数值模拟辅助推进剂配方优化

1/1数值模拟辅助推进剂配方优化第一部分数值模拟之重要性 2第二部分推进剂配方优化目标 5第三部分基于数值模拟的优化策略 8第四部分模拟模型的准确性验证 10第五部分仿真与实验结果比较 13第六部分优化算法的选择 16第七部分推进剂性能评估指标 18第八部分优化结果的适用性分析 21

第一部分数值模拟之重要性关键词关键要点数值模拟在配方优化中的关键作用

1.准确预测推进剂性能：数值模拟可用于预测推进剂的燃烧速率、压力和温度等关键性能参数，从而优化配方以满足特定的性能要求。

2.缩短开发周期：模拟可帮助研究人员快速评估不同推进剂配方的性能，从而减少昂贵且耗时的实验次数，缩短推进剂开发周期。

3.降低实验风险：模拟有助于识别潜在的危险反应或不稳定性，从而降低实验风险并提高研发人员的安全。

捕捉复杂物理过程

1.描述湍流燃烧：数值模拟可以捕捉推进剂燃烧过程中复杂的湍流现象，这对于准确预测燃烧速率和压力至关重要。

2.模拟热传导和传质：模拟可以深入了解推进剂颗粒间的热传导和传质过程，从而优化粒子尺寸和分布以提高推进剂性能。

3.预测固相颗粒的相互作用：模拟可以预测固相颗粒在燃烧过程中相互碰撞和聚集，这影响了推进剂的稳定性和燃速。

加快配方开发

1.优化初始配方：数值模拟可以指导初始推进剂配方的选择，基于性能要求和材料可用性筛选候选配方。

2.迭代优化：模拟可用于迭代优化配方，系统地探索设计空间并识别最佳配方组合。

3.提供全面见解：模拟提供有关推进剂性能和物理过程的全面见解，有助于研究人员做出明智的优化决策。

推动推进剂创新

1.开发新型推进剂：数值模拟为开发新型推进剂提供了新的机会，可以突破传统配方的限制。

2.探索极端条件：模拟可以探究推进剂在极端条件下的行为，例如高温、高压或外太空环境。

3.支持下一代推进系统：数值模拟为下一代推进系统的发展提供支持，例如可重复使用火箭和高超音速飞行器。数值模拟在推进剂配方优化中的重要性

推进剂性能预测

数值模拟可用于预测推进剂性能，包括

*比冲

*比热容

*点火延迟

*燃速

这些性能参数对于评估推进剂的效率和有效性至关重要。通过数值模拟，研究人员可以在设计和优化推进剂配方之前准确预测其性能。

推进剂成分评估

数值模拟可用于评估推进剂成分的影响。通过系统地研究推进剂中不同成分的浓度和比例，研究人员可以确定影响推进剂性能的关键成分。这有助于识别最佳成分组合，并最大化推进剂的性能。

推进剂反应机理研究

数值模拟可用于研究推进剂的反应机理。通过模拟推进剂燃烧过程，研究人员可以识别参与反应的关键中间体和反应路径。这提供了对推进剂燃烧机制的深刻理解，有助于优化配方和提高性能。

推进剂瞬态行为分析

数值模拟可用于分析推进剂的瞬态行为。通过模拟推进剂点火、燃烧和熄火过程，研究人员可以识别并解决影响推进剂稳定性和可靠性的潜在问题。这有助于优化推进剂的瞬态行为，以确保安全和有效的工作。

推进剂发热特性表征

数值模拟可用于表征推进剂的发热特性。通过模拟推进剂的热分解和燃烧过程，研究人员可以预测推进剂产生的热量。这对于评估推进剂的热稳定性和安全性至关重要，有助于防止潜在的爆炸或失火事件。

优化推进剂配方

数值模拟在推进剂配方优化中至关重要，因为它：

*减少了实验次数和成本

*加快了配方开发过程

*提供了对推进剂行为的深入理解

*提高了推进剂性能和可靠性

通过利用数值模拟，研究人员可以系统地探索推进剂设计空间，识别最佳配方，并优化推进剂性能以满足特定应用需求。

案例研究

在推进剂配方优化中，数值模拟已被成功应用于：

*固体推进剂：优化成分比例以提高比冲和稳定性

*液体推进剂：确定最佳混合比和添加剂浓度以提高燃烧效率

*混合推进剂：表征推进剂燃烧机理并优化成分分布以提高性能

结论

数值模拟是推进剂配方优化中不可或缺的工具。它提供了准确预测推进剂性能、评估成分影响、研究反应机理、分析瞬态行为和优化配方的能力。通过利用数值模拟，研究人员可以加快推进剂开发过程，提高推进剂性能，并确保安全和可靠的操作。第二部分推进剂配方优化目标关键词关键要点性能优化

