• JoomlaWorks Simple Image Rotator
  • JoomlaWorks Simple Image Rotator
  • JoomlaWorks Simple Image Rotator
  • JoomlaWorks Simple Image Rotator
  • JoomlaWorks Simple Image Rotator
  • JoomlaWorks Simple Image Rotator
  • JoomlaWorks Simple Image Rotator
  • JoomlaWorks Simple Image Rotator
  • JoomlaWorks Simple Image Rotator
  • JoomlaWorks Simple Image Rotator
 
  Bookmark and Share
 
 
Dissertação de Mestrado
DOI
10.11606/D.18.2016.tde-04022016-095107
Documento
Autor
Nome completo
Ana Paula Carvalho da Silva Ferreira
Unidade da USP
Área do Conhecimento
Data de Defesa
Imprenta
São Carlos, 2005
Orientador
Banca examinadora
Marques, Flávio Donizeti (Presidente)
Carvalho, André Carlos Ponce de Leon Ferreira de
Silva, Roberto Gil Annes da
Título em português
Identificação do funcional da resposta aeroelástica via redes neurais artificiais
Palavras-chave em português
Aeroelasticidade
Algoritmo de Levenberg-Marquardt
Funcionais multicamadas
Redes neurais
Resumo em português
Identificação e predição do comportamento aeroelástico representa um grande desafio para a análise e controle de fenômenos aeroelásticos adversos. A modelagem aeroelástica requer informações tanto sobre a dinâmica estrutural quanto sobre o comportamento aerodinâmico não estacionário. No entanto, a maioria das metodologias disponíveis atualmente são baseadas no desacoplamento entre o modelo estrutural e o modelo aerodinâmico não estacionário. Conseqüentemente, métodos alternativos são bem vindos na área de pesquisa aerolástica. Entre os métodos alternativos está o funcional multicamada, que fornece uma rigorosa representação matemática apropriada para modelagem aeroelástica e pode ser obtido através de redes neurais artificiais. Esse trabalho apresenta uma aplicação desse método, consistindo de um procedimento de identificação baseado em redes neurais artificiais que representam o funcional da resposta aeroelástica. O modelo neural foi treinado usando o algoritmo de Levenberg-Marquardt, o qual tem sido considerado um método de otimização muito eficiente. Ele combina a garantia de convergência do método do gradiente e o alto desempenho do método de Newton, sem a necessidade de calcular as derivadas de segunda ordem. Um modelo de asa ensaiado em túnel de vento foi usado para fornecer a resposta aeroelástica. A asa foi fixada a uma mesa giratória e um motor elétrico lhe fornecia o movimento de incidência. Essa representação aeroelástica funcional foi testada para diversas condições operacionais do túnel de vento. Os resultados mostraram que o uso de redes neurais na identificação da resposta aeroelástica é um método alternativo promissor, o qual permite uma rápida avaliação da resposta aerolástica do modelo.
Título em inglês
Identification of the functional aeroelastic response by artificial neural networks
Palavras-chave em inglês
Aeroelasticity
Levenberg-Marquardt algorithm
Multi-layer functionals
Neural networks
Resumo em inglês
Identification and prediction of aeroelastic behavior presents a significant challenge for the analysis and control of adverse aeroelastic phenomena. Aeroelastic modeling requires information from both structural dynamics and unsteady aerodynamic behavior. However, the majority of methodologies available today are based on the decoupling of structural model from the unsteady aerodynamic model. Therefore, alternative methods are mostly welcome in the aeroelastic research field. Among the alternative methods there is the multi-layer functional (MLF), that allows a rigorous mathematical framework appropriate for aeroelastic modeling and can be realized by means of artificial neural networks. This work presents an identification procedure based on artificial neural networks to represent the motion-induced aeroelastic response functional. The neural network model has been trained using the Levenberg-Marquardt algorithm that has been considered a very efficient optimization method. It combines the guaranteed convergence of steepest descent and the higher performance of the Newton's method, without the necessity of second derivatives calculation. A wind tunnel aeroelastic wing model has been used to provide motion-induced aeroelastic responses. The wing has been fixed to a turntable, and an electrical motor provides the incidence motion to the wing. This aeroelastic functional representation is then tested for a range of the wind tunnel model operational boundaries. The results showed that the use of neural networks in the aeroelastic response identification is a promising alternative method, which allows fast evaluation of aeroelastic response model.
 
AVISO - A consulta a este documento fica condicionada na aceitação das seguintes condições de uso:
Este trabalho é somente para uso privado de atividades de pesquisa e ensino. Não é autorizada sua reprodução para quaisquer fins lucrativos. Esta reserva de direitos abrange a todos os dados do documento bem como seu conteúdo. Na utilização ou citação de partes do documento é obrigatório mencionar nome da pessoa autora do trabalho.
Data de Publicação
2016-02-04
 
AVISO: Saiba o que são os trabalhos decorrentes clicando aqui.
Todos os direitos da tese/dissertação são de seus autores
CeTI-SC/STI
Biblioteca Digital de Teses e Dissertações da USP. Copyright © 2001-2020. Todos os direitos reservados.