基于遺傳算法的復(fù)雜無(wú)源濾波器參數(shù)設(shè)計(jì)

提出了一種基于計(jì)算機(jī)數(shù)值計(jì)算的復(fù)雜無(wú)源濾波器參數(shù)設(shè)計(jì)的新方法,首先把求解電路參數(shù)的問(wèn)題數(shù)學(xué)化為性能指標(biāo)優(yōu)化模型,然后采用遺傳算法求得特性符合要求的電路參數(shù)值,數(shù)值實(shí)驗(yàn)表明了此方法的有效性。

    關(guān)鍵詞：無(wú)源濾波器 參數(shù)優(yōu)化設(shè)計(jì) 遺傳算法

    無(wú)源濾波器在電子技術(shù)領(lǐng)域有著廣泛的應(yīng)用。針對(duì)某一應(yīng)用的復(fù)雜無(wú)源濾波器,往往結(jié)構(gòu)容易確定,參數(shù)調(diào)整卻十分困難。其原因是：結(jié)構(gòu)中的組成元件?電阻、電容、電感?個(gè)數(shù)較多,頻率特性與元件參數(shù)的關(guān)系是一個(gè)高階的非線性函數(shù),相互間對(duì)頻率特性的影響存在著高度的耦合,因而欲達(dá)到頻率特性優(yōu)良的設(shè)計(jì)目的,無(wú)論采用實(shí)驗(yàn)手段還是常規(guī)數(shù)學(xué)手段,都需花費(fèi)大量的時(shí)間與精力。

    近年來(lái),模擬生物進(jìn)化過(guò)程的遺傳算法作為求解優(yōu)化問(wèn)題的有效手法而倍受關(guān)注。正如Ｔｈｏｍａｓ Ｂａｃｋ等人指出?１?,同其他手法相比,其優(yōu)點(diǎn)在于：處理問(wèn)題的靈活性、適應(yīng)性、魯棒性,能取得全局解,對(duì)模型要求低,針對(duì)不同問(wèn)題設(shè)計(jì)的不同遺傳算法,不僅能提高現(xiàn)有解的優(yōu)化品質(zhì),還能攻克某些難度大的優(yōu)化問(wèn)題。

    本文以遺傳算法的應(yīng)用為出發(fā)點(diǎn),提出了一種新的無(wú)源濾波器參數(shù)設(shè)計(jì)方法。它能有效克服上述無(wú)源濾波器參數(shù)設(shè)計(jì)的困難,十分方便地取得滿足性能指標(biāo)要求的參數(shù)設(shè)計(jì)值。

１ 優(yōu)化模型的建立

    典型的無(wú)源濾波器電路組成元件一般按Ｔ型結(jié)構(gòu)連接,如圖１所示。濾波器的頻率特性可以用功率傳輸函數(shù)來(lái)定義,即：





    其中,Ｘ＝[Ｘ１,Ｘ２,．．．,Ｘｎ],為電路的元件參數(shù)值矩陣,ｎ為元件總個(gè)數(shù),Ｗ為頻率。若Ｘ已知,頻率采樣點(diǎn)Ｗｉ對(duì)應(yīng)的頻率特性Ｌｉ可按下述方法計(jì)算：

設(shè) Ｉ１＝ＩＬ＝０．１,

    Ｖ１＝ＩＬＲＬ＋０＝ＶＬ

    Ｉ２＝Ｖ１Ｙ１＋ＩＬ

    Ｖ３＝Ｉ２Ｚ２＋Ｖ１

    Ｖ２ｎ＋１＝Ｉ２ｎＺ２ｎ＋Ｖ２ｎ－１

    Ｉ２ｎ＋２＝Ｖ２ｎ＋１Ｙ２ｎ＋１＋Ｉ２ｎ

    Ｅｓ＝ＲｓＩ２ｎ＋２＋Ｖ２ｎ＋１

    用簡(jiǎn)易的迭代程序求得Ｅｓ,代入式(１)即可求得Ｌｉ。

    濾波器的結(jié)構(gòu)已知后,先確定結(jié)構(gòu)中的參數(shù)取值范圍,選擇的條件可以比較寬松,然后按預(yù)期的性能指標(biāo)要求,選定適當(dāng)個(gè)頻率采樣點(diǎn)Ｗ１,Ｗ２,．．．,規(guī)定其對(duì)應(yīng)功率傳輸函數(shù)幅度界限值,迫使它調(diào)整后經(jīng)過(guò)采樣點(diǎn)時(shí),滿足幅度界限要求（大于、小于或介于）。由此獲得的新設(shè)計(jì)參數(shù)Ｘ*即是滿足預(yù)期性能指標(biāo)的設(shè)計(jì)值。為求得Ｘ*,建立如下優(yōu)化模型：



