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

Cet article propose et valide une formulation de stabilisation multiscale variationnelle dynamique, terme par terme, au sein d'un cadre de correction de pression incrémentielle qui permet des simulations robustes d'aérodynamique turbulente incompressible avec interpolation d'ordre égal, capturant avec succès les caractéristiques d'écoulement complexes dans des configurations d'aérodynamique externe à grande échelle telles que le corps d'Ahmed et les voitures de Formule 1.

L'essentiel

Imaginez que vous essayiez de prédire comment l'air circule autour d'une voiture roulant à grande vitesse. Il ne s'agit pas seulement d'un flux d'air fluide ; il s'agit d'une turbulence chaotique et tourbillonnante qui change chaque milliseconde. Pour simuler cela sur un ordinateur, vous devez diviser l'espace autour de la voiture en des millions de minuscules pièces de puzzle (un maillage).

Le problème est que, même avec des millions de pièces, votre ordinateur ne peut pas voir chaque minuscule tourbillon d'air. C'est comme essayer de regarder un ouragan à travers une fenêtre munie d'une grille : vous voyez les grandes tempêtes, mais les petits tourbillons chaotiques entre les lignes de la grille sont invisibles. Si vous les ignorez, votre simulation devient instable et plante, ou donne une mauvaise réponse.

La solution de l'article : un « filtre intelligent » pour le flux d'air

Les auteurs de cet article ont développé une nouvelle méthode de « filtre intelligent » appelée méthode Variational Multiscale (VMS). Voici comment ils l'expliquent en utilisant des concepts simples :

1. La « vue d'ensemble » contre les « détails cachés »

Considérez le flux d'air comme ayant deux couches :

• L'échelle résolue : Les grands tourbillons visibles que votre maillage informatique peut réellement voir.
• La sous-échelle : Les minuscules tourbillons invisibles qui sont trop petits pour être captés par le maillage.

Les anciennes méthodes tentaient souvent de deviner ce que faisaient les minuscules tourbillons en utilisant des règles fixes (comme une recette rigide). Cet article propose une approche dynamique. Au lieu d'une recette fixe, l'ordinateur calcule ce que les minuscules tourbillons devraient faire en ce moment même, en se basant sur ce que font les grands tourbillons. C'est comme avoir un copilote qui ajuste constamment la direction en fonction des conditions de la route, plutôt que de suivre une carte préétablie.

2. La stratégie « terme par terme »

Les auteurs ont conçu cette méthode pour qu'elle fonctionne avec une manière spécifique de résoudre des équations appelée méthode de « fractionnement d'étape » (fractional-step). Imaginez résoudre un puzzle complexe en faisant une pièce à la fois : d'abord la vitesse, puis la pression.

• L'innovation : Ils ont intégré leur « filtre intelligent » directement dans chaque étape du processus de résolution du puzzle sans en perturber l'ordre.
• L'analogie : Imaginez que vous cuisinez un gâteau. Habituellement, vous mélangez les ingrédients, puis vous faites cuire. Si vous devez ajouter un stabilisateur spécial, vous pourriez devoir recommencer toute la recette. Cette nouvelle méthode vous permet de saupoudrer le stabilisateur directement dans la pâte pendant que vous mélangez, garantissant que le gâteau lève parfaitement sans modifier les étapes de cuisson. Cela permet de maintenir le processus rapide et stable.

3. Le filet de sécurité « orthogonal »

Une caractéristique clé de leur méthode est la « projection orthogonale ». Imaginez que vous essayiez de séparer des billes rouges des billes bleues dans un bocal.

• L'ancienne méthode : Vous pourriez accidentellement les mélanger ou en laisser certaines derrière vous.
• Cette méthode : Elle garantit que les « grands tourbillons » (rouges) et les « petits tourbillons » (bleus) sont conservés dans des boîtes complètement séparées et non chevauchantes. Cela empêche l'ordinateur de s'embrouiller et de compter deux fois l'énergie, ce qui maintient la stabilité de la simulation même lorsque l'air est très turbulent.

4. Les tests en conditions réelles

Les auteurs n'ont pas fait cela uniquement sur papier ; ils ont testé la méthode sur deux scénarios très difficiles :

• Le corps d'Ahmed (Ahmed Body) : Il s'agit d'une forme simple et cubique utilisée par les scientifiques comme test standard pour l'aérodynamisme des voitures. Ils l'ont testé à différents angles (comme incliner l'arrière d'une voiture).

  • Résultat : La méthode a parfaitement fonctionné. Elle a prédit la traînée (résistance de l'air) avec précision et a montré que l'ordinateur pouvait gérer l'air chaotique tourbillonnant derrière la voiture sans planter. Ils ont constaté que l'utilisation d'un maillage très fin (37 millions de pièces) donnait les résultats les plus précis, mais la méthode restait stable même sur des maillages plus grossiers.

