فهرست نشریات علمی دسترسی آزاد ایران

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 سیستم‌های 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 مدل‌سازی نیروی رانش و مصرف سوخت ویژه، قادر به بهینه سازی موتور و پیش بینی بهترین نقاط عملکردی برای آن خواهیم شد.