Otimização de superfícies seletivas de frequência com elementos pré-fractais utilizando rede neural MLP e algoritmos de busca populacional

This thesis describes design methodologies for frequency selective surfaces (FSSs) composed of periodic arrays of pre-fractals metallic patches on single-layer dielectrics (FR4, RT/duroid). Shapes presented by Sierpinski island and T fractal geometries are exploited to the simple design of efficient band-stop spatial filters with applications in the range of microwaves. Initial results are discussed in terms of the electromagnetic effect resulting from the variation of parameters such as, fractal iteration number (or fractal level), fractal iteration factor, and periodicity of FSS, depending on the used pre-fractal element (Sierpinski island or T fractal). The transmission properties of these proposed periodic arrays are investigated through simulations performed by Ansoft DesignerTM and Ansoft HFSSTM commercial softwares that run full-wave methods. To validate the employed methodology, FSS prototypes are selected for fabrication and measurement. The obtained results point to interesting features for FSS spatial filters: compactness, with high values of frequency compression factor; as well as stable frequency responses at oblique incidence of plane waves. This thesis also approaches, as it main focus, the application of an alternative electromagnetic (EM) optimization technique for analysis and synthesis of FSSs with fractal motifs. In application examples of this technique, Vicsek and Sierpinski pre-fractal elements are used in the optimal design of FSS structures. Based on computational intelligence tools, the proposed technique overcomes the high computational cost associated to the full-wave parametric analyzes. To this end, fast and accurate multilayer perceptron (MLP) neural network models are developed using different parameters as design input variables. These neural network models aim to calculate the cost function in the iterations of population-based search algorithms. Continuous genetic algorithm (GA), particle swarm optimization (PSO), and bees algorithm (BA) are used for FSSs optimization with specific resonant frequency and bandwidth. The performance of these algorithms is compared in terms of computational cost and numerical convergence. Consistent results can be verified by the excellent agreement obtained between simulations and measurements related to FSS prototypes built with a given fractal iteration

Coordenação de Aperfeiçoamento de Pessoal de Nível Superior

Esta tese descreve metodologias de projeto para superfícies seletivas de frequência (FSSs) compostas por arranjos periódicos de patches metálicos pré-fractais impressos em camadas dielétricas simples (FR4, RT/duroid). As formas apresentadas pelas geometrias correspondentes à ilha de Sierpinski e ao fractal T são exploradas para o projeto simples de filtros espaciais rejeita-faixa eficientes com aplicações na faixa de micro-ondas. Resultados iniciais são discutidos em termos do efeito eletromagnético decorrente da variação de parâmetros como, número de iterações fractais (ou nível do fractal), fator de iteração fractal, e periodicidade da FSS, dependendo do elemento pré-fractal utilizado (ilha de Sierpinski ou fractal T). As propriedades de transmissão destes arranjos periódicos propostos são investigadas através de simulações realizadas pelos programas comerciais Ansoft DesignerTM e Ansoft HFSSTM, que executam métodos de onda completa. Para validar a metodologia empregada, protótipos de FSS são selecionados para fabricação e medição. Os resultados obtidos apontam características interessantes para filtros espaciais de FSS, tais como: estrutura compacta, com maiores fatores de compressão de frequência; além de respostas estáveis em frequência com relação à incidência oblíqua de ondas planas. Esta tese aborda ainda, como enfoque principal, a aplicação de uma técnica alternativa de otimização eletromagnética (EM) para análise e síntese de FSSs com motivos fractais. Em exemplos de aplicação desta técnica, elementos pré-fractais de Vicsek e Sierpinski são usados no projeto ótimo das estruturas de FSS. Baseada em ferramentas de inteligência computacional, a técnica proposta supera o alto custo computacional proveniente das análises paramétricas de onda completa. Para este fim, são desenvolvidos modelos rápidos e precisos de rede neural do tipo perceptron de múltiplas camadas (MLP) utilizando diferentes parâmetros como variáveis de entrada do projeto. Estes modelos de rede neural têm como objetivo calcular a função custo nas iterações dos algoritmos de busca populacional. O algoritmo genético contínuo (GA), a otimização por enxame de partículas (PSO), e o algoritmo das abelhas (BA), são usados para a otimização das FSSs com valores específicos de frequência de ressonância e largura de banda. O desempenho destes algoritmos é comparado em termos do custo computacional e da 13 convergência numérica. Resultados consistentes podem ser verificados através da excelente concordância obtida entre simulações e medições referentes aos protótipos de FSS construídos com uma dada iteração fractal