Çeşitli mikroşerit antenlerin karakteristik parametrelerinin farklı algoritmalarla eğitilen yapay sinir ağları ile hesaplanması
Computation of characteristics parameters of various type microstrip antennas with the use of artificial neural networks trained by different learning algorithms
- Tez No: 408629
- Danışmanlar: PROF. DR. KERİM GÜNEY
- Tez Türü: Doktora
- Konular: Elektrik ve Elektronik Mühendisliği, Electrical and Electronics Engineering
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2002
- Dil: Türkçe
- Üniversite: Selçuk Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Elektrik-Elektronik Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 157
Özet
Mikroşerit antenler (MŞA) basit yapıda olmaları, düşük maliyette olmaları, hafif olmaları, tekrar kullanılabilmeleri, güvenilir olmaları, kolayca üretilebilmeleri ve yarı iletken aygıtlarla entegre edilebilmelerinden dolayı haberleşme sistemlerinden biyomedikal aygıtlarına kadar bir çok alanda kullanılırlar. Bu tip antenler kare, üçgen, daire, dikdörtgen, yamuk şekilli, eliptik v.b. gibi farklı konfigürasyonlarda olabilirler. Bu metotların bir çoğu kalın tabanlar için normal olarak h/lo £ 0.0815 arasındadır (h dielektrik tabanın kalınlığı ve lo ise boşluk dalga boyu). Diğer genel metotlar, hesaplama verimliliğinden yoksun olduğu için pratikte, yoğun hesaplama zamanı ve yüksek maliyetlerinden dolayı pek tercih edilmemektedir. Son yıllarda ilgi çeken elektiriksel olarak kalın tabanlarda farklı ışıyıcıların gelişmesidir. Bu ilginin temelde iki sebebi vardır. Birincisi, daha yüksek çalışma frekanslarında dolayısıyla düşük bandgenişliğinde bulunmaları ve hatta bazı dalga boylarında karşılaştırıldığında fiziksel olarak ince tabanların kalın tabanlı anten gibi davranmalarıdır. İkincisi ise dairesel MŞA'lerin bandgenişliğinin küçük yapılar için çok düşük olması ve elektriksel olarak ince konfigürasyonlarda olmalarıdır. Bandgenişliğini arttıran teknikler kalınlığın orantılı olarak arttırılması ile sağlanabilir. Daha geniş bandgenişliğine sahip MŞA elemanları ile tasarım, MŞA teknolojilerinde özellikle elektronik savaş durumlarında, haberleşme sistemlerinde ve geniş band radarlarında çok önemlidir. Bu nedenle son yıllarda bu konularda bir çok çalışma yapılmaktadır. Öğrenme yeteneği, genelleme yapabilmeleri, problem çözümünde az bilgiye ihtiyaç duymaları, gerçek zamanlı işlemleri kısa sürede yapabilmeleri ve kolaylıkla donanım olarak gerçekleştrilebilmeleri, yapay sinir ağlarını (YSA) son yıllarda bir çok alanda uygulanır duruma getirmiştir. Bu çalışmada bu popüler özellikler, YSA tabanlı çok katlı perseptronlar (ÇKP) ve radyal tabanlı fonksiyon (RTY) ağı kullanılarak dikdörtgen, üçgen, daire gibi farklı MŞA tiplerinin analizi ve tasarımı için kullanılmıştır. Genel olarak, literatürde tek çıkışlı YSA kullanılarak anten parametrelerinin hesaplanması yapılmıştır. Devam eden çalışmalarda çok girişli ve çok çıkışlı farklı antenlerin tasarımı veya hesaplamaları mevcuttur. Bu sebepten dolayı bu çalışmada çoklu çıkış parametrelerinin dairesel MŞA tasarımında YSA kullanılmıştır. Bu çalışmada dikdörtgen, üçgen ve dairesel MŞA'lerin rezonans frekansları tek bir yapay sinir ağ modeli kullanılarak başarıyla oluşturulmuştur. On yedi öğrenme algoritması olan; standart geri yayılım (SGY), adaptif öğrenme oranlı (AO), grup momentumlu (GM), delta-bar-delta (DBD), genişletilmiş delta-bar-delta (GDBD), hızlı yayılım (HY), genetik algoritma (GA), yönlendirmeli rasgele arama (YRA), Levenberg-Marguardt (LM), Powell-Beale (PB), Fletcher-Rivees (FR), Polak-Ribiée (PR), Broyden-Fletcher-Goldfarb-Shanno (BFGS), tek adım secant (TAS), ölçeklendirilmiş eşleştirmeli gradyent (ÖEG), Esnek Geri Yayılım Öğrenme algoritması (EGY) ve Bayesian Düzenlileştirme (BD) algoritmaları ÇKP'ları eğitmede kullanılmıştır. Burada on yedi farklı öğrenme algoritması ve iki farklı YSA yapısı kullanılmasının amacı eğitme zamanını azaltma ve nöral modellerin performansını karşılaştırmaktır. MŞA'lerin ve YSA'nın