جستجوی مقالات مرتبط با کلیدواژه « type neural networks » در نشریات گروه « برق »
تکرار جستجوی کلیدواژه «type neural networks» در نشریات گروه «فنی و مهندسی»-
در این مقاله، از شبکه عصبی از نوع Group Method of Data Handling یا به اختصار GMDH، مبتنی بر الگوریتم ژنتیک به عنوان ابزاری با قابلیت بالا در مدل سازی سیستم های غیر خطی و پیچیده، برای مدل سازی موتور توربوفن استفاده شده است. بدلیل اهمیت میزان مصرف سوخت و تاثیر آن بر روی نیروی رانش موتور توربوفن به خصوص در موتور هواپیماهای تجاری و مسافربری، در این تحقیق تاثیر نسبت سوخت به هوا بر روی دو پارامتر بسیار مهم یعنی مصرف سوخت ویژه و تراست در ارتفاع ها و سرعت های متفاوت در محدوده رژیم زیر سرعت صوت بررسی شده است. سپس از شبکه عصبی از نوع GMDH مبتنی بر الگوریتم ژنتیک برای مدل سازی تاثیر ارتفاع پروازی و میزان نسبت سوخت به هوا بر روی نیروی رانش و مصرف سوخت ویژه موتور توربوفن استفاده شده است. در نهایت، مدل بدست آمده با داده های واقعی مقایسه شده است؛ که کارایی و دقت شبکه را نشان می دهد. با استفاده از توابع ریاضی بدست آمده از مدل سازی نیروی رانش و مصرف سوخت ویژه، قادر به بهینه سازی موتور و پیش بینی بهترین نقاط عملکردی برای آن خواهیم شد.
کلید واژگان: شبکه عصبی GMDH, الگوریتم ژنتیک, موتور توربوفن, نیروی رانش, مصرف سوخت ویژه}MODELING OF THRUST AND SPECIFIC FUEL CONSUMPTION FOR A TURBOFAN ENGINE VIA GMDH-TYPE NEURAL NETWORKSIn this paper, Group Method of Data Handling (GMDH)-type neural networks based on Genetic Algorithm, as an effective means to model the complex and nonlinear system, used for the modeling of turbofan engine. Fuel consumption is an important factor in turbofan engines, particularly in commercial and passenger aircraft engines. Regarding to its importance, fuel/air ratio influence on two main parameters, namely, specific fuel consumption and thrust investigated in this study at different altitudes for lower Mach numbers. Therefore, GMDH-type neural networks based on Genetic Algorithm developed for modeling. The impact of fuel / air ratio and flight altitude on thrust and specific fuel consumption of a turbofan engine that mathematical functions obtained for thrust and specific fuel consumption will be applied to optimization of the engine and estimation of best operating points. Finally, the GMDH model`s value compared with experimental data that show the effectiveness and accuracy of the network.Keywords: GMDH, type Neural Networks, Genetic Algorithm, Turbofan Engine, Thrust, Specific Fuel Consumption}
نکته
- نتایج بر اساس تاریخ انتشار مرتب شدهاند.
- کلیدواژه مورد نظر شما تنها در فیلد کلیدواژگان مقالات جستجو شدهاست. به منظور حذف نتایج غیر مرتبط، جستجو تنها در مقالات مجلاتی انجام شده که با مجله ماخذ هم موضوع هستند.
- در صورتی که میخواهید جستجو را در همه موضوعات و با شرایط دیگر تکرار کنید به صفحه جستجوی پیشرفته مجلات مراجعه کنید.