遺伝的アルゴリズムに基づく高周波タグアンテナの最適設計

無線周波数識別技術は、無線、非接触の自動識別技術であり、近年開発された最先端の技術プロジェクトです。無線周波数識別システムの主要コンポーネントとして、タグ アンテナの最適化された設計は、コストとサイズの削減に重要な役割を果たします。低周波帯および高周波帯のタグアンテナの主な形式はコイルです。低周波帯域でアンテナの体積を小さくする方法としては、主にコイル内に透磁率の高いフェライト材料を挿入することで、アンテナの透磁率を高め、等価面積が小さくなっても十分な開放電圧を得ることができる。高周波帯域では、アンテナは主にチップに統合され、サイズとコストを削減する目的を達成します。一体型アンテナのオプション構造には、平面スパイラル、グリッド、ソレノイド形状などがありますが、アンテナの総等価面積を考慮すると、平面スパイラル構造のみ使用できます。

平面螺旋構造の集積コイルアンテナについては国内外で多くの研究がなされているが、その内容は主に超高周波における集積アンテナのコイルQ値の向上を目的としている。低周波数の場合、コイル自体の Q 値は非常に小さく、システムの動作性能に決定的な役割を果たしません。この場合、エネルギー転送能力に重点を置くため、インダクタ自体の Q 値ではなく、回路全体の Q 値、つまり回路の動作効率が重要になります。既存の高周波集積コイルアンテナの設計は、主に経験に基づいてパラメータを選択し、繰り返して設計を行っていました。この方法では、設計者は一定の背景知識を持ち、経験に基づいてパラメータを選択して調整する必要があります。また、作業が反復的で時間がかかります。また、単純な反復選択方式のため、変更可能なパラメータが制限されており、特定のプロセスを前提として設計が行われます。

この論文では、遺伝的アルゴリズムを使用して、オンチップアンテナの幾何学的パラメータとプロセスパラメータを最適化します。レイアウト面積、最小開放電圧、最小入力電力など、実際の状況やユーザー要件に応じて制約を設定できます。制約を設定することで、パラメータの調整範囲とアンテナの性能要件を設定できるため、より広い範囲内で適切なパラメータを自律的に選択して、エネルギー転送効率を向上させることができます。

遺伝的アルゴリズムを用いた集積コイルアンテナの最適化設計

遺伝的アルゴリズムは効果的なグローバル検索手法であり、その導入以来、工業デザイン、製造、人工知能など、その応用分野は継続的に拡大しています。このセクションでは、遺伝的アルゴリズムを使用して高周波タグ用の統合コイルアンテナの設計を最適化する方法を紹介します。この論文では、ループ品質係数を適合関数として使用して、システム要件を満たし、回路効率を最大化するコイルの幾何学的パラメータを見つけます。

1) 染色体の設計と初期化

一体型コイルアンテナの設計は、適切な幾何学的寸法を設計することにより、コイルがシステムに必要な性能を達成するようにすることです。変更する必要があるコイルの幾何学的パラメータには、外側の長さ l、コイルの巻き数 n、線幅 w、間隔 s、金属の厚さ t、スパイラル構造と基板間の酸化層の厚さ tox、およびスパイラル構造と下層チャネル間の酸化層の厚さ tox/2 が含まれます。プロセス条件がオプションの場合、3 つのプロセス パラメーター t、tox、tox/2 を最適化でき、進化に関係するパラメーターは {l、n、w、s、t、tox、tox/2} です。プロセス条件が固定されている場合、t、tox、tox/2 は定数であり、進化に関係するパラメーターは {l、n、w、s } です。各 10 進パラメータを 8 バイトの 2 進数にエンコードし、進化に関与するすべてのパラメータの 2 進数を組み合わせて染色体を形成します。

遺伝的アルゴリズムの初期段階では、M 染色体で構成される初期集団が生成されます。その中で、集団サイズMの選択については、ゴールドバーグは染色体の長さに基づいて最大集団サイズを計算するヒューリスティックな解決法を提案しました。しかし、この方法で計算された集団サイズMは染色体の長さとともに指数関数的に増加します。このような大きな集団サイズは計算効率に大きな影響を与えます。その後、ヘッサーらは、適切な個体数は 3 から 110 の間で制御されるべきであると提案しました。

