Pomierzone dane obciążeń wiatrem dla małych budynków

Historia użytkownika

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

• G2: Wartości bezwzględne o średnich wymaganiach dokładności: Obszar zastosowania może obejmować badania parametryczne lub wstępne, gdy planowane są późniejsze badania o wyższej dokładności (np. badanie w tunelu aerodynamicznym klasy G3).
• R2: Pojedynczy: wszystkie istotne kierunki wiatru z odpowiednio dokładną rozdzielczością kątową.
• Z2: Statystyczne wartości średnie i odchylenia standardowe: pod warunkiem, że dotyczą stacjonarnych procesów przepływu, dla których statystyczna weryfikacja fluktuacji za pomocą współczynnika szczytowego jest wystarczająca.
• S1: Efekty statyczne: Wystarczają one do odwzorowania modelu konstrukcyjnego z niezbędną szczegółowością mechaniczną, ale bez właściwości masowych i tłumiących.

Opis

W tej części przedstawiono eksperymentalne dane walidacyjne dla obciążeń wiatrem niskich modeli budynków z dachami dwuspadowymi. Dane pochodzą z aerodynamicznej bazy danych Politechniki Tokijskiej (TPU), która dostarcza pomiarów referencyjnych dla budynków o różnych konfiguracjach dachu.

Przykład walidacyjny porównuje przewidywania CFD współczynników ciśnienia wiatru z eksperymentami w tunelu aerodynamicznym TPU. Referencyjna geometria budynku (proporcje wymiarów D:B:H_o= 160 : 160 : 40 , kąt nachylenia dachu β=45^∘ ) jest analizowana poprzez dekompozycję konstrukcji na pojedyncze powierzchnie (ściana nawietrzna, ściany boczne, ściana zawietrzna i połacie dachu), jak pokazano na rysunku 1. Dolna część rysunku przedstawia profile warunków brzegowych napływu użyte w modelu tunelu aerodynamicznego i CFD:

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

Profile te porównano z warunkami terenu kategorii III (norma AIJ 2004). Zgodność ta pokazuje, że napływ w tunelu aerodynamicznym TPU odtwarza realistyczne cechy atmosferycznej warstwy granicznej, zapewniając wiarygodną podstawę do walidacji.

1 Symulowane pole wiatru na terenie podmiejskim [Dane TPU]

Tabela 1: Dane wejściowe dla dachu dwuspadowego 3D

Badanie siatki obliczeniowej

Rysunek przedstawia analizę wrażliwości siatki dla modelu dachu dwuspadowego w RWIND. Obliczony współczynnik siły (C_f) pozostaje stały i wynosi 0,83 dla gęstości siatki 15% i 25%, co wskazuje na stabilne wyniki przy niższych poziomach zagęszczenia. Przy wyższych gęstościach siatki 30% i 35%, C_f nieznacznie wzrasta odpowiednio do 0,85 i 0,87. To zachowanie wykazuje ogólną zbieżność, z jedynie niewielkimi różnicami obserwowanymi w miarę zagęszczania siatki.

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

Należy również przeprowadzić badanie siatki obliczeniowej zgodnie z poniższym linkiem:

• Obliczeniowe badanie siatki

Wymagania dokładności WTG-Merkblatt M3

WTG-Merkblatt M3 udostępnia dwie kluczowe metody walidacji wyników symulacji. Metoda Współczynnika Trefień (Hit Rate) ocenia, ile z symulowanych wartości P_i poprawnie pasuje do wartości referencyjnych O_i w ramach zdefiniowanej tolerancji, stosując binarną klasyfikację (trafienie lub chybienie). Podejście to ocenia niezawodność symulacji poprzez obliczenie współczynnika trafień q, podobnie do funkcji ufności stosowanych w teorii niezawodności. Z kolei metoda Znormalizowanego Błędu Średniokwadratowego (e²) oferuje bardziej szczegółową ocenę dokładności poprzez kwantyfikację średniego kwadratowego odchylenia między wartościami symulowanymi a referencyjnymi, znormalizowanego w celu uwzględnienia różnic skali. Razem metody te zapewniają zarówno jakościowe, jak i ilościowe miary do 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 analizę porównawczą średnich współczynników ciśnienia (Ave C_p) na różnych powierzchniach budynku z dachem dwuspadowym, uzyskanych z eksperymentów w tunelu aerodynamicznym Politechniki Tokijskiej (TPU) i symulowanych za pomocą RWIND z użyciem modeli turbulencji Steady RANS k-ω i URANS k-ω.

