Obtenção de distribuição de pressão em asas usando redes neurais
Ano de defesa: | 2009 |
---|---|
Autor(a) principal: | |
Orientador(a): | |
Banca de defesa: | , |
Tipo de documento: | Dissertação |
Tipo de acesso: | Acesso aberto |
Idioma: | por |
Instituição de defesa: |
Universidade de São Paulo
|
Programa de Pós-Graduação: |
Engenharia Mecânica
|
Departamento: |
Não Informado pela instituição
|
País: |
BR
|
Link de acesso: | https://doi.org/10.11606/D.18.2009.tde-13012011-124946 |
Resumo: | Este trabalho apresenta uma metodologia para predição da distribuição de pressão sobre uma asa bi-trapezoidal genérica usando redes neurais artificiais. O toolbox de redes neurais do MatLab® foi utilizado para o treinamento e validação das redes neurais e os conjuntos de treinamentos foram obtidos por meio do software BLWF® versão 28 (Boundary Layer Wing-Fuselage) um código CFD (Computacional Fluid Dynamics) de potencial completo com correção de camada limite. Levando em consideração o nível de complexidade do problema, optou-se por dividir o estudo em três etapas de desenvolvimento. Inicialmente, uma rede neural foi treinada considerando apenas as variáveis de condição de voo e de forma em planta. Resultados promissores motivaram a criação de uma segunda rede neural, mais genérica, na qual foram adicionadas variáveis de três perfis distribuídos ao longo da asa. Porém apenas um desses perfis era variável enquanto que os demais eram parametrizados com relação à este perfil. Criou-se, por fim, uma rede neural ainda mais genérica, desta vez atentando também para as variáveis dos três perfis de modo independente. Os resultados obtidos mostram que esta metodologia pode ser usada como interessante ferramenta para obtenção de distribuição de pressão, especialmente em projetos de MDO (Multi-Disciplinary Optimization), uma vez que ela possibilita uma predição rápida, precisa e de fácil automatização de pressão em uma asa genérica. |
id |
USP_a3d2a82b52b60a7729dadb0079c79bc0 |
---|---|
oai_identifier_str |
oai:teses.usp.br:tde-13012011-124946 |
network_acronym_str |
USP |
network_name_str |
Biblioteca Digital de Teses e Dissertações da USP |
repository_id_str |
|
spelling |
info:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesis Obtenção de distribuição de pressão em asas usando redes neurais Prediction of pressure distribution on wings using neural network 2009-11-20Fernando Martini CatalanoFlavio Donizeti MarquesJosé Demisio Simões da SilvaAndré Luiz Fontes da SilvaUniversidade de São PauloEngenharia MecânicaUSPBR CFD CFD Distribuição de pressão Neural networks Pressure distribution Redes neurais Este trabalho apresenta uma metodologia para predição da distribuição de pressão sobre uma asa bi-trapezoidal genérica usando redes neurais artificiais. O toolbox de redes neurais do MatLab® foi utilizado para o treinamento e validação das redes neurais e os conjuntos de treinamentos foram obtidos por meio do software BLWF® versão 28 (Boundary Layer Wing-Fuselage) um código CFD (Computacional Fluid Dynamics) de potencial completo com correção de camada limite. Levando em consideração o nível de complexidade do problema, optou-se por dividir o estudo em três etapas de desenvolvimento. Inicialmente, uma rede neural foi treinada considerando apenas as variáveis de condição de voo e de forma em planta. Resultados promissores motivaram a criação de uma segunda rede neural, mais genérica, na qual foram adicionadas variáveis de três perfis distribuídos ao longo da asa. Porém apenas um desses perfis era variável enquanto que os demais eram parametrizados com relação à este perfil. Criou-se, por fim, uma rede neural ainda mais genérica, desta vez atentando também para as variáveis dos três perfis de modo independente. Os resultados obtidos mostram que esta metodologia pode ser usada como interessante ferramenta para obtenção de distribuição de pressão, especialmente em projetos de MDO (Multi-Disciplinary Optimization), uma vez que ela possibilita uma predição rápida, precisa e de fácil automatização de pressão em uma asa genérica. This work shows a method for predicting pressure distribution over a generic bi-trapezoidal wing using artificial neural networks. The MatLab® Neural Network Toolbox was used for the neural network implementation and the training set was obtained using the BLWF® version 28 (Boundary Layer Wing-Fuselage), a full potential CFD (Computational Fluid Dynamics) code with boundary layer correction. The work was divided in three development phase, according with the problem complexibibility level. Initially, a neural network considering only flight conditions and plan form variables was trained. Promising results motivated the generation of a more generic neural network, considering also parameters of three airfoils distributed along the wing spanwise and chordwise. However only one airfoil was variable, the two other were parametrized in relation to the variable airfoil. At last, an even more generic neural network was generated, this time considering also the