Dissertação
{en_GB=Model Order Reduction for Aerodynamic Lifting Surfaces} {} EVALUATED
{pt=Nesta tese o tema de redução de modelos e a sua aplicação a Mecânica de Fluidos Computacional são abordados. É mostrada a necessidade da indústria aeroespacial, seja nacional ou Europeia, de modelos mais rápidos mas fiéis à realidade. Isto é devido ao elevado tempo de cálculo associado aos modelos de alta-fidelidade. Estes mostram-se pouco viáveis para aplicações do tipo Optimização Multidisciplinar, como a plataforma de optimização NOVEMOR. Tendo por objectivo testar e aplicar redução de modelos a modelos CFD de superfícies sustentadoras, uma pesquisa bibliográfica abrangendo a redução de modelos não-lineares, dinâmicos e ou estáticos foi feita. Esta demonstrou a predominância dos métodos de Projecção de Galerkin e Redução por Mínimos Quadrados, que funcionam através da Decomposição Própria Ortogonal de soluções obtidas do modelo a reduzir. Técnicas complementares de amostragem e redução híbrida também são apresentadas e discutidas. Os métodos de Projecção e Mínimos Quadrados são testados em modelos-referência presentes na literatura, e o seu desempenho em tempo e erro suplementar é analisado. Modelos dinâmicos, estáticos, não-lineares e multiparamétricos foram reduzidos, com as versões mais simples dos métodos referidos a apresentar um desempenho superior. Estes métodos foram depois aplicados a problemas de fluidos uni-paramétricos, nomeadamente à cavidade a tampa móvel com Navier-Stokes incompressível e Reynolds variável, e ao perfil RAE-2822 com Euler compressível e ângulo de ataque variável. No final da tese o desempenho dos métodos de redução é analisado, demonstrando-se o tempo de cálculo menor obtido e os problemas com modelos multi-paramétricos ou com singularidades locais., en=In this work the subject of model reduction applied to Computational Fluid Dynamics is explored. It is shown the need of the aerospace industry, at national or European level, of faster yet reliable models. This need is linked to the time cost of high-fidelity models, rendering them inefficient for applications like Multi-Disciplinary Optimization, implemented in the NOVEMOR framework. With the goal of testing and applying model reduction to CFD models applicable to lifting surfaces, a bibliographical research covering reduction of non-linear, dynamic or static models was done. This established the prevalence of Projection and Least Mean Squares methods, which rely on solutions of the original high-fidelity model and their Proper Orthogonal Decomposition to work. Other complementary techniques such as adaptive sampling, greedy sampling and hybrid models are also presented and discussed. These Projection and Least Mean Squares methods are then tested on simple and documented benchmarks, to test the error and speed-up of the reduced order models thus generated. Dynamic, static, non-linear and multi-parametric problems were reduced, with the simplest version of these methods showing the most promise. These methods were later applied to single parameter problems, namely the lid-driven cavity with Incompressible Navier-Stokes and varying Reynolds, and the RAE-2822 airfoil at varying angles of attack for compressible Euler flow. An analysis of the performance of these methods is given at the end of this article, highlighting the computational speed-up obtained with these techniques, and the challenges presented by multi-parametric problems and problems showing point singularities in their domain.}
novembro 15, 2017, 9:30
Publicação
Obra sujeita a Direitos de Autor
Orientação
ORIENTADOR
Frederico José Prata Rente Reis Afonso
Área Científica de Mecânica Aplicada e Aeroespacial (MAA)
