Use este identificador para citar ou linkar para este item:
https://repositorio.ufpa.br/jspui/handle/2011/11859
Tipo: | Dissertação |
Data do documento: | 23-Ago-2019 |
Autor(es): | LIMA, Wirlan Gomes |
Primeiro(a) Orientador(a): | BARROS, Fabrício José Brito |
Primeiro(a) coorientador(a): | ALCÂNTARA NETO, Miércio Cardoso de |
Título: | Síntese de superfícies seletivas de frequência multicamadas via otimização bioinspirada |
Título(s) alternativo(s): | Synthesis of multi-layer selective frequency surfaces via bioinspired Optimization |
Agência de fomento: | CAPES - Coordenação de Aperfeiçoamento de Pessoal de Nível Superior |
Citar como: | LIMA, Wirlan Gomes. Síntese de superfícies seletivas de frequência multicamadas via otimização bioinspirada. Orientador: Fabrício José Brito Barros; Coorientador: Miércio Cardoso de Alcântara Neto. 2019. 73 f. Dissertação (Mestrado em Engenharia Elétrica) - Instituto de Tecnologia, Universidade Federal do Pará, Belém, 2019. Disponível em: http://repositorio.ufpa.br/jspui/handle/2011/11859. . Acesso em: |
Resumo: | A análise de dispositivos eletromagnéticos via softwares computacionais, geralmente, demanda alto custo computacional e elevado tempo de processamento. Em certas situações, para atender certos objetivos de projeto, encontrar os parâ- metros estruturais ótimos podem levar dias ou até mesmo semanas quando feitos pelo método da tentativa e erro, ao se buscar respostas precisas em estruturas de alta complexidade. Neste cenário, as ferramentas de computação bioinspiradas (Bioinspired Computation - BIC) são fortes aliadas em economia de tempo, custo computacional e, consequentemente, de dinheiro. Para intensificar o poder e a efici- ência dessas ferramentas, métodos híbridos têm sido desenvolvidos, nos quais redes neurais trabalham conjuntamente com algoritmos de otimização a fim de obter re- sultados ainda mais satisfatórios e precisos. Nesse contexto, este trabalho apresenta a utilização de dois modelos híbridos de otimização bioinspirada multiobjetivo para o projeto e síntese de superfícies seletivas de frequência (Frequency Selective Surfaces - FSS) multicamadas. Inicialmente, é feita uma investigação eletromagnética da célula unitária das estruturas do tipo patch que irão compor a FSS multicamadas, sendo elas uma espira triangular e um losango sólido impressos em substrato de fibra de vidro (FR-4). As simulações computacionais foram realizadas com o auxílio do software CST® Micro Wave Studio, cuja técnica numérica utilizada é a dasintegrais finitas (FIT). São projetados três filtros com características distintas que abrangem as bandas C, X e Ku. O processo de síntese consiste em sintonizar os objetivos das estruturas inseridos na função custo dos algoritmos de otimização. A modelagem das estruturas é realizada por uma rede neural de regressão geral (General Regression Neural Network - GRNN) e o processo de otimização é realizado pelos algoritmos. As simulações computacionais para cálculo dos dados eletromagnéticos (EM) das FSS multicamadas foram realizadas aplicando o software CST®. Os valores otimizados retornados pelos modelos híbridos também foram simulados usando o software Ansoft DesignerTM HFSS para avaliar os resultados obtidos anteriormente. Observou-se boa concordância entre os resultados simulados, evidenciando a redução no tempo de processamento das estruturas, além de mostrar que o modelo GRNN-AG Multi se sobressaiu em relação ao GRNN-MOCS, apresentando erros em relação aos objetivos de projeto para as simulações em CST® de 0,44%, 0,254% e 0,387% para os filtro 1, 2 e 3, respectivamente, sendo este o modelo híbrido mais eficiente para a otimização de FSS multicamadas. |
Abstract: | The analysis of electromagnetic devices via computer software usually demands high computational cost and high processing time. In certain situations, to meet certain design objectives, finding the optimal structural parameters can take days or even weeks when done by trial and error when seeking accurate answers in highly complex structures. In this scenario, bioinspired computation (BIC) tools are strong allies in saving time, computational cost and, consequently, money. To enhance the power and efficiency of these tools, hybrid methods have been developed in which neural networks work in conjunction with optimization algorithms to obtain even more satisfactory and accurate results. In this context, this work presents the use of two multiobjective bioinspired hybrid optimization models for the design and synthesis of multilayer frequency selective surfaces (FSS). Initially, an electromagnetic investigation of the unit cell of the patch-like structures that will compose the multilayer FSS is made, which are a triangular loop and a solid diamond printed on fiberglass substrate (FR-4). The computer simulations were performed with the aid of CSTR○ Micro Wave Studio software, whose finite integrals (FIT) numerical technique is used. Three filters with distinctive characteristics that cover the C, X and Ku bands are designed. The synthesis process consists of tuning the objectives of the structures inserted in the cost function of the optimization algorithms. The modeling of the structures is performed by a general regression neural network (GRNN) and the optimization process is performed by the algorithms. The computational simulations for calculating the electromagnetic (EM) data of the multilayer FSS were performed using the CSTR○ software. The optimized values returned by the hybrid models were also simulated using Ansoft 𝐷𝑒𝑠𝑖𝑔𝑛𝑒𝑟𝑇𝑀 HFSS software to evaluate the previously obtained results. Good agreement between the simulated results was observed, showing a reduction in the processing time of the structures, besides showing that the GRNN-AG Multi model stood out in relation to the GRNN-MOCS, presenting errors in relation to the design objectives for the simulations. in CSTR○ of 0.44%, 0.254% and 0.387% for filters 1, 2 and 3, respectively, which is the most efficient hybrid model for multi-layer FSS optimization. |
Palavras-chave: | Superfícies seletivas de frequência multicamadas Computação bioinspirada Modelos híbridos de otimização Rede neural de regressão geral Algoritmos genéticos Algoritmo de busca cuco Multilayer frequency selective surface Bioinspired computation Hybrid optimization models General regression neural network Genetic algorithm Cuco search algorithm |
Área de Concentração: | TELECOMUNICAÇÕES |
Linha de Pesquisa: | INTELIGÊNCIA COMPUTACIONAL |
CNPq: | CNPQ::ENGENHARIAS::ENGENHARIA ELETRICA |
País: | Brasil |
Instituição: | Universidade Federal do Pará |
Sigla da Instituição: | UFPA |
Instituto: | Instituto de Tecnologia |
Programa: | Programa de Pós-Graduação em Engenharia Elétrica |
Tipo de Acesso: | Acesso Aberto |
Fonte: | 1 CD-ROM |
Aparece nas coleções: | Dissertações em Engenharia Elétrica (Mestrado) - PPGEE/ITEC |
Arquivos associados a este item:
Arquivo | Descrição | Tamanho | Formato | |
---|---|---|---|---|
Dissertacao_SinteseSeletivasFrequencia.pdf | 2,47 MB | Adobe PDF | Visualizar/Abrir |
Este item está licenciado sob uma Licença Creative Commons