Dla powierzchni 1 (ściana nawietrzna) średnie C_p stale maleje od około 0,65 przy kierunku wiatru 0° do około –0,9 przy 90°. Dane eksperymentalne zaczynają się od nieco wyższych wartości, podczas gdy Steady RANS niedoszacowuje szczytowych ciśnień dodatnich. URANS lepiej odwzorowuje piki ciśnienia, szczególnie między 10° a 20°, i wykazuje lepszą zgodność z eksperymentami w początkowym zakresie, chociaż wszystkie metody są zbieżne 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) średnie C_p stale rośnie od około –0,6 przy 0° do około +0,65 przy 90°. Wyniki eksperymentalne wykazują płynny i stały wzrost w całym zakresie kątowym. Symulacja Steady RANS nieznacznie niedoszacowuje ssania przy małych kątach wiatru i marginalnie przeszacowuje dodatnie ciśnienia przy większych kątach. W przeciwieństwie do tego, wyniki URANS wykazują znacznie lepszą zgodność z danymi eksperymentalnymi, szczególnie między 30° a 80°, co podkreśla jego lepszą zdolność do odwzorowywania powrotu przepływu po stronie zawietrznej.

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 około –0,9 w pobliżu 70°–80°. Trend eksperymentalny jest dobrze odwzorowywany przez Steady RANS przy większości kątów, natomiast URANS konsekwentnie niedoszacowuje ciśnienia (mniej ujemne Cp), szczególnie w średnim zakresie kierunków wiatru. To pokazuje, że Steady RANS działa lepiej dla warunków ssania na ścianach bocznych.

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

Średni współczynnik ciśnienia na powierzchni 4 (ściana boczna) pozostaje ujemny dla wszystkich kierunków wiatru, przy czym wartości stopniowo rosną od silnego ssania przy 0° do wartości bliskich zeru przy 90°. Zarówno RANS, jak i URANS generalnie oddają ogólny trend obserwowany w danych eksperymentalnych, ale zauważalne są odchylenia, szczególnie przy wyższych kątach wiatru, gdzie symulacje mają tendencję do przeszacowywania powrotu ciśnienia. Steady RANS wykazuje lepszą zgodność w średnim zakresie, podczas gdy Steady URANS wykazuje większe rozbieżności przy dużych kątach.

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

Dla powierzchni 5 wszystkie metody konsekwentnie oddają płynne przejście średniego współczynnika ciśnienia od wartości ujemnych (ssanie) przy małych kątach wiatru do dodatniego ciśnienia przy wyższych kierunkach wiatru. Dane eksperymentalne z TPU wskazują na stały wzrost, przechodząc od ssania do ciśnienia około 45°, trend, który jest dobrze odzwierciedlony w obu podejściach numerycznych. Steady RANS naśladuje wyniki eksperymentalne z bardzo dużą dokładnością, wykazując jedynie minimalne odchylenia w całym zakresie kątowym. Z kolei URANS przewiduje nieco inne wartości, ogólnie wykazując tendencję do niedoszacowywania ciśnienia przy wyższych kierunkach wiatru, ale nadal utrzymuje ogólnie dobrą zgodność zarówno z eksperymentami, jak i z RANS.

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

Ostatecznie, średni współczynnik ciśnienia na powierzchni 6 wykazuje dobrą zgodność między eksperymentami a CFD, podczas gdy przy 20°–40° eksperymenty wskazują na silniejsze ssanie. Steady RANS nieznacznie niedoszacowuje tego piku, a URANS konsekwentnie go przeszacowuje, dając słabsze ssanie. Ogólnie rzecz biorąc, RANS bardziej niezawodnie oddaje trend eksperymentalny, podczas gdy URANS ma tendencję do odchylania się przy ukośnych kątach wiatru.

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

Tabela 3 podsumowuje metryki walidacji dla sześciu powierzchni budynku, biorąc pod uwagę kryterium odchylenia wynoszące 10% dla RANS i 20% dla URANS. Dla Powierzchni 1 URANS wykazuje wyraźną przewagę z wyższym współczynnikiem trafień (85% w porównaniu do 57% dla RANS) i niższym błędem (e² = 0,012 w porównaniu z 0,015). Podobny trend obserwuje się dla Powierzchni 2, gdzie URANS ponownie przewyższa RANS, osiągając współczynnik trafień 71% w porównaniu z 57% i zmniejszając błąd z 0,025 do 0,011. W przeciwieństwie do tego, Powierzchnia 3 podkreśla mocną stronę RANS, który osiąga wyższy współczynnik trafień (85% w porównaniu z 71%) i znacznie niższy błąd (0,008 w porównaniu z 0,030). Dla Powierzchni 4 obie metody osiągają identyczny współczynnik trafień 85%, ale RANS wypada nieco lepiej pod względem błędu (0,022 w porównaniu z 0,026). Powierzchnie 5 i 6 wykazują zrównoważone współczynniki trafień wynoszące 71% dla obu metod; jednak dla Powierzchni 5 błędy są równe (0,010 dla obu), podczas gdy dla Powierzchni 6 RANS jest wyraźnie lepszy ze znacznie mniejszym błędem (0,006 w porównaniu z 0,031). Ogólnie rzecz biorąc, wyniki wskazują, że URANS zapewnia lepszą zgodność z eksperymentami dla Powierzchni 1 i 2, podczas gdy RANS dostarcza dokładniejszych przewidywań dla Powierzchni 3 i 6, a obie metody wykazują porównywalną wydajność dla Powierzchni 4 i 5.

Tabela 3: Metryka walidacji dla wartości Cp sześciu różnych stref

4x

0x

WTG Example 9.3