微波器件优化设计思路研究

摘 要：利用遗传算法和全电粒子模拟算法结合，研制二维全电磁粒子模拟并行优化程序。这样操作的目的在于有效地克服PIC程序给优化设计带来不利影响的因素，从而有效地提升微波器件优化设计水平。文章通过融合遗传算法和全电磁粒子模拟算法后，研制出了二维全电磁粒子模拟并行优化程序，该程序对于提升微波器件运行效率有着极为重要的意义。在对微波器件进行优化设计的过程中，必须优化设计其中的磁绝缘线振荡器以及超辐射返波管，并且把束波转换效率作为重要的优化目标，从而实现优化磁绝缘线振荡器效率的目的。

关键词：微波器件；优化设计；研究分析

在优化设计微波器件的过程中，电磁粒子模拟技术，即PIC模拟技术。经过对PIC模拟的设计结果加工试验后，能够有效地缩减源器件的研制周期与成本，使得利益更为可观。但是PIC技术自身不包含寻优技术，当前器件设计中主要以PIC技术作为基础进行设计，在这一过程中主要以参数扫描的方式针对各个参量进行数值模拟，之后展开人为寻优工作。需要注意的是，这一过程较为缓慢，效率比较低，同时需要消耗的时间也比较长，在费时费力的背景之下也极有可能无法寻找出最优值。实际上，PIC算法中存在着不足，而遗传算法的应用可以有效地弥补这方面的不足，为此在微波器件优化设计中应用该算法极为重要，应该给予高度重视。

1 对二维并行优化程序分析

遗传算法属于一种优化算法，该算法主要借鉴了生物界进化规律，并且效仿了生物进化和遗传，依据“生态竞争”与“优胜劣汰”的原则，通过多方面的操作，使得问题能够从初始解一步步转向最优解。以遗传算法为基础编制了优化程序的主体，器件的优化设计能够转化为大的目标函数优化问题，所以可以将适应度函数设定为目标函数[1]，如果按照“优胜劣汰”的自然规律分析，那么适应度函数的大小决定了个体生存或者淘汰的概率；利用二进制编码或者十进制编码解决优化问题，按照生物学的术语可以将这些编码称之为染色体或者为个体，一般情况下，一个解有多个分量，这被称之为基因。

另外，通常初始种群的生成，采用随机产生初始种群或者一些其他的方式进行构造，最终构造出一个初始种群。遗传算法中包括选择、交叉以及变异这三个部分，以适应度函数值大小为主生成下一代个体，下一代种群以此组成，如此循环后经过多次迭代，种群内个体适应度函数值将会逐渐升高，在迭代完成后，则需要选取最大适应度值的个体，即将最优解作为优化问题的最终计算结果。

2 以遗传算法为基础的二维并行优化程序

以遗传算法为基础优化设计微波计算，需要较大的计算量，同时耗费的时间也比较长。一般情况下，应用常规微机进行计算基本无法完成，所以应用并行计算技术同时在高性能计算机的帮助之下完成研究工作是必然的。

文章主要采用“主从式并行遗传算法”来完成二维并行优化程序设计，换言之整个并行程序能够被分为两个独立程序，一个是主程序，另一个是从程序，主程序的内核使用的算法是遗传算法[2]，这与孙会芳，姜幼明，董烨等在《高功率微波器件的初步优化设计》一文中有着相似的观点。而从程序的内核为二维PIC程序。创建函数的过程中，主要由MIP提供的进程来完成创建函数操作，在完成创建函数操作之后，需要在并行系统主节点上创建一个主进程，并在多个从节点上创建一个从进程。一般而言，任务分配、并行管理以及协调等其他的计算工作都由主进程完成，而从进程的工作主要由主进程分配给它，通常从进程的任务都是数值计算任务，在完成计算任务以后将计算结果返回给主进程。

首先，我们在并行遗传算法程序编制的过程中，主要采用HFSS完成程序进行操作，在此基础上还需要再编制调用二维PIC程序的子程序，将遗传算法程序加入到PIC程序接口上，同时设定优化参数与适应度函数。在优化程序计算中，其计算流程主要包括以下几个方面，即：

