Luodin massajakauman optimointi

Samankaltaiset tiedostot
Rajoitetun kantaman ja pitkän kantaman luotien kehitys ja stabiliteettitarkastelut (RaKa-Stab vaihe 2, )

Seurantalaskimen simulointi- ja suorituskykymallien vertailu (valmiin työn esittely) Joona Karjalainen

Joonas Haapala Ohjaaja: DI Heikki Puustinen Valvoja: Prof. Kai Virtanen

Lentotiedustelutietoon perustuva tykistön tulenkäytön optimointi (valmiin työn esittely)

Monte Carlo -menetelmä optioiden hinnoittelussa (valmiin työn esittely)

Trimmitysongelman LP-relaksaation ratkaiseminen sarakkeita generoivalla algoritmilla ja brute-force-menetelmällä

Simulointimalli mellakkapoliisin resurssien kohdentamiseen (valmiin työn esittely)

Tuotantoprosessin optimaalinen aikataulutus (valmiin työn esittely)

Optimaaliset riskinalentamisportfoliot vikapuuanalyysissä (valmiin työn esittely)

TIEA382 Lineaarinen ja diskreetti optimointi

TIIVISTELMÄRAPORTTI (SUMMARY REPORT)

Verkko-optimointiin perustuva torjuntatasan laskenta mellakkapoliisin resurssien kohdentamisessa (valmiin työn esittely) Paavo Kivistö

Epälineaarinen hinnoittelu: Diskreetin ja jatkuvan mallin vertailu

6. Luennon sisältö. Lineaarisen optimoinnin duaaliteoriaa

Lineaaristen monitavoiteoptimointitehtävien

Stokastinen optimointi taktisessa toimitusketjujen riskienhallinnassa (valmiin työn esittely)

Suojarakenteiden vaikutus maalin selviytymiseen epäsuoran tulen tai täsmäaseen iskussa

Optimization of Duties in Railway Traffic (valmiin työn esittely)

SMG-4500 Tuulivoima. Kolmannen luennon aihepiirit TUULEN TEHO

Kaksintaistelun approksimatiivinen mallintaminen (valmiin työn esittely)

Havainnoi mielikuviasi ja selitä, Panosta ajatteluun, selvitä liikkeen salat!

Harjoitus 4: Matlab - Optimization Toolbox

Tarkastellaan tilannetta, jossa kappale B on levossa ennen törmäystä: v B1x = 0:

Luento 1: Optimointimallin muodostaminen; optimointitehtävien luokittelu

Lineaaristen monitavoiteoptimointitehtävien ratkaiseminen Bensonin algoritmilla

1. Lineaarinen optimointi

Luento 1: Optimointimallin muodostaminen; optimointitehtävien luokittelu

Cubature Integration Methods in Non-Linear Kalman Filtering and Smoothing (valmiin työn esittely)

Talousmatematiikan perusteet: Luento 15. Rajoitettu optimointi Lagrangen menetelmä Lagrangen kerroin ja varjohinta

Search space traversal using metaheuristics

Jakso 1: Pyörimisliikkeen kinematiikkaa, hitausmomentti

Sovellutuksia Pinta-alan ja tilavuuden laskeminen Keskiö ja hitausmomentti

a) Piirrä hahmotelma varjostimelle muodostuvan diffraktiokuvion maksimeista 1, 2 ja 3.

Harjoitustyö 3. Heiluri-vaunusysteemin parametrien estimointi

PAINOPISTE JA MASSAKESKIPISTE

MS-A0205/MS-A0206 Differentiaali- ja integraalilaskenta 2 Luento 11: Taso- ja tilavuusintegraalien sovellutuksia

JYVÄSKYLÄN YLIOPISTO. 3. Luennon sisältö

on hidastuvaa. Hidastuvuus eli negatiivinen kiihtyvyys saadaan laskevan suoran kulmakertoimesta, joka on siis

Luvun 8 laskuesimerkit

Implementation of Selected Metaheuristics to the Travelling Salesman Problem (valmiin työn esittely)

Harjoitus 8: Excel - Optimointi

Kirjallisuuskatsaus sisäpistemenetelmiin ja niiden soveltamiseen eri optimointiluokille (valmiin työn esittely)

Vesivoimaketjun optimointi mehiläisalgoritmilla (Valmiin työn esittely)

Onko elinkaariajattelu unohdettu kaupunki- ja kiinteistökehityksessä?

