بهینه سازی ترمودینامیکی موتور توربوپراپ با چندتابع هدف با استفاده از الگوریتم ژنتیک

سال انتشار: 1386
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 2,132

فایل این مقاله در 7 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:

ISME15_372

تاریخ نمایه سازی: 8 فروردین 1386

چکیده مقاله:

در این مقاله از الگوریتم ژنتیک جهت بهینه سازی ترمودینامیکی موتور توربوپراپ استفاده شده است. توابع هدف مورد بررسی جهت بهینه سازی، نیروی تراست ویژه (ST)، مصرف سوخت ویژه (SFC)، راندمان رانش (hP) و راندمان حرارتی (hT) ، در نظر گرفته شده اند. متغیرهای طراحی مساله شامل پارامترهای ترمودینامیکی مانند نسبت فشار کمپرسور (pc) نسبت دمای توربین (it) و عدد ماخ (M0) می باشند. بهینه سازی چند هدفی با دو و چهار تابع هدف با استفاده از روش NSGAII انجام شده و ارتباط بین متغیرهای طراحی و توابع هدف به وسیله آن به دست آمده است. در بهینه سازی با دو تابع هدف، توابع هدف دو به دو انتخاب شده و منحنی های Pareto Front برای هر کدام ارائه شده است. این منحنی ها بهترین نقاط طراحی برای توابع مورد نظر می باشند. این نقاط نسبت به یکدیگر غیر برترند اما بر هر نقطه دیگر برتری دارند. در حالت بهینه سازی با چهار تابع هدف، توابع هدف با یکدیگر به طور همزمان بهینه می شوند و نتایج به دست آمده از آن با نتایج بهینه سازی با دو تابع هدف مقایسه می شود. این مقایسه نشان می دهدکه نقاط بهینه حاصل از بهینه یابی با دو تابع هدف مرز نقاط بهینه در حالت چهار هدفی می باشند.

کلیدواژه ها:

توربوپراپ- الگوریتم ژنتیک- نقاط بهینه Pareto – بهینه سازی چندهدفی

نویسندگان

سحر تسلیمی طالقانی

کارشناس ارشد - دانشگاه گیلان - دانشکده فنی

نیما امانی فرد

استایار - دانشگاه گیلان - دانشکده فنی

کاظم آتشکاری

استادیار - دانشگاه گیلان - دانشکده فنی

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 :
  • 1- سحرتسلیمی طالقانی، بهینه سازی عملکردموتورهای توربوپراپ بااستفاده ازالگوریتم ژنتیک، ...
  • J. P. Mattingly' Elements of gas turbine propulsion *, Mc ...
  • C. Edward. Lan, J. Roskam , 4Airplane Aerodynamics and Performance، ...
  • Coello Coello, C.A., and Christiansen, A.D., Multi- objective optimization of ...
  • Fonesca, C.M., and Fleming, P.J., 'Genetic algorithms for _ lti-objective ...
  • -K.Atashkari, N. N ariman-Zadeh, A. Pilechi, A. Jamali, X. Yao ...
  • D .E.Goldberg, Genetic Algorithms in Search, Optimizatin, and Machine learning, ...
  • J. H. Holland, Adaptation in Natural and Artificial Systems, the ...
  • J. Krottmaier, Optimizing Engineering Designs, Mc Graw-Hill, London, 1993 ...
  • N.Srinivas, K.Deb «Multiobj ective optimization Using N ondominated Sorting in ...
  • K.Deb, A.Pratap, S.Agarward ?A fast and elitist multiobjective genetic algorithms ...
  • Pareto, V., Cours d, economic politique, Lausanne, Switzerland, Rouge, 1896. ...
  • K. Deb, A. Pratap, S. Agarward, ،0 A fast and ...
  • William, H., 'Numerical recipes in FORTRAN 77: The art of ...
  • ، = 0.98 , To= 240K , »= 0.96 , ...
  • 5 10 15 20 25 Specific Fuel Consum ption mg/(N.sec) ...
  • _ _ _ 0.34 Te= 25.05, =0.48, M =0.1 -0 ...
  • 73407 32.58022 26.31209 30.89231 34.83077 19.17363 32.58022 23.85934 20.90549 29.32747 ...
  • 811 1512.149 1514.378 1565.815 1574.757 1596.648 1597.286 1606.767 1635.67 1636.583 ...
  • 38581 11.9428 ...
  • 66356 11.77492 11.2902 ...
  • 0874 11.38548 12.33787 12.55523 11.48337 10.6808 11.59931 11.64631 10.88263 11.74241 ...
  • 79011 10.04714 9.248651 9.425594 9.653561 10.11934 9.737726 10.76563 9.935164 9.536944 ...
  • نمایش کامل مراجع