Muhammad Ihsan Masykur, Harinaldi · Journal of King Saud University: Engineering Sciences · 2025

Orca hydrofoil shape optimization using Bezier curve and artificial neural network – multiple objective genetic algorithm for low flow velocity

Resumo em português

RESUMO A energia das marés é uma fonte de energia limpa e previsível comumente aproveitada por meio de turbinas de eixo horizontal. O processo de geração de energia dessas turbinas é influenciado por vários elementos, incluindo métricas de desempenho do hidrofone, como coeficiente de sustentação, coeficiente de arrasto e razão sustentação-arrasto. Este estudo apresenta a utilização do hidrofone Orcinus orca para turbinas de eixo horizontal. A geometria do Orcinus orca foi obtida modificando o aerofólio NACA0021. Posteriormente, foi empregada a parametrização por curva de Bézier para obter um perfil suave do hidrofone. O estudo também utilizou uma rede neural artificial combinada com um algoritmo genético multiobjetivo, focando na otimização da forma do hidrofone em baixa velocidade de escoamento de 0,5 m/s. O objetivo dessa otimização foi aumentar o coeficiente de sustentação e diminuir o coeficiente de arrasto, ampliando assim a razão sustentação-arrasto. Os resultados revelam uma melhoria significativa no desempenho, já que o hidrofone otimizado Orcinus orca apresenta um aumento notável de 42,78% e 27,93% em comparação com os hidrofones originais Orcinus orca e modificados por Bézier, respectivamente.

Resumo original em inglês

Abstract Tidal energy is a clean and predictable power source commonly harnessed using horizontal-axis tidal turbines. The power generation process of these turbines is influenced by various elements, including the hydrofoil performance metrics such as the lift coefficient, drag coefficient, and lift-to-drag ratio. This study introduces the utilization of the Orcinus Orca hydrofoil for horizontal-axis tidal turbines. The Orcinus Orca geometry was obtained by modifying the NACA0021 airfoil. Subsequently, Bézier curve parameterization was employed to achieve a smooth hydrofoil profile. The study further deployed an artificial neural network coupled with a multi- objective genetic algorithm, targeting hydrofoil shape optimization at a low flow velocity of 0.5 m/s. The aim of this optimization was to augment the lift coefficient and decrease the drag coefficient, thereby amplifying the lift- to-drag ratio. The findings reveal a significant enhancement in performance, as the optimized Orcinus Orca hydrofoil exhibits a remarkable increase of 42.78% and 27.93% compared to the original Orcinus Orca and the Bézier-modified Orcinus Orca hydrofoils, respectively.