Uncertainty quantification for in-flight icing collection efficiency in SLD conditions

During the flight of an aircraft, the formation of ice on the surfaces represents one of the main concerns; consequently, its prevention and management play a crucial role in aircraft design and safety requirements. The water collected on the surfaces could freeze during a flight in cold wet air, bringing to a degradation of the aerodynamic performances or compromising the controllability of the aircraft, and therefore, the safety of the passengers. The design of a reliable ice protection system requires a deep knowledge of the physics of ice accretion and accurate predictions from numerical model employed. However, the reliability of numerical models is affected by the uncertainty deriving from not only the computational framework, but also the environmental conditions: indeed, these are retrieved from the experimental setup, and therefore, affected by the uncertainty. In this context, the focus of this thesis is to investigate the collection efficiency under parametric uncertainty and extend current uncertainty quantification approaches for Supercooled Large Droplets (SLD) regime. The latter has a more complex physics since the particles of water present in the cloud can deform under aerodynamic force and, moreover, they can splash or rebound when impinging the surfaces. To assess the principal statistical moments related with the numerical solutions, the uncertain input parameters are forward propagated in the computational framework using the Polynomial Chaos Expansion (PCE) method. In the presented work, diverse initial conditions and two different two-dimensional aeronautical geometries are considered with the aim to reproduce the experimental data carried out at NASA's Glenn Icing Research Tunnel (IRT). The study is performed considering test conditions related to the Appendix-C and Appendix-O of Federal Aviation Administration (FAA) airworthiness standard. This work aims at quantifying the sensitivity of the predicted collection efficiency in uncertain test conditions with a twofold objective. On one hand, the aim is to shed light on the physics by exposing the relative importance of the diverse uncertain inputs to the resulting quantity of interest. On the other hand, this work is also meant to be an embryonic effort towards assessing the accuracy of numerical predictions against uncertain observations.

La formazione di ghiaccio su un velivolo rappresenta una delle maggiori problematiche durante il volo; essa ricopre quindi un ruolo chiave nei requisiti di sicurezza. L'acqua raccolta sulle superfici può ghiacciare quando il velivolo vola in condizioni esterne di aria fredda e umida, causando un peggioramento delle performance aerodinamiche; nei casi peggiori, può inoltre comportare la perdita di controllo del velivolo e mettere a rischio la sicurezza dei passeggeri. Il design dei sistemi di protezione dal ghiaccio richiede quindi una profonda conoscenza della fisica di accrescimento e i modelli numerici che vengono sviluppati devono accuratamente prevederne la forma. Tuttavia, l'affidabilità dei modelli numerici è messa in discussione dall'incertezza derivante non solo dal contesto computazionale, ma anche dalle condizioni ambientali; questi ultimi sono recuperati dal setup di laboratorio in letteratura e sono affetti da incertezza strumentale. In questo contesto, l'obiettivo della tesi è di investigare il calcolo della collection efficiency considerando l'incertezza parametrica ed estendere gli attuali approcci di quantificazione d'incertezza al regime di Supercooled Large Droplets (SLD). Quest'ultimo presenta una fisica più complessa da modellare in quanto le particelle d'acqua presenti nelle nubi possono deformarsi sotto l'azione delle forze aerodinamiche e, inoltre, possono avvenire fenomeni di splash o rebound durante l'impatto con il velivolo. Per calcolare i principali momenti statistici, e quindi propagare in avanti l'incertezza dei parametri di input, è stato utilizzato il metodo dell'Espansione in Caos Polinomiale (PCE). In questo lavoro sono stati presi in considerazione due profili aeronautici e diverse condizioni iniziali con l'obiettivo di riprodurre i dati sperimentali raccolti dal Glenn Icing Research Tunnel (IRT) della NASA. Sono state considerate diverse condizioni di input relative sia all'Appendice-C sia all'Appendice-O degli standard di idoneità al volo definiti dalla Federal Aviation Administration (FAA). L'obiettivo di questo lavoro è quantificare la sensitività della collection efficiency predetta dalle simulazioni numeriche rispetto alle condizioni sperimentali incerte. Lo scopo è duplice: da una parte si vuole fare luce sulla fisica dell'accrescimento del ghiaccio esponendo l'importanza sulle quantità d'interesse dei diversi input affetti da incertezza. Dall'altra parte, questa tesi è anche un primo tentativo di valutare l'accuratezza di una predizione numerica rispetto alle osservazioni incerte.