    其中,Ｘ的定義同前,Ｔ＝[Ｔ１,Ｔ２,．．．]為幅度界限值矩陣,Ｓ＝[Ｓ１,Ｓ２,．．．]為加權(quán)系數(shù)矩陣,Ｕ＝[Ｕ１,Ｕ２,．．．]為裕度矩陣,ＸＬ、ＸＵ分別為設(shè)計(jì)參數(shù)的上下界限矩陣。ｐ為偶次方,ｍ為采樣點(diǎn)總數(shù),Ｒｉ稱為余差,具體表達(dá)式為：

    下界 Ｒｉ＝Ｓｉ×Ｍｉｎ（＋[Ｌｉ－Ｔｉ]－Ｕｉ,０）

    上界 Ｒｉ＝Ｓｉ×Ｍｉｎ（－[Ｌｉ－Ｔｉ]－Ｕｉ,０）

    顯然,當(dāng)存在解Ｘ使Ｆ函數(shù)最小時(shí),Ｌｉ的值應(yīng)能控制在Ｔｉ的要求范圍內(nèi),從而使頻率特性滿足指標(biāo)要求,因此該解即可視為Ｘ*。

２ 優(yōu)化模型的求解

    遺傳算法是一個(gè)強(qiáng)有力的求優(yōu)算法,它首先隨機(jī)地產(chǎn)生一組潛在的解Ｘ（該解稱為“染色體”,解的特定集合稱為“人口”,解中的變量稱為“基因”）,然后采用生物進(jìn)化的過(guò)程（如染色體交叉?變異?淘汰等）不斷提高解的品質(zhì),最后獲得最優(yōu)解。遺傳算法有兩個(gè)重要控制參數(shù)——交叉率Ｐｃ和變異率Ｐｍ對(duì)算法的收斂速度有較大影響,文獻(xiàn)[３]采用確定不變的Ｐｃ和Ｐｍ?而本文采用隨世代數(shù)增加而不斷自動(dòng)調(diào)整的Ｐｃ和Ｐｍ。這樣做的目的在于：在進(jìn)化的初期,人口的差異一般較大,交叉率大和變異率小有助于加快收斂,而在進(jìn)化的后期,交叉率小和變異率大有助防止過(guò)早陷入局部最優(yōu)點(diǎn)。公式如下：

    Ｐｃ(ｇｅｎ)＝Ｐｃ(ｇｅｎ－１)－[Ｐｃ（０）－０．３]／ＭＡＸＧＥＮ

    Ｐｍ（ｇｅｎ）＝Ｐｍ（ｇｅｎ－１）＋[０．３－Ｐｍ（０）／ＭＡＸＧＥＮ

    其中,ｇｅｎ表示世代數(shù),ＭＡＸＧＥＮ表示最大世代數(shù),具體算法如下：

第１步,全局參數(shù)設(shè)定

給出ＰＯＰ＿ＳＩＺＥ（人口數(shù)）、Ｐｃ（０）、Ｐｍ（０）、ＭＡＸＧＥＮ和設(shè)計(jì)次數(shù)ｄｃｎｔ的大小或范圍。

第２步,人口的產(chǎn)生及初使化

設(shè)世代數(shù)ｇｅｎ＝１。以設(shè)計(jì)參數(shù)為變量,組成矩陣Ｘ＝[Ｘ１,Ｘ２,．．．,Ｘｎ]。第一代人口由ＰＯＰ＿ＳＩＺＥ個(gè)染色體構(gòu)成,每個(gè)染色體的基因（即設(shè)計(jì)參數(shù)）在參數(shù)各自取值范圍內(nèi)隨機(jī)產(chǎn)生。

第３步,染色體評(píng)價(jià)

為了評(píng)價(jià)代世代中染色體Ｘ的優(yōu)劣,建立染色體適應(yīng)性評(píng)價(jià)函數(shù)ｅｖａｌ（Ｘ）：

ｅｖａｌ（Ｘ）＝｛F（X,T,S,U）;當(dāng)X滿足約束條件    M,M為一大正數(shù);當(dāng)X不滿足約束條件

對(duì)本問(wèn)題,評(píng)價(jià)函數(shù)越小越好。[!--empirenews.page--]

