基于图像预测的频率选择表面雷达吸波材料设计的机器学习方法
信号处理
2025-02-26 v1 材料科学
机器学习
摘要
本文提出了一种利用机器学习技术设计基于频率选择表面 (FSS) 的雷达吸波材料的创新方法。在传统的电磁设计中，FSS 的单元尺寸被用作输入，随后预测给定设计的吸收系数。在本文中，吸收系数被作为 ML 模型的输入，以预测 FSS 单元的图像。随后，该图像用于生成 FSS 单元参数。在 1GHz 至 30GHz 的宽频带上研究了十一种不同的 ML 模型。其中六种 ML 模型（即 随机森林分类、K 近邻分类、网格搜索回归、随机森林回归、决策树分类和决策树回归）的训练准确率超过 90%。这些预测图像的随频率变化的吸收系数随后使用商业电磁求解器进行评估。这些 ML 模型的表现令人鼓舞，未来可用于加速高性能 FSS 雷达吸波材料的设计与优化，以服务于先进的电磁应用。
引用
@article{arxiv.2502.17534,
title = {A Machine Learning Approach for Design of Frequency Selective Surface based Radar Absorbing Material via Image Prediction},
author = {Vijay Kumar Sutrakar and Anjana P K and Sajal Kesharwani and Siddharth Bisariya},
journal= {arXiv preprint arXiv:2502.17534},
year = {2025}
}