多层吸波材料的优化设计模型

通过优化设计,建立了多层吸波材料的理论模型.研究结果表明,多层吸波材料的最大吸收反射率与材料厚度的成单调递增关系,同时频宽却向低频方向发生偏移;反射损失(RL)-10d B的频宽随着厚度增加而减小;双层吸波材料的吸波频率范围比单层吸波材料的宽,三层吸波材料的吸波频宽进一步增大,且在C波段和Ku波段有最大反射损失吸收峰.各单层吸波材料具有不同的电损耗和磁损耗性能,经过优化设计复合后,多层吸波材料中各层吸波材料的优异性能的合理叠加使吸波频宽增大.模型的计算结果与实验测定结果的吻合度很好.     

FSS在吸波材料中应用的实验研究

对频率选择表面(FSS)在复合吸波材料设计中的应用进行了研究．把具有不同几何图案的FSS置于多层复合吸波材料中的不同位置,得到多个不同的样品,并在以HP8722ES矢量网络分析仪为核心的弓形法测试系统中进行微波吸收性能测量．测试结果表明：FSS的存在显著影响复合吸波材料的吸收性能;FSS的图案、几何尺寸以及在复合结构中的位置都对样品的反射率特性产生影响．优化FSS在复合吸波材料中的使用可获得频带较宽、吸波性能较强的复合吸波材料。     

具有中空多壳结构的BaTiO3/TiO2@聚吡咯复合材料的制备及其吸波性能研究

信息时代的迅速发展带来了不可忽视的电磁污染问题,吸波材料在电磁污染、信息安全等领域发挥着重要作用。理想的吸波材料应当具有涂层薄、吸收强、频带宽、机械性能好等优点。BaTiO₃属于传统的介电损耗型吸波材料,拥有较高的介电常数,然而吸收强度低、有效频带窄等缺陷限制了其发展应用。通过材料纳微结构的调整以及成分的复合对BaTiO₃进行改性处理,是提高材料吸波性能的有效方法。本文旨在开发一种吸收强度高、有效频带宽的BaTiO₃基复合吸波材料。以碳质微球为模板,采用次序模板法合成了中空多壳层结构（HoMS）的TiO₂微球,经原位水热将TiO₂转变为BaTiO₃,再通过吡咯蒸气聚合在BaTiO₃/TiO₂ HoMS壳层上包覆聚吡咯（PPy）,成功制备了具有不同壳层数目的复合吸波材料。利用矢量网络分析仪对不同BaTiO₃基复合吸波材料的电磁参数进行测试,分析了不同复合结构对材料吸波性能的影响。研究结果表明,包覆了PPy的BaTiO₃基复合材料表现出更加优异的吸波性能。其中,三壳层BaTiO₃/TiO₂@PPy HoMSs的吸波性能最佳,有效吸收频宽达4.20 GHz,在13.34 GHz处反射损失最小,为?21.8 dB,吸波涂层的最佳匹配厚度仅为1.3 mm。中空多壳层结构不仅能够延长电磁波的传输路径,同时为不同损耗机制材料的复合提供了丰富的调控空间,实现了吸波性能的提高。     

宽频带超材料微波吸收结构研究

将3D超材料吸波结构和磁性吸波材料相结合使用,对宽频带微波超材料吸收结构进行了设计优化和电磁场仿真研究.利用磁性材料本身的电磁波吸收性能和周期性超材料吸波单元的频率可设计性,并充分考虑了3D渐变单元的电磁场匹配和多次反射吸收的情况,设计了由圆台形单元组成的周期性吸波结构:每个圆台由20层尺寸渐变的金属谐振单元和以羰基铁粉为吸波填充材料的磁性复合层相间堆叠而成.采用电磁仿真软件CST Microwave Studio进行了结构设计以及吸波效果和电磁场分析,结果表明:此结构在4.5 G～18 GHz频率范围内电磁波吸收效果较好,正入射的吸收率大于90%.仿真和分析结果也表明,吸波材料和超材料相结合,在厚度不超过5 mm的情况下,所能够实现的吸波频率的下限约为4 GHz.     

