علوم کاربردی و محاسباتی در مکانیک

علوم کاربردی و محاسباتی در مکانیک

پیش بینی عملکرد آیرودینامیکی بال مثلثی غیر باریک با استفاده از شبکه عصبی

نوع مقاله : مقاله پژوهشی

نویسندگان
1 گروه مهندسی مکانیک دانشگاه علم و هنر
2 پژوهشکده مکانیک، پژوهشگاه فضایی ایران، شیراز
3 کارشناسی ارشد مهندسی مکانیک دانشگاه علم و هنر یزد
چکیده
در مطالعه حاضر به پیش بینی اثر زمین بر مشخصات و عملکرد آیرودینامیکی بال مثلثی غیرباریک با استفاده از شبکه عصبی مصنوعی پرداخته می‌شود. پس از استخراج داده‌های مورد نیاز از مقاله مبنا، توانایی تابع اساسی شعاعی بر پیش بینی داده‌ها با استفاده از پارامترهای آماری مختلف بررسی شده است. با استفاده از داده-های پیش بینی شده، نمودارهای تغییرات ضرایب لیفت نسبت به فاصله بال از زمین و زاویه حمله باز رسم شده است. در بخش بعد، به منظور مشخص کردن کارآیی الگوریتم شبکه عصبی مطالعه حاضر، دقت الگوریتم در ورودی‌های مختلف آموزش و داده‌های تست متنوع شبکه عصبی تخمین زده شده است. نهایتاً از الگوریتم تابع اساسی شعاعی برای پیش بینی ضریب درگ استفاده شده است. ضریب رگرسیون یک و ضریب تعیین 0998 برای پیش بینی ضریب لیفت ارائه شده است و مقدار خطا کم‌تر از 4 درصد برای محاسبه ضریب درگ با استفاده از شبکه عصبی پیش بینی شده است.
کلیدواژه‌ها
موضوعات

عنوان مقاله English

Prediction of Aerodynamic Performance of a Non-Slender Delta Wing Using Neural Network

نویسندگان English

Mohamadhossein Talebi 1
Alireza Movahedi 1
Saeid Fathi 2
milad zabihi nejad 1
Saeid Ghadirikhah 3
1 Mechanical Engineer- Science and Art University
2 Mechanics Research Institute, Iranian Space Research Institute, Shiraz
3 Master of Mechanical Engineering
چکیده English

The effects of non dimensional distance between ground and trailing edge and angle of attack on aerodynamic forces of non-slender delta wing are analysed using artificial neural network in the present study. The capability of radial basis function algorithm in prediction of data was estimated using statistical parameters, after extraction data from base article. The graph of lift coefficients into distance between ground and trailing edge and angle of attack were redrawn by predicted data. Then, in order to the determination of algorithm efficiency, precision of test data prediction was determined in different type of train data. Finally, prediction of drag coefficients were carried out using radial basis function of present study. The regression coefficient was found to be 1.0, and the coefficient of determination (R²) was 0.998 for predicting the lift coefficient. Moreover, the prediction error for calculating the drag coefficient using the neural network was less than 4%.

کلیدواژه‌ها English

Delta Wing
Neural Network
Radial Basis Function
Lift Coefficient
Drag Coefficient
ارسال نظر در مورد این مقاله
نام را وارد کنید.
نشانی پست الکترونیکی را به درستی وارد کنید.
وابستگی سازمانی را به درستی وارد کنید.
توضیحات را وارد کنید (حداقل 50 حرف)
CAPTCHA Image
شناسه امنیتی را به درستی وارد کنید.