Analysis and reformulation of the $k$--$ω$ turbulence model for buoyancy-driven thermal convection

Este estudio deriva una solución analítica para el modelo estándar $k$--$\omega$ en la convección de Rayleigh--Bénard para identificar discrepancias en el tratamiento de la flotabilidad, lo que conduce a un modelo reformulado con dos nuevas funciones algebraicas que mejoran significativamente las predicciones de la temperatura media y el flujo de calor turbulento en diversos flujos impulsados por flotabilidad.

Lo esencial

Imagina que estás tratando de predecir cómo se mueve el calor a través de una olla de agua sobre una estufa. En el mundo de la física, esto se llama convección impulsada por flotabilidad: el fluido caliente sube, el fluido frío baja y se mezclan en una danza caótica llamada turbulencia.

Para los ingenieros que diseñan cosas como reactores nucleares o sistemas de ventilación de edificios, necesitan una forma de predecir este movimiento de calor sin simular cada gota de agua giratoria (lo que llevaría a supercomputadoras años de cálculo). En su lugar, utilizan un método "abreviado" llamado RANS (Promedio de Reynolds de las Ecuaciones de Navier-Stokes). Piensa en RANS como un pronóstico del tiempo: no rastrea cada gota de lluvia individual, pero predice el patrón general de la tormenta.

La "herramienta de pronóstico" más popular para esto es un modelo llamado el modelo k–ω. Sin embargo, durante décadas, esta herramienta ha tenido un punto ciego. Funciona muy bien para el viento que sopla sobre un ala (flujo de corte), pero cuando se trata del calor que se eleva desde un piso caliente (flotabilidad), a menudo se equivoca en los números. Es como un GPS que sabe conducir por una autopista pero se pierde completamente en una cuadrícula urbana.

El Problema: El GPS "Ciego"

El artículo explica que el modelo k–ω estándar no sabe cómo manejar el "empuje" que el calor le da al fluido.

• La Vieja Forma: Los ingenieros intentaron solucionar esto adivinando. Agregaron una "perilla" (una constante matemática) al modelo, subiéndola o bajándola según si el aire era estable o inestable. Pero no había un manual de instrucciones. Un software giraba la perilla a 1, otro a 0 y otro a -2. Era un desorden de conjeturas y los resultados a menudo eran inexactos, especialmente para fluidos muy espesos (número de Prandtl alto) o muy delgados (número de Prandtl bajo).

La Solución: Un Nuevo Mapa

La autora, Da-Sol Joo, decidió dejar de adivinar y empezar a deducir.

1. El Laboratorio: En lugar de observar una habitación real y desordenada, la autora creó un "laboratorio" perfecto y simplificado en matemáticas: una capa plana e infinita de fluido calentada desde abajo (convección de Rayleigh-Bénard). En este mundo perfecto, el fluido no se mueve de lado; solo se mueve hacia arriba y hacia abajo. Esto permitió a la autora resolver las ecuaciones en papel para ver exactamente cómo el modelo debería comportarse.
2. El Descubrimiento: Las matemáticas revelaron que el modelo estándar estaba prediciendo la relación incorrecta entre el calor, el espesor del fluido y la temperatura. Era como una balanza que siempre pesaba los objetos pesados como si fueran ligeros.
3. La Solución: La autora no tiró todo el modelo. En su lugar, agregó dos ajustes diminutos e inteligentes (funciones algebraicas) al "cerebro" del modelo:
   • Ajuste 1 (Para fluidos delgados): Un ajuste que cambia cómo el modelo maneja la "disipación" (qué tan rápido muere la turbulencia) cuando el fluido es delgado.
   • Ajuste 2 (Para fluidos espesos): Un ajuste que cambia cómo se difunde el calor justo al lado de las paredes cuando el fluido es espeso.

Crucialmente, estos ajustes son inteligentes. Solo se activan cuando está presente la flotabilidad (calor que sube). Si no hay calor, el modelo vuelve a su forma original y estándar. Es como agregar una lente especial a una cámara que solo se activa cuando estás tomando una foto de una puesta de sol; para fotos normales, la cámara funciona exactamente como siempre lo hizo.

Los Resultados: Un Mejor Pronóstico

La autora probó este nuevo modelo "corregido" contra una amplia variedad de escenarios, no solo la configuración simple del laboratorio:

• Habitaciones calentadas: Donde el calor proviene del interior de la habitación (como el núcleo de un reactor nuclear).
• Flujos mixtos: Donde el viento sopla y el calor sube al mismo tiempo.
• Diferentes formas: Habitaciones altas y estrechas frente a habitaciones anchas y bajas.

El Resultado:

• El modelo antiguo a menudo fallaba en el objetivo en un 50% o más al predecir cuánto calor se transfería.
• El nuevo modelo corregido dio en el blanco con alta precisión en todas estas diferentes situaciones.
• Predijo con éxito cómo se mueve el calor en fluidos muy espesos (como el aceite) y muy delgados (como los metales líquidos), áreas donde el modelo antiguo fallaba miserablemente.

