杜志強(qiáng)，劉 法，周金柱，林強(qiáng)強(qiáng)，董曉冬

（1.西安電子科技大學(xué)高性能電子裝備機(jī)電集成制造全國(guó)重點(diǎn)實(shí)驗(yàn)室，陜西 西安 710071；2.中國(guó)電子科技集團(tuán)公司第十研究所，四川 成都 610036）

引 言

微波濾波器是通信系統(tǒng)中重要的選頻裝置，用于抑制干擾信號(hào)和諧波信號(hào)。對(duì)濾波器而言，設(shè)計(jì)和制造是關(guān)鍵步驟。目前，濾波器設(shè)計(jì)理論已經(jīng)基本成熟，但制造階段存在很多問(wèn)題。由于制造精度低、裝配誤差等原因，直接制造出的濾波器通常不滿(mǎn)足電性能要求，因此，在設(shè)計(jì)階段會(huì)加入調(diào)諧元件，通過(guò)調(diào)試調(diào)諧元件彌補(bǔ)制造階段產(chǎn)生的誤差。

為了彌補(bǔ)誤差，往往需要對(duì)濾波器的調(diào)諧元件進(jìn)行人工調(diào)試，使濾波器滿(mǎn)足設(shè)計(jì)指標(biāo)。人工調(diào)試LC濾波器（電感電容濾波器）的過(guò)程，實(shí)際上是對(duì)電感這一調(diào)諧元件的優(yōu)化過(guò)程。大多數(shù)情況下，整個(gè)調(diào)試過(guò)程伴隨著多次試錯(cuò)，不僅耗費(fèi)時(shí)間，而且多次裝調(diào)會(huì)對(duì)濾波器電感的焊點(diǎn)造成損傷，從而導(dǎo)致LC濾波器報(bào)廢，因此實(shí)現(xiàn)LC濾波器的有效演進(jìn)與快速智能裝調(diào)具有重要意義。另外，濾波器的設(shè)計(jì)、制造階段信息不互通，數(shù)據(jù)割裂，當(dāng)濾波器出現(xiàn)問(wèn)題時(shí)，制造到設(shè)計(jì)的故障反饋?lái)憫?yīng)周期長(zhǎng)，而且設(shè)計(jì)制造周期的數(shù)據(jù)無(wú)法得到有效利用。這些因素降低了濾波器設(shè)計(jì)制造迭代效率，導(dǎo)致濾波器設(shè)計(jì)制造周期過(guò)長(zhǎng)。隨著通信產(chǎn)業(yè)的快速發(fā)展，對(duì)微波濾波器設(shè)計(jì)制造周期的要求也越來(lái)越高。

設(shè)計(jì)制造周期的流程以及經(jīng)驗(yàn)數(shù)據(jù)是研發(fā)周期知識(shí)的重要組成部分。當(dāng)研發(fā)周期結(jié)束后，應(yīng)對(duì)相關(guān)設(shè)計(jì)制造周期數(shù)據(jù)進(jìn)行進(jìn)一步的整理，建立相關(guān)數(shù)據(jù)庫(kù)，實(shí)現(xiàn)設(shè)計(jì)制造周期數(shù)據(jù)的關(guān)聯(lián)、互通和利用。目前，為了解決數(shù)據(jù)規(guī)范化存儲(chǔ)的問(wèn)題，知識(shí)圖譜技術(shù)被廣泛應(yīng)用于信息智能搜索領(lǐng)域[1]。通過(guò)關(guān)鍵詞匹配技術(shù)進(jìn)行知識(shí)庫(kù)匹配能夠快速獲取用戶(hù)所需知識(shí)，通過(guò)建立知識(shí)圖譜數(shù)據(jù)庫(kù)能夠?qū)崿F(xiàn)數(shù)據(jù)關(guān)聯(lián)以及數(shù)據(jù)的有效管理和利用，縮短產(chǎn)品的設(shè)計(jì)制造周期，提高設(shè)計(jì)制造周期迭代效率，增強(qiáng)設(shè)計(jì)與制造的協(xié)同。

