Вы находитесь на странице: 1из 6

Otimização por Evolução Diferencial do Design Preliminar

com Restrições para Aeronaves


G.A Gonçalves1 , R.C.P. Oliveira2 , M.A. Menezes 3

Universidade Estadual Paulista (UNESP), Faculdade de Engenharia, Ilha Solteira


gagguilhermearaujo@gmail.com1 , ruhanponce94@gmail.com2 , miguel@dem.feis.unesp.br3

Resumo: Apresenta-se uma metodologia para o projeto de uma aeronave através de otimização
por evolução diferencial de sua configuração inicial. São levados em consideração parâmetros
básicos da aeronave, como área de asa, envergadura, motor e máximo peso de decolagem. Dessa
forma, busca-se maximizar a carga útil carregada com a configuração mais barata, implicando
em menor motor e/ou menor área alar e envergadura.
Palavras Chaves: Projeto, Design, Aeronave, Otimização

Introdução
Atualmente, há um tratamento extensivo do projeto de aeronaves na literatura básica, cobrindo
os mais variados aspectos do processo. Contudo, mesmo com a vasta cobertura existente, o
design preliminar apresenta-se um tanto impreciso em praticamente todas as metodologias
propostas. Isto porque os mesmos baseiam-se em equações analíticas simplificadas que não
necessariamente representam o modelo real da aeronave. Além disso, as variáveis utilizadas
no dimensionamento inicial nem sempre são suficientes para fornecer as melhores aeronaves
que possam realizar a missão, ao mesmo tempo que outras não seriam necessárias, tornando o
processo mais complicado, menos eficiente e muito mais caro.

Desta forma, faz-se necessário uma análise de maior detalhe para que se possa otimizar o design
preliminar, uma vez que, sendo a escolha da configuração um processo iterativo, quanto melhor
a solução inicial, mais rápido e com maior precisão a solução final é encontrada.

Para demonstrar a capacidade de uma otimização ainda no estágio preliminar do projeto de


aeronaves foi tomada como base a aeronave Cessna 172. A mesma é considerada a mais bem
sucedida da história com mais de 44.000 unidades vendidas até o momento. A intenção desta
escolha é demonstrar que, ainda que muito bem projetado e sendo de ótima confiança, trata-se
de um modelo com muito a ser aperfeiçoado se levado em conta a metodologia aqui adotada,
podendo resultar em uma aeronave melhor.

Procedimento Computacional
Baseando-se na análise de Roskam [1], Sadraey [2] e Gudmundsson [3] foi modelada a corrida
de decolagem de uma aeronave qualquer por meio do sistema de EDOs descrito pela Segunda
Lei de Newton, Equação 1, onde cada uma das forças presentes pode ser observada na Figura 1.

dVx T − D − F at
=
dt m (1)
dVy L+N −W
=
dt m

A seguir, cada componente desta equação será expandido para melhor entendimento, e as forças

1
Figura 1 – Forças atuantes na decolagem.

Fonte: Retirado de [4] .

de arrasto e atrito serão escritas em função da força de sustentação. Assim, as forças peso (W ),
sustentação (L), arrasto (D), normal (N ) e atrito (F at) são expressas na Equação 2.

W = mg
L = 0.5ρVx 2 SCL
CL 2
D = 0.5ρVx 2 S(CD0 + )
( πARe (2)
W − L, se L < W
N=
0, se L > W
F at = µN

Onde m é a massa da aeronave, ρ a densidade do ar, CL o coeficiente de sustentação, CD0


o coeficiente de arrasto parasita, µ o coeficiente de atrito com o solo, e o fator de eficiência
de Oswald da aeronave obtido segundo Sadraey [2] e AR a razão de aspecto, definida como
AR = b2 /S, com b sendo a envergadura e S a área de asa.

Logo, pode-se substituir a Equação 2 em 1, obtendo um novo sistema descrito por 3. Contudo,
a força de tração (T) não foi substituída, embora tal procedimento seja adotado em literaturas
disponíveis. O motivo para isso é que pretende-se utilizar uma curva de tração em função da
velocidade para um determinado conjunto motopropulsor pré-definido. Assim, nesta metodologia,
adota-se um conjunto motopropulsor antes de determinar os outros parâmetros da aeronave, ou
o mesmo é determinado iterativamente ao longo do processo. O uso de uma curva de tração
experimental ou numérica com grande acuracidade em vez de expressões analíticas com correções

