Como ocorre a formação de gelo por cristais de gelo dentro de motores a jato em alta altitude?

A formação de gelo por cristais de gelo nos motores a jato é um fenômeno sutil e desafiador, cuja dinâmica ainda não foi plenamente comprovada experimental ou numericamente. O cenário mais aceito sugere que, durante o voo, cristais de gelo atingem as superfícies quentes internas do motor, formando uma película de água líquida devido à fusão parcial. Esta película, por sua vez, aprisiona outros cristais de gelo, promovendo o resfriamento da superfície abaixo do ponto de congelamento, culminando na formação de uma camada de gelo. Apesar de plausível, esse processo é de difícil medição, uma vez que ocorre dentro do núcleo do motor em operação.

Para estudar esse fenômeno, foi escolhido o motor GE90, característico de motores com alto índice de derivação (high-bypass), nos quais a ocorrência de gelo por cristais de gelo é mais comum. A análise se concentrou nos efeitos do diâmetro dos cristais de gelo e da altitude de cruzeiro sobre o processo de fusão dos cristais sob condições reais de operação. Utilizando simulações computacionais, investigou-se a viabilidade da formação de gelo no interior do compressor, bem como a simulação do fenômeno de congelamento em uma pá de estator bidimensional (NACA65–210) em ambiente de alta temperatura.

Duas abordagens principais foram consideradas para simular esse processo. A primeira consistiria em modelar todo o caminho do escoamento de ar, incluindo todas as pás do ventilador e do compressor, com ingestão de cristais de gelo pela entrada do motor. Embora seja o método mais fiel, sua execução exige supercomputadores, tornando-o inviável na fase de projeto. A segunda abordagem, escolhida para este estudo, simplifica a simulação modelando apenas uma única pá ou palheta, com os cristais sendo inseridos a partir de uma fronteira anterior à entrada do motor. Essa opção, apesar de menos precisa, é mais viável computacionalmente.

As condições ambientais foram consideradas com base nos dados atmosféricos padrão para altitudes de 5000 a 10.000 metros, revelando que a temperatura estática aumenta gradualmente desde a entrada do motor até o início do compressor de alta pressão. Por exemplo, a 5000 metros, a temperatura ultrapassa 0 °C logo após o ventilador. A 10.000 metros, esse ponto ocorre somente no segundo estágio do compressor de baixa pressão. Assim, a altitude de voo influencia diretamente o local onde a temperatura interna ultrapassa o ponto de fusão.

O cálculo da taxa de fusão dos cristais de gelo ao longo do percurso no motor considerou diversas premissas: os cristais são esféricos, não se fragmentam, não colidem entre si e são transportados pelo escoamento interno sem alterar seu campo térmico. O processo inclui transferência de calor por condução dentro do cristal, troca de calor com o ar ambiente, fusão e subsequente evaporação da película de água formada.

As simulações foram realizadas com uma resolução de 0,5 μm, desde o centro até a superfície do cristal. De acordo com a regulamentação 14CFR Part 33, os cristais de gelo em nuvens convectivas variam entre 50 e 200 μm de diâmetro, embora estudos recentes tenham registrado partículas com até 800 μm. Essas variações dimensionais influenciam significativamente a taxa de fusão, sendo os maiores cristais mais propensos a manter seu estado sólido por mais tempo ao longo do percurso no motor.

Importa destacar que, mesmo em ambientes com temperatura total superior a 0 °C, a presença de cristais de gelo ainda representa um risco de congelamento devido à inércia térmica das partículas e à existência de gradientes de temperatura localizados. Adicionalmente, a formação da película de água, longe de ser uma mera consequência da fusão, age como catalisadora para a agregação de novos cristais e para o subsequente congelamento secundário, fenômeno ainda pouco compreendido.

Na prática do projeto aeroespacial, a complexidade desse fenômeno exige abordagens híbridas que conciliem a precisão dos modelos físicos com a viabilidade computacional. O entendimento detalhado dos mecanismos de fusão e recongelamento de cristais de gelo no ambiente altamente dinâmico de um motor a jato continua sendo crucial para prever eventos de perda de potência e danos estruturais causados pelo congelamento em voo. Além da modelagem térmica, investigações futuras devem considerar também os efeitos aerodinâmicos da deposição de gelo nas superfícies internas e o papel da turbulência na distribuição dos cristais.

Como é possível reconstruir dados experimentais ausentes com Gappy ROM?

A combinação de dados de simulação computacional (CFD), dados experimentais (EFD) e dados de voo (FFD) é, tradicionalmente, tratada de forma compartimentada, com abordagens que se limitam a contrapor ou substituir métodos. No entanto, a utilização de Reduced Order Models (ROM) e, mais especificamente, da técnica Gappy Proper Orthogonal Decomposition (Gappy POD), propõe um paradigma novo: a fusão coerente e eficaz dessas fontes de informação para reconstrução de campos de dados altamente incompletos, comuns em experimentos de gelo em voo.

