Publicação: Metamodelagem e machine learning em estudo de interação fluído-estrutura de uma esfera em rotação
Carregando...
Tipo do documento
Data
Direito de acesso
Coleções
Programa
Área do conhecimento
CNPQ::ENGENHARIAS::ENGENHARIA MECANICA::FENOMENOS DE TRANSPORTE::MECANICA DOS FLUIDOS
Título da Revista
ISSN da Revista
Título de Volume
Autores
Orientador
Coorientador
Resumo
A dinâmica de fluidos computacional vem sendo uma das maiores revoluções nos estudos
da física aplicada. Entender como se dá a interação entre estruturas e fluidos é um ramo basilar
das indústrias como a aeronáutica, marítima e petrolífera. No âmbito do estudo de escoamentos,
a análise de uma esfera imersa em um fluido se torna um caso canônico. No presente trabalho
foi utilizado um código de CFD para a simulação do comportamento do escoamento sobre uma
esfera em várias rotações sobre o próprio eixo. Foi utilizado uma malha adaptativa em combinação com o método da fronteira imersa. Os dados obtidos por sondas ao longo do domínio da
simulação foram utilizadas na produção de um metamodelo capaz de prever a rotação da esfera
através da variação das velocidades registradas. O metamodelo foi constituído pelo algoritmo
de aprendizado de máquina XGBoost , que foi capaz de prever a velocidade de rotação através
dos dados da simulação.
Abstract
Computational fluid dynamics has been one of the biggest revolutions in applied physics
studies. Understanding how the interaction between structures and fluids occurs is a basic field
of industries such as aeronautics, maritime and oil. Within the scope of the study of flows, the
analysis of a sphere immersed in a fluid becomes a canonical case. In the present work, a CFD
code was used to simulate the behavior of the flow over a sphere at various rotations about its
own axis. An adaptive mesh was used in combination with the immersed boundary method.
The data obtained by probes along the simulation domain were used in the production of a
metamodel capable of predicting the rotation of the sphere through the variation of the recorded
velocities. The metamodel was constituted by the XGBoost machine learning algorithm, which
was able to predict the rotation speed through the simulation data.
Palavras-chave
Simulação numérica, Numerical simulation, Interação fluido estrutura, Fluid structure interaction, Metamodelagem, Metamodeling
Citação
SANTOS, Nuno Benrós. Metamodelagem e Machine Learning em estudo de interação fluído-estrutura de uma esfera em rotação. 2023. 32 f. Trabalho de Conclusão de Curso (Graduação em Engenharia Aeronáutica) – Universidade Federal de Uberlândia, Uberlândia, 2023.
DOI
Coleções
Avaliação
Revisão
Suplementado Por
Referenciado Por
Licença Creative Commons
Exceto quando indicado de outra forma, a licença deste item é descrita como Acesso Aberto