dc.contributor.author | Σεφερλής, Ηλίας | el |
dc.contributor.author | Seferlis, Ilias | en |
dc.date.accessioned | 2018-11-12T09:02:17Z | |
dc.date.available | 2018-11-12T09:02:17Z | |
dc.date.issued | 2018-11-12 | |
dc.identifier.uri | https://dspace.lib.ntua.gr/xmlui/handle/123456789/47992 | |
dc.identifier.uri | http://dx.doi.org/10.26240/heal.ntua.16137 | |
dc.rights | Αναφορά Δημιουργού-Μη Εμπορική Χρήση-Όχι Παράγωγα Έργα 3.0 Ελλάδα | * |
dc.rights.uri | http://creativecommons.org/licenses/by-nc-nd/3.0/gr/ | * |
dc.subject | Διατομεακή βελτιστοποίηση | el |
dc.subject | Μέθοδος BLISS | el |
dc.subject | Κατανεμημένη αρχιτεκτονική | el |
dc.subject | Αποσύνθεση προβλημάτων | el |
dc.subject | Αεροδυναμική | el |
dc.subject | Distributed | en |
dc.subject | BLISS method | en |
dc.subject | Υπολογιστική ρευστοδυναμική | el |
dc.subject | Computational fluid dynamics | en |
dc.subject | Multidisciplinary optimization | en |
dc.subject | Διεπιστημονική βελτιστοποίηση | el |
dc.subject | Πολυ-επίπεδες αρχιτεκτονικές | el |
dc.subject | Αιτιοκρατικές μέθοδοι | el |
dc.subject | Deterministic methods | en |
dc.title | Διατομεακή βελτιστοποίηση με αιτιοκρατικές μεθόδους. Θεωρία και εφαρμογές | el |
dc.title | Multi-Disciplinary optimization using deterministic methods. Theory and applications | en |
heal.type | bachelorThesis | |
heal.classification | Αεροδυναμική | el |
heal.classification | Διεπιστημονική προσέγγιση | el |
heal.classification | Aerodynamics | en |
heal.classification | Multidisciplinary design optimization | el |
heal.classificationURI | http://data.seab.gr/concepts/c23c12d107f1d4f215e7a7c2ef7541736ecaecb6 | |
heal.classificationURI | http://data.seab.gr/concepts/1c9a7ede01131cb49873e4adb1710e1d7a161068 | |
heal.classificationURI | http://skos.um.es/unesco6/330101 | |
heal.classificationURI | http://id.loc.gov/authorities/subjects/sh97005691 | |
heal.language | el | |
heal.access | free | |
heal.recordProvider | ntua | el |
heal.publicationDate | 2018-10-04 | |
heal.abstract | Με την όλο και αυξανόμενη πολυπλοκότητα των μηχανολογικών συστημάτων και την απαίτηση για όλο και πιο αξιόπιστες λύσεις, γίνεται σχεδόν επιτακτική η ανάγκη για τη δημιουργία μιας καθολικής και ενσωματωμένης προσέγγισης των πεπλεγμένων προβλημάτων μέσω της ανάλυσης πολλών επιστημονικών πεδίων (disciplines). Η κύρια ιδέα είναι ότι με τη μελέτη πολλών επιστημονικών πεδίων ως ένα ενσωματωμένο σύστημα θα δώσει συνεργατικά μια καλύτερη λύση από ότι εάν το πρόβλημα λυνόταν χωριστά σε κάθε επιστημονικό πεδίο. Η διατομεακή βελτιστοποίηση (Multi-Disciplinary Optimization - MDO), συνεπώς, είναι ένα αναπτυσσόμενο πεδίο έρευνας που μελετά την εφαρμογή μεθόδων αριθμητικής βελτιστοποίησης στον σχεδιασμό πεπλεγμένων συστημάτων και διερευνά την αλληλεπίδραση των επιστημονικών πεδίων μεταξύ τους. Οι μέθοδοι MDO είναι ευρέως διαδεδομένες στην αεροναυπηγική και αεροδιαστημική βιομηχανία, επειδή εκείνες λαμβάνουν υπόψη και αξιοποιούν τη σύζευξη των πεδίων σε κάθε στάδιο σχεδιασμού. Ο στόχος της εργασίας αυτής είναι να εισάγει και να αποσαφηνίσει μερικές από τις πιο βασικές αλλά σύνθετες έννοιες που χρησιμοποιούνται στις MDO μεθόδους και αρχιτεκτονικές, ενώ μέσα από εφαρμογές να δοκιμάσει την απόδοση μιας προτεινόμενης από τη βιβλιογραφία μεθόδου. Αρχικά, παρουσιάζεται μια ταξινόμηση όλων των διαθέσιμων MDO μεθόδων και αρχιτεκτονικών, με έμφαση στις αιτιοκρατικές μεθόδους βελτιστοποίησης, ενώ διερευνώνται τα πλεονεκτήματα και τα μειονεκτήματα τους σε θεωρητικό επίπεδο. Για την καλύτερη κατανόηση των πεπλεγμένων συστημάτων και του τρόπου, με τον οποίο συσχετίζονται μεταξύ τους, εισάγεται ένα νέο διάγραμμα, το οποίο δείχνει τόσο την εξάρτηση των πεδίων όσο και την εκτέλεση διεργασιών μεταξύ τους σε ένα διατομεακό σύστημα. Η εργασία εστιάζει στις κατανεμημένες αρχιτεκτονικές, οι οποίες αποσυνθέτουν το αρχικό πρόβλημα βελτιστοποίησης σε αρκετά υπο-προβλήματα που με τη σειρά τους διαχειρίζονται και επιλύονται ευκολότερα. Βασικοί εκπρόσωποι των αρχιτεκτονικών αυτών είναι οι μέθοδοι CO (Collaborative Optimization), CSSO (Concurrent Subspace Optimization) και BLISS (Bi-Level Integrated System Synthesis). Στη συνέχεια, αυτές οι μέθοδοι περιγράφονται διεξοδικά μαζί με την ανάλυση ευαισθησίας (υπολογισμός παραγώγων), στην οποία βασίζεται κάθε αιτιοκρατική μέθοδος για την εκτέλεση της βελτιστοποίησης και την ανίχνευση της βέλτιστης λύσης στον χώρο σχεδιασμού. Μέσα από διάφορες εφαρμογές που πραγματοποιούνται σε μια υλοποίηση της μεθόδου BLISS, δοκιμάζεται εκείνη ως προς τα χαρακτηριστικά της απόδοσης της. Τέτοιες εφαρμογές περιλαμβάνουν το πρόβλημα της ανθρώπινης