A term-by-term variational multiscale method with dynamic subscales for incompressible turbulent aerodynamics

Este artículo propone y valida una formulación de multiescala variacional estabilizada, dinámica y término a término dentro de un marco de corrección de presión incremental que permite simulaciones robustas de interpolación de orden igual de aerodinámica turbulenta incompresible a través de regímenes laminares a turbulentos, capturando con éxito características de flujo complejas en configuraciones de aerodinámica externa a gran escala como el cuerpo de Ahmed y coches de Fórmula 1.

Lo esencial

Imagina que estás intentando predecir cómo fluye el aire alrededor de un coche que se mueve a alta velocidad. No se trata solo de un aire suave; se trata de una turbulencia caótica y arremolinada que cambia cada milisegundo. Para simular esto en una computadora, tienes que dividir el espacio alrededor del coche en millones de diminutas piezas de rompecabezas (una malla).

El problema es que, incluso con millones de piezas, tu computadora no puede ver cada pequeño remolino de aire. Es como intentar observar un huracán a través de una ventana con una rejilla encima; ves las grandes tormentas, pero los pequeños remolinos caóticos entre las líneas de la rejilla son invisibles. Si los ignoras, tu simulación se vuelve inestable y falla, o te da una respuesta incorrecta.

La solución del artículo: un "filtro inteligente" para el flujo de aire

Los autores de este artículo desarrollaron un nuevo método de "filtro inteligente" matemático llamado Multiescala Variacional (VMS). Aquí explican cómo funciona utilizando conceptos simples:

1. El "Panorama General" frente a los "Detalles Ocultos"

Piensa en el flujo de aire como si tuviera dos capas:

• La Escala Resuelta: Los grandes remolinos visibles que tu malla de computadora realmente puede ver.
• La Subescala: Los remolinos diminutos e invisibles que son demasiado pequeños para que la malla los detecte.

Los métodos antiguos solían intentar adivinar qué estaban haciendo los remolinos diminutos usando reglas fijas (como una receta rígida). Este artículo propone un enfoque dinámico. En lugar de una receta fija, la computadora calcula qué deberían estar haciendo los remolinos diminutos en este preciso momento, basándose en lo que están haciendo los remolinos grandes. Es como tener un copiloto que ajusta constantemente la dirección según las condiciones de la carretera, en lugar de seguir un mapa preestablecido.

2. La Estrategia "Término por Término"

Los autores construyeron este método para que funcione con una forma específica de resolver ecuaciones llamada método de "pasos fraccionados". Imagina resolver un rompecabezas complejo haciendo una pieza a la vez: primero la velocidad, luego la presión.

• La Innovación: Añadieron su "filtro inteligente" directamente en cada paso del proceso de resolución del rompecabezas sin alterar el orden.
• La Analogía: Imagina que estás horneando un pastel. Normalmente, mezclas los ingredientes y luego horneas. Si necesitas añadir un estabilizador especial, es posible que tengas que reiniciar toda la receta. Este nuevo método te permite espolvorear el estabilizador directamente en la mezcla mientras estás mezclando, asegurando que el pastel suba perfectamente sin cambiar los pasos del horneado. Esto mantiene el proceso rápido y estable.

3. La Red de Seguridad "Ortogonal"

Una característica clave de su método es la "proyección ortogonal". Imagina que estás intentando separar canicas rojas de canicas azules en un frasco.

• La forma antigua: Podrías mezclarlas accidentalmente o dejar algunas atrás.
• Este método: Asegura que los "remolinos grandes" (rojos) y los "remolinos diminutos" (azules) se mantengan en cajas completamente separadas y que no se solapan. Esto evita que la computadora se confunda o duplique la energía, lo que mantiene la estabilidad de la simulación incluso cuando el aire es muy turbulento.

4. Las Pruebas del Mundo Real

Los autores no se limitaron a hacer esto sobre el papel; lo probaron en dos escenarios muy difíciles:

• El Cuerpo Ahmed: Esta es una forma rectangular simple utilizada por científicos como una prueba estándar para la aerodinámica de los coches. Lo probaron en diferentes ángulos (como inclinar la parte trasera de un coche).

  • Resultado: El método funcionó perfectamente. Predijo la resistencia al avance (drag) con precisión y mostró que la computadora podía manejar el aire caótico que gira detrás del coche sin colapsar. Encontraron que usar una malla muy fina (37 millones de piezas) daba los resultados más precisos, pero el método se mantuvo estable incluso en mallas más gruesas.

• El Coche de Fórmula 1: Esta es una prueba mucho más difícil. Un coche de F1 está cubierto de alas, ruedas y curvas, lo que crea patrones de aire increíblemente complejos.

