Otimização da aerodinâmica de aeronave para a competição SAE Brasil
AeroDesign utilizando algoritmo genético
Wander Carlos Bortolon
Prof. Me. Sérgio da Silva Kucera, Prof. Dr. Leandro Luís Corso
Universidade de Caxias do Sul
Abril/2020
RESUMO
Neste trabalho foi desenvolvido um método de otimização da
forma aerodinâmica de uma aeronave destinada a participar da
classe regular da competição SAE Brasil AeroDesign. O
método objetivou maximizar a aptidão de pontuação de voo
para as restrições de projeto determinadas, usando como base
uma configuração monoplano com empenagem convencional.
Para isso foram consideradas as análises de aerodinâmica,
desempenho e estabilidade que são afetadas diretamente pela
configuração da aeronave. O método de otimização aplicado foi
o algoritmo genético, programado em Matlab, que foi a
ferramenta utilizada para programação e modelamento
matemático. Utilizou-se também o solver Xfoil, integrado ao
Matlab, para análise dos perfis aerodinâmicos gerados pela
curva de Bèzier. Foram definidas as restrições e as variáveis de
projeto e a função multiobjetivos do problema de otimização
analisado que, após o modelamento matemático, passou a ter
como objetivo único a maximização da carga paga. Por fim, os
resultados obtidos foram analisados e comparados com o
método utilizado atualmente pela equipe da instituição. Obteve-
se uma aeronave otimizada capaz de transportar 12,3 kg de
carga paga, 20% superior à obtida pela aeronave desenvolvida
em 2019. Também foi verificada a existência de ótimos locais
e ótimo global para uma das variáveis de controle, porém o
método desenvolvido encontrou como resultado o ótimo global
de cada variável. Concluiu-se que o método aplicado se
demonstrou eficaz para otimização da forma aerodinâmica da
aeronave estudada.
INTRODUÇÃO
Ao se desenvolver uma aeronave destinada a participar da
competição SAE Brasil AeroDesign, as equipes devem ler e
compreender o regulamento elaborado pela comissão técnica.
Em seguida, com as restrições conhecidas, os projetos
conceitual e preliminar da aeronave são desenvolvidos.
Atualmente, o principal objetivo da competição, para se atingir
uma maior pontuação na classe regular, é a maximização da
carga paga (CP). Para isso deve-se configurar uma aeronave
capaz de decolar com maior peso total (MTOW) e possuir o
menor peso vazio (PV) possível.
Em 2019, a equipe Aerosul, que representa a Universidade de
Caxias do Sul na classe regular da competição, desenvolveu
perfis aerodinâmicos buscando maximizar os coeficientes de
sustentação máximo da asa e o angular da curva de sustentação
em função do ângulo de ataque dos estabilizadores. Porém, o
aumento do coeficiente de sustentação máximo da asa pode
implicar em uma tendência de aumento do coeficiente angular
da curva de sustentação da asa, fazendo com que haja a
necessidade de aumento da área dos estabilizadores para manter
uma aeronave longitudinalmente e estaticamente estável. Além
disso, o método utilizado atualmente não considera a espessura
dos perfis desenvolvidos, o que pode gerar o aumento do arrasto
parasita. Ou seja, a maximização individual dos parâmetros
descritos pode não necessariamente maximizar CP.
Ainda nesse contexto, após o desenvolvimento dos perfis, é
utilizado um algoritmo para testar todas as possibilidades de
configuração aerodinâmica e indicar a ideal, o que torna o
processo lento e inviabiliza o desenvolvimento simultâneo dos
perfis aerodinâmicos.
Sendo assim, este trabalho se propôs a desenvolver um método
de otimização multidisciplinar que envolva simultaneamente a
configuração aerodinâmica da aeronave e os perfis da asa e dos
estabilizadores, utilizando algoritmo genético.
METODOLOGIA
Algoritmo genético
O método de otimização aplicado foi o algoritmo genético, por
ser amplamente utilizado para solução de problemas de
otimização não lineares e restritivos, que varia os parâmetros de
entrada para buscar minimização de uma função objetivo,
atendendo às restrições do problema. Para isso, de acordo com
Mathworks (2019), o algoritmo segue a sequência abaixo:
Página 1|7
• cria aleatoriamente uma população inicial, dentro do Restrições do projeto
intervalo definido para cada variável;
• para cada membro da população é atribuída uma pontuação As restrições de projeto são mostradas na Tabela 1.
de aptidão, conforme valor obtido na função objetivo;
• gera uma faixa de valores mais utilizados, chamados de Tabela 1 – Restrições de projeto
valores de expectativa, a partir das pontuações de aptidão Limite dimensional (soma da envergadura e
< 3,7 m
dos membros; do comprimento)
• seleciona os membros, chamados pais, baseado nas Comprimento de pista máximo para
< 50 m
expectativas; decolagem (Slomáx)
• os indivíduos que possuírem menor pontuação de aptidão Razão de subida (R/C) após a decolagem > 1 m/s
são escolhidos como elite e passam para a próxima
Margem estática (ME) > 16,5%
população;
• produz filhos a partir dos pais; Coeficiente angular para a curva de momento
• substitui a população atual pela nova população formada de guinada em função do ângulo de >0
pelos filhos e pelos membros da elite. A Figura 1 mostra derrapagem
como são gerados os membros da nova população. Fonte: O autor (2020)

