一种基于NURBS曲面的低散射优化方法

技术领域

本发明涉及电磁散射领域，尤其是一种基于NURBS曲面的低散射优化方法。

背景技术

随着隐身技术的发展，雷达探测过程对目标RCS的要求越来越高。为了使目标RCS降低，在目标的设计上采用了很多手段，主要针对材料和外形两个方面的设计。增加吸波涂层或使用隐身符合材料多用于目标的整体设计，对于应用环境有很多要求，且我国雷达隐身复合材料发展相对较晚，现有的雷达隐身性能表征手段主要是在微波暗室测试缩比模型，存在一定局限性，且测试的成本较高；通过外形设计来降低RCS在一些目标的局部RCS优化上更加适用，例如对某个指定角度的电磁散射进行优化，优化其外形设计更加易于实现。因此，目标的低散射结构设计研究依然具有重要意义，其在雷达目标隐身设计方面也具有广阔的应用前景。

发明内容

要解决的技术问题

为了提高雷达目标外形结构设计的效率，本发明将以NURBS曲面设计与遗传算法基因构造作为重点研究对象，研究了低散射多面体优化与设计这一课题，以在满足目标结构要求的基础上使RCS均值最低为问题，为目标低散射优化设计提供了集计算、优化、模型生成于一体的新方法。

技术方案

一种基于NURBS曲面的低散射优化方法，其特征在于步骤如下：

步骤1：建立目标的几何模型

首先在几何建模软件中构建目标的几何模型，该目标为多面几何体，顶面可以为任意形状，底面需为平面；其中，固定不变的部分直接画出，变化部分由NURBS曲面或线生成，作为后续的优化对象；为了便于计算，建立以模型底面的几何中心为坐标原点的直角坐标系，底面最长的方向作为x轴，y轴为模拟转台的转轴，与底面垂直，z轴根据右手系确定；计算时模型绕y轴旋转，雷达入射方向为指向屏幕里方向；

步骤2：模型参数化

根据模型的尺寸设定n个NURBS曲线的控制点的坐标，其中x，z坐标为固定值，为了简化计算可以设定为等分点；y坐标为优化算法的优化变量；

步骤3：等位基因构造

将步骤2中设置的n个优化变量进行离散化编码，每一个变量转化为一个16为的二进制序列；每一个二进制序列对应一种基因型；将所有离散化得到的序列作为等位基因，用于后续的遗传算法优化；通过模拟自然界中的优胜劣汰筛选出优秀的个体保留下来并进行繁衍，经过有限代数的进化得到具有最优基因的个体也就是最优的变量的二进制序列；

步骤4：遗传算法设置与目标函数构建

设置遗传算法的种群规模、迭代次数、变异概率、交叉概率；选择遗传算法和选择策略；种群是基因组的容器，种群中的不同个体具有不同的基因信息，也就是步骤3构造的等位基因，种群规模为每代种群中的个体数，也就是每次迭代中生成的初始模型数；每次迭代种群中的基因会发生变异和交叉，从而产生新的基因型来生成新的模型；选择稳态遗传算法，即子代群体由进化操作产生的部分新个体和父代群体中部分个体按一定比例共同组成，通过计算每个个体之间的距离来控制物种的形成，筛选掉物种个体间相似度较高的个体；利用轮盘赌选择法选择策略对个体进行选择，在选择的两个个体之间进行单点交叉得到新的个体，再对新个体以一定概率进行均匀随机位翻转变异；在每一代中挑选最优的个体留下；目标函数设置为指定入射角度范围内的RCS均值；

步骤5：优化与生成模型

运行程序由算法随机生成一系列初始模型，作为初代种群中的个体，计算RCS，求得均值作为遗传算法的目标函数值返回；在下一次迭代中，上一代被选出的优秀个体将进入下一代种群中参与迭代；每次迭代根据基因型对应的坐标信息生成NURBS曲线；以NURBS曲线作为截面线扫掠得到目标模型并计算RCS；最终将RCS均值最小的模型作为低散射优化的结果。

一种计算机系统，其特征在于包括：一个或多个处理器，计算机可读存储介质，用于存储一个或多个程序，其中，当所述一个或多个程序被所述一个或多个处理器执行时，使得所述一个或多个处理器实现上述的方法。

