بهینه سازی و شبیه سازی گرین ستاره ای با استفاده از الگوریتم ژنتیک بر مبنای کدهای سرعت بالا
سال انتشار: 1399
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 252
فایل این مقاله در 17 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
این مقاله در بخشهای موضوعی زیر دسته بندی شده است:
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
JR_AKT-9-2_002
تاریخ نمایه سازی: 18 مهر 1400
چکیده مقاله:
تمرکز این مقاله بر بهینهسازی گرین سوخت جامد بر مبنای کدهای سرعت بالا است. یکی از راهکارهای طراحی موتور سوخت جامد با عملکرد بالا، طراحی گرین بهینه برای آن است، به طوریکه از طرفی بیشترین سطح سوزش فراهم شده و از طرف دیگر سایر الزامات مانند استحکام مکانیکی و ساختپذیری گرین نیز تامین گردد. یکی از متداولترین انواع گرین، شکل ستارهای است. برای بهینهسازی موتور سوخت جامد با گرین ستارهای، یک مدل برای شبیهسازی گرین مورد نیاز است تا در هر لحظه، سطح سوزش سوخت را ارائه دهد. یکی از روشهای شبیهسازی سطح سوزش سوخت، مدلسازی آن در نرمافزارهای CAD و استخراج سطح سوزش با استفاده از ابر نقاط است. این روش حجم محاسباتی بالایی داشته و بکارگیری آن در الگوریتم بهینهسازی که خود یک روش عددی تکراری است، عملا زمانبراست. برای رفع این مشکل، در این مقاله از یک مدل پارامتریک هندسی برای محاسبه سطح سوزش و جریان داخلی صفر بعدی با در نظر گرفتن سوزش فرسایشی استفاده شده است. مشخصه بارز این مدل، سرعت بالای محاسبات آن است که در کوپل با الگوریتمهای بهینهسازی کارآیی بالایی خواهد داشت. نتایج بدست آمده نشان میدهد که این مدل هندسی پارامتریک، با وجود حجم محاسباتی بسیار پایینتر نسبت به مدل ابر نقاط، از دقت بالایی نیز برخوردار است. نتایج روش بیان شده بسیار نزدیک به اهداف مشخص شده برای طراحی میباشد به عنوان مثال برای یک مورد مشخص میزان درصد انحراف معیار ۰.۳۵۵ بدست آمده است، بنابراین با کمترین میزان خطا میتوان به گرین مورد نظر دست پیدا کرد.
کلیدواژه ها:
نویسندگان
محمد رزمجویی
دانشجوی دکتری / مهندسی هوافضا، پژوهشگاه هوافضا، وزارت علوم تحقیقات و فناوری
زهیر صبوحی
استادیار / مهندسی هوافضا، پژوهشگاه هوافضا، وزارت علوم تحقیقات و فناوری
محمد شهبازی
کارشناسی ارشد / مهندسی مکانیک، دانشکده مهندسی مکانیک، دانشگاه اراک
مراجع و منابع این مقاله:
لیست زیر مراجع و منابع استفاده شده در این مقاله 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 مقاله لینک شده اند :