Disser Ta Cao

Otimizao de desempenho de aeroflios
supercrticos: uma abordagem baseada em

algoritmos genticos
Rafael Gigena Cuenca
SERVIO DE PS-GRADUAO DO ICMC-USP
Data de Depsito: 20 de fevereiro de 2009
Assinatura:
Otimizao de desempenho de aeroflios supercrticos: uma
abordagem baseada em algoritmos genticos
Rafael Gigena Cuenca
Orientador: Prof. Dr. Leandro Franco de Souza
Dissertao apresentada ao Instituto de Cincias Matemti-
cas e de Computao - ICMC-USP, como parte dos requisi-
tos para obteno do ttulo de Mestre emCincias - Cincias
de Computao e Matemtica Computacional.
USP - So Carlos
Fevereiro/2009
Agradecimentos
O homem deve procurar progredir, mas no pode fazer isso
sozinho porque no dispe de todas as faculdades; eis por
que precisa se relacionar com outros homens. No isola-
mento, se embrutece e se enfraquece. (Livro dos Espri-
tos)
Na misericrdia e no amor de Deus, ainda incompreensveis para ns, criaturas em cresci-
mento, somos postos a viver em sociedade. No convvio dirio com o prximo, repleto de defeitos
e virtudes, aprendemos com suas experincias e reconhecemos nele os nossos prprios defeitos,
que devem ainda ser depurados, fazendo com que ele se torne nosso professor e mestre. Na ree-
xo nal caracterstica do m dos estgios da vida, tarefa imperiosa reconhecer a importncia
desse tipo de pessoa. Ao longo de todo o processo de aprendizado do mestrado, tive a felicidade de
ter o apoio das amizades e inimizades para me direcionar neste trabalho nal e no amadurecimento
pessoal, ainda em seu incio.
Durante a ps-graduao, tive o apoio de novas amizades, encontradas aqui. Os momentos
de reexo e descontrao com as turmas do LCAD e do LOT foram importantes no sustento
psicolgico de que eu precisei. Agradeo principalmente Tamara pela amizade incondiocional e
disponvel nos momentos mais conturbados e pelo trabalho de cupido esforado.
Nos quatro anos do desenvolvimento deste trabalho, tive o apoio muito importante de dois pro-
fessores que, extra-ocialmente, se revezavam na orientao: Leandro Franco de Souza e Rodrigo
Fernandes de Mello. Ambos me transmitiram conhecimento e experincias durante todo o traba-
lho e tiraram leite de pedra, muitas vezes, para aumentar meu pequeno potencial. A orientao
do Leandro me possibilitou ter contato com outros pesquisadores que me ajudaram muito. Devo
agradecimentos a toda a turma do CTA.IAE, especialmente ao Joo e ao Edson, por todas as aju-
das relacionadas aos mtodos computacionais no estudo aerodinmico. Agradeo tambm ao Biga
pelas orientaes quando tive problemas com o Roe.
Todos os meus professores, na graduao ou na ps, me forneceram embasamento terico,
muitas vezes no valorizado no momento. s amizades na Engenharia Aeronutica, agradeo
pelas inmeras conversas esclarecedoras relacionadas a questes tcnicas e conceituais da rea.
E tambm pelos momentos de descontrao no Campus II (vulgo Roa), nas brincadeiras com
i
helicpteros made in China na companhia do mestre Paulo e do mestre Dirso, nos cafs com o
Claudinho e com o "forride". Como ocorre na rea, muitos j se mudaram, mas agradeo por ter
conhecido a Elizangela, o Z Eduardo, o Hilto...
Concomitantemente aos estudos acadmicos, aprendi muito nos estudos espritas junto ao
grupo do qual fui integrante. Conheci Cllia, Maria, Rosa, Gilberto, Vanessa, Fabrcio e mui-
tos outrso que foram e vieram ao longo de seis anos. Espero ser capaz de pr em prtica tudo o
que aprendi com eles e sei que sempre terei seu carinho.
Devo especial agradecimento minha famlia no apenas os natos, mas tambm os adquiri-
dos. Toda a famlia Lamas sempre me recebeu muito bem, no por causa de minha grandeza, mas
por seus imensos coraes. famlia da Mari, que me recebeu como membro, de tal forma que os
pais dela nem parecem meus sogros. Mari, agradeo por toda a pacincia com o meu estresse
e pelo amor durante todo o tempo. Aos meus pais, devo de tudo um pouco da minha histria,
pessoas to queridas e com qem ainda tenho tanto para aprender.
(...) Que eu jamais me esquea que Deus me ama innita-
mente! (...) (Francisco Cndido Xavier)
ii
Somos os responsveis por nossa tragdia e por nossa gl-
ria. (Francisco Cndido Xavier)
Deixe algum sinal de alegria, onde passes.
(Francisco Cndido Xavier)
(...) Preciso que tudo se destrua para renascer e se rege-
nerar. Porque, o que chamais destruio no passa de uma
transformao, que tem por m a renovao e melhoria dos
seres vivos. (...) (Livro dos Espritos)
iii
Resumo
O presente trabalho tem por objetivo o estudo da otimizao multiobje-
tivo aplicada ao projeto de pers aerodinmicos em regime transnico, ana-
lisando comparativamente diferentes formas de denir as funes objetivo.
A otimizao efetuada pelo algoritmo gentico NSGA-II. Os resultados
so avaliados utilizando mtricas de diversidade da populao e otimalidade
das solues, das quais duas so propostas. As funes objetivo so cons-
tituidas de diferentes parametrizaes da geometria e diferentes tcnicas de
simulao numrica. A parametrizao da geometria feita utilizando a pa-
ramentrizao Parsec ou a parametrizao baseada em pontos de controle.
A discretizao do domnio espacial feita utilizando malha estruturada
conformada ao perl e suavizao por EDP elptica. As duas tcnicas de
volumes nitos com diferentes modelos para o clculo do uxo na face do
volume implementadas foram o mtodo de Jameson (esquema centrado) e o
mtodo de Roe (esquema upwind). As comparaes feitas so as seguintes:
utilizao de modelo viscoso e invscido, com o uso do cdigo Mses com
a parametrizao por ponto de controle; a utilizao da parametrizao por
ponto de controle e parametrizao Parsec usando o mtodo de Jameson; e
a comparao entre o mtodo centrado e o upwind, utilizando a parametri-
zao Parsec. Conclui-se dos resultados obtidos que a utilizao da para-
metrizao por pontos de controle melhor. Entretanto, ainda necessria
a utilizao de uma parametrizao que garanta maior suavidade ou a im-
posio de restries sobre a suavidade da soluo. A utilizao do modelo
viscoso torna os resultados da otimizao melhores do ponto de vista da oti-
malidade. Na utilizao de modelos de correo viscosa, como no caso do
Mses, necessria a utilizao de mtodos invscidos que forneam resulta-
dos com maior representatividade fsica.
v
Abstract
The objective of present study is analyze the multi-objective optimiza-
tion applied to transonic airfoils project comparing different ways to dene
the objective functions. The optimization is evaluated by the genetic algo-
rithm NSGA-II. The results is analyzed using metrics of diversity and opti-
mality for multi-objective problems, which two are proposed. The objective
functions are dened by different parametrizations of geometry and diffe-
rent techniques of numerical simulation. The geometry parametrization was
made by two distinct forms: using Parsec parametrization; and the control
points based parametrization. The space domain discretization was made
using structured body-tted mesh with elliptical PDE smooth. A nite vo-
lume code with two different techniques for calculations of ux interface
had been implemented: the Jamesons method (centered); and the Roes
method ( it upwind). For viscous model usage analysis was used the Mses
code that has implemented a nite volumes technique with viscous model
correction. The following comparisons has been made: viscous and invis-
cid model using the Mses code with the control points parametrization; the
control points and Parsec parametrizations using the Jamesons method; and
the comparison among the centered method and upwind using the parame-
trization Parsec. From the results, it is concluded that the used of control
points parametrization is interesting. Although, is still needed the used of
a parametrization that guarantees a better smoothness or the imposes of a
geometrical or property distribution restriction. The uses of viscous model
gives better optimizations results in optimality requirement. It is needed the
uses of inviscid method that forces better physical representation when using
viscous correction model.
vii
Sumrio
1 Introduo 1
2 Conceitos relacionados 5
2.1 Otimizao . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 5
2.1.1 Otimizao multiobjetivo . . . . . . . . . . . . . . . . . . . . . . . . . . . 6
2.1.2 Classicao por dominncia . . . . . . . . . . . . . . . . . . . . . . . . 7
2.1.3 Algoritmo gentico . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 8
2.2 Aerodinmica compressvel . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 8
2.2.1 Teoria do perl . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 10
2.2.2 Teoria do perl: clculo das foras e coeciente de presso . . . . . . . . . 11
2.2.3 Inuncia da compressibilidade e Mach de divergncia . . . . . . . . . . . 14
2.2.4 Dinmica dos uidos computacional . . . . . . . . . . . . . . . . . . . . . 16
3 Simulao numrica de escoamentos compressveis 21
3.1 Volumes Finitos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 22
3.1.1 Modelo viscoso: Mses . . . . . . . . . . . . . . . . . . . . . . . . . . . . 22
3.1.2 Mtodo centrado: Jameson . . . . . . . . . . . . . . . . . . . . . . . . . . 23
3.1.3 Mtodo Upwind: Roe . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 24
3.1.4 Condies de contorno . . . . . . . . . . . . . . . . . . . . . . . . . . . . 35
3.1.5 Tcnicas para acelerao de convergncia . . . . . . . . . . . . . . . . . . 38
3.2 Gerao de Malha . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 40
3.3 Parametrizao da geometria . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 41
4 Algoritmo gentico e otimizao multi-objetivo 45
4.1 Algoritmos genticos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 46
4.1.1 Non-Dominated Sorting Genetic Algorithm II . . . . . . . . . . . . . . . . 49
4.1.2 Parmetros de desempenho de solues multiobjetivo . . . . . . . . . . . . 50
4.2 Tcnicas de visualizao de dados . . . . . . . . . . . . . . . . . . . . . . . . . . 53
ix
4.2.1 Matriz de grcos de disperso . . . . . . . . . . . . . . . . . . . . . . . . 54
4.2.2 Grco de coordenadas paralelas . . . . . . . . . . . . . . . . . . . . . . . 55
4.3 Implementao . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 56
5 Vericao e validao 59
5.1 Validao da tcnica de volumes nitos . . . . . . . . . . . . . . . . . . . . . . . 60
5.1.1 Perl Rae 2822 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 60
5.1.2 Perl Naca 0012 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 61
5.2 Testes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 66
5.2.1 Limitador de uxo: valor para
LIM
. . . . . . . . . . . . . . . . . . . . . 66
5.2.2 Tamanho do domnio computacional . . . . . . . . . . . . . . . . . . . . . 67
5.2.3 Nmero de pontos na direo radial . . . . . . . . . . . . . . . . . . . . . 70
5.2.4 Nmero de pontos em torno do perl . . . . . . . . . . . . . . . . . . . . 72
5.2.5 Resduo mximo . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 74
5.2.6 CFL e resduo suavizado . . . . . . . . . . . . . . . . . . . . . . . . . . 75
5.3 Vericao do algoritmo gentico . . . . . . . . . . . . . . . . . . . . . . . . . . 77
5.3.1 Problema com uma varivel de projeto . . . . . . . . . . . . . . . . . . . . 78
5.3.2 Problema com duas variveis de projeto . . . . . . . . . . . . . . . . . . . 79
6 Resultados 83
6.1 Otimizao de objetivo simples . . . . . . . . . . . . . . . . . . . . . . . . . . . 83
6.2 Otimizao multiobjetivo . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 88
6.2.1 Solues de referncia . . . . . . . . . . . . . . . . . . . . . . . . . . . . 89
6.2.2 Comparao entre modelo viscoso e invscido: Mses . . . . . . . . . . . . 93
6.2.3 Comparao entre as parametrizaes . . . . . . . . . . . . . . . . . . . . 98
6.2.4 Comparao entre esquema centrado e upwind . . . . . . . . . . . . . . . 102
7 Concluso 107
8 Trabalhos Futuros 111
A Grcos de resultado das otimizaes 113
A.1 Parametrizao por pontos de controle . . . . . . . . . . . . . . . . . . . . . . . . 113
A.1.1 Mses modo invscido . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 113
A.1.2 Mses modo viscoso . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 122
A.1.3 Mtodo centrado Jameson . . . . . . . . . . . . . . . . . . . . . . . . . . 130
A.2 Parametrizao Parsec . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 138
A.2.1 Mtodo centrado Jameson . . . . . . . . . . . . . . . . . . . . . . . . . . 138
A.2.2 Mtodo upwind Roe . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 146
x
Lista de Figuras
2.1 Fora aerodinmica em torno do perl: componentes longitudinais e transversais. . 11
2.2 Fora aerodinmica em torno do perl: componentes de sustntao e arrasto. . . . 12
2.3 Orientao da rea innitesimal para integrao de superfcie da presso. . . . . . . 13
2.4 Inuncia da compressibilidade no arrasto do aeroflios. . . . . . . . . . . . . . . 15
2.5 Inuncia da compressibilidade na distribuio de Cp. . . . . . . . . . . . . . . . 16
3.1 Elemento quadrangular para Volumes Finitos . . . . . . . . . . . . . . . . . . . . 23
3.2 Condio inicial para o problema de Riemann . . . . . . . . . . . . . . . . . . . . 25
3.3 Condio de contorno da parede (escorregamento) . . . . . . . . . . . . . . . . . . 38
3.4 Perturbao do perl na fronteira livre . . . . . . . . . . . . . . . . . . . . . . . . 39
3.5 Malha estruturada tipo O : Esquema . . . . . . . . . . . . . . . . . . . . . . . . . 41
3.6 Malha estruturada tipo O : Exemplo . . . . . . . . . . . . . . . . . . . . . . . . . 41
3.7 Variveis da famlia Parsec. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 42
3.8 Geometria base (Rae 2822) e pontos de controle. . . . . . . . . . . . . . . . . . . 43
4.1 Representao grca de problema multiobjetivo . . . . . . . . . . . . . . . . . . 46
4.2 Operador de cruzamento: um ponto. . . . . . . . . . . . . . . . . . . . . . . . . . 47
4.3 Operador de Cruzamento: dois pontos. . . . . . . . . . . . . . . . . . . . . . . . . 48
4.4 Fluxo de dados tpico de um algoritmo gentico. . . . . . . . . . . . . . . . . . . . 49
4.5 Esquema da seleo elitista do NSGAII. . . . . . . . . . . . . . . . . . . . . . . . 50
4.6 Classicao por dominncia - mtricas . . . . . . . . . . . . . . . . . . . . . . . 52
4.7 Evoluo das mtricas de desempenho . . . . . . . . . . . . . . . . . . . . . . . . 54
4.8 Matriz de Grco de Disperso . . . . . . . . . . . . . . . . . . . . . . . . . . . . 55
4.9 Grco de coordenadas paralelas . . . . . . . . . . . . . . . . . . . . . . . . . . . 55
4.10 AG esquema de implementao . . . . . . . . . . . . . . . . . . . . . . . . . . . 56
5.1 Rae 2822 Mach 0, 725 2, 31
o
validao . . . . . . . . . . . . . . . . . . . . . . 60
5.2 Rae 2822 Mach 0, 725 2, 31
o
convergncia . . . . . . . . . . . . . . . . . . . . 61
xi
5.3 Naca 0012 Mach 0, 3 0, 0
o
validao . . . . . . . . . . . . . . . . . . . . . . . . 62
5.4 Naca 0012 Mach 0, 3 4, 0
o
validao . . . . . . . . . . . . . . . . . . . . . . . . 62
5.5 Naca 0012 Mach 0, 5 0, 0
o
validao . . . . . . . . . . . . . . . . . . . . . . . . 62
5.6 Naca 0012 Mach 0, 5 4, 0
o
validao . . . . . . . . . . . . . . . . . . . . . . . . 63
5.7 Naca 0012 Mach 0, 5 8, 0
o
validao . . . . . . . . . . . . . . . . . . . . . . . . 63
5.8 Naca 0012 Mach 0, 6 4, 0
o
validao . . . . . . . . . . . . . . . . . . . . . . . . 64
5.9 Naca 0012 Mach 0, 7 0, 0
o
validao . . . . . . . . . . . . . . . . . . . . . . . . 64
5.10 Naca 0012 Mach 0, 7 4, 0
o
validao . . . . . . . . . . . . . . . . . . . . . . . . 64
5.11 Naca 0012 Mach 0, 75 0, 0
o
validao . . . . . . . . . . . . . . . . . . . . . . . 65
5.12 Naca 0012 Mach 0, 75 4, 0
o
validao . . . . . . . . . . . . . . . . . . . . . . . 65
5.13 Naca 0012 Mach 0, 8 0, 0
o
validao . . . . . . . . . . . . . . . . . . . . . . . . 65
5.14 Naca 0012 Mach 0, 83 0, 0
o
validao . . . . . . . . . . . . . . . . . . . . . . . 66
5.15 Teste de
LIM
: Distribuio de Cp . . . . . . . . . . . . . . . . . . . . . . . . . . 67
5.16 Teste de
LIM
: Histrico de convergncia . . . . . . . . . . . . . . . . . . . . . . 67
5.17 Teste de malha (Jameson): tamanho do domnio . . . . . . . . . . . . . . . . . . . 68
5.18 Teste de malha (Roe): tamanho do domnio . . . . . . . . . . . . . . . . . . . . . 69
5.19 Teste de malha (Jameson): Pontos na direo . . . . . . . . . . . . . . . . . . . 70
5.20 Teste de malha (Roe): Pontos na direo . . . . . . . . . . . . . . . . . . . . . . 71
5.23 Teste de malha (Jameson): Resduo mximo . . . . . . . . . . . . . . . . . . . . . 74
5.24 Teste de malha (Roe): Resduo mximo . . . . . . . . . . . . . . . . . . . . . . . 75
5.25 Teste de malha (Jameson): Suavizao implcita de resduo . . . . . . . . . . . . . 76
5.26 Teste de malha (Jameson): Suavizao implcita de resduo . . . . . . . . . . . . . 77
5.27 Vericao do AG: problema 1-2-1 . . . . . . . . . . . . . . . . . . . . . . . . . . 78
6.1 Otimizao de objetivo simples Caso 1: Curvas de Cp . . . . . . . . . . . . . . . . 84
6.2 Otimizao de objetivo simples Caso 1: Fitness e Mach . . . . . . . . . . . . . . . 85
6.7 Otimizao de objetivo simples comparao: Curvas de Cp . . . . . . . . . . . . . 89
6.8 Otimizao multiobjetivo Cp (Mses invscido): agrupamentos 1 6 . . . . . . . . . 94
6.9 Otimizao multiobjetivo Cp (Mses invscido): agrupamentos 7 9 . . . . . . . . . 95
6.10 Otimizao multiobjetivo Cp (Mses viscoso): agrupamentos 1 6 . . . . . . . . . 96
xii
6.11 Otimizao multiobjetivo Cp (Mses viscoso): agrupamentos 7 10 . . . . . . . . . 97
6.12 Otimizao multiobjetivo Cp (Jameson - pontos de controle): agrupamentos 1 6 . 99
6.13 Otimizao multiobjetivo Cp (Jameson - pontos de controle): Pico se suco . . . . 100
6.14 Otimizao multiobjetivo Cp (Jameson - pontos de controle): agrupamentos 7 10 100
6.15 Otimizao multiobjetivo Cp (Jameson - Parsec): agrupamentos 1 6 . . . . . . . 101
6.16 Otimizao multiobjetivo Cp (Jameson - Parsec): agrupamentos 7 9 . . . . . . . 103
6.17 Otimizao multiobjetivo Cp (Roe - Parsec): agrupamentos 1 6 . . . . . . . . . . 104
6.18 Otimizao multiobjetivo Cp (Roe - Parsec): agrupamentos 7 10 . . . . . . . . . 105
A.1 Evoluo da factibilidade: Mses invscido . . . . . . . . . . . . . . . . . . . . . . 114
A.2 Evoluo da mtrica Spacing: Mses invscido . . . . . . . . . . . . . . . . . . . . 114
A.3 Evoluo da mtrica ARAI: Mses invscido . . . . . . . . . . . . . . . . . . . . . 115
A.4 Evoluo da mtrica ER: Mses invscido . . . . . . . . . . . . . . . . . . . . . . . 115
A.5 Evoluo da mtrica InvER: Mses invscido . . . . . . . . . . . . . . . . . . . . . 116
A.6 Evoluo da mtrica GER: Mses invscido . . . . . . . . . . . . . . . . . . . . . . 116
A.7 Evoluo da mtrica NDWD
GER
: Mses invscido . . . . . . . . . . . . . . . . . 117
A.8 Pers da frente de Pareto: Mses invscido . . . . . . . . . . . . . . . . . . . . . . 118
A.9 Cromossomos da frente de Pareto: Mses invscido . . . . . . . . . . . . . . . . . . 119
A.10 Frente de Pareto: Mses invscido . . . . . . . . . . . . . . . . . . . . . . . . . . . 120
A.11 Parmetros geomtricos da frente de Pareto: Mses invscido . . . . . . . . . . . . 121
A.12 Evoluo da factibilidade: Mses viscoso . . . . . . . . . . . . . . . . . . . . . . . 122
A.13 Evoluo da mtrica Spacing: Mses viscoso . . . . . . . . . . . . . . . . . . . . . 123
A.14 Evoluo da mtrica ARAI: Mses viscoso . . . . . . . . . . . . . . . . . . . . . . 123
A.15 Evoluo da mtrica ER: Mses viscoso . . . . . . . . . . . . . . . . . . . . . . . . 124
A.16 Evoluo da mtrica InvER: Mses viscoso . . . . . . . . . . . . . . . . . . . . . . 124
A.17 Evoluo da mtrica GER: Mses viscoso . . . . . . . . . . . . . . . . . . . . . . . 125
GER
: Mses viscoso . . . . . . . . . . . . . . . . . . 125
A.19 Pers da frente de Pareto: Mses viscoso . . . . . . . . . . . . . . . . . . . . . . . 126
A.20 Cromossomos da frente de Pareto: Mses viscoso . . . . . . . . . . . . . . . . . . . 127
A.21 Frente de Pareto: Mses viscoso . . . . . . . . . . . . . . . . . . . . . . . . . . . . 128
A.22 Parmetros geomtricos da frente de Pareto: Mses viscoso . . . . . . . . . . . . . 129
A.23 Evoluo da factibilidade: Jameson - ponto de controle . . . . . . . . . . . . . . . 130
A.24 Evoluo da mtrica Spacing: Jameson - ponto de controle . . . . . . . . . . . . . 131
A.25 Evoluo da mtrica ARAI: Jameson - ponto de controle . . . . . . . . . . . . . . 131
A.26 Evoluo da mtrica ER: Jameson - ponto de controle . . . . . . . . . . . . . . . . 132
A.27 Evoluo da mtrica InvER: Jameson - ponto de controle . . . . . . . . . . . . . . 132
A.28 Evoluo da mtrica GER: Jameson - ponto de controle . . . . . . . . . . . . . . . 133
GER
: Jameson - ponto de controle . . . . . . . . . . 133
A.30 Pers da frente de Pareto: Jameson - ponto de controle . . . . . . . . . . . . . . . 134
xiii
A.31 Cromossomos da frente de Pareto: Jameson - ponto de controle . . . . . . . . . . . 135
A.32 Frente de Pareto: Jameson - ponto de controle . . . . . . . . . . . . . . . . . . . . 136
A.33 Parmetros geomtricos da frente de Pareto: Jameson - ponto de controle . . . . . 137
A.34 Evoluo da factibilidade: Jameson - Parsec . . . . . . . . . . . . . . . . . . . . . 138
A.35 Evoluo da mtrica Spacing: Jameson - Parsec . . . . . . . . . . . . . . . . . . . 139
A.36 Evoluo da mtrica ARAI: Jameson - Parsec . . . . . . . . . . . . . . . . . . . . 139
A.37 Evoluo da mtrica ARAI: Jameson - Parsec . . . . . . . . . . . . . . . . . . . . 140
A.38 Evoluo da mtrica InvER: Jameson - Parsec . . . . . . . . . . . . . . . . . . . . 140
A.39 Evoluo da mtrica GER: Jameson - Parsec . . . . . . . . . . . . . . . . . . . . . 141
A.40 Evoluo da mtrica NWDW
GER
: Jameson - Parsec . . . . . . . . . . . . . . . . 141
A.41 Pers da frente de Pareto: Jameson - Parsec . . . . . . . . . . . . . . . . . . . . . 142
A.42 Cromossomos da frente de Pareto: Jameson - Parsec . . . . . . . . . . . . . . . . . 143
A.43 Frente de Pareto: Jameson - Parsec . . . . . . . . . . . . . . . . . . . . . . . . . . 144
A.44 Parmetros geomtricos da frente de Pareto: Jameson - Parsec . . . . . . . . . . . 145
A.45 Evoluo da factibilidade: Roe - Parsec . . . . . . . . . . . . . . . . . . . . . . . 146
A.46 Evoluo da mtrica Spacing: Roe - Parsec . . . . . . . . . . . . . . . . . . . . . 147
A.47 Evoluo da mtrica ARAI: Roe - Parsec . . . . . . . . . . . . . . . . . . . . . . 147
A.48 Evoluo da mtrica ER: Roe - Parsec . . . . . . . . . . . . . . . . . . . . . . . . 148
A.49 Evoluo da mtrica InvER: Roe - Parsec . . . . . . . . . . . . . . . . . . . . . . 148
A.50 Evoluo da mtrica GER: Roe - Parsec . . . . . . . . . . . . . . . . . . . . . . . 149
A.51 Evoluo da mtrica NWDW
GER
: Roe - Parsec . . . . . . . . . . . . . . . . . . 149
A.52 Pers da frente de Pareto: Roe - Parsec . . . . . . . . . . . . . . . . . . . . . . . . 150
A.53 Cromossomos da frente de Pareto: Roe - Parsec . . . . . . . . . . . . . . . . . . . 151
A.54 Frente de Pareto: Roe - Parsec . . . . . . . . . . . . . . . . . . . . . . . . . . . . 152
A.55 Parmetros geomtricos da frente de Pareto: Roe - Parsec . . . . . . . . . . . . . . 153
xiv
Lista de Tabelas
3.1 Limitante dos parmetros. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 42
3.2 Pontos de controle base para a parametrizao da geometria. . . . . . . . . . . . . 43
5.1 Casos de validao Perl Naca 0012. . . . . . . . . . . . . . . . . . . . . . . . . . 61
5.2 Teste de malha (Jameson): tamanho do domnio . . . . . . . . . . . . . . . . . . . 68
5.3 Teste de malha (Roe): tamanho do domnio . . . . . . . . . . . . . . . . . . . . . 69
5.8 Teste de malha (Jameson): Resduo mximo . . . . . . . . . . . . . . . . . . . . . 75
5.9 Teste de malha (Roe): Resduo mximo . . . . . . . . . . . . . . . . . . . . . . . 75
6.1 Otimizao de objetivo simples comparao: Cromossomos . . . . . . . . . . . . 88
6.2 Otimizao de objetivo simples comparao: Coecientes aerodinmicos . . . . . 88
6.3 Solues de referncia: mtodo centrado . . . . . . . . . . . . . . . . . . . . . . . 90
6.4 Solues de referncia: mtodo upwind . . . . . . . . . . . . . . . . . . . . . . . 91
6.5 Solues de referncia: Mses invscido . . . . . . . . . . . . . . . . . . . . . . . . 91
6.6 Solues de referncia: Mses viscoso . . . . . . . . . . . . . . . . . . . . . . . . 92
xv
Lista de abreviaes e siglas
1D Unidimensional
2D Bi-Dimensional
3D Tri-Dimensional
AE Algoritmos evolucionrios
AG Algoritmos genticos
ARAI Avarege relative accuracy index
CFD Dinmica dos uidos computacional
CFL Nmero de Courant
CI Condiao inicial
CPU Unidade de processamento
EDO Equao diferencial ordinria
EDP Equao diferencial parcial
ENO Essentially non-oscillatory
ER Error ratio
FCT Correo de transporte de uxo
FD Diferenas nitas
FDS Separao de diferena de uxo
FE Elementos nitos
xvii
FV Volumes nitos
GBM Gradient-based methods
GD Generational distance
GER Generalized error ratio
InvER Inverse error ration
LI Linearmente independente
Mses Cdigo de simulao aerodinmica desenvolvido por Mark Drela
MUSCL Monotone upstream-centred scheme for conservation laws
NACA National Advisory Committee for Aeronautics
NASA National Aeronautics and Space Administration
NDWD Normalized dominance weighted distance
NSGA-II Non-dominated sorting genetic algorithm II
OMO Otimizao multi-objetivo
Parsec Parametric section
PF Fronteira de Pareto
PF
known
Fronteira de Pareto conhecida
PF
ref
Fronteira de Pareto de referncia
PF
true
Fronteira de Pareto verdadeira
PMO Problema multi-objetivo
PR Pareto rank
SP Soluo de Pareto
SDF Separao de diferena de uxo
SVF Separao de vetor de uxo
TVD Total variation diminishing
VDT Variable density tunnel
WP Weighted product
xviii
Lista de simbolos
Simbolos latinos
a Velocidade do som
A Matriz jacobiana
A
+
, A
Matriz jacobiana de autovalores positivos e nagativos respectivamente
A(Q
L
, Q
R
) Aproximao de Roe para a matriz jacobiana
AR
w
Razo de aspecto da asa
B,

C Matrizes de transformaode Z para F e Q respectivamente
c Comprimento caracterstico ou corda
Cd Coecinete de arrasto 2D
Cl Coeciente de sustentao 2D
Cm Coeciente de momento 2D
Cp Coeciente de presso
Cp
cr
Coeciente de presso crtico
Cx Coeciente de fora aerodinmica da direo x
Cy Coeciente de fora aerodinmica da direo y
CD Coecinete de arrasto 3D
CD
i
Coecinete de arrasto induzido
CD
trim
Coecinete de arrasto de trimagem
xix
CL Coeciente de sustentao 3D
CL
h
Coeciente de sustntao da empenagem horizontal
CM Coeciente de momento 3D
d Versor direo da fora aerodinmica

dv Diferencial do volume
D Arrasto aerodinmico
Da(Q) Dissipao articial
e Energia interna do escoamento
H Entalpia do escoamento
e
w
Coeciene de Oswald da asa
f
i
i-simo objetivo de um problema multi-objetivo
fa Fora aerodinmica adimensional

Fa Intensidade da fora aerodinmica
F Vetor de uxo na direo x
F
k
Vetor de uxo mdio na direo x na face do volume nito
F(x
j
) Vetor de soluo muli-objetivo
F
i
i-simo conjunto de solues no dominadas
G Vetor de uxo na direo y
G
k
Vetor de uxo mdio na direo y na face do volume nito
i
x
,
i
y
Versores das coordenadas cartesianas
K Matriz de autovetores da matriz jacobiana
K
(i)
i-simo autovetor da matriz jacobiana
K Matriz de autovetor da matriz de Roe

L Sustentao aerodinmica
L
D
Ecincia aerdinmica
xx
m Dimenso da matriz jacobiana
M Tamanho da populao
Ma Nmero de Mach
Ma
cr
Nmero de Mach crtico
Ma
Nmero de Mach do escoamento livre

M
i
Fator de correo para

i
n versor de direo normal
n
x
, n
y
componentes em x e y do versor n
ncell
i
Nmero de pontos da malha na direo
ncell
j
Nmero de pontos da malha na direo
nident Nmero de identicao do PMO de teste
nobj Nmero de objetivos do PMO
nvar Nmero de variveis do PMO
N Nmero de objetivos
p
i
Peso do i-simo objetivo
P Presso esttica
P
Presso esttica do escoamento livre

P(, ), Q(.) Termos fonte de controle de aglomeramento do pontos da gerao de malha
P(x) Produto ponderado da tcnica WP
q
Presso dinmica do escoamento livre

q
h
Presso dinmica na empenagem
Q Vetor de variveis conservadas
Q
i,j
Vetor de variveis conservadas mdias do volume nito
Q
g
Vetor de variveis conservadas dos volumes fantasmas
Q
R
Vetor de variveis conservadas direita da descontinuidade
xxi
Q
L
Vetor de variveis conservadas esquerda da descontinuidade
r
k
Razo de gradientes para o clculo do limitador de uxo
R Matriz de rotao para leis de conservao 2D
R
Invariantes de Riemann
Re Nmero de Reynolds
s Vetor de superfcie
S
i
1
2
,j
,
S
i,j
1
2
Vetor de superfcie da face do volume nito
S rea alar
S
h
rea de planta da empenagem horizontal
S
ref
rea de de referncia da aeronave
SFC Specic Fuel Consuption
t tempo
t Vetor de direo tangente face do volume

