Title Page

Abstract

Contents

Nomenclature 10

Chapter 1. Introduction 24

1.1. Background of the Research 24

1.1.1. Brief review of a design process 27

1.1.2. Importance of conceptual design phase 30

1.1.3. Primary tasks in the conceptual design phase 32

1.2. Previous studies concerning the primary tasks 36

1.3. Motivation and objectives 40

1.4. Outline of the dissertation 41

Chapter 2. Formulation of Assessment and Design Framework 42

2.1. Technology Portfolio Assessment 42

2.1.1. Overall Process 42

2.1.2. Impact of Technologies in System Level 45

2.1.3. Technology Compatibility & Interaction 48

2.1.4. Technology Portfolio Effect 52

2.1.5. Evaluation by Surrogate Model 55

2.1.6. Selection by Effectiveness 57

2.2. Sizing Framework for Advanced Air Mobility 60

2.2.1. Overall Process and Description 61

2.2.2. Rotor Aerodynamic Model 64

2.2.3. Wing and Fuselage Aerodynamic Model 68

2.2.4. Electric Propulsion System Sizing Model 71

2.2.5. Weight Estimation Model 79

2.2.6. Cost Estimation Model 83

2.2.7. Noise Model 90

Chapter 3. Uncertainty Environment 94

3.1. Types of Uncertainties 94

3.1.1. Aleatory Uncertainty 95

3.1.2. Epistemic Uncertainty 96

3.1.3. Other Uncertainties 97

3.1.4. Effect of Uncertainties 98

3.2. Uncertainties in Technology Portfolio Assessment Process 99

3.2.1. Uncertainty in technology impact and interaction factor 99

3.2.2. Uncertainty in surrogate model 105

3.3. Uncertainties in Conceptual Design Framework 108

3.3.1. Uncertainty in physical parameter variant 108

3.3.2. Uncertainty in simplified analysis models 109

3.4. Uncertainty Propagation: Monte Carlo Simulation 116

Chapter 4. Method Implementation 120

4.1. Uncertainty-based Technology Portfolio Assessment for eVTOL 120

4.1.1. Test Bed eVTOL 121

4.1.2. Technology Identification 124

4.1.3. Technology Impact 126

4.1.4. Generation of Technology Portfolio Candidates 129

4.1.5. Technology Portfolio Effect 131

4.1.6. Surrogate Model construction 132

4.1.7. Evaluation with MCS 137

4.1.8. Selection by Effectiveness 139

4.2. Sizing of eVTOL under uncertainties in conceptual design 158

4.2.1. Test Bed eVTOL 158

4.2.2. Uncertainty Identification 158

4.2.3. MCS process 161

4.2.4. Sensitivity Study 162

4.2.5. Hover Performance Analysis 174

4.2.6. Sizing for Mission Flight 186

Chapter 5. Conclusion 197

5.1. Summary 197

5.2. Originality and Contribution 200

5.3. Future Work Recommendation 203

References 206

국문 초록 220

Table 2.1. Specification of electric motors for aviation application 76

Table 2.2. Key parameter values used in vehicle cost estimation 86

Table 2.3. Key parameter values used in operating cost estimation 89

Table 2.4. Symbols for rotational noise equations 91

Table 3.1. SAIC Modified TRL description 100

Table 3.2. Expectation and interval of θpw,BEMT, and θpw,BET[이미지참조] 111

Table 3.3. Expectation and interval of θCLαwing[이미지참조] 113

Table 3.4. θCLαwing for different wing configurations[이미지참조] 114

Table 4.1. Sizing assumptions 123

Table 4.2. Baseline eVTOL design summary 123

Table 4.3. Identified technology list 125

Table 4.4. System responses of interest 133

Table 4.5. Parameters for effectiveness calculation for the project 140

Table 4.6. Summary of the desirable solutions from the various effectiveness plots 156

Table 4.7. List of parametric uncertainty of eVTOL and fixed parameters 160

Table 4.8. Parametric uncertainty of the base eVTOL in hover flight 164

Table 4.9. Sensitivity study result of DoDfin[이미지참조] 170

Table 4.10. Sensitivity study result of OASPLmax[이미지참조] 173

Table 4.11. Hover flight condition 174

Table 4.12. Statistical values of the performance indices in 10 minutes hover flight 178

