Introduzione
Vento Globale
Vento Locale
La rugosità del terreno esercita una grande influenza sul vento. La ve-
locità eolica media diminuisce per effetto del terreno, ma allo stesso
tempo il vento diviene turbolento e può essere descritto soltanto in ter-
mini statistici. In particolare, il vento atmosferico è un processo stocas-
tico multicorrelato nello spazio e nel tempo. La velocità media del vento,
per effetto della frizione esercitata dal terreno, aumenta con l’altezza
secondo un profilo esponenziale o logaritmico. La tipologia del terreno
influisce su tale profilo in maniera cosı̀ complessa che risulta difficile quan-
tificarne l’effetto con esattezza. Pertanto, si introducono le cosiddette
lunghezze di rugosità.
Criteri di Progetto
(DIC)
Centro di Ricerca Inter-Universitario di Aerodinamica delle Costruzioni ed
Ingegneria del Vento
(CRIACIV)
Termodinamica dell’atmosfera
Idrodinamica dell’atmosfera
pv = RT (1)
dq = cv dT + pdv (2)
dp
dq = cp dT − RT (4)
p
Per processi adiabatici dq = 0, pertanto dalla precedente relazione si
perviene alla seguente:
dT R dp
− =0 (5)
T cp p
Fc = 2m(v ∧ w ) (8)
f = 2ω sin(φ) (10)
Fc = mfv (11)
Vgr2 1 ∂p
Vgr f ± = (14)
r ρ ∂n
dove, ipotizzando che la massa d’aria sia nell’emisfero Nord, il segno pos-
itivo si riferisce ad una circolazione ciclonica (ovvero intorno ad un centro
a bassa pressione), ed il segno negativo ad una circolazione anticiclonica
(ossia intorno ad un centro ad alta pressione). In generale, per raggi di
curvatura finiti, si ha:
v" #
u r ∂p rf 2
u
rf
Vgr = − + t + (15)
2 ρ ∂n 2
v" #
u 2
rf u rf r ∂p
Vgr = + − t − (16)
2 2 ρ ∂n
Circolazione Generale
Monsoni
I monsoni sono venti periodici tropicali che spirano d’inverno dai conti-
nenti al mare e d’estate dal mare verso la terra, a causa della diversa
temperatura delle masse oceaniche e delle terre emerse. Il monsone es-
tivo porta molta pioggia e quello di più considerevole portata si verifica in
India. I venti solitamente non hanno velocità troppo elevata. Il monsone
invernale ha come caratteristica principale quella di portare con sé un
clima asciutto e freddo.
Cicloni Tropicali
Sono delle tempeste che si generano a causa dell’energia rilasciata dal
calore latente con la condensazione del vapore. Si formano generalmente
ad una latitudine compresa tra 5◦ e 20◦ , ed il loro diametro è di centinaia
di chilometri. Lo spessore dell’atmosfera coinvolta arriva a 10 km.
Nel Pacifico occidentale vengono chiamati tifoni, nell’Oceano Indiano,
nel Mar Arabico e nel Golfo di Bengala cicloni.
A seconda dell’intensità del vento poi, i cicloni vengono classificati come
depressione tropicale se il vento non raggiunge i 63 Km/h; oppure come
tempesta tropicale se non si superano i 118 Km/h; uragano qualora il
vento soffi oltre i 118 Km/h.
Provocano danni ingenti soprattutto in termini di vite umane.
Purtroppo non è possibile prevedere la nascita di un ciclone, ma lo si può
controllare una volta individuato.
La struttura di un
uragano in fase avan-
zata è costituita da 5
regioni principali:
(I) L’occhio del ciclone corrisponde ad una zona relativamente
calma, e rappresenta il centro del ciclone;
(II) Questa regione consiste in un vortice in cui l’aria calda e
umida sale verso l’alto, formando alte nubi; si ha condensazione,
quindi grandi piogge, e rilascio di notevole calore latente;
(III) L’aria fluisce dalla regione II in questa zona;
(IV) In questa zona il flusso è vorticoso ed interagisce con lo
strato limite atmosferico;
(V) Zona limitrofa alla superficie oceanica.
Venti locali
I venti locali sono movimenti di masse d’aria a livello di mesoscala e
microscala che non modificano le proprietà della circolazione secondaria.
Sono di estensione limitata, ma possono raggiungere anche elevate ve-
locità. Quindi, soprattutto in alcune zone del pianeta, possono influen-
zare in maniera decisiva il progetto delle strutture. Sono usualmente
collocati in due categorie principali, legate alle particolari condizioni ge-
ografiche ad atmosferiche.
Condizioni geografiche:
Brezze
Fohen
Bora
Condizioni atmosferiche
Tempeste
Tornadi
Se una massa
d’aria si muove da
una zona pianeg-
giante verso una
zona montuosa,
l’aria sale, e mentre
sale, si raffredda.
