Przykłady AIJ przypadek D - wysoki budynek pośród mniejszych budynków

Wprowadzenie

Japoński Instytut Architektury (AIJ) przedstawił kilka dobrze znanych scenariuszy porównawczych symulacji wiatru.
Poniższy artykuł dotyczy "Przypadku D - Wieżowiec wśród bloków miejskich".
Poniżej opisany scenariusz jest symulowany w RWIND2, a wyniki są porównywane z symulowanymi i doświadczalnymi wynikami AIJ.

Konstrukcja modelu

Przypadek D opisuje prosty budynek w kształcie prostopadłościanu o podstawie kwadratu i czterokrotnej wysokości, otoczony mniejszymi blokami, również w kształcie prostopadłościanu.
Te bloki mieszkalne również mają prostokątną, ale większą powierzchnię użytkową, ale tylko jedną dziesiątą wysokości dużego budynku.
Duży budynek centralny jest otoczony mniejszymi blokami mieszkalnymi w regularnych odstępach czasu.
Dokładne wymiary, prędkość przepływu i zachowanie w zakresie turbulencji zaczerpnięto z oryginalnej publikacji [1].
Rozkład prędkości przepływu na wysokości pokazano poniżej.

W symulacji obliczono prędkość przepływu w kilku punktach na małej wysokości.
W eksperymencie AIJ, odpowiedni model został ustawiony w tunelu aerodynamicznym, a prędkość wiatru została zmierzona za pomocą sond z włókna szklanego we wspomnianych punktach.

Jako model turbulencji użyto standardowego k – ε i założono przepływ ustalony.
Poniżej pokazano konstrukcję modelu z uwzględnieniem wymiarów geometrii. Wysokość wielu małych budynków jest zbliżona do Rysunku 0.25, podczas gdy wysokość pojedynczego budynku centralnego wynosi 2,5.

Układ modelu - analiza przypadku AIJ: wysoki budynek otoczony blokami domów

Konfiguracja modelu 1 - AIJ przypadek D

Konfiguracja modelu 2 - AIJ Przypadek D

Położenie punktów pomiarowych zostało podsumowane w poniższej tabeli. Przyjmuje się, że punkt początkowy znajduje się na podłodze miasta, w środku ciężkości obszaru podstawy budynku centralnego. Wszystkie punkty pomiarowe znajdują się na wysokości 0,05.

Wyniki eksperymentów AIJ zostały udostępnione na ich stronie internetowej [1]. Wyświetlane dane symulacji AIJ zostały określone za pomocą narzędzia ENGAUGE Digitizer [2] na podstawie wykresów publikacji, ponieważ dokładne wartości nie zostały opublikowane.
Jednak dokładność wyodrębnionych punktów powinna być wystarczająco dokładna (w zakresie + - 0,5%), a zatem łatwo porównywalna.

W eksperymencie porównawczym niektóre punkty nie zostały ocenione, ale zostały wyznaczone w symulacji. Aby nie musieć całkowicie usuwać tych punktów z oceny, założono, że symulacja eksperymentalna i literaturowa dostarcza dla tych punktów identyczne wyniki. W przypadku poniższych porównań wyniki symulacji w litrach są nawet zawyżone.

Innym ważnym czynnikiem, który ma na to wpływ, jest ustawienie „Warstwy graniczne”, które znacznie zwiększa gęstość siatki wokół dolnej granicy warunku (gruntu). Zasadniczo, zazębienie w pobliżu gruntu wpływa na wyniki w tym obszarze bardziej niż w przypadku większej odległości od gruntu, ponieważ warunek brzegowy gruntu ma duży wpływ. Ze względu na dość złożoną geometrię aktywowano powyższe ustawienie, a liczbę dodatkowych warstw („NL”) ustawiono na 10.

W tym artykule wykorzystano RWIND Pro 2.02. Struktura modelu w RWIND została w możliwie jak największym stopniu dostosowana do struktury CFD odniesienia.

Ergebnisse i Diskussion

Odwzorowanie trójwymiarowych punktów pomiarowych za pomocą prostej jednowymiarowej numeracji może być trudne do interpretacji. Dlatego też bezpośrednie porównania doświadczenia (oś x) i symulacji (oś y) pokazano poniżej dla wszystkich punktów pomiarowych. Im bliżej przekątnej y = x znajduje się punkt pomiarowy, tym większa zgodność między symulacją a eksperymentem. Poniżej znajdują się dwa najlepiej dopasowane modele wieloelementowe RWIND wraz z benchmarkiem z literatury.

Korelacja symulacji z eksperymentem Symulacje Benchmark i RWIND z dużą liczbą elementów

Natychmiast widoczne na pierwszy rzut oka, wyniki poszczególnych punktów pomiarowych są rozmieszczone bardziej równomiernie wokół wyników eksperymentalnych. Podczas gdy symulacja literaturowa prawie zawsze zawyża prędkość przepływu, RWIND pokazuje czasami niższe, a czasami wyższe wyniki.

