Desenvolvimento de perfis aerodinâmicos a partir de suas características utilizando redes neurais artificiais

Uma das maiores preocupações atuais na Engenharia é o desenvolvimento de aeronaves que possuam baixo consumo e alto desempenho. Para isso, são estudados e projetados perfis aerodinâmicos que tenham um valor elevado de coeficiente de sustentação e um valor baixo para o coeficiente de arrasto, gerando um perfil de alta eficiência. Quanto maior o valor da eficiência, menor será o consumo de combustível da aeronave, melhorando assim, o seu desempenho. Neste sentido, este trabalho objetiva desenvolver uma ferramenta para criação de perfis aerodinâmicos a partir de características desejadas, como coeficiente de sustentação e de arrasto e eficiência máxima, utilizando-se um algoritmo baseado em uma Rede Neural Artificial (RNA). Para isso, inicialmente foram coletados uma base de dados de características aerodinâmicas de um total de 300 perfis, a partir do software XFoil. Então, através de uma rotina implementada no software MATLAB, foram treinadas diversas arquiteturas de redes, entre modulares e hierárquicas, utilizando-se o algoritmo de Retropropagação e a regra do Momento. Para análise dos resultados, foi utilizada a técnica de validação cruzada, avaliando a rede que possuiu o menor valor de Erro Médio Quadrático (EMQ). Neste caso, o melhor resultado obtido foi para uma arquitetura hierárquica com dois módulos e uma camada de neurônios ocultos. Os perfis aerodinâmicos desenvolvidos por essa rede, nas regiões de menor EMQ, foram comparados aos mesmos perfis importados ao software XFoil. O presente trabalho oferece como contribuição, em relação a outros trabalhos que envolvem RNA aplicada à mecânica dos fluidos, o desenvolvimento de perfis aerodinâmicos a partir de suas características aerodinâmicasOne of the current major concerns in engineering is the development of aircrafts that have low power consumption and high performance. So, airfoils that have a high value of Lift Coefficient and a low value for the Drag Coefficient, generating a High-Efficiency airfoil are studied and designed. When the value of the Efficiency increases, the aircraft s fuel consumption decreases, thus improving its performance. Therefore, this work aims to develop a tool for designing of airfoils from desired characteristics, as Lift and Drag coefficients and the maximum Efficiency, using an algorithm based on an Artificial Neural Network (ANN). For this, it was initially collected an aerodynamic characteristics database, with a total of 300 airfoils, from the software XFoil. Then, through the software MATLAB, several network architectures were trained, between modular and hierarchical, using the Back-propagation algorithm and the Momentum rule. For data analysis, was used the technique of cross- validation, evaluating the network that has the lowest value of Root Mean Square (RMS). In this case, the best result was obtained for a hierarchical architecture with two modules and one layer of hidden neurons. The airfoils developed for that network, in the regions of lower RMS, were compared with the same airfoils imported into the software XFoi