论文部分内容阅读
天线优化是电磁领域的一个重要研究方向。实际工程中的天线优化设计通常为多目标优化问题(multiobjective optimization problem, MOP)。随着智能计算的发展,多目标进化算法(]multiobjective evolutionary algorithm, MOEA)由于其本质并行性和很强的全局搜索能力在很多领域得到成功运用。但是,将MOEA用于多目标天线结构设计的研究甚少,尤其是天线拓扑结构优化设计。基于分解的多目标进化算法(MOEA based on decomposition, MOEA/D)是目前计算智能领域最受欢迎的多目标进化算法。本文将研究基于MOEA/D的天线优化技术,并给出部分优化技术的天线优化实例,进而展现了MOEA/D在天线结构优化设计领域的强大的科研价值和实际运用潜力。该论文研究内容分为以下五点：1.本文在研究MOEA/D算法理论基础上,将MOEA/D与电磁仿真软件和数值电磁代码结合,形成基于MOEA/D的天线多目标优化框架；2.提出MOEA/D-GO (MOEA/D combined with enhanced genetic operators),通过数值算例验证了MOEA/D-GO的高效性,并将MOEA/D-GO用于fragment型共面波导馈电带陷微带天线设计,具有较好阻抗匹配、强且均匀的磁场分布和指定的远场主波束方向的fragment型UHF RFID近场/远场阅读器线天线设计,以及具有不等粒度fragment型结构接地板的高隔离MIMO (multiple-input multiple-output) PIFAs (planar inverted-F antennas)设计,仿真和实物测试结果验证优化设计方法在设计fragment型结构天线时的有效性；3.针对MOEA/D-GO在优化fragment型结构时计算量较大的问题,提出MOEA/D-GO-II (MOEA/D-GO combined with2-D median filtering),并将它用于设计具有等粒度fragment型结构接地板的高隔离MIMO PIFAs,优化设计结果比较和优化效率比较验证了MOEA/D-GO-II在设计低损耗要求的fragment型微带结构时的高效性；4.针对实际工程问题中,需要使用小的临近尺寸来提高MOEA/D-DE (MOEA/D combined with differential evolution)的收敛速度,进而导致种群多样性下降的问题,提出modified MOEA/D-DE,数值算例验证modified MOEA/D-DE的高效性,并将它用于设计具有折叠臂的多波段领结形微带天线,优化设计结果比较进一步验证modified MOEA/D-DE的高效性,同时,仿真和实物测试结果验证提出的设计方法在优化设计多波段天线的有效性；5.提出SL(statistic location information),进而形成MOEA/D-SL,给出混合优化问题求解的新思路；针对具有环结构的天线设计问题,提出IOO (inverse onionoperator),进而形成MOEA/D-IOO;初步实现MOEA/D-SL和MOEA/D-IOO的数值验证；通过修改SL,进一步提高MOEA/D-SL种群多样性。MOEA/D-GO、MOEA/D-GO-Ⅱ和MOEA/D-IOO关注天线拓扑结构优化,modified MOEA/D-DE关注天线尺寸优化,MOEA/D-SL是这些算法的拓展。值得注意的是,MOEA/D-IOO和MOEA/D-SL具有较强的算法理论意义,关于它们的算法原理还有待进一步研究,故本文没有将它们直接用于天线的优化设计。本文通过对基于MOEA/D的天线多目标优化技术的研究,不仅发展了MOEA/D算法理论,也为天线优化设计提供了高效的设计方法。