H 1.6. Измеренные данные для ветровых нагрузок на малые здания (пример WTG 9.3)

User Story

В следующем примере описаны эксперименты в аэродинамической трубе, проведенные Политехнический университет Токио (TPU) в качестве примера валидации в Части 9.3 WTG-Merkblatt M3. Мы собираемся рассчитать средний коэффициент давления ветра (Cp) для разных ветровых зон, которые относятся к Группе 2, согласно Рисунок 2.2 в WTG-Merkblatt-M3:

• Г2: Абсолютные значения с требованиями средней точности: Область применения может включать параметры или предварительные исследования, когда планируются последующие исследования с более высокой точностью (например, испытания в аэродинамической трубе класса G3).
• R2: Одиночные значения: все соответствующие направления ветра с достаточно высокой разрешающей способностью по направлениям.
• Z2: Средние статистические значения и стандартные отклонения: при условии, что они касаются стационарных процессов потока, для которых статистическая проверка колебаний с пиковым фактором является достаточной.
• S1: Статические эффекты: Достаточны для представления структурной модели с необходимыми механическими деталями, но без масс и демпфирующих свойств.

Description

В этом разделе представлены экспериментальные данные валидации ветровых нагрузок на модели зданий с низким подъемом и двускатной крышей. Данные поступают из аэродинамической базы данных Токийского Политехнического Университета (TPU), которая предоставляет эталонные измерения для зданий с различными конфигурациями крыш.

Пример верификации сравнивает предсказания CFD коэффициентов давления ветра с экспериментами TPU в аэродинамической трубе. Геометрия эталонного здания (соотношение размеров D:B:H_o= 160 : 160 : 40 , угол наклона крыши β=45^∘ ) анализируется с разбиением конструкции на отдельные поверхности (стена против ветра, боковые стены, стена подветренной стороны и скаты крыши), как показано на изображении 1. Нижняя часть рисунка показывает профили граничного условия, используемые в аэродинамической трубе и модели CFD:

• Средний профиль скорости ветра U(z)
• Профиль интенсивности турбулентности I(z)

Эти профили сравниваются с условиями местности категории III (стандарт AIJ 2004). Соглашение демонстрирует, что поступающий поток в аэродинамической трубе TPU воспроизводит реалистичные характеристики атмосферного пограничного слоя, обеспечивая надежную основу для валидации.

1 Смоделированное ветровое поле пригородной местности [Данные TPU]

Table 1: Входные данные для 3D двускатной крыши

Исследование вычислительной сетки

Рисунок представляет собой анализ чувствительности сетки модели двускатной крыши в RWIND. Вычисленный коэффициент силы (C_f) остается постоянным на уровне 0.83 при плотности сетки 15% и 25%, указывая на стабильные результаты на более низких уровнях уточнения. При увеличении плотности сетки до 30% и 35% C_f немного увеличивается до 0.85 и 0.87 соответственно. Это поведение демонстрирует общее сходимость, с минимальными вариациями по мере увеличения точности сетки.

2 Анализ чувствительности сетки с использованием коэффициента силы (Cf) в RWIND

Также исследование вычислительной сетки должно быть выполнено в соответствии с указанной ссылкой:

• Компьютерный анализ сетки

Требования к точности WTG-Merkblatt M3

WTG-Merkblatt M3 предоставляет два ключевых метода для валидации результатов моделирования. Метод Коэффициент попадания оценивает, сколько из моделируемых значений P_i правильно соответствует эталонным значениям O_i в пределах установленной допустимой погрешности, используя бинарную классификацию (попадание или промах). Этот подход оценивает надежность моделирования, рассчитав коэффициент попадания q, аналогично функциям доверия, используемым в теории надежности. В отличие от него, метод Нормализованная среднеквадратичная ошибка (e²) предлагает более детальную оценку точности, количественно оценивая среднеквадратичное отклонение между моделируемыми и эталонными значениями, нормализованное для учета масштабных различий. Вместе эти методы предоставляют как качественные, так и количественные меры для валидации моделирования.

• Валидация результатов моделирования методом определения точности, описанным в WTG-Merkblatt M3

• Оценка точности результатов с использованием нормированной средней квадратичной ошибки, определённой в WTG-Merkblatt M3

Результаты и обсуждение

Шесть графиков (изображения 3 до 8) представляют собой сравнительный анализ средних коэффициентов давления (Ave C_p) на различных поверхностях здания с двускатной крышей, полученных из экспериментов в аэродинамической трубе Токийского Политехнического университета (TPU) и моделируемых с помощью RWIND с обоими моделями турбулентности Steady RANS k-ω и URANS k-ω.

Для поверхности 1 (стена против ветра) средний C_p неуклонно уменьшается от около 0.65 при 0° направления ветра до примерно –0.9 при 90°. Экспериментальные данные начинаются с несколько более высоких значений, в то время как Steady RANS недооценивает пиковые положительные давления. URANS лучше отлавливает пиковые давления, особенно в диапазоне от 10° до 20°, и показывает более близкое соответствие с экспериментами в начальном диапазоне, хотя все методы сходятся на более крупных углах.

