بهینه یابی مدار و پارامترهای استاتیکی سامانه های پیشران سوخت مایع سیکل بسته سرمازا

چکیده:
هدف اصلی این مقاله، ارائه روش تکاملی الگوریتم ژنتیک برای بهینه یابی پارامترهای اصلی موتور سوخت مایع سیکل بسته است. بر مبنای همین الگوریتم بهینه یابی، مدارهای جدید با سیکل های ترمودینامیکی بهبود یافته و تعیین میزان کارآیی آن ها مشخص شده اند. هدف اصلی این بهینه یابی، دست یابی به بالاترین سرعت نهایی ماهواره بر است که با دقت بسیار بالایی هم ارز با نسبت ضربه ویژه است. در این تحقیق، راهبرد استفاده از بوستر توربوپمپ و پمپ سوخت مرحله دوم به عنوان مدارهای مختلف موتور به چالش کشیده شده است. استفاده از بوستر توربوپمپ و پمپ سوخت مرحله دوم از یک طرف باعث افزایش وزن مجموعه موتور و از طرف دیگر با افزایش فشار ورودی پمپ ها و کاهش فشار مخازن، کاهش جرم مخازن و در نهایت کاهش جرم مجموعه موتور را به دنبال دارد. همین تعارض در به کارگیری این زیرسیستم ها، منجر به ارائه یک مسئله بهینه یابی بر مبنای مدار موتور می شود. برای این مسئله بهینه یابی قیودی چون، محدودیت افزایش فشار محفظه، دور توربین و به تبع آن فشار خروجی پمپ ها وجود دارند که در الگوریتم بهینه یابی اعمال شده است. نتایج به دست آمده نشان می دهد که تامین دبی سوخت مولد گاز از پمپ سوخت مرحله دوم و تقسیم دبی خروجی بوستر توربین سوخت به پمپ سوخت مرحله دوم و محفظه احتراق در افزایش سرعت نهایی ماهواره بر نقش بسزایی دارد.
زبان:
فارسی
در صفحه:
1
لینک کوتاه:
magiran.com/p1594443 
دانلود و مطالعه متن این مقاله با یکی از روشهای زیر امکان پذیر است:
اشتراک شخصی
با عضویت و پرداخت آنلاین حق اشتراک یک‌ساله به مبلغ 1,390,000ريال می‌توانید 70 عنوان مطلب دانلود کنید!
اشتراک سازمانی
به کتابخانه دانشگاه یا محل کار خود پیشنهاد کنید تا اشتراک سازمانی این پایگاه را برای دسترسی نامحدود همه کاربران به متن مطالب تهیه نمایند!
توجه!
  • حق عضویت دریافتی صرف حمایت از نشریات عضو و نگهداری، تکمیل و توسعه مگیران می‌شود.
  • پرداخت حق اشتراک و دانلود مقالات اجازه بازنشر آن در سایر رسانه‌های چاپی و دیجیتال را به کاربر نمی‌دهد.
In order to view content subscription is required

Personal subscription
Subscribe magiran.com for 70 € euros via PayPal and download 70 articles during a year.
Organization subscription
Please contact us to subscribe your university or library for unlimited access!