Improving boundary-layer separation prediction by an IDDES turbulence model using a pressure-gradient sensor

Diese Arbeit erweitert einen Druckgradienten-Sensor zur Verbesserung der Vorhersage von Grenzschichtablösungen vom RANS- auf das IDDES-Turbulenzmodell, wodurch die Genauigkeit bei der Simulation von Strömungsabriss und Post-Stall-Regimen über einen weiten Anstellwinkelbereich hinweg signifikant gesteigert wird, ohne die Vorhersagequalität für angeheftete Strömungen zu beeinträchtigen.

Das Wesentliche

Stellen Sie sich vor, Sie entwerfen einen neuen Windradflügel oder ein Flugzeug. Das größte Problem, das Ingenieure haben, ist nicht, wie der Flügel fliegt, wenn alles glatt und ruhig ist. Das Problem ist, wenn es stürmt oder wenn das Flugzeug zu steil ansteigt. Dann passiert etwas Tückisches: Die Luft, die normalerweise straff über den Flügel strömt, reißt ab. Man nennt das Strömungsabriss (im Englischen "Stall").

Wenn die Luft abreißt, verliert das Flugzeug oder die Windturbine schlagartig den Auftrieb und kann abstürzen oder sich nicht mehr drehen.

Bisher hatten Computermodelle, die solche Strömungen simulieren, ein großes Dilemma:

1. Die alten Modelle (RANS) waren gut darin zu sagen, wie ein Flügel bei ruhigem Wetter fliegt, aber sie waren blind für den plötzlichen, chaotischen Abriss bei Sturm. Sie sagten oft: "Alles super!", obwohl die Luft längst abgerissen war.
2. Die neuen, komplexeren Modelle (IDDES) waren gut darin, das chaotische Sturmwetter zu simulieren, aber sie waren zu vorsichtig. Sie sagten: "Die Luft hält noch fest!", selbst wenn sie längst abgerissen war. Sie konnten den Moment des Absturzes nicht vorhersagen.

Die Lösung dieses Papers: Ein smarter "Luft-Druck-Sensor"

Die Forscher aus den USA haben eine Art intelligenten Sensor entwickelt, der in diese neuen Computermodelle eingebaut wurde. Man kann sich das wie folgt vorstellen:

Stellen Sie sich vor, die Luftströmung ist wie ein Fluss, der über einen Felsen (den Flügel) fließt.

• Das Problem: Wenn der Fluss zu steil wird (ein "Gegendruck"), will das Wasser eigentlich abreißen und einen Wasserfall bilden. Die alten Computermodelle ignorierten diesen Drang zum Abreißen.
• Der Sensor: Die Forscher haben einen kleinen "Wächter" eingebaut. Dieser Wächter spürt, wenn der Druck im Fluss ungesund wird (ein starker "Gegendruck").
• Die Reaktion: Sobald der Wächter diesen gefährlichen Druck spürt, tut er zwei Dinge:
  1. Er macht die Luft im Computermodell "dünner" (weniger Reibung), damit sie leichter abreißt, wie es in der Realität passiert.
  2. Er schaltet einen "Korrektur-Hebel" aus, der normalerweise verhindert, dass die Luft abreißt. Dieser Hebel war eigentlich dafür gedacht, die Luft bei gutem Wetter stabil zu halten, aber im Sturm störte er nur und hielt die Luft unnatürlich fest.

Das Ergebnis: Ein Modell für alle Fälle

Früher brauchte man zwei verschiedene Modelle: eines für ruhiges Wetter und eines für den Sturm.
Mit diesem neuen "sensor-gestützten" Modell haben die Forscher einen Universal-Flieger geschaffen.

• Bei ruhigem Wetter fliegt es perfekt (wie ein Sportwagen auf der Autobahn).
• Bei Sturm und Abriss erkennt es genau, wann die Luft abreißt, und sagt den Verlust des Auftriebs korrekt voraus (wie ein erfahrener Pilot, der den Wind spürt).

Warum ist das wichtig?
Das ist wie ein "Allzweck-Werkzeug" für Ingenieure. Sie müssen nicht mehr raten, ob ihr Flügel bei starkem Wind noch sicher ist. Das Modell sagt ihnen genau: "Hier wird es kritisch, hier reißt die Luft ab." Das hilft dabei, sicherere Windräder zu bauen, die auch bei Sturm Energie liefern, und sicherere Flugzeuge, die besser manövrieren können.

