مقاله مدلسازی و بهینه سازی پرتو (pareto) ضرایب آیرودینامیکی پرتابه مافوق صوت با استفاده از شبکه عصبی و الگوریتم ژنتیک

توجه : به همراه فایل word این محصول فایل پاورپوینت (PowerPoint) و اسلاید های آن به صورت هدیه ارائه خواهد شد

  مقاله مدلسازی و بهینه سازی پرتو (pareto) ضرایب آیرودینامیکی پرتابه مافوق صوت با استفاده از شبکه عصبی و الگوریتم ژنتیک دارای ۱۰ صفحه می باشد و دارای تنظیمات در microsoft word می باشد و آماده پرینت یا چاپ است

فایل ورد مقاله مدلسازی و بهینه سازی پرتو (pareto) ضرایب آیرودینامیکی پرتابه مافوق صوت با استفاده از شبکه عصبی و الگوریتم ژنتیک  کاملا فرمت بندی و تنظیم شده در استاندارد دانشگاه  و مراکز دولتی می باشد.

توجه : در صورت  مشاهده  بهم ریختگی احتمالی در متون زیر ،دلیل ان کپی کردن این مطالب از داخل فایل ورد می باشد و در فایل اصلی مقاله مدلسازی و بهینه سازی پرتو (pareto) ضرایب آیرودینامیکی پرتابه مافوق صوت با استفاده از شبکه عصبی و الگوریتم ژنتیک،به هیچ وجه بهم ریختگی وجود ندارد

بخشی از متن مقاله مدلسازی و بهینه سازی پرتو (pareto) ضرایب آیرودینامیکی پرتابه مافوق صوت با استفاده از شبکه عصبی و الگوریتم ژنتیک :

تعداد صفحات:۱۰

چکیده:

در این مقاله جریان تراکم پذیر مافوق صوت حول یک پرتابه مورد بررسی قرار گرفته است. معادلات حاکم بر سیستم مورد نظر توسط یک کد عددی مبتنی بر حجم کنترل جیسمون حل شده است که متغیرهای این کد شامل چهار پارامتر هندسی بالک می باشد. ضرایب استخراج شده از حل عددی به همراه چهار پارامتر هندسی بالک جهت آموزش عصبی پیشخور سه لایه مورد استفاده قرار گرفته است. لایه ورودی شامل چهار پارامتر هندسی بالک، لایه میانی دارای شش نرون و لایه خروجی نیز شامل پارامترهای Ca (ضریب درگ) یا Cmz (ضریب گشتاور پایدار کننده) است. از الگوریتم ژنتیک چند هدفه (WOAG ,NSGA-II) برای بهینه سازی ضرایب پسا و گشتاور پایدار کننده بالک های این پرتابه استفاده شده است. روش NSGA-II توابع هدف را به صورت مستقل از هم، بر اساس دو اصل فاصله ازدحام و رتبه بندی غلبه نشده ارزیابی و بهینه می کند. در روش WOAG تابع هدف نهایی بر اساس جمع وزنی توابع هدف اولیه و با بکار بردن ضرایب وزنی مختلف ساخته شده و بهینه می شود. مقایسه دو روش WOAG و NSGA-II بیانگر برتری روش NSGA-II در بهبود نتایج و کاهش حجم محاسبات میباشد.