(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202211030357.5 (22)申请日 2022.08.26 (71)申请人 中国铁路西安局集团有限公司科 学 技术研究所 地址 710054 陕西省西安市碑林区友谊东 路33号 (72)发明人 柳朝郸　杜浩　崔齐飞　耿哲　 谢冰　韩静　李武　邓江涛　王显　 张文利　杨倩　张安学　师振盛　 (74)专利代理 机构 成都九鼎天元知识产权代理 有限公司 51214 专利代理师 马腾飞 (51)Int.Cl. G06F 30/17(2020.01) G06F 30/27(2020.01)G06N 3/04(2006.01) G06N 3/08(2006.01) (54)发明名称 基于神经网络的带状线耦合器优化方法、 系 统及耦合器 (57)摘要 本发明提出了基于神经网络的带状线耦合 器优化方法、 系统及耦合器， 属于人工智能技术 领域， 其方法包括1)获取带状线耦合器的设计耦 合度C； 2)将设计耦合度C输入神经网络中， 通过 神经网络的学习， 输出带状线耦合器的结构参 数； 3)根据带状线耦合器的结构参数确定 带状线 耦合器模型， 对带状线耦合器模型进行EM仿真， 得到带状线耦 合器的仿真结果； 4)根据带状线耦 合器的仿真结果判断带状线耦合器是否满足设 计要求； 若不满足， 则根据损失函数使用Adam优 化器对神经网络进行反向更新， 重复步骤2)和步 骤3)， 直至带状线耦合器满足设计要求， 结束优 化过程； 若 满足， 则结束 优化过程。 权利要求书2页 说明书5页 附图3页 CN 115329497 A 2022.11.11 CN 115329497 A 1.基于神经网络的带状线 耦合器优化方法， 其特 征在于， 包括以下步骤： 1)获取带状线耦合器的设计耦合度C； 2)将设计耦合度C输入神经网络 中， 通过神经网络的学习， 输出带状线耦合器的结构参 数； 3)根据带状线耦合器的结构参数确定带状线耦合器模型， 对带状线耦合器模型进行EM 仿真， 得到带状线 耦合器的仿真结果； 4)根据带状线 耦合器的仿真结果判断带状线 耦合器是否满足设计要求； 若不满足， 则根据损失函数L使用Adam优化器对神经网络进行反向更新， 重 复步骤2)和 步骤3)， 直至带状线 耦合器满足设计要求， 结束优化过程； 若满足， 则结束优化过程。 2.如权利要求1所述的基于神经网络的带状线耦合器优化方法， 其特征在于， 所述带状 线耦合器的结构参数为带状线的纵坐标值。 3.如权利要求1所述的基于神经网络的带状线耦合器优化方法， 其特征在于， 所述神经 网络包括依 次连接的多个基础层， 以及设置在基础层输出端的输出层， 所述基础层包括依 次连接的全连接层和激活层。 4.如权利要求3所述的基于神经网络的带状线耦合器优化方法， 其特征在于， 所述神经 网络的学习计算方式为： 表示第n+1层基础层的第j个神经元， f表示Sigmoid激活函数， N表示第n层基础层 的神经元个数， 表示第n层基础层的第i个神经元， j表示第n+1层基础层的神经元的个 数， i表示第n层基础层的神经元的个数， n表示基础层的层数， w表示第n层基础层的神经元 权重， b表示第n层激活层的神经 元偏置项。 5.如权利要求3所述的基于神经网络的带状线耦合器优化方法， 其特征在于， 所述基础 层有三层， 第一层基础层的神经元个数为81， 第二层基础层的神经元个数为128， 第三层基 础层的神经 元个数为64， 输出层的神经 元个数为8。 6.如权利要求1所述的基于神经网络的带状线耦合器优化方法， 其特征在于， 所述损失 函数L的计算公式为： L＝MSE(CEM,C)+MSE(DE M,D) C表示设计耦合度， D表示设计方向性系数， CEM表示EM仿真得到的耦合度， DEM表示EM仿 真得到的方向性系数， MSE(CEM,C)表示设计耦合度和设计方向性系数的均方误差， MSE (DEM,D)表示仿真得到的耦合度和仿真得到的方向性系数的均方误差 。 7.如权利要求1所述的基于神经网络的带状线耦合器优化系统， 其特征在于， 包括耦合 度获取模块、 神经网络优化模块、 E M仿真模块以及结果判断模块， 所述耦合度获取模块： 用于获取 带状线耦合器的设计耦合度C； 所述神经网络优化模块： 用于将设计耦合度C输入神经网络中， 通过神经网络的学习， 输出带状线耦合器的结构参数；权　利　要　求　书 1/2 页 2 CN 115329497 A 2所述EM仿真模块： 用于根据带状线耦合器的结构参数确定带状线耦合器模型， 对带状 线耦合器模型进行E M仿真， 得到带状线 耦合器的仿真结果； 所述结果判断模块： 用于根据 带状线耦合器的仿真结果判断带状线耦合器是否满足设 计要求； 若不满足， 则根据损失函数L使用Adam优化器对神经网络进行反向更新， 直至带状线耦 合器满足设计要求， 结束优化过程； 若满足， 则结束优化过程。 8.一种带状线耦合器， 其特征在于， 所述带状线耦合器是利用权利要求1 ‑6任一项所述 的基于神经网络的带状线耦合器优化方法形成的， 所述带状线耦合器包括介质板和多根带 状线， 多根带状线并列设置在介质板的一表面， 每根带状线的两端部均为波导端口， 所述波 导端口延伸至介质板的边 缘处。 9.如权利要求8所述的带状线耦合器， 其特征在于， 每根所述带状线的波导端口通过连 接线延伸至介质板的边 缘处。 10.一种计算机可读存储介质， 其特征在于， 存储有程序文件， 所述程序文件被执行实 现如权利要求1 ‑6任一项所述基于神经网络的带状线 耦合器优化方法。权　利　要　求　书 2/2 页 3 CN 115329497 A 3