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

Este artigo propõe e valida uma formulação multiescala variacional estabilizada dinâmica, termo a termo, dentro de uma estrutura de correção de pressão incremental que possibilita simulações robustas de interpolação de ordem igual de aerodinâmica turbulenta incompressível através de regimes laminares a turbulentos, capturando com sucesso características de fluxo complexas em configurações de aerodinâmica externa de grande escala, como o corpo de Ahmed e carros de Fórmula 1.

O essencial

Imagine que você está tentando prever como o ar flui ao redor de um carro em alta velocidade. Isso não é apenas sobre um ar suave; trata-se de uma turbulência caótica e rodopiante que muda a cada milissegundo. Para simular isso em um computador, você tem que dividir o espaço ao redor do carro em milhões de minúsculos pedaços de um quebra-cabeça (uma malha).

O problema é que, mesmo com milhões de peças, seu computador não consegue ver cada pequeno redemoinho de ar. É como tentar observar um furacão através de uma janela com uma grade sobre ela; você vê as grandes tempestades, mas os pequenos redemoinhos caóticos entre as linhas da grade são invisíveis. Se você ignorá-los, sua simulação se torna instável e trava, ou fornece a resposta errada.

A Solução do Artigo: Um "Filtro Inteligente" para o Fluxo de Ar

Os autores deste artigo desenvolveram um novo método de "filtro inteligente" matemático chamado método Multiescala Variacional (VMS). Eles explicam isso usando conceitos simples:

1. O "Panorama Geral" vs. Os "Detalhes Escondidos"

Pense no fluxo de ar como tendo duas camadas:

• A Escala Resolvida: Os grandes redemoinhos visíveis que a malha do seu computador consegue realmente ver.
• A Subescala: Os pequenos redemoinhos invisíveis que são pequenos demais para a malha capturar.

Métodos antigos frequentemente tentavam adivinhar o que os pequenos redemoinhos estavam fazendo usando regras fixas (como uma receita rígida). Este artigo propõe uma abordagem dinâmica. Em vez de uma receita fixa, o computador calcula o que os pequenos rediodos deveriam estar fazendo agora, com base no que os grandes redemoinhos estão fazendo. É como ter um copiloto que ajusta constantemente a direção com base nas condições da estrada, em vez de seguir um mapa pré-definido.

2. A Estratégia "Termo a Termo"

Os autores construíram este método para trabalhar com uma forma específica de resolver equações chamada método de "passo fracionário". Imagine resolver um quebra-cabeça complexo fazendo uma peça de cada vez: primeiro a velocidade, depois a pressão.

• A Inovação: Eles adicionaram seu "filtro inteligente" diretamente em cada etapa do processo de resolução do quebra-cabeça sem bagunçar a ordem.
• A Analogia: Imagine que você está assando um bolo. Normalmente, você mistura os ingredientes e depois assa. Se você precisar adicionar um estabilizador especial, pode ter que reiniciar toda a receita. Este novo método permite que você polvilhe o estabilizador diretamente na massa enquanto você está misturando, garantindo que o bolo cresça perfeitamente sem alterar as etapas de cozimento. Isso mantém o processo rápido e estável.

3. A Rede de Segurança "Ortogonal"

Uma característica fundamental do método deles é a "projeção ortogonal". Imagine que você está tentando separar bolas vermelhas de bolas azuis em um pote.

• O jeito antigo: Você poderia acidentalmente misturá-las ou deixar algumas para trás.
• Este método: Garante que os "grandes redemoinhos" (vermelhos) e os "pequenos redemoinhos" (azuis) sejam mantidos em caixas completamente separadas e não sobrepostas. Isso evita que o computador fique confuso e conte a energia duas vezes, o que mantém a simulação estável mesmo quando o ar é muito turbulento.

4. Testes do Mundo Real

Os autores não fizeram isso apenas no papel; eles testaram o método em dois cenários muito difíceis:

• O Corpo Ahmed: Esta é uma forma quadrada simples usada por cientistas como um teste padrão para aerodinâmica de carros. Eles testaram em diferentes ângulos (como inclinar a traseira de um carro).

  • Resultado: O método funcionou perfeitamente. Ele previu o arrasto (resistência do ar) com precisão e mostrou que o computador consegue lidar com o ar caótico girando atrás do carro sem travar. Eles descobriram que usar uma malha muito fina (37 milhões de peças) fornecia os resultados mais precisos, mas o método permaneceu estável mesmo em malhas mais grosseiras.

