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

Este artigo propõe um modelo de coeficiente variável $C_{\epsilon2}$ para a estrutura de turbulência $k$-$\epsilon$ que considera o tempo de cascata finito e os efeitos do número de Reynolds, capturando, assim, com precisão o decaimento e o crescimento da turbulência isotrópica através de diversos cenários de escoamento.

O essencial

Imagine a turbulência (o movimento caótico e giratório de fluidos como ar ou água) como uma cachoeira gigante e complexa. Nesta cachoeira, grandes ondas se quebram em ondulações menores, que se quebram em respingos ainda menores, até que a energia finalmente desapareça como calor. Esse processo é chamado de "cascata de energia".

Por décadas, engenheiros usaram um conjunto de regras (modelos matemáticos) para prever como essa cachoeira se comporta. Um dos livros de regras mais populares é chamado de modelo $k-\epsilon$. Ele tenta prever duas coisas: quanta energia há na água ($k$) e a rapidez com que essa energia está desaparecendo ($\epsilon$).

No entanto, há um "botão" específico neste livro de regras, chamado $C_{\epsilon2}$, que controla a rapidez com que a energia desaparece. Por muito tempo, os cientistas assumiram que esse botão era fixo — como um termostato ajustado para uma temperatura permanente. Eles pensavam que não importava se a água estava fluindo rápido ou devagar, ou se você tinha acabado de iniciar o fluxo ou se o deixava correr por um tempo; o botão permanecia o mesmo.

O Problema:
Os autores deste artigo, pesquisadores de Stanford e Los Alamos, realizaram simulações computacionais incrivelmente detalhadas (como filmes de alta definição da cachoeira) e descobriram que o antigo livro de regras estava errado. Eles descobriram que o "botão" ($C_{\epsilon2}$) não é fixo. Na verdade, ele se move.

Pense nisso como o motor de um carro. Se você pisa de repente no acelerador (injeta energia), o motor não reage instantaneamente; leva um momento para subir as rotações. Da mesma forma, na turbulência, leva um tempo finito para a energia viajar das grandes ondas até os pequenos respingos onde ela desaparece. Esse "tempo de viagem" muda dependendo da velocidade com que a água se move (número de Reynolds) e se você está adicionando energia ou deixando o fluxo morrer.

A Descoberta:
Ao observar suas simulações de alta definição, os pesquisadores viram que:

1. Quando a turbulência está morrendo (decaimento): O "botão" começa em um valor e muda lentamente para um novo valor estável. Não é instantâneo; ele tem uma "memória" de como o fluxo começou.
2. Quando você força a turbulência a crescer (adicionando energia): O "botão" cai significavelmente. O sistema está fora de equilíbrio porque a energia está sendo bombeada para dentro mais rápido do que pode cascatear para os pequenos respingos para ser dissipada.

A Solução:
Em vez de tratar o botão como um número fixo, os autores criaram uma nova regra que torna o botão um variável. Eles escreveram uma nova equação que diz ao botão como se mover com base em duas coisas:

• A velocidade atual do fluxo (número de Reynolds).
• O histórico do fluxo (Acabamos de ligá-lo? Ele está morrendo? Está sendo forçado a crescer?).

Eles compararam este novo botão "inteligente" contra suas simulações de alta definição. Os resultados mostraram que o antigo modelo de botão fixo frequentemente errava o tempo, prevendo que a energia desapareceria rápido demais ou devagar demais. O novo modelo, que permite que o botão mude, coincidiu quase perfeitamente com a física real.

A Analogia:
Imagine que você está tentando prever quanto tempo uma fogueira vai durar.

• O Modelo Antigo: Assume que a fogueira queima a uma taxa constante, não importa o quê. Se você adicionar uma lenha, ela apenas continua queimando na mesma velocidade.
• O Novo Modelo: Reconhece que, quando você adiciona uma lenha, a fogueira não passa a queimar em uma nova taxa instantaneamente. Leva um tempo para a nova madeira pegar fogo, para o calor se espalhar e para as chamas se ajustarem. A "taxa de queima" muda dinamicamente com base em quanta madeira você acabou de jogar e qual era o tamanho do fogo um momento atrás.