Inizialmente, la temperatura diminuisce di circa 1◦ C per 100 m di
quota. Quando la temperatura scende al di sotto di un certo valore, si
ha condensazione, e quindi pioggia o neve, quindi la diminuzione della
temperatura si attesta attorno a 0.5◦ C per 100 m. Quando il punto più
alto del rilievo è superato, la massa d’aria ridiscende, aumentando la
sua temperatura di 1◦ C ogni 100 m.
Siccome siamo arrivati oltre il punto della condensazione, quando la
massa d’aria ridiscende, è secca. Se la massa d’aria si è effettivamente
riscaldata durante la discesa, allora si ha fohen. Sotto altre condizioni,
la massa d’aria non riesce a riscaldarsi, dunque si origina la bora.
Prof. Dr.-Ing. Claudio Borri, Dr.-Ing. Stefano Pastò Circolazione Atmosferica
Moti Atmosferici
Venti influenzati dalle condizioni atmosferiche
Uragani
Un uragano si può formare in corrispondenza di un veloce moto verso
l’alto di aria calda e umida. La condensazione dell’aria che sale determina
un rilascio di energia, e la pioggia determina un moto del sistema centrale
verso il basso. La scala dell’uragano è di circa 10 km, mentre la durata
è dell’ordine di grandezza di 1 ora.
Tornado
Un tornado è un vortice che ruota attorno ad un asse inclinato, con
diametro di circa 300 m, che si muove ad una velocità compresa tra 10 e
30 m/s. La sua massima velocità tangenziale è di 100 m/s. Al di sotto
del tornado si crea una forte depressione che può agire anche in modo
molto violento sugli edifici circostanti.
Prof. Dr.-Ing. Claudio Borri, Dr.-Ing. Stefano Pastò Circolazione Atmosferica
Spettro della componente longitudinale della velocità del vento
Prof. Dr.-Ing. Claudio Borri, Dr.-Ing. Stefano Pastò Strato Limite Atmosferico
Introduzione
La superficie terrestre esercita
sull’aria in movimento prossima
ad essa una forza d’attrito che
ne ritarda il flusso. Inoltre,
un’ ulteriore frizione si genera
tra strati d’aria adiacenti che si
muovono a velocità differenti.
L’effetto combinato di queste
frizioni rende il flusso turbo-
lento, cosicché la direzione della velocità del vento si discosta dalle iso-
bare (turbolenza atmosferica). La regione dell’atmosfera in cui il vento
risente di questi fenomeni prende il nome di strato limite atmosferico.
Lo spessore di tale regione si estende per un’altezza che varia da poche
centinaia di metri a qualche chilometro, in base all’intensità del vento,
alla rugosità del terreno, e all’angolo di latitudine. All’interno dello strato
limite atmosferico la velocità varia con l’altezza fino ad arrivare alla ve-
locità di gradiente, che segna il confine tra lo strato limite atmosferico
e la cosiddetta atmosfera libera, dove la direzione delle masse d’aria in
movimento segue le isobare.
Prof. Dr.-Ing. Claudio Borri, Dr.-Ing. Stefano Pastò Strato Limite Atmosferico
Equazioni del Moto dell’Atmosfera
Prof. Dr.-Ing. Claudio Borri, Dr.-Ing. Stefano Pastò Strato Limite Atmosferico
Equazioni del Moto dell’Atmosfera
Differenziando la 3 rispetto ad x e y si può
dimostrare che la variazione verticale del
gradiente di pressione orizzontale è funzione
del gradiente di densità orizzontale. Trascu-
rando tale variazione (flussi barotropici) si
ha che all’interno dello strato limite atmosferico il gradiente di pressione
orizzontale rimane invariato:
" #
∂p Vgr2
= ρ fVgr ± (5)
∂n r
Prof. Dr.-Ing. Claudio Borri, Dr.-Ing. Stefano Pastò Strato Limite Atmosferico
Soluzione del Moto Turbolento
Prof. Dr.-Ing. Claudio Borri, Dr.-Ing. Stefano Pastò Strato Limite Atmosferico
Soluzione del Moto Turbolento
Prof. Dr.-Ing. Claudio Borri, Dr.-Ing. Stefano Pastò Strato Limite Atmosferico
Profilo di Velocità Media
Prof. Dr.-Ing. Claudio Borri, Dr.-Ing. Stefano Pastò Strato Limite Atmosferico
Profilo di Velocità Media
Spirale di Ekman
Se consideriamo le condizioni al con-
torno per gli sforzi di taglio (Eq.ni 8
e 9) e assumiamo che la viscosità
turbolenta (Eq.10) sia costante, il
modello che ne deriva prende il
nome di spirale di Ekman. Impo-
nendo le condizioni al contorno U =
V = 0 per z = 0 e U = Ug , V = Vg
per z → ∞, la soluzione del sistema è la seguente:
1
U = √ G 1 − e −az (cos(az) − sin(az)
(18)
2
1
V = √ G 1 − e −az (cos(az) + sin(az)
(19)
2
p
con a = f /2K .
