Publication: Convective heat transfer control in turbulent boundary layers
Loading...
Identifiers
Publication date
2022-10
Defense date
2022-12-16
Advisors
Tutors
Journal Title
Journal ISSN
Volume Title
Publisher
Impact
Export
Abstract
The sustainable development of our society opens up concerns in several fields of engineering,
including energy management, production, and the impact of our technology, being thermal
management a common issue to be addressed. The investigation reported in this manuscript
focuses on understanding, controlling and optimizing the physical processes involving
convective heat transfer in turbulent wall-bounded flows. The content is divided into two
main blocks, namely the investigation of classic open-loop active-control techniques to
control heat transfer, and the technological development of machine-learning strategies to
enhance the performance of flow control in the field of convective heat transfer.
The first block focuses on actuator technology, applying dielectric-barrier discharge
(DBD) plasma actuators and a pulsed slot jet in crossflow (JICF), respectively, to control
the convective heat transfer in a turbulent boundary layer (TBL) over a flat plate. In the
former, an array of DBD plasma actuators is employed to induce pairs of counter-rotating,
streamwise-aligned vortices embedded in the TBL to reduce heat transfer downstream of the
actuation. The whole three-dimensional mean flow field downstream of the plasma actuator
is reconstructed from stereoscopic particle image velocimetry (PIV). Infrared thermography
(IR) measurements coupled with a heated thin foil provide ensemble-averaged convective
heat transfer distributions downstream of the actuators. The combination of the flow
field and heat transfer measurements provides a complete picture of the fluid-dynamic
interaction of plasma-induced flow with local turbulent transport effects. The plasmainduced
streamwise vortices are stationary and confined across the spanwise direction due
to the action of the plasma discharge. The opposing plasma discharge causes a mass- and
momentum-flux deficit within the boundary layer, leading to a low-velocity region that
grows in the streamwise direction and which is characterised by an increase in displacement
and momentum thicknesses. This low-velocity ribbon travels downstream, promoting
streak-alike patterns of reduction in the convective heat transfer distribution. Near the wall,
the plasma-induced jets divert the main flow due to the DBD-actuator momentum injection
and the suction on the surrounding fluid by the emerging jets. The stationarity of the
plasma-induced vortices makes them persistent far downstream, reducing the convective
heat transfer.
Conversely, the target of the second paper in this first block is to enhance convective
heat transfer rather than reduce it. A fully modulated, pulsed, slot JICF is used to perturb
the TBL. The slot-jet actuator, flush-mounted and aligned in the spanwise direction, is
controlled based on two design parameters, namely the duty cycle (DC) and the pulsation
frequency (f). Heat transfer and flow-field measurements are performed to characterise the
control performance using IR thermography and planar PIV, respectively. A parametric
study on f and DC is carried out to assess their effect on the heat transfer distribution.
The vorticity fields are reconstructed from the Proper Orthogonal Decomposition (POD)
modes, retrieving phase information. The flow topology is considerably altered by the
jet pulsation, even compared to the case of a steady jet. The results show that both the jet penetration in the streamwise direction and the overall Nusselt number increase with
increasing DC. However, the frequency at which the Nusselt number is maximised is
independent of the duty cycle. A wall-attached jet rises from the slot accompanied by a
pair of counter-rotating vortices that promote flow entrainment and mixing. Eventually,
a simplified model is proposed which decouples the effect of f and DC in the overall
heat transfer enhancement, with a good agreement with experimental data. The cost of
actuation is also quantified in terms of the amount of injected fluid during the actuation,
leading to conclude that the lowest duty cycle is the most efficient for heat transfer
enhancement among the tested set.
