Modelagem neurocomputacional de dispositivos de microondas com estruturas EBG.
Autor(a) principal: | |
---|---|
Data de Publicação: | 2004 |
Tipo de documento: | Tese |
Idioma: | por |
Título da fonte: | Biblioteca Digital de Teses e Dissertações da UFCG |
Texto Completo: | http://dspace.sti.ufcg.edu.br:8080/jspui/handle/riufcg/10690 |
Resumo: | Recentemente, tem havido estudos intensivos dedicados ao desenvolvimento de estruturas periódicas, como os cristais fotônicos, para aplicações em dispositivos de telecomunicações. As estruturas EBG, electromagnetic bandgap, também denominadas estruturas PBG, photonic bandgap, podem ser projetadas em materiais dielétricos ou metálicos, através da formação de uma matriz de orifícios dos quais um dos principais objetivos e proibir a propagação de ondas em faixas de frequências específicas. Esta característica tem sido utilizada tanto na confecção de dispositivos na banda óptica como na faixa de microondas e ondas milimétricas. A análise precisa de dispositivos com estruturas EBG requer a utilização de métodos numéricos que demandam um esforço computacional considerável, como o método das diferenças finitas no domínio do tempo (FDTD, finite difference time domain), entre outros. Nos últimos anos, as técnicas neurocomputacionais tem surgido como ferramentas numéricas poderosas e versáteis para aplicações em diversas áreas do conhecimento. As redes neurais artificiais, ANNs, artificial neural networks, possuem características como: adaptabilidade, generalização e não-linearidade, que tem contribuído para enquadra-las como métodos alternativos e vantajosos para a modelagem de diversos dispositivos de telecomunicações. Outra característica e o aumento significativo na velocidade de processamento, mediante o uso de modelos neurais em simulações de circuitos de microondas quando comparado aos modelos físicos eletromagnéticos. Neste trabalho, uma nova técnica neurocomputacional e apresentada, com o objetivo de alcançar uma modelagem precisa e eficiente de estruturas EBG aplicadas a diversos dispositivos de microondas, como guias de ondas, linhas de microfita e linhas de transmissão acopladas. Esta técnica, denominado Rede Neural Artificial Modular Função Sample, (SF-ANN, Sample Function Modular Artificial Neural Network), emprega a função sample como função de ativação e possui uma formulação semelhante aquela empregada na rede neural de funções de base radial (RBF-ANN). Uma excelente concordância e observada entre os resultados teóricos obtidos neste trabalho e valores medidos disponíveis na literatura, demonstrando a precisão dos modelos modulares SFANNs. Além disso, os modelos modulares SF-ANNs realizam generalizações precisas para regiões de interesse, onde não há resultados disponíveis. |
id |
UFCG_4ced0e8b91387d6d826db43a42e534f4 |
---|---|
oai_identifier_str |
oai:localhost:riufcg/10690 |
network_acronym_str |
UFCG |
network_name_str |
Biblioteca Digital de Teses e Dissertações da UFCG |
repository_id_str |
4851 |
spelling |
Modelagem neurocomputacional de dispositivos de microondas com estruturas EBG.Neurocomputational modeling of microwave devices with EBG structures.Recentemente, tem havido estudos intensivos dedicados ao desenvolvimento de estruturas periódicas, como os cristais fotônicos, para aplicações em dispositivos de telecomunicações. As estruturas EBG, electromagnetic bandgap, também denominadas estruturas PBG, photonic bandgap, podem ser projetadas em materiais dielétricos ou metálicos, através da formação de uma matriz de orifícios dos quais um dos principais objetivos e proibir a propagação de ondas em faixas de frequências específicas. Esta característica tem sido utilizada tanto na confecção de dispositivos na banda óptica como na faixa de microondas e ondas milimétricas. A análise precisa de dispositivos com estruturas EBG requer a utilização de métodos numéricos