Prof. Dr.-Ing. Claudio Borri, Dr.-Ing. Stefano Pastò Strato Limite Atmosferico
Profilo di Velocità Media
Prof. Dr.-Ing. Claudio Borri, Dr.-Ing. Stefano Pastò Strato Limite Atmosferico
Profilo di Velocità Media
La precedente relazione può essere espressa in forma adimensionale:
Ui + V j z
= f1 (20)
u∗ zo
nota come legge del muro che descrive il flusso nel strato supericiale. La
quantità
r
τo
u∗ = (21)
ρ
Prof. Dr.-Ing. Claudio Borri, Dr.-Ing. Stefano Pastò Strato Limite Atmosferico
Profilo di Velocità Media
Esprimendo la 20 nella forma equivalente:
Ui + V j z δ
= f1 (23)
u∗ δ zo
Nell’Eurocodice
1 sono state
introdotte quat-
tro categorie di
terreno, per le
quali è definito
un fattore di
terreno kT
proporzionale alla velocità d’attrito, e che aumenta con la rugosità del
terreno.
Prof. Dr.-Ing. Claudio Borri, Dr.-Ing. Stefano Pastò Strato Limite Atmosferico
Lunghezza di Rugosità
Prof. Dr.-Ing. Claudio Borri, Dr.-Ing. Stefano Pastò Strato Limite Atmosferico
Lunghezza di Rugosità
Prof. Dr.-Ing. Claudio Borri, Dr.-Ing. Stefano Pastò Strato Limite Atmosferico
Lunghezza di Rugosità
Prof. Dr.-Ing. Claudio Borri, Dr.-Ing. Stefano Pastò Strato Limite Atmosferico
Profilo di velocità media nel caso di terreni non omogenei
Consideriamo il caso in figura in cui il vento lambisce dapprima un
suolo con rugosità zo1 e successivamente un suolo con zo2 .
In corrispondenza del primo terreno, e
ad un’altezza h2 dopo la transizione,
la velocità del vento è determinata
soltanto dalla rugosità zo1 . La ru-
gosità zo2 influisce sulla velocità del
vento solo entro l’altezza h1 , mentre nella regione intermedia tra
h1 e h2 si ha una graduale transizione in cui entrambe le rugosità
influenzano la velocità del vento. La regione cha si estende dal
suolo fino ad h2 prende il nome di strato limite interno, mentre al
disotto di h1 si ha lo strato di equilibrio. La lunghezza dello strato
limite esterno è stato valutato da Elliot che formulò la seguente
relazione:
0.8
zo1 x
h2 (x) = z02 0.75 + 0.03 ln (35)
z02 z02
Prof. Dr.-Ing. Claudio Borri, Dr.-Ing. Stefano Pastò Strato Limite Atmosferico
Discontinuità nel Piano di Campagna
Prof. Dr.-Ing. Claudio Borri, Dr.-Ing. Stefano Pastò Strato Limite Atmosferico
Profilo Esponenziale di Velocità Media
Prof. Dr.-Ing. Claudio Borri, Dr.-Ing. Stefano Pastò Strato Limite Atmosferico
Profilo Esponenziale di Velocità Media
Prof. Dr.-Ing. Claudio Borri, Dr.-Ing. Stefano Pastò Strato Limite Atmosferico
Ingegneria del Vento
Turbolenza Atmosferica
σu = Au∗ (1)
σv ≈ 0.75σu (2)
σw ≈ 0.5σu (3)
E [u(x, y , z, t1 )u(x, y , z, t1 + τ )]
ρu (z, τ ) = (6)
σu2 (z)
ρu (τ ) = e −τ /T (z) (8)
1 z
U(z) = u∗ (18)
k zo
Si dimostra, utilizzando le precedenti relazioni, che lo spettro della com-
ponente longitudinale della velocità del vento può essere scritta nella
forma:
−2/3
nSuu (z, n) nz
= 0.26 (19)
u∗2 U(z)
Spettro di Davenport
2
nSuu (z, n) 1200n 1
=4 (21)
u∗2 U10 2 4/3
1200n
1 + U10
Spettro di Kaimal
nSuu (z, n) 200f
2
= (22)
u∗ (1 + 50f )5/3
Suu (P1 , P2 , n)
SN (P1 , P2 , n) = p (26)
Suu (P1 , n)Suu (P2 , n)
Prof. Dr.-Ing. Claudio Borri, Dr.-Ing. Stefano Pastò Aerodinamica dei Corpi Tozzi
Introduzione
Prof. Dr.-Ing. Claudio Borri, Dr.-Ing. Stefano Pastò Aerodinamica dei Corpi Tozzi
Equazioni di Moto
Prof. Dr.-Ing. Claudio Borri, Dr.-Ing. Stefano Pastò Aerodinamica dei Corpi Tozzi
Equazioni di Moto
Le equazioni di moto del volume
dV di fluido si scrivono come
somma delle forze d’inerzia, delle
forze di massa, e delle forze di su-
perficie:
3
Dui X ∂σij
ρ = ρgi + i = 1, 2, 3 (2)
Dt ∂xj
j=1
dove:
3
Dui X ∂σij
ρ dV ρgi dV dV (3)
Dt ∂xj
j=1
Prof. Dr.-Ing. Claudio Borri, Dr.-Ing. Stefano Pastò Aerodinamica dei Corpi Tozzi
Equazioni di Navier-Stokes
3
!
