بررسی تاثیر خرابی عناصر آنتن آرایه‌ای خطی بر محاسبه فاکتور آرایه و جبران آن با الگوریتم ژنتیک

شکل‌دهی پرتو در آنتن آرایه‌ای خطی با روش فاکتور آرایه انجام می‌شود که به صورت مجموع حاصلضرب وزن‌های معین در سیگنال دریافتی یا ارسالی هر عنصر در آنتن آرایه‌ای است و این وزن‌ها برای کاهش سطح پرتوهای جانبی به روش دلف چبی شف تنظیم می‌شود. خرابی عنصر موجب تغییر شکل فاکتور آرایه می‌شود. برجسته‌ترین تغییر، افزایش سطح پرتو جانبی می‌باشد که به صورت تابع خطا محاسبه شده است. معلومات مسئله، محل و تعداد عناصر معیوب می‌باشد. هدف، بازسازی فاکتور آرایه به صورت قبل از خرابی عناصر، با محاسبه مجدد وزن‌ها توسط الگوریتم محاسباتی می‌باشد که با کمینه کردن تابع خطا، مقادیر ضرایب تصحیح برای عناصر سالم حاصل می‌شود. شبیه‌سازی‌ها برای آنتن آرایه خطی 32 عنصری با فاصله هم‌سان نیم طول موج در فرکانس 8 گیگاهرتز در نرم‌افزار matlab انجام شده است. در این مقاله برای اولین بار با رسم تابع خطا، شناختی از چند مدی بودن تابع خطا و تفاوت محل بهینه سراسری در هر حالت خرابی بدست آمده است. با توجه به نوع تابع هزینه و نیاز به الگوریتم توانا در یافتن بهینه سراسری، الگوریتم ژنتیک انتخاب شد و با ارائه تابع هزینه پیشنهادی، مقدار خطای کمتر در تعداد اجرای یکسان حاصل شد. در شرایط عملی، خرابی عناصر به میزان 4 درصد بروز می‌کند که در این مقاله، با بررسی کامل‌تر و بیش از 4 درصد، نتایج روش بکار رفته در این تحقیق شامل این موارد است: 1-تعیین حالت‌های خرابی عناصر از لحاظ محل و تعداد عنصر قابل جبران‌سازی نرم افزاری. 2-محاسبه وزن‌های جبران‌سازی برای هر حالت.

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

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: 1define mode (number and position of failed element) of array failure, that can be recovered. 2calculate weights of unfailed element I any failure mode. 3make correction table from offline recovery result for using in runtime mode of array.