Otimização multiobjetivo de perfis aerodinâmicos utilizando algoritmo genético

• Ano de defesa: 2019
• Autor(a) principal: Carvalho, Prince Azsembergh Nogueira de
• Orientador(a): Freire Júnior, Raimundo Carlos Silverio
• Tipo de documento: Dissertação
• Tipo de acesso: Acesso aberto
• Idioma: por
• Programa de Pós-Graduação: PROGRAMA DE PÓS-GRADUAÇÃO EM ENGENHARIA MECÂNICA
• País: Brasil
• Palavras-chave em Português: Otimização multiobjetivo; Perfis aerodinâmicos; Algoritmo genético
• Área do conhecimento CNPq: CNPQ::ENGENHARIAS::ENGENHARIA MECANICA
• Link de acesso: https://repositorio.ufrn.br/jspui/handle/123456789/28512

Na aviação, a busca por aeronaves mais eficientes tem crescido em face da preocupação dos governos e organizações com o meio ambiente, forçando os novos projetos de aeronaves a emitirem cada vez menos CO2 na atmosfera. Todos os projetos aerodinâmicos têm em comum uma parte vital, que é o perfil. No presente trabalho buscou-se encontrar um perfil ótimo, com abordagem multiobjetivo através de um algoritmo genético no Matlab®, que utiliza o XFOIL para obter características aerodinâmicas dos perfis. A fim de obter boa diversificação da população foram inseridos na população inicial, 300 perfis disponíveis no Airfoil Data Site. Para o XFOIL, foi adotado a Atmosfera Padrão Internacional, número de reynolds de 5,00e5, número de mach de 0,05, Ncrit de 9, número máximo de iterações de 100 e uma faixa de ângulo de ataque de 0º a 18º. Para o algoritmo genético, foi adotada uma probabilidade de cruzamento de 90%, 5% para mutação. Os perfis ótimos tiveram um desempenho superior em relação a outros trabalhos de otimização, onde estes tiveram melhoria da ordem de 32% de ௟ para asas voadoras, 67% de ௟ para empenagens e melhores eficiências em cerca de 70% para turbinas eólicas. O algoritmo obteve também, perfis com características de estol mais suave para asas e redução de ruído para turbinas eólicas. Para trabalhos futuros, sugere-se investigar uma maior faixa de número de Reynolds, e outros solvers aerodinâmicos, além de implementar a otimização pelo método inverso, visando obter uma distribuição de pressão ideal.