💻 computer science

An Entropy Stable Formulation of Two-equation Turbulence Models with Particular Reference to the k-epsilon Model

Cet article présente un cadre numérique robuste pour les modèles de turbulence à deux équations, particulièrement le modèle k-epsilon, en incorporant les principes de production d'entropie et la moyenne espace-temps afin de dériver des équations symétriques et stables au sens de l'entropie qui garantissent la cohérence et la positivité sans recourir à une viscosité artificielle.

Auteurs originaux : Guillermo Hauke, Thomas J. R. Hughes

Publié 2026-08-12

📖 3 min de lecture☕ Lecture pause café

CC BY 4.0

Auteurs originaux : Guillermo Hauke, Thomas J. R. Hughes

Article original sous licence CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). ✨ Ceci est une explication générée par l'IA de l'article ci-dessous. Elle n'a pas été rédigée ni approuvée par les auteurs. Pour une précision technique, consultez l'article original. Lire la clause de non-responsabilité complète

Imaginez que vous essayiez de prédire comment une rivière s'écoule autour d'un rocher, ou comment l'air s'engouffre sur une voiture en pleine vitesse. Dans le monde de la physique, il s'agit de l'étude de la dynamique des fluides. Mais les fluides sont capricieux ; ils ne s'écoulent pas simplement de manière fluide comme l'eau dans un courant calme. Ils tourbillonnent, tournoient et s'entrechoquent dans des motifs chaotiques appelés turbulence. Pour comprendre ces mouvements sauvages, les scientifiques utilisent un ensemble de règles appelées équations de Navier-Stokes. Considérez ces équations comme le manuel d'instructions ultime de la façon dont les fluides se déplacent. Cependant, lorsque les fluides deviennent turbulents, le manuel devient si incroyablement complexe que même les superordinateurs les plus rapides au monde ne peuvent pas le résoudre parfaitement pour des conceptions du monde réel.

Pour contourner cela, les ingénieurs utilisent un raccourci. Au lieu de suivre chaque minuscule tourbillon, ils prennent une « moyenne » de l'écoulement, lissant le chaos pour obtenir une image gérable. C'est ce qu'on appelle la moyenne de Reynolds. Mais voici le piège : lorsque vous lissez le chaos, vous perdez certaines des règles fondamentales qui maintiennent l'univers stable. L'une des règles les plus importantes est la deuxième loi de la thermodynamique, qui stipule essentiellement que le désordre (ou l'« entropie ») dans un système fermé tend toujours à augmenter. C'est comme une chambre en désordre qui ne se range jamais toute seule ; l'énergie se dissipe toujours en chaleur. Si une simulation informatique ignore cette règle, elle peut devenir instable, produisant des résultats sauvages et impossibles qui font planter le programme. La grande question que les scientifiques se posent est la suivante : pouvons-nous construire un modèle de turbulence qui respecte cette « règle du désordre » afin que nos simulations informatiques restent stables et physiquement réelles ?

Cet article, écrit par Guillermo Hauke et Thomas J. R. Hughes, s'attaque précisément à ce problème. Les auteurs proposent une nouvelle façon d'écrire les équations des modèles de turbulence à deux équations (plus précisément le célèbre modèle $k$ - $\epsilon$ ) afin qu'ils respectent naturellement la deuxième loi de la thermodynamique. Ils y parviennent en introduisant une astuce mathématique ingénieuse appelée « moyenne espace-temps ». Imaginez regarder un écoulement turbulent non seulement à travers une caméra en accéléré, mais aussi à travers un objectif légèrement flou qui moyenne les détails spatiaux minuscules. En faisant cela, ils découvrent un lien caché entre l'énergie des tourbillons et le taux auquel cette énergie disparaît (se dissipe).