MS-A0204 Differentiaali- ja integraalilaskenta 2 (ELEC2) Luento 6: Ääriarvojen luokittelu. Lagrangen kertojat.

Optimaalinen lento riippuliitimellä

TIES592 Monitavoiteoptimointi ja teollisten prosessien hallinta. Yliassistentti Jussi Hakanen syksy 2010

Lineaaristen monitavoiteoptimointitehtävien ratkaiseminen Bensonin algoritmilla

TEKNILLINEN KORKEAKOULU Systeemianalyysin laboratorio. Kimmo Berg. Mat Optimointioppi. 9. harjoitus - ratkaisut

Mekaniikan jatkokurssi Fys102

1 Di erentiaaliyhtälöt

Päätösanalyysi Teknologföreningenin kiinteistöuudistuksen tukena (valmiin työn esittely)

Voiman ja liikemäärän yhteys: Tämä pätee kun voima F on vakio hetken

KJR-C1001 Statiikka ja dynamiikka. Luento Susanna Hurme

Puhelintukiasema-antennin säteilykuvion mittaus multikopterilla (Valmiin työn esittely)

Mekaniikan jatkokurssi Fys102

Minimilatenssiongelman ratkaisualgoritmeja (valmiin työn esittely)

Kasvuyrityksen tuotekehitysportfolion optimointi (valmiin työn esittely)

Vangin dilemma häiriöisessä ympäristössä Markov-prosessina (valmiin työn esittely) Lasse Lindqvist

Simulation model to compare opportunistic maintenance policies

Talousmatematiikan perusteet: Luento 12. Lineaarinen optimointitehtävä Graafinen ratkaisu Ratkaisu Excel Solverilla

Informaation leviäminen väkijoukossa matemaattinen mallinnus

3.4 Liike-energiasta ja potentiaalienergiasta

Nyt kerrataan! Lukion FYS5-kurssi

Simulation and modeling for quality and reliability (valmiin työn esittely) Aleksi Seppänen

TIES592 Monitavoiteoptimointi ja teollisten prosessien hallinta. Yliassistentti Jussi Hakanen syksy 2010

Jos siis ohjausrajoitusta ei olisi, olisi ratkaisu triviaalisti x(s) = y(s). Hamiltonin funktio on. p(0) = p(s) = 0.

Työvuorosuunnittelun optimointi (valmiin työn esittely)

Mat Työ 1: Optimaalinen lento riippuliitimellä

TKK, TTY, LTY, OY, ÅA, TY ja VY insinööriosastojen valintakuulustelujen fysiikan koe , malliratkaisut ja arvostelu.

Yleistä. Aalto-yliopisto Perustieteiden korkeakoulu Matematiikan ja systeemianalyysin laitos

Differentiaali- ja integraalilaskenta

3. kierros. 2. Lähipäivä

Menetelmä Markowitzin mallin parametrien estimointiin (valmiin työn esittely)

x = ( θ θ ia y = ( ) x.

Malliratkaisut Demot

Kimppu-suodatus-menetelmä

TTY Porin laitoksen optimointipalvelut yrityksille

MS-C2105 Optimoinnin perusteet Malliratkaisut 4

BIOMEKANIIKKAA VALMENNUKSEEN

Harjoitus 6: Simulink - Säätöteoria. Syksy Mat Sovelletun matematiikan tietokonetyöt 1

on radan suuntaiseen komponentti eli tangenttikomponentti ja on radan kaarevuuskeskipisteeseen osoittavaan komponentti. (ks. kuva 1).

