Metodologia para o desenvolvimento de antenas baseada em intelig??ncia computacional
Autor(a) principal: | |
---|---|
Data de Publicação: | 2021 |
Tipo de documento: | Dissertação |
Idioma: | por |
Título da fonte: | Biblioteca Digital de Teses e Dissertações da INATEL |
Texto Completo: | https://tede.inatel.br:8080/tede/handle/tede/220 |
Resumo: | The antenna design is a challenging task, which might be time-consuming using computational methods that typically require high computational capability, due to the need for several sweeps and re-running processes. This work proposes an efficient and accurate computational intelligence-based methodology for antenna design and optimization. The computational technical solution consists of a surrogate model application, composed of a Multilayer Perceptron (MLP) artificial neural network with backpropagation for the regression process. Combined with the model, two multiobjective optimization meta-heuristic strategies, Non-dominated Sorting Genetic Algorithm (NSGA-II) and Multiobjective Evolutionary Algorithm based on Decomposition (MOEA/D), are used to overcome the mentioned issues from the antenna design traditional method. As proof of the proposed methodology concept, three studies of case are reported: a half-wavelength dipole; a complete-wavelength dipole; Quasi-Yagi antenna. Comparisons between the models developed with the proposed methodology and results by the full-wave numerical simulations software from ANSYS HFSS are performed aiming to demonstrate the developed methodology application and efficiency. According to the proposed methodology, the matched port printed dipole antenna input-output sets were obtained in 53 seconds by the NSGA-II algorithm to maximize the bandwidth centered at 3.5 GHz, which resulted in 18 % operation band centered at 3.53 GHz. In the matching impedance structure printed dipole, the optimal dimensions were obtained in 5 seconds aiming to maximize the bandwidth centered at 3.5 GHz. The estimated output was 21.4% band centered at 3.5 GHz. Finally, for QuasiYagi design and optimization, the NSGA-II algorithm spent 2 minutes to find the best impedance matching structure dimensions that minimize simultaneously the reflection coefficient at 1.9, 2.6, and 3.5 GHz. The obtained results prove the methodology potential as a complementary alternative to the electromagnetic simulation software for antenna design and optimization. |
id |
INAT_aab97b76a78198ceaa082d807955b563 |
---|---|
oai_identifier_str |
oai:localhost:tede/220 |
network_acronym_str |
INAT |
network_name_str |
Biblioteca Digital de Teses e Dissertações da INATEL |
repository_id_str |
|
spelling |
Sodr?? Junior, Arismar Cerqueira945.507.195-91http://lattes.cnpq.br/1703406475581759Bastos Filho, Carmelo Jos?? Albanezhttp://lattes.cnpq.br/9745937989094036Sodre Junior, Arismar Cerqueira945.507.195-91http://lattes.cnpq.br/1703406475581759Bastos Filho, Carmelo Jose Albanezhttp://lattes.cnpq.br/9745937989094036Figueiredo, Felipe Augusto Pereira de051.996.986-30http://lattes.cnpq.br/0188611850092267Moreira Neto, Joao Robertohttp://lattes.cnpq.br/6420237721353371Brito, Jose Marcos Camara495.450.866-53http://lattes.cnpq.br/0370383210890132097.591.806-00Melo, Marcello Caldano2021-11-24T20:29:01Z2021-07-12Melo, Marcello Caldano. Metodologia para o desenvolvimento de antenas baseada em intelig??ncia computacional. 