Prediction of wall-pressure fluctuations for separating/reattaching flows applied to space launchers using zonal detached eddy simulation-based convolutional neural networks - Archive ouverte HAL Accéder directement au contenu
Article Dans Une Revue Physics of Fluids Année : 2023

Prediction of wall-pressure fluctuations for separating/reattaching flows applied to space launchers using zonal detached eddy simulation-based convolutional neural networks

Prévision des fluctuations de pression pariétale pour les écoulements décollés/recollés autour des lanceurs spatiaux à l’aide de réseaux de neurones de convolution entraînés à partir de simulations ZDES

Résumé

Convolutional neural networks (CNNs) are used to predict the fluctuating wall-pressure coefficient and associated single-point pressure spectra in the separating/reattaching flow region around a generic space launcher configuration in the transonic regime. The neural networks are trained on a generic axisymmetric afterbody configuration. A Zonal Detached Eddy Simulation of a semi-realistic launcher geometry [NASA (National Aeronautics and Space Administration) model 11 hammerhead] is performed and validated using available experimental results. This configuration is used as a testing case for the trained models. It is shown that the CNNs are able to identify flow features related to physical phenomena of the flow. From this feature identification, the models are able to predict the evolution of fluctuating wall quantities and locate the regions of high pressure fluctuations. A scaling procedure is proposed to retrieve correct levels of the predicted quantities for a given unknown configuration having different free stream conditions. We also demonstrate that the present models perform well applied on Reynolds-Averaged Navier–Stokes mean flow fields, paving the way for a significant reduction in the computational cost for predicting wall-pressure fluctuations around space launchers.
Des réseaux de neurones de convolution sont utilisés pour la prévision du coefficient de pression RMS et des spectres de pression pariétale dans des écoulement décollés/recollés autour d’une configuration générique de lanceur spatial en régime transsonique. Les réseaux de neurones sont entraînés sur une configuration d’arrière-corps générique axisymétrique. Une simulation ZDES d’une configuration de lanceur semi-réaliste (NASA model 11 hammerhead) est réalisée et validée à l’aide de résultats expérimentaux disponibles dans la littérature. Cette configuration est utilisée comme cas test pour appliquer les réseaux entraînés. Il est montré que les réseaux de convolution sont capables d’identifier des caractéristiques physiques de l’écoulement, et de prévoir l’évolution du champ de pression instationnaire à la paroi, ainsi que de localiser les régions d’intenses fluctuations. Une procédure de remise à l’échelle est proposée pour retrouver les bons niveaux de fluctuations sur la configuration de test caractérisée par une valeur différente de la pression dynamique. On démontre aussi que les modèles développés dans cette étude donnent également de bons résultats lorsqu’ils sont appliqués sur des champs RANS et non ZDES en entrée, permettant une réduction important du coût de calcul global de l’approche présentée.
Fichier principal
Vignette du fichier
POF23-AR-00917-1.pdf (9.45 Mo) Télécharger le fichier
Origine : Fichiers produits par l'(les) auteur(s)

Dates et versions

hal-04133854 , version 1 (20-06-2023)

Identifiants

Citer

Simon Lecler, Pierre-Elie Weiss, Sébastien Deck. Prediction of wall-pressure fluctuations for separating/reattaching flows applied to space launchers using zonal detached eddy simulation-based convolutional neural networks. Physics of Fluids, 2023, 35 (6), pp.061301. ⟨10.1063/5.0146358⟩. ⟨hal-04133854⟩
14 Consultations
12 Téléchargements

Altmetric

Partager

Gmail Facebook X LinkedIn More