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

Este artículo propone un modelo $C_{\epsilon2}$ de coeficiente variable para el marco de turbulencia $k$-$\epsilon$ que tiene en cuenta el tiempo de cascada finito y los efectos del número de Reynolds, capturando así con precisión la decadencia y el crecimiento de la turbulencia isotrópica a través de diversos escenarios de flujo.

Lo esencial

Imagina la turbulencia (el movimiento caótico y arremolinado de fluidos como el aire o el agua) como una cascada gigante y compleja. En esta cascada, las grandes olas se descomponen en ondas más pequeñas, que a su vez se descomponen en salpicaduras aún más pequeñas, hasta que la energía finalmente desaparece en forma de calor. Este proceso se llama "cascada de energía".

Durante décadas, los ingenieros han utilizado un conjunto de reglas (modelos matemáticos) para predecir cómo se comporta esta cascada. Un libro de reglas muy popular es el modelo $k-\epsilon$. Este intenta adivinar dos cosas: cuánta energía hay en el agua ($k$) y qué tan rápido está desapareciendo esa energía ($\epsilon$).

Sin embargo, este libro de reglas tiene un "dial" específico, llamado $C_{\epsilon2}$, que controla la velocidad a la que la energía desaparece. Durante mucho tiempo, los científicos asumieron que este dial era fijo, como un termostato configurado a una temperatura permanente. Pensaban que no importaba si el agua fluía rápido o lento, o si acababas de iniciar el flujo o lo dejabas correr por un tiempo; el dial permanecía igual.

El Problema:
Los autores de este artículo, investigadores de Stanford y Los Alamos, realizaron simulaciones computacionales increíblemente detalladas (como películas de alta definición de la cascada) y descubrieron que el viejo libro de reglas era erróneo. Descubrieron que el "dial" ($C_{\epsilon2}$) no es fijo. En realidad, se mueve.

Piensa en esto como el motor de un coche. Si pisas el acelerador de repente (inyectas energía), el motor no reacciona instantáneamente; toma un momento para subir de revoluciones. Del mismo modo, en la turbulencia, toma un tiempo finito para que la energía viaje desde las grandes olas hasta las diminutas ondas donde desaparece. Este "tiempo de viaje" cambia dependiendo de qué tan rápido se mueve el agua (número de Reynolds) y de si estás añadiendo energía o dejando que el flujo muera.

El Descubrimiento:
Al observar sus simulaciones de alta definición, los investigadores vieron que:

1. Cuando la turbulencia está muriendo (decaída): El "dial" comienza en un valor y se desplaza lentamente hacia un nuevo valor estable. No es instantáneo; tiene una "memoria" de cómo se inició el flujo.
2. Cuando fuerzas a la turbulencia a crecer (añadiendo energía): El "dial" cae significativamente. El sistema está fuera de equilibrio porque se está bombeando energía más rápido de lo que puede descender por la cascada hacia las diminutas ondas para ser consumida.

La Solución:
En lugar de tratar el dial como un número fijo, los autores crearon una nueva regla que convierte al dial en una variable. Escribieron una nueva ecuación que le dice al dial cómo moverse basándose en dos cosas:

• La velocidad actual del flujo (número de Reynolds).
• La historia del flujo (¿Acabamos de encenderlo? ¿Se está muriendo? ¿Se está forzando a crecer?).

Compararon este nuevo "dial inteligente" contra sus simulaciones de alta definición. Los resultados mostraron que el modelo antiguo, de dial fijo, a menudo erraba en el tiempo, prediciendo que la energía desaparecería demasiado rápido o demasiado lento. El nuevo modelo, que permite que el dial cambie, coincidió con la física real casi a la perfección.

La Analogía:
Imagina que intentas predecir cuánto tiempo arderá una fogata.

• El Modelo Antiguo: Asume que la fogata arde a un ritmo constante sin importar nada. Si añades un tronco, simplemente sigue ardiendo al mismo ritmo.
• El Nuevo Modelo: Reconoce que cuando añades un tronco, la fogata no alcanza instantáneamente un nuevo ritmo de combustión. Toma tiempo para que la nueva madera prenda, para que el calor se propague y para que las llamas se ajusten. El "ritmo de combustión" cambia dinámicamente basándose en cuánto le acabas de echar de madera y qué tan grande era la fogata un momento antes.

