مسیح شریفی - کارشناس ارشد مکانیک، دانشکده مکانیک و هوافضا، دانشگاه صنعتی مالک اشتر. نویسنده مسئول
بهروز شهریاری - کارشناس ارشد مکانیک، دانشکده مکانیک و هوافضا، دانشگاه صنعتی مالک اشتر
احمد باقری - دانشیار، دانشکده مکانیک ، دانشگاه گیلان

در این مقاله، از شبکه عصبی از نوع Group Method of Data Handling یا به اختصار GMDH ، مبتنی بر الگوریتم ژنتیک به عنوان ابزاری با قابلیت بالا در مدل سازی سیستم های غیر خطی و پیچیده، برای مدل سازی موتور توربوفن استفاده شده است. بدلیل اهمیت میزان مصرف سوخت و تاثیر آن بر روی نیروی رانش موتور توربوفن به خصوص در موتور هواپیماهای تجاری و مسافربری، در این تحقیق تاثیر نسبت سوخت به هو ا بر روی دو پارامتر بسیار مهم یعنی مصرفسوخت ویژه و تراست در ارتفاع ها و سرعت های متفاوت در محدوده رژیم زیر سرعت صوت بررسی شده است. سپس از شبکه عصبی از نوع GMDH مبتنی بر الگوریتم ژنتیک برای مدل سازی تاثیر ارتفاع پروازی و میزان نسبت سوخت به هوا بر روی نیروی رانش و مصرف سوخت ویژه موتور توربوفن استفاده شده است. در نهایت، مدل بدست آمده با داده های واقعی مقایسه شده است؛ که کارایی و دقت شبکه را نشان می دهد. با استفا ده از توابع ریاضی بدست آمده از مدل سازی نیروی رانش و مصرف سوخت ویژه، قادر به بهینه سازی موتور و پیش بینی بهترین نقاط عملکردی برای آن خواهیم شد.

شبکه عصبی GMDH، الگوریتم ژنتیک، موتور توربوفن، نیروی رانش، مصرف سوخت ویژه