See

discussions, stats, and author profiles for this publication at: https://www.researchgate.net/publication/316660616

ANÁLISIS DEL COMPORTAMIENTO CAÓTICO DEL

FLUJO HIPERSÓNICO EN EL VECTOR GRADICOM
II

Conference Paper · April 2017

CITATIONS READS

0 41

3 authors:

Edgardo Comas Edgardo Vescovo

Institute of Scientific and Technical Research f… 1 PUBLICATION 0 CITATIONS
4 PUBLICATIONS 0 CITATIONS
SEE PROFILE

SEE PROFILE

Walter Edgardo Legnani

National Technological University of Argentina
62 PUBLICATIONS 66 CITATIONS

SEE PROFILE

Some of the authors of this publication are also working on these related projects:

Pattern Recognition and hidden models View project

Signal Analysis in the informational plane View project

All content following this page was uploaded by Walter Edgardo Legnani on 03 May 2017.

The user has requested enhancement of the downloaded file.

 IX Congreso Argentino de Tecnología Espacial. Abril 26-28, 2017. Córdoba, Argentina.

ANÁLISIS DEL COMPORTAMIENTO CAÓTICO DEL FLUJO HIPERSÓNICO

EN EL VECTOR GRADICOM II

Ing. Edgardo Antonio Comas (a) - Ing. Edgardo Fernandez Vescovo (b) - Dr. Walter Edgardo Legnani (c).
ecomas@citedef.gob.ar – fvescovo@citedef.gob.ar – walterlegnani@gmail.com

(a) CITEDEF, Laboratorio de Navegación, San Juan Bautista de La Salle 4397 (B1603ALO),
Villa Martelli (Buenos Aires – Argentina), Tel: +54 11 4709-8100
(b) CITEDEF, Laboratorio de Propulsión, San Juan Bautista de La Salle 4397 (B1603ALO),
Villa Martelli (Buenos Aires – Argentina), Tel: +54 11 4709-8100
(c) UTN-FRBA, Centro de Procesamiento de Señales e Imágenes, Medrano 951 (C1179AAQ),
Ciudad Autónoma de Buenos Aires (Buenos Aires – Argentina), Tel: +54 11 4867-7500

RESUMEN

El presente trabajo pretende identificar el comportamiento caótico del flujo plasmático en el vuelo
hipersónico en un vector de sondaje atmosférico. Para ello se analizan los datos obtenidos del vuelo de un
Vector tipo SONDA para el estudio de la atmosfera denominado GRADICOM II, cuyo lanzamiento se
realizó el 11 de julio del 2011 por el Instituto de Investigaciones Científicas y Técnicas para la Defensa
“CITEDEF”. El mismo alcanzó un apogeo de 92 km aproximadamente y un velocidad máxima de 6.56
MACH, presentándose la formación de plasma al poco tiempo de ingresar en vuelo hipersónico.
Partiendo de las mediciones inerciales en el vector y de las condiciones atmosféricas se procedió resolver
las ecuaciones de navegación obteniendo las trayectoria y velocidades del vector, posteriormente se
identificó la zona del vuelo hipersónico y la verificación del comportamiento caótico del flujo
aerodinámico.

1.- INTRODUCION y en la columna de la derecha los valores para los

ejes Y, Z.
El proyecto GRADICOM (cuyo nombre
deriva de la tecnología del combustible para los
motores de propulsión de grandes dimensiones),
encontró en su versión II el objetivo de ensayar
en vuelo un vector prototipo de dos etapas,
experimentando sistemas y subsistemas de
vectores para sondaje atmosféricos.
Se trató entonces de un vector de dos
motores con separación, dotado de electrónica de
abordo destinada a la medición de magnitudes
físicas provenientes de varios sensores, entre ellos
los inerciales. Integrados en una unidad de
medición inercial IMU (por sus siglas en inglés),
la información de los acelerómetros, giróscopos y
magnetómetros, fue adquirida, codificada y
transmitida al puesto de tierra en una trama
telemétrica a una tasa de muestreo de 2
milisegundos.
Figura 1 Registro de la Unidad Inercial.
En la Figura 1 se observa el registro de los
datos medidos por la IMU en la terna de
referencia del vector, en donde en la columna de
la izquierda se observan los valores para el eje X

