103x
009050
2023-02-23

AIJ 示例 案例 D - 小建筑中间的高层建筑

简介

日本建筑学会 (AIJ) 介绍了许多著名的风洞模拟基准场景。
下面的文章介绍的是“案例 D - 城市街区之间的高层建筑”。
下面将在 RWIND2 中对所描述的场景进行模拟,并将结果与 AIJ 的模拟结果和实验结果进行比较。

模型构建

案例 D 描述了一个简单的长方体建筑,底部是正方形,高度是四倍体,周围是较小的长方体公寓。
这些公寓楼的建筑面积为矩形,但面积较大,但高度仅为大型建筑的十分之一。
大型中央建筑被较小的公寓楼以规则的方式包围。
确切的尺寸、流速和湍流行为取自原始出版物 [1]。
下图为流速在高度上的分布。

高度 m 流速 m/s
1 0.005 0,576
2 0,010 0,620
3 0,020 0,650
4 0,030 0,673
5 0,050 0,713
6 0,100 0,800
7 0,200 0,945
8 0,300 1,050
9 0,400 1,135
10 0,600 1,305
11 0,800 1,432
12 1,000 1,507
13 1,200 1,514

在模拟中评估了低空几个点的流速。
在 AIJ 实验中,我们在风洞中建立了相应的模型,并使用分叉式光纤探头在上述点测量了风速。

湍流模型采用标准 k – ε,并假设流体为稳态。
下图显示了与几何尺寸相关的模型结构。 许多小型建筑的高度与图 0.25 相似,而单个中心建筑的高度为 2.5。

测量点的位置总结在下表中。 原点可以理解为位于城市楼层的中心建筑底部区域的重心上。 所有测量点的高度都为 0.05。

x 坐标。 y 坐标。 x 坐标。 y 坐标 x 坐标。 y 坐标。
1
62,5 27
12,5 53 62,5
2
28
54 62,5
3
62,5 29
55 87,5 112,5
4
30
56 87,5 87,5
5
112,5 31
62,5 57 87,5 62,5
6
87,5 32
37,5 58 87,5 37,5
7
62,5 33
59 87,5 12,5
8
37,5 34
60 87,5
9
12,5 35 12,5 62,5 61 87,5
10
36 12,5 37,5 62 87,5
11
37 12,5
63 87,5
12
38 12,5
64 87,5
13
39 37,5 62,5 65 112,5 112,5
14
40 37,5 37,5 66 112,5 87,5
15
112,5 41 37,5 12,5 67 112,5 62,5
16
87,5 42 37,5
68 112,5 37,5
17
62,5 43 37,5
69 112,5 12,5
18
37,5 44 37,5
70 112,5
19
12,5 45 62,5 112,5 71 112,5
20
46 62,5 87,5 72 112,5
21
47 62,5 62,5 73 112,5
22
48 62,5 37,5 74 112,5
23
49 62,5 12,5 75 137,5 62,5
24
50 62,5
76 137,5
25
62,5 51 62,5
77 162,5 62,5
26
37,5 52 62,5
78 162,5

AIJ的实验结果可以在他们的网站[1]上找到。 AIJ 模拟的显示数据是使用 ENGAUGE Digitizer [2] 工具从该出版物的图表中确定的,因为其确切值尚未公布。
但是,提取的点的精度应该足够准确(范围为 + - 0.5%),因此可以轻松进行比较。

在基准试验中,有些点没有被评估,但它们是在模拟中确定的。 为了不必将这些点从评估中完全删除,在接下来的课程中假设实验和文献模拟对这些点提供了相同的结果。 在接下来的比较中,升模拟的结果甚至被高估了。

另一个重要的影响因素是“边界层”设置,它显着增加了下边界条件(土壤)周围的网格密度。 通常,由于地面边界条件的影响很大,因此在该区域进行网格划分时,在该区域进行网格划分的影响要大于距地面较远的区域。 由于几何形状相当复杂,激活上述设置并将额外层数(“NL”)设置为10。

