Rapid lift and drag prediction tool with multi-layer perceptron model for supercritical airfoils
Çok katmanlı algılayıcı ile eğitilmiş süperkritik kanatlar için hızlı tasarım aracı
- Tez No: 776359
- Danışmanlar: DR. ÖĞR. ÜYESİ ÖZGÜR UĞRAŞ BARAN, DOÇ. DR. HANDE ALEMDAR
- Tez Türü: Yüksek Lisans
- Konular: Havacılık ve Uzay Mühendisliği, Aeronautical Engineering
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2023
- Dil: İngilizce
- Üniversite: Orta Doğu Teknik Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Makine Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 92
Özet
Uçak tasarımının ilk aşamalarında, kanat ve kuyruk gibi parçaların şeklini seçmek zaman alıcı olabilir. Tipik olarak, ön tasarım aşamasının süresini azaltmak için bu aşamalarda aerodinamik katsayıların hızlı tahminlerini sağlayabilen araçlar kullanılır. Ancak mevcut araçlar ve araştırmalar, transonik ve tamamen türbülanslı akışlarda doğru ve güvenilir çözümler sağlayamaz. Makine öğrenimi metodolojileri kullanılarak sürükleme, kaldırma, maksimum kaldırma ve ıraksama Mach sayısı gibi aerodinamik katsayıları sağlamak için yeni bir araç geliştirildi. Bu araç, Sınıf Şekil Fonksiyon Dönüşümüne dayalı olarak kanat kesit şekli için güvenilir bir şekil tanımlayıcısından oluşur. Daha sonra, yüksek doğruluklu CFD çözüm veritabanı ve kanat şekli dönüşümleri kullanılarak bir Çok Katmanlı Perceptron makine öğrenimi yöntemi geliştirildi. Ardından, transonik ve türbülanslı akış rejiminde tutarlı ve doğru bir şekilde yeni kanat kesit şekilleri ve aerodinamik veriler üretildi. Sonunda, bu aracı kullanarak R^2 puanı 0,9935 olan bir çözüm doğruluğu elde ettik. Öngörülen aerodinamik katsayılar, sürükleme katsayısı, kaldırma katsayısı ve ıraksama Mach sayısıdır. Araç, saniyeler içinde 27000 vaka sunabilir ve -2° ila 8° hücum açısı aralığında çözümler sunabilir.
Özet (Çeviri)
In the early stages of aircraft design, selecting the shape of parts such as wings and tails can be time-consuming. Typically, tools that can provide rapid predictions of aerodynamic coefficients are used in these stages to reduce the duration of the preliminary design phase. However, available tools and research cannot provide accurate and reliable solutions in transonic and fully turbulent flows. A new tool is developed to provide aerodynamic properties such as drag, lift, maximum lift, and drag divergence Mach number by utilizing machine learning methodologies. The tool consist of a reliable shape descriptor for airfoil shape based on Class Shape Function Transformation. Then a Multilayer Perceptron machine learning method is developed using high-accuracy CFD solution database and airfoil shape descriptions. Then, new airfoil shapes and aerodynamic data is produced consistently and accurately in the transonic and turbulent flow regime. In the end, we have achieved a solution accuracy with an R2 score of 0.9935 for validation set lift coefficient using the new tool. Predicted aerodynamic coefficients are drag coefficient, lift coefficient and drag divergence Mach number. The tool provides solutions for 27000 cases within seconds or angle of attack range of -2° to 8°.
Benzer Tezler
- Computational analysis of external store carriage in transonic speed regime
Harici yük taşımanın transonik sürat bölgesinde hesaplamalı analizi
İ. CENKER ASLAN
Yüksek Lisans
İngilizce
2003
Havacılık Mühendisliğiİstanbul Teknik ÜniversitesiUçak Mühendisliği Ana Bilim Dalı
DOÇ. DR. AYDIN MISIRLIOĞLU
PROF. DR. OKTAY BAYSAL
- Makine öğrenimi tabanlı kanat profili üzerindeki aerodinamik kuvvetlerin tahmini ve şekil optimizasyonu modelinin geliştirilmesi
Machine learning based prediction of aerodynamic forces on wing profile and development of shape optimization model
ABDULSAMET EKŞİ
Yüksek Lisans
Türkçe
2025
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Üniversitesi-CerrahpaşaBilgisayar Mühendisliği Ana Bilim Dalı
DOÇ. DR. SELÇUK SEVGEN
- Span morphing rotorcrafts: Performance analysis and mechanism selection
Döner kanatlarda değişken pal açıklığı: performans analizi ve mekanizma seçimi
ÖYKÜ ETÇİ
Yüksek Lisans
İngilizce
2025
Uçak Mühendisliğiİstanbul Teknik ÜniversitesiUçak ve Uzay Mühendisliği Ana Bilim Dalı
DOÇ. DR. ÖZGE ÖZDEMİR
- Yatay eksenli sualtı akıntı türbinlerinde kavitasyon olgusunun deneysel ve lineer olmayan sayısal yöntemler ile incelenmesi
Investigation of cavitation phenomenon in horizontal axis marine current turbine by experimental and nonlinear numerical methods
MEHMET SALİH KARAALİOĞLU
Doktora
Türkçe
2023
Gemi Mühendisliğiİstanbul Teknik ÜniversitesiGemi İnşaatı ve Gemi Makineleri Mühendisliği Ana Bilim Dalı
PROF. DR. ŞAKİR BAL
- Reinforcement-learning control of a hybrid airship using a high-fidelity digital twin
Yüksek doğruluklu dijital ikiz kullanarak bir hibrit hava gemisinin pekiştirmeli öğrenme ile denetimi
NIKOLAY LYAN
Yüksek Lisans
İngilizce
2025
Havacılık ve Uzay Mühendisliğiİstanbul Teknik ÜniversitesiUçak ve Uzay Mühendisliği Ana Bilim Dalı
YRD. DOÇ. DR. İSMAİL BAYEZİT