Escolar Documentos
Profissional Documentos
Cultura Documentos
"
# $
& ( )
* ' +) $ ,- '
* . /0 1 '($ ,-
23 1 1 ,- ! * .
/0 1 4 / 1 '$ 1 ,5 )6 1 ' (
) &$ ) ) ( 7 ,- 8 $/
$ ' 9 1 )#
Aos meus pais Francisco Sales da Silva Júnior e Geralda Reis Nunes Batista por
tudo.
Aos meus filhos João Miguel Sabino Gurgel (in memoriam) e Samuel Sabino
Gurgel que em tão pouco tempo me deram várias lições de vida.
A todos que fazem parte das famílias Nunes, em nome de Severino Batista (in
memoriam)/Antonia Nunes (in memoriam) e Gurgel, no nome de Francisco Sales da
Silva/Francisca Gurgel Brito da Silva, pela atenção e carinho.
Frequency Selective Surface (FSS) consists of a periodic elements arrangement that have
the capacity to filter electromagnetic waves. In recent times, these structures have a
prominent role in telecommunications area due to its variety of applications. Among the
applications, currently searching for FSS with ultra-wideband (UWB) and multiband
characteristics. These characteristics are desired due to the development of technologies
with increasing transmission capacity and telecommunications networks operate in
several frequency bands reducing the operational and system deployment costs. In order
to find FSS with such characteristics, one can make use of computational intelligence
techniques in order to obtain optimal structures. Among the techniques, we have artificial
neural networks of the RBF type, which will be used as a tool to obtain optimized FSS
with multi band and /or broadband responses. In this work, three geometries were used
widely in scientific reports and an unpublished one in the literature for the development
of four FSS projects, being: FSS project for band X that made use of the geometric square
spiral; FSS with UWB response that made use of cascaded double-square loop and
square-loop structures; FSS with operation in the bands C and Ku that the geometry used
was the cross of Jerusalem and, finally, was developed the FSS project with convoluted
geometry unprecedented for application in the bands ISM and UNII. In all projects,
angular stability and polarization studies were carried out, and prototypes were made and
in all cases, there was agreement between the results simulated in Ansoft DesignerTM and
the results measured.
Keywords: Ultra-wide band; Frequency filter; Convoluted geometry; Radio
frequency; Artificial neural network.
Sumário
i
4.5. Geometria convolucionada .............................................................................. 64
4.6. Criação dos bancos de dados das geometrias .................................................. 67
4.7. Modelagem da rede neural RBF ...................................................................... 68
4.8. Conclusão......................................................................................................... 70
5. Capítulo 5 – Resultados ........................................................................................ 72
5.1. Introdução ........................................................................................................ 72
5.2. Resultados dos treinamentos das redes neurais ............................................... 72
5.2.1. Projeto de FSS para banda X .................................................................... 73
5.2.2. Superfície seletiva de frequência com resposta UWB.............................. 77
5.2.3. FSS com operação nas bandas C e Ku ..................................................... 85
5.2.4. Projeto de FSS com Geometria Convolucionada para aplicações nas faixas
ISM e UNII.............................................................................................................. 90
5.2.4.1. Análise comportamental das dimensões da geometria convolucionada ... 95
5.8. Conclusão............................................................................................................. 98
6. Capítulo 6 – Conclusão ......................................................................................... 99
Referências Bibliográficas ......................................................................................... 101
Apêndice A – Algoritmos MLP e RBF ..................................................................... 108
Apêndice B – Banco de Dados ................................................................................... 111
ii
Lista de Figuras
iii
Figura 2.22 – Resultados obtidos para polarização horizontal. Adaptado de [39] ......... 20
Figura 2.23 - Disposição dos elementos utilizados em [40] ........................................... 20
Figura 2.24 - Resultados da reflectividade. Adaptado de [40] ....................................... 21
Figura 2.25 - Projeto apresentado em [41] ..................................................................... 22
Figura 2.26 - Radome no modo de transmissão. Adaptado de [41] ............................... 23
Figura 2.27 - Radome no modo de recepção. Adaptado de [41] .................................... 23
Figura 2.28 – Característica de reflexão das estruturas absorvedoras. Extraído de [42] 24
Figura 2.29 - Polarização vertical e horizontal entre os absorvedores originais e
fabricado. Extraído de [42] ............................................................................................. 25
Figura 2.30 - Elemento da FSS utilizado em [43] .......................................................... 26
Figura 2.31 – Resultados simulados e medidos da FSS. Extraído de [43] ..................... 27
Figura 2.32 – Resultados da HIS com espiras quadradas concêntricas. Extraído de [44]
........................................................................................................................................ 28
Figura 2.33 - Características de transmissão simulado e medido. Adaptado de [45] ..... 28
Figura 2.34 - Estabilidade angular para polarização vertical. Adaptado de [46] ........... 29
Figura 2.35 - Estabilidade angular para polarização horizontal. Adaptado de [46] ....... 30
Figura 2.36 – Resposta do absorvedor metamaterial. Extraído de [48] ......................... 31
Figura 3.1 - Representação de um neurônio na RNA ..................................................... 35
Figura 3.2 - Funções de Ativação ................................................................................... 36
Figura 3.3 - Organização em camadas............................................................................ 36
Figura 3.4 - Modelo de rede neural MLP. Adaptado de [55] ......................................... 37
Figura 3.5 - Descrição do algoritmo de treinamento Backpropagation ......................... 38
Figura 3.6 - Exemplo de RNA treinada com o algoritmo backpropagation. Adaptado de
[58] ................................................................................................................................. 39
Figura 3.7 - Rede RBF.................................................................................................... 44
Figura 3.8 - Função do tipo gaussiana ............................................................................ 45
Figura 3.9 - Algoritmo RBF – Treinamento ................................................................... 46
Figura 3.10 - Geometria utilizada em [62] ..................................................................... 48
Figura 3.11 – Estrutura 1: Resultados simulados e medidos da perda por inserção em
função da frequência. Adaptado de [62] ......................................................................... 48
Figura 3.12 - Estrutura 2: Resultados simulados e medidos da perda por inserção em
função da frequência. Adaptado de [62] ......................................................................... 49
Figura 3.13 - Resultados simulados e medidos das estruturas cascateadas. Adaptado de
[62] ................................................................................................................................. 50
iv
Figura 3.14 - Geometrias utilizadas e suas dimensões. Extraído de [63] ....................... 50
Figura 3.15 - Comparativo entre os resultados projetados e medidos. Adaptado de [63]
........................................................................................................................................ 51
Figura 3.16 - Comparativo entre os resultados projetados e medidos. Adaptado de [63]
........................................................................................................................................ 52
Figura 3.17 - Geometria projetada em [64] .................................................................... 52
Figura 3.18 - Resultados simulados e medidos. Adaptado de [64] ................................ 53
Figura 3.19 - Geometria utilizada em [65] ..................................................................... 54
Figura 3.20 - Característica de transmissão para FSS projetada em 11 GHz. Adaptado de
[65] ................................................................................................................................. 54
Figura 3.21 - Característica de transmissão para FSS projetada em 9 GHz. Adaptado de
[65] ................................................................................................................................. 55
Figura 3.22 - Coeficiente de trasmissão pré-fractal de Vicsek. Adaptado de [66] ......... 56
Figura 3.23 - Resultados apresentados em [67] .............................................................. 57
Figura 3.24 – Característica de transmissão da FSS. Adaptado de [68] ......................... 58
Figura 3.25 - Convergência dos algoritmos de busca [68] ............................................. 58
Figura 4.1 - Parâmetros da Espira Quadrada .................................................................. 61
Figura 4.2 - Parâmetros da geometria Espira Quadrada Dupla ...................................... 62
Figura 4.3 - Parâmetros da geometria Cruz de Jerusalém .............................................. 63
