卫星四支天线的动态多目标演化和正交试验改进

doi:10.3724/SP.J.1087.2011.02880

计算机应用 ›› 2011, Vol. 31 ›› Issue (10): 2880-2882.DOI: 10.3724/SP.J.1087.2011.02880

• 典型应用 • 上一篇

卫星四支天线的动态多目标演化和正交试验改进

郭金翠¹,邹金欣²,孙鹏辉¹,庄艳¹

1.中国地质大学机械与电子信息学院, 武汉 430074
2.中国船舶重工集团公司第七一六研究所,江苏连云港 222006

收稿日期:2011-04-21 修回日期:2011-06-13 发布日期:2011-10-11 出版日期:2011-10-01
通讯作者: 郭金翠
作者简介:郭金翠(1964-),女,湖北武汉人,副教授,主要研究方向:通信网络、演化天线、电磁数值计算;邹金欣(1986-),男,山东临沂人,硕士研究生,主要研究方向:演化天线;孙鹏辉(1987-),男,河南临颍人,硕士研究生,主要研究方向:演化天线;庄艳(1988-),女,湖北襄阳人,硕士研究生,主要研究方向:演化天线。

Improvement of dynamic multi-objective evolutionary and orthogonal test for four-branch satellite antenna

GUO Jin-cui¹, ZOU Jin-xin², SUN Peng-hui¹, ZHUANG Yan¹

1.Faculty of Mechanical and Electronic Information, China University of Geosciences, Wuhan Hubei 430074, China
2.The 716st Institute, China Shipbuilding Industry Corporation, Lianyungang Jiangsu 222006, China

Received:2011-04-21 Revised:2011-06-13 Online:2011-10-11 Published:2011-10-01

摘要/Abstract

摘要： 设计了一种宽波束、宽带宽的右旋圆极化卫星天线。首先使用动态多目标演化算法(DDEA)在并行计算平台上进行了全局范围内的搜索,然后使用正交试验设计和基于有限元法的HFSS软件,进行了局部范围内的均匀细化搜索,进一步改善天线增益。改进的天线,波束符合要求,可节省卫星馈电功率。

关键词: 卫星天线, 多目标优化, 演化算法, 正交试验

Abstract: A satellite antenna characterized by wide-beam, wide-bandwidth and microwave right-hand-circular polarization was designed. First, the Dynamic Dominant Evolution Algorithm (DDEA) was used to search globally on a parallel computing platform. Then orthogonal design and HFSS software based on finite element method were used to search within local scope evenly and elaborately, so that the antenna gain was further improved. The improved antenna meets the requirements on beam and saves the feeding power of satellite.

Key words: satellite antenna, multi-objective optimization, Evolutionary Algorithm (EA), orthogonal test

中图分类号:

郭金翠邹金欣孙鹏辉庄艳. 卫星四支天线的动态多目标演化和正交试验改进[J]. 计算机应用, 2011, 31(10): 2880-2882.

GUO Jin-cui ZOU Jin-xin SUN Peng-hui ZHUANG Yan. Improvement of dynamic multi-objective evolutionary and orthogonal test for four-branch satellite antenna[J]. Journal of Computer Applications, 2011, 31(10): 2880-2882.

[1]	罗明宇, 骆晓萌, 朱文敏, 张磊, 范秀敏. 船舶狭小空间虚拟人维修姿态建模技术[J]. 计算机应用, 2021, 41(8): 2466-2472.
[2]	张闻强, 邢征, 杨卫东. 基于多区域采样策略的混合粒子群优化求解多目标柔性作业车间调度问题[J]. 计算机应用, 2021, 41(8): 2249-2257.
[3]	张祥飞, 鲁宇明, 张平生. 基于协同进化的约束多目标优化算法[J]. 计算机应用, 2021, 41(7): 2012-2018.
[4]	乔钢柱, 王瑞, 孙超利. 基于分解的高维多目标改进进化算法[J]. 《计算机应用》唯一官方网站, 2021, 41(11): 3097-3103.
[5]	李二超, 李康伟. 基于最小距离和聚合策略的分解多目标进化算法[J]. 计算机应用, 2021, 41(1): 22-28.
[6]	李二超, 杨蓉蓉. 基于自适应反向学习的多目标分布估计算法[J]. 计算机应用, 2021, 41(1): 15-21.
[7]	王博, 刘连生, 韩绍程, 祝世兴. 基于多策略融合的混合多目标蝗虫优化算法[J]. 计算机应用, 2020, 40(9): 2670-2676.
[8]	张凯, 周德云, 杨振, 潘潜. 多约束集群目标下武器-目标分配问题[J]. 计算机应用, 2020, 40(3): 902-911.
[9]	郝秦霞. 基于R2指标的高维多目标差分进化推荐式课程系统[J]. 计算机应用, 2020, 40(10): 2951-2959.
[10]	丁超, 赵海, 司帅宗, 朱剑. 正常衰老的人脑功能网络演化模型[J]. 计算机应用, 2019, 39(4): 963-971.
[11]	林立, 孟学雷, 宋仲仲. 考虑区域协调性的城际列车开行方案优化[J]. 计算机应用, 2019, 39(2): 598-603.
[12]	刘明, 董明刚, 敬超. 基于定期竞争学习的多目标粒子群优化算法[J]. 计算机应用, 2019, 39(2): 330-335.
[13]	蔺凯青, 李志华, 郭曙杰, 李双俐. 云环境中多目标优化的虚拟机放置算法[J]. 计算机应用, 2019, 39(12): 3597-3603.
[14]	谭阳, 唐德权, 曹守富. 基于超球形模糊支配的高维多目标粒子群优化算法[J]. 计算机应用, 2019, 39(11): 3233-3241.
[15]	刘宝, 董明刚, 敬超. 改进的排序变异多目标差分进化算法[J]. 计算机应用, 2018, 38(8): 2157-2163.

卫星四支天线的动态多目标演化和正交试验改进

Improvement of dynamic multi-objective evolutionary and orthogonal test for four-branch satellite antenna

PDF

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics