М. М. Мигалин1, В. А. Обуховец2
1, 2 Южный федеральный университет (г. Таганрог, Россия)

1 migalin@sfedu.ru

Постановка проблемы. Алгоритмы оптимизации широко применяются при решении задач конструктивного синтеза антенн и устройств СВЧ. Печатные антенны находят широкое применение в качестве излучателей телекоммуникационных систем из-за их компактности, малой массы и простоты интеграции с другими элементами СВЧ-тракта. Данное исследование посвящено использованию генетического алгоритма в задачах автоматизированного проектирования многослойных микрополосковых антенн. Разработанная программа в MATLAB должна объединить вычислительные возможности среды математического моделирования с САПР CST для электромагнитного моделирования, обеспечивая формирование генетического кода особей популяции, автоматическое построение соответствующих антенных структур в САПР, анализ результатов численного моделирования, реализацию генетических операторов скрещивания и мутации с целью получения патч-антенн с требуемыми характеристиками направленности и согласованием в заданной полосе частот.

Цель. Разработать методику решения задач конструктивного синтеза многослойных печатных антенн в связке MATLAB – САПР CST с помощью генетического алгоритма, а также исследовать влияние начальных условий на результаты синтеза.

Результаты. Реализован комплекс программ в среде MATLAB, обеспечивающий совместную работу электромагнитного решателя CST и математического аппарата MATLAB для решения задач конструктивного синтеза многослойных микрополосковых антенн. Разработанная методика апробирована на примерах конструктивного синтеза многослойных излучателей. Отмечено, что синтезированный излучатель обеспечил перенос рабочей полосы частот базовой конструкции в соответствии с заданными требованиями. Установлено, что начальная популяция мало влияет на результаты синтеза.

Практическая значимость. Предложенный подход позволил за счет интеграции возможностей программных средств CST и MATLAB создать мощный инструмент для повышения степени автоматизации разработки микрополосковых излучателей многослойной конструкции. Методика позволяет применить разработанный программный пакет для синтеза частотно-селективных поверхностей, обтекателей и радиопоглощающих покрытий.

Мигалин М.М., Обуховец В.А. Конструктивный синтез многослойных печатных антенн с помощью эволюционного алгоритма // Антенны. 2025. № 6. С. 72–80. DOI: https://doi.org/10.18127/j03209601-202506-08

1. Shi D. An intelligent antenna synthesis method based on machine learning // IEEE Transactions on Antennas and Propagation. 2022. V. 70. № 7. P. 4965–4976.
2. Жиленков А.А., Черный С.Г. Обзор существующих и перспективных применений технологий искусственного интеллекта в проектировании и работе систем активных фазированных антенных решеток // Интеллектуальные системы в производстве. 2019. Т. 17. № 4. С. 94–99. DOI: 10.22213/2410-9304-2019-4-94-99.
3. Roshani S. Mutual coupling reduction in antenna arrays using artificial intelligence approach and inverse neural network surrogates // Sensors. 2023. V. 23. № 16. P. 7089.
4. Wu Q. et al. Machine-learning-assisted optimization for antenna geometry design // IEEE Transactions on Antennas and Propagation. 2024. V. 72. № 3. P. 2083–2095.
5. Goudos S.K., Kalialakis C., Mittra R. Evolutionary algorithms applied to antennas and propagation: A review of state of the art // International Journal of Antennas and Propagation. 2016. V. 2016. № 1. P. 1010459.
6. Jayasinghe J.W. Application of genetic algorithm for binary optimization of microstrip antennas: a review // AIMS Electronics and Electrical Engineering. 2021. V. 5. № 4. P. 315–333.
7. Lizzi L. et al. A PSO-driven spline-based shaping approach for ultrawideband (UWB) antenna synthesis // IEEE Transactions on Antennas and Propagation. 2008. V. 56. № 8. P. 2613–2621.
8. Wang W.B., Feng Q., Liu D. Synthesis of thinned linear and planar antenna arrays using binary PSO algorithm // Progress In Electromagnetics Research. 2012. V. 127. P. 371–387.
9. Sun Y., Sun J., Ye L. Synthesis of thinned planar concentric circular antenna arrays using a modified artificial bee colony algorithm // International Journal of Antennas and Propagation. 2023. V. 2023. № 1. P. 7735267.
10. Кочетков В.А. Оптимизация линзовых антенных решеток алгоритмами роя частиц и кукушкиного поиска при их проектировании // Известия Тульского государственного университета. Технические науки. 2021. № 2. С. 115–125.
11. He X., Alistarh C., Podilchak S.K. Optimal MIMO sparse array design based on simulated annealing particle swarm optimization // 2022 16th European Conference on Antennas and Propagation (EuCAP). IEEE. 2022. P. 1–5.
12. Rowe W.S.T., Waterhouse R.B. Investigation into the performance of proximity coupled stacked patches // IEEE Transactions on Antennas and Propagation. 2006. V. 54. № 6. P. 1693–1698.
13. Мигалин М.М., Обуховец В.А. Снижение взаимной связи печатных антенных элементов с помощью генетического алгоритма // Антенны. 2024. № 3. С. 65–74. DOI: 10.18127/j03209601-202403-08.
14. Мигалин М.М., Обуховец В.А. Особенности применения генетического алгоритма для синтеза печатных антенн // Радиотехника. 2024. Т. 88. № 5. С. 129–135. DOI: 10.18127/j00338486-202405-15.
15. Гладков Л.А., Курейчик В.В., Курейчик В.М. Генетические алгоритмы: Учебник. Изд. 2-е, испр. и доп. М.: ООО Издательская фирма «Физико-математическая литература». 2010.
16. Bugaj M., Wnuk M., Kishk A. Bandwidth optimization of aperture-coupled stacked patch antenna // Advancement in Microstrip Antennas with Recent Applications. 2013. P. 34–55.