Figura 4.4 - Geometria convolucionada ......................................................................... 65
Figura 4.5 - Sequência da inserção dos braços ............................................................... 65
Figura 4.6 - Resposta em frequência das FSS apresentas nas figuras 4.1 e 4.2 ............. 66
Figura 4.7 - Geometria da FSS utilizada para o banco de dados .................................... 67
Figura 4.8 - Layout do programa "AnaliseFSS" desenvolvido ...................................... 68
Figura 4.9 - Exemplo do programa "TreinamentoRBFSS" ............................................ 69
Figura 4.10 - Rede RBF utilizada ................................................................................... 70
Figura 5.1 - Desempenho da RNA para FSS com geometria espira quadrada ............... 73
Figura 5.2 - Dimensões da geometria quadrada a partir do resultado da RNA .............. 74
Figura 5.3 - Resposta em frequência simulada da FSS espira quadrada para polarização
vertical ............................................................................................................................ 75
Figura 5.4 - Medição da FSS espira quadrada para polarização vertical ....................... 75
Figura 5.5 - Resposta em frequência simulada da FSS espira quadrada para polarização
horizontal ........................................................................................................................ 76
Figura 5.6 - Medição da FSS espira quadrada para polarização horizontal ................... 77
v
Figura 5.7 - FSS cascateadas .......................................................................................... 78
Figura 5.8 - Desempenho da RNA para FSS com geometria Espira Quadrada Dupla .. 78
Figura 5.9 - Dimensões das geometrias a partir dos resultados das RNA. a) Espira
quadrada dupla; b) Espira quadrada ............................................................................... 79
Figura 5.10 - Resposta em frequência das FSS separadamente ..................................... 80
Figura 5.11 - Resposta em frequência simulada das FSS em cascata para polarização
vertical. ........................................................................................................................... 81
Figura 5.12 - Resultados medidos para FSS cascateadas com polarização vertical. ...... 82
Figura 5.13 - Resposta em frequência simulada das FSS cascateadas para polarização
horizontal. ....................................................................................................................... 83
Figura 5.14 - Resultados medidos para FSS cascateadas com polarização horizontal... 84
Figura 5.15 - Desempenho da RNA para FSS com geometria Cruz de Jerusalém ........ 85
Figura 5.16 - Dimensões da geometria cruz de Jerusalém a partir dos resultados das
RNA ................................................................................................................................ 86
Figura 5.17 - Resposta em frequência da FSS geometria cruz de Jerusalém para
polarização vertical. ........................................................................................................ 86
Figura 5.18 - Resultados medidos para FSS projetada para polarização vertical........... 87
Figura 5.19 - Resposta em frequência da FSS geometria cruz de Jerusalém para
polarização horizontal..................................................................................................... 88
Figura 5.20 - Resultados medidos para FSS projetada para polarização horizontal ...... 89
Figura 5.21 – Desempenho da RNA para FSS com geometria Convolucionada ........... 90
Figura 5.22 - Dimensões da geometria convolucionada a partir dos resultados das RNA
........................................................................................................................................ 91
Figura 5.23 – Resposta em frequência da FSS com geometria convolucionada para
polarização vertical ......................................................................................................... 91
Figura 5.24 - Resultados medidos da FSS com geometria convolucionada para
polarização vertical ......................................................................................................... 92
Figura 5.25 - Resposta em frequência da FSS com geometria convolucionada para
polarização horizontal..................................................................................................... 93
Figura 5.26 - Resultados medidos da FSS com geometria convolucionada para
polarização horizontal..................................................................................................... 94
Figura 5.27 - Comportamento de l1 e w2 com relação a variação de fr1 ......................... 96
Figura 5.28 - Comportamento de l1 e w2 com relação a variação de fr2 ......................... 96
Figura 5.29 - Comportamento de l1 e w2 com relação a variação de BW1 ..................... 97
vi
Figura 5.30 - Comportamento de l1 e w2 com relação a variação de BW2 ...................... 98
Figura A.0.1 - Algoritmo de treinamento. Adaptado de [58] ....................................... 108
Figura A.0.2 - Algoritmo de operação. Adaptado de [58] ............................................ 109
Figura A.0.3 - Algoritmo de treinamento não-supervisionado. Adaptado de [58] ....... 109
Figura A.0.4 - Algoritmo de treinamento supervisionado. Adaptado de [58] .............. 110
Figura A.0.5 - Fase de operação. Adaptado de [58] ..................................................... 110
vii
Lista de Tabelas
viii
1
1. Capítulo 1 – Introdução
Os avanços tecnológicos ocorridos nos últimos anos aliados a busca dos usuários
por dispositivos cada vez mais multifuncionais, de baixo peso, custo reduzido e que
detenham tecnologias que satisfaçam suas necessidades propiciou uma atenção especial
às superfícies seletivas em frequência (Frequency Selective Surfaces – FSS).
Apesar das vantagens das FSS, a utilização de certas geometrias no projeto de FSS
pode tornar a sua análise bastante complexa ao utilizar métodos eletromagnéticos
encontrados na literatura, tais como: Método dos Momentos (MoM) [6], Elementos
Finitos [7], Circuito Equivalente [8], etc. Dessa forma, uma das alternativas encontradas
para contornar essa problemática é fazer uso das redes neurais artificiais (RNA) para
projeto de FSS com as especificações desejadas.
CAPÍTULO 1 – INTRODUÇÃO 2
Desde o início dos anos 90, a rede neural tem sido utilizada como uma ferramenta
numérica flexível para a modelagem de dispositivos micro-ondas. Dentre as vantagens da
utilização da RNA pode-se citar a versatilidade, computação eficiente, redução da
ocupação de memória, estabilidade dos algoritmos de aprendizagem e generalização dos
dados representativos [15].
O propósito deste trabalho é utilizar a rede RBF (Radial Basis Function) como
uma ferramenta para síntese de FSS com a finalidade de otimizar suas geometrias. Serão
otimizadas três geometrias consagradas na literatura científica: espira quadrada, espira
quadrada dupla e cruz de Jerusalem. Além dessas, uma geometria convolucionada
desenvolvida neste trabalho.
2.1. Introdução
desenvolvimento da grade de difração óptica [16]. Em meados dos anos 60, as superfícies
seletivas passaram a ter papel de destaque por causa do grande potencial nos setores
militares [17].
No projeto das FSS, alguns aspectos são de suma importância para determinar a
sua frequência de ressonância e a largura de banda de operação, tais como: tipo, forma,
dimensão e periodicidade dos elementos a serem utilizados, tipo de dielétrico e sua
espessura. Isso se deve ao fato destes parâmetros exercerem forte influência no
comprimento de onda de ressonância e, consequentemente, na frequência de operação e
largura de banda da FSS.
As FSS com elementos do tipo abertura são conhecidas como FSS indutivas e são
utilizadas para fornecer características passa-faixa ou passa-alta. Na medida em que as
aberturas entram em ressonância com a frequência da onda incidente, a estrutura vai se
tornando “transparente” para essa onda incidente, até que ocorra a transmissão total da
onda.
As FSS com elementos do tipo patch condutor são conhecidas como FSS
capacitivas e possuem características rejeita-faixa ou passa-baixa, pois à medida que os
elementos patches entram em ressonância com a frequência da onda incidente, a estrutura
irradia potência incidente na direção de reflexão, dessa forma, quando a estrutura entra
totalmente em ressonância, a superfície se comporta como um condutor perfeito
refletindo totalmente a onda incidente [17]. A Figura 2.2 apresenta as FSS passa-faixa e
rejeita-faixa de acordo com o tipo abertura e patch condutor e a resposta em frequência.
A representação em cinza é o dielétrico e o preto é a parte metálica da estrutura.
CAPÍTULO 2 – SUPERFÍCIE SELETIVA EM FREQUÊNCIA 6
(a)
(b)
Figura 2.2 - Tipos de Filtros. a) Abertura (passa-faixa) b) Patch condutor (rejeita-faixa)
As FSS ainda podem ser divididas em dois tipos: anteparo fino ou anteparo
espesso, dependendo da espessura do elemento. A FSS de anteparo fino são geralmente
utilizadas em elementos do tipo circuito impresso, sendo patch condutor ou abertura. As
FSS possuem esta característica quando a espessura da camada metalizada é inferior a
0,001!0, em que !0 é o comprimento de onda para frequência a qual o anteparo irá ressoar.
Essas FSS são bastante utilizadas devido algumas vantagens como pequeno volume, leve
e baixo custo em relação às FSS anteparo espesso.
Já as FSS anteparo espesso possuem uma camada metalizada mais espessa, sendo
bastante utilizada em filtros passa-faixa. Sua fabricação é mais cara e requer maior
precisão na construção. A vantagem deste tipo de FSS é que a razão da frequência
transmitida para a frequência refletida (ft/fr), ou banda de separação, pode ser reduzida
para 1,15; o que é adequado para antenas de satélite com comunicações multifrequenciais
[18].
