Optimierung der Inverted-F Antenne (PSO)

Fordern Sie Projektdateien für dieses Beispiel an, indem Sie hier klicken.

In diesem Beispiel wird ein Plugin aus der XTend Library von XFdtd verwendet, um eine Particle Swarm Optimization (PSO) einer Inverted-F Antenna (IFA) durchzuführen. Die IFA ist aufgrund ihrer geringen Größe eine beliebte Antenne für den Einsatz in mobilen Geräten. In diesem Fall wird die Antenne für den Betrieb im GSM-1900-Band (1,85 - 1,99 GHz) optimiert.

PSO ist eine globale Optimierungstechnik, die sich an dem Schwarmverhalten orientiert, das natürlich in Fischschwärmen, Vogelschwärmen und Insektenschwärmen vorkommt. Eine Anzahl von Partikeln, die einen Schwarm umfassen, sind im gesamten N-dimensionalen Lösungsraum verteilt. Ein evolutionärer Prozess folgt, bei dem jedes Partikel die Fitness seines aktuellen Standorts bewertet und sich an einen neuen Standort begibt, basierend auf dem besten Ergebnis, das von diesem bestimmten Partikel gesehen wird, und dem besten Ergebnis, das vom gesamten Schwarm gesehen wird. Über mehrere Generationen hinweg wird der Lösungsraum erforscht und eine optimale Lösung gefunden.

Die Fitnessfunktion für diese spezielle Optimierung wertet einfach die lineare Rückflussdämpfung der Antenne über das interessierende Frequenzband aus und stellt das Fitnessniveau auf den schlimmsten Rückflussdämpfungsfaktor ein. Ein Vorteil dieses Ansatzes ist, dass die minimale In-Band-Performance bei jeder Generation bekannt ist. Der Benutzer kann den aktuellen Fitnesswert überwachen und bei Erreichen eines gewünschten Zielniveaus abbrechen.

Die IFA ist eine gebogene Monopolantenne, die zur Impedanzanpassung einen Nebenschluss verwendet. Vier Variablen steuern das Verhalten der Struktur, wie in Abbildung 1 dargestellt. Diese Parameter dürfen nach Tabelle 1 variieren. Da einige der Variablen voneinander abhängig sind, verwendet das PSO-Plugin von XTend ein dynamisches Constraintsystem, um die Parametergrenzen während der Optimierung zu aktualisieren. Tabelle 2 zeigt die dynamischen Einschränkungen.

 

Abbildung 1

Schema der IFA.

Tabelle_1.jpg
 

Tabelle 1

Tabelle_2.jpg
 

Tabelle 2

XStream, die von XFdtd mit CUDA beschleunigte Implementierung von FDTD, ist entscheidend für die rechtzeitige Ausführung des PSO. Jedes Partikel erzeugt für jede nachfolgende Erzeugung eine neue XF-Simulation. Diese Simulationen sind auf die verfügbaren CUDA-fähigen GPUs im System verteilt. Das hier verwendete System enthält sechs NVIDIA Tesla C2070. Der PSO weist jeder GPU eine Simulation zu, so dass sechs Simulationen gleichzeitig gelöst werden können. Um den Nutzen der GPUs zu maximieren, wird die Anzahl der Partikel als ganzzahliges Vielfaches der Anzahl der GPUs gewählt. Zwölf Partikel und 300 Generationen wurden für diese Optimierung ausgewählt.

Die zwölf Simulationen jeder Generation wurden in einer durchschnittlichen Gesamtzeit von 74 Sekunden durchgeführt. Die Konvergenz des Schwarmes auf die optimale Lösung ist in Abbildung 2 zu sehen. In diesem speziellen Fall sinkt das Fitnessniveau in der fünften Generation auf etwa 0,3. Der Fitnesswert stellt die schlimmste lineare Rückflussdämpfung dar, so dass wir den Optimierer an dieser Stelle beenden könnten, wenn unser wahres Ziel einfach eine Antenne mit nicht mehr als -10 dB Rückflussdämpfung über unserem Interessenbereich ist.

 

Abbildung 2

Konvergenz des Schwarmes auf die optimale Antwort.

Abbildung 3 zeigt den Fortschritt der Optimierung durch die Untersuchung der Rückflussdämpfung, die an mehreren Meilensteinpunkten erreicht wurde, einschließlich der endgültigen optimalen Lösung. Die Parameter dieser Lösung sind in Tabelle 3 aufgeführt.

 

Abbildung 3

Momentaufnahme der IFA-Rückflussdämpfung an mehreren Meilensteinpunkten.

Tabelle_3.jpg
 

Tabelle 3