Многокритериальная оптимизация при ограничениях производительности антенны для миниатюризации — Научные отчеты

Настройки оптимизации

В этом разделе для проверки эффективности метода PCMOM мы используем метод PCMOM для проектирования антенн. Предлагаемый метод PCMOM реализован на платформе Matlab 2019b. Как показано на рис. 1а была спроектирована исходная структура, состоящая из 10 × 4 пикселей. Каждый пиксель имеет длину и ширину 3,1 мм с расстоянием между соседними пикселями 3 мм. Кроме того, расстояние между плоскостью заземления и ближайшим пикселем составляет 5 мм. Сама земляная пластина имеет длину 55 мм и ширину 62 мм соответственно. Исходная структура включает 67 внутренних портов, один внешний порт (порт питания) расположен в пятом пикселе первого ряда. В качестве диэлектрической подложки используется FR4, имеющий диэлектрическую проницаемость 4,4 и толщину 1 мм. Полноволновое ЭМ моделирование выполняется для определения матрицы импеданса. \({\mathbf{Z}}(\omega)\) в уравнении (1) исходной структуры с использованием CST MWS 2019.

Результаты многокритериальной оптимизации

Две функции оптимизации целевой антенны представлены в формулах (8) и (9) соответственно. Во второй целевой функции \(\омега\)представляет собой вектор из 10 частотных точек от 2 до 3 ГГц с интервалом 0,1 ГГц между каждой частотной точкой. В технических характеристиках проекта определяется антенна, работающая в диапазоне [2.4 GHz 2.6 GHz]Алгоритм PC-NSGA-II выполняет в общей сложности 1000 эволюционных итераций с размером популяции 300 особей. Вероятность пересечения алгоритма NSGA-II установлена ​​равной 0,6, а вероятность мутации алгоритма NSGA-II установлена ​​равной 0,1. В процессе отбора алгоритма NSGA-II элитный выбор производится на основе рейтинга. Порог итерации для добавления ограничения установлен на 300. В ходе тестирования мы обнаружили, что, когда порог находится в диапазоне 30–60 % от общего числа развивающихся итераций, алгоритм может получить хорошие результаты.

Рисунок 3 иллюстрирует эволюцию популяции на протяжении всего процесса оптимизации. На рисунке 3а представлены значения целевой функции исходной популяции. На 300-й итерации многие особи группируются возле фронта Парето, как показано на рисунке 3b. Ограничение вводится в алгоритм NSGA-II после 300-й итерации. Начиная с 315-го поколения, особи с С11 Значения выше −10 дБ постепенно удаляются, как показано на рис. 3в. После 1000 итераций окончательный фронт Парето показан на рис. 3д. Все конструкции, принадлежащие к фронту Парето, превосходят одну или две цели. Однако эмпирические соображения приводят нас к выбору конструкции, в которой все параметры остаются ниже приемлемого значения. Для анализа и сравнения выбраны три решения фронта Парето, а именно Решение 1, Решение 2 и Решение 3, которые выделены на рис. 3д.

Инжир. 3

Процесс многокритериальной оптимизации алгоритма PC-NSGA-II, (А) Начальная популяция, (б) 300 итераций (без ограничений производительности), (с) 315 итераций (с ограничениями производительности) и (д) Фронт Парето.

На рисунке 4 показаны геометрия и распределение тока этих трех антенн решения 1, решения 2 и решения 3. Решение 1 (антенна 1) имеет наибольшую величину. С11 (коэффициент отражения) в точках целевой частоты, сопровождаемый значением функции рабочего размера, равным 18. Решение 2 (антенна 2), с другой стороны, демонстрирует более низкое значение С11 в целевых точках с соответствующим значением функции рабочего размера 21. Решение 3 (антенна 3) выделяется наименьшим значением С11 в целевых точках, получая значение функции рабочего размера, равное 24. В зависимости от конкретных требований пользователя одно из этих трех решений может быть выбрано в качестве оптимальной конструкции антенны. Диаграммы направленности трех антенн в дальней зоне показаны на рис. 5.