καρδιάς -- ένα αρκετά γνωστό μαθηματικό πρόβλημα -- το οποίο με τις κατάλληλες τροποποιήσεις αναδιατυπώνεται σε ένα πρόβλημα MDO. Μια άλλη εφαρμογή είναι ο προκαταρκτικός σχεδιασμός ενός μικρού επιβατικού υπερηχητικού αεροσκάφους (Supersonic Business Jet), στο οποίο τα επιστημονικά πεδία της αεροδυναμικής, της δομικής και της πρόωσης αλληλεπιδρούν προς εύρεση του καθολικού βέλτιστου. Τέλος, εφαρμόζεται η μέθοδος και σε ένα αεροελαστικό πρόβλημα σχεδιασμού αεροτομής με δύο συμμετέχοντα επιστημονικά πεδία, την αεροδυναμική και τη δομική, τα οποία υλοποιούν προηγμένα εργαλεία ανάλυσης, όπως CFD στην αεροδυναμική και CSM στη δομική. Τα αποτελέσματα από τις διάφορες εφαρμογές είναι πολλά υποσχόμενα, υποδεικνύοντας ότι η συγκεκριμένη μέθοδος πρέπει να μελετηθεί περαιτέρω και ίσως να συγκριθεί με άλλες μεθόδους MDO, καθώς εμφανίζει την ικανότητα αποδοτικής διαχείρισης ισχυρά πεπλεγμένων συστημάτων για την εύρεση του καθολικού βέλτιστου. | el |
heal.abstract | With the ever increasing complexity of engineering systems and the need for more reliable solutions, it has become more and more necessary to adopt a global and integrated approach through the study of multiple disciplines. Multi-Disciplinary Optimization (MDO) is an emerging field of research that studies the application of numerical optimization techniques to solve inherently coupled design problems involving multiple disciplines. MDO methods are widely used in aerospace and aircraft manufacturing industries because they enable the design of complex coupled systems, in which the synergistic effects of coupling between various interacting disciplines are explored and exploited at every stage of the design process. This is proven to be much more effective than optimizing the individual disciplinary problems sequentially. The purpose of this thesis is to introduce some of the most basic but complex concepts involved in MDO methods and architectures and, consequently, to evaluate a certain method for its performance. At first, a classification and a brief overview of the various available MDO methods and architectures are presented, with emphasis on deterministic methods, while the merits and demerits of each architecture are discussed from theoretical perspective. To facilitate the understanding of coupled systems and how they relate to each other, a new diagram is introduced to show both data and process flow through the multi-disciplinary system. This thesis is focused on distributed architectures, which decompose the original optimization problem into independent and autonomous optimization sub-problems that in turn are more easily handled and solved. Most common representatives of these architectures are the methods CO (Collaborative Optimization), CSSO (Concurrent Subspace Optimization) and BLISS (Bi-Level Integrated System Synthesis). These methods are described in detail along with the procedure of sensitivity analysis, upon which every gradient-based method relies in order to perform the optimization and trace the optimal solution in the design space. Through several examples on one implementation of the BLISS method, its performance is evaluated. Such examples include the human heart dipole problem -- a well-known mathematical problem -- which is properly modified and reformulated to constitute an MDO problem. This problem is commonly used in the field of MDO for benchmarking MDO implementations due to its simple formulation and known solution. Another example is the conceptual-level design of a Supersonic Business Jet (SBJ) with the disciplines of aerodynamics, structures and propulsion tightly coupled. Lastly, the method is applied to an aeroelastic wing design problem with two participating disciplines, aerodynamics and structures, both of which implement advanced analysis tools, such as CFD in aerodynamics and CSM in structures. The results from the various applications are much promising, indicating that this particular method should be studied further and perhaps compared with other MDO methods, as it shows great potential for handling with efficiency tightly coupled systems. | en |
heal.advisorName | Γιαννάκογλου, Κυριάκος | el |
heal.committeeMemberName | Αρετάκης, Νικόλαος | el |
heal.committeeMemberName | Γιαννάκογλου, Κυριάκος | el |
heal.committeeMemberName | Μαθιουδάκης, Κωνσταντίνος | el |
heal.academicPublisher | Εθνικό Μετσόβιο Πολυτεχνείο. Σχολή Μηχανολόγων Μηχανικών. Τομέας Ρευστών | el |
heal.academicPublisherID | ntua | |
heal.numberOfPages | 111 σ. | |
heal.fullTextAvailability | true |
Οι παρακάτω άδειες σχετίζονται με αυτό το τεκμήριο: