Skip to main content
Fachgebiete
Automobil + Motoren Bauwesen + Immobilien Business IT + Informatik Elektrotechnik + Elektronik Energie + Nachhaltigkeit Finance + Banking Management + Führung Marketing + Vertrieb Maschinenbau + Werkstoffe Versicherung + Risiko
DE
EN
Bücher
Zeitschriften
Themenseiten
Organisationspsychologie Projektmanagement Marketing Smart Manufacturing
Weitere Formate
Podcasts Webinare Technik Webinare Wirtschaft Kongresse Veranstaltungskalender Awards
Jetzt Einzelzugang starten
Zugang für Unternehmen
Referenzkunden
SLX-Digitalkonferenz: Zukunftswerkstatt 2024

Mehr Umsatz mit Top-Kontakten

Am 7. Mai erfahren Sie, wie Vertriebsteams Leadgenerierung, Leadnurturing und Leadstrategien effizient steuern können.
Erweiterte Suche
Anmelden
nach oben
Erschienen in:
The Special Technology Sessions at the Large ECCOMAS Conferences and the CFD Research Development in Aeronautics Kapitel lesen Erstes Kapitel lesen

2022 | OriginalPaper | Buchkapitel

10. Inverse Aerodynamic Design Using Neural Networks

verfasst von : Kensley Balla, Ruben Sevilla, Oubay Hassan, Kenneth Morgan

Erschienen in: Advances in Computational Methods and Technologies in Aeronautics and Industry

Verlag: Springer International Publishing

Einloggen

Aktivieren Sie unsere intelligente Suche, um passende Fachinhalte oder Patente zu finden.

search-config
loading …

Abstract

An efficient computational framework is presented and applied to the inverse aerodynamic shape design problem. The main building block is a novel neural network capable to accurately predict the pressure distribution on aerofoils and wings. The trained neural network is used to accelerate the evaluation of the objective function in an optimisation algorithm based on the gradient-free modified cuckoo search method. Two applications are presented in two and three dimensions for problems involving up to 50 geometric parameters.

Sie haben noch keine Lizenz? Dann Informieren Sie sich jetzt über unsere Produkte:

Springer Professional "Wirtschaft+Technik"

Online-Abonnement

Mit Springer Professional "Wirtschaft+Technik" erhalten Sie Zugriff auf:

  • über 102.000 Bücher
  • über 537 Zeitschriften

aus folgenden Fachgebieten:

  • Automobil + Motoren
  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Elektrotechnik + Elektronik
  • Energie + Nachhaltigkeit
  • Finance + Banking
  • Management + Führung
  • Marketing + Vertrieb
  • Maschinenbau + Werkstoffe
  • Versicherung + Risiko

Jetzt Wissensvorsprung sichern!

Jetzt informieren

Springer Professional "Technik"

Online-Abonnement

Mit Springer Professional "Technik" erhalten Sie Zugriff auf:

  • über 67.000 Bücher
  • über 390 Zeitschriften

aus folgenden Fachgebieten:

  • Automobil + Motoren
  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Elektrotechnik + Elektronik
  • Energie + Nachhaltigkeit
  • Maschinenbau + Werkstoffe




 

Jetzt Wissensvorsprung sichern!

Jetzt informieren

Springer Professional "Wirtschaft"

Online-Abonnement

Mit Springer Professional "Wirtschaft" erhalten Sie Zugriff auf:

  • über 67.000 Bücher
  • über 340 Zeitschriften

aus folgenden Fachgebieten:

  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Finance + Banking
  • Management + Führung
  • Marketing + Vertrieb
  • Versicherung + Risiko




Jetzt Wissensvorsprung sichern!

Jetzt informieren
Vorheriges Kapitel Design and Testing a Full-Scale Laminar Wing Leading Edge High-Lift System
Nächstes Kapitel Multidisciplinary Modelling, Analysis and Optimization for Aircraft and System Level Design and Validation
Literatur
1.
Balla K, Sevilla R, Hassan O, Morgan K (2021) An application of neural networks to the prediction of aerodynamic coefficients of aerofoils and wings. Appl Math Model 96:456–479MathSciNetCrossRefMATH
2.
Brezillon J, Abu-Zurayk M (2013) Aerodynamic inverse design framework using discrete adjoint method. New results in numerical and experimental fluid mechanics VIII. Springer, pp 489–496
3.
Dulikravich GS (1997) Aerodynamic shape inverse design methods. In: Sobieczky H (eds) New design concepts for high speed air transport. International centre for mechanical sciences, vol 366. Springer, 1997
4.
Haga M, Demuth H, Beale M, DeJesus O (2014) Neural network design, 2nd edn. Martin Hagan
5.
Khurana M, Winarto H, Sinha A (2008) Application of swarm approach and artificial neural networks for airfoil shape optimization. In: 12th AIAA/ISSMO multidisciplinary analysis and optimization conference, vol 5954
6.
Piegl L, Tiller W (1995) The NURBS book. Springer, Berlin, Heidelberg
7.
Sevilla R, Fernández-Méndez S (2011) Numerical integration over 2D NURBS-shaped domains with applications to NURBS-enhanced FEM. Finite Elem Anal Des 47(10):1209–1220MathSciNetCrossRef
8.
Sørensen KA, Hassan O, Morgan K, Weatherill NP (2003) A multigrid accelerated hybrid unstructured mesh method for 3D compressible turbulent flow. Comput Mech 31(1–2):101–114CrossRefMATH
9.
Suresh S, Omkar S, Mani V, Prakash TG (2003) Lift coefficient prediction at high angle of attack using recurrent neural network. Aerosp Sci Technol 7(8):595–602CrossRefMATH
10.
Walton S, Hassan O, Morgan K, Brown M (2011) Modified cuckoo search: a new gradient free optimisation algorithm. Chaos, Solitons & Fractals 44(9):710–718CrossRef
11.
Yang XS (2010) Nature-inspired metaheuristic algorithms. Luniver Press
12.
Yang XS, Deb S (2010) Engineering optimisation by cuckoo search. Int J Math Model Numer Optim 1(4):330–343MATH
Metadaten
Titel
Inverse Aerodynamic Design Using Neural Networks
verfasst von
Kensley Balla
Ruben Sevilla
Oubay Hassan
Kenneth Morgan
Copyright-Jahr
2022
Buch
Advances in Computational Methods and Technologies in Aeronautics and Industry

Print ISBN: 978-3-031-12018-3

Electronic ISBN: 978-3-031-12019-0

Copyright-Jahr: 2022

DOI
https://doi.org/10.1007/978-3-031-12019-0_10

    Premium Partner

    Bildnachweise