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

Cet article propose un modèle $C_{\epsilon2}$ à coefficient variable pour le cadre de turbulence $k$-$\epsilon$ qui tient compte du temps de cascade fini et des effets du nombre de Reynolds, capturant ainsi avec précision la décroissance et la croissance de la turbulence isotrope à travers divers scénarios d'écoulement.

L'essentiel

Imaginez la turbulence (le mouvement chaotique et tourbillonnant des fluides comme l'air ou l'eau) comme une immense et complexe chute d'eau. Dans cette chute d'eau, de grandes vagues se décomposent en plus petites ondulations, qui se décomposent en encore plus petits éclaboussures, jusqu'à ce que l'énergie disparaisse finalement sous forme de chaleur. Ce processus est appelé « cascade d'énergie ».

Pendant des décennies, les ingénieurs ont utilisé un ensemble de règles (des modèles mathématiques) pour prédire comment cette chute d'eau se comporte. L'un des recueils de règles les plus populaires s'appelle le modèle $k-\epsilon$. Il tente de deviner deux choses : la quantité d'énergie présente dans l'eau ($k$) et la vitesse à laquelle cette énergie disparaît ($\epsilon$).

Cependant, il existe un « bouton de réglage » spécifique dans ce recueil de règles, appelé $C_{\epsilon2}$, qui contrôle la vitesse à laquelle l'énergie disparaît. Pendant longtemps, les scientifiques ont supposé que ce bouton était fixe — comme un thermostat réglé sur une température permanente. Ils pensaient que peu importe si l'eau coulait vite ou lentement, ou si vous veniez de lancer le flux ou si celui-ci tournait depuis un moment, le bouton restait identique.

Le Problème :
Les auteurs de cet article, des chercheurs de Stanford et de Los Alamos, ont réalisé des simulations informatiques incroyablement détaillées (comme des films en haute définition de la chute d'eau) et ont découvert que l'ancien recueil de règles était erroné. Ils ont découvert que le « bouton de réglage » ($C_{\epsilon2}$) n'est pas fixe. En réalité, il bouge.

Pensez à un moteur de voiture. Si vous accélérez soudainement (injection d'énergie), le moteur ne réagit pas instantanément ; il faut un moment pour qu'il monte en régime. De même, dans la turbulence, il faut un temps fini pour que l'énergie voyage des grandes vagues jusqu'aux minuscules ondulations où elle disparaît. Ce « temps de trajet » change en fonction de la vitesse de l'eau (nombre de Reynolds) et du fait que vous soyez en train d'ajouter de l'énergie ou de laisser le flux s'éteindre.

La Découverte :
En observant leurs simulations haute définition, les chercheurs ont vu que :

1. Lorsque la turbulence s'éteint (décroissance) : Le « bouton » commence à une certaine valeur et se déplace lentement vers une nouvelle valeur stable. Ce n'est pas instantané ; il possède une « mémoire » de la manière dont le flux a commencé.
2. Lorsque vous forcez la turbulence à croître (ajout d'énergie) : Le « bouton » chute considérablement. Le système est en déséquilibre car l'énergie est injectée plus rapidement qu'elle ne peut descendre la cascade vers les minuscules ondulations pour être dissipée.

La Solution :
Au lieu de traiter le bouton comme un nombre fixe, les auteurs ont créé une nouvelle règle qui fait du bouton une variable. Ils ont écrit une nouvelle équation qui indique au bouton comment bouger en fonction de deux choses :

• La vitesse actuelle du flux (nombre de Reynolds).
• L'historique du flux (Venons-nous de l'allumer ? Est-il en train de s'éteindre ? Est-il en train de croître sous l'effet d'une force ?).

Ils ont comparé ce nouveau bouton « intelligent » à leurs simulations haute définition. Les résultats ont montré que l'ancien modèle à bouton fixe se trompait souvent de timing, prédisant que l'énergie disparaîtrait trop vite ou trop lentement. Le nouveau modèle, qui permet au bouton de changer, correspondait presque parfaitement à la physique réelle.

L'Analogie :
Imaginez que vous essayez de prédire combien de temps un feu de camp va brûler.

• L'Ancien Modèle : Suppose que le feu brûle à un taux constant, peu importe les circonstances. Si vous ajoutez une bûche, il continue simplement de brûler à la même vitesse.
• Le Nouveau Modèle : Reconnaît que lorsque vous ajoutez une bûche, le feu ne passe pas instantanément à un nouveau taux de combustion. Il faut du temps pour que le nouveau bois prenne, pour que la chaleur se propage et pour que les flammes s'ajustent. Le « taux de combustion » change dynamiquement en fonction de la quantité de bois que vous venez d'ajouter et de la taille du feu un instant auparavant.

