Original title: Návrh výkonového děliče pomocí umělé inteligence s využitím vektor fitingu
Translated title: Design of a Power Divider Using Artificial Intelligence and Vector Fitting
Authors: Götzl, Samuel Max ; Raida, Zbyněk (referee) ; Kadlec, Petr (advisor)
Document type: Bachelor's theses
Year: 2026
Language: cze
Publisher: Vysoké učení technické v Brně. Fakulta elektrotechniky a komunikačních technologií
Abstract: [cze] [eng]
Tato bakalářská práce se zabývá využitím metod umělé inteligence pro reverzní návrh mikrovlnného Wilkinsonova výkonového děliče. Cílem práce bylo vytvořit automatizovaný pracovní postup propojující elektromagnetické simulace, aproximaci frekvenčních charakteristik pomocí algoritmu Vector Fitting a modely strojového učení. Pro parametrický model výkonového děliče byl vytvořen dataset elektromagnetických charakteristik získaných simulacemi v programu CST Studio Suite. Charakteristiky byly následně aproximovány metodou Vector Fitting a využity pro trénování modelů Random Forest určených k predikci geometrických parametrů struktury. Funkčnost navrženého postupu byla ověřena pomocí elektromagnetických simulací a porovnáním výsledných S-parametrů s referenční elektromagnetickou odezvou. Výsledky potvrzují možnost využití kombinace algoritmu Vector Fitting a metod strojového učení pro automatizovaný reverzní návrh mikrovlnných struktur. This bachelor’s thesis deals with the application of artificial intelligence methods to the inverse design of a microwave Wilkinson power divider. The main objective was to develop an automated workflow combining electromagnetic simulations, frequency-response approximation using the Vector Fitting algorithm, and machine learning models. A dataset of electromagnetic characteristics was generated using a parametric model of the power divider simulated in CST Studio Suite. The obtained characteristics were subsequently approximated by the Vector Fitting method and used for training Random Forest models intended for the prediction of the structure’s geometrical parameters. The proposed approach was validated by electromagnetic simulations and by comparing the resulting S-parameters with a reference electromagnetic response. The results demonstrate the feasibility of combining the Vector Fitting algorithm and machine learning techniques for the automated inverse design of microwave structures.
Keywords: inverse design.; machine learning; microwave power dividers; Random Forest; Vector Fitting; Wilkinson power divider; mikrovlnné struktury; Random Forest; reverzní návrh.; strojové učení; Vector Fitting; Wilkinsonův výkonový dělič

Institution: Brno University of Technology (web)
Document availability information: Fulltext is available in the Brno University of Technology Digital Library.
Original record: http://hdl.handle.net/11012/258414

Permalink: http://www.nusl.cz/ntk/nusl-776172


The record appears in these collections:
Universities and colleges > Public universities > Brno University of Technology
Academic theses (ETDs) > Bachelor's theses