بهینه سازی طراحی چندموضوعی یک هواپیمای بی سرنشین و انتخاب حل نهایی براساس تابع درجه رضایت مندی فازی

در این مقاله، یک ساختار جامع برای بهینه‌سازی طراحی چندموضوعی هواپیماهای بی‌سرنشین بیان و سپس جهت اعتبارسنجی آن بهینهسازی طراحی هواپیمای بی‌سرنشین predator mq-1 مورد بررسی قرار گرفته است. موضوعات درگیر در آنالیز چندموضوعی عبارتند از: عملکرد، آیرودینامیک، تخمین جرم، مرکز جرم و ممان اینرسی‌ها، تخمین مشتقات پایداری و کنترل، تریم و تخمین مشخصه‌های پایداری دینامیکی. کمینه‌سازی وزن برخاست و نیروی پسآی فاز سیر هدف‌های در نظر گرفته شده در این تحقیق می‌باشند. از آنجایی که دو تابع هدف در نظر گرفته شده است از الگوریتم ژنتیک چندهدفه ( با مفهوم مرتب‌سازی نامغلوب) به عنوان بهینه‌ساز استفاده شده است که قادر به ایجاد مجموعه‌ای از حل‌های بهینه تحت عنوان پرتو فرانت می‌باشد. جهت انتخاب یک حل نهایی از میان پرتو فرانت‌ها در این مقاله روشی بر مبنای منطق فازی تحت عنوان درجه رضایت‌مندی مطرح گردیده است. از نقاط قوت این تحقیق می‌توان به جامعیت آن (تعداد موضوعات درگیر در طراحی، تعداد متغیرهای طراحی و قیود مساله) و همچنین ارائه یک روش ساده و موثر جهت انتخاب حل نهایی اشاره کرد. نتایج بهینه‌سازی نشان‌دهنده کارآمدی ساختار تدوین شده و همچنین روش پیشنهادی می‌باشند.

Multidisciplinary Design Optimization of an Unmanned Air Vehicle and Final Solution Selection Based on Fuzzy Satisfaction Degree Function

In this paper, a comprehensive structure is expressed for multidisciplinary design optimization of the unmanned air vehicle and the design optimization of Predator MQ1 has been studied for validation. The considered modules in the multidisciplinary analysis are performance, aerodynamic, weight, center of gravity, stability and control derivatives, trim and dynamic stability characteristics. The minimization of takeoff weight and cruise drag are considered as objective functions. Since two objective functions are considered, therefore multiobjective genetic algorithm (with the nondominated sorting concept) is used as optimizer which can generate set of optimal solutions as Pareto fronts. A method based on fuzzy logic named satisfaction degree function is expressed for final solution selection. The strengths of this paper are its comprehensiveness (the number of design modules, the number of design variables and constraints) and the presentation of a simple and efficient method for final solution selection. The optimization results show the effectiveness of the structured framework and suggested method.