CAPÍTULO 2 – SUPERFÍCIE SELETIVA EM FREQUÊNCIA 7
De acordo com [19], os elementos das FSS podem ser divididos em quatro grupos.
O Grupo 1, representado na Figura 2.4, corresponde aos n-polos conectados pelo centro.
As formas mais comuns são: Dipolo Fino, Cruz de Jerusalém, Dipolo Cruzado e o
Tripolo.
Por último, o Grupo 4 é formado por elementos que surgiram a partir de uma
modificação ou combinação dos elementos típicos. A Figura 2.7 exemplifica dois
elementos combinados. O primeiro é o resultado da combinação da espira quadrada com
dipolo cruzado e o segundo é formado a partir do agrupamento entre o patch circular e o
dipolo cruzado.
acordo com a geometria utilizada. Essa forma pode ser subdividida em partes, na qual
cada parte menor do objeto ou processo fractal se assemelha ao todo, ou seja, possui uma
relação de auto similaridade ou auto semelhança [19].
Segundo Reed em [20], o projeto de uma FSS com elementos fractais é uma
solução bastante competitiva, uma vez que as características inerentes à geometria fractal
permitem o desenvolvimento de filtros espaciais compactos e com desempenho superior
em relação a estruturas convencionais. Na engenharia de micro-ondas, o interesse nas
geometrias fractais está na possibilidade de ajuste dos parâmetros eletromagnéticos dos
dispositivos de RF/micro-ondas, tais como, frequência de ressonância e largura de banda
[21]. Nas Figuras 2.8 e 2.9 podem-se observar alguns elementos fractais utilizados em
relatos científicos [22], [23].
Figura 2.10 - FSS multifractal. a) Curva de Kock nível 1 com Tapete de Sierpinski nível 1 e b) Curva de Kock
nível 1 com Tapete de Sierpinski nível 2. Extraído de [24]
Nos métodos de onda completa, há técnicas para análise de uma FSS entre elas, o
método da expansão modal, que permite uma análise rigorosa, fornecendo, dessa forma,
resultados precisos e detalhados das estruturas estudadas [27]. Quando este método é
utilizado em combinação com o Método dos Momentos (MoM), são obtidos resultados
rigorosos.
camada perfeitamente casada (Perfect Matched Layer – PML) proposta por Berenger,
para limitar o domínio computacional [30].
O Método iterativo das ondas (Wave Concept Interative Procedure – WCIP) trata-
se de outro método usado na análise de FSS que apresenta uma redução no esforço
computacional, comparado com outros métodos de onda completa, e boa flexibilidade
quanto à forma da estrutura planar. Este método é baseado no conceito de ondas
eletromagnéticas e no princípio da reflexão e transmissão de ondas em uma interface [31],
[32].
Vários setups podem ser utilizados para medição das propriedades de transmissão
e reflexão de uma FSS. Dentre estes, uma técnica muito precisa é ilustrada na Figura 2.11.
A medição é realizada utilizando um analisador de redes e antenas de ganho padrão como
antena transmissora e receptora. É possível medir as características de transmissão com
polarização vertical e polarização horizontal da FSS em teste posicionado no suporte de
estruturas entre as duas antenas cornetas, através da alteração da polarização das antenas
de vertical para horizontal. Os absorvedores no suporte reduzem as difrações nas bordas
da mesma [29].
CAPÍTULO 2 – SUPERFÍCIE SELETIVA EM FREQUÊNCIA 13
Neste trabalho, será utilizado o setup visto na Figura 2.11 para medição das
características de transmissão das FSS projetadas. Foi utilizado o analisador vetorial de
redes modelo E5071C da fabricante Agilent e duas antenas corneta da fabricante A. H.
Systems, modelo SAS-571 com frequência de operação de 700 MHz a 18 GHz.
Figura 2.12 - Refletor de FSS com uma antena UWB. Adaptado de [35]
Cada FSS possui um papel fundamental a fim de refletir certas frequências. A FSS
1, possui a característica de refletir as frequências mais altas; a FSS 4, as frequências mais
baixas e as FSS 2 e 3, as frequências intermediárias.
A partir da Figura 2.13, pode-se perceber que o uso das FSS como refletor fez
com que o ganho da antena obtivesse uma variação de apenas ± 0,5 dB além do aumento
do ganho que passou a ter uma média de 9,3 dBi o qual anteriormente era de 4 dBi com
variações de 2 dB.
CAPÍTULO 2 – SUPERFÍCIE SELETIVA EM FREQUÊNCIA 15
Figura 2.13 - Ganho teórico e medido da antena UWB com e sem refletor. Adaptado de [35]
Silva Segundo, Campos e Gomes Neto, em [36], fizeram uso de FSS cascateadas
para obter característica UWB. Foi realizado o empilhamento de três FSS, uma FSS com
patch retangular, outra com patch retangular e a inserção de uma fenda e na última FSS,
foram inseridas duas fendas no patch. A Figura 2.14 apresenta a disposição das FSS.
Atualmente, as pesquisas têm se voltado para projetos de FSS que atenda a alguns
requisitos tais como, estabilidade angular e de polarização. Silva Segundo, Campos e
Braz, em [38], propõem uma modificação da geometria fractal poeira de cantor para
projetar uma FSS com estabilidade angular e de polarização para operação em aplicações
UWB. Na Figura 2.17, é apresentada a geometria utilizada no projeto da FSS.
Na Figura 2.18, é visível que, para polarização vertical, houve uma pequena
degradação na largura de banda, mas nada que afete o seu funcionamento em UWB. Para
polarização horizontal, há um relativo aumento na largura de banda conforme apresentado
na Figura 2.19.
Estes resultados foram validados a partir de medições o que atestou que essa FSS
pode ser utilizada em aplicações UWB operando com uma largura de banda larga.
Já Lu, Yan e She em [39], apresentam uma FSS cascateada conforme apresentada
na Figura 2.20. A FSS apresentada possui a vantagem de possuir uma grande largura de
banda e a sua banda passante com poucas flutuações e apresenta respostas estáveis para
vários ângulos de incidência (aproximadamente de 0º a 68º).
A partir dos resultados e conforme enfatizado no relato científico, esta FSS pode
ser aplicada na redução do Radar Cross Section (RCS) de antenas. Nas Figuras 2.21 e
2.22, podem-se visualizar os resultados para o estudo de incidência angular e polarização.
Figura 2.29 - Polarização vertical e horizontal entre os absorvedores originais e fabricado. Extraído de [42]
CAPÍTULO 2 – SUPERFÍCIE SELETIVA EM FREQUÊNCIA 26
Figura 2.32 – Resultados da HIS com espiras quadradas concêntricas. Extraído de [44]
Já na Figura 2.35, pode-se atestar que o dispositivo não se mostra estável para
ângulo de incidência acima de 15º e que esta estrutura pode ser aplicada em sistemas com
alta diretividade para ambas as polarizações e sistemas com baixa diretividade com
polarização vertical.
2.7.Conclusão
3.1. Introdução
de Vetor de Suporte (Support Vector Machine - SVM) [53], Algoritmos Genéticos (AG)
[53].
As redes neurais artificiais tem sido alvo de estudos pelo reconhecimento de que
o cérebro humano processa informações de uma forma inteiramente diferente do
computador digital convencional.
Na Figura 3.3, pode-se perceber que a arquitetura possui uma camada de entrada
com dois neurônios, duas camadas intermediárias com quatro neurônios cada e uma
camada de saída com um neurônio. Na camada de entrada, os padrões são apresentados à
CAPÍTULO 3 – INTELIGÊNCIA COMPUTACIONAL 37
Essas redes são compostas por uma camada de entrada, as quais não possuem
pesos ajustáveis; camadas ocultas, pode ser um ou mais camadas; e uma camada de saída.
O sinal na entrada, se propaga para frente até chegar a camada de saída. O treinamento
dessa rede é realizado de forma supervisionada e o algoritmo mais famoso é o
backpropagation. A partir deste, vários outros foram desenvolvidos, tais como o resilient
CAPÍTULO 3 – INTELIGÊNCIA COMPUTACIONAL 38
Este algoritmo funciona de forma iterativa até que a resposta de saída da rede seja
similar a resposta desejada apresentada pelo padrão de entrada da rede. A Figura 3.6
apresenta um exemplo de uma RNA MLP treinada com o algoritmo backpropagation.
CAPÍTULO 3 – INTELIGÊNCIA COMPUTACIONAL 39
Figura 3.6 - Exemplo de RNA treinada com o algoritmo backpropagation. Adaptado de [58]
[1, 2, 3, ..., n2] e [1, ..., n3] representam os neurônios, os quais são representados
conforme Figura 3.6. Ij(L) são vetores cujos elementos denotam a entrada ponderada
em relação ao j-ésimo neurônio da camada L. Esses valores de I a partir do exemplo da
Figura 3.6, são definidos como:
%
(!) (!) (!) (!) (!) (!)
= " #$, . *$ + - = # ,' . *' / # ,! . *! / 0 / # ,% . *% (3.1)
$&'
CAPÍTULO 3 – INTELIGÊNCIA COMPUTACIONAL 40
%2
(1) (1) (!) (1) (1) (!) (1) (!) (1) (!)
- = " #$, . 3$ +- = # ,' . 3' / # ,! . 3! / 0 / # ,% . 3%2 (3.2)
$&'
(!) (!)
3 = 4 5- 6 (3.3)
(1) (1)
3 = 4 5- 6 (3.4)
Ao final das respostas produzidas pela rede, é necessário medir o desvio entre as
respostas produzidas pelos neurônios em relação aos seus valores desejados. Assim, para
medir o desempenho produzido pelas amostras (dados utilizados para o treinamento),
utiliza-se a função erro quadrático.
%@
9 (1)
1
7(8) = " ;< (8) > 3 (8)?
: (3.5)
&!
Ou seja, cada amostra possui a sua resposta desejada e a sua resposta calculada
pela rede neural. Dessa forma, calcula-se o erro quadrático para cada amostra. Esse erro
é calculado apenas na camada de saída da rede neural. Além desse cálculo, pode-se
utilizar o erro médio quadrático, dado por:
C
9
7A = " 7(8)
B (3.6)
D&!
neural. Dessa forma, o ajuste dos pesos de saída Wji(2) é realizado da seguinte forma:
CAPÍTULO 3 – INTELIGÊNCIA COMPUTACIONAL 41
(1) (1)
G7 G7 G3 G-
(1)
F7 = (1)
= (1)
. (1)
. (1)
(3.6)
G# ,$ G3 G- G# ,$
Em que
G7 (1)
(1)
= > 5< > 3 6 (3.7)
G3
(1)
G3 (1)
(1)
= 4H 5- 6 (3.8)
G-
(1)
G- (!)
(1)
= 3$ (3.9)
G# ,$
Com o resultado do gradiente, o ajuste dos pesos Wji(2) deve ser efetuado em direção
oposta ao gradiente a fim de minimizar o erro, portanto, o ajuste do peso fica:
F7
H# ,$ = >I. J H# ,$ = I. K . 3$
(1) (1) (1) (!)
F# ,$
(1) (3.11)
K = 5< > 3 6 . 4G 5- 6
(1) (1) (1)
(3.12)
Finalmente
# ,$ (L / 9) = # ,$ (L) / I. K . 3$
(1) (1) (1) (!)
(3.13)
CAPÍTULO 3 – INTELIGÊNCIA COMPUTACIONAL 42
F3 F-
(!) (!)
F7 F7
"7 (!)
= = . .
F# ,$ F3 F- F# ,$
(!) (!) (!) (!)
(3.14)
&M &M
F7 F(ND'! #D, . 3 )
& (1) (!)
F7 F7 F-D
(1) M
=% . = % (1) .
F3 D'! F-D F3 D'! F-D F3
(!) (1) (!) (!)
(3.15)
&M
F7 F7
=% . #D,
(1)
F3 D'! F-D
(!) (1)
(3.16)
&M
F7
= > % KD . #D,
(1) (1)
F3
(!)
(3.17)
D'!
F3
(1)
= 4G 5- 6
(!)
F-
(1)
(3.18)
F-
(1)
= O$
F# ,$
(1)
(3.19)
&M
F7
= > P% KD . #D, Q . 4G 5- 6 . O$
(1) (1) (!)
F# ,$
(!)
(3.20)
D'!
F7
H# ,$ = >I. J H# ,$ = I. K . O$
(!) (!) (!)
F# ,$
(!) (3.21)
&M
K = P% KD . #D, Q . 4G 5- 6
(!) (1) (1) (!)
(3.22)
D'!
CAPÍTULO 3 – INTELIGÊNCIA COMPUTACIONAL 43
Então,
# ,$ (L / 9) = # ,$ (L) / I. K . O$
(!) (!) (!)
(3.23)
Dentre as características inerentes a uma rede MLP, pode-se citar o alto grau de
conectividade pelas conexões da rede; uma ou mais camadas ocultas, as quais não fazem
parte da camada de entrada nem da camada de saída; Em cada nó da rede, há uma função
de ativação que propaga o sinal para frente até a camada de saída. Este tipo de rede é
bastante utilizado como referência para comparação dos resultados obtidos com outras
técnicas.
As redes de função de base radial, do inglês Radial Basis Function (RBF), são
compostas por uma camada intermediária, nas quais as funções de ativação são do tipo
gaussiana, diferentemente da rede perceptron de múltiplas camadas, em que pode-se
haver mais de uma camada oculta [58].
Os valores de x1, x2, x3, ..., xn representam a camada de entrada o qual os valores
normalizados são apresentados à rede. Neste trabalho, os dados inseridos na camada de
entrada são os valores das frequências de ressonâncias e largura de banda normalizados
(x), ou seja, x = x/xmáx, xmáx são os valores máximos de cada parâmetro de entrada dentro
do banco de dados (Capítulo 4). Na camada de saída, a rede apresentará os valores das
dimensões da geometria e a espessura do dielétrico normalizados y. Então, o valor final
é y = y.ymáx.
CAPÍTULO 3 – INTELIGÊNCIA COMPUTACIONAL 44
Na fase de ajuste dos pesos, o treinamento pode ser dividido em duas fases. A
primeira que consiste no ajuste dos pesos da camada intermediária que ocorre de forma
não-supervisionada. Este ajuste depende das características dos dados de entrada está
diretamente relacionado com a alocação das funções de bases radiais.
(%$&)'
!(") = #
$
*+' (3.24)
(/) 3
+0
12/(%
, -*. )
*
(!)
"#
(!)
$=
(!)
%) = '
(& 45 3 (3.25)
O ajuste dos pesos dos neurônios da camada de saída deve ser realizado após a
etapa do ajuste da camada intermediária. Na camada de saída, a função de ativação
utilizada foi a sigmoide. O conjunto de treinamento, da forma supervisionada, será
constituído por pares de entrada e saída desejada. As entradas serão as respostas
produzidas pela camada intermediária (função de ativação gaussiana). Então, a saída
será conforme Equação 3.26.
CAPÍTULO 3 – INTELIGÊNCIA COMPUTACIONAL 46
: H
9 < G
y, = 6 (4) 7 9;<> G
9 +B-=<(A,- ;6(<) ) G
C (3.26)
9 < ? exp @' EG
;
CDC
8 F
Segundo [58], vale ressaltar que o aumento indiscriminado dos neurônios nas
camadas intermediárias nas redes neurais, não garante a generalização apropriada às
CAPÍTULO 3 – INTELIGÊNCIA COMPUTACIONAL 47
Como o AG foi apresentado acima, neste espaço, será tratado apenas do outro tipo
de otimização utilizado em [62] que é a baseada em inteligência de enxames. Neste tipo,
comportamentos emergentes surgem da coletividade de indivíduos que interagem entre
si e com o ambiente. Um exemplo desta otimização é a PSO que é inspirada na coreografia
de pássaros e cardumes. Nesta técnica, o sistema é inicializado com uma população de
soluções aleatórias, geradas de acordo com as restrições de cada projeto e a cada iteração,
procura-se por ótimos atualizando gerações. De acordo com [62], pode-se citar algumas
vantagens, como a simplificação dos cálculos comparados com outras técnicas como o
algoritmo genético.
FSS para operarem em uma frequência de ressonância em 9,5 GHz e 10,5 GHz. Na
estrutura 1 que possui frequência de ressonância em 9,5 GHz, os valores otimizados pelo
AG são W = 1,35 mm e L = 9,87 mm. Já a estrutura 2 que possui a frequência de
ressonância em 10,5 GHz, o valor de W é 1,77 mm e L = 9,1 mm. A periodicidade de
ambos é de 13 mm. A Figura 3.10 apresenta a geometria utilizada e discrimina o W que
é a largura da fita e L o comprimento do dipolo.
