【摘要】 本发明提供的一种基于支持向量回归机的平板裂缝天线建模方法，根据平板裂缝天线功能构件的主要机械结构参数及取值范围，采用拉丁超立方抽样法选取合适的试验数据，通过对被建模对象进行实验或电磁场数值仿真计算，获取支持向量回归机模型的训练样本，建立支持向量回归机模型为采用遗传算法对所建立的模型参数进行优化，获得最优的模型。用随机生成的测试样本对模型性能进行验证。本发明可以准确、快速估算平板裂缝天线任意结构参数情况下的电性能值，避免了耗时的电磁数值计算，解决了平板裂缝天线机械结构因素对电性能的影响机理研究及平板裂缝天线设计、优化问题。为平板裂缝天线建模和加工精度的选取，建立了可靠的基础和依据。 【专利类型】发明授权 【申请人】中国电子科技集团公司第十研究所 【申请人类型】企业 【申请人地址】610036 四川省成都市金牛区外西茶店子东街48号 【申请人地区】中国 【申请人城市】成都市 【申请人区县】金牛区 【申请号】CN200810045751.X 【申请日】2008-08-07 【申请年份】2008 【公开公告号】CN101339577B 【公开公告日】2010-06-02 【公开公告年份】2010 【授权公告号】CN101339577B 【授权公告日】2010-06-02 【授权公告年份】2010.0 【IPC分类号】G06F17/50; G06N1/00; G06N99/00 【发明人】严志坚; 向国齐 【主权项内容】一种基于支持向量回归机建立平板裂缝天线模型的方法，包括如下步骤，在支持向量回归机模型的建立过程中：a.首先根据平板裂缝天线功能构件的结构，确定影响电性能的主要机械结构参数及取值范围，用拉丁超立方抽样试验设计方法安排试验点；b.根据试验设计安排，采用实验或基于全波分析的电磁场数值仿真，获取平板裂缝天线功能构件的电性能值，对结构参数值和对应的电性能值试验数据进行归一化预处理，获得支持向量回归机模型的训练样本数据；c.选择径向基核作为支持向量回归机模型核函数，根据训练样本集(x，y)建立的支持向量回归机模型为，其中，αi，αi*是通过训练得到的对偶问题的解系数，K(x，xi)是核函数，b是相应的偏差值，n为样本数，(xi，yi)是第i个训练样本；d.用遗传算法适应度函数F获取支持向量回归机模型的参数，使支持向量回归机模型预测值与测试样本真值之间的均方误差和相对最大绝对误差最小；e.利用随机生成的测试样本对上述模型进行验证，即用最小均方误差和相对最大绝对误差来衡量支持向量回归机模型性能的准确性，若模型的回归性能不能达到要求，则增加训练样本数量，重新构建和优化支持向量回归机模型，直至获得理想的模型为止。F200810045751XC00011.tif 【当前权利人】中国电子科技集团公司第十研究所 【当前专利权人地址】四川省成都市金牛区外西茶店子东街48号 【引证次数】4.0 【自引次数】1.0 【他引次数】3.0 【家族引证次数】4.0 【家族被引证次数】16