La principale conclusion de l'article est que si vous modifiez les variables de vos équations pour représenter ces quantités moyennes, l'ensemble du système devient « symétrique ». Dans le monde des mathématiques, la symétrie est un superpouvoir ; cela signifie que les équations sont beaucoup plus stables et moins susceptibles d'exploser lors d'une simulation informatique. Les auteurs démontrent que pour que cela fonctionne, la manière dont la turbulence propage la chaleur et la quantité de mouvement (les coefficients de diffusivité) doit suivre des contraintes spécifiques. Ils ont testé cette nouvelle version « stable en entropie » du modèle $k$ - $\epsilon$ sur un ordinateur en simulant l'air s'écoulant sur une plaque plane. Les résultats étaient prometteurs : le modèle a produit des résultats stables et réalistes qui correspondent bien aux données expérimentales, et il l'a fait sans avoir besoin des « correctifs » artificiels (comme l'ajout d'une viscosité fictive) que les anciens modèles nécessitent souvent. Les auteurs suggèrent que cette approche offre une manière plus physiquement cohérente de concevoir des modèles de turbulence, garantissant que les simulations informatiques respectent les lois fondamentales de la nature.

Résumé Technique : Une formulation de stabilité entropique des modèles de turbulence à deux équations avec référence particulière au modèle $k$ - $\epsilon$

Énoncé du Problème
La conception d'algorithmes numériques robustes pour la dynamique des fluides repose largement sur la cohérence et la stabilité. Bien que le second principe de la thermodynamique (production d'entropie) constitue un principe de stabilité physique fondamental pour les équations de Navier-Stokes, son application aux équations de Reynolds-Averaged Navier-Stokes (RANS) est non triviale. Dans les formulations RANS standards, particulièrement celles utilisant des modèles de turbulence à deux équations comme le $k$ - $\epsilon$ , le lien direct entre l'entropie moyennée et les variables dépendantes moyennées est perdu en raison de la non-linéarité de la relation de Gibbs. Par conséquent, les formulations standards manquent souvent d'une fonction d'entropie généralisée, ce qui rend difficile l'intégration directe de principes de stabilité physique dans le schéma numérique sans recourir à une viscosité artificielle. Les tentatives précédentes pour restaurer la stabilité entropique, telles que celles de Jansen et al., étaient limitées aux modèles à une équation ou aux systèmes impliquant six équations pour le tenseur des contraintes de Reynolds, laissant le modèle $k$ - $\epsilon$ , pourtant largement utilisé, sans formulation de stabilité entropique rigoureuse.

Méthodologie
Les auteurs proposent un cadre pour dériver une formulation de stabilité entropique pour les modèles de turbulence à deux équations, spécifiquement le modèle $k$ - $\epsilon$ , en introduisant un moyennage espace-temps.

Moyennage Espace-Temps et Transformation de Variables :
Le document introduit un opérateur de moyennage espace-temps pour combler l'écart entre le taux de dissipation ( $\epsilon$ ) et l'entropie généralisée. En effectuant une moyenne spatiale de l'énergie cinétique turbulente ( $k$ ) sur un petit volume, les auteurs démontrent que $\epsilon$ rend compte des fluctuations spatiales de $k$ . Cela conduit à la définition d'une nouvelle échelle de vitesse, $q_1 = (\nu \epsilon)^{1/4}$ , en plus de l'échelle de vitesse turbulente standard $q_0 = \sqrt{2k}$ .
Le système de variables de conservation est redéfini pour inclure la densité, la quantité de mouvement, l'énergie totale, $q_0$ et $q_1$ . L'énergie totale est modifiée pour inclure les contributions de $q_0$ et $q_1$ .
Fonction d'Entropie Généralisée et Symétrisation :
En utilisant ces nouvelles variables, les auteurs construisent une fonction d'entropie généralisée $H(U) = -\rho \hat{s}$ , où $\hat{s}$ est une entropie modifiée basée sur les variables moyennées dans l'espace-temps. Les variables d'entropie correspondantes $V$ sont dérivées du gradient de $H$ par rapport aux variables de conservation $U$ .
Ce changement de variables transforme la forme quasi-linéaire des équations $k$ - $\epsilon$ en un système hyperbolique symétrique (plus précisément, un système advectif-diffusif symétrique). Les matrices de coefficients pour la dérivée temporelle et l'advection deviennent symétriques, et la matrice de diffusion est démontrée comme étant symétrique semi-définie positive sous certaines contraintes.
Contraintes pour la Production d'Entropie :
Pour garantir que le système satisfasse l'inégalité de Clausius-Duhem (production d'entropie non négative), les auteurs dérivent des contraintes spécifiques sur les coefficients du modèle de turbulence :
- La diffusivité turbulente pour le taux de dissipation ( $\epsilon$ ) doit être égale à la diffusivité turbulente pour l'énergie cinétique turbulente ( $k$ ). En termes de nombres de Prandtl, cela exige que $Pr_\epsilon = Pr_k$ .
- Les termes sources dans l'équation de $q_1$ doivent satisfaire des inégalités spécifiques pour garantir que la production de l'entropie généralisée reste non négative. Cela implique de modifier le terme de dissipation dans la fonction source pour qu'il domine les termes de production sous certaines conditions.
Implémentation Numérique :
Les équations formulées sont implémentées à l'aide d'une méthode d'éléments finis de type de Galerkin temporel discontinu/moindres carrés. Le système est résolu à l'aide d'un algorithme prédicteur-multicorrector avec un solveur linéaire GMRES. L'implémentation traite la rigidité des équations $k$ - $\epsilon$ , particulièrement près des parois, en utilisant une condition limite spécifique pour $q_1$ dérivée de l'équilibre entre dissipation et cross-diffusion.