Jälki- ja herkkyysanalyysi. Tutkitaan eri kertoimien ja vakioiden arvoissa tapahtuvien muutosten vaikutusta optimiratkaisuun

Mat Dynaaminen optimointi, mallivastaukset, kierros 5

Matemaattinen optimointi I -kurssin johdantoluento Prof. Marko M. Mäkelä Turun yliopisto Matematiikan ja tilastotieteen laitos

Parempaa äänenvaimennusta simuloinnilla ja optimoinnilla

DYNAMIIKKA II, LUENTO 5 (SYKSY 2015) Arttu Polojärvi

KESTOMAGNEETTI VAASAN YLIOPISTO TEKNILLINEN TIEDEKUNTA SÄHKÖTEKNIIKKA. Jani Vitikka p87434 Hannu Tiitinen p Dynaaminen kenttäteoria SATE2010

MS-A0202 Differentiaali- ja integraalilaskenta 2 (SCI) Luento 10: Moninkertaisten integraalien sovelluksia

Matti A Ranta Rakenteiden Mekaniikka, Vol. 40 Ulf Holmlund Nro 3, 2007, s. 7-14

Demo 1: Simplex-menetelmä

SÄÄTÖJÄRJESTELMIEN SUUNNITTELU

Luento 6: Monitavoitteinen optimointi

Diplomi-insinöörien ja arkkitehtien yhteisvalinta - dia-valinta 2013 Insinöörivalinnan fysiikan koe , malliratkaisut

Malliratkaisut Demo 1

Ellipsoidimenetelmä. Samuli Leppänen Kokonaislukuoptimointi. S ysteemianalyysin Laboratorio

SMG-4500 Tuulivoima. Neljännen luennon aihepiirit. Tuulivoimalan rakenne. Tuuliturbiinin toiminta TUULIVOIMALAN RAKENNE

Laajuuden merkityksestä kiekonheiton loppukierrossa

Mekaniikan jatkokurssi Fys102

Fysiikan lisäkurssin tehtävät (kurssiin I liittyvät, syksy 2013, Kaukonen)

Transkriptio:

Luodin massajakauman optimointi Janne Lahti 01.09.2017 Ohjaaja: DI Mikko Harju Valvoja: Prof. Kai Virtanen Työn saa tallentaa ja julkistaa Aalto-yliopiston avoimilla verkkosivuilla. Muilta osin kaikki oikeudet pidätetään.

Tausta 1/2 Luodin pyöriminen lennon aikana pitää sen stabiilina Luodin stabiilius pidentää kantamaa ja vakauttaa lentorataa Nopeus ja pyörimisnopeus hidastuvat lennon aikana vaikuttavat stabiilisuuteen ja siten myös lentorataan Stabiilisuusparametrit aerodynaamisista malleista Aerodynaamisen analyysin tehnyt aerodynamiikkaasiantuntija TkT Timo Sailaranta

Tausta 2/2 Gyroskooppinen ja dynaaminen stabiilisuus (S g ja S d ) Lennon edetessä luoti poistuu stabiililta alueelta Annetut Lähtönopeus Pyörimisnopeus Koko ja muoto Massajakauma

Luodin massajakauma Vaikuttaa luodin massakeskipisteeseen ja hitausmomentteihin siten myös aerodynaamisiin parametreihin ja sitä kautta stabiilisuuteen ja lentorataan Symmetrinen pyörimisakselin suhteen Mallinnetaan jakamalla luoti satoihin pieniin ruutuihin, joilla jokaisella oma massatiheys

Luotimalli

Työn tavoite Määrittää optimaalinen massajakauma kahdelle luotityypille Pitkän kantaman luodin pysyttävä mahdollisimman pitkään stabiilina Harjoitusluodin muututtava halutulla/sopivalla hetkellä epästabiiliksi, jotta se ei lennä liian pitkälle Standardikokoiset ja muotoiset luodit ja lähtönopeudet, ovat tässä työssä vakioita