La Conclusión:
Este artículo no pretende resolver todos los problemas de la dinámica de fluidos. Se enfoca específicamente en la turbulencia isotrópica (turbulencia que se ve igual en todas las direcciones, como una olla perfectamente mezclada). Los autores demostraron con éxito que, al convertir el "coeficiente de decaimiento" en un objetivo móvil que reacciona a la historia y la velocidad del flujo, pueden predecir cómo la turbulencia muere o crece con mucha más precisión que los modelos estándar de coeficiente fijo.

Reconocen que este es solo un primer paso. Su modelo funciona de maravilla para estas simulaciones específicas y controladas, pero aún debe ser probado en escenarios más complejos y del mundo real (como el aire fluyendo sobre un ala) antes de que pueda utilizarse en el diseño de ingeniería cotidiano.

Resumen técnico

Resumen Técnico: Un Modelo de Coeficiente Variable para el Decaimiento de la Turbulencia Isotrópica

Planteamiento del Problema
En el contexto del modelado de Reynolds-Averaged Navier-Stokes (RANS), el marco $k-\epsilon$ es un enfoque estándar para predecir flujos turbulentos. Un parámetro crítico en esta familia de modelos es el coeficiente $C_{\epsilon2}$, que gobierna el decaimiento de la energía cinética turbulenta ($k$) y la tasa de disipación ($\epsilon$). Tradicionalmente, $C_{\epsilon2}$ se trata como una constante (típicamente 1.92), vinculando el exponente de la ley de potencia del decaimiento temporal $n$ mediante la relación $n = 1/(C_{\epsilon2} - 1)$. Sin embargo, la extensa literatura computacional y experimental indica que el exponente de decaimiento $n$ no es universal; varía con el número de Reynolds instantáneo ($Re_T$) y la historia de la inyección de energía (condiciones iniciales). Además, el supuesto de un $C_{\epsilon2}$ constante no logra capturar la dinámica de la turbulencia durante estados de no equilibrio, como el crecimiento o decaimiento rápido, donde el tiempo finito requerido para la cascada de energía desde las escalas grandes hasta las escalas disipativas juega un papel significativo. Los intentos existentes para modelar esta variabilidad, como los modelos multiescala, a menudo dependen de variables internas no medibles, lo que limita su utilidad práctica.

Metodología
Los autores emplean Simulaciones Numéricas Directas (DNS) de alta fidelidad y Simulaciones de Remolinos Grandes (LES) para investigar los términos matemáticos responsables del decaimiento de la turbulencia isotrópica.

• Simulaciones: El estudio utiliza un código pseudoespectral para resolver las ecuaciones de cantidad de movimiento incompresibles en un dominio triplemente periódico. Las simulaciones cubren un rango de números de Reynolds ($Re_T$ de 78 a 382) tanto para turbulencia forzada estacionaria como para escenarios de decaimiento libre y crecimiento forzado.
• Estrategia de Forzamiento: Para mantener una turbulencia independiente del dominio, se aplica un término de forzamiento lineal utilizando un filtro de paso alto en el campo de velocidades, inyectando energía solo en números de onda $\kappa > 2$. Esto imita la producción de cizalladura de una manera controlada.
• Análisis de Datos: Los autores analizan la ecuación de transporte exacta de la tasa de disipación ($\epsilon$). Observan que, si bien los términos individuales en la ecuación de disipación (específicamente la producción turbulenta $P_\epsilon$ y la disipación viscosa $Y$) divergen con el aumento del número de Reynolds, su efecto combinado ($P_\epsilon - Y$) permanece convergente e insensible a $Re_T$ en el límite de números de Reynolds grandes.
• Derivación del Modelo: Al calcular el $C_{\epsilon2}$ instantáneo a partir de los datos de DNS usando la relación $C_{\epsilon2} = -(P_\epsilon - Y)k/\epsilon^2$, los autores observan que $C_{\epsilon2}$ no es constante. Este evoluciona en el tiempo, es sensible al número de Reynolds y responde a la historia de la inyección de energía. Basándose en estas observaciones, proponen una ecuación de evolución fenomenológica para $C_{\epsilon2}$ en lugar de derivarlo de primeros principios.

Contribuciones Clave
La contribución principal de este trabajo es el desarrollo de un modelo de coeficiente variable para $C_{\epsilon2}$ que retiene un espacio de entrada medible mientras captura el tiempo de cascada finito y los efectos del número de Reynolds.