T(Q) Balano de uxo
u, v Componentes da velocidade do ar nas direes x e y respectivamente
u(x, t) Propriedade transportada
u, v, ,

H Mdia de Roe para as propriedades na interface
U Vetor de estados
V Velocidade local do escoamento
V
Velocidade do escoamento livre

V
i,j
Volume interno do volume nito
w
i
i-sima varivel caracterstica
W Vetor de variveis caractersticas
W
0
Peso vazio da aeronave
W
f
Peso de combustvel carregado pela aeronave
xxii
x, y Coordenadas cartesianas
x
1
, x
2
Vetores de variveis de projeto
x
Vetor de variveis de projeto para soluo no dominada

Z Vetor de propriedades de Roe
Subescrito
g
Relativo ao volume fantasma
i
1
2
,j
Face entre os volumes i e i 1
i,j
1
2
Face entre os volumes j e j 1
L
,
R
Lado esquerdo e direito da interface do problema de Riemman
Simbolos gregos
Incidncia do perl
i
Coeciente da combinao linear de Q
L

i
Intensidade de onda do problema aproximado
i
Coeciente da combinao linear de Q
R
i
Salto das propriedades do problema de Riemann
, Coordenadas curvilineas
LIM
Limiar para o limitador de uxo
Roe
Limiar do fator de correo de

i
Limitador de uxo
Razo de calor especco
Circulao do aeroflio
i
i-simo autovalor da matriz jacobiana A
+
i
,
i
autovalor positivo e negativo respectivamente
Auto valor da matriz de Roe

Matriz de autovalores da matriz jacobiana
xxiii
+
,
matriz de autovalores positivos e negativos respectivamente

Viscosidade do ar
Produtrio
Densidade do ar
xxiv
CAPTULO
1
Introduo
Por que nem sempre a terra produz o suciente para for-
necer o necessrio ao homem? (...) A Terra produziria
sempre o necessrio se o homem soubesse se contentar. (...)
(Livro dos Espritos)
Atualmente, o Brasil , no cenrio internacional, um dos principais pases a desenvolver tecno-
logia aeronutica, tendo como maior propulsor a companhia EMBRAER (Empresa Brasileira de
Aeronutica). Empresas desse setor tm investido em formas de aprimoramento tecnolgico para
sustentar e melhorar os nveis de competitividade nacionais e internacionais.
No desenvolvimento de projetos aeronuticos, a aerodinmica ocupa posio de destaque, dada
a sua relao direta com o desempenho da aeronave. Essa relao expressa por sua inuncia
em fatores como razo de planeio, razo de subida, alcance, autonomia, velocidade de cruzeiro e
carga mxima.
Estudos aerodinmicos podem ser conduzidos de forma experimental e numrica. O primeiro
tipo envolve ensaios em tneis de vento, os quais tm alto custo operacional: custo nanceiro,
disponibilidade do recurso, construo de modelos apropriados, mo-de-obra especializada e ma-
nuteno. Esses fatores tmmotivado, cada vez mais, o emprego da anlise numrica. Essa aborda-
gem conduzida por meio de simulaes computacionais, que tm menor custo nanceiro, maior
exibilidade para avaliao de geometrias aerodinmicas diversas, e maior volume de informaes
para anlise.
Outro fator que motiva a adoo de anlise numrica advm da possibilidade de acopl-la a
tcnicas computacionais que auxiliem o projeto de geometrias, que envolve um amplo conjunto
de variveis e restries associadas aplicao da geometria em estudo, caracterizando-o como
um problema de otimizao. Para isso existem mtodos de otimizao aplicveis, entre eles os
1
2
algoritmos genticos (AG) com nmeros reais codicados, e hbridos de AGs e mtodos baseados
em gradiente (GBM do ingls gradient-based methods). Essas tcnicas podem ser aplicadas
no contexto de objetivo simples (uma nica funo objetivo) ou multiobjetivo (vrias funes
objetivo).
A geometria que mais inuencia o desempenho de uma aeronave a asa, fato que tem motivado
estudos sobre sua otimizao. Esse componente o principal responsvel pela sustentao e por
uma grande parcela do atrito aerodinmico. Consequentemente, um bom projeto aerodinmico
da asa dene, em grande parte, os parmetros aerodinmicos da aeronave. Roskan & lan (1997)
deniram uma srie de relaes entre as caractersticas aerodinmicas e os requisitos de projeto.
Por exemplo, o arrasto est relacionado obteno da velocidade mxima de cruzeiro, a razo de
planeio para os valores de Cl aplicados afeta a razo de subida e o alcance, a espessura tem relao
com a reduo do peso estrutural e a distribuio da espessura inuencia a rea interna da asa para
acomodar combustvel e sistemas.
A denio do formato da asa considera duas geometrias bsicas: o planforme ou formato de
planta da asa e o formato de sua seo transversal, perl da asa ou aeroflio. O planforme tem
grande inuncia no comportamento tridimensional da aerodinmica da asa, porm o perl que
dene, de forma mais signicativa, seu desempenho. Dada a importncia da asa, muitos esforos
tm sido despendidos no estudo e desenvolvimento de mtodos de otimizao (Ray & Tsai, 2004;
Holst, 2004; Song et al., 2003; Oyama et al., 2000c,a; Obayashi, 1995; Oyama et al., 2001).
A otimizao de uma seo transversal pode ser conduzida por meio de duas abordagens: a
anlise numrica direta e o projeto inverso (Song & Keane, 2004b; Yamamoto & Inoue, 1995).
A tcnica numrica direta emprega anlise computacional ou terica para obter as caractersticas
do perl, considerando sua geometria. O projeto inverso obtm uma geometria a partir de uma
distribuio de presso previamente denida sobre o perl. Diante dessas duas escolhas de projeto,
pode-se aplicar diferentes tcnicas de otimizao, variando tanto na qualidade da soluo obtida
quanto no custo computacional para obt-la.
Os mtodos baseados em gradientes necessitam do clculo das derivadas da funo objetivo.
Para isso, pode-se aplicar clculo aproximado ou manipular a funo objetivo denindo a derivada.
A primeira tem um custo computacional associado e a segunda incorpora ao mtodo informao
sobre o problema, tornando essa abordagem menos prtica que os AGs. Alm disso, os GBM
so aplicados a problemas de um objetivo. Para obter resultados multiobjetivos necessrio pro-
ceder como Nemec et al. (2002), denindo uma ponderao para os objetivos, e aplicar vrias
otimizaes com ponderaes distintas.
Nessas circunstncias, pode-se aplicar tcnicas de otimizao capazes de propor, qualicar e
selecionar geometrias mais adequadas de acordo com restries de projeto. Isso tem motivado o
estudo e avaliao de diferentes tcnicas de otimizao de projetos aerodinmicos.
Uma questo relevante como considerar uma otimizao multiobjetivo para melhorar os cri-
trios de desempenho de um perl de asa considerando a sustentao, o arrasto e outros. AGs e
CAPTULO 1. INTRODUO 3
AEs so apropriados para resolver esses problemas, motivando muitos trabalhos. Esses algoritmos
so aplicados com sucesso para problemas de otimizao tais como de pers aerodinmicos (Qua-
gliarella & Cioppa, 1994; Yamamoto & Inoue, 1995), pers multielementos (Cao & Blom, 1996),
pers subsnicos (Obayashi & Oyama, 1996) e asas supersnicas (Oyama et al., 1999).
Do estudo desses trabalhos, observa-se que o algoritmo gentico de fcil acoplamento com
a funo objetivo, sem necessitar da denio de derivadas como ocorre nos GBM, assim como
a fcil aplicao ao problema multiobjetivo com descontinuidade das funes objetivo. Nota-se
tambm que os trabalhos se concentram na aplicao, mas no avaliam a inuncia da funo
objetivo na qualidade da otimizao ou no custo computacional, fato que motiva este estudo.
Por tal motivao, o objetivo do presente trabalho estudar de forma comparativa o compor-
tamento do problema multiobjetivo para distintas funes objetivo. A partir dessa comparao
possvel analisar as vantagens e desvantagens de tais funes, que so denidas com base em
duas denies para a geometria: parametrizao Parsec e parametrizao por ponto de controle.
Tambm so comparadas as otimizaes efetuadas com a tcnica centrada e upwind. E, por m,
h uma comparao entre os resultados de um modelo invscido e um modelo viscoso, utilizando
o cdigo Mses.
Este texto est organizado da seguinte forma: o captuo 2 apresenta a reviso bibliogrca da
aplicao de otimizao em projetos aerodinmicos e da teoria do perl; o captulo 3 descreve
o mtodo de volumes nitos e a discretizao dos termos convectivos pelas tcnicas centrada e
upwind, a tcnica de gerao de malha adotada e as parametrizaes utilizadas para denir a geo-
metria do perl; no captulo 4, est denido o problema multiobjetivo adotado no trabalho, o
algoritmo gentico adotado, os parmetros de avaliao para problemas multiobjetivo e as tcnicas
de visualizao utilizadas para analisar os dados; o captulo 5 tem a validao e vericao dos
cdigos de CFD implementados, os testes de convergncia de malha e a vericao do algoritmo
gentico; e o captulo 6 apresenta a discusso dos resultados obtidos pelo trabalho e a concluso.
CAPTULO
2
Conceitos relacionados
O rio atinge seus objetivos porque aprendeu a contornar
obstculos. (Lao-Ts)
Este captulo apresenta conceitos adotados para a simulao e otimizao de pers aerodin-
micos. A seo 2.1 descreve o problema de otimizao multiobjetivo, sua aplicao na engenharia
aeronutica e conceitos sobre algoritmos genticos. A seo 2.2 apresenta a teoria do perl, com
uma breve reviso histrica e de tcnicas de aerodinmica computacional.
2.1 Otimizao
Em geral, problemas de engenharia encontrados em projetos so intrinsecamente multiobjeti-
vos, ou seja, necessitam de mais de um parmetro de avaliao. Alm disso, as tcnicas existentes
para resolv-los, normalmente, combinam simulaes numricas, clculos analticos e selees
por categoria. Conseqentemente, o clculo de derivadas de funes objetivo complexo e, em al-
guns casos, impossvel de ser realizado. De acordo com Anderson (2000), mtodos de otimizao
no baseados em gradientes se adaptam bem a esses problemas. Esse autor ainda conclui que m-
todos de otimizao tm sido cada vez mais adotados em projetos de engenharia, pois simplicam
o desenvolvimento de suas atividades.
Nas otimizaes em engenharia, muito importante compreender o conceito de variveis de
projeto. Essas variveis representam parmetros que podem ser previamente denidos ou alcan-
ados. Existem algumas categorias de variveis de projeto, e dentre elas pode-se mencionar duas
com alto grau de importncia no contexto deste trabalho (Anderson, 2000):
Variveis de projeto independentes: normalmente denominadas variveis de projeto, re-
presentam valores denidos pelo projetista e que no so modicadas por outros parmetros.
5
6 2.1. OTIMIZAO
Exemplos da rea de engenharia aeronutica incluem a geometria, o material utilizado e o
acabamento supercial;
Variveis de projeto dependentes: so aquelas que no so diretamente denidas, porm
so obtidas por meio de ajustes em variveis independentes. Como exemplo, tem-se o de-
sempenho dinmico da aeronave e o peso estrutural.
No ambiente de projetos de engenharia, comum utilizar tcnicas para ajustar as variveis in-
dependentes a m de parametrizar variveis dependentes, como no projeto de sistemas de controle.
Essa uma das principais contribuies das tcnicas computacionais.
2.1.1 Otimizao multiobjetivo
O problema de otimizao multiobjetivo (PMO) envolve vrias funes objetivo. Esses pro-
blemas podem ser simplicados e abordados por meio de tcnicas de objetivo simples, contudo,
podem somente ser resolvidos por tcnicas de otimizao multiobjetivo (OMO). De acordo com
Marler & Arora (2004), existem muitas formas de resolver as OMO. Este trabalho se concentra em
dois desses mtodos: o de classicao de dominncia de Pareto (PR do ingls Pareto Rank), que
utiliza o conceito de dominncia de soluo ; e o mtodo do produto ponderado (WP do ingls
Weighted Product), que reduz os objetivos de vrios para um, utilizando um produto ponderado.
A dominncia de soluo utiliza as seguintes denies: seja x vetor de variveis de projeto e
f
i
o i-simo objetivo de um problema de N objetivos, o vetor de soluo do problema dado por
F(x) = {f
1
(x)...f
N
(x)}. Sendo x
1
e x
2
dois vetores de variveis de projeto, diz-se que x
1
no
dominado por x
2
, em um problema de minimizao, quando satisfaz:
condio1 : f
i
(x
1
) f
i
(x
2
) para todo i, (2.1)
condio2 : f
i
(x
1
) < f
i
(x
2
) para algum i,
Quando uma soluo no dominada por todas as solues do espao busca, essa soluo dita
soluo de Pareto (SP) e representada por F(x
).
O conceito de dominncia de soluo permite denir a frente de Pareto (PF - do ingls Pareto
Front). Essa frente o conjunto de todas as solues no dominadas do espao de busca. Outro
conceito importante a generalizao do conceito de PF . Em um conjunto de solues, pode-se
classicar seus elementos em frentes de dominncia, onde uma frente representa o subconjunto
que no tem dominncia entre seus elementos, porm pode ser dominado ou dominar outros. Ao
denir um PMO, tem-se a chamada Frente de Pareto verdadeira (PF
true
do ingls True Pareto
Front). Durante o processo de otimizao, a tcnica empregada dene umconjunto de solues no
dominadas, chamadas de Frente de Pareto conhecida (PF
known
do ingls Pareto Front Known).
CAPTULO 2. CONCEITOS RELACIONADOS 7
Nesse estudo, o autor denomina Reference Pareto Front (PF
ref
) a frente de Pareto de referncia
utilizada no clculo das mtricas de desempenho da tcnica de otimizao. O PF
ref
pode ser
o PF
true
, mas para a maioria das aplicaes um conjunto de solues pr-estabelecidas pela
experincia.
No WP necessrio escolher uma ponderao dos objetivos para denir uma funo global
responsvel por avaliar solues. O produto resultante apresentado na Equao (2.2), onde p
i

o peso do objetivo i. Esse mtodo considera uma otimizao de objetivo simples. De acordo com
Coello et al. (2002), essa soluo pertence PF , portanto no dominada pelas demais.
P(x) =
N
i=1
f
p
i
i
(x). (2.2)
Deve-se, ainda, ressaltar uma outra forma de aplicar a OMO, forma que visa reduzir as funes
objetivo adotadas. Venter & Sobieszczanski-Sobieski (2002) aplicam uma otimizao multidisci-
plinar para o projeto da asa de uma aeronave de transporte. As otimizaes aerodinmica e de peso
estrutural, com restrio de falhas estruturais, so aplicadas.
2.1.2 Classicao por dominncia
A classicao por dominncia (Pareto Rank) utilizada para ordenar solues em nveis de
dominncia, formando Frentes de Dominncia. Essa tcnica de classicao composta pelos
seguintes passos:
1. Aplica-se a anlise de dominncia em todas as solues do conjunto inicial para determinar
solues no dominadas;
2. As solues encontradas no passo anterior recebem um valor de classicao chamado de
rank e passam a pertencer ao conjunto F
i=1
;
3. Essas solues so retiradas do conjunto, formando um subconjunto de solues;
4. Retoma-se o primeiro passo, utilizando o novo subconjunto encontrado.
Esses passos so aplicados por vrias iteraes, at obter um conjunto vazio, quando todas as
solues tero sido classicadas. O valor de classicao denido da seguinte forma:
1. O primeiro conjunto de solues obtido recebe o valor mximo para sua classicao;
2. Os conjuntos seguintes iro receber uma classicao igual do anterior, reduzida de uma
unidade;
3. O ltimo conjunto obtido ter classicao 1.
8 2.2. AERODINMICA COMPRESSVEL
Esses passos so utilizados por muitos algoritmos genticos multiobjetivo, pois no priorizam
solues de acordo com as frentes de dominncia. No trabalho de Deb et al. (2002), proposto um
algoritmo de baixo custo computacional para desempenhar a classicao por dominncia.
2.1.3 Algoritmo gentico
Ao longo da dcada de 1990, os algoritmos genticos (AG) foram extensivamente utilizados
como ferramentas de busca e otimizao para problemas de diversas reas, incluindo cincias,
economia e engenharia. De acordo com Goldberg (1989), a primeira razo do sucesso dessa abor-
dagem sua ampla aplicabilidade, facilidade de uso e sua generalizao do espao de busca.
O conceito de algoritmos genticos foi inicialmente concebido por Holland (1975). Inmeras
pesquisas e vertentes foram propostas com o intuito de melhorar a abordagem inicial (Goldberg,
1989; Gen & Cheng, 1997; Holland, 1975; Michalewicz, 1992; Mitchell, 1996; Deb, 2004).
Esse algoritmo considera aspectos da teoria da seleo natural de Charles Darwin. Nela, indi-
vduos so representados pela sua informao gentica (cromossomos). Um grupo de indivduos
(populao) colocado em um ambiente especco (funo avaliadora ou tness). Os indivduos
mais aptos so selecionados (seleo) para gerar novas populaes a partir da mistura de informa-
o gnica (cruzamento ou crossover) e mudanas aleatrias dessa informao (mutao). Assim
como na natureza, no AG, a gerao de novos indivduos a partir dos mais aptos converge para um
grupo bem adaptado ao ambiente. Fazendo a analogia com um problema de otimizao, o processo
converge para solues de boa qualidade. Na seo 4.1 so detalhados os principais conceitos so-
bre AGs e na seo 4.3 sua integrao com a dinmica dos uidos computacional (CFD do ingls
Computational Fluid Dynamics).
2.2 Aerodinmica compressvel
De acordo com Anderson (1999), o desenvolvimento histrico da aerodinmica e, conseqen-
temente, do projeto de aeroflios, se iniciou no sculo XIX. Nesta seo so apresentados os
principais marcos do desenvolvimento cientco e tcnico de acordo com o autor:
1858 Teoria de lamento de vrtice de Helmholtz (do ingls vortex lament theory);
1891 Frederick Lanchester estuda pers aerodinmicos e teoriza sobre a circulao, gerando a
sustentao;
1891-4 Lanchester concebe o modelo da asa nita, teoria da linha de sustentao (do ingls Lifting
line theory), no mesmo perodo emque Samuel Langley projeta seu avio a vapor e Lilienthal
voava seus planadores;
1902 Wilhelm Kutta recebe o diploma de Ph.D em Matemtica com a tese sobre a sustentao
aerodinmica. Esse o primeiro clculo de sustentao para um perl com camber e evi-
denciou a incapacidade do mtodo de calcular o arrasto (paradoxo de DLambert);
1906 Nikolai Joukowski publica 2 trabalhos sobre seus resultados relacionados a sustentao com
a teoria da circulao (L = V
);
1910 Joukowski desenvolve a transformao conformal que ser conhecida como perl de Jou-
kowski;
1912-13 Os pers desenvolvidos por Lanchester tm uma melhora de 10% (L/D = 17) em compa-
rao com os pers da poca;
1917 Ludwig Prandtl mostra a superioridade do perl espesso para Nmero de Reynolds altos
(usuais para os avies da poca), evidenciando o erro dos estudos experimentais anteriores
que negligenciaram a inuncia do parmetro e haviam concludo que os pers nos eram
melhores;
1922 Surge a teoria do aeroflio no de Michel Max Munk;
1925 Consolidao do estudo sistemtico para desenvolvimento de novos pers e o estudo em
escala real desses no tnel de vento NACA-VDT (do ingls Variable Density Tunnel);
1926 Glauert aplica a srie de Fourier na teoria de Munk para resolver as integrais e calcular a
sustentao e o momento do perl;
1927 Contribuio de Glauert para o estudo de escoamentos compressveis;
1930 Signicante progresso no estudo e projeto de pers devido teoria de Theodorsen e os
estudos de Eastmen Jacob no VDT em Langley;
1931 Theodore Theodorsen prope um mtodo analtico para soluo exata de pers espessos com
formato arbitrrio;
1931-2 Jacob e sua equipe concebem a famlia de pers Naca 4 dgitos;
1935 Jacob e sua equipe desenvolvem a nova famlia de pers Naca 5 dgitos. No mesmo ano
Jaboc vai a um congresso em Roma onde conhece Geoffrey I. Taylor e Melvill Jones. Estes
dividem com Jacob seus resultados sobre o estudo de camada limite e a relao do gradiente
de presso com a separao. Jacob volta para seu laboratrio convencido de desenvolver
pers com escoamento laminar para reduo do arrasto;
1939 Consolidao dos pers laminares por Jacob, modicando a teoria de Theodorsen, criando
o mtodo inverso (publicado no Naca annual report) A primeira unio da teoria com o
experimentalismo;
1960s Whitcomb desenvolve o estudo de pers em regime transnicos e desenvolve os primeiros
pers transnicos;
1972 A NASA apresenta para a comunidade os pers supercrticos.
Na seqencia apresentada a principal nomenclatura relacionada teoria do perl.
2.2.1 Teoria do perl
Estudos sobre aeroflios levaram a uma srie de denies e nomenclaturas que se consolida-
ram no meio aeronutico. A seguir, apresentada uma lista de denies importantes:
Circulao: grandeza que relaciona a sustentao de um corpo com a sustentao de um
cilindro rotativo em escoamento potencial;
Bordo de ataque: a regio a montante no escoamento. Geralmente (salvo para os primei-
ros pers supersnicos estudados) a superfcie com maior curvatura do perl;
Raio de bordo de ataque: o raio de curvatura do bordo de ataque;
Bordo de fuga: a regio a jusante no escoamento, em formato de ponta;
Linha de corda: o segmento de reta que vai do bordo de fuga at o bordo de ataque,
passando pelo centro do crculo de bordo de ataque. Para algumas famlias de pers, como
a Parsec (Sobieczky, 1998), essa denio no aplicada;
Extradorso e intradorso: so as superfcies superior e inferior do perl, respectivamente;
Linha de camber ou mdia: a linha formada pelo lugar geomtrico equidistante do extra-
dorso e do intradorso;
Camber: o valor da maior distncia da linha de camber com a corda, sendo positivo para
y positivo;
Drop: caracterstica de alguns pers que apresentam o bordo de ataque deetido para baixo;
Espessura: a maior distncia entre o extradorso e o intradorso;
Distribuio de espessura: a curva denida pela distncia entre o extradorso e o intra-
dorso;
Incidncia: ngulo formado entre a linha de corda e a velocidade do escoamento no per-
turbado;
Fora aerodinmica: fora gerada pela interao entre o perl e o escoamento livre;
Sustentao: componente da fora aerodinmica perpendicular ao escoamento livre;
Arrasto: componente da fora aerodinmica na direo do escoamento livre;
Momento de arfagem: o torque gerado pela distribuio de presso em torno do aeroflio.
Neste trabalho adota-se o momento a 1/4 do bordo de ataque. Sua intensidade tem sentido
positivo, conforme Figura (2.2).
Esses estudos geraram a teoria do aeroflio, permitindo estudos sobre o comportamento das
foras em uma determinada geometria de perl, variando a incidncia, o Mach e o nmero de
Reynolds Anderson (1995); Milne-Thomson (1958); Roskan & lan (1997). A seguir, apresenta-se,
de forma simplicada, a teoria do aeroflio, parte integrante do presente trabalho.
2.2.2 Teoria do perl: clculo das foras e coeciente de presso
A intensidade e a direo da fora aerodinmica em torno da asa so funes da velocidade
do escoamento V , da densidade do ar , da rea alar S, da viscosidade do ar , da velocidade
do som a e da incidncia . Denominando por

d =

d(V, , S, , a, ) a direo da fora e por
Fa = Fa(V, , S, , a, ) a intensidade (Figura 2.1), obtem-se a adimencionalizano da fora:
Figura 2.1: Fora aerodinmica em torno do perl: componentes longitudinais e transversais.
fa =
Fa
q
S
= fa(Re, Ma
, )

d(Re, Ma
, ), (2.3)
onde q
a presso dinmica do escoamento livre. Separando nas componentes longitudinal e

