HFSS算法及應用場景介紹

2021-03-02 電磁兼容EMC

相信每一位使用過HFSS的工程師都有一個疑問或者曾經有一個疑問:我怎麼才能使用HFSS計算的又快又準?對使用者而言,每個工程師遇到的工程問題不一樣,工程經驗不能夠直接複製;對軟體而言,隨著HFSS版本的更新,HFSS算法越來越多,針對不同的應用場景對應不同的算法。因此,只有實際工程問題切合合適的算法,才能做到速度和精度的平衡。工程師在了解軟體算法的基礎上,便能夠針對自己的需求進行很好的算法選擇。

由於當今世界計算機的飛速發展,讓計算電磁學這門學科也有了很大的發展,如圖1所示,從大的方面來看,我們將計算電磁學分為精確的全波算法和高頻近似算法,在每一類下面又分了很多種算法,結合到HFSS軟體,通過ANSYS公司40餘年來堅持不懈的研發和戰略性的收購,到目前為止,HFSS有FEM、IE(MoM)、DGTD、PO、SBR+等算法,本文會針對每種算法和應用場景逐一介紹,相信你看完這篇文章應該對HFSS算法和應用場景會有更深的認識。

圖1  計算電磁學

有限元算法是ANSYS HFSS的核心算法,已有二十多年的商用歷史,也是目前業界最成熟穩定的三維電磁場求解器,有限元算法的優點是具有極好的結構適應性和材料適應性,充分考慮材料特性:趨膚效應、介質損耗、頻變材料;是精確求解複雜材料複雜結構問題的最佳利器,有限元算法採用四面體網格,對仿真物體能夠很好的進行還原。

FEM算法的支配方程見下圖:

圖2  FEM算法支配方程

HFSS有限元算法在網格劃分方面能夠支持自適應網格剖分、網格加密、曲線型網格,在求解時支持切向矢量基函數、混合階基函數和直接法、迭代法、區域分解法的強大的矩陣求解技術。

在應用領域,HFSS主要針對複雜結構進行求解,尤其是對於一些內部問題的求解,比高速信號完整性分析,陣列天線設計,腔體問題及電磁兼容等應用場景,非常適合有限元算法求解。

圖3  FEM算法應用場景

有限元算法結合ANSYS公司的HPC模塊,ANSYS HFSS有限元算法可以進行電大尺寸物體的計算,大幅度提升仿真工程師的工作效率。針對寬帶問題,FEM推出了寬帶自適應網格剖分,大大提升了仿真精度。

積分方程算法基於麥克斯維方程的積分形式,同時也基於格林函數,所以可自動滿足輻射邊界條件,對於簡單模型及材料的輻射問題,具有很大的優勢,但原始的積分方程法計算量太大,很難用於實際的數值計算中,針對此問題, HFSS 中的 IE算法提供了兩種加速算法,一種是 ACA 加速,一種是 MLFMM,分布針對不同的應用類型。 ACA 方法基於數值層面的加速技術,具有更好的普適性,但效率相比 MLFMM 稍差, MLFMM 算法基於網格層面的加速,對金屬材料,鬆散結構,具有更高的效率。

IE算法的支配方程見下圖:

圖4  IE算法支配方程

IE算法是三維矩量法積分方程技術,支持三角形網格剖分。IE算法不需要像FEM算法一樣定義輻射邊界條件,在HFSS中主要用於高效求解電大尺寸、開放結構問題。與HFSS FEM算法一樣,支持自適應網格技術,也可以高精度、高效率解決客戶問題,同時支持將FEM的場源連結到IE中進行求解。HFSS-IE算法對金屬結構具有很高的適應性,其主要應用領域天線設計、天線布局、 RCS、 EMI/EMC仿真等方向。

圖5  HFSS-IE天線布局仿真

FEM算法和IE算法是精確的全波算法,在超大電尺寸問題上,使用精確全波算法會造成效率的降低。針對超大電尺寸問題,ANSYS推出PO(物理光學法)算法,PO 算法屬於高頻算法,非常適合求解此類問題,在適合其求解的問題中,具有非常好的效率優勢。

PO算法主要原理為射線照射區域產生感應電流,而且在陰影區域設置為零電流,不考慮射線追跡或多次反射,以入射波作為激勵源,將平面波或連結FEM(IE)的場數據作為饋源。但由於不考慮射線的多次反射和繞射等現象,一般針對物理尺寸超大,結構均勻的物體電磁場計算,在滿足精度的要求,相比全波算法效率明顯提高。比如大平臺上的天線布局,大型反射面天線等等。

