Optimizacin de la geometra alar de un UASRPAS

Optimización de la geometría alar de un UAS/RPAS para la vigilancia antiincendios AUTOR: ALICIA MIRÓ MONCHO TUTOR: MARCOS CARRERES TALENS COTUTOR: GONZÁLEZ LUIS MIGUEL GARCÍA-CUEVAS

2 Contenidos I. Motivación II. Planteamiento III. Análisis 2 D IV. Análisis 3 D VI. Validaciones VIII. Conclusiones Presupuesto

3 I. Motivación Participación en el concurso IMech. E UAS Challenge • Guiado • Transporte y lanzamiento de carga Aplicaciones • civiles Monitorización de incendios forestales

UAS: UAS / RPAS Unmmaned Aircraft System RPAS: Remotely Piloted Aircraft System Ala fija General Atomics MQ-1 Predator Ala rotatoria Dà-Jiang Innovations Phantom 3 SE 4 Militares • Misiones espía • Lanzadores de carga bélica Civiles • Datos para la cartografía • Control del tráfico marítimo • Servicios de comunicaciones • Vigilancia contra incendios

Incendios forestales Gran amenaza Cambio climático “ 20 hectáreas por minuto” 5

Modelo conceptual Phoenix UPV 6

7 II. Planteamiento Algoritmo de optimización Estudio paramétrico 2 D Base de datos Obtención perfil óptimo 3 D Validación geometría alar

8 III. Análisis 2 D

Fundamentos teóricos Monoobjetivo • Objetivo único mín (f 1) • Solución única Función objetivo ponderada OPTIMIZACIÓN Multiobjetivo • Diversos objetivos mín(f 1, f 2, …) • Múltiples soluciones • Dominancia de Pareto 9

Algoritmo: Particle Swarm Optimization (PSO) Sencillez en cuanto a comprensión Rápida convergencia Capacidad de evasión de mínimos locales Inicialización Perfiles UAS semejantes 10 Evaluación (“fitness”) Comparación “particle best” Comparación “global best” Actualización posición ¿Cumple convergencia? Perfil óptimo

Parametrización de perfiles: PARSEC Relación directa con los parámetros geométricos Robustez en algoritmos evolutivos 11

Cálculo 2 D PSO Monoobjetivo Función de coste ponderada MOPSO Frontera de Pareto 12 Perfiles óptimos

Resultados 2 D Soluciones mono-objetivo mejoradas respecto al MOPSO 13

14 Resultados 2 D Semejantes en términos generales Función ponderada Mejor coste en crucero

15 Resultados 2 D Comparación coeficiente de presión Función ponderada Mejor coste en crucero Sustentación negativa Desprendimiento de la capa límite

IV. Análisis 3 D 16

17 Parametrización 3 ángulos de ataque 2 perfiles alares 48 casos evaluados

Cálculo CFD Refinamiento capa límite Refinamiento borde de ataque Independencia de malla Modelo de turbulencia RANS: Spalart-Allmarás k-ω SST 18

Resultados 3 D EA según AR y λ Tendencias esperadas 19

Resultados 3 D 20 No existen diferencias significativas entre ambos perfiles

VI. Validaciones Xfoil CFD k-ω SST 21

VII. Conclusiones El cálculo bidimensional es suficiente para la obtención de conclusiones válidas. • En condiciones de crucero y régimen subsónico bajo. • Cálculo CFD para la validación y visualización fenómenos 3 D. Demostración de la versatilidad de los métodos empleados. • Algoritmos evolutivos PSO y MOPSO. • Parametrización PARSEC • Solver Xfoil Optimización de la aeronave preeliminar • Mejora de la eficiencia aerodinámica un 15% 22

VIII. Presupuesto 23

24 Optimización de la geometría alar de un UAS/RPAS para la vigilancia Alicia Miró Moncho antiincendios Autor: Tutor: Marcos Carreres Talens Cotutor: Luis Miguel García-Cuevas González Gracias por su atención