Flag Counter
AKILLI SİSTEMLER VE UYGULAMALARI DERGİSİ
JOURNAL OF INTELLIGENT SYSTEMS WITH APPLICATIONS
J. Intell. Syst. Appl.
E-ISSN: 2667-6893
Creative Commons License This work is licensed under a Creative Commons Attribution 4.0 International License.

Full-Wave Simulation-Based Phasing Characteristics of Microstrip Patches for Reflectarray Optimization with Neural Network

Full-Wave Simulation-Based Phasing Characteristics of Microstrip Patches for Reflectarray Optimization with Neural Network

How to cite: Moule MR, Mahouti P, Güneş F, Belen MA. Full-wave simulation-based phasing characteristics of microstrip patches for reflectarray optimization with neural network. Akıllı Sistemler ve Uygulamaları Dergisi (Journal of Intelligent Systems with Applications) 2019; 2(1): 30-33. DOI: 10.54856/jiswa.201905055

Full Text: PDF, in English.

Total number of downloads: 652

Title: Full-Wave Simulation-Based Phasing Characteristics of Microstrip Patches for Reflectarray Optimization with Neural Network

Abstract: Microstrip reflectarray antennas (RAs) are able to provide equivalent performance of a traditional parabolic reflector, but with simple and light electromagnetic and mechanical structures; this can be achieved by an effective control of the phase response of each microstrip element on the reflecting surface. Thus the main problem is the fast and accurate modelling of the unit microstrip patch to be used in the array optimization. Since using simulators in the optimization procedure is computationally very ineffective, herein artificial intelligence is used as a rapid and accurate tool for characterization of the reflection angle of the microstrip unit element in terms of its geometry, substrate parameters and frequency. For this purpose, modelling of Omega shaped patch within the X-band is considered using Multilayer Perceptron (MLP) neural network trained the 3D CST microwave Studio simulator data. Validation of the MLP model is also worked out successfully with the 3D CST data. Thus a continuous function is obtained for the reflection angle in the geometry, substrate and frequency domain of the microstrip patch unit element that ensures the reflectarray optimization procedure as fast as using the analytical functions and as accurate as the 3D simulators. In the paper, full-wave simulation- based MLP modelling of the omega shaped microstrip patch is given in details.

Keywords: Artificial neural networks; x-band; multi-layer perceptron; Omega patch


Başlık: Full-Wave Simulation-Based Phasing Characteristics of Microstrip Patches for Reflectarray Optimization with Neural Network

Özet: Mikroşerit yansıtıcı dizi antenler (RA'lar), geleneksel bir parabolik yansıtıcının eşdeğer performansını sağlayabilir, ancak basit ve hafif elektromanyetik ve mekanik yapılara sahiptir; bu, yansıtıcı yüzey üzerindeki her bir mikroşerit elemanın faz yanıtının etkin bir şekilde kontrol edilmesiyle elde edilebilir. Dolayısıyla asıl problem, dizi optimizasyonunda kullanılacak birim mikroşerit yamasının hızlı ve doğru bir şekilde modellenmesidir. Optimizasyon prosedüründe simülatörlerin kullanılması hesaplama açısından çok etkisiz olduğundan, burada yapay zeka, mikroşerit birim elemanının geometrisi, altlık parametreleri ve frekansı açısından yansıma açısının karakterizasyonu için hızlı ve doğru bir araç olarak kullanılır. Bu amaçla, 3D CST mikrodalga Studio simülatör verileriyle eğitilmiş Çok Katmanlı Algılayıcı (MLP) sinir ağı kullanılarak X-bandı içindeki Omega şekilli yamanın modellenmesi düşünülmüştür. MLP modelinin validasyonu da 3D CST verileriyle başarılı bir şekilde yapılmıştır. Böylece, mikroşerit yama birimi elemanının geometrisi, alt tabakası ve frekans alanındaki yansıma açısı için sürekli bir fonksiyon elde edilir ve bu, yansıtıcı dizi optimizasyon prosedürünü analitik fonksiyonları kullanmak kadar hızlı ve 3D simülatörler kadar doğru sağlar. Makalede, omega şekilli mikroşerit yamanın tam dalga simülasyonu tabanlı MLP modellemesi detaylı olarak verilmektedir.

Anahtar kelimeler: Yapay sinir ağları; x-bandı; çok katmanlı algılayıcı; Omega yaması


Bibliography:
  • Berry DG, Malech RG, Kennedy WA. The reflectarray antenna. IEEE Transactions on Antennas and Propagation 1963; 11(6): 645-651.
  • Huang J. Microstrip reflectarray antenna for the SCANSCAT radar application. NASA, JPL Publication 90-45, Jet Propulsion Laboratory, California Insitute of Technology, Pasadena, California, November 15, 1990.
  • Pozar DM, Targonski SD, Syrigos HD. Design of millimeter wave microstrip reflectarrays. IEEE Transactions on Antennas and Propagation 1997; 45(2): 287-296.
  • Huang J, Encinar JA. Reflectarray antennas. John Wiley & Sons, Inc., Hoboken, NJ, USA, 2007.
  • Gunes F, Demirel S, Nesil S. 3-D CST microwave studiobased neural network characterization and particle swarm optimization of Minkowski reflectarray in use microspacecraft applications. In 2013 6th International Conference on Recent Advances in Space Technologies (RAST), June 12-14, 2013, Istanbul, Turkey, pp. 451-455.
  • Gunes F, Nesil S, Demirel S. Design and analysis of Minkowski reflectarray antenna using 3-D CST microwave studio-based neural network model with particle swarm optimization. International Journal of RF and Microwave Computer-Aided Engineering 2013; 23(2): 272-284.
  • Wikipedia. Omega. Retrieved from https://en.wikipedia.org/wiki/Omega
  • Rogers Corporation. RO3006 and RO3010 laminates. Retrieved from https://www.rogerscorp.com/acs/products/39/RO3006-andRO3010-Laminates.aspx
  • Artificial Neural Networks. Retrieved from www.neuralnetworkdb.com