Gappy POD é uma extensão do POD clássico, ideal para preencher lacunas em conjuntos de dados escassos com base em uma base modal construída a partir de instantâneos (snapshots) existentes. Em vez de depender exclusivamente de medições completas, a técnica permite enriquecer dados experimentais limitados, aproximando-os da riqueza informacional dos resultados de simulações numéricas completas.

Duas abordagens distintas podem ser utilizadas dentro da estrutura ROM com Gappy POD. A primeira foca no enriquecimento direto dos dados experimentais, utilizando combinações lineares dos modos de POD extraídos de instantâneos existentes para reconstruir os dados faltantes. A segunda, mais explorada neste caso, utiliza as medições de teste como parte integrante do conjunto de instantâneos. Esses dados incompletos são iterativamente refinados: partindo de uma estimativa inicial para os valores ausentes, aplica

Como o Fluxo de Calor Afeta os Sistemas Antigelo em Aeronaves Não Tripuladas?

Os testes realizados em uma asa de perfil retangular RG-15, com uma envergadura de 65 cm e comprimento de corda de 45 cm, no túnel de vento de congelamento do Centro de Pesquisa Técnica da Finlândia (VTT), fornecem uma visão detalhada sobre o comportamento de sistemas de prevenção de congelamento em aeronaves não tripuladas (UAVs). Este estudo foi focado principalmente na análise do fluxo de calor necessário para evitar o acúmulo de gelo na borda de ataque da asa. Para isso, foi utilizado um sistema de aquecimento (IPS), que consiste em várias zonas de aquecimento distribuídas ao longo da borda de ataque, cobrindo 15% da área total.

Durante os testes, três temperaturas diferentes foram utilizadas, com três repetições para cada uma, permitindo a análise do comportamento do sistema sob condições variadas. Os resultados das simulações realizadas com os códigos FENSAP-ICE e LEWICE mostraram que, embora ambos os modelos apresentem comportamentos semelhantes, diferenças significativas são observadas no tratamento do efeito da transição de camada laminar para turbulenta e na modelagem do fluxo de calor.

A análise revelou que existem três zonas distintas ao longo da distância da borda de ataque. A primeira zona, próxima ao ponto de estagnação da asa, exige o maior fluxo de calor, pois é onde as gotículas da nuvem superresfriada colidem com a superfície e exigem um fluxo energético elevado para evitar o congelamento instantâneo. A segunda zona corresponde à área onde se forma um filme de água na superfície, o que é transportado para baixo devido ao atrito aerodinâmico. Aqui, além da transferência de calor convectiva, o sistema deve compensar a perda de calor devido à evaporação. A terceira zona surge quando a superfície se seca, o que resulta em uma diminuição repentina no fluxo de calor necessário.

No modelo FENSAP-ICE, a transição da camada laminar para a turbulenta foi identificada como um ponto crítico para o aumento do fluxo de calor necessário. No entanto, o modelo LEWICE não previu essa transição, o que sugere que ele não modela corretamente os efeitos aerodinâmicos em baixas condições de Reynolds. Isso é um reflexo de limitações do LEWICE, especialmente no tratamento da dinâmica de fluxo em regimes de baixo número de Reynolds, característicos de UAVs.

O efeito da temperatura ambiente também se mostrou crucial. Os testes indicaram que, à medida que a temperatura diminui, o fluxo de calor mínimo necessário para prevenir o congelamento aumenta linearmente. Isso é devido ao fato de que a temperatura ambiente é o principal fator que determina a necessidade de aquecimento. A presença de umidade na forma de gotas de água ou filme líquido na superfície da asa também influencia o desempenho do sistema, já que a evaporação dessas gotículas necessita de uma quantidade significativa de energia.

A comparação entre os resultados experimentais e as simulações mostrou uma boa correlação, embora haja uma diferença constante entre os resultados dos dois modelos, especialmente em relação às condições de temperatura mais baixa. A validade das simulações foi confirmada, embora ainda existam incertezas relacionadas à medição da transferência de calor e à perda de energia elétrica, que não foram completamente consideradas nos modelos.

Nos testes realizados, os dois modelos de simulação, FENSAP-ICE e LEWICE, apresentaram resultados em geral consistentes, mas a escolha do modelo de turbulência tem um impacto limitado em sistemas de aquecimento mais simples, como o utilizado neste estudo. Para sistemas mais complexos, como os encontrados em designs mais sofisticados de anti-icing, a escolha do modelo de turbulência pode influenciar significativamente os requisitos de potência.