The second block of the thesis splits into a comparative assessment of machine
learning (ML) methods for active feedback flow control and an application of linear genetic
algorithms to an experimental convective heat transfer enhancement problem. First,
the comparative study is carried out numerically based on a well-established benchmark
problem, the drag reduction of a two-dimensional Kármán vortex street past a circular
cylinder at a low Reynolds number (Re = 100). The flow is manipulated with two
blowing/suction actuators on the upper and lower side of a cylinder. The feedback employs
several velocity sensors. Two probe configurations are evaluated: 5 and 11 velocity probes
located at different points around the cylinder and in the wake. The control laws are
optimized with Deep Reinforcement Learning (DRL) and Linear Genetic Programming
Control (LGPC). Both methods successfully stabilize the vortex alley and effectively
reduce drag while using small mass flow rates for the actuation. DRL features higher
robustness with respect to variable initial conditions and noise contamination of the sensor
data; on the other hand, LGPC can identify compact and interpretable control laws, which
only use a subset of sensors, thus allowing reducing the system complexity with reasonably
good results.
The gained experience and knowledge of machine-learning methods motivated the
last study enclosed in this thesis, which utilises linear genetic algorithm control (LGAC)
to identify the best actuation parameters in an experimental application. The actuator
is a set of six slot jets in crossflow aligned with the freestream. An open-loop optimal
periodic forcing is defined by the carrier frequency (f), the duty cycle (DC) and the phase
between actuators (ϕ) as control parameters. The control laws are optimised with respect
to the unperturbed TBL and the steady-jet actuation. The cost function includes wall
convective heat transfer and the cost of the actuation, thus leading to a multi-objective
optimisation problem. Surprisingly, the LGAC algorithm converges to the same frequency
and duty cycle for all the actuators. This frequency is equivalent to the optimal frequency
reported in the second study of the first block of this thesis. The performance of the
controller is characterised by IR thermography and PIV measurements. The action of the
jets considerably alters the flow topology compared to the steady-jet actuation, yielding
a slightly asymmetric flow field. The phase difference between multiple jet actuation
has shown to be very relevant and the main driver of flow asymmetry. A POD analysis
concludes the shedding phenomena characterising the steady-jet actuation, while the
optimised controller exhibits an elongated large-scale structure just downstream of the
actuator.
The investigation carried out in this thesis sheds some light on the application of
different flow control strategies to the field of convective heat transfer. From the utilisation
of plasma actuators and a single jet in cross flow to the development of sophisticated
control logic, the results point to the exceptional potential of machine learning control in unravelling unexplored controllers within the actuation space. Ultimately, this work
demonstrates the viability of employing sophisticated measurement techniques together
with advanced algorithms in an experimental investigation, paving the way towards more
complex applications involving feedback information.
El desarrollo sostenible de nuestra sociedad abre preocupaciones en varios campos de la ingeniería, incluyendo la gestión de la energía, la producción y el impacto de nuestra tecnología, siendo la gestión térmica un tema común a tratar. La investigación que se presenta en este manuscrito se centra en la comprensión, el control y la optimización de los procesos físicos que implican la transferencia de calor por convección en flujos turbulentos de pared. El contenido se divide en dos bloques principales: la investigación de las técnicas clásicas de control activo de lazo abierto para controlar la transferencia de calor, y el desarrollo tecnológico de estrategias de aprendizaje automático para mejorar el