MARC

 008250123s2024        us                              c    eng  d
■001000017164813
■00520250211153050
■006m          o    d                
■007cr#unu||||||||
■020    ▼a9798346380337
■035    ▼a(MiAaPQ)AAI31643309
■035    ▼a(MiAaPQ)Stanfordfw426xc4025
■040    ▼aMiAaPQ▼cMiAaPQ
■0820  ▼a790
■1001  ▼aNeedels,  Jacob  Troy.
■24510▼aEfficient  Multidisciplinary  Analysis  and  Optimization  of  Hypersonic  Vehicles  Using  Multi-Fidelity  Surrogate  Models
■260    ▼a[Sl]▼bStanford  University▼c2024
■260  1▼aAnn  Arbor▼bProQuest  Dissertations  &  Theses▼c2024
■300    ▼a123  p
■500    ▼aSource:  Dissertations  Abstracts  International,  Volume:  86-05,  Section:  B.
■500    ▼aAdvisor:  Alonso,  Juan.
■5021  ▼aThesis  (Ph.D.)--Stanford  University,  2024.
■520    ▼aThe  trade  between  computational  cost  and  model  accuracy  is  a  fundamental  challenge  in  engineering  design:  models  of  higher  fidelity  (i.e.  physical  accuracy)  typically  require  additional  cost.  Resource  constraints  fundamentally  limit  the  amount  of  high-fidelity  information  available  to  engineers  during  design  cycles,  often  requiring  decisions  to  be  made  with  incomplete  information.  Simply  substituting  in  simplified,  low-fidelity  tools  may  guide  the  system  to  a  non-optimal  or  infeasible  configuration,  introducing  risk  in  the  design  process.The  design  of  hypersonic  glide  vehicles  exemplifies  these  challenges.  The  challenges  involved  with  experimental  testing  place  a  strong  reliance  on  numerical  models  for  design  insight,  but  com-  putational  fluid  dynamics  simulations  of  aerodynamic  and  aerothermal  conditions,  capturing  all  relevant  physics,  are  computationally  expensive.  Furthermore,  the  tight  coupling  between  trajec-  tory  performance  and  vehicle  configuration  necessitates  analysis  at  a  wide  range  of  flight  conditions,  exacerbating  computational  cost  by  requiring  a  large  number  of  simulations.  This  thesis  examines  the  use  of  multi-fidelity  modeling  strategies  to  reduce  the  cost  of  multidisciplinary  analysis  and  op-  timization  of  hypersonic  vehicles  while  retaining  a  level  of  accuracy  in  results  consistent  with  the  highest  level  of  fidelity.A  multi-fidelity  framework  for  aerodynamic  and  aerothermal  modeling  of  hypersonic  vehicles  is  introduced  and  applied  to  the  simulation  of  a  hypersonic  glide  vehicle.  An  integrated,  low-  fidelity  modeling  framework  for  parametric  geometries,  SHARPE,  is  developed,  providing  comparable  predictions  to  the  SU2  computational  fluid  dynamics  solver  for  hypersonic  conditions,  but  with  significantly  reduced  computational  cost.  Predictions  from  these  tools  are  used  to  construct  surrogate  models  using  multi-fidelity  Gaussian  process  regression.  The  resulting  surrogate  models  are  then  used  in  the  trajectory  simulation  of  a  notional  hypersonic  glide  vehicle,  and  the  impact  of  surrogate  accuracy  on  trajectory  performance  is  examined.Given  the  observation  that  realized  trajectories  comprise  a  small  subset  of  the  vehicle  state  space,  strategies  for  using  trajectory  information  to  improve  sampling  efficiency  are  explored.  A  methodology  for  sampling  based  on  sequentially  refined  estimates  of  the  true  trajectory  is  developed,  and  shown  to  reduce  range  prediction  error  relative  to  a  uniform  sampling  policy.  The  sensitivity  of  trajectory  quantities  to  aerodynamic  parameters  is  efficiently  computed  using  the  adjoint  equations  of  the  vehicle  dynamics.  A  sampling  algorithm  combining  trajectory  and  sensitivity  information  is  presented  and  applied  to  aerodynamic  surrogate  models,  resulting  in  consistently  more  accurate  range  predictions  than  other  policies  examined.Finally,  multi-fidelity  aerodynamic  and  aerothermal  surrogate  models  trained  over  a  joint  ve-  hicle  design-state-control  space  are  integrated  into  a  simple  hypersonic  glide  vehicle  optimization  framework.  Multi-fidelity  predictions  of  range  performance  and  thermal  protection  system  sizing  are  shown  to  be  substantially  modified  from  low-fidelity  alone  predictions  by  employing  a  small  amount  of  multi-fidelity  data.
■590    ▼aSchool  code:  0212.
■650  4▼aDesign  optimization
■650  4▼aHeat
■650  4▼aReynolds  number
■650  4▼aGeometry
■650  4▼aNormal  distribution
■650  4▼aAltitude
■650  4▼aDesign
■650  4▼aFluid  mechanics
■690    ▼a0389
■690    ▼a0204
■71020▼aStanford  University.
■7730  ▼tDissertations  Abstracts  International▼g86-05B.
■790    ▼a0212
■791    ▼aPh.D.
■792    ▼a2024
■793    ▼aEnglish
■85640▼uhttp://www.riss.kr/pdu/ddodLink.do?id=T17164813▼nKERIS▼z이  자료의  원문은  한국교육학술정보원에서  제공합니다.

미리보기

내보내기

chatGPT토론

Ai 추천 관련 도서