Return to search

An?lise e otimiza??o de superf?cies seletivas de Frequ?ncia utilizando redes neurais artificiais e algoritmos de otimiza??o natural

Made available in DSpace on 2014-12-17T14:54:53Z (GMT). No. of bitstreams: 1
RossanaMSC.pdf: 3237270 bytes, checksum: 01cfb4de4da5c1c94fba895ebbbdddb1 (MD5)
Previous issue date: 2009-09-28 / Coordena??o de Aperfei?oamento de Pessoal de N?vel Superior / The bidimensional periodic structures called frequency selective surfaces have been well investigated because of their filtering properties. Similar to the filters that work at the
traditional radiofrequency band, such structures can behave as band-stop or pass-band filters, depending on the elements of the array (patch or aperture, respectively) and can be
used for a variety of applications, such as: radomes, dichroic reflectors, waveguide filters, artificial magnetic conductors, microwave absorbers etc. To provide high-performance
filtering properties at microwave bands, electromagnetic engineers have investigated various types of periodic structures: reconfigurable frequency selective screens,
multilayered selective filters, as well as periodic arrays printed on anisotropic dielectric substrates and composed by fractal elements. In general, there is no closed form solution
directly from a given desired frequency response to a corresponding device; thus, the analysis of its scattering characteristics requires the application of rigorous full-wave
techniques. Besides that, due to the computational complexity of using a full-wave simulator to evaluate the frequency selective surface scattering variables, many
electromagnetic engineers still use trial-and-error process until to achieve a given design criterion. As this procedure is very laborious and human dependent, optimization
techniques are required to design practical periodic structures with desired filter specifications. Some authors have been employed neural networks and natural optimization
algorithms, such as the genetic algorithms and the particle swarm optimization for the frequency selective surface design and optimization. This work has as objective the accomplishment of a rigorous study about the electromagnetic behavior of the periodic structures, enabling the design of efficient devices applied to microwave band. For this, artificial neural networks are used together with natural optimization techniques, allowing the accurate and efficient investigation of various types of frequency selective surfaces, in a simple and fast manner, becoming a powerful tool for the design and optimization of such structures / As estruturas planares peri?dicas bidimensionais, conhecidas como Superf?cies Seletivas de Frequ?ncia, t?m sido bastante estudadas por causa da propriedade de filtragem
de frequ?ncia que apresentam. Similares aos filtros que operam na faixa tradicional de radiofrequ?ncia, tais estruturas podem apresentar caracter?sticas espectrais de filtros rejeitafaixa ou passa-faixa, dependendo do tipo de elemento do arranjo (patch ou abertura, respectivamente) e podem ser utilizadas em uma variedade de aplica??es, tais como
radomes, refletores dicr?icos, filtros de micro-ondas, condutores magn?ticos artificiais, absorvedores etc. Para melhorar o desempenho de tais dispositivos eletromagn?ticos e
investigar suas propriedades, muitos estudiosos t?m analisado v?rios tipos de estruturas peri?dicas: superf?cies seletivas de frequ?ncia reconfigur?veis, filtros de m?ltiplas camadas
seletivas, al?m de arranjos peri?dicos impressos sobre substratos diel?tricos anisotr?picos e que utilizam geometrias fractais na sua forma??o. Em geral, n?o existe uma solu??o
anal?tica diretamente extra?da a partir da resposta em frequ?ncia de um dispositivo; desta forma, a an?lise de suas caracter?sticas espectrais requer a aplica??o de t?cnicas de onda completa rigorosas, como o m?todo da equa??o integral, por exemplo. Al?m disso, devido ? complexidade computacional exigida para a implementa??o destes m?todos, muitos estudiosos ainda utilizam a investiga??o por tentativa e erro, para alcan?ar crit?rios satisfat?rios ao projeto dos dispositivos. Como este procedimento ? muito trabalhoso e
dependente do homem, faz-se necess?rio o emprego de t?cnicas de otimiza??o que acelerem a obten??o de estruturas peri?dicas com especifica??es de filtragem desejadas. Alguns autores t?m utilizado redes neurais artificiais e algoritmos de otimiza??o natural, como os algoritmos gen?ticos e a otimiza??o por enxame de part?culas no projeto e otimiza??o das superf?cies seletivas de frequ?ncia. Este trabalho tem como objetivo realizar um estudo mais aprofundado sobre o comportamento eletromagn?tico das estruturas peri?dicas seletivas de frequ?ncia, possibilitando a obten??o de dispositivos eficientes e aplic?veis na faixa de micro-ondas. P ra isto, redes neurais artificiais s?o utilizadas em conjunto com t?cnicas de otimiza??o baseadas na natureza, permitindo a investiga??o precisa e eficiente de v?rios tipos de superf?cies seletivas de frequ?ncia, de forma simples e r?pida, tornando-se, portanto, uma poderosa ferramenta de projeto e otimiza??o de tais estruturas

Identiferoai:union.ndltd.org:IBICT/oai:repositorio.ufrn.br:123456789/15134
Date28 September 2009
CreatorsCruz, Rossana Moreno Santa
ContributorsCPF:04401565487, Albuquerque, Maria Rosa Medeiros Lins de, CPF:08595186472, http://lattes.cnpq.br/4546157125717070, Hasselman, Fl?vio Jos? Vieira, CPF:33694346791, http://lattes.cnpq.br/9161677957224310, Mello, Luiz Alencar Reis da Silva, CPF:34644679704, http://lattes.cnpq.br/8068674011748482, Cavalcante, Gerv?sio Prot?sio dos Santos, CPF:02879891272, http://lattes.cnpq.br/2265948982068382, Silva, Paulo Henrique da Fonseca, D'assun??o, Adaildo Gomes
PublisherUniversidade Federal do Rio Grande do Norte, Programa de P?s-Gradua??o em Engenharia El?trica, UFRN, BR, Automa??o e Sistemas; Engenharia de Computa??o; Telecomunica??es
Source SetsIBICT Brazilian ETDs
LanguagePortuguese
Detected LanguageEnglish
Typeinfo:eu-repo/semantics/publishedVersion, info:eu-repo/semantics/doctoralThesis
Formatapplication/pdf
Sourcereponame:Repositório Institucional da UFRN, instname:Universidade Federal do Rio Grande do Norte, instacron:UFRN
Rightsinfo:eu-repo/semantics/openAccess

Page generated in 0.0031 seconds