CST电磁仿真77GHz汽车雷达保险杠

77G毫米波雷达仿真时,要考虑天线罩和保险杠的影响。通常保险杠都是多层结构,有的层非常薄。如果采用传统的3D建模方法,会导致网格数量巨大,进而影响到求解效率。 三维保险杠(bumper)模型如下图所示:

针对这种薄层的材料(材料厚度小于1/4波长),CST支持定义Thinpanel的材料设置,可以通过定义每一层材料的属性,然后设置好层叠列表,最终实现3D薄层材料的等效。具体方法如下:Step1:首先定义每一层的材料参数,以layer1为例,layer2、layer3重复操作。

Step2

创建Thinpanel类型的材料,点击layers,在弹出的对话框中定义层叠列表,分别设置每一层的厚度。

Step3

材料创建好以后,还有一步设置必不可少,就是在3D模型中,添加层叠的指示方向。首先选择定义好的Thinpanel部件,按"W"键添加wcs局部坐标系,如下图所示。

点击Shape tools/Local SolidCoordinates/Attach Active WCS。

通过View SCS for Selected Solids就可以看到下面这个新的坐标轴,其中w'指向的就是层叠方向。

接下来我们来看一个仿真案例,我们要评估天线罩对77G毫米波天线的影响。其中天线罩采用ThinPanel建模。同时天线与天线罩之间的距离非常近,小于5个波长,在这种情况下,它们之间的耦合非常强。

可以采用两种不同的方法进行仿真。第一种是TLM全波计算,这种方法精度高,不足之处是对硬件资源要求高,耗时较长。第二张方法也是我们推荐的,先使用TLM求解器,把Antenna和附近的Radome作为一个整体,提取NFS(近场源);再使用Asolver,NFS导入Asolver,计算NFS+Radome的结果。

最终结果对比如下:


【推荐内容】

如何在CST中导入CAD文件

如何在CST中导入HFSS模型

CST可以导出哪些CAD格式

相关推荐
Blossom.1181 小时前
使用Python和Scikit-Learn实现机器学习模型调优
开发语言·人工智能·python·深度学习·目标检测·机器学习·scikit-learn
coding随想2 小时前
JavaScript ES6 解构:优雅提取数据的艺术
前端·javascript·es6
努力学习的小廉2 小时前
深入了解linux系统—— 进程池
linux·运维·服务器
DFminer2 小时前
【LLM】fast-api 流式生成测试
人工智能·机器人
年老体衰按不动键盘2 小时前
快速部署和启动Vue3项目
java·javascript·vue
灵感__idea2 小时前
JavaScript高级程序设计(第5版):无处不在的集合
前端·javascript·程序员
郄堃Deep Traffic2 小时前
机器学习+城市规划第十四期:利用半参数地理加权回归来实现区域带宽不同的规划任务
人工智能·机器学习·回归·城市规划
秃头菜狗3 小时前
各个主要目录的功能 / Linux 常见指令
linux·运维·服务器
星辰引路-Lefan3 小时前
深入理解React Hooks的原理与实践
前端·javascript·react.js
vfvfb3 小时前
bat批量去掉本文件夹中的文件扩展名
服务器·windows·批处理·删除扩展名·bat技巧