一种基于HFSS结合遗传算法进行阵列天线方向图优化的研究 下载本文

内容发布更新时间 : 2024/11/1 7:04:44星期一 下面是文章的全部内容请认真阅读。

龙源期刊网 http://www.qikan.com.cn

一种基于HFSS结合遗传算法进行阵列天线方向图优化的研究

作者:周鹏 秦三团

来源:《现代电子技术》2016年第09期

摘 要: 提出一种新的对阵列天线方向图进行优化的方法,即借助Ansoft HFSS软件进行单元天线阵仿真,提取出各单元单独馈电的电流数据或远场数据,利用遗传算法对提取出的电流数据实施优化,得出满足方向图要求的单元电流值和相位值。结果表明,基于HFSS建模的灵活性,该方法可方便进行任意特性天线阵列的方向图综合,优化时对提取出的数据只需进行简单的远场外推或叠加,因而具有极快的计算速度。区别于传统的单独用遗传算法进行优化的方法,该方法将工程软件Ansoft HFSS 和遗传算法相结合,有效地提高了天线阵综合时的计算精度和目标函数的计算效率,进而有效提高了方向图的优化效率。 关键词: 单元电流值; 电流相位值; 方向图; 遗传算法; 天线阵列 中图分类号: TN820.1+2?34 文献标识码: A 文章编号: 1004?373X(2016)09?0075?03

Abstract: A new method to optimize the array antenna directional pattern is proposed, in which the cell antenna array is simulated with Ansoft HFSS software to extract the current data or far?field data of each exclusive feed cell, and then the genetic algorithm (GA) is used to optimize the extracted current data to obtain the cell current value and phase value satisfying the requirement of directional pattern. The method can conveniently synthesize the antenna array directional pattern with arbitrary characteristics due to the flexible HFSS modeling, and only a simple far?field extrapolation or superposition for the extracted data is needed while optimizing, so it has fast calculation speed. Different from the traditional optimization method using GA only, the method combining engineering software Ansoft HFSS with GA can effectively improve the

computational accuracy of the antenna array synthesis, computational efficiency of the objective function, and the optimization efficiency of the directional pattern.

Keywords: cell current value; current phase value; directional pattern; genetic algorithm; antenna array 0 引 言

天线阵方向图[1]综合(优化)对天线阵应用尤为重要,根据实际问题的需要,常常采用三种综合手段:单元相对位置、单元馈电幅度、单元馈电相位同时改变;单元相对位置不变,只改变各单元幅度和相位;单元间距和幅度均不变,只改变单元相位。在大型天线阵中,则更多地采用后两种方法综合方向图。本文研究后两种情况。

龙源期刊网 http://www.qikan.com.cn

遗传算法作为一种全局优化方法,可以抛开待优化目标函数的具体特性,利用遗传学的思想进行全局随机搜索从而找到最优值。由于天线阵优化等电磁问题的目标函数具有形态复杂、多峰值的特点,故比较适合用遗传算法进行优化。

用遗传算法进行天线阵综合主要有两种方法:第一种方法是将单元看作理想偶极子,远场用解析式表达,其优点为优化速度极快,但实际问题中的单元都远非理想偶极子,且阵列中往往带有其他不可忽略的电结构(如反射板等)以致该方法无法保证精度;第二种方法(如矩量法等)计算目标函数,用遗传算法进行优化综合,这种方法有更高的计算精度,但数值方法计算目标函数效率较低,并且对实际应用中电结构极其复杂的天线阵,建模也是一个极大的困难。

本文提出一种新的天线阵方向图优化的方法:先用HFSS进行单元天线阵仿真,提取出各单元单独馈电时的电流或远场,然后用遗传算法进行优化处理,得出满足方向图需要的单元电流和相位,方法的精确度完全取决于HFSS模拟的精确度,利用HFSS建模的灵活性,能很方便地进行任意特性天线阵列的方向图综合,并且提取出数据后只需进行简单的远场外推或远场叠加,计算速度极快。 1 原理及实现方法

