【摘要】：各類電磁結(jié)構(gòu)日趨復(fù)雜,設(shè)計(jì)自由度不斷提升.傳統(tǒng)優(yōu)化算法需要對(duì)大量的參數(shù)組合進(jìn)行全波仿真試探,設(shè)計(jì)效率普遍較低。針對(duì)這一問(wèn)題,提出BK(blind Kriging)模型和差分進(jìn)化相結(jié)合的電磁結(jié)構(gòu)優(yōu)化算法.相比普通Kriging模型,BK模型通過(guò)貝葉斯參數(shù)選擇算法將影響性能的主要因子加入回歸模型,提高對(duì)響應(yīng)的預(yù)測(cè)精度;依據(jù)BK模型的預(yù)測(cè)結(jié)果從每代差分進(jìn)化種群中選擇最優(yōu)個(gè)體執(zhí)行電磁仿真。由于優(yōu)化過(guò)程中大量的電磁計(jì)算轉(zhuǎn)移到快速的BK模型,優(yōu)化效率得到顯著提升。通過(guò)一個(gè)圓波導(dǎo)多螺釘極化轉(zhuǎn)換器的優(yōu)化設(shè)計(jì),表明該方法的求解質(zhì)量和收斂速度優(yōu)于現(xiàn)有算法。
[Abstract]:The electromagnetic structures of various types are becoming more and more complicated, and the degree of freedom of design is continuously improved. The traditional optimization algorithm needs full-wave simulation test on a large number of parameter combinations, and the design efficiency is generally lower. In view of this problem, the optimization of the electromagnetic structure with the combination of the blind Kriging model and the differential evolution is proposed. Compared with the normal Kriging model, the BK model adds the regression model to the main factor of the performance by the Bayesian parameter selection algorithm, and improves the prediction precision of the response; according to the prediction result of the BK model, the optimal individual is selected to perform the electromagnetic simulation from each generation of the differential evolution population. The optimization efficiency is greatly improved due to the large amount of electromagnetic calculation in the optimization process to the fast BK model. The optimal design of a circular waveguide multi-screw polarization converter shows that the solution quality and the convergence speed of the method are better than the existing ones.
【作者單位】： 安徽工程大學(xué)電氣工程學(xué)院;
【基金】：安徽省高等教育提升計(jì)劃項(xiàng)目(TSKJ2014B05)資助
【分類號(hào)】：TP18

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 吳燕玲;盧建剛;孫優(yōu)賢;;基于免疫原理的差分進(jìn)化[J];控制與決策;2007年11期

2 楊啟文;蔡亮;薛云燦;;差分進(jìn)化算法綜述[J];模式識(shí)別與人工智能;2008年04期

3 許小健;黃小平;錢德玲;;自適應(yīng)加速差分進(jìn)化算法[J];復(fù)雜系統(tǒng)與復(fù)雜性科學(xué);2008年01期

4 寧桂英;周永權(quán);;基于優(yōu)進(jìn)策略的新差分進(jìn)化算法動(dòng)力學(xué)模型參數(shù)的估計(jì)[J];計(jì)算機(jī)與應(yīng)用化學(xué);2008年05期

5 譚躍;譚冠政;涂立;;一種新的混沌差分進(jìn)化算法[J];計(jì)算機(jī)工程;2009年11期

6 王培崇;錢旭;王月;虎曉紅;;差分進(jìn)化計(jì)算研究綜述[J];計(jì)算機(jī)工程與應(yīng)用;2009年28期

7 肖術(shù)駿;朱學(xué)峰;;一種改進(jìn)的快速高效的差分進(jìn)化算法[J];合肥工業(yè)大學(xué)學(xué)報(bào)(自然科學(xué)版);2009年11期

8 周蕭;王萬(wàn)良;徐新黎;;解決作業(yè)車間調(diào)度問(wèn)題的混合差分進(jìn)化算法[J];輕工機(jī)械;2010年05期

9 王艷宜;;改進(jìn)差分進(jìn)化算法及其應(yīng)用[J];機(jī)械設(shè)計(jì)與研究;2010年05期

10 張照生;羅健旭;;基于差分進(jìn)化算法的模糊神經(jīng)網(wǎng)絡(luò)控制器[J];計(jì)算機(jī)與應(yīng)用化學(xué);2011年12期

