دانش و فناوری هوافضا

دانش و فناوری هوافضا

بهینه‎سازی طراحی‎ چندهدفه یک کپسول زیستی بازگشتی بر اساس تحلیل حساسیت پارامترهای اصلی پیکربندی

نوع مقاله : مقاله پژوهشی

نویسندگان
حسن ناصح 1
حدیثه کریمایی 1
محمد لسانی فدافن 2
1 استادیار پژوهشگاه هوافضا، وزارت علوم، تحقیقات و فناوری
2 دانشجوی دکتری پژوهشگاه هوافضا، وزارت علوم، تحقیقات و فناوری
چکیده
این مقاله از تحلیل حساسیت پارامترهای اصلی پیکربندی، برای انجام بهینه‎سازی طراحی چند هدفه یک کپسول زیستی بازگشتی استفاده می‌کند. در این راستا، با توجه به فضای طراحی تعریف شده توسط حدود مجاز (حد بالا و پایین) متغیرهای هندسی کپسول، ابتدا به تحلیل حساسیت با روش طراحی آزمایش (DOE) به کمک نمونه‌برداری ابرمکعب لاتین (LHS) پرداخته می‎شود. سپس با مدل­سازی پیکربندی طراحی، نقاط طراحی بهینه به­ کمک الگوریتم ژنتیک چندهدفه (MOGA) شناسایی می‏شود. بهینه­سازی سه هدفه، جبهه­های پارتو سه بعدی و نامغلوب ایجاد می­کند که می­تواند به طراح به خصوص در مرحله طراحی مفهومی در تصمیم­گیری کمک کند. در ادامه مهم­ترین جبهه‏های پارتو سه‎بعدی که نتایج و روند آنها از همدیگر مستقل هستند، ارائه شده‏اند. برای صحه­گذاری نتایج، از مقایسه با نتایج یک نمونه تجربی از پیکربندی کپسول بومی بهره برده شده است. درصورتیکه پارامترهای این کپسول بومی در بازه بهینه پارتو قرار گیرد، در جبهه نشان داده شده است.
کلیدواژه‌ها
کپسول بازگشتی
بهینه‎سازی طراحی
چندهدفه
تحلیل حساسیت
طراحی آزمایش
الگوریتم ژنتیک چند هدفه

موضوعات

عنوان مقاله English

Multi-objective design optimization of a re-entry bio-capsule based on sensitivity analysis of the main configuration parameters

نویسندگان English

Hassan Naseh 1
Hadiseh Karimaei 1
Mohammad Lesani Fadafan 2
1 Assistant Professor of Aerospace Research Institute, Ministry of Science, Research and Technology, Tehran, Iran
2 Ph.D. Student of Aerospace Research Institute, Ministry of Science, Research and Technology, Tehran, Iran
چکیده English

This paper uses a sensitivity analysis of the main configuration parameters to perform multi-objective, design optimization of a re-entry bio-capsule. In this regard, according to the design space defined by the allowable ranges (upper and lower band limits) of the geometrical variables of the capsule, first, the Sensitivity Analysis (SA) is done using the Design of Experiment (DOE) method with the help of Latin Hypercube Sampling (LHS). Then, by configuration modeling, the optimal design points are identified with the help of a Multi-Objective Genetic Algorithm (MOGA). Triple-objective optimization creates three-dimensional, non-dominant Pareto fronts, which can help the designer’s decision-making, especially in the conceptual design phase. The following are the most important three-dimensional Pareto fronts, whose independent results and trends are created and presented. For results verification, the experiment results of the native capsule configuration are utilized. If the native capsule’s parameters are placed in the optimal ranges of Pareto, they are shown on the Pareto front.

