H 1.6. Zmierzona dane dotyczące obciążeń wiatrem na małych budynkach (przykład WTG 9.3)

User Story

Poniższy przykład opisuje eksperymenty w tunelu aerodynamicznym przeprowadzone przez Tokyo Polytechnic University (TPU) jako przykład walidacyjny w części 9.3 WTG-Merkblatt M3. Zamierzamy obliczyć uśredniony współczynnik ciśnienia wiatru (Cp) dla różnych stref wiatrowych, który należy do Grupy 2, zgodnie z Rysunek 2.2 w WTG-Merkblatt-M3:

• G2: Wartości bezwzględne z wymaganiami średniej dokładności: Obszar zastosowania może obejmować parametry lub badania wstępne, gdy planowane są późniejsze badania z wyższą dokładnością (np. badanie w tunelu aerodynamicznym klasy G3).
• R2: Samotne: wszystkie istotne kierunki wiatru z wystarczająco dokładną rozdzielczością kierunkową.
• Z2: Średnie wartości statystyczne i odchylenia standardowe: pod warunkiem, że dotyczą one stacjonarnych procesów przepływu, dla których wystarczająca jest statystyczna weryfikacja fluktuacji za pomocą współczynnika szczytu.
• S1: Efekty statyczne: Są wystarczające, aby przedstawić model konstrukcyjny z niezbędnymi szczegółami mechanicznymi, ale bez właściwości masowych i tłumiących.

Opis

Ta sekcja przedstawia dane walidacyjne z eksperymentów dla obciążeń wiatrem na modelach budynków niskiej zabudowy z dachami dwuspadowymi. Dane pochodzą z bazy danych aerodynamicznej Uniwersytetu Tokijskiego (TPU), która dostarcza standardowe pomiary dla budynków z różnymi konfiguracjami dachów.

Przykład weryfikacji porównuje przewidywania CFD współczynników ciśnienia wiatru z eksperymentami w tunelu aerodynamicznym TPU. Geometria budynku referencyjnego (współczynnik wymiarów D:B:H_o= 160 : 160 : 40, kąt nachylenia dachu β=45^∘) jest analizowana poprzez dekompozycję struktury na poszczególne powierzchnie (ściana nawietrzna, ściany boczne, ściana zawietrzna i pochyłości dachów) jak pokazano na obrazie 1. Dolna część rysunku przedstawia profile warunków granicznych napływu używanych w tunelu aerodynamicznym i modelu CFD:

• Profil średniej prędkości wiatru U(z)
• Profil intensywności turbulencji I(z)

Te profile są porównywane z warunkami terenu kategorii III (standard AIJ 2004). Zgodność wykazuje, że napływ w tunelu aerodynamicznym TPU odtwarza realistyczne cechy atmosferycznej warstwy granicznej, zapewniając wiarygodną podstawę do weryfikacji.

1 Symulowane pole wiatru na terenie podmiejskim [Dane TPU]

Tabela 1: Dane wejściowe dla dachu dwuspadowego 3D

Badanie siatki obliczeniowej

Rysunek przedstawia analizę czułości siatki modelu dachu dwuspadowego w RWIND. Obliczony współczynnik siły (C_f) pozostaje stały na poziomie 0.83 dla gęstości siatki 15% i 25%, wskazując na stabilne wyniki przy niższych poziomach uszczegółowienia. Przy wyższych gęstościach siatki 30% i 35%, C_f nieznacznie rośnie do 0.85 i 0.87, odpowiednio. To zachowanie wykazuje ogólną zbieżność, z tylko drobnymi zmianami obserwowanymi w miarę zwiększania się precyzji siatki.