1. Ecuación de Evolución para $C_{\epsilon2}$: Los autores proponen una ecuación de evolución amortiguada de primer orden (Ec. 13) donde $C_{\epsilon2}$ se trata como una variable dinámica:
   $$\frac{dC_{\epsilon2}}{dt} = A_D \frac{\epsilon - P}{k} (C_{\epsilon D} - C_{\epsilon2}) + A_F \frac{P}{k} (C_{\epsilon F} - C_{\epsilon2})$$
   Aquí, $P$ es la tasa de producción. La ecuación distingue entre el comportamiento de decaimiento (subíndice $D$) y el comportamiento forzado (subíndice $F$).
2. Dependencia del Número de Reynolds: Los coeficientes del modelo ($A_D, A_F, C_{\epsilon D}$) se formulan como funciones de $Re_T$. Basado en el análisis de escala, las correcciones de orden principal para números de Reynolds finitos son proporcionales a $Re_T^{-1/2}$.
3. Restricciones Teóricas: El modelo impone que $C_{\epsilon F} = 1$ para la turbulencia forzada estacionaria, un valor derivado teóricamente para el forzamiento lineal, y determina valores asintóticos para $C_{\epsilon D}$ en los límites de bajos y altos números de Reynolds ($C^0_{\epsilon D} = 1.5$ y $C^\infty_{\epsilon D} = 1.73$, respectivamente).

Resultados
El modelo propuesto fue ajustado utilizando datos de DNS para $Re_T = 78, 133, 180$ y $382$, y validado contra un caso independiente ($Re_T = 240$) y un caso de LES de número de Reynolds infinito.

• Comportamiento Dinámico: El modelo reproduce con éxito la evolución no monotónica de $C_{\epsilon2}$ observada en DNS. Para la turbulencia en decaimiento, $C_{\epsilon2}$ aumenta desde un valor inicial y asíntota hacia un valor dependiente de Reynolds. Para la turbulencia en crecimiento, $C_{\epsilon2}$ disminuye, cayendo por debajo de la unidad antes de ascender nuevamente.
• Precisión de la Predicción: Al integrarse en un resolvedor RANS, el modelo de $C_{\epsilon2}$ variable predice con precisión la evolución temporal tanto de la energía cinética turbulenta ($k$) como de la tasa de disipación ($\epsilon$) en escenarios de decaimiento y crecimiento.
• Comparación con Modelos Estándar: El modelo propuesto supera significativamente al modelo $k-\epsilon$ estándar (que asume un $C_{\epsilon2}$ constante de 1.92). El modelo estándar falla al capturar el decaimiento rápido de la TKE en casos de número de Reynolds infinito y exhibe inexactitudes cuantitativas en regímenes de crecimiento con tasas de inyección de energía variables.
• Robustez: El modelo demuestra insensibilidad a la relación entre las escalas de tiempo de crecimiento de la turbulencia y los tiempos de giro de los grandes remolinos, funcionando bien incluso cuando se probó con tasas de inyección de energía un 50% menores y mayores que los datos de ajuste.

Significancia y Reivindicaciones
Los autores posicionan este trabajo como un paso incremental hacia la mejora de los modelos de turbulencia existentes. Reivindican que, al tratar $C_{\epsilon2}$ como una variable gobernada por una ecuación de evolución, el modelo captura la física esencial —específicamente el tiempo finito de la cascada de energía y los efectos del número de Reynolds— que se pierde en los enfoques de coeficientes constantes. El estudio enfatiza que el modelo es propuesto fenomenológicamente basado en observaciones de DNS más que derivado rigurosamente.

Los autores señalan explícitamente las limitaciones y requisitos futuros para una aplicación más amplia:

• Los datos actuales están limitados por tamaños de caja finitos y un rango limitado de números de Reynolds.
• El modelo aún no ha sido validado para flujos no homogéneos; extenderlo para incluir términos de transporte es un paso futuro necesario.
• El modelo es actualmente válido para regímenes donde la producción es comparable a la disipación ($P \leq O(\epsilon)$) y puede no ser adecuado para inyecciones de energía extremas o abruptas sin correcciones de orden superior.
• El supuesto de forzamiento lineal utilizado para derivar $C_{\epsilon F} = 1$ puede diferir de los mecanismos de producción físicos, aunque los autores argumentan que el forzamiento lineal es un proxy razonable para los efectos del gradiente de velocidad media.

En resumen, el artículo demuestra que un modelo de $C_{\epsilon2}$ variable, informado por datos de alta fidelidad y argumentos de escala, ofrece una representación más precisa del decaimiento y crecimiento de la turbulencia isotrópica que los modelos tradicionales de coeficiente constante, proporcionando una base para futuras mejoras en el modelado RANS.