Automation of conceptual design and modification of aircraft type unmanned aerial vehicles using multidisciplinary optimization and evolutionary algorithms. Part 1: Methods and models


Дәйексөз келтіру

Толық мәтін

Аннотация

This paper proposes a method for selecting rational parameters for large-size aircraft-type unmanned aerial vehicles at the initial design stages using an optimization algorithm of differential evolution and numerical mathematical modeling of aerodynamic problems. The method assumes implementation of weight and aerodynamic balance in the main flight modes, it can consider aircraft-type unmanned aerial vehicles with one or two lifting surfaces, applies parallel calculations, and automatically generates a three-dimensional geometric model of the aircraft appearance based on the optimization results. A method for accelerating by more than three times the process of solving the problem of optimizing aircraft takeoff weight parameters by introducing the target function into the set of design variables is proposed and demonstrated. The results of assessing the reliability of the mathematical models used for aerodynamics and the correct calculation of the target function are presented, taking into account various constraints. A comprehensive check of the operability and effectiveness of the method were considered by solving demonstration problems by optimizing more than ten main design parameters of the appearance of two existing heavy-class unmanned aerial vehicles with known characteristics from open sources. Examples of using the optimization results to modify prototypes are provided.

Авторлар туралы

V. Komarov

Samara National Research University

Хат алмасуға жауапты Автор.
Email: vkomarov@ssau.ru
ORCID iD: 0009-0007-9313-5754

Doctor of Science (Engineering), Professor, Director of Research and Education Center for Aircraft Structures

Ресей

O. Lukyanov

Samara National Research University

Email: lukyanov.oe@ssau.ru
ORCID iD: 0000-0003-3762-0249

Candidate of Science (Engineering), Associate Professor of the Department of Aircraft Construction and Design

Ресей

V. Hoang

Samara National Research University

Email: hunghoang2508@gmail.com
ORCID iD: 0009-0001-7714-0963

Postgraduate Student of the Department of Aircraft Construction and Design

Ресей

E. Kurkin

Samara National Research University

Email: kurkin.ei@ssau.ru
ORCID iD: 0000-0002-0893-9878

Candidate of Science (Engineering), Associate Professor of the Department of Aircraft Construction and Design