2021. [99]. disserta????o( Mestrado em Engenharia de Telecomunica????es) - Instituto Nacional de Telecomunica????es, [Santa Rita do Sapucai] .https://tede.inatel.br:8080/tede/handle/tede/220The antenna design is a challenging task, which might be time-consuming using computational methods that typically require high computational capability, due to the need for several sweeps and re-running processes. This work proposes an efficient and accurate computational intelligence-based methodology for antenna design and optimization. The computational technical solution consists of a surrogate model application, composed of a Multilayer Perceptron (MLP) artificial neural network with backpropagation for the regression process. Combined with the model, two multiobjective optimization meta-heuristic strategies, Non-dominated Sorting Genetic Algorithm (NSGA-II) and Multiobjective Evolutionary Algorithm based on Decomposition (MOEA/D), are used to overcome the mentioned issues from the antenna design traditional method. As proof of the proposed methodology concept, three studies of case are reported: a half-wavelength dipole; a complete-wavelength dipole; Quasi-Yagi antenna. Comparisons between the models developed with the proposed methodology and results by the full-wave numerical simulations software from ANSYS HFSS are performed aiming to demonstrate the developed methodology application and efficiency. According to the proposed methodology, the matched port printed dipole antenna input-output sets were obtained in 53 seconds by the NSGA-II algorithm to maximize the bandwidth centered at 3.5 GHz, which resulted in 18 % operation band centered at 3.53 GHz. In the matching impedance structure printed dipole, the optimal dimensions were obtained in 5 seconds aiming to maximize the bandwidth centered at 3.5 GHz. The estimated output was 21.4% band centered at 3.5 GHz. Finally, for QuasiYagi design and optimization, the NSGA-II algorithm spent 2 minutes to find the best impedance matching structure dimensions that minimize simultaneously the reflection coefficient at 1.9, 2.6, and 3.5 GHz. The obtained results prove the methodology potential as a complementary alternative to the electromagnetic simulation software for antenna design and optimization.O desenvolvimento de antenas ?? uma tarefa desafiadora, que pode levar muito tempo utilizando m??todos convencionais e demandar alta capacidade computacional, devido a necessidade de muitas varreduras e simula????es. Neste trabalho, ?? proposta uma me- todologia eficiente e precisa baseada em Intelig??ncia Computacional para o desen- volvimento e a otimiza????o de antenas. A soluc??o t??cnica computacional consiste na aplica????o de um modelo substituto, composto por uma rede neural artificial do tipo per- ceptron de m??ltiplas camadas ( Multilayer Perceptron, MLP) com retropropaga????o para regress??o. Aliado ao modelo, duas estrat??gias meta-heur??sticas de otimiza????o mul- tiobjetivo, algoritmo gen??tico de ordena????o n??o-dominada ( ?? Non-dominated Sorting Genetic Algorithm, NSGA-II) e o algoritmo evolucion??rio baseado em decomposi????o (Multiobjective Evolutionary Algorithm based on Decomposition, MOEA/D), sao uti- lizadas para contornar os desafios apresentados para o desenvolvimento de antenas por m??todos tradicionais. Como prova de conceito da metodologia proposta, tr??s estudos de caso s??o apresentados: uma antena do tipo dipolo de meia onda, uma antena do tipo dipolo de onda completa e uma antena do tipo Quasi-Yagi. Realizou-se compara????es entre os modelos desenvolvidos com a metodologia proposta e os resultados obtidos pelo software de simula????o eletromagn??tica