[發明專利]一種提高裝備電磁特性測量精度的方法及裝置

在審

• 申請號: 202210194689.0
• 申請日: 2022-03-01
• 公開（公告）號: CN114611387A
• 公開（公告）日: 2022-06-10
• 發明（設計）人: 劉子源;王海峰;包凱君;錢旭;張弘
• 申請（專利權）人: 中國人民解放軍國防科技大學
• 主分類號: G06F30/27
• 分類號: G06F30/27;G06N3/04;G06N3/08;G06F17/13;G06F111/10;G06F111/04
• 代理公司: 北京卓嵐智財知識產權代理事務所(特殊普通合伙) 11624
• 代理人: 郭智

1.一種提高裝備電磁特性測量精度的方法，其特征在于，包括以下步驟：

基于電磁方程的深度學習求解模型，結合神經網絡建立Maxwell方程的神經網絡模型，具體包括：

接收發射源數據和所述電磁方程的深度學習求解模型所求的空間電磁特性分布值；

將所述發射源數據和所述空間電磁特性分布值輸入到神經網絡中；

利用神經網絡對所述發射源數據和所述空間電磁特性分布值進行結合，建立Maxwell方程的神經網絡模型；

利用所述Maxwell方程的神經網絡模型對裝備空間的電磁特性分布進行求解；

通過所述Maxwell方程的神經網絡模型對所述解進行修正。

2.根據權利要求1所述的一種提高裝備電磁特性測量精度的方法，其特征在于，所述神經網絡包括：殘差神經網絡、DenseNet和物理信息神經網絡。

3.根據權利要求2所述的一種提高裝備電磁特性測量精度的方法，其特征在于，所述利用神經網絡對所述發射源數據和所述空間電磁特性分布值進行結合，結合后建立Maxwell方程的神經網絡模型，具體包括：

構建格林函數卷積神經層；

構建電磁非線性相互作用神經網絡模塊；

利用所述格林函數卷積神經層和所述電磁非線性相互作用神經網絡模塊訓練Maxwell方程的人工神經網絡表達。

4.根據權利要求3所述的一種提高裝備電磁特性測量精度的方法，其特征在于，所述構建電磁非線性相互作用神經網絡模塊，具體包括：

對目標裝備進行非線性擬合，通過模型與真實目標裝備之間誤差的反向傳播，將倏逝波信息轉化到傳輸波內。

5.根據權利要求1所述的一種提高裝備電磁特性測量精度的方法，其特征在于，所述通過所述Maxwell方程的神經網絡模型對所述解進行修正，具體包括：

通過引入真實電磁特性分布數據來修正所述解。

6.一種提高裝備電磁特性測量精度的裝置，其特征在于，包括：

融合單元，基于電磁方程的深度學習求解模型，用于結合神經網絡建立Maxwell方程的神經網絡模型，具體包括：

接收模塊，用于接收發射源數據和所述電磁方程的深度學習求解模型所求的空間電磁特性分布值；

輸入模塊，用于將所述發射源數據和所述空間電磁特性分布值輸入到神經網絡中；

構建模塊，用于利用神經網絡對所述發射源數據和所述空間電磁特性分布值進行結合，建立Maxwell方程的神經網絡模型；

計算單元，用于利用所述Maxwell方程的神經網絡模型對裝備空間的電磁特性分布進行求解；

修正單元，用于通過所述Maxwell方程的神經網絡模型對所述解進行修正。

7.根據權利要求6所述的一種提高裝備電磁特性測量精度的裝置，其特征在于，所述神經網絡包括：殘差神經網絡、DenseNet和物理信息神經網絡。

8.根據權利要求7所述的一種提高裝備電磁特性測量精度的裝置，其特征在于，所述構建模塊，具體包括：

用于構建格林函數卷積神經層；

用于構建電磁非線性相互作用神經網絡模塊；

用于利用所述格林函數卷積神經層和所述電磁非線性相互作用神經網絡模塊訓練Maxwell方程的人工神經網絡表達。

9.根據權利要求8所述的一種提高裝備電磁特性測量精度的裝置，其特征在于，所述用于構建電磁非線性相互作用神經網絡模塊，具體包括：

用于對目標裝備進行非線性擬合，通過模型與真實目標裝備之間誤差的反向傳播，將倏逝波信息轉化到傳輸波內。

10.根據權利要求6所述的一種提高裝備電磁特性測量精度的裝置，其特征在于，所述修正單元，具體包括：

修正模塊，用于通過引入真實電磁特性分布數據來修正所述解。