UNIVERSIDADE FEDERAL DO PARÁ INSTITUTO ... - PPGEE

Tese (Doutorado) – Universidade Federal do Pará, Instituto de Tecnologia, Programa de Pós-Graduação em Engenharia Elétrica, Belém, 2015. A todos os demais profissionais do Programa de Pós-Graduação em Engenharia Elétrica e da Universidade Federal do Pará.

Introdução

Contextualização
Hipótese
Objetivos

Objetivo Geral
Objetivos Específicos

Contribuições do Trabalho
Estrutura do Documento

Algoritmos de otimização multiobjetivo serão desenvolvidos em breve, a saber: algoritmo genético, algoritmo de ecolocalização de morcegos e algoritmo de busca de cuco. Reduza o esforço computacional e o tempo necessário para processar as propriedades EM durante o processo de otimização FSS triangular investigado aqui.

Superfícies Seletivas de Frequência

Características que Influenciam na Resposta de uma FSS
Formas Geométricas Comuns para FSS
Estruturas Propostas para as FSS
Síntese do Capítulo

31 A principal aplicação do FSS está diretamente relacionada à filtragem de ondas para as faixas de frequência especificadas no projeto, sendo sua utilização facilmente encontrada em sistemas de radiodifusão. 32 A forma geométrica dos elementos utilizados em uma FSS está diretamente relacionada à sua frequência de operação. Outros exemplos da influência exercida pelo substrato no funcionamento da FSS podem ser encontrados em Li et al [42] e Chang et al [43], cujos dispositivos foram construídos sobre substratos ferromagnéticos.

Os estudos sobre a teoria FSS têm se intensificado desde a década de 1910, embora haja um registro de patente para FSS realizado por Marconi [44] em 1919. Ainda relacionado ao dipolo, pode-se citar o estudo de Araújo et al [9], no qual técnicas computacionais naturais foram aplicadas para a análise e otimização de um dipolo integrado a um loop. Uma vez que Cruz et al [19] e Silva et al [20] investigaram uma estrutura FSS com um elemento do tipo patch da Ilha Koch, técnicas computacionais naturais foram aplicadas em ambos os estudos para modelagem e otimização dos protótipos.

As frequências de corte inferior e superior usadas para controlar a frequência de ressonância e a largura de banda foram tomadas em -10 dB. Além disso, foram apresentadas as geometrias e parâmetros estruturais das FSS triangulares investigadas neste trabalho, que foram escolhidas por permitirem uma fabricação simplificada e apresentarem respostas satisfatórias de largura de banda e frequência de ressonância.

Ferramentas de Inteligência Computacional Bioinspirada

Otimização Multiobjetivo

A crescente demanda por precisão e o aumento gradual da complexidade de estruturas e sistemas levam a um processo de simulação cada vez mais demorado. No processo de otimização de tais dispositivos, muitas vezes é desejado satisfazer mais de uma condição objetiva. Portanto, esse processo de otimização multiobjetivo envolve a minimização ou maximização da função objetivo, que está sujeita a um conjunto de restrições.

Os primeiros resultados no campo da otimização multiobjetivo foram apresentados por Pareto em seu trabalho relacionado à economia "Cours d'Economie Politique", onde o conceito de solução eficiente foi introduzido. Quando consideramos duas ou mais soluções, assume-se que algumas delas podem ser melhores que outras com relação a todos os objetivos considerados, tais soluções são chamadas de soluções não dominadas. Em geral, problemas de otimização multiobjetivo requerem uma definição alternativa de um "valor ótimo" ou valor de referência.

Em uma relação de dominância, se e #∈ℝ, onde R é a região de soluções viáveis, então # domina se !#" for tomado como fracionadamente maior ou maior que. Se não houver / ∈ ℝ dominando #, então # é considerada uma solução ótima de Pareto, fig.

Redes Neurais Artificiais

Rede Neural de Regressão Geral

40 Nesta proposta, será utilizada uma rede neural de regressão geral (GRNN) [60]. O software de cálculo CST® Microwave Studio será utilizado para calcular os dados de entrada utilizados para treinamento/aprendizagem da rede, este software utiliza a técnica de análise de onda completa FIT. A rede será configurada de forma que o uso do conjunto de dados de entrada produza uma saída que satisfaça a função de custo.