Optimointitehtävät 1/2 Molemmille luotityypeille oma epälineaarinen optimointitehtävä Päätösmuuttujina molemmissa kunkin ruudun massatiheys Tiheydet rajoitettu vastaamaan realistisia materiaaleja Pitkän kantaman luoti Päätösmuuttujana lisäksi nopeus, jolla luoti poistuu stabiililta alueelta Minimoitavana tämä nopeus Rajoitteina luodin kokonaismassa sekä stabiilisuudet alku- ja kohdenopeuksilla

Optimointitehtävät 2/2 Harjoitusluoti Maksimoidaan etäisyyttä stabiilista alueesta pienentyneellä nopeudella (v = 600 m/s) Rajoitteina luodin kokonaismassa sekä stabiilisuus alkuhetkellä Molempiin ongelmiin ratkaisuja myös erilaisilla alkuarvoilla (nopeudet) ja muokatuilla rajoitteilla (kokonaismassa, riittävä tuki kuorelle) Luoti mallinnetaan ja optimointitehtävät ratkaistaan MATLABin optimointifunktioilla

Pitkän kantaman luodin optimaalinen massajakauma Koko ja alkunopeudet vastaavat tarkkuuskiväärin luotia Massa keskittynyt optimiratkaisuissa luodin perälle Jakauma pysyy samana myös eri nopeuksilla ja massoilla

Harjoitusluodin optimaalinen massajakauma Koko ja lähtönopeudet samat kuin rynnäkkökiväärin luodissa Jakauman luonne muuttuu eri lähtönopeuksilla ja massoilla Kaikissa ratkaisuissa massaa luodin molemmissa päissä

Optimaalisista massajakaumista 1/2 Kaikissa ratkaisuissa ainoastaan suurinta mahdollista tiheyttä (volframi) Pitkän kantaman luodille saadaan selkeä optimijakauma Massa luodin peräosassa Ratkaisu käytännössä toteutettavissa Harjoitusluodille ei yhtä selkeää jakaumaa, mutta jakaumien vaikutusten erot lentorataan pieniä Lähes kaikki ratkaisut vaativat rakenteellisia muutoksia luodin kuoren tukemiseksi

Optimaalisista massajakaumista 2/2 Jakaumat aerodynamiikan osalta järkeenkäypiä (Sailaranta) Stabiliteettiin pyritään vaikuttamaan pääasiassa Magnus-ilmiön kautta Magnus-voima vaikuttaa erityisesti luodin perän alueella (painopisteen paikkaa säätämällä voidaan vaikuttaa sen aikaansaamaan momenttiin) Pitkän kantaman luodissa massa perällä, momenttivaikutus pienenee Harjoitusluodissa päinvastoin

Yhteenveto Optimaaliset massajakaumat poikkeavat merkittävästi tasaisesti täytetyistä ja umpinaisista nykyluodeista Aerodynaamiset parametrit ja mallit yksinkertaistettu optimoinnin mahdollistamiseksi Optimaalisen massajakauman sisältävien luotien lentoominaisuuksia tarkasteltava yksityiskohtaisilla simulointimalleilla Jatkotutkimusten aiheena muodon (ja lähtönopeuksien) yhteisoptimointi?

Lähteitä McCoy, R. Modern Exterior Ballistics, the Launch and Flight Dynamics of Symmetric Projectiles. Schiffer Publishing, 1999 Sailaranta, T. Studies on Unmanned Atmospheric Flight. Väitöskirja. Aalto-yliopiston insinööritieteiden korkeakoulu, Konetekniikan laitos. 2016 Moore, F. G. Approximate Methods for Weapon Aerodynamics. American Institute of Aeronautics and Astronautics, 2000