rendimiento del control del flujo en el campo de la transferencia de calor por convección. El primer bloque se centra en la tecnología de los actuadores, aplicando actuadores de plasma de descarga de barrera dieléctrica (dielectric barrier dicharge, DBD) y un chorro con forma de ranura pulsado en flujo cruzado (jet in crossflow, JICF), respectivamente, para controlar la transferencia de calor por convección en una capa límite turbulenta (turbulent boundary layer, TBL) sobre una placa plana. En el primero, se emplea un conjunto de actuadores de plasma DBD para inducir pares de vórtices contra-rotativos, alineados con la corriente e incrustados en la TBL para reducir la transferencia de calor aguas abajo de la actuación. El campo de flujo medio tridimensional completo aguas abajo del actuador de plasma se reconstruye a partir de la velocimetría de imagen de partículas estereoscópica (particle image velocimetry, PIV). Las mediciones de termografía infrarroja (IR) junto a una fina lámina calentada proporcionan distribuciones de transferencia de calor convectiva promediadas aguas abajo de los actuadores. La combinación de las mediciones del campo de flujo y de la transferencia de calor proporciona una imagen completa de la interacción fluido-dinámica del flujo inducido por el plasma con los efectos locales de transporte turbulento. Los vórtices en el sentido de la corriente inducidos por plasma son estacionarios y están confinados transversalmente debido a la acción de la descarga de plasma. La descarga de plasma en oposición causa un déficit de flujo de masa y de momento dentro de la capa límite, lo que conduce a una región de baja velocidad que crece en la dirección de la corriente y que se caracteriza por un aumento de los espesores de desplazamiento y de momento. Esta zona de baja velocidad se desplaza corriente abajo, promoviendo patrones de reducción similares a rayas en los que se reduce la transferencia de calor por convección. Cerca de la pared, los chorros inducidos por el plasma desvían el flujo principal debido a la inyección de momento del actuador DBD y a la succión sobre el fluido circundante por parte de los chorros emergentes. La estacionariedad de los vórtices inducidos por el plasma los hace persistentes aguas abajo, reduciendo la transferencia de calor por convección. Por el contrario, el objetivo del segundo trabajo de este primer bloque es mejorar la transferencia de calor por convección en lugar de reducirla. Se utiliza un JICF, pulsado y con forma de ranura, totalmente modulado para perturbar la TBL. El actuador de chorro, montado a ras y alineado en la dirección transversal, se controla en base a dos parámetros de diseño, a saber, el ciclo de trabajo (DC) y la frecuencia de pulsación (f). Se realizan mediciones de la transferencia de calor y del campo de flujo para caracterizar el rendimiento del control mediante termografía IR y PIV planar, respectivamente. Se lleva a cabo un estudio paramétrico de f y DC para evaluar su efecto en la distribución de la transferencia de calor. Los campos de vorticidad se reconstruyen a partir de los modos de descomposición ortogonal adecuada (POD), recuperando la información de fase. La topología del flujo se ve considerablemente alterada por la pulsación del chorro, incluso en comparación con el caso de un chorro estacionario. Los resultados muestran que tanto la penetración del chorro en la dirección de la corriente como el número Nusselt global aumentan con el incremento de DC. Sin embargo, la frecuencia a la que se maximiza el número Nusselt es independiente del ciclo de trabajo. Un chorro adherido a la pared sale de la ranura acompañado de un par de vórtices contrarrotantes que promueven el arrastre y la mezcla del flujo. Finalmente, se propone un modelo simplificado que desacopla el efecto de f y DC en la mejora global de la transferencia de calor, con un buen acuerdo con los datos experimentales. También se cuantifica el coste de la actuación en términos de la cantidad de fluido inyectado durante la actuación, llegando a la conclusión de que el ciclo de trabajo más bajo es el más eficiente para la mejora de la transferencia de calor entre el conjunto