El Panorama General

El artículo argumenta que no necesitamos construir una máquina completamente nueva y excesivamente compleja para resolver este problema. El "GPS" existente (el modelo k–ω) solo le faltaban algunas instrucciones específicas para el calor. Al deducir las instrucciones correctas desde los primeros principios y agregarlas como ajustes simples e inteligentes, la autora creó una herramienta que es:

• Precisa: Predice correctamente la transferencia de calor.
• Simple: No requiere una nueva potencia de computación masiva.
• Robusta: No se bloquea ni da respuestas extrañas cuando cambian las condiciones.

En resumen, el artículo toma una brújula rota, descubre exactamente por qué estaba girando en círculos y agrega un pequeño imán para hacerla apuntar al Norte nuevamente, permitiendo a los ingenieros navegar el complejo mundo de la turbulencia impulsada por el calor con confianza.

Resumen técnico

A continuación se presenta un resumen técnico detallado del artículo "Análisis y reformulación del modelo de turbulencia k–ω para convección térmica impulsada por flotabilidad" de Da-Sol Joo.

1. Planteamiento del Problema

La turbulencia impulsada por flotabilidad (por ejemplo, convección natural, convección de Rayleigh–Bénard) es ubicua en flujos de ingeniería y geofísicos. Si bien los modelos de Reynolds-averaged Navier–Stokes (RANS), particularmente los modelos de dos ecuaciones como $k$–$\varepsilon$ y $k$–$\omega$, son ampliamente utilizados debido a su rentabilidad, carecen de una formulación estándar universalmente aceptada para incorporar los efectos de flotabilidad.

• El Problema Central: No existe una guía analítica sobre cómo modelar el término de producción por flotabilidad en la ecuación que determina la escala (la ecuación de $\varepsilon$ o $\omega$).
• Limitaciones Actuales: Los enfoques existentes son en gran medida empíricos. Algunos omiten por completo los términos de flotabilidad, mientras que otros los añaden de manera análoga a la producción por cizalla. Estos métodos a menudo fallan en reproducir las leyes de escalado correctas para el número de Nusselt ($Nu$) en función de los números de Rayleigh ($Ra$) y Prandtl ($Pr$), particularmente bajo estratificación inestable.
• Déficit Específico: Los modelos estándar a menudo predicen comportamientos asintóticos incorrectos, como $Nu \sim Pr^{-0.415}$ para $Pr$ altos, whereas los datos experimentales y de DNS sugieren que $Nu$ debería ser casi independiente de $Pr$($Nu \sim Pr^0$) en este régimen.

2. Metodología

El estudio emplea un enfoque analítico riguroso combinado con validación numérica para derivar y corregir el modelo estándar $k$–$\omega$ de Wilcox (2006).

A. Marco Analítico

• Caso de Prueba Canónico: El autor deriva una solución analítica exacta para el modelo estándar $k$–$\omega$ aplicado a convección de Rayleigh–Bénard estadísticamente unidimensional en una capa infinita.
• Aislamiento de Mecanismos: En esta configuración, la velocidad media es cero y la energía cinética turbulenta ($k$) se genera únicamente por flotabilidad. Esto aísla el papel del término de flotabilidad en la ecuación de $\omega$, algo difícil de lograr en flujos impulsados por cizalla.
• Derivación: La solución relaciona explícitamente el número de Nusselt ($Nu$) con $Ra$y$Pr$. Analiza el equilibrio entre la producción por flotabilidad, la disipación y la difusión tanto en las regiones cercanas a la pared como en el núcleo para determinar los exponentes de escalado.

B. Reformulación y Corrección

Basado en las discrepancias analíticas identificadas, el autor propone una reformulación que involucra dos funciones algebraicas adimensionales:

1. Corrección al Coeficiente de Flotabilidad ($C_{\omega b}$):

   • La constante estándar $C_{\omega b}$ se reemplaza por una función de $Pr$ para corregir el escalado de bajo $Pr$.
   • Para estratificación inestable ($P_b > 0$), el coeficiente se modifica a:
     $$C_{\omega b}^+ = -0.9752 - 0.2988 Pr^{-5/16}$$
   • Para estratificación estable ($P_b < 0$), una derivación analítica basada en flujo de cizalla homogéneo estratificado establemente arroja una nueva constante:
     $$C_{\omega b}^- = -0.5385$$
     (Esto reemplaza el valor empírico $C_{\omega b} \approx -2$ comúnmente utilizado, asegurando que el modelo se estabilice en el umbral correcto del número de Richardson de flujo).

2. Corrección a la Difusividad Térmica Turbulenta ($a_T$):

   • Para corregir el comportamiento de alto $Pr$, se introduce una función de modificación cerca de la pared $\psi$ a la difusividad térmica turbulenta ($a_T = \nu_T / Pr_T + \psi$).
   • Esta función se anula en ausencia de flotabilidad y mejora el flujo de calor cerca de la pared para recuperar el escalado $Nu \sim Pr^0$ para $Pr \gg 1$.
   • La función depende del número de Reynolds turbulento ($Re_T$), $Pr$ y la relación entre la producción por flotabilidad y la disipación ($P_b/\varepsilon$).