• La Formule 1 : C'est un test beaucoup plus difficile. Une voiture de F1 est couverte d'ailerons, de roues et de courbes, créant des motifs d'air incroyablement complexes.

  • Résultat : Ils ont simulé une véritable voiture de F1 à des vitesses de course (200 km/h) sans utiliser de « modèles de turbulence » (les raccourcis habituels). La méthode a géré avec succès les vortex tridimensionnels complexes et l'effet de sol (l'aspiration de l'air vers le bas de la voiture). Elle a produit des données réalistes sur la façon dont l'air se déplace et sur la force exercée sur la voiture.

5. Vérifier la « musique » de l'air

Pour prouver que leur méthode fonctionnait correctement, ils ont examiné les « spectres » du flux d'air.

• L'analogie : Considérez le flux d'air comme de la musique. Dans un véritable écoulement turbulent, l'énergie des « notes » (tourbillons) suit un motif spécifique à mesure qu'elles deviennent plus petites (comme une gamme musicale spécifique).
• Le résultat : La simulation informatique a produit une « chanson » qui correspond aux lois physiques naturelles de la turbulence. L'énergie décroissait au bon rythme, prouchant que le « filtre intelligent » dissipait l'énergie correctement, tout comme le fait l'air réel.

Résumé

En résumé, cet article présente une nouvelle façon robuste de simuler l'air turbulent autour des véhicules. Il utilise un filtre mathématique dynamique et auto-ajustable qui sépare les grands mouvements d'air des plus petits. Cette méthode fonctionne sur des maillages informatiques non structurés complexes (comme la forme d'une vraie voiture) et reste stable même lorsque l'air est extrêmement chaotique. Les auteurs ont prouvé son efficacité tant sur un bloc de test standard que sur une Formule 1 hautement complexe, démontrant qu'il peut gérer des défis d'ingénierie du monde réel sans avoir besoin de s'appuyer sur des suppositions simplifiées sur le comportement de la turbulence.

Résumé technique

Résumé Technique : Une méthode variationnelle multi-échelle terme par terme avec sous-échelles dynamiques pour l'aérodynamique turbulente incompressible

Énoncé du problème
La représentation précise de la turbulence est cruciale en aérodynamique numérique pour prédire la traînée, la portance et le décollement, pourtant la simulation numérique directe (DNS) reste trop coûteuse en calcul pour les nombres de Reynolds d'ingénierie. Bien que les modèles de Reynolds-averaged Navier–Stokes (RANS) offrent une certaine efficacité, ils manquent souvent de capacité prédictive dans les géométries complexes avec écoulements décollés. La simulation des grandes échelles (LES) offre un compromis, mais impose des coûts substantiels pour les géométries réalistes à nombres de Reynolds élevés. De plus, les calculs industriellement pertinents reposent souvent sur des stratégies à étapes fractionnaires (ségrégation de pression) pour résoudre les équations de Navier–Stokes incompressibles sur de grands maillages non structurés. Cependant, il existe peu de preuves à grande échelle concernant le comportement des formulations de résolution de la turbulence par approche variationnelle multi-échelle (VMS) lorsqu'elles sont intégrées dans ces schémas de correction de pression à étapes fractionnaires pour l'aérodynamique externe complexe et sous-résolue.

Méthodologie
Les auteurs proposent une formulation stabilisée VMS dynamique, terme par terme, adaptée à une méthode de correction de pression incrémentielle par étapes fractionnaires. La méthodologie est conçue pour fonctionner sur des maillages tétraédriques non structurés utilisant une interpolation vitesse-pression d'ordre égal, ce qui nécessite une stabilisation pour maintenir la robustesse dans les régimes dominés par la convection.

Composants méthodologiques clés :

• Cadre VMS orthogonal : La solution est décomposée en échelles résolues (espace d'éléments finis) et sous-échelles non résolues (complément orthogonal). Les projections orthogonales assurent une séparation d'échelle cohérente, permettant à la structure non-résiduelle, terme par terme, d'induire une dissipation par des sous-échelles dynamiques sans recours à des modèles explicites de viscosité turbulente.
• Sous-échelles dynamiques : Contrairement aux approches quasi-statiques, les sous-échelles sont traitées comme des variables dépendantes du temps, intégrées de manière cohérente à l'aide de la formule de différenciation de second ordre vers l'arrière (BDF2). Cela permet à la méthode de récupérer les caractéristiques clés du transfert d'énergie turbulente, notamment la dissipation de la plage inertielle et les effets de backscatter, tout en supprimant les contraintes restrictives sur le pas de temps.
• Intégration terme par terme : La stabilisation est construite au niveau discret monolithique complet et intégrée dans les étapes de la méthode par étapes fractionnaires en modifiant les blocs d'opérateurs existants plutôt qu'en introduisant de nouveaux couplages vitesse-pression.
  • La stabilisation du côté de la quantité de mouvement intervient lors de l'étape de prédicteur de vitesse.
  • Les contributions diagonales liées à la pression (induites par la sous-échelle de gradient de pression) augmentent la résolution de Poisson de correction de pression.
  • Les termes d'historique des sous-échelles n'apparaissent que comme des contributions de second membre connues, préservant la structure de projection standard.
• Configuration de stabilisation minimale : La formulation n'introduit que les termes nécessaires pour une interpolation ordre égal stable et le contrôle de la convection. Une contribution grad–div optionnelle (agissant via la sous-échelle de pression) est incluse pour améliorer la robustesse non linéaire dans les configurations exigeantes.
• Implémentation : Les non-linéarités issues de la convection et des paramètres de stabilisation sont gérées via une itération de Picard (point fixe). Les projections orthogonales sont réalisées via une stratégie de projection-correction impliquant des projections $L^2$ sur l'espace discret.