1
 IX Congreso Argentino de Tecnología Espacial. Abril 26-28, 2017. Córdoba, Argentina.
2.- METODOLOGIA
Con los datos de la medición de la IMU y
las condiciones iniciales del vector al momento
del lanzamiento se resolvieron las ecuaciones de
navegación, obteniendo la trayectoria, velocidad
y actitud del vector en el sistema de referencias
ECEF “Earth Centered Earth Fixed” y sus
transformaciones al sistema ENU “East North
Up” [1]. En la Figura 2 se observa la trayectoria
seguida por el vector.
Figura 2. Trayectoria del vector.
A los fines de determinar la zona de
régimen hipersónico (Mach>5), relación entre la
velocidad del vector y la velocidad del sonido en
su entorno [2]) es necesario determinar la
velocidad del vector en esta relación. Dado que la
velocidad del sonido responde a la expresión:
 .R.T
VS  (1)
M
Joule
en donde   1.4 para el aire , R  8.314
mol.  K
Kg
y M  0.029 para el aire [3], es necesario
mol
determinar la variación de la temperatura con la
altura. Para ello se recurre a la medición de
temperatura realizada con una sonda VAISALA
lanzada antes del lanzamiento y la cual llegó a
15Km de altitud. Dado que el vector llegó a una
altitud de 40Km se realiza una interpolación entre
estas mediciones y los datos de variación de la
temperatura con la altura que provee la tabla de la
U.S. Standard Atmosphere en la cual se
representan los valores de temperatura desde 300
metros sobre el nivel del mar, hasta 90Km.
Con estos valores de temperatura y mediante la
expresión (1) se obtuvo la velocidad del sonido
en función de la altura y por ende la velocidad del
vector en Mach, según se observa en el gráfico de
la Figura 3. En este gráfico se ve que ingresa en
régimen hipersónico aproximadamente a los
12.22Km alcanzando una velocidad máxima de
6.57mach a los 15.89Km.
Figura 3, Velocidad en mach
A las velocidades de vuelo hipersónico se
presenta un fuerte incremento de la presión
debido a que se produce un efecto pistón por
compresión del aire más allá del frente de onda de
choque, lo cual resulta en un aumento de
temperatura muy grande [2]. Este brusco aumento
de energía en el aire produce la disociación e
ionización de las moléculas, generando átomos
libres (partículas neutras en diferente estado de
excitación), iones (con diferentes estados de carga
y excitación), electrones libres y radiación
electromagnética con suficiente energía como
para continuar con el proceso. Como resultado
del balance de este proceso es la formación de
plasma en la nariz del vector. Cuya principal
característica es la dominación de los efectos de
interferencia y un comportamiento altamente no
lineal debido a las reacciones químicas que
ocurren en el estado del plasma que rodea al
vector.
Las fuerzas generadas por el flujo
hipersónico son integradas sobre la estructura del
vector, y definen los coeficientes de las fuerzas de
sustentación y resistencia al avance. Ambos
coeficientes son funciones no lineales del ángulo
2
 IX Congreso Argentino de Tecnología Espacial. Abril 26-28, 2017. Córdoba, Argentina.

de ataque lo que invalida el principio de
superposición [2] [4].
Analizando los trazados inerciales en la
Fig. 1 se observa en el registro el efecto de una
perturbación, que en primera instancia se asemeja
a un ruido sobre los ejes Y-Z. En la Figura 4 se
observan sobre la izquierda esta zona de
perturbación y sobre la derecha su detalle.
Por otro lado las aceleraciones laterales en
los ejes X e Y que representan el eje Este y Norte,
y que su acción describe un círculo por el efecto
del movimiento cónico del vuelo (ecuación del
coneo [5]), forman junto con la aceleración del
eje Z una función espiral.
Esta función debería terminar en una
órbita circular debido a que no existen
perturbaciones externas a la altura de vuelo en
que se encuentra el Vector. Sin embargo por la
creación del plasma se observa que se despliega
un atractor con entre cruzamiento de órbitas
debido a las interferencias y al comportamiento
no lineal del mismo.