variables of the three profiles independently. The results show that this methodology can be successfully used as an interesting tool to obtain the pressure distribution, especially on the solution of MDO (Multi-Disciplinary Optimization) problems, since it allows fast prediction, automation facility and accurate measuring of the pressure distribution under a generic wing. https://doi.org/10.11606/D.18.2009.tde-13012011-124946info:eu-repo/semantics/openAccessporreponame:Biblioteca Digital de Teses e Dissertações da USPinstname:Universidade de São Paulo (USP)instacron:USP2023-12-21T18:49:34Zoai:teses.usp.br:tde-13012011-124946Biblioteca Digital de Teses e Dissertaçõeshttp://www.teses.usp.br/PUBhttp://www.teses.usp.br/cgi-bin/mtd2br.plvirginia@if.usp.br|| atendimento@aguia.usp.br||virginia@if.usp.bropendoar:27212016-07-28T16:10:26Biblioteca Digital de Teses e Dissertações da USP - Universidade de São Paulo (USP)false |
dc.title.pt.fl_str_mv |
Obtenção de distribuição de pressão em asas usando redes neurais |
dc.title.alternative.en.fl_str_mv |
Prediction of pressure distribution on wings using neural network |
title |
Obtenção de distribuição de pressão em asas usando redes neurais |
spellingShingle |
Obtenção de distribuição de pressão em asas usando redes neurais André Luiz Fontes da Silva |
title_short |
Obtenção de distribuição de pressão em asas usando redes neurais |
title_full |
Obtenção de distribuição de pressão em asas usando redes neurais |
title_fullStr |
Obtenção de distribuição de pressão em asas usando redes neurais |
title_full_unstemmed |
Obtenção de distribuição de pressão em asas usando redes neurais |
title_sort |
Obtenção de distribuição de pressão em asas usando redes neurais |
author |
André Luiz Fontes da Silva |
author_facet |
André Luiz Fontes da Silva |
author_role |
author |
dc.contributor.advisor1.fl_str_mv |
Fernando Martini Catalano |
dc.contributor.referee1.fl_str_mv |
Flavio Donizeti Marques |
dc.contributor.referee2.fl_str_mv |
José Demisio Simões da Silva |
dc.contributor.author.fl_str_mv |
André Luiz Fontes da Silva |
contributor_str_mv |
Fernando Martini Catalano Flavio Donizeti Marques José Demisio Simões da Silva |
description |
Este trabalho apresenta uma metodologia para predição da distribuição de pressão sobre uma asa bi-trapezoidal genérica usando redes neurais artificiais. O toolbox de redes neurais do MatLab® foi utilizado para o treinamento e validação das redes neurais e os conjuntos de treinamentos foram obtidos por meio do software BLWF® versão 28 (Boundary Layer Wing-Fuselage) um código CFD (Computacional Fluid Dynamics) de potencial completo com correção de camada limite. Levando em consideração o nível de complexidade do problema, optou-se por dividir o estudo em três etapas de desenvolvimento. Inicialmente, uma rede neural foi treinada considerando apenas as variáveis de condição de voo e de forma em planta. Resultados promissores motivaram a criação de uma segunda rede neural, mais genérica, na qual foram adicionadas variáveis de três perfis distribuídos ao longo da asa. Porém apenas um desses perfis era variável enquanto que os demais eram parametrizados com relação à este perfil. Criou-se, por fim, uma rede neural ainda mais genérica, desta vez atentando também para as variáveis dos três perfis de modo independente. Os resultados obtidos mostram que esta metodologia pode ser usada como interessante ferramenta para obtenção de distribuição de pressão, especialmente em projetos de MDO (Multi-Disciplinary Optimization), uma vez que ela possibilita uma predição rápida, precisa e de fácil automatização de pressão em uma asa genérica. |
publishDate |
2009 |
dc.date.issued.fl_str_mv |
2009-11-20 |
dc.type.status.fl_str_mv |
info:eu-repo/semantics/publishedVersion |
dc.type.driver.fl_str_mv |
info:eu-repo/semantics/masterThesis |
format |
masterThesis |
status_str |
publishedVersion |
dc.identifier.uri.fl_str_mv |
https://doi.org/10.11606/D.18.2009.tde-13012011-124946 |
url |
https://doi.org/10.11606/D.18.2009.tde-13012011-124946 |
dc.language.iso.fl_str_mv |
por |
language |
por |
dc.rights.driver.fl_str_mv |
info:eu-repo/semantics/openAccess |
eu_rights_str_mv |
openAccess |
dc.publisher.none.fl_str_mv |
Universidade de São Paulo |
dc.publisher.program.fl_str_mv |
Engenharia Mecânica |
dc.publisher.initials.fl_str_mv |
USP |
dc.publisher.country.fl_str_mv |
BR |
publisher.none.fl_str_mv |
Universidade de São Paulo |
dc.source.none.fl_str_mv |
reponame:Biblioteca Digital de Teses e Dissertações da USP instname:Universidade de São Paulo (USP) instacron:USP |
instname_str |
Universidade de São Paulo (USP) |
instacron_str |
USP |
institution |
USP |
reponame_str |
Biblioteca Digital de Teses e Dissertações da USP |
collection |
Biblioteca Digital de Teses e Dissertações da USP |
repository.name.fl_str_mv |
Biblioteca Digital de Teses e Dissertações da USP - Universidade de São Paulo (USP) |
repository.mail.fl_str_mv |
virginia@if.usp.br|| atendimento@aguia.usp.br||virginia@if.usp.br |
_version_ |
1786376786092752896 |