當(dāng)前位置:首頁(yè) > 嵌入式 > 嵌入式教程
[導(dǎo)讀] 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。

本站聲明: 本文章由作者或相關(guān)機(jī)構(gòu)授權(quán)發(fā)布,目的在于傳遞更多信息,并不代表本站贊同其觀點(diǎn),本站亦不保證或承諾內(nèi)容真實(shí)性等。需要轉(zhuǎn)載請(qǐng)聯(lián)系該專欄作者,如若文章內(nèi)容侵犯您的權(quán)益,請(qǐng)及時(shí)聯(lián)系本站刪除。
換一批
延伸閱讀

9月2日消息,不造車的華為或?qū)⒋呱龈蟮莫?dú)角獸公司,隨著阿維塔和賽力斯的入局,華為引望愈發(fā)顯得引人矚目。

關(guān)鍵字: 阿維塔 塞力斯 華為

倫敦2024年8月29日 /美通社/ -- 英國(guó)汽車技術(shù)公司SODA.Auto推出其旗艦產(chǎn)品SODA V,這是全球首款涵蓋汽車工程師從創(chuàng)意到認(rèn)證的所有需求的工具,可用于創(chuàng)建軟件定義汽車。 SODA V工具的開(kāi)發(fā)耗時(shí)1.5...

關(guān)鍵字: 汽車 人工智能 智能驅(qū)動(dòng) BSP

北京2024年8月28日 /美通社/ -- 越來(lái)越多用戶希望企業(yè)業(yè)務(wù)能7×24不間斷運(yùn)行,同時(shí)企業(yè)卻面臨越來(lái)越多業(yè)務(wù)中斷的風(fēng)險(xiǎn),如企業(yè)系統(tǒng)復(fù)雜性的增加,頻繁的功能更新和發(fā)布等。如何確保業(yè)務(wù)連續(xù)性,提升韌性,成...

關(guān)鍵字: 亞馬遜 解密 控制平面 BSP

8月30日消息,據(jù)媒體報(bào)道,騰訊和網(wǎng)易近期正在縮減他們對(duì)日本游戲市場(chǎng)的投資。

關(guān)鍵字: 騰訊 編碼器 CPU

8月28日消息,今天上午,2024中國(guó)國(guó)際大數(shù)據(jù)產(chǎn)業(yè)博覽會(huì)開(kāi)幕式在貴陽(yáng)舉行,華為董事、質(zhì)量流程IT總裁陶景文發(fā)表了演講。

關(guān)鍵字: 華為 12nm EDA 半導(dǎo)體

8月28日消息,在2024中國(guó)國(guó)際大數(shù)據(jù)產(chǎn)業(yè)博覽會(huì)上,華為常務(wù)董事、華為云CEO張平安發(fā)表演講稱,數(shù)字世界的話語(yǔ)權(quán)最終是由生態(tài)的繁榮決定的。

關(guān)鍵字: 華為 12nm 手機(jī) 衛(wèi)星通信

要點(diǎn): 有效應(yīng)對(duì)環(huán)境變化,經(jīng)營(yíng)業(yè)績(jī)穩(wěn)中有升 落實(shí)提質(zhì)增效舉措,毛利潤(rùn)率延續(xù)升勢(shì) 戰(zhàn)略布局成效顯著,戰(zhàn)新業(yè)務(wù)引領(lǐng)增長(zhǎng) 以科技創(chuàng)新為引領(lǐng),提升企業(yè)核心競(jìng)爭(zhēng)力 堅(jiān)持高質(zhì)量發(fā)展策略,塑強(qiáng)核心競(jìng)爭(zhēng)優(yōu)勢(shì)...

關(guān)鍵字: 通信 BSP 電信運(yùn)營(yíng)商 數(shù)字經(jīng)濟(jì)

北京2024年8月27日 /美通社/ -- 8月21日,由中央廣播電視總臺(tái)與中國(guó)電影電視技術(shù)學(xué)會(huì)聯(lián)合牽頭組建的NVI技術(shù)創(chuàng)新聯(lián)盟在BIRTV2024超高清全產(chǎn)業(yè)鏈發(fā)展研討會(huì)上宣布正式成立。 活動(dòng)現(xiàn)場(chǎng) NVI技術(shù)創(chuàng)新聯(lián)...

關(guān)鍵字: VI 傳輸協(xié)議 音頻 BSP

北京2024年8月27日 /美通社/ -- 在8月23日舉辦的2024年長(zhǎng)三角生態(tài)綠色一體化發(fā)展示范區(qū)聯(lián)合招商會(huì)上,軟通動(dòng)力信息技術(shù)(集團(tuán))股份有限公司(以下簡(jiǎn)稱"軟通動(dòng)力")與長(zhǎng)三角投資(上海)有限...

關(guān)鍵字: BSP 信息技術(shù)
關(guān)閉
關(guān)閉