Otimização multiobjetivo de perfis aerodinâmicos utilizando algoritmo genético

In aviation, a search for more efficient aircraft has grown in the face of concerns from governments and the environment, forcing new aircraft designs to emit less and less CO2 into the atmosphere. All aerodynamic designs have a vital part in common, which is the airfoil. In this work, you can fi...

ver descrição completa

Na minha lista:
Detalhes bibliográficos
Autor principal: Carvalho, Prince Azsembergh Nogueira de
Outros Autores: Freire Júnior, Raimundo Carlos Silverio
Formato: Dissertação
Idioma:pt_BR
Publicado em: Brasil
Assuntos:
Otimização multiobjetivo
Perfis aerodinâmicos
Algoritmo genético
CNPQ::ENGENHARIAS::ENGENHARIA MECANICA
Endereço do item:https://repositorio.ufrn.br/jspui/handle/123456789/28512
Tags: Adicionar Tag
Sem tags, seja o primeiro a adicionar uma tag!
id ri-123456789-28512
record_format dspace
spelling ri-123456789-285122020-03-15T07:35:27Z Otimização multiobjetivo de perfis aerodinâmicos utilizando algoritmo genético Multiobjective optimization of aerodynamic profiles using genetic algorithm Carvalho, Prince Azsembergh Nogueira de Freire Júnior, Raimundo Carlos Silverio Bessa, Wallace Moreira Souza, Sandi Itamar Schafer de Reis, Rômulo Pierre Batista dos Otimização multiobjetivo Perfis aerodinâmicos Algoritmo genético CNPQ::ENGENHARIAS::ENGENHARIA MECANICA In aviation, a search for more efficient aircraft has grown in the face of concerns from governments and the environment, forcing new aircraft designs to emit less and less CO2 into the atmosphere. All aerodynamic designs have a vital part in common, which is the airfoil. In this work, you can find an optimal airfoil, with a multi-objective approach through a genetic algorithm in Matlab®, which uses XFOIL to obtain aerodynamic characteristics of users. In order to obtain a good diversification of the population, 300 airfoils were made available on the aerofoil data site. For XFOIL, the International Standard Atmosphere was adopted, number of refined from 5.00 to 5, number of males from 0.05, Ncrit from 9, maximum number of iterations from 100 and an attack control range from 0º to 18º. For the genetic algorithm, a probability of crossing of 90%, 5% for mutation was adopted. The optimum airfoils performed better than other optimization jobs, where they had improvements in the order of 32% of ௟ for flying wings, 67% of ௟ for empennage and better efficiencies of around 70% for wind turbines. The algorithm also used, airfoils with softer stall characteristics for wings and noise reduction for wind turbines. For future work, it is suggested to research a larger number of Reynolds, and other aerodynamic solvers, in addition to implementing an optimization by the inverse method, using an ideal pressure distribution. Coordenação de Aperfeiçoamento de Pessoal de Nível Superior (CAPES) Na aviação, a busca por aeronaves mais eficientes tem crescido em face da preocupação dos governos e organizações com o meio ambiente, forçando os novos projetos de aeronaves a emitirem cada vez menos CO2 na atmosfera. Todos os projetos aerodinâmicos têm em comum uma parte vital, que é o perfil. No presente trabalho buscou-se encontrar um perfil ótimo, com abordagem multiobjetivo através de um algoritmo genético no Matlab®, que utiliza o XFOIL para obter características aerodinâmicas dos perfis. A fim de obter boa diversificação da população foram inseridos na população inicial, 300 perfis disponíveis no Airfoil Data Site. Para o XFOIL, foi adotado a Atmosfera Padrão Internacional, número de reynolds de 5,00e5, número de mach de 0,05, Ncrit de 9, número máximo de iterações de 100 e uma faixa de ângulo de ataque de 0º a 18º. Para o algoritmo genético, foi adotada uma probabilidade de cruzamento de 90%, 5% para mutação. Os perfis ótimos tiveram um desempenho superior em relação a outros trabalhos de otimização, onde estes tiveram melhoria da ordem de 32% de ௟ para asas voadoras, 67% de ௟ para empenagens e melhores eficiências em cerca de 70% para turbinas eólicas. O algoritmo obteve também, perfis com características de estol mais suave para asas e redução de ruído para turbinas eólicas. Para trabalhos futuros, sugere-se investigar uma maior faixa de número de Reynolds, e outros solvers aerodinâmicos, além de implementar a otimização pelo método inverso, visando obter uma distribuição de pressão ideal. 