A modelação de turbulências desempenha um papel fundamental na dinâmica de fluidos computacional (CFD), uma vez que tem como objetivo prever o comportamento de fluxos turbulentos. Estes modelos são essenciais para criar aplicações de engenharia eficientes e seguras, tais como a análise e o dimensionamento de interações vento-estrutura. Existem várias abordagens para a modelação da turbulência, sendo três os modelos mais utilizados o Reynolds-Averaged Navier-Stoke (RANS), o Reynolds-Averaged Navier-Stoke (URANS) e o Delayed Destaced ERF Simulation (DDES). Cada um destes modelos tem características distintas e aplicações específicas.
O RWIND utiliza modelos de turbulência URANS e DDES como modelos de turbulência transitórios aplicáveis na área da engenharia estrutural. Estes modelos foram escolhidos pela sua capacidade de equilibrar eficiência computacional e precisão, tornando-os viáveis para um vasto conjunto de aplicações na engenharia estrutural. O URANS oferece um custo computacional moderado enquanto captura fenómenos transitórios em grande escala, enquanto que o DDES combina os pontos fortes do RANS e do Large Edy Simulation (LES) para providenciar uma resolução detalhada de estruturas turbulentas complexas. Com a integração desses modelos, o RWIND aumenta a sua capacidade de simular o comportamento das interações vento-estrutura, garantindo eficiência e precisão nas suas análises.
URANS (Navier-Stoke não estacionário com média de Reynolds)
O URANS baseia-se no método RANS ao acomodar alterações dependentes do tempo no campo de fluxo e, assim, captar efeitos instáveis da carga de vento. Isto permite à URANS modelar características de fluxo transitório em maior escala e comportamentos oscilatórios, tais como o desprendimento de vórtices de cantos de edifícios. Embora o URANS ofereça melhorias em relação ao RANS na captura da instabilidade, ainda utiliza modelos de viscosidade e turbulência que podem não resolver adequadamente estruturas turbulentas mais finas.
DDES (simulação de turbulência destacada posteriormente)
DDES is a hybrid method that integrates RANS and Large Eddy Simulation (LES) techniques. Em regiões com uma camada limite anexada, o DDES funciona como um modelo RANS, garantindo a eficiência computacional. Em áreas onde o fluxo se destaca e onde prevalecem as estruturas turbulentas maiores, o DDES muda para um modo LES para uma resolução mais precisa. Esta abordagem é particularmente eficaz para fluxos complexos que ocorrem em torno de bordas e cantos de edifícios, por exemplo, em torno de bordas e cantos de edifícios. O DDES obtém um bom equilíbrio entre custo computacional e precisão, tornando-o adequado para a simulação de fluxos com um número de Reynolds alto com regiões separadas e instáveis.
Vantagens e desvantagens do URANS e do DDES
Vantagens do URANS
- Capacidades dependentes do tempo: O URANS consegue captar fenómenos instáveis e características de fluxo transitório, tais como desprendimento de vórtices, o que o RANS não não consegue.
- Custo computacional moderado: Embora seja mais computacionalmente intensivo do que o RANS, o URANS ainda é relativamente eficiente em comparação com modelos mais complexos como o LES ou o DDES.
- Prático para aplicações de engenharia: O URANS é adequado para muitos sistemas de engenharia práticos, onde é importante captar comportamentos instáveis em grande escala.
Desvantagens do URANS
- Precisão limitada para fluxos complexos: O URANS pode não prever com precisão estruturas turbulentas mais finas devido à sua dependência de modelos de turbulência e viscosidade.
- Ainda médio no tempo: Embora de forma menos rigorosa do que o RANS, o URANS efetua uma média do fluxo ao longo do tempo, o que pode suavizar alguns detalhes transitórios importantes.
- Menos efetivo para fluxos fortemente separados: O URANS pode ter dificuldades com fluxos com separação e recobrimento significativos, uma vez que não é tão refinado como os métodos LES ou híbridos nestes cenários.
Vantagens DDES
- Abordagem híbrida: O método DDES combina os pontos fortes de RANS e LES, permitindo uma simulação eficiente quer de camadas limite anexadas quer de regiões turbulentas destacadas.
- Precisão em fluxos complexos: O DDES pode resolver com mais precisão grandes estruturas turbulentas e comportamentos complexos do fluxo, tais como separações, reacções e estribos, fornecendo melhores previsões para fluxos com valores de Reynolds elevados.
- Eficácia computacional: Ao alternar entre os modos RANS e LES, o DDES mantém um equilíbrio entre o custo computacional e a precisão da simulação, tornando-o mais eficiente do que o LES completo.
Desvantagens DDES
- Custo computacional superior ao URANS: O valor computacional DDES é mais intensivo computacionalmente do que o URANS devido à necessidade de cálculos LES em determinadas regiões de fluxo.
- Implementação complexa: A natureza híbrida da DDES requer uma implementação e calibração cuidadosas, para garantir que o modelo transicione sem problemas entre as regiões RANS e LES.
- Sensibilidade para resolução de grelha: O desempenho do DDES é altamente dependente da qualidade e da resolução da grelha computacional, particularmente nas regiões onde o modelo muda de RANS para LES.
Conclusão
Em resumo, o URANS é vantajoso para captar fenómenos instáveis em grande escala a um custo computacional moderado, mas pode falhar em precisão para fluxos turbulentos complexos. O DDES oferece uma representação mais precisa de tais fluxos através da combinação dos métodos RANS e LES, apesar de vir com maiores exigências computacionais e complexidade.
Base de dados de conhecimento
Base de dados de conhecimento
