Publicação: Predição de Desempenho Termodinâmico em Projeto Conceitual de Motores Aeronáuticos (Off-Design) com Inteligência Artificial
Carregando...
Tipo do documento
Data
Direito de acesso
Coleções
Programa
Área do conhecimento
CNPQ::ENGENHARIAS
Título da Revista
ISSN da Revista
Título de Volume
Autores
Orientador
Coorientador
Resumo
A corrida tecnológica por competitividade, soluções eficientes, econômicas e ambientais têm
sido expressamente transformadas pela implementação da inteligência artificial (IA). No setor
aeroespacial, o assunto é amplamente discutido em pesquisas acadêmicas e industriais, plane
jamento, ética, cibersegurança, aeronavegabilidade e certificação. Nesse contexto, identifica-se
na IA uma oportunidade para explorar sua utilidade em projetos em fase conceitual, especifica
mente, motores turbofans. O objetivo geral deste trabalho é desenvolver um metamodelo de
inteligência artificial, capaz de predizer o desempenho termodinâmico de motores turbofans
em condições off-design, considerando variáveis críticas como empuxo, consumo específico de
combustível, eficiências, emissões de óxidos de nitrogênio (NOx), temperatura de entrada da
turbina, entre outras. A metodologia envolveu três etapas: projeto termodinâmico on-design,
inspirado no motor GE90 e tendências históricas de sucesso; seguido de simulações off-design
no software GasTurb 15 (76 cenários); por fim, desenvolveu-se um metamodelo de predição
utilizando o algoritmo Gradient Boosting Regressor em Python, utilizando de Mach, altitude e
fase de voo como variáveis de entrada. Os resultados mostraram alta acurácia preditiva, supe
rando o Random Forest e apresentando boa generalização, embora com limitações em algumas
fases de voo, indicando a necessidade de expansão do banco de dados. Conclui-se que a abor
dagem se mostrou promissora como suporte à decisão na propulsão aeronáutica, especialmente
nos quesitos de ampliação de análises em fase conceitual concomitante à redução de tempo de
projeto, com perspectiva de aplicações futuras em outros cenários de projeto conceitual, certi
ficação e sustentabilidade.
Abstract
The technological race for competitiveness and efficient, economic, and environmental soluti
ons has been expressly transformed by the implementation of artificial intelligence (AI). In the
aerospace sector, the topic is widely discussed in academic and industrial research, planning,
ethics, cybersecurity, airworthiness, and certification. In this context, AI is identified as an op
portunity to explore its usefulness in conceptual phase projects, specifically in turbofan engines.
The general objective of this work is to develop an artificial intelligence meta-model capable
of predicting the thermodynamic performance of turbofan engines under off-design conditions,
considering critical variables such as thrust, specific fuel consumption, efficiencies, nitrogen
oxides (NOx) emissions, turbine inlet temperature, among others. The methodology involved
three stages: a thermodynamic on-design project inspired by the GE90 engine and historical
success trends; followed by off-design simulations in GasTurb 15 (76 scenarios); and finally,
the development of a prediction meta-model using the Gradient Boosting Regressor algorithm
in Python, with Mach, altitude, and flight phase as input variables. The results showed high
predictive accuracy, surpassing Random Forest and demonstrating good generalization, al
though with limitations in some flight phases, indicating the need to expand the database. It is
concluded that the approach proved promising as decision support in aerospace propulsion,
especially regarding the expansion of analyses in the conceptual phase concomitant with design
time reduction, with prospects for future applications in other conceptual design scenarios, cer
tification, and sustainability.
Palavras-chave
Propulsão aeronáutica, Desempenho termodinâmico, Inteligência artificial, Turbofan, Projeto conceitual, Metamodelo, Aerospace propulsion, Thermodynamic performance, Artificial intelligence, Turbo fan, Conceptual design, Meta-model
Citação
CROXELA, Patricia Lourenço. Predição de Desempenho Termodinâmico em Projeto Conceitual de Motores
Aeronáuticos (Off-Design) com Inteligência Artificial. 2025. 93 f. Trabalho de Conclusão de Curso (Engenharia Aeronáutica) – Universidade Federal de Uberlândia, Uberlândia, 2025.
DOI
Coleções
Avaliação
Revisão
Suplementado Por
Referenciado Por
Licença Creative Commons
Exceto quando indicado de outra forma, a licença deste item é descrita como Acesso Aberto