SCOPO DEL CORSO È INTRODURRE LO STUDENTE ALLE METODOLOGIE UTILIZZATE PER LA PROGETTAZIONE CONCETTUALE DI VELIVOLI CON REQUISITI TECNICO-NORMATIVI ASSEGNATI, PONENDO L'ENFASI SULL'INTEGRAZIONE, IN UN'OTTICA DI PROGETTO OTTIMALE, DEGLI ASPETTI AERODINAMICI, STRUTTURALI, DI MECCANICA DEL VOLO E PROPULSIVI. ATTRAVERSO ESERCITAZIONI DI LABORATORIO, LO STUDENTE AVRÀ L'OPPORTUNITÀ DI UTILIZZARE LE METODOLOGIE ACQUISITE NELLA PROGETTAZIONE PRELIMINARE DI UN VELIVOLO SPECIFICO.
scheda docente materiale didattico
Dimensionamento preliminare di velivoli
Stima peso max al decollo
Profili di missione
Dimensionamento preliminare aerodinamico e strutturale
Selezione apparato propulsivo
Lofting di primo tentativo
Unità didattica II
Generalità su ottimizzazione multidisciplinare per il progetto concettuale
Metodi ottimizzazione locali e globali
Ottimizzazione multi-obiettivo
Metodi di ottimizzazione multifedeltà
Metamodelli e modelli surrogati
DOE
Unità didattica III
Knowledge-Based Engineering
Progettazione in presenza di incertezze tecnologiche e operative
Quantificazione delle incertezze (metodi Montecarlo)
Effetto delle incertezze su funzione obiettivo: Ottimizzazione robusta
Effetto delle incertezze sui vincoli: Ottimizzazione affidabile
Metamodelli stocastici adattativi (Kriging, RBF, ...)
Unità didattica IV
Strumenti e metodi di analisi
Uso del pacchetto FRIDA (FRamework for Integrrated Design in Aeronautics)
Uso di software GA (Genetic Algorithm), PSO (Particle Swarm OPtimization)
Integrazione di modelli di simulazione
Esercitazione applicative
- Daniel P. Raymer, Aircraft Design: A Conceptual Approach, Volume 1, AIAA education series, ISBN 1563478307, 9781563478307
Programma
Unità didattica IDimensionamento preliminare di velivoli
Stima peso max al decollo
Profili di missione
Dimensionamento preliminare aerodinamico e strutturale
Selezione apparato propulsivo
Lofting di primo tentativo
Unità didattica II
Generalità su ottimizzazione multidisciplinare per il progetto concettuale
Metodi ottimizzazione locali e globali
Ottimizzazione multi-obiettivo
Metodi di ottimizzazione multifedeltà
Metamodelli e modelli surrogati
DOE
Unità didattica III
Knowledge-Based Engineering
Progettazione in presenza di incertezze tecnologiche e operative
Quantificazione delle incertezze (metodi Montecarlo)
Effetto delle incertezze su funzione obiettivo: Ottimizzazione robusta
Effetto delle incertezze sui vincoli: Ottimizzazione affidabile
Metamodelli stocastici adattativi (Kriging, RBF, ...)
Unità didattica IV
Strumenti e metodi di analisi
Uso del pacchetto FRIDA (FRamework for Integrrated Design in Aeronautics)
Uso di software GA (Genetic Algorithm), PSO (Particle Swarm OPtimization)
Integrazione di modelli di simulazione
Esercitazione applicative
Testi Adottati
- Dispense a cura del docente- Daniel P. Raymer, Aircraft Design: A Conceptual Approach, Volume 1, AIAA education series, ISBN 1563478307, 9781563478307
Bibliografia Di Riferimento
- Sobieszczanski-Sobieski, Alan Morris, Michel van Tooren, "MULTIDISCIPLINARY DESIGN OPTIMIZATION SUPPORTED BY KNOWLEDGE BASED ENGINEERING", Wiley, 2015 - Joaquim R. R. A. Martins and Andrew Ning. Engineering De- sign Optimization. Cambridge University Press, 2021. ISBN: 9781108833417.Modalità Erogazione
TradizionaleModalità Frequenza
In considerazione della natura del corso, che prevede una costante interazione tra teoria e applicazioni, la frequenza, seppur facoltativa, è fortemente consigliata.Modalità Valutazione
Gli studenti, suddivisi in gruppi di lavoro, devono sviluppare un progetto da loro proposto ad inizio anno ed approvato dal docente. Al progetto viene assegnato un voto in trentesimi. Per passare l'esame lo studente deve sostenere anche una prova orale. Il voto finale è media pesata tra voto di progetto e voto orale, v=0.45 vp + 0.55 vo.