《HFSST形接头即波导功分器》由会员分享，可在线阅读，更多相关《HFSST形接头即波导功分器（42页珍藏版）》请在金锄头文库上搜索。
1、HFSSHFSS【T T形接头即波导功形接头即波导功分器】分器】2 2波导功分器：波导功分器：T形接头形接头工作频率工作频率912GHzHFSS中扫频设置（三种扫频方法）扫频求解设置nAddSweepDiscreteSweep-离散扫频n特点：q利用当前设置频率剖分网格，逐点求解各个频点的电磁场q求解时间与点数成正比q能够得到各个频点的场分布qSolution Frequency可设置扫频范围的最高点作为自适应点n在一般工程应用当中，为了节约一部分时间，也可设置为中间偏高1/3处进行自适应求解，能够在精度/速度上获得较好的均衡n适应场合：q需要的频点数不多，并关注各个频点的场分布时FastSw
2、eep-快速扫频n特点q通过求解传输函数零极点的方法，快速获得结构的频率响应q求解时间与扫频点数不敏感，可以求解充分多的频点数以便表征结构的谐振特性q能够得到各个频点的场分布qSolution Frequency中设置扫频范围的中心点作为自适应点n网格在求解频率上生成n离开中心频率越远，求解误差越大（不适合特别快的频带）InterpolatingSweep-插值扫频n特点：q在给定的频率范围内，由软件利用当前网格，自动确定电磁场求解的频点，然后通过内插，获得整个扫频范围内的频率响应q插值扫描的精度可以通过Error Tolerance设置qSolution Frequency中设置整个扫频范围
3、偏高的位置作为自适应点，可以在整个带宽内获得较好的精确性q只能得到自适应频点的场分布q适合于超宽带扫频（如DC10GHz）三种扫频算法比较n求解频率的设置q离散扫频（Discrete）和插值扫频（Interpolating Sweep）n自适应求解频率设置为扫频范围的偏高处，利用较高求解频率产生的较多网格确保求解精度q快速扫频（Fast Sweep）的算法特点，使得离开求解频率越远误差越大，精度越低n自适应求解频率设置为扫频范围的中心点n适合频带情况q离散扫频（Discrete）适合比较窄的少数几个频点q快速扫频（Fast Sweep）适合不宽不窄的频带（大多数应用场合）q插值扫频（Inter
4、polating Sweep）适合超宽带n得到的场分布q离散扫频（Discrete）能得到各个频点的场分布q快速扫频（Fast Sweep）能得到各个频点的场分布q插值扫频（Interpolating Sweep）只能得到自适应频点的场分布9 9问题：问题：反射大、功分损耗大反射大、功分损耗大？10101111wLength方法一：加金属块突起方法一：加金属块突起1212r1050201010020offset工作频率工作频率912GHz金属销钉半径金属销钉半径r=1mm，离开短路面距离，离开短路面距离offset=20mm优化优化r和和offset，使得，使得1端口反射小于端口反射小于-20
5、dB尺寸单位：尺寸单位：mm1端口端口2端口端口3端口端口方法二：加金属销钉方法二：加金属销钉1313优化前可以先参扫参扫，可缩小优化的范围，提高优化的效率这里以参扫offset为例，计算中心频点10.5GHz处的S1114141515HFSS13.0的优化器n在HFSS优化分析中有5种优化器可供选择。q连续非线性规划（SequentialNonlinearProgramming(SNLP)）；q连续和整数非线性规划（SequentialMixedIntegerNonLinearProgramming(SMINLP)）；q准牛顿（QuasiNewton）；q模式搜索（PatternSearch
6、）；q遗传算法（GeneticAlgorithm）；n在大多数情况下，推荐使用连续非线性规划（SequentialNonlinearProgramming），该优化器最好用，优化的效果也最好。优化变量初值的选择n优化自变量的初值应尽量接近最优值-通过解析计算、参扫等手段获取；n优化自变量的范围选择，首先应保证期望的最优值是在指定的自变量范围之内，其次自变量的范围越窄越好；n需要设置最大优化迭代次数；n所有的优化器都可以对自变量添加约束。SNLP 和 SMINLP 优化器的约束条件可以是线性的也可以是非线性的，而Quasi Newton、 Pattern Search和Genetic Algor
7、ithm的约束条件只能是线性的。Costfunction的定义nThecostfunctionthattheoptimizerusesisbuiltbasedonthenormsettingaslongastherearemultiplegoals.Thus,inthiscasetheerrorassociatedwitheachindividualgoal(weighted)iscombinedinawaythatisspecificforeachnormtypechosen.nForL1normtheactualcostfunctionusesthesumofabsoluteweighte
8、dvaluesoftheindividualgoalerrors:nForL2norm(thedefault)theactualcostfunctionusestheweightedsumofabsolutevaluesoftheindividualgoalerrors:nFortheMaximumnormthecostfunctionusesthemaximumamongalltheweightedgoalerrors:调出调出L1、L2和和Maximum优化器1：非线性规划n非线性规划是20世纪50年代才开始形成的一门学科。非线性规划在工程、管理、经济、科研、军事等方面都有广泛的应用，为最
9、优设计提供了有力的工具。n非线性规划是指具有非线性约束条件或目标函数的数学规划，是运筹学的一个分支。非线性规划研究一个n元实函数在一组等式或不等式的约束条件下的极值问题，目标函数和约束条件至少有一个是未知量的非线性函数。若目标函数和约束条件都是线性函数的情形则属于线性规划。非线性规划-数学模型n对实际规划问题作定量分析，必须建立数学模型。建立数学模型首先要选定适当的目标变量和决策变量，并建立起目标变量与决策变量之间的函数关系，称之为目标函数。然后将各种限制条件加以抽象，得出决策变量应满足的一些等式或不等式，称之为约束条件。非线性规划问题的一般数学模型可表述为求未知量x1，x2，xn，使满足约束
