基于知識神經(jīng)網(wǎng)絡(luò)的微波器件設(shè)計研究.pdf

1、在對微波器件進(jìn)行建模優(yōu)化時，一般采用精確模型和優(yōu)化算法相結(jié)合的方法。然而，一些商業(yè)電磁仿真軟件在求解分析時需要大量的時間，這使得傳統(tǒng)的優(yōu)化方法需要很大的代價。隨著計算機(jī)技術(shù)的興起，一些快速的計算機(jī)輔助設(shè)計方法相繼出現(xiàn)，人工神經(jīng)網(wǎng)絡(luò)（Artificial Neural Network, ANN）便是其中之一。神經(jīng)網(wǎng)絡(luò)雖然有著諸多優(yōu)點(diǎn)，但其訓(xùn)練需要大量樣本的缺點(diǎn)使其在應(yīng)用中十分耗時。知識神經(jīng)網(wǎng)絡(luò)（knowledge-based artifi

2、cial neural network，KBANN）的提出，降低了輸入與輸出之間的映射關(guān)系，減少了網(wǎng)絡(luò)訓(xùn)練所需的樣本。本文在現(xiàn)有的知識神經(jīng)網(wǎng)絡(luò)的基礎(chǔ)上，提出了更加簡單、自動化的知識神經(jīng)網(wǎng)絡(luò)，主要工作如下：
　　(1)簡單介紹了基本神經(jīng)網(wǎng)絡(luò)模型，由此引入了知識神經(jīng)網(wǎng)絡(luò)的概念，介紹了一些知識神經(jīng)網(wǎng)絡(luò)，例如：差值模型、先驗(yàn)知識注入模型以及知識基神經(jīng)網(wǎng)絡(luò)模型。對研究所用的一些方法的基本原理進(jìn)行說明，給后續(xù)研究奠定了扎實(shí)的基礎(chǔ)。
　　

3、(2)本文研究的重點(diǎn)在于如何構(gòu)建先驗(yàn)知識。研究了基于 ADS（Advaced Design System）的知識神經(jīng)網(wǎng)絡(luò)。其特點(diǎn)在于利用ADS獲取先驗(yàn)知識，避免了公式的推導(dǎo)和網(wǎng)絡(luò)的訓(xùn)練，使得先驗(yàn)知識的獲取更加方便。將訓(xùn)練好的網(wǎng)絡(luò)模型用于高低阻抗濾波器、微帶帶阻濾波器和微帶發(fā)卡濾波器的建模優(yōu)化，比較了不同知識神經(jīng)元數(shù)和不同隱層神經(jīng)元數(shù)對網(wǎng)絡(luò)性能的影響，并將測試結(jié)果與多層感知器神經(jīng)網(wǎng)絡(luò)（Multi-layer perceptron neur

4、al networks，MLP neural networks）進(jìn)行比較。將優(yōu)化得到的尺寸代入HFSS中，驗(yàn)證其是否滿足設(shè)計指標(biāo)要求。
　　(3)研究了基于粗網(wǎng)格的知識神經(jīng)網(wǎng)絡(luò)，并在雙層電磁帶隙（ Electromagnetic Band-Gap, EBG）結(jié)構(gòu)中進(jìn)行了應(yīng)用。將HFSS（High Frequency Structure Simulator）中粗網(wǎng)格剖分的分析結(jié)果作為先驗(yàn)知識構(gòu)成知識神經(jīng)網(wǎng)絡(luò)，先將該方法用于高低阻抗濾