【作者】 无奇； 尹杰茜； 余晨； 王海明； 洪伟；

【Author】 Qi Wu;Jiexi Yin;Cheng Yu;Haiming Wang;Wei Hong;State Key Laboratory of Millimeter Waves,Southeast University;

【机构】 东南大学毫米波国家重点实验室；

【摘要】 本文提出了一种机器学习辅助的多目标天线优化方法。通过利用机器学习训练得到的代理模型,可以对天线的尺寸参数进行快速优化。针对多目标的天线优化问题,本文提出了基于参考点的多目标优化方法;并利用增加特征维度的方法,降低了代理模型的预测偏差,提升了模型精度,加速了算法过程。利用所提出的机器学习辅助的多目标天线优化方法,对一种宽带圆极化天线单元的尺寸参数进行了优化,快速实现了轴比和阻抗的联合设计目标。更多还原

【Abstract】 A machine-learning-assisted multi-obejctive antenna optimization method is proposed.By using the surrogate model constructed by the machine-learning method,the antenna dimensions can be optimized efficiently.The proposed reference-point-based multi-objective antenna optimization method uses additional feature to reduce the prediction bias of the surrogate model,therefore accelerates the optimization procedure.A broadband circular polarization antenna element is optimized to verify the proposed method.Two concerned deisgn objectives:axial ratio and reflection coefficient are optimized simultaneously to achieve the predefined design requirements.更多还原