Çeşitli kanat profillerinin aerodinamik parametrelerinin yapay sinir ağları ile belirlenmesi

Aerodinamik ve kanat profillerinin temelinde önemli yer alan kaldırma ve sürükleme katsayıları, hava araçlarının uçuş güvenliğini, performansını ve verimini etkileyen başlıca parametrelerdir. Bu parametrelerin hesaplanmasında rüzgar tünelleri ile ölçüm yaygın olarak kullanılmaktadır. Fakat rüzgar tünelleri ile ölçümler esnasında çeşitli zorluklarla karşılaşılmaktadır. Bu tez çalışmasında kaldırma ve sürükleme katsayılarının hesaplanması konusunda yapay sinir ağlarını kullanarak alternatif bir yöntem oluşturulması amaçlanmıştır.Bu kapsamda, literatürde kaldırma ve sürükleme katsayılarını hesaplamak için yapılan çalışmalar incelenmiştir. Bu çalışmalara alternatif olarak Yapay Sinir Ağlarına (YSA) dayanan bir yöntem sunulmuştur. YSA, özel işlem gerektiren hesaplama tekniklerinden farklıdır ve doğrusal olmayan problemlerin çözümünde yaygın olarak kullanılmaktadır. YSA, insan beyninin bilgi işleme yöntemine benzerdir. YSA, bilgiyi toplar, hücreler arasındaki bağlantı ağırlıkları ile bilgiyi saklar ve genelleme yapar. Buradaki genelleme kavramı, YSA' nın eğitim ya da öğrenme esnasında karşılaşmadığı girişler için de benzer tepkileri üretmesi olarak tanımlanabilir. Tüm bu nedenlerden dolayı çalışmamız da YSA tercih edilmiştir. Önerilen YSA modelini eğitmek ve kaldırma ve sürükleme katsayılarını hesaplamak için NACA kanat profilleri kullanılmıştır. Farklı ağ yapıları denenerek, optimum sonuçlar için grafikler verilmiştir. Simülasyon sonuçları, önerilen sinir ağı metodunun kaldırma ve sürükleme katsayılarının hesaplanmasında alternatif bir yöntem olarak kullanılabileceğini göstermiştir. Bu metot geleneksel aerodinamik eşitliklere göre basit ve yüksek doğrulukta bir hesaplama yöntemidir.Anahtar kelimeler: Aerodinamik, kaldırma ve sürükleme katsayıları, yapay sinir ağları. Lift and drag coefficients that have an importance place in aerodynamics and basic of airfoils are mainly parameters which effects flight safety, performance and efficiency of air vehicles. In the Calculation of these parameters, measurement with wind tunnels is commonly used. However, during measurement with wind tunnels face the various difficulties. In this thesis is aimed generating an alternative method using artificial neural networks about calculation of lift and drag coefficients.In this context, studies in the literature to calculate lift and drag coefficients are examined. As an alternative to these studies, a method based on Artificial Neural Networks (ANN) is presented. ANN is different from calculation techniques that require special process and is widely used solving non-linear problems. ANN is similar to human brain information processing method. ANN collects the data, keeps the information about connection weights between cells and makes generalization. The term of generalization here can be defined as ANN produces similar reaction for entries that do not encounter during training or learning.Resulting from all of these reasons, YSA is chosen in our study NACA airfoils are used to calculate drag and lift coefficients and to train proposed YSA model. Trying out different network structures, the graphics are given for optimum results. Simulation results indicate that proposed neural network method can be used calculating lift and drag coefficients as an alternative method. This method is a simple and high accuracy calculation technique according to conventional aerodynamic equations.Key Words: Aerodynamics, lift and drag coefficients, artificial neural networks 81