Resumen

Con el desarrollo de la creciente demanda de aire de refrigeración en la cabina y los componentes electrónicos de los aviones, urge presentar un método óptimo de eficiencia energética para el sistema de entrada de aire de ariete. Se propone un método de evaluación del rendimiento del aire de carnero, y los principales parámetros estructurales pueden extenderse a un determinado tipo de avión. Se estudia la influencia de los parámetros estructurales en el rendimiento del aire de carnero y se genera una base de datos para el rendimiento. Se utiliza un nuevo método de integración de las redes neuronales BP y el algoritmo genético para la optimización de la estructura y se demuestra su eficacia. Además, se deduce el resultado óptimo de la estructura del sistema de entrada de aire del ariete NACA. Los resultados muestran que (1) el algoritmo de optimización es eficiente con un menor error de predicción del caudal másico y de la penalización por combustible. El error relativo medio del caudal másico es del 1,37%, y el error relativo medio de la penalización por combustible es del 1,41% en las muestras completas. (2) El análisis de la desviación prevista muestra muy poca diferencia entre el diseño optimizado y el no optimizado. El error relativo del caudal másico es del 0,080%, mientras que el de la penalización por combustible es del 0,083%. Se demuestra la precisión del método de optimización propuesto. (3) El caudal másico después de la optimización aumenta a 2,506 kg/s, y la penalización por combustible disminuye en 74,595 Et kg. Se estudian las redes neuronales BP y los algoritmos genéticos para optimizar el diseño del sistema de entrada de aire del ariete. Se demuestra que es un enfoque novedoso, y que la eficiencia puede mejorarse mucho.

• Materias:Motores (Mecánica) Vehículo espacial Ingeniería Aeronáutica
• Subjects:Engines Space vehicles Aeronautical Engineering
• Palabras claves:caudal másico, sistema de entrada de aire, penalización por combustible, error relativo medio, rendimiento del aire del ariete, entrada de aire del ariete, red neuronal, algoritmo genético, métodos óptimos eficientes, métodos de optimización propuestos
• Keywords:mass flow rate, air inlet system, fuel penalty, average relative error, ram air performance, ram air inlet, neural network, genetic algorithm, efficient optimum methods, proposed optimization methods