See discussions, stats, and author profiles for this publication at: https://www.researchgate.

net/publication/333678389

Processo de otimização multidisciplinar de aeronaves por evolução diferencial

Conference Paper · April 2018

CITATIONS READS
0 489

4 authors, including:

Tobias Morais André Rezende Dessimoni Carvalho

Universidade Federal de Uberlândia (UFU) Universidade Federal de Uberlândia (UFU)
10 PUBLICATIONS 24 CITATIONS 7 PUBLICATIONS 11 CITATIONS

SEE PROFILE SEE PROFILE

Some of the authors of this publication are also working on these related projects:

Tucano Aerodesign 2017 View project

All content following this page was uploaded by André Rezende Dessimoni Carvalho on 11 June 2019.

The user has requested enhancement of the downloaded file.

 6 FORUM SAE BRASIL AERODESIGN 2018
Processo de otimização multidisciplinar de aeronaves por
evolução diferencial
Roberto Martins de Castro Neto; André Rezende Dessimoni Carvalho
RESUMO
A integração multidisciplinar é essencial para a
coesão de um projeto aeronáutico. Dessa forma, o presente
artigo aborda uma metodologia para a integração entre áreas
de aerodinâmica, desempenho, estabilidade e estruturas
durante o projeto conceitual. Todo o processo é aliado a um
algoritmo de evolução diferencial acelerada, o qual objetiva a
maior pontuação da competição de acordo com o regulamento
proposto. Por fim, uma análise de sensibilidade é realizada
para avaliar a melhor aeronave dentre perturbações que podem
ocorrer por incertezas no projeto. Neste artigo, o regulamento
SAE Aerodesign Brasil 2017 é utilizado como exemplo.
INTRODUÇÃO
A necessidade de otimização em projetos complexos
que exigem elevada relação de compromisso, como o projeto
aeronáutico, estimulou a pesquisa e desenvolvimento de
metodologias de otimização multidisciplinar (MDO). Foram
publicados diversos estudos até o momento. Alguns deles são
voltados para o projeto conceitual [1], [2]; outros, para o
projeto detalhado [3], [4]. Uma análise geral de diversas
estruturas de MDO é apresentada em [5].
A maioria das publicações são voltadas para a
otimização de desempenho de aeronaves de grande escala,
como em [6]. Neste artigo, uma metodologia de MDO escrita
em MATLAB é apresentada para o projeto da aeronave da
equipe Tucano Aerodesign participante da competição SAE
Brasil Aerodesign. O evento é composto de uma competição
de relatórios de projeto e uma de voo. Para tanto, é imposto
um regulamento com as principais restrições geométricas e de
grupos motopropulsores da aeronave. No ano de 2017, a
principal restrição foi a de que a geometria da aeronave, na
condição de decolagem, deveria ser elaborada de tal modo que
fosse interna a um hangar cônico com dimensões pré-
estabelecidas.
Segundo [7] e [8], o projeto de uma aeronave é
dividido em três fases: projeto conceitual, preliminar e
Guilherme Hiroiti Gomes Miyadaira
Tobias Souza Morais
Universidade Federal de Uberlândia
detalhado. A equipe Tucano Aerodesign utiliza uma adaptação
deste mesmo conceito. Durante o projeto conceitual, diversas
configurações de aeronaves são analisadas e aquela com maior
potencial segue para o Processo de Otimização
Multidisciplinar de Aeronaves (POMAER). Ao término da
otimização, a melhor aeronave é selecionada, e as principais
geometrias são congeladas, dando início ao projeto preliminar
e detalhado.
METODOLOGIA
Evolução diferencial acelerada
O algoritmo de evolução diferencial proposto por [9]
é reconhecido pela sua capacidade de escapar de ótimos
locais, como discutido em [10]. Dessa forma, o POMAER
utiliza como algoritmo de otimização uma adaptação da
evolução diferencial proposta em [11].
O algoritmo de otimização foi executado
simultaneamente em 4 computadores. Cada execução nos 4
computadores compõe um ciclo (150 gerações por
computador). A cada ciclo de otimização, milhares de
aeronaves candidatas são analisadas através de uma estimativa
da sua pontuação na competição e diversos ciclos são
realizados para aumentar a probabilidade de convergência em
um mínimo global. Os parâmetros da evolução diferencial
utilizados são apresentados na Tabela 1, onde D é o número de
variáveis de otimização.
Tabela 1 - Parâmetros da evolução diferencial.
Número da população 10*D
Número de gerações 150
Fator de perturbação (F) 0,8
Probabilidade de crossover (CR) 0,8
Estratégia DE/rand/1/bin
As estratégias da evolução diferencial são definidas
em [9] e estabelecem a regra matemática utilizada na geração
de novos indivíduos (vetores). Para o caso DE/rand/1/bin, o
vetor alvo é escolhido aleatoriamente; é utilizado a diferença
P ágina 1|8
 6 FORUM SAE BRASIL AERODESIGN 2018

