• FSS
• Algoritmi Genetici
• Elitismo
• schermi R.A.M.
• PMC
• Radome
• Filtri dicroici

Oggetto di questa tesi è lo studio degli Algoritmi Genetici applicati a problemi di elettromagnetismo e in particolare focalizzati alla sintesi di Superfici Selettive in Frequenza. Queste ultime sono particolari dispositivi a microonde caratterizzati da una struttura periodica. La periodicità della superficie deriva dalla ripetizione spaziale di un elemento detto cella elementare. Al variare della forma della cella elementare e delle sue dimensioni, la superficie selettiva in frequenza potrà polarizzare, depolarizzare o attenuare un’onda elettromagnetica incidente su di essa.
Per la sintesi della superficie selettiva in frequenza è stato utilizzato un Algoritmo Genetico preesistente, opportunamente adattato al particolare problema, che, per valutare il grado di efficienza della stessa, sfrutta a sua volta un programma di simulazione elettromagnetica in grado di risolvere l’Equazione Integrale del Campo Elettrico (EFIE); quest’ultima viene discretizzata mediante l’impiego di tecniche di analisi basate sulla scomposizione in armoniche di Floquet, con l’uso della tecnica numerica nota come Metodo dei Momenti ( MOM ).
Il lavoro di tesi si è quindi particolarmente concentrato sull’implementazione e aggiunta al codice esistente di particolari funzioni che permettono di ottenere i risultati di sintesi, n tempi notevolmente brevi.
Per testare la bontà del codice così creato, sono state sintetizzate diverse strutture di largo uso e grande interesse in campo elettromagnetico: dagli schermi radar-assorbenti ai radome multistrato per antenne a tromba, dai conduttori magnetici artificiali ai filtri da inserire in guide d’onda per terminali satellitari di tipo VSAT. Tutte le strutture sintetizzate mostrano un deciso incremento delle prestazioni rispetto ad analoghe soluzioni preesistenti (con cui è stato possibile effettuare un confronto), sia in termini di robustezza al variare di frequenza e angolo d’incidenza dell’onda elettromagnetica, sia in termini di tempi computazionali, decisamente inferiori rispetto a quelli delle soluzioni alternative basate su Algoritmi Genetici classici.