การหาค่าแอโรอีลาสติกเหมาะที่สุดของปีกเครื่องบินโดยพิจารณาการลดผลกระทบจากลมกระโชก
คำสำคัญ:
ความเร็วการกระพือ, ลมกระโชก, การหาค่าเหมาะสมที่สุดบทคัดย่อ
งานวิจัยนี้เสนอการหาค่าเหมาะที่สุดของโครงสร้างปีกเครื่องบินโดยพิจารณาผลของลมกระโชก ปัญหาการออกแบบ มีสองฟังก์ชันเป้าหมายคือ การหาค่าต่ำที่สุดของน้ำหนักปีกและการหาค่าต่ำสุดของค่าสูงสุดของโมเมนต์ดัดที่โคนปีก อันเนื่องมาจากการที่ปีกรับภาระลมกระโชก (gust loading) โดยตัวแปรในการออกแบบ ได้แก่ ความหนาและทิศทางการวางเส้นใยของแต่ละชั้นคอมโพสิต (composite skin layer) ความหนาของ Ribs และ Spars ภายใต้ข้อจำกัดในการออกแบบ คือ เลี่ยงการเกิดการกระพือปีกรุนแรง ความเสียหายจากความเครียดทั้งบนวัสดุคอมโพสิตและอลูมิเนียม วิธีเมตะฮิวริสติกถูกนำมาใช้หาค่าเหมาะที่สุดของปัญหา โดยมีกรณีศึกษาคือปีก Goland การวิเคราะห์โครงสร้างใช้วิธีไฟไนท์เอลิเมนต์ร่วมกับวิธีวิเคราะห์อากาศพลวัต doublet lattice method ปีกที่ถูกออกแบบจะได้รับทั้งแรงจากอากาศพลศาสตร์และภาระลมกระโชก โดยงานนี้จะแสดงให้เห็นว่าการหาค่าเหมะสมที่สุดโดยพิจารณาหลายวัตถุประสงค์ของปีก Goland สามารถรับมือกับลมกระโชกได้ โปรแกรม MSC Nastran ซึ่งเป็นโปรแกรมที่ใช้สำหรับวิเคราะห์โครงสร้างในทางวิศวกรรมหรือแม้กระทั่งปีกของวิเคราะห์โครงสร้างของเครื่องบิน ถูกนำมาใช้เพื่อเป็นเครื่องมือในการคำนวณฟังก์ชันเป้าหมาย ประกอบด้วยค่าต่ำสุดของน้ำหนักโครงสร้างปีกและค่าต่ำสุดของค่าสูงสุดของโมเมนต์ที่กระทำต่อโคนปีกภายใต้ข้อจำกัดในการออกแบบ คือเลี่ยงการเกิดการกระพือปีกรุนแรง ความเสียหายจากความเครียดและความเสียหายจากการโก่งงอของปีกเครื่องบิน การหาค่าเหมาะสมที่สุดโดยใช้วิธีเมตะฮิวริสติก ถูกนำมาใช้เพื่อช่วยในการออกแบบสองอัลกอริทึม ประกอบด้วย RPBILDE และ MM-IPDE ถูกนำมาเปรียบเทียบประสิทธิภาพในการหาคำตอบที่เหมาะสมที่สุด ผลลัพธ์ที่ได้จะถูกบ่งชี้ด้วยค่า Hypervolume ผลจากการวิเคราะห์แสดงให้เห็นว่าลมกระโชกแบบ H9M ส่งผลต่อโมเมนต์สูงสุดที่โคนปีก ตัวอย่างผลลัพธ์จากการออกแบบประกอบด้วย ค่าฟังก์ชันเป้าหมาย ตัวแปรออกแบบ และเงื่อนไขบังคับของวิธี RPBILDE จะถูกนำมาแสดงให้เห็นก่อนที่จะถูกนำไปออกแบบในขั้นละเอียดต่อไป
เอกสารอ้างอิง
Babaei, A.R., Setayandeh, M.R., & Farrokhfal, H. (2018). Aircraft robust multidisciplinary design optimization methodology based on fuzzy preference function. Chinese Journal of Aeronautics, 31(12), 1-12.
Beran, P.S., Strganac, T.W., Kim, K., & Nichkawde, C. (2004). Studies of Store-Induced Limit-Cycle Oscillations Using a Model with Full System Nonlinearities,” Nonlinear Dynamics, 37(4), 323–339.
Bordogna, M.T., Macquart, T., Bettebghor, D., & De Breuker, R. (2016). Aeroelastic Optimization of Variable Stiffness Composite Wing with Blending Constraints. 17th AIAA/ISSMO Multidisciplinary Analysis and Optimization Conference, American Institute of Aeronautics and Astronautics.
Caughey, D.A. (2011). Introduction to Aircraft Stability and Control Course Notes for M & AE 5070. Ithaca, New York: Sibley School of Mechanical & Aerospace Engineering Cornell University.
Caverly, R., Forbes, J.R., Danowsky, B.P., & Suh, P.M. (2017). Gust-Load Alleviation of a Flexible Aircraft using a Disturbance Observer. AIAA Guidance, Navigation, and Control Conference, American Institute of Aeronautics and Astronautics, 1-14.