ANSYS HFSS, com o intuito de com- provar a aplica????o e efetividade da metodologia desenvolvida. Seguindo a metodo- logia proposta, os pares entrada-sa??da para a antena do tipo dipolo com porta casada (Matched Port Printed Dipole, MPPD) foram obtidos em 53 segundos pelo algoritmo NSGA-II com a finalidade de maximizar a largura de faixa centrada em 3,5 GHz, o que resultou em uma banda de opera????o de 18% centrada em 3,53 GHz. Na antena di- polo com estrutura de casamento de imped??ncia (Matching Structure Printed Dipole, MSPD) os valores das dimens??es otimas foram obtidas em 5 segundos com o objetivo de maximizar a largura de faixa centrada em 3,5 GHz. Como resultado, as sa??das estimadas foram uma banda de 21,4% centrada em 3,5 GHz. Por fim, para o desenvolvimento e otimiza????o da antena do tipo Quasi-Yagi, o algoritmo levou cerca de 2 minutos para encontrar as melhores dimens??es da estrutura de casamento de imped??ncia que minimizem os coeficientes de reflex??o em 1,9, 2,6 e 3,5 GHz, simult??neaneamente. Os re- sultados obtidos comprovam o potencial da metodologia como alternativa complementar aos softwares de simulac??ao eletromagn??tica para o desenvolvimento e otimiza????o de antenasSubmitted by Tede Dspace (tede@inatel.br) on 2021-11-24T20:29:01Z No. of bitstreams: 2 license_rdf: 0 bytes, checksum: d41d8cd98f00b204e9800998ecf8427e (MD5) Metodologia para o Desenvolvimento de Antenas Baseada em Intelig??ncia Computacional.pdf: 8324785 bytes, checksum: 34acb191227772331f014ca30c1b5d5c (MD5)Made available in DSpace on 2021-11-24T20:29:01Z (GMT). No. of bitstreams: 2 license_rdf: 0 bytes, checksum: d41d8cd98f00b204e9800998ecf8427e (MD5) Metodologia para o Desenvolvimento de Antenas Baseada em Intelig??ncia Computacional.pdf: 8324785 bytes, checksum: 34acb191227772331f014ca30c1b5d5c (MD5) Previous issue date: 2021-07-12application/pdfhttp://tede.inatel.br:8080/jspui/retrieve/1745/Metodologia%20para%20o%20Desenvolvimento%20de%20Antenas%20Baseada%20em%20Intelig%c3%aancia%20Computacional.pdf.jpgporInstituto Nacional de Telecomunica????esMestrado em Engenharia de Telecomunica????esINATELBrasilInstituto Nacional de Telecomunica????eshttp://creativecommons.org/licenses/by-nd/4.0/info:eu-repo/semantics/openAccessAprendizagem de m??quina; Desenvolvimento de antenas; Intelig??ncia Artificial; Intelig??ncia Computacional e Otimiza????o multiobjetivo.Antennas design; Artificial Intelligence; Computational Intelligence; Machine learning; Multi-objective optimizationEngenharia - Telecomunica????esMetodologia para o desenvolvimento de antenas baseada em intelig??ncia computacionalinfo:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesisreponame:Biblioteca Digital de Teses e Dissertações da INATELinstname:Instituto Nacional de Telecomunicações (INATEL)instacron:INATELLICENSElicense.txtlicense.txttext/plain; charset=utf-8112http://localhost:8080/tede/bitstream/tede/220/1/license.txtc6279291b293f0db82678eaa73a27769MD51CC-LICENSElicense_urllicense_urltext/plain; charset=utf-846http://localhost:8080/tede/bitstream/tede/220/2/license_url587cd8ffae15c8598ed3c46d248a3f38MD52license_textlicense_texttext/html; charset=utf-80http://localhost:8080/tede/bitstream/tede/220/3/license_textd41d8cd98f00b204e9800998ecf8427eMD53license_rdflicense_rdfapplication/rdf+xml; charset=utf-80http://localhost:8080/tede/bitstream/tede/220/4/license_rdfd41d8cd98f00b204e9800998ecf8427eMD54ORIGINALMetodologia para o Desenvolvimento de Antenas Baseada em Intelig??ncia Computacional.pdfMetodologia para o Desenvolvimento