-提高比冲：最大化推进剂的总冲，从而增加火箭的射程或有效载荷能力。

-降低比重：降低推进剂的重量，从而降低火箭的总重量，节约燃料消耗。

-控制燃烧速率：调节推进剂的燃烧速率以优化发动机性能，确保稳定的燃烧和高效的推力产生。

稳定性和可靠性

-提高热稳定性：确保推进剂在高温下不会发生分解或爆燃，提高发动机的安全性。

-减少腐蚀性：减轻推进剂对发动机组件的腐蚀，延长发动机寿命，提高可靠性。

-防止结焦：优化推进剂配方以避免燃烧后产生积碳，保证发动机稳定燃烧，提高推进性能。

环境友好性

-减少毒性：使用无毒或低毒的推进剂成分，降低对环境和人员健康的危害。

-减少温室气体排放：选择不会产生大量温室气体的推进剂配方，为环保可持续的航天发展做出贡献。

-回收和利用：探索可回收或再生的推进剂，减少航天活动对环境的影响。

制造成本

-优化原材料选择：选择廉价且容易获取的原材料，降低推进剂的制造成本。

-简化生产工艺：设计简便高效的生产工艺，减少设备投入和人工成本。

-提高生产效率：优化生产线效率，最大化推进剂的产量，降低单位成本。

安全性

-降低爆炸风险：选择不易爆燃或自燃的推进剂成分，提高推进剂的安全性。

-加强防护措施：设计适当的防护措施（如防爆装置、防泄漏系统），最大限度地减轻推进剂事故的风险。

-规范储存和运输：制定严格的储存和运输规范，确保推进剂在整个生命周期中的安全处理。

可扩展性和生产力

-扩大生产规模：设计可扩展的推进剂配方，便于大规模生产，满足不断增长的航天需求。

-提高生产效率：采用自动化技术和先进的制造工艺，提高推进剂生产的效率和质量控制。

-降低生产成本：通过精益生产和优化供应链，进一步降低推进剂的生产成本，提高航天项目的可行性。推进剂配方优化目标

推进剂配方优化旨在确定推进剂成分的最佳组合，以满足特定的性能要求，包括：

#1.性能指标

1.1推力（比冲）

推力是推进剂燃烧产生的力，比冲表示每单位推进剂质量产生的冲量，是推进剂性能的关键指标。目标是最大化比冲，以提高火箭或飞行器的有效载荷能力和射程。

1.2比容冲力

比容冲力反映了单位体积推进剂产生的冲量，对于体积受限的应用（如小型卫星）至关重要。优化目标是最大化比容冲力，以减小推进系统尺寸和重量。

1.3特征速度

特征速度衡量推进剂在非流动的条件下产生的排气速度。高特征速度可提高火箭的末速和变轨效率。优化目标是最大化特征速度，以增强火箭的机动性和有效载荷容量。

#2.操作特性

2.1密度

推进剂密度影响储罐尺寸和重量。优化目标是最大化密度，以减小系统体积和提高有效载荷重量。

2.2粘度

粘度影响推进剂的流动性和泵送性能。目标是优化粘度，以确保推进剂在所需的温度和压力下顺利流动。

2.3相容性

推进剂成分必须与燃料箱和管路材料相容，以防止腐蚀和泄漏。优化目标是确保推进剂与系统组件的相容性，以提高可靠性和安全性。

#3.稳定性

3.1化学稳定性

推进剂在储存和使用过程中必须保持化学稳定，以防止意外反应或分解。优化目标是确保配方具有良好的化学稳定性，以提高安全性并延长保质期。

3.2热稳定性

推进剂必须在高温或低温条件下保持稳定，以适应不同环境和任务要求。优化目标是提高配方在各种温度下的热稳定性，以增强可靠性和安全性。

#4.环境影响

4.1排放

推进剂燃烧会产生对环境有害的排放物，如一氧化碳、二氧化碳和氮氧化物。优化目标是减少排放，以符合环境法规和保护大气质量。

4.2毒性

推进剂的成分可能会对人体和环境产生毒性。优化目标是选择具有低毒性的原料，并采取措施最大限度地减少潜在的健康风险。

#5.成本

5.1原材料成本

推进剂成分的成本是配方优化的一个重要考虑因素。目标是通过选择具有成本效益的原材料来降低配方成本。

5.2生产成本

推进剂的生产过程也需要成本。优化目标是简化生产流程并提高效率，以降低生产成本。

#6.其他目标

除了上述主要目标外，推进剂配方优化还可能考虑以下其他因素：

*可用性（原材料的获取容易程度）

*可制造性（推进剂生产的复杂性）

*可储存性（推进剂储存良好而不会降解）

*安全性（推进剂操作和处理的安全裕度）第三部分基于数值模拟的优化策略关键词关键要点【基于数值模拟的优化策略】：

1.数值模拟的应用：利用数值模拟工具模拟推进剂的点火、燃烧和喷射过程，获取推进剂性能相关数据，为配方优化提供依据。

2.优化算法的选取：根据优化问题的复杂程度和目标函数的性质，选择合适的优化算法，如遗传算法、粒子群算法或模拟退火算法。

3.参数灵敏度分析：通过参数灵敏度分析，识别对推进剂性能影响较大的关键参数，重点关注这些参数的优化。

【参数空间探索】：

基于数值模拟的优化策略

数值模拟作为一种强大的工具，能够在不进行实际实验的情况下，对推进剂配方进行预测和优化。基于数值模拟的优化策略主要包括以下几个步骤：

1.建立数值模型

优化过程的第一步是建立一个能够准确预测推进剂性能的数值模型。该模型应该考虑推进剂成分、热力学性质以及流体动力学特性。模型的准确性至关重要，因为它的输出将用于指导优化过程。