1 X
dij = 2µ eij − δij ekk (i, j = 1, 2, 3) (7)
3
k=1
dove:
(
1 i =j
1 ∂ui ∂uj
eij = + δij = (8)
2 ∂xj ∂xi 0 i=6 j
Prof. Dr.-Ing. Claudio Borri, Dr.-Ing. Stefano Pastò Aerodinamica dei Corpi Tozzi
Equazioni di Navier-Stokes
dove:
(
1 i =j
1 ∂ui ∂uj
eij = + δij = (9)
2 ∂xj ∂xi 0 i 6= j
3 3
" !#
Dui ∂p X ∂ 1 X
ρ = ρgi − + 2µ eij − δij ekk i, j = 1, 2, 3
Dt ∂xi ∂xj 3
j=1 k=1
(11)
Prof. Dr.-Ing. Claudio Borri, Dr.-Ing. Stefano Pastò Aerodinamica dei Corpi Tozzi
Equazioni di Navier-Stokes
Prof. Dr.-Ing. Claudio Borri, Dr.-Ing. Stefano Pastò Aerodinamica dei Corpi Tozzi
Equazioni di Bernoulli
Nel caso in cui il fluido è incompressibile e inviscido (µ = 0), l’equazione
13 diviene:
3
Du X ∂p
ρ =− ii (14)
Dt ∂xi
i=1
u2
dpdA = ρdrdA (17)
r
dove p è la pressione lungo su un elemento elementare di fluido, dA
è l’area di tale elemento, u 2 /r è l’accelerazione del flusso dovuta alla
curvatura di raggio, r .
Prof. Dr.-Ing. Claudio Borri, Dr.-Ing. Stefano Pastò Aerodinamica dei Corpi Tozzi
Equazioni di Bernoulli
ur = cost (20)
Prof. Dr.-Ing. Claudio Borri, Dr.-Ing. Stefano Pastò Aerodinamica dei Corpi Tozzi
Strato Limite e Separazione
Prof. Dr.-Ing. Claudio Borri, Dr.-Ing. Stefano Pastò Aerodinamica dei Corpi Tozzi
Strato Limite e Separazione
Prof. Dr.-Ing. Claudio Borri, Dr.-Ing. Stefano Pastò Aerodinamica dei Corpi Tozzi
Strato Limite e Separazione
Prof. Dr.-Ing. Claudio Borri, Dr.-Ing. Stefano Pastò Aerodinamica dei Corpi Tozzi
Strato Limite e Separazione
Prof. Dr.-Ing. Claudio Borri, Dr.-Ing. Stefano Pastò Aerodinamica dei Corpi Tozzi
Distacco dei Vortici e Formazione della Scia
Prof. Dr.-Ing. Claudio Borri, Dr.-Ing. Stefano Pastò Aerodinamica dei Corpi Tozzi
Distacco dei Vortici e Formazione della Scia
Prof. Dr.-Ing. Claudio Borri, Dr.-Ing. Stefano Pastò Aerodinamica dei Corpi Tozzi
Distacco dei Vortici e Formazione della Scia
Prof. Dr.-Ing. Claudio Borri, Dr.-Ing. Stefano Pastò Aerodinamica dei Corpi Tozzi
Distacco dei Vortici e Formazione della Scia
Prof. Dr.-Ing. Claudio Borri, Dr.-Ing. Stefano Pastò Aerodinamica dei Corpi Tozzi
Distacco dei Vortici e Formazione della Scia
Prof. Dr.-Ing. Claudio Borri, Dr.-Ing. Stefano Pastò Aerodinamica dei Corpi Tozzi
Legge del Numero di Strouhal
Prof. Dr.-Ing. Claudio Borri, Dr.-Ing. Stefano Pastò Aerodinamica dei Corpi Tozzi
Legge del Numero di Strouhal
Il numero di Strouhal dipende da di-
versi parametri, quali ad esempio la
forma della sezione ed il numero di
Reynolds.
Prof. Dr.-Ing. Claudio Borri, Dr.-Ing. Stefano Pastò Aerodinamica dei Corpi Tozzi
Coefficienti di Pressione e di Forza
Prof. Dr.-Ing. Claudio Borri, Dr.-Ing. Stefano Pastò Aerodinamica dei Corpi Tozzi
Coefficienti di Pressione e di Forza
Prof. Dr.-Ing. Claudio Borri, Dr.-Ing. Stefano Pastò Aerodinamica dei Corpi Tozzi
Coefficienti di Pressione e di Forza
Prof. Dr.-Ing. Claudio Borri, Dr.-Ing. Stefano Pastò Aerodinamica dei Corpi Tozzi
Coefficienti di Pressione e di Forza
Prof. Dr.-Ing. Claudio Borri, Dr.-Ing. Stefano Pastò Aerodinamica dei Corpi Tozzi
Coefficienti di Pressione e di Forza
Prof. Dr.-Ing. Claudio Borri, Dr.-Ing. Stefano Pastò Aerodinamica dei Corpi Tozzi
Coefficienti di Pressione e di Forza
Inoltre, l’andamento
di CD al variare di Re
dipende anche dalla
rugosità superficiale. In
particolare, la rugosità
superficiale anticipa la
transizione tra un regime
ed un altro.