1.1 馈源的线性叠加原理与HFSS数据的提取 1.2 遗传算法的实现

遗传算法[2]的优点是全局搜索能力很强,缺点是局部搜索能力较弱,且遗传算法在进行种群选择操作时容易导致早熟或收敛过慢等现象。根据具体问题的特性,出现了大量遗传算法的改进方法,这些方法主要在两个方面改进:第一,对遗传算法本身进行改进——对算法中的选择、交叉、变异等算子进行改进,以提高全局搜索能力;第二,将遗传算法与其他局部搜索方法相结合,构成混合遗传算法。本文采用混合遗传算法,其主要思想为先用遗传算法找到全局最优点附近的解,然后用其他局部搜索方法找到局部最优点。常见的局部搜索方法有模拟退火算法、单纯型法、局部爬山法等,局部搜索算子采用两步:第一步局部爬山法,方法为在遗传算法中找到一个最优点后,以这个点为初始点,再用爬山法找到一个局部最优点。第二步局部拉网搜索。局部拉网搜索的主要思想为:设一共有[N]个待优化变量,先固定第2个至第[N]个变量的值,只变化第一个变量,找到最大值,然后在此基础上,只变化第2个变量的值,找到最大值,如此重复[N]次,直到最优值不再变化。局部拉网搜索的初始点为爬山法所找到的最优值。局部拉网搜索法使用时要注意每个变量的分段数(分段数越多,精度越高)不能过大,否则遍历一次会耗时过多。

遗传算法计算效率的关键在于选择算子的确定。传统的选择算子采用随机轮盘赌方式:每个品种被选中的概率和该品种的适应度值成线性关系,由于天线方向图优化问题中目标函数具有多峰值性和振荡性的特点,这种轮盘赌选择方法很容易导致早熟和收敛过慢的问题,基于

龙源期刊网 http://www.qikan.com.cn

此,本文采用了另一种选择算子——随机联赛选择算子,方法为每次从样本群中任意抽出两个,评价目标函数挑出更优者进入下一代,然后重复[N]次([N]为种群规模)。这种方法能有效地避免早熟和收敛过慢的问题,对各种问题具有良好的适应性。其他的算子采用传统的单点交叉算子和一致性变异算子,并应用了精英保存策略。 1.3 目标函数的计算

目标函数计算时,先由遗传算法给出一组幅度相位结合HFSS提取出的数据,计算出远场方向图。天线阵方向图[3]优化问题一般有两种:给定方向图的指标,优化出符合方向图指标的幅度相位;给定方向图,拟合出最逼近方向图的幅度相位。 3 结 语

本文叙述了天线阵方向图优化问题的三个重点,即馈电单元位置,幅度和相位,介绍了用改进遗传算法对方向图进行优化的原理方法,并提出一种新的天线阵优化方法——利用HFSS对单元阵仿真,提取各单元单独馈电的电流或远场,后用遗传算法优化处理,得到最佳的单元电流和相位。给出了计算原理和方向图,通过对原始数据和拟合数据的比较说明了该方法的优越性。 参考文献

[1] 祝志鹏,蒋凤仙,陈学峰.一种改进的遗传算法及其在线天线阵方向图综合中的应用[J].复旦学报(自然科学版),2001,40(1):55?60.

[2] 葛继科,邱玉辉,吴春明,等.遗传算法研究综述[J].计算机应用研究,2008,25(10):2911?2916.

[3] 李翔麟,庞伟正,钱坤.基于遗传算法的天线阵方向图零点生成[J].信息技术,2008(8):119?120.

[4] 路占波,孙丹,陈亚军,等.遗传算法在共形天线阵方向图综合中的应用[J].系统仿真学报,2009,21(5):1488?1491.

[5] 尹柳中,刘运林,卫涛.基于遗传算法的圆柱共形微带天线阵的综合[J].四川理工学院学报(自然科学版),2007,20(1):52?54.

[6] 胡贵强.多目标优化的遗传算法及其实现[J].重庆文理学院学报(自然科学版),2008,27(5):12?15.

[7] 李东风,龚中麟.双交换遗传算法及其在非周期天线阵方向图综合中的应用[J].电子与信息学报,2003(2):242?246.