entre apenas dois vetores na obtenção do vetor doador; e o comprometida. Assim, a altura da asa é definida como a
cruzamento é do tipo binomial (executado em cada variável de menor possível atendendo ao limite de ângulo de rotação na
forma independente). decolagem estabelecido para cada indivíduo (Figura 2). Com
isso, toda a geometria da asa e sua posição no cone é
As variáveis de otimização foram definidas de tal delineada.
forma que possam abranger uma aeronave genérica de
configuração definida no projeto conceitual (monoplano com
trem de pouso convencional). São elas: corda da raiz da asa;
ângulo de incidência da asa; porcentagem das estações da asa;
afilamentos; diedros; enflechamentos; torção geométrica;
perfis aerodinâmicos da asa e empenagem horizontal;
alongamento e afilamento da empenagem horizontal; limite de
ângulo de rotação na decolagem e distância horizontal do trem
de pouso ao CA da asa.

A modelagem contida no POMAER utilizada para

estimar a pontuação de voo com base nos valores das variáveis
de otimização é dividida em cinco módulos: geométrico,
aerodinâmica, estabilidade e controle, desempenho e cargas e
Figura 2 - Relação da altura da asa e ângulo máximo de
estruturas. Cada um é apresentado nas seções seguintes.
rotação em solo.
Módulo geométrico A posição do trem de pouso também é otimizada,
pois possui grande influência na altura da asa e no
O módulo geométrico é responsável por calcular as dimensionamento do profundor (Figura 3).
dimensões da aeronave que atendam aos requisitos
geométricos do regulamento (hangar cônico) com base nos
valores das variáveis de otimização.

Figura 3 - Influência da posição do trem de pouso.

