Obtenção de distribuição de pressão em asas usando redes neurais

Detalhes bibliográficos
Ano de defesa: 2009
Autor(a) principal: Silva, André Luiz Fontes da
Orientador(a): Não Informado pela instituição
Banca de defesa: Não Informado pela instituição
Tipo de documento: Dissertação
Tipo de acesso: Acesso aberto
Idioma: por
Instituição de defesa: Biblioteca Digitais de Teses e Dissertações da USP
Programa de Pós-Graduação: Não Informado pela instituição
Departamento: Não Informado pela instituição
País: Não Informado pela instituição
Palavras-chave em Português:
CFD
Distribuição de pressão
Neural networks
Pressure distribution
Redes neurais
Link de acesso: http://www.teses.usp.br/teses/disponiveis/18/18148/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 Obtenção de distribuição de pressão em asas usando redes neuraisPrediction of pressure distribution on wings using neural networkCFDCFDDistribuição de pressãoNeural networksPressure distributionRedes neuraisEste 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.Biblioteca Digitais de Teses e Dissertações da USPCatalano, Fernando MartiniSilva, André Luiz Fontes da2009-11-20info:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesisapplication/pdfhttp://www.teses.usp.br/teses/disponiveis/18/18148/tde-13012011-124946/reponame:Biblioteca Digital de Teses e Dissertações da USPinstname:Universidade de São Paulo (USP)instacron:USPLiberar o conteúdo para acesso público.info:eu-repo/semantics/openAccesspor2016-07-28T16:10:26Zoai: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.none.fl_str_mv Obtenção de distribuição de pressão em asas usando redes neurais
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
Silva, André Luiz Fontes da
CFD
CFD
Distribuição de pressão
Neural networks
Pressure distribution
Redes neurais
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 Silva, André Luiz Fontes da
author_facet Silva, André Luiz Fontes da
author_role author
dc.contributor.none.fl_str_mv Catalano, Fernando Martini
dc.contributor.author.fl_str_mv Silva, André Luiz Fontes da
dc.subject.por.fl_str_mv CFD
CFD
Distribuição de pressão
Neural networks
Pressure distribution
Redes neurais
topic CFD
CFD
Distribuição de pressão
Neural networks
Pressure distribution
Redes neurais
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.none.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 http://www.teses.usp.br/teses/disponiveis/18/18148/tde-13012011-124946/
url http://www.teses.usp.br/teses/disponiveis/18/18148/tde-13012011-124946/
dc.language.iso.fl_str_mv por
language por
dc.relation.none.fl_str_mv
dc.rights.driver.fl_str_mv Liberar o conteúdo para acesso público.
info:eu-repo/semantics/openAccess
rights_invalid_str_mv Liberar o conteúdo para acesso público.
eu_rights_str_mv openAccess
dc.format.none.fl_str_mv application/pdf
dc.coverage.none.fl_str_mv
dc.publisher.none.fl_str_mv Biblioteca Digitais de Teses e Dissertações da USP
publisher.none.fl_str_mv Biblioteca Digitais de Teses e Dissertações da USP
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_ 1815258152154693632

Registros relacionados