probado. El segundo bloque de la tesis se divide en una evaluación comparativa de los métodos de aprendizaje automático (machine learning, ML) para el control activo del flujo por retroalimentación y una aplicación de algoritmos genéticos lineales a un problema experimental de mejora de la transferencia de calor por convección. En primer lugar, el estudio comparativo se realiza numéricamente a partir de un problema de referencia bien establecido: la reducción de la resistencia aerodinámica de una calle de vórtices de Kármán bidimensional tras un cilindro circular a un número de Reynolds bajo (Re = 100). El flujo se manipula con dos actuadores de soplado/succión en la parte superior e inferior de un cilindro. La retroalimentación emplea varios sensores de velocidad. Se evalúan dos configuraciones de sondas: 5 y 11 sondas de velocidad situadas en diferentes puntos alrededor del cilindro y en la estela. Las leyes de control se optimizan con el aprendizaje profundo por refuerzo (Deep Reinforcement Learning, DRL) y el control por programación genética lineal (Linear Genetic Programming Control, LGPC). Ambos métodos estabilizan con éxito la calle de vórtices y reducen de manera efectiva la resistencia al tiempo que usan caudales másicos pequeños para la actuación. El DRL se caracteriza por una mayor robustez con respecto a la variación de la condición inicial y a la contaminación por ruido de los datos de los sensores; por otro lado, el LGPC puede identificar leyes de control compactas e interpretables, que sólo utilizan un subconjunto de sensores, lo que permite reducir la complejidad del sistema con resultados razonablemente buenos. La experiencia adquirida y el conocimiento de los métodos de aprendizaje automático motivaron el último estudio incluido en esta tesis, que utiliza el control por algoritmo genético lineal (Linear Genetic Algorithm Control, LGAC) para identificar los mejores parámetros de actuación en una aplicación experimental. El actuador es un conjunto de seis chorros con forma de ranura en flujo cruzado y alineados con la corriente principal. Se define una ley de forzado periódica en lazo abierto mediante la frecuencia portadora (f), el ciclo de trabajo (DC) y la fase entre actuadores (ϕ) como parámetros de control. Las leyes de control se optimizan con respecto a la TBL no perturbada y la actuación de chorro constante. La función de coste incluye la transferencia de calor por convección de la pared y el coste de la actuación, lo que da lugar a un problema de optimización multiobjetivo. Sorprendentemente, el algoritmo LGAC converge a la misma frecuencia y ciclo de trabajo para todos los actuadores. Esta frecuencia es equivalente a la frecuencia óptima reportada en el segundo estudio del primer bloque de esta tesis. El rendimiento del controlador se caracteriza mediante termografía IR y mediciones PIV. La acción de los chorros altera considerablemente la topología del flujo en comparación con la actuación de los chorros constantes, dando lugar a un campo de flujo ligeramente asimétrico. La diferencia de fase entre la actuación de múltiples chorros ha demostrado ser muy relevante y el principal impulsor de la asimetría del flujo. Un análisis POD concluye los fenómenos de desprendimiento de vórtices que caracterizan la actuación de chorro constante, mientras que el controlador optimizado muestra una estructura alargada a gran escala justo aguas abajo del actuador. La investigación llevada a cabo en esta tesis arroja algo de luz sobre la aplicación de diferentes estrategias de control de flujo en el campo de la transferencia de calor por convección. Desde la utilización de actuadores de plasma y un único chorro en flujo cruzado hasta el desarrollo de una sofisticada lógica de control, los resultados apuntan al excepcional potencial del control por aprendizaje automático para desentrañar controladores inexplorados dentro del espacio de actuación. En última instancia, este trabajo demuestra la viabilidad de emplear sofisticadas técnicas de medición junto con algoritmos avanzados en una investigación experimental, allanando el camino hacia aplicaciones más complejas que implican información de retroalimentación.
