logo móvil
Contáctanos

Optimización de rendimiento en tiempo real para un ala de deformación de camber basada en un modelo incremental de dominio bajo deriva de concepto

Autores: Jia, Sijia; Zhang, Zhenkai; Dang, Qi; Song, Chen; Yang, Chao

Idioma: Inglés

Editor: MDPI

Año: 2023

Descargar PDF

Acceso abierto

Artículo científico
2023

Optimización de rendimiento en tiempo real para un ala de deformación de camber basada en un modelo incremental de dominio bajo deriva de concepto


Categoría

Ingeniería y Tecnología

Subcategoría

Ingeniería Aeroespacial

Palabras clave

Tema de investigación
Alas de deformación de camber variable
Rendimiento aerodinámico
Modelo sustituto
Optimización en tiempo real
Aprendizaje incremental

Licencia

CC BY-SA – Atribución – Compartir Igual

Consultas: 16

Citaciones: Sin citaciones


Descripción
En comparación con las alas tradicionales equipadas con superficies de control convencionales, las alas morfables de camber variable se han convertido en un tema de investigación candente en el campo de la aviación debido a su capacidad para mantener una forma general suave y continua mientras garantizan un excelente rendimiento aerodinámico. Este estudio se centra en un ala de alto aspecto con un borde de salida de camber variable continuo. Se construyeron dos modelos de precisión: un modelo aerodinámico y un modelo aeroelástico. Basándonos en los datos de simulación obtenidos de estos modelos, desarrollamos y actualizamos un modelo sustituto para el ala, con especial énfasis en un enfoque de modelado incremental que tiene en cuenta el cambio de concepto. Posteriormente, utilizando los modelos mencionados, realizamos una optimización en tiempo real con consideraciones de retroalimentación para reducir la resistencia, disminuir el estrés en la viga principal y minimizar la energía del actuador bajo condiciones de elevación objetivo constantes o que varían lentamente. Notablemente, el proceso de optimización resultó en una reducción del 4% en la resistencia o una disminución significativa del 18.3% en el estrés máximo. A través de comparaciones computacionales, se demuestra la precisión del modelo sustituto propuesto y el método de aprendizaje incremental, junto con su eficiencia en el contexto de problemas de optimización.

Otros recursos que podrían interesarte

Temas Virtualpro