(19)中华 人民共和国 国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202110591365.6 (22)申请日 2021.05.28 (71)申请人 哈尔滨工业大 学 地址 150001 黑龙江省哈尔滨市南岗区西 大直街92号 (72)发明人 朱嘉琦　宋梓诚　杨磊　闵萍萍　 张锐聪　张智博　 (74)专利代理 机构 哈尔滨市阳光惠远知识产权 代理有限公司 2321 1 代理人 刘景祥 (51)Int.Cl. G06F 30/27(2020.01) G06N 3/04(2006.01) G06N 3/08(2006.01) G06N 3/12(2006.01)H01Q 15/00(2006.01) H01Q 17/00(2006.01) G06F 111/06(2020.01) (54)发明名称 一种基于多目标遗传算法的宽频透明吸波 体的设计优化系统及其设计方法 (57)摘要 本发明公开了一种基于多目标遗传算法的 宽频透明吸波体的设计优化系统及其设计方法。 所述多目标遗传算法模块调用其他模块实现透 明吸波体的快速设计； 所述电磁仿真软件模块计 算初代种群的真实值； 所述神经网络回归模块计 算同类型参数的真实值； 所述数据库模块存储所 有利用电磁仿真软件模块仿真获得的真实值。 用 以解决对于多个目标同时优化获得各个参数均 衡优化结果的问题。 权利要求书2页 说明书6页 附图6页 CN 114186470 A 2022.03.15 CN 114186470 A 1.一种基于多目标遗传算法的宽频透明吸波体的设计优化系统， 其特征在于， 所述设 计优化系统包括多目标遗传算法模块、 电磁仿真软件模块、 神经网络回归模块和数据库模 块； 所述多目标遗传算法模块调用其 他模块实现透明吸波体的快速设计； 所述电磁仿真软件 模块计算初代种群的性能； 所述神经网络回归 模块预测同类型种群的目标函数值； 所述数据库模块存 储所有利用电磁仿真软件 模块仿真获得的真实值。 2.利用权利要求1所述一种基于多目标遗传算法的宽频透明吸波体的设计优化系统的 设计方法， 其特 征在于， 所述设计优化方法包括以下步骤： 步骤1： 利用多目标遗传算法模块建立吸波体种群； 步骤2： 计算步骤1或者步骤3的吸波体种群的性能， 若数据库模块中有相同个体结果则 进行步骤4， 若满足神经网络模块对前一代预测准确率高于60％则随机部分个体进行步骤 5， 其余个体进 行步骤6， 若以上两者 都不满足则进 行步骤6， 并将利用步骤6获得的结果输入 数据库模块； 步骤3： 判断步骤2计算的性能是否满足要求， 若满足要求则停止优化并输出最优化吸 波体； 若不满足要求则生成新的种群 个体， 重复步骤2 步骤4： 调用数据库模块内的真实值； 步骤5： 调用神经网络回归 模块预测个 体性能； 步骤6： 调用电磁仿真软件 模块计算个 体性能。 3.根据权利要求2所述一种基于多目标遗传算法的宽频透明吸波体的设计优化系统的 设计方法， 其特征在于， 所述步骤1的多目标遗传算法能取得多个评价指标的帕累托最优 解， 利用取 得的多个评价指标的帕累托 最优解来评估吸波体种群的性能。 4.根据权利要求2所述一种基于多目标遗传算法的宽频透明吸波体的设计优化系统的 设计方法， 其特征在于， 所述步骤1的建立吸波体种群分为建立初代种群与生成子代种群； 所述初代种群是通过随机生成的参数建立的； 所述子代种群是依据前代种群评估的结果， 利用非支配的排序值和拥挤度、 选择、 交叉和变异操作生成的。 5.根据权利要求2所述一种基于多目标遗传算法的宽频透明吸波体的设计优化系统的 设计方法， 其特征在于， 所述步骤6电磁仿 真软件模型， 计算初代种群的真实值， 并计算部 分 子代种群的真实值。 6.根据权利要求2所述一种基于多目标遗传算法的宽频透明吸波体的设计优化系统的 设计方法， 其特征在于， 所述步骤6中电磁仿 真软件模型计算具体为， 定义吸收率大于0.9或 0.95的频率范围对应的相对带宽为电磁仿真软件 模型的计算范围； 吸收率的公式定义 为： A＝1‑|S11|2‑|S21|2 其中S11为反射率， S21为透过率； 相对带宽公式定义 为： ffoc＝2×(fH‑fL)/(fH+fL) 其中ffoc代表相对带宽， fH代表吸收率大于0.9的整个频段的最 高频率， fL代表吸收率 大于0.9的整个频 段的最低频率。权　利　要　求　书 1/2 页 2 CN 114186470 A 27.根据权利要求2所述一种基于多目标遗传算法的宽频透明吸波体的设计优化系统的 设计方法， 其特征在于， 所述步骤5的神经网络回归模块学习 数据库中的数据， 建立起参数 与结果的关系， 并计算子代种群的真实值； 在决定第n代是否利用神经网络评估且n＞3， 需要用数据库模块中的原始数据以及前 n‑2代的真实值数据， 来预测n ‑1代的准确率； 当n ‑1代的准确率大于60％， 则第n代的随机 50％个体用 神经网络预测， 其余利用电磁仿真软件模块计算； 其中准确率＝1 ‑|预测值‑真 实值|/真实值。 8.根据权利要求2所述一种基于多目标遗传算法的宽频透明吸波体的设计优化系统的 设计方法， 其特征在于， 所述神经网络回归模块计算具体为， 神经网络回归表达为函数 ffoc&Thickness＝ANN(Par)， 由于建立了输入参数与吸收相对带宽和厚度的关系， 所以输 入新的参数进入关系式获得参数对应相对带宽的预测 值； 采用多层全连接神经网络； 输入 层包括所有参数， 输出层有相对带宽和厚度。 9.根据权利要求2所述一种基于多目标遗传算法的宽频透明吸波体的设计优化系统的 设计方法， 其特征在于， 所述步骤6的数据库模块内存储了电磁仿 真软件训练的真实值及大 量每一代种群性能。权　利　要　求　书 2/2 页 3 CN 114186470 A 3