Примеры AIJ, случай D - высокое здание среди небольших зданий

Введение

Японский архитектурный институт (AIJ) представил ряд хорошо известных эталонных сценариев моделирования ветра.
Следующая статья посвящена «случаю D - высотное здание среди городских кварталов».
Далее описанный сценарий моделируется в программе RWIND2, а результаты сравниваются с результатами моделирования и эксперимента с помощью AIJ.

Конструкция модели

Случай D описывает простое кубовидное здание с квадратным основанием и четырехкратной высотой, окруженное меньшими, также прямоугольными жилыми домами.
Эти жилые дома также имеют прямоугольную, но большую площадь, но лишь в десять раз меньше высоты большого здания.
Большое центральное здание равномерно окружено более мелкими многоквартирными домами.
Точные размеры, скорость потока и поведение турбулентности были взяты из оригинальной публикации [1].
Распределение скорости потока по высоте показано ниже.

Скорость потока оценивалась в ходе моделирования в нескольких точках на небольшой высоте.
В эксперименте AIJ соответствующая модель была установлена в аэродинамической трубе, и скорость ветра была измерена с помощью зондов с расщепленными волокнами в упомянутых точках.

В качестве модели турбулентности использовалось стандартное k - ε, предполагалось установившееся течение.
Структура модели с учетом размеров геометрии показана ниже. Высота многих небольших зданий подобна рисунку 0.25, тогда как высота отдельных центральных зданий равна 2,5.

Компоновка модели - пример из практики AIJ: высокое здание в окружении блоков домов

Настройка модели 1 - AIJ, случай D

Настройка модели 2 - AIJ, случай D

Положение точек измерения показано в следующей таблице. Предполагается, что начало координат находится на этаже города в центре тяжести площади основания центрального здания. Все точки замера находятся на высоте 0,05.

Экспериментальные результаты AIJ были размещены на их сайте [1]. Отображаемые данные моделирования AIJ были определены с помощью инструмента ENGAUGE Digitizer [2] из графиков публикации, поскольку точные значения для этого не публиковались.
Однако точность извлеченных точек должна быть достаточно точной (в диапазоне + - 0,5%) и, следовательно, легко сопоставимой.

В эталонном эксперименте некоторые точки не оценивались, но они были определены в ходе моделирования. Чтобы не удалять эти точки полностью из оценки, в дальнейшем предполагалось, что эксперимент и моделирование из литературы дают идентичные результаты для этих точек. Для следующих сравнений результаты литровой симуляции даже завышены.

Еще одним важным фактором влияния является параметр «Граничные слои», который значительно увеличивает плотность сетки вокруг нижнего граничного условия (грунт). В целом, сетка близко к земле влияет на результаты в этой области больше, чем это было бы в случае с большим расстоянием от земли, потому что граничные условия грунта имеют сильное влияние. Из-за довольно сложной геометрии была активирована вышеупомянутая настройка, а количество дополнительных слоев («NL») было установлено на 10.

В данной статье использовался RWIND Pro 2.02. Структура модели в RWIND была максимально адаптирована к структуре эталонного CFD.

Ergebnisse и Diskussion

Отображение трехмерных точек измерения с помощью простой одномерной нумерации может быть трудным для интерпретации. Поэтому ниже показаны прямые сравнения эксперимента (ось x) и моделирования (ось y) для всех точек измерения. Чем ближе точка измерения к диагональной линии y = x, тем больше соответствие между моделированием и экспериментом. Ниже приведены две наиболее подходящие модели RWIND с высоким содержанием элементов, а также эталоны из литературы.

Корреляция моделирования с экспериментом Тестовое моделирование и моделирование RWIND с большим количеством элементов

Сразу видно на первый взгляд, результаты отдельных точек измерения распределены более однородно вокруг результатов эксперимента. В то время как моделирование из литературы почти всегда переоценивает скорость потока, RWIND показывает иногда более низкие, иногда более высокие результаты.