2
empíricas é de fundamental importância para a precisão do modelo.
CL0 2

 dVx T − 0.5ρVx 2 S(CD0 + πARe ) − µ(mg − 0.5ρVx 2 SCL0 )
 dt =


m
se L<W
dV


 y =0

dt  2 (3)
 dVx T − 0.5ρVx 2 S(CD0 + CπARe
LT O
)
 dt =



m
se L > W
2
0.5ρVx SCLT O − mg


 dVy

 =
dt m

Das condições impostas para cada caso, sabe-se que quando L < W o avião está na corrida de
decolagem e voando quando do contrário. Portanto, na corrida de decolagem o coeficiente de
sustentação será pertinente a esse percurso (CL0 ) e logo após a velocidade de decolagem (VLO ),
que representa L > W , será considerado que o avião está em coeficiente de sustentação de
decolagem (CLT O ). Nota-se aqui que o tempo de transição entre os dois casos é desconsiderado,
sendo que o mesmo deve ser analisado, se tal simplificação não trouxer problemas de acuracidade.
Para a maioria dos casos, não há problema nessa consideração, pois o limite de pista não é um
valor exato, mas sim uma faixa, e a rotação da aeronave possui uma alta velocidade angular.

Ao analisar a decolagem de um avião, é de interesse obter a distância de decolagem, além da


altura da aeronave ao fim de uma distância máxima de pista como meio de verificar se a aeronave
cumpre os requisitos impostos. Logo, pode-se manipular a Equação 3, utilizando a regra da
cadeia e resolvendo numericamente a EDO para obter a distância de decolagem (XLO ) e a altura
(YE ) ao fim da distância máxima de pista.
dVx dVx dx dVx 1 dVx
= =⇒ =
dt dx dt dx Vx dt
(4)
dVy dVy dx dVy 1 dVy
= =⇒ =
dt dx dt dx Vx dt
Com as condições iniciais para Vx , Vy , x e y, é possível solucionar o sistema por um algoritmo
computacional. Neste caso, foi utilizado o método provido pela função odeint, do pacote scipy
para P ython. O algoritmo consiste em solucionar o problema de valor inicial por meio dos
métodos de Adams, mais adequado para problemas não rígidos, e por diferenciação inversa
(Backward Dif f erentiation), ideal para problemas rígidos, alternando entre eles de acordo
com a variação do problema entre rígido e não rígido como proposto por Petzold [5].

Como se sabe, todas as condições iniciais são zeros, inclusive a velocidade horizontal. Porém,
a mesma se encontra em um divisor, e logo não pode ser zero em momento algum. Assim, é
suficiente fazer o limite com Vx tendendo a zero, o que, em termos computacionais se traduz em
um número muito pequeno, de preferência, tão pequeno quanto o erro de truncamento.

Ao resolver o sistema, obtém-se as funções Vx (x) e y(x), podendo-se obter os parâmetros de


interesse, XLO = Vx −1 (VLO ) e YE = y(XM AX ). Assim, a decolagem de uma aeronave qualquer
pode ser analisada.

3
Utilizando a análise de decolagem, pode-se realizar um processo de otimização para a aeronave
com restrições baseadas em dimensões e na própria decolagem. O algoritmo se baseia no processo
de Evolução Diferencial [6], adicionando restrições geométricas aplicadas à criação, evolução e
mutação dos vetores iniciais, bem como restrições de performance, aplicadas à função objetivo.

Inicialmente, seleciona-se toda a configuração teórica da aeronave para obter valores de CD0 e e
característicos de aviões similares conforme Sadraey [2] e Gudmundsson [3], ou utiliza-se o pior
valor encontrado, ou algum método mais robusto de estimativa. A primeira sugestão será adotada
neste trabalho. Em seguida, cria-se um vetor com as dimensões da aeronave, aleatoriamente,
dentro dos limites de dimensão impostos, sendo então a função objetivo analisada para esta
aeronave, e neste caso, maximizada.

A função objetivo escolhida foi o MTOW, isto é, o peso total que aeronave consegue carregar.
Desta forma, armazenou-se os melhores resultados, selecionando não necessariamente a de maior
MTOW, mas a aeronave que permita carregar a mesma carga paga com melhores parâmetros
produtivos.

As restrições impostas se baseiam em dois princípios. Os requisitos geométricos são dados no


momento de criação do vetor a ser evoluído e controlados durantes suas mutações. Neste caso,
adotou-se que as dimensões deveriam ser menores que a da aeronave Cessna 172, e usou-se
dimensões mínimas para diminuir o espaço de busca, aumentando a velocidade do processo.
De outro lado, há também as restrições de perfomance, sendo necessário que ocorra decolagem
dentro da mesma distância de pista do Cessna 172; parâmetro verificado analisando um limite
mínimo para a altura ao final da pista. Dessa forma, as aeronaves que não cumprem tal requisito
recebem severas penas em seu MTOW, tornando-as impróprias na função de otimização.

Resultados e Discussões
Antes de iniciado o processo de otimização, é necessário verificar a acuracidade do modelo. Os
resultados provenientes da solução da EDO de decolagem estão dispostos na Figura 2. Pode-se
observar uma ótima equivalência entre o modelo e a realidade, sendo que o primeiro superestima
um pouco a aeronave. Isto se deve ao fato de ter sido utilizada a tração estática, devido à falta de
um modelo mais real para a tração em função da velocidade. Como a variação da tração cai em
torno de 10% até a velocidade de decolagem para este tipo de aeronave, esta é uma simplificação
aceitáve; porém, a aeronave real decolará com uma velocidade um pouco menor que a simulada.