El desarrollo sostenible de nuestra sociedad abre preocupaciones en varios campos de la ingeniería, incluyendo la gestión de la energía, la producción y el impacto de nuestra tecnología, siendo la gestión térmica un tema común a tratar. La investigación que se presenta en este manuscrito se centra en la comprensión, el control y la optimización de los procesos físicos que implican la transferencia de calor por convección en flujos turbulentos de pared. El contenido se divide en dos bloques principales: la investigación de las técnicas clásicas de control activo de lazo abierto para controlar la transferencia de calor, y el desarrollo tecnológico de estrategias de aprendizaje automático para mejorar el rendimiento del control del flujo en el campo de la transferencia de calor por convección. El primer bloque se centra en la tecnología de los actuadores, aplicando actuadores de plasma de descarga de barrera dieléctrica (dielectric barrier dicharge, DBD) y un chorro con forma de ranura pulsado en flujo cruzado (jet in crossflow, JICF), respectivamente, para controlar la transferencia de calor por convección en una capa límite turbulenta (turbulent boundary layer, TBL) sobre una placa plana. En el primero, se emplea un conjunto de actuadores de plasma DBD para inducir pares de vórtices contra-rotativos, alineados con la corriente e incrustados en la TBL para reducir la transferencia de calor aguas abajo de la actuación. El campo de flujo medio tridimensional completo aguas abajo del actuador de plasma se reconstruye a partir de la velocimetría de imagen de partículas estereoscópica (particle image velocimetry, PIV). Las mediciones de termografía infrarroja (IR) junto a una fina lámina calentada proporcionan distribuciones de transferencia de calor convectiva promediadas aguas abajo de los actuadores. La combinación de las mediciones del campo de flujo y de la transferencia de calor proporciona una imagen completa de la interacción fluido-dinámica del flujo inducido por el plasma con los efectos locales de transporte turbulento. Los vórtices en el sentido de la corriente inducidos por plasma son estacionarios y están confinados transversalmente debido a la acción de la descarga de plasma. La descarga de plasma en oposición causa un déficit de flujo de masa y de momento dentro de la capa límite, lo que conduce a una región de baja velocidad que crece en la dirección de la corriente y que se caracteriza por un aumento de los espesores de desplazamiento y de momento. Esta zona de baja velocidad se desplaza corriente abajo, promoviendo patrones de reducción similares a rayas en los que se reduce la transferencia de calor por convección. Cerca de la pared, los chorros inducidos por el plasma desvían el flujo principal debido a la inyección de momento del actuador DBD y a la succión sobre el fluido circundante por parte de los chorros emergentes. La estacionariedad de los vórtices inducidos por el plasma los hace persistentes aguas abajo, reduciendo la transferencia de calor por convección. Por el contrario, el objetivo del segundo trabajo de este primer bloque es mejorar la transferencia de calor por convección en lugar de reducirla. Se utiliza un JICF, pulsado y con forma de ranura, totalmente modulado para perturbar la TBL. El actuador de chorro, montado a ras y alineado en la dirección transversal, se controla en base a dos parámetros de diseño, a saber, el ciclo de trabajo (DC) y la frecuencia de pulsación (f). Se realizan mediciones de la transferencia de calor y del campo de flujo para caracterizar el rendimiento del control mediante termografía IR y PIV planar, respectivamente. Se lleva a cabo un estudio paramétrico de f y DC para evaluar su efecto en la distribución de la transferencia de calor. Los campos de vorticidad se reconstruyen a partir de los modos de descomposición ortogonal adecuada (POD), recuperando la información de fase. La topología del flujo se ve considerablemente alterada por la pulsación del chorro, incluso en comparación con el caso de un chorro estacionario. Los resultados muestran que tanto la penetración del chorro en la dirección de la corriente como el número Nusselt global aumentan con el incremento de DC. Sin embargo, la frecuencia a la que se maximiza el número Nusselt es independiente del ciclo de trabajo. Un chorro adherido a la pared sale de la ranura acompañado de un par de vórtices contrarrotantes que promueven el arrastre y la mezcla del flujo. Finalmente, se propone un modelo simplificado que desacopla el efecto de f y DC en la mejora global de la transferencia de calor, con un buen acuerdo con los datos experimentales. También se cuantifica el coste de la actuación en términos de la cantidad de fluido inyectado durante la actuación, llegando a la conclusión