PŘEDMLUVA 11 FORMÁLNÍ UJEDNÁNÍ 13

Podobné dokumenty
5.1 Modelování drátových antén v časové oblasti metodou momentů

ANALÝZA PLANÁRNÍCH STRUKTUR POMOCÍ METODY MOMENTŮ A JEJICH OPTIMALIZACE

Obsah PŘEDMLUVA 11 ÚVOD 13 1 Základní pojmy a zákony teorie elektromagnetického pole 23

FLUENT přednášky. Metoda konečných objemů (MKO)

elektrické filtry Jiří Petržela filtry založené na jiných fyzikálních principech

1. Vlastnosti diskretních a číslicových metod zpracování signálů... 15

Katedra geotechniky a podzemního stavitelství

Ivan Švarc. Radomil Matoušek. Miloš Šeda. Miluše Vítečková. c..~"f~ AKADEMICKÉ NAKlADATEL.STVf. Brno 20 I I

Numerické metody. Numerické modelování v aplikované geologii. David Mašín. Ústav hydrogeologie, inženýrské geologie a užité geofyziky

Metoda konečných prvků Charakteristika metody (výuková prezentace pro 1. ročník navazujícího studijního oboru Geotechnika)

Multirobotická kooperativní inspekce

PARCIÁLN LNÍ ROVNICE

r Odvoď te přenosovou funkci obvodů na obr.2.16, je-li vstupem napě tí u 1 a výstupem napě tí u 2. Uvaž ujte R = 1Ω, L = 1H a C = 1F.

Numerické řešení obyčejných diferenciálních rovnic

VYUŽITÍ PROGRAMŮ MATLAB A COMSOL MULTIPHYSICS VE VÝUCE VÝPOČETNÍHO ELEKTROMAGNETISMU

Viskoelastická deformace v geofyzikálních aplikacích

Obyčejné diferenciální rovnice počáteční úloha. KMA / NGM F. Ježek

VYSOKÉ UČENÍ TECHNICKÉ V BRNĚ BRNO UNIVERSITY OF TECHNOLOGY VÍCEREFLEKTOROVÁ FRAKTÁLNÍ ANTÉNA MULTIREFLECTOR FRACTAL ANTENNA

Obr. 141: První tři Bernsteinovy iontové módy. Na vodorovné ose je bezrozměrný vlnový vektor a na svislé ose reálná část bezrozměrné frekvence.

Tento dokument obsahuje zadání pro semestrální programy z PAA. Vypracování. vypracovanou úlohu podle níže uvedených zadání. To mimo jiné znamená, že

OK1GTH - ukázka oboru mé činnosti kavalir.t@seznam.cz

Aproximace a interpolace

obhajoba diplomové práce

teorie elektronických obvodů Jiří Petržela obvodové funkce

11.Numerické řešení parciálních diferenciálních rovnic

Matematický ústav UK Matematicko-fyzikální fakulta

VYSOKÉ UČENÍ TECHNICKÉ V BRNĚ Fakulta elektrotechniky a komunikačních technologií Ústav radioelektroniky

Neuronové sítě Ladislav Horký Karel Břinda

D - Přehled předmětů studijního plánu

NUMERICKÝ MODEL NESTACIONÁRNÍHO PŘENOSU TEPLA V PALIVOVÉ TYČI JADERNÉHO REAKTORU VVER 1000 SVOČ FST 2014

Počítačová dynamika tekutin (CFD) Řešení rovnic. - metoda konečných objemů -

Objektově orientovaná implementace škálovatelných algoritmů pro řešení kontaktních úloh

Ing. Tomáš MAUDER prof. Ing. František KAVIČKA, CSc. doc. Ing. Josef ŠTĚTINA, Ph.D.

