Exact expressions for the unresolved stress in a finite-volume based large-eddy simulation

Resumo Técnico: Expressões Exatas para a Tensão Não Resolvida em uma Simulação de Grandes Escalas Baseada em Volume Finito

Definição do Problema
A simulação de grandes escalas (LES) visa modelar fluxos turbulentos resolvendo as grandes escalas enquanto modela os efeitos das subescalas não resolvidas. Tradicionalmente, o problema de fechamento em LES foca no erro de comutação decorrente da não comutação entre a filtragem espacial e os termos de advecção não lineares, resultando no tensor de tensão residual (RST) clássico, $\tau_{ij} = \overline{u_i u_j} - \bar{u}_i \bar{u}_j$. No entanto, em simulações práticas, a LES é resolvida utilizando esquemas de discretização numérica, comumente o Método de Volumes Finitos (FVM).

Um problema crítico surge porque a largura do filtro $\Delta$ em LES é frequentemente da mesma ordem de grandeza que o espaçamento da malha $h$ (ou seja, $\Delta \approx h$). Nesses regimes, os erros de discretização — decorrentes de fluxos numéricos e operadores de divergência discretos — são da mesma ordem dos estresses de subfiltro físicos. As abordagens clássicas tipicamente definem o modelo de fechamento com base em equações contínuas e depois as discretizam, ou tratam os erros de discretização como problemas de convergência separados. Essa separação leva a um descompasso entre os dados alvo (o resíduo verdadeiro) e o modelo, particularmente quando a própria discretização introduz efeitos não locais ou não simétricos significativos que os modelos de fechamento locais e simétricos padrão (como o Smagorinsky) não conseguem capturar.

Metodologia
Os autores propõem um arcabouço matemático unificado denominado LES-FVM, que integra o processo de filtragem LES diretamente com a discretização FVM. A metodologia central envolve:

1. Formalismo Unificado: Em vez de aplicar a filtragem LES às equações contínuas e depois discretizá-las, os autores aplicam o filtro FVM (uma média volumétrica sobre volumes de controle) às equações filtradas por LES. Isso cria um sistema "duplamente filtrado" onde a largura do filtro $\Delta$ e o espaçamento da malha $h$ são tratados como parâmetros independentes.
2. Derivação de Resíduos Exatos: Ao utilizar uma propriedade de "troca de filtro discreta" (onde o operador de diferença finita é equivalente a uma derivada exata filtrada), os autores derivam expressões exatas para o fluxo residual nas equações discretizadas.
3. Decomposição de Resíduos: O fluxo residual total $\tau_{\Delta,h}$ é decomposto em três componentes distintos:
   • Termo Clássico: O erro de comutação padrão associado ao duplo filtro ($\Delta$ e $h$).
   • Termo de Fluxo: Erros decorrentes da diferença entre o fluxo exato e o fluxo numérico ($r$ vs. $r_h$).
   • Termo de Divergência: Erros decorrentes da diferença entre a divergência exata e a divergência discreta.
4. Extensão para Escoamento Incompressível 3D: O arcabouço é estendido para as equações de Navier-Stokes incompressíveis em 3D. Isso requer o tratamento do termo de pressão via operadores de projeção para garantir que o campo de velocidade permaneça livre de divergência no cenário discreto. Os autores derivam um RST projetado que contabiliza a interação entre a projeção de pressão e a discretização.

Principais Contribuições

• RST Informado pela Discretização Exata: O artigo deriva uma expressão exata para o tensor de tensão não resolvida em uma LES baseada em FVM. Diferente do RST clássico, esta nova expressão inclui explicitamente contribuições de fluxos numéricos e operadores de divergência discretos.
• Não-Simetria e Não-Localidade: Para escoamentos incompressíveis, os autores demonstram que o RST LES-FVM proposto é inerentemente não simétrico e não local (devido à projeção de pressão). Isso contrasta fortemente com os RSTs de LES clássicos, que são tipicamente assumidos como simétricos e locais.
• Erro A-Posteriori Zero: Em experimentos "auxiliados por DNS" (onde o resíduo exato é computado a partir de dados de Simulação Numérica Direta e injetado na equação LES), a proposta de expressão de RST resulta em erro a-posteriori zero. Em contraste, as expressões de RST clássicas resultam em erros que se acumulam ao longo do tempo.
• Melhoria no Modelagem de Fechamento: Quando o novo RST é usado como dado alvo para ajustar o coeficiente de um modelo de Smagorinsky, o coeficiente resultante é maior do que quando ajustado ao RST clássico. Isso leva a um desempenho melhorado em termos de espectros de energia e erro relativo, particularmente para pequenas razões filtro-malha ($\Delta/h$).

Resultos
Os autores validam sua teoria usando dois casos de teste: a equação de Burgers viscosa 1D e a turbulência isotrópica decrescente 3D.

• Equação de Burgers 1D:

  • Análise A-Priori: O estudo mostra que para razões de filtro comuns ($\Delta \le 4h$), os erros de discretização (termos de fluxo e divergência) constituem uma parte significativa (até 70-80%) do resíduo total. Negligenciar esses termos leva a uma representação pobre do resíduo verdadeiro.
  • Análise A-Posteriori: O uso do resíduo informado pela discretização exata como um termo de fechamento resulta em uma reconstrução "perfeita" da solução filtrada da DNS.
  • Modelo de Smagorinsky: O ajuste do coeficiente de Smagorinsky ao novo RST produz um coeficiente mais alto em comparação ao ajuste ao RST clássico. Simulações usando este coeficiente informado apresentam erros relativos menores e espectros de energia que melhor se ajustam à DNS filtrada, particularmente em baixas razões $\Delta/h$.

• Equações de Navier-Stokes 3D:

  • A derivação confirma que o RST 3D é não simétrico e não local.
  • Experimentos auxiliados por DNS em turbulência decrescente 3D confirmam que o arcabouço proposto captura corretamente a tensão residual, validando a extensão da teoria 1D para o escoamento incompressível completo.

Significância e Alegações
O artigo alega que a separação tradicional entre "modelar a física" (fechamento LES) e "modelar os numéricos" (discretização) é falha quando a largura do filtro e o espaçamento da malha são comparáveis. Ao unificar esses processos em um arcabouço LES-FVM, os autores fornecem uma definição matematicamente rigorosa da tensão não resolvida que é consistente com o esquema numérico.

A principal significância reside na demonstração de que erros induzidos pela discretização não são meramente ruído numérico, mas partes integrantes da tensão residual que devem ser contabilizadas no modelo de fechamento. Os autores argumentam que usar o RST clássico como dado alvo para modelos de fechamento ajustados ou baseados em dados introduz uma inconsistência fundamental, levando a coeficientes de modelo subótimos e erros acumulados. O proposto "RST informado pela discretização" fornece o dado alvo correto, permitindo o desenvolvimento de modelos de fechamento mais precisos e estáveis, particularmente para LES implícita ou cenários com malhas grosseiras onde $\Delta \approx h$.

Os autores permanecem modestos quanto à aplicação imediata desses achados em fluxos industriais complexos, observando que, embora o novo RST melhore o desempenho do simples modelo de Smagorinsky, o potencial total deste arcabouço será provavelmente realizado com modelos de fechamento mais expressivos, não locais e não simétricos (por exemplo, abordagens baseadas em aprendizado de máquina) que possam explorar plenamente a estrutura do resíduo derivado.