A variable-coefficient model for decay of isotropic turbulence capturing effects of finite cascade time and Reynolds number

Dieses Papier schlägt ein Modell mit variablerem Koeffizienten $C_{\epsilon2}$ für das $k$-$\epsilon$-Turbulenzmodell vor, das die endliche Kaskadenzeit und Reynolds-Zahl-Effekte berücksichtigt und dadurch den Zerfall und das Wachstum isotroper Turbulenz in verschiedenen Strömungsszenarien präzise erfasst.

Das Wesentliche

Stellen Sie sich Turbulenz (die chaotische, wirbelnde Bewegung von Fluiden wie Luft oder Wasser) wie einen riesigen, komplexen Wasserfall vor. In diesem Wasserfall brechen große Wellen zu kleineren Kräuselwellen ab, die wiederum zu noch kleineren Spritzern zerfallen, bis die Energie schließlich als Wärme verschwindet. Dieser Prozess wird als „Energiekaskade“ bezeichnet.

Seit Jahrzehnten nutzen Ingenieure ein Regelwerk (mathematische Modelle), um vorherzusagen, wie sich dieser Wasserfall verhält. Eines der populärsten Regelwerke ist das $k-\epsilon$-Modell. Es versucht zwei Dinge zu schätzen: wie viel Energie in dem Wasser steckt ($k$) und wie schnell diese Energie verschwindet ($\epsilon$).

Es gibt jedoch ein spezifisches „Einstellrad“ in diesem Regelwerk, genannt $C_{\epsilon2}$, welches steuert, wie schnell die Energie verschwindet. Lange Zeit nahmen Wissenschaftler an, dass dieses Einstellrad fest sei – wie ein Thermostat, der auf eine permanente Temperatur eingestellt ist. Sie glaubten, es spiele keine Rolle, ob das Wasser schnell oder langsam fließt oder ob man die Strömung gerade erst gestartet hat oder sie schon länger laufen lässt; das Einstellrad bliebe gleich.

Das Problem:
Die Autoren dieser Arbeit, Forscher von der Stanford University und den Los Alamos National Laboratories, führst extrem detaillierte Computersimulationen durch (wie hochauflösende Filme des Wasserfalls) und fanden heraus, dass das alte Regelwerk falsch war. Sie entdeckten, dass das „Einstellrad“ ($C_{\epsilon2}$) nicht fest ist. Es bewegt sich tatsächlich.

Stellen Sie sich das wie einen Automotor vor. Wenn man plötzlich aufs Gas tritt (Energie einspeist), reagiert der Motor nicht sofort; es dauert einen Moment, bis er hochdreht. Ähnlich verhält es sich mit der Turbulenz: Es benötigt eine endliche Zeit, bis die Energie von den großen Wellen hinunter zu den winzigen Kräuselwellen wandert, wo sie verschwindet. Diese „Reisezeit“ ändert sich je nachdem, wie schnell das Wasser fließt (Reynolds-Zahl) und ob man gerade Energie hinzufügt oder die Strömung abklingen lässt.

Die Entdeckung:
Durch die Beobachtung ihrer hochauflösenden Simulationen sahen die Forscher:

1. Wenn die Turbulenz abklingt (zerfällt): Beginnt das „Einstellrad“ bei einem bestimmten Wert und verschiebt sich über die Zeit langsam zu einem neuen, stabilen Wert. Es geschieht nicht instantan; es besitzt ein „Gedächtnis“ dafür, wie die Strömung begann.
2. Wenn man die Turbulenz zum Wachsen zwingt (Energie hinzufügt): Sinkt das „Einstellrad“ signifikant ab. Das System ist aus dem Gleichgewicht, weil Energie schneller hineingepumpt wird, als sie durch die Kaskade zu den winzigen Kräuselwellen fließen kann, um dort „verbrannt“ zu werden.

Die Lösung:
Anstatt das Einstellrad als eine feste Zahl zu behandeln, haben die Autoren eine neue Regel entwickelt, die das Einstellrad zu einer Variablen macht. Sie schrieben eine neue Gleichung, die dem Einstellrad sagt, wie es sich basierend auf zwei Dingen bewegt:

• Der aktuellen Geschwindigkeit der Strömung (Reynolds-Zahl).
• Der Geschichte der Strömung (Haben wir sie gerade erst eingeschaltet? Klagt sie gerade ab? Wird sie gerade verstärkt?).

