高级搜索

基于机器学习的开孔加载金属腔电磁屏蔽效能评估

,  , 

downloadPDF

上一篇

下一篇

刘筝阳, 闫丽萍, 赵翔. 2019: 基于机器学习的开孔加载金属腔电磁屏蔽效能评估, 强激光与粒子束, 31(8): 43-48. doi: 10.11884/HPLPB201931.190079
引用本文: 刘筝阳, 闫丽萍, 赵翔. 2019: 基于机器学习的开孔加载金属腔电磁屏蔽效能评估, 强激光与粒子束, 31(8): 43-48. doi: 10.11884/HPLPB201931.190079
shu
Liu Zhengyang, Yan Liping, Zhao Xiang. 2019: Evaluation of electromagnetic shielding effectiveness for loaded metallic enclosures with apertures based on machine learning, High Power Lase and Particle Beams, 31(8): 43-48. doi: 10.11884/HPLPB201931.190079
Citation: Liu Zhengyang, Yan Liping, Zhao Xiang. 2019: Evaluation of electromagnetic shielding effectiveness for loaded metallic enclosures with apertures based on machine learning, High Power Lase and Particle Beams, 31(8): 43-48. doi: 10.11884/HPLPB201931.190079
shu

基于机器学习的开孔加载金属腔电磁屏蔽效能评估

  • 四川大学 电子信息学院,成都,610065

Evaluation of electromagnetic shielding effectiveness for loaded metallic enclosures with apertures based on machine learning

  • 摘要: 利用全波分析方法计算了不同电路板加载、不同孔缝和尺寸的开孔金属腔在0～5 GHz范围内的屏蔽效能(SE),获得共计5250个样本.进而利用机器学习中的随机森林回归算法,对其中4200个样本数据进行训练,获得了可以根据开孔腔物理尺寸、加载物材料及电磁特性和位置、频率等共计16个输入参数快速评估开孔加载金属腔屏蔽效能的机器学习模型.利用其余的1050个样本进行模型验证,结果表明该模型可以快速准确地计算加载腔的电磁屏蔽效能.该模型具有随时根据样本量增加不断训练提高其普适性的特点,可为实际工程中加载开孔腔的屏蔽设计及SE评估提供高效途径.
  • 加载中
  • 加载中
计量
  • 文章访问数:  126
  • HTML全文浏览数:  118
  • PDF下载数:  1
  • 施引文献:  0
出版历程
  • 刊出日期:  2019-01-01

基于机器学习的开孔加载金属腔电磁屏蔽效能评估

  • 四川大学 电子信息学院,成都,610065

摘要: 利用全波分析方法计算了不同电路板加载、不同孔缝和尺寸的开孔金属腔在0～5 GHz范围内的屏蔽效能(SE),获得共计5250个样本.进而利用机器学习中的随机森林回归算法,对其中4200个样本数据进行训练,获得了可以根据开孔腔物理尺寸、加载物材料及电磁特性和位置、频率等共计16个输入参数快速评估开孔加载金属腔屏蔽效能的机器学习模型.利用其余的1050个样本进行模型验证,结果表明该模型可以快速准确地计算加载腔的电磁屏蔽效能.该模型具有随时根据样本量增加不断训练提高其普适性的特点,可为实际工程中加载开孔腔的屏蔽设计及SE评估提供高效途径.

English Abstract

    全文HTML

参考文献 (0)

目录

/

返回文章
返回