A base teórica do GRNN é baseada no conceito de estimação não paramétrica, comumente usado em estatística. Redes neurais do tipo GRNN são derivadas de Redes Neurais de Base Radial (RBFN) e, de acordo com Specht [60], GRNN precisa apenas de parte dos dados para treinar a rede e a propagação de volta é desnecessária [67]. Isso torna o GRNN uma ferramenta muito útil para realizar aproximações de funções, previsões e comparações de desempenho de sistemas na prática.

A rede deve responder ao conjunto de restrições inseridas na entrada, ou seja, devem ser apresentados na saída valores de t (periodicidade) e W (altura/largura dos elementos condutores) que atendam aos alvos pré-determinados. Neste paradigma, o sistema é projetado para detectar estatisticamente características salientes da população de entrada, criando uma região de interesse onde os dados serão buscados pelos algoritmos de otimização.

Algoritmo Genético

Eles realizam buscas simultâneas em diferentes regiões do espaço de busca porque trabalham com uma população e não com um único ponto. Otimize parâmetros de funções objetivas com superfícies complexas, reduzindo a probabilidade de caírem em mínimos locais. Existe a possibilidade de trabalhar com uma codificação de conjunto de parâmetros e não com os próprios parâmetros.

As técnicas de GA resolvem problemas de otimização e busca onde os métodos tradicionais falham. As técnicas tradicionais muitas vezes iniciam o processamento com um único candidato (indivíduo) sendo manipulado, utilizando uma heurística, em sua maioria estática, diretamente ligada ao problema a ser resolvido. No caso do AG, as operações são realizadas em paralelo sobre uma população de candidatos (vários indivíduos) e a busca é realizada em diferentes áreas do espaço de soluções, selecionando um número adequado de membros para a busca em diversas regiões.

Algoritmo de Ecolocalização dos Morcegos

Movimento Virtual dos Morcegos

Todos os morcegos usam a ecolocalização para perceber e calcular a distância, além de distinguir entre sua comida/presa e as condições de contorno em seu espaço. Bat percorre o espaço de busca com velocidade b/ na posição / (onde / é uma solução para o problema) com uma frequência fixa fmin (ou comprimento de onda λ), comprimento de onda variável λ (ou frequência f) e amplitude (do som emitido) c -/% ao procurar por troco. Com os parâmetros de frequência, velocidade e posição dos morcegos atualizados, o próximo passo é avaliar a taxa de emissão de pulsos emitidos por cada morcego.

Em seguida, é realizada uma comparação da taxa de emissão do pulso d/ com um ruído aleatório (gerado pela função de borda). Se a taxa de emissão do pulso tiver um valor menor que esse ruído aleatório, significa que o i-ésimo bastão está longe da solução. Assim, conforme o morcego se aproxima do alvo, a amplitude A do pulso emitido diminui enquanto a taxa de emissão r aumenta.

Portanto, os parâmetros A e r são atualizados apenas se as novas soluções forem melhores que as anteriores, o que significa que os morcegos estão se movendo no espaço de busca em direção à solução ótima. A taxa de emissão do pulso está no intervalo d ∈ [0, 1], onde "0" significa nenhuma emissão e "1" significa o valor máximo de emissão.

Algoritmo de Busca Cuco

Algoritmo de Busca Cuco Multiobjetivo

Ou seja, ao gerar novas soluções !ir " para, digamos, um cuco i, um voo de Lévy é executado. O voo de Lévy essencialmente fornece um passeio aleatório enquanto plota o comprimento do passo aleatório de uma distribuição. Algumas das novas soluções devem ser geradas pelo Lévy ande em torno da melhor solução obtida em um determinado momento, pois isso agiliza a busca local.

53 quando a caça é abundante em uma determinada região próxima e movimento dirigido pelo vôo de Lévy quando a caça é escassa naquela região [75]. Matematicamente falando, a primeira regra pode ser entendida como um processo aleatório, portanto uma nova solução pode ser gerada através do voo de Lévy. O voo de Lévy fornece essencialmente um passeio aleatório, enquanto seus passos aleatórios são dados pela distribuição de Lévy para grandes passos, como dado na Eq.

