(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 202210563171.X (22)申请日 2022.05.19 (71)申请人 西安理工大 学 地址 710048 陕西省西安市碑林区金花 南 路5号 (72)发明人 胡辉　齐斌　赵钰帆　王玥　 (74)专利代理 机构 西安弘理专利事务所 61214 专利代理师 徐瑶 (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 基于梯度下降法的矩形波导管仿真设计方 法 (57)摘要 本发明公开的基于梯度下降法的矩形波导 管仿真设计方法， 具体为： 步骤1： 利用COMSOL软 件对矩形波 导管建模； 步骤2： 将数据库进行预处 理， 其中80％为测试集数据， 2 0％训练集数据； 步 骤3： 使用pyt hon软件搭建BP神经网络模型； 步骤 4： 将测试集数据和训练集数据进归一化处理； 步 骤5： 构造一个类用来定义神经网络模型； 步骤6： 使用实例化之前编写的类定义的神经网络； 步骤 7： 进行数据的训练； 步骤8： 在每一次的训练完成 之后， 使用之前分配好的测试集； 步骤9： 当神经 网络模型训练好之后， 在pyt hon软件中输入矩形 波导管的结构参数， 进行一个可视化的输出预 测。 该方法加快了矩形波导管的设计过程， 并简 化了设计步骤。 权利要求书2页 说明书4页 附图2页 CN 114756998 A 2022.07.15 CN 114756998 A 1.基于梯度下降法的矩形波导管仿真 设计方法， 其特 征在于， 具体按照以下步骤实施： 步骤1： 利用COMSOL软件 对矩形波导管建模， 建立数据库； 步骤2： 将数据库进行 预处理， 其中80％为测试集数据， 20％训练集数据； 步骤3： 使用pytho n软件搭建BP神经网络模型； 步骤4： 将测试集数据和训练集数据进归一化处理， 调用sklearn库， 并将训练集数据 转 换为Tensor类型； 步骤5： 构造一个类用来定义神经网络模型， 内部初始化中使用torch库中的线性层方 法Linear对隐层网络和 输出层网络进行定义； 之后在类中编写前向传播函数， 对隐层的激 活函数和输出层激活函数均使用Sigmoid函数， 进行非线性变换， 即y＝f(w*x+b)， 公式中的 y为网络输出数据， x为输入数据， f为激活函数Sigmo id， w为权重， b为偏置； 步骤6： 使用实例化之前编写的类定义的神经网络， 直接使用Torch库中的Adam优化器， 在训练中， 进行梯度下降， 去不断更新权重w和偏置b； 定义损失函数， 在反向误差传播中进 行计算； 步骤7： 进行数据的训练， 设置训练次数epoch为具体值， 在每一次训练中， 首先进行前 向传播， 将前向传播得到的输出结果进行非线性处理， 也就是利用Sigmoid函数进行计算， 将此作为预测值， 把他与真实值进行对比， 带入到MSE函数中得到损失函数的计算结果， 即 误差， 然后开始反向传播， 用所得到的误差值对之前各层中的w和b进 行更新， 更新之后再次 前向传播， 计算 误差， 周而复始的进行， 直到误差小于所期望的值， 否则， 继续迭代； 步骤8： 在每一次的训练完成之后， 使用之前分配好的测试集， 进行测试， 具体的方法与 步骤7中的前向传播的方法一样， 得到预测值， 看是否和真实值相同； 步骤9： 当神经网络模型训练好之后， 在python软件中输入矩形波导管的结构参数， 进 而对输出的等效折 射率和功率限制进行一个可视化的输出 预测。 2.根据权利要求1所述的基于梯度下降法的矩形波导管仿真设计方法， 其特征在于， 步 骤1具体按照以下步骤实施： 首先， 给定矩形波导管输入的结构参数， 包括外截面长度a、 宽度b和内截面长度c、 宽度 d； 之后， 添加边界条件， 设置端口激励， 设置扫描频率， 设置求解频率， 进行模传输的分析； 此处由于矩形波导管主模是TE10， 所以设置z方向电场Ez＝0,磁场Hz≠0； 分析求解之后， 在 COMSOL软件中直接计算出定矩形波导管的等效折射率和功 率限制的具体结果， 即完成了一 组数据的准备， 之后反复对不同的矩形波导管结构进 行建模分析得到输入为参数a、 b、 c、 d， 输出为等效折射率和功率限制的数据库。 3.根据权利要求2所述的基于梯度下降法的矩形波导管仿真设计方法， 其特征在于， 步 骤3中： 首先进行超参数的设置： 学习 率设置为0.02， 输入的参数个数为4， 所对应的矩形波 导管的四个结构参数a、 b、 c、 d， 搭建 的BP神经网络模型框架， 包括输入层、 隐藏层以及输出 层， 隐含层个数设置为7层， 这七层所包含的神经元个数分别为[10  15 20 15 10 5 1]； 输 出的参数个数为2， 所对应的就是等效折 射率和功率限制。 4.根据权利要求3所述的基于梯度下降法的矩形波导管仿真设计方法， 其特征在于， 步 骤6中， Adam优化器内部设置的学习率为0.02； Adam优化器内部的更新参数的方法如公式 (3)、 (4)所示：权　利　要　求　书 1/2 页 2 CN 114756998 A 2公式(3)、 (4)中， α是学习率， wij是第i个神经元和第j个神经元之间的权重， bi是第i个 神经元的偏置； MSE是平均误差函数。 5.根据权利要求4所述的基于梯度下降法的矩形波导管仿真设计方法， 其特征在于， 步 骤6中， 平均误差函数 其中m代表数据个数， yn代表神经网络的输出， 当n不同的时候， 分别代表等效折射率和功率限制的预测输 出结果， 代表真实的数据， 当n 不同的时候， 分别代 表等效折 射率和功率限制的真实输出 结果。权　利　要　求　书 2/2 页 3 CN 114756998 A 3