Ainda no módulo geométrico, a posição da

Figura 1 - Representação de uma asa genérica.
A partir das variáveis de otimização, para que a
geometria da asa (Figura 1) esteja definida, resta apenas o
valor de sua envergadura, calculada de tal forma que seja a
maior possível dentro do limite do cone. No entanto, este valor
é diretamente relacionado com a altura da asa - até então não
definida. Quanto mais baixa a asa, maior pode ser sua
envergadura. Entretanto, a rotação da aeronave em solo é
empenagem horizontal é definida. Quanto mais baixa a
empenagem estiver, maior poderá ser seu braço devido ao
cone e, consequentemente, necessitará de uma menor
empenagem para atender aos requisitos de estabilidade e
controle. Entretanto, novamente o ângulo de rotação em solo é
prejudicado pelo tail clearence. Dessa forma, a posição
longitudinal e a altura do bordo de fuga da empenagem
horizontal são definidas pelo ângulo de rotação em solo
(Figura 2). O completo dimensionamento da empenagem
horizontal é discutido no módulo de estabilidade e controle.
P ágina 2|8
 6 FORUM SAE BRASIL AERODESIGN 2018
Módulo de aerodinâmica
O módulo de aerodinâmica é responsável por obter os
coeficientes aerodinâmicos da aeronave que são utilizados
pelo módulo de desempenho; e suas derivadas, utilizadas pelo
módulo de estabilidade e controle.
Devido às possíveis geometrias da asa com diedro e
enflechamento, o módulo de aerodinâmica utiliza a teoria da
linha sustentadora linear moderna [12]. A solução
aerodinâmica para ângulos de ataque maiores é dada pela
teoria da linha sustentadora não linear clássica [13], a qual não
aceita diedro e enflechamento. A desconsideração do diedro é
corroborada por [2], [14] e [15]. Para o enflechamento,
aplicou-se uma correção proposta por [16]. A convergência da
região linear da curva de CL x alpha entre os dois métodos foi
avaliada e aplicou-se um fator de correção de 3% (Figura 4).
Figura 4 - Correção para a curva CL x alpha.
A correção efetuada é realizada na curva não linear,
visto que, neste cálculo, os valores de enflechamento e diedro
são negligenciados. Dessa forma, tem-se que os valores de
dCL/dalpha e CL0 da curva ajustada é igual àquele obtido pela
LLT moderna. Para isso, a curva não linear é transladada
apenas na horizontal, alterando-se o ângulo de estol e
mantendo-se o valor de CL máximo.
Os perfis da asa e empenagem foram adotados como
variáveis de otimização. Para isso, um banco de dados foi
formado com perfis otimizados durante o pré-projeto,
utilizando o Xfoil6.99 como solver.
O arrasto parasita de estruturas como trem de pouso,
fuselagem e boom são estimados seguindo [17].
Módulo de estabilidade e controle
O módulo de estabilidade e controle possui a
finalidade de dimensionar a empenagem horizontal e penalizar
as aeronaves que não atenderem aos requisitos impostos pela
equipe. Dessa forma, aeronaves que possuem voo inviável são
descartadas. As análises realizadas envolvem estabilidade e
controle longitudinal estática. São elas: margem estática,
trimagem, e controle durante decolagem. Este módulo,
juntamente com o módulo de desempenho, também é
responsável por avaliar a posição longitudinal do CG.
A partir dos valores de alongamento, afilamento e
perfil aerodinâmico obtidos das variáveis de otimização, a
empenagem horizontal foi dimensionada com a seguinte
lógica:
1- Calcula-se a área de empenagem horizontal
necessária para manter margem estática igual a
10% para várias posições horizontais de CG
(adaptado de [18] e [19]);
2- Calcula-se o downforce necessário para vencer o
momento de rotação em torno do trem de pouso
(decolagem) para cada posição horizontal do CG.
Com isso, a área da empenagem horizontal é
calculada tendo em vista os valores dos
coeficientes aerodinâmicos para a deflexão
máxima de profundor all-move;
3- Dessa forma, a posição de CG selecionada é
aquela que fornece a menor área de empenagem
horizontal que atenda os dois requisitos (Figura
5), gerando menor arrasto e menor downforce
durante a decolagem, fase avaliada no módulo de
desempenho.
A margem estática de 10% foi adotada como critério
de estabilidade e controle pela experiência da equipe em anos
anteriores.
P ágina 3|8
 6 FORUM SAE BRASIL AERODESIGN 2018
Figura 5 - Avaliação da posição do CG.
Para uma aeronave genérica, nem sempre a menor
área de empenagem é mais vantajosa, pois pode-se trabalhar
com diversos perfis aerodinâmicos. No entanto, o aerofólio da
empenagem horizontal e da asa são variáveis de otimização.
Dessa forma, para um mesmo alongamento e perfil, a busca
pela menor área é interessante do ponto de vista de
desempenho (redução de arrasto e downforce na decolagem).
Através de uma comunicação com o módulo
geométrico, a empenagem horizontal é dimensionada dentro
do cone com a área, alongamento e afilamento selecionados.
Caso não seja possível, a aeronave é penalizada.
Por fim, a trimagem é analisada [20]. Caso o ângulo
de trimagem para voo reto e nivelado a 110% da velocidade de
estol seja maior que o ângulo de estol da aeronave, o indivíduo
também é penalizado. O alto valor do ângulo de trimagem
aceitável é justificado pois trata-se de uma aeronave rádio-
controlada para competição.
Módulo de desempenho
Devido à restrição do regulamento para decolagem
em até 60 m, esta fase torna-se limitante para o projeto de uma
aeronave participante da competição. Dessa forma, o módulo
de desempenho analisa o comportamento da aeronave durante
a decolagem com a finalidade de obter o MTOW de cada
indivíduo.
Para isso, o tempo é discretizado em intervalos de
0,05 segundos. Inicialmente, a massa total da aeronave é
considerada igual a 3 kg. A cada passo, as forças atuantes na
aeronave são calculadas, obtendo-se a aceleração, velocidade e
descolamento. Os valores de tração para cada velocidade são
obtidos através de um banco de dados que inclui as curvas de
tração dinâmica de alguns grupos motopropulsores, incluindo
os motores OS0.55AX e MAGNUM−XLS.61A. O motor
utilizado entra como uma variável de otimização. As forças de
sustentação e arrasto da aeronave são obtidas através da
comunicação com o módulo de aerodinâmica, o qual fornece
os coeficientes aerodinâmicos para diversos números de
Reynolds e ângulos de ataque. O coeficiente de atrito é
estimado com base em aeronaves de anos anteriores da equipe.
A iteração é interrompida quando a aeronave atinge a
velocidade de decolagem, definida como a velocidade na qual
a sustentação da asa é igual a soma do peso e da sustentação
da empenagem horizontal. O CL utilizado em lift-off é aquele
calculado para o ângulo máximo de rotação estabelecido.
Assim, calcula-se o comprimento de pista necessário para a
decolagem com a massa de 3 kg. Todo o procedimento é
realizado novamente com um acréscimo de massa enquanto o
comprimento de pista for menor que 60 metros. Dessa forma,
encontra-se o MTOW de cada indivíduo.
A avaliação do desempenho em decolagem considera
toda a rotação da aeronave no final da pista. Quando a
distância percorrida passa de 53 metros, ocorre a deflexão do
profundor e a aeronave começa a rotacionar em torno do trem
de pouso principal. A completa rotação (ângulo definido por
variável de otimização) ocorre aos 57 metros. Assim,
considera-se toda a variação dos coeficientes aerodinâmicos
devido ao acréscimo do ângulo de ataque. Idealmente, a
completa rotação ocorreria nos 60 metros de pista. No entanto,
o piloto não possui a sensibilidade exata para que isso ocorra,
e a aeronave corre o final da pista totalmente rotacionada. Os
valores de 53 e 57 metros foram estimados com base em
estudo da característica do piloto (Figura 6).
Figura 6 - Forças longitudinais durante decolagem. Nota-se o
ganho em arrasto no fim da pista devido à rotação.
P ágina 4|8
 6 FORUM SAE BRASIL AERODESIGN 2018