que demandam um esforço computacional considerável, como o método das diferenças finitas no domínio do tempo (FDTD, finite difference time domain), entre outros. Nos últimos anos, as técnicas neurocomputacionais tem surgido como ferramentas numéricas poderosas e versáteis para aplicações em diversas áreas do conhecimento. As redes neurais artificiais, ANNs, artificial neural networks, possuem características como: adaptabilidade, generalização e não-linearidade, que tem contribuído para enquadra-las como métodos alternativos e vantajosos para a modelagem de diversos dispositivos de telecomunicações. Outra característica e o aumento significativo na velocidade de processamento, mediante o uso de modelos neurais em simulações de circuitos de microondas quando comparado aos modelos físicos eletromagnéticos. Neste trabalho, uma nova técnica neurocomputacional e apresentada, com o objetivo de alcançar uma modelagem precisa e eficiente de estruturas EBG aplicadas a diversos dispositivos de microondas, como guias de ondas, linhas de microfita e linhas de transmissão acopladas. Esta técnica, denominado Rede Neural Artificial Modular Função Sample, (SF-ANN, Sample Function Modular Artificial Neural Network), emprega a função sample como função de ativação e possui uma formulação semelhante aquela empregada na rede neural de funções de base radial (RBF-ANN). Uma excelente concordância e observada entre os resultados teóricos obtidos neste trabalho e valores medidos disponíveis na literatura, demonstrando a precisão dos modelos modulares SFANNs. Além disso, os modelos modulares SF-ANNs realizam generalizações precisas para regiões de interesse, onde não há resultados disponíveis.Lately, there have been intensive studies about the development of periodic structures, such as the photonic crystals, for applications in telecommunication devices. The EBG structures, electromagnetic bandgap structures, also denominated PBG structures, photonic bandgap structures, can be designed on dielectric or metallic materials, through the formation of a grid of holes of which one of the main objectives is to prohibit the propagation of waves in certain frequency ranges. This characteristic has been frequently used in making devices for the optical band as well as for the microwave and millimetric wave bands. The accurate analysis of devices on EBG structures requires the use of numeric methods that demand a substantial computational effort, as the method of the finite differences in time domain (FDTD), among many others. In the last few years, the neural-computational techniques have appeared as powerful and versatile numeric tools for applications in several areas of knowledge. The artificial neural networks, ANNs, show features such as: adaptability, generalization and non-linear, that have contributed to elect them as alternative and advantageous methods for the modelling of several devices of telecommunications. Another characteristic is the significant increase in the processing speed through the use of neural models in simulations of microwave circuits, when compared to physical electromagnetic models. In this work, a new neural computational technique is presented, aiming at reaching an accurate and efficient modelling of EBG structures applied to several devices, such as waveguides, microstrip lines and coupled microstrip lines. This method, denominated Sample Function Modular Artificial Neural Network, SF-ANN modular, makes use of the sample function as an activation function and has a similar configuration to that used in the radial base functions artificial neural networks (RBF-ANN). An excellent agreement is observed between the numerical results obtained in this work and measured values, available in the literature, demonstrating the accuracy of the SF-ANN models. Besides, the SF-ANN models accomplish generalizations for areas of