transversal ao escoamento (Figura 2.2) se tm:
CL =
L
q
S
= CL(Re, Ma, ),
CD =
D
q
S
= CD(Re, Ma, ). (2.4)
Figura 2.2: Fora aerodinmica em torno do perl: componentes de sustntao e arrasto.
Analogamente, o momento das foras em torno do perl dado pela equao adimensional:
CM =
M
q
Sc
= CM(Re, Ma, ). (2.5)
Formalmente, para o caso 2D, simplica-se S = c 1 e a nomenclatura se altera para Cl, Cd
e Cm em substituio CL, CD e CM, respectivamente. Outro parmetro importante no estudo
do perl o coeciente de presso, denido como a presso adimensional em relao a uma
presso de referncia. Para o perl, a presso de referncia a do escoamento livre. Expressa-se o
coeciente de presso por:
Cp =
P P
. (2.6)
De acordo com Roskan & lan (1997), utilizando a equao de Bernoulli (Anderson, 1995),
para o caso incompressvel, escreve-se a Equao (2.6) na forma:
Cp = 1
_
V
V
_
2
. (2.7)
E para o caso compressvel em:
Cp =
2(P P
2
P
Ma
2
. (2.8)
A partir do valor de Cp em torno do perl, possvel calcular os coecientes de fora e mo-
mento do aeroflio. O clculo feito a partir de uma integral de superfcie da presso (Figura 2.3).
Sendo o vetor normal superfcie orientado para fora e assumindo o sentido anti-horrio como
positivo, tem-se:
s = y i
x
x i
y
. (2.9)
E, aplicando a integral de superfcie, tem-se:
F =
_
S
Cp ds =
_
S
P ds
_
S
P
ds
q
. (2.10)
E para o momento, tem-se:
Cm =
_
s
Cp x(dx). (2.11)
Figura 2.3: Orientao da rea innitesimal para integrao de superfcie da presso.
Como P
uma constante, o segundo termo do numerador zero e tem-se a fora sobre o aero-
flio na forma adimensional. Separando as componentes normais e longitudinais ao escoamento,
tem-se:
Cx =
_
s
Cpdy,
Cy =
_
s
Cp(dx), (2.12)
e as componentes Cx e Cy so rotacionadas para fornecer os valores de Cl e Cd:
_
Cl
Cd
_
=
_
cos sin
sin cos
_
_
Cy
Cx
_
. (2.13)
O clculo do coeciente de momento feito por meio da Equao (2.11). O valor desse coe-
ciente est diretamente relacionado ao equilbrio e estabilidade da aeronave. Para a aeronave ser
estvel e equilibrada, necessrio utilizar superfcies estabilizadoras. Como descrevem Roskan &
lan (1997), a superfcie horizontal utilizada para equilibrar a aeronave, para avies convencionais,
gera uma fora vertical para baixo, permitindo o equilbrio de torque gerado pela asa, aumentando,
conseqentemente, o arrasto da aeronave, dada a necessidade de aumento da sustentao da asa.
Alm disso, a sustentao da asa responsvel pelo surgimento do vrtice de ponta de asa
que gera o arrasto induzido. Roskan & lan (1997) descrevem o fenmeno do arrasto e o estima
conforme a equao:
CD
i
=
Cl
2
AR
w
e
w
, (2.14)
onde Cl o coeciente de sustentao da asa, AR
w
a razo de aspecto da asa e e
w
o coeciente
de Oswald da asa, dependente da geometria.
Esse arrasto proporcional ao quadrado da sustentao, logo no se pode aumentar indeni-
damente o Cl da asa, pois pode comprometer sua ecincia aerodinmica. O aumento do Cl em
funo da fora gerada pela superfcie estabilizadora (profundor) leva ao aumento do arrasto in-
duzido, tambm denominado arrasto de trimagem. Roskan & lan (1997) armam que esse arrasto
tem valores tpicos entre 0, 5% e 5, 0% do arrasto total.
De acordo com Roskan & lan (1997), a contribuio desse arrasto de trimagem no arrasto total
da aeronave estimado pela Equao (2.15). Observa-se, portanto, que o arrasto proporcional ao
quadrado da sustentao da superfcie horizontal (Cl
h
). A sustentao necessria para equilibrar a
aeronave , conseqentemente, proporcional ao momento gerado pela asa, ou seja Cm. Busca-se,
portanto, uma menor intensidade de Cm.
CD
trim
=
Cl
2
h
AR
h
e
h
_
q
h
q
S
h
S
ref
_
2
. (2.15)
2.2.3 Inuncia da compressibilidade e Mach de divergncia
Os estudos experimentais e tericos anteriores a Whitcomb (1974) mostraram que, para um Cl
constante, o arrasto de um determinado perl se mantm praticamente inaltervel dada a variao
do nmero de Mach. Porm, para Mach maior que um determinado valor, o arrasto aumenta
drasticamente. Esse o chamado Mach de divergncia de arrasto ou Mach crtico. Apresentam-se,
nesta seo, duas denies para a determinao do Mach de divergncia:
Denio de Douglas: o valor a partir do qual
Cd
Ma
= 0, 1;
Denio de Boeing: quando o arrasto maior em 0, 0020 em relao ao arrasto incom-
pressvel.
O comportamento do arrasto com o aumento do Mach observado na Figura (2.4). Os cha-
mados pers supercrticos foram desenvolvidos por Whitcomb (1974) e sua equipe, buscando o
aumento do Mach crtico e a reduo do arrasto no regime transnico. O arrasto nesse regime,
chamado de arrasto de onda, est diretamente ligado intensidade da onda de choque formada
na superfcie da asa. Os aeroflios projetados para o regime transnico aceleram pouco o es-
coamento, evitando velocidades supersnicas. Por essa caracterstica, as ondas de choque desses
pers, quando ocorrem, se localizam mais prximas ao bordo de fuga e com intensidade menor.
Devido distribuio de velocidade descrita anteriormente, os pers transnicos ou supercr-
ticos tm uma distribuio de presso em sua superfcie com caractersticas especcas, principal-
mente se comparadas com os pers incompressveis. Na Figura (2.5), pode-se notar a diferena
Figura 2.4: Inuncia da compressibilidade no arrasto do aeroflios.
tpica entre pers transnicos e convencionais. A linha horizontal referenciada representa o coe-
ciente Cp
cr
, denominado Cp crtico, o qual est relacionado velocidade de Mach 1, 0, onde o
escoamento passa a ser supersnico. O valor do Cp
cr
calculado por:
Cp
cr
=
2
M
2
_
M
2
( 1) + 2
+ 1
1
_
. (2.16)
O desempenho da aeronave depende dos seguintes fatores: o sistema de propulso, os efeitos
aerodinmicos que agem sobre a aeronave e seu peso. Como previamente apresentado, as carac-
tersticas aerodinmicas do perl determinam, em grande parte, as caractersticas aerodinmicas
do avio. Pode-se, portanto, determinar a inuncia que um perl ter no desempenho do avio
observando a inuncia de seus coecientes aerodinmicos nos parmetros de desempenho.
O valor do alcance de uma aeronave estimado pela chamada equao de Breguet:
Alcance = V
L
D
1
SFC
log
W
0
+W
f
W
0
, (2.17)
onde V
a velocidade da aeronave,
L
D
a ecincia aerodinmica, SFC o consumo especco
de combustvel, W
0
o peso vazio da aeronave e W
f
a massa de combustvel na aeronave.
A velocidade V pode ser escrita em funo da velocidade do som do escoamento livre: V =
Ma a
. Portanto, como armam Mair & Birdsall (1998), o alcance da aeronave, no regime
transnico, para uma quantidade xa de combustvel, proporcional ao parmetro Ma
L
D
. No se
pode aumentar o Ma arbitrariamente para melhorar o alcance, pois existe o problema de ultrapas-
sar o Mach de divergncia. Por isso, torna-se importante a obteno de pers com maiores Mach
Figura 2.5: Inuncia da compressibilidade na distribuio de Cp.
crticos. Esse tambm um problema encontrado ao desenvolver aeronaves supersnicas de uso
comercial (Obayashi & Sasaki, 2004).
Lembrando da inuncia do arrasto de trimagem, pode-se observar que ele reduzir o valor do
parmetro
L
D
.
2.2.4 Dinmica dos uidos computacional
A popularizao do computador digital permitiu o desenvolvimento de mtodos numricos,
viabilizando solues aproximadas de clculos at ento inviveis, tal como ocorre em estudos ae-
rodinmicos. A grande diculdade encontrada pelos aerodinamicistas a complexidade e a impos-
sibilidade de encontrar solues analticas para geometrias arbitrrias sem utilizar aproximaes
nos modelos matemticos.
Devido pouca capacidade dos primeiros computadores, inicialmente, as pesquisas em CFD
utilizavam modelos matemticos mais simples para representar escoamentos. A anlise de es-
coamentos incompressveis e irrotacionais pela teoria potencial possibilitou o desenvolvimento
dos mtodos dos painis, uma das primeiras metodologias aplicadas para prever, numericamente,
escoamentos. A aplicao do mtodo na aeronutica foi direta, sendo at hoje uma importante
ferramenta para projetos.
As mesmas equaes potenciais utilizadas para desenvolver os mtodos dos paineis podem ser
diretamente resolvidas, a partir de tcnicas capazes de calcular, de forma aproximada, equaes
diferenciais ordinrias ou parciais. Essas tcnicas possibilitaram no s a soluo de equaes
potenciais para os escoamentos incompressveis, como tambm modelos com variao de den-
sidade. Tem-se como exemplo os trabalhos Jameson (1974, 1978, 1979); Jameson & Caughey
(1977); Jameson & Chipman (1979), nos quais foram realizados estudos aplicados no projeto e
anlise de aeroflios transnicos. Apesar da simplicidade dos modelos, essas tcnicas necessitam
de recursos computacionais que, no passado, eram relativamente escassos. Isso levou ao estudo e
desenvolvimento de tcnicas para a reduo do custo computacional envolvido, assim como mto-
dos implcitos e multigrids.
Apesar dos modelos potenciais fornecerem bons resultados na previso do escoamento em
torno de pers e asas, eles se limitam ao estudo de escoamentos com ondas de choques fracas,
devido hiptese irrotacional do escoamento. Conseqentemente foi necessria a utilizao de
modelos mais completos. Pensando tambm no estudo de uidos viscosos, a aplicao de modelos
de correo viscosa e soluo das equaes de Navier-Stokes (Drela & Giles, 1987) sempre foi
uma linha de pesquisa muito explorada, levando ao estudo de modelos de turbulncia.
Os mtodos de CFD necessitam de um modelo matemtico, em geral, equaes diferenciais
parciais (EDP) e tcnicas numricas para resolv-las. Essas tcnicas discretizam equaes e usam
aproximaes para derivadas ou integrais. Essas aproximaes, ao serem aplicadas a um ponto
(volume ou elemento), utilizam informaes dos pontos (volumes ou elementos) discretos vizinhos
a ele. A aproximao discreta das derivadas pode ser feita por diferentes mtodos, como por
exemplo volume nitos (FV), diferenas nitas (FD) e elementos nitos (FE). Este trabalho se
concentra em tcnicas FV.
Este trabalho segue as equaes de Euler (Hirsch, 1991a). No caso compressvel, essas equa-
es so hiperblicas, apresentando termos convectivos. Esses termos podem ser discretizados por
tcnicas centradas ou descentradas (upwind). A discretizao utilizando tcnicas centradas apre-
sentam termos instveis, sendo necessria a utilizao de dissipao articial para estabilizar o
mtodo. Por sua vez, as tcnicas upwind apresentam, na prpria discretizao, termos estabilizan-
tes, no necessitando de dissipao adicional.
Mtodos centrados
Os mtodos ou esquemas centrados so aqueles que utilizam discretizao espacial centrada
no ponto ou clula em questo. Assim, o estncil da aproximao utiliza informao de todos os
vizinhos clula em questo de forma igualitria. Alguns desses esquemas foram desenvolvidos
por Lax & Wendroff (1960), porm seus mtodos so de primeira ordem de preciso. Briley
& McDonald (1975) aplicaram a segunda ordem de preciso para esquemas centrados, Beam &
Warming (1976, 1978) desenvolveram esquemas centrados implcitos no tempo e Jameson et al.
(1981) projetaram um esquema centrado explcito no tempo utilizando o mtodo de Runge-Kutta
de cinco estgios para a integrao temporal. Hirsch (1991b) arma que os trabalhos de Jameson
et al. (1981) e Beam & Warming (1976) usam essencialmente a mesma aproximao espacial para
os termos de uxo, diferindo apenas em sua aplicao prtica por razes histricas: o primeiro foi
desenvolvido para diferenas nitas em coordenadas curvilneas e o segundo para volumes nitos.
O mtodo desenvolvido por Jameson et al. (1981), usando a aproximao centrada de segunda
ordem para o balano de uxo nas interfaces do volume e integrao temporal explcita pelo m-
todo de Runge-Kutta, necessita de dissipao articial para estabilizar o mtodo, principalmente
em regies com ondas de choque e escoamentos supersnicos. O mtodo uma combinao de
termos dissipativos ecientes, apropriado para a utilizao com acelerao de convergncia como
o mtodo multigrid ou multimalhas. Alm disso, as propriedades do mtodo de Runge-Kutta
aplicvel para obter suavidade de propriedades necessrias para o mtodo multigrid.
Mtodos upwind
van Leer (2006) faz uma reviso histrica do desenvolvimento dos mtodos upwind usados em
CFD. O termo upwind foi primeiramente usado no trabalho de Courant et al. (1952), no qual o
uso do esquema descentrado veio como conseqncia natural da variante atrasada do mtodo das
caractersticas, o que geralmente ocorre no estudo dos escoamentos compressveis (Toro, 1999).
Godunov (1959) desenvolveu sua interpretao do esquema donor-cell, que pode ser generalizada,
a partir da soluo do problema de Riemann, para o caso 1D das equaes de Euler.
Fromm (1968) construiu um esquema advectivo de alta ordem com baixa disperso (Zero Ave-
rage Phase Error Method) obtendo um estncil upwind. Ao aplicar o teorema de Parseval para re-
lacionar o erro do mtodo advectivo aplicado a problemas de marcha no tempo, Wesseling (1973)
observou que os mtodos upwind minimizam o erro quando a soluo inicial apresenta desconti-
nuidades.
van Leer (1977) desenvolveu seu mtodo upwind, intrinsecamente de primeira ordem de preci-
so, a partir dos trabalhos de Godunov. van Leer (1979) discute sobre a obteno de altas ordens de
preciso para esses mtodos. Seguindo a mesma linha, Roe (1981) desenvolveu o mtodo upwind
tipo Godunov, propondo a soluo de um problema de Riemann aproximado. Esse mtodo do
tipo separao de diferena de uxo (Flux-Difference Splitting). Como exemplo de outro mtodo
do tipo tem-se o trabalho de Osher & Solomon (1982). O trabalho de Roe descrito, por van Leer
(2006), como a aproximao mais detalhada para o sistema de ondas e um dos mtodos upwind
mais populares. A aproximao de Roe se desenvolve a partir de uma linearizao local das equa-
es de Euler. As ondas de choque so substitudas por simples ondas de compresso. O balano
de uxo na interface entre 2 clulas separado em contribuies das ondas que se movimentam
entrando e saindo da clula.
A utilizao do problema de Riemann aproximado suciente para a aplicao em volumes
nitos, a m de obter bons resultados em simulaes numricas. Para todos os mtodos ante-
riormente apresentados, o modelo resolve uma onda de choque, ou de compresso, deslocando-se
entre as interfaces das clulas.
Alta ordem de preciso
Godunov (1959) arma: "[...]se um esquema advectivo conserva a monotonicidade da soluo,
o mtodo de 1
a
ordem[...]". Para conseguir aumentar a ordem de prescrio desses mtodos,
necessrio aplicar uma reconstruo dos valores das propriedades, inicialmente com aproxima-
o constante na clula, permitindo o clculo do uxo na interface. A utilizao de alta ordem
induz uma oscilao da soluo nas vizinhanas da descontinuidade. Boris e seus colaboradores
(Boris & Book, 1973, 1976; Boris et al., 1974) e van Leer (1979) desenvolveram os primeiros
estudos para obter mtodos upwind de alta ordem de preciso sem oscilaes. Basicamente, in-
troduzido um limitante para os parmetros durante a reconstruo e a utilizao de uma estrutura
previsor-corretor, conhecido como transporte de uxo corrigido (FCT do ingls Flux-Corrected
Transport).
A popularizao dos esquemas de alta ordem levaram ao desenvolvimento de limitadores de
uxo ecientes para o caso 1D. Harten (1984) desenvolveu o chamado TVD (do ingls Total
Variation Diminishing). Posteriormente, ele se dedicou ao estudo dos mtodos ENO (do ingls
Essentially Non-Oscillatory).
Extenso para multidimensional
A tcnica mais utilizada para estender os mtodos tipo Godunov de 1D para multidimensio-
nais consiste em resolver para cada interface um problema de Riemann na direo normal a ela.
Isso acarreta diversos problemas, principalmente quando existem ondas de choques oblquas in-
terface. Em Roe (1986), o autor aplicou uma generalizao para o problema multidimensionais
real.
Neste captulo, foi apresentada a reviso bibliogrca da aplicao de otimizao em aero-
dinmica e os conceitos relaciondos de aerodinmica e otimizao. No prximo captulo, so
apresentadas as tcnicas aplicadas para a simulao numrica e as parametrizaes da geometria.
CAPTULO
3
Simulao numrica de escoamentos
compressveis
A funo das asas elevar algo pesado ao lugar onde cam
os deuses. Mais do que qualquer outra parte do corpo, elas
so de natureza divina. (Plato)
As equaes que governam os fenmenos para escoamentos bidimensionais compressveis e
invscidos so:
Q
t
+
F
x
+
G
y
= 0, (3.1)
onde:
Q = [, u, v, e]
t
,
F =
_
u, u
2
+p, uv, (e +p)u
t
,
G =
_
v, uv, v
2
+p, (e +p)v
t
,
p = ( 1)[e 0.5(u
2
+v
2
)], (3.2)
onde a densidade; u a velocidade na direo x; v a velocidade na direo y; e a energia
interna do uido; p a presso; =
c
p
c
v
, onde c
p
o calor especco a presso constante e c
v
o
calor especco a volume constante.
21
22 3.1. VOLUMES FINITOS
Conforme apresentado no captulo 1, quatro mtodos so utilizados para resolver as equaes
anteriores para ns de comparao: o mtodo de Jameson (Jameson et al., 1981; Azevedo et al.,
1992), o mtodo upwind tipo Godunov proposto por Roe (Roe, 1981, 1986) e Mses nos modos
invscido e viscoso (Drela & Giles, 1987; Terry, 2004).
Para resolver computacionalmente essas equaes, este trabalho emprega os mtodos de vo-
lumes nitos para discretizao dessas equaes. Na seo 3.1 so apresentadas as bases para os
mtodos adotados no presente trabalho.
3.1 Volumes Finitos
A tcnica chamada de volumes nitos (FV - do ingls Finite Volume) utilizada para aproximar
derivadas espaciais pela forma integral das Equaes (3.1). Dessa formulao, assumindo-se as
hipteses de compressibilidade, invscido e escoamento 2D, obtm-se a equao:
_
V
Q
t
dv +
_
S
(F
i
x
+G
i
y
)ds = 0. (3.3)
Aplicando as aproximaes utilizadas em volumes nitos (propriedades uniformes de escoa-
mento dentro do volume e nas faces; malha estacionria
V
t
= 0 de geometria quadrilateral,
como mostrada na Figura (3.1)), pode-se discretizar as equaes para a forma da Equao (3.4).
Essa aproximao requer somente a soluo para equao diferencial ordinria (EDO) e a denio
para a aproximao para o balano de uxo nas faces.
V
i,j

Q
i,j
t
+
4
k=1
(

F
k
i
x
+

G
k
i
y
)
S
k
= 0. (3.4)
O somatrio da Equao (3.4) denominado T(Q). Portanto, muito comum encontrar a
formulao acima na forma:

Q
i,j
t
=
1
V
i,j
T(

Q
i,j
). (3.5)
Na prxima seo (3.1.1) descrito, de forma breve, o cdigo Mses utilizado para avaliar o uso
de viscosidade na otimizao. Nas sees 3.1.2 e 3.1.3 so apresentados os mtodos adotados para
aproximar o balano de uxo ou para efetuar a discretizao espacial. O primeiro, seo 3.1.2,
o mtodo centrado de Jameson introduzido na seo 2.2.4; o segundo, seo 3.1.3, o mtodo
upwind de Roe, introduzido na seo 2.2.4.
3.1.1 Modelo viscoso: Mses
A formulao numrica do Mses consiste na discretizao por volumes nitos, sobre uma ma-
lha estruturada, das equaes de Euler estacionrias, usando uma dissipao articial com carter
CAPTULO 3. SIMULAO NUMRICA DE ESCOAMENTOS COMPRESSVEIS 23
Figura 3.1: Esquema do elemento usado para aplicar a aproximao de volumes nitos para uma
malha quadrangular.
upwind. A malha acompanha as linhas de corrente da geometria, permitindo simplicar as equa-
es e, conseqentemente, diminuindo o nmero de incgnitas a serem resolvidas. A soluo do
sistema efetuada usando o mtodo de Newton para sistemas no lineares (Terry, 2004).
O cdigo utiliza a tcnica de soluo para escoamentos invscidos acoplada com a tcnica de
correo de camada limite para modelar seu efeito. A regio viscosa do escoamento (camada limite
e esteira) representada pela teoria da camada limite (Schlichting, 1955). A modelagem feita
pela formulao integral para a camada limite. O acoplamento entre a regio viscosa e invscida
efetuado pela espessura de deslocamento da camada limite
1
.
3.1.2 Mtodo centrado: Jameson
Jameson e seus colaboradores, ao longo da dcada de 1970, trabalharam com mtodos para
a formulao potencial. Jameson et al. (1981) propuseram um mtodo de volumes nitos com
esquema centrado, utilizando dissipao articial, devido natureza instvel dos mtodos centra-
dos aplicados a equaes hiperblicas. Calculando as propriedades do escoamento nas interfaces,
como uma mdia dos valores nas clulas adjacentes face, obtm-se:
Q
i
1
2
,j
=
Q
i,j
+Q
i1,j
2
,
Q
i,j
1
2
=
Q
i,j
+Q
i,j1
2
, (3.6)
sendo os valores Q
i
1
2
,j
e Q
i,j
1
2
referentes s faces de mesmo ndice e, por simplicidade, dene-
se esse vetor como Q
f
. Q
f
utilizado para calcular os vetores F e G, os quais so aplicados no
1
Maiores detalhes so apresentados por Drela & Giles (1987).
produto interno com o vetor rea. Esse resultado nos fornece o balano de uxo nas interfaces da
clula com suas vizinhas.
A aproximao de FV, aps a adio da dissipao articial, :
Q
i,j
t
=
T(Q
i,j
) Da(Q
i,j
)
V
i,j
. (3.7)
A dissipao articial explicada e exemplicada no trabalho de Jameson et al. (1981). A
integrao temporal feita utilizando o mtodo de Runge-Kutta de segunda ordem de cinco passos:
g
0
= g
n
g
1
= g
0
+
dt
4
g
0
,
g
2
= g
0
+
dt
6
g
1
,
g
3
= g
0
+
3dt
8
g
2
,
g
4
= g
0
+
dt
2
g
3
,
g
n+1
= g
0
+dtg
4
. (3.8)
O termo g
a derivada da EDO. Logo para o mtodo de Jameson, g
=
T(Q
i,j
)Da(Q
i,j
)
V
i,j
.
3.1.3 Mtodo Upwind: Roe
No desenvolvimento de mtodos upwind para escoamentos compressveis, Godunov (1959)
props a utilizao do problema de Riemann para modelar o uxo entrando ou saindo atravs
de uma interface. Ele resolveu de forma exata o problema exato de Riemann, testando todas as
possveis solues para as equaes. Seguindo a mesma linha, Roe (1981) props um problema
aproximado de Riemann para modelar os uxos pela interface. Esse problema aproximado re-
solvido de forma exata e construdo para simplic-lo sem perder consistncia fsica. A seguir,
detalhado o problema de Riemann e sua utilizao para desenvolver o mtodo de Roe.
Problema de Riemann: equao hiperblica linear
O problema de Riemann escalar denido pelo transporte de uma descontinuidade com velo-
cidade a. A rigor, o problema denido da seguinte forma:
EDP: u
t
+a u
x
= 0 (3.9)
CI: u(x, 0) = u
(0)
(x) =
_
u
L
para x 0
u
R
para x > 0
, (3.10)
onde q
L
e q
R
so os valores antes e depois da descontinuidade, a a velocidade de propagao da
descontinuidade, positiva. A condio inicial do problema est ilustrada na Figura (3.2). Como
o problema de Riemann denido pela equao de adveco (Equao 3.9), espera-se que essa
descontinuidade caminhe por uma distncia a t, e que os estados se mantenham inalterados antes
e depois da descontinuidade. A soluo analtica para esse problema dada por:
u(x, t) = u
(0)
(x a t) =
_
u
L
para x a t 0
u
R
para x a t > 0
(3.11)
Figura 3.2: Condio inicial do problema de Riemann. (a) No tempo t = 0 o problema consiste
em dois estados constantes separados por uma descontinuidade em x = 0. (b) Ilustrao da
soluo do problema de Riemann no plano x t para a equao de adveco linear com
velocidade positiva.
Problema de Riemann: sistema de EDPs hiperblicas
Na seo anterior foi apresentado o problema de Riemann para o caso escalar. Nesta seo o
problema estendido para um sistema de m EDPs hiperblicas lineares e a soluo do problema
escalar utilizada para denir a soluo geral desse problema. Para o sistema de equaes, o
problema denido por:
EDP: U
t
+A U
x
= 0;
CI: U(x, 0) = U
(0)
(x) =
_
U
L
para x 0
U
R
para x > 0
(3.12)
onde Q o vetor de estados, A uma matriz de coecientes constantes e Q
L
e Q
R
so os vetores
de estados direita e esquerda da descontinuidade. Assumindo que o sistema hiperblico, a
matriz A tem m autovalores
i
reais e m autovetores K
i
, linearmente independentes (LI). Isso
signica que a matriz A diagonalizvel, desacoplando o sistema de equaes.
Sendo K a matriz de autovetores de A, primeiro se dene o vetor de variveis W = K
1
Q,
chamadas de variveis caractersticas. Aplicando essas variveis na Equao (3.12) e prmultipli-
cando os dois lados da equao por K
1
se tem:
W
t
+ W
x
= 0, (3.13)
onde a matriz diagonal dos autovalores de A. O problema est desacoplado e pode ser expresso
por:
w
i
t
+
i
w
i
x
= 0; para i = 1...m, (3.14)
e a soluo do problema escalar pode ser utilizada para resolver o sistema. Consequentemente,
aplicando-se a denio de variveis caractersticas, tem-se que a soluo do sistema para as va-
riveis originais, :
U(x, t) =
m
i=1
w
i
(x, t) K
(i)
=
m
i=1
w
(0)
i
(x
i
t) K
(i)
. (3.15)
Essa soluo para Q pode ser vista como a superposio de m ondas, cada uma se deslocando
independentemente sem mudana de forma. Cada onda i tem formato w
(0)
i
(x) K
(i)
e velocidade
de propagao
i
. Visando denir a soluo geral para o problema em questo, cabe ressaltar que
se pode escrever os vetores de estado iniciais utilizando os autovetores como base, da forma:
U
L
=
m
i=1
i
K
(i)
,
U
R
=
m
i=1
i
K
(i)
. (3.16)
Dessa equao, nota-se que o salto de propriedades na descontinuidade :
U = U
R
U
L
=
m
i=1
(
i
i
) K
(i)
=
m
i=1
i
K
(i)
, (3.17)
onde
i
a intensidade de onda para a onda i.
Sendo W
(0)
= K
1
Q
(0)
, tem-se por conseqncia:
w
(0)
i
(x) =
_

i
, para x 0
i
, para x > 0
, (3.18)
logo, a soluo para cada varivel caracterstica se torna:
w
i
(x, t) = w
(0)
i
(x
i
t) =
_

i
para x
i
t 0
i
para x
i
t > 0
(3.19)
Da equao acima, se tem que o vetor W
(0)
(x) formado pelos elementos
i
at o valor de i,
tal que x
i
t negativo, e para valores de i maiores, o vetor composto pelos elementos
i
.
Aplicando a denio de variveis caractersticas, pode-se escrever a soluo para o problema de
Riemann da forma:
U(x, t) = K W =
I
i=1
i
K
i
+
m
i=I+1
i
K
i
, (3.20)
sendo I o maior valor de i, tal que x
i
t > 0. A Equao (3.20) chamada de soluo geral
para o problema de Riemann.
Problema de Riemann: Leis de Conservao
As leis de conservao so, geralmente, expressas na forma de sistemas de EDPs no-lineares.
O problema de Riemann pode, tambm, ser denido para essas leis e a metodologia, apresentada
nas sees anteriores, pode ser expandida para esses sistemas. Utilizando as equaes de Euler,
onde Q substitui U na Equao (3.12), para estudar a aplicao do problema de Riemann, tem-se:
Q
t
+F(Q)
x
= Q
t
+A(Q) Q
x
= 0,
Q(x, 0) = Q
(0)
(x) =
_
Q
L
, para x 0
Q
R
, para x > 0
(3.21)
O termo do meio da Equao (3.21) chamado de forma quase linear para as leis de conser-
vao. Esse sistema hiperblico, se a matriz jacobiana A(Q) tiver autovalores
i
(Q) reais e um
conjunto de autovetores K
(i)
(Q) LI.
Visando a soluo do sistema, utiliza-se a diagonalizao aplicada na seo anterior. No caso
no-linear, a velocidade de propagao de cada onda depende do vetor de estados Q(x, t), causando
distores no formato da distribuio das propriedades. Entretanto, a soluo ao longo das curvas
caractersticas tem as velocidades de onda constantes, vericando a soluo do caso linear ao
longo de uma curva caracterstica para o caso no-linear. Aplicando isso s equaes de Euler,
observam-se as seguintes solues para a Equao (3.21): onda de contato; onda de choque e onda
de expanso
2
.
Equaes de Euler: Invarincia rotacional
Uma propriedade muito importante das equaes de Euler a invarincia rotacional. Essa
propriedade permite provar a hiperbolicidade temporal das equaes e tambm permite a genera-
lizao para casos onde o domnio no se alinha s coordenadas cartesianas.
Sendo a matriz de rotao denida por:
R =
_
_
1 0 0 0
0 cos() sin() 0
0 sin() cos() 0
0 0 0 1
_
_
, (3.22)
que rotaciona o sistema de equaes para a direo n. Um sistema tem a propriedade de invariante
rotacional, quando satisfaz a seguinte condio para qualquer e vetor U:
(F, G) n = cos() F + sin() G = R
1
F(R Q). (3.23)
Esta condio diretamente vericada para as Equaes (3.1). Essa propriedade permite a
utilizao do uxo denido por F(Q) na direo normal superfcie de controle utilizada para de-
nir a discretizao de volumes nitos. Logo, torna-se necessrio aplicar o problema de Riemann,
apenas na direo normal face do elemento, simplicando o problema para um do tipo:
Q
t
+F(Q)
n
= 0. (3.24)
Separao de Vetor de Fluxo (SVF)
De acordo com Toro (1999): "[...] Uma caracterstica distinta dos mtodos upwind que:
a discretizao da equao em uma malha feita de acordo com a direo de propagao da
informao nesta malha. [...]". A separao de vetores de uxo uma das formas para identicar
a direo de propagao da informao. van Leer et al. (1987) armam que seus esquemas SVF
tm uma resoluo da onda de choque consideravelmente mais pobre se comparado ao mtodo de
2
Maiores detalhes so apresentados por Toro (1999)
Godunov, que utiliza a tcnica de Separao de Diferena de Fluxo (SDF) para denir a direo
de propagao da informao. Porm, a maior simplicidade da tcnica SVF, e, conseqentemente,
seu menor custo computacional, torna atrativa sua utilizao.
A denio da SVF para as equaes de Euler, ou seja, para sistema de equaes hiperblicas
no lineares, efetuada a partir da denio:
i
=
+
i
+
i
, (3.25)
onde
+
i
0 e
i
0. Denindo-se tambm
+
i
e
i
da forma:
+
i
= max(
i
, 0),
i
= min(
i
, 0), (3.26)
e aplicando essa denio para a matriz de autovalores, tem-se:
+
= diag(max(
i
, 0), para i = 1..m),
= diag(min(
i
, 0), para i = 1..m). (3.27)
Deve-se ressaltar que a decomposio (Equao 3.25) se mantm para a matriz . Denindo
a separao da matriz de autovalores, pode-se determinar a separao para a matriz jacobiana,
utilizando a matriz de autovetores de A.
A
+
(Q) = K
+
K
1
,
A
(Q) = K
K
1
, (3.28)
e se pode averiguar tambm que a separao construda para A respeita a restrio A = A
+
+A
.
A construo das separaes para as matrizes
e A
, apresentada nas Equaes (3.27) e (3.28),

tem por conseqncia as propriedades:
i ) =
+
+
; || =
+
;
ii ) =
+
+
; || =
+
;
iii ) A = A
+
+A
; |A| = A
+
A
;
Agora, pode-se denir a separao do vetor de uxo da forma:
F(Q) = F
+
(Q) +F
(Q). (3.29)
Lembrando a Equao (3.21), na qual F(Q) = A(Q) Q, aplica-se essa denio obtendo:
F
+
(Q) = A
+
(Q) Q,
F
(Q) = A
(Q) Q, (3.30)
que respeita a Equao (3.29). No mtodo de Roe, essa separao de uxo ser importante para
denir o uxo na face, a partir de um problema de Riemann aproximado.
Mtodo de Godunov
O mtodo de Godunov calcula o uxo na interface, a partir da soluo exata do problema
de Riemann exato, para as equaes de Euler. Essa soluo leva a 5 possveis casos, tanto para
o escoamento vindo da esquerda (L) tanto para o escoamento da direita (R). Esses casos so
composies de ondas de choque, contato e expanso.
A soluo exata do problema de Riemann leva ao clculo iterativo da presso e ao teste para
denir qual caso ser aplicado. Consequentemente, o mtodo muito oneroso, o que incentivou o
desenvolvimento de mtodos que: ou resolvem aproximadamente o problema exato de Riemann;
ou resolvem exatamente o problema aproximado; ou que resolvem aproximadamente o problema
aproximado.
No caso do mtodo proposto por Roe, um problema aproximado proposto e sua soluo
efetuada de forma exata. As prximas sees apresentam a obteno do problema aproximado e
sua soluo.
Problema aproximado de Riemann proposto por Roe
O mtodo upwind de Roe (1981) talvez o mais conhecido do tipo Godunov voltado para
resolver um problema de Riemann aproximado. A denio do problema aproximado se d pela
substituio da matriz jacobiana, dependente do estado, por uma matriz constante, que depende
dos estados direita e esquerda da interface. Logo o problema (3.21) se torna:
Q
t
+F(Q)
x
Q
t
+

A(Q
L
, Q
R
) Q
x
= 0,
Q(x, 0) = Q
(0)
(x) =
_
Q
L
, para x 0
Q
R
, para x > 0
. (3.31)
O problema aproximado (Equao 3.31) satisfaz as propriedades: (i) hiperbolicidade; (ii) con-
sistncia; e (iii) conservao ao longo das descontinuidades. Como o problema de Riemann apro-
ximado pela substituio da matriz A(Q) original por uma matriz

A(Q
L
, Q
R
) constante, tendo os
autovalores

(

A) da matriz

A e seus autovetores

K(

A), pode-se aplicar a soluo para o sistema
de EDPs hiperblicas para resolver o problema aproximado.
Escrevendo o salto de propriedades Q = Q
R
Q
L
como na Equao (3.17) e chamando
de
i
(Q
L
, Q
R
) a intensidade de onda para a i-sima onda, a soluo do problema aproximado na
interface dada por:
Q
i+
1
2
= Q
L
+
i
0

i

K
(i)
,
Q
i+
1
2
= Q
R
i
0

i

K
(i)
,
(3.32)
e aplicando a denio de F(Q) = A(Q) U no problema aproximado, pode-se escrever o uxo
na interface por:
F
1+
1
2
= F
L
+
i
0

i

i

K
(i)
,
F
1+
1
2
= F
R
i
0

i

i

K
(i)
,
F
1+
1
2
=
F
R
+F
L
2

1
2
m
i=0

i
|
i
|
K
(i)
. (3.33)
Pode-se interpretar a ltima Equao (3.33) como uma composio de um termo centrado mais
um termo de dissipao, sendo esse ltimo representado pelo somatrio. Nota-se que a dissipao
articial do mtodo upwind dependente dos autovalores da matriz jacobiana. Por conseqncia,
a dissipao articial ser baixa em regies prximas s de escoamentos snicos e estagnao.
Isso importante devido necessidade de maior robustez, visto que nessas regies a dissipao
articial ser baixa, podendo levar a instabilidades numricas
3
. Visto que o uxo na face est
denido pelas Equaes (3.33) basta denir a matriz jacobiana que representa a aproximao do
problema de Riemann e calcular

,

K e para essa matriz. A construo da matriz

A feita de
forma a satisfazer as propriedades (i)-(iii). Para isso, Roe (1981) dene um vetor de propriedades
Z e escreve os vetores Qe F em funo de Z. Alm disso, o autor dene o valor mdio na interface
a partir de sua mdia aritmtica. Dessa forma, F e Q podem ser expressos em funo de Z.
3
Para maiores detalhes sobre o desenvolvimento acima se sugere a referncia Toro (1999).
O vetor Z denido por Roe, para as equaes de Euler 2D, :
Z =
_
_
z
1
z
2
z
3
z
4
_
_
1
u
v
H
_
_
. (3.34)
sendo H =
e+p
onde e denido pela Equao (3.1).

