12 - 2018

Многодисциплинарная оптимизация конструктивных параметров и динамики полетов БПЛА

Михаил Гусев, 
научный сотрудник, Сколтех
Михаил Гусев,
научный сотрудник, Сколтех

Команда студентов Сколтеха применила pSeven для интеграции инструментов системного моделирования и инженерного анализа с целью оптимизации характеристик беспилотного летательного аппарата.

В данном проекте группа студентов Сколтеха оптимизировала конструктивные параметры и динамику полета запускаемого из трубчатой направляющей беспилотного летательного аппарата (БПЛА) с помощью pSeven. В исходном положении БПЛА находится внутри направляющей со сложенными крыльями. Во время запуска давление внутри трубы растет и придает ускорение беспилотнику. После вылета из трубы крылья раскрываются, и летательный аппарат начинает набирать высоту.

Рис. 1. Трубчатая направляющая БПЛА

Рис. 1. Трубчатая направляющая БПЛА

Поведение беспилотника в воздухе зависит от конструкции отдельных его компонентов. Поэтому требуется многодисциплинарная оптимизация, в ходе которой виртуальное представление изделия анализируется на разных уровнях — от одномерных моделей, описывающих общее поведение системы, до трехмерных СAD­ и CAE­моделей, отображающих проектные параметры, конструктивную целостность и надежность (рис. 1 и 2).

Рис. 2. Геометрическая модель БПЛА с расправленными крыльями

Рис. 2. Геометрическая модель БПЛА с расправленными крыльями

О Сколтехе

Сколковский институт науки и технологий (Сколтех) — негосударственный образовательно­исследовательский институт, который находится в Сколково (Россия, Московская область). Созданный в 2011 году при участии Массачусетского технологического института (MIT), Сколтех готовит новые поколения исследователей и предпринимателей, продвигает научные знания и содействует технологическим инновациям с целью решения важнейших проблем, стоящих перед Россией и миром. Институт строит свою работу, опираясь на лучшие традиции российских и международных образовательных и исследовательских практик, делая особый акцент на предпринимательской и инновационной деятельности (www.skoltech.ru).

О компании DATADVANCE

DATADVANCE является ведущим в России разработчиком программного обеспечения в области интеллектуального анализа данных, предсказательного моделирования и многодисциплинарной оптимизации. Миссия компании — создание и совершенствование эффективного и удобного программного инструментария, позволяющего клиентам существенно сократить временные и финансовые затраты на создание инновационных продуктов и повысить их качество и технические характеристики (www.datadvance.net).

Цель

В задаче требовалось определить такие конструктивные параметры крыла (рис. 3), которые позволили бы минимизировать напряжение и обеспечили бы наилучшую динамику полета. Рассматривались следующие входные параметры:

  • толщина каждой нервюры крыла — ti;
  • длина крыла — l;

Рис. 3. Конструктивные параметры крыла беспилотника

Рис. 3. Конструктивные параметры крыла беспилотника

Рис. 4. Модель динамики полета БПЛА в Amesim

Рис. 4. Модель динамики полета БПЛА в Amesim

Расчет зависимости динамики полета от длины крыла, общей массы, центра масс и других характеристик БПЛА был произведен в Amesim (рис. 4). Аэродинамические нагрузки для различных длин крыла были получены в ходе CFD­анализа в ANSYS CFX, где БПЛА моделировался целиком (рис. 5).

Рис. 5. Газодинамическая модель БПЛА, 
демонстрирующая распределение нагрузок на крыло

Рис. 5. Газодинамическая модель БПЛА, 
демонстрирующая распределение нагрузок на крыло

Рис. 5. Газодинамическая модель БПЛА,
демонстрирующая распределение нагрузок на крыло

Полученные нагрузки использовались в прочностном анализе в Simcenter 3D (NX Nastran) для расчета напряжений в крыле. Согласно его результатам, области максимального напряжения находятся ближе к корневой части лонжерона (рис. 6).

Рис. 6. Напряжения по Мизесу в крыле БПЛА

Рис. 6. Напряжения по Мизесу в крыле БПЛА

Рис. 6. Напряжения по Мизесу в крыле БПЛА

Трудности

  • Многодисциплинарность: расчет нагрузок на крыло, напряжений, динамики полета;
  • длительность газодинамических и прочностных расчетов;
  • неэффективность алгоритмов оптимизации, имеющихся в Amesim.

Решение

Поскольку каждый запуск прочностного расчета длился порядка 7 мин, то вместо его интеграции в итоговую расчетную схему оптимизации было проведено планирование эксперимента (DoE) в pSeven. Полученные значения прочностных параметров, напряжений в крыле и массы БПЛА использовались для обучения аппроксимационной модели.

Платформа pSeven позволила объединить эту модель и расчеты динамики полета в Amesim в единую расчетную схему, запускающую процесс оптимизации. На рис. 7 показана итоговая схема оптимизации.

Рис. 7. Cхема оптимизации БПЛА в pSeven

Рис. 7. Cхема оптимизации БПЛА в pSeven

Цели оптимизации:

  • минимизировать напряжения в крыле;
  • увеличить высоту полета БПЛА.

Напряжения в крыле исследовались с помощью аппроксимационной модели, а высота полета была рассчитана по модели динамики полета в Amesim.

Результаты

Результаты оптимизации:

  • значения напряжений в крыле уменьшены на 14% по сравнению с исходными;
  • найдена оптимальная геометрия крыла.

Данные процесса оптимизации приведены на рис. 8 и 9. 

Рис. 8. Данные оптимизации 
в виде графика параллельных координат

Рис. 8. Данные оптимизации в виде графика параллельных координат

Рис. 9. Целевые функции оптимизации: 
высота полета и напряжения в крыле

Рис. 9. Целевые функции оптимизации: высота полета и напряжения в крыле