本稿では、集団サイズMは50に設定されている。2.2 個体評価染色体の品質は適応度関数を使用して評価する必要があり、染色体の進化の方向をさらに導くためにいくつかの制約が設定されている。本論文の統合コイルアンテナの設計は、主に、コイルアンテナがチップの最大レイアウト要件 lmax、最小動作電圧 Vr、および最小動作電力 Pr を満たすことができるように、適切な幾何学的パラメータを選択することです。これに基づいて、最適なループ品質係数 Q を取得して、回路の動作効率を向上させるという目的を達成します。

（１）適応度関数

適応度関数 f(n)=Q(n) を設定し、ループ品質係数のサイズを使用して染色体の適応性を測定します。 図1に示すように、これは集積コイルアンテナの等価回路であり、開回路電圧V2P-Pは、タグアンテナがリーダーアンテナとの結合を通じて得られる電圧です。ファラディの法則とビオ・サバールの定理によれば、アンテナの開回路誘導電圧V2P-Pは、V2P?P = 2π fBAです。ここで、fはアンテナの動作周波数、Bは磁気誘導強度、Aはコイルの等価総面積です。式は次のとおりです。A= nl2 -2len(n-1)+(2/3)e2n(n-1)(2n-1)

統合コイルの等価物理モデルは、図 2 に示すように、Yue が提案した 3 端子等価モデルを採用しています。ここで、Rs はコイルの寄生抵抗であり、金属スパイラル構造によって導入されるエネルギー損失を特徴付けます。寄生フィードフォワード容量 Cs は主にスパイラル構造とその下のチャネルの重なりによって決まり、隣接する金属ワイヤは等電位と見なすことができるため、隣接する金属ワイヤ間の容量は無視できます。 Ls はコイルのインダクタンスであり、GreenHous が提案した Bryan 法に従って計算されます。計算式は以下のとおりです。

（２）制約条件の設定

進化の効率を改善し、望ましい進化結果をできるだけ早く得るために、進化の方向を導き制限するいくつかの制約を設定します。これらの制約のいくつかは満たされる必要があり、選択プロセス中に、これらの制約を満たさない染色体は自動的に排除されます。統合コイルの一般的な特性によると、設定パラメータの値の範囲は次のとおりです。0μm

同時に、より大きな探索空間を得るために、染色体が何らかの制約を満たさない場合、染色体の競争力を弱めるために一定のペナルティ措置が設定されますが、それが排除されるわけではありません。集積コイルアンテナの設計では、システム要件を満たす性能を持つアンテナを設計する必要があるため、制約は次のように設定されます：VL ≥ Vr、P ≥ Pr、l ≤ lmax。染色体がこのような制約を満たさない場合、染色体の競争力を低下させるペナルティ関数を設定します。このとき、染色体の適応度は次のように低下​​します: f (n) Q(n) 10-5

3) 遺伝子オペレーター

標準的な GA の演算演算子には、通常、選択、交差、突然変異という 3 つの基本形式が含まれます。選択とは、現在の集団から適応度の高い個体を選択して交配プールを生成するプロセスです。この論文では、選択される各個体の期待値がその適応度とグループの平均適応度の比率に関連し、ルーレットホイール方式を使用して実装される適応度比例選択法を使用します。まず、各個体の適応度を計算し、次にグループ全体の適応度におけるこの適応度の割合を計算します。これは、選択プロセスで個体が選択される確率を表します。選択プロセスにより、優れた遺伝子が次の世代の個体に受け継がれることが保証されます。選択が完了すると、染色体は交差操作と突然変異操作に入ります。この論文では、交差確率 pc は 0.5 に、突然変異確率 pm は 0.01 に選択されています。染色体の世代では、交差および突然変異操作のために、このような確率でいくつかの染色体が選択されます。