L'Essentiel :
Cet article ne prétend pas résoudre tous les problèmes de la dynamique des fluides. Il se concentre spécifiquement sur la turbulence isotrope (une turbulence qui semble identique dans toutes les directions, comme une casserole de soupe parfaitement mélangée). Les auteurs ont prouvé avec succès qu'en faisant du « coefficient de décroissance » une cible mouvante qui réagit à l'historique et à la vitesse du flux, ils peuvent prédire comment la turbulence s'éteint ou croît bien plus précisément que les modèles standards à coefficient fixe.

Ils reconnaissent qu'il s'agit d'une première étape. Leur modèle fonctionne très bien pour ces simulations spécifiques et contrôlées, mais il doit encore être testé dans des scénarios plus complexes et réels (comme l'air circulant sur une aile d'avion) avant de pouvoir être utilisé dans la conception technique courante.

Résumé technique

Résumé technique : Un modèle à coefficient variable pour la décroissance de la turbulence isotrope

Énoncé du problème
Dans le contexte de la modélisation Reynolds-Averaged Navier-Stokes (RANS), le cadre $k-\epsilon$ est une approche standard pour prédire les écoulements turbulents. Un paramètre critique de cette famille de modèles est le coefficient $C_{\epsilon2}$, qui régit la décroissance de l'énergie cinétique turbulente ($k$) et du taux de dissipation ($\epsilon$). Traditionnellement, $C_{\epsilon2}$ est traité comme une constante (typiquement 1,92), liant l'exposant de la loi de puissance de la décroissance temporelle $n$ via la relation $n = 1/(C_{\epsilon2} - 1)$. Cependant, une vaste littérature computationnelle et expérimentale indique que l'exposant de décroissance $n$ n'est pas universel ; il varie avec le nombre de Reynolds instantané ($Re_T$) et l'historique de l'injection d'énergie (conditions initiales). De plus, l'hypothèse d'un $C_{\epsilon2}$ constant ne parvient pas à capturer la dynamique de la turbulence lors d'états de non-équilibre, tels que la croissance ou la décroissance rapide, où le temps fini requis pour la cascade d'énergie des grandes échelles vers les échelles dissipatives joue un rôle significatif. Les tentatives existantes pour modéliser cette variabilité, telles que les modèles multi-échelles, reposent souvent sur des variables internes non mesurables, ce qui limite leur utilité pratique.

Méthodologie
Les auteurs utilisent des simulations numériques directes (DNS) et des simulations de grandes échelles (LES) de haute fidélité pour étudier les termes mathématiques responsables de la décroissance de la turbulence isotrope.

• Simulations : L'étude utilise un code pseudospectral pour résoudre les équations de quantité de mouvement incompressibles sur un domaine triplement périodique. Les simulations couvrent une gamme de nombres de Reynolds ($Re_T$ de 78 à 382) pour la turbulence stationnaire forcée ainsi que pour des scénarios de décroissance libre et de croissance forcée.
• Stratégie de forçage : Pour maintenir une turbulence indépendante du domaine, un terme de forçage linéaire est appliqué à l'aide d'un filtre passe-haut sur le champ de vitesse, injectant de l'énergie uniquement aux nombres d'onde $\kappa > 2$. Cela simule la production de cisaillement de manière contrôlée.
• Analyse des données : Les auteurs analysent l'équation de transport exacte du taux de dissipation ($\epsilon$). Ils observent que, bien que les termes individuels de l'équation de dissipation (spécifiquement la production turbulente $P_\epsilon$ et la dissipation visqueuse $Y$) divergent avec l'augmentation du nombre de Reynolds, leur effet combiné ($P_\epsilon - Y$) reste convergent et insensible à $Re_T$ dans la limite des nombres de Reynolds élevés.
• Dérivation du modèle : En calculant le $C_{\epsilon2}$ instantané à partir des données DNS en utilisant la relation $C_{\epsilon2} = -(P_\epsilon - Y)k/\epsilon^2$, les auteurs observent que $C_{\epsilon2}$ n'est pas constant. Il évolue au cours du temps, est sensible au nombre de Reynolds et répond à l'historique de l'injection d'énergie. Sur la base de ces observations, ils proposent une équation d'évolution phénoménologique pour $C_{\epsilon2}$ plutôt que de la dériver de premiers principes.

Contributions clés
La principale contribution de ce travail est le développement d'un modèle à coefficient variable pour $C_{\epsilon2}$ qui conserve un espace d'entrée mesurable tout en capturant le temps de cascade fini et les effets du nombre de Reynolds.

