基于自适应粒子群遗传混合算法的数字超材料设计方法与流程

1.本发明属于数字超材料领域，特别涉及一种基于自适应粒子群遗传混合算法的数字超材料设计方法。


背景技术：

2.数字超材料核心思想是将数字编码理论与电磁超材料理论相结合，通过数字状态对电磁超材料单元结构进行描述，从而实现对电磁波的数字调控。随着数字编码超材料概念的提出，对于数字编码超材料的研究愈演愈烈，许多物理概念被引入数字世界中，通过数字领域的概念和数字表征的方法对物理世界进行调控，实现更好的特性以及更广的应用场景。而现有技术中，数字超材料单元结构在相位稳定性、极化不敏感性以及工作频带等方面存在不足，所设计的数字超材料阵列不具有一定的角度稳定性，rcs(radar cross section，雷达散射截面)缩减偏低。


技术实现要素：

3.发明目的：本发明所要解决的技术问题是针对现有技术的不足，提供一种基于自适应粒子群遗传混合算法的数字超材料设计方法。
4.为了解决上述技术问题，本发明公开了一种基于自适应粒子群遗传混合算法的数字超材料设计方法，包括以下步骤：
5.步骤1，获取所述数字超材料的所有编码序列排布；
6.步骤2，基于自适应粒子群遗传混合算法，从所有编码序列中获得最优编码序列；
7.步骤3，根据最优编码序列，获得数字超材料阵列。
8.进一步的，步骤1中所述数字超材料包括第一单元结构和第二单元结构，所述第一单元结构对应数字0，所述第二单元结构对应数字1，所述数字超材料根据编码序列由第一单元结构和第二单元结构组合而成；第一单元结构和第二单元结构均为正方形，边长为p。
9.进一步的，所述第一单元结构和第二单元结构均包括介质层和紧贴于介质层下表面的接地层，所述第一单元结构还包括紧贴于介质层上表面的第一金属结构，所述第一金属结构关于介质层的中心对称，与介质层水平方向呈135
°
放置；所述第二单元结构还包括紧贴于介质层上表面的第二金属结构，所述第二金属结构关于介质层的中心对称，与介质层水平方向呈45
°
放置；介质层的厚度为d，接地层、第一金属结构和第二金属结构的厚度均为h。
10.进一步的，所述第一金属结构包括第一矩形金属贴片和两个第一钻石形状金属结构，两个第一钻石形状金属结构分别与第一矩形金属贴片两对边拼接，并关于介质层的中心对称；所述第一矩形金属贴片的长度为l3，宽度为w3；
11.所述第二金属结构包括第二矩形金属贴片和两个第二钻石形状金属结构，两个第二钻石形状金属结构分别与第二矩形金属贴片两对边拼接，并关于介质层的中心对称；所述第二矩形金属贴片的长度为l4，宽度为w4。
12.进一步的，所述第一钻石形状金属结构包括第一梯形金属贴片和第二梯形金属贴片，所述第一梯形金属贴片的下底和第二梯形金属贴片的下底拼接，第二梯形金属贴片的上底与第一矩形金属贴片的一边拼接；
13.所述第二钻石形状金属结构包括第三梯形金属贴片和第四梯形金属贴片，所述第三梯形金属贴片的下底和第四梯形金属贴片的下底拼接，第四梯形金属贴片的上底与第二矩形金属贴片的一边拼接。
14.所述第一梯形金属贴片的上底为w1，下底为w2，高为l1；第二梯形金属贴片的上底为w3，下底为w2，高为l2；
15.所述第三梯形金属贴片的上底为w1，下底为w2，高为l1；第四梯形金属贴片的上底为w4，下底为w2，高为l2。
16.进一步的，步骤2中的自适应粒子群遗传混合算法根据传统粒子群优化算法pso和遗传算法ga的特点以及结合数字超材料的特性进行设计，将数字超材料远场散射表达式设为自适应粒子群遗传混合算法的适应度函数，包括以下步骤：
17.步骤2.1，设置pso和ga的参数学习因子、自适应惯性权重、自适应交叉概率和自适应变异概率；