Figura 3.11 – Estrutura 1: Resultados simulados e medidos da perda por inserção em função da frequência.
Adaptado de [62]
CAPÍTULO 3 – INTELIGÊNCIA COMPUTACIONAL 49
Figura 3.12 - Estrutura 2: Resultados simulados e medidos da perda por inserção em função da frequência.
Adaptado de [62]
Figura 3.13 - Resultados simulados e medidos das estruturas cascateadas. Adaptado de [62]
Para a espira quadrada, os requisitos desejados são: S21 = -5dB com frequência de
banda de passagem mais baixa (fp1) = 9,32 GHz e frequência de banda de passagem mais
alta (fp2) = 24,35 GHz; S21 = -20 dB com frequência de banda de rejeição mais baixa (fr1)
= 9,32 GHz e frequência de banda de rejeição mais alta (fp2) = 16 GHz e frequência de
ressonância (fr) igual a 15,2 GHz. Após a execução do algoritmo genético, o mesmo
resultou nas seguintes dimensões: periodicidade (p) = 4,3 mm; comprimento (d) = 4.2
mm e largura (w) = 0,3 mm. A Figura 3.15 apresenta os resultados simulados a partir do
resultado do AG e o medido.
Figura 3.20 - Característica de transmissão para FSS projetada em 11 GHz. Adaptado de [65]
Figura 3.21 - Característica de transmissão para FSS projetada em 9 GHz. Adaptado de [65]
3.4. Conclusão
A partir dos relatos, observa-se que o trabalho em conjunto das redes neurais e
algoritmos genéticos é muito importante, devido a flexibilidade e fácil aplicação para
estruturas que não tem a função custo obtida diretamente.
60
4.1. Introdução
Neste capítulo, serão apresentadas as quatro geometrias que serão utilizadas para
obter respostas com aplicações comerciais. Serão utilizadas as geometrias espira
quadrada, espira quadrada dupla, cruz de Jerusalém e uma geometria convolucionada
inédita em relatos científicos.
Para as quatro geometrias utilizada neste estudo, foi realizada uma campanha de
simulação para gerar o banco de dados que será utilizado para sintetizar estas geometrias
com o objetivo de obter diferentes aplicações comerciais. A espira quadrada, foi utilizada
para projetar FSS que rejeite as frequências da banda X. A geometria espira quadrada
dupla foi projetada para, em cascata com a espira quadrada, projetar uma FSS para aplicar
na tecnologia Ultra Wideband (UWB). A cruz de Jerusalém foi utilizada no projeto de
FSS para bloquear as frequências da banda C e banda Ku.
A seguir, será apresentada uma descrição de cada uma das geometrias utilizadas
para obter as respostas que se encaixam nas aplicações acima, bem como quais
parâmetros foram variados destas geometrias para a geração do banco de dados. E, no
CAPÍTULO 4 – ANÁLISE DE SUPERFÍCIE SELETIVA EM FREQUÊNCIA E
MODELAGEM DAS REDES NEURAIS 61
capítulo seguinte, serão apresentados os resultados experimentais das RNA do tipo RBF
utilizadas para realizar a síntese das geometrias das FSS.
4.4.Cruz de Jerusalém
Parâmetros Valores em mm
Periodicidade (p) 10; 12; 15; 16; 20
Comprimento do dipolo 7; 9,6; 10; 13; 15
cruzado (d)
Comprimento do stub (bd) 7; 9,6; 10,2; 13; 15
0,1; 0,15; 0,2; 0,25; 0,3; 0,35; 0,5;
Espessura do dipolo (w)
0,65; 0,8; 0,9; 1,1; 1,3; 1,5; 1,7
Espessura do stub (h) 0,2; 0,3; 0,4
Espessura do dielétrico (hd) 0,8; 1,2; 1,6
Figura 4.6 - Resposta em frequência das FSS apresentas nas figuras 4.1 e 4.2
A partir desta análise, foi selecionada a FSS 2 para a construção do banco de dados
utilizado para o treinamento da rede neural RBF. Esta FSS foi selecionada em virtude de
obter duas bandas de rejeição, já que a banda ISM compreende as frequências 2,4 a 2,5
GHz e 5,725 a 5,875 GHz e a banda UNII vai de 5,15 a 5,35 GHz e 5,725 a 5,825 GHz.
Ou seja, necessita-se de uma FSS com característica dual band.
O banco de dados da FSS proposta foi realizado por meio da alteração de algumas
medidas da FSS 2 da Figura 4.3. A Figura 4.7 descrimina quais parâmetros foram variados
da geometria.
CAPÍTULO 4 – ANÁLISE DE SUPERFÍCIE SELETIVA EM FREQUÊNCIA E
MODELAGEM DAS REDES NEURAIS 67
Parâmetros Valores em mm
Comprimento da fita 0; 0,5; 1; 1,5; 2; 2,5; 3; 3,5; 4; 4,5;
externa (l1) 5; 5,5; 6; 6,5; 7; 7,5; 8; 8,5; 9
Espessura da fita interna 0,5; 0,75; 1; 1,25; 1,5; 1,75; 2;
(w2) 2,25; 2,5
Todas as simulações foram realizadas para o domínio de 500 MHz a 7 GHz e
obteve-se um banco de dados com 165 amostras, conforme visto no Apêndice B.
A partir da Figura 4.8, percebe-se que o programa possui o botão “Abrir” que a
partir dele, o usuário seleciona o arquivo de simulação que deseja extrair as características
de transmissão como frequência de ressonância e largura de banda da FSS simulada. O
botão “Resultado” abre um arquivo com os resultados obtidos dos arquivos selecionados
e as características de cada arquivo. O botão “Sobre” apresenta algumas informações
sobre o programa. No programa, pode selecionar os tipos de polarização vertical e/ou
horizontal caso o arquivo possua a simulação para os dois tipos de polarização. Os botões
“Abrir Janela” foi implementado com a finalidade de abrir o gráfico apresentado na
interface em uma janela à parte.
4.8.Conclusão
5. Capítulo 5 – Resultados
5.1. Introdução
Para a implementação das redes neurais, foi utilizado como critério de parada de
treinamento da rede, o valor do erro médio quadrático de cada época de treinamento,
conforme fórmula (3.6) e a quantidade de épocas. Após a implementação das redes, foram
CAPÍTULO 5 – RESULTADOS 73
Neste projeto, a geometria espira quadrada foi utilizada como elemento da FSS
para aplicar no bloqueio das frequências que correspondem à banda X. A faixa de
frequência correspondente vai de 8 GHz a 12 GHz e tem uso voltado para aplicações
militares.
A RNA foi treinada a partir das características extraídas das amostras apresentadas
no Capítulo 4. Na Figura 5.1 são vistos os desempenhos da rede na fase de treinamento e
validação, que para efeito de melhor visualização, na Figura 5.1 vê-se o resultado até a
época 1000.
Figura 5.1 - Desempenho da RNA para FSS com geometria espira quadrada
foi de 0,006 e o erro médio quadrático a ser atingido foi igual a 0,05. A rede convergiu
para o resultado do erro médio quadrático em torno da 50.390 época.
Como resultado da RNA, o valor da espessura (h) do dielétrico (FR-4) foi de 1,2
mm, a periodicidade (p) de 9,17 mm; o comprimento (d) de 7,43 mm e a espessura (w)
igual a 1,16 mm, conforme visto na Figura 5.2.
Analisando a resposta da RNA, percebe-se que houve um erro relativo aos valores
de projeto de 0,03 para a frequência de ressonância e 0,025 para a largura de banda.
CAPÍTULO 5 – RESULTADOS 75
Figura 5.3 - Resposta em frequência simulada da FSS espira quadrada para polarização vertical
Comparando os resultados das Figuras 5.3 e 5.4, verifica-se que a FSS para
polarização vertical possui uma estabilidade angular possuindo uma pequena diferença
na resposta em frequência para os diferentes ângulos analisados. A Tabela 5.1 apresenta
CAPÍTULO 5 – RESULTADOS 76
Simulado Medido
• fr1 (GHz) BW1 (GHz) fr1 (GHz) BW1 (GHz)
0º 10,30 4,10 10,90 2,60
10º 10,30 4,00 10,80 3,30
20º 10,20 3,90 10,80 3,15
30º 10,10 3,90 10,75 4,10
Figura 5.5 - Resposta em frequência simulada da FSS espira quadrada para polarização horizontal
Simulado Medido
• fr1 (GHz) BW1 (GHz) fr1 (GHz) BW1 (GHz)
0º 10,30 4,10 10,75 3,60
10º 10,30 4,10 10,80 3,25
20º 10,30 3,90 10,80 3,50
30º 10,30 3,60 10,70 3,80
A partir dos resultados vistos nas Tabelas 5.1 e 5.2, pode-se afirmar que a FSS
com a geometria projetada possui estabilidade de polarização e estabilidade angular.
