Perpustakaan Digital ITB

Dalam membuat model aeroelastik kasus aerodinamika non-linear, khususnya pada aliran transonik, sangat membutuhkan biaya yang besar. Tugas akhir ini menginvestigasi penggunaan algoritma deep learning untuk membuat model pendekatan (surrogate model) berdasarkan hasil simulasi aeroelastik fidelitas tunggal untuk memprediksi respon dinamik dari sebuah airfoil. Selain itu, respon dinamik yang diprediksi dibatasi pada koefisien gaya angkat (Cl), koefisien gaya hambat (Cd), gerakan pitch, dan gerakan plunge dari airfoil NACA 64A010. Thesis ini dilakukan untuk mengurangi biaya komputasi tersebut. Rentang nilai bilangan mach yang akan diteliti mulai dari Mach 0.6 sampai 0.8 dan variasi indeks kecepatan flutter Vf 0.4 hingga 2.0. Untuk menyelesaikan permasalahan, metode proper orthogonal decomposition akan digunakan untuk menyederhanakan data aeroelastik menjadi kumpulan koefisien POD sebelum digunakan untuk melatih Machine Learning model yang digunakan. Machine Learning model yang digunakan untuk memetakan dan memprediksi data baru berjenis multi layer feed forward. Model tersebut akan memetakan setiap input bilangan mach dan indeks kecepatan flutter ke setiap koefisien POD lalu fungsi pemetaan akan digunakan untuk memprediksi kasus baru. Hasil prediksi memiliki nilai MAE kurang dari 10e-2 dan MAPE sekitar 50% sehingga menunjukan kemiripan yang tinggi dengan hasil simulasi. Selain itu, flutter boundary juga dihasilkan menggunakan hasil prediksi dari model. Flutter boundary yang dihasilkan model terbukti dapat mengikuti hasil pada penelitian sebelumnya. Terlebih lagi untuk melakukan prediksi hanya dibutuhkan waktu kurang dari 2 menit sehingga menghemat waktu simulasi hingga 100 kali.