مدلسازی عددی تلفات الکترومغناطیسی در جاذب های چندلایه Graphene/Epoxy و CNT/ Epoxy، براساس اختلالات سطح شیاردار و پراکندگی چندگانه هسته متخلخل

سال انتشار: 1404
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 75

فایل این مقاله در 23 صفحه با فرمت PDF قابل دریافت می باشد

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

JR_JASD-4-3_004

تاریخ نمایه سازی: 18 خرداد 1405

چکیده مقاله:

جاذب های الکترومغناطیسی در باند X نقش مهمی در کاهش بازتاب امواج، بهبود امپدانس تطبیق یافته و افزایش کارایی سامانه های راداری ایفا می کنند. در این پژوهش، یک ساختار سه لایه شامل لایه سطحی Graphene/Epoxy، هسته متخلخل CNT/Epoxy و صفحه آلومینیومی پشتی، با ضخامت کل ۷ میلی متر، طراحی و به صورت هم زمان با دو رویکرد حل عددی در نرم افزار COMSOL و حل تحلیلی مبتنی مدل های کلاسیک الکترومغناطیسی ارزیابی شد. نتایج عددی نشان داد که پارامتر کاهش انعکاس در حوالی ۹ گیگاهرتز به مقدار تقریبی ‎۱۸.۸- دسی بل همراه با ۹۸٪ جذب انرژی می رسد، در حالی که مدل تحلیلی همان پیک را با مقدار ‎۲۱- دسی بل پیش بینی کرد. هر دو مدل روند نزدیک به همی را در بازه ۱۲–۸ گیگاهرتز نشان دادند؛ با این تفاوت که اختلاف ها در لبه های باند بیشتر و در ناحیه رزونانس کمتر از ۱۰٪ بودند. تحلیل امپدانس نشان داد که نزدیک شدن جزء حقیقی امپدانس موثر به مقدار آزادفضا، عامل اصلی کاهش بازتاب در فرکانس رزونانس است. علاوه بر این، تحلیل حساسیت هندسی نشان داد که افزایش ضخامت لایه سطحی موجب جابه جایی پیک جذب به حدود ۸.۵ گیگاهرتز و افزایش ضخامت هسته موجب انتقال آن به حوالی ۹.۵ گیگاهرتز می شود؛ بنابراین کنترل هندسه، ضخامت و خواص لایه ها می تواند در تنظیم دقیق پاسخ فرکانسی و بهینه سازی عملکرد جاذب موثر باشد.

کلیدواژه ها:

نویسندگان

محمد خاکباز

دانشجوی دکتری، گروه مهندسی هوافضا، دانشکده تحصیلات تکمیلی، دانشگاه هوایی شهید ستاری، تهران، ایران

رضا سرخوش

استادیار، دانشکده مهندسی هوافضا، دانشگاه هوایی شهید ستاری، تهران، ایران

مسعود جوادی

استادیار، دانشکده مهندسی هوافضا، دانشگاه هوایی شهید ستاری، تهران، ایران

عباس ضرغامی

دانشجوی دکتری، گروه مهندسی هوافضا، دانشکده تحصیلات تکمیلی، دانشگاه هوایی شهید ستاری، تهران، ایران

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 :
  • Lu, Z., Liu, L., Chen, Z., Wang, C., Zhu, X., ...
  • Sarkhosh, R., Kazemi Nasrabadi, M., & ParsaFar, R. (۲۰۲۴). Study ...
  • نمایش کامل مراجع