基于多层自适应交叉算法的内置介质板开孔外壳屏蔽效能预测

电子设备工作频率的提高,导致电磁辐射噪声日益严重,采用屏蔽外壳是最为有效的方法。然而,由于散热和接线,外壳会带有孔洞,极大地影响了其屏蔽效能,部分外壳内部介质板的存在也对屏蔽效能产生了一定的影响。文章对含介质板开孔外壳建模后,通过传输线方法(TLM)建立等效电路模型,然后利用多层自适应交叉算法(Multilayer Adaptive Crossover Algorithm,MLACA)得到等效电路参数,最后根据电压与电场关系计算得到外壳屏蔽效能。利用CST对相应外壳进行仿真分析后,对比屏蔽效能仿真结果和算法结果,证明了该方法结果的准确性和可靠性。通过等效电路模型进一步计算箱内中轴线上各点屏蔽效能,得出屏蔽效果最佳位置分布,最后通过暗室实验测量各点辐射强度来验证预测结果。

自适应交叉近似算法在矩量法中的应用

矩量法(Method of Moment,MoM)计算电大目标辐射与散射问题时消耗计算机资源巨大。采用自适应交叉近似算法(Adaptive Cross Approximation Algorithm,ACA)降低了MoM计算电大问题时的内存需求与计算复杂度,借助NURBS(Non-Uniform Rational B-Splines,NURBS)建模方法设计了形状规则且边界清晰的ACA三维分组方法,从而实现了基于矩量法的ACA算法。通过算例证明该方法在不损失MOM的计算精度的前提下有效地降低了存储空间和计算量,并通过与商业软件计算结果对比,验证了算法准确有效。

自适应交叉近似算法的核外计算方法

为解决矩量法在计算电大目标电磁特性时受计算机物理内存限制的问题,设计了一种核外自适应交叉近似算法.使用自适应交叉近似算法有效地压缩了阻抗矩阵,降低了所需存储空间和计算量;并结合核外技术,进一步节省了内存空间,提升了单台计算机的计算能力.通过算例检验了文中方法的准确性和有效性,结果表明:该方法有效地降低了求解电大目标雷达散射截面所需的内存和计算量,并且自适应交叉近似算法及核外计算不损失矩量法的计算精度.

应用自适应交叉近似算法快速计算导体RCS

作为快速填充阻抗元素的矩阵压缩方法,自适应交叉近似(ACA)算法近年来被普遍应用于电磁散射问题分析中。在计算过程中,ACA算法用于压缩远场区域阻抗矩阵,以缩短求解时间;而对近场作用区域,则采用矩量法结合近场预处理技术,实现雷达散射截面快速计算。数值计算结果表明该方法精确且有效。

混合动力汽车能量管理的自适应交叉NSGA-Ⅱ优化

为了降低混合动力汽车的油耗并减少有害气体的排放,提出了基于逻辑门限值的能量管理策略和自适应交叉NSGA-Ⅱ算法的控制参数优化方法。介绍了混合动力系统结构和工作模式,建立了混合动力系统仿真模型。基于逻辑门限值构造了混合动力汽车能量管理策略。以控制策略参数为优化对象,以降低油耗和减少有害气体排放为优化目标建立了参数优化模型。以NSGA-Ⅱ算法为基础,加入了基于t分布的tDX交叉算子,提出了自适应交叉NSGA-Ⅱ算法的参数多目标优化方法。经验证,自适应交叉NSGA-Ⅱ算法的收敛性优于传统NSGA-Ⅱ算法。经过自适应交叉NSGA-Ⅱ算法优化,油耗降低了8.13%,等效油耗降低了6.53%,CO排放量降低了10.97%,HC排放量降低了7.64%,NOx排放量降低了10.03%,说明自适应交叉NSGA-Ⅱ算法对混合动力汽车控制参数具有较好的优化效果。

基于多层简易矩阵稀疏算法的复杂物体建模优化的研究

为了提高三维大尺寸复杂物体电磁建模的精确求解的效率,改进了自适应交叉算法(ACA)基础上的多层简易矩阵稀疏算法(MLSSM),通过对算法的理论及实现过程分析,并在实验验证中表明:应用的改进ACA算法计算效率比矩量法逐点计算显著提高;改进的MLSSM的内存需求减少了1 2左右,矩阵构造过程速度有了明显提高;改进的MLSSM降低了计算复杂度,迭代求解过程速度有了明显提高。算法对比结果看出改进的MLSSM在降低计算复杂度方面占据的优势,在分析半空间上大目标复杂物体优势明显。这一研究对于复杂物体的电磁建模的优化有一定的理论和应用意义。

