AI Summary & Key Takeaways
AI InsightSwitch positions and geometricalparameters can be used for satisfying design targets between 1 GHz and6 GHz for the efficient antenna design.
📌 3 Key Takeaways
Abstract
Knowledge-based modeling has a critical role to embed existingknowledge to improve modeling performance. Since reconfigurableantenna can provide more operational frequencies than the classicalantennas, a knowledge-based hybrid structure is used in this work toobtain efficient model and producing optimum new models for areconfigurable microstrip antenna. The hybrid structure consists of twophases. The first phase generates initial knowledge which is used inknowledge-based modeling structure to obtain design parameters.Artificial neural network based multilayer perceptron can generatenecessary knowledge for a knowledge-based model after the trainingprocess. Knowledge-based modeling improves the accuracy of the initialmodel to determine design parameters corresponding to the designtarget. Source difference, prior knowledge Input and prior knowledgeinput with difference can be applied to realize an efficient knowledgebased strategy. 3D-EM simulation generates the new model in terms ofthe design parameters of the proposed application. It has threeswitching states for operating, which are organized by two resistorcircuits representing ON/OFF states. Switch positions and geometricalparameters can be used for satisfying design targets between 1 GHz and6 GHz for the efficient antenna design.
Özet
Bilgi tabanlı modelleme, modelleme performansını geliştirmek için mevcut bilgiyi içine katmak için kritik bir role sahiptir. Yeniden yapılandırılabilir anten, klasik antenlerden daha fazla operasyonel frekans sağlayabildiğinden, bu çalışmada bilgi tabanlı bir hibrid yapı, verimli bir model elde etmek ve aynı zamanda yeniden yapılandırılabilir bir N-şekilli mikroşerit anten (RNSMA) için optimum yeni çözümler üretmek için kullanılmıştır. Hibrid yapı iki aşamadan oluşmaktadır. İlk aşama, tasarım parametrelerini elde etmek için bilgi tabanlı modelleme yapısında kullanılan başlangıç bilgisini üretmektedir. Yapay sinir ağı tabanlı çok katmanlı algılayıcı, eğitim sürecinden sonra bilgi tabanlı bir model için gerekli bilgiyi üretebilir. Bilgi tabanlı modelleme, tasarım hedefine karşılık gelen tasarım parametrelerini belirlemek için başlangıç modelinin doğruluğunu geliştirir. Verimli bilgi temelli bir stratejiyi gerçekleştirmek için Ön Bilgi Girişi (PKI), Kaynak Farkı (SD) ve Ön Bilgi Girişi ile Fark (PKID) uygulanabilir. 3B-EM simülasyonu, RNSMA'nın tasarım parametrelerine bağlı olarak yeni çözümü üretir. Önerilen anten, AÇIK/KAPALI durumlarını kullanarak iki direnç devresi tarafından kontrol edilen üç çalışma moduna sahiptir. Anahtar konumları ve geometrik parametreler verimli bir anten tasarımı için 1 GHz ve 6 GHz arasında tasarım hedeflerini karşılamak için kullanılabilir.