Prof. Dr.-Ing. Claudio Borri, Dr.-Ing. Stefano Pastò Aerodinamica dei Corpi Tozzi
Coefficienti di Pressione e di Forza
Prof. Dr.-Ing. Claudio Borri, Dr.-Ing. Stefano Pastò Aerodinamica dei Corpi Tozzi
Ingegneria del Vento
Variabili Aleatorie e Processi Stocastici
Prof. Dr.-Ing. Claudio Borri, Dr.-Ing. Stefano Pastò Variabili Aleatorie e Processi Stocastici
Introduzione
Prof. Dr.-Ing. Claudio Borri, Dr.-Ing. Stefano Pastò Variabili Aleatorie e Processi Stocastici
Variabili Aleatorie Continue
Data una variabile aleatoria continua, X , la probabilità che essa sia mag-
giore o uguale ad un certo valore, x, è data dalla funzione di distribuzione
di probabilità, FX (x):
∂FX (x)
pX (x) = (2)
∂x
da cui chiaramente si ottiene che
Z x
FX (x) = P(X ≤ x) = pX (ξ)dξ (3)
−∞
Prof. Dr.-Ing. Claudio Borri, Dr.-Ing. Stefano Pastò Variabili Aleatorie e Processi Stocastici
Variabili Aleatorie Continue
Prof. Dr.-Ing. Claudio Borri, Dr.-Ing. Stefano Pastò Variabili Aleatorie e Processi Stocastici
Variabili Aleatorie Continue
Analogamente, è si definiscono i momenti centrali di una variabile aleato-
ria:
Z +∞
E [X ] = xpX (x)dx = µX
−∞
Z +∞
E [(X − µX )2 ] = (x 2 − µX )pX (x)dx = Var [X ] = σX2
−∞ (6)
..
.
Z +∞
E [(X − µX )n ] = (x n − µX )pX (x)dx
−∞
Prof. Dr.-Ing. Claudio Borri, Dr.-Ing. Stefano Pastò Variabili Aleatorie e Processi Stocastici
Variabili Aleatorie Continue
Nella pratica, i valori di una variabile aleatoria sono noti dai risultati di N
esperimenti. In tal caso le precedenti definizioni dei momenti divengono:
N
1 X
E [X ] = Xi = µX
N
i=1
N
1 X 2
E [X 2 ] = Xi
N (8)
i=1
..
.
N
1 X n
E [X n ] = Xi
N
i=1
Prof. Dr.-Ing. Claudio Borri, Dr.-Ing. Stefano Pastò Variabili Aleatorie e Processi Stocastici
Variabili Aleatorie Continue
Prof. Dr.-Ing. Claudio Borri, Dr.-Ing. Stefano Pastò Variabili Aleatorie e Processi Stocastici
Variabili Aleatorie Gaussiane
Prof. Dr.-Ing. Claudio Borri, Dr.-Ing. Stefano Pastò Variabili Aleatorie e Processi Stocastici
Variabili Aleatorie Congiunte
Prof. Dr.-Ing. Claudio Borri, Dr.-Ing. Stefano Pastò Variabili Aleatorie e Processi Stocastici
Variabili Aleatorie Congiunte
Prof. Dr.-Ing. Claudio Borri, Dr.-Ing. Stefano Pastò Variabili Aleatorie e Processi Stocastici
Variabili Aleatorie Congiunte
da cui si ottiene:
Prof. Dr.-Ing. Claudio Borri, Dr.-Ing. Stefano Pastò Variabili Aleatorie e Processi Stocastici
Momenti di Variabili Aleatorie Congiunte
Date due variabili aleatorie congiunte, X ed Y , i loro momenti centrali
del primo ordine (medie) saranno definiti dalle seguenti relazioni:
Z +∞ Z +∞
κ1 [X ] = E [X ] = µX = xpXY (x, y )dxdy (19)
−∞ −∞
Z +∞ Z +∞
κ1 [Y ] = E [Y ] = µY = ypXY (x, y )dxdy (20)
−∞ −∞
E [(X − µX )2 ]
2
E [(X − µX )(Y − µY )] σX σXY
ΓXY = =
E [(Y − µY )(X − µX )] E [(Y − µY )2 ] σYX σY2
(21)
1
pXY (x, y ) = ×
2πσX σY
( » –)
1 (x−µX )2 (y −µY )2 (x−µX ) (x−µY )
1 + −2ρXY
(
2 1−ρ2 ) σ2 σ2 σX σY
×p e XY X Y
1 − ρ2XY
(22)
Prof. Dr.-Ing. Claudio Borri, Dr.-Ing. Stefano Pastò Variabili Aleatorie e Processi Stocastici
Processi Stocastici
Un processo stocastico è una famiglia di variabili aleatorie che dipendono
da un parametro. Nella pratiche strutturali, tale parametro è il tempo,
dal momento che i processi stocastici a cui si fa riferimento, sono delle
forzanti che variano nel tempo.
pX (t1 ) (x1 )
pX (t1 )X (t2 ) (x1 , x2 )
..
