Please wait a minute...
工程设计学报
工程设计学报  2014, Vol. 21 Issue (5): 426-431    DOI: 10.3785/j.issn. 1006-754X.2014.05.004
建模、分析、优化和决策     
新型自适应RBF神经网络应用于微带天线建模
黄元君1 ，楼平1，吴志军2 ，林小峰3
1.嘉兴职业技术学院 机电与汽车分院，浙江 嘉兴 314036；
2.嘉兴佳利电子股份有限公司， 浙江 嘉兴 314003；3.广西大学 电气工程学院，广西 南宁 530004
New adaptive RBF neural network for micro-strip antenna modeling
HUANG Yuan-jun 1， LOU Ping 1， WU Zhi-jun 2， LIN Xiao-feng 3
1. Institute of Mechatronics and Automobile, Jiaxing Vocational Technology College, Jiaxing 314036, China;
2. Jiaxing Glead Electronics Co., Ltd., Jiaxing 314003, China;
3.College of Electrical Engineering, Guangxi University, Nanning 530004, China
 全文: PDF(1296 KB)   HTML
摘要： 矩形微带天线设计中，为解决谐振频率与尺寸结构之间存在多参数、强非线性关系而建立其精确模型的困难，提出一种动态自适应聚类与伪逆求权值相结合的新型RBF神经网络算法，其优点为：无需事先固定隐层神经元个数，以自适应调整的方式，获得较好的逼近效果，且计算量小、学习速度快.同时，结合RBF神经网络对于多变量、非线性函数有较好的逼近特性，将其用于矩形微带天线的谐振频率建模.实验表明，建立的神经网络模型无论是在精度还是速度上都明显优于已有文献的结果，从而为天线设计开发者提供了一种新的有效方法，提高设计效率.
关键词： 微带天线;  神经网络;  非线性模型;  自适应    
Abstract: The relationship between the resonance frequency and the size of the structure is multiparameter and nonlinear, which makes it difficult to establish accurate model when design of a rectangular microstrip antenna. To solve this problem, a new way of RBF (radial basis function) neural network algorithm was proposed by combination the methods of dynamic adaptive clustering and the pseudo inverse weighting, which possessed several advantages of unfixed neuron number on hidden layer, by means of adaptive adjustment, good approximation effect, and small amount of calculation, fast learning. Then combined with the better approximation properties of RBF neural network for multivariable and nonlinear functions , it was used for modeling the resonance frequency of the rectangular micro-strip antenna. Experiment results showed that the established neural network model was obviously superior to the result of literature in both accuracy and speed. Thus a new effective method to improve the design efficiency is provided for the developer of antenna design.
Key words: micro-strip antenna    neural network    nonlinear model    adaptive
收稿日期: 2014-05-28 出版日期: 2014-10-28
基金资助:

国家自然科学基金资助项目(61364007);嘉兴市科技计划项目(2013AY110260);嘉兴职业技术学院科研重点项目(jzyz201303).
作者简介: 黄元君（1983—），男，浙江台州人，博士生，从事智能优化研究，E-mail: huangyuanjungege@126.com.
服务　　
把本文推荐给朋友
加入引用管理器
E-mail Alert
RSS
作者相关文章　　

引用本文:

黄元君 ，楼平，吴志军，林小峰. 新型自适应RBF神经网络应用于微带天线建模[J]. 工程设计学报, 2014, 21(5): 426-431.

HUANG Yuan-jun ， LOU Ping ， WU Zhi-jun ， LIN Xiao-feng . New adaptive RBF neural network for micro-strip antenna modeling. Chinese Journal of Engineering Design, 2014, 21(5): 426-431.

链接本文:

https://www.zjujournals.com/gcsjxb/CN/10.3785/j.issn. 1006-754X.2014.05.004    或    https://www.zjujournals.com/gcsjxb/CN/Y2014/V21/I5/426

[1] 陈一帆,吴倩,蒋凌,华亮. 基于声信号识别的焊后残余应力处理质量检测方法[J]. 工程设计学报, 2022, 29(3): 272-278.
[2] 王春香, 王耀, 郝志博. 增材制造中基于零件特征的分段自适应分层算法[J]. 工程设计学报, 2020, 27(3): 373-379.
[3] 李现坤, 曾德标, 楚王伟, 伍承旭. 基于光纤应变传感器的型架定位器位置检测方法研究[J]. 工程设计学报, 2020, 27(3): 287-292.
[4] 陈亮, 陈博文, 刘晓敏, 窦昊. 用户需求映射网络生物文本的创新设计方法[J]. 工程设计学报, 2020, 27(3): 279-286.
[5] 袁凯, 刘延俊, 孙景余, 罗星. 基于模糊RBF神经网络的水下机械臂控制研究[J]. 工程设计学报, 2019, 26(6): 675-682.
[6] 马长李, 刘聪, 马奔. 基于干扰观测器的波浪升沉模拟及自适应补偿策略研究[J]. 工程设计学报, 2019, 26(6): 728-735.
[7] 王飞, 龚国芳, 秦永峰. 转速受限条件下TBM刀盘混合驱动系统控制器设计[J]. 工程设计学报, 2019, 26(6): 722-727.
[8] 秦永峰, 龚国芳, 王飞, 孙辰晨. 基于RBF神经网络的液黏调速离合器活塞位移控制器设计[J]. 工程设计学报, 2019, 26(5): 603-610.
[9] 乔景慧, 李岭. 基于机器视觉的电视机背板检测及自适应抓取研究[J]. 工程设计学报, 2019, 26(4): 452-460.
[10] 刘春青, 王文汉. 基于人工神经网络-遗传算法的展成法球面精密磨削参数优化[J]. 工程设计学报, 2019, 26(4): 395-402.
[11] 宋广玥, 宋智斌, 项忠霞. 基于足底压力传感器的不控制减重比例下步态相位识别[J]. 工程设计学报, 2019, 26(3): 260-266.
[12] 张钊, 张继忠. 自动落纱机自适应纱管夹持器设计及其动力学仿真研究[J]. 工程设计学报, 2018, 25(5): 539-545.
[13] 唐林, 许志沛, 贺田龙, 敖维川. 基于BP神经网络的转动架稳定性灵敏度分析[J]. 工程设计学报, 2018, 25(5): 576-582.
[14] 汪应龙, 刘爱莲, 翟少磊, 朱全聪, 顾红波, 李川. 基于自适应频率跟踪的基波提取算法应用研究[J]. 工程设计学报, 2018, 25(1): 56-61.
[15] 唐维, 谢延敏, 黄仁勇, 张飞, 潘贝贝. 基于自适应SVR-ELM混合近似模型的镁合金差温成形本构参数反求[J]. 工程设计学报, 2017, 24(5): 536-544.