相關(guān)會(huì)議論文 前5條

1 陸絲馨;肖健梅;王錫淮;;基于改進(jìn)差分進(jìn)化算法的艦船電網(wǎng)重構(gòu)[A];第二十九屆中國(guó)控制會(huì)議論文集[C];2010年

2 張倩;李海港;;多目標(biāo)問(wèn)題的差分進(jìn)化算法研究[A];2009年中國(guó)智能自動(dòng)化會(huì)議論文集（第一分冊(cè)）[C];2009年

3 劉國(guó)帥;楊侃;陳靜;周景舒;周冉;鄭姣;;差分進(jìn)化算法在三峽電站廠內(nèi)經(jīng)濟(jì)運(yùn)行中的應(yīng)用[A];中國(guó)水文科技新發(fā)展——2012中國(guó)水文學(xué)術(shù)討論會(huì)論文集[C];2012年

4 倪惠康;杜文莉;錢鋒;;基于改進(jìn)差分進(jìn)化算法的PID參數(shù)優(yōu)[A];2009年中國(guó)智能自動(dòng)化會(huì)議論文集（第一分冊(cè)）[C];2009年

5 雍龍泉;;求解一類多目標(biāo)優(yōu)化問(wèn)題的極大熵差分進(jìn)化算法[A];2013年中國(guó)智能自動(dòng)化學(xué)術(shù)會(huì)議論文集（第五分冊(cè)）[C];2013年

相關(guān)博士學(xué)位論文 前10條

1 孫浩;差分進(jìn)化多目標(biāo)優(yōu)化算法及其在鋁熱連軋軋制規(guī)程中應(yīng)用[D];燕山大學(xué);2015年

2 謝宇;差分進(jìn)化的若干問(wèn)題及其應(yīng)用研究[D];南京理工大學(xué);2015年

3 丁青鋒;基于元胞自動(dòng)機(jī)的差分進(jìn)化算法及其在通信系統(tǒng)中的應(yīng)用研究[D];上海大學(xué);2015年

4 劉榮輝;多階段自適應(yīng)差分進(jìn)化算法及應(yīng)用研究[D];東華大學(xué);2012年

5 王旭;改進(jìn)差分進(jìn)化算法及其在可逆邏輯綜合中的應(yīng)用[D];東華大學(xué);2013年

6 董明剛;基于差分進(jìn)化的優(yōu)化算法及應(yīng)用研究[D];浙江大學(xué);2012年

7 徐斌;基于差分進(jìn)化算法的多目標(biāo)優(yōu)化方法研究及其應(yīng)用[D];華東理工大學(xué);2013年

8 解為成;基于局部摸索的差分進(jìn)化算法及其在曲面重建中的應(yīng)用[D];武漢大學(xué);2013年

9 孫成富;差分進(jìn)化算法及其在電力系統(tǒng)調(diào)度優(yōu)化中的應(yīng)用研究[D];華中科技大學(xué);2010年

10 向萬(wàn)里;混合群體智能優(yōu)化算法及應(yīng)用研究[D];天津大學(xué);2014年

相關(guān)碩士學(xué)位論文 前10條

1 萬(wàn)婧;基于離散微粒群算法和混合差分進(jìn)化算法的復(fù)雜生產(chǎn)調(diào)度問(wèn)題求解[D];昆明理工大學(xué);2015年

2 程菲;膜計(jì)算在數(shù)值優(yōu)化問(wèn)題中的應(yīng)用研究[D];西華大學(xué);2015年

3 袁文龍;基于控制思想的差分進(jìn)化算法改進(jìn)研究[D];東北大學(xué);2014年

4 劉文壯;基于差分進(jìn)化的約束求解算法研究[D];吉林大學(xué);2016年

5 唐亞;差分進(jìn)化算法的改進(jìn)及其在聚類中的應(yīng)用[D];廣東工業(yè)大學(xué);2016年

6 張轉(zhuǎn);基于差分進(jìn)化算法的混凝土德拜模型的研究[D];長(zhǎng)安大學(xué);2015年

7 寧桂英;差分進(jìn)化算法及其應(yīng)用研究[D];廣西民族大學(xué);2008年

8 劉俊梅;混合差分進(jìn)化算法及應(yīng)用研究[D];北方民族大學(xué);2010年

9 王洪波;基于差分進(jìn)化計(jì)算的聚類算法研究[D];山東師范大學(xué);2012年

10 呼忠權(quán);差分進(jìn)化算法的優(yōu)化及其應(yīng)用研究[D];燕山大學(xué);2013年

，

本文編號(hào)：2504968