Figura 1 - Tipos da geração de novos indivíduos Variáveis de projeto

As variáveis de projeto foram:

• os formatos dos perfis aerodinâmicos;

• o alongamento da asa;
• o afilamento da asa;
• a envergadura da asa;
• ângulo de incidência da asa.

Essas variáveis possuem as seguintes trade offs:

• o formato do perfil aerodinâmico da asa influencia

Fonte: Mathworks (2019)
Observa-se que a nova população é formada por indivíduos da
elite da geração anterior, do cruzamento entre a elite e os novos
indivíduos e, ainda por mutações da geração anterior.
Neste trabalho foram adotados os valores abaixo, pré-definidos
pelo software Matlab como parâmetros utilizados no algoritmo
genético:
• tamanho da população: 30 membros;
• contagem da elite: 6 membros;
• fração de cruzamento da população: 80% (30-6);
• número máximo de gerações sem alteração do melhor
indivíduo: 30 (critério de convergência adotado);
• tolerância para o valor de aptidão do melhor indivíduo:
10-6.
diretamente a velocidade de estol da aeronave e a área do
estabilizador horizontal;
• o formato do perfil aerodinâmico dos estabilizadores
influencia na sua área;
• o aumento do afilamento da asa faz com que o seu
coeficiente de sustentação aumente e o arrasto induzido
diminua, com o melhor valor em torno de 0,3, de acordo
com a Figura 2;
• o aumento do alongamento reduz a área da asa, pela
limitação da envergadura imposta pelo regulamento;
• quanto maior for a envergadura da asa, maiores serão o
alongamento e a área, mas a limitação dimensional imposta
pelo regulamento faz com que aumente a área dos
estabilizadores;
• quanto maior o coeficiente de sustentação para a decolagem,
menor será a força de atrito de rolamento, devido ao
aumento da sustentação da asa, porém maior também será a
força de arrasto.
Nota-se que algumas dessas variáveis resultam em variações
das áreas da asa e dos estabilizadores, implicando em alterações
Página 2|7
na polar de arrasto e na velocidade de estol da aeronave. Já a
redução das forças de arrasto e de atrito causam a redução do
comprimento de pista para decolagem, permitindo o aumento
da carga paga (CP) para o limite definido. Além disso, o peso
total da aeronave é a soma do peso vazio (PV) e da CP.
Figura 2 - Fator de arrasto induzido () vs afilamento () e
alongamento (AR)
Fonte: adaptado de Anderson (1999)
Problema de otimização
De acordo com Bhatti (2000), pode-se representar esse
problema de otimização pela função mostrada na Figura 3. Pelo
tipo de restrições, trata-se de um problema do tipo não linear.
Figura 3 - Função do problema de otimização
Fonte: O autor (2020)
Modelamento matemático
A Figura 5 demonstra o modelamento matemático para
obtenção de CP de cada aeronave gerada e a interação com o
algoritmo genético.
Figura 5 – Modelamento matemático
Fonte: O autor (2020)
O modelamento matemático foi desenvolvido de forma que,
para cada aeronave gerada, sejam obtidos:
• os coeficientes de sustentação (cl), arrasto (cd) e momento
(cm) dos perfis aerodinâmicos da asa e dos estabilizadores, a
partir da análise no solver XFoil integrado ao software
Matlab dos perfis gerados pela curva de Bézier. Conforme
Sousa (2008) a curva de Bézier pode ser expressa pelas
Equações 1 e 2 para as coordenadas x e y, respectivamente,
sendo t um parâmetro ao longo da curva desejada, definido
no intervalo de 0 a 1, e Xi e Yi, as coordenadas dos pontos de
controle da curva. A Figura 4 mostra como a curva de Bézier
é traçada a partir do polígono de controle. Observa-se que
os únicos pontos que obrigatoriamente fazem parte da curva
são os pontos (X0,Y0) = (x(0), y(0)) e (Xn, Yn) = (x(1), y(1)),
sendo n=3 neste exemplo. Portanto sempre há n+1 pontos
para as coordenadas de controle Xi e Yi. Para facilitar o
processo, foram definidos valores fixos no eixo x e
controlados pelo algoritmo os valores no eixo y. Sendo 3
pontos na curva superior e 2 pontos na curva inferior para a
asa (Y1 w, Y2 w, Y3 w, Y4 w e Y5 w). Para os estabilizadores foram
3 pontos na curva superior (Y1 t, Y2 t e Y3 t), sendo utilizados
os mesmos pontos com sinal negativo para a curva inferior,
gerando assim perfis simétricos. Além desses, foram
fixados os pontos (0;0), (0;0,1), (0;-0,1) para facilitar a
geração dos bordos de ataque e (1,0) para fechar o bordo de
fuga;
𝑛
𝑛!
𝑥(𝑡) = ∑ 𝑡 𝑖 (1 − 𝑡)𝑛−𝑖 𝑋𝑖 (1)
𝑖! (𝑛 − 𝑖)!
𝑖=0
Página 3|7
 𝑛
𝑛! Figura 6 - Valores médio e mínimo de aptidão por geração
𝑦(𝑡) = ∑ 𝑡 𝑖 (1 − 𝑡)𝑛−𝑖 𝑌𝑖 (2)
𝑖! (𝑛 − 𝑖)!
𝑖=0

