Derin öğrenme kullanılarak horn anten ışıma modelinin veriye dayalı vekil modellenmesi
Data driven surrogate modelling of horn antennas radiation pattern using deep learning
- Tez No: 775033
- Danışmanlar: PROF. DR. AHMET KIZILAY
- Tez Türü: Yüksek Lisans
- Konular: Elektrik ve Elektronik Mühendisliği, Electrical and Electronics Engineering
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2022
- Dil: Türkçe
- Üniversite: Yıldız Teknik Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Elektronik ve Haberleşme Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Haberleşme Bilim Dalı
- Sayfa Sayısı: 50
Özet
Horn anten tasarımları, ultra geniş bant çalışma aralığının talep edildiği birçok uygulamada tercih edilmektedir. Horn anten tasarlanırken, saçılma parametreleri özellikleri, girişteki verimsizliğin gerçekleşen kazancı büyük ölçüde düşüreceği önemli bir tasarım ölçüsüdür. Bununla birlikte, tasarımın ışıma karakteristiğinin saçılma parametreleri davranışından bağımsız olarak değiştirilebildiği yüksek performanslı sonuçlara sahip bir antene sahip olmak için saçılma parametreleri gereksinimini karşılamak yeterli değildir. Bir tasarım yüksek verimlilikte tasarlanmış olabilir ancak ışıma karakteristikleri kabul edilebilir olmayabilir. Ayrıca, üretim maliyetini doğrudan etkileyen ve olası uygulamaları sınırlayan bu özelliklerin yanı sıra tasarımın boyutu ve hacmi gibi başka tasarım hususları da vardır. Bu çalışmada, veri güdümlü vekil modelleme kullanılarak, istenen uygulama limitleri içinde veya sınırları içinde küçük olmanın yanı sıra yüksek ışıma performansına sahip horn antenler için hesaplama açısından verimli bir tasarım optimizasyonu süreci elde etmek amaçlanmaktadır. Burada tasarımın geometrik tasarım değişkenleri, çalışma frekansı ve yayılım yönü girdi olarak, tasarımın gerçekleşen kazancı ise vekil modelin çıktısı olarak alınacaktır. Derin Öğrenme de dahil olmak üzere bir dizi güçlü ve yaygın olarak kullanılan yapay zeka algoritmaları, ele alınan problem için veriye dayalı bir vekil model temsili oluşturmak için kullanılmıştır. Çalışılan optimizasyon probleminin doğrulanması için, optimum şekilde tasarlanmış bir antenin üç boyutlu (3B) yazıcı kullanılarak prototipi yapılmış ve deneysel sonuçlar, vekil model sonuçlarıyla karşılaştırılmıştır.
Özet (Çeviri)
Horn antenna designs are favoured in many applications where ultra wide-band operation range alongside of a high performance radiation pattern characteristics are requested. Scattering-parameter characteristics of antennas is an important design metric, where inefficiency in the input would drastically lower the realized gain. However, satisfying the requirement for scattering parameters are not enough for having an antenna with high performance results, where the radiation characteristic of the design can be changed independently than the scattering parameters behaviour. A design might have a high efficiency performance, but the radiation characteristics might not be acceptable. Furthermore there are other design considerations such as size and volume of the design alongside of these conflicting characteristics, which directly affect the manufacturing cost and limits the possible applications. In this work, by using data driven surrogate modelling, it is aimed to achieve a computationally efficient design optimization process for horn antennas with high radiation performance alongside of being small in or within the limits of the desired application limits. Here, the geometrical design variables, operation frequency and radiation direction of the design will be taken as the input while the realized gain of the design is taken as the output of the surrogate model. Series of powerful and commonly used artificial intelligence algorithms including Deep Learning had been used to create a data driven surrogate model representation in consideration the problem. As for the verification of the studied optimization problem, an optimally designed antenna is prototyped via the use of three dimentional (3D) printer and the experimental results ware compared with the results of surrogate model.
Benzer Tezler
- Derin öğrenme tabanlı optik akış ile hareket tespiti
Motion detection with deep learning based optical flow
AMMAR ASLAN
Yüksek Lisans
Türkçe
2021
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolFırat ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DOÇ. DR. GALİP AYDIN
- Derin öğrenme kullanılarak sahte plakalı araç tespit sistemi geliştirilmesi
Developing fake plate vehicle detection system using deep learning
BURAK AĞGÜL
Yüksek Lisans
Türkçe
2021
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Sabahattin Zaim ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ GÖKHAN ERDEMİR
- Derin öğrenme kullanılarak göz, yüz ve esneme özelliklerine dayalı melez bir yorgunluk tanıma sistemi geliştirilmesi
Development of hybrid fatigue recognition system based on eye, face and yaw features using deep learning
RABİA KÖK
Yüksek Lisans
Türkçe
2021
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolEge ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. AYBARS UĞUR
- Derin öğrenme kullanılarak trafik koşullarına uygun otonom araç uygulaması
Autonomous vehicle application suitable for traffic conditions using deep learning
MAHMUT ESAT SEÇKİN
Yüksek Lisans
Türkçe
2021
Mühendislik BilimleriBursa Uludağ ÜniversitesiOtomotiv Mühendisliği Ana Bilim Dalı
PROF. DR. ALİ SÜRMEN
DOÇ. DR. CEMAL HANİLÇİ
- Path loss prediction from heightmap using deep learning
Derin öğrenme kullanılarak yükseklik haritalarından yol kaybı tahmini
MUSTAFA BAL
Yüksek Lisans
İngilizce
2021
Elektrik ve Elektronik Mühendisliğiİstanbul Medipol ÜniversitesiElektrik-Elektronik Mühendisliği ve Siber Sistemler Ana Bilim Dalı
Prof. Dr. BAHADIR KÜRŞAT GÜNTÜRK