Figura 4, detalle de la perturbación

Vemos que esta perturbación comienza a

los 22.5S, instante de la creación del plasma, la
cual también puede observarse en la Figura1 y
para el mismo instante de tiempo la interferencia
en el campo magnético terrestre para los mismos
ejes. Figura 5, aceleración 3D en ENU

3.- DESARROLLO El detalle del entrecruzamiento de órbitas

puede observarse en la Figura 6.
A los fines de analizar el comportamiento
de estas perturbaciones cuando el vector ingresa
en vuelo hipersónico con plasma a su alrededor,
graficamos en el sistema de coordenadas ENU la
aceleración en los 3 ejes en función del número
de mach, Figura 5.
En este gráfico se observan las
aceleraciones del Vector, en donde se identifican
claramente la acción de los motores trazo lineal
en negro y azul, y en particular al final del
trazado en negro la ruptura de la barrera del
sonido. Dado que en la aceleración en el eje Z
representa la coordenada Arriba del sistema ENU
en esta se observa que, una vez finalizada la
combustión del segundo motor comienza a Figura 6, detalle del cruzamiento de orbitas
descender debido a la fuerza de rozamiento del
aire sobre el fuselaje del Vector.

3
 IX Congreso Argentino de Tecnología Espacial. Abril 26-28, 2017. Córdoba, Argentina.

Para la verificación del comportamiento

caótico, en primer lugar se recurre a la aplicación
de distintas técnicas de análisis del caos: a)
Superficie de Poincaré, b) Exponentes de
Lyapunov, c) Dimensión Fractal de Capacidad,
d) Exponente de Hurst, y e) Comparación de las
dimensiones fractales (para verificar los
resultados se procede a comparar los resultados
obtenidos por la Dimensión Fractal de Capacidad
y la dimensión fractal obtenida por medio del
Exponente de Hurst).

a) Superficie de Poincaré
Dado que del gráfico en el espacio de
fases (Figura 6) resulta difícil distinguir si un Figura 8, Sección de Poincaré
comportamiento es aleatorio o caótico, se recurre
a la técnica denominada sección de Poincaré [5].
Esta consiste en considerar un plano que atraviese
a las trayectorias en el espacio de fases,
identificando los puntos de intersección entre las
trayectorias en el espacio de fases con dicho
plano y con una dirección específica, lo que
reduce la dimensión en 1.
Después de esa operación los datos
aparecerán en un mapa de tiempo discreto, y si
estos son caóticos tendrán una estructura fractal
con dimensión fraccional. El tiempo entre dos
intersecciones sucesivas no se mantendrá
constante debido a que depende de la forma de la
trayectoria. Cada ciclo debe de producir al menos Figura 9, mapa de Poincaré
un punto sobre el plano de Poincaré, por lo que si
esto no ocurre la elección del plano no fue la b) Exponentes de Lyapunov
propicia. En la Figura 7 se observan algunos tipos El espectro de exponentes de Lyapunov
de clasificación por medio de la superficie de provee un claro diagnóstico de un sistema
Poincaré. dinámico, debido a que nos da el promedio de la
velocidad exponencial de divergencia o
convergencia de órbitas cercanas en el espacio de
fases. Órbitas cercanas se corresponden con
estados prácticamente idénticos, y si existe una
Figura 7, Clasificación de superficies de Poincaré divergencia exponencial entre ambas esto
significa que el sistema se vuelve rápidamente
En nuestro caso se tomó como plano de impredecible [6] [7].
Poincaré al plano formado por el semieje Un sistema que posee al menos un
negativo Y, el eje Z, y centrado en el valor exponente de Lyapunov positivo se puede definir
aproximado del eje X en cero, según se observa como caótico, y el valor de dicho exponente
en la Figura 8, y en la Figura 9 el mapa de refleja la escala de tiempo en la cual la dinámica
Poincaré el cual muestra una estructura del tipo del sistema puede determinarse.
fractal. Los exponentes de Lyapunov se calculan
en el espacio 3D de fases partiendo de la serie de
tiempo

4
 IX Congreso Argentino de Tecnología Espacial. Abril 26-28, 2017. Córdoba, Argentina.

 de cada subconjunto se fija en 3 periodos del


y (t )  x(t0 ) , x( t1 ) ,..., x( tN )  (2)
en donde el tiempo de adquisición entre muestra
y muestra es T  t n 1  t n .
Dado un valor de x(ti ) se busca x t J  en la
movimiento cónico, siendo este de 5.8HZ (ver
Figura 10) con un periodo de 0.172S, lo que
implica un paso de 0.5S, obteniendo 8 exponentes
para cada subconjunto.

