Analisi e ottimizzazione aerodinamica di un Drag Reduction System: confronto tra metodologie tradizionali e innovative

Since the birth of racing, aerodynamics has played a leading role in car desing, having an increasingly dominant effect on car performance. As technology has advanced, so has the the complexity of the flow around Formula 1 cars, allowing engineers to design ever more efficient single-seater. The aim of the study of the aerodynamics in Formula 1 is to ensure the generation of sufficient downforce aerodynamic load to guaranteee good grip to the car. However, an increase in downforce leads to an increase in aerodynamic drag, in other words a force opposing the motion of the object. For this reason, the Drag Reduction System, known as DRS, has been introduced in recent years, whose aim is to reduce the aerodynamic drag generated in a straight line, rotating an aerodynamic surface. This work proposes the study and the optimization of a multiple configuration, composed of two airfoils, which can be mounted on a car in the Formula 1 championship. The analysis will start by searching an aerodynamic profile suitable for the purpose, comparing a group of high-lifting airfoils. Once the most appropriate one has been identified, the work will focus on the multiple configuration, which will be subjected to three different optimization models, aiming to maximize the absolute value of lift coefficient, and to a more innovative data analysis. The study will start from a trial and error method, with the initial purpose of familiarizing with a Drag Reduction System, in order to understand its geometric and aerodynamic limits; the work will continue firstly with the implementation of an application that automate the search of the best configuration and secondly with the implementation of an automatic genetic algorithm based on the previous code. The thesis will end with the application of a Random Forest algorithm, aiming to identify other possibile optimal configurations.

Sin dagli albori delle competizioni, l’aerodinamica ha sempre ricoperto un ruolo centrale nella progettazione delle auto, avendo un effetto sempre più dominante sulle prestazioni delle autovetture. Con l’aumento dei progressi tecnologici, è aumentata anche la complessità del flusso attorno alle monoposto di Formula 1, consentendo agli ingegneri di progettare automobili sempre più efficienti. Lo scopo principale dello studio nell’aerodinamica nella Formula 1 è quello di assicurare la generazione di un carico aerodinamico deportante sufficiente da garantire una buona aderenza alla vettura. Tuttavia, ad un aumento di deportanza corrisponde un aumento di resistenza aerodinamica, ovvero una forza opposta al moto. Per contrastarla è stato introdotto il DRS, ovvero Drag Reduction System, il cui obiettivo è quello di ridurre la resistenza aerodinamica generata in rettilineo, tramite la rotazione di una superficie aerodinamica. Questa tesi propone lo studio e l’ottimizzazione di una configurazione aerodinamica multipla, che possa essere utilizzata su una vettura nel campionato di Formula 1. L’analisi avrà come punto di partenza la ricerca di un profilo aerodinamico adatto allo scopo, andando a confrontare un gruppo con una caratteristica comune, ovvero quella di avere un significativo coefficiente di portanza. Determinato il profilo, l’attenzione verrà spostata sulla configurazione multipla, la quale verrà sottoposta a tre diversi modelli di ottimizzazione, il cui obiettivo sarà quello di andare a massimizzare il coefficiente di portanza in valore assoluto, e ad una tecnica più innovativa di analisi dei dati. Si partirà da un semplice trial and error, con lo scopo iniziale di familiarizzare con un DRS, in modo da capirne i limiti geometrici e aerodinamici; si proseguirà poi con l’implementazione di un applicativo che consenta la ricerca automatizzata della configurazione migliore, per concludere con l’implementazione di un algoritmo genetico, partendo dal codice del passo precedente riguardante l’automatizzazione del processo. Il lavoro terminerà con l’applicazione di un algoritmo di Random Forest, con lo scopo di individuare altre possibili configurazioni ottimali.