A velocidade do vento de proa tem impacto
significante na carga paga da aeronave. Assim, um estudo
estatístico [21] do vento no local e período da competição foi
realizado. Dessa forma, as análises de desempenho
consideram uma velocidade do vento de proa de 3 m/s.
Módulo de cargas e estruturas
O módulo de cargas e estruturas é responsável pela
estimativa de peso vazio da aeronave candidata. Três etapas
são utilizadas. A primeira calcula a massa de balsa utilizada na
construção da asa e da empenagem com base na espessura das
chapas, densidade, área coberta do bordo de ataque, bordo de
fuga e nervuras e área de entelagem. A segunda etapa estima a
massa de componentes fixos da aeronave, tais como: motor,
servos, trem de pouso, rodas, bequilha e componentes
eletrônicos. A terceira etapa utiliza uma comunicação entre o
MATLAB e o solver de elementos finitos NASTRAN para o
dimensionamento da longarina da asa. A distribuição de
sustentação é obtida através do método de Schrenk [22]. Após
uma estimativa do raio da longarina de carbono vazado, a
solução 101 é realizada iterativamente reduzindo-se o raio da
longarina até que sua deflexão na ponta da asa seja menor que
18 mm e a tensão máxima obtida seja menor que a tensão de
escoamento do material. O valor de deflexão máxima
permitida foi estimado a partir da asa da aeronave Tucano
2016, na qual sua deflexão ao término da corrida de
decolagem anulava o valor de diedro. Para simular a
influência da balsa, o modelo em NASTRAN conta com
rigidezes impostas.
Função pontuação
Como o objetivo do processo de otimização é obter a
melhor aeronave para a competição SAE Brasil Aerodesign, o
valor otimizado é a pontuação de voo da aeronave. Com a
estimativa de peso vazio calculada no módulo de cargas e
estruturas e o MTOW calculado no módulo de desempenho, a
pontuação é obtida pelas equações apresentadas no
regulamento. O algoritmo de evolução diferencial acelerada
busca a minimização do valor negativo da pontuação (ou seja,
geométricas, diedro e enflechamento), na tração do motor, CL
e CD. A incerteza na tração do motor é justificada pelas
oscilações da sua rotação percebidas em ensaios. Tais
incertezas são implementadas da seguinte forma: para cada
variável, um valor randômico de -1 a 1 é gerado e
multiplicado por uma amplitude definida pela equipe. Esse
valor é então somado ao valor da variável de projeto e a
função objetivo ocorre normalmente.
Com isso, pode-se avaliar a sensibilidade que as
variáveis de projeto possuem na pontuação da aeronave. Uma
aeronave muito sensível deve-se ser evitada, pois uma
pequena mudança não intencional nas dimensões da aeronave
resultará em pontuação de voo baixa na competição.
RESULTADOS
Figura 7 - Tucano 004 (com modificações do projeto
preliminar e detalhado).
Foram realizados 13 ciclos de otimização, sendo os
dois últimos robustos. A cada ciclo, os limites laterais foram
estreitados de acordo com a convergência. Três aeronaves com
pontuações próximas resultaram do processo de otimização
(Tabela 2). A aeronave 2 (Figura 7) foi selecionada devido à
maior facilidade de construção, visto que não há
enflechamento.
Tabela 2 - Variações entre 3 aeronaves ótimas.
Dimensão Aer. 1 Aer. 2 Aer. 3
Envergadura da asa [m] 2,57 2,61 2,60
Geral