隨著數(shù)據(jù)方法的發(fā)展，許多數(shù)理統(tǒng)計(jì)方法在工程中得到應(yīng)用。這些方法能夠充分利用設(shè)計(jì)制造周期的數(shù)據(jù)，避免物理模型依賴(lài)，并且計(jì)算速度快、適用于具有非線(xiàn)性映射關(guān)系的問(wèn)題，但是缺乏可解釋性，而且過(guò)于依賴(lài)數(shù)據(jù)的質(zhì)量。物理方法的可解釋性強(qiáng)，不依賴(lài)數(shù)據(jù)可靠性且應(yīng)用場(chǎng)景更加豐富。因此，將機(jī)理數(shù)據(jù)進(jìn)行融合建模，能夠?qū)崿F(xiàn)數(shù)據(jù)方法與物理方法優(yōu)缺點(diǎn)互補(bǔ)，既能夠有效利用歷史數(shù)據(jù)，又具有可解釋性，該方法已經(jīng)應(yīng)用于多個(gè)領(lǐng)域[2]。

本文提出了一種微波濾波器裝調(diào)融合建模與反演方法，利用知識(shí)圖譜將微波濾波器的數(shù)據(jù)與機(jī)理進(jìn)行規(guī)范化存儲(chǔ)，利用機(jī)理數(shù)據(jù)融合建模的方法構(gòu)建微波濾波器正向演進(jìn)模型，基于正向演進(jìn)模型，結(jié)合漸進(jìn)空間映射算法，構(gòu)建微波濾波器快速裝調(diào)反演模型，從而實(shí)現(xiàn)微波濾波器的性能演進(jìn)與裝調(diào)反演。演進(jìn)與反演實(shí)驗(yàn)驗(yàn)證了該方法的有效性。

1 知識(shí)圖譜構(gòu)建

知識(shí)圖譜的構(gòu)建可分為自頂向下（Top-down）和自底向上（Bottom-up）兩種方式。自頂向下的方法先構(gòu)建本體，然后根據(jù)本體進(jìn)行實(shí)體和關(guān)系的抽??；自底向上的方法先進(jìn)行實(shí)體和關(guān)系的抽取，然后根據(jù)抽取結(jié)果歸納聚類(lèi)，抽象出本體[3]。LC濾波器的設(shè)計(jì)制造周期數(shù)據(jù)主要來(lái)自濾波器的設(shè)計(jì)文檔、制造過(guò)程記錄以及診斷維護(hù)記錄，通常為明確的微波領(lǐng)域?qū)I(yè)知識(shí)，因此本文使用自頂向下的方式構(gòu)建知識(shí)圖譜。構(gòu)建本體包括規(guī)定實(shí)體類(lèi)型、規(guī)定關(guān)系類(lèi)型和規(guī)定關(guān)系類(lèi)型的頭尾實(shí)體類(lèi)型，從而為知識(shí)三元組提供規(guī)范。

為了實(shí)現(xiàn)微波濾波器設(shè)計(jì)制造周期數(shù)據(jù)的相互關(guān)聯(lián)，首先將設(shè)計(jì)制造周期數(shù)據(jù)分為設(shè)計(jì)數(shù)據(jù)、制造數(shù)據(jù)、診斷記錄、調(diào)測(cè)數(shù)據(jù)以及基于機(jī)理數(shù)據(jù)計(jì)算出的結(jié)果。通過(guò)關(guān)系將頭尾實(shí)體連為一對(duì)三元組，一對(duì)知識(shí)三元組是一對(duì)相互關(guān)聯(lián)的數(shù)據(jù)，機(jī)理數(shù)據(jù)融合建模流程如圖1所示。

