Ottimizzazione di manovre per velivoli ad ala rotante

Transcript

1 Ottimizzazione di manovre per velivoli ad ala rotante Politecnico di Milano Anno Accademico Relatore: Prof. Ing.. Carlo L. Bottasso Correlatore: Ing.. Fabio Nannoni Tesi di Laurea di: Luca RivielloR 15 Ottobre 2003

2 Descrizione del lavoro di tesi Sviluppo di un codice integrato per l ottimizzazione di manovre per velivoli ad ala rotante (TOP) Ingredienti: Modello di meccanica del volo Schema di integrazione numerica Procedura per il recupero dei ratei dei controlli Accoppiamento con procedura di ottimizzazione Risultato: Software integrato di ottimizzazione Analisi di manovre realistiche Procedure CTO: obiettivi e vincoli diversi Integrazione di TOP in procedura multiscala per lo steering di accurati modelli aeroelastici 2/29

3 Sommario Introduzione e motivazioni Modello di velivolo sviluppato Ottimizzazione di manovre come problema di controllo ottimo Esempi numerici Conclusioni e sviluppi futuri Algoritmo multiscala 3/29

4 Manovre di velivoli ad ala rotante Introduzione altamente complesse e dinamiche problema fortemente non lineare sicurezza prestazioni comfort rumore grande numero di variabili, vincoli e limitazioni costi operativi traffico aeroportuale 4/29

5 Tradizionalmente: Introduzione (cont.) si applicano procedimenti empirici o semi-empirici, modificando manovre già note (altri velivoli, differenti condizioni di volo) Il nostro scopo: Sono fondamentali: l esperienza maturata dal costruttore; molte prove di volo. Ne derivano manovre realizzabili ma non ottime ottenere una stima iniziale della soluzione ottima (prestazioni, W TO, etc.); generare manovre con condizioni (p.es. finali) imposte. 5/29

6 Modello di velivolo Modello unificato elicottero/convertiplano convertiplano 2D nel piano longitudinale i m Variabili Per questo lavoro: elicottero convenzionale δ H stati: controlli: y = ( X, Z, Θ, V X, V, q, ω), = 7 u = ( 0 MR, A1, B1, 0 TR, P), nu = 5 Z n y 6/29

7 Modello di velivolo (cont.) Ottimizzazione di manovre per velivoli ad ala rotante Validazione: trim (baricentro dietro) Flappeggio long., MR Incidenza TPP, MR Forza H, MR Potenza assorbita 7/29

8 Modello di velivolo (cont.) Ottimizzazione di manovre per velivoli ad ala rotante Validazione: dinamica (input: doppio scalino). Integratore R-K R K esplicito 4 ordine con medesimo modello sviluppato ad hoc 80 Kts ciclico: assetto 80 Kts ciclico: vel. verticale 160 Kts collettivo: assetto 160 Kts collettivo: vel. verticale 8/29

9 Ottimizzazione di manovre Problema di Controllo Ottimo Problema: trovare gli stati y ed i controlli u che soddisfano 1) le equazioni della dinamica: 2) condizioni al contorno: 3) vincoli: 4) condizioni integrali: 5) limiti superiori/inferiori : in modo da minimizzare funzione di merito: 9/29

10 Ottimizzazione di manovre (cont.) Ottimizzazione di manovre per velivoli ad ala rotante Discretizzo (eqs. dinamica, vincoli e variabili) u Trascrizione Diretta tramite FET y Risolvo un problema di ottimizzazione parametrica non-lineare finito-dimensionale (NLP) Discretizzazione mid-point y = ( X, Z, Θ, V, V, q, ω), u = ( 0 MR, A1, B1, 0 TR, P). Recupero consistente dei ratei dei controlli X Z 10/29

11 Criteri di ottimo per manovre volabili Funzione di merito fisica (che caratterizza la manovra): Per manovre più realistiche: In questo lavoro proponiamo: Vogliamo manovre realistiche senza dover inseguire le dinamiche veloci NB La discretizzazione utilizzata ammette discontinuità arbitrarie dei controlli (compatibili coi vincoli) 11/29

12 CTO semplificato di Cat-A minima perdita di quota Problema fisico Funzione di merito: 12/29

13 CTO semplificato di Cat-A A (cont.) minima perdita di quota Simulazione numerica condizioni operative: sea level ISA; P max =1750hp in emergenza. Tempo di reazione del pilota (integrazione nel tempo, 0 t 0 =1sec) Ottimizzazione (t 0 =1sec T incognito) 13/29

14 CTO semplificato di Cat-A A (cont.) Ciclico longitudinale minima perdita di quota Risultati B& o o 1 [ 16 / s; + 16 / s] w=0 w=100 w=1000 Rateo ciclico longitudinale 14/29

