Development and Application of Reduced Order Models for Analysis of Fluid Structure Interaction and Aeroelasticity Phenomena

Abstract

[ES] Los avances en la predicción de los fenómenos de interacción fluido estructura y, en particular, los fenómenos aeroelásticos, han sido de crucial importancia en el diseño y optimización de componentes del sector industrial sometidos a cargas aerodinámicas: desde el uso de estas técnicas en el diseño de turbomáquinas, pasando por aplicaciones aeroespaciales y en el diseño de estructuras civiles. Tradicionalmente, estos fenómenos se han predicho mediante la aplicación de teorías simplificadas (uso de sección equivalente y aerodinámica potencial), debido al alto coste computacional asociado con la resolución acoplada de las ecuaciones que gobiernan el comportamiento del sólido y el fluido. Estas simplificaciones no permiten un correcto modelado del fenómeno cuando las no linealidades aerodinámicas comienzan a dominar el problema (entrada en pérdida, desprendimiento del flujo, cuerpos romos¿). Por tanto, en este trabajo, en primer lugar, se propondrá una metodología para obtener una sección equivalente en condiciones de flujo más genéricas, de forma que se pueda aplicar para cualquier estructura con un modelo fluido transitorio y no lineal mediante mecánica de fluidos computacional (CFD). Posteriormente, se desarrollará un modelo aerodinámico de orden reducido usando una red neuronal, que permita la resolución simultánea de las fuerzas aerodinámicos y la deformación estructural con un coste computacional bajo. Por último, todos los modelos simplificados que se desarrollarán durante este trabajo serán comprobados con simulaciones CFD con acoplamiento tridimensional completo, para discutir la validez de dichos modelos, así como su rango de aplicación.

[EN] Advances in the prediction of fluid-structure interaction and, particularly, of aeroelastic phenomena, have been crucial for the design and optimization of industrial structural components subject to aerodynamic loads: these techniques have been used for the design of turbomachinery, aerospace applications and civil structures. Traditionally, these phenomena have been predicted using simplified theories (equivalent sections and potential aerodynamics), due to the high computational cost associated with the solution of the coupled solid and fluid governing equations. These simplifications restrict the correct modelling of these phenomena when aerodynamic nonlinearities (stall, vortex shedding, bluff bodies¿) govern the problem. Therefore, in this work, firstly a methodology for obtaining an equivalent section in general flow conditions is proposed. In this way, the equivalent section can be applied for any structure under transient and nonlinear flows by using computational fluid dynamics (CFD). Then, an aerodynamic Reduced Order Model (ROM) based on neural networks is developed. This model allows to simulate aerodynamic loads and structure displacements with a low computational cost. Finally, all the simplified models developed are compared with 3D CFD simulations with complete fluid-structure coupling, in order to validate the models and to discuss their range of application.