基于人工智能算法的毫米波MEMS器件路/场建模方法

本项目解决毫米波频段MEMS器件建模过程中，电磁设计参数和结构几何参数间高效率建模的问题。毫米波频段的MEMS器件有较强的分布参数效应，因此影响电磁参数的结构几何参数多，且两者间的多元非线性关系使设计优化过程需要大量的全波场仿真，效率较低。在本申请的主要研究内容有：通过改进MEMS器件建模过程中神经网络小样本训练精度；建立能够嵌入系统设计的几何参数相关等效电路模型；由电磁参数推导几何参数的逆空间映射方法。.本项目的研究意义在于：第一，为毫米波应用的MEMS器件提供一种具有电路建模速度和全波建模精度的方法。第二，为人工智能算法在多几何参数与多电磁参数建立多元非线性模型提供理论基础，结合如空间映射、空间逆映射、支持向量机及免疫计算等算法的优势，实现互补，提高人工智能算法建模的精度和效率。第三，为人工智能算法在RF MEMS器件设计的应用提供理论依据和应用算例，提高现有人工智能建模方法的应用程度

本项目从由人工智能算法在RF MEMS期间的建模应用入手， 分析了传统微波无源电路优化方法利用电路仿真或场仿真的方法，通过不断的重复仿真来达到电路的优化设计，即获得最有的设计结果。分析了电容耦合式 RF MEMS开关的基本理论，根据理论对开关的电路模型和场模型进行了研究，确立了建模的对象的基本几何参数。建立了左手介质MEMS移相器的单元等效电路，为2位移相器的设计与优化提供了理论依据。建立了RF MEMS并联开关的力学模型和电路模型，探讨了开关参数影响工作性能的规律。在传输线型左手介质上合理加载RF MEMS开关，构造了2位移相器。周期结构可以支持无限多次空间谐波，对频率具有选择性，并且容易制作和集成，在微波器件的设计中广泛应用。研究了本项目研究成果，对于推进RF MEMS研究领域的整体发展，改善现有器件建模方法、设计流程，成本控制具有重要的科学意义和应用前景。