Topology optimization of two-fluid turbulent heat exchangers: A Darcy flow-based multifidelity approach

Este artículo presenta un marco de optimización topológica multifidelidad que calibra un modelo de baja fidelidad basado en flujo de Darcy, computacionalmente eficiente, frente a un modelo de alta fidelidad RANS para diseñar intercambiadores de calor turbulentos de dos fluidos, logrando hasta un 22% de mejora en el rendimiento sobre diseños convencionales al equilibrar la transferencia de calor mejorada con caídas de presión manejables.

Lo esencial

Imagina que estás intentando diseñar el intercambiador de calor definitivo: un dispositivo que actúa como un apretón de manos térmico entre dos fluidos (como agua caliente y agua fría) que fluyen por tuberías. El objetivo es hacer que intercambien calor lo más rápido posible sin que los fluidos tengan que esforzarse demasiado para pasar (lo cual desperdiciaría energía).

Durante décadas, los ingenieros han intentado mejorar estos dispositivos retorciendo cintas metálicas dentro de las tuberías o añadiendo aletas. Pero estos métodos son como intentar esculpir una obra maestra con un martillo; están limitados por lo que la fabricación tradicional puede doblar y torcer.

Este artículo presenta una nueva forma de diseñar estos dispositivos utilizando un "cerebro" informático llamado Optimización Topológica. Piensa en esto como un escultor digital que puede tallar cualquier forma imaginable, siempre que quepa dentro de la tubería. Sin embargo, simular cómo los fluidos giran y se mezclan a altas velocidades (turbulencia) es como intentar predecir el tiempo en un huracán: es increíblemente preciso, pero requiere que una supercomputadora ejecute el cálculo durante años.

El Problema: El "Perfecto" frente al "Rápido"

Los investigadores se enfrentaron a un dilema:

1. El Modelo de Alta Fidelidad (HF): Este es el "pronosticador del tiempo". Utiliza física compleja (ecuaciones RANS) para predecir exactamente cómo se comportan los fluidos turbulentos. Es preciso, pero tan lento que ejecutarlo miles de veces para encontrar el mejor diseño es imposible.
2. El Modelo de Baja Fidelidad (LF): Este es el "boceto rápido". Utiliza un modelo matemático simplificado (flujo de Darcy) que trata al fluido como si se moviera a través de una esponja. Es increíblemente rápido, pero a menudo se equivoca en los detalles, especialmente en cuanto a la pérdida de presión que sufre el fluido.

Si solo usas el boceto, podrías diseñar una tubería hermosa que colapse bajo la presión real. Si solo usas al pronosticador del tiempo, nunca terminarás el diseño.

La Solución: El Enfoque "Multifidelidad"

Los autores crearon una estrategia inteligente de dos pasos, a la que llaman Enfoque Multifidelidad. Piensa en ello como entrenar para un maratón:

1. La Carrera de Entrenamiento (Optimización): Usas el "boceto rápido" (el modelo LF) para realizar miles de carreras de práctica. Ajustas el diseño, cambias la velocidad y pruebas diferentes formas para encontrar candidatos prometedores. Como el boceto es rápido, puedes explorar cientos de diferentes escenarios de "qué pasaría si" rápidamente.
2. La Calibración: Antes de las carreras de entrenamiento, "calibraron" el boceto. Ajustaron la densidad de la esponja en las matemáticas para que los resultados del boceto coincidieran con los del pronosticador del tiempo en una tubería estándar. Esto hizo que el boceto fuera mucho más inteligente.
3. El Día de la Carrera (Evaluación): Una vez que la computadora encontró un montón de diseños interesantes usando el boceto rápido, tomaron a los principales contendientes y los sometieron al "pronosticador del tiempo" (el modelo HF) solo una vez cada uno. Esta es la prueba final y precisa para ver qué diseño gana realmente.

Lo Que Encontraron

Aplicaron este método a un intercambiador de calor de "doble tubería" (una tubería dentro de otra) donde los fluidos se movían muy rápido (flujo turbulento).