15 CTO semplificato di Cat-A A (cont.) Assetto della fusoliera minima perdita di quota Risultati B& o o 1 [ 16 / s; + 16 / s] w=0 w=100 w=1000 Velocità di beccheggio 15/29

16 CTO semplificato di Cat-A A (cont.) minima perdita di quota Risultati B& o o 1 [ 16 / s; + 16 / s] Traiettoria w=0 w=100 w= /29

17 P TOP NFPATH CTO semplificato di Cat-A A (cont.) V X,V Z Θ, q, ω 0 MR, A1, B1, minima perdita di quota Confronto: simulazione inversa con codice Agusta w=1000, t 0 =0sec, Θ, q, ω 0 MR, A1, B1, 0TR 0TR B& o o 1 [ 16 / s; + 16 / s] 17/29

18 P TOP NFPATH CTO semplificato di Cat-A A (cont.) V X,V Z Θ, q, ω 0 MR, A1, B1, minima perdita di quota Confronto: simulazione inversa con codice Agusta w=1000, t 0 =0sec, Θ, q, ω 0 MR, A1, B1, 0TR 0TR B& o o 1 [ 16 / s; + 16 / s] 18/29

19 P TOP NFPATH CTO semplificato di Cat-A A (cont.) V X,V Z Θ, q, ω 0 MR, A1, B1, minima perdita di quota Confronto: simulazione inversa con codice Agusta w=1000, t 0 =0sec, Θ, q, ω 0 MR, A1, B1, 0TR 0TR B& o o 1 [ 16 / s; + 16 / s] 19/29

20 P TOP NFPATH CTO semplificato di Cat-A A (cont.) V X,V Z Θ, q, ω 0 MR, A1, B1, minima perdita di quota Confronto: simulazione inversa con codice Agusta w=1000, t 0 =0sec, Θ, q, ω 0 MR, A1, B1, 0TR 0TR B& o o 1 [ 16 / s; + 16 / s] 20/29

21 CTO semplificato: W TO massimo Proposta di schema di continuazione con ottimizzazione annidata Trim W TO y trim, u trim vincoli (potenza) Ottimizzazione (perdita di quota fissata) Integrazione in avanti (tempo di reazione del pilota) NB Consente analisi non-standard di grande interesse (es. progetto) y 0 condizioni iniziali 21/29

22 CTO semplificato: W TO massimo Risultati: w=10; s.l. ISA; P max =1750hp; perdita di quota 18m. Massa [kg] Hover: Assetto [ ] Hover: Potenza [hp[ hp] iterazioni 22/29

23 CTO semplificato 23/29 Ottimizzazione di manovre per velivoli ad ala rotante

24 Conclusioni TOP: Trajectory Optimization Procedures stima delle prestazioni; studio di nuove/migliori strategie di pilotaggio; predizione del comportamento in punti non esplorati dell inviluppo di volo o in diverse condizioni operative (fuori( progetto). Miglioramento e specializzazione delle attuali procedure (sicurezza,, performance, costi, rumore) ) in fase di progetto ed eventualmente di certificazione Metodo (FET) DPG: discretizzazione mid-point, con consistente recupero dei ratei dei controlli Storie temporali dei controlli REALISTICHE 24/29

25 METODO MODELLO E PROBLEMI SOFTWARE Sviluppi futuri Interpolazione di ordine superiore dei dati aerodinamici Validazione di un analogo modello di convertiplano Studio di convergenza ed analisi degli effetti del recupero dei ratei dei controlli Applicazioni a problemi di rumorosità/aeroacustica Agusta: evoluzione come pacchetto di ottimizzazione interfacciabile con diversi modelli Steering di accurati modelli aeroelastici Algoritmo multiscala 25/29

26 Algoritmo multiscala Novità: estensione dell utilizzo di accurati codici di simulazione (multicorpo)) a condizioni non stazionarie Modello (aeroelastico) accurato (MBS) scala fine molti gradi di libertà Simulazione in avanti Modello di meccanica del volo (FM) scala grossolana pochi gradi di libertà Simulazione inversa/ottimizzazione Attualmente: la simulazione inversa con modelli numerici accurati (p.es. MBS) ) per questo tipo di problemi risulta troppo onerosa. 26/29

27 Algoritmo multiscala (cont.) Ottimizzazione di manovre per velivoli ad ala rotante Strumento: Identificazione parametrica, per sposare il comportamento dei due modelli TOP (FM) simulazione inversa TOP (FM) identificazione DYMORE (MBS) simulazione in avanti 27/29

28 Algoritmo multiscala (cont.) Ottimizzazione di manovre per velivoli ad ala rotante Problema preliminare (stazionario): modello multicorpo libero in hovering (2D( 2D) 28/29

29 Prof. Ing. Carlo L. Bottasso Domenico Leonello (coautore) Ing. Alessandro Croce Ringraziamenti Ing. Fabio Nannoni Ing. Marzio Preatoni Ing. Andrea Ragazzi 29/29