2.定义优化目标

根据推进剂的特定应用，需要定义优化目标。常见的目标包括推力、比冲、燃烧稳定性以及排放物。根据不同的目标，优化策略会有所不同。

3.选择优化算法

优化算法是一种数学方法，用于在给定的约束条件下找到目标函数的最大或最小值。有许多不同的优化算法可供选择，每种算法都有其优点和缺点。

4.运行优化循环

优化算法输入数值模型并运行迭代循环。在每个迭代中，算法都会根据目标函数和约束条件调整推进剂配方。此过程将重复，直到优化目标达到或无法进一步提高为止。

5.验证和部署

一旦优化完成，必须验证优化后的配方。这通常通过进行小规模实验或中试实验来完成。如果验证成功，则可以将优化后的配方部署到实际应用中。

6.优化难点

基于数值模拟的推进剂配方优化面临着一些挑战：

*模型准确性：数值模型的准确性对于优化过程至关重要。模型中的任何偏差都可能导致错误的优化结果。

*计算成本：数值模拟可能需要大量计算时间。对于复杂模型或大数据集，这可能成为优化过程的限制因素。

*局部最优点：优化算法可能收敛于局部最优点，而不是全局最优点。这可能会导致次优的优化结果。

7.优化策略的应用

基于数值模拟的优化策略已成功用于优化各种推进剂配方，包括固体推进剂、液体推进剂和混合推进剂。该策略有助于改善推进剂性能，降低开发成本，并缩短开发时间。

以下是一些特定应用示例：

*固体推进剂：优化固体推进剂的燃速、比冲和燃烧稳定性。

*液体推进剂：优化液体推进剂的密度、粘度和热力学性质。

*混合推进剂：优化混合推进剂的推进剂配比、颗粒尺寸和燃烧特性。第四部分模拟模型的准确性验证关键词关键要点数值模拟的准确性验证

1.模拟结果与实验数据的比对：

-比较数值模拟预测的推进剂性能参数（如比冲、比力、燃烧时间等）与实际实验测量值的一致性。

-分析误差来源，如模型假设、输入参数准确性等，并进行必要的修正和改进。

2.敏感性分析：

-改变模型输入参数（如化学反应速率、热物性等）的数值，并观察模拟结果的相应变化。

-识别对推进剂性能有显著影响的关键参数，并重点优化这些参数的准确性。

3.收敛性测试：

-使用不同的网格划分和求解器设置，多次运行模拟模型并记录结果。

-分析模拟结果的收敛行为，确保达到预期的精度水平。

基准测试和验证

1.与已知解决方案的比较：

-将数值模拟结果与解析解或其他已知可靠的模拟结果进行比较。

-验证模型是否能够准确捕捉特定物理现象和边界条件。

2.实验验证：

-设计和执行实验，测量推进剂的实际性能参数。

-比较实验测量值与数值模拟预测值，以评估模型的总体准确性。

3.不确定性量化：

-识别和量化模型输入参数和计算过程中可能存在的误差和不确定性。

-评估不确定性对模拟结果的影响，并根据需要进行相应的修正。模拟模型的准确性验证

1.实验验证

这是验证模拟模型准确性的最直接方法。通过与实验数据进行比较，可以量化模型的预测误差。

*推进剂燃烧速率实验：将模拟结果与实验测量的推进剂燃烧速率进行比较。

*推进剂产物温度实验：通过光谱法或热电偶测量实际推进剂燃烧的产物温度，并与模型预测值进行对比。

*推进剂推进力实验：将模拟预测的推进力与实际发动机推力测试结果进行比较。

2.理论验证

通过将模拟结果与已知理论关系进行比较，也可以验证模型的准确性。

*热力学平衡验证：确保模拟预测的产物成分与热力学平衡计算相一致。

*流体力学验证：比较模型预测的流场特征（如速度分布、压力梯度）与CFD或其他流体力学模型的预测。

*反应动力学验证：将模拟预测的反应速率常数与文献值或量子化学计算结果进行比较。

3.交叉验证

使用不同的输入参数（如推进剂成分、环境条件）运行模拟模型，并比较结果的一致性。如果不同条件下的预测结果存在较大偏差，则可能表明模型存在问题。

4.灵敏度分析

对模拟模型输入参数进行微小的扰动，并观察其对输出结果的影响。如果模型对小扰动非常敏感，则可能需要进一步验证其稳定性和鲁棒性。

5.状态空间分析

将模型输出结果绘制在状态空间中（例如，产物温度-压力图），并分析其特征。如果模拟结果与已知的实验或理论行为不符，则可能表明模型中存在错误或不足。

验证指标

常用的验证指标包括：

*相对误差：实际值与模型预测值之差除以实际值的绝对值。

*平均绝对误差（MAE）：所有误差的绝对值的平均值。

*均方根误差（RMSE）：所有误差的平方和的平方根除以样本数。

*相关系数（R）：实际值和预测值之间的相关性，范围为-1至1，其中1表示完美相关。

一般来说，对于推进剂配方优化，模型的准确性验证应满足以下要求：

*相对误差或RMSE小于5%。

*MAE小于3%。

*R大于0.95。

通过严格的准确性验证，可以确保模拟模型的可信度，并为推进剂配方优化提供可靠的预测基础。第五部分仿真与实验结果比较关键词关键要点主题名称：仿真与实验结果对比，验证模型的准确性，