کلیدواژه‌ها English

Re-entry capsule
Multi-objective
Design optimization
Sensitivity analysis
DOE
Multi-objective Genetic algorithm (MOGA)
[1] Tang, Wei & Orlowski, Marcus & Longo, Jose & Giese, Peter. (2001). Aerodynamic optimization of re-entry capsules. Aerospace Science and Technology. 5. 15-25. 10.1016/S1270-9638(00)01085-3.
[2] Tava, Marcello & Suzuki, Shinji. (2002). Multidisciplinary Design Optimization of the Shape and Trajectory of a Reentry Vehicle. Transactions of The Japan Society for Aeronautical and Space Sciences - TRANS JPN SOC AERON SPACE SCI. 45. 10-19. 10.2322/tjsass.45.10.
[3] Arora, Rajesh & Kumar, Pradeep. (2003). Aerodynamic Shape Optimization of a Re-entry Capsule. 10.2514/6.2003-5394.
[4] Theisinger, John & Braun, Robert & Clark, Ian. (2010). Aerothermodynamic Shape Optimization of Hypersonic Entry Aeroshells. 13th AIAA/ISSMO Multidisciplinary Analysis and Optimization Conference 2010. 10.2514/6.2010-9200.
[5] Mehran, Nosratollahi & Mortazavi, Mohammadreza & Adami, Amir & Hosseini, Majid. (2010). Multidisciplinary design optimization of a reentry vehicle using genetic algorithm. Aircraft Engineering and Aerospace Technology. 82. 194-203. 10.1108/00022661011075928.
[6] Priyadarshi, Pankaj & Mittal, Sanjay. (2010). Multi-objective Multi-disciplinary Design Optimization of a Semi-Ballistic Reentry Module. 13th AIAA/ISSMO Multidisciplinary Analysis and Optimization Conference 2010. 10.2514/6.2010-9127.
[7] Adami, Amir & Mehran, Nosratollahi & Mortazavi, Mohammadreza & Hosseini, Majid. (2011). Multidisciplinary design optimization of a manned reentry mission considering trajectory and aerodynamic configuration. 10.1109/RAST.2011.5966908.
[8] Dirkx, Dominic & Mooij, Erwin. (2014). Optimization of entry-vehicle shapes during conceptual design. Acta Astronautica. 94. 198-214. 10.1016/j.actaastro.2013.08.006.
[9] Bunescu, Ionut & Pricop, Mihai & Mihaita Gilbert, Stoican & DINA, Adrian. (2019). Aero thermodynamic Shape Optimization for Re-entry Capsule Using Genetic Algorithms. INCAS.
[10] Brchnelova, Michaela & Mooij, Erwin. (2021). Re-entry Shape Optimisation Using the Axisymmetric Analogue Method with Modified Newtonian Technique Resolved Inviscid Flowfield. 10.2514/6.2021-0171.
[11]  Naseh H., Karimaei H., Lesani M. “Two-Objective Structural Optimization of Space Capsule with Thin-Walled Cylindrical Approximation.” Journal of Space Science, Technology & Applications (Persian) 2.2 (2022): 158-170.
[12] Kabganian, Masoud, Seyed M. Hashemi, and Jafar Roshanian. "Multidisciplinary Design Optimization of a Re-Entry Spacecraft via Radau Pseudospectral Method." Applied Mechanics 3.4 (2022): 1176-1189.
[13] J. Sooy, R. Z. Schmidt, Aerodynamic Predictions, Comparisons, and Validations Using Missile DATCOM (97) and Aeroprediction 98 (AP98), Journal of Spacecraft and Rockets, 42 (2005) 257-265.
[14] Thibault, Cantou & Merlinge, Nicolas & Wuilbercq, Romain. (2019). 3DoF simulation model and specific aerodynamic control capabilities for SpaceX's Starship-like atmospheric reentry vehicle.
[15] Aprovitola, A., Montella, N., Iuspa, L., Pezzella, G., & Viviani, A. (2021). An optimal heat-flux targeting procedure for LEO re-entry of reusable vehicles. Aerospace Science and Technology. https://doi.org/10.1016/j.ast.2021.106608
[16] Vincenti, W. G., Boyd, J. W., & Bugos, G. E. (2007). H. Julian Allen: an appreciation. Annu. Rev. Fluid Mech., Vo;. 39, pp. 1-17.
[17] Montgomery, Douglas (2013). Design and analysis of experiments (8th ed.). Hoboken, NJ: John Wiley & Sons, Inc.
[18] Saltelli, A., Ratto, M., Andres, T., Campolongo, F., Cariboni, J., Gatelli, D. Saisana, M., and Tarantola, S., (2008), Global Sensitivity Analysis. The Primer, John Wiley & Sons.
[19] Sobieszczanski-Sobieski J. (1991). AIAA Technical Committee on Multidisciplinary Design Optimization (MDO), White Paper on Current State of the Art.
[20] Zentner, John. (2006). A Design Space Exploration Process for Large Scale, Multi-Objective Computer Simulations, Ph.D. Thesis, Georgia Tech.