5. Capitolo 5 – Conclusioni e sviluppi futuri.
Comparando tra loro i dati raccolti, si nota immediatamente l’inefficacia della formula analitica per laminati quali l’ AR 450 o l’ AD 600, alla frequenza f = 12.5 GHz.
Infatti, in questi casi, i valori approssimati ottenibili con il metodo di Rayleigh-Ritz tendono a discostarsi anche notevolmente da quelli effettivamente calcolati con le simulazioni effettuate con CST Microwave Studio. Questo causa un aumento dell’ errore percentuale commesso nella scelta della costante dielettrica rendendo inapplicabile la tecnica.
La formula analitica è, invece, applicabile per materiali con costante dielettrica bassa ( Duroid 5880) quando lo spessore della lamina è maggiore o uguale a 1.575mm o per materiali con costante dielettrica elevata ma utilizzando un campione di spessore superiore, fino a riempire la guida (Allumina).
Può diventare interessante, in futuro, superare i limiti che questa formula presenta.
Una possibile soluzione consiste nel valutare, anche al di fuori dei limiti da noi fissati, la discrepanza tra i dati calcolati e quelli ottenuti dalle simulazioni, Se fosse possibile prevedere questo valore al variare dei parametri suddetti, si potrebbe pensare di compensarlo in modo adattivo.
Potrebbero venirci in soccorso le reti neurali. Sono queste delle reti che si comportano come un cervello umano e che, quindi, sono in grado di apprendere : è sufficiente fornire loro una serie di dati per poter poi generalizzare il problema[14][15].
Se, quindi, una volta stabilito come progettare la rete neurale, si forniscono determinati ingressi( diversi spessori della lamina, diversi valori della costante dielettrica, diversi valori della costante di propagazione, ecc. ) e determinate uscite ( i corrispondenti valori dell’errore commesso nelle approssimazioni del metodo), la rete sceglierà in modo appropriato i pesi da utilizzare per ottenere dagli ingressi forniti le uscite corrispondenti.
La rete ,a questo punto, ha imparato e, fornendo nuovi ingressi, è in grado restituire autonomamente la rispettiva uscita, anche per ingressi differenti rispetto a quelli con cui è stata addestrata
Figura 13 Esempio di una struttura di una rete neurale
Questi valori possono essere tabulati e sommati a quelli che si ottenevano con i programmi in Matlab in modo da avvicinare il valore di GAMMA a quello reale fornitoci dalle simulazioni.
Altrimenti, si può ricorrere ad una rete neurale che superi completamente il ricorso ai simulatori per valutare la costante dielettrica del laminato.
La rete, a cui, soltanto in fase di training, vengono forniti ingressi e uscite ottenuti mediante simulazione, si dimensiona in modo da poter prevedere il valore della costante di propagazione al variare dei parametri in gioco (spessore,costante,ecc.). Da questo valore, con formule di inversione, si potrà determinare la costante dielettrica.