Show simple item record

Modelling and quantification of uncertainty in NACA wing flows

dc.contributor.advisorSarris, Ioannis
dc.contributor.authorΚωνσταντάτου, Δανάη
dc.date.accessioned2024-10-11T07:14:14Z
dc.date.available2024-10-11T07:14:14Z
dc.date.issued2024-07-23
dc.identifier.urihttps://polynoe.lib.uniwa.gr/xmlui/handle/11400/7681
dc.identifier.urihttp://dx.doi.org/10.26265/polynoe-7513
dc.description.abstractIn the field of aerospace engineering, the optimization of airfoil design plays a critical role in enhancing aircraft performance. This thesis proposes a novel algorithm for Uncertainty Quantification, which facilitates the solution of Navier - Stokes through an iterative process. UQ is carried out by employing Monte Carlo and Polynomial Chaos methods. This methodology aims to improve computational efficiency while accurately assessing the impact of various parameters, such as Reynolds number and airfoil camber, on aerodynamic characteristics. The study emphasizes the UQ results, revealing how variations in Reynolds number and airfoil camber significantly influence aerodynamic characteristics. The findings highlight critical areas of uncertainty, particularly around the leading and trailing edges of the airfoil and the wake region, where variations in flow conditions introduce significant fluctuations. While the research demonstrates the algorithm's effectiveness, limitations are acknowledged, particularly in handling unsteady flows and complex geometries, as well as the need for improvements in directly computing lift and drag forces. Future work may involve integrating the developed algorithm with machine learning models for design optimization and extending its capabilities to accommodate more intricate flow conditions.el
dc.format.extent90el
dc.language.isoenel
dc.publisherΠανεπιστήμιο Δυτικής Αττικήςel
dc.rightsΑναφορά Δημιουργού - Μη Εμπορική Χρήση - Παρόμοια Διανομή 4.0 Διεθνές*
dc.rightsΑναφορά Δημιουργού - Μη Εμπορική Χρήση - Παρόμοια Διανομή 4.0 Διεθνές*
dc.rights.urihttp://creativecommons.org/licenses/by-nc-sa/4.0/*
dc.subjectUncertainty quantificationel
dc.subjectAerodynamic designel
dc.subjectNavier Stokes equation (NS)el
dc.subjectReynolds numberel
dc.subjectAirfoil optimizationel
dc.subjectΕξισώσεις Navier-Stokesel
dc.subjectΠοσοτικοποίηση αβεβαιοτήτωνel
dc.subjectNACA airfoilsel
dc.titleModelling and quantification of uncertainty in NACA wing flowsel
dc.title.alternativeΜοντελοποίηση και ποσοτικοποίηση αβεβαιότητας σε ροές πτερύγων NACAel
dc.typeΔιπλωματική εργασίαel
dc.contributor.committeeKarvelas, Evangelos
dc.contributor.committeeSofiadis, George
dc.contributor.facultyΣχολή Μηχανικώνel
dc.contributor.departmentΤμήμα Μηχανολόγων Μηχανικώνel
dc.description.abstracttranslatedΣτον τομέα της αεροδιαστημικής μηχανικής, η βελτιστοποίηση του σχεδιασμού της αεροτομής διαδραματίζει κρίσιμο ρόλο στην ενίσχυση των επιδόσεων των αεροσκαφών. Στην παρούσα διατριβή προτείνεται ένας νέος αλγόριθμος για την ποσοτικοποίηση της αβεβαιότητας, ο οποίος διευκολύνει την επίλυση των Navier - Stokes μέσω μιας επαναληπτικής διαδικασίας. Η UQ πραγματοποιείται με τη χρήση μεθόδων Monte Carlo και πολυωνυμικού χάους. Η μεθοδολογία αυτή αποσκοπεί στη βελτίωση της υπολογιστικής αποτελεσματικότητας, ενώ παράλληλα αξιολογεί με ακρίβεια την επίδραση διαφόρων παραμέτρων, όπως ο αριθμός Reynolds και η κύρτωση της αεροτομής, στα αεροδυναμικά χαρακτηριστικά. Η μελέτη δίνει έμφαση στα αποτελέσματα της UQ, αποκαλύπτοντας πώς οι μεταβολές του αριθμού Reynolds και της κύρτωσης της αεροτομής επηρεάζουν σημαντικά τα αεροδυναμικά χαρακτηριστικά. Τα ευρήματα αναδεικνύουν κρίσιμες περιοχές αβεβαιότητας, ιδιαίτερα γύρω από τα μπροστινά και πίσω άκρα της αεροτομής και την περιοχή του wake, όπου οι μεταβολές στις συνθήκες ροής εισάγουν σημαντικές διακυμάνσεις. Αν και η έρευνα καταδεικνύει την αποτελεσματικότητα του αλγορίθμου, αναγνωρίζονται οι περιορισμοί, ιδίως στο χειρισμό ασταθών ροών και πολύπλοκων γεωμετριών, καθώς και η ανάγκη για βελτιώσεις στον άμεσο υπολογισμό των δυνάμεων άνωσης και αντίστασης. Η μελλοντική εργασία μπορεί να περιλαμβάνει την ενσωμάτωση του αλγορίθμου που αναπτύχθηκε με μοντέλα μηχανικής μάθησης για τη βελτιστοποίηση του σχεδιασμού και την επέκταση των δυνατοτήτων του για την αντιμετώπιση πιο περίπλοκων συνθηκών ροής.el


Files in this item

Thumbnail

This item appears in the following Collection(s)

Show simple item record

Αναφορά Δημιουργού - Μη Εμπορική Χρήση - Παρόμοια Διανομή 4.0 Διεθνές
Except where otherwise noted, this item's license is described as
Αναφορά Δημιουργού - Μη Εμπορική Χρήση - Παρόμοια Διανομή 4.0 Διεθνές