Use este identificador para citar ou linkar para este item: https://repositorio.ufrn.br/jspui/handle/123456789/15254
Título: Síntese de superfícies seletivas de frequência atráves de técnicas de computação natural
Autor(es): Araújo, Wellington Candeia de
Palavras-chave: Algoritmos Genéticos. Redes Neurais Artificiais. Superfícies Seletivas de Frequência. Otimização. Computação Natural
Data do documento: 17-Mar-2014
Editor: Universidade Federal do Rio Grande do Norte
Citação: ARAÚJO, Wellington Candeia de. Síntese de superfícies seletivas de frequência atráves de técnicas de computação natural. 2014. 81 f. Tese (Doutorado em Automação e Sistemas; Engenharia de Computação; Telecomunicações) - Universidade Federal do Rio Grande do Norte, Natal, 2014.
metadata.dc.description.resumo: As superfícies seletivas de frequência (FSS) têm sido objeto de intensa pesquisa nas duas últimas décadas, sendo utilizadas em diversas aplicações que vão desde sistemas de micro-ondas e antenas até aplicações em radomes e comunicações via satélite. Uma superfície seletiva de freqüência é um arranjo periódico que se constitui de elementos tipo patch ou abertura, ou mesmo por uma combinação de ambos, e exibe reflexão ou transmissão total na freqüência ressonante, se comportando dessa maneira como um filtro rejeita-faixa ou passa-faixa. Neste trabalho é realizada uma investigação numérica e experimental, consistindo do projeto, simulação computacional, construção e medição de estruturas de FSS. Esta FSS é estudada experimentalmente e suas características eletromagnéticas são medidas e simuladas através de programas de computador, equipamentos e técnicas de otimização. Estas estruturas são bastante complexas requerendo uma análise por técnicas de onda completa, como o método das diferenças finitas no domínio do tempo ou método dos elementos finitos. Para superar os custos computacionais e de tempo das técnicas de onda completa, podem ser utilizadas como alternativa as técnicas de computação natural. Algumas características como robustez, generalização, adaptabilidade e rápida convergência contribuem para o aumento significativo do emprego destas técnicas em aplicações na área de comunicações moveis. A modelagem das FSS citadas é realizada com redes neurais artificiais de múltiplas camadas, com o algoritmo de Levenberg-Marquardt para aprendizagem e treinamento. Os modelos neurocomputacionais desenvolvidos para as FSS proveem excelentes resultados e em concordância com valores obtidos através de medições em laboratório. A necessidade de estruturas com comportamento eletromagnético adequado em dispositivos de micro-ondas tem sido bastante estudada pelos pesquisadores da área. Essas estruturas requerem, em sua análise de características espectrais, técnicas rigorosas e elevada complexidade computacional em sua implementação. O objetivo desse trabalho consiste no projeto de FSSs através de redes neurais artificiais e outros algoritmos de computação natural selecionados, com aplicações na faixa de micro-ondas. A precisão dessa técnica é realizada experimentalmente e comparada com simulações efetuadas pelos softwares comerciais Ansoft Designer e Ansoft HFSS, utilizados na análise numérica do comportamento eletromagnético das FSSs através do Método dos Momentos (MoM) e do Método dos Elementos Finitos (FEM), respectivamente. Nesta tese um estudo bibliográfico em teoria de FSSs é realizado, bem como o estudo das redes neurais artificiais, algoritmos genéticos e outros algoritmos de otimização natural. Este estudo analisa também a solução da arquitetura de rede adequada aos projetos, algoritmos de treinamento, parâmetros dos algoritmos como número de neurônios nas camadas e quantidade de camadas das redes, bem como os parâmetros e funções adequadas para os algoritmos de otimização
URI: http://repositorio.ufrn.br:8080/jspui/handle/123456789/15254
Aparece nas coleções:PPGEE - Doutorado em Engenharia Elétrica e de Computação

Arquivos associados a este item:
Arquivo Descrição TamanhoFormato 
WellingtonCA_TESE.pdf18,34 MBAdobe PDFThumbnail
Visualizar/Abrir


Os itens no repositório estão protegidos por copyright, com todos os direitos reservados, salvo quando é indicado o contrário.