Ana Sayfa Manşet BİAS Mühendislik, Dron Tasarımına Yönelik Simülasyon ve Optimizasyon Çözümleriyle Endüstri Paydaşlarına Fark Yaratma İmkânı Tanıyor

BİAS Mühendislik, Dron Tasarımına Yönelik Simülasyon ve Optimizasyon Çözümleriyle Endüstri Paydaşlarına Fark Yaratma İmkânı Tanıyor

Solda, ölçüm ve hesaplamalarda kullanılan örnek dron konfigürasyonu boyutları; sağda ise mikrofon konumları görülüyor.

BİAS Mühendislik, kurulduğu 1997 yılından bu yana; savunma, havacılık, uzay ve otomotiv başta olmak üzere birçok sektördeki sanayi kuruluşlarına ileri mühendislik çözümleri sunuyor. Sahip olduğu uzman insan kaynağıyla üst düzey mekanik tasarım ve analiz alanlarında da hizmet veren BİAS Mühendislik, Türkiye’nin en büyük özel test merkezi olan TOSB BİAS Otomotiv Test Merkezi’ni de bünyesinde barındırıyor. Firma, bir diğer faaliyet sahası olan yazılım alanında da özel yazılımların distribütörlüğünü yapıyor ve bu yazılımlara yönelik eğitimler veriyor. Gerçeğe uygun simülasyon verilerinin elde edilebilmesini mümkün kılan Cradle ve Actran’ın da aralarında yer aldığı bu yazılımlar, dronlar gibi çok pervaneli hava araçları tasarlayan firmalara, rakiplerinin bir adım önüne geçme fırsatı veriyor.

Hobi amaçlı yaygın sivil kullanımın yanı sıra sivil amaçlarla üretilmiş dronların dahi askeri amaçlı kullanılabildiğini gördüğümüz günümüzde, dron tasarımı alanında anlamlı fark yaratacak her detay büyük önem kazanıyor. BİAS Mühendislik çatısı altında kullanıma sunulan yazılımlar sayesinde; gelecekte, lojistik ve hava taksi gibi hizmetlerde de büyük oranda görev üstleneceği öngörülen dronların, pervane tasarımı ve buna bağlı olarak da gürültü profili optimizasyonu oldukça kolaylaşıyor.

Çoklu Fizik Kaidelerine Tabi Küçük Fiziksel Objeler

“Dron” olarak tabir edilen küçük insansız hava aracı sistemlerinin geliştirilmesinde ve ticarileştirilmesinde son yıllarda yaşanan artış, sivil ve askeri havacılıkta uygulama çeşitliliğini de beraberinde getiriyor. Gelecekte,
kargo taşımacılığı gibi ticari hizmetlerin yanı sıra güvenlik, yangınla mücadele ve sulama gibi çevre ile ilgili alanlarda da kullanılacağı öngörülen dronlar; özellikle insanlı havacılığın güç olduğu veya istenmediği durumlarda çok geniş bir uygulama alanı buluyor.

Dronlara ilişkin teknolojik gelişmelerdeki hızlı artış; ürün geliştirme, üretim ve operasyon maliyetlerini
azaltmakla kalmayıp, sivil havacılık kurallarının da yeniden düzenlenmesinin gerekli kılıyor. Dron teknolojilerindeki bu baş döndürücü hız ve dronların sivil kullanımının artması, başta güvenlik olmak üzere bazı yasal düzenlemelerin de hızlı bir şekilde yapılmasını gerektiriyor. Regülasyonların eksikliği, bazen bu teknolojinin kötüye kullanılmasına da sebep oluyor. Örneğin bu alandaki gürültü yönetmeliğindeki eksiklik,
dronun uçuşu sırasında çıkarttığı gürültüden dolayı, dron teknolojisinin üzerine gölge düşürüyor. Çok yüksek sese sahip olmamalarına rağmen çalışma frekansları arasındaki geçiş, bazı insanları belirgin biçimde rahatsız ediyor. Özellikle dronun havalanması ve hızlanması esnasında pervanelerin dönme hızının artması, ortaya çıkan sesin seviyesini ve frekansını, yani genel anlamda akustik izini önemli biçimde etkiliyor.

Solda, CFD ağ yapısı (mesh); sağda ise anlık hız değerleri ve Q-Kriteri.

Dinamik Değişkenler, Analiz Yazılımları İçin Teknolojik Bir Meydan Okumaya Dönüşüyor

Nümerik analizler, dronlardan kaynaklı gürültüleri azaltmaya yardımcı oluyor ve bu sayede daha sessiz dron sistemleri geliştirmenin yolunu açıyor. Dron gürültüsünü tahmin etmede simülasyon için zorluk; her bir rotorun dönüş hızı, yan rüzgâr ve pervane kanatlarının yunuslama açısı gibi çeşitli uçuş parametrelerinin değerlerini bilmektir. Bu parametrelerden bazıları gerçek dünyada değişiklik gösterebilir veya bazı parametrelerin kesin değerlerini kestirmek mümkün olmayabilir. Bununla birlikte farklı uçuş senaryoları, esas olarak pervane dönüş hızları ile tanımlanır. Çoğu durumda, pervanelerin hızları birbirinden farklı olur ve böylece dron ileri, geri veya yanlara doğru hareket edebilir ya da kendi ekseni etrafında dönebilir.