1. Équation d'évolution pour $C_{\epsilon2}$ : Les auteurs proposent une équation d'évolution amortie de premier ordre (Éq. 13) où $C_{\epsilon2}$ est traité comme une variable dynamique :
   $$\frac{dC_{\epsilon2}}{dt} = A_D \frac{\epsilon - P}{k} (C_{\epsilon D} - C_{\epsilon2}) + A_F \frac{P}{k} (C_{\epsilon F} - C_{\epsilon2})$$
   Ici, $P$ est le taux de production. L'équation distingue le comportement de décroissance (indice $D$) et le comportement forcé (indice $F$).
2. Dépendance au nombre de Reynolds : Les coefficients du modèle ($A_D, A_F, C_{\epsilon D}$) sont formulés comme des fonctions de $Re_T$. Basées sur l'analyse d'échelle, les corrections de premier ordre pour les nombres de Reynolds finis sont proportionnelles à $Re_T^{-1/2}$.
3. Contraintes théoriques : Le modèle impose $C_{\epsilon F} = 1$ pour la turbulence forcée stationnaire, une valeur dérivée théoriquement pour le forçage linéaire, et détermine des valeurs asymptotiques pour $C_{\epsilon D}$ dans les limites des nombres de Reynolds faibles et élevés ($C^0_{\epsilon D} = 1,5$ et $C^\infty_{\epsilon D} = 1,73$, respectivement).

Résultats
Le modèle proposé a été ajusté à l'aide de données DNS pour $Re_T = 78, 133, 180$ et $382$, et validé par rapport à un cas indépendant ($Re_T = 240$) et un cas LES à nombre de Reynolds infini.

• Comportement dynamique : Le modèle reproduit avec succès l'évolution non monotone de $C_{\epsilon2}$ observée dans les DNS. Pour la turbulence en décroissance, $C_{\epsilon2}$ augmente à partir d'une valeur initiale et asymptote vers une valeur dépendante de Reynolds. Pour la turbulence en croissance, $C_{\epsilon2}$ diminue, tombant en dessous de l'unité avant de remonter.
• Précision de la prédiction : Lorsqu'il est intégré dans un solveur RANS, le modèle à $C_{\epsilon2}$ variable prédit avec précision l'évolution temporelle de l'énergie cinétique turbulente ($k$) et du taux de dissipation ($\epsilon$) à travers les scénarios de décroissance et de croissance.
• Comparaison avec les modèles standards : Le modèle proposé surpasse de manière significative le modèle $k-\epsilon$ standard (qui suppose un $C_{\epsilon2}$ constant de 1,92). Le modèle standard ne parvient pas à capturer la décroissance rapide de la TKE dans les cas de nombre de Reynolds infini et présente des inexactitudes quantitatives dans les régimes de croissance avec des taux d'injection d'énergie variables.
• Robustesse : Le modèle démontre une insensibilité au rapport entre les échelles de temps de croissance de la turbulence et les échelles de temps de grande échelle (large eddy turnover times), se comportant bien même lorsqu'il est testé avec des taux d'injection d'énergie 50 % inférieurs et supérieurs aux données d'ajustement.

Signification et affirmations
Les auteurs positionnent ce travail comme une étape incrémentale vers l'amélioration des modèles de turbulence existants. Ils affirment qu'en traitant $C_{\epsilon2}$ comme une variable régie par une équation d'évolution, le modèle capture la physique essentielle — spécifiquement le temps fini de la cascade d'énergie et les effets du nombre de Reynolds — qui est perdue dans les approches à coefficient constant. L'étude souligne que le modèle est proposé de manière phénoménologique basée sur les observations DNS plutôt que rigoureusement dérivé.

Les auteurs notent explicitement les limites et les besoins futurs pour une application plus large :

• Les données actuelles sont contraintes par des tailles de boîtes finies et une gamme limitée de nombres de Reynolds.
• Le modèle n'a pas encore été validé pour les écoulements inhomogènes ; l'étendre pour inclure les termes de transport est une étape future nécessaire.
• Le modèle est actuellement valide pour les régimes où la production est comparable à la dissipation ($P \leq O(\epsilon)$) et peut ne pas être adapté aux injections d'énergie extrêmes ou abruptes sans corrections d'ordre supérieur.
• L'hypothèse du forçage linéaire utilisé pour dériver $C_{\epsilon F} = 1$ peut différer des mécanismes de production physiques, bien que les auteurs soutiennent que le forçage linéaire est un substitut raisonnable pour les effets de gradient de vitesse moyenne.

En résumé, l'article démontre qu'un modèle à $C_{\epsilon2}$ variable, informé par des données de haute fidélité et des arguments d'échelle, offre une représentation plus précise de la décroissance et de la croissance de la turbulence isotrope que les modèles traditionnels à coefficients constants, fournissant ainsi une base pour de futures améliorations de la modélisation RANS.