应用于天线设计的限制多目标优化方法

本发明涉及天线，具体为应用于天线设计的限制多目标优化方法。

背景技术：

1、天线设计是一项极具挑战性的任务，因为它本质上是一个典型的多目标优化问题。在设计过程中，工程师们需要仔细权衡多个相互关联且可能矛盾的目标。首先，天线尺寸的选择对于实现稳定性、高效能量传输以及广泛的频率覆盖至关重要。一个合适的尺寸不仅能确保天线在各种环境下都能稳定工作，还能实现高效的能量转换和信号传输。另一方面，回波损耗作为天线性能的重要指标之一，必须引起足够的重视。回波损耗指的是天线辐射的信号被反射回到天线系统中而产生的能量损失。这一指标的大小直接影响着天线系统的整体性能和稳定性。因此，在天线设计过程中，需要尽可能降低回波损耗，以提高信号传输的效率和可靠性。此外，频率响应、波束指向精度等方面也是天线设计中不可忽视的因素。这些参数对于保证天线在特定频段内的性能至关重要，并且对于实现精确的波束指向和信号覆盖具有决定性作用。

2、然而，在实际设计中，这些设计目标往往相互制约、相互影响。调整一个目标可能会对其他目标的实现产生不利影响。因此，天线设计采用多目标优化方法，如多目标遗传算法或多目标粒子群优化算法等，能够找到最佳的设计方案。这些方法能够在满足多个目标要求的同时，找到一种最优的平衡点，从而满足不同需求下的各种性能指标。通过这种方法，工程师们可以设计出性能卓越、稳定可靠的天线系统，为无线通信、雷达探测等领域提供强有力的支持。

3、近年来，天线设计的多目标优化方法被研究。在2022年x.li and y.-x.guo,等人发布于《ieee antennas and propagation magazine》期刊64期6刊上的"the grey wolfoptimizer for antenna optimization designs:continuous,binary,single-objective,and multi-objective implementations,"介绍了提出了利用灰太狼优化器，实现天线的多目标优化，但是该方法每个个体都需要利用电磁仿真软件仿真，计算代价大。在2023年w.zheng and h.li等人发布于《ieee transactions on antennas andpropagation》期刊71期10刊上的"designing antennas with quasi-isotropicradiation patterns using pixel structures,"该方法利用多端口网络建立电磁仿真模型的替代模型，大幅度缩减优化时间。但是没有考虑天线设计的实际设计需求，使得多目标优化获得的帕累托前沿中一部分解是不满足天线实际性能需求，这些解不能用于天线加工。因此，亟需一种快速且考虑天线实际性能约束的多目标优化算法。

技术实现思路

1、本发明的目的在于提供了应用于天线设计的限制多目标优化方法，解决了上述背景技术中的问题。

2、为实现上述目的，本发明提供如下技术方案：应用于天线设计的限制多目标优化方法，包括以下步骤：

3、s1：使用多端口网络方法建立天线反射系数的物理模型；

4、s2：利用天线的反射系数建立第一个目标函数；

5、s3：利用天线工作尺寸建立第二个目标函数；

6、s4：将天线性能的约束条件集成到非支配排序遗传算法ii(nsga-ii)中，构成限制多目标优化算法，确保获得天线设计的帕累托前沿均满足天线的回波损耗要求。

7、优选的，s1步骤的具体内容为：

8、s11：建立待优化的天线母结构，包括一个外部端口(馈电端口)和n个内部端口，利用cst microwave studio全波电磁仿真，获得天线母结构的n+1个端口的阻抗矩阵z；

9、s12：根据多端口的阻抗矩阵z和内部端口的负载阻抗zl＝[zl1,zl2,…,zln]计算天线的输入阻抗矩阵zin；

10、优选的，s2步骤的具体方式为：

11、s21：根据输入阻抗zin获得天线反射系数s11，

12、s22：根据天线的工作频率确定反射系数目标函数f1(x)。

13、优选的，s3步骤的具体方式为：

14、s31：将设计x＝zl＝[zl1,zl2,…,zln]简单转换得到描述像素贴片工作的矩阵ma，再将矩阵ma转换得到天线最大工作行数和天线最大工作列数；

15、s32：根据天线的最大工作行数和最大工作列数，建立天线工作尺寸的目标函数f2(x)。

16、优选的，s4步骤的具体方式为：

17、s31：设置种群大小，随机生成初始种群。设置算法的总运行次数、淘汰不满足约束条件解的运行次数，以及精英选择、锦标赛选择、交叉操作、变异操作等相关参数；

18、s32：计算初始种群的目标函数值，对初始种群进行非支配排序和拥挤度计算；

19、s33：利用锦标赛选择获得亲本，将交叉算子应用于亲本以生成子种群，将突变算子应用于子群体；

20、s34：计算子群体的目标函数值，并对组合父种群和子种群进行非支配排序和拥挤度计算；

21、s35：循环到达设定的次数时，将反射系数大于－10db的解降为最低等级，以淘汰不满足约束条件解；

22、s36：根据排名进行精英选择，选出优秀群体；

23、s37：重复步骤s31-s36，直到算法的总运行次数；

24、s38：返回帕累托前沿。

25、本发明提供了应用于天线设计的限制多目标优化方法。该应用于天线设计的限制多目标优化方法具备以下有益效果：

26、(1)、本发明与传统方法相比，本发明将天线性能的实用要求加入帕累托前沿的搜索条件，将不满足要求的帕累托解自动筛除，这使得算法能够找到问题的多个不同权衡解，而不仅仅是单一的最优解，且所有被找到的解都满足天线的设计要求。

27、(2)、本发明的提出的多目标优化算法是基于多端口网络物理模型的，只有多端口网络阻抗参数的提取需要一次全波电磁仿真，在整个优化过程中，都不需要用到电磁仿真模型，时间代价低。

技术特征：

1.应用于天线设计的限制多目标优化方法，其特征在于：包括以下步骤：

2.根据权利要求1所述的根据权利要求1所述的应用于天线设计的限制多目标优化方法，其特征在于：s1步骤的具体内容为：

3.根据权利要求1所述的应用于天线设计的限制多目标优化方法，其特征在于：s2步骤的具体内容为：

4.根据权利要求1所述的应用于天线设计的限制多目标优化方法，其特征在于：s3步骤的具体方式为：

5.根据权利要求1所述的应用于天线设计的限制多目标优化方法，其特征在于：s4步骤的具体方式为：

技术总结本发明涉及天线技术领域，且公开了应用于天线设计的限制多目标优化方法，包括以下步骤：S1：使用多端口网络方法建立天线反射系数的物理模型；S2：利用天线的反射系数建立第一个目标函数；S3：利用天线工作尺寸建立第二个目标函数；S4：将天线性能的约束条件集成到非支配排序遗传算法II(NSGA‑II)中，构成限制多目标优化算法，确保获得天线设计的帕累托前沿均满足天线的回波损耗要求。本发明与传统方法相比，本发明不仅实现了对天线反射系数与天线工作尺寸的不同权值进行灵活调整，而且确保了帕累托前沿中的所有解都满足一个天线必须的回波损耗要求，从而提供了多样化的天线设计方案，供天线工程师和用户根据实际需求进行选择。技术研发人员：张珍,黄兆昱受保护的技术使用者：广州大学技术研发日：技术公布日：2024/11/14