ارائه روابط جدید تحلیلی افت سرعت‌های پرتابگر با طبقات متوالی با استفاده از رگرسیون غیر خطی

در این پژوهش ابتدا به اهمیت محاسبه دقیق تلفات سرعت پرتابگر و همچنین عوامل موثر بر آن‌ها پرداخته شد. داده‌های ورودی 15 پرتابگر ساخته شده توسط کشور مختلف در سراسر دنیا با تنوع در تعداد مراحل، ارتفاع مداری و جرم محموله جمع‌آوری گردید و به وسیله نرم‌افزار دقیق شبیه‌سازی مسیر، برنامه زاویه پیچ بهینه آنها استخراج و همچنین تلفات سرعت ناشی از گرانش زمین، پیشرانش و درگ محاسبه و ارایه شده است. در ادامه، با استفاده از روش رگرسیون غیر‌خطی، سه رابطه تحلیلی با خطای قابل قبول جهت تخمین تلفات سرعت‌ها استخراج و معرفی شده است که میتواند جایگزین استفاده از کد شبیه سازی مسیر در فاز طراحی مفهومی پرتابگر‌ها گردد. این روابط توسط اطلاعات دو پرتابگر خارج از داده‌های آماری استفاده شده در رگرسیون شامل سفیر و اپسیلون، مورد ارزیابی قرار گرفته و صحت سنجی الگوریتم با حداکثر خطای 12% و میانگین خطای کمتر از 6% مورد تایید قرار گرفته است.

introducing new analytical equations of tandem launch vehicle velocity lost using non-linear regression

in this research, firstly, the importance of accurate calculation of satellite speed losses and the factors affecting them were discussed. the input data of 15 satellite launchers built by different countries around the world with variations in the number of stages, orbital height and payload mass were collected and by means of accurate path simulation software, their optimal turn angle program was extracted as well as speed losses due to earth’s gravity, propulsion and the drag is calculated and presented. in the following, by using the non-linear regression method, three analytical relations with acceptable error have been extracted and introduced to estimate speed losses, which can replace the use of route simulation code in the conceptual design phase of carriers. these relationships have been evaluated by the information of two satellites outside the statistical data used in the regression, including safir and epsilon, and the accuracy of the algorithm has been confirmed with a maximum error of 12% and an average error of less than 6%.