Ресей

J. QuijadaPioquinto

Samara National Research University

Email: hosekihada@yandex.ru
ORCID iD: 0000-0001-8225-1732

Postgraduate Student of the Department of Aircraft Construction and Design

Ресей

Әдебиет тізімі

  1. Proektirovanie samoletov / pod red. M.A. Pogosyana [Aircraft design / ed. by M.A. Pogosyan]. Moscow: Innovatsionnoe Mashinostroenie Publ., 2018. 864 p.
  2. Raymer D. Aircraft design: A conceptual approach. American Institute of Aeronautics and Astronautics, 2018. 1062 p. doi: 10.2514/4.104909
  3. Torenbeek E. Advanced aircraft design: Conceptual design, analysis and optimization of subsonic civil airplanes. Hoboken, New Jersey: John Wiley & Sons, 2013. 436 p.
  4. Sheynin V.M., Kozlovskiy V.I. Vesovoe proektirovanie i effektivnost' passazhirskikh samoletov. T. 1. Vesovoy raschet samoleta i vesovoe planirovanie [Weight design and efficiency of passenger aircraft.V. 1]. Moscow: Mashinostroenie Publ., 1977. 343 p.
  5. Komarov V.A., Borgest N.M., Vislov I.P., Vlasov N.V., Kozlov D.M., Korol'kov O.N., Maynskov V.N. Kontseptual'noe proektirovanie samoleta [Aircraft conceptual design]. Samara: Samara State Aerospace University Publ., 2013. 120 p.
  6. Komarov V.A. Concurrent design. Ontology of Designing. 2012. No. 3 (5). P. 8-23. (In Russ.)
  7. Komarov V.A., Weisshaar T.A. New approach to improving the aircraft structural design process. Journal of Aircraft. 2002. V. 39, Iss. 2. P. 227-233. doi: 10.2514/2.2943
  8. Zhang M., Rizzi A. RDS-SUMO: from lofting to physics-based grids. Aircraft Engineering and Aerospace Technology. 2012. V. 84, Iss. 3. P. 140-150. doi: 10.1108/00022661211221996
  9. Komarov V.A., Lukyanov O.E. Multidisciplinary optimization of cargo airplane wing parameters. Polyot. All-Russian Scientific and Technical Journal. 2018. No. 3. P. 3-15. (In Russ.)
  10. Martins J.R.R.A., Kenway G.K.W., Brooks T. Multidisciplinary design optimization of aircraft configurations – Part 2: High-fidelity aerostructural optimization. Lecture series, Von Karman Institute for Fluid Dynamics, Sint-Genesius-Rode, Belgium, May 2016.
  11. Bowers P.M. Unconventional aircraft. New York: TAB Books, 1984. 278 p.
  12. Eger S.M., Liseytsev N.K., Samoylovich O.S. Osnovy avtomatizirovannogo proektirovaniya samoletov [Fundamentals of computer-aided design of aircraft]. Moscow: Mashinostroenie Publ., 1986. 232 p.
  13. Mal'chevskiy V.V. Matrichno-topologicheskiy metod sinteza i komponovki samoleta (opyt avtomatizatsii tvorcheskoy deyatel'nosti konstruktora [Matrix-topological method of synthesis and layout of aircraft (experience of automation of creative activity of the designer)]. Moscow: Moscow Aviation Institute Publ., 2011. 354 p.
  14. Li M., Bai J., Li L., Meng X., Liu Q., Chen B. A gradient-based aero-stealth optimization design method for flying wing aircraft. Aerospace Science and Technology. 2019. V. 92. P. 156-169. doi: 10.1016/j.ast.2019.05.067
  15. Chernyaev A.V. Use of genetic algorithms to ensure effective design of aircraft elements from composite materials. Polyot. All-Russian Scientific and Technical Journal. 2009. No. 7. P. 50-55. (In Russ.)
  16. Storn R., Price K. Differential evolution: A Simple and efficient adaptive scheme for global optimization over continuous spaces. Journal of Global Optimization. 1997. V. 11. P. 341-359. doi: 10.1023/A:1008202821328
  17. Espinosa Barcenas O.U., Quijada Pioquinto J.G., Kurkina E., Lukyanov O. Multidisciplinary analysis and optimization method for conceptually designing of electric flying-wing unmanned aerial vehicles. Drones. 2022. V. 6, Iss. 10. doi: 10.3390/drones6100307
  18. The General Atomics «Predator MQ-1» UAS. Available at: https://barnardmicrosystems.com/UAV/uav_list/predator.html
  19. Srednevysotnyy bespilotnyy letatel'nyy apparat bol'shoy prodolzhitel'nosti poleta United 40 [Medium-altitude long-endurance unmanned aerial vehicle United 40]. Available at: https://vpk.name/library/f/united-40.html
  20. Bolkhovitinov V.F. Puti razvitiya letatel'nykh apparatov [Ways of aircraft evolution]. Moscow: Oborongiz Publ., 1962. 132 p.
  21. Korolkov O.N. The equation and the area of existence of an airplane. Polyot. All-Russian Scientific and Technical Journal. 2001. No. 10. P. 45-52. (In Russ.)
  22. Komarov V.A. Weight analysis of aircraft structures: theoretical foundations. Polyot. All-Russian Scientific and Technical Journal. 2000. No. 1. P. 31-39. (In Russ.)
  23. Tanabe R., Fukunaga A. Success-history based parameter adaptation for Differential Evolution. 2023 IEEE Congress on Evolutionary Computation (June, 20-23, 2013, Cancun, Mexico). 2013. P. 71-78. doi: 10.1109/CEC.2013.6557555
  24. Ali M.M., Zhu W.X. A penalty function-based differential evolution algorithm for constrained global optimization. Computational Optimization and Applications. 2013. V. 54. P. 707-739. doi: 10.1007/s10589-012-9498-3
  25. AVL overview. Available at: https://web.mit.edu/drela/Public/web/avl/
  26. Viana F.A.C. A tutorial on Latin hypercube design of experiments. Quality and Reliability Engineering International. 2016. V. 32, Iss. 5. P. 1975-1985. doi: 10.1002/qre.1924
  27. Belotserkovskiy S.M. Tonkaya nesushchaya poverkhnost' v dozvukovom potoke gaza [Thin lifting surface in subsonic gas flow]. Moscow: Nauka Publ., 1965. 244 p.
  28. Anwar M. Sozdanie konveyerov dannykh na Python. Pochemu al'ternativa bez koda luchshe? [Building data pipelines in Python-Why is the no-code alternative better?]. Available at: https://www.astera.com/ru/type/blog/data-pipelines-in-python/

