User Story
Este ejemplo presenta mediciones experimentales de fuerzas aerodinámicas y distribución de presiones en un cilindro circular, que se utilizan ampliamente como datos de referencia para validar simulaciones CFD en ingeniería del viento. El flujo alrededor de un cilindro circular representa un problema aerodinámico clásico en el que la separación del flujo, la formación de la estela y los efectos del número de Reynolds influyen fuertemente en las fuerzas aerodinámicas. Debido a estos fenómenos, las superficies curvas como los cilindros son especialmente desafiantes para las simulaciones numéricas.
Los estudios experimentales muestran que los coeficientes aerodinámicos de un cilindro varían significativamente con el número de Reynolds y la rugosidad superficial. A altos números de Reynolds, típicos de los flujos de viento atmosférico, las mediciones suelen mostrar una dispersión considerable, lo que indica que los resultados dependen no solo del número de Reynolds, sino también de las características superficiales y de las condiciones de turbulencia. El ejemplo puede pertenecer al Grupo 1, de acuerdo con Figura 2.2 en WTG-Merkblatt-M3, basándose en la investigación del valor medio de la velocidad del viento:
- G1: Valores cualitativos con bajos requisitos de precisión para su uso en la investigación básica o el diseño preliminar. El esfuerzo y los requisitos del nivel de detalle se reducen, ya que a menudo no todas las condiciones de contorno están completamente aclaradas.
- R1: Aislado (sin edificios circundantes), análisis de direcciones individuales importantes del viento.
- Z1: Valores medios estadísticos, siempre que se refieran a procesos de flujo estacionarios en los que las fluctuaciones (p. ej., debidas a la turbulencia del flujo entrante) puedan capturarse suficientemente mediante otros medios.
- S1: Efectos estáticos. Es suficiente representar el modelo estructural con el detalle mecánico necesario, pero sin propiedades de masa ni de amortiguamiento.
Description
Este ejemplo de validación considera el flujo alrededor de un cilindro circular finito montado verticalmente sobre una placa plana bajo una velocidad de entrada uniforme, proporcionando una referencia simplificada y bien controlada para simulaciones CFD. El cilindro tiene un diámetro de D = 30 mm y una altura de L = 180 mm, y está situado dentro de un dominio similar al de un túnel de viento, donde el flujo entrante está alineado con la dirección longitudinal (X), mientras que Y y Z denotan las direcciones lateral y vertical, respectivamente. A diferencia de las simulaciones de la capa límite atmosférica (ABL), la condición de contorno de entrada se define como un perfil de velocidad constante, U(z)=Uo, con una velocidad de corriente libre de 𝑈o=10, lo que significa que no existe cizalladura vertical ni gradiente de velocidad. Esta suposición elimina la complejidad asociada al desarrollo de la capa límite y permite una investigación centrada en la física fundamental del flujo alrededor del cilindro.
Para las condiciones de flujo dadas, el número de Reynolds basado en el diámetro del cilindro es aproximadamente 𝑅𝑒≈20,000, situando el flujo en un régimen subcrítico en el que se espera separación y desprendimiento de vórtices. El flujo uniforme entrante da lugar a una región de estancamiento simétrica en la parte frontal del cilindro, seguida de separación del flujo a lo largo de los lados y la formación de una estela caracterizada por recirculación y desprendimiento periódico de vórtices (en simulaciones transitorias). La interacción entre el cilindro y la placa plana introduce una complejidad adicional mediante los efectos cercanos a la pared y el desarrollo de una capa límite en el suelo, dependiendo de la resolución numérica y del enfoque de tratamiento de pared.
Table 1: Input data of the circular cylinder
| Parameter | Symbol | Value | Unit |
|---|---|---|---|
| Free Stream Velocity | u | 10 | m/s |
| Roof Height | Href | 180 | mm |
| Air Density – RWIND | ρ | 1.25 | kg/m³ |
| Turbulence Model – RWIND | RANS K-Omega | - | - |
| Kinematic Viscosity – RWIND | ν | 1.5×10⁻⁵ | m²/s |
| Scheme Order – RWIND | Second | - | - |
| Residual Target Value – RWIND | 10⁻⁴ | - | - |
| Residual Type – RWIND | Pressure | - | - |
| Minimum Number of Iterations – RWIND | 800 | - | - |
| Boundary Layer – RWIND | NL | 10 | - |
| Type of Wall Function – RWIND | Standard | - | - |
Computational Mesh Study
La figura 2 presenta un análisis de sensibilidad de la malla de un modelo cilíndrico en RWIND. El coeficiente de fuerza calculado (Cf) disminuye ligeramente de 0.76 con una densidad de malla del 15% a 0.71 con 25%, y posteriormente a 0.70 con 35%. Esta reducción gradual indica que la solución se está estabilizando a medida que se refina la malla. La pequeña variación en Cf a densidades de malla más altas demuestra una convergencia global, lo que sugiere que un refinamiento adicional solo tiene un impacto menor en los resultados.