Denindo o vetor

Z na interface, como a mdia aritmtica entre os vetores direita e es-
querda, pode-se escrever os vetores Q e F da forma:
Q =

BZ; F =

CZ, (3.35)
sendo

C =

C(

Z) e

B =

B(

Z). Logo, pode-se escrever:
F = (

C

B
1
)Q =

AQ. (3.36)
Com a matriz jacobiana da Equao (3.36), Roe & Pike (1985) deniram o valor mdio das
propriedades na interface pela mdia de Roe (Equaes 3.37), e deniram os saltos nas proprieda-
des pela Equao (3.38), os autovalores pela Equao (3.39) e autovetores pela Equao (3.40).
=
l
+
r
,
=

r
,
u
f
= u
l
+u
r
(1 ),
v
f
= v
l
+v
r
(1 ),
H
f
= H
l
+H
r
(1 ), (3.37)
=
_
_

P
a
2
v
n
u
n
+
P
2 a
2
u
n
+
P
2 a
2
_
_
, (3.38)
=
_
_
u
n
u
n
u
n
+ a
u
n
a
_
_
, (3.39)
K =
_
_
1 0 1 1
u n
y
u +n
x
a u n
x
a
v n
x
v +n
y
a v n
y
a
1
2
( u
2
+ v
2
) v
n

H +u
n
a

H u
n
a
_
_
. (3.40)
Como discutido anteriormente, pode-se notar pela Equao (3.39) que a dissipao baixa em
regies prximas da estagnao e de escoamento snico. Visando resolver o problema, o autovalor
pode ser corrigido da seguinte forma:
M
i
=
_
M
i
M
i

Roe
1
2
(
Roe
+
M
Roe
) M
i
<
Roe
, (3.41)
sendo M
i
=

i
/a e a a velocidade do som. O valor para
Roe
, geralmente, denido em torno de
Roe
0, 05. Para geometrias mais complexas ou para malhas com volumes de baixa qualidade,
valores em torno de
Roe
0, 15 so apropriados. No presente trabalho se adotou o valor
Roe
=
0, 35.
Utilizando o uxo na interface denido por Roe, aplica-se a propriedade de invarincia rotaci-
onal para escrever a formulao de volumes nitos, obtendo-se:
_
V
Q
t
dv +
_
S
(
P n)ds =
_
V
Q
t
dv +
_
S
F
n
ds = 0, (3.42)
sendo F
n
denido pelo uxo na direo normal superfcie de controle.
Reescrevendo a Equao (3.3), obtm-se a Equao (3.4) da forma:
V
i,j

Q
i,j
t
+
4
k=1
F
n
S
k
= 0, (3.43)
onde

F
n
representa o uxo na face denido por Roe. Tem-se com essa formulao a denio do
mtodo de FV, utilizando a aproximao de Roe para o uxo nas faces do volume de controle.
Reconstruo para obteno de segunda ordem de presciso
O desenvolvimento de segunda ordem de preciso para os mtodos tipo Godunov foi explo-
rado por van Leer (1979) com a introduo do conceito MUSCL (do ingls, Monotone Upstream-
Centred Scheme for Conservation Laws). Esse conceito possibilita a maior ordem de preciso a
partir de uma reconstruo das propriedades, a qual consiste em assumir uma nova distribuio das
propriedades dentro dos volumes, distribuio essa de maior ordem que a hiptese de propriedades
constantes. Essa reconstruo fornece valores extrapolados para as propriedades esquerda e
direita da interface, os quais so utilizados no problema de Riemman.
Para obter segunda ordem de preciso, necessrio aplicar uma reconstruo linear das propri-
edades. Em (Hirsch, 1991b) est descrita a proposta para a reconstruo adotada neste trabalho.
Apesar de a proposta ser aplicada em uma malha unidimensional uniforme, ela foi considerada no
domnio lgico da malha estruturada. A utilizao de maior ordem de preciso leva ao apareci-
mento de oscilaes das propriedades na regio prxima onda de choque. Para isso se utiliza um
limitador de uxo descrito na seo a seguir.
Limitador de uxo
Hirsch (1991b) descreve o conceito de limitador de uxo. Nesse trabalho descrita uma tc-
nica proposta para a utilizao com o conceito MUSCL. Basicamente, o limitador impe valores
mximos e mnimos s derivadas da reconstruo das variveis. Essa limitao construda de
forma a impor monotonicidade s variveis reconstrudas.
O conceito do limitador , geralmente, desenvolvido para o caso 1D. Bigarella (2007) utiliza
os conceitos de Barth & Jespersen (1989) para generalizar o clculo da razo de variao das
derivadas, permitindo utilizar qualquer limitador denido para 1D nos casos 2D e 3D. De forma
breve, a generalizao descrita pela Equao (3.44).
r
k
=
_
_
num
+
/den, if den > 0;
num
/den, if den < 0;

1, if den = 0.
, (3.44)
onde r
k
a razo para o k-simo volume. num
e den so denidor por:

num
+
= max(q
i
, q
k
) q
i
; num
= min(q
i
, q
k
) q
i
; den = (q
i
)
k
q
i
, (3.45)
sendo q
i
a propriedade no volume i, q
k
a propriedade na face k do volume (ou seja, a mdia
aritmtica das propriedades dos volumes vizinhos face) e (q
i
)
k
a propriedade do volume i
reconstrudo na face k do volume.
A utilizao dessa generalizao permite aplicar o limitador de uxo de van Albada (van Al-
bada et al., 1982). Sendo r a razo da variao das derivadas, o limitador de uxo denido
por:
=
r
2
+r
r
2
+ 1
. (3.46)
No presente trabalho, adotada a implementao do limitador sugerida por Bigarella (2007) e
denida na Equao (3.47).
(num
, den) =
num
(num
+ 1) +
LIM
num
2
+den
2
+
LIM
. (3.47)
Apesar de Bigarella (2007) sugerir a utilizao de
LIM
= 10
4
, a seo 5.2.1 apresenta um
estudo sobre a inuncia desse valor na soluo e estabilidade do mtodo.
3.1.4 Condies de contorno
Para resolver as equaes no domnio discretizado necessrio ter o valor das grandezas nas
fronteiras da malha. Esses valores so chamados de condies de contorno e representam a poro
conhecida do problema (geometria da parede, simetria do escoamento, escoamento livre, etc.).
Para isso necessrio modelar as condies fsicas representadas pelas fronteiras. No trabalho
necessria a utilizao de 3 tipos distintos de condies de contorno nas 4 fronteiras da malha
estruturada: escoamento livre no reexiva; condio de escorregamento na parede; e condio de
periodicidade. A ltima condio necessria visto que a malha adotada do tipo O , ou seja,
duas de suas fronteiras so coincidentes, fechando o domnio fsico atrs do bordo de fuga.
As condies so impostas se utilizando os chamados volumes fantasmas ou ctcios, os quais
consistem em volumes de controle denidos fora do domnio de clculo, e cuja funo a imple-
mentao das condies de contorno.
Fluxo livre Invariantes de Riemann
De acordo com Hirsch (1991b), a condio de contorno de escoamento livre, no caso estacio-
nrio, pode ser tratada como entrada de uxo no domnio ou sada. Para cada um, o uxo ser
tratado de forma diferente e sua identicao necessria. Essa identicao utiliza a tcnica ba-
seada nas invariantes de Riemann para um escoamento localmente unidimensional e subsnico, os
quais so denidos por:
R
= u
n
2a
1
,
R
+
= u
n
+
2a
1
, (3.48)
onde u
n
a componente de velocidade normal fronteira.
O invariante R
constante ao longo de uma caracterstica que se propaga para o interior do

domnio computacional, sendo obtido a partir das propriedades do escoamento no-perturbado. O
invariante R
+
, por sua vez, constante ao longo de uma caracterstica se propagando para fora do
domnio. Ele obtido pela extrapolao das propriedades internas ao domnio. Sendo assim, os
invariantes podem se reescrever como:
R
= q
n
2a
1
,
R
+
e
= q
n
e
+
2a
e
1
. (3.49)
Combinando estas expresses, obtm-se os valores na interface da fronteira na forma:
q
n
f
=
1
2
(R
+
e
+R
),
a
f
=
1
4
(R
+
e
R
). (3.50)
Deste modo, as propriedades nesta mesma interface so calculadas de acordo com o sinal de
q
n
, de tal forma que so possveis dois casos distintos:
Fronteira de sada (q
n
f
> 0): As propriedades do volume adjacente fronteira so extra-
poladas para a clula fantasma da forma:
f
=
_
e
a
2
f
p
e
_
1
1
,
u
f
= u
e
+ (q
n
f
q
n
e
) sx,
v
f
= v
e
(q
n
f
q
n
e
) sy,
p
f
=
f
a
2
f
,
e
f
=
p
f
1
+
1
2
f
(u
2
f
+v
2
f
), (3.51)
onde a expresso para a densidade vem da extrapolao da entropia.
Fronteira de entrada (q
n
f
<= 0): Neste caso, as propriedades so extrapoladas do escoa-
mento livre:
f
=
_
a
2
f
p
_
1
1
,
u
f
= u
+ (q
n
f
q
n
e
) sx,
v
f
= v
(q
n
f
q
n
e
) sy,
p
f
=
f
a
2
f
,
e
f
=
p
f
1
+
1
2
f
(u
2
f
+v
2
f
). (3.52)
As expresses para o clculo da densidade so obtidas da hiptese de escoamento localmente
isentrpico, e da denio da velocidade do som. A partir dos valores na interface, pode-se obter
o vetor de variveis conservadas para os volumes ctcios se fazendo:
Q
g
= 2Q
f
Q
e
. (3.53)
Essa aproximao para a condio de uxo livre vlida enquanto a fronteira estiver sucien-
temente distante do aeroflio para que as perturbaes induzidas pela circulao sejam pequenas.
comum encontrar trabalhos sugerindo a utilizao de um raio para o domnio externo da ordem
de 30 50 vezes a corda do aeroflio.
A seo 3.1.5 apresenta uma tcnica de correo da condio de fronteira livre para reduzir
o erro de aproximao, impondo uma componente de perturbao, causada pela circulao do
aeroflio.
Escorregamento na parede
Quando utilizada a formulao invscida, a condio de contorno de parede slida considera
velocidade tangente parede. Para isto, impe-se que a componente da velocidade contra variante
normal parede do volume fantasma seja igual, em intensidade, porm, com sentido contrrio,
velocidade contra variante do volume vizinho. Enquanto isso, a componente tangencial de ambas
exatamente igual. Tambm, impe-se que os gradientes de presso e de temperatura sejam nulos
na superfcie do corpo.
Seguindo, ento, o procedimento descrito acima, adotando as denies ilustradas na Figura
(3.3), calculam-se as componentes do vetor velocidade como:
Figura 3.3: Sistema de coordenadas local e componentes das velocidades para clculo da
condio de contorno de parede com escorregamento.
U
n
=

V n = (u
i
x
+v
i
y
) (n
x
i
x
+n
y
i
y
),
U
t
=

V
t = (u
i
x
+v
i
y
) (n
y
i
x
n
x
i
y
). (3.54)
Com isso se tem que as componentes das velocidades do volume ctcio so:
Ug
n
= U
n
,
Ug
t
= U
t
. (3.55)
Logo, recalculando as velocidades nas coordenadas x e y se tem:
u
g
= Ug
n
n
x
+Ug
t
n
y
,
v
g
= Ug
n
n
y
+Ug
t
n
x
. (3.56)
3.1.5 Tcnicas para acelerao de convergncia
Tcnicas foram implementadas visando a reduo de custo computacional. Essas so apresen-
tadas a seguir.
Passo temporal local varivel
Buscando aumentar a velocidade de convergncia para o estado estacionrio, cada volume da
malha utiliza um valor distinto para o t, sendo limitado pelo valor do CFL mximo, o qual
garante a estabilidade.
Resduo suavizado
Hirsch (1991b) descreve a tcnica que impem no mtodo explcito um carter implcito au-
mentando a estabilidade, permitindo a utilizao de valores maiores de CFL . A anlise de es-
tabilidade por expanso da srie de Fourier mostra que se pode aumentar muito o CFL com a
utilizao da tcnica. Outro fato importante que a tcnica no precisa ser utilizada em todos os
passos da integrao temporal, reduzindo o custo computacional.
Correo de fronteira livre
A utilizao de um domnio com fronteira fsica distante leva necessidade de utilizar um
grande nmero de clulas, aumentando, conseqentemente, o custo computacional. A reduo do
dimetro do crculo utilizado leva ao aumento do erro, devido s perturbaes do perl na fronteira.
Para reduzir esse erro se aplica a correo de fronteira livre. A tcnica adotada para o trabalho
segue a descrio de Hirsch (1991b). A teoria potencial utilizada para estimar a perturbao que
a circulao do aeroflio causa em algum ponto da fronteira externa (Figura 3.4). Essa perturbao
utilizada para corrigir o valor da velocidade na fronteira livre.
Figura 3.4: Ilustrao da aproximao para a perturbao causada pelo perl na fronteira livre.
A sustentao calculada por um volume de controle que envolve o perl, no caso foi utilizado
um volume adjacente. Com o valor da sustentao, a circulao calculada pela expresso:
Cl =
2
V
c
. (3.57)
A circulao utilizada para calcular o parmetro F denido pela expresso:
40 3.2. GERAO DE MALHA
F =

V
2r
1
1 M
2
sin (
)
, (3.58)
com =
_
1 M
2
. Com o valor de F, pode-se calcular as componentes das perturbaes da

velocidade pela expresso:
u
f
V
= cos
+F sin ,
v
f
V
= sin
F cos . (3.59)
3.2 Gerao de Malha
Para a gerao de malha estruturada se adotou o mtodo descrito por Fletcher (1987); Thomp-
son et al. (1985), que utiliza as equaes elpticas para denir x e y em funo de e :
xx
+
yy
= P(, ),
xx
+
yy
= Q(, ), (3.60)
onde P e Q so denidos por:
P(, ) =
M
m=1
a
m

m
|
m
|
e
c
m
|
m
|
n=1
b
n

n
|
n
|
e
d
n
(
n
)
2
+(
n
)
2
,
Q(, ) =
M
m=1
a
m

m
|
m
|
e
c
m
|
m
|
n=1
b
n

n
|
n
|
e
d
n
(
n
)
2
+(
n
)
2
. (3.61)
Os termos fontes denidos nas Equaes (3.61) so responsveis pelo controle do renamento
da malha. Para utilizar essas equaes, deve-se resolv-las, numericamente, atribuindo as coor-
denadas das fronteiras (perl e fronteira externa) como condies de contorno. Neste trabalho,
utiliza-se uma malha em O, conformada ao perl, ilustrada na Figura (3.5). A Figura (3.6) apre-
senta um exemplo de uma malha estruturada na regio prxima a um perl aerodinmico.
Figura 3.5: Malha estruturada tipo O : domnio fsico (a); domnio computacional (b).
Figura 3.6: Exemplos de malha estruturada em torno de um aeroflio.
3.3 Parametrizao da geometria
Parsec
A representao de pers Parsec emprega um pequeno nmero de variveis relacionadas s
propriedades geomtricas, parametrizando a superfcie superior e inferior do aeroflio, utilizando
polinmios para as coordenadas x e y na forma:
Y =
6
n=1
a
n
X
n
1
2
, (3.62)
42 3.3. PARAMETRIZAO DA GEOMETRIA
onde a
n
so coecientes reais. Os parmetros da famlia Parsec incluem o raio de bordo de ataque
r
le
, coordenadas Y da superfcie superior e inferior Y
UP
, Y
LO
e suas respectivas localizaes X
UP
,
X
LO
, curvaturas desses pontos Y
XXUP
, Y
XXLO
, espessura da borda de fuga Y
TE
e sua coorde-
nada Y
TE
, e seus ngulos de direo e de abertura
TE
,
TE
. Estes parmetros so mostrados na
Figura (3.7), e os limitantes superior e inferior utilizados esto na Tabela (3.1). Mais informaes
sobre parametrizaes de geometrias podem ser encontradas em (Sobieczky, 1998; Song & Keane,
2004a).
Figura 3.7: Variveis da famlia Parsec.
Tabela 3.1: Limitante dos parmetros.
Param. r
le
X
up
Y
up
Y xx
up
X
lo
Y
lo
Y xx
lo