üstünlükleri ile bunlarla ile ilgili yapılan çalışmalar birinci bölümde özetlenmiştir. İkinci bölümde YSA'nın temel teorileri ile bazı yapay sinir ağ yapıları ve öğrenme algoritmaları kısaca açıklanmıştır. Üçüncü bölümde literatürde mevcut bazı metotların MŞA'lerin tasarım ve analizinde kullanılan tekniklerin tanıtımı yapılmıştır. Dördüncü bölümde, ÇKP ve RTY tabanlı ağlar ile bu ağlarla eğitmede kullanılan on yedi farklı eğitme algoritması elektriksel olarak ince ve kalın MŞA'ler için elde edilen YSA sonuçları sunulmuştur. YSA modelleriyle elde edilen sonuçların literatürde mevcut deneysel sonuçlarla uyumluluk içerisinde olduğu görülmüştür. Son bölümde, elde edilen sonuçlar değerlendirilmiş ve tartışılmıştır. Burada sunulan YSA yaklaşım modellerinin üstünlükleri basitlik ve doğruluktur. YSA modeller diğer MŞA tiplerinde uygulanabilir. YSA modellerinin en önemli farklılığı, eğitimde meydana gelen uzun eğitim süresi dezavantajlarını eğitimden sonra gerçek uygulamada tamamen ortadan kalkmasıdır. Mühendislik problemleri için, basit ve hızlı modeller çok kullanışlıdır. Bu sebepten dolayı YSA'lar bir çok mühendislik uygulamalarında başarıyla kullanılabilir.
Özet (Çeviri)
Microstrip antennas (MSAs) are used in a broad range of applications from communication systems to biomedical systems, primarily due to their simplicity, conformability, low manufacturing cost, light weight, low profile, reproducibility, reliability, and ease in fabrication and integration with solid-state devices. Microstrip antennas have been used in various configurations: square, rectangular, circular, triangular, trapezoidal, elliptical etc. Several methods varying in accuracy and computational effort have been presented and used to compute the characteristics parameters of MSAs. Many of these methods employ approximations that are valid only for electrically thin substrates, normally of the order of h/o 0.0815, where h is the thickness of dielectric substrate and o is the free-space wavelength. Other more general methods suffer from a lack of computational efficiency, which in practice can restrict their usefulness because of high computational time and costs. Recent interest has developed in radiators etched on electrically thick substrates. This interest is primarily for two major reasons. First, as these antennas are used for applications with increasingly higher operating frequencies, and consequently shorter wavelength, even antennas with physically electrically thin substrates become thick when compared to a certain wavelength. Second, the bandwidth of the MSA is typically very small for low profile, electrically thin configurations. One of the techniques to increase the bandwidth is to increase the thickness proportionately. The design of MSA elements having wider bandwidth is an area of major interest in MSA technology, particularly in the fields of electronic warfare, communication systems and wideband radars. Consequently, this problem has received considerable attention. Ability and adaptability to learn, generalizability, smaller information requirement, fast real-time operation, and ease of implementation features have made ANNs popular in the last few years. Because of these fascinating features, in this study ANNs based on the multilayered perceptrons and the radial basis function networks have been used for the design and analysis of rectangular, circular and triangular microstrip antennas. In general, in the literature, only one output antenna parameter has been computed. However, the research using neural network techniques should be able to demonstrate a mapping from multiple input parameters to multiple output parameters. For this reason, in this study, the multiple output parameters for the design of the circular microstrip antennas have been computed by using ANNs. In this work, the resonant frequencies of the rectangular, circular and triangular MSAs were also computed accurately by using only the single neural model. Seventeen learning