第一，要把器件设计要求转化为一个适应度函数，其原因再有，器件性能的优劣需要应用适应度函数值大小来定量，同时对遗传算法的优化方向起到引导作用。在优化设计微波器件中，优化目标需要选用峰值输出功率，束波转换效率等那些全局性强的器件功能指标，最终构成适应度函数；第二，在选取适应度函数的过程中，需要对器件基本物理过程和作用机理拥有深刻的认识，这样才能够保证适应度函数选取的效果；第三，遗传算法会随机产生初始种群，在这之中有若干个体存在，器件的结构由每个个体代表；第三，需要将每个个体的代码进行重新“翻译”，使其成为器件结构参数，再通过调用PIC程序计算得出器件各个性能数据，通过及计算得出适应度函数最佳值，之后把计算结果返回给“遗传算法”主进程；第四，遗传算法的使用要产生新一代合体，还需要通过选择、交叉以及突变等操作方式完成，产生新一代个体的原因在于，它与上一代相比，其适应度函数值较高[3]，这与屠秀平，张淑红在《利用HFSS对六端口微波器件的仿真分析及优化设计》一文中的观点相似。换言之器件的性能在此时也能够得到较好的优化。上述步骤的实施，经过迭代若干代后，将会得出一个最优个体为器件优化设计得出最佳结果奠定基础。

3 对计算模型优化与结果分析

在成功调试程序以后，作为初试主要选用了一种较为成熟的器件展开优化设计，即滤波器。

滤波器能够对信号起到一定的处理作用，是一种处理信号的器件和电路。滤波器被分为源滤波器与无源滤波器两种。滤波器的主要作用在于：使得有用信号能够完全的通过，毫无衰减，同时尽可能大的将无用信号衰减，以保证信号处于良好的状态之下[4]。一般而言，滤波器存在两个重要端口，一个端口主要作用是输入信号，另一个端口主要作用是输出信号。

滤波器的构成主要有两个部分，一部分是电感器，另一部分是电容器。这两个部分共同构成网路，能够分开混合的交直电流。在电源蒸馏器中，需要借助该网路滤净脉动直流中的连波，从而获得较为纯净的直流输出。实际上，最为基本的滤波器主要有电容器和电感器构成，这被称之为L型滤波。

在试验中，为能够确保器件阻抗以及频率不被改变，选择优化参数的过程中应该选择慢波结构的轴向参数与阴极发射面长度，其中慢性结构主要应用的是非均匀结构，即对每个慢波腔的空间周期与叶片厚度进行独立参数的优化，将腔结构参数输出，这样能够确保慢波结构整体性能保持一致性[5]。如果优化目标函数以束波转化效率为主，那么此时所得出的滤波器优化模型与模拟结果较为理想，所得到的优化后慢性波结构均为非均匀结构。

4 结束语

文章主要着手于三个重要方面，第一方面分析了二维并行优化程序，第二方面分析了以遗传算法为基础的二维并行优化程序，第三方面分析了计算模型优化与结果。通过分析明确，微波器件优化设计中，遗传算法的应用是必不可少的，如果脱离了遗传算法，那么器件结构参数将会失去准确性。尽管遗传算法在微波器件优化设计中计算较为复杂，并且消耗的时间较长，但是其准确性是其他算法无法比拟的。而文章也通过试验分析的方式证明了该观点，因此工作人员应该给予高度重视。

参考文献

[1]孙会芳，李瀚宇，姜幼明，等.磁绝缘线振荡器的自动优化设计[J].强激光与粒子束，2014，26（4）：17-21.

[2]孙会芳，姜幼明，董烨，等.高功率微波器件的初步优化设计[J].太赫兹科学与电子信息学报，2013（6）：927-931.

[3]屠秀平，张淑红.利用HFSS对六端口微波器件的仿真分析及优化设计[J].真空电子技术，2008（2）：26-29.

[4]杨永志.X波段大功率磁控管优化设计[D].电子科技大学，2010（56）：78-98.

推荐访问:微波 优化设计 器件 思路 研究