Validação Da Calibração De Uma Balança Externa De Túnel De Vento

Abstract

Resumo: Balanças aerodinâmicas são empregadas em túneis de vento para medir as cargas atuantes em modelos sob teste. Uma metodologia foi desenvolvida para a avaliação da incerteza de calibração da balança externa do Túnel de Vento Subsônico N.º 2, do Centro Técnico Aeroespacial de São José dos Campos. A fim de obter um modelo adequado para fornecer as cargas aerodinâmicas a partir das medições das células de carga da balança, anteriormente ao ensaio, realize-se uma calibração aplicando-se pesos na balança através de um sistema de cabos e roldanas. Dois procedimentos são empregados para relacionar as leituras das células de carga às cargas aerodinâmicas: ajuste de curva e Redes Neurais. A modelagem matemática para a regressão por mínimos quadrados é multivariada. A classe de Redes Neurais usada é a rede Multy-Layer Perceptrons (MLP) ou Perceptrons de Multicamadas. A análise de erro inclui o emprego da lei geral de Propagação de Incerteza à curva resultante da regressão multivariada e o método de Simulação Monte Carlo. Uma comparação dos métodos utilizados é destacada neste trabalho. Palavras-chave: Incertezas, Calibração, Ensaios, Redes Neurais Artificiais.Abstract: Aerodynmic balances are employed in wind tunnels to measure the loads acting on the model under test. A methodology has been developed for the assessment of the calibration uncertainty of the external balance at the Subsonic Wind Tunnel No. 2 (TA-2), at the Aerodynamic Laboratory, (ASA-L), of the Centro Técnico Aeroespacial, (CTA), Brazil. In order to obtain a suitable model to provide aerodynamic loads from the balance load cell measurements, a balance calibration is performed prior to the tests, applying loads to the balance through a system of cables and pulleys. Two approaches are employed to relate the load cell readings and the areodynamic loads: curve fitting and neural networks. The mathematical model for the least-squares regression is the multivariate one. The class of neural networks used is the multilayer feedforward networks, commonly referred to as multilayer perceptrons. The error analysis includes the employment of the general law of 1 mluisareis@iae.cta.br, 2