Date of Award

11-2025

Document Type

Thesis

Degree Name

Master of Science in Electrical Engineering (MSEE)

Department

Electrical and Communication Engineering

First Advisor

Mousa Hussein

Abstract

Microstrip patch antennas (MPAs) rely on precise impedance matching for efficient power transfer between the antenna and feed line. This is often achieved using a number of different techniques, one of which is the quarter-wavelength transformer (QWT). While commercial electromagnetic (EM) solvers offer robust optimization capabilities, they often operate as "black boxes" without providing physical insights into parameter interdependencies. Furthermore, this thesis focuses on the specific scenario where the antenna input impedance is purely real. To address the lack of explicit design relationships for these specific conditions, this thesis develops and comparatively evaluates artificial intelligence (AI) models for QWT width optimization. Methods involved random forest (RF) and a novel probabilistic deep neural network (PDNN) on a custom dataset of approximately 20,000 antenna designs simulated in CST Microwave Studio. Results indicate the PDNN excelled at bandwidth prediction (R² ≈ 0.70) and achieved moderate accuracy for QWT width (R² ≈ 0.35), though it struggled with frequency prediction (negative R²). RF analysis provided crucial feature importances, validating physical insights, such as patch length influencing frequency and patch width affecting bandwidth. This work significantly contributes by demonstrating AI's ability to augment traditional design workflows and provide interpretive insights into complex parameter interdependencies, thereby filling the gap in direct, comparative AI optimization for specific matching network components.

Arabic Abstract

تصميم هوائي الشريط الدقيق المعتمد على الذكاء الاصطناعي وتعلّم الآلة

تهدف هذه الأطروحة إلى دراسة وتحليل دور مطابقة الممانعة الدقيقة في هوائيات الرقعة الميكروشرائطية من أجل تحقيق نقل فعّال للطاقة بين الهوائي وخط التغذية، مع التركيز على تقنية محوّل ربع الطول الموجي بوصفها إحدى أهم تقنيات المطابقة المستخدمة. وعلى الرغم من أن برامج المحاكاة الكهرومغناطيسية التجارية توفّر أدوات قوية للتحسين، إلا أنها غالبًا ما تعمل كنُظم مغلقة تفتقر إلى تقديم تفسير فيزيائي واضح للعلاقات المتبادلة بين معاملات التصميم. كما تركز هذه الدراسة على الحالة الخاصة التي تكون فيها ممانعة دخل الهوائي حقيقيةً بحتة. ولمعالجة غياب العلاقات التصميمية الصريحة في ظل هذه الشروط، تم في هذه الأطروحة تطوير وتقييم نماذج الذكاء الاصطناعي بصورة مقارنة لتحسين عرض محوّل ربع الطول الموجي. شملت المنهجية المستخدمة كلاً من خوارزمية الغابة العشوائية ونموذجًا مبتكرًا للشبكات العصبية العميقة الاحتمالية، وذلك بالاعتماد على مجموعة بيانات مخصّصة تضم قرابة 20,000 تصميم هوائي جرى الحصول عليها عبر المحاكاة باستخدام برنامج CST Microwave Studio. أظهرت نتائج الدراسة أن نموذج الشبكة العصبية العميقة الاحتمالية حقق أداءً متقدمًا في التنبؤ بعرض النطاق الترددي، ودرجة دقة متوسطة في تقدير عرض محوّل ربع الطول الموجي، في حين واجه صعوبة في التنبؤ بالتردد. ومن ناحية أخرى، مكّن تحليل الغابة العشوائية من استخلاص أهمية الخصائص المختلفة، مما وفّر فهمًا فيزيائيًا داعمًا، مثل تأثير طول الرقعة على التردد وتأثير عرضها على عرض النطاق الترددي. تتمثل أهم إسهامات هذه الدراسة في إظهار فاعلية توظيف تقنيات الذكاء الاصطناعي لدعم وتطوير سير عمل التصميم التقليدي، وتقديم رؤى تفسيرية معمّقة حول الترابطات المعقدة بين معاملات التصميم، بما يسهم في سد الفجوة القائمة في التحسين المباشر والمقارن باستخدام الذكاء الاصطناعي لمكوّنات محددة في شبكات مطابقة الممانعة.

Download
COinS