de que el ciclo de trabajo más bajo es el más eficiente para la mejora de la transferencia de calor entre el conjunto probado. El segundo bloque de la tesis se divide en una evaluación comparativa de los métodos de aprendizaje automático (machine learning, ML) para el control activo del flujo por retroalimentación y una aplicación de algoritmos genéticos lineales a un problema experimental de mejora de la transferencia de calor por convección. En primer lugar, el estudio comparativo se realiza numéricamente a partir de un problema de referencia bien establecido: la reducción de la resistencia aerodinámica de una calle de vórtices de Kármán bidimensional tras un cilindro circular a un número de Reynolds bajo (Re = 100). El flujo se manipula con dos actuadores de soplado/succión en la parte superior e inferior de un cilindro. La retroalimentación emplea varios sensores de velocidad. Se evalúan dos configuraciones de sondas: 5 y 11 sondas de velocidad situadas en diferentes puntos alrededor del cilindro y en la estela. Las leyes de control se optimizan con el aprendizaje profundo por refuerzo (Deep Reinforcement Learning, DRL) y el control por programación genética lineal (Linear Genetic Programming Control, LGPC). Ambos métodos estabilizan con éxito la calle de vórtices y reducen de manera efectiva la resistencia al tiempo que usan caudales másicos pequeños para la actuación. El DRL se caracteriza por una mayor robustez con respecto a la variación de la condición inicial y a la contaminación por ruido de los datos de los sensores; por otro lado, el LGPC puede identificar leyes de control compactas e interpretables, que sólo utilizan un subconjunto de sensores, lo que permite reducir la complejidad del sistema con resultados razonablemente buenos. La experiencia adquirida y el conocimiento de los métodos de aprendizaje automático motivaron el último estudio incluido en esta tesis, que utiliza el control por algoritmo genético lineal (Linear Genetic Algorithm Control, LGAC) para identificar los mejores parámetros de actuación en una aplicación experimental. El actuador es un conjunto de seis chorros con forma de ranura en flujo cruzado y alineados con la corriente principal. Se define una ley de forzado periódica en lazo abierto mediante la frecuencia portadora (f), el ciclo de trabajo (DC) y la fase entre actuadores (ϕ) como parámetros de control. Las leyes de control se optimizan con respecto a la TBL no perturbada y la actuación de chorro constante. La función de coste incluye la transferencia de calor por convección de la pared y el coste de la actuación, lo que da lugar a un problema de optimización multiobjetivo. Sorprendentemente, el algoritmo LGAC converge a la misma frecuencia y ciclo de trabajo para todos los actuadores. Esta frecuencia es equivalente a la frecuencia óptima reportada en el segundo estudio del primer bloque de esta tesis. El rendimiento del controlador se caracteriza mediante termografía IR y mediciones PIV. La acción de los chorros altera considerablemente la topología del flujo en comparación con la actuación de los chorros constantes, dando lugar a un campo de flujo ligeramente asimétrico. La diferencia de fase entre la actuación de múltiples chorros ha demostrado ser muy relevante y el principal impulsor de la asimetría del flujo. Un análisis POD concluye los fenómenos de desprendimiento de vórtices que caracterizan la actuación de chorro constante, mientras que el controlador optimizado muestra una estructura alargada a gran escala justo aguas abajo del actuador. La investigación llevada a cabo en esta tesis arroja algo de luz sobre la aplicación de diferentes estrategias de control de flujo en el campo de la transferencia de calor por convección. Desde la utilización de actuadores de plasma y un único chorro en flujo cruzado hasta el desarrollo de una sofisticada lógica de control, los resultados apuntan al excepcional potencial del control por aprendizaje automático para desentrañar controladores inexplorados dentro del espacio de actuación. En última instancia, este trabajo demuestra la viabilidad de emplear sofisticadas técnicas de medición junto con algoritmos avanzados en una investigación experimental, allanando el camino hacia aplicaciones más complejas que implican información de retroalimentación.
Description
Mención Internacional en el título de doctor
Keywords
Convective heat transfer, Flow control, Machine learning, Jet in cross flow, Plasma actuator, Turbulent boundary layer, Reinforcement learning, Genetic programming, Genetic algorithms, Transferencia de calor por convección, Control de flujo, Aprendizaje automático, Chorro en flujo cruzado, Actuador de plasma, Capa límite turbulenta, Aprendizaje por refuerzo, Programación genética, Algoritmos genéticos