一种射频前端敏感模块强电磁脉冲损伤效应预测方法与流程

本发明涉及强电磁脉冲技术，尤其涉及一种射频前端敏感模块强电磁脉冲损伤效应预测方法。

背景技术：

1、高功率微波脉冲(hpm)技术发展迅速，强电磁脉冲可通过天线耦合至电子设备内部，当耦合功率过大时，会导致电子设备射频前端敏感模块损伤，对射频接收前端的安全性存在严重威胁，进而影响电子设备的正常工作，因此，开展电子设备射频前端敏感模块的电磁损伤评估对分析电子设备在强电磁环境下是否能够正常工作并提出合理的电磁防护设计建议至关重要。当前主要通过效应试验的方式评估敏感模块的电磁易损性，该方法存在以下不足：一是强电磁脉冲的脉冲参数复杂多样，直接开展敏感模块在不同脉冲参数组合下的强电磁脉冲损伤效应试验需要耗费较大的人力、财力及时间成本，可操作性低；二是由于在特定脉冲参数下的敏感模块的损伤效应阈值不清，开展损伤效应试验往往需要采用将脉冲功率从小到大逐级递增的方式进行，需要试验次数较多；三是敏感模块的损伤效应与脉冲参数是一种非线性映射关系，难以根据效应试验数据建立出明确的数学关系。若能构建一种损伤效应非线性模型实现对敏感模块的强电磁脉冲损伤效应预测，获取敏感模块的损伤近似或准确阈值，将节省甚至省去大量由于阈值不清而开展损伤效应试验带来的时间、人力、经济等成本。

技术实现思路

1、本发明要解决的技术问题在于针对现有技术中的缺陷，提供一种射频前端敏感模块强电磁脉冲损伤效应预测方法。

2、本发明解决其技术问题所采用的技术方案是：一种射频前端敏感模块强电磁脉冲损伤效应预测方法，包括以下步骤：

3、步骤1)选取射频前端敏感模块，开展敏感模块注入效应试验，获取部分脉冲参数组合下敏感模块的损伤效应试验数据，构建效应试验数据集，作为训练集和验证集；

4、其中，脉冲参数组合包括脉冲频率、脉冲宽度、脉冲重频和脉冲个数；

5、数据集为5个参数，分别为脉冲频率、脉冲宽度、脉冲重频、脉冲个数和损伤功率；

6、步骤2)建立基于bp神经网络的损伤效应预测模型框架，预测模型包括输入层、隐含层和输出层；

7、输入层有4个参数，为脉冲频率、脉冲宽度、脉冲重频、脉冲个数；输出层有1个参数，为损伤功率阈值；隐藏层设置m个神经元，vij为第i个输入变量与第j个隐藏层神经元的权重；uj为隐藏神经元的输出，为隐藏层第j个神经元的偏置，wj为第j个神经元与模型输出值y连接的权重，θy为y的偏置项；

8、3)利用所述的训练数据集训练神经网络直至训练结束得到合适的神经网络模型的各项参数vij，wj和θy；

9、4)将验证数据集应用于训练好的神经网络模型中，得到预测结果，检验预测模型的准确性，使用检验后的模型进行射频前端敏感模块强电磁脉冲损伤效应预测。

10、按上述方案，所述步骤2)中，隐藏神经元的输出uj和y表示为：

11、

12、

13、其中，f为激活函数的映射关系。

14、本发明产生的有益效果是：

15、本发明通过利用少量脉冲参数下的敏感模块损伤效应试验数据，构建基于神经网络的敏感模块强电磁脉冲损伤效应预测模型，实现在未知脉冲参数下敏感模块的损伤效应预测。

技术特征：

1.一种射频前端敏感模块强电磁脉冲损伤效应预测方法，其特征在于，包括以下步骤：

2.根据权利要求1所述的射频前端敏感模块强电磁脉冲损伤效应预测方法，其特征在于，所述步骤2)中，隐藏神经元的输出uj和y表示为：

3.一种电子设备，其特征在于，

4.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1至2任一项所述的方法。

技术总结本发明公开了一种射频前端敏感模块强电磁脉冲损伤效应预测方法，该方法包括以下步骤：步骤1)选取射频前端敏感模块，开展敏感模块注入效应试验，获取部分脉冲参数组合下敏感模块的损伤效应试验数据，构建效应试验数据集，作为训练集和验证集；步骤2)建立基于BP神经网络的损伤效应预测模型框架，预测模型包括输入层、隐含层和输出层；3)利用所述的训练数据集训练神经网络直至训练结束得到合适的神经网络模型的各项参数；4)将验证数据集应用于训练好的神经网络模型中，得到预测结果，检验预测模型的准确性，使用检验后的模型进行射频前端敏感模块强电磁脉冲损伤效应预测。本发明方法可实现在未知脉冲参数下敏感模块的损伤效应预测。技术研发人员：阮兵,王冬冬,王文卓,郑生全,黄栩静受保护的技术使用者：中国舰船研究设计中心技术研发日：技术公布日：2024/7/29