Prediction of airfoil dynamic stall response using convolutional neural networks

Autor(es)

Miotto, Renato ; Wolft, William

• Tipo de documento: Artigo Científico
• Fonte: AIAA AVIATION 2023 FORUM; v. N/A, p. 10-pg., 2023-01-01.

Resumo

Convolutional neural network (CNN) models are developed to predict the aerodynamic response from images of the flowfield of an airfoil under dynamic stall. Here, we take the aerodynamic coefficients and pressure distribution as examples. The networks are capable of identifying relevant flow features present in the images and associate them to the airfoil response, while effectively interpolating and extrapolating between flow parameters. This suggests that flow imaging may offer a promising alternative for sensors in experimental campaigns and for building robust surrogate models of complex unsteady flows. (AU)

• Processo FAPESP: 13/07375-0 - CeMEAI - Centro de Ciências Matemáticas Aplicadas à Indústria
• Beneficiário: Francisco Louzada Neto
• Modalidade de apoio: Auxílio à Pesquisa - Centros de Pesquisa, Inovação e Difusão - CEPIDs
• Processo FAPESP: 13/08293-7 - CECC - Centro de Engenharia e Ciências Computacionais
• Beneficiário: Munir Salomao Skaf
• Modalidade de apoio: Auxílio à Pesquisa - Centros de Pesquisa, Inovação e Difusão - CEPIDs
• Processo FAPESP: 22/09196-4 - Aprofundando a compreensão de escoamentos aerodinâmicos não-estacionários por meio de simulações de alta fidelidade, modelagem analítica e técnicas de aprendizado de máquina profundo
• Beneficiário: Renato Fuzaro Miotto
• Modalidade de apoio: Bolsas no Brasil - Pós-Doutorado
• Processo FAPESP: 21/06448-0 - Simulações numéricas de alta fidelidade aplicadas em aerodinâmica não-estacionária, turbulência e aeroacústica
• Beneficiário: William Roberto Wolf
• Modalidade de apoio: Auxílio à Pesquisa - Jovens Pesquisadores - Fase 2