  • Resultado: Simularon un coche de F1 real a velocidades de carrera (200 km/h) sin utilizar ningún "modelo de turbulencia" (los atajos habituales). El método manejó con éxito los vórtices de aire complejos en 3D y el "efecto suelo" (el aire succionando el coche hacia abajo). Produjo datos realistas sobre cómo se mueve el aire y cuánta fuerza ejerce sobre el coche.

5. Comprobando la "Música" del Aire

Para demostrar que su método funcionaba correctamente, analizaron los "espectros" del flujo de aire.

• La Analogía: Piensa en el flujo de aire como música. En un flujo turbulento real, la energía de las "notas" (remolinos) sigue un patrón específico a medida que se vuelven más pequeñas (como una escala musical específica).
• El Resultado: La simulación por computadora produjo una "canción" que coincidía con la física natural de la turbulencia. La energía disminuyó al ritmo adecuado, demostrando que el "filtro inteligente" estaba disipando la energía correctamente, tal como lo hace el aire real.

Resumen

En resumen, este artículo presenta una nueva y robusta forma de simular el aire turbulento alrededor de los vehículos. Utiliza un filtro matemático dinámico y de autoajuste que separa los grandes movimientos del aire de los diminutos. Funciona en mallas de computadora no estructuradas y complejas (como la forma de un coche real) y se mantiene estable incluso cuando el aire es extremadamente caótico. Los autores demostraron que funciona tanto en un bloque de prueba estándar como en un complejo coche de Fórmula 1, demostrando que puede manejar desafíos de ingeniería del mundo real sin necesidad de depender de conjeturas simplificadas sobre cómo se comporta la turbulencia.

Resumen técnico

Resumen Técnico: Un Método Multiescala Variacional Término a Término con Subescalas Dinámicas para la Aerodinámica Turbulenta Incompresible

Planteamiento del Problema
La representación precisa de la turbulencia es crítica en la aerodinámica computacional para predecir la resistencia, la sustentación y la separación, pero la Simulación Numérica Directa (DNS) sigue siendo computacionalmente prohibitiva a números de Reynolds de ingeniería. Los modelos de Reynolds-averaged Navier–Stokes (RANS) ofrecen eficiencia, pero a menudo carecen de capacidad predictiva en geometrías complejas con flujos separados. La Simulación de Grandes Eddy (LES) proporciona un punto intermedio, pero incurre en costos sustanciales para geometrías realistas de alto número de Reynolds. Además, los cálculos de relevancia industrial dependen a menudo de estrategias de pasos fraccionados (segregación de presión) para resolver las ecuaciones de Navier–Stokes incompresibles de manera eficiente en mallas no estructuradas de gran tamaño. Sin embargo, existe evidencia a gran escala limitada sobre cómo se comportan las formulaciones de resolución de turbulencia de tipo Variational Multiscale (VMS) cuando se integran dentro de estos esquemas de pasos fraccionados de corrección de presión para aerodinámica externa externa subresuelta y compleja.

Metodología
Los autores proponen una formulación estabilizada VMS dinámica, término a término, adaptada para un método de pasos fraccionados de corrección de presión incremental. La metodología está diseñada para operar en mallas tetraédricas no estructuradas utilizando interpolación de velocidad-presión de orden igual, lo que requiere estabilización para mantener la robustez en regímenes dominados por la convección.

Componentes metodológicos clave:

• Marco VMS Ortogonal: La solución se descompone en escalas resueltas (espacio de elementos finitos) y subescalas no resueltas (complemento ortogonal). Las proyecciones ortogonales aseguran una separación de escalas consistente, permitiendo que la estructura no residual y término a término induzca la disipación mediante subescalas dinámicas sin recurrir a cierres explícitos de viscosidad de remolino.
• Subescalas Dinámicas: A diferencia de los enfoques cuasi-estáticos, las subescalas se tratan como variables dependientes del tiempo integradas consistentemente utilizando la fórmula de diferenciación hacia atrás de segundo orden (BDF2). Esto permite que el método recupere características clave de la transferencia de energía turbulenta, incluyendo la disipación del rango inercial y los efectos de backscatter, al tiempo que elimina las restricciones de paso de tiempo.
• Integración Término a Término: La estabilización se construye al nivel discretizado completo monolítico y se integra en las etapas de pasos fraccionados modificando los bloques de operadores existentes en lugar de introducir nuevos acoplamientos velocidad-presión.
  • La estabilización del lado del momento entra en la etapa del predictor de velocidad.
  • Las contribuciones diagonales relacionadas con la presión (inducidas por la subescala del gradiente de presión) aumentan la resolución de Poisson de corrección de presión.
  • Los términos de historial de la subescala aparecen solo como contribuciones conocidas del lado derecho, preservando la estructura de proyección estándar.
• Configuración de Estabilización Mínima: La formulación introduce solo los términos requeridos para una interpolación de orden igual estable y el control de la convección. Se incluye una contribución opcional de grad–div (que actúa a través de la subescala de presión) para mejorar la robustez no lineal en configuraciones exigentes.
• Implementación: Las no linealidades derivadas de la convección y los parámetros de estabilización se gestionan mediante iteración de Picard (punto fijo). Las proyecciones ortogonales se realizan mediante una estrategia de proyección-corrección que involucra proyecciones $L^2$ sobre el espacio discreto.