Ein kleiner Haken (Die Grenzen)
Das Papier erwähnt auch eine kleine Schwäche: Bei sehr dünnen Flügeln und ganz ruhigem Wetter (niedriger Winddruck) war der Sensor manchmal ein bisschen zu vorsichtig und sagte den Abriss etwas zu früh voraus. Aber das liegt nicht am neuen Sensor-System selbst, sondern daran, wie der Sensor die "Luftdicke" misst. Das ist ein Punkt, an dem die Forscher noch weiterarbeiten wollen.

Zusammenfassend:
Die Forscher haben einen cleveren Trick gefunden, um Computermodelle zu "erziehen", damit sie das Chaos von Sturm und Abriss besser verstehen, ohne dabei die Ruhe bei gutem Wetter zu vergessen. Ein Modell für alle Wetterlagen.

Technische Zusammenfassung

Hier ist eine detaillierte technische Zusammenfassung des vorliegenden Papers auf Deutsch:

Titel: Verbesserung der Vorhersage von Grenzschichtablösung durch ein IDDES-Turbulenzmodell unter Verwendung eines Druckgradienten-Sensors

Autoren: Benjamin S. Savino et al. (University of Mississippi, National Laboratory of the Rockies)

---

1. Problemstellung

Die Vorhersage von Strömungsablösungen ist eine der größten Herausforderungen in der numerischen Strömungsmechanik (CFD), insbesondere für aerodynamische Anwendungen wie Windkraftanlagen und Luftfahrt.

• RANS-Modelle: State-of-the-Art Reynolds-gemittelte Navier-Stokes (RANS)-Modelle (z. B. k-$\omega$ SST) versagen oft bei der Vorhersage von Ablösungen, die durch ungünstige Druckgradienten (APG) an strömungsgünstigen Körpern verursacht werden. Sie neigen dazu, die Strömung zu lange angelegt zu halten.
• Hybride RANS/LES-Modelle (IDDES): Verbesserte Delayed Detached Eddy Simulation (IDDES) Modelle sind hervorragend geeignet, um hochgradig dreidimensionale, instationäre Strömungen im tiefen Stall-Bereich (Deep Stall) und Wirbelablösungen zu erfassen. Allerdings leiden auch sie unter demselben Defizit wie RANS-Modelle: Sie können den Eintritt in den Stall (Stall Onset) und die Ablösung durch Druckgradienten an glatten Körpern oft nicht korrekt vorhersagen.
• Lücke: Es fehlt ein einheitliches Modell, das sowohl den angelegten Strömungsbereich, den Stall-Eintritt, den Post-Stall-Bereich als auch den tiefen Stall-Bereich über einen weiten Anstellwinkelbereich (bis 90°) zuverlässig und kosteneffizient vorhersagen kann.

2. Methodik

Die Autoren erweitern einen bereits für RANS-Modelle entwickelten Druckgradienten-Sensor (APG-Sensor) auf das IDDES-Modell von Gritskevich et al. (2012).

• Der APG-Sensor: Ein Sensor identifiziert lokale Regionen mit starken ungünstigen Druckgradienten. Er basiert auf dem dimensionslosen Parameter $\lambda_\theta$, der den Druckgradienten in Bezug auf die Impulsverlustdicke misst. Wenn $\lambda_\theta$ einen kritischen Schwellenwert unterschreitet, wird die Strömung als ablösungsgefährdet eingestuft.
• Zwei wesentliche Modifikationen am IDDES-Modell:
  1. Reduktion der Wirbelviskosität ($\mu_t$): In Regionen, in denen der Sensor aktiv ist, wird der Koeffizient $a_1$ in der Wirbelviskositätsformel reduziert. Dies verringert den Impulstransport zur Wand und fördert die Ablösung, ähnlich wie bei reinen RANS-Modellen.
  2. Deaktivierung des "Elevation Terms" ($f_e$): Dies ist der kritische neue Beitrag. Das IDDES-Modell enthält einen Term $f_e$ in der Längenskala, der in angelegten Strömungen die Reynoldsspannungen erhöht, um das "Log-Layer-Mismatch" zu vermeiden. Die Autoren zeigen, dass dieser Term die durch die Viskositätsreduktion bewirkte Ablösung aktiv verhindert. Daher wird $f_e$ in den vom Sensor identifizierten Ablösungsregionen lokal auf Null gesetzt ($f_e = 0$).
• Varianten: Das Modell wurde sowohl für vollturbulente als auch für Übergangs- (transitional) IDDES-Varianten (unter Einbeziehung eines $\gamma$-Übergangsmodells) implementiert.

