SOFTWARE
72
progettare 384
•
OTTOBRE
2014
da garantire il soddisfacimento dei
requisiti. La definizione del sistema
di distribuzione dell’aria dipende
dalle perdite di carico del sistema,
integrabilità sul velivolo, affidabilità
e manutenibilità.
L’analisi di trade-off è stata svolta su
due architetture diverse, chiamate
(A) e (B). Sulla base del modello CAD
sono stati realizzati i modelli mo-
nodimensionali usando il software
LMS Amesim delle due architetture
in modo da valutarne le performan-
ce correttamente.
Calcolate le performance delle due
diverse architetture, l’analisi di tra-
de-off si è svolta con l’ausilio della
metodologia TPM.
Ottimizzazione multi-disciplinare
Con il processo di ottimizzazione si
è voluta realizzare una bocchetta
di aerazione di forma tale da mi-
nimizzare le perdite di pressione e
il livello di rumore in condizione
operativa.
L’ottimizzazione ha seguito i se-
guenti passi: studio di accuratezza
della mesh; studio di sensitività
degli input; analisi dei design of
experiment (DOE); ottimizzazione.
Il modello CAD è stato parame-
trizzato introducendo sei punti di
controllo necessari per l’ottimizza-
zione. Il workflow di ottimizzazione
è stato sviluppato con la piattafor-
ma modeFrontier ed è costituito
da tre blocchi principali che per-
mettono di variare il modello CAD,
sviluppare ed eseguire il modello
fluidodinamico della bocchetta ed
eseguire la fase di post processing
automaticamente.
Essendo il problema trattato mul-
tidisciplinare (fluidodinamica e a-
custica) e multi obiettivo (minimiz-
zare perdite di pressione e livello
di rumore), in modo da ottenere
un’esplorazione dettagliata dello
spazio delle variabili di input, è
stato scelto l’algoritmo DOE Full
Factorial a quattro livelli.
A seguito della valutazione delle
configurazioni del DOE, l’analisi
dei dati ottenuti ha fatto emergere
la difficoltà nel conciliare i due
obiettivi e quindi per identifica-
re il migliore compromesso la
necessità di utilizzare l’ottimizza-
zione multi-disciplinare. Per l’ot-
timizzazione è stato scelto, tra i
molti strumenti numerici offerti da
modeFrontier, l’algoritmo Nsga-II
(Non-dominated Sorting Genetic
Algorithm II) con dieci generazio-
ni, partendo da una popolazione
dei migliori otto design selezionati
dal DOE analizzato in precedenza.
In figura in alto a sinistra è mostra-
ta la simulazione della bocchetta
ottimizzata in termini di perdite di
pressione e di rumore.
Dimensionati e ottimizzati il si-
stema di distribuzione e l’unità di
condizionamento, il passo finale
è stato dedicato alla valutazione
dell’ambiente cabina e del comfort
dei passeggeri. In questa fase so-
no stati sviluppati: il modello 3D
termico della cabina e il model-
Modello ottimizzato, campo di velocità.
Modello CFD
e campo
di temperatura.
