Modelos Matemáticos Y

Simulación En La Ingeniería
Aeroespacial
Daira Aragón Mena
Sociedad Julio Garavito
Noviembre 19, 2011
 ¿Qué es un modelo?
• Los modelos son una imitación de la
realidad
– Modelos físicos
– Modelos matemáticos

 Las aplicaciones de los modelos son

virtualmente ilimitadas

 Las limitaciones vienen de nuestro

entendimiento sobre el proceso que tratamos
de modelar
 Modelamiento matemático
Problema Solución
Mundo real Interpretación
matemático matemática

• Intenta capturar algunas características del

sistema mediante ecuaciones matemáticas
– Para un uso específico: propósito
 Modelos matemáticos

Propósito

Ecuaciones Experimentos Respuestas

Sistema
 Modelos matemáticos
• Deben representar
– La dirección correcta de las salidas
– Comportamiento correcto en corto y largo plazo

• Los modelos tienen una región específica de

aplicabilidad
Modelos matemáticos

“Modelar
(matemáticamente) es
simplemente la generación
de un set de ecuaciones”
Hangos and Cameron, 2001
 Modelos matemáticos
• Pueden desarrollarse jerárquicamente
• Existen con relativa precisión
• Ayudan a direccionar trabajo e investigaciones futuras
• Requieren de la estimación de los parámetros dentro del modelo
• Se pueden transferir de una disciplina a otra
• Deben mostrar principio de parsimonia
• Frecuentemente requieren de simplificación
• Pueden ser imposibles de validar
• Pueden ser imposibles de seguir en términos de la solución
matemática
Modelos matemáticos
 Modelos matemáticos
• Mecanísticos o fenomenológicos (caja blanca)
– Basados completamente en leyes de conservación
y otras teorías
• Empíricos (caja negra)
– Basados en datos experimentales
• Semi-empíricos o semifísicos (caja gris)
– Combinación de los dos primeros
 Estudio de Estrategias de
alternativas de control
diseño automático

Aplicaciones
Estudio de
Solución de
problemas de los comportamientos

modelos
Seguridad en la Entrenamiento
operación de personal
Metodologías basadas en modelos
Estimación
de
parámetros

Optimización
Modelo Simulación

Control
automático
 Simulación
• Uso del modelo para obtener Animación. Movimiento de cabeceo

la respuesta de salida dado un

set de variables de entrada.
– La simulación basada en
modelos es diferente a la mera
animación http://www.grc.nasa.gov/WWW/k-12/airplane/short.html

• Con el propósito de Simulación. Turbulencia sobre tormentas

– Realizar análisis de sensibilidad

– Troubleshooting
– Estudios de diseño
– Análisis de factibilidad, etc.

http://avwxworkshops.com/etips/11-12-10.html
 Simulación
• En muchos casos, los resultados de la
simulación son curvas que muestran cómo
cambian las variables de interés.

Simulación de recuperación después de fallo del motor

 Control automático

Cálculo de control Sensor

Mientras se conduce, el conductor:

1. Debe tener un objetivo

Elemento final 2. Debe determinar la posición del carro
3. Debe calcular el cambio que tiene que
hacer para mantener el vehículo en su
curso
4. Debe hacer el cambio en el volante
Taken from: http://www.wizardlearning.com/media/person_driving_car.jpg
 Control automático

Controlar un proceso implica

influenciar su comportamiento

Guía o regulación en la operación para asegurar el resultado

esperado
 Control automático

Proceso ideal Proceso real

No cambiante, no incertidumbre, no
Incertidumbre, perturbaciones
perturbaciones

Estado estable y condiciones de Desviaciones de las condiciones de

diseño permanentes diseño

Control de procesos
 Optimización

“Optimización es el uso de
métodos específicos para
determinar la solución más
eficiente a un problema de o
diseño de un proceso o equipo.”
Edgar et al., 2001
 Optimización
• La optimización involucra dos elementos
esenciales:
– El proceso, representado en un modelo o datos
experimentales
– Un criterio de desempeño, como minimizar el costo,
maximizar las ganancias, minimizar el consumo de
combustible, etc.
• El objetivo es encontrar los valores de las
variables que hacen que resultan en el mejor
valor del criterio de desempeño.
 Optimización
• El aislamiento de equipos es importante porque reduce las
pérdidas de calor. Sin embargo, el material aislante puede
ser costoso.