2 Analiza wrażliwości siatki przy użyciu współczynnika siły (Cf) w RWIND

Również badanie siatki komputerowej musi być przeprowadzone zgodnie z poniższym linkiem:

• Obliczeniowe badanie siatki

WTG-Merkblatt M3 Wymóg dokładności

WTG-Merkblatt M3 dostarcza dwóch kluczowych metod do walidacji wyników symulacji. Metoda Wskaźnika Trafienia ocenia ile z symulowanych wartości P_i poprawnie odpowiada wartościom referencyjnym O_i w określonej tolerancji, używając podejścia binarnej klasyfikacji (trafienie lub brak). Ta metoda ocenia niezawodność symulacji poprzez obliczenie wskaźnika trafienia q, podobnego do funkcji ufności stosowanych w teorii niezawodności. W przeciwieństwie do tego, metoda Znormalizowanego Średniego Kwadratu (e²) proponuje bardziej szczegółową ocenę dokładności poprzez ilościowe określenie średniego kwadratowego odchylenia między wartościami symulowanymi a referencyjnymi, znormalizowane do skalowania różnic. Razem, te metody dostarczają zarówno jakościowe, jak i ilościowe miary walidacji symulacji.

• Weryfikacja wyników symulacji przy zastosowaniu metody elementów skończonych zdefiniowanej w WTG-Merkblatt M3

• Ocena dokładności wyników przy użyciu znormalizowanego średniego błędu kwadratowego zdefiniowanego w WTG-Merkblatt M3

Wyniki i Dyskusja

Sześć rysunków (obrazy od 3 do 8) przedstawia porównawczą analizę średnich współczynników ciśnienia (Ave C_p) na różnych powierzchniach budynku z dachem dwuspadowym, uzyskanych z eksperymentów w tunelu aerodynamicznym Uniwersytetu Tokijskiego (TPU) i symulacji za pomocą RWIND z modelami turbulencyjnymi Steady RANS k-ω i URANS k-ω.

Dla powierzchni 1 (ściana nawietrzna), średni C_p stopniowo zmniejsza się z około 0.65 przy 0° kierunku wiatru do około –0.9 przy 90°. Dane eksperymentalne zaczynają się od nieco wyższych wartości, podczas gdy Steady RANS niedoszacowuje szczytowe dodatnie ciśnienia. URANS lepiej uchwyca szczyty ciśnienia, szczególnie między 10° a 20°, i pokazuje bliższe zgodności z eksperymentami w początkowym zakresie, chociaż wszystkie metody zbieżają się przy większych kątach.

3 Porównanie wyników eksperymentalnych i CFD dla średniego współczynnika ciśnienia (Cp) na powierzchni 1 przy różnych kierunkach wiatru

Dla powierzchni 2 (ściana boczna), średni C_p stopniowo wzrasta od około –0.6 przy 0° do około +0.65 przy 90°. Wyniki eksperymentalne wykazują płynny i spójny wzrost na całym zakresie kątowym. Symulacja Steady RANS nieco niedoszacowuje zasysania przy małych kątach wiatru i minimalnie przewartościowuje dodatnie ciśnienia przy większych kątach. W przeciwieństwie do tego, wyniki URANS pokazują znacznie lepszą zgodność z danymi eksperymentalnymi, szczególnie pomiędzy 30° a 80°, podkreślając swoją ulepszoną zdolność w uchwyceniu regeneracji przepływu zawietrznego.

4 Porównanie wyników eksperymentalnych i CFD dla średniego współczynnika ciśnienia (Cp) na powierzchni 2 przy różnych kierunkach wiatru

W przypadku powierzchni 3 (ściana zawietrzna), ciśnienie pozostaje ujemne, zaczynając od około –0.3 przy 0° i osiągając wartości wokół –0.9 blisko 70°–80°. Trend eksperymentalny jest dobrze uchwycony przez Steady RANS w większości kątach, podczas gdy URANS konsekwentnie niedoszacowuje ciśnienia (mniej ujemne Cp), zwłaszcza w średnim zakresie kierunków wiatru. To pokazuje, że Steady RANS lepiej działa dla warunków zasysania ściany bocznej.

5 Porównanie eksperymentalnych i numerycznych współczynników ciśnienia wiatru na powierzchni 3 w kierunkach wiatru

Średni współczynnik ciśnienia na powierzchni 4 (ściana boczna) pozostaje ujemny przy wszystkich kierunkach wiatru, z wartościami stopniowo wzrastającymi od silnego zasysania przy 0° do niemal neutralnego przy 90°. Zarówno RANS jak i URANS ogólnie uchwytują ogólny trend obserwowany w danych eksperymentalnych, ale zauważalne odchylenia występują, szczególnie przy wyższych kątach wiatru, gdzie symulacje mają tendencję do przewartościowania regeneracji. Steady RANS pokazuje bliższą zgodność w środkowym zakresie, podczas gdy Steady URANS wykazuje większe różnice przy dużych kątach.

