>
Fa   |   Ar   |   En
   طراحی بهینه سامانه کنترل پیشرانش تک مولفه‌ای‏ آب‌اکسیژنه برای یک سامانه انتقال مداری ماهواره تحت عدم قطعیت  
   
نویسنده فاتحی محمد ,طلوعی علیرضا ,کشته گر بهروز
منبع دانش و فناوري هوافضا - 1399 - دوره : 9 - شماره : 2 - صفحه:177 -192
چکیده    در نظر گرفتن عدم قطعیت یک بخش جداناپذیر در مسائل طراحی صنعتی و نزدیک به واقعیت است. در نظر نگرفتن این عدم قطعیت‏ها در طراحی می‏تواند منجر به کاهش کارایی سامانه و حتی بدتر در برخی از مسائل موجب شکست ماموریت به طور کامل شود. در پژوهش حاضر به پیاده‏سازی یکی از روش‏های طراحی تحت عدم قطعیت یعنی بهینه‌سازی بدترین حالت برای طراحی یک سامانه پیشرانش تک مولفه‌ای آب‌اکسیژنه پرداخته شده است. روش پیشنهادی در این پژوهش شامل دو نوع عدم قطعیت شناختی و غیر شناختی نیز می‏شود. این روش با جداسازی پارامترها و متغیرهای طراحی برای هر سه نوع بیان عدم‏قطعیت تنک،تک بازه و چند بازه‏ای به جستجوی نقطه بهینه به کمک الگوریتم ژنتیک می‏پردازد. طراح در انتخاب نوع توزیع بی‌تاثیر بوده و نوع توزیع بسته به داده‏ها‏ی موجود تعیین می‏شود. به‌عبارت‌دیگر حتی عدم قطعیت در نوع توزیع و پارامترهای آن نیز مدنظر قرار گرفته است. همچنین برای تخمین پارامترهای توزیع از روش مبتنی بر حداکثر درست‏نمایی استفاده می‏شود.
کلیدواژه عدم‏قطعیت، بهینه‌سازی، پراکسید هیدروژن، داده‏ های بازه ‏ای
آدرس دانشگاه شهید بهشتی, دانشکده فناوری‌های نوین و مهندسی هوافضا, ایران, دانشگاه شهید بهشتی, دانشکده فناوری‌های نوین و مهندسی هوافضا, ایران, دانشگاه زابل, دانشکده فنی و مهندسی, ایران
 
   Optimal design of monopropellant hydrogen peroxide propulsion control system for a satellite orbital transfer system under uncertainty  
   
Authors Toloei Alireza ,Keshtegar Behroz ,Fatehi Mohammad
Abstract    Considering uncertainty is an Inseparable part of industrial design. Ignoring these uncertainties in design can reduce system performance and, even worse, lead to failing the mission entirely in some cases. In the present study, the worstcase optimization adopted is used to design of hydrogen peroxide propulsion system. The proposed method in this study includes two types of epistemic and aleatory uncertainty. This method searches for the optimal point using the genetic algorithm by separating design parameters and variables for all three types of sparse points, singleinterval and multiinterval uncertainty representations. The designer is ineffective in choosing the type of distribution, and the type of distribution is determined depending on the available data. In other words, even uncertainty in the type of distribution and its parameters has been considered. Also, the method of maximum likelihoodbased is used to estimate the distribution parameters.
Keywords
 
 

Copyright 2023
Islamic World Science Citation Center
All Rights Reserved