secuencia dentro de un entorno reducido del valor

x(ti ) tal que

x( t j )  x( ti )   /   1 . (3)
A partir de este conjunto de puntos
vecinos para cada uno de ellos se pueden calcular,
la distancia considerada como inicial entre dichos
puntos como
d0  x(t j )  x(ti ) (4)
y para un tiempo n.T posterior, podemos
calcular la distancia final como
d n  x( t jn )  x(tin ) . (5) Figura 10, Análisis espectral del eje X.
Si asumimos un incremento exponencial El último de los parámetros, el tamaño del
estas distancias se relacionan por medio de la entorno reducido se eligió acorde al error del
expresión Sistema de medición en 2.5m/S2. En la Figura 11
d n  d 0 .e  . n.T  (6) se observan los valores de estos exponentes en
En la cual tomando logaritmos podemos despejar donde se ve que todos los obtenidos son positivos
el valor de  como: indicando un comportamiento caótico.
1 d 
 ln  n  (7)
 n.T   d 0 
Este valor de exponente  depende de la
condición inicial, así como también del tiempo
 n.T  de evolución de la órbita, con lo cual la
expresión (7) puede escribirse en forma más
general fijando el valor de n , o sea el tiempo
 n.T  y obteniendo el promedio de los
coeficientes a lo largo de toda la serie como:
1 1 N n d j i  n 
i ,n   . . ln
 n.T   N  n  j 1 d ji  (8)
Figura 11, Coeficientes de Lyapunov
Dado que el tiempo total del atractor es de
13.3S, para calcular los máximos exponentes de
Lyapunov y cubrir todo el atractor este se divide c) Dimensión Fractal de Capacidad
Mientras los exponentes de Lyapunov
en 3 subconjuntos equidistantes de 4S cada uno,
al comienzo, en la mitad y al final del mismo, es caracterizan la divergencia o convergencia de las
decir a los 0.1, 4.0 y 8.0 segundos orbitas bajo la evolución de la dinámica del
respectivamente. Y el paso para el cálculo dentro sistema, la dimensión fractal es una de las

5
 IX Congreso Argentino de Tecnología Espacial. Abril 26-28, 2017. Córdoba, Argentina.

características que definen su configuración La pendiente de esta recta (11) es la mejor

geométrica y está relacionada en la forma que los estimación de la dimensión de capacidad, y esta
puntos se distribuyen en el espacio de d se obtiene graficando ln(Ne) como función de
ln(1/e), y ajustando los puntos por medio de
dimensiones. Estos indicadores son invariantes
cuadrados mínimos, según se observa en la
bajo la evolución de la dinámica del sistema, y Figura 12 se obtiene un valor de la dimensión de
además independientes de los cambios en la capacidad de 1.8107 +/- 0.1133. Esta se encuentra
condición inicial de la órbita y del sistema de entre 1 y 2 lo que indica cierto comportamiento
coordenadas en la que se observa [8]. fractal en la forma del atractor.
Mientras la dimensión topológica,
en donde los puntos tienen dimensión 0, las líneas
1, las superficies 2 y los volúmenes 3, la
dimensión fractal por su característica irregular
de tendencia a cubrir todo el espacio en donde se
desarrolla genera un incremento en la dimensión.
Por ende una curva tenderá a generar una
superficie con dimensión fractal entre 1 y 2, y una
superficie tenderá a generar un volumen con
dimensión fractal entre 2 y 3.
La dimensión de capacidad [8] parte de
cubrir al conjunto de puntos S perteneciente a
R n con esferas de radio  , siendo N  en el
número total de esferas que al menos contienen Figura 12, Dimensión de capacidad
un punto del conjunto S , podemos expresar el
volumen del conjunto S como V  N   . D en d) Exponente de Hurst.
El exponente de Hurst nos da información
donde D es la dimensión de capacidad. De esta acerca de cuan aleatorio es un conjunto de datos o
última expresión podemos determinar la proceso, caracterizando si es aleatorio puro o
dimensión de capacidad como: posee tendencias subyacentes de auto correlación.
V  N  . D (9) Estas propiedades del conjunto determinan si el
Si despejamos el valor de D obtenemos: todo y una parte poseen características similares o
iguales (propiedad de los fractales), es decir si
posee memoria de largo plazo en donde los datos
D
     ln  N    ln V  (10)
ln N   ln N  
de un período influyen en los siguientes.
ln  1
 1
ln   Una de las herramientas de análisis para
  las series de tiempo se obtiene del análisis de los
Y para el límite cuando   0 nos queda: procesos estocásticos estudiados en mecánica
    estadística sobre el movimiento Browniano y en