第４步,基因操作

    通?；虿僮饔薪徊?、變異、選擇三種(２)。

    基因交叉：設(shè)交叉計(jì)數(shù)器ｃｃｎｔ＝０,從[０,１]范圍內(nèi)產(chǎn)生隨機(jī)數(shù)ｒｋ（ｋ＝１,２,．．．,ＰＯＰ＿ＳＩＺＥ）,如果ｒｋ＜Ｐｃ（ｇｅｎ）,則選擇Ｘｋ為交叉用;使交叉染色體配對(duì)進(jìn)行如下位交叉操作：

Ｘｊ＝[Ｘ１ｊ,Ｘ２ｊ,．．．,Ｘｐｊ,．．．,Ｘｎｊ]?     Ｘｊ′＝[Ｘ１ｊ,Ｘ２ｊ,?．．．,Ｘｐｌ,．．．,Ｘｎｌ? 


Ｘｌ＝[Ｘ１ｌ,Ｘ２ｌ,．．．,Ｘｐｌ,．．．,Ｘｎｌ]      Ｘｌ′＝[Ｘ１ｌ,Ｘ２ｌ,．．．,Ｘｐｊ,．．．,Ｘｎｊ]

    其中Ｘｊ、Ｘｌ為配對(duì)染色體,Ｘｊ′、Ｘｌ′為交叉后染色體。ｐ為隨機(jī)選擇的交插位,接受交叉操作的染色體個(gè)數(shù)記入ｃｃｎｔ中。

    基因變異：設(shè)變異計(jì)數(shù)器ｍｃｎｔ＝０,從[０,１]范圍內(nèi)產(chǎn)生隨機(jī)數(shù)ｒｋ(ｋ＝１,?２,．．．,ｎ×ＰＯＰ＿ＳＩＺＥ＋ｎ×ｃｃｎｔ),如果ｒｋ＜Ｐｍ(ｇｅｎ),則第ｋ個(gè)基因進(jìn)行變異操作,并使ｍｃｎｔ＝ｍｃｎｔ＋１。新基因Ｘｋ′隨機(jī)產(chǎn)生于區(qū)間[(１－α)Ｘｋ,(１＋α)Ｘｋ];其中１≤ｉ≤ＰＯＰ＿ＳＩＺＥ,α為[０,１]范圍內(nèi)選定常數(shù)。

    染色體選擇：計(jì)算新生染色體Ｘｎ′的評(píng)價(jià)函數(shù)ｅｖａｌ(Ｘｎ′)(ｎ＝１,２,．．．,ｃｃｎｔ＋ｍｃｎｔ?和父代染色體Ｘｎ的評(píng)價(jià)函數(shù)ｅｖａｌ?Ｘｎ??ｎ＝１?２?．．．?ＰＯＰ＿ＳＩＺＥ?,并按適應(yīng)性大小排列,選出其中適應(yīng)性最強(qiáng)的ＰＯＰ＿ＳＩＺＥ個(gè)染色體構(gòu)成新一代人口并保留上述過(guò)程中最佳染色體Ｖ*,這個(gè)過(guò)程稱為“適者生存”選擇。

第５步,單次過(guò)程結(jié)束判斷

    當(dāng)Ｆ＜Ｅｒ時(shí)(Ｅｒ?yàn)橐恍?shù)量級(jí)數(shù)值?,Ｘ*＝Ｖ*,輸出Ｘ*,轉(zhuǎn)第６步。

    當(dāng)Ｆ≤Ｅｒ且ｇｅｎ≥ＭＡＸＧＥＮ時(shí),ｇｅｎ＝ｇｅｎ＋１,返回第３步。

    當(dāng)Ｆ≥Ｅｒ時(shí)且ｇｅｎ≥ＭＡＸＧＥＮ時(shí),返回第２步。

第６步,全過(guò)程結(jié)束判斷

    ｄｃｎｔ＝ｄｃｎｔ－１;當(dāng)ｄｃｎｔ＞０時(shí),返回第２步;否則,停機(jī)。

３ 數(shù)值實(shí)驗(yàn)例

    圖２為一帶通無(wú)源濾波器電路結(jié)構(gòu),通頻帶要求在９５０～１０５０ ｒａｄ／ｓ之間。為此,每隔５ ｒａｄ／ｓ作一次采樣,采樣點(diǎn)的幅度大于０．８５;設(shè)定低頻截止頻率為８００ ｒａｄ／ｓ,幅度小于１ｅ－５;高頻截止頻率為１３００ｒａｄ／ｓ,幅度小于１ｅ－５。建立如下優(yōu)化模型：



ｓ．ｔ． ＸＬ＝[０,０,．．．,０]＜Ｘ＜ＸＵ＝[１８,１８,．．．,１８]?

