چهارمین همایش ملی موتورهای درونسوز
عنوان فارسی مدیریت هوشمند الکترونیک و هوش مصنوعی در پیشرانه‌های هوافضایی
چکیده فارسی مقاله تحولات اخیر در هوش مصنوعی و مدیریت الکترونیک هوشمند، تأثیر قابل‌توجهی بر عملکرد پیشرانه‌های هوافضایی داشته‌اند. این فناوری‌ها با استفاده از الگوریتم‌های یادگیری ماشین، شبکه‌های عصبی و سیستم‌های کنترل تطبیقی، به بهینه‌سازی احتراق، کاهش مصرف سوخت، افزایش راندمان حرارتی و بهبود قابلیت اطمینان موتورهای جت، راکت و پیشرانه‌های الکتریکی کمک می‌کنند. از سوی دیگر، حسگرهای هوشمند و تحلیل داده‌های عملیاتی، امکان تشخیص و پیش‌بینی خرابی را فراهم کرده و باعث افزایش طول عمر تجهیزات می‌شوند. همچنین، بهینه‌سازی فرایندهای مدیریت انرژی و خنک‌سازی، بهره‌وری پیشرانه‌ها را افزایش داده و عملکرد آن‌ها را در شرایط مختلف پروازی تثبیت می‌کند. به‌کارگیری پردازنده‌های عصبی، آرایه‌های دروازه‌ای برنامه‌پذیر میدانی (FPGA) و فناوری بلاک‌چین نیز به بهبود کنترل بلادرنگ، امنیت سایبری و مدیریت داده‌های پیشرانه کمک می‌کند. باوجود این پیشرفت‌ها، چالش‌هایی مانند نیاز به پردازش داده‌های حجیم، امنیت سامانه‌های هوشمند و توسعه مدل‌های مقاوم‌تر همچنان مطرح هستند. این مقاله به بررسی تکنیک‌های پیشرفته در مدیریت هوشمند پیشرانه‌های هوافضایی، شامل یادگیری ماشین، پردازش داده‌های حسگری، کنترل تطبیقی و پیش‌بینی خرابی می‌پردازد. آینده این حوزه بر توسعه الگوریتم‌های پیشرفته‌تر، ترکیب رباتیک خودمختار در نگهداری پیشرانه‌ها و بهره‌گیری از محاسبات کوانتومی برای شبیه‌سازی عملکرد موتورها متمرکز خواهد بود.  
کلیدواژه‌های فارسی مقاله
عنوان انگلیسی Smart Electronic Management and Artificial Intelligence in Aerospace Propulsion
چکیده انگلیسی مقاله Recent advances in artificial intelligence and smart electronic management have significantly impacted the performance of aerospace propulsion systems. These technologies, utilizing machine learning algorithms, neural networks, and adaptive control systems, contribute to optimizing combustion, reducing fuel consumption, enhancing thermal efficiency, and improving the reliability of jet engines, rockets, and electric propulsion systems. Additionally, intelligent sensors and operational data analytics enable fault detection and predictive maintenance, extending the lifespan of critical components. Furthermore, optimizing energy management and cooling processes increases propulsion efficiency and stabilizes performance across various flight conditions. The integration of neuromorphic processors, field-programmable gate arrays (FPGAs), and blockchain technology enhances real-time control, cybersecurity, and propulsion data management. Despite these advancements, challenges such as handling large-scale data processing, ensuring the security of intelligent systems, and developing more robust predictive models remain critical concerns. This paper explores advanced techniques in intelligent aerospace propulsion management, including machine learning, sensor data processing, adaptive control, and fault prediction. The future of this field will focus on developing more sophisticated algorithms, integrating autonomous robotics for propulsion maintenance, and leveraging quantum computing for propulsion system simulations.  
کلیدواژه‌های انگلیسی مقاله هوش مصنوعی, پیشرانه, فناوری, مدیریت هوشمند, تحلیل داده
نویسندگان مقاله seyed javad Hosseini zadeh - Tarbiat Modares University

Fathollah Ommi - Tarbiat Modares University

نشانی اینترنتی http://engine.modares.ac.ir/browse.php?a_code=A-10-131-2&slc_lang=fa&sid=1
فایل مقاله فایلی برای مقاله ذخیره نشده است
کد مقاله (doi)
زبان مقاله منتشر شده fa
موضوعات مقاله منتشر شده
نوع مقاله منتشر شده
برگشت به: صفحه اول پایگاه   |   دوره مرتبط   |   کنفرانس مرتبط   |   فهرست کنفرانس ها