微波无源电路仿真技术（07）

电子科技大学 贾宝富 博士 微波无源电路仿真技术 参数扫描、优化、稳定 性 分析 定性数据统计分析pdf销售业绩分析模板建筑结构震害分析销售进度分析表京东商城竞争战略分析 入门 HFSS中的Optimetrics模块  HFSS中的 Optimetrics模块包 含参数化、优化灵敏 度分析工具和稳定性 分析模块 ；  Optimetrics允许全 部参数或多变量优化 分析。 • Optimetrics 给我们提供了：  定义可变的模型参数  设置一个表特别控制重复计算  识别性能指标使其最优化  在优化模型（或非优化模型）中完成灵敏度分析和稳定性分析。 Optimetrics 能做什么？  在构建模型阶段参数化  几何形状 （尺寸、形状、取向、数量……）  材料（无耗、复数、各向异性……）  边界（阻抗/电导率边界、联系边界扫掠角、对称/或模型 盒……）  解设定  一旦你的模型已经参数化 ，优化能够在广泛地成本函数和目 标的范围内被完成  电路参数  天线模式  发射  推出的场分量  ……如果你能后处理他，他就能被优化！！ 仿真模型参数化  所有需要做参数扫 描或优化的仿真模 型都需要对变量参 数化。 L2 L1 L1 R_inner0 R_inner1 R_outer 参数扫描（Parameter Sweep） 参扫目的：端口外半径固定，确定50欧 姆同轴线内半径。 添加参数扫描  添加扫描变量 设置解算 计算结果 0 50 _ 0 0.21 Z r inner mm = Ω ≈ 显示计算结果 优化（Optimization） HFSS 12.0 的优化器  在HFSS优化分析中有种优化器可供选择。  连续非线性规划（Sequential Nonlinear Programming (SNLP)）；  连续和整数非线性规划（Sequential Mixed Integer NonLinear Programming (SMINLP) ）；  准牛顿（Quasi Newton ）；  模式搜索（Pattern Search ）；  遗传算法（Genetic Algorithm ）；  在多数情况下，推荐使用连续非线性规划（ Sequential Nonlinear Programming ）优化器 。 优化变量初值的选择  优化自变量的初值应尽量接近最优值；  优化自变量的选择，首先应保证期望的最优自变量值是在指定的 自变量范围之内。自变量的范围越窄越好；  需要设置最大优化迭代次数；  所有的优化器都可以对自变量添加约束。SNLP 和 SMINLP 优化 器的约束条件可以是线性的也可以是非线性的。Quasi Newton 和 Pattern Search 优化器的约束条件必须是线性的。 准牛顿法的局限性  准牛顿法获得最优点 与初值有关。  数字噪声大时，不能 使用准牛顿法 模式搜索法最大步长和最小步长变量控制  模式搜索法的最大步长设置：  在上面一节，我们已经讨论了模式搜索算法。如前所述 ，这个算法使用常规网格。对每个优化变量网格的初始 间隔由最大步长参数确定。  模式搜索法的最大步长设置：  和准牛顿搜索的情况一样，这个参数触发搜索停止。随 着叠代接近最佳值，模式搜索算法自然地细分网格。当 网格被细分到网格间隔小于最小设定步长时，算法停止 更进一步的搜索。 非线性规划  具有非线性约束条件或目标函数的数学规划，是运筹学的 一个重要分支。非线性规划研究一个 n元实函数在一组等 式或不等式的约束条件下的极值问题，且目标函数和约束 条件至少有一个是未知量的非线性函数。目标函数和约束 条件都是线性函数的情形则属于线性规划。  非线性规划是20世纪50年代才开始形成的一门新兴学科 。1951年H.W.库恩和A.W.塔克发表的关于最优性条件(后 来称为库恩－塔克条件)的论文是非线性规划正式诞生的 一个重要标志。在50年代还得出了可分离规划和二次规划 的n种解法,它们大都是以G.B.丹齐克提出的解线性规划的 单纯形法为基础的。50年代末到60年代末出现了许多解 非线性规划问题的有效的算法，70年代又得到进一步的发 展。非线性规划在工程、管理、经济、科研、军事等方面 都有广泛的应用，为最优设计提供了有力的工具。 数学模型  对实际规划问题作定量分析，必须建立数学模型。建立数学模型首先 要选定适当的目标变量和决策变量，并建立起目标变量与决策变量之 间的函数关系,称之为目标函数。然后将各种限制条件加以抽象,得出 决策变量应满足的一些等式或不等式，称之为约束条件。非线性规划 问题的一般数学模型可表述为求未知量x1，x2，…，xn，使满足约束 条件：  gi(x1，…，xn)≥0 i＝1,…,m  hj(x1，…，xn)＝0 j＝1,…,p  并使目标函数f(x1，…,xn)达到最小值(或最大值)。其中f，诸gi和 诸hj都是定义在n维向量空间Rn的某子集D(定义域)上的实值函数,且 至少有一个是非线性函数。 遗传算法  遗传算法（Genetic Algorithm）是模拟达尔文 生物进化论的自然选择和遗传学机理的生物进化 过程的计算模型，是一种通过模拟自然进化过程 搜索最优解的 方法 快递客服问题件处理详细方法山木方法pdf计算方法pdf华与华方法下载八字理论方法下载 ，它最初由美国Michigan大学 J.Holland教授于1975年首先提出来的，并出版 了颇有影响的专著《Adaptation in Natural and Artificial Systems》，GA这个名称才逐渐为人所 知，J.Holland教授所提出的GA通常为简单遗传 算法（SGA）。 