Champasak, P., Panagant, N., Pholdee, N., Bureerat, S., & Yildiz, A.R. (2020). Self-adaptive many-objective meta-heuristic based on decomposition for many-objective conceptual design of a fixed wing unmanned aerial vehicle. Aerospace Science and Technology, 100, 105783.
Champasak, P., Ungdumrongkool, S., Panagant, N., & Bureerat, S. (2019). Aircraft Conceptual Design using Multi-Objective Evolutionary Optimization: Comparative study. Journal of Science and Technology Mahasarakham University, 38(5), 470–478.
Drela, M., & Youngren, H. (n.d.). Aerodynamic and flight-dynamic analysis of rigid aircraft of arbitrary configuration. Retrieved from http://web.mit.edu/drela/Public/web/avl/
Gao, H., He, A., Gao, Z., NA, Y., & DENG, Y. (2019). Flight dynamics characteristics of canard rotor/wing aircraft in helicopter flight mode. Chinese Journal of Aeronautics, 32(7), 1577–1587.
Goland, M. (2021). The Flutter of a Uniform Cantilever Wing,” Journal of Applied Mechanics., 12(4), A197–A208.
Guo, S., De Los Monteros, J. E., & Liu, Y. (2015). Gust Alleviation of a Large Aircraft with a Passive Twist Wingtip. Aerospace, 2(2). 135–154.
Higor, L.S., Gustavo, J.R., Roberto, M.C.N., André, R.D.C., Alexandre, A.G., Mateus, A.A.C., & Thiago, A.M.G. (2021).
A multidisciplinary design optimization for conceptual design of hybrid-electric aircraft. Structural and Multidisciplinary Optimization, 64, 3505–3526.
Hitzel, S.M., & Osterhuber, R. (2017). Enhanced Maneuverability of a Delta-Canard Combat Aircraft by Vortex Flow Control. Journal of Aircraft, 55(3), 1090–1102.
Hönlinger, H., Zimmermann, H., Sensburg, O., & Becker, J. (1994). Structural Aspects of Active Control Technology. AGARD Flight Mechanics Panel Symposium. Turin, Italy.
Hürlimann, F., Kelm, R., Dugas, M., Oltmann, K., & Kress, G. (2011). Mass estimation of transport aircraft wingbox structures with a CAD/CAE-based multidisciplinary process. Aerospace Science and Technology, 15(4), 323–333, 2011.
IJsselmuiden, S.T., Abdalla, M.M., & Gürdal, Z. (2008). Implementation of Strength-Based Failure Criteria in the Lamination Parameter Design Space. AIAA Journal, 46(7), 1826–1834.
Jesus, T., Sohst, M., do Vale, J.L., & Suleman, A. (2021). Surrogate based MDO of a canard configuration aircraft. Structural and Multidisciplinary Optimization, 64(6), 3747–3771.
Kowalski, M., Goraj, Z.J., & Goliszek, B. (2021). The use of FEA and semi-empirical equations for weight estimation of a passenger aircraft. Aircraft Engineering and Aerospace Technology, 93(9), 1412-1420.
Liu, Q., Li, X., Liu, H., & Guo, Z. (2020). Multi-objective metaheuristics for discrete optimization problems: A review of the state-of-the-art. Applied Soft Computing, 93, 106382.
Panagiotou, P., Kaparos, P., Salpingidou, C., & Yakinthos, K. (2016). Aerodynamic design of a MALE UAV. Aerospace Science and Technology, 50, 127–138.
Pholdee, N., & Bureerat, S. (2013). Hybridisation of real-code population-based incremental learning and differential evolution for multiobjective design of trusses. Information Sciences (Ny), 223, 136–152.
Pholdee, N., & Bureerat, S. (2014). Hybrid real-code population-based incremental learning and approximate gradients for multi-objective truss design. Engineering Optimization, 46(8), 1032–1051.
Robert, T.B., Steven, B.J., & Thomas, D.A. (2000). Aeroservoelastic Analysis of the B-2 Bomber. Journal of Aircraft, 37(5), 745-752.
Sattar, D., & Salim, R. (2021). A smart metaheuristic algorithm for solving engineering problems,” Engineering with Computers, 37(3), 2389–2417.
Singh, V., Sharma, S.K., & Vaibhav, S. (2016). Transport Aircraft Conceptual Design Optimization Using Real Coded Genetic Algorithm. International Journal of Aerospace Engineering, (2016), 1-11.
Tsai, S.W., & Wu, E.M. (1971). A General Theory of Strength for Anisotropic Materials. Journal of Composite Material., 5(1), 58–80.
Wansasueb, K., Pholdee, N., Panagant, N., & Bureerat, S. (2020). Multiobjective meta-heuristic with iterative parameter distribution estimation for aeroelastic design of an aircraft wing. Engineering with Computers, 38, 695–713.
Wildschek, A., Maier, R., Hahn, K.-U., Leissling, D., Press, M., & Zach, A. (2009). Flight Test with an Adaptive Feed-Forward Controller for Alleviation of Turbulence Excited Wing Bending Vibrations. AIAA Guidance, Navigation, and Control Conference, American Institute of Aeronautics and Astronautics.
Xu J., & Kroo, I. (2014). Aircraft Design with Active Load Alleviation and Natural Laminar Flow,” Journal of Aircraft, 51(5), 1532–1545.
