Açıklık kuplajlı mikroşerit yama antenin rezonans frekansının yapay sinir ağları ile belirlenmesi

Abstract

Bu çalışmada, mikroşerit yama antenin rezonans frekansının yapay sinir ağları (YSA) ile belirlenmesi amaçlanmıştır. Kendi sınıfında en yüksek band genişliğine sahip Açıklık Kuplajlı Mikroşerit Yama Anten (AKMYA) üzerinde çalışılmıştır.Tez çalışmasında AKMYA, HFSS paket programı ile modellenerek simüle edilmiştir. Simülasyon sonucunda rezonans frekans değerleri bulunmuş, anten boyutlarında sistematik bir şekilde gerekli değişiklikler yapılmıştır. Tüm giriş parametreleri manuel olarak girilmiş ve çıkış rezonans frekans değeri yine manuel olarak kaydedilmiştir.İstenilen anten parametrelerinin elde edilmesinde simülasyon programlarının ağır hesap yükünden dolayı sonuçları uzun zaman diliminde vermesi bilgisayar destekli yeni yöntemlerin arayışına yol açmıştır. Bu bağlamda az bir bilgiye gereksinim duyması, farklı problemlere cevap vermesi, genelleme yapabilmesi, hızlı öğrenme becerisi gibi özellikler yapay sinir ağlarını (YSA)'nın kullanılmasında ana etken olmuştur. Ayrıca YSA' ların eğitilmesinde çok katlı perseptronlar üzerinde farklı öğrenme yöntemleri kullanılarak, bu yöntemlerin performansları karşılaştırılmıştır.YSA modellerinden elde edilen sonuçların, HFSS sonuçlarıyla uyumluluk içinde olduğu görülmüştür. Bununla beraber kullanılan YSA modeller sayesinde sonuçlar HFSS'ye göre çok daha kısa bir sürede elde edilmiştir.

The aim of this study is to determine the resonance frequency of microstrip patch antenna with artificial neural networks (ANN). Having the highest bandwidth in its class, the aparture coupled microstrip patch antenna (ACMPA) has been studied on.In this study aparture coupled microstrip patch antenna (ACMPA) has been simulated by modelling with HFSS package software. In the result of simulation, resonance frequency values have been calculated, the required changes in antenna sizes have been made systematically. Each input parameter changes have been entered manually and output resonance frequency values have been recorded manually as well.The long period of time caused by the excessive calculation of simulation softwares used to obtain the desired antenna parameters has led to the search of new computer aided methods. Because it needs less information, responds to different problems, makes generalizations, has fast learning ability articial neural networks (ANN) has been chosen. In the training of ANNs using different learning methods on multi layer perceptrons, the performances of these methods have been compared.The results obtained from ANN models are in compliance with HFSS results. The advantages of the neural models used in this study are that the results are obtained within a short period of time and these results are correct.