Mission-Based Multidisciplinary design optimization methodologies for unmanned aerial vehicles with morphing technologies

One of the most challenging aspects of aircraft design is to synthesize the mutual interactions among disciplines in order to achieve enhanced design solutions from the earliest stages of the design process. The complexity of the aircraft physics and the multiple couplings between disciplines complicates this task. The advance of design tools and optimization methods alongside with the computer’s exponential increase in data handling capacity is paving the way for the development of comprehensive multidisciplinary design codes that gradually contribute to a paradigm change, leading to a revolution in the design methodologies. The research work presented in this thesis features two unmanned aerial vehicles preliminary design optimization methodologies - a Parametric Design Analysis and a Multilevel Design Optimization. A specific code has been developed for each methodology, with low-fidelity models being used for the main design disciplines, namely the aerodynamics, propulsion, weight, static stability and dynamic stability. To increase the usability of the codes a graphical user interface for both programs has also been developed. The first methodology is called Parametric AiRcRaft design OpTimization (PARROT) and relies on a parametric study that optimizes the wing layout for one of two different goals: surveillance mission or maximum payload. Whereas in the former the goal is to maximize the flight range or endurance, the latter’s objective is to maximize the useful payload lifted. Constraints include the take-off distance, climb rate, bank angle, cruise velocity, among others. The results have shown to be in line with some experimental benchmarking data and to allow the user to easily evaluate the impact of varying two key design variables (wing mean chord and wingspan) on multiple performance metrics, thus significantly contributing to help the designer’s decision-making process. The second methodology is called MulTidisciplinary design OPtimization (MTOP) and adopts the Enhanced Collaborative Optimization (ECO) architecture, together with a gradient-based optimization algorithm. As the goal is to minimize the energy consumption for the specified mission profile, it results in an unconstrained system problem which aims to assure compatibility between subspaces and dully constrained subspace level problems, which aims to minimize the energy consumption. Instead of each subspace representing the traditional design disciplines (e.g. aerodynamics, structures, stability, etc), the author has chosen to make a different subspace out of each flight stage (e.g. take-off, climb, cruise, etc). The main reason for this choice was the inclusion of morphing technologies as part of the optimization process, namely a variable span wing (VSW), a variable camber flap (VCF) and a variable propeller pitch (VPP). The software final output is the combination of design variables that better suits the objective function subjected to the design constraints. The results have shown how the selection of the optimum combination of morphing/adaptive technologies highly depends on the mission profile. Moreover, the morphing mechanisms weight has a strong impact on the overall performance, which is not easily grasped without an optimization methodology like the one presented. Globally, these two methodologies foster a more efficient and effective preliminary design stage by feeding the designer’s decision-making process with a large set of relevant data.Um dos aspetos mais desafiantes do projeto de aeronaves é a gestão das múltiplas interações entre disciplinas, com vista à obtenção de soluções de projeto otimizadas desde os primeiros estágios do projeto de aeronaves. A complexidade da física aeronáutica e os múltiplos acoplamentos entre disciplinas complicam esta tarefa. Com o desenvolvimento de ferramentas de projeto e metodologias de otimização aliadas ao aumento exponencial da capacidade de processamento dos computadores e o desenvolvimento de abrangentes códigos de otimização multidisciplinar estão a contribuir para uma mudança de paradigma, que se espera vir a revolucionar os atuais processos de projeto aeronáutico. Esta investigação inclui duas metodologias de otimização de projeto preliminar de veículos aéreos não-tripulados - uma otimização paramétrica e uma otimização multinível. Foi desenvolvido um código para cada metodologia, tendo sido utilizados modelos de baixa-fidelidade para as várias disciplinas de projeto, nomeadamente aerodinâmica, propulsão, peso, estabilidade estática e dinâmica. Para aumentar o leque de utilizadores, foi desenvolvido um interface gráfico para ambos os programas. A primeira metodologia denomina-se Parametric AiRcRaft design OpTimization (PARROT) e segue uma abordagem paramétrica que otimiza a geometria da asa para um de dois objetivos: missão de vigilância ou máximo peso. Enquanto na primeira o objetivo passa por otimizar o alcance ou autonomia, na segunda o foco passa por maximizar o peso útil sustentado. Constrangimentos incluem a distância de descolagem, a velocidade de subida, o ângulo de pranchamento, a velocidade cruzeiro, entre outros. Os resultados mostraram estar em linha com resultados experimentais de referência e ainda permitir ao utilizador avaliar o impacto da variação de duas variáveis-chave (corda média aerodinâmica e envergadura) em diversas métricas de desempenho, desta forma contribuindo significativamente para auxiliar o processo decisório do engenheiro de projeto. A segunda metodologia chama-se MulTidisciplinary design OPtimization (MTOP) e adota a arquitetura Enhanced Collaborative Optimization (ECO), juntamente com um algoritmo de otimização do tipo gradiente. Uma vez que o objetivo passa por minimizar a energia consumida para um perfil de missão específico, cinge-se a um problema de otimização não constrangido ao nível do sistema, a solução do qual visa a compatibilidade entre subespaços, e um problema devidamente constrangido com o objetivo de minimizar a energia consumida ao nível dos subespaços. Ao invés de cada subespaço representar as disciplinas tradicionais de projeto (e.g. aerodinâmica, estruturas, estabilidade, etc), o autor decidiu criar um subespaço diferente para cada estágio da missão (e.g. descolagem, subida, cruzeiro, etc). A principal razão para esta escolha foi a inclusão de metodologias adaptativas como parte do processo de otimização, nomeadamente uma asa de envergadura variável (VSW), um perfil alar com curvatura variável através de um flap (VCF) e um hélice de passo variável (VPP). O resultado final é a combinação de variáveis que melhor se adequa à função objetivo, sujeitos aos constrangimentos de projeto. Os resultados mostraram que a seleção da combinação de tecnologias adaptativas adequada está altamente dependente do tipo de missão. Além disso, o peso das tecnologias adaptativas tem um elevado impacto que não é facilmente percecionado sem uma metodologia de otimização como a que é apresentada. Globalmente, estas duas metodologias contribuem para um projeto preliminar mais eficaz e eficiente, alimentando a tomada de decisão do projetista com muita informação relevante