C. Validación

El modelo corregido se valida frente a:

• Soluciones Analíticas: Comparando las leyes de escalado derivadas con simulaciones 1D.
• Datos de DNS y Experimentales: Validando frente a una amplia gama de conjuntos de datos que incluyen:
  • Convección de Rayleigh–Bénard (cavidades cuadradas 1D y 2D).
  • Convección con calentamiento interno (enfriamiento superior y enfriamiento superior e inferior).
  • Flujo de Couette estratificado inestablemente (convección mixta).
  • Convección natural con calentamiento lateral en cavidades rectangulares (variando relaciones de aspecto).

3. Contribuciones Clave

1. Solución Analítica para $k$–$\omega$: El artículo proporciona la primera solución analítica explícita para el modelo estándar $k$–$\omega$ en un flujo de Rayleigh–Bénard estadísticamente 1D dominado por flotabilidad. Esto revela el origen matemático de los errores de escalado del modelo.
2. Derivación de Leyes de Escalado: El análisis deriva explícitamente las escalas predichas por el modelo ($Nu \sim Ra^{1/3}Pr^{1/3}$ para bajo $Pr$y$Nu \sim Ra^{1/3}Pr^{-0.415}$ para alto $Pr$) y las contrasta con las tendencias observadas físicamente ($Nu \sim Pr^{1/8}$ y $Nu \sim Pr^0$).
3. Reformulación Sistemática: En lugar de un ajuste empírico ad-hoc, el artículo deriva dos funciones de corrección algebraicas que:
   • Recuperan el escalado correcto $Nu$–$Pr$ en todo el rango ($10^{-3} \le Pr \le 10^3$).
   • Aseguran la compatibilidad total con el modelo estándar (las correcciones se anulan cuando no hay flotabilidad).
   • Proporcionan un valor teóricamente consistente para estratificación estable ($C_{\omega b} = -0.5385$).
4. Robustez en Regímenes: Se demuestra que las correcciones son efectivas no solo en convección pura de Rayleigh–Bénard, sino también en convección mixta (flujo de Couette) y flujos con calentamiento interno.

4. Resultados

• Precisión de Escalado: El modelo corregido reproduce con éxito las tendencias experimentales:
  • Para $Pr \ll 1$: $Nu \sim Pr^{1/8}$ (anteriormente predicho como $Pr^{1/3}$).
  • Para $Pr \gg 1$: $Nu \sim Pr^0$ (anteriormente predicho como $Pr^{-0.415}$).
• Mejora Cuantitativa:
  • En convección de Rayleigh–Bénard, el modelo corregido reduce el error en las predicciones de $Nu$ entre un 50–70% en comparación con el modelo estándar (que utilizaba $C_{\omega b}=1$).
  • En convección con calentamiento interno, el modelo predice con precisión la temperatura máxima y la partición del flujo de calor, mientras que el modelo estándar sobreestima significativamente las temperaturas.
  • En estratificación estable, el $C_{\omega b} = -0.5385$ derivado analíticamente proporciona un mejor acuerdo con los datos de DNS para la supresión de la turbulencia en comparación con el $C_{\omega b} = -2$ estándar.
• Convección Mixta: En flujo de Couette estratificado inestablemente, el modelo captura con precisión la transición entre regímenes dominados por cizalla y dominados por flotabilidad, prediciendo $Nu$ y números de Reynolds de fricción dentro del 10% de los datos de DNS.
• Cavidades con Calentamiento Lateral: En flujos con calentamiento lateral dominados por cizalla donde la flotabilidad juega un papel menor, el modelo corregido produce resultados virtualmente idénticos al modelo estándar, demostrando que las correcciones no degradan el rendimiento en flujos no dominados por flotabilidad.

5. Significado

• Claridad Teórica: El estudio cierra la brecha entre las teorías de escalado fenomenológicas (como Grossmann–Lohse) y el modelado RANS al mostrar cómo las estructuras de cierre estándar pueden ser ajustadas analíticamente para coincidir con estos escalados.
• Utilidad de Ingeniería: Ofrece una solución práctica y de bajo costo para ingenieros. Al introducir solo dos funciones algebraicas, el modelo logra alta precisión sin el costo computacional ni la complejidad de cierres de orden superior (como los Modelos de Esfuerzos de Reynolds).
• Cambio de Paradigma: El artículo argumenta en contra de la noción de que los modelos estándar de dos ecuaciones han alcanzado un "techo de cristal". Demuestra que, con una comprensión sistemática del comportamiento intrínseco del modelo, se pueden lograr mejoras predictivas significativas mediante modificaciones mínimas y motivadas físicamente.
• Estandarización: La formulación propuesta proporciona un marco consistente y reproducible para el modelado de flotabilidad en códigos $k$–$\omega$ (por ejemplo, OpenFOAM, ANSYS Fluent), abordando la actual fragmentación donde diferentes solucionadores utilizan coeficientes empíricos inconsistentes.

En conclusión, este trabajo proporciona una reformulación sistemática y analíticamente fundamentada del modelo $k$–$\omega$ que resuelve discrepancias de larga data en las predicciones de turbulencia impulsada por flotabilidad, ofreciendo una herramienta robusta para una amplia gama de problemas de convección térmica.