x_g，多物理模型的多物理参数x_m和多物理模型的频率f的数据范围，执行多物理仿真生成多物理模型的训练和测试样本；

步骤2：根据步骤1确定并定义电磁域粗模型的几何参数x_gc和电磁域粗模型频率f_c的数据范围，并执行电磁仿真生成粗模型的训练和测试样本，为了保证整体多物理模型的准确性，电磁域粗模型的几何参数x_gc范围大于整体多物理模型中的几何参数x_g；

步骤3：建立粗模型，使用神经网络技术用步骤2所得训练数据训练粗模型，并用步骤2所得测试数据测试粗模型，直至粗模型训练误差与测试精度达到要求，粗模型内部权重值w^*固定；

步骤4：对输入映射网络和输出映射网络进行初始化训练，优化输入映射的内部权重变量w₁至优化输出映射的内部权重变量w₂至实现x_gc＝x_g、f_c＝f和y＝y_c，保证加入映射网络后不降低整个模型的精度；

步骤5：用步骤2所得的粗模型和步骤4所得的输入映射单位映射搭建初步神经网络空间映射多物理模型，用步骤1所得的多物理训练数据训练初步神经网络空间映射模型，优化输入映射模块的权重参数至实现多物理域输入信号和电磁域输入信号之间的映射；

步骤6：在步骤5搭建的初步神经网络空间映射多物理模型上添加步骤4所得的输出映射单位映射，固定用步骤1所得的多物理训练数据训练输出映射模块的单位映射，优化输出映射模块的权重参数至使粗模型的输出y_c与被建模器件的响应y一致；

步骤7：使用步骤1所得多物理训练数据对整个多物理模型进一步训练，同时调整输入神经网络的权重值至调整输出神经网络的权重值至直至建立的多物理模型能准确表示无源器件的特性。

2.根据权利要求1所述的一种用于微波无源器件的神经网络空间映射多物理建模方法，其特征在于，步骤3中，训练后的粗模型公式为：

y_c＝g_ANN(x_gc，f_c，w^*)    (1)

其中g_ANN(·)是粗模型神经网络映射公式，w^*表示在该粗模型网络中包含的所有权重参数的向量。

3.根据权利要求1所述的一种用于微波无源器件的神经网络空间映射多物理建模方法，其特征在于，步骤5中，神经网络用于描述粗模型与被建模设备的信号之间的非线性关系：

其中f_ANN1(·)是输入神经网络映射公式，x_g和x_m是输入映射的输入，x_gc和f_c是输入映射的输出，表示在该映射网络中包含的所有权重参数的向量。

4.根据权利要求1所述的一种用于微波无源器件的神经网络空间映射多物理建模方法，其特征在于，步骤6中，神经网络用于描述粗模型输出信号与被建模器件输出信号之间的非线性关系分别：

其中f_ANN2(·)是输出映射神经网络公式，表示y和y_c两者之间的关系，表示该映射神经网络所有内部权重变量。