Application of Neural Network Surrogate Models for Flow Control

Autor(es)

Deda, Tarcisio C. ; Wolf, William R. ; Dawson, Scott T. M.

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

Resumo

We present the application of two new control techniques that leverage differentiability of neural network (NN) dynamical models. By assembling such models in closed loop with neural network controllers (NNC), backpropagation can be conducted to optimize the control performance represented by a loss function. Furthermore, the linearization of NN dynamical models through computation of Jacobians is also presented as a tool for obtaining linear models that can be used for control design. The approaches are applied to a cylinder flow at Reynolds number Re = 150 and Mach number Ma = 0.3, where two different actuation setups are tested: a pair of min.ets acting in opposition at the top and bottom of the cylinder; and cylinder rotation imposed by an angular acceleration control input. Results show that the proposed methodology succeeds in attenuating unsteadiness of the lift coefficient. The proposed techniques are also applied to a modified version of the Kuramoto-Sivashinsky equation in an iterative training approach, proposed to refine the estimation of dynamics around equilibrium points. (AU)

• 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: 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
• 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
• Processo FAPESP: 22/00469-8 - Estratégias de aprendizado profundo aplicadas ao controle em malha fechada de escoamentos não-estacionários
• Beneficiário: Tarcísio Costa Déda Oliveira
• Modalidade de apoio: Bolsas no Exterior - Estágio de Pesquisa - Doutorado