A Bayesian framework for the shape optimization of atmospheric reentry vehicles

Hypersonic reentry vehicles play a critical role in space exploration. Efficiently designing these vehicles to withstand extreme thermal and aerodynamic loads while maintaining stability and control represents a significant challenge. This work presents a framework that utilizes a Bayesian approach with a Gaussian process surrogate to select the optimal aeroshell shape, based on desired objectives and constraints, which is a method poorly explored in the context of optimization in fluid dynamics. The goal of this work is to show that the integration of Bayesian optimization with CFD simulations provides a powerful tool for shape optimization of hypersonic reentry vehicles. Initially, the optimization algorithm is tested with analytical functions to verify its effectiveness. Subsequently, the framework is applied to two different scenarios: optimizing the shape of a supersonic reentry capsule for improving its forces and pitching moment coefficients, and searching for the optimal geometry in terms of heat loading for a hypersonic reentry vehicle. Two different objective functions are used for optimization, which are selected from reference problems in literature. The objectives and constraints are derived from aeroshells' aerothermodynamic performance, evaluated with CFD simulations using two different solvers. The shapes are parameterized using analytical relations, allowing a wide diversity of aeroshell configurations while maintaining low the number of design variables for optimization. The results of the optimization processes demonstrate significant enhancements in vehicle performance compared to the baseline designs.

I veicoli di rientro ipersonico ricoprono un ruolo critico nell'esplorazione spaziale. Progettare in modo efficiente questi veicoli per resistere a carichi termici ed aerodinamici estremi, mantenendo stabilità e controllo, rappresenta una sfida notevole. In questo articolo viene utilizzata un'ottimizzazione Bayesiana con processo Gaussiano per selezionare la forma ottimale di uno scudo termico, in base ad obiettivi e vincoli specifici, essendo questo un metodo poco esplorato nel contesto dell'ottimizzazione aerodinamica. Lo scopo di questo lavoro è dimostrare che l'integrazione dell'ottimizzazione Bayesiana con simulazioni CFD fornisce uno strumento valido per l'ottimizzazione della forma dei veicoli di rientro ipersonico. Inizialmente, l'algoritmo di ottimizzazione viene testato con funzioni analitiche per verificarne l'efficacia. Successivamente, il framework viene applicato a due scenari diversi: l'ottimizzazione di forma di una capsula di rientro supersonica per migliorarne le prestazioni dei coefficienti aerodinamici, e l'ottimizzazione della geometria di un veicolo di rientro ipersonico, sulla base del carico termico che genera. Per l'ottimizzazione vengono utilizzate due diverse funzioni obiettivo, selezionate da problemi di riferimento presenti in letteratura. Gli obiettivi e i vincoli sono derivati dalle prestazioni aerotermodinamiche delle capsule, valutate con simulazioni CFD utilizzando due solutori diversi. Le forme sono parametrizzate utilizzando relazioni analitiche, consentendo una vasta diversità di configurazioni e mantenendo basso al tempo stesso il numero di variabili di progettazione usate per l'ottimizzazione. I risultati delle ottimizzazioni mostrano significativi miglioramenti delle prestazioni dei veicoli rispetto ai design di base.