A Conclusão:
Este artigo não pretende resolver todos os problemas da dinâmica de fluidos. Ele foca especificamente em turbulência isotrópica (turbulência que parece igual em todas as direções, como uma panela de sopa perfeitamente misturada). Os autores provaram com sucesso que, ao tornar o "coeficiente de decaimento" um alvo móvel que reage ao histórico e à velocidade do fluxo, eles podem prever como a turbulência morre ou cresce com muito mais precisão do que os modelos padrão de coeficiente fixo.

Eles reconhecem que este é um primeiro passo. O modelo deles funciona muito bem para essas simulações específicas e controladas, mas ainda precisa ser testado em cenários mais complexos e do mundo real (como o ar fluindo sobre uma asa) antes que possa ser usado no design de engenharia cotidiana.

Resumo técnico

Resumo Técnico: Um Modelo de Coeficiente Variável para o Decaimento de Turbulência Isotrópica

Definição do Problema
No contexto da modelagem Reynolds-Averaged Navier-Stokes (RANS), a estrutura $k-\epsilon$ é uma abordagem padrão para prever fluxos turbulentos. Um parâmetro crítico nesta família de modelos é o coeficiente $C_{\epsilon2}$, que governa o decaimento da energia cinética turbulenta ($k$) e da taxa de dissipação ($\epsilon$). Tradicionalmente, $C_{\epsilon2}$ é tratado como uma constante (tipicamente 1,92), ligando o expoente da lei de potência do decaimento temporal $n$ via a relação $n = 1/(C_{\epsilon2} - 1)$. No entanto, uma extensa literatura computacional e experimental indica que o expoente de decaimento $n$ não é universal; ele varia com o número de Reynolds instantâneo ($Re_T$) e com o histórico de injeção de energia (condições iniciais). Além disso, a suposição de um $C_{\epsilon2}$ constante falha em capturar a dinâmica da turbulência durante estados de não-equilíbrio, como crescimento ou decaimento rápido, onde o tempo finito requerido para o cascateamento de energia das grandes escalas para as escalas dissipativas desempenha um papel significativo. Tentativas existentes para modelar essa variabilidade, como modelos de múltiplas escalas, frequentemente dependem de variáveis internas não mensuráveis, limitando sua utilidade prática.

Metodologia
Os autores utilizam Simulações Numéricas Diretas (DNS) de alta fidelidade e Simulações de Grandes Escalas (LES) para investigar os termos matemáticos responsáveis pelo decaimento da turbulência isotrópica.

• Simulações: O estudo utiliza um código pseudoespectral para resolver as equações de momento incompressíveis em um domínio triplamente periódico. As simulações cobrem uma gama de números de Reynolds ($Re_T$ de 78 a 382) tanto para turbulência forçada estacionária quanto para cenários de decaimento livre e crescimento forçado.
• Estratégia de Forçamento: Para manter a turbulência independente do domínio, um termo de forçamento linear é aplicado usando um filtro passa-alta no campo de velocidade, injetando energia apenas em números de onda $\kappa > 2$. Isso mimetiza a produção de cisalhamento de maneira controlada.
• Análise de Dados: Os autores analisam a equação de transporte exata para a taxa de dissipação ($\epsilon$). Eles observam que, embora os termos individuais na equação de dissipação (especificamente a produção turbulenta $P_\epsilon$ e a dissipação viscosa $Y$) divirjam com o aumento do número de Reynolds, seu efeito combinado ($P_\epsilon - Y$) permanece convergente e insensível ao $Re_T$ no limite de altos números de Reynolds.
• Derivação do Modelo: Ao computar o $C_{\epsilon2}$ instantâneo a partir de dados DNS usando a relação $C_{\epsilon2} = -(P_\epsilon - Y)k/\epsilon^2$, os autores observam que $C_{\epsilon2}$ não é constante. Ele evolui ao longo do tempo, é sensível ao número de Reynolds e responde ao histórico de injeção de energia. Com base nessas observações, eles propõem uma equação de evolução fenomenológica para $C_{\epsilon2}$ em vez de derivá-lo de primeiros princípios.

Principais Contribuições
A principal contribuição deste trabalho é o desenvolvimento de um modelo de coeficiente variável para $C_{\epsilon2}$ que retém um espaço de entrada mensurável enquanto captura o tempo de cascata finito e os efeitos do número de Reynolds.

