دانلود مقاله ISI انگلیسی شماره 52557
عنوان فارسی مقاله

سیستم خبره GA-ANN برای طبقه بندی مدل توده جانشین TSTO

کد مقاله سال انتشار مقاله انگلیسی ترجمه فارسی تعداد کلمات
52557 2016 12 صفحه PDF سفارش دهید محاسبه نشده
خرید مقاله
پس از پرداخت، فوراً می توانید مقاله را دانلود فرمایید.
عنوان انگلیسی
The GA-ANN expert system for mass-model classification of TSTO surrogates
منبع

Publisher : Elsevier - Science Direct (الزویر - ساینس دایرکت)

Journal : Aerospace Science and Technology, Volume 48, January 2016, Pages 146–157

کلمات کلیدی
سیستم خبره - الگوریتم ژنتیک ترکیبی - شبکه عصبی مصنوعی - مدل سازی توده - تنظیمات خودرو TSTO
پیش نمایش مقاله
پیش نمایش مقاله سیستم خبره GA-ANN برای طبقه بندی مدل توده جانشین TSTO

چکیده انگلیسی

A hybrid-heuristic machine learning methodology, based on hybrid genetic algorithm (GA) and artificial neural network (ANN) data classification methods is proposed as an expert system for assessing viability of surrogates of a two-stage-to-orbit (TSTO) vehicle. The methodology is integral to the inverse design method for spaceplane systems. Since spaceplanes do not exist therefore archival mass-model data is also non-existent and inverse design method is used to generate optimal vehicle configuration data. The GA-ANN offers an expert system whereby when a new vehicle configuration is evolved its mass-model is first optimized using GA and then the optimal solution is processed through the ANN classifier to assess the viability of solution. If classification result fails the process is repeated until a qualified result is obtained. Results are validated using mass-model parameters of HTSM (hypersonic transport system Munich) vehicles.

خرید مقاله
پس از پرداخت، فوراً می توانید مقاله را دانلود فرمایید.