Sie verglichen dieses neue, „intelligente“ Einstellrad mit ihren hochauflösenden Simulationen. Die Ergebnisse zeigten, dass das alte Modell mit dem festen Einstellrad oft das Timing falsch berechnete und vorhersagte, dass Energie zu schnell oder zu langsam verschwindet. Das neue Modell, das es zulässt, dass sich das Einstellrad verändert, entsprach der realen Physik fast perfekt.

Die Analogie:
Stellen Sie sich vor, Sie versuchen vorherzusagen, wie lange ein Lagerfeuer brennen wird.

• Das alte Modell: Geht davon aus, dass das Feuer unabhängig von äußeren Umständen mit einer konstanten Rate brennt. Wenn man einen Holzscheit hinzufügt, brennt es einfach mit derselben Geschwindigkeit weiter.
• Das neue Modell: Erkennt, dass das Feuer nicht sofort mit einer neuen Rate brennt, wenn man einen Holzscheit hinzufügt. Es braucht Zeit, bis das neue Holz Feuer fängt, bis die Hitze sich ausbreitet und bis sich die Flammen angepasst haben. Die „Abbrandrate“ ändert sich dynamisch, basierend darauf, wie viel Holz man gerade hinzugefügt hat und wie groß das Feuer in einem Moment zuvor war.

Das Wesentliche:
Diese Arbeit behauptet nicht, jedes Problem der Fluiddynamik zu lösen. Sie konzentriert sich spezifisch auf isotrope Turbulenz (Turbulenz, die in alle Richtungen gleich aussieht, wie ein perfekt umgerührter Topf Suppe). Die Autoren haben erfolgreich bewiesen, dass, indem sie den „Zerfallskoeffizienten“ zu einem beweglichen Ziel machen, das auf die Geschichte und die Geschwindigkeit der Strömung reagiert, sie das Abklingen oder Wachsen von Turbulenz weitaus genauer vorhersagen können als Standardmodelle mit festem Koeffizienten.

Sie räumen ein, dass dies ein erster Schritt ist. Ihr Modell funktioniert hervorragend für diese spezifischen, kontrollierten Simulationen, muss aber noch in komplexeren, realen Szenarien (wie Luft, die über einen Flügel strömt) getestet werden, bevor es im alltäglichen Ingenieurwesen eingesetzt werden kann.

Technische Zusammenfassung

Technische Zusammenfassung: Ein Modell mit variablen Koeffizienten für den Zerfall isotroper Turbulenz

Problemstellung
Im Kontext der Reynolds-Averaged Navier-Stokes-Modellierung (RANS) stellt das $k-\epsilon$-Framework einen Standardansatz zur Vorhersage turbulenter Strömungen dar. Ein kritischer Parameter innerhalb dieser Modellfamilie ist der Koeffizient $C_{\epsilon2}$, der den Zerfall der turbulenten kinetischen Energie ($k$) und der Dissipationsrate ($\epsilon$) steuert. Traditionell wird $C_{\epsilon2}$ als Konstante (typischerweise 1,92) behandelt, was den Exponenten $n$ des zeitlichen Zerfallsgesetzmäßigkeit über die Relation $n = 1/(C_{\epsilon2} - 1)$ verknüpft. Umfangreiche computergestützte und experimentelle Literatur zeigt jedoch, dass der Zerfallsexponent $n$ nicht universell ist; er variiert mit der instantanen Reynolds-Zahl ($Re_T$) und der Historie der Energiezufuhr (Anfangsbedingungen). Zudem versagt die Annahme eines konstanten $C_{\epsilon2}$ bei der Erfassung der Dynamik der Turbulenz in Nichtgleichgewichtszuständen, wie etwa bei schnellem Wachstum oder Zerfall, wo die endliche Zeit des Energiekaskadenprozesses von den großen zu den dissipativen Skalen eine entscheidende Rolle spielt. Bestehende Versuche, diese Variabilität zu modellieren, wie etwa Multi-Skalen-Modelle, stützen sich oft auf nicht messbare interne Variablen, was ihren praktischen Nutzen einschränkt.

