Made available in DSpace on 2014-12-17T14:58:20Z (GMT). No. of bitstreams: 1
BrunoCD_DISSERT.pdf: 4492853 bytes, checksum: 8fad50750c043cd4dab6a1e27f414d81 (MD5)
Previous issue date: 2013-02-15 / One of the current major concerns in engineering is the development of aircrafts that have low
power consumption and high performance. So, airfoils that have a high value of Lift
Coefficient and a low value for the Drag Coefficient, generating a High-Efficiency airfoil are
studied and designed. When the value of the Efficiency increases, the aircraft s fuel
consumption decreases, thus improving its performance. Therefore, this work aims to develop
a tool for designing of airfoils from desired characteristics, as Lift and Drag coefficients and
the maximum Efficiency, using an algorithm based on an Artificial Neural Network (ANN).
For this, it was initially collected an aerodynamic characteristics database, with a total of 300
airfoils, from the software XFoil. Then, through the software MATLAB, several network
architectures were trained, between modular and hierarchical, using the Back-propagation
algorithm and the Momentum rule. For data analysis, was used the technique of cross-
validation, evaluating the network that has the lowest value of Root Mean Square (RMS). In
this case, the best result was obtained for a hierarchical architecture with two modules and
one layer of hidden neurons. The airfoils developed for that network, in the regions of lower
RMS, were compared with the same airfoils imported into the software XFoil / Uma das maiores preocupa??es atuais na Engenharia ? o desenvolvimento de aeronaves que
possuam baixo consumo e alto desempenho. Para isso, s?o estudados e projetados perfis
aerodin?micos que tenham um valor elevado de coeficiente de sustenta??o e um valor baixo
para o coeficiente de arrasto, gerando um perfil de alta efici?ncia. Quanto maior o valor da
efici?ncia, menor ser? o consumo de combust?vel da aeronave, melhorando assim, o seu
desempenho. Neste sentido, este trabalho objetiva desenvolver uma ferramenta para cria??o
de perfis aerodin?micos a partir de caracter?sticas desejadas, como coeficiente de sustenta??o
e de arrasto e efici?ncia m?xima, utilizando-se um algoritmo baseado em uma Rede Neural
Artificial (RNA). Para isso, inicialmente foram coletados uma base de dados de
caracter?sticas aerodin?micas de um total de 300 perfis, a partir do software XFoil. Ent?o,
atrav?s de uma rotina implementada no software MATLAB, foram treinadas diversas
arquiteturas de redes, entre modulares e hier?rquicas, utilizando-se o algoritmo de
Retropropaga??o e a regra do Momento. Para an?lise dos resultados, foi utilizada a t?cnica de
valida??o cruzada, avaliando a rede que possuiu o menor valor de Erro M?dio Quadr?tico
(EMQ). Neste caso, o melhor resultado obtido foi para uma arquitetura hier?rquica com dois
m?dulos e uma camada de neur?nios ocultos. Os perfis aerodin?micos desenvolvidos por essa
rede, nas regi?es de menor EMQ, foram comparados aos mesmos perfis importados ao
software XFoil. O presente trabalho oferece como contribui??o, em rela??o a outros trabalhos
que envolvem RNA aplicada ? mec?nica dos fluidos, o desenvolvimento de perfis
aerodin?micos a partir de suas caracter?sticas aerodin?micas
| Identifer | oai:union.ndltd.org:IBICT/oai:repositorio.ufrn.br:123456789/15701 |
| Date | 15 February 2013 |
| Creators | Diniz, Bruno da Cunha |
| Contributors | CPF:02306444498, http://lattes.cnpq.br/1042806990155996, Lima, Jo?o Alves de, CPF:67514286420, http://lattes.cnpq.br/2699729486137957, Souza, Sandi Itamar Schafer de, CPF:42635926034, http://lattes.cnpq.br/7400466085627528, Goulart, Jhon Nero Vaz, CPF:77808711004, http://lattes.cnpq.br/7863382021033244, Freire J?nior, Raimundo Carlos Silv?rio |
| Publisher | Universidade Federal do Rio Grande do Norte, Programa de P?s-Gradua??o em Engenharia Mec?nica, UFRN, BR, Tecnologia de Materiais; Projetos Mec?nicos; Termoci?ncias |
| Source Sets | IBICT Brazilian ETDs |
| Language | Portuguese |
| Detected Language | English |
| Type | info:eu-repo/semantics/publishedVersion, info:eu-repo/semantics/masterThesis |
| Format | application/pdf |
| Source | reponame:Repositório Institucional da UFRN, instname:Universidade Federal do Rio Grande do Norte, instacron:UFRN |
| Rights | info:eu-repo/semantics/openAccess |
Page generated in 0.0017 seconds