Nota-se uma concordância entre os resultados simulados e medidos, haja visto o erro
médio relativo aos valores simulados da frequência de ressonância e largura de banda
obtidos a partir da Tabela 5.2 terem atingido os valores de 0,045 e 0,122.
A geometria espira quadrada dupla será utilizada para projetar uma FSS para
utilização na tecnologia Ultra Wideband (UWB) que consiste do intervalo de frequência
CAPÍTULO 5 – RESULTADOS 78
que vai de 3,1 GHz a 10,6 GHz. Para obter o bloqueio da faixa de frequência que
compreende a tecnologia UWB, serão utilizadas duas FSS cascateadas, conforme
apresentado na Figura 5.6.
Figura 5.8 - Desempenho da RNA para FSS com geometria Espira Quadrada Dupla
CAPÍTULO 5 – RESULTADOS 79
(a) (b)
Figura 5.9 - Dimensões das geometrias a partir dos resultados das RNA. a) Espira quadrada dupla; b) Espira
quadrada
Os resultados medidos para a FSS 1 foram 3,4 GHz e 9,45 GHz, conforme pode
ser visualizado na Tabela 5.3.
Simulado Medido
fr (GHz) BW (GHz) fr (GHz) BW (GHz)
FSS 1 3,25 1,25 3,40 1,11
9,00 2,50 9,45 2,99
FSS 2 6,00 2,75 6,26 3,91
Figura 5.11 - Resposta em frequência simulada das FSS em cascata para polarização vertical.
Figura 5.12 - Resultados medidos para FSS cascateadas com polarização vertical.
Simulado Medido
• fr1 (GHz) – fr2 (GHz) BW (GHz) fr1 (GHz) – fr2 (GHz) BW (GHz)
0º 3,10 – 10,60 7,50 3,15 – 11,28 8,13
10º 3,10 - 10,70 7,60 3,07 – 11,19 8,12
20º 3,10 - 10,70 7,60 3,16 – 11,22 8,06
30º 3,10 - 10,80 7,70 3,15 – 11,18 8,03
Na Tabela 5.4, fr1 e fr2 representam os valores inferior e superior do bloqueio das
frequências. A partir dos resultados medidos, confirma-se que a estrutura projetada
consegue cobrir todo intervalo de frequência que compreende a tecnologia UWB.
Figura 5.13 - Resposta em frequência simulada das FSS cascateadas para polarização horizontal.
Figura 5.14 - Resultados medidos para FSS cascateadas com polarização horizontal.
Simulado Medido
• fr1 (GHz) – fr2 (GHz) BW (GHz) fr1 (GHz) – fr2 (GHz) BW (GHz)
0º 3,10 – 10,60 7,5 3,00 – 11,64 8,64
10º 3,10 - 10,60 7,5 3,03 – 11,53 8,50
20º 3,10 - 10,60 7,5 3,13 – 11,5 8,37
30º 3,10 - 10,60 7,5 3,14 – 11,00 7,86
Neste projeto, será utilizada uma FSS com geometria de cruz de Jerusalém para
projetar uma superfície seletiva de frequência que seja capaz de bloquear as frequências
do sistema via satélite nas bandas C e Ku. O sistema na frequência de uplink na banda C
consiste nas frequências que vai de 5,85 a 6,425 GHz e na banda Ku vai de 14 a 14,5
GHz. Na frequência de downlink na banda C vai de 3,625 a 4,2 GHz e na banda Ku de
11,7 a 12,2 GHz.
Figura 5.15 - Desempenho da RNA para FSS com geometria Cruz de Jerusalém
Após o treinamento, foram inseridos os valores de fr1 igual a 5,5 GHz, BW1 igual
a 3 GHz, fr2 igual a 13,5 GHz, BW2 igual a 3 GHz. Os valores obtidos da rede foram: p =
10,84 mm; hd = 1,6 mm; bd = 8,43 mm; d = 10,63 mm; h = 0,4 mm; w = 2,30 mm. A
geometria cruz de Jerusalém e suas dimensões podem ser vistas na Figura 5.16.
Figura 5.16 - Dimensões da geometria cruz de Jerusalém a partir dos resultados das RNA
Figura 5.17 - Resposta em frequência da FSS geometria cruz de Jerusalém para polarização vertical.
Com os valores obtidos para incidência de 0º, pode-se calcular o erro relativo entre
o valor inserido na entrada da rede e o valor encontrado com os parâmetros obtidos com
a RNA. O erro relativo aos valores de projeto referente à fr1 e BW1 são iguais a 0,073 e
0,13, respectivamente. Já os valores referentes à fr2 e BW2 são iguais a 0,007 e 0,2,
respectivamente.
Figura 5.18 - Resultados medidos para FSS projetada para polarização vertical
Simulado Medido
fr1 BW1 fr2 BW2 fr1 BW1 fr2 BW2
•
(GHz) (GHz) (GHz) (GHz) (GHz) (GHz) (GHz) (GHz)
0º 5,1 2,6 13,4 3,6 5,08 2,80 13,69 3,92
10º 5,1 2,6 13,4 3,6 5,15 2,87 13,48 3,99
20º 5,1 2,7 13,3 3,7 5,15 2,80 13,27 3,78
30º 5,1 2,9 13,2 3,8 5,22 2,87 13,41 3,78
CAPÍTULO 5 – RESULTADOS 88
Figura 5.19 - Resposta em frequência da FSS geometria cruz de Jerusalém para polarização horizontal
Analisando a Figura 5.19, percebe-se uma boa estabilidade angular com todos os
ângulos de incidência com frequências de ressonâncias iguais a 5,1 GHz e 13,4 GHz e
leves variações nas larguras de banda. Estes resultados simulados são validados com os
resultados medidos apresentados na Figura 5.20.
CAPÍTULO 5 – RESULTADOS 89
Figura 5.20 - Resultados medidos para FSS projetada para polarização horizontal
Simulado Medido
! fr1 BW1 fr2 BW2 fr1 BW1 fr2 BW2
(GHz) (GHz) (GHz) (GHz) (GHz) (GHz) (GHz) (GHz)
0º 5,1 2,6 13,4 3,6 5,08 2,66 13,9 4,48
10º 5,1 2,6 13,4 3,6 5,15 2,59 14,18 4,13
20º 5,1 2,5 13,4 3,4 5,01 2,59 13,97 3,71
30º 5,1 2,3 13,3 3,1 5,08 2,31 14,04 3,64
A partir dos dados apresentados na Tabela 5.7, pode-se calcular os valores dos
erros médios relativos para fr1, fr2, BW1 e BW2. Os valores calculados foram 0,009; 0,048;
0,017; 0,164. O projeto da FSS projetada opera independentemente para o intervalo de
ângulo de incidência estudado, como também, para as polarizações vertical e horizontal.
da rede obteve os valores de l1 e w1 iguais a 8,98 e 0,71, conforme pode ser visto na Figura
5.22.
Figura 5.22 - Dimensões da geometria convolucionada a partir dos resultados das RNA
Figura 5.23 – Resposta em frequência da FSS com geometria convolucionada para polarização vertical
CAPÍTULO 5 – RESULTADOS 92
A partir dos resultados apresentados na Figura 5.23 verifica-se que a FSS não
possui variações na frequência de ressonância e nem na largura de banda, isso mostra que
a FSS possui estabilidade angular.
Figura 5.24 - Resultados medidos da FSS com geometria convolucionada para polarização vertical
Simulado Medido
fr1 BW1 fr2 BW2 fr1 BW1 fr2 BW2
!
