超宽带RCS缩减超表面阵列的优化方法、系统及介质

超宽带rcs缩减超表面阵列的优化方法、系统及介质
技术领域
1.本发明涉及rcs缩减技术领域，特别是一种超宽带rcs缩减超表面阵列的优化方法、系统及介质。


背景技术：

2.雷达散射截面是定量表征目标散射特性的物理量，目标在入射雷达波照射时呈现的等效的散射面积。现代战争中，隐身和反隐身技术成为各个军事强国争相发展的技术。
3.传统超表面算法优化设计方法有几大缺点：首先选取的优化变量少，导致设计自由度低，无法设计出具有超宽带rcs缩减的超表面，实际战场雷达都有超宽带的探测能力，传统方法设计的隐身超材料难以满足日趋成熟的雷达探测技术。其次没有考虑单元、子阵间的互耦影响，优化出的结果与仿真结果有一定误差，导致需要多次优化仿真验证，费时费力。


技术实现要素：

4.本发明的目的在于提供一种超宽带rcs缩减超表面阵列的优化方法、系统及介质，提高了优化精度，极大缩短了电磁仿真软件的验证时间，具有编程简单、计算效率高的优点。
5.实现本发明目的的技术解决方案为：一种超宽带rcs缩减超表面阵列的优化方法，包括步骤：
6.步骤1，选取k种不同高度、l种不同方环边长组合的组漫反射结构单元，确定k
·
l组漫反射结构单元的rcs相位以及幅值；
7.步骤2，基于rcs相位以及幅值，通过阵因子计算不同初始阵列的rcs，将不同频点下rcs缩减值之和作为适应度值，通过遗传算法对粗模型进行多次迭代获取最优组合获取t个子阵的高度h与金属环边长l参数，令初始细模型参数取t个子阵的高度h与金属环边长l参数，令初始细模型参数判断当前适应度值是否满足设定阈值范围，如果不满足，执行步骤3，否则优化结束；
8.步骤3，初始化映射矩阵i＝1；b
(1)
为单位矩阵i，f
(1)
为初始残余向量，表示初始参数提取；
9.步骤4、求解b(i)h(i)＝-f(i)得到细模型的增量步长h(i)，确定新的细模型参数通过全波分析方法获取当前细模型的响应，如果响应的适应度值不满足设定阈值范围，执行步骤5，否则优化结束；
10.步骤5、对当前细模型的响应进行参数提取计算残余向量将映射矩阵b(i)更新为b
(i 1)
，另i＝i 1，执行步骤4。
11.一种超宽带rcs缩减超表面阵列的优化系统，包括rcs相位以及幅值确定单元、粗模型优化单元、全波分析仿真单元和细模型更新单元，其中：
12.所述rcs相位以及幅值确定单元通过选取k种不同高度、l种不同方环边长组合的组漫反射结构单元，用于确定k
·
l组漫反射结构单元的rcs相位以及幅值；
13.所述粗模型优化单元通过遗传算法对粗模型进行多次迭代获取最优组合；
14.所述全波分析仿真单元用于仿真验证细模型的相应是否符合设定要求；
15.所述细模型更新单元用于对细模型的迭代优化，直至细模型通过全波分析仿真单元验证符合设定要求。
16.一种计算机存储介质，所述计算机存储介质存储有可执行程序，所述可执行程序被处理器执行实现所述的超宽带rcs缩减超表面阵列的高效优化方法的步骤。
17.本发明与现有技术相比，其显著优点为：(1)将高度、金属方环边长两种变量组合成的27种单元进行优化，超表面阵列有16个子阵，具有24
16
种可能组合，有很高的算法优化自由度，这为超宽带rcs缩减超表面的实现提供了理论基础。(2)相较于传统算法优化超表面的方法，本发明通过引入空间映射算法，考虑了阵元间耦合的影响，弥补了算法计算误差大的缺点，提高了优化精度，而且极大缩短了电磁仿真软件的验证时间，具有编程简单、计算效率高的优点，具有较高实用价值。
附图说明
18.图1是本发明中算法流程图，其中图1(a)为空间映射算法流程图，图1(b)为遗传算法流程图。
19.图2是本发明中相位相消结构的单元模型图，其中图2(a)为俯视图，图2(b)为三维图。
20.图3是本发明中超表面阵列的排布图。
21.图4是本发明中仿真测试结果对比图。
具体实施方式
22.本发明将阵列阵因子的优化方法推广到超宽带rcs缩减超表面的设计中，利用遗传算法对包含多元子阵的超表面阵列进行优化，由于阵因子公式忽略了子阵间的耦合，结果存在一定误差，引入空间映射算法对超表面阵列进行进一步优化，利用快速的粗模型优化和高精度精细模型验证之间的映射关系，实现了对于超宽带雷达散射截面缩减超表面的快速设计，结合图1和图2，本发明提出的一种考虑阵元间互耦影响的超宽带rcs缩减超表面的混合高效优化方法，包含以下步骤：
23.步骤1、仿真漫反射结构单元，其高度不同，对应相位参数也不同，针对本设计优化得到的结果，该实施方式选取了3种不同高度，9种不同方环边长下，漫反射结构单元的rcs相位以及幅值数据，将一共27组相位以及幅值信息作为输入数据存在预先设置的表格中，由于不同的单元位置排布也会带来阵列rcs的不同和变化；
