Closed-loop control of unsteady flows: nonlinear control techniques via extremum seeking and neural networks

Autor(es)

Tarcísio Costa Déda Oliveira

• Tipo de documento: Tese de Doutorado
• Imprenta: Campinas, SP.
• Instituição: Universidade Estadual de Campinas (UNICAMP). Faculdade de Engenharia Mecânica
• Data de defesa: 2023-01-06

Membros da banca

William Roberto Wolf; Scott Thomas McGregor Dawson; Kunihiko Taira; Yeh Chi An; Fernando Zigunov

• Orientador: William Roberto Wolf

Resumo

O estudo de escoamentos não estacionários encontra aplicações em diversos processos industriais envolvendo engenharia mecânica e aeroespacial. Por exemplo, os escoamentos desenvolvidos sobre asas de aeronaves e pás de turbinas eólicas são turbulentos e, portanto, não estacionários. Em certas configurações, a transição para turbulência também pode acarretar em características importantes do escoamento que levam à não estacionariedade. Na maioria dos sistemas, a transição e a turbulência estão diretamente relacionadas ao aumento no arrasto e à geração de ruído aeroacústico, que podem ser características indesejáveis em alguns dispositivos e processos de engenharia. Por outro lado, o aumento da transferência de calor e da mistura de espécies também podem ser observados em escoamentos transicionais e turbulentos, o que pode ser desejável em diversas aplicações. Nos casos mencionados, é importante realçar a necessidade do desenvolvimento de estratégias de controle de escoamentos para a redução de arrasto e ruído aeroacústico, além do aumento das taxas de transferência de calor e massa. Nesta tese, investigamos técnicas de controle ativo de escoamentos com aplicações em escoamentos não estacionários. Essas técnicas são empregadas em simulações numéricas de alta fidelidade para validação de novas estratégias. Inicialmente, apresentamos a aplicação do \textit{extremum seeking control} (ESC) - uma estratégia de controle de otimização em malha fechada livre de modelo - para reduzir o ruído aeroacústico característico de escoamentos sobre aerofólios. Demonstramos que, com uma função de custo adequada amostrada em tempo real, bem como um esquema apropriado de atuação, é possível obter uma atenuação considerável do nível de ruído e, em alguns casos, alcançar supressão total. Para além de técnicas livres de modelo, outra abordagem é apresentada, que se utiliza de aprendizado de máquina com treinamento supervisionado de redes neurais para controle de escoamentos. Aproveitando a diferenciabilidade de \textit{neural network surrogate models} (NNSMs) capazes de aproximar a dinâmica de escoamentos não estacionários, duas abordagens são propostas para o projeto automático de sistemas de controle em malha fechada. A primeira consiste em treinar um \textit{neural network controller} (NNC) através de uma abordagem em malha fechada compreendida em um horizonte finito. A segunda é a linearização automática dos NNSMs, permitindo a aplicação de técnicas tradicionais de controle linear. Os métodos são testados com uma gama de sistemas dinâmicos, incluindo um conjunto de sistemas de baixa ordem, a equação de Kuramoto-Sivashinsky (KS) e um escoamento compressível através de um cilindro com o objetivo de estabilizá-los. Finalmente, uma melhoria no treinamento de NNSMs e NNCs é proposta por meio de um processo iterativo. A abordagem proporciona boas aproximações nas regiões próximas a pontos de equilíbrio naturais, que são estimados automaticamente através do método. Como subproduto, os dados produzidos podem ser aproveitados para realizar análises de estabilidade, enquanto uma seleção ótima de sensores - a partir de um conjunto inicial de candidatos - é conduzida durante o treinamento do NNSM. As técnicas são testadas com o sistema de Lorenz em uma configuração caótica, uma versão modificada da equação de KS e com um escoamento através de um cilindro confinado e em um canal plano. Resultados demonstram a eficácia das redes neurais na modelagem, controle e análise de estabilidade de sistemas não lineares, fornecendo detalhes sobre o comportamento do sistema e oferecendo potencial para a estabilização de sistemas fluídicos complexos (AU)

• Processo FAPESP: 19/19179-7 - Estratégias de controle de escoamentos aplicadas a escoamentos não estacionários com transição e turbulência
• Beneficiário: Tarcísio Costa Déda Oliveira
• Modalidade de apoio: Bolsas no Brasil - Doutorado