مقایسه انواع روش های متامدل شبکه عصبی مصنوعی در طراحی گرین فینوسیل

طراحی گرین مهمترین بخش طراحی موتور سوخت جامد می باشد، در این مقاله هدف به کارگیری متامدل شبکه عصبی در طراحی گرین فینوسیل بر اساس توابع هدف از پیش تعیین شده با توجه به نمودارهای تراست - زمان یا فشار - زمان می باشد تا انواع الزامات تراست عملکردی را از طریق یک روش طراحی نوآورانه با بهره گیری از الگوریتم بهینه سازی ژنتیک، ارضا نماید . به منظور نمونه برداری در فضای طراحی از روش نمونه برداری کلاسیک استفاده شده است. برای شبیه سازی پسروی سطح سوزش گرین سوخت روش سطوح همتراز انتخاب شده است. به منظور تحلیل بالستیک داخلی، از روش صفر بعدی استفاده شده است. روش متامدل به کار گرفته شده بر اساس روشهای شبکه عصبی مصنوعی از قبیل پرسپترون چند لایه، تابع پایه شعاعی به عنوان جایگزین روش سطوح همتراز در حلقه طراحی بهینه استفاده می گردد. در انتهای این کار به منظور اعتبارسنجی الگوریتم ارائه شده یک نمونه گرین فینوسیل با انواع روشهای ذکر شده مورد بررسی قرار گرفته است و نتایج حاصله نشان می دهد که این روش طراحی گرین، زمان طراحی را به طور قابل توجهی کاهش می دهد و این الگوریتم می تواند در طراحی هر نوع گرینی مورد استفاده قرار گیرد.