(GHz) (GHz) (GHz) (GHz) (GHz) (GHz) (GHz) (GHz)
0º 2,75 1,07 5,50 1,00 2,73 0,858 5,73 1,23
10º 2,75 1,10 5,50 1,05 2,75 1,22 5,76 1,61
20º 2,75 1,12 5,50 1,07 2,78 1,40 5,81 1,82
30º 2,75 1,14 5,50 1,10 2,78 1,13 5,80 1,50
Os valores dos erros médios relativos apresentados na Tabela 5.7 para fr1, fr2,
BW1 e BW2, são, respectivamente, iguais a 0,04; 0,05; 0,141; 0,457.
Figura 5.25 - Resposta em frequência da FSS com geometria convolucionada para polarização horizontal
Figura 5.26 - Resultados medidos da FSS com geometria convolucionada para polarização horizontal
Simulado Medido
• fr1 BW1 fr2 BW2 fr1 BW1 fr2 BW2
(GHz) (GHz) (GHz) (GHz) (GHz) (GHz) (GHz) (GHz)
0º 2,75 1,05 5,5 1,0 2,71 0,88 5,71 1,20
10º 2,75 1,05 5,5 1,05 2,72 0,9 5,75 1,24
20º 2,75 0,95 5,4 1,05 2,6 0,97 5,61 1,32
30º 2,75 0,9 5,3 0,75 2,64 0,85 5,57 1,31
Pela Tabela 5.9, pode-se calcular os valores dos erros médios relativos das
frequência de ressonâncias (fr1 e fr2) e suas larguras de banda (BW1 e BW2). Os valores
encontrados para fr1 e fr2 são 0,03 e 0,043, respectivamente. Para BW1 e BW2, os valores
são 0,095 e 0,346, respectivamente.
CAPÍTULO 5 – RESULTADOS 95
Tendo em vista os resultados apresentados nas Figuras 5.23 a 5.26 e nas Tabelas
5.8 e 5.9, vê-se que a FSS possui estabilidade angular e de polarização na banda de 2,5
GHz enquanto que na banda de 5,5 GHz, a mesma possui pequenas variações na
frequência de ressonância e largura de banda. Então, pode-se concluir que a FSS possui
estabilidade angular e independência de polarização na região de interesse.
Por esta geometria ser inédita, será abordado uma seção com a análise
comportamental da dos valores de l1 e w2 com relação a variação das frequências de
ressonâncias na primeira e segunda banda de rejeição, como também, o seu
comportamento com a variação da largura de banda.
Esse estudo foi realizado utilizando a RNA treinada com esta geometria e, dessa
forma, conseguiu-se otimizar tempo, pois não houve necessidade de realizar diversas
caracterizações numéricas e analisar o comportamento somente após o término das
simulações.
Primeiramente variou-se a fr1 de 2,5 GHz até 4 GHz com passo de 0,1 GHz e
manteve-se os valores de BW1, fr2 e BW2 constantes iguais a 1 GHz, 5,5 GHz e 1 GHz,
respectivamente. E depois, manteve os valores de fr1, BW1 e BW2 constantes iguais a 2,5
GHz, 1 GHz e 1GHz, respectivamente, e variou-se a frequência fr2 de 5,5 GHz até 6,5
GHz com passo de 0,1 GHz. Esses valores foram inseridos na entrada da RNA e o
resultado é apresentado na Figura 5.27.
CAPÍTULO 5 – RESULTADOS 96
Na Figura 5.28 percebe-se que a variação de l1 afeta mais fr2 que w2. Já as Figuras
5.29 e 5.30 apresentam o comportamento de l1 e w2 mediante a variação da largura de
banda (BW1) com frequência de ressonância de 2,5 GHz e variação da largura de banda
(BW2) com frequência de ressonância em 5,5 GHz. Variou-se os valores de BW1 e BW2
de 0,9 GHz a 1,6 GHz, com passo de 0,1 GHz. Na variação de BW1, os outros parâmetros
fr1, fr2, BW2 mantiveram-se constantes iguais a 2,5 GHz, 5,5 GHz e 1 GHz,
respectivamente. Na variação de BW2, os outros parâmetros fr1, fr2, BW1 mantiveram-se
constantes iguais a 2,5 GHz, 5,5 GHz e 1 GHz, respectivamente.
Pela Figura 5.29, verifica-se que a variação de BW1 pouco afeta os valores de l1 e
w2 para primeira banda de rejeição.
CAPÍTULO 5 – RESULTADOS 98
5.8. Conclusão
6. Capítulo 6 – Conclusão
Foram realizadas apresentações das FSS utilizadas para montagem dos bancos de
dados deste trabalho, o qual foi descrito no Capítulo 4. Essas amostras foram utilizadas
no treinamento da rede RBF a fim de obter superfícies seletivas de frequência voltadas a
aplicações comerciais nas bandas não licenciadas ISM e UNII, banda C, banda X, banda
Ku, e o cascateamento de geometrias para aplicações na tecnologia UWB.
Referências Bibliográficas
[4] H. Xu et al,!“A Compact And Low-profile Loop Antenna With Six Resonant Modes
For LTE Smartphone”, IEEE Transactions on Antennas and Propagation, Vol. 64, No. 9,
3743-3751, September, 2016.
[7] J. Jin, “The!Finite Element Method in Electromagnetics”, 3rd Edition, Wiley, 2014.
[15] Q. J. Zhang e C. Gupta, “Artificial Neural Networks for RF and Microwaves Design
– From Theory to Practice”, IEEE Transactions on Microwave Theory and Techniques,
Vol. 51, No. 4, 1339-1350, April, 2003.
[18] T. K. Wu, “Frequency!Selective Surface and Grid Array”, Jonh Wiley & Sons, Nova
York, 1995.
[20] J. A. Reed, “Frequency Selective Surface With Multipole Periodic Elements”, 1997,
87p, Ph. D Dissertation - University of Texas, Texas, 1997.
[30]! J.! P.! Berenger,! “A! Perfectly! Matched! Layer! for Absortion of Electromagnetic
Waves”,!J.!Computational!Physics,!vol.!114,!No.!2,!185-200, October, 1994.
[32] M. Azizi, H. Aubert, H. Baubrand, “A! New Iterative Method for Scattering
Problems”, Proc. European Microwave Conf., Vol. 1, 255-258, October, 1995.
REFERÊNCIAS BIBLIOGRÁFICAS 104
[33] M. Panda, P. Samaddar, P. P. Sarkar, “Artificial Neural Network for the Analysis
and Design of a Frequency Selective Surface! with! SLITS”, International Journal of
Computer Applications in Engineering Sciences, Vol. 3, No. 2, 81-83, June, 2013.
[39] Z. Lu, X. Yan and J. She, “A! Novel! Wideband! Wide-angle Frequency Selective
Surface!Composite!Structure”, PIERS Proceedings, 1922-1925, August, 2014.
[41] F. Costa, and A. Monorchio, “A! Frequency! Selective! Radome! With! Wideband!
Absorbing!Properties”, IEEE Transactions on Antennas and Propagation, Vol. 60, No. 6,
2740-2747, June, 2012.
[45]!E.!C.!Braz!and!A.!L.!P.!S.!Campos,!“Multiband!Frequency!Selective!Surface!with!a!
Modified Multifractal Cantor!Geometry”,! Journal of Microwaves, Optoelectronics and
Electromagnetic Applications, Vol. 13, No. 2, 111-121, December, 2014.
[47] J.!J.!S.!Fernandez,!“Frequency!Selective!Surface!for!Terahertz!Application”,!2012,
266p, Ph.D. Thesis - The University of Edinburgh, United Kingdom, 2012.
[51] L. Zadeh, “Fuzzy!Sets”,!Information and Control, Vol. 8, No. 3, 338-353, June, 1965.
[52] T. Bayes, “An! Essay Towards Solving a Problem in the Doctrine of Chances”,
Philosophical Transactions of the Royal Society of London 53, 376-398, 1763.
[54] Q. J. Zhang and C. Gupta, “Neural Networks for RF and Microwaves Design”,
Artech House, London, 2000.
[60] T. Poggio, F. Girosi, “Networks! for! Approximation and Learning”. Proc. IEEE,
Vol. 78, No. 9, 1481-1497, September, 1990.
[62]!H.!W.!C.!Lins,!“Análise!e!Síntese!de!Antenas!e!Superfícies!Seletivas!de!Frequência!
Utilizando Computação Evolucionária e!Inteligência!de!Enxames”. 2012, 89p, Tese de
Doutorado - Universidade Federal do Rio Grande do Norte, Natal, 2012.
