Estrategias de Refinamiento Adaptativo Aplicadas al Análisis de Flujos Turbulentos

Autores

  • María Clara Cortizo Carbone Universidad Nacional de Rosario, Facultad de Ciencias Exactas, Ingeniería y Agrimensura, Escuela de Ingeniería Mecánica, Rosario, Argentina & Centro de Investigación de Métodos Computacionales (CIMEC-CONICET/UNL). Santa Fe, Argentina. https://orcid.org/0009-0005-0996-7415
  • César I. Pairetti Universidad Nacional de Rosario, Facultad de Ciencias Exactas, Ingeniería y Agrimensura, Escuela de Ingeniería Mecánica & Instituto de Física de Rosario (IFIR-CONICET/UNR). Rosario, Argentina & Sorbonne Université and CNRS, Institut Jean Le Rond ∂’Alembert. Paris, France.
  • César M. Venier Universidad Nacional de Rosario, Facultad de Ciencias Exactas, Ingeniería y Agrimensura, Escuela de Ingeniería Mecánica & Instituto de Física de Rosario (IFIR-CONICET/UNR). Rosario, Argentina
  • Santiago Márquez Damián Centro de Investigación de Métodos Computacionales (CIMEC-CONICET/UNL) & Universidad Tecnológica Nacional, Facultad Regional Santa Fe. Santa Fe, Argentina.

DOI:

https://doi.org/10.70567/mc.v42.ocsid8358

Palavras-chave:

Turbulencia, Refinamiento de Malla Adaptativo, Simulación Numérica Directa

Resumo

En este trabajo se presentan avances en el estudio numérico de la turbulencia mediante simulaciones utilizando el software Basilisk, con el objetivo de establecer una base de referencia para el análisis de modelos de turbulencia multinivel. Se trabaja sobre una simulación de flujo turbulento en condiciones periódicas, permitiendo la caracterización estadística de sus propiedades. Se utilizan técnicas de refinamiento adaptativo con el objetivo de optimizar el costo computacional sin perder resolución de las escalas relevantes del flujo. Se evalúan las fluctuaciones de las componentes de la velocidad y se calculan las correlaciones del flujo y el tensor de Reynolds. La caracterización costo-precisión de las estrategias de refinamiento en función de la precisión con la que se capturan las propiedades del flujo permite definir criterios para el modelado multinivel de flujos turbulentos.

Referências

Basilisk. Forced isotropic turbulence in a triply-periodic box. http://www.basilisk.fr/src/examples/isotropic.c, 2025. Accessed: 01/09/2025.

Brunton S.L. Turbulence Closure Models: Reynolds Averaged Navier Stokes (RANS) amp; Large Eddy Simulations (LES). 2021a. https://doi.org/10.52843/cassyni.cjkr7f.

Brunton S.L. What Is Turbulence? Turbulent Fluid Dynamics are Everywhere. 2021b. https://doi.org/10.52843/cassyni.hrpvdf.

Cadieux F., Sun G., y Domaradzki J.A. Effects of numerical dissipation on the interpretation of simulation results in computational fluid dynamics. Computers & Fluids, 154:256–272, 2017. https://doi.org/10.1016/j.compfluid.2017.06.009.

De Stefano G. y Vasilyev O.V. A fully adaptive wavelet-based approach to homogeneous turbulence simulation. Journal of fluid mechanics, 695:149–172, 2012. https://doi.org/10.1017/jfm.2012.6.

Ims J. y Wang Z.J. A comparison of three error indicators for adaptive highorder large eddy simulation. Journal of Computational Physics, 490:112312, 2023. https://doi.org/10.1016/j.jcp.2023.112312.

Jeong J. y Hussain F. On the identification of a vortex. Journal of fluid mechanics, 285:69–94,1995. https://doi.org/10.1017/S0022112095000462.

Lagrée P.Y., Staron L., y Popinet S. The granular column collapse as a continuum: validity of a two-dimensional Navier–Stokes model with a µ (I)-rheology. Journal of Fluid Mechanics, 686:378–408, 2011. https://doi.org/10.1017/jfm.2011.335.

Moin P. y Chan W.H.R. Fundamentals of Turbulent Flows. Cambridge University Press, 2024.

Offermans N., Massaro D., Peplinski A., y Schlatter P. Error-driven adaptive mesh refinement for unsteady turbulent flows in spectral-element simulations. Computers & Fluids, 251:105736, 2023. https://doi.org/10.1016/j.compfluid.2022.105736.

Pairetti C.I. Modelización de flujos turbulentos multifásicos aplicada al diseño de sistemas inyectores de nafta en motores de combustión interna. Tesis de Doctorado, Universidad Nacional de Rosario, 2019.

Podvigina O. y Pouquet A. On the non-linear stability of the 1: 1: 1 ABC flow. Physica D: Nonlinear Phenomena, 75:471–508, 1994. https://doi.org/10.1016/0167-2789(94)00031-X.

Pope S.B. Turbulent flows. Cambridge University Press, 2000.

Popinet S. Gerris: a tree-based adaptive solver for the incompressible Euler equations in complex geometries. Journal of Computational Physics, 190(2), 2003. https://doi.org/10.1016/S0021-9991(03)00298-5.

Popinet S. An accurate adaptive solver for surface-tension-driven interfacial flows. Journal of Computational Physics, 228(16), 2009. https://doi.org/10.1016/j.jcp.2009.04.042.

Popinet S. The basilisk code: http://basilisk.fr/. 2014.

Popinet S. A quadtree-adaptive multigrid solver for the Serre–Green–Naghdi equations. Journal of Computational Physics, 302:336–358, 2015. https://doi.org/10.1016/j.jcp.2015.09.009.

Rivière A. Bubble deformation and fragmentation in turbulence. Tesis de Doctorado, Université Paris sciences et lettres, 2024.

Rosales C. y Meneveau C. Linear forcing in numerical simulations of isotropic turbulence: Physical space implementations and convergence properties. Physics of fluids, 17(9), 2005. https://doi.org/10.1063/1.2047568.

Sagaut P., Deck S., y Terracol M. Multiscale and Multiresolution Approaches in Turbulence. Imperial College Press, 2006.

Tennekes H. y Lumley J.L. A first course in turbulence. MIT press, 1972.

Van Hooft J.A., Popinet S., Van Heerwaarden C.C., Van der Linden S.J.A., De Roode S.R., y Van de Wiel B.J.H. Towards adaptive grids for atmospheric boundary-layer simulations. Boundary-layer Meteorology, 2018. https://doi.org/10.1007/s10546-018-0335-9.

Publicado

2025-11-30

Edição

Seção

Artigos completos da conferência MECOM 2025

Artigos mais lidos pelo mesmo(s) autor(es)

1 2 > >>