Bayesian optimization for calibrating an eulerian-lagrangian spray CFD model

The development of a numerical tool able to support the design of the ramjet engine injection system of FAST Aerospace has been carried out. The objective was to define an automatic and robust procedure for calibrating a Computational Fluid Dynamics (CFD) model of an injector spray given its experimental measurements. An Eulerian-Lagrangian RANS model adopting the k-epsilon turbulence model has been developed in OpenFOAM, adopting the PISO solver for the pressure-velocity coupling. To ensure computational efficiency, a coarse-grid converged simulation representing chamber air recirculation is used as initial condition by mapping the solution on the fine-grid simulation used in the optimization process. Calibration of the spray sub-models (Rosin-Rammler injection distribution and TAB breakup model) was performed using Bayesian optimization on two objective functions: discrepancy in the Sauter Mean Diameter (SMD) and the least-squares of the Cumulative Distribution Function (CDF) between numerical and experimental results, both quantities used to compare numerical results to the real data found through post-processing of experimental spray images. A failure management technique has been also implemented, ensuring robustness to CFD simulation crashes. Having observed the performances of different acquisition functions and different kernels for the Gaussian process, the Expected Improvement in Hypervolume and the RBF kernel represented the framework configuration that achieved the best balance between exploration and exploitation and identified the best configuration of sub-models parameters. Results successfully demonstrated the method's ability to calibrate the spray, by optimizing the objectives towards a common optimum in a total of 150 high-fidelity model function evaluations, reproducing the experimental spray characteristics with high accuracy.

Con questa tesi, è stato sviluppato uno strumento a supporto del design del motore ramjet di FAST Aerospace. L'obiettivo era quello di definire una procedura automatica e robusta che fosse in grado di calibrare un modello numerico di spray CFD su alcune misure sperimentali. È stato prodotto un modello Euleriano-Lagrangiano basato su simulazione di tipo RANS, adottando il modello k-epsilon come modello di turbolenza, ed il solutore PISO per la risoluzione dell'accoppiamento pressione-velocità. Per motivi di efficienza numerica del metodo, si è reso necessario utilizzare la soluzione di un caso con griglia grossolana, come condizione iniziale del caso con griglia fine usato nel processo di ottimizzazione, al fine di rappresentare il ricircolo d'aria presente all'interno della camera. La calibrazione dei parametri dei sotto-modelli adottati (distribuzione Rosin-Rammler all'iniezione e modello di atomizzazione secondaria TAB) è avvenuta mediante ottimizzazione Bayesiana su due obiettivi: la discrepanza nel Sauter Mean Diameter (SMD) e la somma dei quadrati delle differenze tra le funzioni di distribuzione cumulativa (CDF), tra risultati numerici e sperimentali, entrambi utilizzati per comparare i risultati delle simulazioni numeriche con i dati reali trovati elaborando le immagini sperimentali dello spray. È stata inoltre implementata una tecnica per la gestione dei fallimenti delle simulazioni CFD, rendendo così il metodo di ottimizzazione robusto. Avendo osservato le prestazioni di diverse funzioni di acquisizione e di diversi kernel per il processo Gaussiano, il valore atteso del miglioramento dell'ipervolume ed il kernel RBF rappresentano la configurazione che ha portato ad un corretto bilanciamento di esplorazione e sfruttamento e che ha identificato la miglior configurazione dei parametri dei sotto-modelli. I risultati dell'ottimizzazione hanno quindi dimostrato che il metodo è in grado di calibrare il modello numerico dello spray, ottimizzando gli obiettivi portandoli ad una configurazione di ottimo comune in un totale di 150 valutazioni di funzione del modello ad alta fedeltà, riproducendo con grande accuratezza le misurazioni sperimentali osservate.