de Antenas Baseada em Intelig??ncia Computacional.pdfapplication/pdf8324785http://localhost:8080/tede/bitstream/tede/220/5/Metodologia+para+o+Desenvolvimento+de+Antenas+Baseada+em+Intelig%C3%AAncia+Computacional.pdf34acb191227772331f014ca30c1b5d5cMD55TEXTMetodologia para o Desenvolvimento de Antenas Baseada em Intelig??ncia Computacional.pdf.txtMetodologia para o Desenvolvimento de Antenas Baseada em Intelig??ncia Computacional.pdf.txttext/plain179803http://localhost:8080/tede/bitstream/tede/220/6/Metodologia+para+o+Desenvolvimento+de+Antenas+Baseada+em+Intelig%C3%AAncia+Computacional.pdf.txtd5589e95d75115cfe6c67d7c2b691a20MD56THUMBNAILMetodologia para o Desenvolvimento de Antenas Baseada em Intelig??ncia Computacional.pdf.jpgMetodologia para o Desenvolvimento de Antenas Baseada em Intelig??ncia Computacional.pdf.jpgimage/jpeg4104http://localhost:8080/tede/bitstream/tede/220/7/Metodologia+para+o+Desenvolvimento+de+Antenas+Baseada+em+Intelig%C3%AAncia+Computacional.pdf.jpgf22f9058a63a8e6b6e8ebf866ef3abdaMD57tede/2202022-05-03 09:30:03.369oai:localhost:tede/220QXV0b3Jpem8gYSBwdWJsaWNhPz9vIGRhIG1pbmhhIERpc3NlcnRhPz9vIGRlIE1lc3RyYWRvLCBlbSBmb3JtYXRvIFBERiwgY29tIGJsb3F1ZWlvIGRlIGVkaT8/bywgY29sYWdlbSBlIGM/cGlhLg==Biblioteca Digital de Teses e Dissertaçõeshttp://tede.inatel.br:8080/jspui/PUBhttp://tede.inatel.br:8080/oai/requestbiblioteca@inatel.br || biblioteca.atendimento@inatel.bropendoar:2022-05-03T12:30:03Biblioteca Digital de Teses e Dissertações da INATEL - Instituto Nacional de Telecomunicações (INATEL)false |
dc.title.por.fl_str_mv |
Metodologia para o desenvolvimento de antenas baseada em intelig??ncia computacional |
title |
Metodologia para o desenvolvimento de antenas baseada em intelig??ncia computacional |
spellingShingle |
Metodologia para o desenvolvimento de antenas baseada em intelig??ncia computacional Melo, Marcello Caldano Aprendizagem de m??quina; Desenvolvimento de antenas; Intelig??ncia Artificial; Intelig??ncia Computacional e Otimiza????o multiobjetivo. Antennas design; Artificial Intelligence; Computational Intelligence; Machine learning; Multi-objective optimization Engenharia - Telecomunica????es |
title_short |
Metodologia para o desenvolvimento de antenas baseada em intelig??ncia computacional |
title_full |
Metodologia para o desenvolvimento de antenas baseada em intelig??ncia computacional |
title_fullStr |
Metodologia para o desenvolvimento de antenas baseada em intelig??ncia computacional |
title_full_unstemmed |
Metodologia para o desenvolvimento de antenas baseada em intelig??ncia computacional |
title_sort |
Metodologia para o desenvolvimento de antenas baseada em intelig??ncia computacional |
author |
Melo, Marcello Caldano |
author_facet |
Melo, Marcello Caldano |
author_role |
author |
dc.contributor.advisor1.fl_str_mv |
Sodr?? Junior, Arismar Cerqueira |
dc.contributor.advisor1ID.fl_str_mv |
945.507.195-91 |
dc.contributor.advisor1Lattes.fl_str_mv |
http://lattes.cnpq.br/1703406475581759 |
dc.contributor.advisor-co1.fl_str_mv |
Bastos Filho, Carmelo Jos?? Albanez |
dc.contributor.advisor-co1ID.fl_str_mv |
http://lattes.cnpq.br/9745937989094036 |
dc.contributor.referee1.fl_str_mv |
Sodre Junior, Arismar Cerqueira |
dc.contributor.referee1ID.fl_str_mv |
945.507.195-91 |
dc.contributor.referee1Lattes.fl_str_mv |
http://lattes.cnpq.br/1703406475581759 |
dc.contributor.referee2.fl_str_mv |
Bastos Filho, Carmelo Jose Albanez |
dc.contributor.referee2Lattes.fl_str_mv |
http://lattes.cnpq.br/9745937989094036 |
dc.contributor.referee3.fl_str_mv |