Figura 4 – Representação de uma curva de Bézier

Fonte: Sousa (2008) Fonte: O autor (2020)

• a geometria e os coeficientes aerodinâmicos da asa e dos Após finalização do programa, obteve-se o perfil da asa,
estabilizadores, utilizando a metodologia apresentada por mostrado na Figura 7, e o dos estabilizadores (Figura 8). As
Anderson (2012) para obtenção das características respectivas curvas são apresentadas nas Figuras 9 e 10.
aerodinâmicas de asas finitas a partir dos dados do perfil Observa-se para a asa um perfil bastante arqueado e com um
aerodinâmico, AR e , respeitando as limitações bordo de fuga muito fino, que são características que
geométricas; contribuem para uma alta sustentação, porém que pode
• a polar de arrasto completa da aeronave, conforme Roskam representar dificuldades construtivas. Já para os estabilizadores,
e Lan (1997), somando-se a contribuição da asa e dos observa-se um perfil com uma espessura ligeiramente maior do
estabilizadores horizontal e vertical. A contribuição da que o perfil da asa (tt/c = 15,5%).
fuselagem foi considerada na redução de tração do grupo
moto-propulsor montado na fuselagem, cuja curva foi Nas Figuras 9 e 10 nota-se os pontos de máxima eficiência
obtida em túnel de vento; aerodinâmica de cada perfil, e que a reta imediatamente anterior
• a estimativa de PV em função das razões de massa pela ao valor de cl nesse ponto é a que foi considerada para obtenção
envergadura para asa e estabilizadores, e das massas da do coeficiente angular a0.
fuselagem e dos demais componentes da aeronave, de
acordo com dados experimentais das aeronaves construídas Figura 7 - Perfil aerodinâmico da asa
em 2018 e 2019 pela equipe Aerosul;
• o peso máximo de decolagem (MTOW), a partir da análise
de desempenho da corrida de pista com a utilização de um
método numérico iterativo em intervalos de tempo muito
pequenos, no qual a velocidade e as forças são corrigidas a
cada iteração, conforme apresentado por Gudmundsson
(2014). Após ser encontrado o valor de MTOW que garanta
a decolagem da aeronave dentro do limite de pista, é
verificado se há reserva de potência para que haja razão de
subida (R/C) maior do que 1 m/s nesse instante;
• a CP a partir da diferença entre MTOW e PV.

