An Examination of a Quadcopter Drone Flow Structure and Noise Using Quantum Lattice Boltzmann Method

Abstract

The drone industry has shown great development in recent years. To maintain this development, drones need to be studied further. Development must also occur in the ways and methods of developing drones. In this work, we will examine the airflow and acoustics around the DJI Phantom 3 quadcopter drone. The work investigates the differences between a drone in forward movement and a drone in stationary hovering. Vortices and other aerodynamic effects are studied from these two cases. Flying a quadcopter drone invariably produces sound, and this can be reduced using various methods. To utilize these methods, it is necessary to investigate how and why sound is generated. Ansys Fluent has been utilized for sound and flow analysis. The theoretical part of the work introduces traditional RANS Navier-Stokes method and different models in it. The theoretical part also introduces a new QLBM simulation method that utilizes quantum computing. It is noted that this simulation method is quite new and is not widely used for large or complex simulations. Simulations have been performed for a full drone using traditional RANS simulation in Ansys Fluent. It is noted that the most energy-intensive vortices are formed at the blade tips but also near the fuselage as the blade passes it. The aeroacoustics is affected by the periodic sound from the propeller rotation and the broadband sound from the background noise. A moving drone produces higher sound pressure levels than a stationary one, except for the sound in the direction directly opposite to the movement. At the start of this research, it was planned to use QLBM for higher velocities, but due to the limits of QLBM, it was used only for very low speeds. Simulations made using the quantum emulator are compared with the traditional method performed on an airfoil. It is noted that results are similar and that there is a large difference in simulation times, which is due to using a quantum emulator. However, a direct conclusion cannot be made that the methods are equally accurate on a larger scale, since the simulations were made at very low flow speeds.

Drone-teollisuus on osoittanut voimakasta kehitystä viime vuosina. Tämän kehityksen ylläpitämiseksi droneja on tutkittava. Kehitystä on tapahduttava myös tavoissa ja menetelmissä tutkia droneja. Tässä työssä tarkastellaan DJI Phantom 3 neliroottori dronen ympärillä tapahtuvaa ilmavirtausta ja akustiikkaa. Työssä tutkitaan eroja eteenpäin liikkuvan ja paikallaan leijuvan dronen välillä. Pyörteitä ja muita aerodynaamisia vaikutuksia tutkitaan näiden kahden tapauksen välillä. Nelikopterin lennättäminen tuottaa väistämättä ääntä, mutta sitä voidaan pienentää useilla menetelmillä. Näiden menetelmien hyödyntäminen edellyttää ensin äänen tutkimista, miten ja miksi ääni syntyy. Ansys Fluentia on käytetty ääni- ja virtaus analyyseihin. Työn teoreettisessa osassa esitellään perinteinen RANS Navier-Stokes menetelmä ja siihen sisältyvät mallit. Teoreettisessa osassa esitellään myös uusi QLBM-simulointimenetelmä, joka hyödyntää kvanttilaskentaa. On huomattava, että tämä simulointimenetelmä on melko uusi eikä sitä käytetä vielä laajemmin suurissa tai monimutkaisissa simulaatioissa. Simuloinnit on suoritettu kokonaiselle dronelle perinteisellä RANS-simuloinnilla. Huomataan että energia tiheimmät pyörteet muodostuvat siiven kärjistä mutta myös lähellä runkoa siiven ohittaessa sen. Aeroakustiikkaan vaikuttavat jaksollinen ääni propellin pyörinnästä ja jatkuva ääni taustamelusta. Liikkuva drone tuottaa korkeampia äänipainetasoja kuin paikallaan leijuva drone, lukuun ottamatta liikkeen vastakkaisessa suunnassa. Tutkimuksen alussa tarkoitus oli käyttää QLBM:ää suuremmilla nopeuksilla, mutta QLBM:n rajoitusten vuoksi sitä käytettiin vain hyvin pienillä nopeuksilla. Kvanttiemulaattorilla tehtyjä simulaatioita verrataan perinteiseen simulointiin 2D siivelle. Todetaan, että tulokset ovat samankaltaisia ja että, simulaatio ajoissa on suuria eroja, jotka selittyvät emulaattorin käytöllä. Suoraa johtopäätöstä siitä, että menetelmät ovat yhtä tarkkoja suuremmassa mittakaavassa, ei kuitenkaan voida tehdä, koska simulaatiot tehtiin hyvin pienillä virtausnopeuksilla.