圖1 機(jī)理數(shù)據(jù)融合建模流程

實(shí)體類(lèi)型包括濾波器、理想中心頻率、理想帶寬、理想插入損耗、理想回波損耗、理想帶外抑制、階數(shù)、耦合方式、生產(chǎn)日期、形狀尺寸、理想耦合系數(shù)、設(shè)計(jì)師、電容、電感、調(diào)測(cè)編號(hào)、調(diào)諧元件物理尺寸、散射參數(shù)、中心頻率、帶寬、插入損耗、回波損耗、帶外抑制、故障描述、元件調(diào)整量、耦合系數(shù)、故障位號(hào)、預(yù)測(cè)耦合系數(shù)和預(yù)測(cè)散射參數(shù)。關(guān)系類(lèi)型包括設(shè)計(jì)信息、制造信息、故障信息、調(diào)測(cè)信息、性能、解決方案、計(jì)算方法和預(yù)測(cè)。頭尾實(shí)體和關(guān)系類(lèi)型三元組如表1所示。計(jì)算方法為機(jī)理公式，〈頭實(shí)體，計(jì)算方法，尾實(shí)體〉三元組的含義為：頭實(shí)體通過(guò)機(jī)理公式計(jì)算得到相應(yīng)的尾實(shí)體。

表1 頭尾實(shí)體和關(guān)系類(lèi)型三元組

微波濾波器知識(shí)圖譜本體構(gòu)建的節(jié)點(diǎn)結(jié)構(gòu)如圖2所示。讀取相應(yīng)的結(jié)構(gòu)化文件就可以得到微波濾波器的知識(shí)圖譜，從而實(shí)現(xiàn)數(shù)據(jù)關(guān)聯(lián)、有效管理以及可視化表征。

圖2 微波濾波器知識(shí)圖譜本體構(gòu)建

2 融合演進(jìn)

為了挖掘更多的有效信息，本文利用機(jī)理數(shù)據(jù)融合建模的方法構(gòu)建微波濾波器正向演進(jìn)模型，實(shí)現(xiàn)LC濾波器由調(diào)諧元件物理尺寸到電性能的演進(jìn)。

2.1 構(gòu)建演進(jìn)模型

根據(jù)微波濾波器的階數(shù)、中心頻率、帶寬和回波損耗，通過(guò)濾波函數(shù)能夠得到理想散射參數(shù)，代入下文所述的耦合矩陣提取方法，可以得到濾波器的理想耦合矩陣M0，通過(guò)仿真設(shè)計(jì)軟件優(yōu)化得到理想元件物理尺寸x0。實(shí)際調(diào)諧元件物理尺寸為xf時(shí)，相應(yīng)的耦合矩陣為M，此時(shí)LC濾波器的電性能不能滿(mǎn)足設(shè)計(jì)指標(biāo)。設(shè)存在映射關(guān)系：M=F(xf)[4]。

根據(jù)濾波器的耦合矩陣綜合理論[5]，濾波器的廣義耦合矩陣一般表示為：

式中：mij=mji，非零元素mij表示諧振器i和諧振器j之間的耦合系數(shù)；mii表示諧振器i的自耦合系數(shù)；下標(biāo)S表示源，下標(biāo)L表示輸出負(fù)載，mSj表示源與諧振器j之間的耦合系數(shù)，mLj表示輸出負(fù)載與諧振器j之間的耦合系數(shù)。

通過(guò)耦合矩陣能夠計(jì)算出散射參數(shù)響應(yīng)[5]，耦合矩陣M與濾波器的電性能之間存在如下關(guān)系：

式中：S21(f)和S11(f)分別表示濾波器的傳輸系數(shù)和反射系數(shù)，它們是濾波器頻率f的函數(shù)；M表示耦合矩陣；I是單位矩陣；W表示濾波器的帶寬；f0表示濾波器的中心頻率；在阻抗矩陣R中，除了R11=R1，其他元素均為0，Qi表示第i個(gè)腔體的無(wú)載品質(zhì)因數(shù)，R1和R2分別為源阻抗和負(fù)載阻抗。

通過(guò)神經(jīng)網(wǎng)絡(luò)模型與濾波器機(jī)理公式的結(jié)合構(gòu)建LC濾波器電性能的融合演進(jìn)模型，模型如圖3所示。

