| dc.description.abstract | Denne rapporten analyserer og tester ut forskjellige søke- og optimaliseringalgoritmer for et delproblem av et større automatisk kontrollsystem for to roterende høy-forsterkende retningsantenner. Målet med det større systemet er for de to roterende antennene å automatisk finne hverandre, optimalisere signalet mellom dem for å så låse seg til den optimale retningen. Delproblemet denne rapporten vil fokusere på er optimaliseringsfasen etter de to antennene har funnet hverandre og etablert kommunikasjon.
Optimalisering vil bli gjort gjennom en algoritme som heter lobesøk, som kartlegger signalstyrken rundt den initielle retningen, og deretter bruker denne informasjonen til å mate initielle verdier inn i en optimaliseringsalgoritme.
Dette prosjektet tester ut tre forskjellige gradient optimaliseringalgoritmer: Steepest Descent metoden, Newton's metode og Broyden-Fletcher-Goldfarb-Shanno (BFGS) metoden, samt et ikke-gradient optimaliseringsalgoritme som heter Nelder Mead metoden. Testene er utført ved å lage simuleringer av systemet i MATLAB, samt reelle tester med en enkel roterende parabolantenne som skal optimaliseres mot en stasjonær antenne. Målet for optimalisering er at begge antenner skal peke direkte mot hverandre for å sikre høyest mulig mottat effektnivå på signalet mellom dem.
Resultater fra de reelle testene konkluderte med at den beste algoritmen er en enkel treg lobesøk uten optimaliseringalgoritme etterpå. Et tregt lobesøk er raskere og gir bedre mottat effektnivå enn et raskt lobesøk med Nelder Mead optimalisering etterpå. Gradient optimaliseringsalgoritmene ble ansett for å være ubrukelig fordi informasjonen som algoritmene er avhengig av allerede inneholder det optimale punkt. Disse konklusjonene kommer fra tester under ideelle forhold og Nelder Mead algoritmen kan fortsatt være nyttig i mer krevende miljøer. | |
