مدل‌سازي و بهينه سازي اتصالات الكتريكي مدار چاپي در فركانس‌هاي مايكروويو با روش ماكرومدل

اصفهان : دانشگاه صنعتي اصفهان

مهندسي برق

دكتري

با افزايش روزافزون فركانس و پهناي باند سيگنال موردنياز در سيستم‌هاي الكترونيكي، تحليل الكترومغناطيسي آنها در مرحله طراحي ضرورت مي‌يابد. دراين ميان روش‌هاي مدل‌سازي و بهينه سازي الكترومغناطيسي نقش مهمي ايفا مي‌كنند. اين تحقيق به دنبال روش‌هاي مدل‌سازي‌اي است كه جايگزين مناسبي براي نرم‌افزارهاي تمام موج است و هزينه محاسباتي بسيار كمتري دارد. درنهايت مدل‌هاي به‌دست‌آمده مي‌تواند در يك كتابخانه‌ي عمومي ذخيره گردد تا در شبيه‌سازهاي مبتني بر ماتريس پراكندگي استفاده شوند. تمركز اصلي بر مدل سازي اتصالات الكتريكي و قطعات غيرفعال در فركانس‌هاي مايكروويو به روش ماكرومدل است. ماكرومدل گويا به عنوان يك پل ارتباطي بين حوزه فركانس و زمان، اين امكان را فراهم مي‌آورد كه پديده‌هاي الكترومغناطيسي حوزه فركانس را به‌صورت مدل‌هاي كمترپيچيده در شبيه‌سازي هاي حالت گذرا استفاده كنيم و از اين طريق دقت و سرعت طراحي را بهبود دهيم. در بخش اول اين رساله، روش جديدي براي ساخت ماكرومدل گويا ارائه مي‌دهيم كه در آن استفاده از عملگر انتگرال‌گير نقش مهمي در بهبود دقت و كاهش ميزان مرتبه‌ مدل دارد. با انتگرال گيري از داده‌ها روي چندين بازه مختلف يك دستگاه معادلات تشكيل مي‌شود، سپس مقادير قطب/مانده تابع گويا از حل دستگاه معادلات خطي به روش مرسوم حداقل مربعات به دست مي‌آيد. درنهايت پايداري مدل با استفاده از مدل حلقه بسته و در نظر گرفتن يك ضريب كنترل كننده تضمين مي‌شود. ارزيابي عملكرد روش پيشنهادي در مقايسه با يك روش معروف در چند مثال كاربردي بررسي شده است. نتايج مقايسه نشان مي‌دهد كه روش پيشنهادي مي تواند داده اصلي را با مرتبه كم و دقت خوب تقريب بزند. همچنين عملكرد روش پيشنهادي كمتر تحت تأثير نويز درون داده است و اين يك نكته مهم است چراكه در اغلب موارد داده اندازه‌گيري معمولاً با نويز همراه است. در بخش دوم، يك روش جديد مدل سازي معكوس غيرتكراري مبتني بر يادگيري ماشين رگرسيون و كاربردهاي آن در طراحي و بهينه سازي قطعات مايكروويو ارائه مي‌شود. مدل معكوس پيشنهادي فراسنج هاي پراكندگي تعريف شده در نقاط فركانسي بسيار را به عنوان ورودي مي‌گيرد و فراسنج هاي فيزيكي/هندسي بهينه قطعه مايكروويو را به عنوان خروجي خود پيش بيني مي‌كند. براي اين كار از تركيب ماشين بردار پشتيبان حداقل مربعات و روش فشرده سازي تحليل مؤلفه‌هاي اصلي براي غلبه همزمان بر دو چالش مدل سازي معكوس يعني ابعاد زياد فضاي ورودي و بدطرحي استفاده مي‌شود. همچنين يك روش تجربي جديد براي يافتن خودكار تعداد بهينه مؤلفه‌هاي اصلي (يعني ميزان فشرده سازي) براي هر مسئله تحت بررسي ارائه مي‌دهيم. اين امر باعث مي‌شود مدل معكوس پيشنهادي در مقايسه با ساير روش‌هاي موجود قابليت تعميم و استفاده راحت در كاربردهاي مايكروويو داشته باشد. مدل معكوس مبتني بر يادگيري ماشين توسط مجموعه‌اي از فراسنج هاي پراكندگي آموزش داده مي‌شود كه از طريق حل كننده دو/سه بعدي براي تعداد محدودي از پيكربندي فراسنج هاي هندسي به‌دست‌آمده است. امكان سنجي و دقت روش پيشنهادي را با بهينه سازي دو مثال كاربردي مايكروويو و مقايسه با نتايج مشابه حاصل از بهينه ساز تجاري موجود در ADS بررسي مي‌كنيم.

213553

مخابرات ميدان

مهندسي برق و كامپيوتر

دانشگاه صنعتي اصفهان

هادي علي اكبريان

ابوالقاسم زيدآبادي نژاد، احمد بخت افروز

ذاكرحسين فيروزه