Publicação: Estimação do comprimento de antenas de microfita utilizando Support Vector Regression
Carregando...
Tipo do documento
Data
Direito de acesso
Programa
Área do conhecimento
CNPQ::ENGENHARIAS::ENGENHARIA ELETRICA::TELECOMUNICACOES::TEORIA ELETROMAGNETICA, MICROONDAS, PROPAGACAO DE ONDAS, ANTENAS
Título da Revista
ISSN da Revista
Título de Volume
Orientador
Coorientador
Santos, Renan Alves dos
Resumo
Neste trabalho é empregada uma técnica de Machine Learning denominada Support Vector
Regression para regressão de dados de antenas de microfita com geometria retangular
para operação em seu modo dominante 𝑇𝑀10. Os dados de simulação foram obtidos
utilizando o software Ansys Electronics Desktop 2022, com o módulo de simulação para
alta frequência HFSS. Os resultados das simulações são obtidos em parâmetros S e Z
para duas situações diferentes. Primeiramente, variando o comprimento 𝐿 da antena de
10 mm até 40 mm, com passo de 1mm. Posteriormente, o comportamento da antena é
simulado deixando o intervalo de frequência fixo de 1 GHz até 10 GHz, obtendo valores
de 𝐿 que satisfaçam o intervalo estipulado. Ambas as etapas são simuladas para 5 valores
diferentes de permissividade do dielétrico 𝜖. Com essas informações, é criada uma base
de dados cujo objetivo é alimentar modelos de Support Vector Regression (SVR), onde
inicialmente é feita limpeza, separação de dados para rotulagem, treinamento e validação.
O modelo gerado é capaz de predizer, com eficácia o valor de 𝐿 para qualquer 𝑓𝑟 dentro
do intervalo proposto.
Abstract
In this paper, a Machine Learning technique called Support Vector Regression is applied
for regression of squared microstrip patch antennas data for operation under its dominant
mode 𝑇𝑀10. The simulation data was gathered through Ansys Electronics Desktop 2022,
using the high frequency simulation module HFSS. Simulation results are given in both S
and Z parameters for 2 different situations. Firstly, the antenna length 𝐿 is changed from
10 mm to 40 mm in steps of 1 mm. After it, the antenna behaviour is simulated and the
frequency range is fixed from 1 GHz to 10 GHz, getting 𝐿 values that satisfies the specified
frequency range. Both steps are simulated for 5 different dielectric permittivity 𝜖. With
these informations, a database is created, and it will contain data that will be cleaned,
sorted out and labeled, then feeded to a Support Vector Regression (SVR) algorithm for
training and validation. The generated model is capable of predicting, accurately, the
value of 𝐿 for any 𝑓𝑟 within the frequency range established.
Palavras-chave
Antena de microfita, Machine learning, Support Vector Regression, Simulação, Frequência de ressonância
Citação
SANTOS, Gustavo Joaquim Brito dos. Estimação do comprimento de antenas de microfita utilizando Support Vector Regression . 2026. 77 f. Trabalho de Conclusão de Curso (Graduação em Engenharia Eletrônica e de Telecomunicações) - Universidade Federal de Uberlândia, Patos de Minas, 2026.
DOI
Avaliação
Revisão
Suplementado Por
Referenciado Por
Licença Creative Commons
Exceto quando indicado de outra forma, a licença deste item é descrita como Acesso Aberto