Methodik
Die Autoren verwenden hochauflösende Direct Numerical Simulations (DNS) und Large Eddy Simulations (LES), um die mathematischen Terme zu untersuchen, die für den Zerfall isotroper Turbulenz verantwortlich sind.

• Simulationen: Die Studie nutzt einen pseudospektralen Code zur Lösung der inkompressiblen Impulsgleichungen auf einem tripl periodischen Gebiet. Die Simulationen decken ein Spektrum von Reynolds-Zahlen ($Re_T$ von 78 bis 382) sowohl für stationäre erzwungene Turbulenz als auch für Szenarien des freien Zerfalls und des erzwungenen Wachstums ab.
• Forcing-Strategie: Um domänenunabhängige Turbulenz aufrechtzuerhalten, wird ein linearer Forcing-Term unter Verwendung eines Hochpassfilters auf das Geschwindigkeitsfeld angewendet, der Energie nur bei Wellenzahlen $\kappa > 2$ einspeist. Dies imitiert die Scherverzeugung in kontrollierter Weise.
• Datenanalyse: Die Autoren analysieren die exakte Transportgleichung für die Dissipationsrate ($\epsilon$). Sie beobachten, dass, während die einzelnen Terme der Dissipationsgleichung (speziell die turbulente Produktion $P_\epsilon$ und die viskose Dissipation $Y$) mit steigender Reynolds-Zahl divergieren, deren kombinierte Wirkung ($P_\epsilon - Y$) konvergent bleibt und gegenüber $Re_T$ unempfindlich ist, wenn die Reynolds-Zahl gegen Unendlich geht.
• Modellentwicklung: Durch die Berechnung von $C_{\epsilon2}$ aus DNS-Daten mittels der Relation $C_{\epsilon2} = -(P_\epsilon - Y)k/\epsilon^2$ beobachten die Autoren, dass $C_{\epsilon2}$ nicht konstant ist. Es entwickelt sich über die Zeit, reagiert empfindlich auf die Reynolds-Zahl und auf die Historie der Energiezufuhr. Basierend auf diesen Beobachtungen schlagen sie eine phänomenologische Evolutionsgleichung für $C_{\epsilon2}$ vor, anstatt es aus ersten Prinzipien abzuleiten.

Wesentliche Beiträge
Der primäre Beitrag dieser Arbeit ist die Entwicklung eines Modells mit variablem Koeffizienten für $C_{\epsilon2}$, das einen messbaren Eingangsraum beibehält und dennoch die endliche Kaskadenzeit sowie Reynolds-Zahl-Effekte erfasst.

1. Evolutionsgleichung für $C_{\epsilon2}$: Die Autoren schlagen eine gedämpfte Evolutionsgleichung erster Ordnung (Gl. 13) vor, bei der $C_{\epsilon2}$ als dynamische Variable behandelt wird:
   $$\frac{dC_{\epsilon2}}{dt} = A_D \frac{\epsilon - P}{k} (C_{\epsilon D} - C_{\epsilon2}) + A_F \frac{P}{k} (C_{\epsilon F} - C_{\epsilon2})$$
   Hierbei ist $P$ die Produktionsrate. Die Gleichung unterscheidet zwischen Zerfallsverhalten (Index $D$) und erzwungenem Verhalten (Index $F$).
2. Reynolds-Zahl-Abhängigkeit: Die Modellkoeffizienten ($A_D, A_F, C_{\epsilon D}$) sind als Funktionen von $Re_T$ formuliert. Basierend auf der Skalierungsanalyse sind die Korrekturen der endlichen Reynolds-Zahl erster Ordnung proportional zu $Re_T^{-1/2}$.
3. Theoretische Randbedingungen: Das Modell erzwingt $C_{\epsilon F} = 1$ für stationäre erzwungene Turbulenz, ein Wert, der theoretisch für lineares Forcing hergeleitet wurde, und bestimmt asymptotische Werte für $C_{\epsilon D}$ in den Grenzfällen niedriger und hoher Reynolds-Zahlen ($C^0_{\epsilon D} = 1,5$ und $C^\infty_{\epsilon D} = 1,73$).