• Los Resultados: Las formas diseñadas por la computadora eran salvajes y complejas, sin parecerse en nada a las tuberías estándar. Crearon paredes internas intrincadas que forzaron a los fluidos a girar y mezclarse intensamente, muy parecido a un chef que revuelve vigorosamente una salsa para enfriarla más rápido.
• La Comparación: Compararon sus nuevos diseños con una tubería estándar con una "cinta retorcida" (un truco común en la industria para mejorar la transferencia de calor).
  • La cinta retorcida mejoró la transferencia de calor, pero causó un masivo "atascos de tráfico" (alta caída de presión), lo que la hacía ineficiente en general.
  • Las nuevas formas diseñadas por computadora mejoraron la transferencia de calor hasta en un 66% en comparación con una tubería lisa.
  • Crucialmente, gestionaron el "atascos de tráfico" mucho mejor. Cuando se mira la puntuación general (equilibrando la ganancia de calor frente al costo energético), sus diseños fueron hasta un 22% mejores que la cinta retorcida.

La Conclusión

El artículo demuestra que no necesitas simular cada remolino individual de un huracán para encontrar un gran diseño. Al utilizar un "boceto" rápido y calibrado para explorar las posibilidades y un "pronosticador" lento y preciso para verificar a los ganadores, los ingenieros pueden diseñar intercambiadores de calor de alto rendimiento que son muy superiores a lo que podemos construir actualmente con métodos tradicionales.

El estudio señala específicamente que estos diseños funcionan bien en una amplia gama de velocidades, lo que sugiere que son robustos y listos para su uso en el mundo real, siempre que puedan fabricarse (probablemente utilizando impresión 3D, que los autores mencionan como un habilitador clave para formas tan complejas).

Resumen técnico

Resumen Técnico: Optimización Topológica de Intercambiadores de Calor Turbulentos de Dos Fluidos

Planteamiento del Problema
El diseño de intercambiadores de calor (HX) de dos fluidos, particularmente los intercambiadores de calor de doble tubo (DPHX), depende tradicionalmente de técnicas de mejora pasiva como la inserción de cintas retorcidas, aletas o tubos corrugados. Si bien son efectivas, estas métodos están limitados por restricciones convencionales de fabricación y a menudo resultan en compensaciones subóptimas entre la mejora de la transferencia de calor y las penalizaciones por caída de presión. La optimización topológica (TO) ofrece una vía para generar geometrías innovadoras, sin embargo, aplicar TO a sistemas turbulentos de dos fluidos presenta desafíos computacionales significativos. Incorporar directamente modelos de turbulencia de alta fidelidad (HF) (por ejemplo, Navier-Stokes Promedial en Reynolds, RANS) en el bucle de optimización es computacionalmente prohibitivo debido a la no linealidad de la turbulencia, la necesidad de mallas extremadamente finas y la inestabilidad numérica. Además, los estudios de TO existentes para HX de dos fluidos se han centrado predominantemente en regímenes laminares o de bajo número de Reynolds, dejando la optimización de flujos turbulentos en gran medida sin abordar.

Metodología
Los autores proponen un marco de optimización topológica multifidelidad que desacopla la búsqueda de diseño de la evaluación de alta fidelidad para equilibrar la eficiencia computacional y la precisión.

1. Modelo de Optimización de Baja Fidelidad (LF):

   • El proceso de optimización utiliza un modelo basado en flujo de Darcy en lugar de un modelo de turbulencia completo. Este enfoque, denominado "enfoque del hombre pobre", reemplaza las ecuaciones de Navier-Stokes con las ecuaciones de Darcy, las cuales son lineales, computacionalmente económicas y numéricamente estables.
   • Un único campo de variable de diseño ($\gamma$) representa la distribución de tres fases: Fluido 1, Fluido 2 y la pared sólida.
   • Esquemas de Interpolación: La permeabilidad para cada fluido se interpola utilizando funciones RAMP para asegurar que en la región de pared sólida (valores intermedios de $\gamma$), la permeabilidad sea suficientemente baja para prevenir la mezcla de fluidos. La conductividad térmica se interpola utilizando una función gaussiana para transitar suavemente entre las propiedades del fluido y del sólido.
   • Calibración: Para mitigar las discrepancias entre el modelo de Darcy simplificado y la realidad, los parámetros del modelo LF (permeabilidad máxima y nitidez de la conductividad térmica) se calibran frente a un modelo de referencia HF para una configuración de tubo recto. Esta calibración alinea las predicciones de caída de presión y diferencia de temperatura del modelo LF con el modelo HF.