圖3 演進(jìn)模型示意圖

該模型將神經(jīng)網(wǎng)絡(luò)與機(jī)理進(jìn)行連接，神經(jīng)網(wǎng)絡(luò)建立LC濾波器電感長(zhǎng)度xf= [x1,···,xn]與該電感長(zhǎng)度對(duì)應(yīng)耦合系數(shù)y= [y1,···,yp]的映射，根據(jù)輸入電感長(zhǎng)度與輸出耦合系數(shù)建立反向傳播（Back Propagation, BP）神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)，根據(jù)輸入電感長(zhǎng)度的個(gè)數(shù)和輸出耦合系數(shù)的個(gè)數(shù)以及樣本個(gè)數(shù)合理設(shè)定隱藏層節(jié)點(diǎn)個(gè)數(shù)。按照誤差BP算法訓(xùn)練多層前饋神經(jīng)網(wǎng)絡(luò)，訓(xùn)練過(guò)程分為兩個(gè)步驟：1）數(shù)據(jù)正向傳播，從輸入層開(kāi)始傳遞，經(jīng)過(guò)隱藏層最終到達(dá)輸出層，并計(jì)算誤差；2）誤差反向傳播，從輸出層開(kāi)始傳遞，經(jīng)過(guò)隱藏層最終到達(dá)輸入層，根據(jù)鏈?zhǔn)椒▌t依次調(diào)節(jié)每?jī)蓪又g的權(quán)重和偏置，從而最終確定神經(jīng)網(wǎng)絡(luò)的權(quán)重和偏置。最后將未經(jīng)訓(xùn)練的數(shù)據(jù)集輸入到神經(jīng)網(wǎng)絡(luò)中，得到預(yù)測(cè)輸出，判斷預(yù)測(cè)輸出與實(shí)際輸出的誤差，從而判斷該神經(jīng)網(wǎng)絡(luò)的有效性。最后，由該預(yù)測(cè)耦合系數(shù)組成的耦合矩陣通過(guò)公式（2）得到預(yù)測(cè)電性能S。

為了獲取用于神經(jīng)網(wǎng)絡(luò)訓(xùn)練的電感長(zhǎng)度和散射參數(shù)訓(xùn)練集，本文通過(guò)實(shí)驗(yàn)對(duì)LC濾波器的電感進(jìn)行了100次隨機(jī)調(diào)試，使用3D激光輪廓儀和矢量網(wǎng)絡(luò)分析儀分別采集每次調(diào)試后的電感長(zhǎng)度和散射參數(shù)，生成100組數(shù)據(jù)。為了獲取耦合系數(shù)，本文采用基于模型的矢量擬合法進(jìn)行參數(shù)提取。文獻(xiàn)[6]提出了一種簡(jiǎn)單有效的方法，通過(guò)矢量擬合從S參數(shù)數(shù)據(jù)中移除端口與傳輸線(xiàn)帶來(lái)的相位加載效應(yīng)，將移除相位加載效應(yīng)后的S參數(shù)轉(zhuǎn)換為導(dǎo)納參數(shù)Y，使用有理函數(shù)近似的方法提取耦合系數(shù)。具體方法是增加多個(gè)額外的極點(diǎn)與零點(diǎn)，擬合反射參數(shù)S11和S22。在復(fù)平面中，大部分零點(diǎn)與極點(diǎn)都集中在原點(diǎn)周?chē)?，少?shù)遠(yuǎn)離原點(diǎn)。諧振器對(duì)諧振頻率附近的電性能有顯著影響，遠(yuǎn)處的零點(diǎn)與極點(diǎn)是傳輸線(xiàn)和負(fù)載影響的結(jié)果，將遠(yuǎn)處的零點(diǎn)與極點(diǎn)移除實(shí)現(xiàn)相位加載效應(yīng)的移除[7]。移除相位加載的結(jié)果如圖4所示，隨著頻率遠(yuǎn)離坐標(biāo)原點(diǎn)，相位趨于0，移除了端口與傳輸線(xiàn)對(duì)相位的影響，相位加載效應(yīng)得到明顯改善。改善后散射參數(shù)S11和S22的零點(diǎn)與極點(diǎn)如表2所示，零點(diǎn)與極點(diǎn)均在復(fù)平面原點(diǎn)附近。

表2 改善后散射參數(shù)的零點(diǎn)與極點(diǎn)

圖4 移除相位加載前后對(duì)比

將移除相位加載的S參數(shù)轉(zhuǎn)換為Y參數(shù)，可使用矢量擬合算法擬合Y參數(shù)。根據(jù)Y參數(shù)求解有理函數(shù)的極點(diǎn)和留數(shù)，根據(jù)耦合矩陣綜合理論[5]求解耦合系數(shù)，由耦合系數(shù)組成耦合矩陣。求解方程如下：

