فهرست مطالب

  • سال نهم شماره 3 (پیاپی 20، پاییز 1392)
  • تاریخ انتشار: 1392/10/17
  • تعداد عناوین: 8
|
  • سید قربان حسینی*، اسماعیل ایومن، هادی احمدوند، اعظم قوی صفحات 3-14
    در این تحقیق سعی بر این است تا نتایج بدست آمده از بررسی های گذشته در مورد تاثیر نانو کاتالیست های اکسید فلزی بر تجزیه حرارتی آمونیوم پرکلرات به طور خلاصه ارائه شوند. آزمایشات بسیاری نشان می دهند نانو کاتالیست های اکسید فلزی در مقایسه با نانو کاتالیست های فلزی بر تجزیه حرارتی آمونیوم پرکلرات موثرتر می باشند. نانو کاتالیست ها انرژی فعال سازی را کاهش و سرعت تجزیه حرارتی آمونیوم پرکلرات را افزایش می دهند. مکانیسم فعالیت کاتالیزوری بر اساس حضور یون سوپر اکسید O_2^- بر روی سطح نانو کاتالیست ها می باشد. مکانیسم تجزیه حرارتی که بر تجزیه حرارتی موثر است مورد بررسی قرار گرفته است.
    کلیدواژگان: آمونیوم پرکلرات، تجزیه حرارتی، فعالیت کاتالیزوری، نانو کاتالیست ها
  • محمدحسین کاوسی قاضلو، مرتضی غفوری صفحات 15-24
    پیشرانه های جامد مرکب بر پایه بایندر پلیمری گلیسیدیل آزید (GAP)، به دلیل انرژی زیاد این پلیمر، عملکرد بالایی دارند. از طرفی وجود گروه-های جانبی و مزدوج آزید در ساختار آن، انعطاف پذیری پلیمر را کاهش می دهد و لذا پیشرانه های بر پایه بایندر GAP، خواص مکانیکی ضعیفی (به ویژه در دمای پایین) دارند. در این مقاله روش های بهبود خواص مکانیکی پیشرانه های جامد مرکب بر پایه GAP با تغییر در نوع و مقدار اجزاء ترکیب مانند عامل پخت، اتصال دهنده عرضی، نرم کننده، و یا با به کارگیری فرایندهای مختلف از جمله کوپلیمر کردن تشریح شده و در ادامه ضمن بیان نقش عوامل پیوندی در بهبود خواص مکانیکی، عوامل پیوندی مناسب برای این پیشرانه ها معرفی شده و اثر آنها با اثر پیش پوشش دار کردن ذرات اکسیدکننده مقایسه شده است.
    کلیدواژگان: خواص مکانیکی، پیشرانه های GAP، شبکه بایندر، بایندر پرشده، پیش پوشش دارکردن، عامل پیوندی
  • شهرام قنبری پاکدهی *، سجاد رضایی، سید هادی معتمد الشریعتی، منوچهر فتح الهی صفحات 25-35
    دسته ای از مواد پرانرژی، پیشرانه های مایع هستند که در بعضی موارد به محرک های خارجی مانند ضربه، اصطکاک، موج شوک، الکتریسیته ساکن، شعله و گرما حساس بوده و خاصیت انفجاری از خود نشان می دهند و در گروه مواد منفجره مایع قرار می گیرند. علاوه بر الزامات عملکردی، جنبه های ایمنی تولید، حمل ونقل و انبارداری برای مواد منفجره مایع بسیار حائز اهمیت می باشند که کمتر مورد توجه قرار گرفته اند. در این مقاله روش های تئوری و تجربی پیش بینی و تعیین حساسیت مواد پرانرژی مایع به ترتیب دقت و صحت ارائه شده است و نحوه تحلیل و تعیین پتانسیل خطر در هر روش بیان شده است. این روش ها شامل برنامه CHETAH، کد CART، روش های گرماسنجی و آزمون های متداول تعیین حساسیت مواد پرانرژی مایع (مانند ضربه، الکتریسیته ساکن، سوزش، موج شوک و آزمون Koenen) می باشند.
