Estudio Experimental y Modelado de Redes Neuronales de las Características Aerodinámicas de Aeronaves Canard en Altos Ángulos de Ataque
Autores: Ignatyev, Dmitry; Khrabrov, Alexander
Idioma: Inglés
Editor: MDPI
Año: 2018
Acceso abierto
Artículo científico
2018
Estudio Experimental y Modelado de Redes Neuronales de las Características Aerodinámicas de Aeronaves Canard en Altos Ángulos de Ataque
Categoría
Ingeniería y Tecnología
Subcategoría
Ingeniería Aeroespacial
Palabras clave
Aeronaves
Aerodinámica
ángulos de ataque
Flujos vórtices
Configuración canard
Aerodinámica no estacionaria
Licencia
CC BY-SA – Atribución – Compartir Igual
Consultas: 16
Citaciones: Sin citaciones
El flujo sobre un avión en ángulos de ataque altos se caracteriza por una combinación de flujos separados y vórtices que interactúan entre sí y con la estructura del avión. Como resultado, hay un conjunto de fenómenos que afectan negativamente el rendimiento, la estabilidad y el control del avión, a saber, la degradación de la fuerza de elevación, la variación no lineal del momento de cabeceo, el amortiguamiento positivo, etc. En el artículo se discute un estudio en túnel de viento sobre las características aerodinámicas de un avión transónico prospectivo, que se encuentra en una configuración de canard. Se llevó a cabo una campaña experimental de tres etapas. En la primera etapa, se realizó un experimento aerodinámico estable. La influencia de una frecuencia de oscilación reducida y el ángulo de ataque sobre las características aerodinámicas no estacionarias se estudió en la segunda etapa. En la tercera etapa, se llevaron a cabo pruebas de oscilación forzada de gran amplitud para la investigación detallada de la aerodinámica no estacionaria en el sobrevuelo extendido. Los resultados experimentales demuestran el comportamiento fuertemente no lineal de las características aerodinámicas debido a los efectos del vórtice de canard en el ala. Los datos obtenidos se utilizan para diseñar y probar modelos matemáticos de aerodinámica no estacionaria a través de diferentes enfoques populares, a saber, la técnica de Redes Neuronales (NN) y la técnica de modelado en espacio de estados fenomenológicos. Se consideran y comparan diferentes arquitecturas de NN, a saber, las redes neuronales de avance y las recurrentes. Un análisis exhaustivo del rendimiento de los modelos reveló que la Red Neuronal Recurrente (RNN) es una herramienta de aproximación universal para el modelado de procesos dinámicos con altas capacidades de generalización.
Descripción
El flujo sobre un avión en ángulos de ataque altos se caracteriza por una combinación de flujos separados y vórtices que interactúan entre sí y con la estructura del avión. Como resultado, hay un conjunto de fenómenos que afectan negativamente el rendimiento, la estabilidad y el control del avión, a saber, la degradación de la fuerza de elevación, la variación no lineal del momento de cabeceo, el amortiguamiento positivo, etc. En el artículo se discute un estudio en túnel de viento sobre las características aerodinámicas de un avión transónico prospectivo, que se encuentra en una configuración de canard. Se llevó a cabo una campaña experimental de tres etapas. En la primera etapa, se realizó un experimento aerodinámico estable. La influencia de una frecuencia de oscilación reducida y el ángulo de ataque sobre las características aerodinámicas no estacionarias se estudió en la segunda etapa. En la tercera etapa, se llevaron a cabo pruebas de oscilación forzada de gran amplitud para la investigación detallada de la aerodinámica no estacionaria en el sobrevuelo extendido. Los resultados experimentales demuestran el comportamiento fuertemente no lineal de las características aerodinámicas debido a los efectos del vórtice de canard en el ala. Los datos obtenidos se utilizan para diseñar y probar modelos matemáticos de aerodinámica no estacionaria a través de diferentes enfoques populares, a saber, la técnica de Redes Neuronales (NN) y la técnica de modelado en espacio de estados fenomenológicos. Se consideran y comparan diferentes arquitecturas de NN, a saber, las redes neuronales de avance y las recurrentes. Un análisis exhaustivo del rendimiento de los modelos reveló que la Red Neuronal Recurrente (RNN) es una herramienta de aproximación universal para el modelado de procesos dinámicos con altas capacidades de generalización.