复合型阻抗加载微波吸收材料的研究

研究了遗传算法在复合型阻抗加载微波吸收材料设计中的应用,分别对多层铁氧体吸波材料和复合型阻抗加载吸波材料的厚度和结构进行了优化计算.理论分析结果表明,随着阻抗加载电路在多层铁氧体吸波材料中的加入,3 mm厚和5 mm厚的吸波材料的吸收性能分别提高了20 %和10 %,而且在频段上也更加符合宽须吸收的要求.     

Fe填充碳纳米管微波吸收材料的研究

实验采用二茂铁热分解原位沉积法制备了金属Fe填充碳纳米管复合雷达吸波材料.高分辨透射电镜观测证实了Fe在碳纳米管内的填充发生,填充的金属Fe在碳纳米管内呈准连续的纳米线.采用HP8722ES矢量网络分析仪测量了样品在2～18 GHz频率范围内的复介电常数和复磁导率.采用吸收屏理论公式计算材料反射率损耗、匹配频段及匹配厚度.结果表明,样品反射损耗随吸收层匹配厚度的增大,吸收峰向低频方向迁移.吸收层在Ku波段具有较好的吸波效果.当吸收层匹配厚度为3.5 mm时,在中高频范围内,反射衰减最大达-22.73 dB,反射衰减小于-10 dB的频宽达4.22 GHz.     

梯度羰基铁/碳纤维增强复合超材料的多尺度结构及超宽频电磁波吸收性能

先进电磁波吸收材料对薄厚度、轻重量、宽频带、强吸收等综合性能提出了更高要求。在此,我们提出了一种具有梯度电磁特性的新型层状台阶吸波超材料。通过在环氧树脂中分散不同含量的羰基铁和碳纤维来获得不同复介电常数和复磁导率的材料。通过对各层材料的电磁参数和几何尺寸实现宽频吸波性能的优化。在相同厚度和相同各层材料电磁参数条件下,平板层状结构在2.0–40 GHz范围内只能实现小于?6 dB的反射损耗,而本文设计的层状台阶超材料实现了小于?10 dB的电磁波吸收。此外,层状台阶超材料在11.2–21.4 GHz和28.5–40 GHz的频率范围反射损耗小于?15 dB。根据实验和仿真结果,本文讨论了多尺度结构协同效应所引起的多种电磁波吸收机制。因此,将多层结构和周期性台阶结构结结合获得新型的梯度吸收超材料,可为宽频电磁吸波材料的设计和研制提供新的思路。     

嵌入频率选择表面的薄层宽带磁性吸波材料研究

介绍一种在两层磁性材料之间嵌入频率选择表面的薄层复合吸波结构的宽带吸收特性.频率选择表面由金属方环阵列和低耗介质板构成,其上层、下层磁性材料为不同电磁参数的羰基铁复合物.不加频率选择表面的传统磁性吸波材料若想在宽带取得良好的吸收效果,需要较大的厚度和面密度,导致其应用范围受限.引入频率选择表面能够增强复合吸波结构的吸收频带,并有效减薄吸波结构的厚度.在阻抗匹配条件下,电磁能量主要通过金属单元的欧姆损耗和底层磁性材料的磁损耗进行吸收.为了验证该复合吸波体的吸波性能,在电磁仿真软件HFSS 15.0上搭建模型,而后根据仿真结果对结构参数不断进行优化.最终的仿真结果表明,复合吸波材料厚度为2 mm,2 GHz处反射率可达-5.5 dB,在3.4 G～9 GHz频段反射率为-10 dB,在9 G～18 GHz频段反射率依旧达到-8 dB以下.而无频率选择表面的复合吸波材料,在同等条件下,虽然峰值吸收率较大,但在12 GHz以上吸波性能快速恶化,难以满足宽带吸波的要求.因此,含频率选择表面的复合吸波体具有吸收频带宽的优势,具有广泛的应用前景.     

