A high-fidelity non-intrusive reduced-order model for the static aeroelastic behavior of lifting surfaces
Kanat yüzeylerinin statik aeroelastik davranışı için yüksek doğruluklu indirgenmiş model
- Tez No: 947611
- Danışmanlar: PROF. DR. ALTAN KAYRAN
- Tez Türü: Doktora
- Konular: Havacılık ve Uzay Mühendisliği, Aeronautical Engineering
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2025
- Dil: İngilizce
- Üniversite: Orta Doğu Teknik Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Fen Bilimleri Ana Bilim Dalı
- Bilim Dalı: Havacılık ve Uzay Mühendisliği Bilim Dalı
- Sayfa Sayısı: 182
Özet
Bu çalışma, üç boyutlu geriye eğik bir kanadın statik aeroelastik davranışını analiz etmek için verimli, düşük maliyetli indirgenmiş bir model önermektedir. Bu çalışma, kanat elastikiyetinin model verimliliği üzerindeki etkisini vurgulamaktadır. Kullanılan ana yöntem, Uyumlu Ortogonal Ayrışım (UOA) ile Radyal Tabanlı Fonksiyonlar (RBF) interpolasyonunun birleşimi ile oluşturulmuş indirgenmiş modeldir. Sonuçlar, basınç katsayısı (Cp) çıktı olarak alındığında, indirgenmiş modellemenin aeroelastik kanat için daha etkili olduğunu göstermektedir. Bu iyileşme, aeroelastik kanattaki eğilme-bükülme birleşiminin bir sonucu olarak, etkili hücum açısını düşürmesi ve akış ayrılmasını geciktirmesiyle açıklanmıştır. Esnek kanatlar için yapılan analizler, rijit düğüm noktalarının Cp dağılımlarını doğru bir şekilde göstermek için yeterli olmadığını göstermektedir; bu nedenle, düğüm noktalarının deforme olmuş konumları için ayrı modeller oluşturulmalıdır. Oluşturulan bu modeller, kanat sapmasını da doğru bir şekilde tahmin etmeyi mümkün kılar. Bu çalışmada ayrıca, RBF yöntemi, veri setinin doğrudan interpolasyonu ile ikame modelleri oluşturmak için uygulanmıştır. UOA-RBF indirgenmiş modeli ile RBF ikame modelinin doğruluğu, hesaplama maliyeti ve pratikliği karşılaştırılmıştır. Bu çalışmada ek olarak, Cp değerlerini tahmin etmek için Yapay Sinir Ağları (YSA) kullanımı incelenmiştir; hem UOA ile indirgenmiş bir model geliştirme hem de bağımsız bir ikame model olarak uygulanmıştır. Sonuçlar, UOA-YSA tabanlı indirgenmiş modelin, YSA tabanlı ikame modeline göre tahmin doğruluğu ve hesaplama verimliliği açısından daha iyi performans gösterdiğini ortaya koymuştur. Sonuç olarak, bu çalışmada önerilen yöntemler, yüksek doğruluk ve verimlilik sağlayarak yüksek-fidelite analizlerine kıyasla önemli hesaplama tasarrufları sunmakta ve gelecekteki aeroelastik modelleme çalışmaları için değerli bir alternatif oluşturmaktadır.
Özet (Çeviri)
This study proposes an efficient, low-cost reduced-order method for analyzing the static aeroelastic behavior of a three-dimensional sweptback wing, focusing on the impact of wing elasticity on model efficiency. The primary method used is Proper Orthogonal Decomposition (POD) coupled with Radial Basis Function (RBF) interpolation. The results reveal that reduced-order modeling (ROM) is more effective for the aeroelastic wing, particularly when the pressure coefficient (Cp) is the output. This improvement is attributed to the bending-torsion coupling in the aeroelastic wing, which reduces the effective angle of attack and delays flow separation. For flexible wings, the study further shows that rigid node assumption is insufficient for accurately capturing Cp distributions; hence, separate ROMs must be generated for the deformed positions of the nodes. These node-specific ROMs also enable accurate predictions of the wing deflection. Additionally, the RBF method is applied to generate surrogate models by direct interpolation of the data ensemble. The accuracy, computational cost, and practicality of the POD-RBF coupled ROM and the RBF surrogate model are compared. The study also explores the use of Artificial Neural Networks (ANN) to predict Cp values, both in combination with POD to develop a reduced-order model and independently as a surrogate model. The findings show that the POD-ANN based ROM outperforms the ANN surrogate model in terms of predictive accuracy and computational efficiency. In conclusion, the methods proposed in this study provide a highly efficient and accurate alternative to high-fidelity analyses, offering substantial computational savings and making them valuable for future aeroelastic modeling.
Benzer Tezler
- Reduced-order modelling of shallow water equations
Sığ sularda dalga denklemleri için model indirgeme yöntemleri
SÜLEYMAN YILDIZ
Doktora
İngilizce
2021
Fizik ve Fizik MühendisliğiOrta Doğu Teknik ÜniversitesiBilimsel Hesaplama Ana Bilim Dalı
PROF. DR. BÜLENT KARASÖZEN
- İki kanallı EKG monitörü
Two channels ECG monitor
SERVET MOLAK
Yüksek Lisans
Türkçe
1991
Elektrik ve Elektronik Mühendisliğiİstanbul Teknik ÜniversitesiPROF.DR. ERTUĞRUL YAZGAN
- Makine öğrenmesi yöntemleri kullanılarak üç boyutlu nokta bulutlarının sınıflandırılması
Classification of three-dimensional point cloud via machine learning methods
KORAY AKSU
Yüksek Lisans
Türkçe
2023
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiGeomatik Mühendisliği Ana Bilim Dalı
PROF. DR. HANDE DEMİREL
- Reinforcement learning for automatic ground collision avoidance system of fighter jets: sequential maneuver primitive approach
Savaş jetlerinin otomatik yer çarpışmasından kaçınma sistemi için pekiştirmeli öğrenme: sıralı manevra primitif yaklaşımı
FATİH EROL
Yüksek Lisans
İngilizce
2025
Havacılık ve Uzay Mühendisliğiİstanbul Teknik ÜniversitesiUçak ve Uzay Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ HAYRİ ACAR
- GPU based infrared signature modeling and scene simulation
GPU tabanlı kızılötesi iz modelleme ve sahne benzetimi
ÇAĞLAR KAVAK
Yüksek Lisans
İngilizce
2014
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolOrta Doğu Teknik ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
PROF. DR. GÖZDE AKAR
YRD. DOÇ. DR. AHMET OĞUZ AKYÜZ