一种多级LC匹配网络优化的方法、装置及计算机设备

本技术涉及lc匹配网络优化，特别是涉及一种多级lc匹配网络优化的方法、装置、计算机设备、存储介质和计算机程序产品。

背景技术：

1、随着现代工业的不断发展，超声和兆声清洗技术在多个领域扮演着越来越重要的角色。超声清洗作为一种高效、无害、环保的清洁方法，已经成为芯片制造、医疗器械、汽车工业等许多行业中必不可少的一部分。将清洗系统的驱动频率提升到兆赫兹以上，即为兆声清洗。它相比于普通的超声清洗，具有清洗精度高、损伤小等优点。然而，要实现高效的兆声清洗，其中一个关键因素是确保兆声换能器和功率输出电路之间的有效匹配。

2、兆声换能器作为兆声清洗系统中的核心部件，其对于能量的转换性能直接影响到清洗效果的好坏。为了充分利用兆声换能器的性能，确保其与清洗液之间的有效能量传递，传统的做法是根据换能器的bvd模型，通过匹配网络来调整工作频率下换能器一侧的总阻抗，使其呈现纯阻性或者与电源内阻互为共轭，以保证最大的功率传递。而单级lc和多级lc匹配网络都是常用的调谐网络结构，通过调整网络中不同电感和电容的数值，可以有效地优化兆声换能器的阻抗匹配效果。

3、传统设计中多采用单级lc进行阻抗匹配，其优势主要在于：结构简单便于理论计算、所需元器件少，但是它在抑制高频噪声、抵抗元器件参数变化、抵抗换能器中心频率漂移等方面，相比多级lc匹配存在明显不足。所以，在设计要求较高时，使用多级lc匹配网络进行阻抗匹配是必要的。

4、然而，目前的lc匹配网络的优化方法，存在如下的技术问题：

5、传统的单级lc匹配网络设计方法在设计多级lc匹配网络时有很大局限性，例如精确的理论计算过于复杂、设计效率低、无法给出具体公式等，且传统的设计没有考虑实际情况下元器件参数浮动和兆声换能器中心频率漂移所带来的影响。

技术实现思路

1、基于此，有必要针对上述技术问题，提供一种能够提高多复杂系统中多目标的优化能力，改善系统性能的一种多级lc匹配网络优化的方法、装置、计算机设备、计算机可读存储介质和计算机程序产品。

