Navegando por Assunto "Rede neural de regressão geral"

Agora exibindo 1 - 2 de 2

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.
Acesso aberto (Open Access)
Síntese de superfícies seletivas de frequência para micro-ondas utilizando otimização multiobjetivo bioinspirada
(Universidade Federal do Pará, 2015-08-19) ALCÂNTARA NETO, Miércio Cardoso de; D'ASSUNCÃO, Adaildo Gomes; http://lattes.cnpq.br/4159638862269940; CAVALCANTE, Gervásio Protásio dos Santos; http://lattes.cnpq.br/2265948982068382
A evolução da computação tem possibilitado avanços substanciais em pesquisas relacionadas à engenharia e em projetos industriais. Nestas áreas, o emprego de ferramentas computacionais tem se intensificado para simulação e obtenção de determinados parâmetros do projeto. No entanto, a crescente demanda por precisão e o aumento gradativo da complexidade das estruturas e sistemas, resulta num processo de simulação cada vez mais demorado, pois a avaliação de um único critério pode consumir várias horas, bem como vários dias ou até mesmo semanas. Logo, um método que minimize o tempo de simulação e otimização, pode, assim, economizar tempo e dinheiro. Nesse contexto, a computação bioinspirada (bioinspired computing - BIC), se apresenta precisa e eficiente, onde muitos métodos computacionais tradicionais falham e, consiste em novo mecanismo para suprir tais dificuldades. Assim, neste trabalho, é realizado um estudo acerca de alguns dos algoritmos BIC mais utilizados na atualidade para projeto e otimização de problemas gerais na engenharia e na indústria. Doravante, se vislumbra desenvolver um código de otimização meta-heurístico multiobjectivo que apresente menor custo computacional e, consequentemente, menor tempo para processamento dos dados. Inicialmente, é realizada uma investigação eletromagnética das superfícies seletivas de frequência triangulares estudadas, através de simulações computacionais. A análise numérica de onda completa é feita pela técnica das integrais finitas com o auxílio de um software comercial muito utilizado para simulações em eletromagnetismo. O processo de síntese consiste em sintonizar a frequência de ressonância das estruturas e a largura de banda de acordo com os objetivos inseridos na função custo dos algoritmos de otimização. A modelagem das estruturas é realizada por uma rede neural artificial e o processo de otimização é realizado por algoritmos meta-heurísticos. Os resultados obtidos por esses códigos são comparados aos simulados pelo software comercial e aos medidos. Observou-se boa concordância entre os resultados simulados e medidos, bem como uma substancial redução no menor tempo de processamento das estruturas. Por fim, são apresentadas as conclusões e as propostas para trabalhos futuros.