Yapay sinir ağları tabanlı kanat optimizasyonu
Artifical neural network based wing optimization
- Tez No: 679546
- Danışmanlar: DOÇ. DR. TOLGA PIRASACI
- Tez Türü: Yüksek Lisans
- Konular: Havacılık Mühendisliği, Aeronautical Engineering
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2021
- Dil: Türkçe
- Üniversite: Gazi Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Makine Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 132
Özet
Modern hava aracı tasarımı gittikçe artan oranda çevresel ve operasyonel kısıtlamalar tarafından yönlendirilmektedir. Bunun sebebi küresel ısınma nedeniyle ekolojik konuların artan etkisidir. Bu sebeple hava trafiğinin daha yeşil hale getirilmesi için düzenlemeler ve endüstriyel tedbirler alınmıştır. Hava aracı tasarımı açısından koyulan bu kısıtlamalar ve çevresel hedefler aerodinamik verimliliğin artırılması ile gerçekleştirilebilir. Bu çalışmanın amacı kanat alanı ve açıklığı sabit tutularak kanat tasarımında kullanılan ok açısı, sivrilme oranı, bükülme açısı ve kanat geliş açısı parametrelerinin optimum değerlerini bularak aerodinamik verimliliği maksimize etmektir. Tez çalışması kapsamında bükülme açısından 4 adet, diğer tasarım parametrelerden 1'er adet kullanılarak toplam 7 parametreli bir optimizasyon çalışması gerçekleştirilmiştir. Kanadın optimum değerlerinin geleneksel optimizasyon yöntemleri olan gradyan temelli ve evrimsel algoritma yöntemleri ile bulunmasının zaman maliyeti oldukça yüksektir. Bu sebeple tez çalışması kapsamında yapay sinir ağları tabanlı bir vekil model geliştirilmiştir. Vekil modeli oluşturabilmek için toplam 82 adet hesaplamalı akışkanları dinamiği analizinin yapılması gerektiğine deney tasarımı yöntemlerinden biri olan Box - Behnken tasarımı kullanılarak belirlenmiştir. Veri setini oluşturmak için gerekli olan hesaplamalı akışkanlar dinamiği (HAD) analizleri ANSYS Fluent programında Reynolds Ortalamalı Navier Stokes (RANS) denklemleri çözülerek gerçekleştirilmiştir. Oluşturulan veri seti ileri beslemeli yapay sinir ağı kullanılarak uygun şekilde eğitilmiş ve vekil model oluşturulmuştur. Oluşturulan vekil model aracılığıyla yapılan 2 farklı optimizasyon çalışması gerçekleştirilmiştir. Bunlardan ilki olan optimum kanadın kaldırma kuvveti katsayısının, temel tasarımın kaldırma kuvveti katsayısının altına düşebildiği durumda aerodinamik verimlilikte %10,7397 oranında artış sağlanmıştır. 2. optimizasyon durumunda ise optimum kanadın kaldırma kuvveti katsayısı, temel tasarımın kaldırma kuvveti katsayısı ile sınırlandırılmış ve bu durumda aerodinamik verimlilikte %10,65 artış sağlanmıştır. Elde edilen optimum sonuçlarda 1. ve 2. optimizasyon durumlarında yapay sinir ağı ile HAD analizleri arasında aerodinamik verimlilikteki hata sırasıyla %1,5271 ve %0,4427 olarak elde edilmiştir. Bu durum vekil modelin kabul edilebilir bir doğrulukta tahmin yapabildiğini göstermektedir. Son olarak 1. ve 2. optimizasyon durumlarında, aerodinamik verimliliklerdeki bu artışlar gerekli itki değerinde sırasıyla %10,739 ve %10,6489 azalma sağlayacağı için hava aracının yakıt tüketimi azalacaktır.
