利用基于自适应网络的模糊推理系统对可穿戴天线进行设计优化

《Scientific Reports》：Design optimization of wearable antennas using an adaptive network-based fuzzy inference system

　　

摘要

本文提出了一种基于数据驱动的优化框架，用于设计在2.4 GHz工业与科学频段（ISM）工作的可穿戴微带贴片天线，该框架采用了自适应网络模糊推理系统（ANFIS）。该方法根据目标电磁性能指标（包括谐振频率、反射系数、带宽和基板厚度）来预测关键的天线几何参数——贴片宽度、贴片长度和馈电点坐标。研究从参数化的HFSS仿真中提取了500个样本数据，并采用70/30的比例对ANFIS模型进行了训练和测试。系统地评估了四种隶属函数类型（三角形、梯形、高斯型和广义钟形）对预测精度和收敛行为的影响。结果表明，ANFIS的预测结果与HFSS仿真结果高度一致，贴片尺寸的平均绝对误差在亚毫米级别，且各参数的回归系数均较高。在测试的隶属函数中，广义钟形函数表现出最稳定的收敛性和最低的整体预测误差。该方法通过从性能规格快速估算天线几何参数，减少了重复进行全波仿真的需求，从而加快了可穿戴天线的原型设计速度。研究结果强调了隶属函数选择在神经模糊建模中的重要性，并证明了基于ANFIS的替代建模方法在可穿戴通信设备设计中的可行性。