4) 終了条件の設計

染色体の進化は、一定の世代数後には必ず終了し、最終的な染色体は *** の結果です。特定の値が理想値に達したときに進化を終了するように設定することも、T 回の進化後に自動的に終了する終了代数 T を設定することもできます。この記事の目的は、最良のループ品質係数を得ることです。達成すべき目標値はないので、終了条件として終了代数を設定します。シミュレーションに異なる終了世代を設定した後、約 400 世代後に Q 値が増加しなくなったことがわかりました。つまり、400 世代を実行した後に最高の品質係数が得られるということです。そこで、世代の終了数を 400 に設定しました。

シミュレーション設計と結果の説明

前のセクションで設計された遺伝的アルゴリズム プロセスに従って、MATLAB を使用して統合コイル アンテナの設計を最適化します。比較効果を達成するために、文献からの例が設計に選択されます。本品のアンテナ動作周波数は23.45MHZ、磁気誘導強度Bは8ガウス、チップに必要な最小動作電圧Vrは3V、最小電力Prは1.2mW、提供可能なアンテナの最大外形長lmaxは2mmです。探索範囲が広く、可変パラメータが多いという遺伝的アルゴリズムの特性を考慮して、まずすべてのパラメータを最適化し、より広い範囲で最適な解を探索します。次に、プロセス パラメータを固定して、例との比較効果を取得します。遺伝的アルゴリズムの利点をよりわかりやすく説明します。具体的な成果は以下のとおりです。

1) すべてのパラメータを最適化する

{l,n,w,s,t,tox,tox/2} は染色体を生成するためにエンコードされます。遺伝的アルゴリズムを実行した後、得られた Q は進化数とともに連続的に増加します。図 3 は、進化数 t によるループ品質係数 Q の変化を示しています。 50世代の進化の後、Q値の変化は比較的小さくなりましたが、250世代あたりでQ値は再び増加します。終了代数400に到達すると、回路品質係数は6.0928になり、***染色体は{1866,30,10,1,10,10,3.6}になります。これらのパラメータを使用して計算したところ、負荷電圧は 3.4658V、負荷電力は 1.2mW、コイルの外側の長さは 1.8mm となり、レイアウト要件を満たしています。

この設計のパラメータ範囲は比較的広いため、結果として得られる Q 値は非常に大きくなる可能性があります。実際の状況では、製造プロセスやコストの制約により、さまざまな幾何学的パラメータに対する追加の要件が発生する場合があります。パラメータ範囲を再定義することで、これを簡単に実現できます。さらに、ユーザーが抵抗、インダクタンス、静電容量などの他のアンテナ特性に対して特別な要件を持っている場合は、対応する制約を追加して進化的な開発を導き、指標を満たす最適なアンテナ サイズを設計できます。

2) プロセス条件が固定された後の最適化

文献の例と比較するために、プロセス条件をt=1μm、tox=0.8μm、tox/2=1.2μmに設定しました。 {l,n,w,s} をエンコードして染色体を生成し、遺伝的アルゴリズムを実行します。ループ品質係数の進化数 t による変化を図 4 に示します。その変化傾向は上記の例と同様です。400 世代の進化の後に終了し、ループ品質係数は 0.3723 になりますが、文献で設計されたアンテナのループ品質係数は 0.2576 です。遺伝的アルゴリズムを使用してコイルアンテナの設計を最適化すると、より良い最適化結果が得られることがわかります。

この時点で***染色体は{1963 26 10 1 1 0.8 1.2}です。これらのパラメータを使用して計算したところ、負荷電圧は 3.4397V、負荷電力は 1.2mW、コイルの外側の長さは 1.963mm となり、レイアウト要件を満たしています。

結論

遺伝的アルゴリズムを使用して統合コイルアンテナを最適化することにより、プロセス条件を制限することなく、より広い範囲で非常に高いループ品質係数を実現できます。さらに、プロセス条件によって指定された条件下では、統合コイルアンテナの遺伝的最適化設計を使用することで、コイルアンテナの性能をより効果的に最適化することもできます。また、この記事で設定したパラメータ範囲以外にも、実際の要件に応じて任意のパラメータ範囲を設定でき、さまざまな環境のニーズを満たすために制約を任意に追加することもできます。