Dissertação
Multi-fidelity Methods for Improved Efficiency in Multi-disciplinary Optimization Problems EVALUATED
Uma das mais recentes abordagens para projetar sistemas complexos com precisão e tempo computacional praticável é o o algoritmo Super Efficient Global Optimization (SEGO) aplicado a multi-fidelidade. Além disso, muitos sistemas envolvem múltiplas disciplinas que devem ser consideradas durante o seu projeto. Como estas disciplinas influenciam-se diretamente informação entre as mesmas é trocada durante a otimização através de esquemas de transferência. Uma vez que os esquemas de transferência são uma parte significativa do tempo gasto numa otimização, novas configurações dos mesmos podem ser úteis para reduzir o tempo computacional do processo. Assim, este trabalho considera uma extensão de otimização multi-disciplinar para multi-fidelidade usando SEGO. Neste trabalho, optimizamos uma asa de uma aeronave com o objetivo de consumir o mínimo combustível usando uma ferramenta de baixa fidelidade que considera modelos aerodinâmicos e estruturais, OpenAeroStruct (OAS). Verificamos que os esquemas de transferência do OAS não satisfazem o requisito de conservação. Desenvolvemos uma extensão dos esquemas de transferência para permitir que as disciplinas usem diferentes discretizações. Realizamos um estudo usando o algoritmo SEGO variando os níveis de fidelidade de um a três e usando duas formas de Design of Experiments onde verificamos que a melhor abordagem é a que usa dois níveis de fidelidade e amostras nested. Depois, a extensão dos esquemas de transferência é aplicada a um problema SEGO usando a melhor abordagem. Verificamos que resultados semelhantes são obtidos, mas com uma redução no tempo computacional.
janeiro 29, 2021, 9:0
Publicação
Obra sujeita a Direitos de Autor
Orientação
