William R. Wolf
Faculdade de Engenharia Mecânica e Centro de Computação em Engenharia e Ciências – Universidade de Campinas
A turbulência está presente no nosso cotidiano tanto nos escoamentos sobre aeronaves, automóveis e tubulações, quanto nas correntes oceânicas, na previsão do tempo e na dispersão de gases na atmosfera. Nos casos acima, a turbulência tem impacto direto em diversos processos físicos como o atrito, a transferência de calor e de espécies químicas, além da geração de ruído. Por exemplo, reduzir o atrito do ar devido à turbulência ao redor de automóveis e aeronaves implica na economia de combustíveis e, portanto, na redução tanto dos custos de transporte quanto na emissão de gases com efeito estufa.
Escoamento turbulento sobre um aerofólio. Simulação de alta-fidelidade (esquerda) e modelo de ordem reduzida (direita).
Nos últimos anos, com o avanço tecnológico dos supercomputadores, cientistas têm realizado simulações numéricas cada vez mais precisas de escoamentos turbulentos. Essas simulações de larga escala e alta fidelidade são importantes, pois melhoram a nossa capacidade de projetar veículos e outros dispositivos mais eficientes com relação ao consumo de energia. Além disso, elas reduzem os custos de projeto uma vez que os ensaios de protótipos e testes experimentais em laboratório também são reduzidos.
Atualmente, as simulações de larga escala e alta fidelidade podem resolver problemas industriais complexos. Porém, apesar da redução de custos e do tempo total de projeto, elas podem exigir milhões de horas de computação em supercomputadores. Com o intuito de projetar dispositivos ainda mais eficientes, modelos numéricos de menor custo computacional, conhecidos na literatura por modelos de ordem reduzida, vêm ganhando importância na área de simulação de escoamentos turbulentos. Esses modelos têm aplicação direta em estágios preliminares de projeto onde diversas configurações aerodinâmicas são analisadas. Além disso, eles podem ser utilizados em processos de otimização e no estudo de técnicas de controle de escoamentos. Para que os modelos de ordem reduzida sejam utilizados nas aplicações acima eles devem apresentar robustez e precisam recuperar as principais características físicas dos escoamentos.
Usualmente, as técnicas de modelagem de ordem reduzida utilizadas no estudo de dinâmica dos fluidos são baseadas na representação aproximada das equações que modelam leis físicas fundamentais como a conservação de massa, a segunda lei de Newton e a primeira lei da termodinâmica. Uma vantagem dessas metodologias consiste na manutenção dos princípios físicos descritos pelas equações originais dos problemas de dinâmica dos fluidos. Apesar disso, esses métodos possuem baixa robustez e geralmente apresentam problemas de instabilidade numérica devido às aproximações que ocorrem na redução de dimensionalidade dos escoamentos. Essa redução é necessária para a obtenção de modelos de ordem reduzida mas causa instabilidades numéricas devido à falta de representação das menores escalas do escoamento que são responsáveis pela dissipação de energia através das flutuações turbulentas.
Diversas técnicas têm sido propostas na literatura para resolver os problemas de falta de robustez dos modelos de ordem reduzida. No entanto, elas geralmente funcionam em configurações simplificadas envolvendo escoamentos mais simples, sem a presença de turbulência. Sendo assim, pesquisadores da Faculdade de Engenharia Mecânica e do CCES desenvolveram novos modelos de ordem reduzida com maior robustez. Nosso grupo possui experiência no estudo e simulação de escoamentos turbulentos de escala industrial e, dessa forma, decidimos combinar técnicas recentes de aprendizado de máquina para simular escoamentos turbulentos complexos. Essa nova classe de métodos de modelagem aprende com informações de simulações já feitas com alta fidelidade. A metodologia desenvolvida no CCES da Unicamp foi aplicada na solução de um escoamento turbulento envolvendo estol dinâmico em um aerofólio e obteve ótimos resultados. O fenômeno de estol dinâmico é um processo físico complexo que ocorre em escoamentos turbulentos sobre rotores de helicópteros, turbinas eólicas, aeronaves militares em manobra e até mesmo drones e pássaros. Para obter os resultados de alta fidelidade, 100 mil horas de simulação foram necessárias em um supercomputador. Por sua vez, usando o modelo de ordem reduzida, os resultados podem ser obtidos em segundos, uma vez que tenha sido treinada a rede neural profunda capaz de aprender a dinâmica do escoamento. A nova metodologia será usada para a simulação de escoamentos turbulentos em aeronaves em colaboração com a empresa Boeing.
Artigos científicos:
Lui, H. F. S. and Wolf, W. R., Construction of Reduced Order Models for Fluid Flows Using Deep Feedforward Neural Networks, Journal of Fluid Mechanics, to appear, 2019.