Resumen

Se ha demostrado el uso de técnicas probabilísticas para aprender los parámetros de los datos del aire a partir de las mediciones de la presión superficial. Se ha demostrado la integración de los modelos numéricos con los datos del túnel de viento y el diseño de experimentos secuenciales de las carreras del túnel de viento en la calibración de un sistema de anemómetro de detección de datos de aire a ras de suelo. Se presenta el desarrollo y la implementación de un método de metamodelación, la aproximación de funciones secuenciales (SFA), que constituye el núcleo del marco probabilístico discutido. El SFA se presenta como una herramienta capaz de realizar inferencia estadística no lineal, reducir la incertidumbre mediante la fusión de datos con modelos físicos de fidelidad variable, y diseñar experimentos secuenciales. Este trabajo presenta el desarrollo y la aplicación de estas herramientas en la calibración del SFA para una torre de control de aterrizaje asistido en pista (RALS). Sin embargo, la naturaleza multidisciplinar de este trabajo es de carácter general y es potencialmente aplicable a una variedad de problemas de ingeniería mecánica y aeroespacial.

• Materias:Automatización Propiedades termodinámicas Termodinámica Aerodinámica Motores (Mecánica) Vehículo espacial
• Subjects:Automation Thermodynamic properties Thermodynamics Aerodynamics Engines Space vehicles
• Palabras claves:diseño de experimentos secuenciales, lugar de aterrizaje asistido, diseño de viento, datos de túnel de viento, inferencia estadística no lineal, parámetros de datos aéreos, fusión de datos, aproximación de funciones secuenciales, marco probabilístico discutido, datos aéreos a ras de suelo
• Keywords:sequential experiment design, assisted landing site, design of wind, wind tunnel data, nonlinear statistical inference, air data parameters, fusion of data, sequential function approximation, discussed probabilistic framework, flush air data