电子装备结构因素对电性能影响的支持向量建模与补偿

论文摘要

随着电子装备向高频段、高增益、快响应、高指向精度以及高密度、小型化方向的快速发展,机械结构因素对电性能的影响与制约越来越明显,它们之间的机电耦合问题越来越突出。目前工程中一般采用提高制造精度、多重样件备份、经验调试等办法来解决此问题。然而,这种方法造成了产品研制周期长、研制成本高等弊端。为了适应高性能电子装备研制的需求,从数据中发掘机械结构因素对电性能的影响机理以及补偿机械结构因素对电性能的影响,本文研究了基于支持向量回归的电子装备结构因素对电性能影响的建模和补偿方法。主要工作如下:(1)针对电子装备中存在的影响机理问题,提出了一种基于支持向量回归的机械结构因素对电性能影响的数据建模方法。该方法首先给出了修正中间电参量和建立代理模型的两种支持向量建模方案,然后给出了一种数据样本的获取策略以提高实测数据较少情况下数据建模的准确性。通过微带天线和平板裂缝天线两个案例,验证了基于支持向量回归的影响机理建模方法的有效性。(2)在电子装备的影响机理建模中,通常会遇到实验数据样本较少但又要求准确建模的问题,为此,提出了一种集成先验知识的多核线性规划支持向量回归算法。该算法在现有的线性规划支持向量回归基础上,首先通过修改优化问题的目标函数和约束条件,把来自仿真模型存在偏差的先验知识数据集成到线性规划支持向量回归学习框架中。然后,多核技术也被引入到集成先验知识的线性规划支持向量回归中,以实现复杂规律的准确建模。通过复杂函数逼近、系统模型辨识和贴片天线带宽建模三个数值案例,验证了该算法的正确性和有效性。(3)为了提高腔体滤波器的电性能和成品率,本文根据工程中的测试数据和经验知识,应用提出的数据建模方法和算法建立了滤波器制造精度对电性能影响的机理模型。在该模型的建模中,首先应用多核线性规划支持向量回归算法建立了制造精度对中间电参量耦合矩阵影响的数据模型,然后利用该数据模型修正了现有的滤波器电性能计算公式,进而得到了结构因素制造精度对电性能影响的机理模型。通过电调双工滤波器的实验,验证了腔体滤波器影响机理模型的正确性,并且,通过对比不同支持向量回归算法建立影响机理模型的准确性,进一步验证了提出的多核线性规划支持向量回归算法的有效性。(4)在上述腔体滤波器影响机理建模方法的基础上,提出一种基于支持向量回归的腔体滤波器辅助调试方法,以解决滤波器调试靠经验和效率低的问题。该方法根据工程中的调试经验数据,首先使用支持向量回归算法建立了螺栓调整量对滤波器电性能影响的机理模型,然后应用此模型,使用优化技术构建了滤波器的辅助调试方法。通过两个腔体滤波器的实验,验证了该调试方法的有效性。该方法适用于工程中批量生产的腔体滤波器辅助调试系统中,能够补偿生产中不可避免的加工和装配误差的影响,克服工程中盲目调试、多步调试和调试周期过长的弊端,提高调试效率。(5)为了降低或消除摩擦对雷达天线伺服性能的影响,提出了一种伺服系统中摩擦的支持向量建模和反步控制补偿方法。在该方法中,首先给出了一种基于支持向量回归的摩擦模型,其中该模型的静态摩擦部分是根据实验数据建立的代理模型,本文分别建立了基于支持向量回归的固定库仑摩擦模型(FCM)和自适应库仑摩擦模型(ACM)两种代理模型。然后,根据建立的摩擦模型特点,使用反步法设计了摩擦补偿器,Lyapunov直接法证明了闭环系统的稳定性。实验结果表明了提出的摩擦建模方法避免了传统摩擦模型复杂的参数辨识,提高了摩擦建模的准确性,方便了自适应摩擦补偿器的设计,并且,反步ACM补偿方法比反步FCM补偿方法具有更好的摩擦补偿效果。

论文目录

• 摘要
• Abstract
• 第一章 绪论
• 1.1 研究背景和目的
• 1.1.1 研究的背景
• 1.1.2 研究的目的
• 1.2 电子装备机电耦合问题的研究现状
• 1.2.1 国外研究现状
• 1.2.2 国内研究现状
• 1.3 数据驱动建模技术的研究进展
• 1.3.1 数据驱动的建模方法
• 1.3.2 数据驱动的建模算法
• 1.3.3 支持向量回归算法
• 1.3.4 支持向量回归的建模应用
• 1.4 论文的内容与结构
• 1.4.1 论文的研究内容
• 1.4.2 论文的组织结构
• 第二章 电子装备结构因素对电性能影响的数据建模方法
• 2.1 引言
• 2.2 电子装备影响机理问题的支持向量建模
• 2.2.1 修正中间电参量
• 2.2.2 建立代理模型
• 2.2.3 数据建模过程
• 2.3 数据获取策略与支持向量回归算法
• 2.3.1 数据获取策略
• 2.3.2 支持向量回归算法
• 2.4 天线数据建模案例
• 2.4.1 矩形微带天线带宽修正计算
• 2.4.2 平板裂缝天线的电性能预测
• 2.5 本章小结
• 第三章 集成先验知识的多核线性规划支持向量回归算法
• 3.1 引言
• 3.2 现有的线性规划支持向量回归算法
• 3.3 改进的线性规划支持向量回归算法
• 3.3.1 集成先验知识的支持向量回归
• 3.3.2 多核线性规划支持向量回归
• 3.3.3 集成先验知识的多核支持向量回归
• 3.3.4 多输出多核线性规划支持向量回归
• 3.4 数值实验验证
• 3.4.1 复杂函数逼近
• 3.4.2 系统模型辨识
• 3.4.3 贴片天线建模
• 3.5 本章小结
• 第四章 腔体滤波器制造精度对电性能影响的支持向量建模
• 4.1 引言
• 4.2 问题的描述
• 4.3 数据的获取
• 4.4 基于支持向量回归的影响机理建模
• 4.4.1 建立影响机理模型
• 4.4.2 影响机理模型的应用
• 4.5 电调双工滤波器的实验验证
• 4.5.1 影响机理模型的验证
• 4.5.2 机理模型的应用结果
• 4.6 本章小结
• 第五章 基于影响机理模型的腔体滤波器辅助调试补偿方法
• 5.1 引言
• 5.2 问题的描述
• 5.3 腔体滤波器的辅助调试方法
• 5.3.1 数据获取与预处理
• 5.3.2 调整量对耦合矩阵影响的关系模型
• 5.3.3 螺栓调整量对电性能影响的机理模型
• 5.3.4 基于影响机理模型的调试补偿方法
• 5.4 实验结果
• 5.4.1 四腔顺序耦合滤波器
• 5.4.2 六腔交叉耦合滤波器
• 5.5 本章小结
• 第六章 伺服系统中摩擦的支持向量建模与反步控制补偿
• 6.1 引言
• 6.2 问题的描述
• 6.3 系统的模型
• 6.4 支持向量摩擦建模
• 6.4.1 数据的获取
• 6.4.2 数据的建模
• 6.5 摩擦补偿器的设计
• 6.6 实验结果
• 6.6.1 摩擦建模结果
• 6.6.2 摩擦补偿效果
• 6.7 本章小结
• 第七章 总结与展望
• 7.1 工作总结
• 7.2 研究展望
• 附录A
• 附录B
• 致谢
• 参考文献
• 博士在读期间的研究成果