مدلسازی توابع مربوط به مقاومت دربهینه سازی بدنه شناورزیرسطحی بااستفاده ازشبکه عصبی نوع GMDH

سال انتشار: 1394
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 292

فایل این مقاله در 9 صفحه با فرمت PDF قابل دریافت می باشد

این مقاله در بخشهای موضوعی زیر دسته بندی شده است:

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

NSMI17_171

تاریخ نمایه سازی: 12 تیر 1395

چکیده مقاله:

به طور کلی طراحی بهینه شناورهای زیرسطحی با توجه به کاربریهای مختلف نیازمند بررسی پارامتر های تاثیر گذار بر سیستم پیشرانش، شکل بدنه، رادارگریزی، افزایش قدرت نابودگری و غیره آن می باشد. در مقاله حاضر مقایسه استخراج توابع مقاومت مربوط به دو بدنه زیرسطحی با دماغه تخت و بیضوی مورد بررسی قرار گرفته است. برای هریک از حالات پارامتر هایی جهت طراحی مورد بررسی قرار گرفته است. با توجه به اهمیت فراوان روند تغییرات نیروی مقاومت بر اساس تغییرات هر یک از پارامتر ها، تحلیل ها زیادی به ازای مقادیر مختلف این پارامتر ها صورت گرفته است. نتایج این تحلیل ها بر اساس پارامتر های طراحی مختلف از ماهیتی ناپیوسته برخوردار است، لذا این داده ها توسط شبکه های عصبی آموزش دیده و پس از آن برای یافتن روند تغییرات نیروی مقاومت نسبت به تغییر هر یک از پارامترها دیگر نیاز به تحلیل های پرهزینه و زمان بر جریان بر روی جسم نمی باشد. در این تحقیق از شبکه عصبی نوع GMDH استفاده شده و نشان داده شده است که این شبکه با دقت خوبی قادر به مدل کردن داده های مربوط به مقاومت بر حسب تغییرات پارامترهای مختلف تاثیرگذار می باشد. شبکه عصبی نوع GMDH ابزاری قدرتمند برای ساخت متامدل از مدل مورد بررسی می باشد که متامدل ساخته شده برای طراحی، بهینه سازی 5 کنترل مورد استفاده قرار می گیرد

نویسندگان

احسان یاری

دانشجوی دکتری مهندسی دریا - هیدرودینامیک محقق دانشگاه صنعتی مالک اشتر

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 :
  • Palit, A.K., Computational intelligence in time series forecasting: theory and ...
  • Jain, A.K., Mao, J., Mohiuddin, K.M., Artificial Neural Networks: A ...
  • Kasabov, N.K., Foundations of Neural Networks , Fuzzy Systems and ...
  • Dayhoff, J. E., Neural Networks Principles, Prentice-Hal International, 1990, U.S.A. ...
  • Khanna, T., Foundations of Neural Networks, Addi son-Wesley Publishing Company, ...
  • نمایش کامل مراجع