<?xml version="1.0" encoding="UTF-8"?>
<!DOCTYPE ArticleSet PUBLIC "-//NLM//DTD PubMed 2.7//EN" "https://dtd.nlm.nih.gov/ncbi/pubmed/in/PubMed.dtd">
<ArticleSet>
<Article>
<Journal>
				<PublisherName>دانشگاه صنعتی شاهرود</PublisherName>
				<JournalTitle>مکانیک سازه ها و شاره ها</JournalTitle>
				<Issn>2251-9475</Issn>
				<Volume>15</Volume>
				<Issue>4</Issue>
				<PubDate PubStatus="epublish">
					<Year>2025</Year>
					<Month>09</Month>
					<Day>23</Day>
				</PubDate>
			</Journal>
<ArticleTitle>Non-linear Modeling and Design of Control System for an Aero Gas Turbine Engine Using NARMA L-2 Neural Network</ArticleTitle>
<VernacularTitle>مدل‌سازی غیرخطی و طراحی سیستم کنترل برای یک توربین گاز هوایی با استفاده از شبکه عصبی مبتنی بر NARMA L-2</VernacularTitle>
			<FirstPage>297</FirstPage>
			<LastPage>309</LastPage>
			<ELocationID EIdType="pii">3633</ELocationID>
			
<ELocationID EIdType="doi">10.22044/jsfm.2025.15197.3904</ELocationID>
			
			<Language>FA</Language>
<AuthorList>
<Author>
					<FirstName>افشین</FirstName>
					<LastName>ولی‌محمد</LastName>
<Affiliation>دانشجوی کارشناسی ارشد، گروه مهندسی هوافضا، دانشگاه صنعتی مالک اشتر، تهران، ایران.</Affiliation>

</Author>
<Author>
					<FirstName>مهدی</FirstName>
					<LastName>جهرمی</LastName>
<Affiliation>استادیار، گروه مهندسی هوافضا، دانشگاه صنعتی مالک اشتر، تهران، ایران.</Affiliation>

</Author>
<Author>
					<FirstName>یوسف</FirstName>
					<LastName>عباسی</LastName>
<Affiliation>استادیار، گروه مهندسی هوافضا، دانشگاه صنعتی مالک اشتر، تهران، ایران.</Affiliation>

</Author>
<Author>
					<FirstName>محسن</FirstName>
					<LastName>شجاعی</LastName>
<Affiliation>دانشجوی کارشناسی ارشد، گروه مهندسی هوافضا، دانشگاه صنعتی مالک اشتر، تهران، ایران.</Affiliation>

</Author>
<Author>
					<FirstName>عصام</FirstName>
					<LastName>محمد</LastName>
<Affiliation>دانشجوی دکتری، گروه مهندسی هوافضا، دانشگاه صنعتی مالک اشتر، تهران، ایران.</Affiliation>

</Author>
</AuthorList>
				<PublicationType>Journal Article</PublicationType>
			<History>
				<PubDate PubStatus="received">
					<Year>2024</Year>
					<Month>10</Month>
					<Day>26</Day>
				</PubDate>
			</History>
		<Abstract>Modeling the behavior of a gas turbine system and designing its control has always been of interest to researchers in this field. Proper modeling allows the implementation of a suitable controller on a dynamic system, and using suitable control, the system can be controlled in the best and safest way possible. In the design of gas turbine control, due to the existence of irreparable risks to the system, protective constraints must be observed. These risks include surge, turbine overheating, and flame extinction. In this study, a non-linear model of the J85 engine was initially built, and its results were validated with the Gasturb software. The validation results show that the maximum error for this engine in the compressor pressure ratio and turbine inlet temperature in transient conditions is 5 and 5.8 percent, respectively. Then, using the Narma L-2 neural network and the Min-Max protection constraints, a controller was designed for this system. The designed controller is able to maintain the surge limit at the idle to maximum speed maneuver above 5% and prevent turbine over temprature and flame-out, and its constant error value at the design point is zero.</Abstract>
			<OtherAbstract Language="FA">مدل‌سازی رفتار یک سیستم توربین گاز و طراحی کنترل برای آن همواره مورد توجه محققین این حوزه بوده است. مدل‌سازی مناسب سبب می‌شود که بتوان کنترلر مناسب بر روی سیستم دینامیکی پیاده نمود و با استفاده از یک کنترل مناسب می‌توان سیستم را به بهترین و امن‌ترین شکل ممکن کنترل کرد. در طراحی کنترل یک توربین گاز به دلیل وجود خطرات جبران‌ناپذیر برای سیستم می‌بایست قیود محافظتی را رعایت نمود. این خطرات شامل سرج، افزایش دمای بیش از حد توربین و خاموشی شعله است. در این پژوهش در ابتدا یک مدل غیرخطی از موتور J85 ساخته شده و نتایج آن با نرم‌افزار گزترب اعتبارسنجی شده است. نتایج اعتبارسنجی نشان می‌دهد که مقدار خطای بیشینه برای این موتور در نسبت فشار کمپرسور در و دمای ورودی توربین در شرایط گذرا به ترتیب 5 و 5.8 درصد است. در ادامه با بهره‌گیری از شبکه عصبی Narma L-2 و معیار محافظتی Min-Max یک کنترلر برای این سیستم طراحی شده است. کنترلر طراحی شده قادر است تا حد سرج را در مانور سرعت آرام به سرعت بیشینه بالای 5 درصد حفظ کند و از دمای بیش از حد توربین و خاموشی شعله جلوگیری کند و همچنین مقدار خطای ماندگار آن در نقطه طرح صفر است.</OtherAbstract>
		<ObjectList>
			<Object Type="keyword">
			<Param Name="value">توربوجت</Param>
			</Object>
			<Object Type="keyword">
			<Param Name="value">کنترلر شبکه عصبی</Param>
			</Object>
			<Object Type="keyword">
			<Param Name="value">مدل‌سازی دینامیکی</Param>
			</Object>
			<Object Type="keyword">
			<Param Name="value">NARMA L-2</Param>
			</Object>
			<Object Type="keyword">
			<Param Name="value">Min-Max</Param>
			</Object>
		</ObjectList>
<ArchiveCopySource DocType="pdf">https://jsfm.shahroodut.ac.ir/article_3633_b57de0121561ad2fe3e009963ab1c037.pdf</ArchiveCopySource>
</Article>
</ArticleSet>
