行波管是目前在軍事裝備和航空航天領(lǐng)域中應(yīng)用最廣泛的電真空器件,相比于其他微波放大器,它具有頻帶寬、功率大以及效率高等優(yōu)勢。行波管產(chǎn)品的種類十分繁多,其中,超寬帶行波管主要應(yīng)用于各類軍事裝備,要求在規(guī)定帶寬內(nèi)的有更大的輸出功率和更高的整管效率;空間行波管主要應(yīng)用于衛(wèi)星和空間飛行器等航空航天領(lǐng)域,對其各種基本特性以及副特性要求更加嚴格,而對帶寬和輸出功率并沒有太高的要求。行波管調(diào)試工作的內(nèi)容是將多個性能參數(shù)都調(diào)至最好,然而由于行波管的性能參數(shù)有很多,而且不同類型的行波管還會有一些特殊的性能參數(shù)要求,因此在調(diào)試行波管時需要同時兼顧多個性能參數(shù),使得調(diào)試工作非常困難。目前國內(nèi)行波管調(diào)試工作主要依靠人工經(jīng)驗,然而對于這種復(fù)雜的多目標優(yōu)化問題,手動調(diào)試有諸多弊端,調(diào)試后的產(chǎn)品難以達到性能要求。本文將行波管調(diào)試系統(tǒng)作為研究對象,利用快速非支配排序遺傳算法（NSGAII）,結(jié)合行波管電參數(shù)自動測試系統(tǒng)和可編程高壓電源,設(shè)計了一套高性能行波管智能調(diào)試系統(tǒng)。該系統(tǒng)以行波管陰極電壓值和多個收集極電壓值作為決策變量,以行波管的多個性能參數(shù)作為優(yōu)化目標,使用可編程高壓電源對行波管各級供電,利用行波管電參數(shù)自動測... 

【文章來源】：電子科技大學四川省 211工程院校 985工程院校 教育部直屬院校

【文章頁數(shù)】：62 頁

【學位級別】：碩士

【部分圖文】：

格雷碼和二進制碼對照圖

電子科技大學碩士學位論文111011010011001101交叉前：1001110011100101交叉后：個體A個體B個體A1個體B1W=10101010圖2-4均勻交叉2.5變異算子子代生物在遺傳過程中會產(chǎn)生不同于父代生物的新特性，變異操作就是模擬了這個過程。它隨機挑選父代個體上的基因位，利用該基因位上的其他等值基因位進行替換，從而改變了父代個體的特性，產(chǎn)生一個具有新特性的個體[45]。變異操作保證了種群的多樣性，它是遺傳算法提高局部搜索能力的主要手段[11]。目前主要的變異算子包括基本位變異、均勻變異以及高斯變異等。(1)基本位變異假設(shè)遺傳算法的變異概率Pm，隨機設(shè)定個體染色體的其中一個基因位或幾個基因為作為變異的位置，根據(jù)變異概率Pm使用該基因位的等位基因進行替代[46]。假設(shè)使用的是二進制編碼，進行變異操作時基因位的基因值為1的需要變?yōu)?，反之基因值為0的變?yōu)?�；疚蛔儺惡唵沃庇^，特別適用于二進制編碼方法和格雷碼編碼，由于本文使用的是格雷碼編碼，所以也采用了基本位變異。具體變異過程如圖2-5所示。圖2-5遺傳算法流程圖如果使用二進制編碼或者格雷碼編碼，使用單點交叉后的兩個個體的相似性和算術(shù)平均值都基本保持不變。由于基本位變異的變異點只有一個或者幾個，因此變異的效果不是很明顯。

