基于动态kriging模型的lhs-cbpso在天线设计中的应用-application of lhs - cbp so in antenna design based on dynamic krig ing model.docxVIP

万方数据 Dissertation Submitted to HangzhouDianziUniversity for the Degree of Master Cultural-Particle Swarm Optimization based on Dynamic Kriging Model for the Application of antenna Optimize Candidate: Xu Jie Supervisor: Prof.Xiang Tie-ming January，2015  杭州电子科技大学 学位论文原创性声明和使用授权说明 原创性声明 本人郑重声明： 所呈交的学位论文，是本人在导师的指导下，独立进行研 究工作所取得的成果。除文中已经注明引用的内容外，本论文不含任何其他个人 或集体已经发表或撰写过的作品或成果。对本文的研究做出重要贡献的个人和集 体，均已在文中以明确方式标明。 申请学位论文与资料若有不实之处，本人承担一切相关责任。 论文作者签名： 日期： 年 月 日 学位论文使用授权说明 本人完全了解杭州电子科技大学关于保留和使用学位论文的规定，即：研 究生在校攻读学位期间论文工作的知识产权单位属杭州电子科技大学。本人保证 毕业离校后，发表论文或使用论文工作成果时署名单位仍然为杭州电子科技大 学。学校有权保留送交论文的复印件，允许查阅和借阅论文；学校可以公布论文 的全部或部分内容，可以允许采用影印、缩印或其它复制手段保存论文。（保密 论文在解密后遵守此规定） 论文作者签名： 日期： 年 月 日 指导教师签名： 日期： 年 月 日 杭州电子科技大学硕士学位论文 摘要 现代通信技术的迅速发展，推进着天线向小型化、宽频带、多频段方向发展， 天线对现代通信系统有重要的影响，是决定整个系统性能的关键部件。 天线的优化设计通常涉及高度非线性的问题，传统优化算法往往无法获得全 局最优解，粒子群算法具有寻优能力强、收敛速度快等优点，能有效地求解天线 设计中的复杂优化问题，然而粒子群算法存在早熟收敛等不足，在将其应用于天 线优化设计 时还存 在很多 值得改进 之处。 本文对 RFID 阅 读器天线 设计、 WLAN/WiMAX 多频带天线设计、Kriging 模型、PSO 算法的改进及其在天线优 化设计中的应用进行了研究。 本文的主要研究成果及创新之处可概括为： （1）提出了基于拉丁超立方抽样单维更新的文化粒子群算法（LHS-CBPSO）。 通过多项测试函数评测本文算法的性能，结果显示该算法收敛速度快，搜索精度 高，能有效跳出局部最优。 （2）构建了基于 LHS-CBPSO 算法与 HFSS 联合仿真优化方案，并对 RFID 系统进行研究，设计优化了一款 RFID 阅读器圆极化天线，结果显示该方案能有 效求解天线优化问题。 （3）针对 RFID 天线优化过程中显露出的仿真计算量大、耗时长的问题，引 入 Kriging 模型代替 HFSS 软件仿真，并通过动态更新的方法提高模型精度，提 出了基于动态 Kriging 模型的 LHS-CBPSO 算法与 HFSS 联合仿真优化方案。 （4）应用该优化方案设计优化了一款 WLAN/WiMAX 多频带天线，并制作 了天线实物，实测结果表明该款天线能工作在 WLAN/WiMAX 所有频段，具有 良好的辐射特性，并且对比原联合仿真优化方案，该方案能有效缩减适应度评价 时间，极大地提高优化设计效率。 关键词：粒子群算法，HFSS，优化设计，RFID 天线，WLAN/WiMAX 天线 I  ABSTRACT The continuous technological advancement of communication systems has led to increased demand of antennas for miniaturization, broadband and multiband. The antenna plays a crucial role in the modern communication system, its performance directly affects the property of the whole system. The traditional optimization algorithms might fail to obtain the global optimal solution for highly nonlinear optimization problem in antenna design, while PSO (Particle Swarm Optimization) has some advantag