2020-03-12T00:23:17Z 2020-03-12T00:23:17Z 2019-12-13 masterThesis CARVALHO, Prince Azsembergh Nogueira de. Otimização multiobjetivo de perfis aerodinâmicos utilizando algoritmo genético. 2019. 79f. Dissertação (Mestrado em Engenharia Mecânica) - Centro de Tecnologia, Universidade Federal do Rio Grande do Norte, Natal, 2019. https://repositorio.ufrn.br/jspui/handle/123456789/28512 pt_BR Acesso Aberto application/pdf Brasil UFRN PROGRAMA DE PÓS-GRADUAÇÃO EM ENGENHARIA MECÂNICA
institution Repositório Institucional
collection RI - UFRN
language pt_BR
topic Otimização multiobjetivo
Perfis aerodinâmicos
Algoritmo genético
CNPQ::ENGENHARIAS::ENGENHARIA MECANICA
spellingShingle Otimização multiobjetivo
Perfis aerodinâmicos
Algoritmo genético
CNPQ::ENGENHARIAS::ENGENHARIA MECANICA
Carvalho, Prince Azsembergh Nogueira de
Otimização multiobjetivo de perfis aerodinâmicos utilizando algoritmo genético
description In aviation, a search for more efficient aircraft has grown in the face of concerns from governments and the environment, forcing new aircraft designs to emit less and less CO2 into the atmosphere. All aerodynamic designs have a vital part in common, which is the airfoil. In this work, you can find an optimal airfoil, with a multi-objective approach through a genetic algorithm in Matlab®, which uses XFOIL to obtain aerodynamic characteristics of users. In order to obtain a good diversification of the population, 300 airfoils were made available on the aerofoil data site. For XFOIL, the International Standard Atmosphere was adopted, number of refined from 5.00 to 5, number of males from 0.05, Ncrit from 9, maximum number of iterations from 100 and an attack control range from 0º to 18º. For the genetic algorithm, a probability of crossing of 90%, 5% for mutation was adopted. The optimum airfoils performed better than other optimization jobs, where they had improvements in the order of 32% of ௟ for flying wings, 67% of ௟ for empennage and better efficiencies of around 70% for wind turbines. The algorithm also used, airfoils with softer stall characteristics for wings and noise reduction for wind turbines. For future work, it is suggested to research a larger number of Reynolds, and other aerodynamic solvers, in addition to implementing an optimization by the inverse method, using an ideal pressure distribution.
author2 Freire Júnior, Raimundo Carlos Silverio
author_facet Freire Júnior, Raimundo Carlos Silverio
Carvalho, Prince Azsembergh Nogueira de
format masterThesis
author Carvalho, Prince Azsembergh Nogueira de
author_sort Carvalho, Prince Azsembergh Nogueira de
title Otimização multiobjetivo de perfis aerodinâmicos utilizando algoritmo genético
title_short Otimização multiobjetivo de perfis aerodinâmicos utilizando algoritmo genético
title_full Otimização multiobjetivo de perfis aerodinâmicos utilizando algoritmo genético
title_fullStr Otimização multiobjetivo de perfis aerodinâmicos utilizando algoritmo genético
title_full_unstemmed Otimização multiobjetivo de perfis aerodinâmicos utilizando algoritmo genético
title_sort otimização multiobjetivo de perfis aerodinâmicos utilizando algoritmo genético
publisher Brasil
publishDate 2020
url https://repositorio.ufrn.br/jspui/handle/123456789/28512
work_keys_str_mv AT carvalhoprinceazsemberghnogueirade otimizacaomultiobjetivodeperfisaerodinamicosutilizandoalgoritmogenetico
AT carvalhoprinceazsemberghnogueirade multiobjectiveoptimizationofaerodynamicprofilesusinggeneticalgorithm
_version_ 1773965427086458880

Registros relacionados