interest, for which there are no available results.Universidade Federal de Campina GrandeBrasilCentro de Engenharia Elétrica e Informática - CEEIPÓS-GRADUAÇÃO EM ENGENHARIA ELÉTRICAUFCGMELO, Marcos Antonio Barbosa de.D'ASSUNÇÃO, Adaildo Gomes.MELO, M. A. B.D' ASSUNÇÃO, A. G.http://lattes.cnpq.br/9277462351316484http://lattes.cnpq.br/4159638862269940FIGUEIROA, Hugo Enrique Hernandez.COSTA, José Alfredo Ferreira.GOMES NETO, Alfredo.ASSIS, Francisco Marcos de.TEJO, Francisco de Assis Ferreira.FERNANDES, Everton Notreve Rebouças Queiroz.2004-04-272020-01-06T14:21:02Z2020-01-062020-01-06T14:21:02Zinfo:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/doctoralThesishttp://dspace.sti.ufcg.edu.br:8080/jspui/handle/riufcg/10690FERNANDES, Everton Notreve Rebouças Queiroz. Modelagem neurocomputacional de dispositivos de microondas com estruturas EBG. 2004. 178f. (Tese de Doutorado em Engenharia Elétrica), Programa de Pós-Graduação em Engenharia Elétrica, Centro de Engenharia Elétrica e Informática , Universidade Federal de Campina Grande – Paraíba Brasil, 2004.porinfo:eu-repo/semantics/openAccessreponame:Biblioteca Digital de Teses e Dissertações da UFCGinstname:Universidade Federal de Campina Grande (UFCG)instacron:UFCG2021-04-16T11:42:39Zoai:localhost:riufcg/10690Biblioteca Digital de Teses e Dissertaçõeshttp://bdtd.ufcg.edu.br/PUBhttp://dspace.sti.ufcg.edu.br:8080/oai/requestbdtd@setor.ufcg.edu.br || bdtd@setor.ufcg.edu.bropendoar:48512021-04-16T11:42:39Biblioteca Digital de Teses e Dissertações da UFCG - Universidade Federal de Campina Grande (UFCG)false |
dc.title.none.fl_str_mv |
Modelagem neurocomputacional de dispositivos de microondas com estruturas EBG. Neurocomputational modeling of microwave devices with EBG structures. |
title |
Modelagem neurocomputacional de dispositivos de microondas com estruturas EBG. |
spellingShingle |
Modelagem neurocomputacional de dispositivos de microondas com estruturas EBG. FERNANDES, Everton Notreve Rebouças Queiroz. |
title_short |
Modelagem neurocomputacional de dispositivos de microondas com estruturas EBG. |
title_full |
Modelagem neurocomputacional de dispositivos de microondas com estruturas EBG. |
title_fullStr |
Modelagem neurocomputacional de dispositivos de microondas com estruturas EBG. |
title_full_unstemmed |
Modelagem neurocomputacional de dispositivos de microondas com estruturas EBG. |
title_sort |
Modelagem neurocomputacional de dispositivos de microondas com estruturas EBG. |
author |
FERNANDES, Everton Notreve Rebouças Queiroz. |
author_facet |
FERNANDES, Everton Notreve Rebouças Queiroz. |
author_role |
author |
dc.contributor.none.fl_str_mv |
MELO, Marcos Antonio Barbosa de. D'ASSUNÇÃO, Adaildo Gomes. MELO, M. A. B. D' ASSUNÇÃO, A. G. http://lattes.cnpq.br/9277462351316484 http://lattes.cnpq.br/4159638862269940 FIGUEIROA, Hugo Enrique Hernandez. COSTA, José Alfredo Ferreira. GOMES NETO, Alfredo. ASSIS, Francisco Marcos de. TEJO, Francisco de Assis Ferreira. |
dc.contributor.author.fl_str_mv |
FERNANDES, Everton Notreve Rebouças Queiroz. |
description |
Recentemente, tem havido estudos intensivos dedicados ao desenvolvimento de estruturas periódicas, como os cristais fotônicos, para aplicações em dispositivos de telecomunicações. As estruturas EBG, electromagnetic bandgap, também denominadas estruturas PBG, photonic bandgap, podem ser projetadas em materiais dielétricos ou metálicos, através da formação de uma matriz de orifícios dos quais um dos principais objetivos e proibir a propagação de ondas em faixas de frequências específicas. Esta característica tem sido utilizada tanto na confecção de dispositivos na banda óptica como na faixa de microondas e ondas milimétricas. A análise precisa de dispositivos com estruturas EBG requer a utilização de métodos numéricos que demandam um esforço computacional considerável, como o método das diferenças finitas no domínio do