Design and optimization of a 77 GHz absorber for autonomous vehicles using artificial neural networks

Este trabalho apresenta o projeto e a otimização de um Absorvedor Seletivo de Frequência (ASF) operando a 77 GHz, direcionado a aplicações em sistemas de radar automotivo e veículos autônomos. A metodologia combina técnicas de modelagem computacional, como o Método dos Elementos Finitos (FEM) e a Técnica de Integração Finita (FIT), com redes neurais artificiais (RNAs), especificamente um perceptron multicamada (MLP), para otimizar os parâmetros geométricos e de material do absorvedor. A estrutura do Absorvedor é composta por um substrato Rogers Duroid RT5880 e um plano de terra metálico de cobre. A modelagem utiliza um circuito equivalente com elementos ressonantes (indutores, capacitores e resistores) para descrever o comportamento do filtro. A RNA foi treinada com dados de simulação, alcançando alta precisão na previsão dos parâmetros ideais, como periodicidade, espessura do substrato e dimensões das aberturas. Os resultados demonstram alta eficiência do absorvedor, com uma taxa de absorção de 99,99% na frequência central de ressonância de 77,5 GHz. A comparação entre as previsões da RNA e os métodos numéricos (HFSS e CST Studio Suite) mostrou excelente concordância, validando a robustez da abordagem proposta. O estudo conclui destacando o impacto prático do projeto otimizado na melhoria do desempenho de sistemas automotivos, enfatizando o potencial da integração de RNAs no projeto de dispositivos eletromagnéticos de alta frequência.