طراحي بهينه چند موضوعي پيكربندي كپسول بازگشتي در حضور عدم قطعيت

Multidisciplinary optimization for configuration of a reentry capsule considering uncertainty

در اين پژوهش، بهينه سازي مقاوم چند موضوعي پيكربندي كپسول بازگشتي با توجه به ملاحظات آيروترموديناميك، مسير، پايداري و هندسه بصورت چند هدفه انجام شده است. بيشينه سازي بازده حجمي، كمينه سازي ضريب بالستيك و بيشينه سازي پايداري استاتيكي كپسول بازگشتي اهداف در نظر گرفته شده در فرايند بهينه سازي مقاوم پيكربندي كپسول بازگشتي در حضور عدم قطعيت ها مي باشند؛علاوه بر اين، قيودي در زمينه هاي هندسه، بار حرارتي و ضريب بار در فرايند بهينه سازي لحاظ شده اند. براي كاهش زمان و هزينه بهينه سازي مقاوم، از روش شبيه سازي مونت كارلو تطبيقي استفاده شده تا تعداد ارزيابي هاي مورد نياز در حين بهينه سازي مقاوم كاهش يابد. با استفاده از الگوريتم ژنتيك چند هدفه مقيد، مجموعه اي از پيكربندي هاي بهينه مقاوم كپسول بازگشتي بدست مي آيند. نتايج بدست آمده نشان مي دهند كه عملكرد پيكربندي هاي بهينه مقاوم حاصله به نحوي است كه قيود در نظر گرفته شده حتي در حضور عدم قطعيت ها با سطح اطمينان 99/8% نقض نمي شوند.

The robust multi-disciplinary, multi-objective shape optimization of re-entry capsule with aero-thermodynamic, trajectory, stability and the geometry considerations are presented in this paper. In this research, the results of maximizing the volumetric efficiency of the capsules while minimizing the ballistic coefficient and the longitudinal stability derivative with considering uncertainties are discussed in presence of some constraints on geometry, heating load, and load factor. To reduce the time and cost of robust optimization, the Adaptive Monte Carlo Simulation technique is used which decreases the number of required evaluations within the robust optimization process. Utilizing the constrained multi-objective genetic algorithm will result in a collection of robust optimal solutions. The results show that the performance of obtained robust optimal configurations is in a way that the considered constraints aren’t violated with 99.8% of confidence level even in the presence of uncertainties.