式中：K∞是與有限傳輸零點(diǎn)個(gè)數(shù)有關(guān)的因子；λk為導(dǎo)納參數(shù)的極點(diǎn)；s=jω，ω為頻率；r11k，r12k，r21k和r22k分別為對(duì)應(yīng)導(dǎo)納參數(shù)的留數(shù)；N表示濾波器的階數(shù)。

通過(guò)耦合矩陣旋轉(zhuǎn)方法[5]，得到符合LC濾波器拓?fù)浣Y(jié)構(gòu)的耦合矩陣。

提取的耦合矩陣如圖5所示。為了驗(yàn)證耦合矩陣提取方法的準(zhǔn)確性，將提取耦合矩陣對(duì)應(yīng)的S參數(shù)與原始S參數(shù)進(jìn)行對(duì)比，如圖6所示，提取耦合矩陣對(duì)應(yīng)的S參數(shù)能夠完全擬合原始S參數(shù)。

圖5 提取的耦合矩陣

圖6 提取耦合矩陣對(duì)應(yīng)的S 參數(shù)

2.2 實(shí)驗(yàn)驗(yàn)證

本文實(shí)驗(yàn)所用的LC濾波器實(shí)物如圖7所示，設(shè)計(jì)指標(biāo)如下：

圖7 LC濾波器

1）中心頻率為118 MHz；

2）帶寬為20 MHz；

3）插入損耗<2 dB；

4）回波損耗>25 dB；

5）在偏離中心頻率30 MHz以外，抑制>30 dB。

通過(guò)建立前饋神經(jīng)網(wǎng)絡(luò)，進(jìn)行LC濾波器電性能預(yù)測(cè)。該網(wǎng)絡(luò)包含1個(gè)輸入層、3個(gè)隱藏層和1個(gè)輸出層[8–9]。輸入層包含4個(gè)節(jié)點(diǎn)，對(duì)應(yīng)于輸入電感長(zhǎng)度的4個(gè)特征。每個(gè)隱藏層都包含8個(gè)節(jié)點(diǎn)，分別使用ReLU、Sigmoid和Tanh作為隱藏層的激活函數(shù)，從而引入非線(xiàn)性變換。輸出層包含9個(gè)節(jié)點(diǎn)，對(duì)應(yīng)于輸出耦合系數(shù)的9個(gè)特征。通過(guò)BP算法和Adam優(yōu)化器進(jìn)行訓(xùn)練，網(wǎng)絡(luò)根據(jù)訓(xùn)練數(shù)據(jù)中輸入和輸出之間的差異來(lái)調(diào)整權(quán)重和偏置，以最小化損失函數(shù)（即均方誤差）。通過(guò)5 000次迭代訓(xùn)練，均方誤差降為2.030 6E-5。該BP神經(jīng)網(wǎng)絡(luò)具體參數(shù)如表3所示。

表3 BP神經(jīng)網(wǎng)絡(luò)參數(shù)

對(duì)演進(jìn)預(yù)測(cè)能力進(jìn)行驗(yàn)證，測(cè)試集合的電感長(zhǎng)度輸入如表4所示，該神經(jīng)網(wǎng)絡(luò)的預(yù)測(cè)耦合系數(shù)輸出如表5所示。3組電感長(zhǎng)度的測(cè)試結(jié)果如圖8所示。

表4 測(cè)試集合電感長(zhǎng)度

表5 預(yù)測(cè)耦合系數(shù)

圖8 電感長(zhǎng)度測(cè)試結(jié)果

通過(guò)公式（2）得到耦合矩陣對(duì)應(yīng)的散射參數(shù)響應(yīng)，最終演進(jìn)的3組電性能與實(shí)測(cè)電性能對(duì)比如圖9所示，散射參數(shù)曲線(xiàn)基本重合，具備良好的預(yù)測(cè)效果。