VYUŽITÍ MATLABU PRO PODPORU VÝUKY A PŘI ŘEŠENÍ VÝZKUMNÝCH ÚKOLŮ NA KATEDŘE KOMUNIKAČNÍCH A INFORMAČNÍCH SYSTÉMŮ

Elektronické obvody analýza a simulace

Číslicové filtry. Honza Černocký, ÚPGM

Typy příkladů na písemnou část zkoušky 2NU a vzorová řešení (doc. Martišek 2017)

České vysoké učení technické v Praze Fakulta jaderná a fyzikálně inženýrská OKRUHY. ke státním závěrečným zkouškám BAKALÁŘSKÉ STUDIUM

Praha technic/(4 -+ (/T'ERATU"'P. ))I~~

Numerická matematika. Zadání 25. Řešení diferenciální rovnice Rungovou Kuttovou metodou

11 Základy výpočetního elektromagnetismu

Slovo autora 9 Pøedmluva? Pøedmluva! 10 Úvod Co umí tøíletý èlovíèek? Co platí pro v echnylidi pro dìti také

MODELOVÁNÍ PLANÁRNÍCH ANTÉN POMOCÍ UMĚLÝCH NEURONOVÝCH SÍTÍ

Rekurentní filtry. Matlab

Interpolace pomocí splajnu

7.1. Číslicové filtry IIR

LOKALIZACE ZDROJŮ AE NEURONOVÝMI SÍTĚMI NEZÁVISLE NA ZMĚNÁCH MATERIÁLU A MĚŘÍTKA

základní vlastnosti, používané struktury návrhové prostředky MATLAB problém kvantování koeficientů

VYUŽITÍ UMĚLÉ NEURONOVÉ SÍTĚ PRO EMPIRICKÝ MODEL ŠÍŘENÍ SIGNÁLU

Proč studovat hvězdy? 9. 1 Úvod Energetické úvahy Zjednodušení použitá při konstrukci sférických modelů Model našeho Slunce 15

Matematický ústav UK Matematicko-fyzikální fakulta

Teoretická elektrotechnika - vybrané statě

Pavol Bukviš 1, Pavel Fiala 2

Modelování blízkého pole soustavy dipólů

Pro tvorbu samostatně spustitelných aplikací je k dispozici Matlab library.

POŽADAVKY K SOUBORNÉ ZKOUŠCE Z MATEMATIKY

Numerické integrace některých nediferencovatelných funkcí

Řešení 1D vedení tepla metodou sítí a metodou

Numerické řešení 2D stlačitelného proudění s kondenzací. Michal Seifert

Numerická matematika Písemky

Vzpěr jednoduchého rámu, diferenciální operátory. Lenka Dohnalová

SPOLEHLIVOST KONSTRUKCÍ & TEORIE SPOLEHLIVOSTI část 5: Aproximační techniky

Matematické modely a způsoby jejich řešení. Kateřina Růžičková

Computer Aided Design v mikrovlnné technice

SYNTÉZA AUDIO SIGNÁLŮ

Obsah PŘEDMLUVA...9 ÚVOD TEORETICKÁ MECHANIKA...15

Polynomy a interpolace text neobsahuje přesné matematické definice, pouze jejich vysvětlení

2. Číslicová filtrace

Numerická simulace elastohydrodynamicky mazaného kruhového kontaktu nehladkých povrchů

Modelování anelastické odezvy vlastních kmitů zemětřesení v Chile 2010

geologie a užité geofyziky Karlova Univerzita, Praha v geomechanice I

Fiala P., Karhan P., Ptáček J. Oddělení lékařské fyziky a radiační ochrany Fakultní nemocnice Olomouc

ZÍSKÁVÁNÍ ZNALOSTÍ Z DATABÁZÍ

FOURIEROVA ANAL YZA 2D TER ENN ICH DAT Karel Segeth

3. Měření efektivní hodnoty, výkonu a spotřeby energie

Rozvoj tepla v betonových konstrukcích

Základní otázky ke zkoušce A2B17EPV. České vysoké učení technické v Praze ID Fakulta elektrotechnická

Rozdíly mezi MKP a MHP, oblasti jejich využití.

1 Zpracování a analýza tlakové vlny

Algoritmy a struktury neuropočítačů ASN - P10. Aplikace UNS v biomedicíně

MATLAB PRO PODPORU VÝUKY KOMUNIKAČNÍCH SYSTÉMŮ

Aproximace funkcí. x je systém m 1 jednoduchých, LN a dostatečně hladkých funkcí. x c m. g 1. g m. a 1. x a 2. x 2 a k. x k b 1. x b 2.

Základní otázky pro teoretickou část zkoušky.