圖6  HFSS-PO天線布局仿真

PO算法可以解決超大電尺寸問題的計算,但由於未考慮到多次反射等物理物體,主要用於結構均勻物理的電磁場計算。針對複雜結構且超大電尺寸問題,ANSYS通過收購Delcross公司(Savant軟體)引入了SBR+算法, SBR+是在SBR算法(天線發射出射線,在表面「繪製」 PO電流)的基礎上考慮了爬行波射線(沿著表面追跡射線)、物理繞射理論PTD(修正邊緣處的PO電流)、一致性繞射理論UTD(沿著邊緣發射衍射射線,繪製陰影區域的電流),因此SBR+算法是高頻射線方法,具有非常高效的速度,同時具有非常好的精度,在大型平臺的天線布局中效果非常好。

圖7  SBR與SBR+算法對比

SBR+支持從FEM、IE中導入遠場輻射方向圖或者電流源,也支持導入相應的測試數據,SBR+算法主要用於天線安裝分析,支持多核、GPU等並行求解方式並且大多數任務可在低於8 GB內存下完成。

圖8  FEM算法與SBR+算法仿真對比

混合算法( FEBI, IE-Region,PO-Region,SBR+ Region)

前面對頻率內的各種算法做了介紹並說明了各種算法應用的場景,很多時候碰到的工程問題既包括複雜結構物理也包括超大尺寸物理,如新能源汽車上的天線布局問題,對仿真而言,最好的精度是用全波算法求解,最快的速度是採用近似算求解,針對該問題,ANSYS公司將FEM算法、 IE 算法、PO 算法、SBR+算法等融合起來,推出混合算法。在一個應用案例中,採用不同算法的優點而迴避不同算法的缺點,可極大限度的提高算法的效率,以及成為頻域內解決大型複雜問題的必備算法。

HFSS中FEM與IE可以通過IE Region與FEBI邊界進行混合求解,FEM與PO、SBR+算法可以通過添加PO Region及SBR+ Region進行混合,混合算法的使用擴大了HFSS的使用範圍。

圖9  FEM與IE混合求解與FEM對比

HFSS時域求解是基於間斷伽略金法(discontinuous Galerkin method, DGTD)的三維全波電磁場仿真求解器,採用基於四面體有限元技術,能得到和HFSS頻域求解器一樣的自適應網格剖分精度,該技術使得HFSS的求精精度成為電磁場行業標準。這項技術完善了HFSS的頻域求解器技術,幫助工程師對更加深入詳細了解其所設計器件的電磁性能。

Transient算法支配方程見下圖:

圖10  Transient算法支配方程

採用HFSS-Transient算法,工程師可利用短脈衝激勵對探地雷達、靜電放電、電磁幹擾、雷擊和等應用問題開展研究,還包括時域反射阻抗以及短時激勵下的瞬態場顯示也可以藉助它來完成。

圖11  Transient算法應用場景

諧振特性是每個結構都存在固有的電磁諧振,諧振的模式、頻率和品質因子,與其結構尺寸相關,這些諧振既可能是幹擾源的放大器,也可能是敏感電路的噪聲接收器。諧振會導致信號完整性、電源完整性和電磁兼容問題,因而了解諧振對加強設計可靠性很有幫助。

Eigenmode算法支配方程見下圖:

圖12  Eigenmode算法支配方程

在HFSS中,使用eigenmode算法可計算三維結構諧振模式,並可呈現圖形化空間的諧振電壓波動,分析結構的固有諧振特性。依據諧振分析的結果,指導機箱內設備布局和PCB層疊布局,改善電磁兼容特性。

圖13  Eigenmode算法應用場景

HFSS裡面有各種不同的算法,有全波算法、近似算法以及時域算法,工程師可以格局需要選擇不同算法(最高的精度和最高的效率)。首先針對頻域算法,使用範圍見圖14,通常FEM算法和IE算法非常適合於中小尺寸問題,對大型問題,FEM/IE運行時間/內存需求非常巨大; PO方法適合解決超大電尺寸問題,但對問題複雜度有限制,通常通常不能提供客戶所期望的精度,但對於均勻物體是一個很好的選擇;SBR+算法適合解決超大電尺寸問題,對複雜結構也能夠提供很好的精度和速度;針對既有電小尺寸複雜結構計算問題,又有電大尺寸布局計算問題,混合算法是一個很好的選擇。Transient算法適合解決與時間相關的電磁場問題,如ESD、TDR等;Eigenmode算法專門針對諧振仿真。

圖14  HFSS 頻域算法選擇

公司:恩碩科技-ANSYS亞太區最佳合作夥伴

網站:www.aonesoft.net

郵箱:supports@aonesoft.com.cn

電話:400-8275-833

微信:ANSYS電磁場

--

以上內容轉載自Ansys電磁場微信公眾號。

由電磁兼容小組星空yzg推薦電磁兼容EMC公眾號轉載

關注電磁兼容(EMC)微信公眾號,接收電磁兼容相關內容,掃描左側二維碼即可;

