مدل سازی و تعیین پارامترهای سوئیچ rf mems با استفاده از شبکه ی عصبی

thesis

وزارت علوم، تحقیقات و فناوری - موسسه آموزش عالی غیرانتفاعی و غیردولتی سجاد مشهد - دانشکده مهندسی برق
author امین پاک
adviser خلیل مافی نژاد
Number of pages: First 15 pages
publication year 1390

abstract

در دو دهه اخیر استفاده از ارتباطات بی سیم افزایش چشم گیری داشته است و به علت اشباع استفاده از فرکانس های کم، استفاده از فرکانس های بالا در دستور کار اغلب تولید کنندگان سیستم های ارتباطی قرار گرفته است. قطعات mems از جمله سوئیچ های mems به دلایل عدیده ای مورد توجه تولیدکنندگان سیستم های rf فرکانس بالا (بیشتر از ghz) قرار گرفته است. قطعات mems با توجه به اینکه مزایای زیادی از جمله تلفات کم، رفتار خطی، وزن کم، قیمت کم و خصوصاً قابلیت مجتمع شدن با سایر قسمت های مدار های الکترونیکی را داشته باشد، می تواند در مدارات rf به کار برده شود. برای مثال سوئیچ های rf mems در ارتباطات، مخصوصاً ارتباطات ماهواره ای و سیستم های رادار استفاده می شوند. یکی از مشکلاتی که در طراحی سوئیچ های mems وجود دارد، ندانستن مدل دقیقی از رفتار سوئیچ به ازای تغییر پارامترهای اساسی سوئیچ است. تعین یک مدل دقیق می تواند راه گشای بسیار مطمئنی برای طراح مدار باشد و علی رغم اینکه این مشکل طراحی که باید زمان زیادی صرف رسیدن به خواسته های مورد نظر شود را برطرف می کند، نیاز به اندازه-گیری های پرهزینه و معمولاً در مواردی غیر ممکن را مرتفع می کند. حتی در فرایند ساخت می توان از مدل الهام گرفت و برای کاربردهای متفاوت، سوئیچ مناسب را تولید کرد. لذا در این پروژه از شبکه عصبی مصنوعی که خلق آن در علوم برق و کامپیوتر و استفاده از آن در مورد سیستم های کنترل هوشمند بسیار نمود پیدا کرده است، برای به دست آوردن مدل دقیقی از پارامترهای پراکندگی سوئیچ در هر دو حالت قطع و وصل ارائه شده است که می توان با استفاده از این مدل در کمتر از چند ثانیه مدل دقیقی از رفتار سوئیچ و با هدف به دست آوردن خواسته های مطلوب طراحی کرد. در ادامه ساختاری برای سوئیچ mems پیشنهاد شده که علاوه بر داشتن ولتاژ تحریک کم، دارای پهنای باند وسیعی می-باشد و همچنین پارامترهای فیزیکی طوری بهینه شده اند که سوئیچ از پایداری و قابلیت اطمینان بالایی برخوردار باشد.

First 15 pages

Signup for downloading 15 first pages

Already have an account?login

similar resources

مدل سازی انرژی ضربه ی فولادهای مرتبه ای با استفاده از شبکه های عصبی مصنوعی

در این مقاله, انرژی ضربهëی فولادهای مرتبهëای در دماهای مختلف با استفاده از شبکهëهای عصبی مصنوعی مدلëسازی شده است. فولادهای مرتبهëای با استفاده از چیدمانëها و ضخامتëهای مختلف فولادهای ساده کربنی و زنگëنزن، به عنوان الکترود اولیه فرآیند ذوب دوباره سربارهëای الکتریکی، تولید میëشوند. نفوذ اتمëهای مختلف از درون قطعات اولیه فولادی به یکدیگر سبب تولید نواحی مرتبهëای فریتی و آستنیتی میëگردد. شش نوع مدل...

full text

آنالیز، طراحی، و ساخت سوئیچ rf-mems با استفاده از روش عددی ماتریس خط انتقال طراحی و ساخت سوئیچ rf-mems جدید

چکیده ندارد.

15 صفحه اول

طراحی و تحلیل سوئیچ rf mems با سرعت بالا

در ده سال اخیر ، سوئیچ های میکرو الکترومکانیکی ( mems ) به خاطر کاربردهای امید بخششان نظیر تلفات پایین ، خاصیت خطی بالا و توان مصرفی dc بسیار ناچیز طرفداران بسیاری پیدا کرده است اما این سوئیچ ها محدودیت هایی از قبیل ولتاژ تحریک بالا و سرعت سوئیچینگ پایین دارند. در این پژوهش سعی شده است تا ساختار جدیدی از سوئیچ rf mems ارائه شود که سرعت سوئیچینگ بالاتری نسبت به دیگر سوئیچ های mems از خود نشان بد...

مدل سازی تجربی و بررسی تأثیر پارامترهای فرایند جوشکاری اصطکاکی اختلاطی آلیاژ آلومینیوم 5456 با استفاده از شبکه عصبی مصنوعی

full text

مدل سازی پارامترهای کیفی توت سفید در فرآیند خشک شدن با استفاده از شبکه عصبی مصنوعی

توت سفید یکی از میوه های سرشار از قند مفید بوده و از راه های نگه داری این محصول خشک کردن می باشد. امروزه شبکه های عصبی مصنوعی در مدل سازی خشک کردن در حال رشد و توسعه است. پژوهش حاضر با هدف مدل سازی کیفیت خشک شدن توت سفید توسط شبکه عصبی انجام گردید. آزمایش های خشک کردن توسط خشک کن جریان هوای داغ در دو رطوبت اولیه (1± 85% و 1±80%) و در سه دمای 50، 60 و70 درجه سلسیوس و سه جریان هوای 5/1، 2و 5/2 م...

full text

شبیه سازی و پیش‌بینی جریان رودخانه‌ها با استفاده از شبکه عصبی و مدل فوریه

مقاله حاضر به بررسی نحوه عملکرد شبکه‌های عصبی MLP در ارتباط با خروجی مدل فوریه، FSAM، می‌پردازد. مدل FSAM که مدل شبیه ساز بارش است، تحلیل مدل‌های کلاسیک را در قلمرو فرکانس، که توسعه نظریه طیفی فرآیندهای متداول نظیر طیف الگوهای ARIMA را در درون خود دارد، ارائه می‌دهد. کاربرد همزمان شبکه‌های عصبی MLP و مدلFSAM، امکان پیش بینی جریان ماه (i) ام را در ارتباط با پیش بینی بارش همان ماه، میسر می‌سازد...

full text

My Resources

Save resource for easier access later

Save to my library Already added to my library

{@ msg_add @}

document type: thesis

وزارت علوم، تحقیقات و فناوری - موسسه آموزش عالی غیرانتفاعی و غیردولتی سجاد مشهد - دانشکده مهندسی برق

Keywords

سوییچ شبکه عصبی ولتاژ تحریک

Hosted on Doprax cloud platform doprax.com