Globální matice konstrukce

MĚŘENÍ A ANALÝZA ELEKTROAKUSTICKÝCH SOUSTAV NA MODELECH. Petr Kopecký ČVUT, Fakulta elektrotechnická, Katedra Radioelektroniky

Při návrhu FIR filtru řešíme obvykle následující problémy:

5. Umělé neuronové sítě. Neuronové sítě

Simulace zpracování optické obrazové informace v Matlabu. Petr Páta, Miloš Klíma, Jaromír Schindler

Návrh a simulace zkušební stolice olejového čerpadla. Martin Krajíček

Kritéria hodnocení praktické maturitní zkoušky z databázových systémů

Mikrovlnná měření: výzkum a vzdělávání

INVESTICE DO ROZVOJE VZDĚLÁVÁNÍ. Příklady použití tenkých vrstev Jaromír Křepelka

Využití komplementarity (duality) štěrbiny a páskového dipólu M

Biologicky inspirované výpočty. Schématické rozdělení problematiky a výuky

Matematika drsně a svižně -- nekonvenční projekt výuky a učebnice

Flexibilita jednoduché naprogramování a přeprogramování řídícího systému

Střední průmyslová škola

Syntéza obvodu teplotní kompenzace krystalového oscilátoru

4 DIELEKTRICKÉ OBVODY ZÁKLADNÍ POJMY DIELEKTRICKÝCH OBVODŮ Základní veličiny a zákony Sériový a paralelní

OPTIMALIZACE A MULTIKRITERIÁLNÍ HODNOCENÍ FUNKČNÍ ZPŮSOBILOSTI POZEMNÍCH STAVEB D24FZS

Transkript:

OBSAH PŘEDMLUVA 11 FORMÁLNÍ UJEDNÁNÍ 13 1 ÚVOD, Z. Raida 15 1.1 Mikrovlnné kmitočtové pásmo 15 1.2 Diferenciální formulace Maxwellových rovnic 16 1.3 Integrální formulace Maxwellových rovnic 18 1.4 Obecný postup numerické analýzy 19 1.4.1 Diskretizace analyzované struktury 19 1.4.2 Formální aproximace hledané veličiny 24 1.4.3 Dosazení formální aproximace do řešené rovnice 31 1.4.4 Minimalizace rezidua 32 1.4.5 Řešení maticové rovnice 33 1.4.6 Dosazení koeficientů do formální aproximace 33 1.5 Kmitočtová versus časová oblast 33 1.6 Závěr 35 Literatura 35 2 METODA KONEČNÝCH DIFERENCÍ V ČASOVÉ OBLASTI, 37 Z. Škvor, L. Pauk, O. Franek 2.1 Metoda konečných diferencí ve frekvenční oblasti 37 5

2.2 Základní principy metody konečných diferencí v časové oblasti 41 2.2.1 Základní vztahy pro FDTD 41 2.2.2 Buzení numerického modelu a korespondence mezi frekvenční 46 a časovou oblastí 2.2.3 Disperze numerického modelu, Courantova podmínka 48 2.2.4 Implementace okrajových podmínek 50 2.2.5 Stabilita algoritmu 55 2.3 Programy v MATLABu 59 2.3.1 Program FDFD 59 2.3.2 Program FDTD 60 2.4 Analýza komplikovanějších struktur 64 2.4.1 Popis funkce GTEM komory 64 2.4.2 Implementace 65 2.4.3 Popis programu 67 2.5 Závěr 68 Literatura 69 3 METODY KONEČNÝCH PRVKŮ V ČASOVÉ OBLASTI, 71 Z. Raida, M. Motl, O. Franek 3.1 Matematická formulace problému 78 3.1.1 Přímé řešení Maxwellových rovnic 78 3.1.2 Řešení vlnové rovnice 79 3.2 Konečné prvky v kmitočtové oblasti 80 3.2.1 Diskretizace analyzované struktury 82 3.2.2 Matice pro obecný konečný prvek 84 3.2.3 Sestavení globálních matic koeficientů pro izolované 87 konečné prvky 3.2.4 Sdružení izolovaných konečných prvků 88 3.2.5 Zavedení okrajových podmínek 89 3.2.6 Řešení maticového problému 89 3.2.7 Implementace v MATLABu 90 6

