External store separation on aircraft has been widely studied. It is important that it should be safely separate the store from aircraft and reach the goals. The store separation is a complex problem which cou-pled dynamics with aerodynamics, and there is elaborate technology required for successful separation. Fur-thermore, store separation technologies can be used for stage separation of a space launch vehicle. In the previous study, separation problem has been conducted by using unsteady calculation of computational fluid dynamic flow solver coupled with six degree-of-freedom equation of motion (6DOF equation of motion). However, this method has a limit to calculate full-scale trajectory for store since it takes tremendous calcula-tion time. To resolve this limit, various methods have been suggested.
In this study, prediction of separation trajectory for TSTO launch vehicle and external store was per-formed by using aerodynamic database based on steady state analysis of computational fluid dynamic flow solver coupled with artificial neural network and 6DOF equation of motion.
In case of the TSTO launch vehicle, calculations were made for the wind-tunnel experiment model of the LGBB TSTO vehicle configuration on steady state conditions. An overset mesh technique was adopted to handle the relative distance between an orbiter and a booster. To construct aerodynamic database, the calcu-lation cases considering the relative positions were obtained from test matrix of reference[12], an improved distributed hypercube sampling method[13] and an adaptive aerodynamic data method. The third method is contributed to reduce time for database construction. The database wad composed of normal force coeffi-cient, axial force coefficient and pitching moment coefficient. After building aerodynamic database, an arti-ficial neural network (ANN)[35] was applied to make approximation functions representing the relations be-tween the relative position of the two vehicles and the aerodynamic forces. The separation trajectory for the TSTO launch vehicle was predicted using 6DOF equation of motion based on the approximation functions. The predicted separation trajectory was compared with the other researcher’s results [12] based on the exper-imental database, and it was found that the agreement between the two results was reasonable. Additionally, the results were compared with results in unsteady condition, and it shows a great agreement. Therefore, this method proved that it can covered disadvantages of unsteady calculation.
In store alone case, store configuration was obtained from reference [39]. To build aerodynamic da-tabase, the calculation cases considering roll, pitch and yaw angle were acquired from improved distributed hypercube sampling method. The aerodynamic database consists of three force coefficients and three mo-ment coefficients. The force coefficients are normal, axial and lateral force coefficient, the moment coeffi-cients are rolling, pitching and yawing. After the database construction, the trajectory for store was anticipat-ed by he same ways used for TSTO.
항공기로부터 분리되는 외부장착물의 분리운동은 폭넓게 연구되어 왔다. 외부장착물의 분리운동은 항공기로부터의 안전한 분리와 정해진 목표에 도달하는 것이 중요하다. 장착물의 분리 문제는 동역학과 공기역학이 결합된 복잡한 문제이며 성공적인 분리를 위해 정교한 기술이 요구된다. 더군다나 외부장착물의 분리기술은 우주 발사체의 단 분리에도 이용할 수 있다. 이전의 연구에서는 전산유체역학을 이용한 비정상해석과 6자유도 운동방정식을 연계하여 분리운동문제를 수행하였다. 그러나 이러한 방법은 분리거리를 계산하기 위한 계산시간이 매우 많이 소요되기 때문에 최종분리 궤적을 파악하는데 한계가 있다. 이러한 문제를 해결하기 위해 다양한 방법들이 제시되고 있다.
본 연구에서는 TSTO 우주 발사체와 외부장착물의 분리궤적을 전산유체역학을 이용한 정상해석 기반의 데이터베이스와 인공신경망 및 6자유도 운동방정식을 연계하여 계산하였다.
TSTO 비행체의 경우, 풍동 실험을 통해 정상상태 데이터베이스를 구성하는데 사용한 모델과 동일한 모델을 사용하였다. 중첩격자 기법을 적용하여 부스터와 오비터의 상대적인 거리를 고려하였다. 데이터베이스를 구성하기 위한 상대적인 거리를 고려한 계산위치는 참고문헌[12]의 실험과 동일한 위치, Improved distributed hypercube sampling method를 이용하는 방법, 그리고 데이터를 반복적으로 추가하여 구성하는 방법으로 얻었다. 세 번째 방법의 경우 데이터베이스를 구성하기 위한 시간을 줄이는데 기여하였다. 데이터베이스의 경우 수직력과 축력, 피칭모멘트 계수로 구성이 되었다. 데이터베이스를 구성한 후, 두 비행체의 상대적인 위치와 공력데이터간의 근사함수를 만들기 위해 인경신경망 기법을 도입하였다. TSTO 비행체의 분리궤적은 근사함수에 기반한 6자유도 운동방정식을 사용하여 구할 수 있다. 예측된 결과를 풍동 실험으로 데이터베이스를 구성해 분리궤적을 예측한 참고문헌[12]의 결과와 비교하였으며, 두 결과가 잘 일치하는 것을 볼 수 있다. 추가적으로 비정상 해석 결과와도 비교하였을 때, 매우 잘 맞는 것을 확인하였다. 따라서 본 연구의 결과가 비정상 해석의 단점을 잘 보완하는 것으로 판단된다.
외부장착물의 경우, 형상은 참고문헌[38]로부터 얻었다. 공력 데이터베이스를 구성하기 위해 Improved distributed hypercube method를 사용하여 롤(role), 피치(pitch), 요우(yaw)에 대해서 계산 위치를 얻었다. 공력 데이터베이스의 경우 세 가지의 힘과 세 가지 모멘트를 이용하여 구성을 하였다. 힘 계수는 수직력, 축력, 측력이며, 모멘트 계수는 롤링, 피칭, 요잉 모멘트이다. 데이터베이스 구성 후 TSTO와 동일한 방법으로 외부장착물의 분리궤적을 예측하였다.
