با تلاش پژوهشگران آمریكایی ابداع شد
مدل جدیدی برای طراحی سریع و كم هزینه موتور موشك
به گزارش این با من پژوهشگران آمریكایی، مدل جدیدی را برای طراحی و ارزیابی عملكرد موشك ابداع نموده اند كه می تواند هزینه و زمان مورد نیاز برای این كار را كم كند.
به گزارش این با من به نقل از ایسنا و به نقل از تك اكسپلور، زمان، هزینه و ایمنی باعث می شوند كه بررسی دوام یك موشك آزمایشی با استفاده از روش های فیزیكی دارای آزمون و خطا دشوار باشد. حتی شبیه سازی های محاسباتی هم زمان بر هستند. برای مثال، تحلیل كامل یك موتور موشك "مرلین" (Merlin) شركت "اسپیس ایكس" (SpaceX) با كمك یك ابررایانه، شاید هفته ها و حتی ماه ها زمان ببرد تا پیشبینی های مطلوب عرضه شوند.
گروهی از پژوهشگران "دانشگاه تگزاس در آستین" (UT)، مدل جدیدی را برپایه روش های مبتنی بر "یادگیری ماشینی علمی" (scientific machine learning) ابداع نموده اند كه می تواند این چالش را برطرف كند. یادگیری ماشینی علمی، یك حوزه نسبتا جدید است كه محاسبه علمی را با یادگیری ماشینی در هم می آمیزد. این كار به واسطه ادغام مدل سازی فیزیك و یادگیری مبتنی بر داده ها ممكن می شود و می تواند شبیه سازی هایی را ایجاد كند كه در زمان كوتاهی راه اندازی می شوند و كارآیی بسیاری دارند.
هدف از این پژوهش، این است كه روش سریعی برای ارزیابی عملكرد موتور موشك در شرایط گوناگون، برای طراحان موتور موشك فراهم گردد.
"كارن ویلكوكس" (Karen Willcox)، سرپرست این گروه پژوهشی اظهار داشت: هدف مهندسان موشك این است كه قبل از آزمایش و ساخت موشك، طراحی های متفاوت را روی كامپیوتر بررسی نمایند. آزمایش و ساخت فیزیكی موشك نه تنها زمان بر و پرهزینه است، بلكه می تواند خطرناك باشد.
ثبات موتور موشك كه باید در شرایط پیشبینی نشده پرواز دوام بیاورد، یك هدف مهم در طراحی آن است كه مهندسان باید از آن مطمئن باشند. هزینه و زمان بررسی ثبات موتور یك موشك، باعث پیچیدگی این مورد می شود. متغیرهای بسیاری می توانند ثبات موتور را تحت تأثیر قرار دهند و سرعت تغییر هر یك از آنها طی سفر موشك، قابل تغییر است.
"راماكانث مونیپالی" (Ramakanth Munipalli)، مهندس حوزه هوافضا در "آزمایشگاه تحقیقات نیروی هوایی" (AFRL) اظهار داشت: مدلی كه توسط ویلكوكس و گروهش ابداع شده، نقش مهمی در فراهم كردن قابلیت های طراحی سریع برای طراحان موتور موشك خواهد داشت. این مدلها در بعضی از موارد مهم، تنها وسیله ای هستند كه می توانند به شبیه سازی یك سیستم بزرگ پیشران كمك كنند. در شرایط كنونی كه طراحان با محدودیت هایی مانند هزینه و زمان بندی رو به رو هستند، این مدلها كارآیی بسیاری خواهند داشت.
این مدلهای جدید می توانند كاری بیشتر از شبیه سازی آموزشی انجام دهند. آنها از عهده شبیه سازی عملكرد موتور در آینده برمی آیند و واكنش فیزیكی آنرا در شرایط اجرایی پیشبینی می كنند.
باآنكه این مدلها هنوز كامل نیستند اما كار خویش را برای پیشبینی پویایی كلی موتور، به خوبی انجام می دهند.
ویلكوكس اضافه كرد: این مدلها، جایگزینی برای مدلهای پرهزینه ای هستند كه هم اكنون به آنها وابسته هستیم. عملكرد مدلهای جدید آن قدر خوب است كه می تواند مهندسان را برای طراحی تصمیم های مورد نیاز در زمان كوتاهی راهنمایی كند.
این پژوهش، به صورت آنلاین در مجله "AIAA Journal" به چاپ رسید.
این مطلب را می پسندید؟
(1)
(0)
تازه ترین مطالب مرتبط
نظرات بینندگان در مورد این مطلب