Figueiredo, Felipe Augusto Pereira de |
dc.contributor.referee3ID.fl_str_mv |
051.996.986-30 |
dc.contributor.referee3Lattes.fl_str_mv |
http://lattes.cnpq.br/0188611850092267 |
dc.contributor.referee4.fl_str_mv |
Moreira Neto, Joao Roberto |
dc.contributor.referee4Lattes.fl_str_mv |
http://lattes.cnpq.br/6420237721353371 |
dc.contributor.referee5.fl_str_mv |
Brito, Jose Marcos Camara |
dc.contributor.referee5ID.fl_str_mv |
495.450.866-53 |
dc.contributor.referee5Lattes.fl_str_mv |
http://lattes.cnpq.br/0370383210890132 |
dc.contributor.authorID.fl_str_mv |
097.591.806-00 |
dc.contributor.author.fl_str_mv |
Melo, Marcello Caldano |
contributor_str_mv |
Sodr?? Junior, Arismar Cerqueira Bastos Filho, Carmelo Jos?? Albanez Sodre Junior, Arismar Cerqueira Bastos Filho, Carmelo Jose Albanez Figueiredo, Felipe Augusto Pereira de Moreira Neto, Joao Roberto Brito, Jose Marcos Camara |
dc.subject.por.fl_str_mv |
Aprendizagem de m??quina; Desenvolvimento de antenas; Intelig??ncia Artificial; Intelig??ncia Computacional e Otimiza????o multiobjetivo. |
topic |
Aprendizagem de m??quina; Desenvolvimento de antenas; Intelig??ncia Artificial; Intelig??ncia Computacional e Otimiza????o multiobjetivo. Antennas design; Artificial Intelligence; Computational Intelligence; Machine learning; Multi-objective optimization Engenharia - Telecomunica????es |
dc.subject.eng.fl_str_mv |
Antennas design; Artificial Intelligence; Computational Intelligence; Machine learning; Multi-objective optimization |
dc.subject.cnpq.fl_str_mv |
Engenharia - Telecomunica????es |
description |
The antenna design is a challenging task, which might be time-consuming using computational methods that typically require high computational capability, due to the need for several sweeps and re-running processes. This work proposes an efficient and accurate computational intelligence-based methodology for antenna design and optimization. The computational technical solution consists of a surrogate model application, composed of a Multilayer Perceptron (MLP) artificial neural network with backpropagation for the regression process. Combined with the model, two multiobjective optimization meta-heuristic strategies, Non-dominated Sorting Genetic Algorithm (NSGA-II) and Multiobjective Evolutionary Algorithm based on Decomposition (MOEA/D), are used to overcome the mentioned issues from the antenna design traditional method. As proof of the proposed methodology concept, three studies of case are reported: a half-wavelength dipole; a complete-wavelength dipole; Quasi-Yagi antenna. Comparisons between the models developed with the proposed methodology and results by the full-wave numerical simulations software from ANSYS HFSS are performed aiming to demonstrate the developed methodology application and efficiency. According to the proposed methodology, the matched port printed dipole antenna input-output sets were obtained in 53 seconds by the NSGA-II algorithm to maximize the bandwidth centered at 3.5 GHz, which resulted in 18 % operation band centered at 3.53 GHz. In the matching impedance structure printed dipole, the optimal dimensions were obtained in 5 seconds aiming to maximize the bandwidth centered at 3.5 GHz. The estimated output was 21.4% band centered at 3.5 GHz. Finally, for QuasiYagi design and optimization, the NSGA-II algorithm spent 2 minutes to find the best impedance matching structure dimensions that minimize simultaneously the reflection coefficient at 1.9, 2.6, and 3.5 GHz. The obtained results prove the methodology potential as a complementary alternative to the electromagnetic simulation software for antenna design and optimization. |