2、第一方面，本技术提供了一种多级lc匹配网络优化的方法。所述方法包括：

3、获取目标匹配网络的拓扑结构，所述拓扑结构包括所述目标匹配网络的网络级数以及连接关系；

4、获取所述目标匹配网络中的元器件参数，所述元器件参数包括动态调节区间以及固定参数；

5、调用预设的遗传算法，根据所述元器件参数配置所述遗传算法的初始条件；

6、响应于对所述目标匹配网络的优化需求，配置所述遗传算法的适应度函数；

7、基于所述初始条件以及所述适应度函数对所述遗传算法进行多次迭代，直至达到停止条件。

8、在其中一个实施例中，所述调用预设的遗传算法，根据所述元器件参数配置所述遗传算法的初始条件包括：

9、获取所述目标匹配网络中的所述元器件参数，所述元器件参数包括所述动态调节区间以及计算精度；

10、基于所述计算精度确定所述元器件参数取值的离散程度，根据所述离散程度在所述动态调节区间内进行离散取值，得到所述初始条件。

11、在其中一个实施例中，所述获取所述目标匹配网络中的元器件参数包括：

12、根据所述拓扑结构确定所述目标匹配网络中的固定器件模块，所述固定器件模块包括单个器件和/或多个固定器件组成的模块；

13、确定所述固定器件模块的所述固定参数。

14、在其中一个实施例中，所述响应于对所述目标匹配网络的优化需求，配置所述遗传算法的适应度函数包括：

15、响应于对所述目标匹配网络的多个所述优化需求，确定多个所述优化需求之间的权重关系；

16、根据所述权重关系配置所述适应度函数。

17、在其中一个实施例中，多个所述优化需求包括系统输出功率、换能器中心频率漂移指标以及元器件参数变化敏感性指标。

18、在其中一个实施例中，所述停止条件包括：

19、所述遗传算法的迭代次数达到预设的迭代次数阈值；

20、所述遗传算法的适应度达到预设的适应度阈值；

21、所述遗传算法的适应度在多次迭代中满足稳定性约束条件。

22、第二方面，本技术还提供了一种多级lc匹配网络优化的装置。所述装置包括：

23、拓扑结构模块，用于获取目标匹配网络的拓扑结构，所述拓扑结构包括所述目标匹配网络的网络级数以及连接关系；

24、元器件参数模块，用于获取所述目标匹配网络中的元器件参数，所述元器件参数包括动态调节区间以及固定参数；

25、初始条件模块，用于调用预设的遗传算法，根据所述元器件参数配置所述遗传算法的初始条件；

26、适应度函数模块，用于响应于对所述目标匹配网络的优化需求，配置所述遗传算法的适应度函数；

27、迭代优化模块，用于基于所述初始条件以及所述适应度函数对所述遗传算法进行多次迭代，直至达到停止条件。

28、在其中一个实施例中，所述初始条件模块包括：

29、计算精度模块，用于获取所述目标匹配网络中的所述元器件参数，所述元器件参数包括所述动态调节区间以及计算精度；

30、离散取值模块，用于基于所述计算精度确定所述元器件参数取值的离散程度，根据所述离散程度在所述动态调节区间内进行离散取值，得到所述初始条件。

31、在其中一个实施例中，所述元器件参数模块包括：

32、器件单元模块，用于根据所述拓扑结构确定所述目标匹配网络中的固定器件模块，所述固定器件模块包括单个器件和/或多个固定器件组成的模块；

33、参数确定模块，用于确定所述固定器件模块的所述固定参数。

34、在其中一个实施例中，所述适应度函数模块包括：

35、权重关系模块，用于响应于对所述目标匹配网络的多个所述优化需求，确定多个所述优化需求之间的权重关系；

36、多目标配置模块，用于根据所述权重关系配置所述适应度函数。

37、在其中一个实施例中，多个所述优化需求包括系统输出功率、换能器中心频率漂移指标以及元器件参数变化敏感性指标。

38、在其中一个实施例中，所述停止条件包括：

39、所述遗传算法的迭代次数达到预设的迭代次数阈值；

40、所述遗传算法的适应度达到预设的适应度阈值；

41、所述遗传算法的适应度在多次迭代中满足稳定性约束条件。

42、第三方面，本技术还提供了一种计算机设备。所述计算机设备包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现如第一方面中任意一项实施例所述的一种多级lc匹配网络优化的方法中的步骤。

43、第四方面，本技术还提供了一种计算机可读存储介质。所述计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现如第一方面中任意一项实施例所述的一种多级lc匹配网络优化的方法中的步骤。

44、第五方面，本技术还提供了一种计算机程序产品。所述计算机程序产品，包括计算机程序，该计算机程序被处理器执行时实现如第一方面中任意一项实施例所述的一种多级lc匹配网络优化的方法中的步骤。

45、上述一种多级lc匹配网络优化的方法、装置、计算机设备、存储介质和计算机程序产品，通过权利要求书中的技术特征进行推导，能够达到对应背景技术中的技术问题的如下有益效果：

46、本技术提供的一种多级lc匹配网络优化的方法，主要包括获取目标匹配网络的拓扑结构，通过拓扑结构确定目标匹配网络的网络级数以及连接关系，随后获取目标匹配网络中的元器件参数，元器件参数包括了动态调节区间类型以及固定类型两种类型的参数，此时可以通过元器件参数配置遗传算法的初始条件，在获取对目标匹配网络的优化需求后，可以根据优化需求配置适应度函数，最后在配置完成适应度函数以及初始条件的情况下，对遗传算法进行多次迭代，直到达到预定的停止条件，就能得到该停止状态时遗传算法对应的匹配参数。在实施中，通过遗传算法在lc匹配网络优化中的应用，有助于快速有效地给出匹配网络的元器件参数，且能够在大范围的参数空间内搜索较优解，从而解决复杂系统内的优化问题，另一方面，还能够满足指定性能指标的优化，提高优化应用的灵活性。