Otimização de projetos de antenas microstrip: simulação de células metamateriais SRR com machine learning

• Autor(a) principal: Vaz, Renan Machado Alves
• Data de Publicação: 2020
• Tipo de documento: Trabalho de conclusão de curso
• Idioma: por
• Título da fonte: Repositório Institucional da UFT
• Texto Completo: http://hdl.handle.net/11612/1880
• topic: CNPQ::ENGENHARIAS::ENGENHARIA ELETRICA; Microstrip antenas.; Metamaterials.; Machine learning.; Antenas de microfita.; Metamateriais.; Aprendizagem de máquina.

O projeto de antenas de microfita é amplamente documentado pela literatura e oferece bons resultados quando a antena é fabricada. Entretanto, como essa arquitetura inclui baixa eficiência e largura de banda limitada, muitas vezes é preciso otimizar o projeto sem alterar as dimensões físicas da antena a fim de atender os parâmetros especificados da aplicação. Uma forma de conseguir isso é dada pela engenharia de materiais: a aplicação de metamateriais. Metamateriais são materiais com características elétricas notórias. Quando aplicados em antenas, eles fazem com que a radiação eletromagnética se comporte de uma maneira diferente do esperado, melhorando as especificações, e consequentemente o desempenho, sem alterar o tamanho. Todavia, a geometria das células metamateriais e o seu arranjo tornam o desenvolvimento analítico das equações dos campos eletromagnéticos resultantes muito complexo, se tornando impraticável. Engenheiros de telecomunicações tratam esse problema projetando a antena e os arranjos com base em simulações eletromagnéticas computacionalmente trabalhosas e demoradas. Com a popularização de bibliotecas de ciência de dados como scikit-learn, pytorch, tensorflow, dentre outras, esse trabalho visa desenvolver modelos preditivos de aprendizagem de máquina para contornar os custos computacionais que um simulador de dispositivos de micro-ondas consome na otimização de projetos de antenas de microfita através de arranjos metamateriais.