Średnie odchylenie kwadratowe (MSE) zostało użyte jako kryterium porównania, ale porównanie współczynników determinacji również wykazałoby takie samo zachowanie, na przykład. Odchylenie średniokwadratowe było preferowane w stosunku do współczynnika determinacji, ponieważ stosunek prędkości przepływu doświadczalnego do symulowanego nie stanowi regresji, a zatem oznaczałby tylko rodzaj ważenia poszczególnych odchyleń, a nie dobroć dopasowania. MSE jest geometrycznie łatwiejszy do interpretacji z tą samą wyrazistością.

Kryterium porównania MSE potwierdza domniemanie pierwszej uwagi. Oba modele o wysokiej rozdzielczości siatki, ale z różnymi modelami turbulencji, bardzo dobrze spełniają kryteria eksperymentalne. Model k-epsilon jest nawet lepszy od publikacji, podczas gdy model k-omega jest tuż za nim.

Nie należy jednak zapominać, że kilka punktów odniesienia dla literatury zostało sztucznie przyjętych jako bezbłędne.
Jeżeli punkty te zostaną obliczone dla MSE, oba modele RWIND wykazują mniejszy błąd niż punkt odniesienia.

Warto bliżej przyjrzeć się wpływowi gęstości oczek. Poniżej porównano sieci o różnych gęstościach, o identycznej strukturze modelu i modelu turbulencji k-epsilon RAS, z wartościami odniesienia literaturowymi. Wyniki przedstawiono poniżej.

Korelacja symulacji z eksperymentem Symulacje typu Benchmark i RWIND k-epsilon z różnymi numerami pierwiastków

Przeprowadzono również badanie zbieżności sieci dla modelu turbulencji k-omega i tych samych formacji sieci. Wyniki przedstawiono poniżej.

Korelacja symulacji z eksperymentem Symulacje k-omega Benchmark i RWIND z różną liczbą pierwiastków

Podczas gdy model turbulencji k-epsilon RAS może uzyskać nieco lepsze wyniki dla bardzo dużej liczby pierwiastków, średnie odchylenie kwadratowe w modelach k-omega zbiega się znacznie szybciej wraz ze wzrostem gęstości siatki. Najlepszym tego przykładem jest para modeli z 2,7 milionami komórek. Tutaj model k-epsilon jest zupełnie bezużyteczny, podczas gdy k-omega może już dostarczyć dobrych wyników.
W rzeczywistości model k-omega o średniej rozdzielczości jest najbardziej zgodny z wynikami eksperymentu i może również przewyższać znacznie modele RWIND o znacznie wyższej rozdzielczości. Nie udało się ustalić dokładnej przyczyny. Można zatem założyć, że problem optymalizacji o tak dużej wymiarowości jest przypadkowy.

W celu lepszego porównania symulacji referencyjnej z wynikami RWIND zaleca się uwzględnienie prędkości przepływu jako kolorowego obrazu butelki. Rozważany przekrój wokół budynku został dostosowany do przekroju autorów [1]. Ze względu na prawa autorskie obrazy w fałszywych kolorach nie są w tym momencie porównywane obok siebie. Wynik pokazano poniżej.

Prędkość przepływu nad wszystkimi budynkami - AIJ Przypadek D

Tutaj również jest bardzo dobra zgodność z symulacją literaturową. Nie ma znaczących odchyleń ani zauważalnych obszarów.

Ogólnie rzecz biorąc, metoda k-omega jest zatem zawsze bardziej dokładna w przypadku modeli o niższej rozdzielczości dla tego studium przypadku, podczas gdy wyniki z dużą gęstością siatki są nadal bardzo dobre.
Z drugiej strony, ciśnienie rezydualne w modelach k-omega jest zbieżne po znacznie większej liczbie iteracji. Poniżej przedstawiono porównanie.

Wartości szczątkowe dla dwóch modeli turbulencji

Obserwacje te są zbieżne z oczekiwaniami różnych modeli turbulencji. W przypadku zastosowania k-omegi zaleca się zatem znaczne zwiększenie liczby maksymalnych iteracji. Domyślną wartość 300 należy ręcznie zwiększyć do co najmniej 1000.

Podsumowanie

Poniżej zestawiono średnie odchylenia kwadratowe dla różnych kombinacji liczby pierwiastków i modelu turbulencji.

Możliwym podejściem do ulepszenia jest często zagęszczenie siatki. W przypadku tego modelu wpływ takiego zagęszczenia siatki jest jednak bardzo mały. Ustawienie „Warstwy obwiedni” już odzwierciedla zagęszczenie siatki, w związku z czym stosunkowo małe sąsiednie budynki powinny być wystarczająco zdyskretyzowane. Po przeprowadzeniu oceny modelu testowego zrezygnowano z badania zagęszczenia sieci.

Wreszcie, istnieje bardzo dobra zgodność między RWIND a eksperymentalnym benchmarkiem, która może nawet przewyższyć benchmark literaturowy. Obydwa modele turbulencji są do tego odpowiednie, dzięki czemu metoda k-omega może zapewnić znacznie lepsze wyniki dla małych gęstości sieci.

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

• 3D Viewer | Google
• 3D Viewer | Babylon
• Wirtualna rzeczywistość

176x

4x

AIJ Bechmarks Przykład D - wysoki budynek otoczony (jednolitymi) blokami domów