18.步骤2.2，初始化pso和ga的种群粒子和染色体；
19.步骤2.3，计算pso中粒子的适应度值，ga中染色体的适应度值，并记录粒子的最优值和最优位置，以及全局最优粒子和最优解；
20.步骤2.4，更新pso中粒子的速度和位置；
21.步骤2.5，计算pso中粒子的适应度值，同时更新粒子最优值，以及全局最优值，并替换ga种群中适应度值大的染色体；
22.步骤2.6，对ga种群进行操作，获得新一代ga种群；
23.步骤2.7，对新一代的ga种群采用爬山搜索算法，对不同的编码序列进行迭代搜索，并不断的替换和更新ga种群的粒子和适应度值；
24.步骤2.8，更新全局最优粒子和全局最优值；
25.步骤2.9，若达到最大迭代次数t或全局最优解不再发生变化，则输出最优解，即最优编码序列；否则执行步骤2.4。
26.进一步的，所述步骤2.6包括以下步骤：
27.步骤2.6.1，对ga种群进行选择和基于自适应交叉概率的交叉操作；
28.步骤2.6.2，对ga种群进行基于自适应变异概率的变异操作；
29.步骤2.6.3，初始化pso和ga的种群粒子和染色体；
30.步骤2.6.4，对交叉变异后的子种群进行适应度计算，并对子种群进行适应度升序排列；
31.步骤2.6.5，ga的子代与父代按照适应度值排序合并，选取前n个作为新一代ga种群。
32.进一步的，步骤2.1中的自适应惯性权重w
t
为：
[0033][0034]
其中，w
min
和w
max
是初始的最小和最大惯性系数，f
it
为第t次迭代时第i个粒子的适应度值，1≤t≤t，为第t次迭代时当前种群所有粒子的平均适应度值，为第t次迭代时所有粒子的最小适应度值。
[0035]
进一步的，所述步骤2.4中粒子的速度和位置表示为：
[0036]
vi(t 1)＝w
t
·
vi(t) c1·
rand(0,1)
·
[pi(t)-xi(t)] c2·
rand(0,1)
·
[g(t)-xi(t)]
[0037]
xi(t 1)＝xi(t) vi(t)
[0038]
其中，vi(t)表示第t次迭代时第i个粒子的速度，xi(t)表示第t次迭代时第i个粒子的位置，c1和c2为加速因子，pi(t)和g(t)分别为粒子历史最优位置和种群全局最优位置。
[0039]
进一步的，步骤2.1中的自适应交叉概率pc为：
[0040][0041]
自适应变异概率pm为：
[0042][0043]
其中，f
avg
为当前种群平均适应度，f
max
为当前种群最大适应度，k1和k2为(0,1]区间的常数。
[0044]
有益效果：
[0045]
本技术的自适应粒子群遗传混合算法与传统算法相比具有收敛快，寻优效果好等优点，所设计的数字超材料单元结构具有相位稳定性和极化不敏感性以及工作频带宽等优点，可以在30ghz-40ghz频率范围内相位差达到稳定的180
°
，并且在改变电磁波入射角与方位角情况下，依然可以保持稳定的相位差；所设计的数字超材料阵列具有一定的角度稳定性，可以在改变电磁波入射角与方位角情况下，通过编码序列依然可以对散射波束进行控制，能够实现20db以上的rcs缩减，rcs缩减最高可以达到35db。
附图说明
[0046]
下面结合附图和具体实施方式对本发明做更进一步的具体说明，本发明的上述和/或其他方面的优点将会变得更加清楚。
[0047]
图1为本发明数字超材料单元结构三维结构示意图；
[0048]
图2为本发明数字超材料的第一单元结构主视图；
[0049]
图3为本发明数字超材料的第二单元结构主视图；
[0050]
图4为本发明数字超材料的第一单元结构的结构参数；
[0051]
图5为本发明数字超材料的第二单元结构的结构参数；
[0052]
