基于特征的非线性偏最小二乘多项式混沌扩展替代方法和粒子群算法对Ka波段脊形波导滤波器的增益进行了优化

《IEEE Access》：Yield Optimization of a Ka-Band Ridge Waveguide Filter by Feature-Based Non-Linear Partial Least-Squares Polynomial Chaos Expansion Surrogates and Particle Swarm

　　

摘要：

微波组件的性能可能会因制造公差而显著下降。基于产量的优化方法提供了一种系统化的途径来降低制造过程中引入的不确定性，但由于需要大量的全波电磁（EM）仿真，这种方法在计算上往往非常耗时。通常可以通过使用基于替代模型的技术来降低计算成本；然而，这些技术在应用于高维不确定性空间时会受到限制。本文提出了一种基于特征的非线性偏最小二乘多项式混沌展开（NLPLS-PCE）方法，该方法通过性能相关的特征建模和潜在变量表示同时减少响应复杂性和输入维数，从而克服了维数灾难问题。基于特征的NLPLS-PCE方法被纳入到群体智能框架中，以实现设计变量的自适应调整和收敛性保障。该产量优化方法通过使用Ka波段脊波导滤波器并连接Vivaldi天线进行了验证。产量优化算法的可靠性和性能通过电磁驱动的蒙特卡洛（MC）仿真得到了验证。