华南理工大学夏晨斌、沈俊奕、廖绍伟和王宜等人在《SCIENCE CHINA Technological Sciences》2024年67卷第10期发表题为A Novel Method to Extract and Optimize Complex Permittivity of Paper-Based Composites Based on Artificial Neural Network Model的研究论文，提出了一种基于人工神经网络的超薄柔性纸基材料复介电常数提取新方法，解决了超薄柔性大介电大损耗材料介电常数测试的难题。
基于人工神经网络的超薄柔性纸基材料复介电常数提取的具体流程
传统电磁性能测试方法无法满足高损耗的超薄柔性材料的复介电常数的高测量精度的要求，并且验证测试结果的准确性困难重重。本文介绍了一种基于反向传播人工神经网络的复介电常数提取方法。纸基复合材料是超薄柔性材料，具有大范围可调的复介电常数和损耗正切。针对由纸基复合材料制备的蜂窝状结构吸波材料，由于缺乏成熟的测量方法建立起纸基材料和吸波材料之间的映射关系来实现人工神经网络的训练，作者首先借助仿真软件建立了两者之间的映射关系，随后利用人工神经网络模型，从吸波材料的介电常数中中提取出纸基材料的复介电常数。引用了两个已发表的方法来说明所提出的方法所获得的结果的准确性和先进性。此外，还进行了具体的误差分析，将差异归因于纸基材料本身的电导率、蜂窝吸波材料的均质化，以及仿真模型与实际对象之间的差异。最后，将该方法应用于优化蜂窝吸波材料的孔格边长，以提高其吸波性能。
请点击 阅读原文 查看文章
