Modelagem neurocomputacional de dispositivos de microondas com estruturas EBG.

• Ano de defesa: 2004
• Autor(a) principal: FERNANDES, Everton Notreve Rebouças Queiroz.
• Tipo de documento: Tese
• Tipo de acesso: Acesso aberto
• Idioma: por
• Instituição de defesa: Universidade Federal de Campina Grande; Brasil; Centro de Engenharia Elétrica e Informática - CEEI; PÓS-GRADUAÇÃO EM ENGENHARIA ELÉTRICA; UFCG
• Link de acesso: http://dspace.sti.ufcg.edu.br:8080/jspui/handle/riufcg/10690

Recentemente, tem havido estudos intensivos dedicados ao desenvolvimento de estruturas periódicas, como os cristais fotônicos, para aplicações em dispositivos de telecomunicações. As estruturas EBG, electromagnetic bandgap, também denominadas estruturas PBG, photonic bandgap, podem ser projetadas em materiais dielétricos ou metálicos, através da formação de uma matriz de orifícios dos quais um dos principais objetivos e proibir a propagação de ondas em faixas de frequências específicas. Esta característica tem sido utilizada tanto na confecção de dispositivos na banda óptica como na faixa de microondas e ondas milimétricas. A análise precisa de dispositivos com estruturas EBG requer a utilização de métodos numéricos que demandam um esforço computacional considerável, como o método das diferenças finitas no domínio do tempo (FDTD, finite difference time domain), entre outros. Nos últimos anos, as técnicas neurocomputacionais tem surgido como ferramentas numéricas poderosas e versáteis para aplicações em diversas áreas do conhecimento. As redes neurais artificiais, ANNs, artificial neural networks, possuem características como: adaptabilidade, generalização e não-linearidade, que tem contribuído para enquadra-las como métodos alternativos e vantajosos para a modelagem de diversos dispositivos de telecomunicações. Outra característica e o aumento significativo na velocidade de processamento, mediante o uso de modelos neurais em simulações de circuitos de microondas quando comparado aos modelos físicos eletromagnéticos. Neste trabalho, uma nova técnica neurocomputacional e apresentada, com o objetivo de alcançar uma modelagem precisa e eficiente de estruturas EBG aplicadas a diversos dispositivos de microondas, como guias de ondas, linhas de microfita e linhas de transmissão acopladas. Esta técnica, denominado Rede Neural Artificial Modular Função Sample, (SF-ANN, Sample Function Modular Artificial Neural Network), emprega a função sample como função de ativação e possui uma formulação semelhante aquela empregada na rede neural de funções de base radial (RBF-ANN). Uma excelente concordância e observada entre os resultados teóricos obtidos neste trabalho e valores medidos disponíveis na literatura, demonstrando a precisão dos modelos modulares SFANNs. Além disso, os modelos modulares SF-ANNs realizam generalizações precisas para regiões de interesse, onde não há resultados disponíveis.