3 Сравнение экспериментальных и CFD результатов среднего коэффициента давления (Cp) на поверхности 1 при изменении направлений ветра

Для поверхности 2 (боковая стена) средний C_p неуклонно увеличивается с примерно –0.6 при 0° до около +0.65 при 90°. Экспериментальные результаты показывают плавный и непрерывный подъем по всей угловой шкале. Моделирование Steady RANS слегка недооценивает всасывание при малых углах ветра и незначительно завышает положительные давления на больших углах. Напротив, результаты URANS показывают гораздо более близкое соответствие с экспериментальными данными, особенно в диапазоне от 30° до 80°, подчеркивая его улучшенные способности в ловле восстановления потока на подветренной стороне.

4 Сравнение экспериментальных и CFD-результатов для среднего коэффициента давления (Cp) на поверхности 2 при различных направлениях ветра

В случае поверхности 3 (стена подветренной стороны) давление остается отрицательным, начиная с около –0.3 при 0° и достигая значений около –0.9 в диапазоне 70°–80°. Экспериментальная тенденция хорошо отражается Steady RANS на большинстве углов, в то время как URANS стабильно недооценивает давление (менее отрицательный Cp), особенно в среднем диапазоне направлений ветра. Это показывает, что Steady RANS лучше работает для условий всасывания на боковых стенах.

5 Сравнение экспериментальных и численных коэффициентов давления ветра на поверхности 3 в разных направлениях ветра

Средний коэффициент давления на поверхности 4 (боковая стена) остается отрицательным во всех направлениях ветра, с постепенным увеличением от сильного всасывания при 0° до почти нейтрального при 90°. Оба метода RANS и URANS в целом отображают общую тенденцию, наблюдаемую в экспериментальных данных, но заметные отклонения появляются, особенно при более высоких углах ветра, где моделирования склонны переоценивать восстановление. Steady RANS показывает более близкое соответствие в среднем диапазоне, в то время как Steady URANS демонстрирует большие расхождения при больших углах.

6 Сравнение экспериментальных и расчётных коэффициентов давления ветра на Поверхности 4 по направлениям ветра

Для поверхности 5 все методы постоянно отражают плавный переход среднего коэффициента давления от отрицательных значений (всасывание) при низких углах ветра к положительному давлению при более высоких направлениях ветра. Экспериментальные данные из TPU показывают устойчивое увеличение, переходящее от всасывания к давлению около 45°, тенденция, которая хорошо отражена в обоих числовых методах. Steady RANS следует за экспериментальными результатами с очень высокой точностью, демонстрируя лишь минимальные отклонения на всем угловом диапазоне. URANS, с другой стороны, предсказывает слегка разные значения, обычно склонные к занижению давления при более высоких направлениях ветра, но всё же сохраняет общее хорошее соответствие с обеими экспериментальными данными и RANS.

7 Сравнение экспериментальных и численных коэффициентов ветрового давления на поверхности 5 в уских направления ветра

Наконец, средний коэффициент давления на поверхности 6 показывает хорошее согласие между экспериментами и CFD, в то время как при углах 20°–40° эксперименты указывают на более сильное всасывание. Steady RANS слегка недооценивает этот пик, и URANS постоянно переоценивает с более слабым всасыванием. В целом, RANS более точно отражает экспериментальную тенденцию, в то время как URANS склонен к отклонениям при наклонных направлениях ветра.

8 Сравнение экспериментальных и численных коэффициентов давления ветра на поверхности 6 в пересекающихся направлениях ветра

Таблица 3 суммирует метрики валидации для шести поверхностей здания, учитывая критерий отклонения в 10% для RANS и 20% для URANS. Для Поверхности 1 URANS показывает явное превосходство с более высоким коэффициентом попадания (85% по сравнению с 57% для RANS) и более низкой ошибкой (e² = 0.012 против 0.015). Аналогичная тенденция наблюдается для Поверхности 2, где URANS снова превосходит RANS, достигнув коэффициента попадания в 71% против 57% и уменьшая ошибку с 0.025 до 0.011. В отличие от этого, Поверхность 3 подчеркивает силу RANS, который достигает более высокого коэффициента попадания (85% против 71%) и значительно меньшей ошибки (0.008 по сравнению с 0.030). Для Поверхности 4 оба метода достигают идентичного коэффициента попадания в 85%, но RANS занимает немного лучшее место с точки зрения ошибки (0.022 против 0.026). Поверхности 5 и 6 показывают равные коэффициенты попадания в 71% для обоих методов; однако для Поверхности 5 ошибки равны (0.010 для обоих), в то время как для Поверхности 6 RANS явно превосходит с намного меньшей ошибкой (0.006 против 0.031). В целом, результаты показывают, что URANS дает лучшее согласие с экспериментами на Поверхностях 1 и 2, в то время как RANS обеспечивает более точные предсказания для Поверхностей 3 и 6, причем оба метода демонстрируют сопоставимое производительность на Поверхностях 4 и 5.

Table 3: Метрика валидации для значения Cp шести разных зон

87x

13x

WTG Пример 9.3