[发明专利]一种基于神经网络快速预测吸波蜂窝材料S参数的方法

说明书

本发明属于电磁波吸收材料技术领域，具体为一种基于神经网络快速预测吸波蜂窝材料S参数的方法。本发明基于吸波蜂窝材料结构参数、吸波浆料电磁参数以及芳纶纸介电常数到S参数的映射，建立对应吸波蜂窝材料的结构模型；通过建立的结构模型获得由结构数据及对应的S₁₁曲线组成的训练数据集；再采用卷积神经网络模型进行训练，学习吸波蜂窝材料的特征，通过向训练完成的卷积神经网络模型输入待测吸波蜂窝材料的吸波浆料的结构参数，实现S参数的快速预测。相比于传统复杂的仿真计算，大幅提升预测效率，节约成本；相比于传统材料预测方法，本发明适用于多种蜂窝材料，具有更高的普适性。

技术领域

本发明属于电磁波吸收材料技术领域，具体涉及一种基于神经网络快速预测吸波蜂窝材料S参数的方法。

背景技术

吸波技术能够有效提升武器系统的隐身和突击防御能力、加强总体的作战效能，吸引了各国和各军事领域的高度关注。吸波材料按照其成型的工艺和承载力可分为两大类：结构型吸波材料(SRAM，structure radar absorbing material)和涂层型吸波材料(CRAM，coating radar absorbing material)。涂层型吸波材料虽然制造工艺简单，但是其重量大，单位面积的电磁波吸收能力不均衡，容易受高温影响而导致脱落的缺点；结构型吸波材料相较于涂层型吸波材料而言，不仅能够吸收电磁波而且具备相当的承载力，这是基于先进复合材料的研究开发出的多功能复合材料，目前被装配在隐身战机、导弹以及各种武器系统当中。具备多功能、轻质化等特性的结构型吸波材料是现代吸波技术发展的前沿方向。

吸波蜂窝材料是吸波蜂窝夹层复合材料的芯体材料，主要是以芳纶纸蜂窝为基体，通过浸渍掺有吸收剂的涂料制备而成，具有高比刚度和强度、质量轻、耐腐蚀和高温的优点，既能用作承重结构件又能实现隐身，因此吸波蜂窝材料被大范围应用于军事，其相关材料电磁参数因保密而难以获得。又因为吸波蜂窝材料本身是一种各向异性的材料，想要研究它的反射率等特性就必须人工提取等效电磁参数，既需要足够的专业知识又非常耗时，但是基于HS边界理论、强扰动理论、波导微扰理论等得到的吸波蜂窝材料等效电磁参数又精度不足，而且CST利用精度不足的等效参数进行仿真又会产生相应误差。因为神经网络具有自学习、自组织、快速预测等效果，所以可以用机器学习建立吸波蜂窝材料结构参数到S参数的映射，但是传统网络仅仅将材料的结构参数作为输入特征，故一旦材料电磁参数发生变化，网络便无法使用，所以提出一种基于多种吸波蜂窝材料通用的神经网络来快速预测反射率的方法十分重要。

发明内容

针对上述存在问题或不足，为解决当前吸波蜂窝材料的等效电磁参数提取方法存在精度、效率和适用性不佳的问题，本发明提供一种基于神经网络快速预测吸波蜂窝材料S参数的方法，利用卷积神经网络深度学习吸波蜂窝材料的电磁特性和结构特征，实现对吸波蜂窝材料S参数的精准快速预测。

一种基于神经网络快速预测吸波蜂窝材料S参数的方法，包括以下步骤：

步骤1：建立由M(M为≥2的正整数)个由不同种浆料以及不同种类芳纶纸构成的吸波蜂窝材料所组成的数据库；对于数据库中各吸波蜂窝材料，基于其吸波浆料的电磁参数以及芳纶纸的介电常数，建立对应吸波蜂窝材料的结构模型；

步骤2：对步骤1建立的结构模型进行关于吸波蜂窝的结构参数进行扫参仿真，获得对应的N组结构数据，各组结构数据均对应一条S₁₁曲线；以一组结构数据及对应的S₁₁曲线为一组训练数据，将数据库中所有吸波蜂窝材料对应的M*N组训练数据作为训练数据集；

所述结构数据是指吸波蜂窝材料的种类都已经确定了，只是扫参变化吸波蜂窝的结构参数(如改变吸波蜂窝的厚度、孔径和/或蜂窝壁厚)，每改变一个变量，则产生一组结构数据。

步骤3：构建卷积神经网络模型；