Comparison of efficient uncertainty quantification techniques on a transonic airfoil, using rans computations and adjoint method
| Autor: | Bennehard, Quentin, Peter, Jacques, Carini, Marco |
|---|---|
| Přispěvatelé: | DAAA, ONERA, Université Paris Saclay [Meudon], ONERA-Université Paris-Saclay, DAAA, ONERA, Université Paris-Saclay [Châtillon], European Project: 101056732 |
| Jazyk: | angličtina |
| Rok vydání: | 2023 |
| Předmět: |
[PHYS]Physics [physics]
transonic airfoil Polynome chaos adjoint gradient-enhancement Profil transsonique Adjoint polynomial chaos Gradient augmenté [SPI]Engineering Sciences [physics] geometric uncertainty Incertitude géométrique Acquisition comprimée Quantification incertitude CFD compressed sensing |
| Zdroj: | EUROGEN 2023-15th ECCOMAS Thematic Conference on Evolutionary and Deterministic Methods for Design, Optimization and Control EUROGEN 2023-15th ECCOMAS Thematic Conference on Evolutionary and Deterministic Methods for Design, Optimization and Control, Jun 2023, Chania, Greece |
| Popis: | International audience; This paper presents a comparison among efficient techniques for uncertainty quantification on the RAE2822 airfoil whose shape is affected by uncertain geometrical parameters. Transonic conditions are considered with focus on estimating the statistics of the aerodynamic coefficients predicted by RANS simulations and using a far-field drag analysis of the computed flow field. Generalized polynomial chaos expansion with least-square approximation is employed for stochastic surrogate modelling. Two different kind of approaches enabling the high-dimensionality of the uncertainty space are investigated: 'compressed sensing' through Least Angle Regression and Basis Pursuit Denoising methods, and the 'gradient enhanced' formulation of the least-square approach exploiting the adjoint capabilities of modern CFD solvers.; Cet article presente une comparaison de différentes techniques efficaces de quantification d'incertitudes sur le profil RAE2822 en condition transsonique, dont la forme est affectée par des incertitudes géométriques. Le focus porte sur l'estimation des moments statistiques des coefficients aérodynamiques par simulation RANS suivie d'une décomposition de trainée champ lointain. Une expansion basée sur les polynomes du chaos construite par la méthode des moindres carrés est ensuite utilisée pour construire un meta-modèle. Deux approches differentes permettant de traiter la grande dimension de l'espace des paramètres incertains sont étudiées : 'compress sensing' avec les méhodes Least Angle Regression et Basis Pursuit Denoising, et une formulation 'gradient augmentée' de l'approche moindres carrés qui exploite les capacités adjointes des solveurs CFD modernes. |
| Databáze: | OpenAIRE |
| Externí odkaz: |
|