[发明专利]一种适于高功率微波源的原型设计方法及相关装置

说明书

一种适于高功率微波源的原型设计方法及相关装置，包括：分析高功率微波源器件结构特点，构建结构描述参数；基于结构描述参数，构建描述高功率微波源器件特性的深度人工神经网络；构建训练样本数据集，用于训练深度人工神经网络，生成抽象网络模型；基于抽象网络模型和设计目标构建原型鉴别网络模型；基于原型鉴别网络模型，训练生成原型生成网络模型；基于原型生成网络模型和PIC数值模拟验证方法，实现高功率微波源的原型设计。本发明构建的原型鉴别网络模型适用于一类高功率微波源器件，且可以随训练样本数据集的扩充而不断得到更新和完善。本发明提出的原型设计方法仅依据设计目标实现原型设计，降低了设计难度，简化了设计流程。

技术领域

本发明属于高功率微波源的原型设计技术领域，特别涉及一种适于高功率微波源的原型设计方法及相关装置。

背景技术

高功率微波(high power microwave，HPM)源基于电磁场与带电粒子间复杂的非线性互作用工作，可产生工作频率为1～300GHz，微波输出功率大于100MW的高功率微波。高功率微波源是产生高功率微波的核心部件，在军事、民用、科研等领域被广泛应用。

自高功率微波技术被提出以来，国内外的研究人员主要从物理机理出发，通过结合理论分析与粒子模拟(particle-in-cell，PIC)方法，进行器件原型设计。近年来，随着高功率微波源技术地不断发展，大量新的理论和器件性能指标被提出，旨在帮助研究人员设计出性能更优的高功率微波源。但是，随着研究人员对器件性能要求的不断提高，高功率微波源的设计难度也在不断增加，对传统仅基于理论分析和PIC数值模拟的高功率微波源原型设计方法提出了新的挑战。

近年来，随着智能优化算法的发展，智能优化算法的优化效果和普适性越来越强。越来越多的领域开始利用智能优化算法辅助完成优化设计，如半导体器件优化、集成电路优化、机械结构优化、车身结构优化、天线优化设计等。因此，针对高功率微波器件的特点，近年来，研究人员尝试利用进化优化算法(如，遗传算法和粒子群算法等)与PIC数值模拟方法相结合辅助完成高功率微波源的优化设计，并取得了一定的成果。

综上所述，高功率微波源器件的优化设计主要有两条研究思路，一是从物理机理出发，通过理论分析设计器件原型，并基于理论研究和PIC数值模拟方法开展器件优化设计；二是从数理规律出发，利用数学工具挖掘数据深层规律，并基于设计好的器件原型开展器件优化设计。其中，基于理论研究进行优化设计的思路，具有可拓展性强、逻辑性强和便于理解等优点，但是设计难度大、周期长、设计思路易受已有理论成果的限制。基于数理工具的研究设计思路，具有普适性强、可挖掘深层数理规律和周期短等优势，但是对设计人员有较高的要求，需要设计人员首先基于理论基础设计出器件原型，并基于对器件的理解确定待优化的器件结构参数。

发明内容

本发明的目的在于提供一种适于高功率微波源的基于对抗神经网络的器件原型设计方法及相关装置，以解决上述问题。

为实现上述目的，发明采用以下技术方案：

一种适于高功率微波源的原型设计方法，包括：

通过对某种类型的高功率微波源器件结构特点进行分析，设定器件结构描述参数，并确定结构描述参数的取值范围及取值精度；

基于结构描述参数及器件性能参数的维度信息，构建能够描述该类型高功率微波源器件性能特性的深度人工神经网络；基于结构描述参数的取值范围及取值精度构建训练样本数据集，用于训练该深度人工神经网络生成抽象网络模型；基于抽象网络模型和设计目标，构建原型鉴别网络模型；

基于结构描述参数的维度信息，构建用于该类型高功率微波源原型生成的逆向设计网络；构建训练样本数据集，基于原型鉴别网络模型，训练该逆向设计网络生成原型生成网络模型；

基于原型生成网络模型和PIC数值模拟验证方法，实现器件原型的正确性验证，并以迭代方式生成符合设计目标的高功率微波源器件原型。