Desenvolvimento de ferramenta utilizando aprendizagem de máquina para o estudo de combustível sólido em motor de foguete

Abstract

Este trabalho aborda a estimativa da taxa de regressão do combustível sólido em motores de foguete híbrido, utilizando abordagens clássicas e modelos de IA pré-treinados. O foco principalésegmentararegiãodocombustívelsólidoepreverataxaderegressãocombase em imagens da câmara de combustão de um queimador plano. A metodologia utiliza um conjuntodedadosexperimentaisdetestesemummotordefoguetehíbrido.Osresultados indicam que o modelo empregado oferece previsões promissoras para a segmentação do combustível sólido, mesmo sem treinamento específico para essa finalidade. As conclusões têm implicações significativas para o projeto e otimização de motores de foguete híbridos, capacitando engenheiros a tomar decisões mais fundamentadas sobre a composição do combustível. A etapa de treinamento personalizado e refinamentos superou com sucesso o desafiodesegmentarocombustívelsólidoemmeioàscomplexasdinâmicasdacombustão, resultando em um modelo capaz de distinguir o combustível sólido com alta confiabilidade.Aaplicaçãodetécnicasavançadasdevisãocomputacionalemodelosdeinteligência artificial na análise da combustão de propelentes sólidos é fundamental para obter a taxa de regressão por meiodeum bancode dadosexistente. Acriação deuma ferramenta para extrair a taxa de regressão de vídeos de alta velocidade melhora o processo de obtenção da taxa de regressão, contribuindo para o desenvolvimento efetivo desses combustíveis e avançando nessa área específica.