صفحه اصلی فهرست مقالات مشخصات مقاله
نشریه مهندسی مکانیک امیرکبیر
شماره‌های پیشین نشریه
دوره دوره 52 (1399)
دوره دوره 51 (1398)
دوره دوره 50 (1397)
دوره دوره 49 (1396)
دوره دوره 48 (1395)
دوره دوره 47 (1394)
دوره دوره 46 (1393)
دوره دوره 45 (1392)
دوره دوره 44 (1391)
دوره دوره 43 (1390)
دوره دوره 42 (1389)
دوره دوره 41 (1388)
نوابی, محمد, حسینی, شهرام, شانه ای, هادی. (1398). طراحی سریع و بهینه پرنده داکت‌فن عمودپرواز دم‌نشین با استفاده از شبکه عصبی و الگوریتم ازدحام ذرات. نشریه مهندسی مکانیک امیرکبیر, 52(12), 21-30. doi: 10.22060/mej.2019.16388.6352
محمد نوابی; شهرام حسینی; هادی شانه ای. "طراحی سریع و بهینه پرنده داکت‌فن عمودپرواز دم‌نشین با استفاده از شبکه عصبی و الگوریتم ازدحام ذرات". نشریه مهندسی مکانیک امیرکبیر, 52, 12, 1398, 21-30. doi: 10.22060/mej.2019.16388.6352
نوابی, محمد, حسینی, شهرام, شانه ای, هادی. (1398). 'طراحی سریع و بهینه پرنده داکت‌فن عمودپرواز دم‌نشین با استفاده از شبکه عصبی و الگوریتم ازدحام ذرات', نشریه مهندسی مکانیک امیرکبیر, 52(12), pp. 21-30. doi: 10.22060/mej.2019.16388.6352
نوابی, محمد, حسینی, شهرام, شانه ای, هادی. طراحی سریع و بهینه پرنده داکت‌فن عمودپرواز دم‌نشین با استفاده از شبکه عصبی و الگوریتم ازدحام ذرات. نشریه مهندسی مکانیک امیرکبیر, 1398; 52(12): 21-30. doi: 10.22060/mej.2019.16388.6352

طراحی سریع و بهینه پرنده داکت‌فن عمودپرواز دم‌نشین با استفاده از شبکه عصبی و الگوریتم ازدحام ذرات

مقاله 3، دوره 52، شماره 12، اسفند 1399، صفحه 21-30  XML | اصل مقاله [English] اصل مقاله (655 K)
نوع مقاله: مقاله پژوهشی
شناسه دیجیتال (DOI): 10.22060/mej.2019.16388.6352
نویسندگان
محمد نوابی 1؛ شهرام حسینی1؛ هادی شانه ای2
1دانشگاه شهید بهشتی
2دانشکده مهندسی هوافضا، دانشگاه صنعتی خواجهنصیرالدین طوسی
چکیده
با توجه به عملکرد بهینه و کاربردهای نوین داکت‌فن‌ها به‌ویژه در مأموریت‌های پهپادی، هدف این مقاله ارائه روشی بهینه و سریع برای طراحی این پرنده‌ها بر اساس ابزارهای نوین ریاضی و تحلیلی است که در سال‌های اخیر موجب بهبود و تسریع بسیاری از فرایند‌های زمان‌بر مهندسی شده است. در این روش طراحی جدید که تمرکز آن بر افزایش سرعت طراحی است، ابتدا با استفاده از روش تئوری مومنتوم، طراحی اولیه‌ای انجام می‌گیرد و اولین تقریب برای ابعاد مقاطع مختلف داکت‌فن مانند قطر دهانه ورودی و خروجی، توان و نیروی رانش مشخص می‌شود. سپس با استفاده از اتصال نرم‌افزار MATLAB و یک نرم‌افزار طراحی داکت‌فن با عنوان کد طراحی داکت‌فن (DFDC)، با استفاده از ایرفویل‌های مختلف، چندین طرح بهینه برای داکت‌فن، با استفاده از الگوریتم بهینه‌سازی ازدحام ذرات و بهینه‌سازی مستقیم استخراج می‌شود. دامنه جستجوی فضای بهینه‌سازی در این الگوریتم، از طراحی اولیه با روش تئوری مومنتوم و خرو‌جی‌های متعدد مشاهده شده از نرم‌افزار DFDC به دست می‌آید. در گام آخر یک شبکه عصبی پرسپترون چندلایه به وسیله الگوریتم پس انتشار خطا بر طبق اطلاعات به‌دست‌آمده از بهینه‌سازی‌ها آموزش می‌بیند. این شبکه عصبی با استفاده از چندین نمونه ایرفویل مختلف آموزش داده و سپس صحت سنجی می‌شود. بر اساس دقت مورد نیاز تعداد نمونه کافی برای آموزش نیز استخراج می‌گردد. شبکه به دست آمده برای طراحی سریع و بهینه یک پرنده جدید قابل استفاده خواهد بود.
کلیدواژه‌ها
طراحی بهینه؛ داکتفن؛ ازدحام ذرات؛ شبکه عصبی؛ پس انتشار خطا
موضوعات
روشهای کنترل هوشمند و محاسبات نرم؛ کنترل سیستمهای دینامیکی
عنوان مقاله [English]
Rapid and optimal design of a tail-sitter VTOL ducted fan using a neural network and PSO algorithm
نویسندگان [English]
M. Navabi1؛ shahram hosseini1؛ Hadi shanei2
1Shahid Beheshti University
2Khaje Nasir Toosi University of Technology
چکیده [English]
Considering the optimal performance and new applications of the ducted fans, especially in UAV missions, this paper aims to provide an optimal and rapid method for designing the UAVs based on new mathematical and analytical tools which improved and accelerated many of the long engineered processes. In this design method, an initial design is carried out based on the momentum theory and the first size approximation of different sections of the duct fan, such as the inlet and outlet diameter, the power and the duct thrust, is determined. Then by connecting the MATLAB and a ducted fan design software called the ducted fan design code (DFDC), several optimal design schemes for the duct are extracted by the particle swarm optimization algorithm. The parameters search domain in the algorithm is obtained from the initial design with the Momentum theory method and the various results of DFDC software, in the case. Finally, in order to obtain the final duct design, according to the optimized information, a multilayer perceptron neural network using an error-back propagation algorithm is trained. In the redesign loops, without a time-consuming optimization, the trained neural model can extract the duct parameters very quickly, based on the constraints of structure, control design, and missions targets.
کلیدواژه‌ها [English]
Optimal Design, Ducted Fan, Particle Swarm, Neural Network, Back propagation
مراجع
آمار
تعداد مشاهده مقاله: 43
تعداد دریافت فایل اصل مقاله: 73