Modelos de turbulencia transitoria: ¿URANS o DDES?

En ingeniería estructural, la predicción de los efectos de los flujos de viento turbulentos en las estructuras es crucial para la seguridad y el rendimiento. El modelado de la turbulencia en la dinámica de fluidos computacional (CFD) ayuda a simular estas interacciones. Engineers must choose a practical turbulence model by balancing efficiency, accuracy, and applicability. Los modelos comunes incluyen el promedio de Reynolds de Navier-Stokes (RANS), el promedio de Reynolds inestable de Navier-Stokes (URANS) y la simulación de remolinos separados retardados (DDES). RANS es robusto y rentable para flujos estacionarios, URANS captura fenómenos dependientes del tiempo para inestabilidades moderadas y DDES, un híbrido de RANS y Large Eddy Simulation (LES), resuelve estructuras turbulentas complejas. Comprender las fortalezas y limitaciones de cada modelo ayuda a los ingenieros a seleccionar el mejor enfoque para sus aplicaciones.

El modelado de la turbulencia juega un papel vital en la dinámica de fluidos computacional (CFD) al apuntar a predecir el comportamiento de los flujos turbulentos. Estos modelos son cruciales para crear aplicaciones de ingeniería eficientes y seguras, como el análisis y diseño de interacciones viento-estructura. Hay varios enfoques para el modelado de turbulencias, con tres modelos ampliamente utilizados que son el promedio de Reynolds-Navier-Stokes (RANS), el promedio de Reynolds inestable de Navier-Stokes (URANS) y la simulación de remolinos separados retardados (DDES). Cada uno de estos modelos tiene características distintas y aplicaciones específicas.

RWIND emplea modelos de turbulencia URANS y DDES como modelos de turbulencia transitoria aplicables en el campo de la ingeniería estructural. Estos modelos se eligen por su capacidad para equilibrar la eficiencia y precisión computacional, haciéndolos prácticos para una amplia gama de aplicaciones de ingeniería estructural. URANS ofrece un coste computacional moderado al capturar fenómenos transitorios a gran escala, mientras que DDES combina las ventajas de RANS y la simulación de grandes remolinos (LES) para proporcionar una resolución detallada de estructuras turbulentas complejas. Al integrar estos modelos, RWIND mejora su capacidad para simular el comportamiento de las interacciones viento-estructura, asegurando tanto la eficiencia como la precisión en sus análisis.

URANS (Inestable Reynolds-Naver-Stokes promedio)

URANS se basa en el método RANS al acomodar los cambios dependientes del tiempo en el campo de flujo, lo que le permite capturar los efectos inestables de la carga de viento. Esto permite a URANS modelar características de flujo transitorio a gran escala y comportamientos oscilatorios, como el desprendimiento de vórtices desde las esquinas del edificio. Aunque URANS ofrece mejoras sobre RANS en la captura de inestabilidades, todavía usa modelos de viscosidad de remolinos que pueden no resolver adecuadamente estructuras turbulentas más finas.

Modelo de turbulencia URANS en RWIND

DDES (simulación de remolinos separados retardados)

DDES es un método híbrido que integra RANS y técnicas de simulación de grandes remolinos (LES). En regiones con una capa límite adjunta, DDES funciona como un modelo RANS, asegurando la eficiencia computacional. En áreas donde el flujo se separa y prevalecen estructuras turbulentas más grandes, DDES cambia a un modo LES para una resolución más precisa. Este enfoque es particularmente eficaz para flujos complejos que involucran regiones de separación, reinserción y estela, como alrededor de bordes y esquinas de edificios. DDES logra un buen equilibrio entre el coste computacional y la precisión, lo que lo hace adecuado para simular flujos con un número de Reynolds alto con regiones inestables y separadas significativas.

Modelo de Turbulencia DDES en RWIND

Ventajas y desventajas de URANS y DDES

Ventajas de URANS

Capacidades dependientes del tiempo: URANS puede capturar fenómenos inestables y características de flujo transitorio, como el desprendimiento de vórtices, que RANS no puede.
Coste computacional moderado: Si bien es más intensivo computacionalmente que RANS, URANS sigue siendo relativamente eficiente en comparación con modelos más complejos como LES o DDES.
Práctico para aplicaciones de ingeniería: URANS es adecuado para muchos sistemas prácticos de ingeniería donde es importante capturar comportamientos inestables a gran escala.

Desventajas de URANS

Precisión limitada para flujos complejos: Es posible que URANS no prediga con precisión estructuras turbulentas más finas debido a su dependencia de los modelos de viscosidad de remolinos.
Todavía promediado en el tiempo: Aunque es menos estricto que RANS, URANS aún promedia el flujo a lo largo del tiempo, lo que puede suavizar algunos detalles transitorios importantes.
Menos eficaz para flujos fuertemente separados: URANS podría tener problemas con los flujos que tienen una separación y reinserción significativas, ya que no es tan refinado como LES o los métodos híbridos en estos escenarios.

Ventajas de DDES

Enfoque híbrido: DDES combina los puntos fuertes de RANS y LES, lo que permite una simulación eficiente tanto de las capas de contorno adjuntas como de las regiones turbulentas separadas.
Precisión en flujos complejos: DDES puede resolver con mayor precisión grandes estructuras turbulentas y comportamientos de flujo complejos como la separación, la reinserción y las estelas, proporcionando mejores predicciones para flujos con un número de Reynolds alto.
Eficiencia computacional: Al cambiar entre los modos RANS y LES, DDES mantiene un equilibrio entre el coste computacional y la precisión de la simulación, lo que lo hace más eficiente que el LES completo.

Desventajas de DDES

Costo computacional más alto que URANS: DDES es más intensivo desde el punto de vista computacional que URANS debido a la necesidad de cálculos de LES en ciertas regiones de flujo.
Implementación compleja: La naturaleza híbrida de DDES requiere una implementación y calibración cuidadosas para garantizar que las transiciones del modelo se realicen sin problemas entre las regiones RANS y LES.
Sensibilidad a la resolución de rejilla: El rendimiento de DDES depende en gran medida de la calidad y resolución de la rejilla computacional, particularmente en regiones donde el modelo cambia de RANS a LES.

Conclusión

En resumen, URANS es ventajoso para capturar fenómenos inestables a gran escala con un coste computacional moderado, pero puede quedarse corto en precisión para flujos turbulentos complejos. DDES ofrece una representación más precisa de tales flujos al combinar los métodos RANS y LES, aunque conlleva una mayor demanda computacional y complejidad.