D  lim 
 ln N       ln V  
  lim  
especial el movimiento Browniano fraccional
estudiado por Mandelbrot y Van Ness, Este tipo
 0
 ln  1    0  ln  1  
       de análisis determina la auto-similitud de un
      
 
  proceso [9].
            0
porque   V  cte El método propuesto por Hurts, y el cual
  fue generalizado y mejorado por Mandelbrot en
D  lim 
   (11)
 ln N   1968 y 1982 para la estimación del denominado
 0
 ln  1  
exponente de Hurst, se lo conoce por el método
    del rango re-escalado (R/S)n [10]. Y la relación
   
existente entre el rango re-escalado (R/S)n, el

6
 IX Congreso Argentino de Tecnología Espacial. Abril 26-28, 2017. Córdoba, Argentina.
tamaño de la muestra n y el exponente de Hurst
es:
R
log    log  c   H .log  n  (12)
 S n
Dado que c es constante, la expresión (12)
corresponde a la ecuación de una recta.
Graficando log(R/S)n como función de log(n) y
estimando and la recta que minimiza el error
cuadrático medio, podemos determinar el
exponente de Hurst por medio de su pendiente.
Este valor de H divide el movimiento en tres
subconjuntos característicos que refieren a la
memoria del proceso [11] [12], tal que:
0<H<1/2 Procesos de anti-persistencia o de anti-
correlación tienden a regresar al estado original, a
un crecimiento de estados del pasado le sigue un
decrecimiento de estados futuros y viceversa
(ruido rosa, procesos de turbulencia).
H=1/2 Procesos totalmente aleatorios e
independientes, con correlación nula entre los
estados (ruido blanco, paseo aleatorio).
1/2<H<1 Procesos persistentes o correlacionados,
crecimiento de estados del pasado le sigue otro
análogo, caracterizada por efectos de memoria a
largo plazo. Existe correlación entre los estados
presentes y los futuros. Un H=1 indica un
comportamiento determinístico.
Se determinaron los exponentes de Hurst
para cada uno de los ejes [Este, Norte, Arriba] y
en distintas zonas del atractor siguiendo el mismo
lineamiento de análisis realizado para los
exponentes de Lyapunov. Los tiempos iniciales
de las zonas del atractor analizadas son 0.1, 4 y 8
segundos, con un lapso de tiempo de análisis de 4
segundos. Dado que el tiempo de muestreo de la
serie es de 2 milisegundos estos 4 segundos
generan una longitud de la serie de 2000 puntos,
y para el límite inferior de análisis para el
subconjunto se tomó el periodo del movimiento
cónico, determinado del análisis espectral (Figura
10) correspondiente a 5.8 Hz, 0.172 segundos
igual a 86 puntos.
En la Figura 13 se observan los valores
arrojados por el cálculo del exponente de Hurst
calculados sobre todo el atractor.
Figura 13, exponente de Hurst
Para los ejes Este y Norte el exponente de
Hurst se encuentra en el rango de 0.1 a 0.2 en
todo el atractor, indicando un proceso de anti
correlación, caracterizando un proceso de
turbulencia y no linealidad.
Mientras que en el eje Arriba está cercano
a uno, en el comienzo y en el medio, indicando
un comportamiento determinístico, decreciendo
este exponente con el incremento de la actividad
caótica.
e) Comparación de las dimensiones fractales
Si bien la determinación de la dimensión
fractal D y el exponente de Hurst H son
independientes existe una relación entre ellos
[13]. Basada en la geometría fractal, y asumiendo
estructuras que a menudo son invariantes frente a
los cambios de escala de forma tal que, su auto
similitud está caracterizada por la dimensión
fractal D [13].
Ambos coeficientes se encuentran
relacionados por la expresión:
D  H  n  1 (13)
en donde n se corresponde con la dimensión
espacial, en nuestro caso al tener una trayectoria
en el espacio de fases esta dimensión espacial es
n=1, y al reemplazar este valor en la ecuación
(13) podemos calcular la dimensión fractal a
partir del exponente de Hurst.
D  2  H (14)
A los efectos de comprobar los resultados