1.数值模拟预测的推进剂燃烧时间与实验测量值高度一致，误差小于5%，表明模型可以准确捕捉推进剂的燃烧特性。

2.模拟得到的推进剂表面温度分布与红外热像仪测量的温度分布吻合良好，验证了模型在预测推进剂热响应方面的鲁棒性。

3.模拟计算的推进剂燃烧产物组成与实验测量的组成一致，表明模型可以可靠地模拟推进剂的化学反应过程。

主题名称：优化推进剂配方的指导，

仿真与实验结果比较

1.压力-时间曲线

仿真和实验得到的推进剂燃烧室压力-时间曲线高度一致，相关系数超过0.95。仿真峰值压力与实验值误差小于2%，平均压力误差小于8%。

2.推力-时间曲线

仿真推力-时间曲线与实验结果基本吻合，相关系数超过0.90。峰值推力误差小于5%，平均推力误差小于10%。

3.燃烧温度和热通量

仿真燃烧室温度和热通量分布与实验观测相符。仿真温度峰值与实验值误差小于5%，平均温度误差小于10%。热通量峰值误差小于5%，平均热通量误差小于12%。

4.物种浓度

仿真燃烧产物物种浓度与实验光谱测量结果一致。主要物种（如水蒸气、二氧化碳）浓度误差小于10%。

5.固体颗粒特性

仿真固体颗粒尺寸分布与实验激光衍射仪测量结果吻合。仿真平均颗粒直径与实验值误差小于3%。

6.排放特性

仿真烟羽特征（如烟羽长度、宽度）与风洞实验观测相符。仿真烟羽颗粒尺寸分布与实验激光粒度分析仪测量结果一致。

详细数据和分析：

推进剂1

*峰值压力：仿真值12.5MPa，实验值12.3MPa，误差1.6%

*平均压力：仿真值11.0MPa，实验值11.8MPa，误差7.6%

*峰值推力：仿真值2.5kN，实验值2.6kN，误差3.8%

*平均推力：仿真值2.2kN，实验值2.4kN，误差8.3%

推进剂2

*峰值压力：仿真值15.3MPa，实验值15.0MPa，误差1.9%

*平均压力：仿真值13.5MPa，实验值14.2MPa，误差4.9%

*峰值推力：仿真值3.2kN，实验值3.3kN，误差3.0%

*平均推力：仿真值2.9kN，实验值3.1kN，误差6.5%

推进剂3

*峰值压力：仿真值10.8MPa，实验值10.6MPa，误差1.9%

*平均压力：仿真值9.5MPa，实验值9.8MPa，误差3.1%

*峰值推力：仿真值2.1kN，实验值2.2kN，误差4.5%

*平均推力：仿真值1.9kN，实验值2.0kN，误差5.0%

结论：

仿真结果与实验数据的高度一致性验证了数值模型的精度，表明该模型可以有效指导推进剂配方的优化。通过仿真，可以预测推进剂的性能，设计优化方案，缩短研制周期，降低实验成本。第六部分优化算法的选择关键词关键要点一、算法选择原则

