Benutzer: Gast  Login
Originaltitel:
Nonlinear Aerodynamic Reduced-Order Modeling Using Neuro-Fuzzy Approaches
Übersetzter Titel:
Nichtlineare aerodynamische Modellbildung reduzierter Ordnung basierend auf Neuro-Fuzzy-Methoden
Autor:
Winter, Maximilian
Jahr:
2021
Dokumenttyp:
Dissertation
Fakultät/School:
Fakultät für Luftfahrt, Raumfahrt und Geodäsie
Betreuer:
Breitsamter, Christian W. M. (Prof. Dr.)
Gutachter:
Breitsamter, Christian W. M. (Prof. Dr.); Görtz, Stefan (Prof. Dr.)
Sprache:
en
Fachgebiet:
MTA Technische Mechanik, Technische Thermodynamik, Technische Akustik; VER Technik der Verkehrsmittel
Stichworte:
Unsteady aerodynamics, Reduced-Order Modeling, Aeroelasticity, Neural Networks, Neuro-Fuzzy Models, System identification, Nonlinear dynamics, CFD, Data science, Machine learning
Übersetzte Stichworte:
Instationäre Aerodynamik, Modelle reduzierter Ordnung, Aeroelastik, Neuronale Netzwerke, Neuro-Fuzzy Modelle, Systemidentifikation, Nichtlineare Dynamik, CFD, Datenwissenschaften, Maschinelles Lernen
TU-Systematik:
MTA 300d; VER 505d
Kurzfassung:
Subject of the present work is the development of nonlinear model-order reduction methods based on recurrent neuro-fuzzy approaches to efficiently predict motion-induced unsteady aerodynamic loads. The time-domain models reproduce the essential dynamics of the underlying CFD system and are capable of modeling the flight behavior across varying freestream conditions, pronounced shock motions, and structural vibrations. Hence, a significant efficiency enhancement is achieved for multidisciplinary...     »
Übersetzte Kurzfassung:
In der vorliegenden Arbeit werden nichtlineare Modellreduktionsverfahren basierend auf Neuro-Fuzzy-Ansätzen entwickelt, um bewegungsinduzierte instationäre aerodynamische Lasten effizient vorherzusagen. Die Zeitbereichsmodelle reproduzieren die wesentliche Dynamik des zugrundeliegenden CFD-Systems und sind in der Lage, das Flugverhalten bei unterschiedlichen Anströmbedingungen, ausgeprägten Stoßwanderungen und Strukturschwingungen zu modellieren. Dadurch wird eine erhebliche Effizienzsteigerung...     »
WWW:
https://mediatum.ub.tum.de/?id=1547550
Eingereicht am:
06.07.2020
Mündliche Prüfung:
25.02.2021
Dateigröße:
26161538 bytes
Seiten:
244
Urn (Zitierfähige URL):
https://nbn-resolving.de/urn/resolver.pl?urn:nbn:de:bvb:91-diss-20210225-1547550-1-7
Letzte Änderung:
06.04.2021
 BibTeX