برآورد پروفیل نازل فضایی بهینه توسط الگوریتم های هوش مصنوعی

بهینه سازی نازلهای پیشران فضایی در جهت دستیابی به بیشترین بازده رانش ، چالشی اساسی در اکتشافهای فضایی است . روشهای طراحی سنتی نازلها، بر اساس مدلهای فیزیکی زمانبر و آزمایش های تکراری استوار بودهاند. این پژوهش ، رویکردی نوین مبتنی بر یادگیری ماشین با استفاده از مدل رگرسیون خطی منظم ((Regularized Regression model ارائه می دهد. این روش، به طور مستقیم شکل های بهینه نازل را از ویژگی های گازی مانند عدد ماخ، فشار و دما پیش بینی می کند. در این مقاله سعی شده است تا با تکیه بر هوش مصنوعی شاخه یادگیری ماشین بتوان یک مدل طراحی نازل با در اختیار داشتن مقادیر شرایط کاری نازل مورنظر به عنوان ورودی مدل ارائه کرد. در انتها مدل به دست آمده با ۴ درصد خطا قادر به پیشبینی مقادیر هندسی و در نهایت پروفیل نازل موردنظر می باشد که با افزایش داده های آموزشی میتوان این خطا را کاهش داد.این روش، زمینه های جدیدی برای تحقیقات آینده را نیز فراهم می کند. به عنوان مثال، می توان از این روش برای پیش بینی شکل های نازل در شرایط مختلف عملیاتی مانند تغییر در ارتفاع یا دما استفاده کرد. در واقع این روش به عنوان یک روش جایگزین طراحی سنتی به کارگرفته شده و می توان با استفاده از داده های جریان گاز، نازل موردنیاز این جریان گازی را در کمترین زمان ممکن طراحی کرد.