Por favor, use este identificador para citar o enlazar este ítem: http://repositorio.ufpa.br:8080/jspui/handle/2011/12294
Tipo: Tese
Fecha de publicación : 19-dic-2019
Autor(es): MOTA, Raimundo José Santos
metadata.dc.description.affiliation: UFPA - UNIVERSIDADE FEDERAL DO PARÁ
Primer Orientador: CAVALCANTE, Gervásio Protásio dos Santos
Título : Projeto e síntese de superfície seletiva de frequências para o padrão IEEE 802.15.3C via técnica de otimização híbrida multiobjetivo de alta precisão
Otros títulos : Frequency selective surface design and synthesis to the IEEE 802.15.3C standard via high precision multiobjective hybrid optimization technique
Citación : MOTA, Raimundo José Santos. Projeto e síntese de superfície seletiva de frequências para o padrão IEEE 802.15.3C via técnica de otimização híbrida multiobjetivo de alta precisão. Orientador: Gervásio Protásio dos Santos Cavalcante. 2019. 79 f. Tese (Doutorado em Engenharia Elétrica) - Instituto de Tecnologia, Universidade Federal do Pará, Belém, 2019. Disponível em: http://repositorio.ufpa.br:8080/jspui/handle/2011/12294 . Acesso em:.
Resumen: As Redes Neurais Artficiais (Arti_cial Neural Networks _ ANN) são inspiradas na estrutura e nos aspectos funcionais nas redes neurais biológicas. Elas são treinadas através de mecanismos obtidos das propriedades físicas dos processos envolvidos, por exemplo, ondas eletromagnéticas. Do conhecimento adquirido através dessa experiência e aprendizagem, elas podem ser capazes de fornecer soluções prevendo comportamentos de usuários e fornecendo, dentro de uma região de interesse, dados de estratégias precisas para projetos e dimensionamentos. Aqueles que criticaram a aplicação de algoritmos obtidos das ANN, argumentavam que os problemas a serem encarados eram normalmente sem grandes complexidades. Entretanto, os métodos convencionais que foram propostos para resolverem estes mesmos problemas não se mostraram eficientes. Alguns sucessos espúrios ocorreram em certos ambientes bem comportados, mas sem a exibilidade quando se encontra restrições diversicadas. Em concordância a estes desenvolvimentos, também se teve a abertura evolutiva das ferramentas computacionais, que tem dado um suporte extraordinário para o aprofundamento de técnicas para resolver e otimizar problemas antes impensados. Em muitos problemas de otimização, a qualidade de uma solução é definida por seu desempenho em relação a vários objetivos concomitantes. Tais objetivos, não podem ser sensivelmente reduzido a um único valor, por exemplo, usando uma soma ponderada de todos eles ou outra metodologia pertinente, mas deve se considerar a solução dominadora, independentemente uma do outra. Para atingir soluções precisas com redução de custos computacionais, menor tempo de processamento, se apresentam os Algoritmos Evolucionários Multi-Objetivos (Multiobjective Evolutionary Algorithms _ MOEA), somada com a Computação Bioinspirada (Bioinspired Computation _ BIC). Combinando as vantagens dos algoritmos clássicos, surgiram de forma irreversível os Algoritmos Metaheurísticos. Nesses moldes, é apresentado neste trabalho, uma técnica de otimização híbrida Bioinspirada que associa uma Rede Neural de Regressão Geral (General Regression Neural Networks _ GRNN) em combinação com o Algoritmo Multiobjetivo do Morcego (Multiobjective Bat Algorithm _ MOBA), para projeto e síntese de Superfícies Seletivas de Frequência (Surfaces Selective Frequency _ FSS) objetivando sua aplicação no sistema de comunicação de dados, por difusão de ondas milimétricas, especificamente, no padrão IEEE 802:15:3c. O dispositivo projetado consiste em arranjos planares de metalizações (patches), na forma geométrica de losango, dispostos sobre substratos do dielétrico RO4003. A FSS proposta e de_nida neste estudo apresenta resultados e resposta com característica de banda ultra larga. A FSS patch losango projetada é capaz de cobrir a faixa de 40:0 GHz a 70:0 GHz, ou seja, com largura de banda de 30:0 GHz e frequência de Ressonância em 60:0 GHz. As frequências de corte inferior e superior, para o caso da matriz de espalhamento, referente ao coeficiente de transmissão é dado em decibéis (dB), e foram obtidas no limiar de corte em 10dB para controle da banda de operação do dispositivo.