一种计算机可读存储介质，其特征在于存储有计算机可执行指令，所述指令在被执行时用于实现上述的方法。

一种计算机程序，其特征在于包括计算机可执行指令，所述指令在被执行时用于实现上述的方法。

有益效果

本发明提出的一种基于NURBS曲面的低散射优化方法，具有以下有益效果：

(1)对目标的电磁散射有效降低

利用自然界优胜劣汰的原则将适应程度较高(平均RCS较低)的基因型保留下来进行遗传和变异得到低散射模型。对于在一算例中对模型进行优化，平均RCS下降了8dB。

(2)易于实现的优化过程

由于遗传算法具有仅使用求解问题的目标函数值就可以得到下一步的有关信息的特点，优化过程只需要进行RCS的计算，不需要计算其他额外的数据，相对于其他复杂的降低RCS的过程，整个优化的过程简单易于实现。

(3)对目标模型的针对性优化

按照本发明，可以选择NURBS曲面的全部控制点进行优化，也可以针对一个或多个特定的控制点进行优化，以达到优化目标模型局部的效果。可以通过设置控制点来使目标的优化结果具有对应的性质，例如对称性等，从而可以适应具体问题的特殊要求。

附图说明

附图仅用于示出具体实施例的目的，而并不认为是对本发明的限制，在整个附图中，相同的参考符号表示相同的部件。

图1为本发明一种基于NURBS的低散射优化技术的总体研究方案流程图；

图2为目标模型框架及其所在坐标系示意图

图3为NURBS曲线及控制点示意图；

图4为优化后得到的低散射模型。

具体实施方式

为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图和实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅用以解释本发明，并不用于限定本发明。此外，下面描述的本发明各个实施方式中所涉及到的技术特征只要彼此之间未构成冲突就可以相互组合。

本发明是通过建立带有NURBS曲面的几何模型，计算RCS，利用遗传算法对NURBS曲面进行优化从而得到低散射模型的方法。

步骤1：首先在几何建模软件中构建目标的几何模型，该目标为几何多面体，其框架如图2所示，其顶面可以为任意形状，底面需为平面，且横截面边界需在圆弧和其内接三角形之间变化。其中模型的顶面为待优化的部分，由NURBS曲线生成；固定不变的部分由草图直接画出。图3为NURBS曲线及控制点示意图，A1～E2共10条曲线为NURBS曲线，在后续的步骤中用来扫掠生成NURBS曲面作为模型的顶面；其余曲线固定不变。

步骤2：根据模型的尺寸设定NURBS曲线的控制点的坐标，如图3所示，每条NURBS曲线均有四个控制点，其中点1,4为NURBS曲线的端点，固定不变，点2,3的y坐标为变量用于优化模型的外形，图3中a2、a3、b2、b3、c2、c3、d2、d3、e2和e3所示的为该模型5条NURBS曲线的控制点。

步骤3：将步骤2中设置的2*10＝20个优化变量进行离散化编码，每一个变量转化为一个16位的二进制序列，将所有离散化得到的序列作为等位基因用于后续的遗传算法优化，也就是说遗传个体的基因型对应NURBS曲线的控制点的y坐标值。由于步骤1中限定了模型界面的形状，NURBS曲面的y坐标值要在这个范围内，将其作为优化变量的上下界，每代随机生成的新个体的基因对应值在这个范围中产生。

步骤4：综合考虑计算速度与优化效果设置种群规模，设置种群规模为25，迭代次数为200次，本发明在程序终止条件上采用最大进化代数判决，设定遗传算法进化200代后程序结束，设置变异概率为0.02，交叉概率为0.6；采用稳态遗传算法，即子代群体由进化操作产生的部分新个体和父代群体中部分个体按一定比例共同组成，通过计算每个个体之间的距离来控制物种的形成，筛选掉物种个体间相似度较高的个体；利用轮盘赌选择法选择策略对个体进行选择，在选择的两个个体之间进行单点交叉得到新的个体，再对新个体以一定概率进行均匀随机位翻转变异。目标函数设置为指定入射角度范围内的RCS均值。进化方向为RCS均值小的方向。在每一代中挑选最优的个体留下。

步骤5：运行程序首先由算法随机生成一系列初始模型作为初代种群，计算RCS，此例计算了入射角度从-50°到50°，间隔为1°的RCS值，利用公式

以上所述，仅为本发明的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明公开的技术范围内，可轻易想到各种等效的修改或替换，这些修改或替换都应涵盖在本发明的保护范围之内。