Projekt 6 – Optymalizacja płata Algorytm optymalizacji obrysu
Transkrypt
Projekt 6 – Optymalizacja płata Algorytm optymalizacji obrysu
Wydział Mechaniczny Energetyki i Lotnictwa Politechniki Warszawskiej - Zakład Samolotów i Śmigłowców Projekt 6 – Optymalizacja płata Projekt polega na optymalizacji obrysu płata wyznaczonego wstępnie w drugim projekcie. Procedura optymalizacyjna jest uproszczona do dwóch zmiennych decyzyjnych. Niniejsze opracowanie pokazuje sposób optymalizacji ze względu na opór w warunkach przelotowych i zakłada, Ŝe zmiennymi decyzyjnymi są: rozpiętość płata i jego średnia cięciwa geometryczna. Przedstawiony algorytm moŜna zmodyfikować, jeŜeli zachodzi potrzeba, np. kiedy któryś z wymienionych parametrów jest ustalony z innych powodów. NaleŜy wówczas wybrać inny parametr definiujący obrys płata lub wybrać inną funkcję celu. Algorytm optymalizacji obrysu ZałoŜenie: optymalizacji podlega obrys płata, którego parametrami (zmiennymi decyzyjnymi) są rozpiętość (b) oraz średnia cięciwa geometryczna (cg). Wektor zamiennych decyzyjnych będzie zatem miał postać: v = [v0, v1] = [b, cg] Opór całkowity moŜemy zdefiniować następująco: C z2 (v) ρV 2 D(v) = c S (v)(C x 0 + ) πΛ (v)e(v) 2 gdzie: S (v) = bc g = v0 v1 - powierzchnia nośna b2 - wydłuŜenie geometryczne S (v ) e(v) = 4.61(1 − 0.045Λ0.68 (v)) cos 0.15 (ϕ LE ) − 3.1 - współczynnik Oswalda (wg [1]) Vc – prędkość przelotowa 2 m( v ) g C Z (v ) = - współczynnik siły nośnej przy prędkości przelotowej ρS (v)Vc2 Cx0 – współczynnik oporu minimalnego samolotu ρ - gęstość powietrza m(v) = mbp + m p (v) - masa samolotu Λ (v ) = m p (v) = 4.936 ⋅ S (v)Λ0.3 (v) - masa płata nośnego mbp – masa samolotu (do przelotu) bez płata nośnego ponadto definiujemy: 2 m( v ) g CZ ,Vmin (v) = - współczynnik siły nośnej (przy prędkości minimalnej Vmin) 2 ρS (v)Vmin CZ,max – maksymalny współczynnik siły nośnej. Do minimalizacji siły oporu uŜyjemy metody kary (penalty method). Funkcja celu przybierze wtedy postać: F (v ) = D ( v ) + K (v ) gdzie funkcję kary zdefiniujemy następująco: Tomasz Grabowski – Optymalizacja w projektowaniu ... : Optymalizacja płata 1/4 Wydział Mechaniczny Energetyki i Lotnictwa Politechniki Warszawskiej - Zakład Samolotów i Śmigłowców 1 1 K (v ) = − CZ ,max − CZ (v) CZ ,max − CZ ,Vmin (v) 2 Przebieg obliczeń Obliczenia zaczynamy od przyjęcia wartości początkowych zmiennych decyzyjnych, w prezentowanym przykładzie rozpiętości płata i średniej cięciwy geometrycznej. Wartości te przyjmujemy w oparciu o dane geometryczne załoŜone w projekcie drugim. WyraŜenie na masę płata naleŜy przyjąć zgodnie z zaleŜnością przyjętą w projekcie drugim do analizy masowej samolotu. Niech wektor zmiennych decyzyjnych przyjmie postać: X 0 = [b0 , cg , 0 ] gdzie: b0 , cg ,0 - wartości początkowe rozpiętości i cięciwy Dokonujemy N obliczeń iteracyjnych wg zaleŜności: * X q = X q −1 + α q S q gdzie: S q - wektor poszukiwań, moŜemy