.png){kind=icon}
返回
Variable-Fidelity Sensitivity-Based Robust Optimization for Antenna Design
.png){kind=icon}
OA
AI
DOI：10.1109/ojap.2026.3742148.png)
.png){kind=icon}
.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
制造不确定性会显著降低天线性能，使得鲁棒优化至关重要但计算成本高昂，因为需要重复进行全波仿真。本文提出了一种基于不同精度灵敏度的约束贝叶斯优化（VF-S-CBO）框架，以在良率约束下高效最大化制造容差。该框架的关键特征是分离精度的工作流程，其中低精度（LF）仿真专门用于基于灵敏度的参数筛选，而高精度（HF）仿真则用于代理模型构建和筛选子空间中的约束鲁棒优化。采用了一种结合下置信界（LCB）的CBO策略，以可靠地扩展可接受容差区域。数值验证表明，所提出的VF-S-CBO框架能够达到与全维HF优化相当的最大可接受容差，同时将总体计算成本降低超过56%。
Keyword:
Antennas
machine learning
Gaussian process regression
Bayesian optimization
sensitivity analysis
robust optimization
AI总结
对已上传原文的论文进行重点信息的提取，主要内容包括：简要概述、研究摘要、背景介绍、关键亮点、图文解析、展望与总结。
期刊
I
IF:
3.6
论文数:
855
被引数:
1.6K
机构
引用论文
暂无论文信息