图6为本发明数字超材料单元结构左视图及相关结构参数；
[0053]
图7为通过cst对本发明的数字超材料单元结构进行仿真的s_11参数图：
[0054]
图8为本发明数字超材料单元结构反射相位及单元结构相位差仿真结果图；
[0055]
图9为本发明自适应粒子群遗传混合算法流程图；
[0056]
图10为本发明自适应粒子群遗传混合算法和传统粒子群以及遗传算法收敛特性图；
[0057]
图11为本发明数字超材料编码优化结果；
[0058]
图12为本发明数字超材料结构示意图；
[0059]
图13为本发明数字超材料阵列远场散射结果图；
[0060]
图14为本发明数字超材料阵列rcs缩减仿真图。
具体实施方式
[0061]
下面将结合附图，对本发明的实施例进行描述。
[0062]
数字超材料单元结构间所需的稳定相位差是形成数字超材料的基本条件，而形成数字超材料的核心是根据编码序列对单元结构进行排列组合，编码序列决定了数字超材料最终具有的电磁特性。数字超材料通过编码序列描述单元结构，并对单元结构进行重新排布实现对电磁波的控制，从而实现波束控制，最终实现更好的rcs缩减。数字超材料对电磁波的调控以获得理想的电磁特性的关键在于设计合适的编码序列，对于编码序列的设计可以通过各种智能算法获取，从而获取理想的电磁特性。
[0063]
本技术实施例公开了一种基于自适应粒子群遗传混合算法的数字超材料设计方法，设计的数字超材料阵列可以实现20db以上的rcs缩减，rcs缩减最高可以达到35db。在隐身和雷达探测等方面具有巨大的应用价值。
[0064]
本实施例提供的一种基于自适应粒子群遗传混合算法的数字超材料设计方法，包括以下步骤：
[0065]
步骤1，获取所述数字超材料的所有编码序列排布；
[0066]
步骤2，基于自适应粒子群遗传混合算法，从所有编码序列中获得最优编码序列；
[0067]
步骤3，根据最优编码序列，获得数字超材料阵列。
[0068]
本实施例中，如图12所示，步骤1中所述数字超材料包括第一单元结构100和第二单元结构200，所述第一单元结构对应数字0，所述第二单元结构对应数字1，所述数字超材料根据编码序列由第一单元结构100和第二单元结构200组合而成；第一单元结构100和第二单元结构200均为正方形，边长为p。
[0069]
本实施例中，如图1所示，所述第一单元结构100和第二单元结构200均包括介质层3和紧贴于介质层3下表面的接地层4，如图2所示，所述第一单元结构100还包括紧贴于介质层3上表面的第一金属结构110，所述第一金属结构110关于介质层3的中心对称，与介质层3水平方向呈135
°
放置；如图3所示，所述第二单元结构200还包括紧贴于介质层3上表面的第二金属结构210，所述第二金属结构210关于介质层3的中心对称，与介质层3水平方向呈45
°
放置；介质层3的厚度为d，接地层4、第一金属结构110和第二金属结构210的厚度均为h，介质层的大小与接地层的大小相同。
[0070]
本实施例中，所述的介质层3采用有损耗的fr-4介质基板，其介电常数为ε＝4.3，损耗角正切为t_d＝0.025。所述接地层4的金属底板、第一金属结构110和第二金属结构210的金属贴片均采用金属铜。
[0071]
本实施例中，如图2所示，所述第一金属结构110包括第一矩形金属贴片120和两个第一钻石形状金属结构130，两个第一钻石形状金属结构130分别与第一矩形金属贴片120两对边拼接，并关于介质层3的中心对称；所述第一矩形金属贴片120的长度为l3，宽度为w3；
[0072]