加入電磁兼容(EMC)微信群,與國內外數百EMC同行實時技術交流討論,掃描中間二維碼,註明「EMC」即可邀您加入;

加入電磁兼容(EMC)QQ群,與國內外數千EMC同行實時技術交流討論,掃描右側二維碼,註明「EMC」即可邀您加入


習慣用微博的朋友,敬請關注「電磁兼容EMC_星空」微博,微信公眾號文章將同步發布到微博。




相關焦點

  • HFSS算法簡介
    那麼到底選擇哪一款算法的仿真工具是適合自己的?一起來了解下這些算法。           有限元算法的優點是具有極好的結構適應性和材料適應性,是精確求解複雜材料複雜結構問題的最佳利器,尤其是對於一些內部問題的求解,比如機艙內環境分析,暗室內天線耦合,腔體問題等應用場景,非常適合有限元算法求解。
  • HFSS主要算法及其典型應用案例【2020更新】
    有限元算法(FEM)有限元算法的優點是具有極好的結構適應性和材料適應性,是精確求解複雜材料複雜結構問題的最佳利器,尤其是對於一些內部問題的求解,比如機艙內環境分析,暗室內天線耦合,腔體問題等應用場景,非常適合有限元算法求解。
  • hfss腔體濾波器設計實例
    打開APP hfss腔體濾波器設計實例 黎濤 趙霞 發表於 2017-10-25 19:55:14   自上世紀70年代以來,CAD工具在微波工程領域得到越來越廣泛的應用。經過多年的發展,目前國內外已有多種微波CAD軟體,而以Ansoft 公司的HFSS效果最佳。通過該軟體我們可以方便的得到各種物理模型,進而對該模型進行電磁場的仿真。計算結束後我們就可以得到所需的場結構和相關的S參數,也就知道了該濾波器的電性能情況。
  • 決策樹算法介紹及應用
    決策樹是機器學習中最基礎且應用最廣泛的算法模型。本文介紹了機器學習的相關概念、常見的算法分類和決策樹模型及應用。通過一個決策樹案例,著重從特徵選擇、剪枝等方面描述決策樹的構建,討論並研究決策樹模型評估準則。最後基於 R 語言和 SPSS 這兩個工具,分別設計與實現了決策樹模型的應用實例。
  • 聚類算法簡析(一):樸素貝葉斯算法的場景案例
    本文作者通過一些場景案例,帶領大家了解一下樸素貝葉斯算法作為聚類算法中的一員,如何來區分各類數組。通過一組參數模型來區分互斥群組中的個體十分常見,我們可以使用樸素貝葉斯分析來應用於這種場景,取決於模型的相似矩陣算法常常運用在估算決策論框架的矩陣中。
  • ...實現機器學習之邏輯回歸:邏輯回歸介紹、應用場景、原理、損失...
    作者 | 汪雯琦責編 | Carol來源 | CSDN 博客學習目標知道邏輯回歸的損失函數知道邏輯回歸的優化方法知道sigmoid函數知道邏輯回歸的應用場景應用LogisticRegression實現邏輯回歸預測知道精確率、召回率指標的區別知道如何解決樣本不均衡情況下的評估了解
  • 簡單粗暴理解與實現機器學習之邏輯回歸:邏輯回歸介紹、應用場景...
    >來源 | CSDN 博客學習目標知道邏輯回歸的損失函數知道邏輯回歸的優化方法知道sigmoid函數知道邏輯回歸的應用場景>應用classification_report實現精確率、召回率計算應用roc_auc_score實現指標計算邏輯回歸介紹邏輯回歸(Logistic Regression)是機器學習中的一種分類模型,邏輯回歸是一種分類算法
  • 【分類算法】基於 R 語言決策樹算法介紹及應用
    很多相關問題的算法複雜度較高,而且很難找到固有的規律,所以部分的機器學習研究是開發容易處理的近似算法。機器學習在數據挖掘、計算機視覺、自然語言處理、生物特徵識別、搜尋引擎、醫學診斷、檢測信用卡欺詐、證券市場分析、DNA 序列測序、語言與手寫識別、戰略遊戲與機器人運用等領域有著十分廣泛的應用。它無疑是當前數據分析領域的一個熱點內容。
  • 大數據入門:Hive應用場景
    今天我們的大數據入門分享,就主要來講講,Hive應用場景。 關於Hive,首先需要明確的一點就是,Hive並非資料庫,Hive所提供的數據存儲、查詢和分析功能,本質上來說,並非傳統資料庫所提供的存儲、查詢、分析功能。