obtenidos, calculamos la dimensión fractal a
partir de los exponentes de Hurst ecuación 14,
7
 IX Congreso Argentino de Tecnología Espacial. Abril 26-28, 2017. Córdoba, Argentina.
para los ejes Este y Norte y los comparamos con
los obtenidos de la dimensión fractal calculada
por medio de la ecuación 11. En la Tabla 1
pueden observarse que los valores de la última
columna verifican los dos cálculos independientes
de la dimensión de capacidad.
Tabla 1, Comparación de los valores de la
dimensión fractal
Análisis de Resultados.
En primer lugar se verificó el
comportamiento caótico por medio de la
superficie y mapa de Poincaré, la cual se obtuvo
por la intersección de las trayectorias del atractor
con el plano formado por los ejes Norte y Arriba
ubicado en cero del eje Este. Particularmente se
observa un aumento de la actividad caótica al
final de los datos (Figuras 8 y 9).
A la misma conclusión se arribó por
medio de los exponentes de Lyapunov, en este
caso los valores fueron calculados partiendo de
un entorno reducido de 2,5m/s2 y en tres áreas del
atractor: al comienzo en la mitad y al final (0.1, 4
y 8 segundos). En cada caso los valores fueron
analizados para tiempos de evolución entre 1 y 4
segundos, y en todos estos casos los exponentes
fueron positivos (Figura 11).
Para determinar la dimensión fractal del
atractor se calculó la dimensión de capacidad.
Dado que el sistema debería de terminar en una
órbita circular con dimensión 1, pero se obtuvo
una mayor Dc=1.8107, esto indica una tendencia
a generar una superficie (Dc=2) como puede
observarse en la Figura 8.
Por otro lado se caracterizó cuan aleatorio
es el proceso bajo estudio o si este tiene
tendencias subyacentes, se determinó el
exponente de Hurst por medio del método del
rango re-escalado y, como para los exponentes de
Lyapunov se calcularon en las tres áreas del
atractor. Y en todos los casos no se determinó un
comportamiento aleatorio (correspondiente a un
H=0.5).
Pero se encontró una diferencia: para los
casos de los ejes Este y Norte el exponente esta
en un rango de 0.1 to 0.2, indicando un
comportamiento de anti persistente o de anti
correlación, esto es característico de un proceso
de turbulencia, el cual está relacionado con el
comportamiento no lineal de las fuerzas de
sustentación y arrastre.
Por otro lado para el eje Arriba el
coeficiente está cercano a la unidad en el
comienzo y en la mitad del atractor, H>0.9,
indicando un comportamiento determinístico. Y
al final cuando el comportamiento caótico se
incrementa el exponente de Hurst decrece hasta
estar cercano a 0.6, como puede verse en la
Figura 13.
Finalmente y para verificar los resultados
se comparó la dimensión fractal de capacidad
calculada por el exponente de Hurst (ecuación 14)
con la obtenida de aplicar la definición de
dimensión de capacidad al atractor (ecuación 11).
Esta comparación se realizó para los ejes Este y
Norte únicamente porque para el eje Arriba su
comportamiento es determinístico (valor de H
cercano a uno). La diferencia cercana a cero
convalida el cálculo por dos metodologías
diferentes.
Por otro lado el incremento del
comportamiento caótico se observa tanto en el
exponente de Hurst como en la superficie de
Poincaré.
CONCLUSIONES
En este estudio se verifico la evidencia del
comportamiento no lineal del flujo hipersónico
usando el registro de variables inerciales durante
el vuelo empleando herramientas matemáticas
tradicionales.
Una vez resueltas las ecuaciones de
navegación en coordenadas ENU y determinada
la velocidad del vector en número de Mach, se
verifico que sobrepaso el mach 5, velocidad
umbral de régimen de vuelo hipersónico. Esto se
produjo aproximadamente a los 20.5 segundos del
despegue y a una altitud de 12.2Km,
permaneciendo en este régimen hasta el final del
registro.
