Aerodynamic optimization of airfoils in Titan's atmosphere

This thesis aims to assess the feasibility of using a fixed-wing UAV for the exploration of Saturn’s moon Titan. The aerodynamic optimization of a two-dimensional airfoil under the relevant operating conditions is conducted. These conditions, marked by the dominant effects of high atmospheric density and low gravitational acceleration, are favorable for flight compared to Earth and Mars, resulting in high Reynolds numbers and low Mach numbers where compressibility effects can be ignored. This environment also allows for increased payload capacity and total UAV mass while maintaining relatively low flight speeds. After establishing the operating conditions and estimating initial dimensions, the study focuses on the optimization process, which aims to maximize the lift-to-drag ratio. The optimization, conducted for three different flight scenarios, occurs in two stages. First, a global optimization using a genetic algorithm is performed. This algorithm, based on the PARSEC parametrization, is implemented in MATLAB and integrated with XFOIL. Next, CFD simulations are carried out with SU2 to assess the aerodynamic performance of the globally optimized airfoils, followed by a local optimization routine using the discrete adjoint method. This method calculates the gradient of the objective function, the drag coefficient, with respect to the design variables that control the airfoil shape, enabling targeted modifications to improve aerodynamic efficiency. The results show an increase in the lift-to-drag ratio in all cases, driven by both the genetic algorithm and the discrete adjoint method.

Questo lavoro valuta la possibilità di utilizzo di un UAV ad ala fissa su Titano e procede con successiva ottimizzazione aerodinamica di un profilo bidimensionale rispetto alle condizioni operative. Tali condizioni, grazie all’effetto dominante della densità e alla bassa accelerazione gravitazionale, risultano favorevoli per il volo e si tramutano in condizioni di flusso ad alto numero di Reynolds e basso Mach, in cui gli effetti comprimibili sono trascurabili. Inoltre, le condizioni operative portano alla possibilità di avere una massa totale elevata dell’UAV, pur rimanendo a basse velocità. Dopo aver definito le condizioni operative e stimato le dimensioni preliminari, l’attenzione si concentra sull’ottimizzazione, con l’obiettivo di migliorare l’efficienza aerodinamica. L’ottimizzazione, portata avanti per tre diverse condizioni di volo, avviene in due step: prima un’ottimizzazione globale tramite un algoritmo genetico, implementato in MATLAB, che sfrutta la parametrizzazione PARSEC e analizza le performance dei profili con XFOIL. In seguito, dopo aver prima effettuato delle simulazioni CFD con SU2 per analizzare le performance dei profili ottenuti precedentemente dall’algoritmo genetico con un modello a fedeltà magiore rispetto XFOIL, un’ottimizzazione locale tramite il metodo dell’aggiunto discreto viene effettuata sempre usando il software open-source SU2. Il metodo dell’aggiunto discreto permette di calcolare il gradiente della funzione obiettivo scelta, ovvero la resistenza aerodinamica, rispetto a delle variabili che controllano la geometria del corpo. In base ai gradienti calcolati, in seguito, viene modificata la forma del profilo in esame. Questo è stato fatto imponendo anche un vincolo riguardo l’aumento del coefficiente di portanza del profilo. I risultati mostrano un aumento dell’efficienza in tutti i casi considerati, sia grazie all’algoritmo genetico, che ha l’effetto principale di aumentare la portanza, sia grazie al metodo dell’aggiunto discreto che porta anche ad una diminuzione della resistenza aerodinamica, in particolare la componente di pressione.