SVM-PSO混合算法的光学电压传感器内电场优化

对光学电压传感器内电场的优化多采用有限元计算结合穷举搜索,无法反映电场分布与传感结构参数之间的非线性映射关系,且计算与搜索费时、效率低,容易落入局部陷阱。提出基于支持向量机(SVM)与粒子群(PSO)的电场优化混合算法,通过PSO优化SVM的参数以建立电光晶体内电场分布的模型,再由PSO对模型求解得到最优电场分布。以介质包裹结构为例,构建包裹介质的介电常数、厚度以及长度与晶体内电场分布之间的非线性映射关系,且求解过程能够有效地避开局部陷阱,优化后晶体内电场均匀度提高了20.8%、训练时间节省了89%。最后通过实验验证了模型的有效性。     

采用SVM-PSO混合算法的光学电压传感器内电场优化

对光学电压传感器内电场的优化多采用有限元计算结合穷举搜索,该方法无法反映电场分布与传感结构参数之间的非线性映射关系,且计算与搜索费时、效率低,容易落入局部陷阱.为此,提出基于支持向量机(SVM)与粒子群(PSO)的电场优化混合算法.通过PSO优化SVM参数,建立电光晶体内电场分布模型,再由PSO对模型求解得到最优电场分布.以介质包裹结构为例,构建包裹介质的介电常数、厚度,以及长度与晶体内电场分布之间的非线性映射关系.该求解过程能够有效地避开局部陷阱,优化后晶体内电场均匀度提高了20.8%,训练时间节省了89%.最后通过实验验证了模型的有效性.