Главная | RSS News
 
 

Программный комплекс синтеза устройств СВЧ

Программный комплекс для автоматизированного анализа и параметрического синтеза антенных решеток и устройств СВЧ [150] включает версию метода динамического программирования, генетический алгоритм и модифицированный метод Фиакко и Мак-Кормика, а также обеспечивает выбор вида и параметров целевых функций, варьируемых параметров и границ их изменения. Анализ эффективности двухэтапной процедуры оптимизации с использованием и метода динамического программирования, и генетического алгоритма проверен на большом количестве конкретных задач параметрического синтеза антенн и устройств СВЧ.
Данная двухэтапная процедура обеспечивает существенное уменьшение затрат машинного времени от десятков процентов до нескольких раз в зависимости от характера целевой функциии и размерности задачи.
Задача параметрической оптимизации электротехнического устройства [116] сводится к нахождению минимума функционала F. Данный функционал часто имеет смысл рассеиваемой мощности, наилучшего приближения к заданной переходной или частотной характеристике устройства, массы устройства или его стоимости.
При решении задач расчета электротехнических систем [116, 219] использование математического моделирования переходных процессов схем замещения является универсальным способом. Существующие подходы к определению параметров схем замещения по частотным или переходным характеристикам основаны на методах, использующих для минимизации функционала движение в направлении антиградиента функционала. Данные методы демонстрируют высокую точность и скорость сходимости для нежестких функционалов. В то же время эти методы требуют дифференцируемости минимизируемого функционала и чувствительны к выбору начального приближения при минимизации функционалов, имеющих большое число локальных экстремумов, что является типичным для задач параметрического синтеза.
Улучшение отображения свойств реального устройства его математической моделью достигается ее усложнением, увеличением числа параметров, что опережающими темпами увеличивает трудности решения задачи, связанные, в первую очередь, с резким увеличением числа локальных экстремумов функционала и увеличением его жесткости. Это значительно ужесточает требования к методам решения, и, как показывает опыт авторов [116], традиционно используемые градиентные методы в малой степени соответствуют этим требованиям. Низкая эффективность градиентных методов связана с алгоритмом поиска экстремума, использующего свойства функционала в локальной окрестности точки, перемещаемой в пространстве переменных задачи и соответствующей наилучшему значению на данный момент выбору параметров. Решения, найденный градиентными методами для задач с большим числом локальным экстремумов или проектных параметров, сильно зависят от начального значения вектора параметров даже в тех случаях, когда физическая постановка задачи позволяет существенно ограничить область поиска, используя, например, штрафные функции. Поэтому проблема выбора начального приближения превращается в сложную самостоятельную задачу.
Усовершенствования градиентных методов обычно касаются расширения локальной области анализа свойств функционала и использования специальных подходов к поиску “точек перевала” [116]. Оба направления носят нестрогий характер и значительно усложняют алгоритм поиска экстремума. Поэтому на практике часто используется многократный расчет с различными начальными условиями. Вычислительные проблемы при использовании градиентных методов усугубляются для негладких недифференцируемых функционалов, а также жестких функционалов.
Генетический алгоритм в [219] был применен для определения параметров схем замещения электротехнических объектов (параметрический синтез) по заданным частотным и переходным характеристикам. Были рассмотрены задачи определения параметров схем замещения одинарной и двойной формирующих линий (по переходным характеристикам) и лестничных схем замещения катушек индуктивности с массивным ферромагнитным сердечником различной формы (по частотным характеристикам).
Задача параметрической оптимизации схемы замещения сводится к нахождению минимума функционала F по вектору параметров схемы (длин участков линии при ее разбиении на Т-образные звенья). Длины звеньев схемы замещения линии подбираются таким образом, чтобы переходная характеристика схемы замещения возможно лучше воспроизводила характеристику длинной линии. В качестве минимизируемого функционала F в [219] рассматривалась площадь между кривыми 1 (напряжение на нагрузке для неискажающей длинной согласованной линии без потерь) и 2 (напряжение на нагрузке схемы замещения) на конкретном интервале времени при включении источника постоянного напряжения. Данная постановка задачи параметрического синтеза типична при практической работе длинных линий. Решение последней задачи выполнялось авторами [116] также и градиентным методом. В результате сравнения наилучшее решение, полученное градиентным методом, было существенно хуже решения, полученного с помощью генетического алгоритма.
Генетический алгоритм [116, 219] дал возможность получить решение перечисленных выше задач параметрической оптимизации схем замещения электротехнических систем при числе проектных параметров свыше 10 (иногда до 100), когда другими методами (например, градиентными) этого сделать не удалось.

Прочитало: 1776
 
 
Календарь
 
«    Октябрь 2013    »
ПнВтСрЧтПтСбВс
 
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
 
 
 

Меню
  »  Классификация портов проникновения ЭМИ
»  Задачи ЭМС ЭС при внешних воздействиях
»  Средства электромагнитного террора
»  Методы и средства анализа воздействия ЭМИ на ЭС
»  Анализ эффективности экранирования корпусов ЭС
»  Экранирование э.-м. воздействий стенами ИЗ
»  Цель и методы оптимизации
»  Оптимизация внутриаппаратурной ЭМС межсоединений
»  Многокритериальная оптимизация
 
 

Архивы
 Октябрь 2008 (17)
Сентябрь 2008 (30)
Август 2008 (19)
 
 

Популярное
   
 

Реклама
 
Статьи
Ещё
 
 

 
 
E-M-P.Ru 1, 2