Geri Dön

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

  1. Tez No: 899142
  2. Yazar: UMUTCAN TATAR
  3. Danışmanlar: DOÇ. DR. HARİKA SENEM KAHVECİ
  4. Tez Türü: Yüksek Lisans
  5. Konular: Havacılık ve Uzay Mühendisliği, Aeronautical Engineering
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2024
  8. Dil: İngilizce
  9. Üniversite: Orta Doğu Teknik Üniversitesi
  10. Enstitü: Fen Bilimleri Enstitüsü
  11. Ana Bilim Dalı: Havacılık ve Uzay Mühendisliği Ana Bilim Dalı
  12. Bilim Dalı: Belirtilmemiş.
  13. Sayfa Sayısı: 92

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

  1. Tez No

    638685

    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

    İngilizce

    2020

    Bilim ve Teknolojiİstanbul Teknik Üniversitesi

    Uçak ve Uzay Mühendisliği Ana Bilim Dalı

    PROF. DR. MAHMUT ADİL YÜKSELEN

    PROF. DR. GÖKHAN İNALHAN

  2. Tez No

    863467

    Kanat çırpma hareketi bulunan dinamik sistemlerin stabilizasyonu

    Stabilization of dynamic systems with wing flapping motion

    MUSTAFA KAAN ATİK

    Yüksek Lisans

    Türkçe

    Türkçe

    2024

    Mekatronik Mühendisliğiİstanbul Teknik Üniversitesi

    Mekatronik Mühendisliği Ana Bilim Dalı

    PROF. DR. ATA MUĞAN

  3. Tez No

    489486

    Conceptual design of a stealth unmanned combat aerial vehicle with multidisciplinary design optimization

    Çok disiplinli tasarım optimizasyonu ile düşük radar izine sahip muharip iha konsept tasarımı

    UĞUR ÇAKIN

    Yüksek Lisans

    İngilizce

    İngilizce

    2018

    Havacılık MühendisliğiOrta Doğu Teknik Üniversitesi

    Havacılık ve Uzay Mühendisliği Ana Bilim Dalı

    PROF. DR. HÜSEYİN NAFİZ ALEMDAROĞLU

  4. Tez No

    355306

    Effects of morphing on aeroelastic behavior of unmanned aerial vehicle wings

    Şekil değiştirebilmenin insansız hava aracı kanatlarının aeroelastik davranışına etkileri

    LEVENT ÜNLÜSOY

    Doktora

    İngilizce

    İngilizce

    2014

    Havacılık MühendisliğiOrta Doğu Teknik Üniversitesi

    Uzay Mühendisliği Ana Bilim Dalı

    PROF. DR. YAVUZ YAMAN

  5. Tez No

    393036

    Modeling, identification and simulation of a quadrotor using real-time flight data

    Bir dört rotorlu hava aracının gerçek zamanlı uçuş verisi ile modellemesi, tanılaması ve simülasyonu

    ATAKAN SARIOĞLU

    Yüksek Lisans

    İngilizce

    İngilizce

    2015

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik Üniversitesi

    Makine Mühendisliği Ana Bilim Dalı

    YRD. DOÇ. DR. AYHAN KURAL

Geri Dön