Datos Medidos para Cargas de Viento en Edificios Pequeños

Historia de Usuario

El siguiente ejemplo describe los experimentos en túnel de viento realizados por Universidad Politécnica de Tokio (TPU) como ejemplo de validación en la Parte 9.3 del WTG-Merkblatt M3. Vamos a calcular el coeficiente de presión del viento medio (Cp) para diferentes zonas de viento, que pertenece al Grupo 2, según Figura 2.2 en WTG-Merkblatt-M3:

• G2: Valores absolutos con requisitos de precisión media: El área de aplicación puede incluir parámetros o estudios preliminares cuando se planifiquen investigaciones posteriores con mayor precisión (por ejemplo, un examen en túnel de viento de clase G3).
• R2: Solitaria: todas las direcciones de viento relevantes con una resolución direccional suficientemente fina.
• Z2: Valores medios estadísticos y desviaciones estándar: siempre que impliquen procesos de flujo estacionarios, para los cuales una verificación estadística de las fluctuaciones con un factor de pico sea suficiente.
• S1: Efectos estáticos: Son suficientes para representar el modelo estructural con el detalle mecánico necesario, pero sin propiedades de masa y amortiguamiento.

Descripción

Esta sección presenta datos de validación experimental para cargas de viento en modelos de edificios de baja altura con cubiertas a dos aguas. Los datos provienen de la base de datos aerodinámica de la Universidad Politécnica de Tokio (TPU), que proporciona mediciones de referencia para edificios con diferentes configuraciones de cubierta.

El ejemplo de verificación compara las predicciones CFD de los coeficientes de presión del viento con los experimentos del túnel de viento de la TPU. La geometría del edificio de referencia (relación de dimensiones D:B:H_o= 160 : 160 : 40, ángulo de inclinación de la cubierta β=45^∘) se analiza descomponiendo la estructura en superficies individuales (pared de barlovento, paredes laterales, pared de sotavento y faldones de cubierta) como se muestra en la imagen 1. La parte inferior de la figura muestra los perfiles de condiciones de contorno de entrada utilizados en el túnel de viento y el modelo CFD:

• Perfil de velocidad media del viento U(z)
• Perfil de intensidad de turbulencia I(z)

Estos perfiles se comparan con las condiciones del terreno de Categoría III (norma AIJ 2004). La concordancia demuestra que la entrada del túnel de viento de la TPU reproduce características realistas de la capa límite atmosférica, proporcionando una base fiable para la validación.

1 Campo de viento simulado de terreno suburbano [Datos de TPU]

Tabla 1: Datos de entrada de la cubierta a dos aguas en 3D

Estudio de Malla Computacional

La figura presenta un análisis de sensibilidad de malla del modelo de cubierta a dos aguas en RWIND. El coeficiente de fuerza calculado (C_f) permanece constante en 0.83 para densidades de malla del 15% y 25%, indicando resultados estables a niveles de refinamiento más bajos. A densidades de malla más altas del 30% y 35%, C_f aumenta ligeramente a 0.85 y 0.87, respectivamente. Este comportamiento demuestra una convergencia general, con solo variaciones menores observadas a medida que la malla se vuelve más fina.

2 Análisis de sensibilidad de malla utilizando el coeficiente de fuerza (Cf) en RWIND

Además, el estudio de malla computacional debe realizarse de acuerdo con el siguiente enlace:

• Estudio de malla computacional

Requisito de Precisión del WTG-Merkblatt M3

El WTG-Merkblatt M3 proporciona dos métodos clave para validar los resultados de simulación. El método de Tasa de Aciertos evalúa cuántos de los valores simulados P_i coinciden correctamente con los valores de referencia O_i 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 aciertos q, similar a las funciones de confianza utilizadas en la teoría de la fiabilidad. En contraste, el método del Error Cuadrático Medio Normalizado (e²) ofrece una evaluación de precisión más detallada al cuantificar la desviación cuadrática media entre los valores simulados y de referencia, normalizada para tener en cuenta las diferencias de escala. En conjunto, estos métodos proporcionan medidas tanto cualitativas como cuantitativas para la validación de la simulación.

• Validación de resultados de la simulación utilizando el método de índice de éxito definido en la WTG-Merkblatt M3

• Evaluación de la precisión de resultados utilizando el error de media cuadrática normalizado definido en la WTG-Merkblatt M3

Resultados y Discusión

Las seis figuras (imágenes 3 a 8) presentan un análisis comparativo de los coeficientes de presión medios (Ave C_p) en diferentes superficies de un edificio con cubierta a dos aguas, obtenidos de los experimentos del túnel de viento de la Universidad Politécnica de Tokio (TPU) y simulados utilizando RWIND con los modelos de turbulencia Steady RANS k-ω y URANS k-ω.

Para la superficie 1 (pared de barlovento), el C_p medio disminuye constantemente desde alrededor de 0.65 en la dirección del viento de 0° hasta aproximadamente –0.9 a 90°. Los datos experimentales comienzan con valores ligeramente más altos, mientras que el Steady RANS subestima los picos de presión positiva. URANS captura mejor los picos de presión, particularmente entre 10° y 20°, y muestra una concordancia más cercana con los experimentos en el rango inicial, aunque todos los métodos convergen en ángulos mayores.

