Improvement of interior ballistic performance utilizing particle swarm optimization

دسته بندی: تجهیزات نظامی: سلاح
ویرایش:  
نویسندگان: Hazem El Sadek,  Xiaobing Zhang,  Mahmoud Rashad,  Cheng Cheng.  
سری:  
 
ناشر:  
سال نشر:  
تعداد صفحات: 11 
زبان: English 
فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) 
حجم فایل: 2 مگابایت 

قیمت کتاب (تومان) : 33,000

مقاله پژوهشی. مسائل ریاضی در مهندسی. شرکت انتشارات هنداوی جلد 1393، شناسه مقاله 156103، 10 صفحه. http://dx.doi.org/10.1155/2014/156103. این مقاله طراحی بار پیشران بالستیک داخلی را با استفاده از روش‌های بهینه‌سازی برای انتخاب بار بهینه بررسی می‌کند. طراحی و بهبود عملکرد بالستیک داخلی. بار پیشرانه از پیشرانه مخلوطی از پیشرانه دانه ای هفت سوراخ و پیشران لوله ای یک سوراخ تشکیل شده است. الگوریتم های ژنتیک و برخی دیگر از الگوریتم های تکاملی دارای عملگرهای پیچیده تکاملی مانند متقاطع، جهش، رمزگذاری و رمزگشایی هستند. این عملگرهای تکامل عملکرد بدی در سرعت همگرایی و دقت راه حل دارند. از این رو، تکنیک بهینه سازی ازدحام ذرات توسعه یافته است. این در ارتباط با مدل بالستیک داخلی پارامترهای توده ای با پیشران مخلوط انجام می شود. این تکنیک برای مسائل تک هدفه و چند هدفه کاربرد دارد. در مسئله تک هدفه، نتایج بهینه سازی با الگوریتم ژنتیک و نتایج تجربی مقایسه می شود. بهینه سازی ازدحام ذرات عملکرد بهتری از کیفیت راه حل و سرعت همگرایی را معرفی می کند. در مسئله چند هدفه، منطقه امکان پذیر مجموعه ای از انتخاب های موجود را در اختیار طراح شارژ قرار می دهد. از این رو، یک روش تحلیل خطی برای ارائه مجموعه ای مناسب از ضرایب وزنی برای توابع هدف اتخاذ می شود. نتایج بهینه‌سازی ازدحام ذرات عملکرد بالستیک داخلی را بهبود بخشید و یک جهت مدرن برای طراحی بار پیشرانه بالستیک داخلی پرتابه هدایت‌شونده ارائه کرد. محتوا:
مقدمه.
فرمول‌سازی مشکل.
فرمول‌سازی الگوریتم بهینه‌سازی ازدحام ذرات.
کاربرد الگوریتم PSO در مدل بالستیک داخلی.
نتیجه‌گیری.
تشکرات.
مراجع.

Research Article. Mathematical Problems in Engineering. Hindawi Publishing Corporation. Volume 2014, Article ID 156103, 10 pages. http://dx.doi.org/10.1155/2014/156103. This paper investigates the interior ballistic propelling charge design using the optimization methods to select the optimum charge design and to improve the interior ballistic performance. The propelling charge consists of a mixture propellant of seven-perforated granular propellant and one-hole tubular propellant. The genetic algorithms and some other evolutionary algorithms have complex evolution operators such as crossover, mutation, encoding, and decoding. These evolution operators have a bad performance represented in convergence speed and accuracy of the solution. Hence, the particle swarm optimization technique is developed. It is carried out in conjunction with interior ballistic lumped-parameter model with the mixture propellant. This technique is applied to both single-objective and multiobjective problems. In the single-objective problem, the optimization results are compared with genetic algorithm and the experimental results. The particle swarm optimization introduces a better performance of solution quality and convergence speed. In the multiobjective problem, the feasible region provides a set of available choices to the charge’s designer. Hence, a linear analysis method is adopted to give an appropriate set of the weight coefficients for the objective functions. The results of particle swarm optimization improved the interior ballistic performance and provided a modern direction for interior ballistic propelling charge design of guided projectile. Content:
Introduction.
Problem formulation.
Formulation of particle swarm optimization algorithm.
Application of PSO algorithm to interior ballistic model.
Conclusion.
Acknowledgments.
References.