Table 4.13. Parametric uncertainty of the base eVTOL in mission flight 187

Table 4.14. Required power and energy during the mission 189

Fig. 1.1. the electric VTOL wheel of fortune 25

Fig. 1.2. Representative aircraft development process 27

Fig. 1.3. Cumulative percent of life cycle cost by the development phase 31

Fig. 1.4. Objective and three pillars of the conceptual design phase 32

Fig. 2.1. Overall technology portfolio assessment process 44

Fig. 2.2. Notional technology impact matrix 47

Fig. 2.3. Notional technology compatibility and interaction matrix 49

Fig. 2.4. Schematic diagram for interactional effect between technologies 51

Fig. 2.5. Notional technology portfolio effect matrix 54

Fig. 2.6. Process of building the surrogate model 56

Fig. 2.7. Notional plot of effectiveness and investment cost 59

Fig. 2.8. Design process of RISPECT+ 63

Fig. 2.9. Rotor blade parametrization for blade element theory 64

Fig. 2.10. Comparison of XV-15 rotor in hover 67

Fig. 2.11. Comparison of XV-15 rotor in tilt mode 67

Fig. 2.12. Equivalent flat plate area trend history 69

Fig. 2.13. Comparison of lithium batteries depending on chemistry 74

Fig. 2.14. Vehicle cost estimation in AC² 87

Fig. 2.15. Schematic diagram for rotational noise 91

Fig. 2.16. A-weighting response function 93

Fig. 3.1. Notional probability density function (left), and cumulative density function (right) 95

Fig. 3.2. Uncertainty effects on an output quantity of interest 98

Fig. 3.3. Uncertainty forecast 101

Fig. 3.4. Variability of impact factor depending on TRL (Positive impact) 103

Fig. 3.5. Variability of impact factor depending on TRL (Negative impact) 103

Fig. 3.6. Schematic of surrogate model and its uncertainty 106

Fig. 3.7. Model uncertainty parameter calculation 110

Fig. 3.8. Model uncertainty parameter in BEMT method (hover mode) 112

Fig. 3.9. Model uncertainty parameter in BET method (tilt mode) 112

Fig. 3.10. Representation of LHS probable intervals for parameter input space sampling 117

Fig. 3.11. Schematic diagram of MCS 118

Fig. 4.1. Baseline eVTOL concept (left: VTOL mode, right: cruise mode) 122

Fig. 4.2. Mission profile schematic used for the baseline eVTOL sizing 122

Fig. 4.3. Technology impact matrix with theoretical limit 128

Fig. 4.4. Technology compatibility and interaction matrix (TCIM) 130

Fig. 4.5. Technology portfolio matrix (TPM) 130

Fig. 4.6. Technology portfolio effect matrix 131

Fig. 4.7. MLP model architecture 133

Fig. 4.8. Schematic diagram of MC dropout 134

Fig. 4.9. Cross validation of MLP surrogate model with confidence interval by MC dropout 136

Fig. 4.10. Monte Carlo simulation process for technology portfolio assessment 138

Fig. 4.11. 3D scatter plot of the PE, EE and RDT&E cost 141

Fig. 4.12. Overview of EE-PE plot 142

Fig. 4.13. Desirable-quadrant-enlarged EE-PE plot 143

Fig. 4.14. MCS scatter of EE-PE plot 145

Fig. 4.15. Overview of RDT&E-PE plot 146

Fig. 4.16. Desirable-quadrant-enlarged RDT&E-PE plot 147

Fig. 4.17. MCS scatter of RDT&E-PE plot without model uncertainty 149

Fig. 4.18. MCS scatter of RDT&E-PE plot with model uncertainty 149

Fig. 4.19. Overview of RDT&E-EE plot 150

Fig. 4.20. Desirable-quadrant-enlarged RDT&E-EE plot 151

Fig. 4.21. MCS scatter of RDT&E-EE plot without model uncertainty 152

Fig. 4.22. MCS scatter of RDT&E-EE plot with model uncertainty 152

Fig. 4.23. Desirable-quadrant-enlarged RDT&E-SE plot 153

Fig. 4.24. MCS scatter of RDT&E-SE plot with model uncertainty. 154

Fig. 4.25. Monte Carlo simulation process for sizing 161

Fig. 4.26. Sample number test results: expectation 163

Fig. 4.27. Sample number test results: standard deviation 163

Fig. 4.28. Correlation between Ωrotor, twrotor, and Protor[이미지참조] 166

Fig. 4.29. Sensitivity study result of DoDfin by rotor parameters[이미지참조] 167

Fig. 4.30. Sensitivity study result of DoDfin by electric propulsion parameters[이미지참조] 169

