基于PDMS的灵活六角补丁天线的机器学习算法的低成本制造和比较评估
Srivatsan Sarvesan1, Mettu Goutham Reddy2, S S Karthikeyan3
1Department of Electronics and Communication Engineering, NIT Tiruchirappalli, Tiruchirappalli, 620015, India.
Scientific reports
|August 18, 2025
概括
研究人员为5G和可穿戴设备开发了一种在聚甲基 (PDMS) 上的柔性六角天线. 机器学习优化了设计,实现了提高阻抗匹配的高精度和在功能原型中保持一致的性能.
科学领域:
- 电气工程 电气工程
- 材料科学 材料科学 材料科学
- 机器学习 机器学习
背景情况:
- 灵活的天线对于新兴的5G和可穿戴技术至关重要.
- 机械曲可以显著降低天线性能.
- 需要高效的设计和制造方法来实现实际实现.
研究的目的:
- 在聚甲基 (PDMS) 基板上设计和开发一个灵活的六角微条纹补丁天线.
- 研究如何使用机器学习来优化天线设计参数.
- 通过原型和电路建模来证明低成本的制造方法和验证性能.
主要方法:
- 使用六角微条纹补丁天线设计,在更高阶共振模式下运行.
- 使用四个监督机器学习算法 (随机森林,XGBoost,CatBoost,LightGBM) 在电磁模拟数据上进行训练.
- 开发了PDMS上的导电痕迹的可扩展制造工艺,并创建了一个功能性原型.
主要成果:
- 随机森林模型在优化几何参数方面实现了最高的预测精度 (R2 = 0.99).
- 制造出来的柔性天线原型表现出一致的性能,测量的增益为3.2dB.
- 一个相当于电气的断片元电路模型验证了电磁模拟结果.
结论:
- 机器学习显著加快了灵活天线的设计和优化.
- 开发的制造技术对于基于PDMS的天线具有成本效益和可扩展性.
- 这种综合方法有助于实际开发高性能灵活的RF天线,用于5G和可穿戴应用.