2. Estrategia Multifidelidad:

   • En lugar de ejecutar una sola optimización, el marco emplea una estrategia de parámetros de siembra. Se realizan múltiples optimizaciones independientes utilizando el modelo LF calibrado, variando las velocidades de entrada y los parámetros de compensación (equilibrando transferencia de calor vs. caída de presión) para generar un conjunto diverso de diseños candidatos.
   • Evaluación de Alta Fidelidad (HF): Los diseños optimizados extraídos del proceso LF se evalúan utilizando un modelo HF basado en RANS (específicamente el modelo de turbulencia $k-\omega$ con funciones de pared). Este paso ocurre fuera del bucle de optimización.
   • Selección: El modelo HF evalúa el rendimiento de todos los candidatos basándose en el Criterio de Evaluación del Rendimiento (PEC), que normaliza el coeficiente global de transferencia de calor contra la penalización por caída de presión. El mejor diseño se selecciona basándose en estas evaluaciones precisas.

3. Implementación Numérica:

   • El modelo LF se resuelve utilizando COMSOL Multiphysics con un filtro de densidad y proyección de Heaviside para garantizar límites claros entre fluido y sólido.
   • La evaluación HF utiliza mallas adaptadas al cuerpo generadas a partir de las variables de diseño optimizadas, empleando el modelo $k-\omega$ para la turbulencia y validando los resultados frente a correlaciones empíricas (Dittus-Boelter, Blasius y Manglik & Bergles para cintas retorcidas).

Contribuciones Clave

• Desarrollo del Marco: El estudio establece un marco de TO multifidelidad específicamente para intercambiadores de calor turbulentos de dos fluidos, abordando la brecha en la literatura existente que se centra en gran medida en flujos laminares o sistemas de un solo fluido.
• Estrategia de Calibración: Se introduce una estrategia de calibración novedosa para alinear el modelo LF basado en Darcy con las respuestas HF basadas en RANS en escenarios turbulentos de dos fluidos, mejorando la consistencia de las predicciones de caída de presión y temperatura.
• Validación Cuantitativa: El artículo proporciona una comparación cuantitativa rigurosa entre los diseños optimizados y un diseño de referencia convencional (tubo liso con inserción de cinta retorcida) en un amplio rango de números de Reynolds (hasta 13,000).

Resultados

• Generación de Diseño: El modelo LF generó con éxito estructuras de pared diversas y complejas que promueven la mezcla de fluidos y aumentan el área de superficie de intercambio de calor, manteniendo al mismo tiempo trayectorias de flujo aerodinámicas.
• Mejora del Rendimiento: En comparación con la referencia de tubo liso, los diseños optimizados lograron mejoras en el coeficiente global de transferencia de calor de hasta 66.7%.
• Mejora del PEC: En comparación con el diseño de referencia de cinta retorcida (una técnica de mejora estándar), los diseños optimizados lograron valores de Criterio de Evaluación del Rendimiento (PEC) hasta un 22% más altos. Esto indica que las geometrías optimizadas proporcionan una mejora superior en la transferencia de calor en relación con la penalización por caída de presión.
• Discrepancias del Modelo: Se encontró que el modelo LF predecía razonablemente las distribuciones de temperatura, pero tendía a subestimar las caídas de presión (error medio ~72% para el Fluido 1) debido a la falta de modelado de cizalladura viscosa y turbulencia. Sin embargo, el enfoque multifidelidad compensó esto eficazmente filtrando candidatos a través del modelo HF.
• Robustez: Los diseños optimizados a números de Reynolds más altos (por ejemplo, Re = 13,000) demostraron robustez, manteniendo valores PEC altos en un amplio rango de condiciones de operación.

Significado y Afirmaciones
El artículo afirma que el enfoque multifidelidad propuesto supera eficazmente las barreras computacionales asociadas con la optimización de intercambiadores de calor de dos fluidos en condiciones turbulentas. Al aprovechar un modelo de Darcy computacionalmente barato para la fase de búsqueda y un modelo RANS de alta fidelidad para la fase de evaluación, el método permite el descubrimiento de configuraciones de alto rendimiento que serían inviables de encontrar utilizando optimización directa con modelos de turbulencia.

Los autores enfatizan que las configuraciones optimizadas superan las inserciones convencionales de cintas retorcidas, particularmente en términos de la compensación entre transferencia de calor y pérdida de presión. El estudio concluye que, si bien el modelo LF basado en Darcy tiene limitaciones en la predicción de caídas de presión absolutas, el marco multifidelidad es una estrategia viable y efectiva para diseñar intercambiadores de calor de doble tubo de alto rendimiento, mostrando el potencial de este enfoque para problemas complejos termo-fluidos turbulentos. El trabajo reconoce limitaciones, como la selección manual de parámetros de siembra y la falta de restricciones de fabricación en el estudio actual, sugiriendo direcciones futuras hacia la automatización basada en datos y la inclusión de restricciones de fabricabilidad.