1. Equação de Evolução para $C_{\epsilon2}$: Os autores propõem uma equação de evolução de primeira ordem amortecida (Eq. 13) onde $C_{\epsilon2}$ é tratado como uma variável dinâmica:
   $$\frac{dC_{\epsilon2}}{dt} = A_D \frac{\epsilon - P}{k} (C_{\epsilon D} - C_{\epsilon2}) + A_F \frac{P}{k} (C_{\epsilon F} - C_{\epsilon2})$$
   Aqui, $P$ é a taxa de produção. A equação distingue entre o comportamento de decaimento (subscrito $D$) e o comportamento forçado (subscrito $F$).
2. Dependência do Número de Reynolds: Os coeficientes do modelo ($A_D, A_F, C_{\epsilon D}$) são formulados como funções de $Re_T$. Com base na análise de escala, as correções de primeira ordem para números de Reynolds finitos são proporcionais a $Re_T^{-1/2}$.
3. Restrições Teóricas: O modelo impõe $C_{\epsilon F} = 1$ para turbulência forçada estacionária, um valor derivado teoricamente para forçamento linear, e determina valores assintóticos para $C_{\epsilon D}$ nos limites de baixos e altos números de Reynolds ($C^0_{\epsilon D} = 1,5$ e $C^\infty_{\epsilon D} = 1,73$, respectivamente).

Resultos
O modelo proposto foi ajustado usando dados DNS para $Re_T = 78, 133, 180$ e $382$, e validado contra um caso independente ($Re_T = 240$) e um caso de LES de número de Reynolds infinito.

• Comportamento Dinâmico: O modelo reproduz com sucesso a evolução não monotônica de $C_{\epsilon2}$ observada em DNS. Para turbulência em decaimento, $C_{\epsilon2}$ aumenta de um valor inicial e assintota para um valor dependente de Reynolds. Para turbulência em crescimento, $C_{\epsilon2}$ diminui, caindo abaixo de unidade antes de subir novamente.
• Precisão de Predição: Ao ser integrado em um solver RANS, o modelo de $C_{\epsilon2}$ variável prevê com precisão a evolução temporal tanto da energia cinética turbulenta ($k$) quanto da taxa de dissipação ($\epsilon$) em cenários de decaimento e crescimento.
• Comparação com Modelos Padrão: O modelo proposto supera significativamente o modelo $k-\epsilon$ padrão (que assume um $C_{\epsilon2}$ constante de 1,92). O modelo padrão falha em capturar o decaimento rápido de TKE em casos de número de Reynolds infinito e apresenta imprecisões quantitativas em regimes de crescimento com taxas de injeção de energia variáveis.
• Robustez: O modelo demonstra insensibilidade à razão entre as escalas de tempo de crescimento da turbulência e as escalas de tempo de grande eddy, performando bem mesmo quando testado com taxas de injeção de energia 50% menores e 50% maiores do que os dados de ajuste.

Significância e Alegações
Os autores posicionam este trabalho como um passo incremental para a melhoria dos modelos de turbulência existentes. Eles alegam que, ao tratar $C_{\epsilon2}$ como uma variável governada por uma equação de evolução, o modelo captura a física essencial — especificamente o tempo finito da cascata de energia e os efeitos do número de Reynolds — que se perde em abordagens de coeficiente constante. O estudo enfatiza que o modelo é proposto fenomenologicamente com base em observações de DNS, em vez de ser rigorosamente derivado.

Os autores explicitamente observam limitações e requisitos futuros para uma aplicação mais ampla:

• Os dados atuais são limitados por tamanhos de caixa finitos e uma gama limitada de números de Reynolds.
• O modelo ainda não foi validado para fluxos não homogêneos; estendê-lo para incluir termos de transporte é um passo futuro necessário.
• O modelo é atualmente válido para regimes onde a produção é comparável à dissipação ($P \leq O(\epsilon)$) e pode não ser adequado para injeções de energia extremas ou abruptas sem correções de ordem superior.
• A suposição de forçamento linear usada para derivar $C_{\epsilon F} = 1$ pode diferir de mecanismos físicos de produção, embora os autores argumentem que o forçamento linear é um proxy razoável para efeitos de gradiente de velocidade média.

Em resumo, o artigo demonstra que um modelo de $C_{\epsilon2}$ variável, informado por dados de alta fidelidade e argumentos de escala, oferece uma representação mais precisa do decaimento e crescimento da turbulência isotrópica do que os modelos tradicionais de coeficiente constante, fornecendo uma base para futuras melhorias na modelagem RANS.