Equivalent Roughness Height for CFD Studies on NACA Airfoils

Resumen Técnico: Altura de Rugosidad Equivalente para Estudios de CFD en Perfiles NACA

Planteamiento del Problema
La predicción precisa de la degradación del rendimiento aerodinámico debido a la rugosidad superficial es crítica para las palas de aerogeneradores y otros sistemas basados en perfiles alares. Factores ambientales como el polvo, el hielo, el impacto de insectos y la erosión alteran el borde de ataque, perturbando la subcapa viscosa y aumentando los coeficientes de fricción superficial. Si bien los datos experimentales, particularmente de la obra Theory of Wing Sections de Abbott y Doenhoff, proporcionan un punto de referencia para la "rugosidad estándar" (definida por tamaños de grano de carborundo específicos y porcentajes de cobertura), la traducción de estas condiciones físicas a simulaciones de Dinámica de Fluidos Computacional (CFD) presenta un desafío. Los modelos de turbulencia de CFD requieren típicamente una altura de rugosidad de grano de arena equivalente ($k_s$), mientras que la rugosidad experimental se define a menudo por características geométricas o cobertura superficial. No existe una conversión directa entre el tamaño físico del grano utilizado en los ensayos de túnel de viento y el parámetro de rugosidad uniforme requerido por los resolvedores como ANSYS Fluent.

Metodología
El estudio propone un procedimiento para estimar la altura de rugosidad equivalente ($k_s$) basada en el porcentaje de área superficial cubierta por partículas. La metodología procede de la siguiente manera:

1. Síntesis de Datos: Los autores conectan la brecha entre las definiciones experimentales de Abbott y Doenhoff y el trabajo teórico de Schlichting y Coleman. Schlichting proporcionó tablas que relacionan la geometría y distribución de las partículas con la rugosidad equivalente, mientras que Coleman et al. posteriormente corrigieron estos valores, demostrando que las estimaciones no corregidas podían ser hasta el doble de la rugosidad equivalente real.
2. Desarrollo de Correlación: Al analizar las distribuciones de partículas en los datos corregidos de Schlichting (específicamente partículas esféricas), los autores calcularon el porcentaje de área superficial cubierta para cada caso. Se estableció una relación lineal entre el porcentaje de área superficial cubierta y la relación entre la rugosidad equivalente y la rugosidad geométrica ($k_{s,eq}/K$). La correlación resultante es:
   $$k_{s,eq} / K = 19.19970 \cdot \text{Superficie Cubierta [\%]} - 0.12448$$
3. Configuración de CFD: Las simulaciones se realizaron utilizando el modelo de turbulencia $k-\omega$ SST con correcciones de rugosidad (Hellsten y Laine) para tres perfiles NACA: NACA 0012, NACA 2418 y NACA 63-418. Las simulaciones replicaron las condiciones de los ensayos de túnel de viento de Abbott y Doenhoff: un número de Reynolds de aproximadamente $6 \times 10^6$ y una intensidad de turbulencia baja (0.1–0.2%).
4. Calibración: Se realizaron simulaciones preliminares con tres escenarios de cobertura (5%, 7.5% y 10%) para determinar qué valor de rugosidad equivalente se ajustaba mejor a las polares de sustentación y resistencia de cada perfil específico.

Resultados Clave

• Dependencia de la Cobertura: El estudio encontró que la rugosidad equivalente necesaria para igualar los datos experimentales varía según la geometría del perfil. Para el NACA 0012, una cobertura de área del 10% proporcionó el mejor ajuste; para el NACA 2418, el 5% fue óptimo; y para el NACA 63-418, el 7.5% fue la mejor coincidencia. Esto indica que la rugosidad efectiva no es solo una función de la contaminación nominal, sino también de las características aerodinámicas del perfil.
• Precisión: Dentro del rango de ángulo de ataque bajo a moderado (aproximadamente de -6° a 5°), las simulaciones de CFD utilizando los valores de $k_s$ derivados reprodujeron los coeficientes de resistencia con diferencias generalmente inferiores al 5% para el NACA 2418 y el NACA 63-418. El NACA 0012 mostró desviaciones ligeramente mayores, alcanzando hasta un 10% en ciertas condiciones.
• Régimen de Flujo: El análisis preliminar confirmó que todas las configuraciones estudiadas operan en el régimen totalmente rugoso ($k_s^+ > 140$), validando el uso de modelos de rugosidad de grano de arena equivalente donde se interrumpen las interacciones de la subcapa viscosa.
• Limitaciones de Pérdida de Sustentación (Stall): Como era de esperar con las simulaciones RANS estacionarias, las discrepancias entre los resultados numéricos y experimentales aumentaron significamente cerca de la región de pérdida de sustentación. Los autores atribuyen esto a las limitaciones inherentes del modelo $k-\omega$ SST para capturar la separación inestable de gran escala, más que a deficiencias en el procedimiento de estimación de la rugosidad.

Significancia y Reivindicaciones
El artículo afirma proporcionar un marco práctico para traducir la contaminación superficial definida experimentalmente (caracterizada por la cobertura de partículas) en parámetros de rugosidad compatibles con CFD. Al establecer una correlación lineal entre el porcentaje de cobertura superficial y la altura de rugosidad equivalente, la metodología permite a los investigadores evitar la necesidad de descriptores geométricos detallados de la contaminación al modelar la degradación aerodinámica.

Los autores enfatizan que, si bien la correlación se derivó de un conjunto limitado de puntos de datos experimentales y asume una distribución regular de partículas esféricas, ofrece un enfoque viable para predicciones de nivel de ingeniería. El estudio valida que el procedimiento propuesto puede reproducir curvas de polares de resistencia con una precisión razonable para condiciones de rugosidad estándar, permitiendo simulaciones numéricas más realistas de la pérdida de rendimiento debido a la acumulación de partículas o la erosión superficial en aplicaciones aeroespaciales y de energía eólica.

Limitaciones
Los autores señalan explícamente que la correlación se basa en un número limitado de puntos de datos y asume partículas esféricas distribuidas regularmente, lo que puede no reflejar las formas irregulares y la agrupación de la contaminación del mundo real. Además, la dependencia de simulaciones RANS estacionarias limita la precisión predictiva en la región de pérdida de sustentación. Se sugiere como trabajo futuro incorporar conjuntos de datos experimentales más amplios, investigar patrones de contaminación irregulares y, potencialmente, utilizar métodos de simulación de mayor fidelidad como RANS-LES híbrido.