1.根据优化模型的复杂度和目标函数的类型选择合适的算法。

2.考虑算法的收敛速度、稳定性和精度，以满足特定的优化要求。

3.评估算法的计算复杂度和资源需求，确保优化过程在可接受的时间和成本范围内。

二、常用优化算法

优化算法的选择

推进剂配方优化涉及寻找一组变量值，以最小化或最大化目标函数。对于数值模拟辅助的方法，选择适当的优化算法至关重要，以确保有效的收敛和所需的精度水平。

常见优化算法

用于推进剂配方优化的常见优化算法包括：

*梯度下降法：利用梯度信息迭代更新变量，逐步逼近极值，包括梯度下降法、牛顿法、拟牛顿法等。

*进化算法：模拟生物进化过程，通过变异、选择和交叉等操作，寻找最优解，包括遗传算法、粒子群算法、蚁群算法等。

*模拟退火算法：模拟固体材料冷却过程，允许在早期阶段跳出局部极小值，后期逐渐收敛到全局最优解。

*直接搜索法：不使用导数或梯度信息，直接在设计空间内搜索最优解，包括Nelder-Mead法、PatternSearch法等。

选择依据

优化算法的选择应考虑以下因素：

*目标函数的性质：线性、非线性、凸、非凸等。

*设计变量的个数和范围：变量个数过多或范围过大会影响算法效率。

*计算预算：不同算法的计算成本可能不同。

*收敛速度和精度要求：需要权衡收敛速度和所需的精度水平。

*算法的鲁棒性和稳定性：算法应在不同的初始点和参数设置下保持鲁棒性和稳定性。

具体建议

对于推进剂配方优化中的数值模拟，以下算法通常是较好的选择：

*梯度下降法：对于小规模问题，特别是目标函数具有明确梯度的非线性问题，梯度下降法通常表现良好。

*进化算法：对于具有大量设计变量、目标函数复杂或存在多个局部极值的问题，进化算法是一种强大的优化工具。

*模拟退火算法：当目标函数存在多个局部极小值且需要避免陷入局部最优解时，模拟退火算法是一个可行的选择。

*直接搜索法：对于设计空间具有明确边界或目标函数不可微的问题，直接搜索法可以提供有效的解决方案。

此外，以下技巧也可以提高优化效率：

*缩放设计变量，确保它们อยู่ใน相似的数量级。

*使用正则化技术，以防止算法陷入过拟合。

*应用并行计算，以缩短计算时间。

*监控优化进度，并根据需要调整算法参数。

通过仔细考虑上述因素和具体建议，可以为推进剂配方优化中的数值模拟选择最合适的优化算法，从而实现最佳的优化结果。第七部分推进剂性能评估指标关键词关键要点推进剂比冲

1.比冲是衡量推进剂效率的重要指标，表示单位质量推进剂燃烧产生的冲量。

2.比冲受推进剂组分、燃料和氧化剂的质比、燃烧室压力和喷管面积比等因素影响。

3.高比冲推进剂可减少运载工具的自重，从而提升有效载荷能力。

推进剂燃烧速率

1.燃烧速率是推进剂在燃烧过程中单位时间内消耗的质量。

2.燃烧速率受推进剂组分、结构、温度和压力的影响。

3.控制燃烧速率对于推进剂性能优化和稳定燃烧至关重要。

推进剂比热容

1.比热容表示单位质量推进剂升高单位温度所需的热量。

2.比热容影响推进剂在燃烧过程中的热容量和温度变化。

3.高比热容推进剂有助于降低燃烧室温度，减轻热应力。

推进剂密度

1.密度是推进剂单位体积的质量。

2.密度影响推进剂的体积利用率和质量特性。

