بهینه سازی ترمودینامیکی موتور توربوجت با پس سوز با چند تابع هدف توسط الگوریتم ژنتیک

سال انتشار: 1389
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 1,860

فایل این مقاله در 6 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:

ISME18_229

تاریخ نمایه سازی: 1 تیر 1389

چکیده مقاله:

در بعضی از هواپیماهای توربوجت، قسمتی به نام پس سوز قرار میدهند، گازهای خروجی از موتور دارای مقداری اکسیژن و سوخت مصرف نشده هستند، که با مشتعل ساختن دوباره آنها در قسمت پس سوز و افزودن مقداری سوخت به آن، نیروی رانش را به طور قابل توجهی افزایش می دهند. در این مقاله سعی بر آن است که مقادیر بهینه پارامترهای مهم در این نوع موتورها را به طور همزمان در دو حالت ایدهآل و حقیقی بدست آوریم. برای بدست آوردن جوابهای بهینه از الگوریتم ژنتیک بر اساس مرتب سازی غیر برتر بهبودیافته 2 استفاده شده است. نیروی جلوبرنده ویژه، مصرف ویژه سوخت، بازده حرارتی و رانشی به عنوان توابع هدف و عدد ماخ و نسبت فشار کمپرسور نیز به عنوان متغیرهای طراحی در نظر گرفته شده اند. از الگوریتم فوق برای بهینه سازی ترکیب های دوتایی از این توابع هدف و سپس برای چهار تابع هدف همزمان استفاده شده است. نتایج نشان می دهد که انتخاب مقادیر مناسب برای متغیرهای طراحی به منظور بدست آوردن بهترین مقادیر برای یکی از توابع هدف سبب بدتر شدن مقادیر توابع هدف دیگر خواهد شد. می توان مشاهده کرد، جوابهایی که در حالت دو هدفی بدست آمده اند، مرز جوابهای حاصل از نتایج بدست آمده در حالت چهارهدفی م یباشند.

نویسندگان

فواد نوری

دانشجوی کارشناسی ارشد، دانشکده مکانیک، دانشگاه صنعتی نوشیروانی باب

مفید گرجی

استاد، دانشکده مکانیک، دانشگاه صنعتی نوشیروانی بابل

آدمین کاظمی

دانشجوی دکتری

مجید جانی پورخرقانی

دانشجوی کارشناسی ارشد

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 :
  • 21 اردیبهشت ISME2010، 1389 ...
  • Arora, J.S., 1989. Introduction to Optimum Design. McGraw-Hill, New York. ...
  • Goldberg, D.E., 1989. Genetic Algorithms in Search, Optimization, and Machine ...
  • Renner, G. and Ekart, A., 2003. Genetic algorithms in computer ...
  • Fonseca, C.M. and Fleming, P.J., 1993. multi-objective ...
  • optimization: Formulation, discussion and generalization, in: S. Forrest (Ed.), Proc. ...
  • Coello Coello, C.A. and Christiansen, A.D., 2O). Multiobjective optimization of ...
  • Pareto, V., 1896. Cours deconomic ploitique, Lausanne, Switzerland, Rouge. ...
  • Rosenberg, R.S., 1960. :Simulation of genetic, populations with biochemical properties. ...
  • Genetic :ه [8] Toffolo, A., and Benini, E., 2003. Diversity ...
  • Computation, vol. 11, chap. 2, pp.151-167. ...
  • Deb, K., Pratap, A.. Agarwal, S. and Meyariva, T., 2002. ...
  • Jamali, A., Nariman -zadeh, N., Darvizeh, A., Masoumi, A. and ...
  • Intelligence, vol. 22, pp. 676-687. ...
  • Mattingly, J.D., 2006. Elements of Propulsion: Gas Turbines and Rockets, ...
  • نمایش کامل مراجع