圖9 預(yù)測(cè)電性能與實(shí)際電性能對(duì)比

該性能演進(jìn)過(guò)程的知識(shí)圖譜示意圖如圖10所示。

圖10 性能演進(jìn)知識(shí)圖譜示意圖

3 裝調(diào)反演

3.1 電感長(zhǎng)度對(duì)耦合系數(shù)的影響

為了研究LC濾波器調(diào)諧元件即電感對(duì)濾波器耦合系數(shù)的影響，本文通過(guò)調(diào)試電感改變其物理長(zhǎng)度，得到相應(yīng)電性能對(duì)應(yīng)的耦合系數(shù)。如圖11所示，通過(guò)改變1號(hào)電感的電感長(zhǎng)度，得到耦合系數(shù)m11，m22，m33和m44的變化趨勢(shì)。

圖11 耦合系數(shù)和電感長(zhǎng)度變化關(guān)系

由圖11可知，改變調(diào)諧元件物理尺寸可以改變耦合系數(shù)，從而改變?yōu)V波器的電性能。隨著1號(hào)電感物理長(zhǎng)度的增加，對(duì)應(yīng)耦合系數(shù)m11呈減小趨勢(shì)，并且電感長(zhǎng)度與耦合系數(shù)m11的函數(shù)關(guān)系近似于線(xiàn)性關(guān)系。非相關(guān)耦合系數(shù)m22，m33和m44基本保持不變，不受1號(hào)電感長(zhǎng)度變化的影響。由此可知，LC濾波器上的每一個(gè)電感與耦合矩陣中對(duì)應(yīng)元素即耦合系數(shù)一一對(duì)應(yīng)，電感物理長(zhǎng)度的變化會(huì)導(dǎo)致對(duì)應(yīng)耦合系數(shù)的變化，且二者之間的函數(shù)關(guān)系近似于線(xiàn)性關(guān)系，因此建立耦合系數(shù)與電感長(zhǎng)度之間的映射關(guān)系。調(diào)整調(diào)諧元件物理尺寸可以恢復(fù)濾波器的理想耦合系數(shù)，使得基于耦合系數(shù)的反演得以實(shí)現(xiàn)。

3.2 構(gòu)建裝調(diào)反演模型

首先使用上述神經(jīng)網(wǎng)絡(luò)模型得出理想耦合系數(shù)對(duì)應(yīng)的物理尺寸，基于該物理尺寸對(duì)LC濾波器進(jìn)行粗調(diào)，將該物理尺寸作為初始長(zhǎng)度，利用漸進(jìn)空間映射法對(duì)LC濾波器進(jìn)行精調(diào)。

選定LC濾波器出廠(chǎng)時(shí)的電感長(zhǎng)度作為上述神經(jīng)網(wǎng)絡(luò)模型梯度優(yōu)化的初始值，目標(biāo)輸出為理想耦合系數(shù)，以預(yù)測(cè)輸出與目標(biāo)輸出的均方誤差作為損失，根據(jù)鏈?zhǔn)椒▌t求解損失對(duì)輸入的梯度，對(duì)輸入進(jìn)行梯度優(yōu)化迭代。學(xué)習(xí)率和迭代次數(shù)會(huì)影響模型的穩(wěn)定性和精度，經(jīng)過(guò)多次調(diào)整，確定學(xué)習(xí)率為0.01，迭代次數(shù)為30。將得到的優(yōu)化后的電感初始長(zhǎng)度作為漸進(jìn)空間映射法的初始電感長(zhǎng)度。

接著，基于漸進(jìn)空間映射法對(duì)LC濾波器進(jìn)行精調(diào)。漸進(jìn)空間映射法選取一個(gè)速度更快的粗糙模型替代LC濾波器的電性能響應(yīng)，該方法自提出以來(lái)，在微波領(lǐng)域得到了普遍應(yīng)用[10–11]?！熬?xì)模型”為L(zhǎng)C濾波器的全波模型，“粗糙模型”是通過(guò)耦合矩陣計(jì)算電性能響應(yīng)。漸進(jìn)空間映射法在LC濾波器調(diào)試中的應(yīng)用流程如圖12所示。

圖12 漸進(jìn)空間映射法應(yīng)用流程

3.3 實(shí)驗(yàn)驗(yàn)證

搭建實(shí)驗(yàn)環(huán)境，實(shí)現(xiàn)電性能測(cè)試以及電感長(zhǎng)度測(cè)試，實(shí)驗(yàn)環(huán)境如圖13所示。