te

te
Y
te
dY
te
Lower 0.0055 0.3 0.05 -0.6 0.28 -0.075 0.55 8
o
9.5
o
0.0 0.0
top 0.01 0.5 0.075 -0.4 0.42 -0.05 0.85 12
o
14.5
o
0.0 0.0
Pontos de controle
Para representar, computacionalmente, geometrias, no caso, curvas, pode-se aplicar uma para-
metrizao baseada em pontos de controle. No presente caso, uma curva 2D parametrizada com
base no parmetro , sendo denida da forma:
x = x(); y = y(). (3.63)
Esta parametrizao utilizada para denir o perl. Os pontos so lugares geomtricos de coor-
denadas conhecidas, os quais so utilizados para denir interpolaes de x e y em relao .
Qualquer polinmio interpolador pode ser utilizado. No presente trabalho, adotou-se a interpola-
o atravs de uma Spline cbica.
Os pontos de controle adotados so baseados no perl transnico Rae 2822 (Nemec et al.,
2002). 13 pontos base em torno do perl so usados: os pontos (1,0) do bordo de fuga no comeo
e no nal da parametrizao; o ponto (0,0) do bordo de ataque; e mais 10 pontos ao longo da corda,
sendo 5 no intradorso e 5 no extradorso. As coordenadas dos pontos base esto na Tabela (3.2)
e a ilustrao na Figura (3.8). Os pontos 1,7 e 13 so xos e os demais tm suas coordenadas y
variveis, sendo que a variao no mximo 40% de seu valor para mais ou para menos.
A parametrizao descrita muito prtica e tem a vantagem de evitar o grande nmero de
geometrias anmalas, que ocorre no caso da parametrizao Parsec. Como desvantagem, essa
parametrizao permite apenas uma busca local prxima geometria base, sendo, por isso, muito
utilizada em casos de renamento de projeto de aeroflio.
Tabela 3.2: Pontos de controle base para a parametrizao da geometria.
i x y i x y
1 1.000 0.000 8 0.066 -0.032
2 0.933 0.013 9 0.249 -0.055
3 0.750 0.041 10 0.500 -0.050
4 0.500 0.062 11 0.750 -0.016
5 0.249 0.056 12 0.933 0.000
6 0.066 0.031 13 1.000 0.000
7 0.000 0.000
Figura 3.8: Geometria base (Rae 2822) e pontos de controle.
Neste captulo, foram discutidas as tcnicas que viabilizam a denio das funes objetivo
para o problema de otimizao aerodinmica. Para efetivar a otimizao so necessrias tcnicas
de otimizao, as quais so descritas no prximo captulo.
CAPTULO
4
Algoritmo gentico e otimizao
multi-objetivo
Sendo o progresso uma condio da natureza humana, nin-
gum tem o poder de se opor a ele. uma fora viva que
as ms leis podem retardar, mas no sufocar. Quando essas
leis se tornam incompatveis com a sua marcha, ele as des-
tri e a todos que tentam mant-las. Ser assim at que o
homem coloque suas leis em concordncia com a justia e
com o bem, e no leis feitas pelo forte em prejuzo do fraco.
(Livro dos Espritos)
No captulo 2, foi mostrado que o desempenho da aeronave depende de parmetros concorren-
tes como o aumento da velocidade e da sustntao com a ecincia aerodinmica, caracterizando
um problema multiobjetivo. Logo, para o presente estudo, dene-se o problema:
Maximizar: f
1
= Cl
Minimizar: f
2
= Cd
f
3
= |Cm|
Sujeito a:
restries de geometria
estabilidade numrica
As restries geomtricas so empregadas para denir infactveis os pers anmalos (pers
muito espessos ou com pouca suavidade da linha de camber), possveis devido s parametrizaes
45
46 4.1. ALGORITMOS GENTICOS
adotadas. Essas restries so: no haver crossover de superfcies, espessura mxima de 30%, e
camber mximo de 20%.
Dois objetivos do PMO, denidos acima, so representados na Figura (4.1). Nessa gura pode-
se observar as solues dominadas e os nveis de dominncia. As solues 8 e 6 esto no conjunto
dominado pelo nvel representado pela linha tracejada. A soluo 7 est em um nvel dominado
pelas demais. Tem-se, tambm, que os objetivos f
2
e f
3
so intrinsecamente positivos, sendo f
2
estritamente positivo. Logo, outro indicativo de infactibilidade dado por valores de f
2
0, o que
indica erro da soluo numrica.
Figura 4.1: Representao de dois objetivos de um PMO de maximizao dos objetivos.
4.1 Algoritmos genticos
AGs so aplicados como tcnicas de busca e otimizao em diversas reas. So baseados no
mecanismo de seleo natural, focando na sobrevivncia do indivduo mais apto. AGs nem sempre
encontram a melhor soluo possvel, porm fornecem boas solues locais para problemas NP
completos (Papadimitriou, 1994).
A soluo de problemas utilizando algoritmos genticos envolve dois aspectos: codicao da
soluo na forma de cromossomos, onde cada cromossomo representa uma possvel soluo, e
uma funo de aptido (tness), que aplicada para encontrar a melhor soluo.
Vrias tcnicas de codicao podem ser utilizadas para diferentes tipos de problemas, como
strings binrias, nmeros reais e outras. A funo de aptido responsvel por avaliar os indiv-
duos. Essa funo recebe um cromossomo como parmetro e retorna um nmero real que repre-
senta a qualidade da soluo obtida, por exemplo, o quo adequada a soluo para o problema
em estudo.
CAPTULO 4. ALGORITMO GENTICO E OTIMIZAO MULTI-OBJETIVO 47
Cromossomos mais aptos so identicados e armazenados durante o processo de evoluo.
Os menos aptos, por outro lado, so eliminados. Diferentes tcnicas podem ser aplicadas para
a identicao dos melhores cromossomos, como a seleo proporcional ou roleta, seleo por
ranking e a seleo baseada em torneio (Baeck et al., 1999).
Na seleo proporcional, indivduos so transferidos para a gerao seguinte de acordo com
o valor proporcional ao resultado de sua funo de aptido. Uma das possveis implementaes
dessa tcnica consiste no uso de uma roleta, dividida em N partes, com N sendo o nmero de
indivduos (cromossomos) da populao atual. O tamanho de cada parte proporcional ao valor
da funo de aptido de cada indivduo. A roleta girada N vezes e, a cada turno, o indivduo
apontado selecionado e inserido na gerao seguinte.
A seleo baseada em ranking pode ser dividida em duas etapas. Durante a primeira, as so-
lues so ordenadas de acordo com seu valor da funo de aptido. Com a lista ordenada, cada
indivduo recebe um novo valor de aptido de acordo com sua posio no ranking. Depois, um
procedimento que seleciona os indivduos conforme sua posio no ranking aplicado. Assim, os
indivduos de melhores posies tm maiores chances de serem selecionados.
Na seleo baseada em torneio no se atribui automaticamente probabilidades a indivduos.
Um torneio de tamanho k denido com k 2 indivduos. Ento, k indivduos so escolhidos
aleatoriamente na populao atual, e seus valores de aptido so comparados e o indivduo com
melhor valor de aptido selecionado para reproduo. O valor de k denido pelo usurio,
representando a presso de seleo, isto , a velocidade com a qual os indivduos mais aptos vo
dominar a populao, gerando o extermnio dos mais fracos.
Uma vez selecionados os indivduos para reproduo, necessrio modicar suas caractersti-
cas genticas usando tcnicas de reproduo conhecidas como operadores genticos. Os operado-
res mais comuns so o crossover e a mutao.
O operador de crossover permite a troca de material gentico entre dois indivduos, conhecidos
como pais, combinando suas informaes de modo a aumentar a possibilidade de gerar um novo
indivduo com melhores caractersticas que os originais (Hinterding, 2000).
Ocrossover de umponto o mais usado. Para aplic-lo, dois indivduos (pais) so selecionados
e dois novos indivduos so criados a partir deles (lhos). Um nico ponto de quebra aleatrio
selecionado nos cromossomos pais, e novos cromossomos so criados a partir da combinao
dos primeiros, como mostrado na Figura (4.2). A Figura (4.2) (a) mostra os indivduos pais e o
ponto de separao marcado pelo smbolo |. Novos indivduos criados a partir da combinao dos
cromossomos pais so mostrados na Figura (4.2) (b), ilustrando o operador de crossover.
X
1
X
2
|X
3
X
4
X
5
X
6
X
1
X
2
|Y
3
Y
4
Y
5
Y
6
Y
1
Y
2
|Y
3
Y
4
Y
5
Y
6
Y
1
Y
2
|X
3
X
4
X
5
X
6
(a) Antes do crossover (b) Depois do crossover
Figura 4.2: Operador de cruzamento: um ponto.
O crossover de dois pontos tambm bastante utilizado. Semelhante ao de um ponto, esse
operador se diferencia por utilizar dois pontos de quebra aleatrios, ao invs de apenas um. A
Figura (4.3) exemplica um crossover com os locais de quebra representados pelo smbolo |. A
Figura (4.3) (a) mostra os cromossomos pais e (b) os gerados aps o crossover.
X
1
X
2
|X
3
X
4
|X
5
X
6
X
1
X
2
|Y
3
Y
4
|X
5
X
6
Y
1
Y
2
|Y
3
Y
4
|Y
5
Y
6
Y
1
Y
2
|X
3
X
4
|Y
5
Y
6
(a) Antes do crossover (b) Depois do crossover
Figura 4.3: Operador de Cruzamento: dois pontos.
O operador de mutao utilizado para alterar um nico gene por um valor aleatrio. Quando
um indivduo representado por um bitmap, esse operador escolhe de forma aleatria um gene do
cromossomo e troca seu valor de 1 para 0 e vice versa. O objetivo do operador de mutao manter
a diversidade da populao, sempre permitindo que um cromossomo cubra um amplo espao de
busca (Hinterding, 2000). Esse operador geralmente aplicado com baixa probabilidade, pois,
com alta, o resultado tende a ser aleatrio.
A Figura (4.4) ilustra um uxo de dados tpico de um algoritmo gentico. Pode-se observar
que a estrutura do algoritmo simples, fato que o torna muito popular. Cabe citar que alm
do crossover e da mutao, tambm se utiliza o operador elitismo para formar a nova gerao.
Outra caracterstica do mtodo que aumenta sua popularidade sua facilidade de ser acoplado
com qualquer problema de otimizao. Faz-se necessria apenas a parametrizao do problema e
a utilizao de uma funo de avaliao para a soluo. Porm, o mtodo sensvel s diferentes
parametrizaes (Oyama et al., 2000c) e tambm sensvel funo de avaliao, incluindo o
modelo fsico e o mtodo de soluo das equaes, como avaliado neste trabalho.
O AG apresentado nessa seo tpico para a aplicao de problemas de um objetivo, ou
tambm conhecido como Single-objective genetic algorithm. Para utilizar o AG para resolver
problemas multiobjetivo vrias abordagens foram propostas nas ltimas dcadas
1
.
Uma dessas abordagens o AG proposto por Goldberg (1989), chamado Goldbergs Pareto
Ranking, para resolver o problema de aproximao de Schaffer. Nessa tcnica, o indivduo
classicado de acordo com seu nvel de dominncia (ou rank descrito na seo 2.1.2). O valor
do rank utilizado como funo de avaliao do indivduo para a seleo. A utilizao desse
parmetro permite que solues com o mesmo nvel de dominncia sejam igualmente avaliadas e
com menor presso evolutiva, prevenindo convergncia prematura.
Deb & Goldberg (1989) propuseram a utilizao de tcnicas de niching para prevenir a con-
vergncia prematura do algoritmo para uma populao com baixa variabilidade, levando a uma
representao pobre da fronteira de Pareto.
Por outro lado, Fonseca & Fleming (1993) propuseram a utilizao da tcnica de Goldberg
com modicao na denio do tness. Eles propuseram que a classicao do indivduo seria o
1
Nas referncias (Coello et al., 2002) e (Deb, 2004) so descritas muitas dessas abordagem.
Figura 4.4: Fluxo de dados tpico de um algoritmo gentico.
nmero de indivduos da populao pelos quais dominado somado de um. Sendo assim, todos
os indivduos no dominados tero classicao 1. O objetivo dessa modicao priorizar os
indivduos no dominados, porm, conforme Deb & Goldberg (1989), essa abordagem pode levar
a uma convergncia prematura.
4.1.1 Non-Dominated Sorting Genetic Algorithm II
Deb et al. (2000a,b) propuseram a tcnica NSGA II (Elitist Non-dominated Sorting Genetic
Algorithm II). Visando a utilizao de elitismo, proposta a criao de uma nova populao a
partir da juno da populao de pais e lhos. A classicao por dominncia (rank) aplicada a
ela, os indivduos de uma mesma frente (F
i
) so ordenados pelo critrio de Crowd Distance (Deb,
2004) de forma decrescente. Feita essa ordenao, segundo a qual os indivduos no dominados
antecedem e, dentro de uma mesma frente de dominncia, aqueles que preservam a diversidade
so priorizados, seleciona-se por elitismo toda uma nova populao de indivduos. A Figura (4.5)
ilustra o procedimento descrito neste pargrafo.
Aps a criao dessa populao elitista, a seleo via Crowded Tournament Selection
2
apli-
cada para garantir a variabilidade da populao. Depois. utilizam-se os operadores de crossover
e mutao para gerar a populao utilizada na nova gerao. A utilizao do operador Crowded
Tournament Selection tem como vantagem a eliminao de parmetros de ajuste, como ocorre
com a tcnica de Fitness Sharing. Esse fato e a boa distribuio de solues na PF que a tcnica
fornece foram os motivos da sua adoo no presente trabalho.
2
para maiores detalhes consulte Deb (2004)
Figura 4.5: Esquema da seleo elitista do NSGAII.
A OMO tem por objetivo bsico encontrar a frente de Pareto, que, quando encontrada ser
denida por solues discretas, ou seja, um conjunto nito de solues, os chamados indivduos no
caso das tcnicas evolutivas. Para melhor representar a frente, indesejvel que as solues tenham
a tendncia de se concentrar em regies do domnio de solues. A literatura demonstra que a
tcnica NSGA-II (Deb et al., 2002, 2000a; Deb, 2004) eciente em encontrar uma populao
que melhor representa a frente de Pareto com solues bem distribudas no domnio. A principal
caracterstica da tcnica que lhe confere esse desempenho a utilizao de Crownd Distance.
Essas caractersticas motivaram a adoo do NSGA-II no presente trabalho.
Para avaliar o resultado da OMO, na seo (4.1.2) so apresentadas formas de avaliar a quali-
dade da frente de Pareto encontrada.
4.1.2 Parmetros de desempenho de solues multiobjetivo
Para avaliar o desempenho do AG nos problemas de otimizao de objetivo simples, comum
utilizar a funo tness, o nmero de avaliaes efetuadas e o tempo de CPU, entre outros valores.
No caso de problemas multiobjetivo, a anlise de desempenho necessita da adoo de mtricas
apropriadas.
Tendo um conjunto de solues no dominadas de um problema multiobjetivo, deseja-se que
esse conjunto represente bem a PF . Isso possvel com uma boa distribuio dos pontos por
toda a frente, evitando aglomerados de pontos. Para avaliar esse requisito, existem mtricas como
a Avarege Relative Accuracy Index (ARAI) (Ang & Li, 2001) e Spacing (Veldhuizen & Lamont,
2000), adotados neste estudo.
Outro requisito de qualidade de soluo para o problema multiobjetivo a otimalidade da
frente de Pareto encontrada pelo algoritmo. Essa classe de mtrica uma medida de proximidade
da PF
known
em relao a PF
true
.
Por exemplo, a mtrica Error Ratio (ER) contabiliza a frao de solues encontradas que
pertencem PF
true
(Zitzler & Thiele, 1998a,b, 1999). Neste trabalho, o autor prope duas rein-
terpretaes dessa mtrica. As mtricas propostas so denominadas Inverse Error Ratio (InvER) e
Generalized Error Ratio (GER).
Outro tipo de mtrica de otimalidade calcula a distncia entre os pontos de PF
known
e os pontos
da PF
true
. Para isso, necessrio utilizar solues de benchmark, e, portante, tais mtricas so
mais utilizadas emtrabalhos de validao de cdigos e comparao entre diferentes tcnicas. Como
exemplo, existe a mtrica Generational Distance (GD) (Veldhuizen & Lamont, 1998). Nesses
trabalhos, tais mtricas so utilizadas para comparar diferentes AG e outras tcnicas de OMO.
Torna-se muito difcil denir a otimalidade do conjunto de solues em problemas onde no se
tem a PF
true
, o que muito comum nas aplicaes reais e de engenharia. Por essa diculdade, o
autor prope as mtricas NDWD
GER
com distncia baseada na mtrica GD.
A seguir so detalhadas as mtricas adotadas no trabalho.
Avarege Relative Accuracy Index
usado para avaliar quo precisa a frente de Pareto. Ang & Li (2001) armam que valores
menores que 0, 02 so sucientes. A mtrica denida por:
ARAI =
1
N 1
N1
i=1
_
m
j=1
_
f
i
j
f
i+1
j
f
j
f
j
_
, (4.1)
onde N o nmero de solues encontradas no Pareto, m o nmero de objetivos, f
j
e f
j
so os
limites superior e inferior do objetivo no conjunto de dados.
Spacing
Proposto por Schott (1995), uma mtrica que mede o espalhamento dos vetores na frente de
Pareto encontrada.
Spacing =
_
1
N 1
N
i+1
(d d
i
)
2
, (4.2)
onde d
i
= min
j
(
k
|f
i
k
f
j
k
|) e d a mdia dos d
i
. Quanto mais prximo de zero, mais equidis-
tante a distribuio das solues.
Error Ratio
Mede a proporo de solues dominadas pelo PF
true
. Para isso, necessrio conhecer a
soluo do problema ou utilizar solues de referncia. Sendo o conjunto de referncia as solues
representadas pela linha tracejada na Figura (4.6), as solues dominadas (soluo 7) recebem
valor e
ER
i
= 1 e os demais (solues 6 e 8) recebem e
ER
i
= 0.
ER =
N
i=1
e
ER
i
N
. (4.3)
Quando ER = 0, todas as solues encontradas pertencem ao Pareto verdadeiro ou de refern-
cia.
Figura 4.6: Representao grca da classicao de uma soluo com relao a um conjunto.
Inverse Error Ratio
A mtrica Inverse Error Ratio (InvER) uma das mtricas propostas pelo autor e simplesmente
inverte a idia da mtrica e
ER
i
, sendo e
InvER
i
= 1 quando a i-sima soluo domina alguma soluo
da referncia (soluo 6 da gura) e e
InvER
i
= 0 quando a i-sima soluo no domina nenhuma
soluo da referncia (solues 7 e 8).
Generalized Error Ratio
A mtrica Generalized Error Ratio (GER) tambm proposta pelo autor e contabiliza as solu-
es que dominam as solues de referncia, sendo e
GER
i
= 1 para as solues dominadas pela
referncia, e
GER
i
= 0 para as pertencentes ao PF
ref
e e
GER
i
= 1 para as solues que dominam
a referncia. Para ilustrar, a soluo 7 da Figura (4.6) recebe valor 1, a soluo 8 valor 0 e a
soluo 6 valor 1.
Normalized Dominance Weighted Distance
Veldhuizen & Lamont (1998) propuseram a mtrica de otimalidade Generational Distance
(GD) que calcula a distncia entre as solues do PF
known
com relao ao PF
true
(Coello et al.,
2002). Para cada soluo do PF
known
calculada a menor distncia com relao aos elementos de
PF
true
, denida por d
i
= min
j
(||f
j
true
f
i
known
||
2
).
Nesta mtrica, d
i
multiplicada por e
GER
i
, denindo uma ponderao para a distncia, e
normalizada da seguinte forma: para cada objetivo f
i
j
do i-simo indivduo tem-se f
j
e f
j
denidos
acima, e a normalizao obtida pela aplicao (d
i
f
j
)/(f
j
f
j
). A mtrica denida por:
NDWD
GER
=
N
i=1
e
GER
i
(
d
i
f
j
f
j
f
j
). (4.4)
A mtrica pondera d
i
diferentemente para cada soluo nas posies referentes a seis, sete
e oito da Figura (4.6). Logo, valores negativos para a mtrica signicam que a maior parte de
PF
known
est dominada por PF
ref
, valores prximos de zero signicam que PF
known
se aproxima
de PF
ref
e valores positivos, que PF
known
domina PF
ref
, em sua maioria. Essa mtrica tem a
vantagem de representar de forma contnua a posio de PF
known
.
Deve-se lembrar que, assim como na mtrica GD de otimalidade posposta por Veldhuizen &
Lamont (1998), necessrio que PF
ref
tenha elementos bem distribudos no espao de solues
(Coello et al., 2002). Isso nem sempre possvel, por exemplo, quando utilizadas solues pr-
estabelecidas na engenharia.
4.2 Tcnicas de visualizao de dados
A facilidade de denir os parmetros de desempenho para a otimizao single objective se
reete na facilidade da visualizao dos resultados. O grco de evoluo dos parmetros com as
geraes e a descrio detalhada do resultado suciente para tirar concluses sobre o problema.
No caso multiobjetivo a observao da evoluo dos parmetros de desempenho escolhidos fornece
subsdios para a avaliao do algoritmo de otimizao. A Figura (4.7), apresentada por Deb & Jain
(2002), mostra um exemplo da evoluo dos parmetros para uma OMO, onde duas regies so
bem visveis: a convergncia para a PF e a evoluo da diversidade para uma melhor denio da
frente.
Por outro lado, a diculdade de denir os parmetros de desempenho para o caso multiobje-
tivo diculta a visualizao dos dados e dos resultados, principalmente pelo grande nmero de
dimenses do problema (variveis de deciso e objetivos). Tambm, quanto maior a dimenso do
problema mais difcil observar a correlao entre os parmetros e a identicao de padres. Ao
obter os resultados nais da otimizao dos pers, por exemplo, obtm-se uma populao toda com
caractersticas geomtricas distintas. Para a parametrizao Parsec, a otimizao aplicada neste tra-
balho usa com nove variveis de deciso. Se forem analisadas as caractersticas geomtricas de
espessura mxima e sua posio, camber mximo e sua posio e rea do perl, tem-se um pro-
blema de 14 parmetros, mais os objetivos. Considerando tambm a correlao entre variveis de
deciso e parmetros geomtricos ou objetivos e entre esses e os parmetros geomtricos, tem-se
87 correlaes e 3 grupos de parmetros multidimensionais com possveis formaes de padres.
54 4.2. TCNICAS DE VISUALIZAO DE DADOS
Figura 4.7: Exemplo de Evoluo dos parmetros de desempenho para uma otimizao
multiobjetivo.
Esse exemplo, aplicado neste trabalho, j mostra a complexidade dos problemas de engenharia
devido ao grande nmero de dimenses do problema.
O tratamento de um conjunto de dados multidimensionais uma aplicao importante da visu-
alizao de dados. Cada ponto representado por coordenadas n-dimensionais, onde geralmente
n 3, e ainda uma rea de pesquisa aberta. Existem dois problemas fundamentais quando se
aplicam tcnicas de visualizao multidimensionais: projeo e compreenso dos dados. Neste
trabalho, so utilizadas duas tcnicas conhecidas pela literatura, o grco de eixos paralelos e a
matriz de grcos de disperso.
4.2.1 Matriz de grcos de disperso
De acordo com Nielson et al. (1997), esta tcnica a mais popular na estatstica e apresenta
um conjunto de grcos de disperso organizados na forma de uma matriz. A Figura (4.8) apre-
senta um exemplo com 3 variveis. Note que nesse caso a matriz de grcos simtrica. Porm
tambm existem aplicaes nas quais as variveis nas abscissas da matriz no so as mesmas que
as das ordenadas e a matriz no simtrica. muito comum, quando se trabalha com matrizes
simtricas, aplicar histogramas nos elementos da diagonal. Esses grcos fornecem a informao
da freqncia com que os valores de uma determinada varivel aparece.
Uma aplicao dessa tcnica na busca de relaes entre as variveis.Por exemplo, a relao
entre as caractersticas geomtricas do perl e os coecientes aerodinmicos para uma dada para-
metrizao. Outra utilidade permitir a visualizao das projees da frente de Pareto. Aplicando
a tcnica aos objetivos ou aos coecientes aerodinmicos pode-se observar a estrutura da PF e
comparar os resultado para os diferentes casos. Para um nmero grande de dimenses, a tcnica
Figura 4.8: Exemplo de uma visualizao de 3 variveis utilizando a tcnica de matriz de grco
de disperso.
no fornece uma visualizao clara, pois a matriz ter muitos elementos, o que tambm ocorre para
nmeros excessivos de pontos nos grcos, deixando a visualizao muito poluda.
4.2.2 Grco de coordenadas paralelas
Inselberg & Dimsdale (1987) propuseram uma abordagem para o problema de visualizao
multidimensional chamada Grco de Coordenadas Paralelas. Essa tcnica transfere a informao
das coordenadas para eixos paralelos, em vez de coordenadas cartesianas, unidas por segmentos
de reta. Logo, cada ponto no espao n-dimensional se transforma em uma curva formada por
segmentos de reta. AFigura (4.9)(a) exemplica a representao de um cromossomo, por exemplo,
de 5 genes e a Figura (4.9)(b), a representao de 6 indivduos. Essa representao facilita a
identicao de padres pelo observador.
(a) (b)
Figura 4.9: Exemplo de uma visualizao de pontos n-dimensionais utilizando a tcnica de
coordenadas paralelas: (a) um cromossomo de 5 genes; (b) 6 indivduos de 5 genes.
A tcnica permite a observao de diferentes padres do conjunto de dados. Por exemplo,
possvel observar um aglomerado de pontos no espao cartesiano quando aparecem feixes de
curvas no grco. Tambm possvel observar relaes lineares entre as solues. Nielson et al.
(1997) descrevem como a tcnica capaz de explicitar a existncia das relaes entre as coorde-
nadas. Quando se observa crossover na mesma regio entre dois eixos, uma relao inversamente
56 4.3. IMPLEMENTAO
proporcional entre as variveis est caracterizada. Quando existe um padro de paralelismo en-
tre as curvas, uma relao de proporcionalidade esta aparente (Tuval & Reif, 1987; Inselberg &
Dimsdale, 1990). Neste ltimo trabalho, a tcnica foi utilizada para o reconhecimento de coliso
de aeronaves. Por exemplo, se o conjunto de dados tem uma relao linear entre duas coordenadas,
se observa no grco um ponto de crossover entre os segmentos de reta.
Apesar de a tcnica permitir trabalhar com dimenses maiores em comparao com a tcnica
de matriz de grcos de disperso, os grcos de coordenadas paralelas se tornam muito densos
quando visualizado um nmero grande de pontos. Outra desvantagem est relacionada com a
ordem das coordenadas utilizada. Essa ordem pode no explicitar relaes entre as variveis.
4.3 Implementao
Dos mtodos utilizados no estudo, aqueles responsveis pelo maior tempo de processamento
so os cdigos de CFD. Por isso a implementao, alm de visar a preciso numrica, dever
satisfazer o requisito de custo computacional. Visando isso, testes foram realizados para avaliar os
valores para os parmetros, como raio do domnio, nmero de pontos da malha, CFL e resduo
suavizado, entre outros, sem comprometer o resultado numrico.
Os cdigos de simulao aerodinmica e gerao de malha foram implementados em FOR-
TRAN 77. A simplicidade e a velocidade da linguagem a tornam apropriada para a aplicao de
CFD em malha estruturada.
Figura 4.10: Esquema de implementao do algoritmo gentico single-objective com o solver.
O cdigo gentico foi implementado em linguagem C++. A escolha se deve facilidade de
utilizao de estruturas de dados implementadas na biblioteca STL. O conceito de algoritmos evo-
lutivos tambm bem adaptado ao paradigma orientado a objetos. O cdigo gentico necessitou
da implementao de uma tcnica de restart, que consiste em permitir que o programa seja capaz
de retomar o processo no caso de uma interrupo.
Na Figura (4.10) est ilustrado o uxo de dados da integrao dos cdigos. Os cdigos de
CFD e ps processamento sero integrados aplicao em C++ utilizando a denio de funes
extern. Para o algoritmo gentico, os cdigos de simulao sero apenas funes que retornaro
os valores dos objetivos utilizados pelo gentico.
CAPTULO
5
Vericao e validao
If there is a wrong way to do something, then someone will
do it. (Edward A. Murphy Jr.)
Para garantir a representatividade de fenmenos fsicos, necessria a validao dos cdigos.
Para isso, a distribuio de presso obtida pelos mtodos comparada com resultados experimen-
tais de pers aerodinmicos transnicos. Tanto a delidade de representao da presso como
a posio da onda de choque so importantes. Cabe lembrar que, no caso invscido, esperado
que a onda de choque se localize um pouco atrasado e mais abrupto, em comparao com o caso
viscoso, devido a falta de interao entre a onda de choque e a camada limite. Mesmo com esse
erro presente no modelo invscido espera-se que o erro seja sistemtico, permitindo a utilizao do
modelo na otimizao. Na seo 5.1, esto os resultados da validao.
So feitos testes de sensibilidade dos coecientes aerodinmicos com a variao de parmetros
de malha e critrio de parada. Na seo 5.2, esto os testes efetuados e os resultados. Para referen-
ciar uma determinada malha, adota-se a nomenclatura raio ncellixncellj, onde raio o nmero
de comprimentos de corda que dene a distncia entre a origem e a fronteira externa; ncelli o
nmero de pontos utilizados na direo ; e ncellj, o nmero de pontos utilizados na direo .
Por outro lado, visando garantir a ecincia da otimizao, o algoritmo gentico testado
usando problemas conhecidos (benchmark). Em geral, busca-se utilizar funes que tenham ca-
ractersticas prximas s do problema prtico. Por exemplo, deseja-se utilizar um AG para um
problema com muitos timos locais. Ao testar o algoritmo, deve-se usar um problema teste com
essa caracterstica. Para problemas prticos com muitas variveis de projeto, da ordem de cente-
nas, o problema teste deve ter essa ordem de variveis de projeto ou maior. A literatura apresenta
uma srie de problemas de benchmark com as mais variadas caractersticas. Na seo 5.3, so
descritas as funes adotadas e o resultado obtido pelo algoritmo.
59
60 5.1. VALIDAO DA TCNICA DE VOLUMES FINITOS
Por organizao, os problemas de teste sero denominados da seguinte forma: nvar nobj
nident, onde nvar o nmero de variveis de projeto do problema, nobj o nmero de objetivos
e nident um nmero de identicao, quando houver ambiguidade.
5.1 Validao da tcnica de volumes nitos
Para validar o cdigo de simulao aerodinmica buscando a representatividade fsica do pro-
blema, so utilizados os resultados experimentais das geometrias Rae 2822 e Naca 0012. Os resul-
tados do perl Naca 0012 esto disponveis em (Thibert & Ohman, 1979) e do perl Rae 2822 em
(Slater, 2002). Os cdigos com a implementao dos mtodos de Jameson e Roe de segunda ordem
(reconstruo com variveis conservadas) so validados utilizando uma malha 70 251x151, com
resduo mximo para convergncia de 10
7
(lado direito da Equao (3.4)). O CFL adotado foi
0, 5 e a tcnica de resduo suavizado foi empregada para garantir estabilidade.
Como ser observado nas sees seguintes, os mtodos implementados so capazes de prever a
distribuio de presso em torno do aeroflio com boa representatividade fsica. A diferena entre
o modelo viscoso e o invscido se observa para os regimes transnicos e o erro sistemtico.
5.1.1 Perl Rae 2822
A validao utilizando o perl Rae 2822 foi aplicada no regime transnico, com Mach 0, 725
e incidncia 2, 310
o
. A Figura (5.1)(a) mostra a distribuio de Cp e na Figura (5.1)(b), o detalhe
da onda de choque.
(a) (b)
Figura 5.1: Distribuio de Cp para o perl Rae 2822 Mach 0, 725 e = 2, 31
o
: (a)
Distribuio global de Cp; (b) Detalhe da onda de choque.
O resultado mostra que ambos os mtodos so capazes de prever a distribuio de presso em
torno do aeroflio. No detalhe da onda de choque (5.1(b)) pode-se notar que o mtodo de Jameson
CAPTULO 5. VERIFICAO E VALIDAO 61
Figura 5.2: Histrico de convergncia da simulao de validao para o perl Rae 2822 Mach
0, 725 e = 2, 31
o
.
tem uma menor resoluo da descontinuidade em comparao com o mtodo de Roe. Para os 2
casos possvel notar que os mtodos fornecem resultados muito prximos entre si.
Para o mtodo de Roe nota-se que o limitador de uxo efetivo para retirar as oscilaes
na proximidade da onda de choque, inerentes da reconstruo linear das propriedades na face.
Infelizmente os testes mostram que a utilizao do mtodo upwind aproximadamente 40% mais
caro computacionalmente que o mtodo centrado.
5.1.2 Perl Naca 0012
Os resultados experimentais foram obtidos da referncia (Thibert & Ohman, 1979). As distri-
buies de presso obtidas no experimento foram medidas para os casos tabelados em (5.1).
Tabela 5.1: Casos de validao Perl Naca 0012.
Caso Mach figura Caso Mach figura
1 0,0 0,30 5.3 7 0,0 0,70 5.9
2 4,0 0,30 5.4 8 4,0 0,70 5.10
3 0,0 0,50 5.5 9 0,0 0,75 5.11
4 4,0 0,50 5.6 10 4,0 0,75 5.12
5 8,0 0,50 5.7 11 0,0 0,80 5.13
6 4,0 0,60 5.8 12 0,0 0,83 5.14
(a) (b)
Figura 5.3: Resultado de validao para o perl Naca 0012 Mach 0, 3 e = 0, 0
o
: (a)
Distribuio global de Cp; (b) Histrico de convergncia.
(a) (b)
o
: (a)
(a) (b)
o
: (a)
(a) (b)
o
: (a)
(a) (b)
o
: (a)
As Figuras (5.3) a (5.6) mostram que o mtodo de Roe apresentou taxa de convergncia um
pouco maior comparado ao mtodo de Jameson. Esses casos mostram que os cdigos possuem boa
representatividade fsica em casos subsnicos. No caso 4, o pico de suco previsto pelos mtodos
apresenta maior diferena em relao aos dados experimentais.
As Figuras (5.8) a (5.14) apresentam os resultados para os casos transnicos. Pode-se notar
novamente que a previso da distribuio de presso bem consistente para todos os casos, exceto
pelos casos 10 e 4, que apresentaram uma suco maior antes da onda de choque. Nos casos que
apresentam onda de choque (casos 5, 6, 8, 10, 11 e 12), nota-se a previso da mesma atrasado
em relao ao experimental e de maior intensidade e a maior resoluo da onda de choque apre-
sentado pelo mtodo de Roe. Nenhum caso apresentou oscilaes prximas onda de choque,
apresentando boa suavidade.
(a) (b)
o
: (a)
(a) (b)
o
: (a)
(a) (b)
o
: (a)
(a) (b)
o
: (a)
(a) (b)
o
: (a)
(a) (b)
o
: (a)
66 5.2. TESTES
(a) (b)
o
: (a)
5.2 Testes
Visando garantir a qualidade da soluo com reduzido custo computacional e buscando uma
maior robustez dos cdigos, foram feitos testes de convergncia de malha e ajuste dos parmetros
de congurao dos mtodos.
5.2.1 Limitador de uxo: valor para
LIM
A implementao do limitador de uxo descrita na seo 3.1.3 necessita que seja determinado
o valor para
LIM
, mantendo a robustez numrica sem afetar a efetividade do limitador. De acordo
com Bigarella (2007), o valor 10
4
apropriado. Porm, devido ao aparecimento de over shoots
e down shoots (picos para cima e para baixo logo antes e depois da onda de choque respectiva-
mente), foi motivada a anlise da inuncia do parmetro no resultado e da estabilidade do mtodo
implementado. Para essa anlise o perl Rae 2822 utilizado no regime de Mach = 0, 8 e ngulo
de incidncia = 0, 5
o
. O grco de histrico de convergncia est na Figura (5.16). O grco
de Cp est mostrado na Figura (5.15). Os valores de
LIM
testados so: 10
1
, 10
2
, 10
4
, 10
5
,
10
6
, 10
8
e 10
10
.
Pode-se notar pela Figura 5.16 que, para os valores 10
2
, 10
4
e 10
5
, a estabilidade do mtodo
no foi afetada e para os outros valores a convergncia no se verica.
Pelo grco de Cp, nota-se que, para as solues que no apresentaram convergncia (linhas
tracejadas), a soluo prxima onda de choque apresenta oscilaes com over shoot e down
shoot. Entretanto, para as solues que apresentaram convergncia, nota-se que para o valor 10
5
a
soluo apresenta melhor suavidade prxima onda de choque, no apresentando nem oscilaes,
nem over shoots, nem down shoots. Para os valores 10
2
e 10
4
um pequeno over shoot e down
shoot esto presentes.
(a) (b)
Figura 5.15: Inuncia do
LIM
na distribuio de Cp (a); Detalhe da regio da onda de choque
(b).
(a) (b)
Figura 5.16: Histrico de convergncia para os diferentes
LIM
: (a) casos convergidos; (b) casos
no quais a estabilidade foi comprometida.
5.2.2 Tamanho do domnio computacional
A implementao da tcnica de correo de fronteira livre (seo 3.1.5) permite reduzir o
tamanho do domnio fsico utilizado na simulao. Entretanto, deve-se avaliar qual o limitante
para evitar o aumento do erro, mesmo com a utilizao da tcnica. Para quanticar esse erro,
foram efetuados testes simulando o escoamento dos pers Naca 0012 e Rae 2822 com incidncia
0, 5
o
e Mach 0, 8 para 7 malhas distintas, todas com 251x151 pontos e raios, 70, 50, 30, 20, 15, 10
e 7, 5 vezes a corda.
Como referncia para avaliar os resultados, foi adotada a malha 70 251x151. Os coecientes
obtidos pela simulao nas malhas em teste so comparados relativamente aos resultados obtidos
pela malha de referncia. considerado negligencivel um erro prximo de 5%. Todos os testes
foram feitos com critrio de parada de resduo mximo menor que 10
8
.
68 5.2. TESTES
Jameson
Os resultados relativos aos testes para os coecientes aerodinmicos podemser vistos na Figura
(5.17). Os valores dos coecientes so mostrados na Tabela (5.2).
Figura 5.17: Inuncia do raio da malha nos coecientes aerodinmicos (Jameson)
Pers Naca 0012 e Rae 2822.
Tabela 5.2: Valores dos coecientes aerodinmicos para malhas com tamanho do domnio
distintos (Jameson).
Naca Rae
Malha Cl Cd Cm Cl Cd Cm
7.5-251x151 0.1235 0.01059 -0.04164 0.6297 0.03253 -0.3718
10-251x151 0.1277 0.01075 -0.04322 0.6297 0.03253 -0.3718
15-251x151 0.1323 0.01092 -0.04490 0.6486 0.03347 -0.3809
20-251x151 0.1347 0.01101 -0.04583 0.6581 0.03395 -0.3855
30-251x151 0.1370 0.01109 -0.04664 0.6679 0.03435 -0.3901
50-251x151 0.1389 0.01115 -0.04730 0.6753 0.03461 -0.3934
70-251x151 0.1397 0.01118 -0.04760 0.6785 0.03482 -0.3949
Pode-se notar na Figura (5.17) que, para uma malha com raio de 15 vezes a corda, a maior
variao dos coecientes (Cm) prxima de 5%. Logo foi adotado um raio de 15 vezes a corda
para a gerao das malhas utilizando o mtodo de Jameson. Tambm nota-se que a inuncia
da reduo do raio nos coecientes independente do perl, pois pode-se observar o mesmo
comportamento para as duas geometrias.
Roe
Os mesmos testes aplicados ao mtodo de Jameson foram realizados com os mtodos de Roe.
Os resultados relativos aos testes para os coecientes aerodinmicos podem ser vistos na Figura
(5.18). Os valores dos coecientes so mostrados na Tabela (5.3).
Figura 5.18: Inuncia do raio da malha nos coecientes aerodinmicos (Roe)
Tabela 5.3: Valores dos coecientes aerodinmicos para malhas com raio distintos (Roe).
Naca Rae
7.5-251x151 0.1233 0.01154 -0.04192 0.6041 0.03189 -0.3589
10-251x151 0.1279 0.01174 -0.04369 0.6226 0.03289 -0.3681
15-251x151 0.1326 0.01193 -0.04548 0.6425 0.03394 -0.3779
20-251x151 0.1349 0.01202 -0.04633 0.6517 0.03438 -0.3823
30-251x151 0.1372 0.01211 -0.04717 0.6620 0.03487 -0.3873
50-251x151 0.1391 0.01218 -0.04784 0.6705 0.03528 -0.3914
70-251x151 0.1399 0.01222 -0.04813 0.6740 0.03544 -0.3931
Pode-se notar na Figura (5.18) que o mtodo de Roe apresentou comportamento muito prximo
dos resultados para o mtodo de Jameson. Para uma malha com raio de 15 vezes a corda, a
maior variao dos coecientes (Cm e Cl) prxima de 5%. Logo este valor foi adotado para as
simulaes. Tambm nota-se que a inuncia da reduo do raio nos coecientes independente
do perl. Porm para o perl Rae 2822, a sensibilidade ao tamanho do domnio foi menor para
raios maiores ou iguais 15.
70 5.2. TESTES
5.2.3 Nmero de pontos na direo radial
Esse teste analisa o efeito da reduo do nmero de pontos na direo radial do domnio (di-
reo do domnio computacional). Como resultado da seo anterior, o raio adotado para o
domnio fsico 15 vezes a corda. A referncia a mesma adotada anteriormente (70 251x151).
As malhas testadas tm os nmeros de pontos na direo do domnio computacional iguais a
151, 131, 101, 81, 71 e 61.
Jameson
Os resultados relativos podem ser vistos na Figura (5.19) e os valores na Tabela (5.4).
Figura 5.19: Inuncia do nmero de pontos na direo nos coecientes aerodinmicos
(Jameson)
Tabela 5.4: Valores dos coecientes aerodinmicos em funo do nmero de pontos na direo
(Jameson).
Naca Rae
15-251x61 0.1284 0.01126 -0.04337 0.6210 0.03145 -0.3632
15-251x71 0.1297 0.01113 -0.04387 0.6294 0.03202 -0.3684
15-251x81 0.1306 0.01105 -0.04422 0.6348 0.03250 -0.3721
15-251x101 0.1314 0.01097 -0.04455 0.6424 0.03307 -0.3770
15-251x131 0.1320 0.01092 -0.04479 0.6469 0.03338 -0.3798
15-251x151 0.1323 0.01092 -0.04490 0.6486 0.03347 -0.3809
Pode-se ver na Figura 5.19 que a malha com 131 pontos na direo j apresenta uma variao