O estudo também evidenciou que, devido ao menor número de Reynolds e à menor velocidade de voo dos UAVs em comparação com aeronaves tripuladas, estes veículos estão mais suscetíveis ao congelamento em uma faixa de temperatura mais ampla. Isso se deve ao menor aquecimento aerodinâmico, o que faz com que o acúmulo de gelo aconteça mais facilmente, mesmo em temperaturas próximas ao ponto de congelamento. Além disso, o menor comprimento de corda da asa dos UAVs contribui para uma maior área relativa de gelo e, consequentemente, maiores penalidades aerodinâmicas.

Portanto, compreender a dinâmica do fluxo de calor, a transição laminar-turbulenta e os efeitos da temperatura ambiente no comportamento do sistema de prevenção de congelamento é fundamental para o desenvolvimento de sistemas de anti-icing mais eficientes para UAVs. A aplicação dessas simulações e a análise detalhada dos fluxos térmicos são essenciais não só para o design de sistemas mais eficazes, mas também para a segurança e a operação eficiente de aeronaves não tripuladas em condições de gelo.

Como as Condições de Incerteza Afetam a Formação de Gelo em Aerofólios: O Caso de Teste 11 no Laboratório de Icing da NASA

Este estudo investiga o caso de teste Run 84, realizado nas instalações da NASA Glenn IRT (Wright e Rutkowski, 1999), com foco em um aerofólio NACA4415 de 78 polegadas operando em um túnel de vento criogênico. Os resultados numéricos apresentados a seguir foram obtidos por Bellosta et al. (2021) e correspondem ao caso de teste C no artigo citado. O método utilizado para reconstruir o campo aerodinâmico ao redor do aerofólio foi o resolvedor SU2, com as equações RANS discretizadas por meio do método de volumes finitos. A estrutura base utilizada é uma estrutura baseada em arestas, em uma grade dual, com volumes de controle construídos por um esquema de vértices medianos.

Os parâmetros incertos considerados nesta análise foram o número de Mach no fluxo livre (M), a pressão do fluxo livre (P), a temperatura do fluxo livre (T), o ângulo de ataque do aerofólio (AoA), o diâmetro médio volumétrico (MVD) das gotículas, o conteúdo de água líquida (LWC) e a condutividade térmica do gelo (ξ). A caracterização das incertezas segue o processo descrito por Gori et al. (2021), que se concentra, especialmente, na variabilidade da condutividade térmica do gelo, modelada por uma distribuição normal padrão auxiliar. O tempo total de exposição, ou seja, a duração do teste, foi de 1080 segundos. A tabela 11 apresenta as condições nominais de operação do túnel de vento, juntamente com seus intervalos de incerteza. A incerteza foi modelada por uma distribuição de probabilidade uniforme.

A análise de quantificação de incerteza (UQ) foi realizada utilizando um substituto baseado em Polynomial Chaos truncado na terceira ordem. Os coeficientes do substituto foram calculados por meio dos Mínimos Quadrados Ordinários, aproveitando 360 pontos de dados gerados por meio da técnica de Amostragem Latin Hypercube. Para avaliar a precisão dos substitutos, um conjunto adicional de 50 pontos foi gerado. Os substitutos demonstraram boa precisão, com um erro quadrático médio (RMSE) máximo inferior a 5x10⁻³.

A análise de sensibilidade foi conduzida utilizando a técnica de decomposição de variância de Sobol, que mostra que a incerteza nas previsões é atribuída principalmente à incerteza associada ao LWC, AoA e MVD das partículas. A incerteza no AoA e MVD teve um efeito máximo nas proximidades dos limites de acúmulo de gelo, enquanto a incerteza no LWC foi crítica para determinar a espessura do gelo em ambos os lados do ponto de estagnação. A incerteza na temperatura do fluxo livre teve um impacto maior na espessura do gelo nas regiões próximas ao ponto de estagnação.

De maneira geral, os resultados obtidos em todos os casos apresentados confirmaram a eficácia do modelo computacional, especialmente no que diz respeito à previsão da espessura do gelo e da eficiência de coleta em diferentes regimes de formação de gelo, como o regime de gelo rime e glaze. A análise de quantificação de incerteza permitiu avaliar de forma abrangente a influência da aleatoriedade nos parâmetros de entrada do modelo computacional, proporcionando direções importantes para futuras análises de dados.

O estudo revela que a coleta de água na superfície do aerofólio não é uma questão simples e envolve uma variabilidade significativa, dependendo de vários parâmetros de entrada, como a distribuição volumétrica das gotículas e o ângulo de ataque. Além disso, em regiões onde o gelo se acumula mais intensamente, as incertezas associadas a essas variáveis podem ter um impacto considerável nos resultados. A identificação e o entendimento dessas fontes de incerteza são fundamentais para o aprimoramento dos modelos de previsão da formação de gelo e para o desenvolvimento de estratégias mais eficazes de mitigação do gelo em aeronaves.