Además, el estudio de la malla computacional debe realizarse según el siguiente enlace:
WTG-Merkblatt M3 Accuracy Requirement
El WTG-Merkblatt M3 proporciona dos métodos clave para validar resultados de simulación. El método Hit Rate evalúa cuántos de los valores simulados Pi coinciden correctamente con los valores de referencia Oi dentro de una tolerancia definida, utilizando un enfoque de clasificación binaria (acierto o fallo). Este enfoque evalúa la fiabilidad de la simulación calculando una tasa de acierto q, similar a las funciones de confianza empleadas en la teoría de la fiabilidad. En cambio, el método Normalized Mean Squared Error (e2) ofrece una evaluación más detallada de la precisión al cuantificar la desviación cuadrática media entre los valores simulados y de referencia, normalizada para tener en cuenta las diferencias de escala. Juntos, estos métodos proporcionan medidas tanto cualitativas como cuantitativas para la validación de simulaciones.
Results and Discussion
La figura 3 compara el coeficiente medio de presión (Cp) de RWIND y los datos experimentales para distintas direcciones del viento. Ambos muestran una fuerte concordancia en las tendencias generales, incluyendo el estancamiento a 0°, la caída de presión debida a la separación del flujo y la recuperación a ángulos más altos. El Cp mínimo se produce alrededor de 60°–70° y RWIND lo predice correctamente. Sin embargo, RWIND subestima ligeramente la succión en la región de la estela a direcciones de viento más altas. En conjunto, los resultados indican una buena precisión global con desviaciones menores.
La comparación entre los coeficientes de presión de RWIND y los experimentales muestra una concordancia muy buena para direcciones del viento entre 0° y 100°, donde las desviaciones se mantienen por debajo del 10% y todos los puntos de datos cumplen tanto el criterio de tasa de acierto del 10% como el del 20%. Las mayores discrepancias ocurren en la región de la estela (110°–180°), donde RWIND subestima sistemáticamente la succión, lo que conduce a desviaciones mayores de hasta aproximadamente el 43%.
En conjunto, el 58% de los resultados se sitúa dentro de un rango de desviación del 10% (y del 20%). Las métricas globales de error (e² = 0.05, MAE = 0.12, RMSE = 0.16) indican una precisión predictiva aceptable, con la desviación concentrada principalmente en la región de flujo separado.
Table 2: Comparison of Pressure Coefficient (Cp) Between RWIND and Experimental Data
| Degree | Cp – Experimental (Oi) | Cp – RWIND (Pi) | Pi-Oi | Deviation (%) | Hit rate ≤10% | Hit rate ≤20% |
|---|---|---|---|---|---|---|
| 0 | 0.95 | 1.02 | 0.07 | 7.37 | 🟢 | 🟢 |
| 10 | 0.86 | 0.91 | 0.05 | 5.81 | 🟢 | 🟢 |
| 20 | 0.61 | 0.61 | 0.00 | 0.00 | 🟢 | 🟢 |
| 30 | 0.26 | 0.25 | 0.01 | 3.85 | 🟢 | 🟢 |
| 40 | -0.26 | -0.24 | 0.02 | 7.69 | 🟢 | 🟢 |
| 50 | -0.63 | -0.57 | 0.06 | 9.52 | 🟢 | 🟢 |
| 60 | -0.84 | -0.84 | 0.00 | 0.00 | 🟢 | 🟢 |
| 70 | -0.83 | -0.89 | 0.06 | 7.23 | 🟢 | 🟢 |
| 80 | -0.73 | -0.75 | 0.02 | 2.74 | 🟢 | 🟢 |
| 90 | -0.69 | -0.63 | 0.06 | 8.70 | 🟢 | 🟢 |
| 100 | -0.69 | -0.65 | 0.04 | 5.80 | 🟢 | 🟢 |
| 110 | -0.68 | -0.53 | 0.15 | 22.06 | 🔴 | 🔴 |
| 120 | -0.67 | -0.44 | 0.23 | 34.33 | 🔴 | 🔴 |
| 130 | -0.68 | -0.39 | 0.29 | 42.65 | 🔴 | 🔴 |
| 140 | -0.68 | -0.42 | 0.26 | 38.24 | 🔴 | 🔴 |
| 150 | -0.70 | -0.43 | 0.27 | 38.57 | 🔴 | 🔴 |
| 160 | -0.69 | -0.43 | 0.26 | 37.68 | 🔴 | 🔴 |
| 170 | -0.69 | -0.42 | 0.27 | 39.13 | 🔴 | 🔴 |
| 180 | -0.68 | -0.42 | 0.26 | 38.24 | 🔴 | 🔴 |
| Metric | Value |
|---|---|
| Number of Data Points (N) | 19 |
| Hit Rate (10%) | 0.58 |
| Hit Rate (20%) | 0.58 |
| Normalized Mean Squared Error, e² | 0.05 |
| Mean Error, ME | 0.11 |
| Mean Absolute Error, MAE | 0.12 |
| Root Mean Squared Error, RMSE | 0.16 |