3 Comparación de resultados experimentales y CFD para el coeficiente de presión promedio (Cp) en la superficie 1 bajo direcciones de viento variables

Para la superficie 2 (pared lateral), el C_p medio aumenta constantemente desde aproximadamente –0.6 a 0° hasta alrededor de +0.65 a 90°. Los resultados experimentales muestran un aumento suave y consistente en todo el rango angular. La simulación Steady RANS subestima ligeramente la succión en ángulos de viento pequeños y sobrepredice marginalmente las presiones positivas en ángulos mayores. En contraste, los resultados de URANS muestran una concordancia mucho más cercana con los datos experimentales, particularmente entre 30° y 80°, destacando su capacidad mejorada para capturar la recuperación del flujo en sotavento.

4 Comparación de resultados experimentales y CFD para el coeficiente de presión media (Cp) en la superficie 2 bajo direcciones de viento variables

En el caso de la superficie 3 (pared de sotavento), la presión permanece negativa, comenzando alrededor de –0.3 a 0° y alcanzando valores alrededor de –0.9 cerca de 70°–80°. La tendencia experimental es bien capturada por Steady RANS en la mayoría de los ángulos, mientras que URANS subpredice consistentemente la presión (Cp menos negativo), especialmente en el rango medio de las direcciones del viento. Esto muestra que Steady RANS funciona mejor para condiciones de succión en la pared lateral.

5 Comparación de coeficientes de presión del viento experimentales y numéricos en la superficie 3 según direcciones del viento

El coeficiente de presión medio en la superficie 4 (pared lateral) permanece negativo en todas las direcciones del viento, con valores que aumentan gradualmente desde una fuerte succión a 0° hasta cerca de neutro a 90°. Tanto RANS como URANS generalmente capturan la tendencia general observada en los datos experimentales, pero se producen desviaciones notables, particularmente en ángulos de viento más altos donde las simulaciones tienden a sobrepredecir la recuperación. Steady RANS muestra una concordancia más cercana en el rango medio, mientras que Steady URANS muestra discrepancias mayores en ángulos altos.

6 Comparación de coeficientes de presión del viento experimentales y numéricos en la superficie 4 en todas las direcciones del viento

Para la superficie 5, todos los métodos capturan consistentemente la transición suave del coeficiente de presión medio desde valores negativos (succión) en ángulos de viento bajos a presión positiva en direcciones de viento más altas. Los datos experimentales de la TPU indican un aumento constante, cruzando de succión a presión alrededor de 45°, una tendencia que se refleja bien en ambos enfoques numéricos. Steady RANS sigue los resultados experimentales con una precisión muy cercana, mostrando solo desviaciones mínimas en todo el rango angular. URANS, por otro lado, predice valores ligeramente diferentes, tendiendo generalmente a subpredecir la presión en direcciones de viento más altas, pero aún mantiene una buena concordancia general tanto con los experimentos como con RANS.

7 Comparación entre coeficientes de presión del viento experimentales y numéricos en la superficie 5 según direcciones del viento

Finalmente, el coeficiente de presión medio en la superficie 6 muestra una buena concordancia entre los experimentos y el CFD, mientras que entre 20°–40° los experimentos indican una succión más fuerte. Steady RANS subestima ligeramente este pico, y URANS sobrepredice consistentemente con una succión más débil. En general, RANS captura la tendencia experimental de manera más fiable, mientras que URANS tiende a desviarse en ángulos de viento oblicuos.

8 Comparación de coeficientes de presión del viento experimentales y numéricos en la superficie 6 según las direcciones de viento

La Tabla 3 resume las métricas de validación para las seis superficies del edificio, considerando un criterio de desviación del 10% para RANS y del 20% para URANS. Para la Superficie 1, URANS muestra una clara superioridad con una tasa de aciertos más alta (85% en comparación con el 57% para RANS) y un error menor (e² = 0.012 frente a 0.015). Una tendencia similar se observa para la Superficie 2, donde URANS nuevamente supera a RANS, logrando una tasa de aciertos del 71% frente al 57% y reduciendo el error de 0.025 a 0.011. En contraste, la Superficie 3 destaca la fortaleza de RANS, que logra una tasa de aciertos más alta (85% versus 71%) y un error significativamente menor (0.008 en comparación con 0.030). Para la Superficie 4, ambos métodos alcanzan una tasa de aciertos idéntica del 85%, pero RANS funciona ligeramente mejor en términos de error (0.022 versus 0.026). Las superficies 5 y 6 muestran tasas de aciertos equilibradas del 71% para ambos métodos; sin embargo, para la Superficie 5, los errores son iguales (0.010 para ambos), mientras que para la Superficie 6, RANS es notablemente superior con un error mucho menor (0.006 versus 0.031). En general, los resultados indican que URANS proporciona una mejor concordancia con los experimentos en las Superficies 1 y 2, mientras que RANS ofrece predicciones más precisas para las Superficies 3 y 6, con ambos métodos mostrando un rendimiento comparable en las Superficies 4 y 5.

Tabla 3: Métrica de Validación para el valor Cp de Seis Zonas Diferentes

0x

0x

WTG ejemplo 9.3