maximiza a pontuação). Corda da raiz da asa [m] 0,51 0,52 0,50

Âng. de incidência [deg] 0 0 0
Análise de sensibilidade Envergadura [m] 0,61 0,65 0,56
Estação 1

Afilamento 1,00 1,00 1,00

Devido a imprecisões geométricas durante a Enflechamento [deg] 0,00 0,00 0,00
construção da aeronave (como abaulamento da entelagem e Diedro [deg] 0,00 0,00 0,00
fixação da asa com o correto ângulo de incidência), as Envergadura [m] 0,55 0,45 0,56
Estação 2

aeronaves do processo de otimização passam por uma análise Afilamento 0,76 0,76 0,81
de sensibilidade. Incertezas são aplicadas em algumas
Enflechamento [deg] -4,00 0,00 -3,47
variáveis de otimização (ângulo de incidência, torções
Diedro [deg] 0,00 0,00 -4,00
P ágina 5|8
 6 FORUM SAE BRASIL AERODESIGN 2018

Envergadura [m] 0,08 0,16 0,13

Estação 3

Afilamento 0,41 0,40 0,42

Enflechamento [deg] 4,44 0,00 8,00
Diedro [deg] -15,00 -15,00 -8,40
Δ Pontuação [%] 0,06 0,00 -0,38

Após a seleção da aeronave resultante da otimização,

análises de estabilidade e controle não lineares e latero-
direcionais estáticas foram realizadas simultaneamente ao
dimensionamento da empenagem vertical e ailerons ([19], [20]
e [23]) para que possibilitasse a sua construção e voo.

Um protótipo de baixo custo foi construído e

ensaiado para validação do desempenho de decolagem da
aeronave estimado no POMAER. A Tabela 3 compara
resultados obtidos do modelo e do ensaio (obtidos com
telemetria).

Tabela 3 - Comparação entre ensaio e modelo.