prxima de 5% dos coecientes, sendo o Cl aquele com menor variao. Mesmo que o coeciente
de momento esteja com uma variao mais prxima dos 6%, esse erro ser negligenciado.
interessante notar que a variao do arrasto foi em sentido oposto aos dos outros parmetros.
Portanto, foi adotado 131 pontos na direo j, com o mtodo de Jameson.
Roe
Utilizando o mtodo de Roe, realizaram-se os mesmos testes aplicados ao mtodo de Jameson.
Os resultados relativos podem ser vistos na Figura (5.20) e os valores na Tabela (5.5).
Figura 5.20: Inuncia do nmero de pontos na direo nos coecientes aerodinmicos (Roe)
(Roe).
Naca Rae
15-151x151 0.1326 0.01193 -0.04548 0.6425 0.03394 -0.3779
15-151x131 0.1335 0.01208 -0.04600 0.6383 0.03379 -0.3753
15-151x101 0.1325 0.01198 -0.04542 0.6416 0.03392 -0.3774
15-151x81 0.1342 0.01252 -0.04655 0.6379 0.03379 -0.3752
15-151x71 0.1357 0.01263 -0.04666 0.6374 0.03383 -0.3747
15-151x61 0.1378 0.01280 -0.04780 0.6290 0.03330 -0.3692
Pode-se ver na Figura (5.20) que a malha com 71 pontos na direo j apresenta uma variao
prxima de 5% nos valores dos coecientes. A geometria Naca 0012 apresenta maior sensibilidade
72 5.2. TESTES
e em sentido oposto tendncia da geometria Rae 2822. Comparando com o mtodo de Jameson,
o mtodo de Roe menos sensvel malha, exceto pela curva de Cd do perl Naca 0012. A malha
adotada, com o mtodo de Roe, tem 71 pontos na direo .
5.2.4 Nmero de pontos em torno do perl
Esse teste analisa o efeito da reduo do nmero de pontos na direo do domnio compu-
tacional. Como resultado das sees anteriores, o raio adotado para o domnio fsico 15 vezes a
corda e o nmero de pontos na direo radial 131 e a malha de referncia adotada a mesma das
sees anteriores (70 251x151). Os testes avaliam as malhas com nmero de pontos na direo
iguais a 231, 201, 171, 151 e 131.
Jameson
Os resultados podem ser vistos na Figura (5.21) e os valores na Tabela (5.6).
Figura 5.21: Inuncia do nmero de pontos na direo nos coecientes aerodinmicos
(Jameson) Pers Naca 0012 e Rae 2822.
Pode-se ver pelo grco que a malha 15151x131 induz um erro no muito maior que 5% nos
coecientes aerodinmicos. Portanto essa malha adotada para as simulaes. A sensibilidade
malha mantm a tendncia observada na Figura (5.19).
Roe
Aplicou-se ao mtodo de Roe os mesmos testes descritos para o mtodo de Jameson. Os
resultados podem ser vistos na Figura (5.22) e os valores na Tabela (5.7).
(Jameson).
Naca Rae
15-131x131 0.1317 0.01163 -0.04745 0.6511 0.03449 -0.3824
15-151x131 0.1324 0.01135 -0.05069 0.6513 0.03411 -0.3826
15-171x131 0.1322 0.01119 -0.04948 0.6499 0.03380 -0.3818
15-201x131 0.1321 0.01108 -0.04849 0.6492 0.03365 -0.3814
15-231x131 0.1319 0.01102 -0.04780 0.6476 0.03344 -0.3803
15-251x131 0.1320 0.01092 -0.04479 0.6469 0.03338 -0.3798
Figura 5.22: Inuncia do nmero de pontos na direo nos coecientes aerodinmicos (Roe)
(Roe).
Naca Rae
20-131x61 0.1335 0.01319 -0.04589 0.6281 0.03429 -0.3692
20-151x61 0.1329 0.01292 -0.04558 0.6317 0.03401 -0.3694
20-171x61 0.1321 0.01285 -0.04505 0.6372 0.03428 -0.3730
20-201x61 0.1323 0.01290 -0.04509 0.6370 0.03417 -0.3730
20-231x61 0.1328 0.01290 -0.04540 0.6364 0.03408 -0.3726
20-251x61 0.1303 0.01285 -0.04463 0.6215 0.03337 -0.3653
Pode-se ver pelo grco que a malha 20 151x71 induz um erro no muito maior que 5%
nos coecientes aerodinmicos. Portanto, essa a malha adotada. Neste caso, observa-se que o
mtodo de Roe mais sensvel malha, porm com tendncia a estabilizar para malhas com menor
nmero de pontos.
74 5.2. TESTES
5.2.5 Resduo mximo
Na busca por reduo do custo computacional, deve-se determinar o mximo resduo para
o qual os valores dos coecientes aerodinmicos convergem. Para isso utiliza-se a malha 15
151x131 para o mtodo de Jameson e a malha 20 151x71 para o mtodo de Roe, ambos com
CFL = 0, 5 e se observa a evoluo dos coecientes ao longo das iteraes. O resultado
novamente comparado com o caso de referncia (malha 70251x151) com resduo mximo menor
que 10
8
.
Jameson
Na Figura (5.23)(a) pode-se ver o efeito do resduo mximo nos coecientes aerodinmicos em
valores relativos. Na Figura (5.23)(b) observa-se o detalhe na regio em que os valores alcanam
a convergncia. A Tabela (5.8) tem alguns valores para m de ilustrao.
(a) (b)
Figura 5.23: Inuncia do resduo mximo nos coecientes aerodinmicos (Jameson): (a) Pers
Naca 0012 e Rae 2822; (b) Detalhe.
De acordo com o teste, a condio de parada de resduo mximo menor que 1x10
4
suciente
para obter convergncia dos coecientes aerodinmicos. Por economia de tempo, esse valor foi
adotado.
Roe
O teste de inuncia do resduo aplicado para o mtodo de Jameson foi aplicado ao mtodo de
Roe. Na Figura (5.24)(b), observa-se o detalhe na regio em que os valores alcanam a convergn-
cia. A Tabela (5.9) mostra alguns valores para m de ilustrao.
De acordo com o teste, a condio de parada de resduo mximo menor que 1x10
4
suciente
para obter convergncia dos coecientes aerodinmicos. Por economia de tempo, esse resduo ser
adotado.
Tabela 5.8: Valores dos coecientes aerodinmicos em funo do resduo mximo (Jameson)
Perl Naca 0012.
Resduo Cl Cd Cm
145.99660203 4.0989 0.13295 -0.02030
8.3307184779 5.4456 0.05269 -0.02078
0.4905977743 0.1296 0.01087 -0.04383
0.0423365634 0.1318 0.01113 -0.04483
0.0051096985 0.1319 0.01115 -0.04482
0.0003351463 0.1319 0.01115 -0.04482
0.0000505362 0.1319 0.01115 -0.04482
0.0000020047 0.1319 0.01115 -0.04482
0.0000004083 0.1319 0.01115 -0.04482
(a) (b)
Figura 5.24: Inuncia do resduo mximo nos coecientes aerodinmicos (Roe): (a) Pers
Naca 0012 e Rae 2822; (b) Detalhe.
Tabela 5.9: Valores dos coecientes aerodinmicos em funo do resduo mximo (Roe)
Perl Naca 0012.
Resduo Cl Cd Cm
97.0383507 0.0397 0.13613 -0.01949
3.61349100 0.1294 0.01321 -0.04368
0.17132375 0.1354 0.01318 -0.04651
0.00858018 0.1358 0.01324 -0.04667
0.00134487 0.1358 0.01324 -0.04667
0.00000755 0.1358 0.01324 -0.04667
0.00000215 0.1358 0.01324 -0.04667
0.00000009 0.1358 0.01324 -0.04667
5.2.6 CFL e resduo suavizado
Para reduzir o tempo de processamento, a utilizao do resduo suavizado foi empregada. Vi-
sando analisar o valor mximo de CFL a ser empregado, vrias simulaes foram feitas usando
76 5.2. TESTES
os valores 0, 4, 0, 5, 0, 75, 1, 0, 1, 5, 2, 0, 2, 5, 3, 0. Adotou-se o valor
resm
= 0, 2 e o nmero de
iteraes para a tcnica variam de 0 a 7.
Como o tempo gasto tem carter aleatrio, uma mdia foi obtida. Para simulaes com o
mesmo nmero de iteraes da tcnica, calcula-se a mdia do tempo gasto por iterao entre todas
as simulaes com diferentes CFLs. Esse valor mdio multiplicado pelo total de iteraes usado
por cada simulao, obtendo um valor para o tempo gasto para cada simulao. As simulaes
tiveram um limitante mximo para as iteraes da integrao temporal de 150000 iteraes e foram
excludos os resultados que apresentaram instabilidade.
Jameson
Na Figura (5.25) observa-se os tempos obtidos nos testes. Nota-se, para o mtodo de Jameson,
que a tcnica de resduo suavizado permite a utilizao de altos valores de CFL para o mtodo ex-
plcito. A melhor congurao obtida foi comCFL 3, 0 e duas iteraes de suavizao de resduo.
Por uma questo de robustez, utiliza-se margem de segurana, adotando os valores
resm
= 0, 2,
CFL = 2, 75 e 3 iteraes.
Figura 5.25: Tempo de processamento Vs CFL utilizado (Jameson).
Roe
Assim como feito com o mtodo de Jameson, aplicou-se ao mtodo de Roe o teste da tcnica
de resduo suavizado. Na Figura (5.26), observa-se os tempos obtidos nos testes. Nota-se, para
o mtodo de Roe, que a tcnica de resduo suavizado tambm permite a utilizao de maiores
valores de CFL , porm o limite superior foi CFL = 2, 5. A melhor congurao obtida foi
com CFL 2, 5 e uma iterao de suavizao de resduo. Assim, como para o mtodo de Jameson,
ser utilizada uma margem de segurana. Logo, para a tcnica sero adotados os parmetros
resm
= 0, 2, CFL = 2, 5 e 3 iteraes para o resduo suavizado.
Figura 5.26: Tempo de processamento Vs CFL utilizado (Roe).
Os testes apresentados at o momento garantem a boa qualidade da soluo das simulaes
numricas. Assim como demonstrado, os cdigos implementados so capazes de prever a distri-
buio de presso ao redor no aeroflio. Os testes de malha e parmetros de simulao mostram
que os parmetros adotados permitiram a reduo do tempo de simulao sem perda da qualidade
da soluo. Logo, esses cdigos esto aptos para serem usados como funes objetivos. Na seo
5.3, apresentada a vericao do algoritmo gentico. So utilizadas solues de benchmark para
comparar com as solues numricas e mostrar que o algoritmo gentico capaz de resolver o
problema multiobjetivo em estudo neste trabalho.
5.3 Vericao do algoritmo gentico
Nesta seo, so apresentadas as vericaes do algoritmo gentico. Dois tipos de problemas
so usados, com uma e duas variveis de projeto totalizando cinco problemas testes. Ambos os
problemas apresentam dois objetivos. Em todos os casos, o AG encontrou a PF
true
do problema.
A congurao do AG foi de 40 indivduos por populao e 200 geraes. A probabilidade de
crossover 75% e a probabilidade de mutao de 25%.
78 5.3. VERIFICAO DO ALGORITMO GENTICO
5.3.1 Problema com uma varivel de projeto
Problema 1-2-1
Denido por:
Minimizar: f
1
= x
2
f
2
= (x 2)
2
Sujeito a:
10 x 10
O domnio da soluo 0 x 2. A Figura (5.27)(a) ilustra a frente de Pareto do problema
e a Figura (5.27)(b) a soluo encontrada pelo AG.
(a) (b)
Figura 5.27: Soluo analtica (a); soluo aproximada (b).
Problema 1-2-2
Denido por:
Minimizar: f
1
=
_
_
x ; se x 1
2 +x ; se 1 < x 3
4 x ; se 3 < x 4
4 +x ; se 4 < x
f
2
= (x 5)
2
Sujeito a:
5 x 10
O domnio da soluo 1 x 2 e 4 x 5. A Figura (5.28)(a) ilustra a frente de Pareto
do problema e a Figura (5.28)(b) a soluo encontrada pelo AG.
(a) (b)
Figura 5.28: Soluo analtica (a); soluo aproximada (b).
5.3.2 Problema com duas variveis de projeto
Problema 2-2-1
Denido por:
Minimizar: f
1
= (x 2)
2
+ (y 1)
2
f
2
= 9x (y 1)
2
Sujeito a:
x
2
+y
2
225 0
x 3y + 10 0
20 x, y 20
O domnio da soluo representado na Figura (5.29)(c). A Figura (5.29)(a) ilustra a frente de
Pareto do problema e a Figura (5.29)(b), a soluo encontrada pelo AG.
Problema 2-2-2
Denido por:
Minimizar: f
1
= 2
x
f
2
= x(1 y) + 5
Sujeito a:
1 x 4
1 y 2
O domnio da soluo 1 x 4 e y = 2. A Figura (5.30)(a) ilustra a frente de Pareto do
problema e a Figura (5.30)(b) a soluo encontrada pelo AG.
80 5.3. VERIFICAO DO ALGORITMO GENTICO
(a) (b)
(c)
Figura 5.29: Soluo analtica (a); soluo aproximada (b); domnio (c).
Este captulo apresentou a validao e vericao dos cdigos implementados para efetuar o
estudo do problema de otimizao multiobjetivo. No prximo captulo so apresentados os re-
sultados das otimizaes, que so organizados em: problemas de objetivo simples e problemas
multiobjetivos. Os resultados para os problemas multiobjetivos so discutidos em 3 sees: com-
parao entre formulao viscosa e invscida, comparao entre as parametrizaes e comparao
entre o mtodo centrado e upwind.
(a) (b)
(c)
Figura 5.30: Soluo analtica (a); soluo aproximada (b); domnio (c).
CAPTULO
6
Resultados
Ddalus projetou asas, juntando penas de aves de vrios
tamanhos, amarrando-as com os e xando-as com cera,
para que no se descolassem. Foi moldando com as mos e
com a ajuda de seu lho caro, de forma que estas asas se
tornassem perfeitas como as das aves. (mito de Ddalus)
Os resultados obtidos neste trabalho esto organizados em duas categorias: otimizao de ob-
jetivo simples (single-objective) e otimizao multiobjetivo. A primeira foi aplicada como um
estudo preliminar do problema e est apresentada na seo 6.1 a seguir. O segundo apresentado
na seo 6.2.
6.1 Otimizao de objetivo simples
Como um trabalho preliminar, estudou-se o problema de otimizao aerodinmica de objetivo
simples. O AG aqui adotado est descrito na seo (4.1). Para sua congurao, adotou-se uma
populao de 150 indivduos, 70% de probabilidade de crossover e 5% de mutao. Tambm foi
aplicada uma estratgia de implementao na qual otimizaes preliminares so efetuadas para
aumentar a convergncia do AG. No presente caso, 10 pr-rodadas foram executadas com 5 gera-
es em cada. Cada uma dessas pr-rodadas tem uma populao inicial aleatria e evoluem at
completar as 5 geraes. Ao nal dessas rodadas, feita uma seleo elitista dos N melhores
indivduos para aplicar na otimizao propriamente dita. Essa tcnica aparece como um serrilhado
nas primeiras geraes da curva de evoluo do tness. Nas subsees seguintes so apresentados
os resultados para esse estudo preliminar.
83
84 6.1. OTIMIZAO DE OBJETIVO SIMPLES
Funo de avaliao 1
Com o objetivo de maximizar o
L
D
mantendo o Cl prximo de 0, 2 e a intensidade do momento
de arfagem baixa, a primeira funo de avaliao utilizada foi:
F
1
=
L
D
(|Cl 0.2| + 1.0) (|Cm| + 1.0)
, (6.1)
onde a soma das constantes no denominador com |Cl 0, 2| e com |Cm| tem a funo de evitar a
diviso por zero.
(a) (b)
(c)
Figura 6.1: Distribuio de Cp, Resultado para a funo 1: (a) Cp Vs x; (b) Cp Vs y; (c)
geometria do perl.
Os grcos de Cp podem ser vistos na Figura (6.1), a evoluo da otimizao na (6.2)(a) e
os contornos de Mach na (6.2)(b). A geometria apresenta suavidade e boa rea interna necessria
para incluir sistemas e combustvel e espessura prximo de 10%, necessrio para projeto estrutural.
Observa-se um abaulado no intradorso, causando um pico de suco na regio. A onda de choque
bem atrasada e de grande intensidade. Do grco de contorno de Mach, observa-se que a regio de
escoamento supersnico se estende at uma corda de distncia para cima do perl. A otimizao
atingiu a convergncia em aproximadamente 140 geraes.
CAPTULO 6. RESULTADOS 85
(a) (b)
Figura 6.2: Funo de avaliao 1: (a) Evoluo da funo de avaliao; (b) Curva de contorno
de Mach.
Funo de avaliao 2
Como a tentativa de priorizar valores para coecientes de sustentao prximos de 0, 2 no foi
efetivo no caso 1, tentou-se a seguinte funo de avaliao:
F
2
=
L
D
. (6.2)
Os grcos de Cp podem ser vistos na Figura (6.3), a evoluo da otimizao na (6.4)(a) e os
contornos de Mach na (6.4)(b). A geometria apresenta suavidade, boa rea interna, assim como
no caso 1, e espessura prxima de 12%, maior que no caso 1. Observa-se que o intradorso no
apresenta abaulado e que a curva de Cp nessa regio no apresenta pico de suco. A onda de
choque bem atrasada e de grande intensidade. Do grco de contorno de Mach se observa que
a regio de escoamento supersnico se estende at uma corda de distncia para cima do perl. A
otimizao atingiu a convergncia em aproximadamente 90 geraes.
Funo de avaliao 3
Como uma ltima proposta de funo de avaliao, aplicou-se uma minimizao do Cd com
as restries para Cl e Cm:
F
3
=
1
Cd
(|Cl 0.2| + 1.0) (|Cm| + 1.0)
, (6.3)
onde a soma das constantes no denominador com |Cl 0, 2| e com |Cm| tem a funo de evitar a
diviso por zero, como no caso 1.
Os grcos de Cp podem ser vistos na Figura (6.5), a evoluo da otimizao na (6.6)(a) e os
contornos de Mach na (6.6)(b). Esta geometria tambm apresenta suavidade e boa rea interna e
86 6.1. OTIMIZAO DE OBJETIVO SIMPLES
(a) (b)
(c)
geometria do perl.
(a) (b)
de Mach.
espessura prxima de 12%. Tambm se observa que o intradorso no apresenta abaulado e que
a curva de Cp nessa regio no apresenta pico de suco. A onda de choque bem atrasada e
de grande intensidade. Do grco de contorno de Mach, observa-se que a regio de escoamento
supersnico se extende at uma corda de distncia para cima do perl. A otimizao atingiu a
convergncia em aproximadamente 100 geraes.
(a) (b)
(c)
geometria do perl.
(a) (b)
de Mach.
Comparao dos resultados
Os resultados obtidos pela otimizao de objetivo simples fornecera os cromossomos apresen-
tados na Tabela 6.1. Nota-se uma pequena diferena entre os valores, porm os resultados para
os coecientes aerodinmicos levaram a resultados de
L
D
bem distintos, como se pode observar na
88 6.2. OTIMIZAO MULTIOBJETIVO
Tabela 6.2. Com isso, pode-se concluir que o modelo adotado (parametrizao da geometria mais
modelo computacional) fornece uma funo de avaliao muito sensvel.
Tabela 6.1: Comparao dos resultados:
Cromossomos.
Func. 1 2 3
r
le
0.00708 0.00607 0.00696
X
up
0.30117 0.31299 0.31204
Z
up
0.06158 0.06761 0.06754
Zxx
up
-0.40495 -0.48243 -0.46272
X
lo
0.30962 0.39263 0.40606
Z
lo
-0.05697 -0.05144 -0.05523
Zxx
lo
0.83529 0.79990 0.72419
te
8.75698 8.96715 8.19425
te
10.46727 13.37919 13.83556
Z
te
0.0 0.0 0.0
dZ
te
0.0 0.0 0.0
Tabela 6.2: Comparao dos resultados:
Coecientes aerodinmicos.
Func. Cl Cd Cm
L
D
1 0.590 0.002994 -0.304 197.0
2 0.726 0.008204 -0.380 88.49
3 0.655 0.005456 -0.355 120.0
Dos resultados da Tabela 6.2, nota-se que o AG maximizou a ecincia aerodinmica aumen-
tando o valor do Cl. Por isso, no foi efetiva a tentativa de priorizar os valores prximos de 0, 2.
Porm, a utilizao do divisor nas funes 1 e 3 apresentou uma presso evolutiva para selecionar
os indivduos com Cl um pouco menores.
Na Figura (6.7)(a), nota-se uma grande gerao de sustentao pelas geometrias, principal-
mente pela regio supersnica. Porm, essa regio responsvel tambm por uma grande compo-
nente do momento. Nas Figuras (6.7)(b), nota-se que a gerao do arrasto menor no intradorso
do perl e duas principais regies do perl so responsveis por sua gerao: a regio prxima
estagnao e a regio logo antes da onda de choque.
possvel observar que, na maior extenso dos pers, os gradientes de presso so favorveis.
Esse um comportamento que evita o descolamento da camada limite. Nota-se tambm, na mesma
regio, que as ondas de choque aparecem em uma posio bem atrasada, o que geralmente visto
como uma vantagem; neste caso, porm, so ondas de choques de grande intensidade. Na posio
de bordo de fuga, a camada limite mais espessa, o que leva a uma interao maior entre o choque
e a camada limite, fenmeno negligenciado pelo modelo adotado.
Com este resultado, chega-se concluso de que esse tipo de otimizao limitado para o
problema. Portanto, implementadou-se uma tcnica de otimizao multiobjetivo cujos resultados
so mostrados na seo a seguir.
6.2 Otimizao multiobjetivo
Para o estudo da otimizao multiobjetivo, foram efetuadas 10 otimizaes para cada caso. As
mtricas descritas no captulo 4 so representadas gracamente com seu valores, mdia e desvio
(a) (b)
(c)
Figura 6.7: Distribuio de Cp, Comparao: (a) Cp Vs x; (b) Cp Vs y; (c) geometria.
padro na forma de um grco de erro, permitindo observar a robustez dos dados. Alm de obser-
var a evoluo das mtricas, analiza-se a frente de Pareto obtida para cada caso. Para denir essa
frente, todos os elementos no dominados das 10 avaliaes da otimizao de cada caso foram
utilizados.
Na subseo 6.2.1, so apresentadas as solues de referncia utilizadas para a mtrica de oti-
malidade. Na subseo 6.2.2, so discutidas as diferenas entre a utilizao dos modelo viscoso e
invscido. Na subseo 6.2.3, a diferena entre as parametrizaes e, na subseo 6.2.4, o esquema
centrado com o upwind.
6.2.1 Solues de referncia
Como visto no captulo 4, para avaliar uma otimizao multiobjetivo existem mtricas apropri-
adas para quanticar as caractersticas desejadas da populao. Como foi proposto no mesmo cap-
tulo, para representar a otimalidade da soluo so usadas, neste trabalho, solues pr-existentes,
que so pers aerodinmicos j conhecidos na literatura. Esses pers foram simulados pelas tcni-
cas utilizadas nas otimizaes. Dos resultados so selecionados os pers dominantes e utilizados
nas mtricas propostas no captulo 4.
As Tabelas (6.3), (6.4), (6.5) e (6.6) apresentam, respectivamente, os resultados para os pers
doiminantes utilizando a tcnica de Jameson, Roe, modo viscosodo Mses e seu modo invscido.
Tabela 6.3: Coecientes aerodinmicos para os Pers de Referncia (Jameson) 21 geometrias.
Perl Cl Cd Cm
ames02 0.028047 0.000897 0.01498 2
c141a 0.370203 0.001554 -0.179205
c141d 0.437026 0.001241 -0.205094
c5e 0.385250 0.003788 -0.176567
cast102 0.503446 0.002167 -0.238624
dfvlrr4 0.897688 0.017867 -0.464831
giiia 0.029048 0.000821 0.036092
giiib 0.025103 0.000543 0.008231
k3 1.108651 0.063753 -0.637815
kc135a 0.266120 0.017591 -0.113072
ls417 0.847124 0.063926 -0.479725
nlr7301 0.646281 0.015405 -0.316175
npl9510 0.435586 0.001852 -0.251756
rae69ck 0.455703 0.001636 -0.239031
sc(2)-0404 0.362514 0.004643 -0.181493
sc(2)-0503 0.414721 0.006730 -0.198734
sc(2)-0518 0.983865 0.060537 -0.548894
sc(2)-0614 1.175314 0.047690 -0.619791
sc(2)-1010 1.686764 0.113071 -0.879110
sc20714 1.197988 0.044793 -0.633207
vr15 0.020384 0.001161 0.019542
Tabela 6.4: Coecientes aerodinmicos para os Pers de Referncia (Roe) 17 geometrias.
Perl Cl Cd Cm
ames01 -0.098696 -0.000569 0.070449
ames02 -0.243097 -0.000750 0.112450
apex16 0.787547 0.035595 -0.428986
c5c 0.191590 0.000057 -0.103894
c5e 0.209706 0.001915 -0.093853
giiia -0.047831 0.001619 0.044583
giiib 0.006752 0.001034 0.016438
k3 0.310478 0.002932 -0.193393
nlr7301 0.594341 0.014421 -0.288690
npl9510 0.051734 0.000697 -0.078654
sc(2)-0012 0.003256 0.003738 -0.002329
sc(2)-0404 0.411390 0.003741 -0.204965
sc(2)-0412 0.826977 0.009348 -0.401278
sc(2)-0518 1.054138 0.071809 -0.597174
sc(2)-0712 1.360086 0.055991 -0.719301
sc(2)-1010 1.667933 0.112783 -0.869540
vr15 -0.143065 0.001090 0.096365
Tabela 6.5: Coecientes aerodinmicos para os Pers de Referncia (Mses invscido) 15
geometrias.
Perl Cl Cd Cm
apex16 0.781620 0.030966 -0.221000
dfvlrr4 0.885900 0.014342 -0.230100
dsma523a 0.881750 0.004824 -0.210500
dsma523b 1.104230 0.008782 -0.260080
k3 1.042210 0.051134 -0.324330
kc135a 0.260290 0.016192 -0.041200
ls417 0.818440 0.057596 -0.245200
nlr7301 0.641460 0.012534 -0.148650
sc(2)-0412 0.968710 0.009664 -0.233510
sc(2)-0414 1.070450 0.028540 -0.286770
sc(2)-0518 1.118440 0.069640 -0.343360
sc(2)-0614 1.314550 0.057681 -0.374860
sc(2)-0712 1.430350 0.056509 -0.397490
sc20714 1.154740 0.036649 -0.307280
sc(2)-1010 1.681750 0.105679 -0.445020
Tabela 6.6: Coecientes aerodinmicos para os Pers de Referncia (Mses viscoso) 36
geometrias.
Perl Cl Cd Cm
airfoil_12 0.711620 0.010523 -0.164010
apex16 0.458400 0.019526 -0.126330
c141a 0.157290 0.008178 -0.042210
c141b 0.181540 0.008055 -0.046600
c141c 0.251950 0.007542 -0.059050
c141d 0.303750 0.007587 -0.068740
c141e 0.360910 0.007724 -0.079600
c5a 0.126300 0.007979 -0.045600
c5b 0.246960 0.007755 -0.070930
c5c 0.278240 0.007744 -0.077390
c5d 0.298420 0.007628 -0.078180
c5e 0.311600 0.008433 -0.064670
cast102 0.351990 0.008397 -0.081050
dfvlrr4 0.577540 0.011446 -0.149530
dsma523a 0.486190 0.008797 -0.138150
dsma523b 0.734120 0.011349 -0.174650
giiia 0.011840 0.007544 0.020300
giiib 0.045570 0.007082 0.009640
giiic 0.065380 0.006923 0.003820
k2 0.111200 0.007504 -0.081880
k3 0.433760 0.020309 -0.151010
kc135a 0.171690 0.020734 -0.026210
kc135b 0.253340 0.011332 -0.033230
ls417 0.307650 0.030376 -0.114070
n0011sc 0.001260 0.007588 0.000040
nl722343 0.344420 0.007436 -0.066240
npl9510 0.325430 0.008077 -0.120440
nplx 0.170160 0.007051 -0.070950
rae5215 0.366200 0.007493 -0.082760
rae69ck 0.302690 0.007590 -0.091180
sc(2)-0414 0.435210 0.008903 -0.110230
sc(2)-0518 0.365080 0.021302 -0.106370
sc(2)-0614 0.649480 0.013892 -0.147690
sc(2)-0712 0.803660 0.012948 -0.169990
sc20714 0.723980 0.016643 -0.169450
whitcomb 0.538530 0.009073 -0.147600
6.2.2 Comparao entre modelo viscoso e invscido: Mses
O objetivo desta seo a comparao entre a otimizao utilizando o modelo viscoso, mais
caro, e o modelo invscido. Alm da diferena na previso da onda de choque, o fenmeno da tran-
sio de escoamento laminar para turbulento inuencia as funes objetivo. A tcnica de previso
para a transio, utilizada pelo cdigo Mses no modo viscoso, possibilita ao AG experimentar
entre pers com maior ou menor poro de escoamentos laminares na sua superfcie.
As Figuras (A.1)(A.7) e (A.12)(A.18) mostram a evoluo das mtricas. Nos dois casos,
nota-se que a evoluo da factbilidade da populao (Figuras A.1 e A.12) assinttica com mdia
tendendo-se 75%. O desvio padro mostra uma relativa robustez do AG para os dois casos.
Para a mtrica Spacing (Figuras A.2 e A.13), observam-se valores prximos a 0, 2, mostrando
uma boa representao da PF . Essa qualidade da soluo tambm se observa para a mtrica
ARAI (Figuras A.3 e A.14), na qual os valores caram entre 0, 15 e 0, 2, sendo que, para o modelo
viscoso, a curva cou abaixo da curva do modelo invscido.
J as mtricas ER, InvER e GER (ver Figuras A.4A.6 e A.15A.17) mostram que para o modo
viscoso, a otimizao avanou na otimalidade, obtendo, em mdia, mais solues dominantes
em comparao com o modo invscido e o desvio padro mostra uma maior robustez no caso
viscoso. A mtrica NDWD
GER
(Figuras A.7 e A.18) mostra que as PFs encontradas avanaram
na dominncia em relao s solues de referncia. Porm, o modelo invscido avanou pouco,
sendo a otimizao utilizando o modo viscoso mais satisfatria do ponto de vista da otimzalidade.
As Figuras (A.8) e (A.19) mostram as geometrias do pers pertencentes s PFs dos dois
casos. Os agrupamentos dos pers foram denidos pela tcnica de agrupamento de dados k-means
1
. Para o caso invscido foram encontrados 9 grupos e, para o caso viscoso, 10. O agrupamento foi
aplicado diretamente s coordenadas y das geometrias e no ttulo das guras esto os coecientes
aerodinmicos mdios (centride) das solues do grupo. As Figuras (6.8)(6.11) mostram os
pers mais prximos do centride de seu grupo com a distribuio de Cp.
As geometrias obtidas com o modelo invscido so mais suaves em comparao s obtidas
com o modo viscoso do Mses. Porm, em geral, notam-se "abaulados"no intradorso, como se
pode ver nos grupos 1, 2 e 6 da Figura (A.8) e nos grupos 1, 3, 4, 5, 7 e 8 da Figura (A.19).
Essa caracterstica gera uma onda de choque muito forte na superfcie inferior dos aeroflios. No
grupo 10 (Figura 6.11), pode-se ver um grupo de pers com geometria anmala de pequeno raio
de bordo de ataque e cuja curvaq de Cp apresentou instabilidade numrica prximo ao bordo de
ataque. Todas as geometrias apresentam Cp acima do Cp
cr
, sendo que para os grupos de menor
Cl, a onda de choque aparece mais adiantado.
As Figuras (A.9) e (A.20) mostram as visualizaes dos cromossomos das geometrias para os
dois casos com os grupos separados. Podem-se notar os padres de cromossomos bem denidos
para cada grupo. Nota-se, para os grupos 1, 3, 4, 5, 6, 7 e 9 do caso invscido e os grupos 1, 2, 3,
1
Para maior detalhes sobre a tcnica, ver (Duda et al., 2000)
Figura 6.8: Distribuio de Cp para os elementos centrides do agrupamento, para a otimizao
usando Mses no modo invscido.
5 e 6 do caso viscoso uma relao linear muito forte entre os genes 8 e 9 e entre os genes 9 e 10
(Nielson et al., 1997). Tambm visvel para todos os grupos que os genes 5 e 6 apresentaram um
agrupamento forte prximo dos valores 1 para o gene 5 e 0 para o gene 6.
As Figuras (A.10) e (A.21) apresentam as matrizes de grcos de disperso para os coecientes
aerodinmicos e os parmetros de desempenho adotados para a anlise. Pelos histogramas, nota-se
que, para o caso invscido, as solues presentes na frente de Pareto esto mais bem distribudas
em comparao ao caso viscoso. Observa-se tambm que, para ambos, o aumento do Cl tende a
aumentar a intensidade do Cm, o que se explica pela observao das curvas de Cp, onde os pers
com maior Cl apresentam uma onda de choque mais atrasado, aumentando a regio de suco e a
componente de momento gerada pela regio posterior do perl.
Tambm se observa a tendncia de aumento do Cl para obter maiores valores de
L
D
. Assim
como visto no captulo 1, o aumento do Cl
2
leva ao aumento do arrasto por efeitos tridimensionais,
impedindo seu aumento indenido e, conseqentemente, limitando o
L
D
nal da aeronave. Como
esperado, o caso invscido apresentou valores para a ecincia aerodinmica maiores que no caso
viscoso. Porm, foram encontrados valores extremamente altos de
L
D
, o que pe em dvida a
conabilidade dos resultados. A relao entre Cd e Cm nos dois casos apresenta o mesmo padro,
porm o modelo viscoso apresentou maior intensidade para os dois parmetros.
usando Mses no modo invscido.
As Figuras (A.11) e (A.22) apresentam as relaes entre os coecientes aerodinmicos e os pa-
rmetros geomtricos: espessura mxima e sua posio (thick e X
t
), Camber mximo e sua posio
(X
c
), rea interna do perl (S) e raio de bordo de ataque (R
le
). Observando a espessura mxima e
sua posio, notam-se dois agrupamentos das solues em relao ao Cl. Para maiores valores de
sustentao, tem-se um grupo de geometrias mais nas e a espessura mxima mais adiantada. Para
valores de Cl menores, pers mais espessos e de espessura mais atrasada. Porm, para o modelo
viscoso, a relao tem uma tendncia linear de aumento da sustentao com o aumento da espes-
sura. De forma equivalente, notam-se os agrupamentos na comparao da espessura com o Cm,
de forma inversa: um grupo de valores maiores para espessura e sua posio e Cm maior (mais
usando Mses no modo viscoso.
prximo de zero); e um outro grupo com valores menores para Cm e espessura. Comparando a
espessura e o Cd, nota-se claramente um aumento do arrasto com o aumento da espessura para o
caso viscoso. Tal relao no notada de forma to clara para o caso invscido. Equivalentemente,
observa-se que o
L
D
cai para valores maiores de espessura.
Para o Camber, nota-se que ambos os casos apresentam dois grupos bem denidos em relao
posio: um grupo com o camber de um quarto da corda para frente e outro grupo com camber
da metade da corda para trs. Tambm se observa a relao de aumento do Cl com o aumento do
arqueamento. Novamente, o modelo viscoso apresentou a tendncia de forma mais clara. Tambm
verica-se o aumento da sustentao para pers com arqueamento mais atrasado. No se observa
usando Mses no modo viscoso.
uma relao entre o arrasto e o Camber e o
L
D
. Em relao ao Cm, observa-se um aumento de sua
intensidade com o aumento do Camber e tambm quando sua posio est mais prxima ao bordo
de fuga do perl.
A rea do perl e o raio de bordo de ataque no apresentaram nenhuma relao aparente, salvo
por uma leve tendncia de aumento do Cl com o aumento da rea. Para o raio de bordo de ataque,
nota-se um aglomerado para valores prximos de 5 10
3
.
6.2.3 Comparao entre as parametrizaes
O objetivo desta seo comparar as parametrizaes, utilizando a tcnica centrada para simu-
lar o escoamento. Como visto no captulo 3, esse caso compara otimizaes que usam o mesmo
modelo matemtico e tcnica de soluo, ao contrrio dos casos apresentados nas sees 6.2.2 e
6.2.4.
Como j esperado, devido natureza das parametrizaes, a utilizao de pontos de controle
apresentou maior factibilidade (ver Figuras A.23 e A.34). Essa parametrizao tambm se mostrou
melhor em relao diversidade da populao encontrada, fato evidenciado nas duas mtricas de
diversidade adotadas (ver Figuras A.24, A.35, A.25 e A.36), nas quais a parametrizao por pontos
de controle tem valores ligeiramente mais baixos. Tambm se pode notar nas Figuras (A.24) e
(A.25), entre as geraes 60 e 70, uma mudana brusca das mtricas. Tal fato conseqncia de
sensibilidade ao restart, descrito no captulo 4. Devido a uma perda de preciso dos genes causados
por um erro de implementao, que causou um truncamento de pontos utuantes, aplicou-se uma
"mutao"que adicionou aleatoriamente valores na poro truncada do ponto utuante. No se
notou sensibilidade ao restart para o caso Parsec. Nos grcos com a mdia e o desvio padro,
nota-se que o AG robusto em todas as mtricas.
Observando as guras relativas s mtricas de otimalidade (ver A.26A.29 e A.37A.40), nota-
se que a parametrizao Parsec conseguiu atingir a PF
ref
e, em poucos casos, ultrapass-la, o que
no ocorreu coma parametrizao por pontos de controle. Ocaso tambmapresentou sensibilidade
ao restart, porm em vez de inunciar a diversidade da populao, essa sensibilidade reduziu a
otimalidade da populao. As duas parametrizaes se mostraram equivalentes na robustez, porm
a parametrizao por ponto de controle mostrou melhor estabilidade.
As Figuras (A.30) e (A.41) mostram que as geometrias encontradas com a parametrizao
por pontos de controle so mais apropriadas, apresentando melhor suavidade na distribuio da
espessura e do camber. Porm, para a parametrizao por pontos de controle, nota-se alguns
casos anmalos. Em geral, nessa parametrizao, observa-se uma tendncia a pers com um leve
abaulado no intradorso, como observado nos casos de objetivo simples. Tambm se observa que
os centrides dos agrupamentos apresentam valores de Cl bem menores que na parametrizao
Parsec, assim como os valores de Cd. Isso evidencia que as restries geomtricas impostas no
foram sucientes para esse tipo de parametrizao. Nas Figuras (6.12) e (6.14), pode-se ver a
distribuio de Cp do perl centride para o mtodo centrado com parametrizao por ponto de
controle e, nas Figuras (6.15) e (6.16), para o mtodo centrado com parametrizao Parsec.
Na comparao entre o modelo viscoso e invscido se observou uma tendncia a apresentar a
onda de choque mais atrasado para Cl maiores, o que no se observa para os resultados obtidos pelo
mtodo Jameson nas duas parametrizaes. Todos os grupos apresentam escoamento supersnico
e um leve pico de suco no intradorso na regio do bordo de ataque, alm de uma tendncia
ao aparecimento de um pico de suco no intradorso devido ao "abaulado"existente. As Figuras
(6.13)(a) e (b) mostram as curvas de Cp Vs x e Cp Vs y do agrupamento 7, evidenciando que o
usando mtodo centrado e parametrizao por ponto de controle.
pico de suco citado funciona como mecanismo de reduo de arrasto quando analisado com o
modelo invscido. O grupo 7 da Figura (6.14) apresenta um bordo de fuga em formato de cspide,
porm com boa suavidade da geometria e da curva de coeciente de presso. A parametrizao
Parsec forneceu apenas os agrupamentos 4 e 6 com geometria aplicvel em projeto, devido sua
suavidade. Tambm possvel notar instabilidades na curva de Cp para os agrupamentos 2, 5, 7, e
8, o que no se observa na outra parametrizao. No geral a parametrizao por ponto de controle
tem geometrias mais apropriadas para aplicao aeronutica.
Das Figuras (A.32) e (A.43), notam-se as diferenas entre as PFs encontradas. Os gr-
cos de histograma mostram que a parametrizao por pontos de controle explorou melhor a PF
(a) (b)
Figura 6.13: Curvas de Cp do agrupamento 7 para a otimizao usando mtodo centrado e
parametrizao por ponto de controle.
usando mtodo centrado e parametrizao por ponto de controle.
, conrmando os resultados apresentados pelas mtricas de diversidade. A parametrizao Par-
sec apresenta uma relao Cl-Cm mais dispersa, porm mantendo uma tendncia de reduo da
intensidade do momento com a reduo da sustentao. O mesmo se observa com a outra parame-
trizao, embora, essa relao seja bem menos dispersa. Os valores de Cl altos so priorizados no
usando mtodo centrado e parametrizao Parsec.
caso Parsec, no qual os valores de Cd so maiores tambm. Por outro lado, a parametrizao por
ponto de controle priorizou os valores mais baixos de Cl, assim como de Cd.
Na parametrizao Parsec, observa-se que a regio de timo para o
L
D
muito acentuada,
caracterizada por uma estreita faixa de Cl, o que no desejado. A parametrizao por ponto
de controle apresenta uma faixa de valores de Cl mais larga e os valores maiores de ecincia
aerodinmica.
A relao entre Cd-Cm mostra que os pers derivados da parametrizao por pontos de con-
trole encontraram uma PF mais avanada que o caso Parsec, mas com uma regio de momento de
arfagem mais intenso.
Na Figura (A.33), nota-se que a parametrizao por pontos de controle tem relaes dispersas
entre as caractersticas geomtricas e os coecientes aerodinmicos. Nota-se uma maior concen-
trao do raio de bordo de ataque prximo ao valor 4 10
3
. A posio do camber tem 3 agrupa-
mentos levemente dispersos. Na Figura (A.44), para a parametrizao Parsec, notam-se padres
de relao entre as caractersticas geomtricas e os parmetros aerodinmicos. Os valores para o
raio de bordo de ataque so mais bem explorados e so maiores do que os valores encontrados na
outra parametrizao. A posio do camber tem 2 agrupamentos bem denidos: um frente do
perl e outro bem atrs, sendo este priorizado pela otimizao. Pode-se observar o aumento do
arrasto com o aumento da espessura e do camber, alm de uma tendncia ao aumento do Cl com
o camber, mas pouco acentuada, ao contrrio do aumento do Cl com a espessura. Os valores para
o volume interno do perl para o caso Parsec foram maiores em comparao ao outro caso.
6.2.4 Comparao entre esquema centrado e upwind
O objetivo desta seo comparar as otimizaes efetuadas com o mtodo centrado e upwind,
lembrando que o mtodo de Roe, em mdia 40% mais caro por iterao que o mtodo de Jameson,
tem por vantagem a melhor resoluo na regio da onda de choque. Portanto, importante saber
se a utilizao desse mtodo apresenta alguma vantagem signicativa na otimizao que compense
seu maior custo.
Pode-se ver nas Figuras (A.34) e (A.45) que os dois mtodos apresentam curvas de evoluo da
factibilidade equivalentes e com razovel robustez. Nas Figuras (A.35), (A.46), (A.36) e (A.47),
observa-se que os dois mtodos evoluram para valores prximos a 0, 06 para a mtrica Spacing e
0, 04 para a mtrica ARAI. Nota-se que o mtodo upwind sensvel ao restart (descrito no capitulo
4), melhorando a diversidade. Para as duas mtricas, a robustez foi melhor para o mtodo centrado.
Das mtricas de otimalidade (ver Figuras A.37A.40 A.48A.51) observa-se que os dois m-
todos se aproximaram da PF
ref
, mas no avanaram muito no nvel de dominncia, mantendo a
mtrica InvER com valores baixos e a mtrica GER prximo de zero. Vale notar que a sensibili-
dade ao restart do mtodo Roe ajudou a melhorar a otimalidade da populao. A robustez para
as diferentes mtricas foi satisfatria, porm notam-se, em todas elas, instabilidades que aparecem
como picos nas curvas de evoluo das mtricas.
Observando as Figuras (A.41), (A.42), (A.52) e (A.53), nota-se que os agrupamentos encon-
trados (ver seo 6.2.2) so bem parecidos, assim como os padres dos cromossomos encontrados.
O mtodo de Jameson apresentou valores de Cl maiores se comparado com o mtodo upwind.
Para todos os agrupamentos, a maioria das geometrias no so aplicveis por apresentarem pouca
suavidade na distribuio de camber e espessura. Os grupos 4 e 6 para o mtodo centrado e 5 e
8 para o mtodo upwind visualmente apresentam geometrias mais viveis. Os agrupamentos 2, 3,
4 e 8 no caso centrado e os agrupamentos 3, 4, 5, 6, 7, 9 e 10 para o mtodo upwind apresentam
forte relao linear entre os genes Y
xxlo
-
te