Contributions clés

1. Discrétisation unifiée : La méthode fournit un cadre unifié qui permet une interpolation vitesse-pression d'ordre égal stable et un contrôle robuste de la dynamique dominée par la convection dans des contextes 3D complexes sans recourir à des modèles de turbulence spécifiques au problème.
2. Intégration avec les méthodes à étapes fractionnaires : Ce travail démontre comment une stabilisation par sous-échelles orthogonales et dynamiques peut être intégrée dans des schémas de correction de pression incrémentielle sans modifier leur structure par étape ni leur efficacité.
3. Scalabilité et robustesse : La formulation est validée sur des configurations d'aérodynamique externe à grande échelle utilisant des maillages non structurés allant de 3 à 40 millions d'éléments, démontrant une stabilité sur une large gamme de résolutions.

Résultats
La méthodologie a été validée sur deux configurations :

1. Corps d'Ahmed ($Re = 7,68 \times 10^5$) :

   • Les simulations ont été effectuées pour plusieurs angles de pente arrière ($0^\circ, 12,5^\circ, 25^\circ, 35^\circ$).
   • L'analyse de sensibilité du maillage (de 3,2M à 37,3M d'éléments) a montré que si les charges intégrales (coefficient de traînée) sont sensibles à la résolution, la formulation est restée numériquement stable à tous les niveaux.
   • Le résultat sur maillage fin ($C_D \approx 0,33$) présente un accord compétitif avec les données de référence LES et expérimentales, particulièrement pour l'angle de pente critique de $25^\circ$.
   • Les spectres de vitesse et de pression ponctuels présentent des plages de fréquences finies compatibles avec les pentes de référence de la sous-échelle inertielle ($-5/3$ pour la vitesse, $-7/3$ pour la pression), servant d'indicateur de cohérence a posteriori pour le contrôle de la dissipation.
   • La visualisation des structures cohérentes (critère Q) et de la topologie du sillage confirme la résolution des couches de cisaillement décollées et des interactions de vortex.

2. Configuration Formule 1 ($Re \approx 1,13 \times 10^6$) :

   • Une géométrie de voiture de F1 réelle et à échelle complète a été simulée à $U_\infty = 56$ m/s en utilisant un maillage fin unique d'environ $3,87 \times 10^7$ éléments.
   • Aucun modèle de turbulence explicite n'a été utilisé ; la robustesse reposait uniquement sur la formulation stabilisée.
   • La simulation a capturé avec succès les interactions d'écoulement 3D complexes, incluant les mécanismes d'effet de sol, les sillages de roues et les surfaces portantes multi-éléments.
   • Les coefficients intégraux ($C_D, C_L$) et les diagnostics spectraux confirment la capacité de la méthode à gérer les régimes sous-résolus dans des géométries composées de multiples éléments réels.
   • L'inclusion du terme grad–div optionnel s'est avérée critique pour la convergence non linéaire dans ce cas exigeant ; sans lui, les itérations avaient tendance à stagner.

Signification et affirmations
L'article affirme que la formulation stabilisée et ségrégée en pression proposée reste robuste à grande échelle et capture efficacement les caractéristiques clés des écoulements décollés et l'organisation des sillages cohérents dans l'aérodynamique externe complexe. En utilisant des sous-échelles dynamiques orthogonales, la méthode induit une dissipation numérique contrôlée adaptée aux simulations turbulentes sans modèles de viscosité turbulente explicites. Ce travail comble le fossé entre les études de référence contrôlées et l'aérodynamique appliquée, démontrant que les formulations de résolution de la turbulence par VMS peuvent être appliquées avec succès au sein de cadres à étapes fractionnaires efficaces sur de grands maillages non structurés. Les diagnostics spectraux fournis offrent un outil pratique pour évaluer le contrôle de la dissipation dans les simulations à grande échelle et sous-résolues. Les auteurs notent que le choix des paramètres de stabilisation (spécifiquement $c_3 = 24$) a été déterminé empiriquement pour fournir le comportement non linéaire le plus robuste à travers les cas de test.