  • 12個場景應用,百餘種算法,AI是如何攻佔經濟學的?
    深度學習在經濟學中的應用4、深度學習下的銀行和在線市場在網上購物和信用卡場景中對欺詐檢測要求非常高,當前強化學習最先進的研究成果如下表所示: 其中,LSTM-SVR模型應用於最終交易的預測。 [102]提出了一種新的學習遺傳算法,該算法利用R-NN模型來模擬人類的行為。具體採用了複雜的深度學習結構,包括:強化學習用於快速決策,深度學習用於構建股票身份,聚類用於整體決策目的,遺傳用於轉移目的。 [103]通過超參數的多樣化選擇使模型更加準確。
  • 各種機器學習算法的應用場景分別是什麼(比如樸素貝葉斯、決策樹、K 近鄰、SVM、邏輯回歸最大熵模型)?
    如果樓主是想為未來工作做積累,你還得對以下算法多做研究,這些才是目前工業界主流應用的算法。1.國內工業界應用機器學習最多的領域我們先從工業界對於機器學習的需求開始說起,明白用戶需求才知道什麼算法用的多。
  • 數據算法 | 主要算法的概念、分類及應用
    數據算法 | 主要算法的概念、分類及應用(元方、沈浩)前段時間有關部門請我介紹算法,什麼是算法?有時候簡單的問題真要說明白還不容易。
  • 智能決策論壇系列解讀 | 多智能體算法應用
    下面將結合論壇嘉賓的精彩講座和相關領域的調研,從政府決策、國防軍事、商業與經濟、工業領域等方面介紹分析多智能體算法的有關應用。多智能體算法與博弈論的快速發展能有效助力政府治理能力現代化。政府在資源分配、治安保障、城市建設與運營等方面發揮著關鍵作用,而這些問題都與多智能體算法和博弈論息息相關,深入發展相關應用研究,能輔助政府決策智慧化高效化。
  • 深度 | 大數據算法應用的測試發展之路
    測試技術作為工程技術的一部分,也隨著時代的不斷變化在同步演進,在當下 DT 時代,如何測試和保障一個基於大數據的應用的軟體質量,成為測試界的一個難題。本文通過系統性地介紹阿里巴巴 AI 中臺的技術質量體系——搜索推薦廣告應用的質量是如何測試的,來嘗試回答一下這個問題,希望能給大家帶來一些借鑑,歡迎斧正,以便改進。
  • 人工智慧製造業應用場景
    人工智慧製造業應用場景 數位化企業 發表於 2021-01-06 10:17:16 隨著智能製造熱潮的到來,人工智慧應用已經貫穿於設計、生產、管理和服務等製造業的各個環節。
  • 重學算法:Hash 算法原理及應用漫談
    點擊藍色「五分鐘學算法」關注我喲加個「星標」,天天中午 12:15,一起學算法本文作者:jeffhe,騰訊 IEG 開發工程師提到hash,相信大多數同學都不會陌生,之前很火現在也依舊很火的技術區塊鏈背後的底層原理之一就是hash,下面就從hash算法的原理和實際應用等幾個角度,對hash算法進行一個講解。
  • AI應用場景的回顧與展望
    我們看到,不論是在算法算力上還是在數據層面上,人工智慧都在不斷進步。   2021年即將到來,人工智慧將會迸發出怎樣的力量?在TA的助推下,又會有哪些新的新的場景和業態出現?   01.沉浸式媒體向體驗和場景的縱深演進   沉浸式媒體實現了物理和虛擬世界的融合共生,被認為是改變未來生活和工作方式的顛覆性趨勢之一。
  • 人工智慧教育應用的算法風險
    ,按照以人為本的原則提出保持教師在人工智慧教育應用中的主導地位、以教育學的方式應用和管理人工智慧算法、保持算法和計算模型的透明化和可解釋性、建立算法教育應用風險評估和風險管理機制等管控算法風險的對策建議。
  • 從算法講解到應用實戰,這是一份完整的聯邦學習入門教程
    3 月 26 日,機器之心聯合微眾銀行開設的公開課《聯邦學習 FATE 入門與應用實戰》第六講結課,微眾銀行人工智慧部高級研究員譚奔為大家介紹了聯邦推薦系統背景、聯邦推薦系統分類以及現有工作、聯邦推薦算法實現和聯邦推薦在新聞推薦的應用。
  • 靜態脫敏產品三個典型應用場景分析
    圖1:脫敏方式介紹並在案例分享會上進行總結▼由於兩者使用場景不同,關鍵技術有所差異。其中,靜態數據脫敏一般應用在非生產環境或脫離原生業務系統使用。開發測試、數據共享、科學研究是靜態數據脫敏的三個典型應用場景。對此,本文將進行詳細分析。