Model-based systems engineering approach in phased antenna array design and optimization

Abstract

This thesis introduces the concept of Model-based systems engineering by providing an example on how the hardware aspects of a phased antenna array can be modeled with a system modeling language SysML in a modeling software application Cameo Systems modeler, and demonstrates how the resulting system model is used as a central hub for integration with the analysis of a phased antenna array.

This thesis covers the creation of analysis models at three different fidelity levels for a phased antenna array that operates in the frequency range from 3.4 to 4 gigahertz. The models are created with the electromagnetic modeling and simulation software Ansys HFSS, and the programming and numeric computing platform MATLAB, which is used to create a script that handles post-processing of the simulation results.

The lowest fidelity analysis model is automated in the Multi-disciplinary analysis and optimization tool ModelCenter. The result is an analysis workflow with configurable design parameters as its inputs and performance evaluation parameters as its outputs. The workflow combines and automates the consequent execution of the HFSS electromagnetic model and the post-processing MATLAB script. Afterwards, the workflow is integrated with the system model, which enables the use of requirements in the analysis, and the ability to upload designs achieved with the analysis to the system model.

This connected workflow is used to perform a Design of experiments and a machine learning algorithm driven optimization on the phased antenna array, with the goal of finding the best possible spacings between the individual radiating elements in the array. The Design of experiments produces graphs that visualize statistical relationships between the antenna array’s design variables and its performance evaluation parameters.

The optimization produces a graph that visualizes a pareto front between different performance evaluation parameters. In other words, the graph shows the design alternatives that cannot be further improved in any parameter without degrading another.

This graph is used to make an informed decision on the best radiating element spacings in the antenna array. This results in 50 millimetres for the vertical spacing and 40 millimetres for the horizontal spacing in this example. Finally, the design option is uploaded to the system model, which concludes the demonstration of system and analysis modeling and their integrated usage in the design and optimization of a phased antenna array.

Tässä diplomityössä käydään läpi mallipohjaisen järjestelmäsuunnittelun konsepti, sekä osoitetaan esimerkin avulla, kuinka sitä käytetään vaiheistettujen antenniryhmien mallintamiseen SysML-järjestelmänmallinnuskielellä, Cameo Systems Modeler -työkalussa. Tämän lisäksi työssä esitetään, kuinka mallinuksesta syntyvää järjestelmämallia käytetään integroinnin keskuksena vaiheistetun antenniryhmän suunnittelun analysoinnille.

Työssä käydään läpi kolmen eri tarkkuustason mallin luonti vaiheistetulle antenniryhmälle, jonka toimintataajuusalue ulottuu 3.4:stä gigahertsistä neljään gigahertsiin. Mallit luodaan käyttämällä sähkömagneettista mallinnus- ja simulointi ohjelmistoa nimeltään Ansys HFSS, sekä numeerista laskenta- ja ohjelmointialustaa nimeltään MATLAB, jolla luodaan skripti simuloinnin tulosten jälkikäsittelyä varten.

Tämän jälkeen alimman tarkkuustason analyysimalli automatisoidaan monitieteisellä analyysi- ja optimointi työkalulla nimeltään ModelCenter. Tämä tehdään rakentamalla analyysin työnkulku, jonka tulona on antenniryhmän suunnittelumuuttujia ja lähtönä sen suorituskykyä kuvaavia parametreja. Analyysin työnkulku yhdistää sekä automatisoi sähkömagneettisen HFSS-mallin ja MATLAB-jälkikäsittelyskriptin peräkkäisen ajamisen ModelCenterissä. Tämän jälkeen analyysin työnkulku integroidaan järjestelmämallin kanssa. Tämä mahdollistaa vaatimusten käyttämisen analyyseissa sekä kyvyn ladata analyysin perusteella saatuja suunnitteluvaihtoehtoja järjestelmämalliin.

Tätä kytkettyä analyysin työnkulkua käytetään vaiheistetun antenniryhmän kokeelliseen suunnitteluun sekä koneoppimisen algoritmeja käyttävään optimointiin, joiden tavoitteena on löytää parhaat mahdolliset antenniryhmän yksittäisten säteilevien elementtien väliset etäisyydet. Kokeellinen suunnittelu tuottaa kuvaajia, jotka visualisoivat antenniryhmän suunnittelumuuttujien ja suorituskykyä kuvaavien parametrien välisiä tilastollisia riippuvuussuhteita, tehden niiden ymmärtämisestä helppoa.

Optimointi tuottaa kuvaajan, joka visualisoi eri suunnitteluvaihtoehdoilla saatavien suorituskykyä kuvaavien parametrien välistä pareto-tehokkuutta. Toisin sanoen kuvaajasta nähdään parhaat suunnitteluvaihtoehdot, joissa minkään suorituskykyä kuvaavan parametrin arvoa ei voida enää parantaa huonontamatta jonkun toisen arvoa.

Tämän kuvaajan perusteella tehdään päätös parhaista mahdollisista antenniryhmän säteilevien elementtien välisistä etäisyyksistä. Tulos johon esimerkissä päädytään on 50 millimetriä korkeussuunnassa ja 40 millimetriä sivusuunnassa. Lopuksi tämä suunnitteluvaihtoehto ladataan järjestelmämalliin, joka päättää havainnollistavan esimerkin järjestelmä ja analyysimallinnuksesta, sekä niiden yhdistetystä käytöstä vaiheistettujen antenniryhmien suunnittelussa ja optimoinnissa.