فهرست نشریات علمی دسترسی آزاد ایران

در این پژوهش یک روش طراحی معکوس جدید به منظورطراحی آنتن های مایکرواستریپ ارائه شده است که مدل سازی پیکسلی آنتن شبکه عصبی کانولوشنی (CNN)و الگوریتم بهینه سازی گروه ذرات دودویی(BPSO) را با یکدیگر ترکیب تا فرآیند تولید ساختار آنتن بر اساس مشخصات عملکردی مورد نظر به صورت خودکار انجام شود. این چارچوب از یک روند ساده و منظم پیروی میکند. ابتدا بخش فرستنده امواج آنتن به یک ماتریس دودویی 10×10 تبدیل تا امکان جست و جو در بخش های طراحی ترکیبی فراهم گردد. سپس یک شبکه عصبی کانولوشنی با استفاده از 150هزار داده شبیه سازی شده آموزش داده می شود تا به عنوان جایگزینی سریع برای شبیه سازی های زمان بر الکترومغناطیسی پارامتر های پراکندگی را پیش بینی کند. در ادامه با استفاده از یک تابع برازندگی وضعیت پیکسل ها BPSO الگوریتم را با ضریب اطمینان بالا بهینه و ضریب بازتاب در فرکانس های هدف به حداقل برسد. نمایش بخش فرستنده امواج انتن به صورت پیکسل های دودویی فضای طراحی گسترش می دهد و نقاط ضعف ناشی از طراحی دستی مبتنی بر آزمون و خطا را برطرف می کند . نتایج مقایسه با الگوریتم ژنتیک GA و الگوریتم بازخورد شبیه سازی شده SA نشان می دهد که چارچوب BPSO-CNN دارای سرعت همگرایی بیشتر و خطای کمتر در مقدار ضریب تلفات در فرکانس های هدف است . این پژوهش علاوه بر توسعه روش های هوشمند طراحی آنتن یک الگوی مقیاس پذیر برای بهینه سازی خودکار تجهیزات الکترومغناطیسی اراعه می دهد.