[63]!A.!L.!P.!S.!Campos,!A.!M.!Martins,!V.!A.!Almeida!Filho,!“Syntesis!of!Frequency!
Selective Surfaces using Genetic Algorithm combined with the Equivalent Circuit
Method”,! Microwave! and Optical Technology Letters, Vol. 54, No. 8, 1893-1897,
August, 2012.
[66]!M.!R.!Silva,!“Otimização!de!Superfície!Seletiva!de!Frequência!com!Elementos!Pré-
Fractais!Utilizando!Rede!Neural!MLP!e!Algoritmo!de!Busca!Populacional”, 2014, 102p,
Tese de Doutorado - Universidade Federal do Rio Grande do Norte, Natal, 2014.
[67] P. H.!F.!Silva,!R.!M.!S.!Cruz!and!A.!G.!D`Assunção,!“Blending!PSO!and!ANN!for!
Optimal!Design!of!FSS!Filters!With!Koch!Island!Patch!Elements”,!IEEE!Transactions!on!
Magnetics, Vol. 46, No. 8, 3010-3013, August, 2010.
[69] G.! L.! R.! Araújo,! “Método Híbrido para Projeto de Superfície Seletiva de
Frequência”,!2015, 152p, Tese de Doutorado - Universidade Federal do Rio Grande do
Norte, Natal, 2015.
[70] E.!A.!Parker!and!A.!N.!A.!El!Sheikh,!“Convoluted!Array!Elements!and!Reduced!
Size Unit Cells for Frequency-Selective! Surfaces”,! Proc.! Inst. Elect. Eng. Microw.,
Antennas Propag.,Vol. 138, pt. H, 19–22, February, 1991.
[71]!A.!D.!Chuprin,!E.!A.!Parker!and!J.!C.!Batchelor,!“Convoluted!double!square:!single!
layer!FSS!with!close!band!spacings”,!Electronics Letters, Vol. 36, No. 22, 1830-1831,
October, 2000.
108
ESPIRA QUADRADA
h P d w fr BW
0.8 5 3.5 0.1 16 3
0.8 5 3.5 0.2 17 3.5
0.8 5 3.5 0.3 18 4
0.8 5 3.5 0.4 19.5 5
0.8 5 3.5 0.5 21 5.5
0.8 5 3.5 0.15 16.5 3.5
0.8 5 3.5 0.25 17.5 4
0.8 5 3.5 0.35 19 5
0.8 5 3.5 0.45 20.5 5
0.8 10 6 0.2 10 1.5
0.8 10 6 0.4 11 2
0.8 10 6 0.6 12 2
0.8 10 6 0.8 13 2.5
0.8 10 6 1 14 3
0.8 10 7.5 0.2 7.5 2
0.8 10 7.5 0.4 8.5 2.5
0.8 10 7.5 0.6 9 1
0.8 10 7.5 0.8 9.5 3
0.8 10 7.5 1 10.5 3.5
0.8 15 13 1 4.75 1.75
0.8 15 13 1.5 5.5 2.5
0.8 15 13 2 6.25 3
0.8 15 13 2.5 7.25 3.5
0.8 15 13 3 8.5 4
0.8 15 13 3.5 10 5.75
0.8 15 13 4 11.75 7
0.8 15 13 4.5 14 7
0.8 15 13 5 16.75 10.5
0.8 20 10 0.5 7 1
0.8 20 10 1 8 1
0.8 20 10 1.5 8.5 1.5
0.8 20 10 2 9.5 1
0.8 20 10 2.5 10.5 1.5
0.8 20 10 3 11 1.5
0.8 20 18 0.5 2.5 1
0.8 20 18 1 3.25 1.5
0.8 20 18 1.5 3.5 1.75
0.8 20 18 2 4 2
0.8 20 18 2.5 4.25 2.25
APÊNDICE B – BANCO DE DADOS 112
CRUZ DE JERUSALÉM
hd p D w h g fr1 w1 fr2 w2
0.8 10 7 0.1 0.2 0.21 3.25 1.25 13.75 1.5
0.8 10 7 0.2 0.2 0.21 3.75 1.25 13.75 1.5
0.8 10 7 0.2 0.3 0.21 3.5 1.25 14 1.75
0.8 10 7 0.3 0.2 0.21 3.75 1.25 13.75 1.75
0.8 10 7 0.5 0.3 0.21 4 1.5 14.25 2.25
0.8 10 7 0.8 0.3 0.21 4.5 2 14.5 2.5
0.8 10 7 0.9 0.4 0.21 4.5 2 15 2.75
0.8 10 7 0.15 0.2 0.21 3.5 1 13.75 1.5
0.8 10 7 0.25 0.2 0.21 3.75 1.5 13.75 1.75
0.8 10 7 0.35 0.3 0.21 3.75 1.5 14 2
0.8 10 7 0.65 0.3 0.21 4.25 1.5 14.25 2.25
0.8 10 7 1.1 0.4 0.21 4.75 2 15.25 3.25
0.8 10 7 1.3 0.4 0.21 5 2.5 15.5 3.5
0.8 10 7 1.5 0.4 0.21 5.25 2.5 16 3.5
0.8 10 7 1.7 0.4 0.21 5.55 2.8 16.4 3.85
0.8 12 9.6 0.5 0.3 0.21 3.1 1.2 10.6 1.95
0.8 12 9.6 0.15 0.2 0.21 2.65 0.9 10.3 1.5
0.8 12 9.6 0.25 0.2 0.21 2.8 1.05 10.45 1.65
0.8 12 9.6 0.35 0.2 0.21 2.95 1.05 10.45 1.5
0.8 12 9.6 0.45 0.2 0.21 3.1 1.2 10.45 1.65
0.8 12 9.6 0.55 0.2 0.21 3.25 1.35 10.45 1.65
0.8 12 9.6 0.75 0.3 0.21 3.25 1.35 10.75 2.25
0.8 12 9.6 1.5 0.3 0.21 3.85 1.8 11.5 2.7
0.8 12 9.6 1.5 0.4 0.21 3.85 1.95 11.5 3
APÊNDICE B – BANCO DE DADOS 120
CONVOLUCIONADA
l1 w2 fr1 BW1 fr2 BW2
0 0.5 4.8 1.15 6.25 0.95
0 1 4.75 1.25 6.35 1.05
0 1.5 4.8 1.15 6.25 0.95
0 2.0 4.65 1.55 6.5 1
0 2.5 4.8 1.15 6.25 0.95
0.5 0.5 4.65 1.05 6.05 1.05
0.5 0.75 4.65 1.15 6.1 1.1
0.5 1.0 4.6 1.25 6.1 1.15
0.5 1.25 4.6 1.25 6.15 1.2
0.5 1.5 4.6 1.4 6.2 1.2
0.5 1.75 4.6 1.45 6.25 1.2
0.5 2.0 4.6 1.55 6.25 1.15
0.5 2.25 4.55 1.6 6.3 1.15
0.5 2.5 4.55 1.65 6.35 1.15
1.0 0.5 4.55 1.1 5.95 1.05
1.0 0.75 4.55 1.15 5.95 1.15
1.0 1.0 4.55 1.25 6 1.15
1.0 1.25 4.55 1.25 6 1.15
1.0 1.5 4.55 1.4 6.1 1.25
1.0 1.75 4.55 1.4 6.1 1.25
1.0 2.0 4.55 1.5 6.2 1.3
1.0 2.25 4.55 1.5 6.2 1.3
1.0 2.5 4.5 1.65 6.25 1.25
1.5 0.5 4.35 1.0 5.85 1.15
1.5 0.75 4.4 1.15 5.9 1.15
1.5 1.0 4.45 1.25 5.95 1.2
1.5 1.25 4.45 1.25 6.0 1.2
1.5 1.5 4.45 1.35 6.05 1.25
1.5 1.75 4.5 1.4 6.1 1.3
1.5 2.0 4.5 1.5 6.15 1.35
1.5 2.25 4.5 1.6 6.15 1.3
1.5 2.5 4.5 1.65 6.25 1.25
2.0 0.5 4.2 1.05 5.8 1.15
2.0 0.75 4.25 1.1 5.85 1.15
2.0 1.0 4.3 1.2 5.9 1.2
2.0 1.25 4.35 1.3 5.9 1.25
2.0 1.5 4.4 1.35 5.95 1.3
2.0 1.75 4.45 1.45 6.0 1.35
APÊNDICE B – BANCO DE DADOS 126