Bu çalışmada, anten sentezi için vekil model destekli diferansiyel evrim metodu (SADEA) kullanılarak yüksek verimliliğe ve yönelticiliğe sahip H-tipi ve E-tipi mikroşerit anten dizileri tasarlanmıştır. Nesnelerin interneti (IoT) teknolojisinin artan kablosuz haberleşme gereksinimlerini karşılamak amacıyla, elektromanyetik dalgaların anten elemanları arasında en verimli şekilde iletilmesi için yapay zeka teknikleri ile yeni anten tasarımlarının yapılması oldukça önemli hale gelmiştir. Kablosuz haberleşme teknolojilerinde yaygın olarak kullanılan 2.5 GHz bandında çalışmak üzere 2 farklı durum ele alınmıştır. 2x2 yapıya sahip H-tipi ve E-tipi mikroşerit anten dizisi analiz edilmiş ve karşılaştırılmıştır. SADEA yöntemi kullanılarak, genlik ve elemanlar arasındaki mesafe optimize edilmiştir. Dört elemanlı E-tipi ve H-tipi mikroşerit anten dizisinin toplam genliği, optimizasyondan önce her ikisi için de 4V iken, optimizasyondan sonra sırasıyla 2.45885 V ve 2.14929 V'a indirgenmiştir.
In this study, H-type and E-type microstrip antenna arrays with high efficiency and management are designed using Surrogate Model Assisted Differential Evolution Algorithm (SADEA) for antenna synthesis. In order to meet the increasing wireless communication requirements of the internet of things (IoT) technology it has become very important to design new antenna designs with artificial intelligence techniques to transmit electromagnetic waves between antenna elements in the most efficient way. With a view to operate in the 2.5 GHz band, which is widely used in wireless communication technologies. H-type and E-type microstrip antennas with a 2x2 structure are analyzed and finally compared. By using the SADEA method, the amplitude and the distance between the array elements are optimized. The total amplitude of the 4-element E-type and H-type microstrip antenna array is minimized to 2.45885 V and 2.14929 V, respectively, after optimization, while it is 4V for both before optimization.
Primary Language | English |
---|---|
Subjects | Machine Learning (Other), Modelling and Simulation |
Journal Section | Research Articles |
Authors | |
Early Pub Date | April 27, 2024 |
Publication Date | April 30, 2024 |
Submission Date | February 19, 2024 |
Acceptance Date | March 18, 2024 |
Published in Issue | Year 2024 |