在PTFE-SWCNT上使用PBG增强的THz微条纹补丁天线的ML/GA基础上的性能优化

科学领域:

• 电磁学和应用物理学
• 材料科学与工程 材料科学与工程
• 计算智能是一种计算智能.

背景情况:

• 太赫兹 (THz) 技术需要高效的天线,用于医学成像和生物传感等应用.
• 光子带隙 (PBG) 结构可以通过控制电磁波传播来提高天线性能.
• 优化天线设计需要为所需的辐射特性平衡复杂的物理参数.

研究的目的:

• 设计和优化与PBG结构集成的THz微条纹补丁天线.
• 为了提高天线效率,利用聚四乙烯 (PTFE) 和单壁碳纳米管 (SWCNTs) 等先进材料.
• 使用电磁仿真,机器学习和进化优化开发快速准确的天线设计方法.

主要方法:

• 使用CST软件进行电磁模拟,以模拟天线性能.
• 在模拟数据上训练机器学习模型 (线性回归,K-最近邻居,决策树,神经网络).
• 利用基因算法优化基于性能指标的天线几何.
• 进行特定吸收率 (SAR) 分析,以确保符合安全要求.

主要成果:

• 神经网络模型实现了关键天线参数的高预测精度 (R2 > 0.94).
• 优化的天线几何结构产生了36.8GHz的带宽,9.4dBi的增益,93.7%的效率和-26.1dB的返回损失.
• SAR分析证实天线在FCC的安全限制内运行 (最大1.4W/kg).

结论:

• 模拟,机器学习和遗传算法的综合方法提供了更快,更准确的天线设计过程.
• 拟议的PBG增强的THz天线表现出卓越的性能,紧性和材料灵活性.
• 这种天线非常适合在非侵入性医学成像,生物传感和可穿戴健康监测方面的先进应用.