Camacho, Emanuel António RodriguesSilva, André Resende Rodrigues daPereira, João Pedro Alves Fonseca2025-11-192025-11-192025-07-142025-06-10http://hdl.handle.net/10400.6/19295The flapping motion of birds and insects always captivated the human mind. Recent developments in micro air vehicles and energy extraction have brought up interest in the study of flapping aerodynamics. While modelling transient aerodynamics always poses some challenges, large advancements in machine learning, namely in artificial neural networks seam to promise faster and more complex computations. Recurrent neural networks have found plenty of applications in transient aerodynamics and time-dependent problems. This dissertation aims to implement a recurrent neural network for the timewise prediction of aerodynamic coefficients on flapping airfoils. The network features a delay layer, followed by a series of fully connected layers and a linear output layer. The network estimates the instantaneous Cl and Cm. It takes as inputs the Re, k, h, kh and Aa, plus the time history of aeff, together with the previous Cl and Cm. Training data for a plunging NACA0012 airfoil was generated using a panel code (HSPM). Two trainings were conducted to assess the impact of the delay initialization of the network. Results show that the network is capable of prediction most of the flapping cycles with good accuracy. It was also found that the delay initialization has little effect on the model’s performance. Future work intends to expand the training data to include pitching and flapping motions and expand the parameter test set.O movimento de batimento das asas de pássaros e insetos sempre cativou a mente humana. Desenvolvimentos recentes em veículos aéreos micro e extração de energia renovaram o interesse no estudo da aerodinâmica do batimento. Embora a modelação de aerodinâmica transiente tenha sempre trazido desafios, grandes avanços na área da inteligência artificial, nomeadamente em redes neuronais, prometem a capacidade para realizar computações mais rápidas e complexas. Em particular, redes neuronais recorrentes têm sido aplicadas para modelar aerodinâmica transiente e solucionar problemas dependentes do tempo. Esta dissertação procura a implementação, treino e validação de uma rede neuronal recorrente para a previsão de coeficientes aerodinâmicos de um perfil alar sujeito a batimento no tempo. A rede é composta por uma camada de atraso, seguida de camadas completamente ligadas e com uma camada de saída linear. A rede estima os valores de Cl e de Cm. Como entradas, a rede recebe os valores de Re, k, h, kh e Aa, assim como o histórico de aeff, aos quais ainda se juntam as estimativas anteriores de Cl e de Cm. A rede foi treinada para um perfil NACA0012 sujeito a deslocamento vertical, cujos dados foram gerados através de um código de painéis, o HSPM. Dois treinos foram feitos para verificar o impacto a inicialização da camada de atraso. Os resultados mostram que a rede é capaz de prever a evolução dos coeficientes com boa precisão. Também foi visto que a inicialização dos atrasos tem um efeito muito reduzido no desempenho do modelo. Trabalho futuro focar-se-á em expandir a base de dados de treino para incluir variação de ângulo de ataque, assim como analisar a variação de mais parâmetros de entrada.engAerodinâmica TransienteCoeficientes AerodinâmicosInteligência ArtificialPerfis OscilantesRedes Neuronaismaster thesis204045800