Validada a acuracidade da simulação, foi aplicado duas vezes o método de otimização descrito
para o mesmo caso, restrigindo ainda mais o espaço de busca.

A intenção é obter uma aeronave menor que o Cessna 172, porém, com a mesma capacidade de
carga paga; o que significa uma aeronave mais econômica tanto em custo produtivo, quanto em
consumo de combustível. A Figura 3 mostra as aeronaves geradas em todo o processo.

Pode-se observar como o MTOW varia com cada aspecto considerado separadamente, embora
todos os parâmetros estejam ligados. Fixou-se o coeficiente de sustentação de decolagem para
que não fosse realizada nenhuma alteração aerodinâmica em termos gerais, sendo necessário,
portanto, alterar apenas a geometria da asa. A Tabela 1 apresenta uma comparação entre a
aeronave Cessna 172 e a aeronave otimizada, apelidada de NA01.

4
Velocidade Simulada 0.7
25 Altura Simulada
Velocidade de Decolagem Simulada 0.6
Distância de Decolagem Simulada
20 Decolagem Real 0.5
Vx [m/s]

15 0.4

y [m]
0.3
10
0.2
5
0.1

0 0.0
0 50 100 150 200 250 300
x [m]

Figura 2 – Validação da simulação de decolagem.

Carga Máxima x Envergadura Carga Máxima x Área Alar


1000 1000

800 800
MTOW [kg]

MTOW [kg]

600 600

400 400
1a Otimização 1a Otimização
200 200
2a Otimização 2a Otimização
0 Aeronave Final 0 Aeronave Final
6 7 8 9 10 11 6 8 10 12 14 16
b [m] S [m2]
Carga Máxima x Coeficiente de Sustentação da Corrida
1000

800
MTOW[kg]

600

400
1a Otimização
200
2a Otimização
0 Aeronave Final
0.2 0.4 0.6 0.8 1.0 1.2
CL0 [adim.]

Figura 3 – Aeronaves geradas pelas otimizações.

Tabela 1 – Comparação entre o Cessna 172 e a NA01.


b [m] S [m2 ] CL0 [adim.] CLT O [adim.]
Cessna 172 11.00 16.2 0.50 1.80
NA01 7.34 12.9 0.37 1.80

5
Conclusões
Pelo presente trabalho fica claro a importância de métodos mais robustos de análise no projeto
preliminar; bem como a capacidade de aumento na performance da aeronave com otimizações.

Para um primeiro caso de aplicação da presente metodologia houve redução considerável da


geometria da aeronave apenas pela modificação da combinação de área alar, envergadura e
coeficiente de sustentação da corrida. Não houve absolutamente nenhum projeto aerodinâmico
especificado, o que significa que exatamente o mesmo projeto de asa, com dimensões diferentes,
pode garantir ganhos significativos em redução de custo produtivo e consumo de combustível.

Agradecimentos
À UNESP, à Faculdade de Engenharia de Ilha Solteira, e ao Departamento de Engenharia
Mecânica pelo apoio material e financeiro. Também à Equipe Zebra de AeroDesign por propiciar
o contato com meio aeronáutico.

Referências

1 ROSKAM, J. Roskam - Methods for Estimation Drag Polars of Subsonic Airplanes.pdf. 1971.
Citado na página 1.

2 SADRAEY, M. H. Aircraft Design - A Systems Engineering Approach. [S.l.: s.n.], 2013. ISBN
9781119953401. Citado 3 vezes nas páginas 1, 2 e 4.

3 GUDMUNDSSON, S. General Aviation Aircraft Design : Applied Methods. [S.l.: s.n.], 2004.
ISBN 9780123973085. Citado 2 vezes nas páginas 1 e 4.

4 CATING-SUBRAMANIAN, K. Aircraft and Treadmills. Disponível em: <https://simplescientist.


net/2010/10/17/aircraft-and-treadmills/>. Acesso em: 20 nov. 2017. Citado na página 2.

5 PETZOLD, L. Automatic Selection of Methods for Solving Stiff and Nonstiff Systems of
Ordinary Differential Equations. SIAM Journal on Scientific and Statistical Computing, v. 4,
n. 1, p. 136–148, 1983. ISSN 0196-5204. Disponível em: <http://epubs.siam.org/doi/10.1137/
0904010>. Citado na página 3.

6 STORN, R. Differential Evolution – A Simple and Efficient Heuristic for Global Optimization
over Continuous Spaces. 1997. Citado na página 4.

Escolha sua forma de apresentação preferida:


(X) Oral
( ) Pôster