本文使用的是 RWIND Pro 2.02。 RWIND 中的模型结构尽可能地与参考 CFD 的结构相适应。

Ergebnisse 和 Diskussion

通过简单的一维编号映射三维定位的测量点可能很难解释。 因此,下面显示了所有测量点的实验(x 轴)和模拟(y 轴)的直接比较。 测量点越靠近对角线 y = x,模拟与实验的对应关系就越大。 下面是两个最匹配的 RWIND 高单元模型以及文献中的基准。

第一眼就可以看出,各个测量点的结果在实验结果周围分布得更加均匀。 虽然文献模拟几乎总是高估了流速,但 RWIND 显示的结果有时较低,有时较高。

均方偏差 (MSE) 被用作比较标准,但例如通过比较决定系数也可以得出相同的结果。 均方偏差比决定系数更受欢迎,因为实验和模拟的流速之比不代表回归,因此仅表示单个偏差的加权类型,没有拟合优度。 MSE 在几何上更容易解释,并且具有相同的表现力。

比较准则 MSE 证实了第一个观察结果的假设。 两种模型都具有较高的网格分辨率,但湍流模型不同,都很好地满足了实验基准。 k-epsilon 模型甚至比出版物要好,而 k-omega 模型则紧随其后。

但是,不要忘记,文献基准中的几个点被人为地假设为完美无缺。
如果按照 MSE 计算这些点,那么两个 RWIND 模型的误差都比基准模型小。

建议仔细研究网格密度的影响。 下面将采用 k-epsilon RAS 湍流模型的不同密度的湍流管网与文献中的基准进行比较。 结果如下所示。

还对k-omega湍流模型和相同的网络结构进行了网络收敛性研究。 结果如下所示。

对于非常多的单元,k-epsilon RAS 湍流模型可以取得稍好的结果,但是随着网格密度的增加,k-omega 模型中的均方差收敛得更快。 最好的例子是包含 270 万个像元的模型对。 在这里,k-epsilon 模型完全没有用,而 k-omega 已经可以提供很好的结果。
事实上,中等分辨率的 k-omega 模型与实验结果的一致性最好,并且也优于明显更高分辨率的 RWIND 模型。 无法确定其确切原因。 因此可以将具有如此高维数的优化问题视为偶然问题。

为了更清楚地比较参考模拟与 RWIND 的结果,建议将流速视为瓶子的彩色图像。 所考虑的建筑物周围的截面是根据作者 [1] 调整的。出于版权原因,此处不对假彩色图像进行并排比较。 结果如下所示。

这里也与文献中的模拟非常吻合。 没有明显的偏差或明显的区域。

总体而言,对于本案例研究中的低分辨率模型,k-omega 总是更准确,而高网格密度的结果仍然非常好。
另一方面,k-omega 模型中的压力残差在明显更多的迭代后收敛。 一个比较如下所示。

这些观察结果与各种湍流模型的预期一致。 因此,对于使用 k-omega,建议显着增加最大迭代次数。 应手动将默认值 300 增加到至少 1000。

总结

下面总结了不同单元数组合和湍流模型的均方差。

k-epsilon 湍流模型 k-omega 湍流模型
参考 2.57% 不适用
270 万个单元 16.92% 3.17%
540 万个单元 6.78% 2.30%
1900 万个单元 2.07% 2.92%

一种可能的改进方法通常是网格细化。 但是,在该模型中,这种网格细化的影响非常小。 “边界层”设置已经是一种网格细化,因此周围相对较小的建筑物应该被足够离散。 在对试验模型进行评估后,不再进行网络致密化的研究。

最后,RWIND与实验基准非常吻合,甚至可以超过文献基准。 两种湍流模型都适用于此,其中 k-omega 可以在较低的网络密度下提供更好的结果。

[1] https://www.aij.or.jp/jpn/publish/cfdguide/
[2] https://markummitchell.github.io/engauge-digitizer/