一种基于多目标遗传算法的宽频透明吸波体的设计优化系统及其设计方法与流程

1.本发明属于微波段超表面吸波体领域，具体涉及一种基于多目标遗传算法的宽频透明吸波体的设计优化系统及其设计方法。


背景技术：

2.微波段吸波体可以将入射的电磁波转换为阻抗热，从而实现微波的吸收。而以微波雷达为主的探测手段需要收到返回信号才能发现目标，而在关重目标上覆盖吸收材料将极大的减小返回信号幅值，从而实现隐身需求。基于电磁波吸收这一特性，透明吸波体在民用领域也有丰富的用途。如微波暗室的光学窗口，射频系统等，通讯基站附近防止电磁辐射等场景对吸波体均有极大的需求。
3.利用电阻膜层调控电磁波的吸收由来已久，基于均匀膜层的salisbury screen、jaumann screen可以实现窄频带上的完美吸收。但是均匀膜层吸波体由于其频段过窄而不具有实际应用价值。而将超表面应用于吸波体的设计，大大扩宽了吸波体的宽带性能，从而实现了宽频强吸收。
4.超表面是指一种可以对电磁波行为调制的多层人造结构。在水平面上具有亚波长尺度的图案。在电磁理论中，超表面通过特定的边界条件利用的三维空间中的本构参数来调制电磁波的行为。电磁波入射超表面吸波体往往先后经过谐振器层与反射地板层，通过谐振图案层的热损耗，实现电磁波的吸收。
5.吸波体在宽频上的吸收性能，关键在于提出的谐振器层在宽频上的吸收潜力。已有的模拟电路法，等效介质法可以对简单图案谐振器进行设计并优化。但是简单图案谐振器的宽频吸收性能和高掠角入射性能往往较差。复杂图案谐振器在这两方面有更加优异的表现。而现有提出复杂谐振器的方式，是通过优化算法随机参数并调用仿真软件进行仿真。这一过程对于算力与时间的消耗上要求都是极高的。因此低算力需求的快速宽带吸波体设计需求紧迫。对于多个目标同时优化，获得各个参数均衡优化结果的需求同样迫切。


技术实现要素：

6.本发明提供一种基于多目标遗传算法的宽频透明吸波体的设计优化系统及其设计方法，用以解决对于多个目标同时优化获得各个参数均衡优化结果的问题。
7.本发明通过以下技术方案实现：
8.一种基于多目标遗传算法的宽频透明吸波体的设计优化系统，所述设计优化系统包括多目标遗传算法模块、电磁仿真软件模块、神经网络回归模块和数据库模块；
9.所述多目标遗传算法模块调用其他模块实现透明吸波体的快速设计；
10.所述电磁仿真软件模块计算初代种群的性能；
11.所述神经网络回归模块预测同类型种群的目标函数值；
12.所述数据库模块存储所有利用电磁仿真软件模块仿真获得的真实值。
13.一种基于多目标遗传算法的宽频透明吸波体的设计优化系统的设计方法，所述设计优化方法包括以下步骤：
14.步骤1：利用多目标遗传算法模块建立吸波体种群；
15.步骤2：计算步骤1或者步骤3的吸波体种群的性能，若数据库模块中有相同个体结果则进行步骤4，若满足神经网络模块对前一代预测准确率高于60％则随机部分个体进行步骤5，其余个体进行步骤6，若以上两者都不满足则进行步骤6，并将利用步骤6获得的结果输入数据库模块；
16.步骤3：判断步骤2计算的性能是否满足要求，若满足要求则停止优化并输出最优化吸波体；若不满足要求则生成新的种群个体，重复步骤2
17.步骤4：调用数据库模块内的真实值；
18.步骤5：调用神经网络回归模块预测个体性能；
19.步骤6：调用电磁仿真软件模块计算个体性能；
20.进一步的，所述步骤1的多目标遗传算法能取得多个评价指标的帕累托最优解，利用取得的多个评价指标的帕累托最优解来评估吸波体种群的性能。
21.进一步的，所述步骤1的建立吸波体种群分为建立初代种群与生成子代种群；所述初代种群是通过随机生成的参数建立的；所述子代种群是依据前代种群评估的结果，利用非支配的排序值和拥挤度、选择、交叉和变异操作生成的。
