Aerodynamic predictions for unmanned aerial vehicle formation flight using vortex lattice method and machine learning
İnsansız hava aracı formasyon uçuşunun girdap kafes yöntemi ve makine öğrenmesi ile aerodinamik kestirimleri
- Tez No: 899142
- Danışmanlar: DOÇ. DR. HARİKA SENEM KAHVECİ
- Tez Türü: Yüksek Lisans
- Konular: Havacılık ve Uzay Mühendisliği, Aeronautical Engineering
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2024
- Dil: İngilizce
- Üniversite: Orta Doğu Teknik Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Havacılık ve Uzay Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: Belirtilmemiş.
Özet
İnsansız Hava Araçlarının (İHA'ların) yakın formasyon uçuşu, İHA seferlerinde verimlilik ve kapasite artırımı konusunda önemli fırsatlar sunmaktadır. Ancak, Hesaplamalı Akışkanlar Dinamiği'nin (HAD'ın) zorlukları ve uzun sürmesi çoğu zaman tasarım sürecine kısıtlamalar getirmektedir. Buna karşılık, sıkıştırılamaz potansiyel akış temelli Girdap Kafes Yöntemi (GKY) daha verimli bir seçenek olarak kullanılabilir. Bu tezde, formasyon uçuşundaki İHA'ların aerodinamik performansını tahmin etmek için GKY ve makine öğrenmesini birleştiren bir metot gösterilmektedir. GKY kodu, aerodinamik katsayıları ve optimal noktayı, İHA'ların birbirlerine göre üç boyutlu konumlarına bağlı olarak farklı hücüm açıları ve kanat süpürme açıları için hesaplamaktadır. Sonuçlar, bu parametreler arasındaki karmaşık ilişkileri kavrayabilmek için bir Yapay Sinir Ağı (YSA) ve bir Evrişimsel Sinir Ağı (ESA) modelini eğitmek için kullanılmıştır. ESA, konumsal bilgiyi etkin biçimde yakalamaya ve tüm etki alanındaki geometrik değişiklikleri tanımlayarak süpürme açısı gibi kanat parametrelerini modellemeye yardımcı olan İşaretli Uzaklık Fonksiyonu (İUF) görüntülerini işler. GKY kestirimleriyle karşılaştırıldığında, bu sinir ağı modellerinin genel aerodinamik eğilimleri yakalayabildiğinin gözlemlenmesi, bu modellerin, yakın formasyon uçuşlarının aerodinamik performansının hızlı ve elverişli değerlendirmeleri için kullanılabileceğini göstermektedir.
Özet (Çeviri)
Close formation flights of Unmanned Aerial Vehicles (UAVs) offer significant potential for enhancing efficiency and capabilities of UAV missions. However, the complexity and long durations of Computational Fluid Dynamics (CFD) often bring limitations to the design process. To adress this, the Vortex Lattice Method (VLM) based on incompressible potential flow can be utilized as a more efficient alternative. In this thesis, a method that combines the VLM and machine learning is demonstrated for estimating the aerodynamic performance of UAVs in formation. The VLM code calculates the aerodynamic coefficients and optimum point based on the relative three-dimensional positions of UAVs for different angles of attack and sweep angles of their wings. Results are used to train an Artificial Neural Network (ANN) and a Convolutional Neural Network (CNN) model in order to grasp the intricate relationships between these parameters. The CNN process Signed Distance Function (SDF) images, which helps to effectively capture positional information and model wing parameters such as sweep angle by recognizing the geometric changes across the entire domain. When compared to the VLM predictions, these neural network models are observed to be capable of capturing general aerodynamic trends, which demonstrates that they can be used for quick and satisfactory assessments of aerodynamic performance of close formation flight.
Benzer Tezler
- Development of an object-oriented design, analysis and simulation software for a generic air vehicle
Jenerik hava araçları için nesne yönelimli tasarım, analiz ve benzetim yazılımı geliştirme
MURAT ŞENİPEK
Yüksek Lisans
İngilizce
2017
Havacılık ve Uzay MühendisliğiOrta Doğu Teknik ÜniversitesiHavacılık ve Uzay Mühendisliği Ana Bilim Dalı
YRD. DOÇ. DR. ALİ TÜRKER KUTAY
- Selection of 2D airfoil during aircraft conceptual design phase with machine learning
Hava aracının kavramsal tasarımı aşamasında iki boyutlu kanat profilinin makine öğrenmesi ile seçilmesi
GÜLÜZAR DURMAZ
Yüksek Lisans
İngilizce
2023
Havacılık ve Uzay MühendisliğiKocaeli ÜniversitesiHavacılık Bilimi ve Teknolojileri Ana Bilim Dalı
DR. ÖĞR. ÜYESİ RAMAZAN DUVAR
DR. ÖĞR. ÜYESİ BELKIS ERZİNCANLI
- A new nonlinear lifting line method for configuration aerodynamics and deep learning based aerodynamic surrogate models
Konfigürasyon aerodinamiği analizi ve derin öğrenme bazlı aerodinamik dijital model oluşturmak için yeni bir doğrusal olmayan taşıyıcı çizgi metodu
HASAN KARALİ
Yüksek Lisans
İngilizce
2020
Havacılık ve Uzay Mühendisliğiİstanbul Teknik ÜniversitesiUçak ve Uzay Mühendisliği Ana Bilim Dalı
PROF. DR. MAHMUT ADİL YÜKSELEN
PROF. DR. GÖKHAN İNALHAN
- Experimental and numerical investigation of low reynolds number aerodynamic phenomena on a representative UAV configuration
Temsili bir iha konfigürasyonu üzerindeki düşük reynolds sayılı aerodinamik olguların deneysel ve sayısal olarak incelenmesi
YUSUF GÜNDAY
Yüksek Lisans
İngilizce
2026
Havacılık ve Uzay MühendisliğiOrta Doğu Teknik ÜniversitesiHavacılık ve Uzay Mühendisliği Ana Bilim Dalı
PROF. DR. SERKAN ÖZGEN
- Effects of morphing on aeroelastic behavior of unmanned aerial vehicle wings
Şekil değiştirebilmenin insansız hava aracı kanatlarının aeroelastik davranışına etkileri
LEVENT ÜNLÜSOY
Doktora
İngilizce
2014
Havacılık ve Uzay MühendisliğiOrta Doğu Teknik ÜniversitesiUzay Mühendisliği Ana Bilim Dalı
PROF. DR. YAVUZ YAMAN