Yapay sinir ağı uygulamaları ile mikrodalga filtrelerin optimizasyonu

Abstract

Günümüz teknolojisinde Bilgisayar Destekli Tasarım (BDT) üretim toleranslarını çok düşük değerlerde tutabildiği için çok hassas ayar gerektiren yerlerde rahatlıkla kullanılabildiğinden büyük önem taşımaktadır. Mikrodalga devre elemanlarının tasarımında kullanılacak olan eleman değerlerinin hata payının minimum olacak şekilde belirlenmesi mikrodalga filtre üretiminde oldukça önemlidir. Bu nedenle yapay sinir ağ modelleri kullanılarak yapılan tasarımlar daha çok ön plana çıkmaya başlamıştır. Tek parça Mikrodalga Tümleşik Devre (TMTD) tasarımında, modern bilgisayar destekli tasarımlar metotlarının etkinliği aktif ve pasif devre elemanlarının doğru olarak modellenmesine dayanır. Örn; devrenin yoğunluğu ve işlem frekansının artması geleneksel modelleme tekniklerinin tereddüt edilebilir hale gelmesine neden olabilir. Tipik devre simülatörleri mikrodalga ve milimetrik dalga frekanslarında meydana gelen parazitlik ve kuplaj etkileri nedeniyle pasif devre elemanlarını tam doğru olarak modellenmesini sağlayamabilir. Bu durumu düzeltmek için pasif bileşenlerin kütüphaneleri, yüzlerce elemanın üretim, test ve depolama sırasındaki bilgileri bir tabloda verilerek geliştirilmiştir. Ancak tablo tekniği boyutlarından dolayı fazla hafıza gerektirdiğinden tercih edilmemektedir. Elektromanyetik simülasyon programları ise oldukça iyi modelleme yapabilmesine rağmen yoğun hesaplama etkisi nedeniyle bilgisayar destekli tasarım (BDT) metotları için pratik olmamaktadır. Bu nedenlerle son zamanlarda Yapay Sinir Ağları, elektromanyetik/mikrodalga modelleme, simülasyon ve optimizasyonu için hızlı ve esnek araçlar olarak dikkat çekmeye başlamıştır. Ayrıca yapay sinir ağları mikroşerit filtre tasarımında, sentez işlemlerinde ve empedans eşlenmesinde kullanılmaktadır. Yapay sinir ağı hesaplama uygulamaları bilgisayar destekli tasarımlardaki elektromanyetik analiz tekniklerini kullanma yeteneğini geliştirir ve aynı zamanda hızlı, doğru ve güvenilir modeller oluşturabilir. YSA modeli eğitim adı verilen bir işlem boyunca ölçülen ya da simüle edilen verilerden geliştirilebilir. Bir kez eğitildiğinde YSA model, mikrodalga tasarımı boyunca ani cevaplar sağlayabilmek için kullanılabilir. YSA model orijinal elektromanyetik/fiziksel modele göre daha hızlı, amprik modele göre daha doğru, tablo tekniğine göre daha çok ölçü bulunmasına müsaade eden ve geliştirilmesi daha kolay olan modeldir. Bu nedenle mikrodalga uygulamaları için son zamanlarda giderek artan bir şekilde kullanılmaktadır.

In modern technology, Computer aided design (CAD) is very important because Computer-Aided Design (CAD) that kept very low values are used where very fine-tuning required for the manufacturing tolerances. Microwave circuit components to be used in the design of the element values to determine the minimum margin of error is very important to the production of microwave filters. Therefore, the designs which is used artificial neural network (ANN) are becoming more widespread In the design of monolithic microwave integrated circuits, the efficiency of modern computer aided design methods is based on to modeling of active or passive circuit elements accurately. For instance, increased intensity and frequency of the circuit operation may be causing this to be the traditional modeling techniques may be hesitant. Because of the parasitism and coupling effect which is occurred in the milimetric and microwave frequencies, the typical circuit simulators may not modeling passive circuit elements in exactly accurate. To correct this situaion, the libraries of passive components, giving in a table the informations of hundreds of elements during production, testing and storage have been developed. But table technique is not preferred because of their size requires more memory. Although electromagnetic simulation programs are able to perform modeling quite well, it is not practical for computer aided design (CAD) methods due to intensive computation effect. Therefore artificial neural ntworks (ANN) has been used as fast and flexible tools for electromagnetic/microwave modeling, simulation and optimization more recently. Also ANN is used in microstrip filter design, synthesis and impedance matching. Artificial neural networks computation applications are developed the ability of using the electromagnetic analysis techniques in the computer aided design, also create fast, accurate and dependable models. ANN model can be improved from measured and simulated data during a process called training. Once trained, ANN model is used to provide sudden answers during the microwave design. ANN model is faster than the original electromagnetic/physical model, is more accurate than empirical model, contains more measure and is easier to develop than table technique. For this reason, ANNs are used increasingly for microwave applications in recent times.