Resumo: O início e a evolução do vórtice de estol dinâmico (DSV, do inglês dynamic stall vortex) são analisados por meio de simulações de grandes escalas de um aerofólio SD7003 em movimento de plunge periódico em um escoamento com número de Reynolds Re=60,000. Interações entre as instabilidades de Kelvin-Helmholtz que se propagam a montante e uma camada de cisalhamento formada no bordo de ataque do aerofólio desencadeiam a separação do escoamento. A primeira instabilidade parece estar relacionada com as ondas acústicas geradas no bordo de fuga devido ao desprendimento inicial de vórtices. Dois números de Mach do escoamento livre (M=0.1 e 0.4) são empregados para examinar as diferenças do escoamento devido às variações de compressibilidade. A existência de um tempo comum para as perturbações acústicas em ambos os escoamentos sugere uma possível invariância do número de Mach para o nascimento da instabilidade de Kelvin-Helmholtz. O aumento da compressibilidade, no entanto, induz flutuações mais precoces na direção da envergadura, maior tridimensionalidade do escoamento e um DSV mais fraco e difuso, que é formado mais a jusante do bordo de ataque e tem menor tempo de residência. Para melhor caracterizar o início do DSV, dois critérios empíricos são avaliados: o parâmetro de sucção do bordo de ataque (LESP, do inglês leading edge suction paramenter) e a altura da camada de cisalhamento normal à corda. Os resultados demonstram uma maior robustez deste último parâmetro com relação às variações do número de Mach. Uma decomposição modal, realizada tanto com a decomposição em modos dinâmicos (DMD) clássica quanto com sua variante multi-resolução (mrDMD), destaca as principais tendências e demonstra a capacidade do mrDMD de extrair estruturas do escoamento fisicamente significativas relacionadas ao início do estol. Essa caracterização detalhada da camada de cisalhamento pode ser usada para uma exploração sistemática de estratégias de controle de escoamentos para aerofólios não-estacionários. No presente trabalho, também realizamos simulações de grandes escalas (LES) para investigar a equivalência pitch-plunge de um aerofólio SD7003 submetido a movimentos de rampa constantes para um número de Reynolds Re=60,000. A equivalência é construída com base no ângulo de ataque efetivo geométrico de acordo com a teoria de aerofólios finos quasi-estacionários. Duas taxas de descida (ou pitch up/arfagem) são analisadas para diferentes números de Mach para se investigar os efeitos da compressibilidade na evolução do DSV. Durante o início do DSV e seu transporte ao longo da superfície do aerofólio, notáveis semelhanças são encontradas entre pitch e plunge em termos de topologia do escoamento, coeficientes aerodinâmicos e assinaturas de pressão na parede e coeficientes de atrit. No entanto, essa semelhanças cessam em condições de alto carregamento à medida que o DSV se torna mais suscetível às peculiaridades do movimento do aerofólio, manifestado por diferentes vórtices de borda de fuga (TEVs, do inglês trailing-edge vortices). O emprego uma correção para o efeito de cambagem aparente induzida por rotação presente no caso de pitching, que resulta da teoria de aerofólio fino quasi-estacionário, melhora a concordância entre pitch e plunge, no entanto, não é suficiente assimilar seus sistemas de ponta de fuga díspares. Os resultados também demonstram que o ângulo limite no qual a equivalência pitch-plunge permanece válida diminui para números de Mach mais altos. Por fim, propomos um framework em que os dados de simulações numéricas são aproveitados para extrair informações relevantes de visualizações experimentais. Para tanto, o bloco convolucional de uma rede InceptionV3 pré-treinada é utilizado para construir um modelo de regressão que vincula o mapa de coeficiente de pressão aos coeficientes aerodinâmicos do aerofólio. A rede neural convolucional (CNN, do inglês Convolutional Neural Network) resultante interpreta corretamente os atributos presentes na imagem do escoamento usada como entrada. Aspectos da generalização do modelo são discutidos e o desempenho do campo de velocidade como entrada para o modelo é avaliado. Os resultados mostram que a pressão é preferível à velocidade quando se trata de construir nosso modelo de regressão. No entanto, demonstramos que a velocidade pode ser usada para sintetizar qualquer quantidade física correspondente através de uma abordagem de tradução de imagem para imagem. Aqui, o mapeamento entre o campo de coeficiente de velocidade e pressão é usado como exemplo Ver menos

Abstract: The onset and evolution of the dynamic stall vortex (DSV) are analyzed by means of large eddy simulations (LES) of an SD7003 airfoil undergoing periodic plunging motion in a transitional Reynolds number flow Re=60,000. Interactions between upstream propagating Kelvin-Helmholtz instabilities and a shear layer formed at the leading edge trigger flow separation. The former appear to be related to acoustic waves scattered at the trailing edge due to initial vortex shedding. Two freestream Mach numbers (M=0.1 and 0.4) are employed to examine the flow differences due to compressibility variations. The existence of a common timing for the acoustic perturbations in both flows suggests a possible Mach number invariance for the birth of the Kelvin-Helmholtz instability. Increasing compressiblity, however, induces earlier spanwise fluctuations, higher flow three-dimensionality and a weaker and more diffuse DSV, which is formed further downstream of the leading edge and has lower residency time. In order to better characterize the onset of the DSV, two empirical criteria are assessed: the leading edge suction parameter (LESP) and the chord-normal shear layer height. Results demonstrate a higher robustness of the latter with respect to Mach number variations. Modal decomposition, performed with both the classical dynamic mode decomposition (DMD) and its multi-resolution variant (mrDMD), highlights key trends and demonstrates the capacity of the mrDMD to extract physically meaningful flow structures related to the stall onset. Such detailed characterization of the shear layer can be used for a systematic exploration of flow control strategies for unsteady airfoils. In the present work, we also perform LES to investigate the pitch-plunge equivalence of an SD7003 airfoil undergoing constant ramp motions at Reynolds number Re=60,000. The equivalence is constructed based on the geometric effective angle of attack according to the quasi-steady thin-airfoil theory. Two rates of descent (or pitch up) are analyzed for different Mach numbers in order to investigate the effects of compressibility on the evolution of the DSV. During the onset of the DSV and its transport along the airfoil surface, remarkable similarities are found between pitch and plunge in terms of flow topology, aerodynamic loads and signatures of wall pressure and friction coefficients. However, these flow similarities cease at high-load conditions as the DSV becomes more susceptible to the peculiarities of the airfoil motion, manifested here by different trailing-edge vortices (TEVs). Employing a correction for the rotation-induced apparent camber effect present in the pitching case, which results from the quasi-steady thin-airfoil theory, improves the agreement between pitch and plunge. However, it is not sufficient to assimilate their disparate trailing-edge systems. Results also demonstrate that the limit angle at which pitch-plunge equivalence remains valid decreases for higher Mach numbers. Finally, we propose a framework whereby numerical simulation data is leveraged to extract relevant information from experimental visualizations. To this end, the convolutional block of pre-trained InceptionV3 network is used to build a regression model that links the map of pressure coefficient to aerodynamic coefficients of the airfoil. The resulting convolutional neural network (CNN) correctly interprets the attributes present in the input flow image. Aspects of the generalization of the model are discussed and the performance of the velocity field as input is assessed. Results show that pressure is preferable to velocity when it comes to building our regression model. Nonetheless, we demonstrate that the velocity can be used to synthesize any corresponding physical quantity through an image-to-image translation approach. Here, the mapping between velocity and pressure coefficient field is used as example Ver menos