如图3所示，所述第二金属结构210包括第二矩形金属贴片220和两个第二钻石形状金属结构230，两个第二钻石形状金属结构230分别与第二矩形金属贴片220两对边拼接，并关于介质层3的中心对称；所述第二矩形金属贴片220的长度为l4，宽度为w4。
[0073]
本实施例中，所述第一钻石形状金属结构130包括第一梯形金属贴片131和第二梯形金属贴片132，所述第一梯形金属贴片131的下底和第二梯形金属贴片132的下底拼接，第二梯形金属贴片132的上底与第一矩形金属贴片120的一边拼接；
[0074]
所述第二钻石形状金属结构230包括第三梯形金属贴片231和第四梯形金属贴片232，所述第三梯形金属贴片231的下底和第四梯形金属贴片232的下底拼接，第四梯形金属贴片232的上底与第二矩形金属贴片220的一边拼接。
[0075]
所述第一梯形金属贴片131的上底为w1，下底为w2，高为l1；第二梯形金属贴片132的上底为w3，下底为w2，高为l2；
[0076]
所述第三梯形金属贴片231的上底为w1，下底为w2，高为l1；第四梯形金属贴片232的上底为w4，下底为w2，高为l2。
[0077]
所述的第一单元结构100和第二单元结构200中金属结构相关参数如图4、图5、图6和表1所示。
[0078]
表1金属结构参数(单位：mm)
[0079]
pw1l1w2l2w3l3w4l4dh20.50.20.80.40.10.50.20.40.80.035
[0080]
本实施例中，步骤2中的自适应粒子群遗传混合算法根据传统粒子群优化算法pso和遗传算法ga的特点以及结合数字超材料的特性进行设计，将数字超材料远场散射表达式设为自适应粒子群遗传混合算法的适应度函数，如图9所示，包括以下步骤：
[0081]
步骤2.1，设置pso和ga的参数学习因子、自适应惯性权重、自适应交叉概率和自适应变异概率；
[0082]
步骤2.2，初始化pso和ga的种群粒子和染色体；
[0083]
步骤2.3，计算pso中粒子的适应度值，ga中染色体的适应度值，并记录粒子的最优值和最优位置，以及全局最优粒子和最优解；
[0084]
步骤2.4，更新pso中粒子的速度和位置；
[0085]
步骤2.5，计算pso中粒子的适应度值，同时更新粒子最优值，以及全局最优值，并替换ga种群中适应度值大的染色体；
[0086]
步骤2.6，对ga种群进行操作，获得新一代ga种群；
[0087]
步骤2.7，对新一代的ga种群采用爬山搜索算法，对不同的编码序列进行迭代搜索，并不断的替换和更新ga种群的粒子和适应度值；
[0088]
步骤2.8，更新全局最优粒子和全局最优值；
[0089]
步骤2.9，若达到最大迭代次数t或全局最优解不再发生变化，则输出最优解，即最优编码序列；否则执行步骤2.4。
[0090]
本实施例中，所述步骤2.6包括以下步骤：
[0091]
步骤2.6.1，对ga种群进行选择和基于自适应交叉概率的交叉操作；
[0092]
步骤2.6.2，对ga种群进行基于自适应变异概率的变异操作；
[0093]
步骤2.6.3，初始化pso和ga的种群粒子和染色体；
[0094]
步骤2.6.4，对交叉变异后的子种群进行适应度计算，并对子种群进行适应度升序排列；
[0095]
步骤2.6.5，ga的子代与父代按照适应度值排序合并，选取前n个作为新一代ga种群，n≥1。
[0096]
本实施例中，步骤2.1中的自适应惯性权重w
t
为：
[0097][0098]
其中，w
min
和w
max
是初始的最小和最大惯性系数，通常为0.4和0.9，f
it
为第t次迭代时第i个粒子的适应度值，1≤t≤t，i表示当前种群中粒子的索引值，1≤i≤当前种群所有粒子总数量，为第t次迭代时当前种群所有粒子的平均适应度值，为第t次迭代时所有粒子的最小适应度值。