algorithms, standart backpropagation, momentum backpropagation, adaptive learning rate backpropagation, delta-bar-delta, extended delta-bar-delta, quick propagation, directed random search, genetic algorithm, Levenberg-Marquardt, Fletcher-Reeves, Polak-Ribiere, Powell-Beale, scaled conjugate gradient, Broyden-Fletcher-Goldfarb-Shanno, one step secant, resilient backpropagation, bayesian regularization, radial basis function networks were used to train the multilayered perceptrons. The radial basis function network was trained according to its learning starategy. The reason for using seventeen different learning algorithms and two different structures is to speed up the training time and to compare the performance of neural models with each other. The advantages of the microstrip antennas and ANNs and the previous works on the microstrip antennas and ANNs were given in the first section. In the second section, the fundamental theory and structure of ANNs, and training algorithms have been explained briefly. In the third section, several methods available in the literature for the analysis and design of MSAs have been given. In the fourth section, the results obtained from ANNs based on the multilayered perceptrons and the radial basis function networks trained by different seventeen learning algorithms have been presented for electrically thin and thick MSAs. It was shown that the results of neural models are in very good agreement with the experimental results available in the literature. The neural design results are also in very good agreement with the design results of the methods available in the literature. In the last section, the results obtained in this work are evaluated and discussed. The advantages of the neural models are simplicity and accuracy. The neural models can also be applied to any other shapes of MSAs. A distinct advantage of neural computation is that, after proper training, a neural network completely bypasses the repeated use of complex iterative processes for new cases presented to it. For engineering applications, the simple models are very usable. Thus the neural models can also be used for many engineering applications and purposes.
Benzer Tezler
- Bulanık mantık sistemleri ile çeşitli tipteki mikroşerit antenlerin karakteristik parametrelerinin hesaplanması
Computation of characteristic parameters of various type microstrip antennas with the use of fuzzy inference systems
NURCAN SARIKAYA BAŞTÜRK
Doktora
Türkçe
2009
Elektrik ve Elektronik MühendisliğiErciyes ÜniversitesiElektronik Mühendisliği Ana Bilim Dalı
PROF. DR. KERİM GÜNEY
- Bulanık mantık ve yapay sinir ağları ile çeşitli mikroşerit antenlerin bazı karakteristik parametrelerinin hesaplanması ve optimum kazançlı piramidal huni anten tasarımı
Computation of characteristic parameters of various type microstrip antennas with the adaptive neuro fuzzy inference systems and the artificial neural networks and the optimum gain pyramidal horn antenna design
NURCAN SARIKAYA
Yüksek Lisans
Türkçe
2003
Elektrik ve Elektronik MühendisliğiErciyes ÜniversitesiElektronik Mühendisliği Ana Bilim Dalı
PROF. DR. KERİM GÜNEY
- Design of pattern reconfigurable antennas by using characteristic mode theory
Karakteristik mod teorisini kullanarak örüntüsü değiştirilebilir anten tasarımı
TOLUNAY AYDIN
Yüksek Lisans
İngilizce
2020
Elektrik ve Elektronik MühendisliğiOrta Doğu Teknik ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
DOÇ. DR. LALE ALATAN
- Yarıklı mikroşerit yama anten dizaynı
Slotted microstrip patch antenna design
EMRE ÇETME
Yüksek Lisans
Türkçe
2009
Elektrik ve Elektronik Mühendisliğiİstanbul Teknik ÜniversitesiElektronik ve Haberleşme Mühendisliği Ana Bilim Dalı
DOÇ. DR. ALİ YAPAR
- Optiksel saydam antenlerin tasarımı ve karakterizasyonu
Design and characterization of optically transparent antennas
YASEMİN DEMİRHAN
Yüksek Lisans
Türkçe
2019
Fizik ve Fizik MühendisliğiAnkara ÜniversitesiFizik Mühendisliği Ana Bilim Dalı
PROF. DR. BARIŞ AKAOĞLU