含随机分布散射颗粒的吸波体设计和性能分析

单层致密平板吸波材料除几个特殊的吸收峰外,很难在较宽的频段达到理想的吸收效果．通过在吸波体内导电媒质的“孤岛”化设计,制备了单层非连续体平板吸波材料．测试结果表明,在8～18GHz频段内,热压平板媒质只出现两个特征吸收峰值,含炭20％吸收效果最好,但超过10dB的有效频段只有约1GHz．而非连续体平板吸波材料由于和空间波阻抗的良好匹配以及内部“孤立”颗粒对电磁波的散射和吸收衰减,其反射损耗有较大提高;而且随着平板试样中“孤立”颗粒炭含量的增加,平板对电磁波的反射损耗也增加,当炭含量达到30％时,平板的反射损耗在8．5～18GHz宽频范围内都超过10dB,有效频段在10GHz以上．     

六边形环FSS单元对吸波材料性能的影响

为改善吸波材料的吸波性能,将六边形环频率选择表面(FSS)单元植入到多层吸波结构中组成复合吸波结构,通过改变FSS单元在复合吸波结构中的不同位置及其厚度,利用谱域法分析其对吸波结构吸波性能的影响.结果表明,由于FSS单元的存在,在一定条件下可以改善吸波结构的吸波性能,且FSS单元在吸波结构中的位置及厚度不同,其影响也是不同的.     

一种混合拓扑结构的粒子群优化算法

为进一步提高粒子群优化算法的搜索性能,在分析不同拓扑结构对算法性能影响的基础上,针对不同拓扑结构粒子群优化算法的优缺点,提出一种混合使用全局版本和局部版本粒子群优化算法的方法,每一代粒子在速度更新时随机选择全局模型或局部模型方式进行.在典型测试函数上进行对比实验,结果验证了新算法不仅能有效地进行全局搜索,而且具有更好的收敛精度.     

一种TDCS自适应粒子群导频优化设计算法

为了解决变换域通信系统(transform domain communication system,TDCS)基函数存在不可用频带而产生的导频优化设计问题,提高TDCS的信道估计精度,提出了基于自适应粒子群算法的TDCS导频优化设计.构建TDCS信道估计模型,分析不可用频带对信道估计性能的影响并建立导频优化模型,设计导...     

分段式微粒群优化算法

提出一种分段式微粒群优化算法。该算法将所要搜索的区域分成若干段,首先在每一区段内搜索出区段的最优位置,然后将各区段的最优位置组成一微粒群,继续搜索全局最优位置。通过对5个常用标准测试函数进行优化计算,仿真结果表明:分段式微粒群优化算法能有效地搜索到全局最优解,具有比基本微粒群优化算法更快的搜索速度和更好的优化性能。     

基于樽海鞘群与粒子群混合优化算法的特征选择

针对现有特征选择方法中存在的收敛速度慢和计算效率低等问题,提出了一种基于樽海鞘群与粒子群优化的混合优化(hybrid optimization of salp swarm algorithm and particle swarm optimization,HOSSPSO)特征选择方法,该方法在樽海鞘群算法(salp swarm algorithm,SSA)的基础上,引入粒子群优化(particle swarm optimization,PSO),提高了SSA的收敛速度,改进了探索和开发步骤的效率,增加了解空间更多的灵活性和多样性,使得方法能够迅速获得全局最优值.为了验证算法的性能,在2个实验序列上进行了测试:第一个实验序列使用基准函数,将HOSSPSO与标准SSA、PSO进行了比较;第二个实验序列采用不同的UCI数据集,通过提出的算法确定最佳特征集.实验结果表明,相比于其他优化算法,HOSSPSO的性能更具优势,在多项评估指标中获得较好的效果,能以极少量的特征获得最大的分类精度.     