• O Carro de Fórmula 1: Este é um teste muito mais difícil. Um carro de F1 é coberto por asas, rodas e curvas, criando padrões de ar incrivelmente complexos.

  • Resultado: Eles simularam um carro real de Fórmula 1 em velocidades de corrida (200 km/h) sem usar nenhum "modelo de turbulência" (os atalhos usuais). O método lidou com os vórtices de ar 3D complexos e o "efeito solo" (o ar sugando o carro para baixo) com sucesso. Produziu dados realistas sobre como o ar se move e quanta força há sobre o carro.

5. Verificando a "Música" do Ar

Para provar que seu método estava funcionando corretamente, eles analisaram os "espectros" do fluxo de ar.

• A Analogia: Pense no fluxo de ar como música. Em um fluxo turbulento real, a energia das "notas" (redemoinhos) segue um padrão específico à medida que ficam menores (como uma escala musical específica).
• O Resultado: A simulação do computador produziu uma "canção" que coincide com a física natural da turbulência. A energia diminuiu na taxa correta, provando que o "filtro inteligente" está dissipando a energia corretamente, exatamente como o ar real faz.

Resumo

Em suma, este artigo apresenta uma nova e robusta maneira de simular o ar turbulento ao redor de veículos. Ele utiliza um filtro matemático dinâmico e autoajustável que separa os grandes movimentos do ar dos pequenos. Ele funciona em malhas de computador não estruturadas e complexas (como a forma de um carro real) e permanece estável mesmo quando o ar é extremamente caótico. Os autores provaram que funciona tanto em um bloco de teste padrão quanto em um carro de Fórmula 1 altamente complexo, mostrando que pode lidar com desafios de engenharia do mundo real sem a necessidade de depender de suposições simplificadas sobre como a turbulência se comporta.

Resumo técnico

Resumo Técnico: Um Método Multiescala Variacional Termo a Termo com Subescalas Dinâmicas para Aerodinâmica Turbulenta Incompressível

Definição do Problema
A representação precisa da turbulência é crítica na aerodinâmica computacional para a predição de arrasto, sustentação e separação, contudo, a Simulação Numérica Direta (DNS) permanece computacionalmente proibitiva em números de Reynolds de engenharia. Modelos de Reynolds-averaged Navier–Stokes (RANS) oferecem eficiência, mas frequentemente carecem de capacidade preditiva em geometrias complexas com fluxos separados. A Simulação de Grandes Eddies (LES) oferece um meio-termo, mas incorre em custos substanciais para geometrias realistas de alto número de Reynolds. Além disso, computações industrialmente relevantes dependem frequentemente de estratégias de passo fracionário (segregação de pressão) para resolver as equações de Navier–Stokes incompressíveis de forma eficiente em malhas não estruturadas de grande escala. No entanto, há evidências de larga escala limitadas sobre como formulações de resolução de turbulência por VMS (Variational Multiscale) se comportam quando incorporadas dentro desses esquemas de passo fracionário de correção de pressão para aerodinâmica externa sub-resolvida e complexa.

Metodologia
Os autores propõem uma formulação estabilizada VMS dinâmica, termo a termo, adaptada para um método de passo fracionário de correção de pressão incremental. A metodologia é projetada para operar em malhas tetraédricas não estruturadas usando interpolação velocidade–pressão de ordem igual, o que requer estabilização para manter a robustez em regimes dominados por convecção.

Componentes metodológicos principais incluem:

• Estrutura VMS Ortogonal: A solução é decomposta em escalas resolvidas (espaço de elementos finitos) e subescalas não resolvidas (complemento ortogonal). Projeções ortogonais garantem uma separação de escala consistente, permitindo que a estrutura não-residual, termo a termo, induza dissipação através de subescalas dinâmicas sem modelos explícitos de viscosidade de eddy.
• Subescalas Dinâmicas: Diferente de abordagens quase-estáticas, as subescalas são tratadas como variáveis dependentes do tempo, integradas consistentemente usando a fórmula de diferenciação reversa de segunda ordem (BDF2). Isso permite que o método recupere características fundamentais da transferência de energia turbulenta, incluindo a dissipação do intervalo inercial e efeitos de backscatter, ao mesmo tempo em que remove restrições severas de passo de tempo.
• Incorporação Termo a Termo: A estabilização é construída no nível totalmente discretizado monolítico e incorporada nas etapas do passo fracionário, modificando blocos de operadores existentes em vez de introduzir novos acoplamentos velocidade–pressão.
  • A estabilização do lado do momento entra na etapa de preditor de velocidade.
  • Contribuições diagonais relacionadas à pressão (induzidas pela subescala de gradiente de pressão) aumentam a resolução de Poisson de correção de pressão.
  • Termos de histórico de subescala aparecem apenas como contribuições conhecidas do lado direito, preservando a estrutura de projeção padrão.
• Layout de Estabilização Mínimo: A formulação introduz apenas os termos necessários para interpolação de ordem igual estável e controle de convecção. Uma contribuição grad–div opcional (atuando através da subescala de pressão) é incluída para aumentar a robustez não linear em configurações exigentes.
• Implementação: Não linearidades decorrentes da convecção e dos parâmetros de estabilização são tratadas via iteração de Picard (ponto fixo). Projeções ortogonais são realizadas via uma estratégia de projeção–correção envolvendo projeções $L^2$ no espaço discreto.