Инжир. 4
рисунок 4

Текущее распределение антенн пикселей, (А) Антенна 1, (б) Антенна 2 и (с) Антенна 3.

Инжир. 5
Рисунок 5

Диаграмма дальнего поля пиксельной антенны, (А) Антенна 1, (б) Антенна 2 и (с) Антенна 3.

Антенны 1 и 2 моделируются, а затем измеряются. На рис. 6 представлен прототип антенны 1, а также результаты измерений и моделирования. Как показано на рисунке 6b, измеренные параметры S хорошо согласуются с результатами моделирования, а измеренная полоса импеданса при – 10 дБ антенны 1 составляет 0,6 ГГц (от 2 до 2,6 ГГц). Пропускная способность соответствует проектным характеристикам. Аналогично, на рисунке 7 показан прототип антенны 2, а также результаты ее измерений и моделирования. Как видно на рисунке 7b, измеренные кривые близко соответствуют моделированию, демонстрируя благоприятную полосу импеданса в целевой полосе частот (полоса импеданса, измеренная при -10 дБ антенны 2, составляет 0,86 ГГц от 2,4 ГГц до 3,26 ГГц), таким образом полностью удовлетворяющий проектным требованиям. Оба примера эффективно демонстрируют эффективность и осуществимость предложенного метода проектирования.

Инжир. 6
Рисунок 6

Результаты изготовления и измерений антенны 1, (А) прототип и (б)С11.

Инжир. 7
Рисунок 7

Результаты изготовления и измерений антенны 2, (А) прототип и (б) С11.

Обсуждение производительности предлагаемого алгоритма

Чтобы наглядно проиллюстрировать производительность предложенного нами алгоритма PCMOM, мы обсудим его влияние на миниатюризацию антенны, временные затраты и потенциальные приложения.

  1. (1)

    Миниатюризация предлагаемого алгоритма.

ЧИТАТЬ  Исследователи говорят, что квантовое машинное обучение и квантовая оптимизация могут улучшить дизайн и эффективность клинических исследований.

В системах связи антенны должны проектироваться совместно с другими радиочастотными устройствами, например, в антеннах мобильных телефонов, которые имеют одну большую заземляющую пластину, поддерживающую печатные платы и сенсорные экраны. Поэтому мы оптимизировали размер не заземления, а антенных излучателей. Исходная структура излучения антенны имеет длину примерно 0,25 длины волны и ширину 0,5 длины волны и состоит из 40 пикселей. Структуры излучения этих двух антенн используют только 17 и 19 пикселей соответственно, что составляет 42,5% и 47,5% от количества пикселей исходной структуры излучения.

Для дальнейшей оценки миниатюризации предложенного алгоритма мы сравниваем антенны в этой работе с существующими пиксельными антенными структурами. В таблице 1 показано сравнение характеристик антенн нашей конструкции и антенн других производителей. Наш подход превосходен в миниатюризации антенных излучателей, обеспечивая наименьший размер излучателя среди этих антенн. Таким образом, миниатюризация радиационных структур достигается за счет применения метода ПКМОМ.

Таблица 1. Сравнение производительности с пиксельными антеннами в других тестах.
  1. (2)

    Временные затраты предлагаемого алгоритма.

Кроме того, метод PCMOM основан на модели нескольких сетей и ЭМ-симуляции для определения импеданса Z, что требует небольших временных затрат. Это занимает 75 минут, включая 300 индивидуальных оценок населения (каждый

  1. (3)

    Возможные применения предложенного алгоритма.

Основным вкладом данной работы является миниатюризация структур антенного излучения, имеющая практическое применение. Например, в системах мобильной связи уменьшение размера излучателя антенны освобождает место для других радиочастотных устройств, тем самым улучшая интеграцию системы.25.26Кроме того, в прозрачных антеннах удаление ненужных пикселей может улучшить прозрачность.

Source