Development and Application of Reduced Order Models for Buffeting and Buzz
Final Report Abstract
Um zukünftig bei der Berechnung instationärer aerodynamischer sowie aeroelastischer Problemstellungen Ressourcen effizient zu nutzen, ist die Entwicklung von Modellen reduzierter Ordnung (ROMs) unabdingbar. Insbesondere im industriellen Kontext sind langfristig sehr effiziente Simulations- bzw. Berechnungsverfahren notwendig, um Transportflugzeuge bezüglich deren Lastenverhalten zu bewerten. Hierbei liegt der Fokus insbesondere auf der Vorhersage von integralen Größen wie Kraft- und Momentenbeiwerten bzw. generalisierten Luftkräften. Die (Weiter- ) Entwicklung von Modellen reduzierter Ordnung für die Vorhersage instationärer aerodynamischer und aeroelastischer Phänomene wurde im Projekt „Entwicklung und Anwendung von Modellen reduzierter Ordnung für Buffeting und Buzz“ vorangetrieben. Das Arbeitsprogramm wurde gemäß dem Projektplan in vollem Umfang durchgeführt. Zentrale Ergebnisse wurden veröffentlicht und enthalten sowohl die Beschreibung als auch die numerische Validierung der entwickelten ROM-Ansätze anhand von Buffet- und Buzz-Testfällen. Die Hauptziele des Projektes, welche im Folgenden anhand der wesentlichen Punkte zusammengefasst sind, wurden erreicht: • (Weiter-) Entwicklung bestehender ROM-Verfahren: Das bereits aus Vorgängerprojekten etablierte Neuro-Fuzzy Modell (NFM), welches basierend auf dem LOLIMOT-Algorithmus trainiert wird, wurde mit einem statischen (MLP) neuronalen Netz gekoppelt. Letzteres ermöglicht eine Korrektur der Ausgabe des Neuro-Fuzzy Modells, was für die Darstellung stark nicht-linearer Systeme notwendig ist. Zusätzlich zu dem kombinierten ROM wurde ein „Long short-term memory“ (LSTM) neuronales Netzwerk für die hier adressierten Problemstellungen angepasst und angewendet. Um statistische Fehler im Rahmen des Trainingsprozesses zu identifizieren und zu minimieren, wurde überdies ein Monte-Carlo basierter Trainingsprozess implementiert. • Numerische Validierung der ROM-Ansätze: Die genannten ROM-Ansätze wurden intensiv anhand von Buffet/Buffeting- und Buzz-Testfällen erprobt. Die Vorhersagequalität bezüglich des transsonischen Buffet-Phänomens wurde u.a. anhand des NACA0012-Profils untersucht. Hierbei zeigten beide Modelle eine sehr genaue Vorhersagefähigkeit. Zudem konnte mit beiden Modellen der für das Buffet-Phänomen charakteristische Lock-in-Effekt reproduziert werden. Weiterhin wurde das kombinierte ROM für die Berechnung charakteristischer Größen des Buzz-Phänomens angewendet. Hierbei zeigte das verwendete NFM/MLP-Modell sowohl für eine rein aerodynamische als auch eine aeroelastische Untersuchung des Steuerflächenverhaltens sehr gute Ergebnisse relativ zur CFD- bzw. CFD-CSM-Referenzlösung. • Untersuchungen zu 3-D transsonischem Buffet: Darüber hinaus wurden die numerischen Validierungsfälle durch Untersuchungen von 3D-Buffet (bzw. Buffeting) Testfällen ergänzt. Für die Generierung der Trainings- und Validierungsdaten werden im Hinblick auf gekoppelte Simulationen Strukturverformungen miteinbezogen, wofür verschiedene Strukturverformungsmechanismen getestet wurden. Der finale Ansatz wurde schließlich mittels einer Python-Schnittstelle im DLR-TAU Strömungslöser implementiert. Die implementierte Routine ermöglicht z.B. gezielte Verformungen der Flügel, Rumpf- und Leitwerksstrukturen um die Nick- und Rollachse. Die Ergebnisse aus diesem Forschungsprojekt erweitern die Basis bestehender ROM-Ansätze für die Identifikation stark nicht-linearer Systeme. Weiterhin wurde eine umfangreiche numerische Datenbasis für das Training und die Validierung der ROM-Ansätze anhand verschiedener Validierungsfälle erstellt. Das hier bearbeitete Vorhaben bietet ferner eine hervorragende Basis, die entwickelten Ansätze in der DFG-Forschungsgruppe FOR2895 („Erforschung instationärer Phänomene und Wechselwirkungen beim High Speed Stall“), TP7 („Neuro-Fuzzy-basierte ROM-Verfahren zur Lastenberechnung und -analyse bei High-Speed Buffet“), weiter zu entwickeln, zu nutzen und anhand einer bisher nicht verfügbaren, detaillierten experimentellen Datenbasis (XRF1-Transportflugzeugkonfiguration: ETW-Messungen) für flugrealistische Mach- und Reynoldszahlen zu bewerten.
Publications
-
Nonlinear identification via connected neural networks for unsteady aerodynamic analysis, Aerospace Science and Technology, Vol. 77, pp. 802-818, 2018
Winter, M. and Breitsamter, C.
-
Neuro-fuzzy network-based reduced-order modeling of transonic aileron buzz, Aerospace, Vol. 7(11), 162, 2020
Zahn, R. and Breitsamter, C.
-
Reduced-order modeling of transonic buffet aerodynamics, New Results in Numerical and Experimental Fluid Mechanics XII, Springer Verlag, Vol. 142, pp. 511-520, 2020
Winter, M. and Breitsamter, C.
