توسعه یک چارچوب بهینه‌ سازی طراحی و آنالیز چند موضوعی برای میکروپرنده‌های بال ثابت

از آنجائی که روش معینی برای طراحی میکروپرنده‌ها (برخلاف هواپیماهای با مقیاس بزرگ) وجود ندارد، لذا طراحی این وسایل بسیار پیچیده و مبهم است. به همین دلیل، طراحی میکروپرنده‌ها بسیار پرهزینه (زمان‌بر) است و نهایتاً طرح به‌دست‌آمده نمی‌تواند بهینه باشد. برای حل این چالش‌ها، این تحقیق یک چارچوب برای بهینه‌سازی طراحی چندموضوعی میکروپرنده‌های بال ثابت را توسعه داده است. هدف این چارچوب استفاده از مزایای روش بهینه‌سازی طراحی چندموضوعی (کاهش زمان و دستیابی به طرح بهینه) در فرآیند طراحی میکروپرنده‌ها است. لذا سعی شده است تا مهم‌ترین ماژول‌ها برای آنالیز در نظر گرفته و چارچوب بتواند همه فازهای پروازی در فرآیند بهینه‌سازی طراحی را لحاظ کند. هندسه، وزن، تخمین مرکز جرم، آیرودینامیک و تخمین توان ماژول‌های در نظر گرفته‌شده در این چارچوب می‌باشند. برای نشان دادن عملکرد این چارچوب، بهینه‌سازی طراحی یک میکروپرنده بال ثابت با در نظر گرفتن کاهش وزن برخاست و نیروی پسآ به‌عنوان توابع هدف، انجام‌شده است. قیود در نظر گرفته‌شده نیز از ماژول‌های پایداری و هندسه می‌باشند. شایان‌ذکر است که با توجه به فضای طراحی پیچیده میکروپرنده‌ها و قابلیت الگوریتم ژنتیک، این الگوریتم به‌عنوان الگوریتم بهینه‌سازی در نظر گرفته‌ شده است.

developing a multidisciplinary analyzing and design optimization framework for fixed wing micro air vehicles

there is no determined method for micro air vehicles (mavs) design (unlike full-scale aircraft), so mavs design is very complex and vague. for this reason, the design of mavs is very expensive (time-consuming), and finally, the obtained design could not be more optimal. to solve these challenges, this study developed a framework for multidisciplinary design optimization (mdo) of fixed-wing mavs. this framework aims to use the benefits of mdo (time reduction and achieving optimal design) in the design process of mavs. so, it is tried to consider the most important modules for analysis, and the framework can consider all flight phases in the design optimization process. geometry, weight, the center of gravity, aerodynamics, and power are the considered modules in this framework. the analysis of all modules is performed for the entire flight phase. to show the performance of this framework, the design optimization of a fixed-wing mav has been done by considering take-off weight and drag as objective functions.  the considered constraints for this research are from stability and geometry modules. it is worth noting that with attention to the complex design space of mavs and the capability of the genetic algorithm (ga), this algorithm has been considered as an optimization algorithm in this study.