.
pX (t1 )X (t2 )...X (tn ) (x1 , x2 , . . . , xn )
(23)
Prof. Dr.-Ing. Claudio Borri, Dr.-Ing. Stefano Pastò Variabili Aleatorie e Processi Stocastici
Processi Stocastici
In alternativa, un processo stocastico è completamente definito se sono
definiti i suoi momenti:
E [X (t)] = µX (t)
E [X (t1 )X (t2 )] = RXX (t1 , t2 )
.. (24)
.
E [X (t1 )X (t2 ) . . . X (tn )]
E [X (t)] = µX (t)
E {[X (t1 ) − µX (t1 )][X (t2 ) − µX (t2 )]} = RXX (t1 , t2 ) − µX (t1 )µX (t2 )
..
.
E {[X (t1 ) − µX (t1 )][X (t2 ) − µX (t2 )] . . . [X (tn ) − µX (tn )]}
(25)
Prof. Dr.-Ing. Claudio Borri, Dr.-Ing. Stefano Pastò Variabili Aleatorie e Processi Stocastici
Processi Stocastici
Prof. Dr.-Ing. Claudio Borri, Dr.-Ing. Stefano Pastò Variabili Aleatorie e Processi Stocastici
Processi Stocastici
Prof. Dr.-Ing. Claudio Borri, Dr.-Ing. Stefano Pastò Variabili Aleatorie e Processi Stocastici
Processi Stocastici
Prof. Dr.-Ing. Claudio Borri, Dr.-Ing. Stefano Pastò Variabili Aleatorie e Processi Stocastici
Processi Stocastici Stazionari
Prof. Dr.-Ing. Claudio Borri, Dr.-Ing. Stefano Pastò Variabili Aleatorie e Processi Stocastici
Processi Stocastici Stazionari e Gaussiani
Un processo stocastico Gaussiano, è un processo stocastico le cui com-
ponenti sono caratterizzate da un funzione di densità di probabilità di
tipo gaussiano (Eq. 10).
Inoltre, dal momento che la densità di probabilità di una variabile aleato-
ria Gaussiana è completamente definita quando sono note la sua media,
µX , e la sua varianza σX2 , (Eq. 10), allora un processo Gaussiano è com-
pletamente stazionario se i primi due momenti (o momenti centrali) sono
stazionari:
E [X (t)] = µX ∀t (32)
Prof. Dr.-Ing. Claudio Borri, Dr.-Ing. Stefano Pastò Variabili Aleatorie e Processi Stocastici
Processi Stocastici Stazionari e Gaussiani
Osservazione
Prof. Dr.-Ing. Claudio Borri, Dr.-Ing. Stefano Pastò Variabili Aleatorie e Processi Stocastici
Processi Stocastici Ergodici
Prof. Dr.-Ing. Claudio Borri, Dr.-Ing. Stefano Pastò Variabili Aleatorie e Processi Stocastici
Processi Stocastici Ergodici
si può subito notare che per τ = 0 si ha κ2 [X2 (t)] = σX2 = RXX (0) − µ2X .
L’ipotesi di ergodicità è quasi sempre accettata nella sperimentazione.
In particolare, acquisito un certo processo stocastico, X(t), durante un
intervallo di tempo T , con una frequenza di campionamento fc , il numero
di campioni monitorati risulterà N = Tfc . Noti X(t), T , ed N si possono
trovare le grandezze di interesse riportate nella 34 e nella 35.
Se il processo ergodico fosse anche Gaussiano, sarebbe completamente
descritto dai primi due cumulanti κ1 e κ2 .
Prof. Dr.-Ing. Claudio Borri, Dr.-Ing. Stefano Pastò Variabili Aleatorie e Processi Stocastici
Processi Stocastici Ergodici
Osservazione
Prof. Dr.-Ing. Claudio Borri, Dr.-Ing. Stefano Pastò Variabili Aleatorie e Processi Stocastici
Processi Stocastici Multivariati
Prof. Dr.-Ing. Claudio Borri, Dr.-Ing. Stefano Pastò Variabili Aleatorie e Processi Stocastici
Processi Stocastici Multivariati
la matrice di covarianza:
κ X 1 X 1 (t 1 , t 2 ) . . . κX 1 X N
(t 1 , t 2 )
ΓXX (t1 , t2 ) = .
. .
. .
. =
. . .