tempo (FDTD, finite difference time domain), entre outros. Nos últimos anos, as técnicas neurocomputacionais tem surgido como ferramentas numéricas poderosas e versáteis para aplicações em diversas áreas do conhecimento. As redes neurais artificiais, ANNs, artificial neural networks, possuem características como: adaptabilidade, generalização e não-linearidade, que tem contribuído para enquadra-las como métodos alternativos e vantajosos para a modelagem de diversos dispositivos de telecomunicações. Outra característica e o aumento significativo na velocidade de processamento, mediante o uso de modelos neurais em simulações de circuitos de microondas quando comparado aos modelos físicos eletromagnéticos. Neste trabalho, uma nova técnica neurocomputacional e apresentada, com o objetivo de alcançar uma modelagem precisa e eficiente de estruturas EBG aplicadas a diversos dispositivos de microondas, como guias de ondas, linhas de microfita e linhas de transmissão acopladas. Esta técnica, denominado Rede Neural Artificial Modular Função Sample, (SF-ANN, Sample Function Modular Artificial Neural Network), emprega a função sample como função de ativação e possui uma formulação semelhante aquela empregada na rede neural de funções de base radial (RBF-ANN). Uma excelente concordância e observada entre os resultados teóricos obtidos neste trabalho e valores medidos disponíveis na literatura, demonstrando a precisão dos modelos modulares SFANNs. Além disso, os modelos modulares SF-ANNs realizam generalizações precisas para regiões de interesse, onde não há resultados disponíveis. |
publishDate |
2004 |
dc.date.none.fl_str_mv |
2004-04-27 2020-01-06T14:21:02Z 2020-01-06 2020-01-06T14:21:02Z |
dc.type.status.fl_str_mv |
info:eu-repo/semantics/publishedVersion |
dc.type.driver.fl_str_mv |
info:eu-repo/semantics/doctoralThesis |
format |
doctoralThesis |
status_str |
publishedVersion |
dc.identifier.uri.fl_str_mv |
http://dspace.sti.ufcg.edu.br:8080/jspui/handle/riufcg/10690 FERNANDES, Everton Notreve Rebouças Queiroz. Modelagem neurocomputacional de dispositivos de microondas com estruturas EBG. 2004. 178f. (Tese de Doutorado em Engenharia Elétrica), Programa de Pós-Graduação em Engenharia Elétrica, Centro de Engenharia Elétrica e Informática , Universidade Federal de Campina Grande – Paraíba Brasil, 2004. |
url |
http://dspace.sti.ufcg.edu.br:8080/jspui/handle/riufcg/10690 |
identifier_str_mv |
FERNANDES, Everton Notreve Rebouças Queiroz. Modelagem neurocomputacional de dispositivos de microondas com estruturas EBG. 2004. 178f. (Tese de Doutorado em Engenharia Elétrica), Programa de Pós-Graduação em Engenharia Elétrica, Centro de Engenharia Elétrica e Informática , Universidade Federal de Campina Grande – Paraíba Brasil, 2004. |
dc.language.iso.fl_str_mv |
por |
language |
por |
dc.rights.driver.fl_str_mv |
info:eu-repo/semantics/openAccess |
eu_rights_str_mv |
openAccess |
dc.publisher.none.fl_str_mv |
Universidade Federal de Campina Grande Brasil Centro de Engenharia Elétrica e Informática - CEEI PÓS-GRADUAÇÃO EM ENGENHARIA ELÉTRICA UFCG |
publisher.none.fl_str_mv |
Universidade Federal de Campina Grande Brasil Centro de Engenharia Elétrica e Informática - CEEI PÓS-GRADUAÇÃO EM ENGENHARIA ELÉTRICA UFCG |
dc.source.none.fl_str_mv |
reponame:Biblioteca Digital de Teses e Dissertações da UFCG instname:Universidade Federal de Campina Grande (UFCG) instacron:UFCG |
instname_str |
Universidade Federal de Campina Grande (UFCG) |
instacron_str |
UFCG |
institution |
UFCG |
reponame_str |
Biblioteca Digital de Teses e Dissertações da UFCG |
collection |
Biblioteca Digital de Teses e Dissertações da UFCG |
repository.name.fl_str_mv |
Biblioteca Digital de Teses e Dissertações da UFCG - Universidade Federal de Campina Grande (UFCG) |
repository.mail.fl_str_mv |
bdtd@setor.ufcg.edu.br || bdtd@setor.ufcg.edu.br |
_version_ |
1809744426824630272 |