publishDate |
2021 |
dc.date.accessioned.fl_str_mv |
2021-11-24T20:29:01Z |
dc.date.issued.fl_str_mv |
2021-07-12 |
dc.type.status.fl_str_mv |
info:eu-repo/semantics/publishedVersion |
dc.type.driver.fl_str_mv |
info:eu-repo/semantics/masterThesis |
format |
masterThesis |
status_str |
publishedVersion |
dc.identifier.citation.fl_str_mv |
Melo, Marcello Caldano. Metodologia para o desenvolvimento de antenas baseada em intelig??ncia computacional. 2021. [99]. disserta????o( Mestrado em Engenharia de Telecomunica????es) - Instituto Nacional de Telecomunica????es, [Santa Rita do Sapucai] . |
dc.identifier.uri.fl_str_mv |
https://tede.inatel.br:8080/tede/handle/tede/220 |
identifier_str_mv |
Melo, Marcello Caldano. Metodologia para o desenvolvimento de antenas baseada em intelig??ncia computacional. 2021. [99]. disserta????o( Mestrado em Engenharia de Telecomunica????es) - Instituto Nacional de Telecomunica????es, [Santa Rita do Sapucai] . |
url |
https://tede.inatel.br:8080/tede/handle/tede/220 |
dc.language.iso.fl_str_mv |
por |
language |
por |
dc.rights.driver.fl_str_mv |
http://creativecommons.org/licenses/by-nd/4.0/ info:eu-repo/semantics/openAccess |
rights_invalid_str_mv |
http://creativecommons.org/licenses/by-nd/4.0/ |
eu_rights_str_mv |
openAccess |
dc.format.none.fl_str_mv |
application/pdf |
dc.publisher.none.fl_str_mv |
Instituto Nacional de Telecomunica????es |
dc.publisher.program.fl_str_mv |
Mestrado em Engenharia de Telecomunica????es |
dc.publisher.initials.fl_str_mv |
INATEL |
dc.publisher.country.fl_str_mv |
Brasil |
dc.publisher.department.fl_str_mv |
Instituto Nacional de Telecomunica????es |
publisher.none.fl_str_mv |
Instituto Nacional de Telecomunica????es |
dc.source.none.fl_str_mv |
reponame:Biblioteca Digital de Teses e Dissertações da INATEL instname:Instituto Nacional de Telecomunicações (INATEL) instacron:INATEL |
instname_str |
Instituto Nacional de Telecomunicações (INATEL) |
instacron_str |
INATEL |
institution |
INATEL |
reponame_str |
Biblioteca Digital de Teses e Dissertações da INATEL |
collection |
Biblioteca Digital de Teses e Dissertações da INATEL |
bitstream.url.fl_str_mv |
http://localhost:8080/tede/bitstream/tede/220/1/license.txt http://localhost:8080/tede/bitstream/tede/220/2/license_url http://localhost:8080/tede/bitstream/tede/220/3/license_text http://localhost:8080/tede/bitstream/tede/220/4/license_rdf http://localhost:8080/tede/bitstream/tede/220/5/Metodologia+para+o+Desenvolvimento+de+Antenas+Baseada+em+Intelig%C3%AAncia+Computacional.pdf http://localhost:8080/tede/bitstream/tede/220/6/Metodologia+para+o+Desenvolvimento+de+Antenas+Baseada+em+Intelig%C3%AAncia+Computacional.pdf.txt http://localhost:8080/tede/bitstream/tede/220/7/Metodologia+para+o+Desenvolvimento+de+Antenas+Baseada+em+Intelig%C3%AAncia+Computacional.pdf.jpg |
bitstream.checksum.fl_str_mv |
c6279291b293f0db82678eaa73a27769 587cd8ffae15c8598ed3c46d248a3f38 d41d8cd98f00b204e9800998ecf8427e d41d8cd98f00b204e9800998ecf8427e 34acb191227772331f014ca30c1b5d5c d5589e95d75115cfe6c67d7c2b691a20 f22f9058a63a8e6b6e8ebf866ef3abda |
bitstream.checksumAlgorithm.fl_str_mv |
MD5 MD5 MD5 MD5 MD5 MD5 MD5 |
repository.name.fl_str_mv |
Biblioteca Digital de Teses e Dissertações da INATEL - Instituto Nacional de Telecomunicações (INATEL) |
repository.mail.fl_str_mv |
biblioteca@inatel.br || biblioteca.atendimento@inatel.br |
_version_ |
1800214191776202752 |