CIVILICA We Respect the Science
(ناشر تخصصی کنفرانسهای کشور / شماره مجوز انتشارات از وزارت فرهنگ و ارشاد اسلامی: ۸۹۷۱)
عنوان
مقاله

بهینه سازی هندسه دهانه ورودی -Sشکل با استفاده از الگوریتم ژنتیک و شبکه عصبی

اعتبار موردنیاز PDF: ۱ | تعداد صفحات: ۸ | تعداد نمایش خلاصه: ۳۵ | نظرات: ۰
سال انتشار: ۱۳۹۷
کد COI مقاله: AMMAE04_015
زبان مقاله: فارسی
حجم فایل: ۶۶۵.۹۴ کیلوبایت (فایل این مقاله در ۸ صفحه با فرمت PDF قابل دریافت می باشد)

راهنمای دانلود فایل کامل این مقاله

متن کامل این مقاله دارای ۸ صفحه در فرمت PDF قابل خریداری است. شما می توانید از طریق بخش روبرو فایل PDF این مقاله را با پرداخت اینترنتی ۳,۰۰۰ تومان بلافاصله دریافت فرمایید
قبل از اقدام به دریافت یا خرید مقاله، حتما به فرمت مقاله و تعداد صفحات مقاله دقت کامل را مبذول فرمایید.
علاوه بر خرید تک مقاله، می توانید با عضویت در سیویلیکا مقالات را به صورت اعتباری دریافت و ۲۰ تا ۳۰ درصد کمتر برای دریافت مقالات بپردازید. اعضای سیویلیکا می توانند صفحات تخصصی شخصی روی این مجموعه ایجاد نمایند.
برای راهنمایی کاملتر راهنمای سایت را مطالعه کنید.

خرید و دانلود فایل PDF مقاله

با استفاده از پرداخت اینترنتی بسیار سریع و ساده می توانید اصل این مقاله را که دارای ۸ صفحه است به صورت فایل PDF در اختیار داشته باشید.
آدرس ایمیل خود را در کادر زیر وارد نمایید:

مشخصات نویسندگان مقاله بهینه سازی هندسه دهانه ورودی -Sشکل با استفاده از الگوریتم ژنتیک و شبکه عصبی

  سیدحمیدرضا سادات پور - کارشناسی ارشد، دانشگاه صنعتی امیرکبیر
  علی مددی - استادیار، دانشگاه صنعتی امیرکبیر

چکیده مقاله:

امروزه استفاده از مجاری ورودی هوا با راندمان بالا در وسایل پرنده موردتوجه قرار گرفته است. این مسیله از آن جهت اهمیت دارد که توزیع یکنواخت جریان در ورودی کمپرسور، تاثیر مستقیم بر عملکرد موتور داشته و عدم یکنواختی جریان در ورودی کمپرسور منجر به سرج میگردد. از طرف دیگر جدایش جریان در طول مجرا موجب کاهش بازیابی فشار و در نتیجه کاهش نیروی پیشرانش موتور میشود. در این مقاله یک مجرای -Sشکل باهدف کاهش افت فشار کل و کاهش اعوجاج جریان بهینه سازی شده است. به منظور بهینه سازی الگوریتم ژنتیک و شبکه عصبی کوپل شده اند تا اهداف موردنظر در کوتاه ترین زمان ممکن حاصل شوند. مروری به تحقیقات انجام شده در این زمینه نشان میدهد که بهینه سازی با این روش توسط محققان مورد بررسی قرار نگرفته است. تجزیهوتحلیل انجام شده در این بهینه سازی موجب بهبود 32/5% ضریب بازیابی فشار و کاهش 35/8% اعوجاج شده است.

کلیدواژه‌ها:

دهانه ورودی، الگوریتم ژنتیک، شبکه عصبی، یکنواختی جریان، بازیابی فشار

کد مقاله/لینک ثابت به این مقاله

برای لینک دهی به این مقاله، می توانید از لینک زیر استفاده نمایید. این لینک همیشه ثابت است و به عنوان سند ثبت مقاله در مرجع سیویلیکا مورد استفاده قرار میگیرد:
https://www.civilica.com/Paper-AMMAE04-AMMAE04_015.html
کد COI مقاله: AMMAE04_015

نحوه استناد به مقاله:

در صورتی که می خواهید در اثر پژوهشی خود به این مقاله ارجاع دهید، به سادگی می توانید از عبارت زیر در بخش منابع و مراجع استفاده نمایید:
سادات پور, سیدحمیدرضا و علی مددی، ۱۳۹۷، بهینه سازی هندسه دهانه ورودی -Sشکل با استفاده از الگوریتم ژنتیک و شبکه عصبی، چهارمین کنفرانس سراسری دستاوردهای نوین در مهندسی مواد، مکانیک و هوافضا، تهران، پردیس بین الملل توسعه ایده هزاره، https://www.civilica.com/Paper-AMMAE04-AMMAE04_015.html

در داخل متن نیز هر جا که به عبارت و یا دستاوردی از این مقاله اشاره شود پس از ذکر مطلب، در داخل پارانتز، مشخصات زیر نوشته می شود.
برای بار اول: (سادات پور, سیدحمیدرضا و علی مددی، ۱۳۹۷)
برای بار دوم به بعد: (سادات پور و مددی، ۱۳۹۷)
برای آشنایی کامل با نحوه مرجع نویسی لطفا بخش راهنمای سیویلیکا (مرجع دهی) را ملاحظه نمایید.

علم سنجی و رتبه بندی مقاله

مشخصات مرکز تولید کننده این مقاله به صورت زیر است:
نوع مرکز: دانشگاه دولتی
تعداد مقالات: ۱۸۱۴۵
در بخش علم سنجی پایگاه سیویلیکا می توانید رتبه بندی علمی مراکز دانشگاهی و پژوهشی کشور را بر اساس آمار مقالات نمایه شده مشاهده نمایید.

مدیریت اطلاعات پژوهشی

اطلاعات استنادی این مقاله را به نرم افزارهای مدیریت اطلاعات علمی و استنادی ارسال نمایید و در تحقیقات خود از آن استفاده نمایید.

مقالات پیشنهادی مرتبط

مقالات مرتبط جدید

شبکه تبلیغات علمی کشور

به اشتراک گذاری این صفحه

اطلاعات بیشتر درباره COI

COI مخفف عبارت CIVILICA Object Identifier به معنی شناسه سیویلیکا برای اسناد است. COI کدی است که مطابق محل انتشار، به مقالات کنفرانسها و ژورنالهای داخل کشور به هنگام نمایه سازی بر روی پایگاه استنادی سیویلیکا اختصاص می یابد.
کد COI به مفهوم کد ملی اسناد نمایه شده در سیویلیکا است و کدی یکتا و ثابت است و به همین دلیل همواره قابلیت استناد و پیگیری دارد.