Principais Contribuições

1. Discretização Unificada: O método fornece um framework unificado que permite a interpolação velocidade–pressão de ordem igual estável e o controle robusto de dinâmicas dominadas por convecção em configurações 3D complexas sem recorrer a modelos de turbulência específicos do problema.
2. Integração com Métodos de Passo Fracionário: O trabalho demonstra como a estabilização de subescala dinâmica e ortogonal pode ser integrada em esquemas de correção de pressão incremental sem alterar sua estrutura por estágio ou eficiência.
3. Escalabilidade e Robustez: A formulação é validada em configurações de aerodinâmica externa de grande escala usando malhas não estruturadas variando de 3 a 40 milhões de elementos, demonstrando estabilidade em uma ampla gama de resoluções.

Resultados
A metodologia foi validada em duas configurações:

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

   • As simulações foram realizadas para múltiplos ângulos de inclinação traseira ($0^\circ, 12,5^\circ, 25^\circ, 35^\circ$).
   • A análise de sensibilidade de malha (3,2M a 37,3M elementos) mostrou que, embora as cargas integrais (coeficiente de arrasto) sejam sensíveis à resolução, a formulação permaneceu numericamente estável em todos os níveis.
   • O resultado da malha fina ($C_D \approx 0,33$) apresentou concordância competitiva com dados experimentais e de LES de referência, particularmente para o ângulo de inclinação crítico de $25^\circ$.
   • Os espectros de velocidade e pressão pontuais exibiram faixas de frequência finitas compatíveis com as inclinações de referência do subintervalo inercial ($-5/3$ para velocidade, $-7/3$ para pressão), servindo como um indicador de consistência a posteriori para o controle de dissipação.
   • A visualização de estruturas coerentes (Q-criterion) e da topologia de esteira confirmou a resolução de camadas de cisalhamento separadas e interações de vórtices.

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

   • Uma geometria realista de carro de F1 em escala total foi simulada a $U_\infty = 56$ m/s usando uma única malha fina de $\approx 3,87 \times 10^7$ elementos.
   • Nenhum modelo de turbulência explícito foi utilizado; a robustez dependeu inteiramente da formulação estabilizada.
   • A simulação capturou com sucesso interações de fluxo 3D complexas, incluindo mecanismos de efeito-solo, esteiras de rodas e superfícies de sustentação de múltiplos elementos.
   • Coeficientes integrais ($C_D$, $C_L$) e diagnósticos espectrais confirmaram a capacidade do método em lidar com regimes sub-resolvidos em geometrias de múltiplos componentes realistas.
   • A inclusão do termo grad–div opcional mostrou-se crítica para a convergência não linear neste caso exigente; sem ele, as iterações tendiam a estagnar.

Significância e Alegações
O artigo afirma que a formulação estabilizada e segregada de pressão proposta permanece robusta em escala e captura efetivamente características chave de fluxos separados e organização de esteira coerente em aerodinâmica externa complexa. Ao utilizar subescalas dinâmicas ortogonais, o método induz dissipação numérica controlada adequada para simulações turbulentas sem modelos explícitos de viscosidade de eddy. O trabalho une o hiato entre estudos de benchmark controlados e aerodinâmica aplicada, demonstrando que formulações de resolução de turbulência baseadas em VMS podem ser aplicadas com sucesso dentro de frameworks de passo fracionário eficientes em malhas não estruturadas de grande escala. Os diagnósticos espectrais fornecidos oferecem uma ferramenta prática para avaliar o controle de dissipação em simulações de grande escala e sub-resolvidas. Os autores observam que a escolha dos parâmetros de estabilização (especificamente $c_3 = 24$) foi determinada empiricamente para fornecer o comportamento não linear mais robusto através dos casos de teste.