Özet (Çeviri)
The modern aircraft design is increasingly driven by environmental and operational restrictions. The reason for this is the increasing impact of ecological issues due to global warming. For this reason, regulations and industrial measures were taken to make air traffic greener. These restrictions and environmental targets are performed in terms of aircraft design can be achieved by increasing aerodynamic efficiency. The aim of this study is to maximize aerodynamic efficiency by finding optimal values of sweep angle, taper rate, twist angle and wing incidence angle parameters used in wing design by keeping wing area and span constant. Within the scope of the thesis, a total of 7-parameter optimization study was carried out using 4 pieces twist angle and 1 each of the other design parameters. The time cost of finding optimal wing values using gradient-based and evolutionary algorithm methods, which are traditional optimization methods, is quite high. For this reason, an artificial neural network-based approximation model has been developed. A total of 82 Computational Fluid Dynamics analyses must be performed in order to create a surrogate model using Box - Behnken design, one of the experimental design methods. Computational fluid dynamics (CFD) analyzes required to create the data set were performed by solving Reynolds Averaged Navier Stokes (RANS) equations in ANSYS Fluent. The created data set was properly trained using a feed forward neural network and a surrogate model was created. 2 different optimization studies were carried out using the surrogate model created. In the case where the first of these, the lift coefficient of the optimum wing, can fall below the lift coefficient of the baseline design, an increase of 10,7397% in aerodynamic efficiency is achieved. In the second optimization case, the lift coefficient of the optimum wing is limited to the lift coefficient of the baseline design, and in this case, an increase in aerodynamic efficiency 10,65% is achieved. In the optimum results, the error in aerodynamic efficiency between the artificial neural network and CFD analysis in the 1st and 2nd optimization cases was obtained as 1,5271% and 0,4427%, respectively. This situation shows that the surrogate model can make predictions with acceptable accuracy. Finally, in the 1st and 2nd optimization cases, the fuel consumption of the aircraft will decrease as these increases in aerodynamic efficiencies will provide a 10,739% and 10,6489% reduction in the required thrust, respectively.
Benzer Tezler
- A multi-fidelity prediction framework with convolutional neural networks using high-dimensional data
Yüksek boyutlu veriler ile çok-doğruluklu evrişimsel sinir ağı tabanlı kestirim
HÜSEYİN EMRE TEKASLAN
Yüksek Lisans
İngilizce
2022
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiUçak ve Uzay Mühendisliği Ana Bilim Dalı
PROF. DR. MELİKE NİKBAY
- Çok girişli çok çıkışlı dikgen frekans bölmeli çoğullama sistemlerinde yapay zeka teknikleri ile kanal kestirimi
Channel estimation in multiple input multiple output orthogonal frequency division multiplexing systems by artificial techniques
MUHAMMET NURİ SEYMAN
Doktora
Türkçe
2011
Elektrik ve Elektronik MühendisliğiErciyes ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
PROF. DR. NECMİ TAŞPINAR
- Optimizasyon tabanlı tork konvertör hidrodinamik tasarımı
Optimization based torque converter hydrodynamic design
MEHMET CAN DURUKAN
Yüksek Lisans
Türkçe
2024
Makine Mühendisliğiİstanbul Teknik ÜniversitesiMakine Mühendisliği Ana Bilim Dalı
DOÇ. DR. LEVENT ALİ KAVURMACIOĞLU
- Güç sistemlerindeki durum tahmininin karga arama algoritması ile incelenmesi
Investigation of state estimation in power systems using crow search algorithm
CENK ANDİÇ
Doktora
Türkçe
2024
Elektrik ve Elektronik MühendisliğiDüzce ÜniversitesiElektrik ve Elektronik Mühendisliği Ana Bilim Dalı
PROF. DR. ALİ ÖZTÜRK
- Emotion aware artificial intelligence for cognitive systems
Bilişsel sistemler için duygu farkındalıklı yapay zeka
DEĞER AYATA
Doktora
İngilizce
2019
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DOÇ. DR. YUSUF YASLAN
PROF. DR. MUSTAFA ERSEL KAMAŞAK