Розробка тридіапазонної монопольної антени з використанням оптимізації за допомогою машинного навчання

Автори B. Sivashanmugavalli , R. Mahalakshmi, S. Anusiya
Афіліація

B.S. Abdur Rahman Crescent Institute of Science and Technology, Vandalore, Chennai, India

Е-mail sivashanmugavalli@crescent.education
Випуск Том 18, Рік 2026, Номер 4
Дати Одержано 20 березня 2026; у відредагованій формі 19 серпня 2026; опубліковано online 21 серпня 2026
Цитування B. Sivashanmugavalli, R. Mahalakshmi, S. Anusiya, Ж. нано- електрон. фіз. 18 № 4, 04010 (2026)
DOI https://doi.org/10.21272/jnep.18(4).04010
PACS Number(s) 84.40.Ba
Ключові слова Тридіапазонна монопольна антена, Машинне навчання (12) , FNN, CNN (3) , HFSS (15) , Оптимізатор, Проєктування антени (3) .
Анотація

Представлено стратегію оптимізації на основі машинного навчання для проєктування компактної тридіапазонної монопольної антени, що працює на частотах 2,4 ГГц, 3,5 ГГц та 5,8 ГГц, придатної для WLAN, WiMAX та зв'язку 5G нижче 6 ГГц. Широкий спектр моделей антен з різними схемами розміщення слотів було змодельовано в Ansys HFSS для створення набору даних характеристик відбитих втрат (S11). Для прогнозування оптимальних розмірів слотів було використано три структури глибокого навчання: 3-шарову нейронну мережу прямого зв'язку (FNN), 5-шарову FNN та згорткову нейронну мережу (CNN), які були навчені за допомогою оптимізаторів Adam, Nadam та AdamW. 5-шарова FNN (Nadam) досягла точності прогнозування 66,66 %, тоді як 3-шарова FNN (Adam) забезпечила найкращу загальну відповідність для тридіапазонної характеристики. Для подальшого уточнення прогнозів для налаштування геометричних параметрів було застосовано диференціально-еволюційну (DE) оптимізацію. Повторна перевірка HFSS підтвердила покращену поведінку антени з вищим коефіцієнтом підсилення, нижчим S11 та зменшенням зусиль ручного проектування. Запропонована гібридна структура на основі машинного навчання демонструє масштабований, ефективний за часом та точний підхід до оптимізації багатодіапазонної антени.

Перелік посилань