@article { author = {Mansouri Moghari, Mohammad Hossein and Naseh, Hassan and Nouri, Sahar}, title = {Metamodeling by kriging method for the disciplines of liquid hydrazine monopropellant propulsion system using Latin hypercube sampling method}, journal = {Aerospace Knowledge and Technology Journal}, volume = {11}, number = {2}, pages = {53-68}, year = {2023}, publisher = {Malek ashtar University of Technology}, issn = {2322-1070}, eissn = {2645-3622}, doi = {}, abstract = {When designing complex products such as space thrusters, accurate simulation models are needed to evaluate and improve the design during development. The implementation of these accurate simulation models is often expensive and time-consuming. Surrogate models or metamodels are simplified models of accurate and expensive simulations that can be used to reduce some computational costs during studies or design optimization. The closer the surrogate model is to the real model, the more accurate the solution and the lower the percentage of error. These models with high accuracy are called metamodels. The purpose of this article is to design the metamodel of the liquid single-propellant thruster system using the kriging method, which can predict the behavior of the model to some extent. The purpose of this article is metamodeling of liquid monopropellant propulsion system by kriging method, which can predict the behavior of the model to some extent. The disciplines related to the liquid monopropellant propulsion system are divided into five parts: high-pressure gas tank, liquid fuel tank, injector, catalyst bed and nozzle. First, according to the input and output variables of each discipline, the design of the experiment has been done using the Latin hypercube sampling method. Then, using the kriging method, metamodel and distribution diagram of design points related to each of the subjects are extracted. In addition to the mass metamodel of each of the discipline, for the injector, the metamodel related to the mass flow rate of the fuel, for the catalytic bed, the characteristic speed, and for the nozzle, the specific impulse of the engine was also produced. Also, four Gaussian, Exponential, Linear and Spherical functions with degree two were compared for each of the metamodels in the kriging method. In this comparison, it was observed that due to the same coefficient of determination, the Gaussian function has less error than other functions and, as a result, better accuracy.}, keywords = {Metamodeling,Kriging,Latin Hypercube Sampling,Space Liquid Monopropellant Propulsion System}, title_fa = {تولید فرامدل به روش کرایگینگ برای موضوعات سامانه رانشگر تک پیشرانه مایع هیدرازینی با استفاده از روش نمونه برداری ابرمکعب لاتین}, abstract_fa = {در فرآیند طراحی محصولات پیچیده مانند رانشگرهای فضایی، برای ارزیابی و بهبود طرح، مدل­ها و شبیه­سازی­های دقیق  مورد نیاز هستند. دستیابی به این مدل­های دقیق، اغلب پر هزینه و زمان­بر می­باشند. مدل­های جانشین یا فرا­مدل­ها، مدل­های ساده­ شده­ای از شبیه­سازی­های دقیق هستند که می­توانند برای کاهش برخی از هزینه­های محاسباتی در طول مطالعات و یا بهینه­سازی طراحی مورد استفاده قرار بگیرند. هر چقدر مدل جانشین به مدل واقعی نزدیک­تر باشد، حل دقیق­تر و درصد خطا کاهش می­یابد. این مدل­ها با دقت بالا را فرامدل می­نامند. هدف از این مقاله، فرامدل­سازی موضوعات سامانه رانشگر تک­پیشرانه­ مایع به روش کرایگینگ می­باشد که می­تواند رفتار مدل را نیز تا حدودی پیش­بینی نماید. موضوعات مرتبط با سامانه رانشگر تک­پیشرانه مایع به پنج قسمت : مخزن گاز پرفشار، مخزن سوخت مایع، انژکتور، بسترکاتالیستی و نازل تقسیم­بندی شده است. ابتدا با توجه به متغیرهای ورودی و خروجی هر یک از موضوعات، طراحی آزمایش با استفاده از روش نمونه­برداری ابرمکعب لاتین انجام شده است. سپس با بهره­گیری از روش کرایگینگ، فرامدل و نمودار توزیع نقاط طراحی مربوط به هریک از موضوعات استخراج می­گردد. علاوه بر فرامدل جرم هر یک از موضوعات، برای انژکتور، فرامدل مربوط به دبی جرمی سوخت، برای بستر کاتالیستی، سرعت مشخصه و برای نازل، ضربه ویژه موتور نیز تولید گردید. همچنین برای هر یک از فرامدل­ها در روش کرایگینگ، چهار تابع گوسی، نمایی، خطی و کروی با درجه دو مورد مقایسه قرار گرفت. در این مقایسه مشاهده گردید، با توجه به یکسان بودن ضرایب وضعیت، تابع گوسی از دیگر توابع خطای کمتر و در نتیجه دقت بهتری نیز دارد. همچنین میانگین دقت محاسبه شده تابع گوسی در فرامدل­سازی نسبت به تابع نمایی 10%، نسبت به تابع خطی 13% و نسبت به تابع کروی 12% می­باشد.  }, keywords_fa = {فرامدل سازی,کرایگینگ,نمونه برداری ابرمکعب لاتین,سامانه رانشگر تک پیشرانه مایع فضایی}, url = {https://www.astjournal.ir/article_697503.html}, eprint = {https://www.astjournal.ir/article_697503_e195bffbe215106ced88acd65fac7b79.pdf} }