A multi-fidelity Bayesian optimization framework for hypersonic vehicle design

An optimization framework for preliminary design of hypersonic aeroshapes is proposed. In particular, the focus is on waveriders. Traditional inverse design methods are reliable and well suited for generating performing geometries, but the design is not guided by typical aeroshapes parameters. Indeed, the desired flowfield and shockwave profile shall be decided as the starting point. Direct design methods provide full control of the geometry, but expensive CFD methods are required to evaluate the performance. The aim of this thesis is to merge the reliability of inverse design methods with the flexibility of a direct design approach. This challenge is addressed by adopting a two-fidelity Bayesian Optimization strategy. The Osculating Cone method is used to generate a large low-fidelity database. This is then exploited to inform and assist the high-fidelity optimization based on the compressible Euler model. Anisotropic mesh adaptation is exploited to improve the resolution of the numerical grid and simulation efficiency. A novel 3D parametrization method, named Guided Edges Method, is developed to directly control the generation of the geometry with a limited number of design variables, ensuring straightforward compliance with inverse methods. The proposed framework is tested on two optimization problems. Results show that the additional geometric freedom provided by the direct parametrization leads to higher performance. Being a preliminary development, framework limitations and future required developments are also discussed.

Si presenta un framework di ottimizzazione per la progettazione preliminare di forme aerodinamiche ipersoniche. I metodi tradizionali di progettazione inversa dei waveriders sono affidabili e adatti alla generazione di geometrie performanti. Tuttavia, la progettazione non è guidata dai tipici parametri delle forme aerodinamiche: il campo di flusso e l’onda d’urto risultanti devono essere decisi come punto di partenza. I metodi di progetto diretti controllano direttamente la geometria ma sono richieste CFD costose per valutare le loro performance. Lo scopo di questo lavoro di tesi è di unire l’affidabilità dei metodi di design inverso con la flessibilità offerta da un approccio diretto. La sfida computazionale è mitigata con tre differenti strategie. L’ottimizzazione bayesiana viene adottata in un modello a due livelli di fedeltà. Viene utilizzato il metodo dei coni osculatori per generare un ampio database di forme waverider. Tali dati vengono poi sfruttati da un modello surrogato a bassa fedeltà, il cui scopo è quello di guidare l’ottimizzazione della geometria. L’adattamento della mesh viene utilizzato per risolvere in modo efficiente i campi di flusso supersonici anisotropi e discontinui. Un nuovo metodo di parametrizzazione 3D, denominato Guided Edges, viene sviluppato per controllare la generazione diretta di forme con un numero limitato di variabili di progetto e garantire una parametrizzazione semplice con metodi inversi. Il framework sviluppato viene testato su due problemi di ottimizzazione. Grazie al database informativo a bassa fedeltà si ottengono con successo forme aerodinamiche che sfruttano le caratteristiche geometriche tipiche delle forme progettate con metodi inversi. L’ulteriore libertà geometrica offerta dalla parametrizzazione diretta ha introdotto nuove strutture di onde d’urto e campi di flusso che portano a prestazioni più elevate. Trattandosi di uno sviluppo preliminare, vengono presentati i limiti del framework e gli sviluppi futuri richiesti.