Obtenha aleatoriamente um cuco (denominado i) por voo Lévy. Avalie e veja se este é o valor ótimo de Pareto. 56 Portanto, em CS, a randomização pode ser mais eficiente, como no caso dos tamanhos dos passos, que obedecem a uma distribuição de Lévy e podem ser aproximados pela lei de potência.

Síntese do Capítulo

Assim, as etapas de busca consistem em muitos passos pequenos e, ocasionalmente, passos grandes e, em longas distâncias, saltos.

Resultados

Caracterização do Projeto

Setup para Medição das FSS

Aplicação dos Algoritmos de Otimização

Implementação do Algoritmo Genético
Implementação do Algoritmo de Busca Cuco

Síntese do Capítulo

66, obtida via software CST®, pela técnica híbrida (GRNN+AG Multi) e as medidas para o patch triangular otimizado FSS. Coeficiente de transferência para patch triangular FSS otimizado para = 11,0 GHz e BW = 4,0 GHz via AG Multi. 67, obtida via software CST®, pela técnica híbrida (GRNN+AG Multi) e as medidas para o loop triangular otimizado FSS.

Coeficiente de transmissão para FSS de loop triangular otimizado para = 11,0 GHz e BW = 4,0 GHz via AG Multi. A Tabela 4.2 apresenta os tempos de execução das principais etapas do código após 44 iterações. A Tabela 4.4 apresenta os tempos de execução das principais etapas do código após 52 iterações.

Coeficiente de transmissão para patch triangular FSS otimizado para = 11,0 GHz e BW = 4,0 GHz via MOCS. A Tabela 4.5 apresenta os tempos de execução das principais etapas do código após 33 iterações. Coeficiente de transmissão para loop triangular FSS otimizado para = 11,0 GHz e BW = 4,0 GHz via MOCS.

A Tabela 4.6 mostra os tempos de execução das principais etapas do código após 33 iterações.

Conclusão

Para validar os resultados, os protótipos FSS foram medidos após a verificação de boa concordância entre os resultados medidos e simulados. O MOCS caracteriza-se por ser um algoritmo mais simples de implementar e com poucos parâmetros de ajuste, sendo adequado para uma ampla gama de problemas de otimização na engenharia e na indústria. Desta forma, o MOCS tornou-se uma ferramenta de otimização robusta na síntese de estruturas FSS.

Vale ressaltar que as redes do tipo GRNN ainda não haviam sido aplicadas no processo de otimização FSS, bem como no algoritmo de busca do cuco, quando investigaram o estado da arte. Em prol da continuidade do trabalho, propõe-se investigar o uso dessas ferramentas de otimização para a síntese de nanoestruturas, para possibilitar a redução do esforço computacional e do tempo de processamento dessas estruturas. Além disso, utilizar as ferramentas desenvolvidas para otimização de antenas e circuitos eletrônicos para a faixa de micro-ondas.

Para trabalhos futuros, propõe-se estudar a aplicação dessas ferramentas de otimização para que o projeto e a síntese de nanoestruturas sejam viáveis. Além disso, utilizar ferramentas desenvolvidas para otimizar antenas e circuitos eletrônicos para a região de micro-ondas.

D’Assunção, “Bio-inspired hybrid optimization algorithm for the design of broadband frequency-selective surfaces”, Microwave and Optical Technology Letters, vol. D’Assunção, “Improved broadband performance of coupled frequency-selective surfaces using metaheuristics,” Microwave and Optical Technology Letters, vol. D’Assunção, “Dual-band stopband frequency selective surfaces with Gosperian prefractal elements”, Microwave and Optical Technology Letters, vol.

D’Assunção, “Iterative full-wave method for the design of frequency-selective band-stopping surfaces on textile substrates”, Microwave and Optical Technology Letters, vol. A Parker, “Concentric ring and Jerusalem cross arrays as frequency selective surfaces for a 45° angle of incidence diplexer,” Electronic Letters, vol. Parker, “Performance of millimeter-frequency selective surfaces in large-angle quasi-optical systems,” Electronic Letters, vol.

Wu, “Four-band frequency selective surface with dual square patch elements,” IEEE Transactions on Antennas and Propagation, vol. Rahmat-Samii, “Fractal FSS: a new dual-frequency selective surface,” IEEE Transactions on Antennas and Propagation, vol.