| برآورد پروفیل نازل فضایی بهینه توسط الگوریتم‌های هوش مصنوعی |
| کد مقاله : 1223-AERO2024 |
| نویسندگان |
|
عرفان دباغ‌چیان *1، حسن کریمی مزرعه شاهی2 1دانشجوی دانشگاه خواجه نصیرالدین طوسی 2استاد تمام دانشگاه خواجه نصیرالدین طوسی |
| چکیده مقاله |
| بهینه‌سازی 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 آزمایش‌های تکراری استوار بوده‌اند. این پژوهش، رویکردی نوین مبتنی بر یادگیری ماشین با استفاده از مدل رگرسیون خطی منظم(Regularized Regression model) ارائه می‌دهد. این روش، به طور مستقیم شکل‌های بهینه نازل را از ویژگی‌های گازی مانند عدد ماخ، فشار و دما پیشبینی می‌کند. 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 دست‌آمده با ۴ درصد خطا قادر به پیشبینی مقادیر هندسی و در نهایت پروفیل نازل موردنظر می‌باشد که با افزایش داده‌های آموزشی میتوان این خطا را کاهش داد. این روش، زمینه‌های جدیدی برای تحقیقات آینده را نیز فراهم می‌کند. به عنوان مثال، میتوان از این روش برای پیشبینی شکل‌های 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 میتوان با استفاده از داده‌های جریان گاز، نازل موردنیاز این جریان گازی را در کمترین زمان ممکن طراحی کرد. |
| کلیدواژه ها |
| بهینه‌سازی نازل، یادگیری ماشین، نازل فضایی، رگرسیون خطی منظم |
| وضعیت: پذیرفته شده برای ارائه شفاهی |