Среднеквадратичное отклонение (MSE) использовалось в качестве критерия сравнения, но, например, сравнение коэффициентов детерминации также показало бы такое же поведение. Среднеквадратическое отклонение было предпочтительнее коэффициента детерминации, потому что соотношение экспериментальной и смоделированной скорости потока не представляет собой регрессию и, таким образом, будет означать только тип взвешивания отдельных отклонений, а не степень согласия. С такой же выразительностью геометрически легче интерпретировать MSE.

Критерий сравнения MSE подтверждает презумпцию первого наблюдения. Обе модели с высоким разрешением сетки, но с разными моделями турбулентности, очень хорошо соответствуют экспериментальным критериям. Модель k-epsilon даже лучше публикации, а модель k-omega отстает.

Однако не следует забывать, что несколько точек литературных тестов были искусственно признаны безупречными.
Если эти точки рассчитаны для MSE, обе модели RWIND покажут меньшую ошибку, чем эталонный тест.

Желательно повнимательнее присмотреться к влиянию плотности сетки. Далее сети разной плотности с идентичной модельной структурой и k-эпсилонной моделью турбулентности RAS сравниваются с литературными эталонами. Результаты показаны ниже.

Корреляция моделирования с экспериментом Эталонное моделирование и моделирование k-эпсилон RWIND с различными номерами элементов

Исследование сходимости сети было также выполнено для модели турбулентности k-omega и тех же сетевых образований. Результаты показаны ниже.

Корреляция моделирования с экспериментом Бенчмарк и RWIND k-omega моделирования с различным количеством элементов

В то время как модель турбулентности k-эпсилон RAS может достигать несколько лучших результатов для очень большого количества элементов, среднеквадратическое отклонение в моделях k-omega сходится намного быстрее с увеличением плотности сетки. Лучшим примером этого является модельная пара с 2,7 миллионами ячеек. Здесь модель k-epsilon совершенно бесполезна, тогда как k-omega уже может давать хорошие результаты.
Фактически, модель k-omega среднего разрешения достигает наилучшего согласия с экспериментом, а также может превосходить модели RWIND со значительно более высоким разрешением. Точную причину установить не удалось. Поэтому задачу оптимизации с такой высокой размерностью можно считать случайной.

Для более четкого сравнения эталонного моделирования с результатами RWIND, рекомендуется рассматривать скорости потока как цветное изображение бутылки. Рассматриваемый разрез вокруг здания был адаптирован по авторам [1]. По соображениям авторского права изображения в искусственных цветах на данном этапе не сравниваются. Результат показан ниже.

Скорость потока над всеми зданиями - случай D AIJ

Здесь также имеется очень хорошее согласие с данными моделирования. Существенных отклонений или заметных участков нет.

В целом, k-omega всегда более точна для моделей с более низким разрешением в данном случае, в то время как результаты с высокой плотностью сетки по-прежнему очень хороши.
С другой стороны, невязка давления в моделях k-omega сходится после значительно большего количества итераций. Сравнение показано ниже.

Невязки для двух моделей турбулентности

Эти наблюдения совпадают с ожиданиями различных моделей турбулентности. Поэтому для использования k-omega рекомендуется значительно увеличить количество максимальных итераций. Значение по умолчанию 300 должно быть увеличено вручную как минимум до 1000.

Резюме

Ниже приведены среднеквадратические отклонения различных сочетаний количества элементов и модели турбулентности.

Возможным подходом к улучшению часто является измельчение сетки. Однако в случае данной модели влияние такого измельчения сетки очень мало. Настройка «Граничные слои» уже представляет собой измельчение сетки, поэтому относительно небольшие окружающие здания должны быть достаточно дискретными. После оценки тестовой модели от исследования уплотнения сети отказались.

Наконец, существует очень хорошее соответствие между RWIND и экспериментальным эталоном, которое может даже превзойти литературные эталоны. Для этого подходят обе модели турбулентности, благодаря чему k-omega может обеспечить значительно лучшие результаты для сетей с низкой плотностью.

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

• 3D Viewer | Google
• 3D Viewer | Babylon
• Виртуальная реальность

174x

4x

AIJ Bechmarks Example D - высокое здание, окруженное (единообразными) блоками домов