Қосымша файлдар

Қосымша файлдар
Әрекет
1. JATS XML
Жүктеу

© VESTNIK of Samara University. Aerospace and Mechanical Engineering, 2024

Creative Commons License
Бұл мақала лицензия бойынша қолжетімді Creative Commons Attribution-ShareAlike 4.0 International License.

Согласие на обработку персональных данных с помощью сервиса «Яндекс.Метрика»

1. Я (далее – «Пользователь» или «Субъект персональных данных»), осуществляя использование сайта https://journals.rcsi.science/ (далее – «Сайт»), подтверждая свою полную дееспособность даю согласие на обработку персональных данных с использованием средств автоматизации Оператору - федеральному государственному бюджетному учреждению «Российский центр научной информации» (РЦНИ), далее – «Оператор», расположенному по адресу: 119991, г. Москва, Ленинский просп., д.32А, со следующими условиями.

2. Категории обрабатываемых данных: файлы «cookies» (куки-файлы). Файлы «cookie» – это небольшой текстовый файл, который веб-сервер может хранить в браузере Пользователя. Данные файлы веб-сервер загружает на устройство Пользователя при посещении им Сайта. При каждом следующем посещении Пользователем Сайта «cookie» файлы отправляются на Сайт Оператора. Данные файлы позволяют Сайту распознавать устройство Пользователя. Содержимое такого файла может как относиться, так и не относиться к персональным данным, в зависимости от того, содержит ли такой файл персональные данные или содержит обезличенные технические данные.

3. Цель обработки персональных данных: анализ пользовательской активности с помощью сервиса «Яндекс.Метрика».

4. Категории субъектов персональных данных: все Пользователи Сайта, которые дали согласие на обработку файлов «cookie».

5. Способы обработки: сбор, запись, систематизация, накопление, хранение, уточнение (обновление, изменение), извлечение, использование, передача (доступ, предоставление), блокирование, удаление, уничтожение персональных данных.

6. Срок обработки и хранения: до получения от Субъекта персональных данных требования о прекращении обработки/отзыва согласия.

7. Способ отзыва: заявление об отзыве в письменном виде путём его направления на адрес электронной почты Оператора: info@rcsi.science или путем письменного обращения по юридическому адресу: 119991, г. Москва, Ленинский просп., д.32А

8. Субъект персональных данных вправе запретить своему оборудованию прием этих данных или ограничить прием этих данных. При отказе от получения таких данных или при ограничении приема данных некоторые функции Сайта могут работать некорректно. Субъект персональных данных обязуется сам настроить свое оборудование таким способом, чтобы оно обеспечивало адекватный его желаниям режим работы и уровень защиты данных файлов «cookie», Оператор не предоставляет технологических и правовых консультаций на темы подобного характера.

9. Порядок уничтожения персональных данных при достижении цели их обработки или при наступлении иных законных оснований определяется Оператором в соответствии с законодательством Российской Федерации.

10. Я согласен/согласна квалифицировать в качестве своей простой электронной подписи под настоящим Согласием и под Политикой обработки персональных данных выполнение мною следующего действия на сайте: https://journals.rcsi.science/ нажатие мною на интерфейсе с текстом: «Сайт использует сервис «Яндекс.Метрика» (который использует файлы «cookie») на элемент с текстом «Принять и продолжить».