阵列置零的同时,阵列的旁瓣电平升高、主瓣增益降低甚至阵列指向都会发生改变,导致阵列性能降低。针对阵列置零时阵列性能降低问题,提出一种约束优化模型。在约束优化模型中不仅设置了零陷深度约束和近旁瓣电平约束,还设置了阵列期望方向增益约束及阵列指向约束。在满足约束条件下,使得阵列旁瓣电平最低。并且针对标准约束差分进化算法收敛慢,采用自适应约束差分进化(ε-SADE)算法,该算法采用多种变异方式相结合、自适应地调节交叉概率和缩放因子。运用自适应约束差分进化分别通过调节阵元相位和阵列功率一定时的阵元权值求解这个约束优化问题,仿真结果表明提出的方法实现了需求的目标方向图,利用自适应约束差分进化算法优化实现阵列置零是有效可行的。 ，SLLnull为阵列零陷归一化电平，SLLnear为阵列第一副瓣区域归一化电平。(a)、(b)分别为零陷和第一副瓣的约束，使得零陷和近旁瓣分别低于特定的值进化的阵列置零-数控滚圆机滚弧机倒角机张家港倒角机液压倒角机滚圆机，δn、δs分别为要求的增益值。AF(θm)为期望信号方向增益，约束条件(c)保证阵列指向不偏移，约束条件(d)约束期望信号方向增益不低于要求的增益δm。约束条件(e)是对阵列输出功率的限制，使阵列输出功率低于δ。图116元切比雪夫线阵方向图2自适应约束差分进化算法按照差分进化算法［13］步骤，首先产生初始种群，经过交叉、变异产生新的种群，并进行选择，这一过程反复进行，直至满足迭代次数本文由公司网站滚圆机网站采集转载中国知网资源整理!www.gunyuanji.name，或找到满足条件的解结束运算。差分进化(DE)中的参数包括种群数，缩放因子，交叉概率。差分进化算法的参数和变异方式影响算法的收敛速度、稳定性等。自适应差分进化算法根据迭代自适应的调整差分进化算法中的参数、变异方式数值，以提高算法效率。约束差分进化算法是可以求解带有约束的优化问题的差分进化算法。带有约束的优化问题的一般形式为［14］min，D为问题的维数，g(X)为q个不等式约束条件，h(X)为m－q个等式约束条件。在约束差分进化中，将等式约束条件转化为不等式约束条件，ε表示等式约束的放松程度。定义约束违反程度之和v(X):v()自适应约束差分阵列初始激励为－15dB的切比雪夫加权。零陷约束条件取低于－35dB，阵列第一旁瓣电平设置不高于原来的2dB，即低于－13dB，阵列期望方向增益降低设置不超过1dB。仿真中差分进化参数同上。为简化约束条件，ε设置为零。种群上下限分别为+π/2，－π/2。最大迭代次数设置为20000次。假设阵列指向为90°，零陷宽度为5°，设置零陷区间为130°～135°，不同差分进化方法得出的阵列方向图如图4所示，图中实线为差分进化的方向图，点划线为约束差分进化方向图，虚线为自适应约束差分进化方向图。图416元线阵唯相位置零归一化方向图阵列期望方向增益、第一副瓣电平及零陷电平如表1所示。约束差分进化算法满足了所有的约束，而自适应约束差分进化满足同样的约束条件下旁瓣电平更低。表1不同差分进化方法结果对比dB差分进化方法期望方向增益第一副瓣电平最高零陷电平最高旁瓣电平唯相位DE18．58－15．95－32．38－10．42唯相3适应度收敛函数曲线如图5所示，仿真中不满足约束条件，迭代中适应度函数值设置为1，而满足约束条件后，适应度函数取值为最低旁瓣电平。由图可以看出，ε－SADE更早得出可行解且收敛更快。显而易见，比较图3和图4，说明阵列功率限制时的置零相比唯相位置零，能够获得更低的旁瓣电平和更深的零陷。图5差分进化适应度函数收敛曲线4结论阵列置零问题可以根据阵列需求转化为带有约束的优化问题。本文建立了针对阵列主瓣增益及指向的、宽角度零陷的、近旁瓣电平约束前提下的、使得阵列旁瓣电平尽量低的自适应约束差分进化模型。唯相位置零时阵列仅需要移相器调节相位，进化的阵列置零-数控滚圆机滚弧机倒角机张家港倒角机液压倒角机滚圆机本文由公司网站滚圆机网站采集转载中国知网资源整理!www.gunyuanji.name