e
te
-
te
.
usando mtodo centrado e parametrizao Parsec.
Comparando as Figuras (6.17) e (6.18) com as Figuras (6.15) e (6.16), nota-se que a as geo-
metrias anmalas esto presentes nos dois casos, assim como as instabilidades numricas, embora,
elas sejam menos frequentes na aplicao do mtodo de Roe. Os "abaulados"presentes nos grupos
2, 3, 5, 7, 8 e 9 no mtodo centrado tambm aparecem nos grupos 2, 3, 4, 6, 7, 9 e 10 no mtodo
upwind. Os grupos mais aplicveis (5 e 8 para o mtodo de Roe e 4 e 6 para o mtodo centrado)
no se diferenciam muito.
As Figuras (A.43), (A.44), (A.54) e (A.55) apresentam grande semelhana nas PFs encontra-
das pelos dois mtodos, assim como as mesmas relaes entre os coecientes aerodinmicos com
as caractersticas geomtricas dos pers. Nota-se que o mtodo centrado explorou melhor a PF se
comparado com o mtodo de Roe, pois este apresenta uma regio no explorada da frente, visvel
na relao entre Cd e Cm.
usando mtodo upwind e parametrizao Parsec.
usando mtodo upwind e parametrizao Parsec.
CAPTULO
7
Concluso
As coisas so mais belas quando vistas de cima.
(Alberto Santos Dumont)
No presente trabalho, foi estudado o problema de otimizao aerodinmica multiobjetivo para
pers transnicos, com restries geomtricas e de estabilidade da soluo numrica, utilizando
diferentes parametrizaes da geometria e tcnicas de simulao numrica. A otimizao dos par-
metros aerodinmicos foi efetuada utilizando o algoritmo gentico NSGA-II. As funes objetivo
foram denidas utilizando duas denies para a geometria: parametrizao Parsec e por pontos
de controle. Alm disso, quatro mtodos de simulao numrica para escoamentos compressveis
foram utilizados: mtodo de Jameson, mtodo de Roe e o cdigo Mses no modo viscoso e in-
vscido. Utilizou-se malha estruturada para a discretizao da geometria e sua gerao foi feita
utilizando um mtodo de suavizao por equao diferencial parcial elptica com controle de aglo-
merao de pontos. Os mtodos de Jameson (centrado) e de Roe (upwind) foram usados para os
casos invscidos e o cdigo Mses para o estudo da inuncia da viscosidade na otimizao.
Os cdigos implementados no trabalho foram vericados e validados. Os de CFD foram vali-
dados utilizando resultados experimentais dos aeroflios Naca 0012 e Rae 2822 em regimes subs-
nicos e transnicos. A validao mostrou que os mtodos so capazes de prever relativamente bem
a distribuio de presso em torno dos aeroflios. Tambm foi feito o teste de convergncia de
malha desses mtodos para reduzir o custo computacional sem grandes perdas de qualidade das
solues. O algoritmo gentico foi vericado utilizando problemas conhecidos (benchmark). Para
todos os problemas testados, o AG se mostrou capaz de encontrar a frente de Pareto (PF ) do
problema.
Foram efetuadas 5 otimizaes com o objetivo de analisar comparativamente o comportamento
do AG nos seguintes casos: (a) diferena entre o modelo viscoso e invscido; (b) diferena entre as
107
108
parametrizaes; e (c) diferena entre o uso do mtodo centrado e upwind. Todas as otimizaes
foram analisadas utilizando mtricas de avaliao para problemas multiobjetivo. Para avaliar a oti-
malidade das solues, foi proposta uma mtrica que utiliza solues pr-existentes, aproximadas
ou exatas. As frentes de Pareto obtidas pelas otimizaes foram analisadas utilizando a tcnica
k-means de anlise de agrupamento e as tcnicas de visualizao de dados: matriz de grcos de
disperso e grcos de coordenadas paralelas. Para as geometrias centrides dos agrupamentos,
foram analisadas as curvas de distribuio do coeciente de presso ao longo da superfcie.
A otimizao multiobjetivo fornece um conjunto de solues pertencentes frente de Pareto
do problema. Como essas solues so aceitas como representao aproximada dessa frente,
interessante que as solues formem uma populao bem diversicada, evitando aglomerados de
solues e melhorando a representao da PF . As mtricas utilizadas para analisar a diversidade
das PF obtidas mostram que, em todos os casos estudados, se encontraram solues bem distri-
budas na frente de Pareto. O modelo viscoso obteve valores levemente melhores para a ARAI;
a parametrizao por ponto de controle se mostrou melhor que a parametrizao Parsec e os re-
sultados obtidos mostram que entre a utilizao do mtodo de Jameson e de Roe no h diferena
signicativa.
A observao das mtricas de otimalidade para os casos estudados mostram que o modelo
viscoso avanou mais na otimalidade se comparado com o modelo invscido. Na comparao
entre as parametrizaes, a Parsec foi melhor que a utilizao dos pontos de controle, mas nos
dois casos as solues encontradas avanaram pouco alm da PF de referncia. Para os solvers
(Jameson e Roe), as otimizaes chegaram na PF
ref
mas no avanaram.
A observao das geometrias mostra que o modelo invscido resultou em geometrias mais
suaves que o modelo viscoso. Porm, para ambos os casos apareceram abaulados no intradorso,
causando um pico de suco e, em alguns casos, uma onda de choque na superfcie inferior do
aeroflio. Essa caracterstica responsvel por reduzir a rea entre as curvas de Cp das superf-
cies superior e inferior, diminuindo o valor do Cl, visto que para grupos de maior sustentao as
geometrias no apresentam abaulados.
Os grcos de coordenadas paralelas mostram que os valores de cromossomos encontrados
pelos dois modelos, em geral, diferem entre si, salvo para alguns grupos onde a diferena se con-
centra em alguns genes. Os grcos de histograma para os coecientes aerodinmicos mostram
que o modo invscido melhor que o modo viscoso para encontrar solues mais bem distribudas,
com regies pontuais de maior agrupamento. Os altssimos valores para a ecincia aerodinmica
observados no caso invscido pem em questo a conabilidade dos resultados, pois esses valores,
apesar das geometrias suaves, esto fora de uma representabilidade fsica.
A relao entre os coecientes aerodinmicos e os parmetros geomtricos dos pers no so
similares para os dois modelos, apresentando padres bem distintos para alguns parmetros, en-
quanto para outros no se observam relaes.
As geometrias obtidas pela parametrizao Parsec apresentam pouca suavidade e, conseqen-
temente, as curvas de Cp tambm. A parametrizao por pontos de controle apresenta suavidade
CAPTULO 7. CONCLUSO 109
muito melhor das geometrias, porm com a tendncia de abaulados no intradorso. Para os dois ca-
sos, as geometrias tm a tendncia de formar um leve pico de suco prximo ao bordo de ataque
no intradorso e se observa um leve drop. Esses resultados esto em concordncia com os resulta-
dos para a otimizao de objetivo simples e os resultados obtidos por Nemec et al. (2002) e Oyama
et al. (2000b). Em todos os agrupamentos so observadas regies de escoamento supersnico e,
como no foi imposta nenhuma restrio para a velocidade do escoamento ao redor do perl, tm-
se algumas ondas de choque intensos. Os histogramas mostram que a parametrizao por pontos
de controle exploram melhor a PF . Tambm foi observado que para valores mais altos de
L
D
a
faixa de Cl mais larga que na parametrizao Parsec. A PF para a parametrizao por ponto
de controle mais avanada que a PF obtida pela outra. Em geral, as relaes entre parmetros
geomtricos e coecientes aerodinmicos so mais dispersos para a parametrizao por ponto de
controle.
A comparao entre o mtodo centrado e o mtodo upwind mostra no haver diferena sig-
nicativa entre as duas tcnicas. Os mesmos padres so observados nos agrupamentos, nos
cromossomos, na visualizao da PF e na relao entre coecientes aerodinmicos e parme-
tros geomtricos. Isso signica que o AG no apresentou sensibilidade utilizao entre as duas
tcnicas. Como o mtodo centrado mais barato, ele se torna mais adequado para a utilizao.
As observaes mostram que a utilizao do cdigo Mses no modo invscido fornece resultados
pouco conveis e o modo viscoso fornece mais geometrias com pouca suavidade (possivelmente
pela interao onda de choque-camada limite), mas que avanam na otimalidade em relao re-
ferncia mais do que o modelo invscido. A utilizao da parametrizao por pontos de controle
fornece geometrias aplicveis, porm ainda com pouca suavidade. A diferena entre o mtodo
centrado e upwind no signicativa, tornando o mtodo centrado mais interessante pelo custo
computacional. Os resultados invscidos mostram que os mtodos de Jameson e de Roe so me-
lhores em comparao com o cdigo Mses.
Conclui-se tambm dos resultados obtidos que a utilizao da parametrizao por pontos de
controle interessante. Entretanto, ainda necessria a utilizao de uma parametrizao que
garanta maior suavidade ou a imposio de restries sobre a suavidade da geometria e/ou da dis-
tribuio das propriedades em torno do perl. A utilizao do modelo viscoso torna os resultados
da otimizao melhores do ponto de vista da otimalidade. Na utilizao de modelos de correo
viscosa, como no caso do Mses, necessria a utilizao de mtodos invscidos que forneam
resultados com maior representatividade fsica.
CAPTULO
8
Trabalhos Futuros
Do presente trabalho, cam problemas em aberto a serem desenvolvidos em trabalhos futuros.
Inicialmente, necessria a reduo do custo computacional. Para isso, sugere-se a implementao
de integrao temporal implcita e tcnicas de acelerao de convergncia. Assim como utilizado
no cdigo Mses, a condio inicial da simulao pode ser modicada para reduzir o tempo de
simulao. Tambmdeve-se rever a gerao e tcnica de movimentao da malha para a reduo do
tempo de computao. Como observado dos resultados, torna-se necessria a utilizao do modelo
viscoso. Para isso uma implementao ecinte e a avaliao de distintas tcnicas devem ser feita
para avaliar as vantagens e desvantagem das mesmas. Como resultado direto dos dados obtidos no
estudo, pode-se criar um modelo utilizando redes neurais para simular as funes objetivas.
111
APNDICE
A
Grcos de resultado das otimizaes
Quem no sabe o que CFL no merece estar vivo.
(Joo Luiz F. de Azevedo)
Este apndice contm os grcos com os resultados obtidos pelas otimizaes multiobjetivo
efetuadas no presente trabalho. Os grcos so compostos das curvas de evoluo das mtricas
de desempenho para problemas multiobjetivo, das visualizaes dos agrupamentos das geometrias
obtidas na frente de Pareto, das visualizaes dos cromossomos utilizando a tcnica de coordena-
das paralelas, as projees das frentes de Pareto obtidas utilizando a matriz de grcos de disperso
e com a mesma tcnica so visualizadas as relaes entre os coecientes aerodinmicos e os par-
metros geomtricos dos pers.
O apndice est organizado da seguinte forma: na seo A.1.1 esto os resultados para a oti-
mizao utilizando a parametrizao por pontos de controle e o cdigo Mses no modo invscido;
na seo A.1.2 esto os resultados para a otimizao utilizando a parametrizao por pontos de
controle e o cdigo Mses no modo viscoso; na seo A.1.3 esto os resultados para a otimizao
utilizando a parametrizao por pontos de controle e o mtodo centrado; na seo A.2.1 esto
os resultados para a otimizao utilizando a parametrizao Parsec e o mtodo centrado; na seo
A.2.2 esto os resultados para a otimizao utilizando a parametrizao Parsec e o mtodo upwind.
A.1 Parametrizao por pontos de controle
A.1.1 Mses modo invscido
113
114 A.1. PARAMETRIZAO POR PONTOS DE CONTROLE
(
a
)
(
b
)
F
i
g
u
r
a
A
.
1
:
F
a
c
t
i
b
i
l
i
d
a
d
e
d
a
p
o
p
u
l
a
o
n
a
o
t
i
m
i
z
a
o
u
t
i
l
i
z
a
n
d
o
M
s
e
s
m
o
d
o
i
n
v
s
c
i
d
o
p
a
r
a
m
e
t
r
i
z
a
o
p
o
r
p
o
n
t
o
s
d
e
c
o
n
t
r
o
l
e
:
(
a
)
S
o
l
u
e
s
f
a
c
t
v
e
i
s
;
(
b
)
M
d
i
a
e
d
e
s
v
i
o
p
a
d
r
o
n
a
g
e
r
a
o
.
(
a
)
(
b
)
F
i
g
u
r
a
A
.
2
:
M
t
r
i
c
a
S
p
a
c
i
n
g
p
a
r
a
a
o
t
i
m
i
z
a
o
u
t
i
l
i
z
a
n
d
o
M
s
e
s
m
o
d
o
i
n
v
s
c
i
d
o
p
a
r
a
m
e
t
r
i
z
a
o
p
o
r
p
o
n
t
o
s
d
e
c
o
n
t
r
o
l
e
:
(
a
)
E
v
o
l
u
o
;
(
b
)
M
d
i
a
e
d
e
s
v
i
o
p
a
d
r
o
.
APNDICE A. GRFICOS DE RESULTADO DAS OTIMIZAES 115
(
a
)
(
b
)
F
i
g
u
r
a
A
.
3
:
M
t
r
i
c
a
A
R
A
I
p
a
r
a
a
o
t
i
m
i
z
a
o
u
t
i
l
i
z
a
n
d
o
M
s
e
s
m
o
d
o
i
n
v
s
c
i
d
o
p
a
r
a
m
e
t
r
i
z
a
o
p
o
r
p
o
n
t
o
s
d
e
c
o
n
t
r
o
l
e
:
(
a
)
E
v
o
l
u
o
;
(
b
)
M
d
i
a
e
d
e
s
v
i
o
p
a
d
r
o
.
(
a
)
(
b
)
F
i
g
u
r
a
A
.
4
:
M
t
r
i
c
a
E
R
p
a
r
a
a
o
t
i
m
i
z
a
o
u
t
i
l
i
z
a
n
d
o
M
s
e
s
m
o
d
o
i
n
v
s
c
i
d
o
p
a
r
a
m
e
t
r
i
z
a
o
p
o
r
p
o
n
t
o
s
d
e
c
o
n
t
r
o
l
e
:
(
a
)
E
v
o
l
u
o
;
(
b
)
M
d
i
a
e
d
e
s
v
i
o
p
a
d
r
o
.
(
a
)
(
b
)
F
i
g
u
r
a
A
.
5
:
M
t
r
i
c
a
I
n
v
E
R
p
a
r
a
a
o
t
i
m
i
z
a
o
u
t
i
l
i
z
a
n
d
o
M
s
e
s
m
o
d
o
i
n
v
s
c
i
d
o
p
a
r
a
m
e
t
r
i
z
a
o
p
o
r
p
o
n
t
o
s
d
e
c
o
n
t
r
o
l
e
:
(
a
)
E
v
o
l
u
o
;
(
b
)
M
d
i
a
e
d
e
s
v
i
o
p
a
d
r
o
.
(
a
)
(
b
)
F
i
g
u
r
a
A
.
6
:
M
t
r
i
c
a
G
E
R
p
a
r
a
a
o
t
i
m
i
z
a
o
u
t
i
l
i
z
a
n
d
o
M
s
e
s
m
o
d
o
i
n
v
s
c
i
d
o
p
a
r
a
m
e
t
r
i
z
a
o
p
o
r
p
o
n
t
o
s
d
e
c
o
n
t
r
o
l
e
:
(
a
)
E
v
o
l
u
o
;
(
b
)
M
d
i
a
e
d
e
s
v
i
o
p
a
d
r
o
.
(a)
(b)
Figura A.7: Mtrica NDWD
GER
para a otimizao utilizando Mses modo invscido
parametrizao por pontos de controle: (a) Evoluo; (b) Mdia e desvio padro.
F
i
g
u
r
a
A
.
8
:
A
e
r
o
f
l
i
o
s
d
a
f
r
e
n
t
e
d
e
P
a
r
e
t
o
o
b
t
i
d
a
p
e
l
a
u
t
i
l
i
z
a
o
d
o
M
s
e
s
m
o
d
o
i
n
v
s
c
i
d
o
p
a
r
a
m
e
t
r
i
z
a
o
p
o
r
p
o
n
t
o
s
d
e
c
o
n
t
r
o
l
e
.
F
i
g
u
r
a
A
.
9
:
G
r
c
o
s
d
e
c
o
o
r
d
e
n
a
d
a
s
p
a
r
a
l
e
l
a
s
d
o
s
c
r
o
m
o
s
s
o
m
o
s
d
a
f
r
e
n
t
e
d
e
P
a
r
e
t
o
u
t
i
l
i
z
a
n
d
o
M
s
e
s
m
o
d
o
i
n
v
s
c
i
d
o
p
a
r
a
m
e
t
r
i
z
a
o
p
o
r
p
o
n
t
o
s
d
e
c
o
n
t
r
o
l
e
.
F
i
g
u
r
a
A
.
1
0
:
M
a
t
r
i
z
d
e
g
r
c
o
s
d
e
d
i
s
p
e
r
s
o
p
a
r
a
o
s
c
o
e
c
i
e
n
t
e
s
a
e
r
o
d
i
n
m
i
c
o
s
d
a
f
r
e
n
t
e
d
e
P
a
r
e
t
o
u
t
i
l
i
z
a
n
d
o
M
s
e
s
m
o
d
o
i
n
v
s
c
i
d
o
p
a
r
a
m
e
t
r
i
z
a
o
p
o
r
p
o
n
t
o
s
d
e
c
o
n
t
r
o
l
e
.
F
i
g
u
r
a
A
.
1
1
:
M
a
t
r
i
z
d
e
g
r
c
o
s
d
e
d
i
s
p
e
r
s
o
p
a
r
a
o
s
c
o
e
c
i
e
n
t
e
s
a
e
r
o
d
i
n
m
i
c
o
s
v
e
r
s
u
s
p
a
r
m
e
t
r
o
s
g
e
o
m
t
r
i
c
o
s
d
a
f
r
e
n
t
e
d
e
P
a
r
e
t
o
u
t
i
l
i
z
a
n
d
o
M
s
e
s
m
o
d
o
i
n
v
s
c
i
d
o
p
a
r
a
m
e
t
r
i
z
a
o
p
o
r
p
o
n
t
o
s
d
e
c
o
n
t
r
o
l
e
.
A.1.2 Mses modo viscoso
(a)
(b)
Figura A.12: Factibilidade da populao na otimizao utilizando Mses modo viscoso
parametrizao por pontos de controle: (a) Solues factveis; (b) Mdia e desvio padro na
gerao.
(
a
)
(
b
)
F
i
g
u
r
a
A
.
1
3
:
M
t
r
i
c
a
S
p
a
c
i
n
g
p
a
r
a
a
o
t
i
m
i
z
a
o
u
t
i
l
i
z
a
n
d
o
M
s
e
s
m
o
d
o
v
i
s
c
o
s
o
p
a
r
a
m
e
t
r
i
z
a
o
p
o
r
p
o
n
t
o
s
d
e
c
o
n
t
r
o
l
e
:
(
a
)
E
v
o
l
u
o
;
(
b
)
M
d
i
a
e
d
e
s
v
i
o
p
a
d
r
o
.
(
a
)
(
b
)
F
i
g
u
r
a
A
.
1
4
:
M
t
r
i
c
a
A
R
A
I
p
a
r
a
a
o
t
i
m
i
z
a
o
u
t
i
l
i
z
a
n
d
o
M
s
e
s
m
o
d
o
v
i
s
c
o
s
o
p
a
r
a
m
e
t
r
i
z
a
o
p
o
r
p
o
n
t
o
s
d
e
c
o
n
t
r
o
l
e
:
(
a
)
E
v
o
l
u
o
;
(
b
)
M
d
i
a
e
d
e
s
v
i
o
p
a
d
r
o
.
(
a
)
(
b
)
F
i
g
u
r
a
A
.
1
5
:
M
t
r
i
c
a
E
R
p
a
r
a
a
o
t
i
m
i
z
a
o
u
t
i
l
i
z
a
n
d
o
M
s
e
s
m
o
d
o
v
i
s
c
o
s
o
p
a
r
a
m
e
t
r
i
z
a
o
p
o
r
p
o
n
t
o
s
d
e
c
o
n
t
r
o
l
e
:
(
a
)
E
v
o
l
u
o
;
(
b
)
M
d
i
a
e
d
e
s
v
i
o
p
a
d
r
o
.
(
a
)
(
b
)
F
i
g
u
r
a
A
.
1
6
:
M
t
r
i
c
a
I
n
v
E
R
p
a
r
a
a
o
t
i
m
i
z
a
o
u
t
i
l
i
z
a
n
d
o
M
s
e
s
m
o
d
o
v
i
s
c
o
s
o
p
a
r
a
m
e
t
r
i
z
a
o
p
o
r
p
o
n
t
o
s
d
e
c
o
n
t
r
o
l
e
:
(
a
)
E
v
o
l
u
o
;
(
b
)
M
d
i
a
e
d
e
s
v
i
o
p
a
d
r
o
.
(
a
)
(
b
)
F
i
g
u
r
a
A
.
1
7
:
M
t
r
i
c
a
G
E
R
p
a
r
a
a
o
t
i
m
i
z
a
o
u
t
i
l
i
z
a
n
d
o
M
s
e
s
m
o
d
o
v
i
s
c
o
s
o
p
a
r
a
m
e
t
r
i
z
a
o
p
o
r
p
o
n
t
o
s
d
e
c
o
n
t
r
o
l
e
:
(
a
)
E
v
o
l
u
o
;
(
b
)
M
d
i
a
e
d
e
s
v
i
o
p
a
d
r
o
.
(
a
)
(
b
)
F
i
g
u
r
a
A
.
1
8
:
M
t
r
i
c
a
N
D
W
D
G
E
R
p
a
r
a
a
o
t
i
m
i
z
a
o
u
t
i
l
i
z
a
n
d
o
M
s
e
s
m
o
d
o
v
i
s
c
o
s
o
p
a
r
a
m
e
t
r
i
z
a
o
p
o
r
p
o
n
t
o
s
d
e
c
o
n
t
r
o
l
e
:
(
a
)
E
v
o
l
u
o
;
(
b
)
M
d
i
a
e
d
e
s
v
i
o
p
a
d
r
o
.
F
i
g
u
r
a
A
.
1
9
:
A
e
r
o
f
l
i
o
s
d
a
f
r
e
n
t
e
d
e
P
a
r
e
t
o
o
b
t
i
d
a
p
e
l
a
u
t
i
l
i
z
a
o
d
o
M
s
e
s
m
o
d
o
v
i
s
c
o
s
o
p
a
r
a
m
e
t
r
i
z
a
o
p
o
r
p
o
n
t
o
s
d
e
c
o
n
t
r
o
l
e
.
F
i
g
u
r
a
A
.
2
0
:
G
r
c
o
s
d
e
c
o
o
r
d
e
n
a
d
a
s
p
a
r
a
l
e
l
a
s
d
o
s
c
r
o
m
o
s
s
o
m
o
s
d
a
f
r
e
n
t
e
d
e
P
a
r
e
t
o
u
t
i
l
i
z
a
n
d
o
M
s
e
s
m
o
d
o
v
i
s
c
o
s
o
p
a
r
a
m
e
t
r
i
z
a
o
p
o
r
p
o
n
t
o
s
d
e
c
o
n
t
r
o
l
e
.
F
i
g
u
r
a
A
.
2
1
:
M
a
t
r
i
z
d
e
g
r
c
o
s
d
e
d
i
s
p
e
r
s
o
p
a
r
a
o
s
c
o
e
c
i
e
n
t
e
s
a
e
r
o
d
i
n
m
i
c
o
s
d
a
f
r
e
n
t
e
d
e
P
a
r
e
t
o
u
t
i
l
i
z
a
n
d
o
M
s
e
s
m
o
d
o
v
i
s
c
o
s
o
p
a
r
a
m
e
t
r
i
z
a
o
p
o
r
p
o
n
t
o
s
d
e
c
o
n
t
r
o
l
e
.
F
i
g
u
r
a
A
.
2
2
:
M
a
t
r
i
z
d
e
g
r
c
o
s
d
e
d
i
s
p
e
r
s
o
p
a
r
a
o
s
c
o
e
c
i
e
n
t
e
s
a
e
r
o
d
i
n
m
i
c
o
s
v
e
r
s
u
s
p
a
r
m
e
t
r
o
s
g
e
o
m
t
r
i
c
o
s
d
a
f
r
e
n
t
e
d
e
P
a
r
e
t
o
u
t
i
l
i
z
a
n
d
o
M
s
e
s
m
o
d
o
v
i
s
c
o
s
o
p
a
r
a
m
e
t
r
i
z
a
o
p
o
r
p
o
n
t
o
s
d
e
c
o
n
t
r
o
l
e
.
A.1.3 Mtodo centrado Jameson
(a)
(b)
Figura A.23: Factibilidade da populao na otimizao utilizando mtodo centrado
parametrizao por pontos de controle: (a) Solues factveis; (b) Mdia e desvio padro na
gerao.
(
a
)
(
b
)
F
i
g
u
r
a
A
.
2
4
:
M
t
r
i
c
a
S
p
a
c
i
n
g
p
a
r
a
a
o
t
i
m
i
z
a
o
u
t
i
l
i
z
a
n
d
o
m
t
o
d
o
c
e
n
t
r
a
d
o
p
a
r
a
m
e
t
r
i
z
a
o
p
o
r
p
o
n
t
o
s
d
e
c
o
n
t
r
o
l
e
:
(
a
)
E
v
o
l
u
o
;
(
b
)
M
d
i
a
e
d
e
s
v
i
o
p
a
d
r
o
.
(
a
)
(
b
)
F
i
g
u
r
a
A
.
2
5
:
M
t
r
i
c
a
A
R
A
I
p
a
r
a
a
o
t
i
m
i
z
a
o
u
t
i
l
i
z
a
n
d
o
m
t
o
d
o
c
e
n
t
r
a
d
o
p
a
r
a
m
e
t
r
i
z
a
o
p
o
r
p
o
n
t
o
s
d
e
c
o
n
t
r
o
l
e
:
(
a
)
E
v
o
l
u
o
;
(
b
)
M
d
i
a
e
d
e
s
v
i
o
p
a
d
r
o
.
(
a
)
(
b
)
F
i
g
u
r
a
A
.
2
6
:
M
t
r
i
c
a
E
R
p
a
r
a
a
o
t
i
m
i
z
a
o
u
t
i
l
i
z
a
n
d
o
m
t
o
d
o
c
e
n
t
r
a
d
o
p
a
r
a
m
e
t
r
i
z
a
o
p
o
r
p
o
n
t
o
s
d
e
c
o
n
t
r
o
l
e
:
(
a
)
E
v
o
l
u
o
;
(
b
)
M
d
i
a
e
d
e
s
v
i
o
p
a
d
r
o
.
(
a
)
(
b
)
F
i
g
u
r
a
A
.
2
7
:
M
t
r
i
c
a
I
n
v
E
R
p
a
r
a
a
o
t
i
m
i
z
a
o
u
t
i
l
i
z
a
n
d
o
m
t
o
d
o
c
e
n
t
r
a
d
o
p
a
r
a
m
e
t
r
i
z
a
o
p
o
r
p
o
n
t
o
s
d
e
c
o
n
t
r
o
l
e
:
(
a
)
E
v
o
l
u
o
;
(
b
)
M
d
i
a
e
d
e
s
v
i
o
p
a
d
r
o
.
(
a
)
(
b
)
F
i
g
u
r
a
A
.
2
8
:
M
t
r
i
c
a
G
E
R
p
a
r
a
a
o
t
i
m
i
z
a
o
u
t
i
l
i
z
a
n
d
o
m
t
o
d
o
c
e
n
t
r
a
d
o
p
a
r
a
m
e
t
r
i
z
a
o
p
o
r
p
o
n
t
o
s
d
e
c
o
n
t
r
o
l
e
:
(
a
)
E
v
o
l
u
o
;
(
b
)
M
d
i
a
e
d
e
s
v
i
o
p
a
d
r
o
.
(
a
)
(
b
)
F
i
g
u
r
a
A
.
2
9
:
M
t
r
i
c
a
N
D
W
D
G
E
R
p
a
r
a
a
o
t
i
m
i
z
a
o
u
t
i
l
i
z
a
n
d
o
m
t
o
d
o
c
e
n
t
r
a
d
o
p
a
r
a
m
e
t
r
i
z
a
o
p
o
r
p
o
n
t
o
s
d
e
c
o
n
t
r
o
l
e
:
(
a
)
E
v
o
l
u
o
;
(
b
)
M
d
i
a
e
d
e
s
v
i
o
p
a
d
r
o
.
F
i
g
u
r
a
A
.
3
0
:
A
e
r
o
f
l
i
o
s
d
a
f
r
e
n
t
e
d
e
P
a
r
e
t
o
o
b
t
i
d
a
p
e
l
a
u
t
i
l
i
z
a
o
d
o
m
t
o
d
o
c
e
n
t
r
a
d
o
p
a
r
a
m
e
t
r
i
z
a
o
p
o
r
p
o
n
t
o
s
d
e
c
o
n
t
r
o
l
e
.
F
i
g
u
r
a
A
.
3
1
:
G
r
c
o
s
d
e
c
o
o
r
d
e
n
a
d
a
s
p
a
r
a
l
e
l
a
s
d
o
s
c
r
o
m
o
s
s
o
m
o
s
d
a
f
r
e
n
t
e
d
e
P
a
r
e
t
o
u
t
i
l
i
z
a
n
d
o
m
t
o
d
o
c
e
n
t
r
a
d
o
p
a
r
a
m
e
t
r
i
z
a
o
p
o
r
p
o
n
t
o
s
d
e
c
o
n
t
r
o
l
e
.
F
i
g
u
r
a
A
.
3
2
:
M
a
t
r
i
z
d
e
g
r
c
o
s
d
e
d
i
s
p
e
r
s
o
p
a
r
a
o
s
c
o
e
c
i
e
n
t
e
s
a
e
r
o
d
i
n
m
i
c
o
s
d
a
f
r
e
n
t
e
d
e
P
a
r
e
t
o
u
t
i
l
i
z
a
n
d
o
m
t
o
d
o
c
e
n
t
r
a
d
o
p
a
r
a
m
e
t
r
i
z
a
o
p
o
r
p
o
n
t
o
s
d
e
c
o
n
t
r
o
l
e
.
F
i
g
u
r
a
A
.
3
3
:
M
a
t
r
i
z
d
e
g
r
c
o
s
d
e
d
i
s
p
e
r
s
o
p
a
r
a
o
s
c
o
e
c
i
e
n
t
e
s
a
e
r
o
d
i
n
m
i
c
o
s
v
e
r
s
u
s
p
a
r
m
e
t
r
o
s
g
e
o
m
t
r
i
c
o
s
d
a
f
r
e
n
t
e
d
e
P
a
r
e
t
o
u
t
i
l
i
z
a
n
d
o
m
t
o
d
o
c
e
n
t
r
a
d
o
p
a
r
a
m
e
t
r
i
z
a
o
p
o
r
p
o
n
t
o
s
d
e
c
o
n
t
r
o
l
e
.
138 A.2. PARAMETRIZAO PARSEC
A.2 Parametrizao Parsec
A.2.1 Mtodo centrado Jameson
(a)
(b)
Figura A.34: Factibilidade da populao na otimizao utilizando mtodo centrado
parametrizao Parsec: (a) Solues factveis; (b) Mdia e desvio padro na gerao.
(
a
)
(
b
)
F
i
g
u
r
a
A
.
3
5
:
M
t
r
i
c
a
S
p
a
c
i
n
g
p
a
r
a
a
o
t
i
m
i
z
a
o
u
t
i
l
i
z
a
n
d
o
m
t
o
d
o
c
e
n
t
r
a
d
o
p
a
r
a
m
e
t
r
i
z
a
o
P
a
r
s
e
c
:
(
a
)
E
v
o
l
u
o
;
(
b
)
M
d
i
a
e
d
e
s
v
i
o
p
a
d
r
o
.
(
a
)
(
b
)
F
i
g
u
r
a
A
.
3
6
:
M
t
r
i
c
a
A
R
A
I
p
a
r
a
a
o
t
i
m
i
z
a
o
u
t
i
l
i
z
a
n
d
o
m
t
o
d
o
c
e
n
t
r
a
d
o
p
a
r
a
m
e
t
r
i
z
a
o
P
a
r
s
e
c
:
(
a
)
E
v
o
l
u
o
;
(
b
)
M
d
i
a
e
d
e
s
v
i
o
p
a
d
r
o
.
(
a
)
(
b
)
F
i
g
u
r
a
A
.
3
7
:
M
t
r
i
c
a
E
R
p
a
r
a
a
o
t
i
m
i
z
a
o
u
t
i
l
i
z
a
n
d
o
m
t
o
d
o
c
e
n
t
r
a
d
o
p
a
r
a
m
e
t
r
i
z
a
o
P
a
r
s
e
c
:
(
a
)
E
v
o
l
u
o
;
(
b
)
M
d
i
a
e
d
e
s
v
i
o
p
a
d
r
o
.
(
a
)
(
b
)
F
i
g
u
r
a
A
.
3
8
:
M
t
r
i
c
a
I
n
v
E
R
p
a
r
a
a
o
t
i
m
i
z
a
o
u
t
i
l
i
z
a
n
d
o
m
t
o
d
o
c
e
n
t
r
a
d
o
p
a
r
a
m
e
t
r
i
z
a
o
P
a
r
s
e
c
:
(
a
)
E
v
o
l
u
o
;
(
b
)
M
d
i
a
e
d
e
s
v
i
o
p
a
d
r
o
.
(
a
)
(
b
)
F
i
g
u
r
a
A
.
3
9
:
M
t
r
i
c
a
G
E
R
p
a
r
a
a
o
t
i
m
i
z
a
o
u
t
i
l
i
z
a
n
d
o
m
t
o
d
o
c
e
n
t
r
a
d
o
p
a
r
a
m
e
t
r
i
z
a
o
P
a
r
s
e
c
:
(
a
)
E
v
o
l
u
o
;
(
b
)
M
d
i
a
e
d
e
s
v
i
o
p
a
d
r
o
.
(
a
)
(
b
)
F
i
g
u
r
a
A
.
4
0
:
M
t
r
i
c
a
N
D
W
D
G
E
R
p
a
r
a
a
o
t
i
m
i
z
a
o
u
t
i
l
i
z
a
n
d
o
m
t
o
d
o
c
e
n
t
r
a
d
o
p
a
r
a
m
e
t
r
i
z
a
o
P
a
r
s
e
c
:
(
a
)
E
v
o
l
u
o
;
(
b
)
M
d
i
a
e
d
e
s
v
i
o
p
a
d
r
o
.
F
i
g
u
r
a
A
.
4
1
:
A
e
r
o
f
l
i
o
s
d
a
f
r
e
n
t
e
d
e
P
a
r
e
t
o
o
b
t
i
d
a
p
e
l
a
u
t
i
l
i
z
a
o
d
o
m
t
o
d
o
c
e
n
t
r
a
d
o
p
a
r
a
m
e
t
r
i
z
a
o
P
a
r
s
e
c
.
F
i
g
u
r
a
A
.
4
2
:
G
r
c
o
s
d
e
c
o
o
r
d
e
n
a
d
a
s
p
a
r
a
l
e
l
a
s
d
o
s
c
r
o
m
o
s
s
o
m
o
s
d
a
f
r
e
n
t
e
d
e
P
a
r
e
t
o
u
t
i
l
i
z
a
n
d
o
m
t
o
d
o
c
e
n
t
r
a
d
o
p
a
r
a
m
e
t
r
i
z
a
o
P
a
r
s
e
c
.
F
i
g
u
r
a
A
.
4
3
:
M
a
t
r
i
z
d
e
g
r
c
o
s
d
e
d
i
s
p
e
r
s
o
p
a
r
a
o
s
c
o
e
c
i
e
n
t
e
s
a
e
r
o
d
i
n
m
i
c
o
s
d
a
f
r
e
n
t
e
d
e
P
a
r
e
t
o
u
t
i
l
i
z
a
n
d
o
m
t
o
d
o
c
e
n
t
r
a
d
o
p
a
r
a
m
e
t
r
i
z
a
o
P
a
r
s
e
c
.
F
i
g
u
r
a
A
.
4
4
:
M
a
t
r
i
z
d
e
g
r
c
o
s
d
e
d
i
s
p
e
r
s
o
p
a
r
a
o
s
c
o
e
c
i
e
n
t
e
s
a
e
r
o
d
i
n
m
i
c
o
s
v
e
r
s
u
s
p
a
r
m
e
t
r
o
s
g
e
o
m
t
r
i
c
o
s
d
a
f
r
e
n
t
e
d
e
P
a
r
e
t
o
u
t
i
l
i
z
a
n
d
o
m
t
o
d
o
c
e
n
t
r
a
d
o
p
a
r
a
m
e
t
r
i
z
a
o
P
a
r
s
e
c
.
A.2.2 Mtodo upwind Roe
(a)
(b)
Figura A.45: Factibilidade da populao na otimizao utilizando mtodo upwind
parametrizao Parsec: (a) Solues factveis; (b) Mdia e desvio padro na gerao.
(
a
)
(
b
)
F
i
g
u
r
a
A
.
4
6
:
M
t
r
i
c
a
S
p
a
c
i
n
g
p
a
r
a
a
o
t
i
m
i
z
a
o
u
t
i
l
i
z
a
n
d
o
m
t
o
d
o
u
p
w
i
n
d
p
a
r
a
m
e
t
r
i
z
a
o
P
a
r
s
e
c
:
(
a
)
E
v
o
l
u
o
;
(
b
)
M
d
i
a
e
d
e
s
v
i
o
p
a
d
r
o
.
(
a
)
(
b
)
F
i
g
u
r
a
A
.
4
7
:
M
t
r
i
c
a
A
R
A
I
p
a
r
a
a
o
t
i
m
i
z
a
o
u
t
i
l
i
z
a
n
d
o
m
t
o
d
o
u
p
w
i
n
d
p
a
r
a
m
e
t
r
i
z
a
o
P
a
r
s
e
c
:
(
a
)
E
v
o
l
u
o
;
(
b
)
M
d
i
a
e
d
e
s
v
i
o
p
a
d
r
o
.
(
a
)
(
b
)
F
i
g
u
r
a
A
.
4
8
:
M
t
r
i
c
a
E
R
p
a
r
a
a
o
t
i
m
i
z
a
o
u
t
i
l
i
z
a
n
d
o
m
t
o
d
o
u
p
w
i
n
d
p
a
r
a
m
e
t
r
i
z
a
o
P
a
r
s
e
c
:
(
a
)
E
v
o
l
u
o
;
(
b
)
M
d
i
a
e
d
e
s
v
i
o
p
a
d
r
o
.
(
a
)
(
b
)
F
i
g
u
r
a
A
.
4
9
:
M
t
r
i
c
a
I
n
v
E
R
p
a
r
a
a
o
t
i
m
i
z
a
o
u
t
i
l
i
z
a
n
d
o
m
t
o
d
o
u
p
w
i
n
d
p
a
r
a
m
e
t
r
i
z
a
o
P
a
r
s
e
c
:
(
a
)
E
v
o
l
u
o
;
(
b
)
M
d
i
a
e
d
e
s
v
i
o
p
a
d
r
o
.
(
a
)
(
b
)
F
i
g
u
r
a
A
.
5
0
:
M
t
r
i
c
a
G
E
R
p
a
r
a
a
o
t
i
m
i
z
a
o
u
t
i
l
i
z
a
n
d
o
m
t
o
d
o
u
p
w
i
n
d
p
a
r
a
m
e
t
r
i
z
a
o
P
a
r
s
e
c
:
(
a
)
E
v
o
l
u
o
;
(
b
)
M
d
i
a
e
d
e
s
v
i
o
p
a
d
r
o
.
(
a
)
(
b
)
F
i
g
u
r
a
A
.
5
1
:
M
t
r
i
c
a
N
D
W
D
G
E
R
p
a
r
a
a
o
t
i
m
i
z
a
o
u
t
i
l
i
z
a
n
d
o
m
t
o
d
o
u
p
w
i
n
d
p
a
r
a
m
e
t
r
i
z
a
o
P
a
r
s
e
c
:
(
a
)
E
v
o
l
u
o
;
(
b
)
M
d
i
a
e
d
e
s
v
i
o
p
a
d
r
o
.
F
i
g
u
r
a
A
.
5
2
:
A
e
r
o
f
l
i
o
s
d
a
f
r
e
n
t
e
d
e
P
a
r
e
t
o
o
b
t
i
d
a
p
e
l
a
u
t
i
l
i
z
a
o
d
o
m
t
o
d
o
u
p
w
i
n
d
p
a
r
a
m
e
t
r
i
z
a
o
P
a
r
s
e
c
.
F
i
g
u
r
a
A
.
5
3
:
G
r
c
o
s
d
e
c
o
o
r
d
e
n
a
d
a
s
p
a
r
a
l
e
l
a
s
d
o
s
c
r
o
m
o
s
s
o
m
o
s
d
a
f
r
e
n
t
e
d
e
P
a
r
e
t
o
u
t
i
l
i
z
a
n
d
o
m
t
o
d
o
u
p
w
i
n
d
p
a
r
a
m
e
t
r
i
z
a
o
P
a
r
s
e
c
.
F
i
g
u
r
a
A
.
5
4
:
M
a
t
r
i
z
d
e
g
r
c
o
s
d
e
d
i
s
p
e
r
s
o
p
a
r
a
o
s
c
o
e
c
i
e
n
t
e
s
a
e
r
o
d
i
n
m
i
c
o
s
d
a
f
r
e
n
t
e
d
e
P
a
r
e
t
o
u
t
i
l
i
z
a
n
d
o
m
t
o
d
o
u
p
w
i
n
d
p
a
r
a
m
e
t
r
i
z
a
o
P
a
r
s
e
c
.
F
i
g
u
r
a
A
.
5
5
:
M
a
t
r
i
z
d
e
g
r
c
o
s
d
e
d
i
s
p
e
r
s
o
p
a
r
a
o
s
c
o
e
c
i
e
n
t
e
s
a
e
r
o
d
i
n
m
i
c
o
s
v
e
r
s
u
s
p
a
r
m
e
t
r
o
s
g
e
o
m
t
r
i
c
o
s
d
a
f
r
e
n
t
e
d
e
P
a
r
e
t
o
u
t
i
l
i
z
a
n
d
o
m
t
o
d
o
u
p
w
i
n
d
p
a
r
a
m
e
t
r
i
z
a
o
P
a
r
s
e
c
.
Referncias Bibliogrcas
VAN ALBADA, G.; VAN LEER, B.; ROBERTS, W. Acomparative study of computational methods
in cosmic gas dynamics. astronomy and astrophysics. Astronomy and Astrophysics, v. 108, p. 76
84, 1982.
ANDERSON, J. A survey of multiobjective optimization in engineering design. Relatrio Tc-
nico LiTH-IKP-R-1097, Department of Mechanical Engineering, Linkping University, 581 83
Linkiping, Sweden, 2000.
ANDERSON, J. D. Computational uid dynamics. McGraw-Hill International Editions, 1995.
ANDERSON, J. D. A history of aerodynamics and its impact on aying machines. Cambridge
University Press, 1999.
ANG, K. H.; LI, Y. Multi-objective benchmark studies for evolutionary computation. Genetic
and Evolutionary Computation Conference. Workshop Program, p. 393396, 2001.
AZEVEDO, J. L. F.; KORZENOWSK, H.; DA SILVA, L. F. F. On the development of unstructured
grid nite volume solvers for high speed ows. Journal of the Brazilian Society of Mechanical
Sciences, 1992.
BAECK, T.; FOGEL, D.; Z., M. Advanced algorithms and operators. Bristol, UK, UK: IOP
Publishing Ltd., 1999.
BARTH, T.; JESPERSEN, D. The design and application of upwind schemes on unstructured
meshes. In: Proc. AIAA 27th Aerospace Sciences Meeting, Reno, 1989.
BEAM, R. M.; WARMING, R. F. An implicit nite-difference algorithm for hyperbolic systems
in conservation law form. Journal of Computation Physics, v. 22, p. 87109, 1976.
BEAM, R. M.; WARMING, R. F. An implicit factored scheme for the compressible navier-stokes
equations. AIAA Journal, v. 16, p. 393402, 1978.
155
156 REFERNCIAS BIBLIOGRFICAS
BIGARELLA, E. D. V. Advanced turbulence modelling for complex aerospace application. Tese
de Doutoramento, Instituto Tecnolgico de Aeronutica, Sio Jos dos Campos, Brazil, 2007.
BORIS, J. P.; BOOK, D. L. Flux-corrected transport i: Shasta, a uid-transport algorithm that
works. Journal of Computation Physics, v. 11, p. 3869, 1973.
BORIS, J. P.; BOOK, D. L. Flux-corrected transport iii: Minimal error fct methods. Journal of
Computation Physics, v. 23, p. 276299, 1976.
BORIS, J. P.; BOOK, D. L.; HAIN, K. H. Flux-corrected transport ii: Generatization of the
method. Journal of Computation Physics, v. 18, p. 248283, 1974.
BRILEY, W. R.; MCDONALD, H. Solution of the three-dimensional navier-stokes equations by
an implicit technique. In: Proceedings of the Fourth International Conference on Numerical
Methods in Fluid Dynamics, Springer Berlin / Heidelberg, 1975, p. 105110.
CAO, H. V.; BLOM, G. A. Navier-stokes/genetic optimization of multi-element airfoils. AIAA,
, n. 96-2487, 1996.
COELLO, C. A. C.; VAN VELDHUIZEN, D. A.; B., L. G. Evolutionary algorithms for solving
multi-objective problem. Kluwer Academis Publishers, 576 p., 2002.
COURANT, R.; ISAACSON, E.; REES, M. On the solution of non-linear hyperbolic differential
equations by nite differences. Communication in Pure Applied Mathematic, p. 243255, 1952.
DEB, K. Multi-objective optimization using evolutionaty algorithms. John Wiley & Sons, 2004.
DEB, K.; AGRAWAL, S.; PRATAB, A.; MEYARIVAN, T. A fastelitist non-dominated sorting
genetic algorithmfor multi-objective optimization: Nsga ii. Relatrio Tcnico, 2000a.
DEB, K.; AGRAWAL, S.; PRATAP, A.; MEYARIVAN, T. A fast elitist non-dominated sorting
genetic algorithm for multi-objective optimization: Nsga-ii. Springer, 2000b, p. 849858.
DEB, K.; GOLDBERG, D. E. An investigation of niche and species formation in genetic function
optimization. 1989, p. 116.
DEB, K.; JAIN, S. Running performance metrics for evolutionary multi-objective optimization.
Relatrio Tcnico, 2002.
DEB, K.; PRATAP, A.; AGARWAL, S.; MEYARIVAN, T. A fast and elitist multiobjective genetic
algorithm: Nsga-ii. IEEE Transactions on Evolutionary Computation, v. 6, p. 182197, 2002.
DRELA, M.; GILES, M. B. Ises: A two-dimensional viscous aerodynamic design code. AIAA,
, n. 87-0424, 1987.
REFERNCIAS BIBLIOGRFICAS 157
DUDA, R. O.; HART, P. E.; STORK, D. G. Pattern classication. Wiley-Interscience Publica-
tion, 2000.
FLETCHER, C. A. J. Computational techniques for uid dynamics 2: Specic techniques for
different ow categories. Springer-Verlag, 484 p., 1987.
FONSECA, C. M.; FLEMING, P. J. Genetic algorithms for multiobjective optimization: Formu-
lation, discution and generalization. 1993, p. 416423.
FROMM, J. E. A method for reducing dispersion in convective difference schemes. Journal of
Computation Physics, v. 3, p. 176189, 1968.
GEN, M.; CHENG, R. Genetic algorithm and engineering design. New York: Wiley-IEEE,
1997.
GODUNOV, S. A nite difference method for the numerical computation and discontinuous solu-
tions of the equations of uid dynamics. Mat. Sb., v. 47, p. 271306, 1959.
GOLDBERG, D. E. Genetic algorithms for search, optimization and machine learning. Boston,
MA, USA: Addison-Wesley Longman Publishing Co., Inc., 1989.
HARTEN, A. On a class of high resolution total variation stable nite differences schemes. Jour-
nal of numerical analisis, v. 21, p. 123, 1984.
HINTERDING, R. Representation, mutation and crossover issues in evolutionary computation.
In: Proc. of the 2000 Congress on Evolutionary Computation, Piscataway, NJ: IEEE Service
Center, 2000, p. 916923.
HIRSCH, C. Numerical computation of internal and external ows volume 1: Fundamentals of
numerical discretization. Chichester: John Wiley & Sons, 1991a.
HIRSCH, C. Numerical computation of internal and external ows volume 2: Computational
methods for inviscid and viscous ows. Chichester: John Wiley & Sons, 1991b.
HOLLAND, J. H. Adaptation in natural and articial systems by john h. holland. The University
of Michigan Press, , n. 53, p. 1515, 1975.
HOLST, T. L. Genetic algorithms applied to multi-objective aerospace shape optimisation. AIAA,
, n. 2004-6512, 2004.
INSELBERG, A.; DIMSDALE, B. Parallel coordinates for vizualizing multi-dimensional geome-
try. in Computer Graphies 1987 - Proceedings of CG international 87, p. 2544, 1987.
INSELBERG, A.; DIMSDALE, B. Parallel coordinates: a tool for visualizing multidimensional
geometry. Proceedings of Visualization 90, p. 361378, 1990.
JAMESON, A. Iterative solution of transonic ows over airfoils and wings, including ows at
mach 1. Comm. Pure. Appl. Math., 1974.
JAMESON, A. Remarks on the calculation of transonic potential ow by nite volume method.
1978.
JAMESON, A. Acceleration of transonic potential ow calculations on arbitrary meshes by the
multiple grid method. AIAA, 1979.
JAMESON, A.; CAUGHEY, D. A. Anite volume methos for transonic potential owcalcultation.
AIAA, 1977.
JAMESON, A.; CHIPMAN, R. Fully conservative numerical solutions for unsteady irrotational
transonic ow about airfoils. 1979.
JAMESON, A.; SCHIMIDT, W.; TURKEL, E. Numerical simulation of the euler equations by
nite volume methods using runge-kutta time stepping schemes. AIAA Journal, , n. 81-1259,
1981.
LAX, P. D.; WENDROFF, B. System of conservation laws. Communications of Pure applied
mathematic, p. 217237, 1960.
VAN LEER, B. Towards the ultimate conservative difference scheme iv: A new approach to
numerical convection. Journal of Computation Phisics, v. 23, p. 276299, 1977.
VAN LEER, B. Towards the ultimate conservative difference scheme v: A second-order sequel to
godunovs method. Journal of Computation Phisics, v. 32, p. 101136, 1979.
VAN LEER, B. Upwind and high-resolution methods for compressible ow: From donor cell to
residual distribution schemes. Communication in Computational Physics, p. 192206, 2006.
VAN LEER, B.; THOMAS, L.; ROE, P. L. A comparison of numerical ux formulas for the euler
and navier-stokes equations. Paper AIAA-87-1104-CP, 1987.
MAIR, W. A.; BIRDSALL, D. L. Aircraft performance. Cambridge: Cambridge University
Press, 1998.
MARLER, R.; ARORA, J. Survey of multi-objective optimization methods for engineering.
Structural and Multidisciplinary Optimization, v. Volume 26, Number 6, p. 369395, 2004.
MICHALEWICZ, Z. Genetic algorithm + data structure = evolution programs. Springer, 1992.
MILNE-THOMSON, L. M. Theoretical aerodynamics. Toronto, Ontario, Canada: General Pu-
blishing Company, 1958.
MITCHELL, M. . MIT-Press, 1996.
NEMEC, M.; PULLIAN, T. H.; ZINGG, D. Multipoint and multi-objective aerodynamic shape
optimization. AIAA Journal, v. 42, p. 10571065, 2002.
NIELSON, G. M.; HAGEN, H.; M
1
4
LLER, H. . IEEE-Press, 1997.
OBAYASHI, S. Genetic algorithm for aerodynamic inverse optimization. Genetic Algorithm in
Engeneering Systems: Innovations and Applications, , n. 414, 1995.
OBAYASHI, S.; OYAMA, A. Three-dimensional aerodynamic optimization with genetic algo-
rithms. Proceedings of the Third ECCOMAS Computational Fluid Dynamics Conference,
p. 420424, 1996.
OBAYASHI, S.; SASAKI, D. Multiobjective aerodynamic design and vizualization of supersonic
wing by using adaptative range multiobjective genetic algorithms. v. 1, 2004.
OSHER, S.; SOLOMON, F. Upwind difference scheme for hyperbolic systems of conservation
laws. Mathematic of computation, v. 38, n. 158, p. 339374, 1982.
OYAMA, A.; OBAYASHI, S.; NAKAHASHI, K.; HIROSE, N. Aerodynamic wing optimisation
via evolutionary algorithms based on structured coding. CFD Journal, 2000a.
OYAMA, A.; OBAYASHI, S.; NAKAHASHI, K.; HIROSE, N. Aerodynamic wing optimization
via evolutionary algorithms based on structures coding. CFD Journal, 2000b.
OYAMA, A.; OBAYASHI, S.; NAKAHASHI, K.; NAKAMURA, T. Euler/navier-stokes optimiza-
tion of supersonic wing design based on evolutionary algorithm. AIAA Journal, v. 37, n. 10,
p. 13271329, 1999.
OYAMA, A.; OBAYASHI, S.; NAKAHASHI, K.; NAKAMURA, T. Aerodynamic optimization of
transonic wing design based on evolutionary algorithm. ICNPAA, 2000c.
OYAMA, A.; OBAYASHI, S.; NAKAMURA, T. Real-coded adaptive range genetic algorithm
applied to transonic wing optimization. Applied Soft Computing Journal, v. 3, n. 1, p. 179187,
2001.
PAPADIMITRIOU, C. Computational complexity. Reading, Massachusetts: Addison-Wesley,
1994.
QUAGLIARELLA, D.; CIOPPA, A. D. Genetic algorithms applied to the aerodynamic design of
transonic airfoils. AIAA, , n. 94-1896-CP, 1994.
RAY, T.; TSAI, H. M. Genetic algorithm for aerodynamic inverse optimization. AIAA Journal,
v. 42, n. 2, 2004.
ROE, P. L. Approximate riemman solver, parameter vectors. Journal of Computational Physics,
, n. 43, p. 357372, 1981.
ROE, P. L. Characteristic-based scheme for the euler equations. Annual Reviews of Fluid Me-
chanics, , n. 18, p. 337365, 1986.
ROE, P. L.; PIKE, J. Efcient construction and utilisation of approximate riemann solutions. In:
Proc. of the sixth intl. symposium on Computing methods in applied sciences and engineering,
VI, Amsterdam, The Netherlands, The Netherlands: North-Holland Publishing Co., 1985, p.
499518.
ROSKAN, D. J.; LAN, D. C.-T. E. Airplane aerodynamics and performance. Kansas, USA:
Design, Analysis and Researsh Corporation, 1997.
SCHLICHTING, H. Boundary-layer theory. McGraw-Hill Book Company, 1955.
SCHOTT, J. R. Multidisciplinary optimization of a transport aircraft wing using particle swarm
optimization. Tese de Doutoramento, Department of Aeronautics and Astronautics, MIT, Cam-
bridge, MA, 1995.
SLATER, J. W. Rae 2822 transonic airfoil. Http://www.grc.nasa.gov/WWW/wind/valid/
raetaf/raetaf04/raetaf04.html, 2002.
SOBIECZKY, H. Parametric airfoils and wings. Numerical Fluid Mechanics, v. 1, p. 7188,
1998.
SONG, W.; KEANE, A.; ERES, H.; POUND, G.; COX, S. Two dimensional airfoil optimisation
using cfd in a grid computing environment. Euro-Par, 2003.
SONG, W.; KEANE, A. J. A study of shape parameterisation methods for airfoil optimisation.
AIAA-2004-4482 10th AIAA/ISSMO, 2004a.
SONG, W.; KEANE, A. J. A study of shape parametrisation methods for airfoil optimisation.
AIAA Paper, , n. 2004-4482, 2004b.
TERRY, E. L. N. Extension of the aerodynamic design program mses for the simulation of boun-
dary layer suction. Dissertao de Mestrado, Delf University of Technology, 2004.
THIBERT, J. J.; OHMAN, L. H. Naca 0012 airfoil,"experimental data base for computer program
assessment. Relatrio Tcnico AGARD AR-138, 1979.
THOMPSON, J. F.; WARSI, Z. U. Z.; MASTIN, C. W. Numerical grid generation. Elsevier
Science Publishing Co., 1985.
TORO, E. F. Riemann solvers and numerical methods for uid dynamics - A practical introduction
- 2nd edition. Berlin: Springer, 1999.
TUVAL, A. I. C.; REIF, M. Convexity algorithms in parallel coodinates. Journal of the ACM, ,
n. 34, p. 765801, 1987.
VELDHUIZEN, D. A. V.; LAMONT, G. B. Evolutionary computation and convergence to a pareto
front. In: Stanford University, California, Morgan Kaufmann, 1998, p. 221228.
VELDHUIZEN, D. A. V.; LAMONT, G. B. On measuring multiobjective evolutionary algorithm
performance. In: In 2000 Congress on Evolutionary Computation, press, 2000, p. 204211.
VENTER, G.; SOBIESZCZANSKI-SOBIESKI, J. Multidisciplinary optimization of a transport
aircraft wing using particle swarm optimization. AIAA/ISSMO, 2002.
WESSELING, P. On the construction of accurate difference scheme for hyperbolic partial diffe-
rential equations. J. Eng. Math, v. 7, p. 1931, 1973.
WHITCOMB, R. T. Review of nasa supercrtical airfoils. In: nineth ICAS, 1974.
YAMAMOTO, K.; INOUE Application of genetic algorithm to aerodynamic shape optimization.
AIAA Paper, , n. 95-1650-CP, p. 4351, 1995.
ZITZLER, E.; THIELE, L. An avolutionary algorithms for multiobjective optimization: The
strength pareto approch. Relatrio Tcnico, Zurich, Switzerland, 1998a.
ZITZLER, E.; THIELE, L. Multiobjective optimization using evolutionary algorithms: A compa-
rative case study. Springer, 1998b, p. 292301.
ZITZLER, E.; THIELE, L. Multiobjective evolutionary algorithms: A comparative case study and
the strength pareto approach. 1999.