Résultats Clés
Le document présente des simulations numériques d'une couche limite de plaque plane turbulente presque incompressible utilisant le modèle $k$ - $\epsilon$ de Lam-Bremhorst adapté à ce cadre de stabilité entropique.

Validation : Les résultats pour le coefficient de frottement de peau et les profils de vitesse (en coordonnées de paroi) montrent un bon accord avec les corrélations empiriques (Karman-Schönherr) et d'autres calculs établis (Patel et al., Wilcox).
Stabilité : Le schéma numérique démontre une grande robustesse. Notamment, l'équation de $q_1$ (l'équation de dissipation transformée) présente une excellente stabilité, contrastant avec les difficultés numériques typiques associées à l'équation $\epsilon$ standard.
Indépendance du Maillage : Une étude de raffinement indique que la solution est relativement insensible à la taille de l'élément près de la paroi ( $y^+$ ), même pour des valeurs aussi élevées que $y^+ = 5.0$ . Cela est attribué à l'implémentation de la condition limite spécifique pour $q_1$ , qui permet des maillages près de la paroi plus grossiers par rapport aux modèles $k$ - $\epsilon à faible nombre de Reynolds classiques qui nécessitent généralement$ y^+ < 1$.
Production d'Entropie : Les simulations confirment que la production d'entropie totale (dissipation visqueuse plus contributions turbulentes) reste non négative à travers la couche limite, validant la dérivation théorique.

Signification et Revendications
Les auteurs affirment que ce travail étend avec succès le concept de stabilité entropique au modèle de turbulence $k$ - $\epsilon$ à deux équations, largement utilisé. En introduisant le moyennage espace-temps et les variables associées $q_0$ et $q_1$ , ils récupèrent une fonction d'entropie généralisée qui permet de symétriser le système.

La principale signification réside dans la capacité de concevoir des algorithmes numériques qui héritent directement du principe de stabilité physique du second principe de la thermodynamique dans la formulation discrète. Cela offre une alternative rigoureuse à l'ajout de viscosité artificielle pour la stabilité. Le document affirme que les contraintes dérivées (spécifiquement $Pr_\epsilon = Pr_k$ ) sont nécessaires tant pour la production d'entropie que pour la positivité de la solution, s'alignant sur les conclusions antérieures de Mohammadi et Pironneau. Les auteurs concluent que ce cadre offre une voie vers la conception de modèles de turbulence plus physiquement cohérents et de schémas numériques stables, comme le démontre l'application réussie au modèle Lam-Bremhorst.

Articles similaires