3.3 Konečné prvky v časové oblasti 92 3.3.1 Aproximace založená na centrálních diferencích 93 3.3.2 Aproximace založená na Newmarkově metodě 94 3.3.3 Aproximace založená na časové integraci 95 3.3.4 Explicitní algoritmy 97 3.3.5 Implicitní algoritmy 99 3.3.6 Implementace implicitního algoritmu v MATLABu 100 3.4 Koncept přeskakování komplexního kmitočtu 101 3.4.1 Formulace problému 101 3.4.2 Aproximace přenosové matice 102 3.4.3 Implementace komplexního přeskakování v MATLABu 104 3.5 Koncept komplexních obálek 105 3.6 Srovnání analýzy v kmitočtové a v časové oblasti 107 3.7 Závěry 109 Literatura 110 4 METODY INTEGRÁLNÍCH ROVNIC V ČASOVÉ OBLASTI, 115 Z. Raida, Z. Lukeš, J. Láčík 4.1 Potenciálová formulace řešení 118 4.2 Numerické řešení v kmitočtové oblasti 122 4.3 Numerické řešení v časové oblasti 128 4.3.1 Implicitní řešení 130 4.3.2 Explicitní řešení 138 4.4 Kmitočtová versus časová oblast 142 4.5 Analýza komplikovanějších struktur 148 4.5.1 Analýza obecně orientovaného drátového dipólu 148 explicitní metodou 4.5.2 Analýza obecně orientovaného drátového dipólu 151 implicitní metodou 4.5.3 Analýza komplikovanějších dipólů 152 4.6 Závěry 155 7

Literatura 156 5 MODELOVÁNÍ MIKROVLNNÝCH STRUKTUR POMOCÍ 159 UMĚLÝCH NEURONOVÝCH SÍTÍ, Z. Raida, Z. Lukeš 5.1 Neuronové sítě: základní pojmy 161 5.2 Modelování širokopásmových struktur 166 5.2.1 Dopředná neuronová síť 167 5.2.2 Zpětnovazební neuronová síť 169 5.2.3 Kubické splajny 170 5.2.4 Dopředná neuronová síť s neekvidistantní trénovací množinou 171 5.2.5 Zpětnovazební neuronová síť s neekvidistantní 172 trénovací množinou 5.2.6 Výpočetní náročnost tvorby a provozování modelů 173 5.3 Modelování v časové oblasti 176 5.3.1 Dopředná neuronová síť 179 5.3.2 Zpětnovazební neuronová síť 180 5.3.3 Kubické splajny 182 5.3.4 Dopředná neuronová síť s neekvidistantní trénovací množinou 184 5.3.5 Zpětnovazební neuronová síť s neekvidistantní 184 trénovací množinou 5.3.6 V-dipól: časová náročnost a chyba učení 185 5.4 Programování neuronových modelů v MATLABu 189 5.4.1 Dopředné neuronové sítě 190 5.4.2 Zpětnovazební neuronové sítě 192 5.5 Závěry 193 Literatura 194 6 MĚŘENÍ ŠIROKOPÁSMOVÝCH STRUKTUR, 199 R. Tkadlec 6.1 Kmitočtová versus časová oblast 199 6.2 Měření v časové oblasti 200 8

6.2.1 Princip měření 200 6.2.2 Aplikace 200 6.2.3 Přístrojové vybavení 202 6.2.4 Impulzy pro měření v časové oblasti 202 6.3 Měření antén v časové oblasti 204 6.3.1 Výhody a nevýhody měření antén v časové oblasti 204 6.3.2 Pomocné antény pro měření v časové oblasti 205 6.3.3 Parametry antén v časové oblasti 210 6.4 Příklady měření v časové oblasti 212 6.4.1 Přístrojové vybavení 212 6.4.2 Přenosová charakteristika filtru typu dolní propust 214 6.4.3 Přenosová charakteristika filtru typu pásmová propust 215 6.4.4 Činitel odrazu filtru typu pásmová propust 216 6.4.5 Činitel odrazu prutové antény 219 6.5 Závěr 223 Literatura 224 REJSTŘÍK 227 9