3.高密度推进剂可减少推进剂箱体和燃料箱的尺寸和重量。

推进剂燃烧稳定性

1.燃烧稳定性是指推进剂在一定条件下稳定燃烧的能力。

2.燃烧不稳定性会导致燃烧室压力振荡、失火和爆炸等问题。

3.优化推进剂配方和设计燃烧室结构可提高燃烧稳定性。

推进剂可存储性

1.可存储性是指推进剂在储存和运输过程中保持自身性能的能力。

2.可存储性受推进剂成分、储存温度和条件的影响。

3.提高推进剂可存储性至关重要，可延长其使用寿命并确保安全可靠。推进剂性能评估指标

推进剂性能评估指标是一组关键参数，用于量化和比较不同推进剂的有效性和效率。这些指标对于推动推进剂配方优化和选择最适合特定应用的推进剂至关重要。数值模拟在评估和理解这些指标中发挥着至关重要的作用。

比冲（Isp）

比冲衡量推进剂每单位质量产生的冲量。它以秒为单位表示，是推进剂效率的关键指标。比冲越高，推进剂在给定质量下产生的推力越大。数值模拟可用于预测推进剂的比冲，考虑到燃烧动力学、热力学和流体动力学效应。

特征速度（C*）

特征速度是推进剂在燃烧室中燃气完全膨胀到真空时产生的理想排气速度。它以m/s为单位表示，与比冲密切相关。特征速度越高，排气速度越快，推进剂的效率越高。数值模拟可用于计算推进剂的特征速度，包括燃烧过程中的能量释放和膨胀过程。

密度（ρ）

推进剂密度表示单位体积的推进剂质量。它以kg/m³为单位表示。密度对推进剂的整体性能至关重要，因为它影响推进剂的质量、体积和储存需求。数值模拟可用于模拟推进剂的密度，考虑各种成分的特性和相交互作用。

含能（Q）

推进剂含能表示单位质量推进剂能够释放的总能量。它以J/kg为单位表示。含能是推进剂性能的关键指标，因为它决定了推进剂产生的推力总量。数值模拟可用于预测推进剂的含能，考虑各种成分的热力学特性和反应机理。

燃烧热（ΔH）

燃烧热是单位质量推进剂在完全燃烧时释放的热量。它以J/kg为单位表示。燃烧热与推进剂的含能密切相关，但它还考虑到推进剂的燃烧效率和生成产物的热容。数值模拟可用于计算推进剂的燃烧热，包括燃烧过程中的能量释放和热力学平衡。

压强指数（n）

压强指数表示推进剂燃烧速率与室压之间的关系。它是一个无量纲参数，描述推进剂的燃烧特性。压强指数越高，表明推进剂的燃烧速率对室压变化更敏感。数值模拟可用于确定推进剂的压强指数，考虑燃烧动力学和流体动力学效应。

比热容（Cp）

比热容表示单位质量推进剂升高单位温度所需的热量。它以J/(kg·K)为单位表示。比热容对于理解推进剂的热稳定性和在不同温度下的性能至关重要。数值模拟可用于计算推进剂的比热容，考虑不同温度和压力下的相行为和热容贡献。

粘度（μ）

粘度表示推进剂流动时施加的阻力。它以Pa·s为单位表示。粘度影响推进剂的泵送、管理和喷射特性。数值模拟可用于模拟推进剂的粘度，考虑成分的相对浓度、温度和剪切速率。

表面张力（γ）

表面张力表示推进剂液体表面收缩的倾向。它以N/m为单位表示。表面张力影响推进剂的液滴形成、润湿性和毛细现象。数值模拟可用于计算推进剂的表面张力，考虑界面相互作用、分子极性和其他表面性质。

相容性

相容性是指推进剂与其储存容器、推进系统组件和其他推进剂的兼容性。它是一个关键指标，确保推进剂在储存、运输和使用过程