κXN X1 (t1 , t2 ) . . . κXN XN (t1 , t2 )
(41)
Prof. Dr.-Ing. Claudio Borri, Dr.-Ing. Stefano Pastò Variabili Aleatorie e Processi Stocastici
Processi Stocastici Multivariati Stazionari
Prof. Dr.-Ing. Claudio Borri, Dr.-Ing. Stefano Pastò Variabili Aleatorie e Processi Stocastici
Processi Stocastici Multivariati Stazionari
= RXX (τ ) − µX µT
X (43)
(44)
Prof. Dr.-Ing. Claudio Borri, Dr.-Ing. Stefano Pastò Variabili Aleatorie e Processi Stocastici
Processi Stocastici Multivariati Stazionari
Prof. Dr.-Ing. Claudio Borri, Dr.-Ing. Stefano Pastò Variabili Aleatorie e Processi Stocastici
Densità Spettrali
La densità spettrale di potenza di un processo stocastico
stazionario, X (t), è data dalla trasformata di Fourier della fun-
zione di correlazione di X (t):
Z +∞
1
SXX (ω) = RXX (τ )e −iωτ dτ (45)
2π −∞
dove GXX (ω) = 2SXX (ω) è detto spettro unilatero di X (t). Nel
caso di un processo multivariato stazionario, X(t), si definisce la
matrice delle densità spettrali:
SX1 X1 (ω) SX1 X2 (ω) . . . SX1 XN (ω)
SXX (ω) =
.. .. .. ..
(49)
. . . .
SXN X1 (ω) SXN X2 (ω) . . . SXN XN (ω)
Prof. Dr.-Ing. Claudio Borri, Dr.-Ing. Stefano Pastò Variabili Aleatorie e Processi Stocastici
Densità Spettrali
ossia:
Z +∞
1
SXX (ω) = RXX (τ )e −iωτ dτ (50)
2π −∞
dove
E [X1 (t)X1 (t + τ )] . . . E [X1 (t)XN (t + τ )]
RXX (τ ) = .. .. ..
. . .
E [XN (t)X1 (t + τ )] . . . E [XN (t)XN (t + τ )]
(51)
Prof. Dr.-Ing. Claudio Borri, Dr.-Ing. Stefano Pastò Variabili Aleatorie e Processi Stocastici
Densità Spettrali
Prof. Dr.-Ing. Claudio Borri, Dr.-Ing. Stefano Pastò Variabili Aleatorie e Processi Stocastici
Densità Spettrali
In generale si ha:
q SXi Xj (ω)
|CohXi Xj (ω)| = q (54)
SXi Xi (ω)SXj Xj (ω)
Prof. Dr.-Ing. Claudio Borri, Dr.-Ing. Stefano Pastò Variabili Aleatorie e Processi Stocastici
Densità Spettrali
Nota la matrice delle densità spettrali di X(t) è possibile risalire
alla matrice di correlazione ad esso associata:
2
σX1
. . . σ X 1 XN
.. ..
RXX (0) = .. (55)
. . .
2
σ X N X1 . . . σ X N
dove
Z +∞
σX2 i = SXi Xi (ω)dω (56)
−∞
Z +∞
σ X i Xj = SXi Xj (ω)dω (57)
−∞
Prof. Dr.-Ing. Claudio Borri, Dr.-Ing. Stefano Pastò Variabili Aleatorie e Processi Stocastici
Esempi di Processi Stocastici
Prof. Dr.-Ing. Claudio Borri, Dr.-Ing. Stefano Pastò Variabili Aleatorie e Processi Stocastici
Esempi di Processi Stocastici
Rumore bianco
Le variabili aleatorie sono statisticamente indipendenti tra loro
Prof. Dr.-Ing. Claudio Borri, Dr.-Ing. Stefano Pastò Variabili Aleatorie e Processi Stocastici
Ingegneria del Vento
Generazione di Storie di Vento
Prof. Dr.-Ing. Claudio Borri, Dr.-Ing. Stefano Pastò Generazione di Storie di Vento
Introduzione
Nella presente lezione verranno proposte alcune delle più comuni tecniche
per la generazione di storie di vento a partire dalla matrice di densità spet-
trale associata alla turbolenza atmosferica.
In questa sede, faremo riferimento alla componente fluttuante longitudi-
nale della velocità del vento, u = u(t), intesa come un processo stocas-
tico stazionario, gaussiano, a media nulla.
Tali metodi di generazione sono comunque validi per qualsiasi forzante
indotta dal vento, sia essa acquisita in galleria del vento o al vero, ed in
generale per qualsiasi processo stocastico che presenti analoghe proprietà.
Prof. Dr.-Ing. Claudio Borri, Dr.-Ing. Stefano Pastò Generazione di Storie di Vento
Simulazione di singoli processi stocastici
a
Generalmente la turbolenza atmosferica longitudinale ha una banda di
frequenza compresa tra 0Hz e 4Hz.
Prof. Dr.-Ing. Claudio Borri, Dr.-Ing. Stefano Pastò Generazione di Storie di Vento
Constant Amplitude Wave Superposition (C.A.W.S.)
