Análise de escoamentos não estacionários através de imagens e funções neurais implícitas

Resumo

O objetivo principal do presente trabalho é a aplicação de técnicas de aprendizado de máquina e decomposição modal para investigar escoamentos não estacionários a partir de imagens Shadowgraph, Schlieren e PIV. Serão candidatas às análises as bases de dados obtidas durante o doutorado do Dr. Miotto e do Prof. Zigunov, assim como os dados experimentais do Prof. Mark Glauser e as simulações de alta fidelidade realizadas pela Prof. Yiyan Sun, ambos da Syracuse University (SU), e pelo grupo do Prof. Datta Gaitonde, da The Ohio State University (OSU). Uma das técnicas que serão desenvolvidas durante o estágio é a decomposição de Doak, baseada na Momentum Potential Theory, utilizando redes neurais baseadas em imagens de Schlieren resolvidas no tempo. Esta decomposição permite separar o escoamento em componentes térmicos, hidrodinâmicos e acústicos, desempenhando assim um papel fundamental na análise de escoamentos compressíveis. Para conseguir isso, uma equação de Poisson deve ser resolvida, o que impõe barreiras para sua aplicação em ambientes experimentais onde as condições de contorno não estão bem definidas e/ou o pesquisador não possui um solucionador de Poisson adequado. Desta forma, a ferramenta resultante fornecerá uma alternativa à decomposição de Doak, podendo ser facilmente aplicada ao diagnóstico de diversos escoamentos sem a necessidade de dispositivos caros e sem ter que lidar com as ambiguidades das condições de contorno. A decomposição modal de escoamentos pode então ser aplicada aos campos hidrodinâmicos, acústicos ou térmicos específicos obtidos a partir da formulação de Doak, a fim de observar estruturas coerentes específicas. (AU)