Ergebnisse
Das vorgeschlagene Modell wurde unter Verwendung von DNS-Daten für $Re_T = 78, 133, 180$ und $382$ abgestimmt und gegen einen unabhängigen Fall ($Re_T = 240$) sowie einen LES-Fall mit unendlicher Reynolds-Zahl validiert.

• Dynamisches Verhalten: Das Modell reproduziert erfolgreich die nicht-monotone Entwicklung von $C_{\epsilon2}$, die in der DNS beobachtet wurde. Für zerfallende Turbulenz steigt $C_{\epsilon2}$ von einem Anfangswert an und strebt gegen einen Reynolds-abhängigen Wert. Für wachsenden Turbulenz sinkt $C_{\epsilon2}$ ab, fällt unter den Wert eins und steigt dann wieder an.
• Vorhersagegenauigkeit: Bei der Integration in einen RANS-Solver sagt das Modell mit variablem $C_{\epsilon2}$ die zeitliche Entwicklung sowohl der turbulenten kinetischen Energie ($k$) als auch der Dissipationsrate ($\epsilon$) über Zerfalls- und Wachstumsszenarien hinweg präzise voraus.
• Vergleich mit Standardmodellen: Das vorgeschlagene Modell schneidet signifikant besser ab als das Standard-$k-\epsilon$-Modell (welches einen konstanten $C_{\epsilon2} = 1,92$ annimmt). Das Standardmodell versagt bei der Erfassung des schnellen Zerfalls der TKE in Fällen mit unendlicher Reynolds-Zahl und weist quantitative Ungenauigkeiten in Wachstumsregimen mit variierenden Energiezufuhren auf.
• Robustheit: Das Modell zeigt eine Unempfindlichkeit gegenüber dem Verhältnis der Zeitskalen des Turbulenzwachstums zu den großen Wirbel-Durchlaufzeiten (Eddy Turnover Times) und arbeitet selbst bei Tests mit Energiezufuhteraten, die 50 % niedriger oder höher als die Abstimmungsdaten liegen, zuverlässig.

Bedeutung und Ansprüche
Die Autoren positionieren diese Arbeit als einen inkrementellen Schritt zur Verbesserung bestehender Turbulenzmodelle. Sie behaupten, dass das Modell durch die Behandlung von $C_{\epsilon2}$ als eine Variable, die durch eine Evolutionsgleichung gesteuert wird, wesentliche physikalische Aspekte erfasst – insbesondere die endliche Zeit der Energiekaskade und die Reynolds-Zahl-Effekte –, die in Modellen mit konstanten Koeffizienten verloren gehen. Die Studie betont, dass das Modell phänomenologisch auf Basis von DNS-Beobachtungen vorgeschlagen und nicht streng hergeleitet wurde.

Die Autoren weisen explizit auf Einschränkungen und zukünftige Anforderungen für eine breitere Anwendung hin:

• Die aktuellen Daten sind durch endliche Box-Größen und einen begrenzten Bereich von Reynolds-Zahlen begrenzt.
• Das Modell wurde noch nicht für inhomogene Strömungen validiert; die Erweiterung um Transportterme ist ein notwendiger zukünftiger Schritt.
• Das Modell ist derzeit für Regime gültig, in denen die Produktion vergleichbar mit der Dissipation ist ($P \leq O(\epsilon)$), und eignet sich möglicherweise nicht für extreme oder abrupte Energiezufuhren ohne Korrekturen höherer Ordnung.
• Die Annahme des linearen Forcings, das zur Ableitung von $C_{\epsilon F} = 1$ verwendet wurde, mag sich von physikalischen Produktionsmechanismen unterscheiden, wenngleich die Autoren argumentieren, dass das lineare Forcing ein angemessener Stellvertreter für die Effekte mittlerer Geschwindigkeitsgradienten ist.

Zusammenfassend lässt sich sagen, dass die Arbeit demonstriert, dass ein Modell mit variablem $C_{\epsilon2}$, das durch hochauflösende Daten und Skalierungsargumente gestützt wird, eine genauere Darstellung des Zerfalls und Wachstums isotroper Turbulenz bietet als traditionelle Modelle mit konstanten Koeffizienten, und damit eine Grundlage für zukünftige Verbesserungen der RANS-Modellierung schafft.