مقایسه روش های متامدل ساختار تابع پایه تطبیق پذیر و شبکه عصبی مصنوعی در طراحی گرین فینوسیل
Publish place: Modares Mechanical Engineering، Vol: 20، Issue: 1
Publish Year: 1398
نوع سند: مقاله ژورنالی
زبان: Persian
View: 150
This Paper With 12 Page And PDF Format Ready To Download
- Certificate
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
JR_MME-20-1_005
تاریخ نمایه سازی: 21 اسفند 1403
Abstract:
طراحی گرین مهمترین بخش طراحی موتور سوخت جامد می باشد، در این مقاله هدف طراحی گرین فینوسیل بر اساس توابع هدف از پیش تعیین شده با توجه به نمودارهای بالستیکی می باشد تا انواع الزامات تراست عملکردی را از طریق یک روش طراحی نوآورانه با بهره گیری از الگوریتم بهینه سازی ژنتیک، ارضا نماید . به منظور نمونه برداری در فضای طراحی از روش نمونه برداری کلاسیک استفاده شده است. برای شبیه سازی پسروی سطح سوزش گرین سوخت روش سطوح همتراز انتخاب شده است، در کنار کد سطوح همتراز الگوریتمی توسعه داده شده است که شکل اولیه گرین را با استفاده از کد نگارش شده در محیط نرم افزار پرواینجینیر به عنوان مدلهای تولیدی به کد سطوح همتراز ارسال نماید. به منظور تحلیل بالستیک داخلی، از روش صفر بعدی استفاده شده است. دو روش متامدل، اولی بر اساس روش ساختار تابع تطبیق پذیر و دومی بر اساس یک روش شبکه عصبی مصنوعی تحت عنوان پرسپترون چند لایه به عنوان جایگزین روش سطوح همتراز در حلقه طراحی بهینه استفاده می گردد. در انتهای این کار به منظور اعتبارسنجی الگوریتم ارائه شده یک نمونه گرین فینوسیل مورد بررسی قرار گرفته است و نتایج حاصله نشان می دهد که این روش طراحی گرین، زمان طراحی را به طور قابل توجهی کاهش می دهد و این الگوریتم می تواند در طراحی هر نوع گرینی مورد استفاده قرار گیرد.
Keywords:
Authors
سعید مسگری
Aerospace Department, University Complex of Mechanical Engineering, Malek-Ashtar University of Technology, Shahin-shahr, Iran
مهرداد بزاززاده
Aerospace Department, University Complex of Mechanical Engineering, Malek-Ashtar University of Technology, Shahin-shahr, Iran
علیرضا مستوفی زاده
Aerospace Department, University Complex of Mechanical Engineering, Malek-Ashtar University of Technology, Shahin-shahr, Iran
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 :