Fig. 4.31. Sensitivity study of OASPLmax by rotor parameters[이미지참조] 172

Fig. 4.32. Distribution of performance indices with the parametric uncertainty in 10 minutes hover flight 177

Fig. 4.33. NPP of output quantities of interest 181

Fig. 4.34. COV variation by forward propagation of uncertainties 182

Fig. 4.35. Probability box of performance indices with the parametric and model uncertainty in 10 minutes hover flight 185

Fig. 4.36. Transportation mission profile 186

Fig. 4.37. Required power and energy during the mission 190

Fig. 4.38. Weight breakdown and histogram of sized eVTOL 193

Fig. 4.39. Histogram of parametric uncertainties by gross weight variation 196

지난 수십 년 동안, 항공기의 여러 학제에서 성취한 획기적인 기술발전으로 오늘날 미래항공 모빌리티로 통칭되는 새로운 항공 시스템이 출현하였다. 특히, 전기동력 추진기술의 성숙도 향상은 미래항공 모빌리티의 다양한 형상과 도심 지역에서의 운용을 가능하게 만든 가장 강력한 요인 중 하나이다.

미래항공 모빌리티의 새로운 특성은 항공기 설계의 시작점인 초기 설계단계에서 지난 반세기 동안 축적된 과거 데이터를 사용하는데 어려움을 유발한다. 따라서 미래항공 모빌리티의 초기 사이징은 물리이론 기반의 설계 접근법을 요구하고, 이와 동시에 개념설계단계의 중요성이 이전에 비해 더욱 상승하였다. 신뢰성 있는 미래항공 모빌리티 설계결과를 도출하기 위한 노력의 일환으로, 본 연구에서는 통계적, 확률론적 방법론을 접목시켜 개념설계단계에서 다뤄지는 중요한 두 가지 주요 업무를 개선하였다.

첫 번째는 효용 최대화와 비용 최소화로 항공기 개발을 성공으로 이끌 기술 포트폴리오를 결정하는 "기술평가" 업무이다. 본 연구에서 제시된 불확실성 기반 기술 포트폴리오 평가 프레임워크는 기술 간의 상호 작용과 기술 효과 예측에서 개선된 수학모델을 수립하였다. 또한 근사모델에 존재하는 불확실성을 고려하여 보다 현실적이고 실용적인 결과를 도출할 수 있다. 이 방법론을 통해 개념설계단계에서 의사결정에 필요한 정보 및 지식 수준을 높일 수 있으며, 이는 결과적으로 미래항공 모빌리티의 개발비용과 반복적인 설계 피드백 횟수를 줄일 수 있다.

두 번째는 상세설계단계를 위해 초기에 전반적인 형상과 중량 분포를 계산하는 "사이징"이다. 본 연구에서는 미래항공 모빌리티 설계를 위한 결정론적 사이징 프레임워크를 우선 제시하고, 이를 기반으로 하여 형상변수와 단순화된 수학적 해석 모듈에 존재하는 불확실성을 몬테카를로 시뮬레이션을 통해 사이징 프레임워크에 반영하였다. 불확실성을 고려한 사이징은 사이징 결과에 적절한 설계여유를 확보하고, 초기설계단계에서 불확실성에 대한 시스템의 반응을 이해할 수 있도록 하여 의사 결정론자가 이후 설계단계를 준비하는데 도움이 될 수 있다.

두 가지 개선된 프레임워크는 전기동력 수직이착륙기 형태의 가상의 미래항공 모빌리티 설계에 적용되었다. 예제 프로젝트는 제시된 두 방법론의 적용 및 결과분석에 대한 예제로서 이를 통해 방법론의 유효성을 확인할 수 있다. 불확실성 기반의 기술 포트폴리오 평가 프레임워크와 미래항공 모빌리티 사이징 프레임워크 두 가지 모두 범용적인 방법론으로서 제시된 예제뿐만 아니라 다양한 항공기 개발 프로그램에 적용할 수 있다.