Questa tesi di dottorato è attinente a problematiche di ottimizzazione nel campo dell’elettromagnetismo applicato. In particolare, sono state oggetto di studio due tecniche stocastiche basate su principi evoluzionistici: gli Algoritmi Genetici ed il Particle Swarm Optimization. La prima è stata applicata per l’ottimizzazione di superfici con particolari proprietà elettromagnetiche atte a migliorare le prestazioni di comuni elementi radianti. La seconda tecnica è stata implementata per risolvere un problema di modellizazione equivalente, nell’ambito di applicazioni spaziali. In particolare, l’obiettivo é quello di caratterizzaere e predire le proprietà magnetostatiche di satelliti mediante un modello a dipoli magnetici equivalente.

Advanced Optimization Techniques in Electromagnetics: Antennas and Space Applications

CARRUBBA, ELISA
2010

Abstract

Questa tesi di dottorato è attinente a problematiche di ottimizzazione nel campo dell’elettromagnetismo applicato. In particolare, sono state oggetto di studio due tecniche stocastiche basate su principi evoluzionistici: gli Algoritmi Genetici ed il Particle Swarm Optimization. La prima è stata applicata per l’ottimizzazione di superfici con particolari proprietà elettromagnetiche atte a migliorare le prestazioni di comuni elementi radianti. La seconda tecnica è stata implementata per risolvere un problema di modellizazione equivalente, nell’ambito di applicazioni spaziali. In particolare, l’obiettivo é quello di caratterizzaere e predire le proprietà magnetostatiche di satelliti mediante un modello a dipoli magnetici equivalente.
24-apr-2010
Italiano
antennas
artificial magnetic surfaces
circular polarization
electromagnetics
GA
high impedance surfaces
magnetostatic cleanliness
magnetostatics
MDM
multiple dipole modelling
optimization
PSO
space applications
Zolesi, Valfredo
Monorchio, Agostino
Manara, Giuliano
File in questo prodotto:
File Dimensione Formato  
PhDThesis.pdf

embargo fino al 01/06/2050

Tipologia: Altro materiale allegato
Licenza: Tutti i diritti riservati
Dimensione 8.84 MB
Formato Adobe PDF
8.84 MB Adobe PDF
Frontespizio.pdf

accesso aperto

Licenza: Tutti i diritti riservati
Dimensione 186.43 kB
Formato Adobe PDF
186.43 kB Adobe PDF Visualizza/Apri

I documenti in UNITESI sono protetti da copyright e tutti i diritti sono riservati, salvo diversa indicazione.

Utilizza questo identificativo per citare o creare un link a questo documento: https://hdl.handle.net/20.500.14242/150938
Il codice NBN di questa tesi è URN:NBN:IT:UNIPI-150938