CIVILICA We Respect the Science
(ناشر تخصصی کنفرانسهای کشور / شماره مجوز انتشارات از وزارت فرهنگ و ارشاد اسلامی: ۸۹۷۱)

مدلسازی و بهینه سازی پرتو (pareto) ضرایب آیرودینامیکی پرتابه مافوق صوت با استفاده از شبکه عصبی و الگوریتم ژنتیک

عنوان مقاله: مدلسازی و بهینه سازی پرتو (pareto) ضرایب آیرودینامیکی پرتابه مافوق صوت با استفاده از شبکه عصبی و الگوریتم ژنتیک
شناسه ملی مقاله: AEROSPACE07_148
منتشر شده در هفتمین همایش انجمن هوافضای ایران در سال 1386
مشخصات نویسندگان مقاله:

ایمان حسیبی - دانشگاه فردوسی مشهد، دانشکده مهندسی، گروه مکانیک، دانشجو مهندسی مک
احسان یساری - دانشگاه فردوسی مشهد، دانشکده مهندسی، گروه مکانیک، دانشجوی مهندسی م
محمود پسندیده فرد - دانشگاه فردوسی مشهد، دانشکده مهندسی، گروه مکانیک، استادیار
الهام یساری - دانشگاه فردوسی مشهد، دانشکده مهندسی، گروه شیمی، دانشجو مهندسی شیمی

خلاصه مقاله:
در این مقاله جریان تراکم پذیر مافوق صوت حول یک پرتابه مورد بررسی قرار گرفته است. معادلات حاکم بر سیستم مورد نظر توسط یک کد عددی مبتنی بر حجم کنترل جیسمون حل شده است که متغیرهای این کد شامل چهار پارامتر هندسی بالک می باشد. ضرایب استخراج شده از حل عددی به همراه چهار پارامتر هندسی بالک جهت آموزش عصبی پیشخور سه لایه مورد استفاده قرار گرفته است. لایه ورودی شامل چهار پارامتر هندسی بالک، لایه میانی دارای شش نرون و لایه خروجی نیز شامل پارامترهای Ca (ضریب درگ) یا Cmz (ضریب گشتاور پایدار کننده) است. از الگوریتم ژنتیک چند هدفه (WOAG ,NSGA-II) برای بهینه سازی ضرایب پسا و گشتاور پایدار کننده بالک های این پرتابه استفاده شده است. روش NSGA-II توابع هدف را به صورت مستقل از هم، بر اساس دو اصل فاصله ازدحام و رتبه بندی غلبه نشده ارزیابی و بهینه می کند. در روش WOAG تابع هدف نهایی بر اساس جمع وزنی توابع هدف اولیه و با بکار بردن ضرایب وزنی مختلف ساخته شده و بهینه می شود. مقایسه دو روش WOAG و NSGA-II بیانگر برتری روش NSGA-II در بهبود نتایج و کاهش حجم محاسبات میباشد.

کلمات کلیدی:
پرتابه، بهینه سازی، شبکه عصبی، الگوریتم ژنتیک چند هدفه، NSGA-II

صفحه اختصاصی مقاله و دریافت فایل کامل: https://civilica.com/doc/55477/