6 Porównanie doświadczalnych i numerycznych współczynników ciśnienia wiatru na powierzchni 4 dla wszystkich kierunków wiatru

Dla powierzchni 5, wszystkie metody konsekwentnie uchwycają płynne przejście średniego współczynnika ciśnienia od wartości ujemnych (zasysanie) przy małych kątach wiatru do dodatniego ciśnienia przy wyższych kierunkach wiatru. Dane eksperymentalne z TPU wskazują na stopniowy wzrost, przechodzący z zasysania do ciśnienia około 45°, trend, który jest dobrze odzwierciedlony w obu podejściach numerycznych. Steady RANS podąża za wynikami eksperymentalnymi z bardzo dużą dokładnością, wykazując jedynie minimalne odstępstwa w całym zakresie kątowym. URANS, z drugiej strony, przewiduje nieco różne wartości, zazwyczaj mając skłonność do niedoszacowania ciśnienia przy wyższych kierunkach wiatru, ale nadal utrzymuje ogólnie dobrą zgodność zarówno z eksperymentami, jak i RANS.

7 Porównanie eksperymentalnych i numerycznych współczynników ciśnienia wiatru na powierzchni 5 w różnych kierunkach wiatru

Wreszcie, średni współczynnik ciśnienia na powierzchni 6 pokazuje dobrą zgodność między eksperymentami a CFD, podczas gdy przy 20°–40° eksperymenty wskazują na silniejsze zasysanie. Steady RANS nieznacznie niedoszacowuje tego szczytu, a URANS konsekwentnie przewartościowuje z słabszym zasysaniem. Ogólnie rzecz biorąc, RANS lepiej uchwyca trend eksperymentalny, podczas gdy URANS ma tendencję do odstępstw przy ukośnych kątach wiatru.

8 Porównanie eksperymentalnych i numerycznych współczynników ciśnienia wiatru na powierzchni 6 w różnych kierunkach wiatru

Tabela 3 podsumowuje wskaźniki walidacyjne dla sześciu powierzchni budynku, uwzględniając kryterium odchylenia 10% dla RANS i 20% dla URANS. Dla Powierzchni 1, URANS pokazuje wyraźną przewagę z wyższym wskaźnikiem trafienia (85% w porównaniu do 57% dla RANS) i mniejszym błędem (e² = 0.012 w porównaniu do 0.015). Podobny trend obserwuje się dla Powierzchni 2, gdzie URANS ponownie przewyższa RANS, osiągając wskaźnik trafienia 71% w porównaniu do 57% i zmniejszając błąd z 0.025 do 0.011. W przeciwieństwie do tego, Powierzchnia 3 podkreśla moc RANS, który osiąga wyższy wskaźnik trafienia (85% w porównaniu do 71%) i znacznie mniejszy błąd (0.008 w porównaniu do 0.030). Dla Powierzchni 4, obie metody osiągają identyczny wskaźnik trafienia 85%, ale RANS wykazuje nieco lepszą wydajność pod względem błędu (0.022 w porównaniu do 0.026). Powierzchnie 5 i 6 pokazują zrównoważone wskaźniki trafienia 71% dla obu metod; jednak dla Powierzchni 5, błędy są równe (0.010 dla obu), podczas gdy dla Powierzchni 6, RANS jest wyraźnie lepszy z znacznie mniejszym błędem (0.006 w porównaniu do 0.031). Ogólnie rzecz biorąc, wyniki wskazują, że URANS zapewnia lepszą zgodność z eksperymentami na Powierzchniach 1 i 2, podczas gdy RANS dostarcza dokładniejszych prognoz dla Powierzchni 3 i 6, z obydwiema metodami wykazującymi porównywalną wydajność na Powierzchniach 4 i 5.

Tabela 3: Wskaźnik Walidacji dla wartości Cp w sześciu różnych strefach

77x

13x

WTG Example 9.3