Voo 1 Voo 2
Dados Real Previsto Diferença Real Previsto Diferença
AD 750 m 750 m - 850 m 850 m -

Vproa 0 m/s 0 m/s - 0,9 m/s 0,9 m/s -

Sg 54,6 m 59,6 m 9,16% 56,8 m 59,5 m 4,75%

17,10 17,12
TOW 0,12% 18,10 kg 17,83 kg 1,49
kg kg
Figura 8 - Comparação entre modelo e telemetria.

Para a aeronave resultante do POMAER, a curva de

Os dados do voo 1 mostraram que o modelo físico
carga paga obtida é mostrada na Figura 9. Considerando
subestimou o desempenho da aeronave, visto que a distância
altitude densidade de 1000 metros e velocidade do vento de
de decolagem real foi menor que a prevista. Sabendo disso,
proa de 1 m/s (médias na competição de 2017) e peso vazio de
para o voo 2, o peso colocado na aeronave foi maior que o
2,790 kg (aeronave mais leve construída), a pontuação de voo
previsto e, ainda assim, a performance da aeronave foi
esperada é de 208,18. Somada com as pontuações de
superior ao modelo. Com base nos resultados apresentados,
bonificação, relatório e apresentação que a equipe obteve, a
fatores multiplicativos de até 5% foram adicionados aos
pontuação final é de 491,69. A diferença final para a equipe
valores de CL, CD e coeficiente de atrito de tal forma a ajustar
campeã da competição é de 6,94 pontos abaixo.
o modelo. A Figura 8 compara dados de aceleração,
velocidade e deslocamento entre o ensaio e o previsto,
mostrando modelagem satisfatória.

P ágina 6|8
 6 FORUM SAE BRASIL AERODESIGN 2018
Figura 9 - Curva de CP da aeronave resultante.
CONCLUSÕES ESPERADAS
A partir dos resultados mostrados, nota-se que a
metodologia de MDO apresentada fornece uma aeronave
competitiva dentro do ambiente da SAE Brasil Aerodesign.
Além disso, por ser constituído por módulos, o POMAER
pode ser facilmente ajustado para atender a outros
regulamentos ou ainda uma aeronave comercial, como, por
exemplo, otimizando o consumo de combustível através de
alterações no módulo de desempenho e pontuação.
No ano de 2017, todo o processo de otimização levou
9 semanas. Sendo 6 semanas dedicadas à implementação da
linha sustentadora moderna, correção de erros cometidos e
aperfeiçoamento do módulo geométrico e de desempenho.
Apenas as últimas 3 semanas contemplaram, efetivamente, os
ciclos de otimização. Dessa forma, quando comparado à
metodologia de projeto com base histórica (aeronaves de anos
anteriores), o tempo demandado pelo POMAER é maior.
Entretanto, devido a integração multidisciplinar, o POMAER
consegue extrair uma boa relação de compromisso entre as
variáveis de projeto. Além disso, o resultado das análises
realizadas neste processo continua sendo utilizado no projeto
preliminar e detalhado como estimativa para análises
aprofundadas, reduzindo-se o tempo total de projeto.
Mesmo com os ganhos apresentados, é preciso ser
cauteloso na utilização do POMAER. O projetista deve
entender como as variáveis trabalham dentro dos módulos
para que possa analisar os resultados dos ciclos de otimização.
Dessa forma, evita-se que o resultado seja apenas uma solução
matemática e inviável do ponto de vista de engenharia.
Também é necessário conhecer quais análises não fazem parte
do POMAER, pois os resultados dos ciclos de otimização
podem apresentar problemas durante tais avaliações que
exijam modificações no projeto da aeronave. A aeronave
TUCANO 004, obtida utilizando a metodologia deste artigo,
apresentou ocorrência de dutch roll para velocidades próximas
ao estol, item não analisado no POMAER. Assim, um
acréscimo de superfícies verticais foi analisado e
implementado durante o projeto detalhado, prejudicando o
desempenho da aeronave em decolagem e reduzindo
pontuação. O problema apresentado pode ser solucionado
através da implementação da metodologia apresentada em [6].
REFERÊNCIAS
[1] Warren Hoburg, Pieter Abbeel. Geometric
Programming for Aircraft Design Optimization. AIAA
JOURNAL, 2014.
[2] Ilan Kroo, Steve Altus, Robert Braun, Peter Gage, Ian
Sobieski. Multidisciplinary Optimization Methods for
Aircraft Preliminary. AIAA. 1994.
[3] A. A. Giunta, O. Golividov, D. L. Knill, B. Grossman,
R. T. Haftka, W. H. Mason, L. T. Watson.
Multidisciplinary Design Optimization of Advanced
Aircraft Configurations. 1996.
[4] Tomasz Goetzendorf-Grabowski, Jacek Mieloszyk.
Unconventional Configurations - Design and
Optimization. ICAS. 2016.
[5] Joaquim R. R. A. Martins, Andrew B. Lambe.
Multidisciplinary Design Optimization: A Survey of
Architectures. AIAA. 2013.
[6] Mccullers, L. A. Aircraft configuration optimization
including optimized flight profiles. 1984.
[7] Sadraey, Mohammad H. Aircraft Design. Wiley, 2013.
[8] Raymer, D. P. Aircraft Design: A conceptual
Approach. AIAA, 1992.
[9] R. Storn, K. Price. Differential evolution: a simple and
efficient adaptive scheme for global optimization over
continuous spaces. International Computer Science
Institute. 1995.
[10] Fran Sérgio Lobato, Valder Steffen Jr, Antônio J. Silva
Neto. Resolução de Problemas Inversos em Processos
Difusivos e Transferência Radiativa usando o
Algoritmo de Evolução Diferencial. 2011.
[11] Fran Sérgio Lobato, Valder Steffen Jr. Multi-Objective
Optimization Problems. Springer International
Publishing, 2017.
[12] Philips, W., Snyder, D., 2000. Modern Adaptation of
Prandtl, Journal of Aircraft, vol. 37.
[13] Carvalho, A. R. D., Brito, P. P. C., Nonlinear Lifting
P ágina 7|8
 6 FORUM SAE BRASIL AERODESIGN 2018

