張淑娥等

【摘要】 在工程實踐中，為了減少對腔體濾波器結(jié)構(gòu)參數(shù)設(shè)計的盲目性和對經(jīng)驗的依賴性，不斷提高設(shè)計效率，提出了一種基于遺傳神經(jīng)網(wǎng)絡(luò)的優(yōu)化設(shè)計方法。該方法采用浮點數(shù)編碼方式和自適應(yīng)的交叉率、變異率，將改進的遺傳算法用來優(yōu)化BP神經(jīng)網(wǎng)絡(luò)的權(quán)重，在MATLAB環(huán)境下調(diào)用HFSS實現(xiàn)腔體濾波器的優(yōu)化設(shè)計。仿真實驗表明，該算法能夠較精準的預(yù)測腔體濾波器的結(jié)構(gòu)參數(shù)，可提高設(shè)計精度及優(yōu)化速度。

【關(guān)鍵詞】 遺傳算法 BP神經(jīng)網(wǎng)絡(luò) 結(jié)構(gòu)參數(shù) 優(yōu)化

一、引 言

傳統(tǒng)的濾波器設(shè)計需要大量繁瑣計算和曲線查找，在商用電磁仿真軟件出現(xiàn)后，微波濾波器的設(shè)計得到了很大的改善，但是在實際操作中對經(jīng)驗依賴性還是很強。如何快速準確的設(shè)計出符合要求的濾波器，是傳統(tǒng)的濾波器設(shè)計方法和目前的商用電磁仿真軟件難以有效解決的。針對以上問題，本文將遺傳算法和BP神經(jīng)網(wǎng)絡(luò)結(jié)合[1]，在MATLAB環(huán)境下實現(xiàn)了對腔體濾波器結(jié)構(gòu)參數(shù)的設(shè)計。

二、遺傳神經(jīng)網(wǎng)絡(luò)優(yōu)化

BP神經(jīng)網(wǎng)絡(luò)尤其適用在有大量實驗數(shù)據(jù)，而數(shù)據(jù)間的內(nèi)在關(guān)系很難用明確的表達式的非線性系統(tǒng)中，但在實際應(yīng)用中神經(jīng)網(wǎng)絡(luò)存在學習時間長，容易陷入局部極小點等弊端。因為該算法從本質(zhì)上來說屬于局部尋優(yōu)算法，為此利用遺傳算法全局搜索能力強的特點，結(jié)合神經(jīng)網(wǎng)絡(luò)的局部尋優(yōu)能力，可以更好的實現(xiàn)對非線性系統(tǒng)的預(yù)測，其基本思想是通過遺傳算法得到更好的網(wǎng)絡(luò)初始權(quán)重。

2.1算法實現(xiàn)過程

遺傳神經(jīng)網(wǎng)絡(luò)分為BP神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)確定、遺傳算法優(yōu)化和BP神經(jīng)網(wǎng)絡(luò)預(yù)測3個部分。本文是以三腔體濾波器為例，將濾波器的頻率f和耦合系數(shù)c作為輸入向量

其次，使用改進的遺傳算法對網(wǎng)絡(luò)初始權(quán)重進行優(yōu)化，將初步得到的權(quán)重賦給尚未開始訓練的BP神經(jīng)網(wǎng)絡(luò)。然后，設(shè)置訓練參數(shù)，開始訓練網(wǎng)絡(luò)，將 90組數(shù)用于網(wǎng)絡(luò)訓練，10組作為測試樣本。最后將預(yù)測結(jié)果反歸一化，觀察得到的誤差值，其流程圖如圖1所示。

2.2 優(yōu)化結(jié)果

采用上述遺傳神經(jīng)網(wǎng)絡(luò)算法對腔體濾波器的結(jié)構(gòu)參數(shù)進行優(yōu)化，均方誤差為5.0972×10-5， 時間為1.056s；BP網(wǎng)絡(luò)的均方誤差為2.8871×10-4，時間為2.103s，可以看出遺傳神經(jīng)網(wǎng)絡(luò)優(yōu)化值更加精確，速度快。

三、結(jié)論

本文針對遺傳算法和神經(jīng)網(wǎng)絡(luò)的優(yōu)缺點，將遺傳算法與BP神經(jīng)網(wǎng)絡(luò)有機地結(jié)合在一起，應(yīng)用在腔體濾波器結(jié)構(gòu)參數(shù)的優(yōu)化中，優(yōu)化結(jié)果表明此方法可以在較短的時間內(nèi)達到精度范圍內(nèi)的優(yōu)化值，為腔體濾波器的結(jié)構(gòu)參數(shù)優(yōu)化設(shè)計提供了一種新方法。

system loading margin estimation.[J].Generation，Transmission&Distribution， IET. 2012，V6：1153-1163.

聯(lián)系方式：王雪 河北省保定市永華北大街619號 華北電力大學 071000。 15028200467 wtubage@163.com