Bu kadar çok dinamik değişkenin varlığında, çok pervaneli dronların gürültü simülasyonlarını yapabilmek yüksek bütçeler gerektirebilir. Bu durum, pazar büyüklüğü, kısa ürün yaşam döngüsü ve ekonomik şartlar gibi parametreler düşünüldüğünde, özellikle düşük maliyetli dronlar için ciddi bir problemdir. Günümüz hesaplama teknikleri, yüksek hassasiyetli hesaplamalı akışkanlar dinamiği (HAD / CFD) teknikleri ile Ffowcs Williams–Hawkings denklem çözümlerini ve ayrıştırılmış CFD ve akustik metotları birlikte kullanan hibrit çözümleri de içinde bulundurur.

Fakat CFD analizlerinin yüksek maliyeti nedeniyle tüm olasılıkları kapsayacak şekilde analizler gerçekleştirmek sürdürülebilir değildir.

Hexagon MI bünyesinde bulunan Actran ve Odyssee uygulamalarıyla aero-akustik simülasyon teknikleri ile
makine öğrenmesi (machine learning / ML) gibi akıllı çözümler birleştirildiğinde, ezber bozucu ve çığır açıcı
bir bağlamda, tüm senaryoları kapsayacak hesaplamalar yapmak mümkün hale geliyor. Bir dronun, aero-akustik analizlerle belirlenemeyen gürültü değerleri ve akustik izi, makine öğrenmesi kullanılarak kolaylıkla hesaplanabilir.

Bu alandaki bir diğer sorun; özellikle düşük maliyetli dronlar için kullanılan geri beslemesiz DC motor ile güç
aktarımı sayesinde pervane dönüş hızları hesaplanırken, optik takometre ile pervane hızı ölçülmesidir. Lakin
simülasyonlar sabit bir değer gerektirdiğinden, bu durum, ölçümler ve simülasyon arasında bir kopukluk yaratır. Aynı zamanda, spektrum analizi sonucu ölçülen dönüş hızı ile gerçek hız arasında bir tutarsızlık oluşur.

Solda, anlık kaldırma kuvveti; sağda ise kaldırma kuvveti spektrumu görülüyor.
610.1 Hz (BPF) ve 5.000 Hz’deki [dBA] cinsinden basınç dağılımı. Pervanelerin dönme hızı 18.303 rpm.

Bir Dron Simülasyonu ve Optimizasyonu Örneği

Japonya’da bulunan Hosei Üniversitesi Kentsel Hava Hareketliliği Laboratuvarı’nda yapılan bir çalışmada, küçük ve düşük maliyetli 4 pervaneli bir dron için gürültü yayılım ölçümleri gerçekleştirildi. Düşük maliyetli
dronlar, genellikle geri beslemesiz ve fırçasız DC motor içerdiğinden, pervane dönüş hızları optik takometre ile ölçüldü. 15.379 rpm, 17.140 rpm ve 18.303 rpm olacak şekilde 3 farklı hız profili belirlendi.

Hesaplama süreçlerindeki CFD çözümleri için BİAS Mühendislik’in distribütörlüğünü yaptığı Cradle-scFlow ve aero-akustik analiz çözümleri için ise Actran kullanıldı.

Cradle simülasyonları için 2 konfigürasyon modellendi. Bunlardan biri 3 boyutlu ve 4 pervaneli model olurken; diğeri 1 pervaneli 2 tane simetri sınır koşuluna sahip model oldu. 3 boyutlu modelin sabit mesh alanı içerisine hareketli CFD meshi oluşturularak pervaneler modellendi.

Daha sonra bu iki model içinde LES simülasyonu çalıştırıldığında, 3 boyutlu model için 7.550 CPU-saat ve çeyrek model için 3.160 CPU-saat analiz süreleri olduğu görüldü. Simülasyonlar, hız profil 18.303 rpm’de ve pervanelerin 87 kez rotasyonu için gerçekleştirildi. İstatiksel olarak yakınsanmış sinyali dikkate almak için ilk 8 sinyal çıkarıldı. Hız, basınç ve yoğunluk gibi akış bilgileri, her bir adımda aero-akustik çözüm için girdi olarak alındı. Bu iki modelde kaldırma kuvveti karakteristiklerinin benzer olduğu saptandı ve çeyrek model ile çalışmaya karar verildi.

Cradle CFD çözümleri tamamlandıktan sonra, Actran’da aerodinamik ses kaynakları ve gürültü yayılımı hesaplandı. Akustik modelde, her bir pervaneden gelen aerodinamik ses kaynakları Lighthill yüzeyine yerleştirildi. 5 kHz’e kadar hesaplama frekansı bulunan modelin 492 tane farklı frekansta çözümü, 185 CPU-saat olarak gerçekleştirildi.

