logo móvil
Contáctanos

Método de Optimización Multiobjetivo del Grano Finocyl de Motor de Cohete Sólido Basado en Modelo Suplementario

Autores: Miao, Qiuwen; Shen, Zhibin; Zhang, Huihui; Sun, Haitao

Idioma: Inglés

Editor: MDPI

Año: 2022

Descargar PDF

Acceso abierto

Artículo científico
2022

Método de Optimización Multiobjetivo del Grano Finocyl de Motor de Cohete Sólido Basado en Modelo Suplementario


Categoría

Ingeniería y Tecnología

Subcategoría

Ingeniería Aeroespacial

Palabras clave

Motor de cohete
Método de diseño óptimo
Integridad estructural
Rendimiento balístico interno
Rendimiento de carga
Tecnología de modelado sustituto

Licencia

CC BY-SA – Atribución – Compartir Igual

Consultas: 32

Citaciones: Sin citaciones


Descripción
Para mejorar el rendimiento de un motor de cohete sólido (SRM), se propuso un método de diseño óptimo multiobjetivo que puede considerar la integridad estructural, el rendimiento balístico interno y el rendimiento de carga del SRM, basado en tecnología de modelado paramétrico y modelado sustituto. En primer lugar, se introdujo la tecnología de modelado paramétrico en el campo del análisis de integridad estructural para un SRM de alta carga, a partir de la cual se analizaron las influencias de los parámetros de carga y geométricos en la máxima deformación de von Mises del grano del SRM, lo que mejoró efectivamente la velocidad de muestreo y la precisión de predicción del modelo sustituto. Combinando los modelos de cálculo del área de superficie de combustión y la fracción de carga de volumen del SRM, se obtuvo el conjunto de soluciones óptimas de Pareto basado en el algoritmo NSGA-II. Bajo las restricciones del modelo de optimización, la máxima deformación de von Mises puede reducirse hasta en un 26.72% y la fracción de carga de volumen puede aumentarse hasta en un 1.83% en comparación con el original. Además, el método de diseño óptimo propuesto en este documento es significativamente superior en eficiencia, capaz de reducir tanto el tiempo de muestreo único en más del 95% como el número de simulaciones numéricas de 20,000 a 400, y la desviación promedio de predicción es solo del 1.87%.

Otros recursos que podrían interesarte

Temas Virtualpro