24.步骤2、利用阵因子公式计算出不同初始阵列的rcs，将各频点下rcs缩减值之和作为适应度值，利用遗传算法作为粗模型进行多次迭代优化出一组最优组合得到16个子
阵的高度h与金属环边长l参数，令阵的高度h与金属环边长l参数，令若响应满足设计要求则算法终止。
25.步骤3、初始化i＝1；b
(1)
固定为单位矩阵i，f
(1)
为残余向量。
26.步骤4、对上述满足设计指标的粗模型的解进行细模型验证，i＝2，将代入全波分析方法(cst)计算第一次细模型的响应，如果响应指标满足要求，则算法终止。
27.步骤5、如果细模型的响应并不满足设计指标的要求，i＝i 1，则对细模型的响应进行参数提取，得到粗模型的解通过映射矩阵b(i)得到细模型的增长步长h(i)，计算新的细模型设计参数
28.步骤6、对新的细模型设计值进行仿真，若此时满足设计要求，算法终止，若不满足，执行参数提取并重新计算残余向量将b(i)更新为b
(i 1)
。
29.步骤7、重复步骤5和6，直到适应度函数满足设计要求满足设计要求。
30.进一步的，步骤6中b(i)使用broyden算法的第一个公式更新：
[0031][0032]
当h(i)表示拟牛顿步长时，可简化为：
[0033][0034]
进一步的，步骤5、6中的参数提取过程为，将x
f(i)
代入全波分析仿真软件，得到细模型的响应曲线，将曲线数值写入表格，将遗传算法中每个阵列计算所得之rcs与响应曲线的差值之和作为适应度值，迭代多次得到与电磁仿真响应曲线最接近的结果作为粗模型的解
[0035]
进一步的，假设多元人工磁导体单元amc由m
×
n个单元组合而成，沿x轴每隔dx放置一个单元，沿y轴每隔dy放置一个单元，则步骤2中的阵因子公式可表示为：
[0036][0037]
其中表示金属平板的散射场，由于优化不改变单元周期大小，所以是一个固定值，而可由下式计算得出：
[0038][0039]
式中θ和分别是任意散射方向的俯仰角和方位角，s
m,n
表示每个超表面单元的散射场，φ
m,n
是不同超表面单元的反射相位，k＝2π/λ，λ为对应频率下的波长。
[0040]
进一步的，步骤7中的适应度值评价标准为：
[0041][0042][0043]
对于q个优化频率(f1,f2,
…
,fq)，其中表示垂直入射下第i个频点的rcs缩减，适应度越小，rcs缩减程度越高。
[0044]
基于上述方法，提出一种超宽带rcs缩减超表面阵列的高效优化系统，包括rcs相位以及幅值确定单元、粗模型优化单元、全波分析仿真单元和细模型更新单元，其中：
[0045]
所述rcs相位以及幅值确定单元通过选取k种不同高度、l种不同方环边长组合的组漫反射结构单元，用于确定k
·
l组漫反射结构单元的rcs相位以及幅值；
[0046]
所述粗模型优化单元通过遗传算法对粗模型进行多次迭代获取最优组合；
[0047]
所述全波分析仿真单元用于仿真验证细模型的相应是否符合设定要求；
[0048]
所述细模型更新单元用于对细模型的迭代优化，直至细模型通过全波分析仿真单元验证符合设定要求。
[0049]
所述高效优化系统各单元通过高效优化方法实现，包含高效优化方法的全部特征，在此不再累述。
[0050]
实施例
[0051]
结合图1～4，本发明基于优化算法，设计了一款工作于5.4-40ghz的宽带rcs缩减漫反射结构，能在5.4-40ghz内实现10db的rcs缩减。
[0052]
1、取3种不同高度h＝2.5mm、5.5mm、8.5mm，9种不同边长l＝1.7mm、2.8mm、3.9mm、5mm、6.1mm、7.2mm、8.3mm、9.4mm、10.5mm一共27种不同单元。利用电磁仿真软件cst对不同单元在周期性边界条件下仿真，得到其幅度与相位
[0053]
2、曲线。根据阵因子公式确定阵列rcs缩减值，利用遗传算法优化出最优参数
[0054]
2、令将优化参数代入cst中进行验证
[0055]
3、对第一次细模型验证结果进行参数提取，即利用粗模型来拟合细模型的曲线，得到一组新的解定义映射矩阵b(1)＝i，残差由公式b
(1)h(1)
＝-f
(1)
计算增长步长h
(1)
，最终由式计算出下一次代入细模型的参数
[0056]
4、将代入cst进行验证。
[0057]
5、重复步骤3和步骤4，直到细模型验证结果满足指标要求，则迭代结束。
[0058]
对amc超表面模型进行了三次迭代，四次细模型全波仿真之后，达到设计指标要求，第4次细模型全波仿真结果在5.4ghz-40ghz内均能实现10db的rcs缩减，实现了7.4个倍频程，与第一次粗模型优化结果吻合较好，此时超表面优化参数如表1所示，阵列排布如图3所示。
[0059]
表1本发明最终优化得到的16个子阵的厚度h以及金属环边长l的参数
[0060][0061]
将仿真实例进行加工测试，对比结果如图4所示，可以看出，仿真与实测结果吻合较好，均能实现超宽带下的rcs缩减。