Modelagem computacional de arranjo em série de antena patch retangular utilizando métodos de aprendizado de máquina

• Autor(a) principal: Correia, Jean Zanella
• Data de Publicação: 2022
• Tipo de documento: Trabalho de conclusão de curso
• Idioma: por
• Título da fonte: Repositório Institucional da UNESP
• Texto Completo: http://hdl.handle.net/11449/236352
• topic: Matemática; Antenas (Eletrônica); Inteligência artificial; Algoritmos; Aprendizado do computador

Conforme o acesso à tecnologia aumenta exponencialmente nos dias de hoje, a utilização e a pesquisa de dispositivos que operam em ondas milimétricas cresce. Uma opção para o uso, é a antena de microstriP. Para aumentar a diretividade e o ganho desse tipo de antena, é necessário utilizar estruturas periódicas, como o arranjo em série, já que possui menores percas na rede de alimentação do que a paralela. Embora essa configuração possibilite o direcionamento de feixe e aumente da diretividade, o processo implica no surgimento de lóbulos laterais, e no alto custo de processamento computacional em simulações devido ser eletricamente grande. Portanto, o propósito do trabalho é modelar computacionalmente uma antena de arranjo em série com 8 elementos, a fim de realizar previsões precisas da diretividade e do nível de lóbulo lateral a partir de variações na largura das plaquetas. A partir das previsões é possível encontrar valores ótimos de parâmetros geométricos, coeficientes de redução da largura do elemento, que reduzam o nível de lóbulo lateral num modelo de menor custo de processamento computacional. A modelagem será feita utilizando métodos de aprendizado de máquina para regressão, já que os valores de diretividade e nível de lóbulo lateral são escalares. Para atingir tais objetivos é necessário calcular o nível de lóbulo lateral de cada configuração, analisar os dados e construir os modelos preditivos. Os modelos de aprendizagem supervisionado construídos em Python foram: Regressão Linear Múltipla, Regressão por Árvore de Decisão, Regressão por Árvores de Decisão Aleatórias e Redes Neurais Artificias. O projeto computacional construído atingiu o objetivo principal do trabalho, sendo capaz de realizar previsões assertivas em pouco tempo de processamento.