Optimización de banda ancha y doble banda de un parche en forma de E (PSO)

Solicitar archivos de proyectos

Este ejemplo utiliza un plugin de la biblioteca XTend de XFdtd para realizar dos optimizaciones de enjambre de partículas (PSO) en un parche en forma de E. La primera investigación se centra en una configuración de doble banda que resuena a 1,8 y 2,4 GHz, mientras que la segunda búsqueda maximiza el rendimiento en todo el rango de frecuencias de 1,8 a 2,4 GHz.

PSO es una técnica de optimización global inspirada en el comportamiento de los enjambres de peces, pájaros o insectos. Las partículas que componen un enjambre se distribuyen por un espacio de soluciones de N dimensiones. A continuación tiene lugar un proceso evolutivo en el que cada partícula evalúa la idoneidad de su ubicación actual y se desplaza a una nueva ubicación en función del mejor resultado obtenido por esa partícula en particular y del mejor resultado obtenido por el enjambre en su conjunto. A lo largo de varias generaciones, se explora el espacio de soluciones y se alcanza una solución óptima.

La función de aptitud para esta optimización en particular simplemente evalúa la pérdida de retorno lineal de la antena en la banda de interés y establece el nivel de aptitud en la peor pérdida de retorno encontrada. En el caso de la optimización de doble banda, este concepto se amplía de forma que el valor de aptitud es la peor pérdida de retorno observada en cualquiera de las bandas. Una ventaja de este enfoque es que el rendimiento mínimo en banda se conoce en cada generación. El usuario puede controlar el valor de aptitud actual y terminar si se alcanza el nivel deseado. Seis variables principales influyen en las características del parche en forma de E, como puede observarse en la Figura 1. Estos parámetros pueden variar en función de las características del parche. Estos parámetros pueden variar de acuerdo con la Tabla 1. Dado que algunas de las variables dependen unas de otras, el plugin PSO de XTend utiliza un sistema de restricciones dinámicas para actualizar los límites de los parámetros a lo largo de la optimización. La tabla 2 detalla las restricciones dinámicas. En ambas investigaciones se utiliza el mismo conjunto de límites y restricciones.

XStream, la implementación de FDTD acelerada por CUDA de XFdtd, es fundamental para la ejecución puntual de la PSO. Cada partícula genera una nueva simulación XF para cada generación sucesiva. Estas simulaciones se distribuyen entre las GPU con CUDA disponibles en el sistema. El sistema concreto utilizado aquí contiene seis NVIDIA Tesla C2070. La PSO asigna una simulación a cada GPU, lo que permite resolver seis simulaciones simultáneamente. Para maximizar la utilidad de las GPU, el número de partículas se elige de forma que sea un múltiplo entero del número de GPU. Para estas optimizaciones se eligieron 12 partículas y 600 generaciones. La antena de doble banda convergió claramente antes de tiempo, por lo que el proceso se dio por terminado tras 450 generaciones.

Las 12 simulaciones de cada generación se completaron en un tiempo total medio de 5 minutos y 45 segundos. La convergencia del enjambre en la solución óptima para cada configuración se puede ver en las Figuras 2 y 3. Las investigaciones podrían darse por terminadas tras alcanzar un nivel de aptitud de 0,3 si nuestro objetivo es crear una antena con al menos -10 dB de pérdida de retorno en nuestra(s) banda(s) de interés. La configuración de doble banda supera este hito después de sólo 10 generaciones, mientras que la versión de banda ancha lo consigue alrededor de 180 generaciones. Las Figuras 4 y 5 muestran la progresión de las optimizaciones examinando la pérdida de retorno alcanzada en varios hitos, incluidas las soluciones óptimas finales. Los parámetros asociados a la solución de doble banda se enumeran en la Tabla 3, y los de banda ancha en la Tabla 4.