電子科技大學碩士學位論文213.6NSGA-II流程前面介紹了NSGA-Ⅱ的兩個核心部分：快速非支配排序和擁擠度計算，接下來詳細介紹NSGA-Ⅱ的具體流程。在啟動NSGA-Ⅱ算法前，需要設(shè)置相應(yīng)的算法參數(shù)：種群大小N，迭代次數(shù)M，交叉概率Pc,變異概率Pm，以及決策變量范圍。然后啟動NSGA-Ⅱ算法。根據(jù)決策變量范圍隨機生成N個個體，計算個體解碼并計算每個個體的目標函數(shù)值，由于第一代種群無法執(zhí)行精英策略，因此終結(jié)對當代種群中的所有個體執(zhí)行快速非支配排序和擁擠度計算。然后根據(jù)交叉概率Pc和變異概率Pm，執(zhí)行相應(yīng)的交叉操作和變異操作，產(chǎn)生子代種群，子代種群的個體數(shù)目和父代是相同。從第二代開始，將使用精英策略，差生子代種群的方式發(fā)生了變化。首先對父代種群執(zhí)行交叉操作和變異操作差生子代種群，然后將父代種群和子代種群合并，構(gòu)成一個具有2N個個體的種群，對種群執(zhí)行速非支配排序和擁擠度計算，利用上一小節(jié)的個體評價方法，生成一個有N個個體的種群，作為下一次迭代的父代種群。NSGA-Ⅱ算法會不斷這樣迭代下去，直至種群代數(shù)達到迭代次數(shù)M，算法結(jié)束。NSGA-II的核心流程如圖3-5所示。使用精英策略雖然會提高擁擠度計算和非支配排序的時間計算復(fù)雜度，但是也加快了種群中個體的進化速度，促進了算法的收斂。圖3-5NSGA-II核心流程圖

【參考文獻】：
期刊論文
[1]基于距離收斂量和歷史信息密度的多目標進化算法[J]. 李瀟涵,劉博,張友.  計算機應(yīng)用研究. 2017(12)
[2]多級降壓收集極行波管高壓電源的設(shè)計[J]. 朱永亮,謝正.  現(xiàn)代雷達. 2012(10)
[3]遺傳算法理論及技術(shù)研究綜述[J]. 周昕,凌興宏.  計算機與信息技術(shù). 2010(04)
[4]基于NSGA-II的改進多目標遺傳算法[J]. 陳小慶,侯中喜,郭良民,羅文彩.  計算機應(yīng)用. 2006(10)
[5]多目標優(yōu)化算法NSGA-II的改進[J]. 劉旭紅,劉玉樹,張國英,閻光偉.  計算機工程與應(yīng)用. 2005(15)
[6]遺傳算法綜述[J]. 席裕庚,柴天佑,惲為民.  控制理論與應(yīng)用. 1996(06)

博士論文
[1]多目標柔性作業(yè)車間調(diào)度方法研究[D]. 王曉娟.華中科技大學 2011
[2]微波管電子光學系統(tǒng)CAD技術(shù)研究[D]. 黃桃.電子科技大學 2007

碩士論文
[1]基于改進遺傳算法作業(yè)調(diào)度問題的優(yōu)化及應(yīng)用[D]. 杜明芳.西安理工大學 2018
[2]行波管電源系統(tǒng)設(shè)計[D]. 郭蘭芳.成都理工大學 2016
[3]遺傳算法中適應(yīng)度尺度變換與操作算子的比較研究[D]. 郭曉原.華北電力大學 2012
[4]某型行波管高壓電源的工程實現(xiàn)[D]. 趙懷松.復(fù)旦大學 2011
[5]超寬帶大功率行波管的優(yōu)化設(shè)計[D]. 劉雪梅.電子科技大學 2010
[6]行波管中高頻特性與非線性理論的研究[D]. 呂明毅.電子科技大學 2007
[7]帶精英策略的非支配排序遺傳算法的研究與應(yīng)用[D]. 鄭強.浙江大學 2006
[8]非支配排序遺傳算法（NSGA）的研究與應(yīng)用[D]. 高媛.浙江大學 2006
[9]一種基于遺傳算法的數(shù)據(jù)挖掘技術(shù)的研究與應(yīng)用[D]. 安磊.河海大學 2001



本文編號：2915005