3. Wichtige Beiträge

1. Erweiterung des Sensors: Erfolgreiche Übertragung des APG-Sensors von reinen RANS-Modellen auf das hybride IDDES-Framework.
2. Identifikation des Gegenmechanismus: Nachweis, dass die bloße Reduktion der Wirbelviskosität im IDDES-Modell nicht ausreicht, da der $f_e$-Term die Ablösung unterdrückt. Die lokale Deaktivierung von $f_e$ ist essenziell.
3. Lokale Modifikation: Die Änderungen sind lokal auf die Ablösungsregionen beschränkt, wodurch die Genauigkeit in angelegten Strömungen und im tiefen Stall-Bereich erhalten bleibt.
4. Validierung: Das Modell wurde an fünf verschiedenen Profilen (S809, NACA0012, NACA0021, DU91-W2-250, DU00-W-212) mit Reynolds-Zahlen von $3,9 \times 10^5$bis$3,0 \times 10^6$ validiert.
5. Einheitlicher Ansatz: Demonstration eines einzigen Modells, das den gesamten Bereich von angelegter Strömung bis zum tiefen Stall abdeckt, ohne Neukalibrierung der Modellkoeffizienten.

4. Ergebnisse

• Verbesserung bei Stall-Eintritt und Post-Stall: Das modifizierte Modell (IDDESae) verbessert die Vorhersage von Auftriebs- ($C_l$) und Widerstandsbeiwerten ($C_d$) im Stall- und Post-Stall-Bereich (ca. 10° bis 30° Anstellwinkel) erheblich im Vergleich zum Baseline-IDDES-Modell.
  • Bei Profilen wie S809 und NACA0012 wird der frühe Strömungsabriss korrekt vorhergesagt, während das Baseline-IDDES-Modell die Strömung fälschlicherweise angelegt hält.
  • Die Druckverteilung ($C_p$) zeigt, dass das modifizierte Modell die Ablösung am Vorder- oder Mittelteil des Profils korrekt erfasst, was zu realistischen Druckverteilungen führt.
• Erhaltung der Genauigkeit in anderen Regimen:
  • Angelegte Strömung (Low AOA): Die Genauigkeit im linearen Bereich bleibt weitgehend erhalten (wobei bei einigen dicken Profilen bei niedrigen Reynolds-Zahlen eine leichte Unterschätzung des Auftriebs beobachtet wurde).
  • Tiefer Stall (Deep Stall, AOA > 30°): Das Modell behält die hohe Genauigkeit des Baseline-IDDES bei der Vorhersage von dreidimensionalen, instationären Wirbelstrukturen bei.
• Vergleich mit RANS: Während RANS-Modelle mit APG-Korrektur den Stall-Eintritt gut vorhersagen, versagen sie im tiefen Stall. Das vorgeschlagene IDDES-Modell kombiniert die Stärken beider Ansätze.
• Grenzen: Bei dicken Profilen und niedrigen Reynolds-Zahlen (z. B. NACA0021) führt der Sensor zu einer zu frühen Aktivierung, was zu einer leichten Unterschätzung des Auftriebs im linearen Bereich führt. Die Autoren betonen, dass dies ein Problem des zugrunde liegenden APG-Sensors ist und nicht der Integration in IDDES.

5. Bedeutung und Fazit

Diese Arbeit stellt einen bedeutenden Fortschritt in der Turbulenzmodellierung dar, indem sie eine einheitliche Modellierungslösung für komplexe Strömungsregime bietet.

• Praktische Relevanz: Das Modell ermöglicht zuverlässige Vorhersagen für Windkraftanlagen und Luftfahrzeuge über den gesamten Betriebsbereich, von der normalen Fahrt bis zum tiefen Stall, ohne den hohen Rechenaufwand von reinen LES/DNS-Simulationen.
• Methodische Einsicht: Die Erkenntnis, dass hybride RANS/LES-Modelle zusätzliche Mechanismen (wie $f_e$) enthalten, die die gezielte Förderung von Ablösungen verhindern, ist ein wichtiger theoretischer Beitrag. Die lokale Deaktivierung dieser Terme ist der Schlüssel zur erfolgreichen Anwendung.
• Zukunftsausblick: Die identifizierten Schwächen bei niedrigen Reynolds-Zahlen deuten auf die Notwendigkeit hin, den APG-Sensor selbst weiter zu verallgemeinern, um ihn über einen noch breiteren Bereich von Reynolds-Zahlen und Profiltypen robust einzusetzen.

Zusammenfassend liefert das vorgeschlagene IDDESae-Modell eine robuste, präzise und kosteneffiziente Methode zur Simulation von Strömungsablösungen, die die Lücke zwischen reinen RANS- und reinen LES-Ansätzen schließt.