Costo ($/year)
Costo total

Costo del aislamiento

Costo anual
mínimo

Costo de la energía perdida

Grosor del aislante

 Optimización
• Minimizar el tiempo requerido para alcanzar
un objetivo.
• Minimizar el combustible para ir de un lugar a
otro.
• Alcanzar un objetivo usando una cantidad de
energía fija.
Algunos ejemplos en la
ingeniería aeroespacial
El control automático de aeronaves
 Control automático de aeronaves
Movimiento de la palanca

Transductor
movimiento Perturbaciones
atmosféricas

Modelo
Señal de
comando
(piloto)
Variable de
movimiento de
Dinámica
Controlador Dinámica la aeronave
del
de vuelo del avión
actuador Deflexión de
las superficies
de control

Modelo
Posible señal del
sistema de guía Realimentación
Dinámica del movimiento
del sensor
 Control automático de aeronaves
• Ejemplo: modelo para controlar la velocidad
de la aeronave.

: ángulo de orientación respecto al

horizonte local
: ángulo de ataque
: ángulo horizontal
m: masa del aeroplano
P: empuje del motor
X: arrastre (resistencia) aerodinámico
Z: resistencia inducida
G: peso
 Control automático de aeronaves
• Relación entre guía, navegación y control

• Navegación: ¿Dónde estamos actualmente?

• Guía: ¿Cómo llegar al destino?
• Control: ¿Qué se le dice a la aeronave que haga?
 Control automático de aeronaves
• Guía
– Aceleración gravitacional efectiva

– Velocidad a ganar

– Tiempo restante
 Control automático de aeronaves
• Ecuaciones de movimiento y de fuerzas
corresponderán al modelo del vehículo
– Sustentación aerodinámica

– Arrastre aerodinámico

– Ecuaciones de movimiento longitudinales

 Control automático de aeronaves
• La ley de control también puede exprearse como un
modelo
– Ejemplo: control realimentado para el ángulo de empuje

• Con estas y otras ecuaciones se puede estudiar el

desempeño de los sistemas de control actuales y el
diseño de nuevos sitemas de control
 Vehículos de lanzamiento
• Reto: no son estacionarios
– El vehículo de lanzamiento
es un sistema dinámico con
parámetros inexactos y
variantes en el tiempo
• Un sistema de control
direccional debe
mantenerlo en su Saturno V en el lanzamiento de
trayectoria Apollo 15 hacia la luna
 Vehículos de lanzamiento
• Se pueden realizar estudios de
– Trayectoria del vehículo frente a
cambios en los vientos
– Ajuste del controlador para
mantener la trayectoria
adecuada
• Un modelo podría representar
– Cómo cambia la inclinación de
la tobera al cambiar la posición
del giroscopio
– Cómo cambia la posición del
cohete al cambiar la dirección
del viento
 Vehículos de lanzamiento
• Una ecuación para el
empuje del cohete
puede usarse para
estudios relacionados
– Simulación del empuje
frente a cambios en las
presiones en áreas u
otros parámetros
 Vehículos de lanzamiento
• La ecuación del cohete
puede uarse para otros
estudios, por ejemplo
de trayectoria.
 Vehículos de lanzamiento
• Efectos de la gravedad y el arrastre en la
velocidad
 Vehículos de lanzamiento
• Estudio de Ali Reza Mehrabian, Caro Lucas,
Jafar Roshanian (Aerospace science and
technology, 2006)
– Aplicación de un controlador inteligente basado
en aprendizaje emocional cerebral (BELBIC)
– BELBIC es un mecanismo de generación de
acciones basado en entradas sensoriales y señales
emocionales
Vehículos de lanzamiento
 Dinámica de fluidos computacional
(CFD)
• Simulación de flujos transónicos
– Las ondas de choque eran capturadas
automáticamente
– El diseño de aeronaves cambió dramáticamente
• Las ecuaciones del modelo cambiaron de lineales
a las de Navier-Stokes (diferenciales parciales)