RESULTADOS
A Figura 6 mostra que o resultado obtido de maior CP foi
atingido após 18 gerações e permaneceu inalterado por mais 30
gerações. Observa-se também que o valor de aptidão médio
Fonte: O autor (2020)
praticamente não variou após a 33ª geração.

Página 4|7
 Figura 8 - Perfil aerodinâmico dos estabilizadores Figura 10 - Curvas do perfil dos estabilizadores

Fonte: O autor (2020)

Figura 9 - Curvas do perfil da asa

Fonte: O autor (2020)

Tabela 2 - Dados da aeronave gerada com os novos perfis

Variável Aeronave gerada Aeronave 2019

clmáx [-] 2,46 2,35

CLmáx [-] 2,02 1,61

ao [rad-1] 4,60 9,7

tw/c [%] 12,1 14,8

aot [rad-1] 5,7 3,7

tt/c [%] 15,5 24,0

S [m²] 1,003 0,951

Fonte: O autor (2020) Sh [m²] 0.278 0,895

Com o método desenvolvido, obteve-se um perfil aerodinâmico Sv [m²] 0,100 0,106

da asa com valor de clmáx maior do que o da aeronave de 2019,
que utilizava como função objetivo a maximização desse lht [m] -0,563 -0,636
parâmetro. Ou seja, o método buscou um valor maior de clmáx,
PV [kg] 3,37 3,98
reduzindo o valor de a0. Porém, durante a execução do
programa, foi observada a geração de um perfil aerodinâmico CP [kg] 12,3 10,2
da asa com valor de clmáx = 2,51 e a0 = 6,55, causando a redução
Fonte: O autor (2020)
de Vestol, mas também o aumento de Sh, Sv e, consequentemente,
aumento do arrasto parasita e PV, resultando em CP =10,7 kg e
sendo descartada nas gerações seguintes. Observa-se que foi obtido uma CP de 12,3 kg, 20% maior do
que a da aeronave 2019. Os principais fatores que contribuíram
para esse aumento significativo de CP foram:
A configuração final da aeronave obtida pelo método
desenvolvido está resumida na Tabela 2, comparada com o
modelo projetado em 2019. • aumento do coeficiente de sustentação máximo da asa
(clmáx);
Página 5|7
• redução do coeficiente angular da curva de sustentação da Figura 11 - CP vs b para CLlo = 0,7, AR = 7 e  = 0,8
asa (a0);
• redução da espessura do perfil dos estabilizadores (tt/c);
• redução da área do estabilizador horizontal (Sh).

A Tabela 3 mostra as variáveis que geraram a aeronave pelo

método de otimização desenvolvido.

Tabela 3 - Variáveis otimizadas

b 2,648 [m]
CLlo 0,729 [-] Fonte: O autor (2020)

AR 6,84 [-] Figura 12 - CP vs CLlo para b = 2,65 m , AR = 7 e  = 0,8

 0,822 [-]
Y1 w 0,165 [-]
Y2 w 0,243 [-]
Y3 w 0,236 [-]
Y4 w 0,195 [-]
Y5 w 0,185 [-]
Y1 t 0,072 [-] Fonte: O autor (2020)

Y2 t 0,083 [-] Figura 13 - CP vs AR para b = 2,65 m, CLlo = 0,7 e  = 0,8

Y3 t 0,077 [-]
Fonte: O autor (2020)

