基于遗传算法、粒子群算法和人工神经网络的RFID标签天线优化方法的研究

【摘要】：无线射频识别系统(RFID)电子标签包括标签天线和芯片两部分。标签天线的目标是传递最大的能量进出芯片,这需要设计的天线与其连接的芯片相匹配。在RFID应用中,芯片的输入阻抗可能是任意值,如何在阻抗值大范围变化的情况下快速选取最佳的天线结构尺寸以达到匹配的目标,是天线选型优化设计过程中的一个至关重要的问题。一般的天线优化方法是通过电磁仿真软件来完成的,然而电磁仿真软件优化的计算量非常大耗时过长,大大地降低了天线选型效率。 本课题研究的主要内容是RFID标签天线的优化设计,并在论文中提出了一种有效的基于神经网络和进化算法的标签天线优化方法,关键是结合这种新的优化算法开发出了用于天线实际研究和生产的快速仿真优化软件。首先基于BP神经网络建立标签天线的非线性模型,并由非线性模型导出评价个体适应能力的适应度函数；然后采用C/C++语言实现遗传算法和粒子群算法的优化程序对天线的关键尺寸进行优化,以软件平台形式实现优化功能。在本文中,设计了一个电感耦合偶极子天线作为优化对象来对该方法进行评估。结果表明这种方法在优化精度上接近电磁仿真优化,在优化速度上比电磁仿真优化提高了数百倍。这意味着,如果在需要对天线重复选型的情况下,结合该方法开发的仿真优化软件将大大地提高实验以及产品开发的效率。