MARC

 008250123s2024        us                              c    eng  d
■001000017164570
■00520250211153018
■006m          o    d                
■007cr#unu||||||||
■020    ▼a9798384046264
■035    ▼a(MiAaPQ)AAI31631551
■035    ▼a(MiAaPQ)umichrackham005814
■040    ▼aMiAaPQ▼cMiAaPQ
■0820  ▼a629.1
■1001  ▼aKaneko,  Shugo.
■24510▼aMultidisciplinary  Design  Optimization  of  Delivery  Uncrewed  Aerial  Vehicles  Considering  Operations
■260    ▼a[Sl]▼bUniversity  of  Michigan▼c2024
■260  1▼aAnn  Arbor▼bProQuest  Dissertations  &  Theses▼c2024
■300    ▼a206  p
■500    ▼aSource:  Dissertations  Abstracts  International,  Volume:  86-03,  Section:  A.
■500    ▼aAdvisor:  Martins,  Joaquim  R.  R.  A.
■5021  ▼aThesis  (Ph.D.)--University  of  Michigan,  2024.
■520    ▼aUncrewed  aerial  vehicles  (UAVs)  enable  rapid  and  environmentally  friendly  delivery  of  lightweight  payloads,  such  as  commercial  packages,  food,  and  medical  supplies.  Designing  an  energy-efficient  UAV  is  the  key  to  achieving  the  full  potential  of  UAV  delivery  and  lowering  the  environmental  impact.  To  do  so,  multidisciplinary  design  optimization  (MDO)  is  a  powerful  tool  that  assists  engineers  with  design  tasks  and  accelerates  design  space  exploration  by  automatically  finding  the  optimal  design  given  the  requirements  and  assumptions.  This  dissertation  focuses  on  conceptual  design  optimization  of  delivery  UAVs  considering  flight  operations.  Incorporating  flight  operational  analysis  and  optimization  in  the  UAV  conceptual  design  process  is  important  because  the  expected  flight  operations  drive  the  design  requirements,  hence  the  UAV  design.  At  the  same  time,  the  optimal  flight  operations  are  dependent  on  the  UAV  design  parameters,  meaning  that  the  optimal  UAV  design  and  flight  operations  are  mutually  coupled.  I  apply  MDO  to  capture  this  design-operation  coupling,  which  ultimately  improves  the  design  and  performance  of  delivery  UAVs.  In  the  first  part  of  this  dissertation,  I  present  design  optimization  of  a  UAV  fleet  considering  delivery  operations.  This  problem  simultaneously  optimizes  the  fleet  size  and  composition,  UAV  design  variables,  and  delivery  routing  to  design  a  fleet  that  fulfills  expected  delivery  demands.  To  solve  this  mixed-integer  nonlinear  optimization  problem,  I  propose  an  effective  sequential  heuristic  algorithm  that  combines  gradient-based  design  optimization  and  vehicle  routing  heuristics.  I  then  demonstrate  the  accuracy,  computational  efficiency,  and  scalability  of  the  proposed  algorithm  by  comparing  it  to  a  commercial  branch-and-cut  solver.  The  results  show  that  simultaneous  fleet  design  and  routing  optimization  reduces  the  fleet  acquisition  cost  and  delivery  energy  consumption  by  up  to  20%  compared  to  conventional  uncoupled  optimization.  In  the  second  part,  I  perform  UAV  conceptual  design  optimization  considering  takeoff  flight  operations,  focusing  on  a  single  vehicle  design  in  higher  resolution.  This  problem  yields  simultaneous  optimization  of  UAV  design  and  takeoff  trajectory,  and  I  apply  gradient-based  optimization  to  solve  it  efficiently.  To  reduce  the  computational  cost  of  gradient-based  optimization,  I  propose  new  hierarchical  linear  solution  strategies  to  accelerate  derivative  computations.  I  also  perform  benchmark  studies  of  monolithic  MDO  architectures  and  design-trajectory  coupling  strategies  to  identify  the  best  approach  in  terms  of  computational  cost.  The  results  of  this  dissertation  show  that  simultaneous  optimization  can  find  a  more  energy-efficient  UAV  design  compared  to  uncoupled  optimization.  This  is  achieved  by  capturing  the  system-level  trade-offs  between  the  efficiency  in  different  flight  phases,  which  uncoupled  optimization  cannot  fully  address.  This  demonstrates  the  importance  of  incorporating  takeoff  trajectory  optimization  in  the  conceptual  design  process  of  delivery  UAVs.
■590    ▼aSchool  code:  0127.
■650  4▼aAerospace  engineering
■650  4▼aMechanical  engineering
■650  4▼aTransportation
■653    ▼aUncrewed  aerial  vehicles
■653    ▼aDrone  delivery
■653    ▼aOptimization
■653    ▼aMultidisciplinary  design  optimization
■690    ▼a0538
■690    ▼a0548
■690    ▼a0709
■71020▼aUniversity  of  Michigan▼bAerospace  Engineering.
■7730  ▼tDissertations  Abstracts  International▼g86-03A.
■790    ▼a0127
■791    ▼aPh.D.
■792    ▼a2024
■793    ▼aEnglish
■85640▼uhttp://www.riss.kr/pdu/ddodLink.do?id=T17164570▼nKERIS▼z이  자료의  원문은  한국교육학술정보원에서  제공합니다.

미리보기

내보내기

chatGPT토론

Ai 추천 관련 도서