22.进一步的，所述步骤6电磁仿真软件模型，计算初代种群的真实值，并计算部分子代种群的真实值。
23.进一步的，所述步骤6中电磁仿真软件模型计算具体为，定义吸收率大于0.9或0.95的频率范围对应的相对带宽为电磁仿真软件模型的计算范围；
24.吸收率的公式定义为：
25.a＝1-|s
11
|
2-|s
21
|226.其中s11为反射率，s21为透过率；
27.相对带宽公式定义为：
28.ffoc＝2
×
(fh-fl)/(fh fl)
29.其中ffoc代表相对带宽，fh代表吸收率大于0.9的整个频段的最高频率，fl代表吸收率大于0.9的整个频段的最低频率。
30.进一步的，所述步骤5的神经网络回归模块学习数据库中的数据，建立起参数与结果的关系，并计算子代种群的真实值；
31.在决定第n代是否利用神经网络评估且n＞3，需要用数据库模块中的原始数据以及前n-2代的真实值数据，来预测n-1代的准确率；当n-1代的准确率大于60％，则第n代的随机50％个体用神经网络预测，其余利用电磁仿真软件模块计算；其中准确率＝1-|预测值-真实值|/真实值。
32.进一步的，所述神经网络回归模块计算具体为，神经网络回归表达为函数ffoc&thickness＝ann(par)，由于建立了输入参数与吸收相对带宽和厚度的关系，所以输入新的参数进入关系式获得参数对应相对带宽的预测值；采用多层全连接神经网络；输入层包括所有参数，输出层有相对带宽和厚度。
33.进一步的，所述步骤6的数据库模块内存储了电磁仿真软件训练的真实值及大量
的每一代种群性能。
34.本发明的有益效果：
35.本发明的可同时优化吸收带宽和吸波体的厚度。
附图说明
36.图1是本发明的吸波体像素单元示意图。
37.图2是本发明的吸波体实例阵列示意图。
38.图3是本发明的支撑导电膜层的透明网格介质示意图。
39.图4是本发明的实例垂直入射吸收率图。
40.图5是本发明的实例斜入射吸收率图。
41.图6是本发明的实例不同极化吸收率图。
42.图7是本发明的实施例2的示例图，其中(a)上层谐振器层一层，(b)是中层谐振器图。
43.图8是本发明的方法流程图。
44.图9是本发明的多目标遗传算法模块的功能示意图。
具体实施方式
45.下面将结合本发明实施例中的附图对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
46.实施例1
47.利用神经网络辅助多目标优化算法设计吸波体谐振器层的结构，从而实现低算力条件下的超表面吸波体设计。解决了复杂图案谐振器吸波体设计对电脑配置需求高，耗时长的难题。
48.一种基于多目标遗传算法的宽频透明吸波体的设计优化系统，所述设计优化系统包括多目标遗传算法模块、电磁仿真软件模块、神经网络回归模块和数据库模块；
49.所述多目标遗传算法模块调用其他模块实现透明吸波体的快速设计；
50.所述电磁仿真软件模块计算初代种群的性能；
51.所述神经网络回归模块预测同类型种群的目标函数值；
52.所述数据库模块存储所有利用电磁仿真软件模块仿真获得的真实值。
53.一种基于多目标遗传算法的宽频透明吸波体的设计优化系统的设计方法，所述设计优化方法包括以下步骤：
54.步骤1：利用多目标遗传算法模块建立吸波体种群；
55.步骤2：计算步骤1或者步骤3的吸波体种群的性能，若数据库模块中有相同个体结果则进行步骤4，若满足神经网络模块对前一代预测准确率高于60％则随机部分个体进行步骤5，其余个体进行步骤6，若以上两者都不满足则进行步骤6，并将利用步骤6获得的结果输入数据库模块；
56.步骤3：判断步骤2计算的性能是否满足要求，若满足要求则停止优化并输出最优
