تولید فرامدل به روش کرایگینگ برای موضوعات سامانه رانشگر تک پیشرانه مایع هیدرازینی با استفاده از روش نمونه برداری ابرمکعب لاتین

نوع مقاله : مقاله پژوهشی

نویسندگان

1 دانشجوی دکتری / گروه مهندسی هوافضا، پژوهشگاه هوافضا و دانشگاه صنعتی امیرکبیر، تهران، ایران

2 عضو هیات علمی / پژوهشگاه هوافضا، وزارت علوم، تحقیقات و فناوری، تهران، ایران

3 عضو هیات علمی / دانشکده مهندسی هوافضا ، دانشگاه صنعتی امیرکبیر، تهران، ایران

چکیده

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.  

کلیدواژه‌ها

عنوان مقاله [English]

Metamodeling by kriging method for the disciplines of liquid hydrazine monopropellant propulsion system using Latin hypercube sampling method

نویسندگان [English]

  • Mohammad Hossein Mansouri Moghari 1
  • Hassan Naseh 2
  • Sahar Nouri 3
1 Ph.D. Candidate, Aerospace Research Institute and Amir Kabir University of Technology, Tehran, Iran
2 Assistant Professor, Aerospace Research Institute, Ministry of Science, Research and Technology, Tehran, Iran
3 Assistant Professor, Department of Aerospace Engineering, Amir Kabir University of Technology, Tehran, Iran
چکیده [English]

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.

کلیدواژه‌ها [English]

  • Metamodeling
  • Kriging
  • Latin Hypercube Sampling
  • Space Liquid Monopropellant Propulsion System

مراجع

[1] O. Morgan and D. Meinhardt, "Monopropellant selection criteria-hydrazine and other options," in 35th Joint Propulsion Conference and Exhibit, 1995, p. 2595.
[2] D. Mavris and H. Jimenez, "Advanced Design Methods," in Architecture and Principles of Systems Engineering: Auerbach Publications, 2016, pp. 359-388.
[3] https://www.ariane.group/en/about-us/company-profil/
[4] M. Meibody, H. Naseh, and F. Ommi, "A kriging based multi objective gray wolf optimization for hydrazine catalyst bed," Engineering Solid Mechanics, vol. 7, no. 3, pp. 179-192, 2019.
[5] H. N. MNP Meibody, F Ommi, "Catalyst bed multi-objective optimization," Aeronautics and Aerospace Open Access Journal, vol. 3, no. 1, 2019.
[6] H. N. MNP Meibody, F Ommi, "Sensitivity analysis based on progressive Latin hypercube. Case study: Design of hydrazine catalyst substrate," JSST, pp. 35-46, 2019.
[7] M. Rath, H. Schmitz, and M. Steenborg, "Development of a 400 N hydrazine thruster for ESA's Atmospheric Reentry Demonstrator," in 32nd Joint Propulsion Conference and Exhibit, 1996, p. 2866.
[8] M. Salimi, "Numerical Study of Catalyst Bed Length and Particle Size Effect on the Monopropellant Thruster Specific Impulse and Thrust," 2020.
[9] R. Hermsen and B. Zandbergen, "Pressurization system for a cryogenic propellant tank in a pressure-fed high-altitude rocket," in 7th European Conference for Aeronautics And Aerospace Sciences (EUCASS), 2017, p. 13.
[10] A. Adami, M. Mortazavi, M. Nosratollahi, M. Taheri, and J. Sajadi, "Multidisciplinary design optimization and analysis of hydrazine monopropellant propulsion system," International Journal of Aerospace Engineering, vol. 2015, 2015.
[11] T.M.Chiasson, "Modeling the characteristics of propulsion systems providing less than 10 N thrust," Massachusetts Institute of Technology, 2012.
[12] T. Nada and A. Hashem, "Geometrical characterization and performance optimization of monopropellant thruster injector," The Egyptian Journal of Remote Sensing and Space Science, vol. 15, no. 2, pp. 161-169, 2012.
[13] L. Bayvel and Z. Orzechowski, Liquid atomization. Routledge, 2019.
[14] M. Meibody, H. Naseh, and F. Ommi, "Developing a Multi-objective Multi-Disciplinary Robust Design Optimization Framework," Scientia Iranica, 2021.
[15] A. Makled and H. Belal, "Modeling of hydrazine decomposition for monopropellant thrusters," in 13th International Conference on Aerospace Sciences & Aviation Technology, 2009, pp. 26-28.
[16] Y. M. Timnat, Advanced chemical rocket propulsion. Academic Press, 1987.
[17] G. Sutton and O. Biblarz, "Rocket propulsion elements, ISBN-13: 978-1118753651," ed: John Wiley & Sons, 2017.
[18] D. K. Huzel and D. H. Huang, "Modern engineering for design of liquid-propellant rocket engines (Revised and enlarged edition)," Progress in astronautics and aeronautics, vol. 147, 1992.
[19] O. Okobiah, S. P. Mohanty, and E. Kougianos, "Geostatistical‐inspired fast layout optimisation of a nano‐CMOS thermal sensor," IET Circuits, Devices & Systems, vol. 7, no. 5, pp. 253-262, 2013.
[20] J. N. Fuhg, A. Fau, and U. Nackenhorst, "State-of-the-art and comparative review of adaptive sampling methods for kriging," Archives of Computational Methods in Engineering, vol. 28, no. 4, pp. 2689-2747, 2021.
[21] J. P. Kleijnen, "Kriging metamodeling in simulation: A review," European journal of operational research, vol. 192, no. 3, pp. 707-716, 2009.
[22] D. Brus, G. Heuvelink, and J. de Gruijter, "Optimization of sample locations for universal kriging of environmental variables," in Biannual meeting of commission 1.5 pedometrics, div. 1 of the international union of soil science (IUSS), 2005, pp. 12-13: University of Florida, IFAS.

فایل ها

هم رسانی

ارجاع به این مقاله

آمار