پایان نامه تحلیل آنتن پچ ریزنواری و افزایش پهنای باند آن با استفاده از شبکه‌های عصبی و الگوریتم ژنتیک

پایان نامه

پایان نامه تحلیل آنتن پچ ریزنواری و افزایش پهنای باند آن با استفاده از شبکه‌های عصبی و الگوریتم ژنتیک

چکیده :

چکیده
امروزه آنتن‌های ریزنواری به خاطر مزایای بی‌شماری همچون اندازه و حجم کم، هزینه‌ی ساخت پایین، قابلیت مجتمع سازی با مدارات مایکروویوی، طراحی آسان و غیره کاربرد فراوانی در تمام حوزه‌های مخابرات بی‌سیم یافته‌اند. اما این آنتن‌ها معمولاً پهنای باند امپدانسی کمی دارند (حدود 1 تا 3 درصد) و از زمان پیدایش آنها (دهه‌ی 1970 میلادی) تلاش‌های زیادی جهت رفع این نقیصه انجام و روش‌های متعددی پیشنهاد شده است.
جهت افزایش پهنای باند آنتن‌های ریزنواری عموماً از یکی از روش‌های مطالعه‌ی پارامتری یا بهینه‌سازی استفاده می‌شود که روش اول مبتنی بر سعی و خطا، و روش دوم به علت دشواری ارزیابی تابع هدف، پیچیده و زمان‌بر است.
در این پروژه ابتدا با استفاده از قابلیت شبکه‌های عصبی-فازی در تقریب توابع غیرخطی پیچیده، مشخصات یک آنتن تک‌قطبی مسطح با پچ دایره‌ای (شامل تلفات بازگشتی، امپدانس ورودی و الگوی تشعشعی)، به صورت تابعی از پارامترهای آن تخمین زده می‌شود. پس از آن در فرایند بهینه‌سازی با تعریف یک تابع هدف مناسب و بهینه‌سازی آن با الگوریتم ژنتیک مقادیر پارامترهای بهینه‌ی تک‌قطبی‌های مسطح با پچ دایره‌ای، بیضوی و مستطیلی جهت بیشینه نمودن پهنای باند آنها به‌دست می‌آید. مقایسه‌ی مقادیر به دست آمده با این روش و مقادیر متناظر حاصل از تحلیل پارامتری یا بهینه‌سازی‌های متداول در مطالعات پیشین حاکی از دقت روش پیشنهادی است. همچنین این روش در مقایسه با روش تجزیه و تحلیل پارامتری سیستماتیک‌تر و در مقایسه با روش‌های بهینه‌سازی متداول سریع‌تر است.

فهرست مطالب
فصل اول: مقدمه ………………………………………………………………………………………………………………………………….. 1
فصل دوم: شبکه‌های عصبی-فازی و الگوریتم‌های ژنتیک ………………………………………………………………….. 9
2-1- مقدمه ………………………………………………………………………………………………………………………………………. 10
2-2- نرون‌های فازی ………………………………………………………………………………………………………………………… 13
2-3- سیستم‌های استنتاج فازی مبتنی بر شبکه‌های وفقی (ANFIS) …………………………………………. 14
2-3-1- مثالی از عملکرد یک ANFIS ……………………………………………………………………………………………..16
2-4- الگوریتم‌های ژنتیک (GAs) …………………………………………………………………………………………………….19
2-4-1- کلیات ………………………………………………………………………………………………………………………………….. 19
2-4-2- کاربردهای الگوریتم‌های ژنتیک …………………………………………………………………………………………. 20
2-4-3- واژگان فنی GA …………………………………………………………………………………………………………………..20
2-4-4- عملگرهای ژنتیک ……………………………………………………………………………………………………………….. 22
2-4-5- مثالی از عملکرد الگوریتم ژنتیک ……………………………………………………………………………………….. 25
فصل سوم: چگونگی استفاده از ANFIS در تقریب مشخصات آنتن‌های ریزنواری و به کارگیری الگوریتم ژنتیک جهت بهینه‌سازی پارامترهای آن ……………………………………………………………………………. 31
3-1- مقدمه …………………………………………………………………………………………………………………………………….. 32
3-2- به‌کارگیری شبکه‌های عصبی (یا عصبی-فازی) جهت تقریب مشخصات آنتن‌های ریزنواری .. 32
3-3- روش‌های مختلف بهینه‌سازی آنتن‌های ریزنواری ………………………………………………………………….. 34
3-3-1- مثال‌هایی از استخراج تابع هدف به کمک تحلیل عددی ………………………………………………….. 34
3-3-2- مثال‌هایی از روش شبیه‌سازی توأم ……………………………………………………………………………………. 40
فصل چهارم: روشی سیستماتیک در طراحی و بهینه‌سازی آنتن‌های ریزنواری فراپهن‌باند با استفاده از شبکه‌های عصبی-فازی و الگوریتم ژنتیک ………………………………………………………………………………………… 49
4-1- مقدمه ………………………………………………………………………………………………………………………………………. 50
4-2- استخراج مشخصات یک آنتن ریزنواری فراپهن‌باند با پچ دایره‌ای به کمک شبکه‌های عصبی-فازی …………………………………………………………………………………………………………………………………………………… 50
4-3- بهینه‌سازی پهنای باند آنتن ریزنواری با پچ دایره‌ای به کمک الگوریتم ژنتیک …………………….. 61
4-4- بهینه‌سازی پهنای باند آنتن ریزنواری با پچ بیضوی به کمک الگوریتم ژنتیک ……………………… 66
4-5- بهینه‌سازی پهنای باند آنتن ریزنواری با پچ مستطیلی به کمک الگوریتم ژنتیک …………………. 71
فصل پنجم: نتیجه‌گیری و پیشنهادها ……………………………………………………………………………………………….. 81
5-1- نتیجه‌گیری ……………………………………………………………………………………………………………………………. 82
5-2- پیشنهادها ………………………………………………………………………………………………………………………………… 85
5-2-1- استفاده از روش پیشنهادی جهت بهینه‌سازی دیگر مشخصات آنتن‌های ریزنواری ………….. 85
5-2-2- تقریب و بهینه‌سازی توأم دو یا چند مشخصه با روش پیشنهادی و تعریف تابع هدف ترکیبی …………………………………………………………………………………………………………………………………………………………….. 86
5-2-3- تقریب مشخصات آنتن به کمک شبکه‌های عصبی پویا …………………………………………………….. 88
5-2-4- تقریب مشخصات با در نظر گرفتن ثابت دی‌الکتریک و ضخامت زیرلایه به عنوان پارامترهای ورودی و سپس ثابت نگه داشتن آنها در طول فرایند بهینه‌سازی …………………………………………………… 89
5-2-5- ایجاد تنوع در داده‌های آموزشی با در نظر گرفتن پارامترهای بیشتر و تحلیل آنتن به‌ازای این پارامترها در محدوده‌های فرکانسی کوچکتر …………………………………………………………………………………….. 89
5-2-6- بهینه‌سازی تابع هدف تقریبی با الگوریتم‌های دیگر ………………………………………………………….. 90

مهندسی برق

مقطع : کارشناسی

فرمت :doc
تعداد صفحه :90

توجه :

عناوین پروژه های موجود در سایت فقط به عنوان معرفی در سایت قرار گرفته اند و هیچ گونه فروش و یا لینک دانلودی ندارند