基于太阳光的可调节综合方向的遮阳装置研究

首先以北京地区办公建筑为研究案例,对13种水平百叶倾角下的全年综合能耗进行模拟计算。基于最佳倾角,将遮阳控制方式改为基于阻挡太阳辐射的动态遮阳百叶后,全年综合能耗节能率为16.36%。其次,通过分析夏季和冬季时水平百叶和垂直百叶的翻转角度计算原理,得出影响百叶翻转角度的关键因素为太阳光线垂直阴影角和太阳光线水平阴影角。最终提出一种基于太阳光照的可调节综合方向的动态遮阳装置,能有效降低建筑能耗,促进建筑节能与可持续发展。

一种根据干扰方向综合方向图的方法

从天线阵阵因子的表达式出发 ,将阵因子展开成由阵因子的根构成的因式的乘积 ,然后根据干扰的来波方向改变方向图零点 ,使其对准干扰 ,从而达到抑制干扰的目的。文中以等间距直线阵为例计算了多个方向存在干扰时的阵元电流系数 ,综合出方向图 。

综合方向加载稳态加速度试验探讨

本文通过综合方向加载试验夹具的设计应用和转臂式稳态加速度试验设备的应用,确定影响综合方向加载稳态加速度试验精度的因素,对试验方法进行优化。解决了产品在综合方向加载条件下进行稳态加速度试验的技术问题。

多模式低副瓣阵列方向图综合方法

本文面向阵列天线低副瓣的实际应用需求,利用空时编码的思路设计加权矢量,分别提出序贯快速傅里叶变换(fast Fourier transform,FFT)方法、约束方程计算方法和优化函数求解方法,对应多脉冲低副瓣方向图综合时加权矢量时变、不变和奇偶交替变的3种不同工作模式。理论分析和仿真实验表明,序贯FFT和约束方程计算方法均能实现超低副瓣方向图(优于-50 dB),而优化函数求解方法在实现低副瓣的同时仍能保持方向图主瓣的良好性能,避免了传统方向图综合方法无法同时兼顾主副瓣性能的缺点。另外,从计算复杂度、随机幅相误差、干扰抑制等各方面综合分析了不同方法的优缺点,可为实际阵列天线的工程应用提供理论指导和技术参考。

阵列天线方向图综合中的遗传算法目标函数研究

在基于遗传算法的阵列天线方向图优化问题中,目标函数的选取直接关系到方向图的优化结果和算法的效率。该文针对不同优化目的的目标函数选取方法,比较了各种目标函数对方向图优化的影响,给出了一个在较大范围内通用的目标函数,同时分析了目标函数中的权重的影响。

基于改进粒子群算法的天线方向图综合技术

针对基本粒子群算法的早熟收敛、易收敛于局部极值的特点,提出一种改进的粒子群优化算法,采用对全局最佳微扰和惯性权重跳变阈值的设置改善了算法的优化速度和收敛精度。经过对一系列测试函数的计算,证明该方法具有良好的优化效果。最后,给出了该方法应用于阵列天线方向图综合中的模型和仿真实例。

基于差分进化算法和遗传算法的混合优化算法及其在阵列天线方向图综合中的应用

阵列天线方向图综合作为智能天线的一项重要技术对于复杂系统的优化问题提出了更高的要求 .本文结合差分进化的基本思想和遗传算法的基因交叉和变异方法构建了一种新的混合优化方法 .该算法使用差分进化算子作为主要优化手段 ,结合遗传算法优胜劣汰的基本思想以及其中的交叉和变异方法 ,通过融合两种优化方法各自的优点 ,可以显著改善多参数、高度非线性问题的优化结果、提高计算效率 .计算机仿真结果表明 ,与现有算法相比 ,该算法用于天线方向图综合具有收敛速度快、优化能力强。

改进二分粒子群优化算法的阵列方向图综合

针对粒子群优化(particle swarm optimization,PSO)算法收敛速度慢、寻优精度低、计算量大、容易陷入局部最优解等问题,首先提出了一种无需越界检测的归一化粒子群优化(normalized particle swarm optimization,NPSO)算法,NPSO算法具有比PSO算法更佳的有效性和稳定性,其优化速度和收敛精度要远远优于PSO算法,且其计算量要比常规PSO算法采用越界检测调整小。其次,结合狼群算法(wolf pack algorithm,WPA)中的游走行为,在二分粒子群优化(dichotomy particle swarm optimization,DPSO)算法的基础上,通过对二分粒子赋予不同的探索方向,提出了一种WPA-DPSO算法,WPA-DPSO算法具有3层寻优的功能,不仅有效加强了粒子的搜索范围,避免了算法陷入局部最优解,而且有效提高了DPSO算法的收敛速度、优化精度、稳定性和有效性。在NPSO算法和WPA-DPSO算法的基础上,提出了一种混合型PSO算法(WPA-NDPSO),从而有效克服了PSO算法早熟收敛、搜索范围不大、容易收敛到局部极值、计算量大等问题。均匀线阵方向图综合实验表明:WPA-NDPSO算法不仅具有较优的收敛速度和优化精度,而且具有较强的稳定性和较高的有效性。

一种任意阵的方向图模值综合方法

本文提出一种遗传算法和凸优化相结合的方向图模值综合方法.将方向图主瓣的相位作为遗传算法的优化变量,结合期望主瓣的模值构造适应度函数.利用凸优化求解该适应度函数可得相应个体适应度的最优值,提高了算法的搜索性能.相位的优化使得本文方法综合结果与阵列的参考点无关,而且适用于任意阵.仿真数据结果验证了方法的有效性.

