[发明专利]基于神经网络的赋形反射面天线最佳吻合参数估计方法

说明书

本发明提出了一种赋形反射面天线最佳吻合参数的估计方法，属于天线技术领域，实现步骤为，构建赋形反射面天线模型、重力变形模型以及吻合面模型，计算赋形反射面天线重力变形模型上的每个节点到吻合面模型的最短距离，生成训练样本集和测试样本集，构建BP神经网络模型，对BP神经网络模型进行迭代训练，获取赋形反射面天线最佳吻合参数的估计结果。本发明避免了线性近似带来的误差，同时采用距离逼近的方法求解重力变形模型上节点到吻合面模型的最短距离，避免了单位法向量近似相等带来的误差，提高了天线性能，具有较高的实际应用价值。

技术领域

本发明属于天线技术领域，涉及一种赋形反射面天线最佳吻合参数的估计方法，具体涉及一种基于BP神经网络的赋形反射面天线最佳吻合参数估计方法。

背景技术

标准反射面天线主面都采用抛物面的形面结构，设计简单、性能好，在雷达、通讯、射电天文等领域得到广泛应用。但是标准反射面天线的边缘效应，使得天线的效率很大程度的降低。所以，大型射电望远镜多采用赋形反射面天线的形式以提高天线的效率。

在实际生产制造的过程中，会产生表面误差；同时，由于重力、雨雪及热变形等因素导致反射面表面变形，天线的电性能将大大降低。因此，主面精度是反射面天线的重要指标之一，它直接影响天线的增益、副瓣电平以及效率等电性能。伴随着反射面天线口径的增大，天线的表面变形越来越严重，提升主面精度更加重要。为了提高天线的主面精度，叶尚辉在《天线结构设计》中提出了最佳吻合抛物面的理论。针对不同的形变，吻合出一个与变形后的反射面的偏差最小的反射面，称为最佳吻合面。最佳吻合面是理论设计抛物面面通过平移、旋转变换得到的同簇抛物面。平移量、旋转量和焦距变化量与原焦距之比称为吻合过程的吻合参数。

王从思等在《天线表面误差的精确计算方法及电性能分析》中提出了一种天线变形表面误差的精确计算方法，但是该方法仅适用于标准反射面天线。为了估计赋形反射面天线最佳吻合参数，申请公布号为CN105930570A，名称为“一种赋形双反射面天线最佳吻合赋形面参数的计算方法”的专利申请，公开了一种将赋形双反射面天线系统简化为仅讨论主面-“焦线”系统的计算方法，该申请基于等光程条件推导了主面节点位移与“焦线”轴向位移的互补函数关系并引入最佳吻合参数方程中，计算出最佳吻合赋形面。但是该申请在确定赋形反射面天线任意点单位法向量时仅求解了母线上点的单位法向量，其他点由母线近似得来；同时，计算的理论赋形面相对于最佳吻合赋形面的节点位移式为一阶线性近似。综上所述，赋形反射面天线最佳吻合参数计算过程中的误差主要来源于计算变形反射面节点到吻合面的距离时使用设计的反射面节点法向量近似等于变形反射面节点法向量和最佳吻合参数求解方程近似为线性方程组。

发明内容

本发明的目的在于针对上述现有技术存在的不足，提出了一种基于BP神经网络的赋形反射面天线最佳吻合参数估计方法，用于解决现有技术中存在的误差较大的技术问题。

为实现上述目的，本发明采取的技术方案包括如下步骤：

(1)构建赋形反射面天线模型、重力变形模型以及吻合面模型：

(1a)在坐标系OXYZ下构建焦距为f₀且包含N个节点A＝{A₁,A₂,…,A_n,…A_N}的赋形反射面天线模型H，该赋形反射面天线模型H的顶点位于坐标原点，焦轴与OZ轴重合，其中，N≥2000，A_n表示坐标为(x_An,y_An,z_An)的第n个节点，x_An、y_An、z_An分别表示A_n的x方向、y方向、z方向坐标；