بهینه سازی ترمودینامیک موتور توربوجت با بعد سوز با استفاده از الگوریتم ژنتیک با چند تابع هدف

سال انتشار: 1394
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 858

فایل این مقاله در 17 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:

MAARS01_027

تاریخ نمایه سازی: 16 اسفند 1394

چکیده مقاله:

در این مقاله سعی بر این است که از الگوریتم ژنتیک برای بهینه سازی ترمودینامیکی موتور توربو جت با پس سوز در حالتی که ماخ در محدوده یک می باشد، استفاده شود. پس سوز (بعد سوز) قسمتی از موتور توربو جت می باشد که بر سر راه گازهای خروجی از موتور که شامل مقدار سوخت مصرف شده و اکسیژن می باشند، قرار دارد که با دوباره مشتعل ساختن آنها در قسمت پس سوز و افزودن مقداری سوخت به آن می توان نیروی رانش را به مقدار قابل ملاحظه ای افزایش داد توابع هدف مورد بررسی جهت بهینه سازی، نیروی تراست ویژه (ST) مصرف سوخت ویژه ( SFC ) راندمان پیشرانه (فرمول در متن اصلی مقاله) و راندمان حرارتی (فرمول در متن اصلی مقاله) در نظر گرفته شده اند. متغیرهای طراحی شامل پارامترهای ترمودینامیکی مانند نسبت فشار کمپرسور (فرمول در متن اصلی مقاله) و عدد ماخ (فرمول در متن اصلی مقاله) می باشند. از الگریتم ژنتیک به روش NSGA برای ترتیب هم زمان چهار هدفی استفاده می شود. منحنی های پرتاب صورت ایده آل ارائه می گردد. در نمودارها و جداول بهینه سازی چهار هدفی با توجه به نیاز طراحی نقاط هدف مشخص شده و ارائه می گردد. نکته قابل توجه اینکه، سعی بر آن شده فرضیاتی که در محدوده عدد ماخ و نسبت فشار کمپرسور در نظر گرفته می شود، به حالت واقعی موتور در حالت پرواز نزدیک تر باشد.

کلیدواژه ها:

نویسندگان

مرجان خنده جام

کارشناسی ،دانشگاه گیلان، دانشکده فنی

کاظم آتشکاری

استادیار،دانشگاه گیلان،دانشکده فنی

شهاب عشقی

کارشناسی ارشد،دانشگاه گیلان،پردیس

ناصر خنده جام

کارشناسی ارشد،دانشگاه آزاد تاکستان،دانشکده مکانیک

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 :
  • بهینه سازی ترمودینامیکی موتور توربوپراپ با چندتابع هدف با استفاده از الگوریتم ژنتیک [مقاله کنفرانسی]
  • گرجی- مفیدو کاظمی- آدمین نوری- فواد وجانی مر-مجید-بهینه سازی ترمودینامیکی ...
  • _ J .P .M attei ngly, Element of gas turbine ...
  • c Edward. Lan., .J.roskam , _ _ plane Aerodynamics and ...
  • Fonseca, C M. and Fleming P.j..1993 genetic. Algorithms for multi_ ...
  • Coello Coello, C.A.and Christianse A.D. , 2000 _ Multi Objective ...
  • Renner. Gand Ekart _ A, 2003, Genetic. Algorithms in computer ...
  • .Rolls_Royce/_L CA Turbo Union_IAE Engines AG_the Jet _ ...
  • Arora, JS, 1989 Introduction to optimum Design _ MC Graw ...
  • Gold berg, D.E., 1989 _ genetic Algorithms in search , ...
  • Parreto, V., 1896. Cours deconomic ploitique , Lausanne, Switzerl and, ...
  • Rosenberg, R.S., 1960. 0simulation of genetic, populations , with biochemical ...
  • D.B. Fogel , An introduction to simulation evolutionary optimization, IEEE ...
  • Toffolo, A., and Benini , E., 2003. "genetic. Diversity as ...
  • Deb, K. Pratap, . A. , Agarwal, S .and Meyariva, ...
  • _objective , Genetic Algorithm :NSGA_IEEE. Trans. Evol_comput , vol. 6, ...
  • Gold berg D. E., Real coded genetic algorithm virtual alphabet ...
  • Holland...H., Adaptation in neural and artificial system, University of Michigan ...
  • Holland...H., Genetic algorithms , sceinetific American , July 1992, pp.44_55 ...
  • Howard L.. and D9 Angelo DG., The GA_P: Agenetic algorithm ...
  • Kalyanmong Deb, Amirt Pratap _ Sameer Agarward , A fast ...
  • Lampinen J 0 , Cam shape optimization by genetic algorithms ...
  • Maniezzo V., Genetic evolution of topology _ weight distribution of ...
  • Mattingly Jack P., Elements of gas turbine propultion, MC Graw ...
  • K.Atashkari, N _ N arimanzadeh, A.pilechi, A _ Jamali, X.Yao, ...
  • نمایش کامل مراجع