混合遗传算法进行离心叶轮优化设计

利用自适应交叉遗传算法和生物生长算法的特点 ,提出一种新的优化方法———混合生物生长自适应交叉遗传算法。该方法既充分利用了遗传算法全局寻优和生物生长法快速收敛的优点 ,又弥补了遗传算法收敛速度过慢和生物生长法过分依赖结构初始形状的不足。为了验证优化方法的正确性和合理性 ,对某三维离心叶轮进行优化设计 ,结果表明 ,混合算法较单纯采用遗传算法收敛速度快 。

一种电大目标散射特性的核外并行快速算法

矩量法计算电大目标雷达散射截面(Radar Cross Section,RCS)将消耗巨大计算机资源.采用自适应交叉近似算法(Adaptive Cross Approximation Algorithm,ACA)降低了计算量和存储量,同时结合核外求解技术,并对算法进行了并行化处理,从而进一步降低了大型计算对计算硬件的需求,提高了计算速度.通过算例证明了该算法在不损失矩量法精度的前提下可大幅缩减计算时间和内存需求.

应用ACA算法快速分析导体目标电磁散射特性

提出了一种分析导体目标电磁散射特性的有效数值方法,该方法以矩量法为基础,将自适应交叉近似算法应用于远场组阻抗矩阵的低秩压缩计算,并且结合等效偶极子法加速抽取阻抗矩阵元素的填充。与传统矩量法相比,计算时间和内存消耗都得到了有效缩减,数值结果证明了该方法的精确性和有效性。

MLSSM算法实现网格离散复杂目标的优化设计

为改进三维大尺寸复杂物体电磁建模精确求解的效率,采用了自适应交叉算法(ACA)基础上的多层简易矩阵稀疏算法(MLSSM)改进的方式,通过算法的理论及实现过程分析在实验验证中表明:应用的改进ACA算法计算效率比矩量法逐点计算显著提高;改进的MLSSM的内存需求减少了一半左右,矩阵构造过程速度有了明显提高;改进的MLSSM降低了计算复杂度,迭代求解过程速度有了明显提高。从算法对比结果可以看出,改进的MLSSM在降低计算复杂度方面占据优势,在分析半空间上大目标复杂物体优势明显。这一研究对复杂物体的电磁建模优化具有一定的理论和应用意义。

基于双层ACA算法快速求解单站RCS问题

利用积分方程法计算三维目标单站RCS时,需要逐个角度地进行矩阵方程的求解。为了提高计算效率,本文采用自适应交叉近似算法(ACA)对多角度照射时生成的激励矩阵进行低秩压缩,减少了矩阵方程的求解次数;进一步基于单站角度上的分组方式提出了双层ACA算法,该算法对内存占用极小,提高了算法的并行性,而且更有效地实现了激励矩阵的降秩;最后结合多层快速多极子算法(MLFMA)实现电大尺寸目标的快速求解。数值计算结果表明,该算法能大幅减少大宽角条件下的单站RCS计算时间,具有较高的计算精度和计算效率。

基于RACA算法快速计算导体RCS

针对传统矩量法庞大的求逆运算、超长的计算时间等问题,提出了一种研究电磁散射特性的新思路.该方法首先应用自适应交叉近似算法求解阻抗矩阵,再利用奇异值分解方法进一步压缩此阻抗矩阵,从而加快矩阵运算并节省存储量,数值计算结果表明该方法精确、有效.

混合WPD和ACPSO的负荷预测模型

为了解决传统BP神经网络对负荷高频分量预测精度不高、泛化能力弱的缺点以及粒子群算法(PSO)在解决高维、多模复杂问题时容易陷入局部最优的问题,提出了一种混合小波包变换和自适应交叉粒子群算法(ACPSO)优化神经网络的短期负荷预测新方法。通过小波包变换对负荷样本进行多层序列分解,对单支重构所得的负荷子序列采用自适应交叉粒子群算法优化的神经网络进行预测。最后叠加各子序列的预测值,得出实际预测结果。通过实际电网负荷预测表明,新模型能充分掌握负荷波动的变化规律,有效提高负荷波动大的地区的预测精度,且预测模型具有较强泛化能力。

应用快速偶极子法与RACA法快速求解导体目标RCS

文章将快速偶极子法(fast dipole method,FDM)结合再压缩自适应交叉近似(recompressed adaptive cross approximation,RACA)算法应用于导体目标雷达散射截面(radar cross section,RCS)的计算。快速偶极子法是在等效偶极子法的基础上,将远场组相互作用的偶极子之间的距离通过泰勒级数展开,实现矩阵向量积的快速计算。为了进一步加快近场组互阻抗元素的填充,采用RACA算法对阻抗矩阵进行进一步压缩。与传统FDM相比,计算时间和内存得到了有效缩减,数值结果证明了该方法的有效性和精确性。