[发明专利]一种智能的电场分析系统

摘要

本发明公开了一种智能的电场分析系统，该系统由模型模块、优化模块与分析模块三部分组成。模型模块存储各种理想电荷的电场分布情况与计算方式。优化模块确定最优的模拟电荷的大小与位置，使之产生的电场与电极表面电荷产生的电场等效。其中采用的改进优化算法能够自动判断分群与否，保证了算法的收敛性；并且，自适应更新适应度函数的功能提高了搜索的多样性。最后，分析模块利用模拟电荷法分析场域电场。本系统能够快速找到最优模拟电荷，提高了电场分析的精度。

主权项

一种智能的电场分析系统，其特征在于：该电场分析系统由模型模块、优化模块与分析模块三部分组成，模型模块存储各种理想的电荷模型比如点电荷和线电荷周围的电场分布情况与计算方式，优化模块对模拟电荷的电荷量与位置进行优化，分析模块根据模拟电荷分析场域电场；其中：优化模块在待分析的场域外部布置n个模拟电荷，均分布在z轴，z∈[0,zmax]，zmax为可布置距离的上限。待优化的变量为这n个模拟电荷的电量qk及其位置zk，k＝1,2,...,n。优化目的为使模拟电荷在场域内产生的电场与电极表面电荷产生的电场相同，以便于后续的电场自动分析。然后，初始化种群规模为Ns的粒子群，随机生成维度为2n的粒子i的初始位置xi＝(xi1,xi2,...,xi(2n))和初始速度vi＝(vi1,vi2,...,vi(2n))，i＝1,2,...,Ns。定义维度变量d，d＝1,2,...,2n。当d＝1,2,...,n时，xid代表第d个模拟电荷的电量，xid∈[0,1]，vid∈[‑1,1]；当d＝n+1,n+2,...,2n时，xid代表第d‑n个电荷的位置zd‑n，xid∈[0,zmax]，vid∈[‑zmax,zmax]。种群规模Ns＝300～600。电极表面有检验点M个，为了使模拟电荷对检验点产生的电势与电极表面的已知电势相同，问题的目标函数为式(1)：其中，表示所有模拟电荷在第m个检验点产生的电势，具体计算时调用模型模块中的模型。表示电极表面已知电势。f≥0，目标函数的理论值为0。构造适应度函数fitness，见式(2)：fitness=1f---(2)]]>其中，f为目标函数。将初始化后粒子的位置信息代入式(2)，获得初始适应度函数值。适应度函数值最大的粒子为全局最优粒子，其位置为pbest＝(pbest1,pbest2,...,pbest(2n))。记fitnessT为第T次迭代时的适应度函数，T为迭代计数，初始时fitness0＝fitness。然后按以下方法进行迭代，初始时迭代计数T＝0：(1)当前迭代计数为T，当T＝0或T为τ的整数倍时，继续步骤(2)进行分群操作，否则不分群，直接跳到步骤(3)。τ＝3～6。(2)对所有粒子进行分群操作，具体包括以下子步骤：(2.1)将所有粒子按照适应度值大小从大到小排序，选取适应度值最大的粒子作为一个子群中心；(2.2)在剩下的粒子中选取适应度值最大的粒子，依次计算该粒子与各个子群中心的欧几里得距离。粒子i与粒子j的欧几里得距离dist(i,j)定义为：dist(i,j)=Σd=12n(xid-xjd)2---(3)]]>其中，xi＝(xi1,xi2,...,xi(2n))代表粒子i的位置，xj＝(xj1,xj2,...,xj(2n))代表粒子j的位置，i,j＝1,2,...,Ns。若该粒子与某一个子群中心的欧几里得距离小于半径r，则将该粒子归为该子群中心所在的子群，并不再计算该粒子与剩下的子群中心的欧几里得距离；若该粒子与所有子群中心的距离都大于半径r，则将该粒子置为一个新的子群中心。半径r＝0.01～0.02。(2.3)重复步骤(2.2)，直到处理完所有粒子，则分群完成，且每个子群中心为该子群中适应度值最大的粒子。(3)按照式(4)(5)更新每个粒子的速度与位置：vid(T)＝vid(T‑1)+c1·rand·(pid‑xid(T‑1))+c2·rand·(pigd‑xid(T‑1))  (4)xid(T)＝xid(T‑1)+vid(T)  (5)其中，加速因子c1＝c2＝2，rand为0到1之间的随机数，i＝1,2,...,Ns，d＝1,2,...,2n，pi＝(pi1，pi2,...,pi(2n))为粒子i的历史最优位置，pig＝(pig1，pig2,...,pig(2n))为粒子i所在的子群的最优粒子的位置。更新后，当d＝1,2,...,n时，若xid<0，则令xid＝0，若xid>1，则令xid＝1；当d＝n+1,n+2,...,2n时，若xid<0，则令xid＝0，若xid>zmax，则令xid＝zmax。(4)更新适应度函数。若目前搜索到的整个种群中的最优粒子pbest＝(pbest1,pbest2,...,pbest(2n))在连续a次迭代中保持不变，则将pbest的位置与适应度函数值记录下来，并对pbest进行惩罚。具体惩罚操作为：当粒子i与pbest的距离小于半径r，则粒子i的适应度函数值就变得很小，见式(6)：fitnessT=αifΣd=12n(pbestd-xid)2≤rfitnessT-1ifΣd=12n(pbestd-xid)2>r---(6)]]>其中，fitnessT为这一次迭代的适应度函数，fitnessT‑1为上一次迭代时的适应度函数，i＝1,2,...,Ns，α为罚因子，令α＝0。若没有新增的接受惩罚的点，则：fitnessT＝fitnessT‑1  (7)a的大小见式(8)：其中，T为当前迭代次数，Tmax为最大迭代次数，代表对0.1Tmax向下取整。(5)根据式(6)、(7)计算每个粒子的适应度函数值，计算电势时调用模型模块中对应的模型。(6)更新全局最优粒子的位置pbest＝(pbest1,pbest2,...,pbest(2n))，迭代计数累加，T＝T+1。(7)重复步骤(1)～(6)，直到达到最大迭代次数Tmax停止迭代，Tmax＝100～2000。种群全局最优粒子pbest＝(pbest1,pbest2,...,pbest(2n))所在的位置即优化后的n个模拟电荷的电荷量及其位置，模拟电荷最优布置完成。优化模块将模拟电荷的最优布置结果传送给分析模块，分析模块利用模拟电荷法分析场域电场，实现电场的自动最优分析工作。