个人介绍
计算电磁学(本科)

主讲教师:

教师团队:共1

  • 赖生建
学校: 电子科技大学
专业大类: 电子科学与技术
开课专业: 物理电子学

本系列主要讲了计算智能中的遗传算法、神经网络、模糊系统在电磁建模和优化问题中的应用的基础课程。讲师赖生建在计算电磁学、高性能并行计算和通用电磁仿真平台开发等方向取得了许多研究成果,

教师团队

赖生建

职称:讲师

单位:电子科技大学

职位:讲师

计算电磁学

计算电磁学是指对一定物质和环境中的电磁场相互作用的建模过程,通常包括麦克斯韦方程计算上的有效近似。计算电磁学被用来计算天线性能,电磁兼容,雷达散射截面和非自由空间的电波传播等问题。

计算电磁学的主要思想有,基于积分方程的方法,基于微分(差分)方程的方法,及其他模拟方法。

 1.基于积分方程的方法

    (1)离散偶极子近似

    (2)矩量法,边界元法

    (3)快速多极子法

 2.基于微分(差分)方程的方法

    (1)时域有限差分(FDTD)

    (2)时域多分辨率方法(MRTD)

    (3)有限元方法(FEM)

    (4)时域伪谱法(PSTD)

3.其他方法

PO法是在光学,电子工程,应用物理学中普遍采用的一种高频近似方法,是对忽略波效应的几何光学法的改进。“物理”指的是相对几何光学或射线光学更具物理性,而不是说这是严格的物理理论。该方法用射线光学法估计表面场量,然后在该表面上对场量积分,从而计算散射场。这很类似Born近似法(扰动法)。

麦克斯韦方程

简介:麦克斯韦方程组 Maxwell's equations

麦克斯韦方程组(英语:Maxwell's equations),是英国物理学家詹姆斯·麦克斯韦在19世纪建立的一组描述电场、磁场与电荷密度、电流密度之间关系的偏微分方程。它由四个方程组成:描述电荷如何产生电场的高斯定律、论述磁单极子不存在的高斯磁定律、描述电流和时变电场怎样产生磁场的麦克斯韦-安培定律、描述时变磁场如何产生电场的法拉第感应定律。

麦克斯韦从麦克斯韦方程组,可以推论出光波是电磁波。麦克斯韦方程组和洛伦兹力方程是经典电磁学的基础方程。从这些基础方程的相关理论,发展出现代的电力科技与电子科技。麦克斯韦1865年提出的最初形式的方程组由20个等式和20个变量组成。他在1873年尝试用四元数来表达,但未成功。我们所使用的数学形式是奥利弗·赫维赛德和约西亚·吉布斯于1884年以矢量分析的形式重新表达的。

核心地位:麦克斯韦方程组的地位

麦克斯韦方程组在电磁学中的地位,如同牛顿运动定律在力学中的地位一样。以麦克斯韦方程组为核心的电磁理论,是经典物理学最引以自豪的成就之一。它所揭示出的电磁相互作用的完美统一,为物理学家树立了这样一种信念:物质的各种相互作用在更高层次上应该是统一的。这个理论被广泛地应用到技术领域。

历史背景:1845年,关于电磁现象的三个最基本的实验定律:库仑定律(1785年),安培—毕奥—萨伐尔定律(1820年),法拉第定律(1831-1845年)已被总结出来,法拉第的“电力线”和“磁力线”概念已发展成“电磁场概念”。场概念的产生,也有麦克斯韦的一份功劳,这是当时物理学中一个伟大的创举,因为正是场概念的出现,使当时许多物理学家得以从牛顿“超距观念”的束缚中摆脱出来,普遍地接受了电磁作用和引力作用都是“近距作用”的思想。1855年至1865年,麦克斯韦在全面地审视了库仑定律、安培—毕奥—萨伐尔定律和法拉第定律的基础上,把数学分析方法带进了电磁学的研究领域,由此导致麦克斯韦电磁理论的诞生。

蒙特·卡罗方法

蒙特卡罗法历史悠久。1773年法国G.-L.L.von布丰曾通过随机投针试验来确定圆周率π的近似值,这就是应用这个方法的最早例子。蒙特卡罗是摩纳哥著名赌城,1945年 J.von诺伊曼等人用它来命名此法,沿用至今。数字计算机的发展为大规模的随机试验提供了有效工具,遂使蒙特卡罗法得到广泛应用。在连续系统和离散事件系统的仿真中,通常构造一个和系统特性相近似的概率模型,并对它进行随机试验,因此蒙特卡罗法也是系统仿真方法之一。 

蒙特卡罗法的步骤是:①构造实际问题的概率模型;②根据概率模型的特点,设计和使用降低方差的各类方法,加速试验的收敛;③给出概率模型中各种不同分布随机变量的抽样方法;④统计试验结果,给出问题的解和精度估计。 

概率模型:用概率统计的方法对实际问题或系统作出的一种数学描述。例如对离散事件系统中临时实体的到达时间、永久实体的服务时间的描述(见离散事件系统仿真方法)就是采用概率模型。虽然由这些模型所确定的到达时间、服务时间可能与具体某一段时间内实际到达时间、服务时间有出入,但它是通过多次统计获得的结果,所以从概率分布的规律来说还是相符的。概率模型不仅可用来描述本身就具有随机特性的问题或系统,也可用来描述一个确定型问题。例如参数寻优中的随机搜索法(见动力学系统参数寻优)就是将参数最优化问题构造为一个概率模型,然后用随机投点、统计分析的方法来进行搜索。 

随机数的产生:用蒙特卡罗法进行仿真时,需要应用各种不同分布的随机变量。只要有一种连续分布的随机变量,就可设法得到任意分布的随机变量。在(0,1)上均匀的分布函数是一种最简单的连续分布函数。因此在蒙特卡罗法中,多是先产生均匀分布随机变量 R的抽样值ri(i=1,2,…),称为随机数。在计算机中产生随机数的方法有:①把已有的随机数表输入计算机;②用物理方法,如噪声型随机数发生器产生出真正的随机数;③用数学方法根据递推公式由程序来产生。这种方法速度高,占用机器的内存少,使用最为普遍。在计算机中表示一个数字的字长有限,因此只能表示有限个不同的数,而且用递推方法产生的数值序列{rn}是完全确定的,到一定长度便周而复始,这些都与随机数的基本性质相矛盾。但是只要产生的数值序列{rn}能够通过随机数的各种统计检验,仍可以把它当作随机数来使用。为区别起见,常将用数学方法产生的随机数称为伪随机数。

参考教材


课程评价

教学资源
课程章节 | 文件类型   | 修改时间 | 大小 | 备注
23 时域有限差分法(一)
视频
.mp4
2014-01-16 92.87MB
24 时域有限差分法(二)
视频
.mp4
2014-01-16 94.78MB
课程章节
提示框
提示框
确定要报名此课程吗?
确定取消

京ICP备10040544号-2

京公网安备 11010802021885号