Navegando por Assunto "Bioinspired computation"

Agora exibindo 1 - 1 de 1

Acesso aberto (Open Access)
Síntese de superfícies seletivas de frequência multicamadas via otimização bioinspirada
(Universidade Federal do Pará, 2019-08-23) LIMA, Wirlan Gomes; ALCÂNTARA NETO, Miércio Cardoso de; http://lattes.cnpq.br/0549389076806391; BARROS, Fabrício José Brito; http://lattes.cnpq.br/9758585938727609
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.