Disser Ta Cao

Uploaded by

Document Information

Copyright

Available Formats

Share this document

Share or Embed Document

Sharing Options

Did you find this document useful?

Is this content inappropriate?

Copyright:

Available Formats

Disser Ta Cao

Uploaded by

Copyright:

Available Formats

Otimizao de desempenho de aeroflios

supercrticos: uma abordagem baseada em

Matriz jacobiana de autovalores positivos e nagativos respectivamente

d Versor direo da fora aerodinmica

fa Fora aerodinmica adimensional

K Matriz de autovetor da matriz de Roe

Nmero de Mach do escoamento livre

Presso esttica do escoamento livre

Presso dinmica do escoamento livre

t Vetor de direo tangente face do volume

Velocidade do escoamento livre

Vetor de variveis de projeto para soluo no dominada

Auto valor da matriz de Roe

matriz de autovalores positivos e negativos respectivamente

a presso dinmica do escoamento livre. Separando nas componentes longitudinal e

a derivada da EDO. Logo para o mtodo de Jameson, g

, apresentada nas Equaes (3.27) e (3.28),

onde e denido pela Equao (3.1).

/den, if den < 0;

e den so denidor por:

constante ao longo de uma caracterstica que se propaga para o interior do

. Com o valor de F, pode-se calcular as componentes das perturbaes da

You might also like