بررسي تاثير خرابي عناصر آنتن آرايه اي خطي بر محاسبه فاكتور آرايه و جبران آن با الگوريتم ژنتيك

Array Factor Analyses in Linear Array Antenna with Element Failure and Correction by Genetic Algorithm

شكل دهي پرتو در آنتن آرايه اي خطي با روش فاكتور آرايه انجام مي شود كه به صورت مجموع حاصلضرب وزن هاي معين در سيگنال دريافتي يا ارسالي هر عنصر در آنتن آرايه اي است و اين وزن ها براي كاهش سطح پرتوهاي جانبي به روش دلف چبيشف تنظيم مي شود. خرابي عنصر موجب تغيير شكل فاكتور آرايه مي شود. برجسته ترين تغيير، افزايش سطح پرتو جانبي مي باشد كه به صورت تابع خطا محاسبه شده است. معلومات مسئله، محل و تعداد عناصر معيوب مي باشد. هدف، بازسازي فاكتور آرايه به صورت قبل از خرابي عناصر، با محاسبه مجدد وزن ها توسط الگوريتم محاسباتي مي باشد كه با كمينه كردن تابع خطا، مقادير ضرايب تصحيح براي عناصر سالم حاصل مي شود. شبيه سازي ها براي آنتن آرايه خطي 32 عنصري با فاصله هم سان نيم طول موج در فركانس 8 گيگاهرتز در نرم افزار MATLAB انجام شده است. در اين مقاله براي اولين بار با رسم تابع خطا، شناختي از چند مدي بودن تابع خطا و تفاوت محل بهينه سراسري در هر حالت خرابي بدست آمده است. با توجه به نوع تابع هزينه و نياز به الگوريتم توانا در يافتن بهينه سراسري، الگوريتم ژنتيك انتخاب شد و با ارائه تابع هزينه پيشنهادي، مقدار خطاي كمتر در تعداد اجراي يكسان حاصل شد. در شرايط عملي، خرابي عناصر به ميزان 4 درصد بروز مي كند كه در اين مقاله، با بررسي كامل تر و بيش از 4 درصد، نتايج روش بكار رفته در اين تحقيق شامل اين موارد است: 1- تعيين - حالت هاي خرابي عناصر از لحاظ محل و تعداد عنصرقابل جبران سازي نرم افزاري. 2 - محاسبه وزن هاي جبران سازي براي هر حالت.

Array factor is sum of multiplied weights to elements signal (received or transmitted). This weights be set to reduce side lobe level (with Dolph Chebyschev). Element failure disturbs the Array Factor and change the parameters of that. The side lobe level is used to cost function the main parameter influence of array failing, and then define kind of cost function (multimodal or unimodal) and show the different global optimization point for any failing mode. In this problem, the number and position of failed element be gived and Genetic Algorithm, remake the Array Factor with reduce the cost function and recalculate the weights of unfailed element to recovery of original Array Factor. In practice, 4% of elements be failed but in this paper, try to find what kind of failing mode can be recovered with Genetic Algorithm. Array Factor and Genetic Algorithm be simulated in MATLAB ver. 2014 and results (weights) can be used in design step of array antenna for: 1-define mode (number and position of failed element) of array failure, that can be recovered. 2-calculate weights of unfailed element I any failure mode. 3-make correction table from offline recovery result for using in runtime mode of array.