การหาค่าเหมาะสมที่สุดของการออกแบบตามแนวคิดของกามิกาเซ่โดรนปีกรูปตัวเอ็กซ์ขับเคลื่อนด้วยระบบไฟฟ้าด้วยเมต้าฮิวริสติกส์
Article Sidebar
Main Article Content
บทคัดย่อ
งานวิจัยชิ้นนี้ได้นำเสนอการหาค่าเหมาะสมที่สุดของการออกแบบตามแนวคิดของกามิกาเซ่โดรน ปีกรูปตัวเอ็กซ์ขับเคลื่อนด้วยระบบไฟฟ้าด้วยวิธีเมต้าฮิวริสติกส์ ฟังก์ชันเป้าหมายของการออกแบบประกอบ ไปด้วยการหาค่าต่ำที่สุดของน้ำหนักเครื่องบินและค่าสูงที่สุดของเวลาในการบิน โดยคำนึงถึงภารกิจในการ บินและเสถียรภาพในการบินเป็นเงื่อนไขบังคับ วิธีแถบตาข่ายลมวน (Vortex Lattice Method: VLM) ถูกนำมาใช้เพื่อคำนวณทางด้านอากาศพลศาสตร์และเสถียรภาพในการบิน และวิธีทฤษฎีเบลดเอเลเมนต์ โมเมนตัม (Blade Element Momentum Theory: BEMT) ถูกนำมาใช้ในการวิเคราะห์ใบพัด อัลกอริทึม Multi-objective Metaheuristic with Interactive Parameter Distribution Estimation (MMIPDE) ถูกใช้นำมาเป็นเครื่องมือในการหาค่าเหมาะสมที่สุด ผลการออกแบบได้ถูกเลือกออกมา 3 ตัวอย่าง จากขอบ หน้าพาเรโต (Pareto front) ความจุแบตเตอรี่ส่งผลโดยตรงต่อฟังก์ชันเป้าหมายทั้งสอง พารามิเตอร์ของ อากาศยานจะเปลี่ยนไปหากมีน้ำหนักที่เปลี่ยนแปลง ค่าเหมาะสมที่สุดจากการออกแบบอากาศยานจะถูกนำไปออกแบบในขั้นตอนการออกแบบขั้นกลาง
Downloads
Article Details
This work is licensed under a Creative Commons Attribution-NonCommercial-NoDerivatives 4.0 International License.
Journal of TCI is licensed under a Creative Commons Attribution-NonCommercial-NoDerivatives 4.0 International (CC BY-NC-ND 4.0) licence, unless otherwise stated. Please read our Policies page for more information...
References
Wikipedia. “IAI Harop.” EN.WIKIPEDIA.org. https://en.wikipedia.org/wiki/IAI_Harop (accessed Apr. 17, 2024).
AeroVironment. “SWITCHBLADE® 300 BLOCK 20.” AVINC.com. https://www.avinc.com/ lms/switchblade (accessed Apr. 17, 2024).
Wikipedia. “ZALA Lancet.” EN.WIKIPEDIA. org. https://en.wikipedia.org/wiki/ZALA_ Lancet (accessed Apr. 17, 2024).
M. H. Sadraey, Aircraft Design: A Systems Engineering Approach, Hoboken, NJ, USA: Wiley, 2012.
R. Storn and K. Price, “Differential Evolution - A Simple and Efficient Heuristic for Global Optimization over Continuous Spaces,” J. Glob. Optim., vol. 11, no. 4, pp. 341 - 359, 1997, doi: 10.1023/A:1008202821328.
J. Kennedy and R. Eberhart, “Particle Swarm Optimization,” ICNN’95 - Int. Conf. Neural Netw., Perth, WA, Australia, 1995, pp. 1942 - 1948, doi:10.1109/ICNN.1995.488968.
S. Mirjalili, P. Jangir, and S. Saremi, “Multi-objective Ant Lion Optimizer: A Multi-objective Optimization Algorithm for Solving Engineering Problems,” Appl. Intell., vol. 46, no. 1, pp. 79 - 95, 2017.
M. A. E. Aziz, A. A. Ewees, A. E. Hassanien, M. Mudhsh, and S. Xiong, “Multi-objective Whale Optimization Algorithm for Multilevel Thresholding Segmentation,” in Advances in Soft Computing and Machine Learning in Image Processing, A. E. Hassanien and D. A. Oliva, Eds., Cham, Switzerland: Springer, 2018, pp. 23 - 39.
J. Zhang and A. C. Sanderson, “JADE: Adaptive Differential Evolution with Optional External Archive,” IEEE Trans. Evol. Comput., vol. 13, no. 5, pp. 945–958, 2009.
S. Wang, Y. Li, and H. Yang, “Self adaptive Mutation Differential Evolution Algorithm based on Particle Swarm Optimization,” Appl. Soft Comput., vol. 81, p. 105496, 2019.
K. Wansasueb, N. Pholdee, N. Panagant, and S. Bureerat, “Multiobjective Meta heuristic with Iterative Parameter Distribution Estimation for Aeroelastic Design of an Aircraft Wing,” Eng. Comput., vol. 38, pp. 695 - 713, 2022.
K. Budziak, Aerodynamic Analysis with Athena Vortex Lattice (AVL). Hamburg, Germany: Hamburg Aircraft Design and Systems Group (AERO), Department of Automotive and Aeronautical Engineering, Hamburg University of Applied Sciences, 2015. [Online]. Available: https://nbn-resolving. org/urn:nbn:de:gbv:18302-aero2015- 09-20.015
R. A. McDonald and J. R. Gloudemans, “Open Vehicle Sketch Pad: An Open Source Parametric Geometry and Analysis Tool for Conceptual Aircraft Design,” in 2022 AIAA SCITECH Forum, 2022, doi: 10.2514/6.2022- 0004.
Cotri. “Blade Element Momentum Theory: Developed during My Bachelor Thesis in Aerospace Engineering.” GITHUB.com. https://github.com/cotri/BEMT (accessed Apr. 17, 2024).