Una de las principales características de la
velocidad hipersónica es la formación de plasma
en la nariz del vector, dado que el vector está
8
 IX Congreso Argentino de Tecnología Espacial. Abril 26-28, 2017. Córdoba, Argentina.
dejando la atmosfera este efecto ocurre por un
corto periodo de tiempo.
Sin embargo el comportamiento caótico
observado en las fuerzas de sustentación y
arrastre que se corresponden con los ejes Este y
Norte, marcan un avance en el estudio del
régimen hipersónico:
a) La comprensión de la estabilidad del
vector en dicho régimen.
b) EL conocimiento del problema de
comunicaciones conocido como “black
out”, resultado de las interacciones del
plasma alrededor del vector [14].
c) Las estrategias de los sistemas para las
superficies de control para reducir el
efecto caótico sobre las fuerzas de
sustentación y arrastre.
Dado el costo de cada lanzamiento la
información provista en este trabajo puede ser un
aporte a cualquier campo tecnológico involucrado
en el estudio de la atmosfera en el cual se
apliquen vectores [15].
Trabajos Futuros
Los resultados preliminares presentados aquí
verifican el comportamiento caótico del plasma
en el régimen hipersónico este análisis debe
llevarse a cabo durante todo el vuelo, y en
especial durante el reingreso a la atmosfera, en
donde este efecto se acrecienta.
Otras líneas de trabajo incluyen la
caracterización del atractor por determinadas
técnicas de identificación de sistemas (tales como
redes neuronales adaptivas), el análisis de la
relación entre las fuerzas de sustentacion y de
arrastre y el angulo de ataque cuando se despliega
el atractor, y el análisis de las superficies
aerodinámicas para minimizar este efecto.
AGRADECIMIENTOS
Este trabajo fue posible por las
contribuciones del Instituto de Investigaciones
Científicas y Técnicas para la Defensa
“CITEDEF” y la Universidad Tecnológica
Nacional.
Además los autores quieren agradecer a
todos los investigadores del equipo del Proyecto
GRADICOM II y en especial al Doctor César
Moreno (Universidad de Buenos Aires, Facultad
de Ciencias Exactas y Naturales, Instituto de
View publication stats
Física del Plasma “INFIP), quien ha realizado
sustanciales contribuciones teóricas en física del
plasma.
REFERENCIAS
[1] M. España, Fundamentos de la Navegación Integrada.
Asociación Argentina de Control Automático, 2010.
[2] J. D. Anderson, Fundamentals of Aerodynamics, Fifth
edition. University of Maryland, 2011.
[3] V. G. Kirtskhalia, «Speed of Sound in Atmosphere of
the Earth», 2012.
[4] J. W. Bond, «Plasma Physics and Hypersonic Flight»,
1957.
[5] M. España, Fundamentos de la Navegación Integrada.
Asociación Argentina de Control Automático, 2010.
[6] T. Kapitaniak, Chaos for Engineers, Second. Springer-
Verlag Berlin Heidelberg New York, 2000.
[7] A. Bespalov y N. Polyakhov, «Determination of the
Largest Lyapunov Exponents Based on Time Series»,
2013.
[8] J. Bassingthwaighte, Fractal Physiology. Oxford
University Press, 1994.
[9] Benoit B. Mandelbrot and John W. Van Ness,
«Fractional Brownian Motions, Fractional Noises and
Applications».
[10] J. R. D. Oscar Yesid Quintero Delgado, «Hurst
Exponent and Fractal Dimension Estimation of a
Topographic Surface», 2011.
[11] J. R. D. Oscar Yesid Quintero Delgado, «Hurst
Exponent and Fractal Dimension Estimation of a
Topographic Surface», 2011.
[12] Malhar Kale & Ferry Butar Butar, «Fractal Analysis of
Time Series and Distribution Properties of Hurst
Exponent», vol. Vol. 5.
[13] T. Gneiting y M. Schlather, «Stochastic Models that
Separate Fractal Dimension and Hurst Effect», 2004.
[14] X. Gao y B. Jiang, «A matching approach to
communicate through the plasma sheath surrounding a
hypersonic vehicle», Appl. Phys., 2015.
[15] Z. Shashurin, «Laboratory Modeling of the Plasma
Layer at Hypersonic Flight», Spacecr. Rockets, 2014.