基于改进的粒子群算法的二维阵列天线方向图综合技术

该文运用一种改进的粒子群优化算法对不等幅激励的矩形平面阵列天线的最大旁瓣电平进行了优化,采用对全局最优粒子微扰和跳变的惯性权重策略,并使用粒子群算法本身对参数组合进行了优化选择。新算法大大改善了优化速度和收敛精度。对二维阵列天线旁瓣电平优化和稀疏阵列方向图综合的良好结果也证明了该方法的有效性。

基于自适应遗传算法的方向图综合

提出了一种改进的方向图综合方法.该方法以遗传算法为基础,以正交基函数表示天线口径分布,并且在优化过程中,对交叉概率、变异概率和变异范围同时进行自适应的变化.和原有的遗传算法相比,该算法减少了优化变量的数目,天线激励的相位和幅度曲线更光滑,提高了收敛的速度,并且缩小了幅度的动态变化范围.线阵和面阵的仿真结果均表明,该方法实用、高效.

微波综合脉冲孔径雷达方向图综合研究

结合MIMO雷达多发多收的特点,建立了微波综合脉冲孔径雷达(SIAR)的阵列模型,并提出该阵列的一种实现方案:发射阵采用稀布子阵集,接收阵采用密布子阵的形式.在固定子阵数目和保证阵列孔径的条件下,利用联合选择和两倍交叉的修正遗传算法对这种双基地SIAR平面阵的子阵位置进行优化,以降低方向图的旁瓣电平.仿真结果表明该方法提高了搜索速度,合成阵列方向图最大峰值旁瓣电平可达到-31.1 dB,满足工程需要.

自适应动态Meta粒子群优化算法综合多方向图共形阵列

基于全波仿真得到的广义阵元有源方向图,该文提出一种用于综合多方向图共形阵列的新方法:自适应动态Meta粒子群优化(ADMPSO)算法。在传统Meta粒子群优化(MPSO)算法基础上,定义了优势子群和非优子群的概念,并通过植入非优子群裁减、优势子群规模膨胀以及惯性权重自适应更新等机制,实现了优化过程中多子群的自适应动态调整,全面提高了算法性能。ADMPSO成功用于12元微带锥面共形阵列非赤道面的多方向图综合,综合过程考虑了由共形载体导致的阵元极化指向各异特征,在公共激励存在约束情况下,使阵列同时实现了笔形、平顶,以及余割平方波束总功率方向图,其与该阵列全波数值仿真完全吻合,优化结果和收敛速度相比于其他算法均有显著改善。

考虑互耦修正的共形天线阵方向图综合研究

基于建立的双层背腔微带天线共形阵模型,提出了一种改进的互耦修正投影法,并成功用于该类共形阵列的方向图综合。通过引入包含空间位置信息的广义阵元方向图概念,完成了对阵元激励幅相的同步求解;将阵元有源方向图思想与最小二乘法结合,简化了互耦系数矩阵的提取;综合过程计入了阵元相位方向图的贡献,使该方法的可靠性显著提高,阵列综合结果与全波分析结果的完全吻合,验证了该方法的正确性。

入侵杂草优化算法用于阵列天线方向图综合

针对目前智能优化算法在处理具有多零点、凹口和低旁瓣等要求的复杂阵列天线方向图综合问题时易出现收敛速度慢或局部最优的问题,引入一种新型入侵杂草优化算法,并在此基础上设计了一种自适应入侵杂草优化算法.新算法既提高了收敛速度,又平衡了全局和局部搜索能力.与同类算法相比,新算法在处理复杂阵列天线方向图综合问题中性能更佳,具有更高的收敛速度和计算精度.

稀疏共形阵列天线方向图综合

提出一种基于多任务学习的共形阵列天线稀疏优化方法.该方法在考虑单元方向图的全局旋转变换和单元极化状态差异的情况下,建立了共形阵列天线导向矢量模型,结合多任务学习框架,以均匀分布共形阵列天线同一平面上阵元的方向图作为目标任务进行学习,通过稀疏向量支撑区的识别,将欠定的阵列流形矩阵方程转换为超定的特征矩阵方程进行求解,在实现阵列方向图逼近的前提下,建立了共形阵列天线阵元激励与位置联合稀疏优化的多任务学习模型.通过分块坐标下降法对稀布共形阵列天线多任务学习模型进行求解,实现了共形阵列天线的稀疏优化布阵.理论分析与实验仿真证明,该方法能有效减少共形阵的单元数量,简化共形阵列天线结构,获得与均匀分布的共形阵列天线性能一致的天线方向图,解决了稀疏共形阵列天线方向图综合优化设计难题.

基于改进QPS0算法的阵列天线方向图综合

针对传统智能方法在方向图综合中易于早熟和局部寻优能力不足等缺陷,在基于量子位概率幅编码的量子粒子群优化算法(QPSO)的基础上,设计一种进行收敛停滞检测,并对粒子选择性变异的新量子粒子群算法,然后将其应用于阵列天线方向图综合.仿真结果表明,在多零点和低旁瓣约束情况下新算法均可以取得良好的优化效果,而且该算法相对于近邻粒子群算法(NPSO)和免疫克隆选择算法(ICSA)来说,在方向图综合中精度更高,速度更快,具有很好的推广能力.

基于一种新的粒子群算法的天线方向图综合技术

该文在线性递减权重粒子群算法的基础上提出了一种新的准粒子群优化算法。新算法借鉴了遗传算法中交叉的思想并采用了对偶算法模型改善了算法的优化速度和收敛特性。仿真表明,将此算法应用在天线方向图综合中,取得了良好的优化效果。