Uma metodologia para a predição de coeficientes aerodinâmicos de aeronaves genéricas utilizando redes neurais artificiais foi desenvolvida e descrita. Coeficientes aerodinâmicos modelados como funções de ângulo de ataque, número de Reynolds e número de Mach fornecem informações para o treinamento das redes neurais artificiais. Em um dos casos estudados, os coeficientes são também função da geometria da asa da aeronave. No presente trabalho, a rede neural é inicialmente treinada a partir de um conjunto de dados apropriado, que é gerado com simulações numéricas, a fim de reproduzir o comportamento geral de um modelo não-linear dependente de uma grande quantidade de variáveis. Um novo conjunto de dados, o qual pode ser relativamente esparso, é então fornecido à rede a fim de verificar a consistência do novo modelo gerado. O novo modelo estima os parâmetros desejados com grande precisão dentro do espaço de projeto utilizado no treinamento, e a obtenção de resultados para uma configuração genérica se torna uma tarefa relativamente rápida e simples. Isto torna esta metodologia muito apropriada para a aplicação em ambientes de projeto e otimização multidisciplinar (MDO - Multi Disciplinary Optimization, em inglês), o qual faz uso intensivo de parâmetros aerodinâmicos para cálculos de desempenho e cargas, além de outras tarefas essenciais. Uma rede do tipo Perceptron de Múltiplas Camadas (Multilayer Perceptron, em inglês, ou MLP) foi adotada para prever a polar de arrasto do perfil NACA23012, considerando números de Reynolds entre 1x106 e 5x106. Este caso bidimensional também foi simulado utilizando uma Rede de Ligação Funcional (Functional Link Network, em inglês, ou FLN), a fim de comparar o desempenho e a precisão de ambas arquiteturas. De forma similar, uma rede MLP de 2 camadas foi utilizada para calcular o coeficiente de arrasto de um jato de transporte com geometria fixa. Nesta aplicação, a rede foi treinada com 99 pontos, cobrindo uma faixa de Mach de 0,20 a 0,82. O coeficiente de sustentação neste caso variou entre 0 e um limite superior que decresce em função do número de Mach. Uma terceira rede neural foi projetada para prever o arrasto de um conjunto asa-fuselagem com forma em planta da asa variável. Trabalhos futuros considerarão também a predição de arrasto em asas de geometria e perfilagem variáveis.
| Identifer | oai:union.ndltd.org:IBICT/oai:agregador.ibict.br.BDTD_ITA:oai:ita.br:972 |
| Date | 15 June 2007 |
| Creators | Ricardo Wallach |
| Contributors | Bento Silva de Mattos, Roberto da Mota Girardi |
| Publisher | Instituto Tecnológico de Aeronáutica |
| Source Sets | IBICT Brazilian ETDs |
| Language | Portuguese |
| Detected Language | Portuguese |
| Type | info:eu-repo/semantics/publishedVersion, info:eu-repo/semantics/masterThesis |
| Format | application/pdf |
| Source | reponame:Biblioteca Digital de Teses e Dissertações do ITA, instname:Instituto Tecnológico de Aeronáutica, instacron:ITA |
| Rights | info:eu-repo/semantics/openAccess |
Page generated in 0.0021 seconds