化吸波体；若不满足要求则生成新的种群个体，重复步骤2
57.步骤4：调用数据库模块内的真实值；
58.步骤5：调用神经网络回归模块预测个体性能；
59.步骤6：调用电磁仿真软件模块计算个体性能。
60.进一步的，所述步骤1的多目标遗传算法能取得多个评价指标的帕累托最优解，利用取得的多个评价指标的帕累托最优解来评估吸波体种群的性能。
61.进一步的，所述步骤1的建立吸波体种群分为建立初代种群与生成子代种群；所述初代种群是通过随机生成的参数建立的；所述子代种群是依据前代种群评估的结果，利用非支配的排序值和拥挤度、选择、交叉和变异操作生成的。
62.进一步的，所述步骤6电磁仿真软件模型，计算初代种群的真实值，并计算子代种群的真实值。
63.进一步的，所述步骤6中电磁仿真软件模型计算具体为，定义吸收率大于0.9或0.95的频率范围对应的相对带宽为电磁仿真软件模型的计算范围；
64.吸收率的公式定义为：
65.a＝1-|s
11
|
2-|s
21
|266.其中s11为反射率，s21为透过率；
67.相对带宽公式定义为：
68.ffoc＝2
×
(fh-fl)/(fh fl)
69.其中ffoc代表相对带宽，fh代表吸收率大于0.9的整个频段的最高频率，fl代表吸收率大于0.9的整个频段的最低频率。
70.进一步的，所述步骤5的神经网络回归模块学习数据库中的数据，建立起参数与结果的关系，并计算子代种群的真实值；
71.在决定第n代是否利用神经网络评估且n＞3，需要用数据库模块中的原始数据以及前n-2代的真实值数据，来预测n-1代的准确率；当n-1代的准确率大于60％，则第n代的随机50％个体用神经网络预测，其余利用电磁仿真软件模块计算；其中准确率＝1-|预测值-真实值|/真实值。
72.所述预测准确率具体为，
73.神经网络优化从第三代或者更高的代数开始。第一代是仿真软件算的结果为a1，第二代也是仿真软件算的结果为a2，数据库中原有的数据为aa.预测准确率的算法是：利用aa和a1的数据训练神经网络，用于预测第二代的结果获得b2，将b2和a2获得的结果比对。比如种群里面就两个个体，真实值a2是(1.15，1.21)，预测值b2是(1，1.3)，那么准确率等于(1-|1.15-1|/1.15，1-|1.3-1|/1.3)。也就是准确率＝1-|预测值-真实值|/真实值。获得的第二代的准确率用于决定第三代有多少比例的个体用神经网络优化。当准确率高于百分之60％的时候，将第三代的50％随机个体采用神经网络优化得到数据b3，其余用仿真软件算得到a3。
74.当开始决定第四代时，现在我们有aa，a1，a2，a3四个数据，那我们将用aa，a1，a2训练神经网络，来预测第三代结果，获得b3，a3计算准确率。同理类推。也就是在决定第n代怎么评估，需要用前n-2代的数据，来预测n-1代的准确率。利用n-1代的准确率决定第n代的随机50％个体用神经网络计算。其中准确率＝1-|预测值-真实值|/真实值。
75.进一步的，所述神经网络回归模块计算具体为，神经网络回归表达为函数ffoc&thickness＝ann(par)，由于建立了输入参数与吸收相对带宽和厚度的关系，所以输入新的参数进入关系式获得参数对应相对带宽的预测值；采用多层全连接神经网络；输入层包括所有参数，输出层有相对带宽和厚度。
76.进一步的，所述步骤6的数据库模块内存储了电磁仿真软件训练的真实值及大量(20000以上)每一代种群性能。
77.实施例2