Com o objetivo de verificar a eficácia do método desenvolvido,

após a definição da aeronave final, que possuem as variáveis
ótimas apresentadas na Tabela 3, as variáveis b, CLlo, AR e , ou
seja, as que não definem o formato dos perfis aerodinâmicos,
foram verificadas quanto à presença de ótimos locais e globais.
Para isso, foi calculada a carga paga (CP) para cada possível
valor dessas variáveis, apresentadas nas Figuras 11 a 14. Fonte: O autor (2020)

Pela Figura 11 observa-se uma CP minimamente decrescente Figura 14 - CP vs  para b = 2,65 m, CLlo = 0,7 e AR = 7
de 2 para 2,3 m de envergadura (b), mostrando que o método
foi eficaz em desconsiderar esse ponto ótimo local e buscar o
global em envergaduras maiores. Para as demais variáveis de
controle não observou-se ótimos locais.

A Figura 15 ilustra a configuração global das superfícies

aerodinâmicas da aeronave otimizada.

Fonte: O autor (2020)

Página 6|7
Figura 15 - Aeronave desenvolvida pelo método de otimização ANDERSON, John David. Introduction to Flight. 7. ed. New
York: Mcgraw-Hill,, 2012.

BHATTI, M. Asghar. Practical Optimization Methods: With

Mathematica Applications. New York: Springer, 2000.

GUDMUNDSSON, Snorri. General Aviation Aircraft

Design: Applied methods and procedures. Waltham: Elsevier,
2014.

MATHWORKS. How the Genetic Algorithm Works.

Disponível em: <https://www.mathworks.com/help/gads/how-
Fonte: O autor (2020) the-genetic-algorithm-works.html>. Acesso em: 21 mai. 2019.

ROSKAM, Jan; LAN, Chuan-tau Edward. Airplane

CONCLUSÃO Aerodynamics and Performance. Lawrence: Darcorporation,
1997.
Com os resultados obtidos, ficou clara a interação entre todas
as variáveis de projeto do método de otimização com a função SAE BRASIL. 21ª Competição SAE BRASIL AeroDesign
multiobjetivos, que a partir do modelamento matemático 2019. Disponível em:
passou a ter como único objetivo a maximização de CP. <http://portal.saebrasil.org.br/Portals/0/Users/223/39/28639/R
egulamento_SAE_BRASIL_AeroDesign_2019_Rev00.pdf>.
O método desenvolvido, variando os parâmetros de controle Acesso em 26 jul. 2019.
dos perfis aerodinâmicos simultaneamente com as demais
variáveis do problema, foi eficaz em atender à função objetivo SOUSA, Bruno Silva de. Projeto de Perfis Aerodinâmicos
definida: maximização de CP. Utilizando Técnicas de Otimização Mono e Multiobjetivos.
2008. 131 f. Dissertação (Mestrado) - Curso de Engenharia
O fato de o algoritmo ter descartado configurações de aeronaves Mecânica, Instituto de Engenharia Mecânica, Universidade
com perfil de asa com clmáx superior ao do perfil que maximizou Federal de Itajubá, Itajubá, 2008
CP evidenciou que o método utilizado pela equipe em 2019 –
maximização de clmáx do perfil aerodinâmico da asa – não
necessariamente implicaria na maior pontuação da equipe na CONTATO
competição.
Autor
Por fim, nota-se que o método de otimização por algoritmo
genético se demonstrou eficaz em buscar o ótimo global das Nome: Wander Carlos Bortolon
variáveis de controle que definem a forma geométrica da asa, E-mail: wcbortolon@ucs.br
mesmo havendo ótimo local em uma das variáveis de controle.
Professores Orientadores
O método desenvolvido não considera questões construtivas
envolvidas, porém observou-se que o perfil gerado para a asa Nome: Sérgio da Silva Kucera
pode apresentar dificuldades neste quesito, portanto, para E-mail: sskucera@ucs.br
viabilizar a utilização do algoritmo, deve-se avaliar as restrições
construtivas que devem ser incluídas nele. Nome: Leandro Luís Corso
E-mail: llcorso@ucs.br
REFERÊNCIAS Universidade de Caxias do Sul
ANDERSON, John David. Aircraft Performance and
Design. New York, NY: McGraw-Hill, 1999.

Página 7|7