[0099]
本实施例中，所述步骤2.4中粒子的速度和位置表示为：
[0100]
vi(t 1)＝w
t
·
vi(t) c1·
rand(0,1)
·
[pi(t)-xi(t)] c2·
rand(0,1)
·
[g(t)-xi(t)]
[0101]
xi(t 1)＝xi(t) vi(t)
[0102]
其中，vi(t)表示第t次迭代时第i个粒子的速度，xi(t)表示第t次迭代时第i个粒子的位置，c1和c2为加速因子，pi(t)和g(t)分别为粒子历史最优位置和种群全局最优位置。
[0103]
本实施例中，步骤2.1中的自适应交叉概率pc为：
[0104][0105]
自适应变异概率pm为：
[0106][0107]
其中，f
avg
为当前种群平均适应度，f
max
为当前种群最大适应度，k1和k2为(0,1]区间的常数。
[0108]
图7所示为通过cst对数字超材料单元结构进行仿真所得s_11参数图，图8所示为数字超材料单元结构反射相位及单元结构间相位差曲线图，所述数字超材料单元结构可以在30ghz-40ghz频率范围内相位差达到稳定的180
°
，并且在改变电磁波入射角与方位角情况下，依然可以保持稳定的相位差。
[0109]
本实施例为无限周期结构，包括多个结构单元。在实际应用过程中可以根据所需选择一定数量结构单元构成数字超材料，通过所提出的自适应粒子群遗传混合算法以及传统粒子群和遗传算法对编码序列进行优化设计。本实施例以8x8单元结构为例，将数字超材料远场散射表达式设为优化算法的适应度函数，通过对算法仿真对比分析，不同算法收敛特性图如图10所示，从图中可以明显看出本实施例所提出的自适应粒子群遗传混合算法收敛最快，全局寻优效果最优。所得优化后8x8编码序列如图11所示，根据该编码序列所设计数字超材料阵列如图12所示。对设计的数字超材料阵列进行仿真，其远场散射如图13所示，所述数字超材料可以在改变电磁波入射角与方位角情况下，通过编码序列依然可以对散射波束进行控制。rcs缩减曲线如图14所示。根据rcs缩减特性曲线可知，在20ghz-60ghz频率范围内均可实现20db以上的rcs缩减，在43ghz处实现了rcs最大缩减，rcs缩减可以达到35db。
[0110]
具体实现中，本技术提供计算机存储介质以及对应的数据处理单元，其中，该计算机存储介质能够存储计算机程序，所述计算机程序通过数据处理单元执行时可运行本发明提供的一种基于自适应粒子群遗传混合算法的数字超材料设计方法的发明内容以及各实施例中的部分或全部步骤。所述的存储介质可为磁碟、光盘、只读存储记忆体(read-only memory，rom)或随机存储记忆体(random access memory，ram)等。
[0111]
本领域的技术人员可以清楚地了解到本发明实施例中的技术方案可借助计算机程序以及其对应的通用硬件平台的方式来实现。基于这样的理解，本发明实施例中的技术方案本质上或者说对现有技术做出贡献的部分可以以计算机程序即软件产品的形式体现
出来，该计算机程序软件产品可以存储在存储介质中，包括若干指令用以使得一台包含数据处理单元的设备(可以是个人计算机，服务器，单片机，muu或者网络设备等)执行本发明各个实施例或者实施例的某些部分所述的方法。
[0112]
本发明提供了一种基于自适应粒子群遗传混合算法的数字超材料设计方法，具体实现该技术方案的方法和途径很多，以上所述仅是本发明的具体实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也应视为本发明的保护范围。本实施例中未明确的各组成部分均可用现有技术加以实现。