wyznaczyć z zaleŜności: S q = − ∇ F ( X q −1 ) ∇ F (X) - gradient funkcji celu: ∂ F ( X ) / ∂ X 0 ∇F(X )= ∂ F ( X) / ∂ X 1 α q * - odległość w kierunku wektora S którą zamierzamy przebyć w q-tej iteracji – moŜna przyjąć wstępnie jako wektor jednostkowy Pochodne cząstkowe funkcji celu moŜna obliczyć numerycznie wg definicji ilorazu róŜnicowego, tzn.: F ( X + ∆x) − F ( X − ∆x) ∂ F (X ) / ∂ x ≅ 2∆x Obliczenia kończymy, gdy szukane wartości przestają się znacząco zmieniać w kolejnych iteracjach. Końcowym efektem pracy powinny być zoptymalizowane wartości zmiennych decyzyjnych. NaleŜy równieŜ wykonać wykres funkcji celu w funkcji zmiennych decyzyjnych – w analizowanym przykładzie opór w funkcji rozpiętości i cięciwy oraz wykres wielkości stanowiącej więzy (w przykładzie maksymalny współczynnik siły nośnej równy 2.5). Przykłady wykresów są zamieszczone poniŜej. Tomasz Grabowski – Optymalizacja w projektowaniu ... : Optymalizacja płata 2/4 Wydział Mechaniczny Energetyki i Lotnictwa Politechniki Warszawskiej - Zakład Samolotów i Śmigłowców Funkcja celu 5 1000 5000 5000 6000 7000 9000 8000 4 1 10 1.1 10 2000 3000 4000 4 4000 4 8000 6000 5000 cięciwa 3 9000 7000 4000 1000 2000 4000 3000 3000 5000 4000 4000 3000 3000 2 2000 2000 1000 1000 1000 2000 1 5 10 M 15 rozpiętość płata Rys.1 – Opór w funkcji rozpiętość i cięciwy Cz 5 2.517 1.258 2.517 1.258 3.775 3.775 4 5.034 1.258 6.292 cięciwa 2.517 7.551 3 1.258 2.517 3.775 5.034 3.775 6.292 2.517 5.034 10.068 8.809 2 11.326 12.585 8.809 7.551 10.068 11.326 5.034 1.258 2.517 3.775 5.034 6.292 1.258 2.517 3.775 3.775 1.258 2.517 1 5 P 10 15 rozpiętość płata Rys.2 – Współczynnik siły nośnej przy prędkości minimalnej w funkcji rozpiętość i cięciwy Tomasz Grabowski – Optymalizacja w projektowaniu ... : Optymalizacja płata 3/4 Wydział Mechaniczny Energetyki i Lotnictwa Politechniki Warszawskiej - Zakład Samolotów i Śmigłowców Uwagi końcowe: 1. Metoda kary nie jest metodą niezawodną. Otrzymane wyniki mogą zaleŜeć silnie od przyjętego punktu startowego. Ponadto istnieje moŜliwość przekroczenia wartości granicznej więzów. NaleŜy zatem sprawdzić czy takie przekroczenie nie nastąpiło (proces jest wtedy rozbieŜny lub zbiega się poza więzami) i skorygować punkt startowy, względnie przekonstruować funkcję kary, tak aby iteracja była zbieŜna i prowadziła do sensownych wyników. 2. Funkcja celu, przyjęta zaleŜność na masę płata, funkcja kary mogą być przyjęte inaczej niŜ w omówionym przykładzie. NaleŜy dokonać stosownych zmian, jeŜeli prezentowany przykład nie odpowiada wymaganiom projektowanego samolotu. Szczegółowe omówienie kaŜdego przypadku wymaga konsultacji z prowadzącym zajęcia. Literatura: 1. 2. Daniel P. Raymer: Aircraft Design, A conceptual Approach, AIAA 2004 Garret N. Vanderplaats: Numerical Optimization Techniqes for Engineering Design, McGraw-Hill, 1984 Tomasz Grabowski – Optymalizacja w projektowaniu ... : Optymalizacja płata 4/4