A Versatile Framework for Uncertainty Quantification in the Design and Optimization of Energy-Efficient Aircraft
In the coming decades, the aviation sector must undergo significant transformations to meet the ambitious targets for CO₂, NOx, and noise emission reduction. Therefore, major research efforts are being undertaken to develop future, revolutionary aircraft that will satisfy environmental requirements, can be operated economically, and will meet the needs of a growing market. Such revolutionary aircraft models will require a complete redesign of current aircraft. These designs leverage novel technologies to reduce structural weight, increase propulsion efficiency, or enable sustainable energy supply systems. A major challenge in the development process of such systems is the sparse database and the lack of knowledge about future technology developments. Simulation models are commonly used to assess the potential and performance of novel systems in an early design stage. However, especially in early design phases, there are large uncertainties in model parameters or in the model form itself, and thus dedicated techniques are required to obtain reliable and robust model predictions. To address these challenges, this thesis develops state-of-the-art uncertainty quantification (UQ) techniques for simulation models of future sustainable and energy-efficient aircraft technologies. Incorporating UQ techniques into the design process enables better model understanding and can guide future research efforts. This thesis presents four studies at the intersection of UQ and aircraft technology applications: First, the mission range of a hybrid-electric aircraft is investigated in the presence of uncertain energy system parameters. Conservative range estimates are predicted for different CO₂ reduction targets using probability bounds analysis. Second, the potential of boundary-layer ingesting engines is analyzed based on a parallel compressor model. A global sensitivity analysis reveals the primary sources of uncertainty, and both variance-based as well as moment-independent studies, yield consistent results. Third, in the field of feedforward gust load alleviation, a novel Bayesian approach for wind field reconstruction is proposed. The reconstruction problem is formulated as a Bayesian inverse problem and automated hyperparameter learning is leveraged to recover the important frequency content of the wind field. Finally, shape-adaptive compressor blades are optimized by determining the optimal position and orientation of piezoelectric actuators. In this context, a robust optimization problem is solved and a novel mono-level approach for surrogate-based robust optimization is introduced. For each application, the UQ studies provide valuable insights into the model behavior and enable engineers to further improve the systems and better predict their potential. This thesis helps bridging the gap between available UQ methods and engineering applications, paving the way for these new technologies to be incorporated into future aircraft.
Der Luftfahrtsektor steht in den kommenden Jahrzehnten vor unausweichlichen Veränderungen, um die ehrgeizigen Ziele zur Verringerung von CO₂, NOx- und Lärmemissionen zu erreichen. Daher werden große Forschungsanstrengungen unternommen, um neuartige, revolutionäre Flugzeuge zu entwickeln, die sowohl die Umweltanforderungen erfüllen als auch wettbewerbsfähig sind und einem wachsenden Markt gerecht werden. Eine große Herausforderung im Entwicklungsprozess solcher neuartigen Systeme ist die spärliche Datenbasis und das fehlende Wissen über zukünftige technologische Entwicklungen. Simulationsmodelle bieten die Möglichkeit das Potenzial und die Leistung neuartiger Systeme in einer frühen Entwicklungsphase zu bewerten. Unsicherheiten in den Modellparametern oder in der Modellstruktur selbst erfordern jedoch spezielle Techniken, um zuverlässige und robuste Vorhersagen zu treffen. Um diese Herausforderungen zu bewältigen, werden in dieser Arbeit Techniken zur Unsicherheitsquantifizierung (UQ) entwickelt, um im frühen Entwurfsprozess ein besseres Verständnis der Modelle zu erlangen. Die Quantifizierung von Unsicherheiten ermöglicht außerdem, die Richtung künftiger Forschungsvorhaben aufzuzeigen. Diese Arbeit beinhaltet vier Studien an der Schnittstelle zwischen UQ und Anwendungen in der Luftfahrt: Die erste Studie untersucht die Reichweite eines hybrid-elektrischen Flugzeugs unter Berücksichtigung unsicherer Energiesystemparameter. Hierbei werden konservative Reichweitenschätzungen für verschiedene CO₂ Reduktionsziele bestimmt. Die zweite Studie untersucht das Potenzial von grenzschichteinsaugenden Flugantrieben auf Grundlage eines parallelen Verdichtermodells. Eine globale Sensitivitätsanalyse identifiziert die treibenden Faktoren der Unsicherheit und sowohl varianzbasierte als auch momentenunabhängige Methoden liefern konsistente Ergebnisse. In einer dritten Studie wird ein Algorithmus zur Rekonstruktion des Windfeldes im Bereich der Böenlastminderung verbessert. Das Rekonstruktionsproblem wird als Bayes'sches inverses Problem formuliert und Regularisierungsparameter werden automatisch bestimmt. Die letzte Studie befasst sich mit formadaptiven Verdichterschaufeln und bestimmt die optimale Position und Ausrichtung von piezoelektrischen Aktuatoren. In diesem Zusammenhang wird ein robustes Optimierungsproblem gelöst und ein neuartiger einstufiger Ansatz für eine surrogat-basierte robuste Optimierung eingeführt. Für jede Anwendung liefern die UQ-Studien wertvolle Einblicke in das Modellverhalten und ermöglichen es den Ingenieuren, die Systeme weiter zu optimieren und ihr Potenzial besser einzuschätzen. Diese Arbeit trägt dazu bei, die Lücke zwischen verfügbaren UQ-Methoden und technischen Anwendungen zu schließen und ebnet den Weg für den Einsatz dieser neuen Technologien in zukünftigen Flugzeugen.
Preview
Rights
Use and reproduction:
Access Statistic