78.为实现超表面吸波体的优化，需要将吸波体结构参数化。以三层超表面结构为例，该吸波体包含反射地板层、中层谐振器层和上层谐振器层，膜层间为空气介质。需要参数化的是谐振器的形状、谐振器的面电阻、单元周期长度、层间距等。通过数值表示的参数可以直接进行优化，但谐振器的形状优化需要利用其他手段。通过数字编码实现谐振器的形状数据表征。将谐振器层划分为棋盘网格，在棋盘的每个格子中填充数字“0”或“1”。其中“0”代表在该位置没有导电涂层，“1”代表在该位置有导电涂层。一般情况下，为了吸波体具有较好的极化稳定性，采用四重旋转对称的方式，因此只需要定义四分之一位置形状对应的参数。而采用双层互补的形式，可以实现低耦合的多模式吸收。编码参数x
pattern
＝[0,0,0,1,1,1,0,0,0,0,0,0,0,1,1]
[0079]
其他参数：x
parameter
＝[x1,x2,x3,x4]＝[22.7.27,3.46,87.14]。其中x1,x2,x3,x4分别代表单元周期长度、上层与中层间距、中层与下层间距，谐振器膜层面电阻。
[0080]
该单元对应的超材料吸波体，针对不同极化的电磁波以及不同角度入射的电磁波均有良好的吸收效果。不同极化的电磁波，在6.1-40ghz频率范围内均能有0.9以上的高吸收率，同时厚度仅为6.105mm，实现了低剖面。
[0081]
与所述电磁仿真软件模块、神经网络回归模块和数据库模块并列设置光学仿真模块，所述光学仿真模块通过传输矩阵法直接计算透过率，实现本系统同时优化吸收带宽、透过率和吸波体的厚度这几个参数。
[0082]
实施例3
[0083]
如附图1、附图2、附图3所示，本发明的超材料吸波体结构包括，底部低阻抗导电膜层1、中层图形化导电膜层2、上层图形化导电膜层3。吸波体尺寸参数包括，x1单元的边长、x2上层空气腔的厚度，x3下层空气腔的厚度。有吸波体单元组合为10
×
10的矩形方阵,导电膜层贴附到透明网格介质如图2所示。图3中透明网格介质的宽度为w1.
[0084]
首先在电磁仿真软件中建立吸波体单元电磁仿真模型，输入吸波体的物理参数。本发明中使用的薄膜为pet-ito导电膜层。设置pet的介电常数为2.65，损耗角正切为0.015，pet膜厚0.012mm。底层导电膜层的面电阻设为6ω/
□
，并设置参数要素x
parameter
，单元的边长大小x1、上层空气腔的厚度x2、下层空气腔的厚度x3、上层与中层的透明导电薄膜的面电阻x4为变量。在电磁仿真模型中仅有上层与中层pet基底，与底层低阻抗透明导电薄膜。上层及中层的图案由程序进行填充。
[0085]
在python编写的程序中输入遗传算法每一代进化的个体数目x
base
，与x1、x2、x3、x4的可选取范围。运行程序，利用随机采样在变量可选取范围内初始化第一代仿真的图案要素x
pattern
与参数要素x
parameter
。利用程序中的电磁仿真软件接口，在电磁仿真软件中，建立图案的模型，并导入变量的初始值，进行仿真。
[0086]
仿真软件可以直接获得吸波体的s参数，后处理程序将s参数通过公式转化为所需的适应度函数的值。通过适应度函数的值，对本代个体进行选择、交叉、变异运算，生成下一代的图案要素x
pattern
与参数要素x
parameter
，之后导入到电磁仿真软件中，开始之后的循环。
[0087]
当适应度函数的值满足需求，遗传算法停止运行。获得具有最大相对带宽的吸波体对应的图案要素与参数要素。并利用其得到设计的宽频带吸波体单元。将单元排布为矩阵，在均匀的导电膜层上蚀刻。将膜层贴附在透明网格上制成样品。
[0088]
获得的吸收单元的仿真结果如附图4、附图5、附图6所示。在9.28ghz与31.33ghz吸收率达到0.99，吸收高于0.9频段覆盖6-36ghz,相对带宽为1.42。在小于50
°
倾斜入射以内，仍能保证在频段范围内高于0.9的吸收能力。当不同极化电磁波入射时，本发明提出的吸波体吸收能力不受影响。