Resumen : Artficial Neural Networks (ANN) are inspired by the structure and functional aspects in biological neural networks. They are trained through mechanisms obtained from the physical properties of the processes involved, for example, electromagnetic waves. From the knowledge acquired through that experience and learning, they may be able to provide solutions for predicting users behavior and providing, within a region of interest, accurate strategy data for projects and sizing. Those who criticized the application of ANN acquired by nature-inspired algorithms, argued that the problems to be faced were usually without complexities, although the conventional methods that were proposed to solve these same problems were not eficient. Some spurious successes have occurred in certain well-behaved environments, but without_exibility when encountering diverse constraints. Adding to these developments, there is the evolutionary openness of computational tools, which has given extraordinary support for deepening techniques to solve and optimize previously unthought problems. In many optimization issues, the quality of a solution is defined by its performance against several conficting goals. Such coficting objectives cannot be signi_cantly reduced to a single value, for example using a weighted sum or other methodology, but must be considered independently of each other. To achieve accurate solutions with reduced computational costs and shorter processing times, we present the Multi-Objective Evolutionary Algorithms (MOEA), as well as Bioinspired Computation (BIC). Combining the advantages of the classical algorithms, the Metaheuristic Algorithms emerged irreversibly. In many optimization problems, the quality of a solution is defined by its performance in relation to several, coficting objectives. Such conficting goals cannot be sensibly reduced to a single value using a weighted sum or another aggregate function, but rather they must be considered independently from each other. Multi-Objective Evolutionary Algorithms (MOEAs) are a natural answer of this kind of evolution. In this work is presented a hybrid bioinspired optimization technique that associates a General Regression Neural Network _ GRNN with the Multi-Objective Bat Algorithm _ MOBA, for the design and synthesis of the Frequency Selective Surfaces _ FSS, aiming its application in data communication systems by difusion of millimeter waves, speci_cally, in the IEEE 802:15:3c standard. The designed device consists of planar arrangements of metallizations (patches), diamond-shaped, arranged over a RO4003 substrate. The FSS proposed in this study presents an operation with ultra-wide band characteristics, its patch designed to cover the range of 40:0 GHz at 70:0 GHz, i.e., 30:0 GHz bandwidth and 60:0 GHz resonance. The upper and lower cuto_ frequencies, referring to the transmission coe_cients scattering matrix (dB), were obtained at the cuto_ threshold at -10dB, to control the bandwidth of the device.
Palabras clave : Técnica híbrida
conmputação bioinspirada (BIC)
Redes neurais em regressão geral (GRNN)
Algoritmo multiobjetivo do morcego (MOBA)
superfícies seletivas de frequências (FSS)
metadata.dc.subject.areadeconcentracao: TELECOMUNICAÇÕES
metadata.dc.subject.linhadepesquisa: ELETROMAGNETISMO APLICADO
CNPq: CNPQ::ENGENHARIAS::ENGENHARIA ELETRICA
País: Brasil
Editorial : Universidade Federal do Pará
Sigla da Instituição: UFPA
Instituto: Instituto de Tecnologia
Programa: Programa de Pós-Graduação em Engenharia Elétrica
metadata.dc.rights: Acesso Aberto
metadata.dc.source: 1 CD-ROM
Aparece en las colecciones: Teses em Engenharia Elétrica (Doutorado) - PPGEE/ITEC

Ficheros en este ítem:
Fichero Descripción Tamaño Formato  
Tese_ProjetoSinteseSuperficie.pdf1,51 MBAdobe PDFVisualizar/Abrir


Este ítem está sujeto a una licencia Creative Commons Licencia Creative Commons Creative Commons