Akış değişkenlerinin zaman sinyali yeterince uzun olduğundan, dönüş hızı sapması başına 7 alt yük durumu
oluşturmak için alt sinyallere bölündü.

Çeyrek modelin sahip olduğu simetri sınır koşullarına bağlı olarak Cradle CFD hesaplamaları, 18.303 rpm
pervane hız profilinde, -40% ile 0% arası sapmayla çeşitlendirildi. Daha sonra her bir adımdaki Cradle CFD çözümleri sonucu oluşan hız, basınç ve yoğunluk bilgileri aero-akustik ses kaynaklarını hesaplamak için Actran’a aktarıldı ve 5 kHz’e kadar 492 tane frekansta ses basınç düzeyleri hesaplandı. 4 pervane ve 7 alt yük durumu için hesaplanan 9 dönüş hızı sapması göz önüne alındığında, CAA (hesaplamalı hava-akustik) çözücüsü, toplamda 882 data örneğiyle çalıştı.

Elde edilen bu süreçte, pervane dönüşüyle ilgili tüm senaryoları çözümlemek maliyetli hale geldiğinden, daha
akılcı çözümler elde etmenin gerekliliği de görülmüş oldu.

CAA (Computational Aeroacoustics) ve CFD simulasyonu içeren
makine öğrenmesi (ML) metodolojisi.
Makine öğrenmesi teknikleri ile anında gürültü sonuçlarının elde edilmesine yönelik uygulama.

Hızlı Bir Çözüm için Makine Öğrenmesi Devreye Giriyor

Makina öğrenmesi teknikleri uygulanmasıyla pervane hızı ve diğer girdi parametre setleri sonucu gürültü spektrumu oluşturabilir. Çünkü burada makine öğrenmesi modelinin eğitilmesi de Cradle CFD + Actran hesaplamalı fizik algoritmasına dayanmaktadır. Burada, her bir pervanenin dönüşünde ufak sapmalar da oluşabilir. Bu hesaplama taslağında hatayı asgariye indirmek için çapraz-doğrulama ve hiper-parametre kullanılmakta olup 1,19 dBA’lık bir değere sahiptir. Bu değerin, akustik karşılaştırma standartları için nispeten küçük olduğunu söyleyebiliriz.

Dönme hızının, nominal değerden (18.303 rpm) sapma miktarına bağlı olarak gürültü spektrumu, gerçek zamanlı incelenebilir. Bunun için farklı grafik uygulamaları da bulunuyor. Böylece Actran yazılımını kullanan
mühendisler, bu sonuçları kullanarak her mikrofon için spektrumu görüntüleyebiliyor ve yine her mikrofon için ölçülen sesi çalabiliyor.

BİAS Mühendislik, savunma ve havacılık sanayisinde de kullanılan özel bilimsel ve endüstriyel yazılımların distribütörlüğünü
yapıyor; bu yazılımlara yönelik eğitim ve seminerler veriyor.

Sırada Ne Var?

Bu uygulama, makine öğrenmesinin gürültü analizleri ile bile kullanılabildiğini gösteren güzel bir örnek teşkil ediyor. Gelecekte, mühendislerin gürültü yayılımını gerçek zamanlı olarak görselleştirmek için akustik hesaplamalardan ve akustik haritalardan ses üretebilecekleri, tamamen işlevsel, internete bağlı bir web uygulamasına da dönüşme potansiyeli taşıyor.

Burada amaç, statik bir test durumunda analiz ve test sonuçlarını karşılaştırmaktı. Gelecekte bu çalışmaların;
kanatların eğim değişimi, şehirlerde ve mahallelerde karmaşık yayılımı, rüzgâr hızı ve yönü ve daha pek çok parametre eklenerek kurgulanan modellerle gerçek dünya durumları için geliştirilmesi gerekiyor.

Burada açıklanan metodoloji, sadece küçük dronlar için değil yolcu dronları ve sabit kanatlı pervanelere sahip
hava araçları için de genişletilebilir bir örnek teşkil ediyor.

BİAS Mühendislik’in sunduğu, Cradle CFD ve Actran gibi birinci sınıf yazılımlardan elde edilen gerçeğe uygun
simülasyon verileri makine öğrenmesi ile birleştirerek, dronların tasarımı ve gürültü sertifikasyonu daha hızlı
gerçekleştirilebilir. Böylece, akustik mühendisleri de daha güvenli ve daha sessiz yeni nesil dronlar tasarlayabilir. Askeri uygulamalar için ise hem tespit hem de teşhisi zorlaştıracak yeni mühendislik çalışmalarına imkân tanınıyor.

BİAS Mühendislik’in distribütörlüğünü yaptığı özel yazılımlar ve bu yazılımlara yönelik sağladığı eğitimler hakkında bilgi almak için: info@bias.com.tr adresine e-posta atabilirsiniz.

Loading

İlgili İçerikler

Bu web sitesi deneyiminizi geliştirmek için çerezler kullanmaktadır. Bu konuda bilgi sahibi olduğunuzu düşünüyoruz, ancak isterseniz devre dışı bırakabilirsiniz. Kabul Et Detaylı bilgi almak için tıklayın.