Otimização de projetos de antenas microstrip: simulação de células metamateriais SRR com machine learning
Autor(a) principal: | |
---|---|
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 |
Resumo: | 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. |
id |
UFT_caf59550cb9d44cd161d5f03309eed78 |
---|---|
oai_identifier_str |
oai:repositorio.uft.edu.br:11612/1880 |
network_acronym_str |
UFT |
network_name_str |
Repositório Institucional da UFT |
repository_id_str |
|
spelling |
Vaz, Renan Machado AlvesAraújo, Humberto Xavier de2020-03-09T21:16:31Z2020-03-09T21:16:31Z2020-03-09VAZ, Renan Machado Alves. Otimização de projetos de antenas microstrip: simulação de células metamateriais SRR com machine learning. 48 f. Monografia (Graduação) – Engenharia Elétrica, Universidade Federal do Tocantins, Palmas, 2019.http://hdl.handle.net/11612/1880O 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.The design of microstrip antennas is widely documented in the literature and presents good results when an antenna is manufactured. However, since the technology includes low efficiency and limited bandwidth, it is often necessary to optimize the design without altering its physical dimensions to meet the requirements of the application. One way to achieve this is given by materials engineering: an application of metamaterials. Metamaterials are materials with remarkable electrical characteristics. When applied to antennas, the electromagnetic radiation behaves differently than expected, improving its specs, hence the performance, without altering the size. However, the geometry of the metamaterial cells and their array makes the analytical development of the resultant electromagnetic field equations more complex, becoming unworkable. Telecommunication engineers deal with this problem by designing an antenna with a metamaterial array based on computationally expensive and time-consuming electromagnetic simulations. With the popularization of data science libraries such as scikit-learn, pytorch, tensorflow, and others, this work aims to allow the optimization of antenna designs through development of predictive machine learning models to beat the computational costs of a microwave simulator optimization.Universidade Federal do TocantinsPalmasCURSO::PALMAS::PRESENCIAL::BACHARELADO::ENGENHARIA ELÉTRICAPalmasGraduaçãoCNPQ::ENGENHARIAS::ENGENHARIA ELETRICAMicrostrip antenas.Metamaterials.Machine learning.Antenas de microfita.Metamateriais.Aprendizagem de máquina.Otimização de projetos de antenas microstrip: simulação de células metamateriais SRR com machine learninginfo:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/bachelorThesisinfo:eu-repo/semantics/openAccessporreponame:Repositório Institucional da UFTinstname:Universidade Federal do Tocantins (UFT)instacron:UFTORIGINALRenan Machado Alves Vaz – TCC Monografia – Engenharia Elétrica.pdfRenan Machado Alves Vaz – TCC Monografia – Engenharia Elétrica.pdfapplication/pdf1460553http://repositorio.uft.edu.br/bitstream/11612/1880/1/Renan%20Machado%20Alves%20Vaz%20%e2%80%93%20TCC%20Monografia%20%e2%80%93%20Engenharia%20El%c3%a9trica.pdf04143ed6b05dd9f3a292f6ce8263ecdcMD51LICENSElicense.txtlicense.txttext/plain; charset=utf-81748http://repositorio.uft.edu.br/bitstream/11612/1880/2/license.txt8a4605be74aa9ea9d79846c1fba20a33MD52TEXTRenan Machado Alves Vaz – TCC Monografia – Engenharia Elétrica.pdf.txtRenan Machado Alves Vaz – TCC Monografia – Engenharia Elétrica.pdf.txtExtracted texttext/plain67899http://repositorio.uft.edu.br/bitstream/11612/1880/3/Renan%20Machado%20Alves%20Vaz%20%e2%80%93%20TCC%20Monografia%20%e2%80%93%20Engenharia%20El%c3%a9trica.pdf.txt077f9de9b08c53721ec4676810a816dbMD53THUMBNAILRenan Machado Alves Vaz – TCC Monografia – Engenharia Elétrica.pdf.jpgRenan Machado Alves Vaz – TCC Monografia – Engenharia Elétrica.pdf.jpgGenerated Thumbnailimage/jpeg1231http://repositorio.uft.edu.br/bitstream/11612/1880/4/Renan%20Machado%20Alves%20Vaz%20%e2%80%93%20TCC%20Monografia%20%e2%80%93%20Engenharia%20El%c3%a9trica.pdf.jpgc08bbf6ab4554672c1645b0cbe19e1ccMD5411612/18802020-03-10 03:01:04.564oai:repositorio.uft.edu.br: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Repositório InstitucionalPUBhttp://repositorio.uft.edu.br/oai/requestbiblioarraias@uft.edu.br || bibliogpi@uft.edu.br || bibliomira@uft.edu.br || bibliopalmas@uft.edu.br || biblioporto@uft.edu.br || biblioarag@uft.edu.br || dirbib@ufnt.edu.br || bibliocca@uft.edu.br || bibliotoc@uft.edu.bropendoar:2020-03-10T06:01:04Repositório Institucional da UFT - Universidade Federal do Tocantins (UFT)false |
dc.title.pt_BR.fl_str_mv |