• Simulación de flujos hipersónicos asociados con

sistemas de transporte, incluyendo
Dinámica de fluidos computacional
• Simulación de flujo transónico sobre un ala
comercial y fuselage del ala en Japón, 1986
Dinámica de fluidos computacional vs.
Dinámica de fluidos experimental
Dinámica de fluidos experimental
Túnel de viento
Técnicas de medición
Técnicas de manufactura
Manufactura del modelo (a escala)
Adquicisión de datos
Manipulación de datos
Efecto del número de Reynolds
Dinámica de fluidos computacional
Computadores
Algoritmos numéricos
Técnicas de programación
Interface CAD, generación de malla
Post-procesamiento
Software de visualización
Error de discretización, modelo de
turbulencia, etc.
 Impactos con aves
• Los choques con aves son peligrosos y pueden
causar serios daños estructurales.
• Uno de los casos más recientes fué el
accidente del vuelo US Airways 1549 en el río
Hudson, Nueva York en 2009.
Impactos con aves
 Impacto con aves
• Modelar el ave es el reto principal, luego de
obtener un modelo debe validarse con datos
reales
– El ave se comporta como un cuerpo suave y fluye
como un fluido
• Modelos de impacto
– Lagrangiano
– ALE (Arbitrary Lagrangian-Eulerian)
– Euleriano
– SPH (Smoothed particle hydrodynamics)
 Impactos con aves
• Lagrangiano
– Nodos fijos al material
• Euleriano
– Nodos fijos y material fluye
dentro de la malla
• ALE
– La malla se mueve y deforma
y el material fluye dentro
• SPH
– El fluido se modela como
partículas con movimiento
libre
 Impactos con aves
• Modelo Lagrangiano y SPH

• Algunas ecuaciones de estado usadas

 Simuladores de vuelo
• Entrenamiento de
personal y estudios de
casos
– Vuelos comerciales
– Transbordadores
espaciales
– Satélites
• Deben incluir suficientes
detalles como para
satisfacer el propósito
de la simulación
 Simulación Bolshoi
• Simulación cosmológica más
acertada sobre la evolución del
universo.
– Anatoly Klypin and Joel Primac
• Las observaciones base fueron
realizadas por la misión de la NASA,
explorador WMAP, el cual ha
estado rastreando la luz del Big
Bang en todo el cielo.
• La simulación se corrió en el
supercomputador Pleiades, 7º
computador más rápido del
mundo.
– Tomó aproximadamente 2 semanas http://map.gsfc.nasa.gov/news/facts.html
Sonda Wikilson anisotrópica de
microondas (WMAP)
 Simulación Bolshoi
• Usa parámetros cosmológicos de 7 años
provenientes de la sonda WMAP.
• Aproximadamente 8 billones de partículas
• Usa código del tipo malla de refinamiento
adaptativo (ARM, adaptative refinement
mesh)
– Detalles del código en Kravtsov et al. (1997)
– Detalles de la solución en Klypin et al. (2009)
 Simulación Bolshoi
• Utilizando las estadísticas de los halos y la alta
resolución de la simulación Bolshoi, obtienen
funciones analíticas para las características de
los halos, como abundancia, concentraciones
y funciones de velocidad.
• Simulaciones realizadas en el centro de
investigaciones Ames de la NASA.
 Simulación Bolshoi
• Algunas ecuaciones y resultados del modelo

Evolución de la concentración de halos

 Simulación Bolshoi
• Visualización de la materia oscura en 1/1000
de la simulación Bolshoi, aumentada en una
región en el halo de materia oscura en un
cluster de galaxias.

• by Anatoly Klypin and Joel Primack, visualized

by Chris Henze, NASA Ames Research Center.
 Simulación Bolshoi
• Vemos las galaxias en el universo, pero no
vemos la materia oscura que las rodea. Sin
embargo, se puede simular cómo se forman
en el universo.
• La simulación Bolshoi es muy cercana a la
observación de la distribución de galaxias en
las mediciones de SDSS.
 Simulación Bolshoi
• A partir de los datos de halos de
materia oscura encontrados en la
simulación Bolshoi, similares a las
nubes de magallanes, se hizo una
viualización para motrar cómo
pudo haber sido el desarrollo de
la vía lactea.
• Las nubes posiblemente se
formaron al mismo tiempo.
 Resumen
• Los modelos matemáticos y la simulación se
han usado en la ingeniería aeroespacial para
asistir en
– El diseño de aeronaves, incluyendo los sistemas de
control y mecanismos de seguridad
– El entrenamiento de personal
– El estudio de la dinámica de vuelos
– El lanzamiento de vehículos espaciales y sus
órbitas
– El estudio de la creación del universo
 Resumen
• Las aplicaciones de los modelos matemáticos
son innumerales y solamente están limitadas
por nuestro conocimiento de lo procesos que
ocurren.
• Los modelos son solamente una aproximación
de la realidad y por ello deben utilizarse con
precaución.