10、条件： gi(x1，xn)0i1,m hj(x1，xn)0j1,p 并使目标函数f(x1，xn)达到最小值(或最大值)。其中f，gi和hj都是定义在n维向量空间Rn的某子集D(定义域)上的实值函数，且至少有一个是非线性函数。 需要设置变量的最小最大聚焦区中点优化器2：准牛顿法n准牛顿（ Quasi Newton ）q准牛顿法是一种通过求梯度的“下山”搜索，与最速下降法类似。但区别是：在发现有希望的搜索方向时，准牛顿法使用了近似的二阶导数，这样做就避免了最速下降法由于Z字形搜索路径产生的慢收敛速率，提高了优化速度。它从设计空间的一个点开始搜索，并反复地尝试发现较好的设计点。n准牛顿优化器允许你确
11、定成本函数噪声。nIn order to use the Quasi-Newton optimizer effectively, the cost function should be based on parameters that exhibit a smooth characteristic (little numerical noise) and a starting point of the optimization should be chosen somewhat close to the expected minimum being optimized. This become
12、s increasingly difficult, however, when multiple parameters are being optimized. The computational burden of multivariate optimization with Quasi-Newton increases geometrically with the number of variables being optimized. As a result, this method should only be attempted when 1 or 2 variables are b
13、eing optimized as a time.准牛顿法的局限性n准牛顿法获得最优点与初值有关。n数字噪声大时，不能使用准牛顿法准牛顿法最大步长和最小步长变量设置n准牛顿法的最大步长设置：q你应该为所有的优化变量确定最大步长，这个参数确定了一个围绕对应设计空间坐标系统的圆，沿搜索方向的搜索步长应小于最大步长，即搜索步矢量的端点在这个圆内。这个参数限制了搜索一步的“半径”。n准牛顿法的最小步长设置：q这个优化参数的设定也定义了一个与上面叙述类似的圆。当在给定方向搜索方向的搜索得到了一个小于最小步长的步长时，搜索算法将中止。所以，它真正是搜索停止的标准。-噪声噪声可接受误差噪声优化器3：模式搜索
14、n模式搜索（ Pattern Search ）q若噪声大可使用模式搜索，这种模式被定在网格上，是基于网格的单纯形搜寻，而且网格根据搜索成功率来细分或粗化。与准牛顿法类似，这种搜索也是反复搜索。首先，计算模式，即计算单纯形点的成本函数，然后不断被镜像构成模式搜索。如果在这个搜索过程中有比较好的点，这个点被设定做第二次迭代；如果没发现较好的点，网格被细分且算法再次开始计算模式，希望第二次能发现一个较好的点。“单纯形单纯形”不断被镜像构成模式图不断被镜像构成模式图Generally, Pattern Search algorithms are not used when more than thre
15、e variables are used in the optimization.模式搜索法最大步长和最小步长变量设置n模式搜索法的最大步长设置：q如前所述，这个算法使用常规网格。对每个优化变量网格的初始间隔由最大步长参数确定。n模式搜索法的最小步长设置：q和准牛顿搜索的情况一样，这个参数触发搜索停止。随着迭代接近最佳值，模式搜索算法自然地细分网格。当网格被细分到间隔小于最小设定步长时，则算法停止进一步的搜索。优化器4：遗传算法n遗传算法（Genetic Algorithm）是根据达尔文生物进化论中的自然选择和遗传学原理构建的优化算法，通过模拟自然进化过程从而搜索最优解的方法，它最初由美国Mi
16、chigan大学J.Holland教授于1975年首先提出来的，并出版了颇有影响的专著Adaptation in Natural and Artificial Systems，GA这个名称才逐渐为人所知。 遗传算法定义n遗传算法的计算过程是，在一开始需要实现从表现型到基因型的映射工作(即编码)，由于仿照基因编码的工作很复杂，往往进行简化，如二进制编码。初代种群产生之后，按照适者生存和优胜劣汰的原理，逐代（generation）演化，产生出越来越好的近似解。在每一代，根据问题域中个体的适应度（fitness）大小选择（selection）个体，并借助于自然遗传学的遗传算子（genetic ope
17、rators）进行组合交叉（crossover）和变异（mutation），产生出代表新的解集的种群。这个过程将导致种群像自然进化一样，后代种群比前代更加适应于环境，末代种群中的最优个体经过解码（decoding），即作为问题近似最优解。3030优化：优化：r=1,范围范围0.51.5offset=9，范围，范围711是否忽略前面在design property里的设置勾上就是忽略掉，以本窗口的设置为准否则，将以design property里的设置为准进design property里设置3131优化结果优化结果使用连续非线性规划Sequential Nonlinear Programmin
18、g (SNLP).3232优化结果优化结果3333优化结果优化结果3434优化结果优化结果35353636练习：练习：微带功分器：微带功分器：wilkinson 3dBwilkinson 3dB功分器功分器37373838要求：在3GHz处 实现最佳工作先调用宏，计算微带线的宽度、长度39397307.23+0.77+7.2+350欧姆线宽欧姆线宽1.51mm，线长，线长3mm70.7欧姆线宽欧姆线宽0.77mm，线长，线长14.2mm空气宽空气宽30mm，高，高8mm端口端口10mm宽宽104040性能若不满足要求，可以在此基础上进一步优化。性能若不满足要求，可以在此基础上进一步优化。4141结束结束