    کلیدواژگان: مواد پرانرژی مایع، حساسیت، ایمنی، پتانسیل خطر، گرماسنجی
  • محمود گرجی*، حسین روهنده صفحات 37-47
    به دلیل نفوذ سوخت آمینی و هیدروکربنی در موتور با سوخت مایع هیدروکربنی، غلظت سوخت با زمان تغییر می کند. بنابرین برای استارت ایمن موشک، باید میزان تغییرات غلظت سوخت آمینی با زمان پیش بینی و در صورت خارج شدن آن از محدوده مجاز، مخزن سوخت موشک تخلیه و مجددا شارژ شود. در این تحقیق، میزان نفوذ سوخت هیدروکربنی در سوخت آمینی و تغییرات غلظت سوخت آمینی در زمان های مختلف پس از شارژ سوخت، به صورت عددی محاسبه و با داده های آزمایشگاهی مقایسه شده است.برای این منظور، ابتداضریب نفوذ مربوطه بدست آمد. نتایج نشان داد در دمای 20 درجه سانتی گراد ضریب نفوذ cm2/s6-10×4/9 با انحراف مطلق از میانگین معادل 037/0، همخوانی خوبی با نتایج تجربی دارد. سپس برای بررسی تاثیر شرایط دمایی محیط بر پدیده نفوذ دو سوخت، رابطه ای برای پیش بینی میزان تغییرات ضریب نفوذ با دما ارائه شد کهغلظت پیش بینی شده با این ضریب نفوذ، تطابق خوبی با داده-های تجربی نشان داد. در نهایت، رابطه ای برای پیش بینی میزان تغییرات سوخت آمینی بر حسب پارامتر بدون بعد z/√Dt ارایه شد که تطابق خوبی با داده های تجربی نشان داد.
    کلیدواژگان: سوخت هیدروکربنی، سوخت آمینی، ضریب نفوذ، غلظت
  • منصور شهید زاده*، فائزه فرزندی صفحات 49-57
    تترازول ها ترکیباتی حلقوی و آروماتیک، شامل چهار اتم نیتروژن و یک کربن می باشند. این ترکیبات در صنایع مختلف از جمله صنایع نظامی کاربرد فراوانی دارند. این ترکیبات پس از احتراق مقادیر زیادی گاز N2 آزاد می کنند و به همین دلیل آلودگی کمی برای محیط زیست داشته و جزء مواد منفجره سبز به حساب می آیند. از طریق وارد کردن تترازول ها در ساختار زنجیرهای پلیمری می توان خواص انرژی زایی پلیمرها را افزایش داد. تاکنون روش های مختلفی جهت سنتز پلی تترازول ها گزارش شده است که در اکثر آن ها تترازول ها به صورت شاخه های آویزان و متصل به زنجیر اصلی قرار گرفته اند. در صورت استفاده از حلقه های تترازول عامل دار شده به عنوان منومر می توان حلقه ها را وارد ساختار زنجیر اصلی پلیمر کرد. با کنترل و بهبود خواص مکانیکی پلی تترازول ها، این پلیمرها به علت ایمپالس ویژه و پایداری حرارتی مناسب قابلیت جایگزینی با برخی از پلیمرهای پر انرژی مانندGAP را خواهند داشت. در این مقاله سنتز انواع سیستم های پلیمری بر پایه تترازول مورد بررسی قرار می گیرد.
    کلیدواژگان: پلی تترازول، مواد منفجره، ترکیب های غنی از نیتروژن، مواد پر انرژی سبز
  • توحید فرج پور *، یدالله بیات، محمد حسین کشاورز، محمد اسفندیارپور صفحات 59-66
    عایق های بر پایه ترپلیمر اتیلن- پروپیلن- دی ان مونومر ((EPDM در صنایع موشکی کاربرد وسیعی دارند با این حال به لحاظ ساختار غیر قطبی آن، تلاش برای بهبود چسبندگی EPDM به سوخت جامد کامپوزیت بر پایه پلی یورتان از چالش های بزرگ صنعت مذکور می باشد. در این مقاله پارامترهای موثر در چسبندگی عایق به سوخت جامد بر پایه پلی یورتان مرور شده، روش های اصلاح سطح و توده عایق حرارتی بر پایه EPDM مطرح و پیشنهادهایی جهت افزایش چسبندگی عایق EPDM به ساختارهای پلی یورتانی ارائه شده است. روش های اصلاح ساختار نظیر واکنش پیوندزنی انیدرید مالئیک و وارد کردن پلیمرهای قطبی تر در کنار روش های اصلاح سطح نظیر روش های شیمیایی و انرژیتیکی از مهمترین تکنیک های مورد استفاده برای بهبود چسبندگی EPDM به ساختار های پلی یورتانی می باشند.
