(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
专利 基于梯度下降法的矩形波导管仿真设计方法
安全报告 >
其他 >
文档预览
中文文档
9 页
50 下载
1000 浏览
0 评论
309 收藏
3.0分
温馨提示:本文档共9页,可预览 3 页,如浏览全部内容或当前文档出现乱码,可开通会员下载原始文档
本文档由 人生无常 于 2024-03-18 04:59:40上传分享