Análise e otimização multidisciplinar de desempenho de um VANT utilizando algoritmo genético multiobjetivo

Abstract

O trabalho aborda a análise e otimização multidisciplinar do desempenho de Veículos Aéreos Não Tripulados (VANTs) por meio da integração de diversas disciplinas e do uso de algoritmos genéticos multiobjetivo. A metodologia adotada consiste em duas partes: o desenvolvimento de uma biblioteca em Python para a previsão de desempenho de VANTs e o acoplamento dessa biblioteca com o software Dakota para a otimização da geometria da asa, levando em consideração parâmetros de desempenho. A primeira parte do trabalho envolve a criação de uma biblioteca orientada a objetos em Python, utilizando as bibliotecas Numpy, scipy e pandas, seguindo boas práticas de programação. Essa biblioteca é capaz de calcular o desempenho de um VANT com propulsão a hélice, contribuindo para uma análise mais detalhada e precisa das funcionalidades e arquitetura geral da aeronave. Já a segunda parte do trabalho foca na otimização da geometria da asa do VANT, considerando múltiplos critérios de desempenho simultaneamente. O uso do algoritmo genético multiobjetivo permite encontrar soluções não dominadas que equilibram diferentes objetivos de projeto, como eficiência, segurança e desempenho global. Essa abordagem multidisciplinar é fundamental para o desenvolvimento de projetos aeronáuticos mais avançados e eficazes.

The work addresses the multidisciplinary analysis and optimization of Unmanned Aerial Vehicle (UAV) performance through the integration of various disciplines and the use of multi-objective genetic algorithms. The adopted methodology consists of two parts: the development of a Python library for UAV performance prediction and the coupling of this library with Dakota software for wing geometry optimization, taking into account performance parameters. The first part of the work involves the creation of an object-oriented library in Python, utilizing the Numpy, Scipy, and Pandas libraries, following good programming practices. This library is capable of calculating the performance of a propeller-driven UAV, contributing to a more detailed and accurate analysis of the aircraft's functionalities and overall architecture. The second part of the work focuses on the optimization of the UAV wing geometry, considering multiple performance criteria simultaneously. The use of the multi-objective genetic algorithm allows for the discovery of non-dominated solutions that balance different design objectives, such as efficiency, safety, and overall performance. This multidisciplinary approach is essential for the development of more advanced and effective aeronautical projects.