Estratégias de aprendizado profundo aplicadas ao controle em malha fechada de escoamentos não-estacionários

• Processo: 22/00469-8
• Modalidade de apoio: Bolsas no Exterior - Estágio de Pesquisa - Doutorado
• Data de Início da vigência: 01 de agosto de 2022
• Data de Término da vigência: 31 de março de 2023
• Área de conhecimento: Engenharias - Engenharia Aeroespacial - Aerodinâmica
• Pesquisador responsável: William Roberto Wolf
• Beneficiário: Tarcísio Costa Déda Oliveira
• Supervisor: Scott Thomas McGregor Dawson
• Instituição Sede: Faculdade de Engenharia Mecânica (FEM). Universidade Estadual de Campinas (UNICAMP). Campinas , SP, Brasil
• Instituição Anfitriã: Illinois Institute of Technology (IIT), Estados Unidos
• Vinculado à bolsa: 19/19179-7 - Estratégias de controle de escoamentos aplicadas a escoamentos não estacionários com transição e turbulência, BP.DR
• Assunto(s): Controle Dinâmica dos fluidos computacional Aprendizagem profunda Escoamento Redes neurais (computação) Modelos de ordem reduzida
• Palavra(s)-Chave do Pesquisador: Controle | Dinâmica dos Fluidos Computacional | transição | Controle de escoamentos

Resumo

A presente proposta descreve o plano de pesquisa associado ao estágio no exterior (BEPE) do doutorando Tarcísio Costa Déda Oliveira. Tarcísio desenvolverá sua pesquisa no Departamento de Engenharia Mecânica, de Materiais e Aeroespacial do Illinois Institute of Technology, Chicago, Illinois, EUA. Durante este período, ele trabalhará sob a supervisão do Prof. Scott Dawson, que possui experiência nas áreas de mecânica dos fluidos, sistemas dinâmicos, teoria de controle e ciência de dados. Todos esses tópicos são diretamente relacionados à atual proposta de pesquisa. Nosso objetivo é aplicar técnicas de aprendizado profundo para modelar sistemas de escoamentos não-lineares complexos, bem como desenvolver estratégias de controle assistidas por modelos de redes neurais profundas. Modelos de ordem reduzida podem permitir o projeto de técnicas de controle que, por sua vez, podem ser testadas em ambientes numéricos de alta fidelidade para validação. As aplicações de controle de escoamento em malha fechada abrangem diferentes objetivos, como aumento de sustentação, redução de arrasto, redução de ruído acústico e atraso da transição para turbulência. Neste estudo, aplicaremos redes neurais para serem treinadas como modelos substitutos de sistemas dinâmicos de escoamentos com entradas de controle. Os dados de uma ferramenta de alta fidelidade serão obtidos para treinar os modelos de ordem reduzida que permitirão testes de controle rápidos além do projeto de controladores. Neste trabalho, o objetivo do controle consistirá na atenuação das características não-estacionárias dos escoamentos estudados seja pela estabilização de sistemas que apresentem comportamento oscilatório devido às não linearidades que levam a ciclos limites; ou neutralizando perturbações que crescem no campo de escoamento. (AU)

Publicações científicas

(Referências obtidas automaticamente do Web of Science e do SciELO, por meio da informação sobre o financiamento pela FAPESP e o número do processo correspondente, incluída na publicação pelos autores)

DEDA, TARCISIO; WOLF, WILLIAM R.; DAWSON, SCOTT T. M.. Backpropagation of neural network dynamical models applied to flow control. THEORETICAL AND COMPUTATIONAL FLUID DYNAMICS, v. 37, n. 1, p. 25-pg., 2023-02-25. (13/08293-7, 21/06448-0, 22/00469-8, 19/19179-7)