Line Implementation and Validation for Aerodynamic

and Stability Analysis. CILAMCE 2017 Proceedings of
the Iberian Latin-American Congress on Computational
Methods in Engineering.
[14] Barbosa, Á. A. F. Influência da asa em gaivota nos
coeficientes aerodinâmicos de uma aeronave. São
Carlos. 2015.
[15] O., B. M. J. House R. Wind-Tunnel Investigation of
Effect of Yaw on Lateral-Stability Characteristics.
Washington. NACA Report 703, 1939.
[16] Anderson, J. J. D. Aircraft Performance and Design.
Mc Graw Hill, 1999.
[17] Sadraey, Mohammad. Aircraft Performance: Analysis.
VDM Verlag Dr. Müller, 2011.
[18] Etikin, B. Dynamics of Flight. Wiley, 1959.
[19] Roskam, J. Methods for Estimating Stability and
Control Derivatives of Conventional Subsonic
Airplanes. 1971.
[20] Roskam, J. Airplane Flight Dynamics and Automatic
Flight Controls. 2001.
[21] ICEA. Banco de Dados Climatológicos.
http://clima.icea.gov.br/clima.
[22] Rodrigues, Luiz Eduardo Miranda josé. Fundamentos
da Engenharia Aeronáutica: Aplicações ao Projeto SAE
Aerodesign. 2011.
[23] Nelson, R. C. Flight Stability and Automatic Control.
McGraw-Hill Book Company. 1976.

CONTATO
Guilherme Hiroiti Gomes Miyadaira – Universidade Federal
de Uberlândia
guilhermemiyadaira@hotmail.com

Roberto Martins de Castro Neto – Universidade Federal de

Uberlândia
roberto10mcn@hotmail.com

André Rezende Dessimoni Carvalho – Universidade Federal

de Uberlândia
andre.rdc@hotmail.com

Tobias Souza Morais – Universidade Federal de Uberlândia

tobias@ufu.br

P ágina 8|8

View publication stats