基于智能计算吸波材料设计.pdfVIP

第46卷第2期淮北师范大学学报（自然科学版）Vol.46No.2

2025年6月JournalofHuaibeiNormalUniversity(NaturalSciences)Jun.2025

基于智能计算吸波材料设计

121①

唐悦恩，陈得宝，刘强春

（1.淮北师范大学物理与电子信息学院，安徽淮北235000；2.宿州学院，安徽宿州234099）

摘要：针对传统吸波材料优化设计存在计算复杂度高、耗时长问题，提出一种基于智能计算优化设计方法。

通过构建2~18GHz频率下羰基铁粉与石蜡复合材料神经网络模型，利用粒子群算法优化羰基铁粉与石蜡配

比，设计出高性能吸波材料。仿真结果表明，最佳羰基铁粉填充量为84.6%，在6.7GHz时，材料反射损耗理论

值为-53.954dB。为验证理论结果准确性，制备不同含量材料进行电磁参数及吸波性能测试，实验显示羰基铁

含量为84.5%的材料具有最小反射损耗，达到-49.4dB。该方法能为材料设计提供有效理论指导，加速新材料

开发研究。

关键词：吸波材料；智能计算；粒子群算法；神经网络；复合材料

中图分类号：TP18；TB34；O441文献标志码：A文章编号：2095-0691（2025）02-0042-07

0引言

随着电子技术和通信技术快速发展，电磁波广泛应用给生活带来便利的同时，也引发一系列电磁环

境问题，如电磁干扰、电磁兼容性等。这些问题不仅影响设备正常运行，还可能对人体健康产生不良影

［1-3］［4］

响。然而，传统吸波材料设计往往基于经验或梯度实验，效率低下、成本高昂、劳动量大。随着智能

计算技术发展，智能计算方法被引入到吸波材料设计中，提高材料设计速度和效率，为吸波材料设计提供

［5］［6］

新的思路和方法。仲陆祎等用机器学习模型，分析羰基铁/四氧化三铁复合吸波材料制备工艺参数与

［7］

其吸波性能之间关系，加速了新型吸波材料研发进程。郑日升等将粒子群优化算法应用于3层

［8］

Jaumann吸波结构隐身材料设计中，优化后的材料显示出更好反射率频宽。邢正维等将改进遗传算法

用于对吸波材料进行多层优化，有效扩展吸波带宽。

已有研究成果促进了吸波材料设计发展，但依然存在一些问题。首先，研究多集中于设计材料结构、

复合层厚度以及材料结构形状，很少有设计不同组分比例报道。其次，现有设计方法往往专注于特定类

型材料和结构，缺乏通用性。针对以上问题，提出一种基于人工神经网络和粒子群算法相结合的新型吸

波材料设计方法，利用人工神经网络良好非线性建模能力，建立以材料组分比例和工作频率为输入变量，

材料多个电磁参数为输出变量非线性模型。利用粒子群算法简单、易操作，全局收敛性能好优势，自动优

化组分比例和工作频率，以达到在一定频率下最优反射损耗，以期为吸波材料设计和研究提供新方法，减

少工作量，同时提升新材料研制速度。

1设计方法

1.1材料设计总体框架

为缩短吸波材料设计周期，将人工神经网络技术与粒子群优化（particleswarmoptimization，PSO）算

收稿日期：2024-10-23

基金项目：国家自然科学基金项目；安徽省学术和技术带头人后备人选科研活动经费项目(2021H264)；安徽省高校学科(专业)

拔尖人才学术资助项目(gxbjZD2022021)

作者简介：唐悦恩（2000—），男，四川巴中人，硕士生，研究方向为智能信息处理及应用。通信作者：陈得宝（1975—），男，安徽安庆人，

博士，教授，研究方向为智能优化及应用、动态多目标优化等。

第2期