Contribuciones Clave

1. Discretización Unificada: El método proporciona un marco unificado que permite una interpolación de velocidad-presión de orden igual estable y un control robusto de la dinámica dominada por la convección en entornos 3D complejos sin recurrir a modelos de turbulencia específicos del problema.
2. Integración con Métodos de Pasos Fraccionados: El trabajo demuestra cómo la estabilización de subescalas dinámicas y ortogonales puede integrarse en esquemas de corrección de presión incremental sin alterar su estructura por etapas ni su eficiencia.
3. Escalabilidad y Robustez: La formulación se valida en configuraciones de aerodinámica externa a gran escala utilizando mallas no estructuradas que van desde 3 hasta 40 millones de elementos, demostrando estabilidad a través de un amplio rango de resoluciones.

Resultados
La metodología fue validada en dos configuraciones:

1. Cuerpo de Ahmed ($Re = 7.68 \times 10^5$):

   • Las simulaciones se realizaron para múltiples ángulos de inclinación trasera ($0^\circ, 12.5^\circ, 25^\circ, 35^\circ$).
   • El análisis de sensibilidad de la malla (de 3.2M a 37.3M de elementos) mostró que, si bien las cargas integrales (coeficiente de arrastre) son sensibles a la resolución, la formulación se mantuvo numéricamente estable en todos los niveles.
   • El resultado de la malla fina ($C_D \approx 0.33$) mostró una concordancia competitiva con los datos de referencia de LES y experimentales, particularmente para el ángulo de inclinación crítico de $25^\circ$.
   • Los espectros de velocidad y presión puntuales exhibieron rangos de frecuencia finitos compatibles con las pendientes de referencia del subrango inercial ($-5/3$ para velocidad, $-7/3$ para presión), sirviendo como un indicador de consistencia a posteriori para el control de la disipación.
   • La visualización de estructuras coherentes (criterio Q) y la topología de la estela confirmaron la resolución de las capas de cizalladura separadas y las interacciones de vórtices.

2. Configuración de Fórmula 1 ($Re \approx 1.13 \times 10^6$):

   • Se simuló una geometría de coche de F1 a escala real y completa a $U_\infty = 56$ m/s utilizando una única malla fina de aproximadamente $3.87 \times 10^7$ elementos.
   • No se utilizó ningún modelo de turbulencia explícito; la robustez dependió únicamente de la formulación estabilizada.
   • La simulación capturó con éxito interacciones de flujo 3D complejas, incluyendo mecanismos de efecto suelo, estelas de las ruedas y superficies de sustentación de múltiples elementos.
   • Los coeficientes integrales ($C_D$, $C_L$) y los diagnósticos espectrales confirmaron la capacidad del método para manejar regímenes subresueltos en geometrías de múltiples componentes y realistas.
   • Se encontró que la inclusión del término grad–div opcional fue crítica para la convergencia no lineal en este caso exigente; sin él, las iteraciones tendían a estancarse.

Significancia y Reivindicaciones
El artículo afirma que la formulación estabilizada y segregada de presión propuesta se mantiene robusta a escala y captura eficazmente las características clave de los flujos separados y la organización de la estela coherente en la aerodinámica externa compleja. Al utilizar subescalas dinámicas ortogonales, el método induce una disipación numérica controlada adecuada para simulaciones turbulentas sin modelos explícitos de viscosidad de remolino. El trabajo cierra la brecha entre los estudios de referencia controlados y la aerodinámica aplicada, demostrando que las formulaciones de resolución de turbulencia basadas en VMS pueden aplicarse con éxito dentro de marcos de pasos fraccionados eficientes en mallas no estructuradas de gran tamaño. Los diagnósticos espectrales proporcionados ofrecen una herramienta práctica para evaluar el control de la disipación en simulaciones a gran escala y subresueltas. Los autores señalan que la elección de los parámetros de estabilización (específicamente $c_3 = 24$) se determinó empíricamente para proporcionar el comportamiento no lineal más robusto en todos los casos de prueba.