عنوان : ( بررسی تجربی سیستم پیشرانش موتور و ملخ کوادرتور و مدلسازی آن با الگوریتمRLS )
نویسندگان: سمیه نوروزی غضبی , سجاد محمودی , محمدحسن جوارشکیان ,چکیده
در این تحقیق پارامترهای آیرودینامیکی در حالت استاتیکی و دینامیکی پره در مجموعه ی پیشرانش کوادروتور بهطور تجربی بررسی و منحنی های مشخصه عملکردی استخراج و مدل مجموعه پیشرانش کوادرتور(موتور و ملخ) تخمین زدهشده است. برای اندازه گیری داده های تجربی دستگاهی بدین منظور طراحی و ساختهشده است. تخمین مدل مجموعه پیشرانش در دو بخش تخمین مدل ملخ و تخمین مدل موتور انجام گردیده است. در بخش تخمین مدل ملخ، بهصورت استاتیکی و دینامیکی، منحنی مشخصه های ضرایب توان، نیروی پیشران و راندمان پره برحسب سرعت دورانی موتور، ثبت و مورد بررسی قرار گرفت. در بخش دوم برای تخمین مدل موتور، از الگوریتم کمترین مربعات بازگشتی خطا استفاده گردید. مدل به دست آمده در بخش موتور، رابطه ی بین سرعت دورانی و ولتاژ را در اختیار قرار می دهد. درنهایت با توجه به بررسی صورت گرفته در موتور و ملخ، کل مجموعه مورد تخمین قرار گرفته است. مدل خطی مجموعه ی پیشرانش بهدستآمده در این تحقیق را می توان در مدلسازی کوادروتور استفاده نمود تا طراحی کنترلگر روی مدل کامل پرنده اعمال نمود، که در مقایسه با مجموعه فعالیت هایی که بر روی کوادروتور انجام می پذیرد و تنها به مدل بدنه بسنده می شود مزیت بزرگی است. همچنین از مهمترین نتایج این تحقیق این است که در یک مرحله و با یک آزمایش پارامترهای مجهول قابل شناسایی می باشد.
کلمات کلیدی
, کوادروتور, مجموعه ی پیشرانش, منحنی مشخصه ملخ, الگوریتم حداقل مربعات خطا, تخمین.@article{paperid:1060238,
author = {نوروزی غضبی, سمیه and محمودی, سجاد and جوارشکیان, محمدحسن},
title = {بررسی تجربی سیستم پیشرانش موتور و ملخ کوادرتور و مدلسازی آن با الگوریتمRLS},
journal = {مهندسی مکانیک دانشگاه تبریز},
year = {2016},
volume = {46},
number = {3},
month = {December},
issn = {2228-5148},
pages = {205--213},
numpages = {8},
keywords = {کوادروتور، مجموعه ی پیشرانش، منحنی مشخصه ملخ، الگوریتم حداقل مربعات خطا، تخمین.},
}
%0 Journal Article
%T بررسی تجربی سیستم پیشرانش موتور و ملخ کوادرتور و مدلسازی آن با الگوریتمRLS
%A نوروزی غضبی, سمیه
%A محمودی, سجاد
%A جوارشکیان, محمدحسن
%J مهندسی مکانیک دانشگاه تبریز
%@ 2228-5148
%D 2016