遗传算法定义  遗传算法是从代表问题可能潜在的解集的一个种群（ population）开始的，而一个种群则由经过基因（ gene）编码的一定数目的个体(individual)组成。每个 个体实际上是染色体(chromosome)带有特征的实体。 染色体作为遗传物质的主要载体，即多个基因的集合， 其内部表现（即基因型）是某种基因组合，它决定了个 体的形状的外部表现，如黑头发的特征是由染色体中控 制这一特征的某种基因组合决定的。因此，在一开始需 要实现从表现型到基因型的映射即编码工作。由于仿照 基因编码的工作很复杂，我们往往进行简化，如二进制 编码，初代种群产生之后，按照适者生存和优胜劣汰的 原理，逐代（generation）演化产生出越来越好的近 似解，在每一代，根据问题域中个体的适应度（fitness ）大小选择（selection）个体，并借助于自然遗传学 的遗传算子（genetic operators）进行组合交叉（ crossover）和变异（mutation），产生出代表新的解 集的种群。这个过程将导致种群像自然进化一样的后生 代种群比前代更加适应于环境，末代种群中的最优个体 经过解码（decoding），可以作为问题近似最优解。 优化Ⅰ： |(re(Z0))| ~= 50 Ohms 指定优化变量 设置优化器和优化目标 优化结果 优化 II: |S11|<=.01 at 20 GHz 优化 II: |S11|<=.01 at 20 GHz 优化 II: |S11|<=.01 at 20 GHz L2的设计灵敏度 灵敏度分析设置Ⅰ:设置自变量 灵敏度分析设置Ⅱ:设置迭代次数 灵敏度分析结果 灵敏度分析 tol tol tol tol 最坏 最好 设计 1 设计 2 设计变量 C os t 设计变量 C os t 取决于L2 的稳定性分析 稳定度分析设置Ⅰ：设置自变量 稳定度分析设置Ⅱ：设置分析 稳定性分析结果 空气盒 介质板 微带滤波器 对称面 端口 1 端口2 例 1: 参变量研究 微带低通滤波器 S21 被自动提取 出来，研究介质 如何影响滤波器 响应。  设计变量  过孔1半径 d1  过孔1半径 d2  谐振器长度 l1  谐振器长度 l2 例 2: OptimetricsTM 微波带通滤波器 l1 l1l2 d 1 d 1d2 d2 w 演示者 演示文稿备注 This next example of Optimetrics™ is a microstrip filter with four cylindrical posts. In the model shown in the figure, symmetry has been used to speed up the simulation. This filter was designed and published in an attempt to meet a design goal of 8 GHz to 9GHz passband with less than 1 db ripple. Using traditional filter design techniques, the authors designed, fabricated, tested and published a filter with a 7.6 GHz to 9 GHz passband and a 1.5 db ripple. This is a four-parameter optimization problem; the parameters are (1) the diameter of the end posts, (2) the diameter of the center posts, (3) the spacing between the end and center posts, and (4) the spacing between the center posts. 幻灯片编号 1 HFSS中的Optimetrics模块 Optimetrics 能做什么？ 仿真模型参数化 参数扫描（Parameter Sweep） 添加参数扫描 设置解算 计算结果 显示计算结果 优化（Optimization） HFSS 12.0 的优化器 优化变量初值的选择 准牛顿法的局限性 模式搜索法最大步长和最小步长变量控制 非线性规划 数学模型 遗传算法 遗传算法定义 优化Ⅰ： |(re(Z0))| ~= 50 Ohms 指定优化变量 设置优化器和优化目标 优化结果 优化 II: |S11|<=.01 at 20 GHz 优化 II: |S11|<=.01 at 20 GHz 优化 II: |S11|<=.01 at 20 GHz L2的设计灵敏度 灵敏度分析设置Ⅰ:设置自变量 灵敏度分析设置Ⅱ:设置迭代次数 灵敏度分析结果 灵敏度分析 取决于L2 的稳定性分析 稳定度分析设置Ⅰ：设置自变量 稳定度分析设置Ⅱ：设置分析 稳定性分析结果 例 1: 参变量研究�微带低通滤波器 例 2: OptimetricsTM �微波带通滤波器