圖13 測(cè)試儀器與設(shè)備

本文實(shí)驗(yàn)對(duì)象LC濾波器的理想電性能如圖14所示。利用上文提取方法，該濾波器的耦合系數(shù)如圖15所示。因此理想耦合系數(shù)= [1.222,1.130,0.822,1.130,1.222,0,0,0,0]，通過(guò)上文神經(jīng)網(wǎng)絡(luò)的梯度優(yōu)化求解得到初始電感長(zhǎng)度= [7 018.4,4 339.4,2 388.2,5 734.8]。

圖14 S 參數(shù)迭代變化

圖15 LC濾波器理想耦合系數(shù)

由圖11能夠得到耦合系數(shù)隨電感長(zhǎng)度的變化率，微小的電感長(zhǎng)度變化就能改變耦合系數(shù)。根據(jù)初始電感長(zhǎng)度裝調(diào)的濾波器已經(jīng)具有良好的電性能，因此物理尺寸變化量a的取值不宜過(guò)大，否則會(huì)導(dǎo)致電性能迅速惡化，本文取a=-100和ε= 0.02，應(yīng)用漸進(jìn)空間映射法。迭代過(guò)程中電感長(zhǎng)度的變化如圖16所示，得到的電感長(zhǎng)度迭代變化如表6所示，得到的耦合系數(shù)迭代變化如表7所示。

表6 迭代過(guò)程中電感長(zhǎng)度變化

表7 迭代過(guò)程中耦合系數(shù)變化

圖16 迭代過(guò)程電感長(zhǎng)度的變化

由反演結(jié)果分析可知，通過(guò)神經(jīng)網(wǎng)絡(luò)梯度優(yōu)化得到的初始電感長(zhǎng)度所對(duì)應(yīng)的散射參數(shù)已具備良好的電性能，再進(jìn)行兩次基于漸進(jìn)空間映射法的調(diào)試便可獲得非常接近理想性能的散射參數(shù)，能夠?qū)崿F(xiàn)LC濾波器的快速裝調(diào)反演。相比于人工經(jīng)驗(yàn)調(diào)試，該方法具有省時(shí)、省力的優(yōu)勢(shì)。反演過(guò)程的知識(shí)圖譜示意見(jiàn)圖17。

圖17 反演知識(shí)圖譜示意圖

4 結(jié)束語(yǔ)

本文提出了一種微波濾波器裝調(diào)融合建模與反演方法，根據(jù)微波濾波器設(shè)計(jì)制造周期數(shù)據(jù)與機(jī)理構(gòu)建知識(shí)圖譜；采用前饋神經(jīng)網(wǎng)絡(luò)與微波濾波器機(jī)理相結(jié)合的方式進(jìn)行融合建模，對(duì)濾波器散射參數(shù)進(jìn)行預(yù)測(cè)；基于正向演進(jìn)模型，結(jié)合漸進(jìn)空間映射算法，對(duì)微波濾波器進(jìn)行迭代裝調(diào)反演。實(shí)驗(yàn)結(jié)果表明：該方法能夠?qū)崿F(xiàn)LC濾波器設(shè)計(jì)制造數(shù)據(jù)的有效關(guān)聯(lián)和管理，能夠進(jìn)行可視化表征；實(shí)現(xiàn)了LC濾波器性能演進(jìn)的有效預(yù)測(cè)，預(yù)測(cè)散射參數(shù)與實(shí)際散射參數(shù)基本重合；通過(guò)兩次裝調(diào)便可實(shí)現(xiàn)LC濾波器故障性能的快速修復(fù)，相比于多次試錯(cuò)的人工調(diào)試，本文提出的裝調(diào)方法具有省時(shí)、省力、可靠的優(yōu)勢(shì)。該方法適用于微波濾波器設(shè)計(jì)制造周期數(shù)據(jù)的有效管理，能夠指導(dǎo)人工進(jìn)行微波濾波器裝調(diào)。將此方法應(yīng)用于微波濾波器的自動(dòng)化裝調(diào)可以極大地解放勞動(dòng)力。