New modeling of reconfigurable microstrip antenna using hybrid structure of simulation driven and knowledge based artificial neural networks

Abstract

Knowledge-based modeling has a critical role to embed existing knowledge to improve modeling performance. Since reconfigurable antenna can provide more operational frequencies than the classical antennas, a knowledge-based hybrid structure is used in this work to obtain efficient model and producing optimum new models for a reconfigurable microstrip antenna. The hybrid structure consists of two phases. The first phase generates initial knowledge which is used in knowledge-based modeling structure to obtain design parameters. Artificial neural network based multilayer perceptron can generate necessary knowledge for a knowledge-based model after the training process. Knowledge-based modeling improves the accuracy of the initial model to determine design parameters corresponding to the design target. Source difference, prior knowledge Input and prior knowledge input with difference can be applied to realize an efficient knowledge-based strategy. 3D-EM simulation generates the new model in terms of the design parameters of the proposed application. It has three switching states for operating, which are organized by two resistor circuits representing ON/OFF states. Switch positions and geometrical parameters can be used for satisfying design targets between 1 GHz and 6 GHz for the efficient antenna design.

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