一种可用输电能力量子粒子群优化算法

以量子行为与粒子群优化相融合的量子粒子群算法解决可用输电能力计算的优化问题.利用Matlab软件平台,以IEEE-30节点标准系统为算例进行仿真计算,比较本算法与传统粒子群算法的仿真结果,分析两种算法的寻优性能和收敛速度.仿真结果验证了量子粒子群算法解决可用输电能力优化问题的有效性.     

改进的粒子群算法在翼型优化设计中的应用

建立了多目标风力机翼型型线优化模型,并采用改进的粒子群优化算法对多目标风力机翼型型线进行优化,设计出4种不同厚度的性能较好的风力机翼型。对CQUA18和CQUA21两种新翼型的气动特性与相同厚度典型的风力机翼型进行对比分析,结果表明,该翼型具有良好的气动特性,对翼型的前缘粗糙度不敏感,在主要攻角范围内,光滑和粗糙条件下,新翼型的升力系数和升阻比都要高,其气动特性具有显著的提高。     

Particle Swarm Optimization with Directed Mutation

In the standard particle swarm optimization(SPSO),the big problem is that it suffers from premature convergence,that is,in complex optimization problems,it may easily get trapped in local optima.In order to mitigate premature convergence problem,this paper presents a new algorithm,which is called particle swarm optimization(PSO) with directed mutation,or DMPSO.The main idea of this algorithm is to "let the best particle(the smallest fitness of the particle swarm) become more excellent and the worst particle(the largest fitness of the particle swarm) try to be excellent".The new algorithm is tested on a set of eight benchmark functions,and compared with those of other four PSO variants.The experimental results illustrate the effectiveness and efficiency of the DMPSO.The comparisons show that DMPSO significantly improves the performance of PSO and searching accuracy.     

Fuzzy entropy image segmentation based on particle swarm optimization

Particle swarm optimization is a stochastic global optimization algorithm that is based on swarm intelligence. Because of its excellent performance, particle swarm optimization is introduced into fuzzy entropy image segmentation to select the optimal fuzzy parameter combination and fuzzy threshold adaptively. In this study, the particles in the swarm are constructed and the swarm search strategy is proposed to meet the needs of the segmentation application. Then fuzzy entropy image segmentation based on particle swarm optimization is implemented and the proposed method obtains satisfactory results in the segmentation experiments. Compared with the exhaustive search method, particle swarm optimization can give the same optimal fuzzy parameter combination and fuzzy threshold while needing less search time in the segmentation experiments and also has good search stability in the repeated experiments. Therefore, fuzzy entropy image segmentation based on particle swarm optimization is an efficient and promising segmentation method.     

基于粒子群算法的盲源分离算法

简要地介绍了粒子群算法(PSO)及其改进算法和盲源分离算法(BSS),改进的粒子群算法具有并行性、易实现等优点。将改进的粒子群算法与盲源分离算法相结合,提出了基于粒子群算法的盲源分离算法。该算法以混合信号的峰度为目标函数,采用独立分量分析的方法,用改进的粒子群算法代替常规的最陡梯度下降法,对瞬时混合的信号进行盲分离,解决了梯度算法收敛速度慢的问题。实验仿真表明:该算法具有收敛速度快、分离效果好等特点。     

Modified PSO algorithm for solving planar graph coloring problem

The graph coloring is a classic NP-complete problem. Presently there is no effective method to solve this problem. Here we propose a modified particle swarm optimization (PSO) algorithm in which a disturbance factor is added to a particle swarm optimizer for improving its performance. When the current global best solution cannot be updated in a certain time period that is longer than the disturbance factor, a certain number of particles will be chosen according to probability and their velocities will be reset to force the particle swarm to get rid of local minimizers. It is found that this operation is helpful to improve the performance of particle swarm. Classic planar graph coloring problem is resolved by using modified particle swarm optimization algorithm. Numerical simulation results show that the performance of the modified PSO is superior to that of the classical PSO.