تحليل حساسيت مبتني بر اَبَرمكعب لاتين پيش‌ رونده مطالعه موردي : طراحي بستر كاتاليست هيدرازيني

Sensitivity analysis based on Progressive LHS Applied to Hydrazine Catalyst Bed Design

در حال حاضر، تعداد نمونه مورد نياز براي رسيدن به دقت تحليل حساسيت معين در طراحي، براساس روش­ هاي سعي و خطا در طراحي صورت مي ­پذيرد. هدف اين مقاله، توسعه روشي است براي تعيين تعداد نمونه مورد نياز بر اساس معيار مشخص براي رسيدن به دقت تحليل حساسيت معين مي­ باشد. لذا در اين مقاله، يك روش تحليل حساسيت جديد مبتني بر طرح آزمايشات ابرمكعب لاتين پيش ‌رونده و همگرايي نتايج تحليل ارائه شده است. براي اين منظور يك روش نمونه‌ برداري ابرمكعب لاتين پيش ‌رونده توسعه داده شد. اين رويكرد سيستماتيك منجر به تحليل حساسيت دقيق، كارآمد و سريع در مدل ‌هاي مختلف و با تعداد پارامترهاي زياد و بازه تغييرات بزرگ شده ‌است. تحليل حساسيت روي مدل طراحي بستر كاتاليستي يك رانشگر تك پيش ‌رانه هيدرازيني به عنوان مطالعه موردي، انجام شده ‌است و نتايج تحليل حساسيت طراحي بستر كاتاليستي ارزيابي و تحليل شده است. نتايج اين تحقيق نشان مي ‌دهد كه در تحليل حساسيت مبتني بر ابرمكعب لاتين پيش رونده با مشخص شدن كمينه جمعيت مورد نياز براي انجام تحليل حساسيت با دقت مشخص، هزينه محاسباتي تحليل ‌هاي مشابه و پيچيدگي‌ هاي طراحي كاهش خواهد يافت.

Now, the required samples to achieve the specific precision of sensitivity analysis in design are performed based on trial and error methods. The purpose of this paper is to develop for determining the number of the required sample to achieve the specific precision of sensitivity analysis. Thus, in this paper, a new sensitivity analysis method is proposed based on the Progressive Latin hypercube Sampling (PLHS) and the convergence of the analysis results. For this purpose, a PLHS method has been developed. This cystic approach has led to a sensitivity analysis of accuracy, efficiency and speed in a variety of models with a large number of large parameters and large changes. Sensitivity analysis has been performed on the design of a hydrazine monopropellant thruster catalyst bed model as a case study. The results of this study indicate that in the sensitivity analysis based on the PLHS, the minimum population required for sensitivity analysis with specified accuracy can be determined. This leads to lower processing costs in the sensitivity analysis process, especially in complex models.