Show simple item record

dc.contributor.advisorRuiz Cruz, Jorge Alfonso 
dc.contributor.authorPascual García, Pablo
dc.contributor.otherUAM. Departamento de Tecnología Electrónica y de las Comunicacioneses_ES
dc.date.accessioned2014-09-22T15:39:02Z
dc.date.available2014-09-22T15:39:02Z
dc.date.issued2014-07
dc.identifier.urihttp://hdl.handle.net/10486/661917
dc.description.abstractActualmente, para diseñar componentes de microondas se usa principalmente simuladores electromagnéticos como HFSS o CST. Para determinadas estructuras, el tiempo de simulación puede ser muy lento por lo que llevar a cabo una optimización para alcanzar la respuesta objetivo supone muchas horas de simulación. El objetivo de este proyecto es buscar alternativas que permitan reducir dicho tiempo. Para ello se van a utilizar redes neuronales y técnicas de mapeado espacial. La primera parte del proyecto se centra en el uso de redes neuronales, las cuales son capaces de aprender mediante entrenamiento relaciones no lineales entre las entradas y las salidas. Se probará su utilidad en el diseño de filtro en guía de onda que utilizan irises y en acopladores híbridos. Para el entrenamiento y la simulación de las redes se aprovechará el toolbox que ofrece Matlab. La segunda parte del proyecto se centrará en las técnicas de mapeado espacial, las cuales se aplicarán en filtros en guía y filtros de cavidades. Con el mapeado espacial se pretende reducir el número de simulaciones en HFSS o CST debido a su excesivo tiempo de simulación. Se utilizan adicionalmente otros modelos de la estructura cuyas simulaciones son menos costosas.es_ES
dc.description.abstractAt present, electromagnetic simulators such as HFSS or CST are used for designing microwave components. Some structures are very time consuming in order to finish a simulation so many hours are needed to complete an optimization. The goal of this project is to find techniques which reduce simulation time. The techniques used in this work are artificial neural networks and space mapping. Firstly, artificial neural networks are used. These can be trained to learn nonlinear input-output relationships. Waveguide iris filters and hybrid couplers are the structures used to try to reduce simulation time with the proposed approach. Matlab toolbox is used for training and simulation. Space mapping techniques are used with waveguide and cavity filters. In this case, the number of simulations in HFSS or CST is reduced thanks to the use of two models of the structure.en_US
dc.format.extent113 pag.es_ES
dc.format.mimetypeapplication/pdfen
dc.language.isospaen
dc.rights.urihttps://creativecommons.org/licenses/by-nc-nd/4.0/
dc.subject.otherMicroondases_ES
dc.subject.otherSimulación por ordenadores_ES
dc.subject.otherRedes neuronales (Informática)es_ES
dc.subject.otherOptimización, Modelos dees_ES
dc.titleDiseño y optimización de dispositivos de microondas mediante modelos numéricos aproximadoses_ES
dc.typemasterThesisen
dc.subject.ecienciaTelecomunicacioneses_ES
dc.contributor.groupRadiofrecuencia:circuitos, antenas y sistemas" (RFCAS) (ING EPS-009)es_ES
dc.rights.ccReconocimiento – NoComercial – SinObraDerivadaes_ES
dc.rights.accessRightsopenAccessen
dc.facultadUAMEscuela Politécnica Superior


Files in this item

Thumbnail

This item appears in the following Collection(s)

Show simple item record

https://creativecommons.org/licenses/by-nc-nd/4.0/
Except where otherwise noted, this item's license is described as https://creativecommons.org/licenses/by-nc-nd/4.0/