Otimização de projetos de antenas microstrip: simulação de células metamateriais SRR com machine learning |
title |
Otimização de projetos de antenas microstrip: simulação de células metamateriais SRR com machine learning |
spellingShingle |
Otimização de projetos de antenas microstrip: simulação de células metamateriais SRR com machine learning Vaz, Renan Machado Alves CNPQ::ENGENHARIAS::ENGENHARIA ELETRICA Microstrip antenas. Metamaterials. Machine learning. Antenas de microfita. Metamateriais. Aprendizagem de máquina. |
title_short |
Otimização de projetos de antenas microstrip: simulação de células metamateriais SRR com machine learning |
title_full |
Otimização de projetos de antenas microstrip: simulação de células metamateriais SRR com machine learning |
title_fullStr |
Otimização de projetos de antenas microstrip: simulação de células metamateriais SRR com machine learning |
title_full_unstemmed |
Otimização de projetos de antenas microstrip: simulação de células metamateriais SRR com machine learning |
title_sort |
Otimização de projetos de antenas microstrip: simulação de células metamateriais SRR com machine learning |
author |
Vaz, Renan Machado Alves |
author_facet |
Vaz, Renan Machado Alves |
author_role |
author |
dc.contributor.author.fl_str_mv |
Vaz, Renan Machado Alves |
dc.contributor.advisor1.fl_str_mv |
Araújo, Humberto Xavier de |
contributor_str_mv |
Araújo, Humberto Xavier de |
dc.subject.cnpq.fl_str_mv |
CNPQ::ENGENHARIAS::ENGENHARIA ELETRICA |
topic |
CNPQ::ENGENHARIAS::ENGENHARIA ELETRICA Microstrip antenas. Metamaterials. Machine learning. Antenas de microfita. Metamateriais. Aprendizagem de máquina. |
dc.subject.por.fl_str_mv |
Microstrip antenas. Metamaterials. Machine learning. Antenas de microfita. Metamateriais. Aprendizagem de máquina. |
description |
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. |
publishDate |
2020 |
dc.date.accessioned.fl_str_mv |
2020-03-09T21:16:31Z |
dc.date.available.fl_str_mv |
2020-03-09T21:16:31Z |
dc.date.issued.fl_str_mv |
2020-03-09 |
dc.type.status.fl_str_mv |
info:eu-repo/semantics/publishedVersion |
dc.type.driver.fl_str_mv |
info:eu-repo/semantics/bachelorThesis |
format |
bachelorThesis |
status_str |
publishedVersion |
dc.identifier.citation.fl_str_mv |
VAZ, Renan Machado Alves. Otimização de projetos de antenas microstrip: simulação de células metamateriais SRR com machine learning. 48 f. Monografia (Graduação) – Engenharia Elétrica, Universidade Federal do Tocantins, Palmas, 2019. |
dc.identifier.uri.fl_str_mv |
http://hdl.handle.net/11612/1880 |
identifier_str_mv |
VAZ, Renan Machado Alves. Otimização de projetos de antenas microstrip: simulação de células metamateriais SRR com machine learning. 48 f. Monografia (Graduação) – Engenharia Elétrica, Universidade Federal do Tocantins, Palmas, 2019. |
url |
http://hdl.handle.net/11612/1880 |
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 do Tocantins Palmas CURSO::PALMAS::PRESENCIAL::BACHARELADO::ENGENHARIA ELÉTRICA Palmas Graduação |
publisher.none.fl_str_mv |
Universidade Federal do Tocantins Palmas CURSO::PALMAS::PRESENCIAL::BACHARELADO::ENGENHARIA ELÉTRICA Palmas Graduação |
dc.source.none.fl_str_mv |
reponame:Repositório Institucional da UFT instname:Universidade Federal do Tocantins (UFT) instacron:UFT |
instname_str |
Universidade Federal do Tocantins (UFT) |
instacron_str |
UFT |
institution |
UFT |
reponame_str |
Repositório Institucional da UFT |
collection |
Repositório Institucional da UFT |
bitstream.url.fl_str_mv |
http://repositorio.uft.edu.br/bitstream/11612/1880/1/Renan%20Machado%20Alves%20Vaz%20%e2%80%93%20TCC%20Monografia%20%e2%80%93%20Engenharia%20El%c3%a9trica.pdf http://repositorio.uft.edu.br/bitstream/11612/1880/2/license.txt http://repositorio.uft.edu.br/bitstream/11612/1880/3/Renan%20Machado%20Alves%20Vaz%20%e2%80%93%20TCC%20Monografia%20%e2%80%93%20Engenharia%20El%c3%a9trica.pdf.txt http://repositorio.uft.edu.br/bitstream/11612/1880/4/Renan%20Machado%20Alves%20Vaz%20%e2%80%93%20TCC%20Monografia%20%e2%80%93%20Engenharia%20El%c3%a9trica.pdf.jpg |
bitstream.checksum.fl_str_mv |
04143ed6b05dd9f3a292f6ce8263ecdc 8a4605be74aa9ea9d79846c1fba20a33 077f9de9b08c53721ec4676810a816db c08bbf6ab4554672c1645b0cbe19e1cc |
bitstream.checksumAlgorithm.fl_str_mv |
MD5 MD5 MD5 MD5 |
repository.name.fl_str_mv |
Repositório Institucional da UFT - Universidade Federal do Tocantins (UFT) |
repository.mail.fl_str_mv |
biblioarraias@uft.edu.br || bibliogpi@uft.edu.br || bibliomira@uft.edu.br || bibliopalmas@uft.edu.br || biblioporto@uft.edu.br || biblioarag@uft.edu.br || dirbib@ufnt.edu.br || bibliocca@uft.edu.br || bibliotoc@uft.edu.br |
_version_ |
1802111584894451712 |