    کلیدواژگان: اصلاح سطح، EPDM، چسبندگی، پلی یورتان، سوخت جامد
  • مهدی رحمانی*، محمد کاظم واحدی، محمود رضا محمود نژاد، بهزاد احمدی صفحات 67-80
    در این مقاله دو روش جدید برای پیشبینی گرمای انفجار ترکیبات پر انرژی معرفی شده است. مقادیر تجربی گرمای انفجار 74 ترکیب پرانرژی از مراجع جمع آوری شده و در دو دسته ی آموزشی و آزمایشی قرار گرفتند. از دسته ی آموزشی برای ایجاد مدل و از دسته ی آزمایشی برای امتحان صحت و دقت مدل ساخته شده استفاده شد. از رگرسیون خطی چندگانه (MLR) برای شناسایی توصیف کننده ها و ارائه ی مدل خطی، و از شبکه ی عصبی مصنوعی (ANN) برای ارائه ی مدل غیر خطی استفاده شد. در مدل MLR مقادیر R2 و خطای استاندارد برای دسته ی تست این ترکیبات به ترتیب 798/0 و j/gr 48 /606 به دست آمدند. این شاخص های آماری برای مدل شبکه ی عصبی مصنوعی 98/0 و j/gr 4 /189 به دست آمدند که با توجه به بالا بودن مقدار R2 و کم بودن مقادیر خطای استاندارد بخصوص برای مدل ارائه شده به کمک شبکه عصبی، می توان نتیجه گرفت که مقادیر محاسبه شده همخوانی خوبی با نتایج تجربی دارند. نتایج به دست آمده از این روش ها همچنین با نتایج به دست آمده از کدهای EDPHT و LOTUSE مقایسه شدند و از دقت بیشتری برخوردار بودند.
    کلیدواژگان: مواد پرانرژی، گرمای انفجار، رگرسیون خطی چندگانه، شبکه ی عصبی مصنوعی
  • صفحات 81-84
|
  • Pages 37-47
    In a motor with a liquid hydrocarbon fuel، the hydrocarbon fuel diffuses into the amine fuel and the fuel concentration changes with time. Therefore، the variation of amine fuel at each time should be predicted to ensure the safe start of the motor and the fuel storage should be recharged if the amine fuel concentration is out of specific range. In this work، the amount of hydrocarbon fuel diffusion in the amine fuel and the variation of the amine fuel concentration at different times was obtained numerically and compared with experimental data. For this reason، the corresponding diffusion coefficient was obtained firstly. The results showed that the diffusion coefficient of 9. 4*10-6cm2/s with an absolute average deviation of 0. 037 has a good conformity with experimental data at 20°C. To investigate the effect of ambient temperature on the diffusion phenomenon، a correlation was proposed to predict the variation of diffusion coefficient with temperature. The predicted concentration with this predicted diffusion coefficient showed a good agreement with experimental data. Ultimately، a correlation was proposed to predict the amine fuel concentration versus a dimensionless parameter ofz/√Dt. The prediction showed a good agreement with empirical data.
    Keywords: Hydrocarbon fuel, Amine fuel, Diffusion coefficient, Concentration
  • Mehdi Rahmani *, Mohamad Kazem Vahedi, Mahmoodreza Mahmoodnejad, Behzad Ahmadi Pages 67-80
    In this work tow simple approaches have been introduced to predict heat of explosion of high energetic materials. experimental heat of explosion of 74 energetic compound were collected from articles and this dataset was separated randomly into two groups، training and prediction sets، respectively، which were used for generation and evaluation of suitable models. Multiple linear regression (MLR) analysis was employed to select the best subset of descriptors and to build linear models; while nonlinear models were developed by means of artificial neural network (ANN). The obtained models with four descriptors involved show good predictive power for the test set: a squared correlation coefficient (R2) of 0. 798 and a standard error of estimation (s) of 606. 48 were achieved by the MLR model; while by the ANN model، R2 and SE were 0. 98 and 189. 4، respectively. Based on the large R2 -value and small SE values، significantly for ANN model، one can deduce that the predicted results are in good agreement with the measured values. Calculated heats of explosion are also compared with corresponding two famous cods، namely EDPHT and LOTUSE. It can be seen that the performance of the present models is better than these cods
    Keywords: energetic materials, heat of explosion, Multiple linear regression, artificial neural network