其中

    Ｘ＝[Ｘ１,Ｘ２,．．．,Ｘ１９]＝[Ｌ,Ｃ３,Ｃ４,Ｌ６,Ｌ７,Ｃ７,Ｌ９,Ｌ１０,Ｃ１２,Ｌ１３,Ｃ１３,Ｌ１５,Ｌ１６,Ｃ１８,Ｌ１９,Ｃ１９,Ｌ２１,Ｌ２２,Ｃ２４];

    Ｒ１＝１０×Ｍｉｎ(＋[１．０ｅ－５－Ｌ１]－０．０,０）,對(duì)應(yīng)Ｗ１＝８００ｒａｄ／ｓ

    Ｒｊ＝１．０×Ｍｉｎ(＋[Ｌｊ－０．８５]－０．０５,０);ｊ＝２,３,?．．．,２２,對(duì)應(yīng)Ｗｊ＝(５×ｊ＋９４０)ｒａｄ／ｓ

    Ｒ２３＝１０×Ｍｉｎ(＋[１．０ｅ－５－Ｌ２３]－０．０,０）,對(duì)應(yīng)Ｗ２３＝１３００ｒａｄ／ｓ

    在ＮＥＣ４８００／２１０Ⅱ工作站完成上述算法。算法的參數(shù)設(shè)置為Ｅｒ＝１ｅ－６,α＝０．１,Ｐｃ＝Ｐｃ(０)＝０．６,Ｐｍ(０)＝０．１,ＰＯＰ＿ＳＩＺＥ＝４０,ＭＡＸＧＥＮ＝２０００,程序語(yǔ)言為ＵＮＩＸ－Ｃ。ｄｃｎｔ?。保?得到１０組設(shè)計(jì)值,皆能使頻率特性滿足要求。平均世代數(shù)為１５０８代,平均時(shí)間為９．８ｍｉｎ。其中一組結(jié)果為:

    Ｘ*＝[０．０７９２?１２．６５１４?０．０７５２?１３．０１５７?０．１０５８?３．３１３１?
０．１７９３?１３．３３８６?０．０７２６?０．１３３４?３．３２６?０．１７２２?１５．１２１８?０．０６３３?０．０８７６?１．９２８８?０．３３３３?１０．３１７１?０．０９００]。

    按此參數(shù)設(shè)計(jì)后,濾波器頻率特性較好地達(dá)到了預(yù)期要求,如圖３所示。

    本文簡(jiǎn)要分析了無(wú)源濾波器參數(shù)設(shè)計(jì)存在困難的主要原因。對(duì)無(wú)源濾波器的常用電路結(jié)構(gòu),提出了計(jì)算頻率特性的簡(jiǎn)易迭代法,并將求解滿足指標(biāo)要求的參數(shù)設(shè)計(jì)值的問(wèn)題轉(zhuǎn)化為優(yōu)化模型的求解過(guò)程,使的原來(lái)難以描述和解決的設(shè)計(jì)問(wèn)題變得明確和簡(jiǎn)單。

    在遺傳算法方面,我們并不照搬前人的方法[３],例如,把最小目標(biāo)函數(shù)的求解要求轉(zhuǎn)化為進(jìn)化的驅(qū)動(dòng)力而不是刻意求得最優(yōu)解,不僅減少了計(jì)算時(shí)間,還可提供設(shè)計(jì)者多種可選擇的方案。在遺傳算法的變異階段,采用的是以現(xiàn)有的基因?yàn)橹行牡淖笥易儺惙椒?有別于常用的在變量范圍內(nèi)變異的方法。因本法中心不斷靈活飄移,求解過(guò)程出現(xiàn)兩個(gè)極端,即快速找到合適解或走入死區(qū)——永遠(yuǎn)找不到解。我們通過(guò)設(shè)定最大世代數(shù)消除了后者的可能性,總體上提高了效率。
本法有效地克服了無(wú)源濾波器參數(shù)設(shè)計(jì)的困難,具有普遍性的價(jià)值和意義。其基本思想及原理亦可在電氣、電子、自動(dòng)化等較復(fù)雜系統(tǒng)的參數(shù)設(shè)計(jì)領(lǐng)域得到廣泛的應(yīng)用。