KaydedilenlerDerginizi ekleyin

Dergiler / Gazi Üniversitesi Mühendislik Mimarlık Fakültesi Dergisi / 2020 / Cilt: 35 Sayı: 4

Ardyanmalı bir turbofan motorunun çok amaçlı parçacık sürü yöntemiyle optimizasyonu

Onder Turan(ESKİŞEHİR TEKNİK ÜNİVERSİTESİ)0000-0003-0303-4313
Rıdvan Oruç(KASTAMONU ÜNİVERSİTESİ)0000-0002-9856-2989
Tolga Baklacioglu(ESKİŞEHİR TEKNİK ÜNİVERSİTESİ)0000-0002-9600-2697
Sayfa
1997–2012
Yayın Tarihi
2020-07-21
🏛️Bu makalenin bibliyografik verileri ve tam metin bağlantısı DergiPark üzerinden sağlanmıştır.
DergiPark Kaydı ↗
✨

Yapay Zeka Hızlı Bakış & Çıkarımlar

AI Insight
⚡ TL;DR(1 Cümlede Hızlı Çıkarım)

Ardyanmasız durumda SFC, ST ve n o için optimum değerleri sağlayan α ve π c ' ikilileri sırasıyla (1,3 ile 1,2), (0,4 ile 1,2) ve (1,3 ile 1,2) olarak bulunmuştur.

📌 3 Maddede Bu Makale

🎯
Amaç & Hipotez:Bu çalışmada, matlab programı kullanılarak karışık akımlı ve ardyanmalı kavramsal turbofan motorunun parametrik analizi gerçekleştirilmiştir.
📊
Temel Bulgular & Veri:Bypass oranı (α) ve fan sıkıştırma oranının (π c ') sırasıyla 0,4≤ α ≤1,3 ve 1,2≤ π c' ≤2,1 olduğu değer aralığında motor performans parametreleri olan itki özgül yakıt tüketimi (SFC), özgül itki (ST) ve toplam verim ( n o ) amaç fonksiyonları, hem ardyanmalı hem de ardyanmasız durum için optimize edilmiştir.
💡
Sonuç & Katkı:Ardyanmasız durumda SFC, ST ve n o için optimum değerleri sağlayan α ve π c ' ikilileri sırasıyla (1,3 ile 1,2), (0,4 ile 1,2) ve (1,3 ile 1,2) olarak bulunmuştur.
🔬Tür:Literatür & Derleme Çalışması
📍Kapsam:Genişletilmiş Akademik Örneklem
⚙️Değişkenler:turbofan · optimizasyon · parçacık sürü

Özet

Bu çalışmada, matlab programı kullanılarak karışık akımlı ve ardyanmalı kavramsal turbofan motorunun parametrik analizi gerçekleştirilmiştir. Bypass oranı (α) ve fan sıkıştırma oranının (π c ') sırasıyla 0,4≤ α ≤1,3 ve 1,2≤ π c' ≤2,1 olduğu değer aralığında motor performans parametreleri olan itki özgül yakıt tüketimi (SFC), özgül itki (ST) ve toplam verim ( n o ) amaç fonksiyonları, hem ardyanmalı hem de ardyanmasız durum için optimize edilmiştir. Analiz için kavramsal bir turbofan motor kullanılmıştır. Optimizasyon yöntemi olarak parçacık sürü optimizasyonu (PSO) ve çok amaçlı parçacık sürü optimizasyonu (MOPSO) kullanılmıştır. Literatürde bu konuda MOPSO ile herhangi bir çalışma olmadığından bu çalışma, turbofan motorunun parametrik analizinde MOPSO yönteminin kullanıldığı ilk çalışmadır. Ardyanmalı durumda SFC, ST ve n o için optimum değerler α ve π c ' nün sırasıyla 0,4 ve 1,2 olduğu değerlerde sırasıyla 52,4025, 1013,3 ve % 21,13 olarak bulunmuştur. Ardyanmasız durumda SFC, ST ve n o için optimum değerler sırasıyla 20,8887, 658,3483 ve % 30,1234 olarak bulunmuştur. Ardyanmasız durumda SFC, ST ve n o için optimum değerleri sağlayan α ve π c ' ikilileri sırasıyla (1,3 ile 1,2), (0,4 ile 1,2) ve (1,3 ile 1,2) olarak bulunmuştur.

🔖

Bu Makaleye Atıf Yap

Turan, O., Oruç, R. (2020). Ardyanmalı bir turbofan motorunun çok amaçlı parçacık sürü yöntemiyle optimizasyonu. Gazi Üniversitesi Mühendislik Mimarlık Fakültesi Dergisi, Cilt: 35 Sayı: 4, 1997–2012. https://doi.org/10.17341/gazimmfd.498061

📄 Tam Metin PDF Okuyucu

📄

PDF görüntüleyici hazırlanıyor...

Kaynakça (14)

  1. El-Sayed A.F., Aircraft Propulsion and Gas Turbine Engines, CRC Press, A.B.D, February 2008
  2. Borguet S., Kelner V., L´eonard O., Cycle Optimization of a Turbine Engine: an Approach Based on Genetic Algotithms, Researchgate, 2007
  3. Najjar Y.S.H., Balawneh I.A.I., Optimization of gas turbines for sustainable turbojet propulsion, Propulsion and Power Research, 4 (2), 114-121, 2015
  4. Silva V.V.R., Khatib W., Fleming P.J., Performance optimization of gas turbine engine, Engineering Applications of Artificial Intelligence, 18 (5), 575-583, 2005,
  5. Turan Ö., Orhan İ., Karakoç T.H., Yüksek bypasslı turbofan motorlarının performans analizleri ile ilgili bilgisayar yazılımı geliştirme, Niğde Üniversitesi Mühendislik Bilimleri Dergisi, 1 (1), 21-40, 2012
  6. Aydemir M.E., Performance Of Some Optimization Methods For Patch Antenna Problems, Journal of the Faculty of Engineering and Architecture of Gazi University, 29 (3), 579-588, 2014
  7. Engelbrecht A.P., Computational Intelligence: An Introduction Second Edition, John Wiley & Sons, England,2007
  8. Çınaroğlu S., Bulut H., New initialization approaches for the k-means and particle swarm optimization based clustering algorithms, Journal of the Faculty of Engineering and Architecture of Gazi University, 33 (2), 413-424, 2018
  9. Montazeri-Gh M., Jafari S. & Ilkhani M. R., Application of particle swarm optimization in gas turbine engine fuel controller gain tuning, Engineering Optimization, 44 (2), 225-240,2012
  10. Shakib S.E., Amidpour M., and Aghanajafi C., Simulation and optimization of multi effect desalination coupled to a gas turbine plant with HRSG consideration, Desalination, 285, 366-376, 2012
  11. Choi J.W., City G., Performance Analysis of an Aircraft Gas Turbine Engine using Particle Swarm Optimization, Int’l J. of Aeronautical & Space Sci.,15(4), 434–443, 2014
  12. Mattingly J.D., Elements of Gas Turbine Propulsion, Corrigan J.J. and Bradley J.W., Tata McGraw-Hill, New York. A.B.D, 2005
  13. Mattingly J.D., Heiser W.H., Pratt D.T., Aircraft Engine Design Second Edition, Przemieniecki J.S., American Institute of Aeronautics and Astronautics, Virginia, A.B.D, 2000
  14. Marini F., Walczak B., Particle swarm optimization (PSO). A tutorial, Chemometrics and Intelligent Laboratory Systems, Chemometrics and Intelligent Laboratory Systems, 149,153–165, 2015