بهینه سازی قابلیت اطمینان رایانه مرکزی یک کاوشگر با استفاده از داده های مربوط به طول عمر اجزای آن
Publish place: Amad and defense technology، Vol: 4، Issue: 4
Publish Year: 1400
نوع سند: مقاله ژورنالی
زبان: Persian
View: 155
This Paper With 22 Page And PDF Format Ready To Download
- Certificate
- من نویسنده این مقاله هستم
این Paper در بخشهای موضوعی زیر دسته بندی شده است:
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
JR_AMFAD-4-4_001
تاریخ نمایه سازی: 24 بهمن 1401
Abstract:
بهینه سازی قابلیت اطمینان یکی از زمینه های مسائل بهینه سازی است که موردتوجه بسیاری از محققان قرارگرفته است. قابلیت اطمینان یک سیستم معیاری مهم و حیاتی برای ارزیابی آن به شمار می رود، به خصوص در سیستم هایی که دسترسی برای تعمیر آن وجود ندارد مانند کاوشگرها، ماهواره ها و هواپیماهای بدون سرنشین و ... در صنایع هوافضا. در این مقاله سعی می شود با تخصیص اجزای مازاد به زیرسیستم های تشکیل دهنده رایانه مرکزی یک کاوشگر، قابلیت اطمینان کل آن تا حد امکان بهبود پیدا کند، به صورتی که محدودیت های مسئله شامل محدودیت های هزینه، وزن و حجم رعایت شود. لذا با یک مسئله بهینه سازی قابلیت اطمینان به نام مسئله تخصیص افزونگی روبرو هستیم. در مدل ارائه شده راهبرد تخصیص اجزای مازاد برای هر زیرسیستم به صورت یک متغیر تصمیم در نظر گرفته شده که می تواند فعال، ذخیره یا مختلط باشد. در مسئله تخصیص افزونگی نیاز هست که توزیع طول عمر تمام قطعات مشخص باشد اما در این مقاله فرض می شود که فقط داده های طول عمر اجزا در دسترس است. لذا ابتدا با استفاده از روش های آماری توزیع طول عمر مناسب تر به داده ها برازش شده و در انتها قابلیت اطمینان سیستم بهینه سازی می شود. در سیستم موردمطالعه نشان داده می شود که با تخصیص اجزای مازاد، به ازای افزایش کمتر از ۳ برابری هزینه، وزن و حجم، می توان قابلیت اطمینان را بیش از ۱۴ برابر افزایش داد و سیستمی باقابلیت اطمینان کمتر از ۷ درصد را که می توان گفت انتظار کار کردن آن تا زمان ماموریت نمی رود به سیستمی تقریبا پایا باقابلیت اطمینان بیش از ۹۴ درصد ارتقاء داد.
Keywords:
Authors
هادی قلی نژاد
دکتری مهندسی صنایع،دانشگاه صنعتی اصفهان
سیدحسین ترابی
کارشناسی ارشد مهندسی هوافضا دانشگاه خواچه نصیرالدین طوسی
مراجع و منابع این Paper:
لیست زیر مراجع و منابع استفاده شده در این Paper را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود Paper لینک شده اند :