عنوان مقاله :
طراحي و بهينه‌سازي چندهدفه هندسه دهانه ورودي هوا متقارن‌محوري براي دبي جرمي و عدد ماخ طراحي مشخص
عنوان به زبان ديگر :
Design and Multi Objective Optimization of an Axisymmetric Air Intake for Specific Mass Flow Rate and Design Mach Number
پديد آورندگان :
قاضي زاده، سجاد دانشگاه صنعتي مالك اشتر - مجتمع دانشگاهي مكانيك ، شاهين‌شهر، ايران , بزاز زاده، مهرداد دانشگاه صنعتي مالك اشتر - مجتمع دانشگاهي مكانيك ، شاهين‌شهر، ايران , ميرزابزرگ، محسن آقا دانشگاه صنعتي مالك اشتر - مجتمع هوافضا، شاهين‌شهر، ايران
كليدواژه :
بازيابي فشاركل , ضريب اعوجاج جريان , دهانه ورودي , الگوريتم ژنتيك , شبكه عصبي , ديناميك سيالات محاسباتي
چكيده فارسي :
دهانه هاي ورودي هوا از نقش مؤثري در عملكرد هواگردها برخوردارند، از همين رو كارايي بهينه ي آن‌ها ميتواند اثر شاياني در بهبود عملكرد سامانه پيشرانش داشته باشد. هدف از اين پژوهش طراحي و بهينه سازي يك دهانه ورودي متقارن محور با دبي kg/s10 در عدد ماخ جريان آزاد 5/2 در شرايط سطح دريا بوده است. در پژوهش حاضر ضرايب بازيابي و اعوجاج فشاركل جريان به‌عنوان پارامترهاي عملكردي جهت بهينه سازي انتخاب شده اند. در ابتدا به طراحي پارامتري دهانه و انتخاب پارامترهاي هندسي پرداخته شده و پس‌ازآن بازه ي تغييرات پارامترها تعيين شده است. در اين پژوهش از الگوريتم ژنتيك چندهدفه NSGA-II به‌عنوان الگوريتم بهينه سازي استفاده گرديد؛ همچنين براي پيشبيني عملكرد دهانه در حلقه ي بهينه سازي، شبكه ي عصبي مصنوعي به كار گرفته شد. براي آموزش شبكه هاي عصبي 243 هندسه ي اوليه طراحي و حل عددي گرديده است. الگوريتم ژنتيك استفاده‌شده داراي 20 نفر جمعيت در هر نسل و 1000 نسل است. پس از 1000 نسل، جمعيت به دست آمده به‌عنوان هندسه بهينه برگزيده شدهاند. در پايان بهينه سازي، بازيابي فشار با 4/4٪ و اعوجاج با 49٪ بهبود نسبت به طراحي اوليه روبرو شدهاند كه نشان از كارايي روند بهينه سازي دارد.
چكيده لاتين :
Air intakes play an important role in the operation of aircrafts, so their optimal performance can have a significant effect on the performance of the propulsion system. The purpose of this study was to design and optimize an axisymmetric air intake for a mass flow rate of 10 kg / sec in a free-stream Mach number of 2.5 at sea-level conditions. In the present study, pressure recovery and flow distortion coefficients are selected as functional parameters for optimization. Initially, the parametric design of the intake and the selection of geometric parameters were dealt with, and then the interval of the parameter changes was determined. In this research, the NSGA-II multi-objective genetic algorithm was used as an optimization algorithm; artificial neural network was used to predict intake performance in the optimization loop; for training neural networks 243 Initial geometry has been designed and numerically solved. The genetic algorithm that used has 20 population per generation and 1000 generations. After 1000 generations, the resulting population is selected as optimal geometries. At the end of the optimization, the pressure recovery and flow distortion were improved by 4.4% and 49%, which indicates the efficiency of the optimization process.
عنوان نشريه :
مهندسي مكانيك دانشگاه تبريز