Il metodo si basa sul calcolo di H, in modo che lo spettro associato alla
1 sia quello desiderato. Dalla teoria dei processi stocastici sappiamo che
la varianza, σ 2 , di un processo stocastico stazionario, gaussiano, a media
nulla, ed ergodico, è data dalla seguente relazione:
Z +∞ Z T
1
σu2 = Su (n)dn = u 2 (t)dt (2)
0 T 0
Prof. Dr.-Ing. Claudio Borri, Dr.-Ing. Stefano Pastò Generazione di Storie di Vento
Constant Amplitude Wave Superposition (C.A.W.S.)
H2 σ2
= u = Su (nk )∆nk = cost. (6)
2 N
Prof. Dr.-Ing. Claudio Borri, Dr.-Ing. Stefano Pastò Generazione di Storie di Vento
Constant Amplitude Wave Superposition (C.A.W.S.)
Prof. Dr.-Ing. Claudio Borri, Dr.-Ing. Stefano Pastò Generazione di Storie di Vento
Weighted Amplitude Wave Superposition (W.A.W.S.)
Weighted Amplitude Wave Superposition (W.A.W.S.)
T T
H2
Z Z
1 1 2
uk2 (t)dt
2
= Hk cos (2πnk t + φk ) dt = k = Su (nk )∆nk
T 0 T 0 T
(8)
Prof. Dr.-Ing. Claudio Borri, Dr.-Ing. Stefano Pastò Generazione di Storie di Vento
Filtri Autoregressivi
Filtri Autoregressivi
Il processo stocastico, u(t), è scritto nel seguente modo:
p
X
u(t) = ψk u(t − k∆t) + (t) (10)
k=1
Ru (τ ) = E [u(t)u(t + τ )] (11)
Prof. Dr.-Ing. Claudio Borri, Dr.-Ing. Stefano Pastò Generazione di Storie di Vento
Filtri Autoregressivi
con s = 1 . . . p.
Il rapporto di convergenza del metodo è proporzionale al numero dei
parametri da stimare. Tuttavia, non si conosce a priori l’ordine del filtro,
p, che pertanto dovrà essere stimato iterativamente, ossia fino a quando
non vi sia una buona corrispondenza tra lo spettro effettivo e quello
simulato.
Prof. Dr.-Ing. Claudio Borri, Dr.-Ing. Stefano Pastò Generazione di Storie di Vento
Simulazione di Processi Multivariati
Generalmente il campo di vento è un processo stocastico multidimen-
sionale e multicorrelato nello spazio e nel tempo. Si procede, pertanto,
all’estensione dei precedenti metodi al caso più generale e d’interesse per
le strutture.
uM (t)
dove:
Prof. Dr.-Ing. Claudio Borri, Dr.-Ing. Stefano Pastò Generazione di Storie di Vento
Simulazione di Processi Multivariati
n
ek = nk + δnk (16)
Φ(M),k
Prof. Dr.-Ing. Claudio Borri, Dr.-Ing. Stefano Pastò Generazione di Storie di Vento
Simulazione di Processi Multivariati
In maniera analoga a quanto visto per i singoli processi, si può dimostrare
che:
dove:
zi − zj
τij = 2 (21)
[U(zi ) + U(zj )]
Prof. Dr.-Ing. Claudio Borri, Dr.-Ing. Stefano Pastò Generazione di Storie di Vento
Simulazione di Processi Multivariati
Prof. Dr.-Ing. Claudio Borri, Dr.-Ing. Stefano Pastò Generazione di Storie di Vento
Filtri Autoregressivi
Filtri Autoregressivi
Supponiamo di voler simulare M processi cross-correlati, allora scriveremo che
l’i-esima componente fluttuante ui (t) è data da:
Xp X
M
ui (t) = ψij (k)uj (t − k∆t) + Ni (t) (22)
k=1 j=i
dove, al solito, p è l’ordine del filtro, e N(t) = [Ni (t) . . . NM (t)] è il vettore
composto da M rumori cui corrisponde la matrice di cross-correlazione R(N) (τ ).
Per determinare i coefficienti del filtro, ψij è necessario risolvere il seguente
sistema di equazioni:
p M
1 XX
Rim (l∆t) = ψij (k)Rjm [(k − l)∆t]
T
k=1 j=1
p
(23)
M
1 XX
Rim (0) = T ψij (k)Rjm [k∆t] + R(N),im (0)
k=1 j=1
Prof. Dr.-Ing. Claudio Borri, Dr.-Ing. Stefano Pastò Generazione di Storie di Vento
Filtri Autoregressivi
dove j (t) sono dei rumori bianchi a media nulla e varianza unitaria,
completamente scorrelati tra loro.
Pertanto, calcolato il profilo di vento per il sito in questione, si sceglie
la durata della storia di vento, T , il passo di campionamento, ∆t, e si
calcolano i coefficienti del filtro ψij dalla prima equazione del sistema
23. Successivamente, dalla seconda equazione del sistema 23 si calcola
R(N),im (0), se ne opera la fattorizzazione di Cholesky, trovando L. Per
ogni intervallo di tempo ti , si generano i processi j (ti ), si calcolano
dunque i processi N(ti ), ed infine il valore di u(ti ). Il processo si ripete
per ciascun istante ti .
Prof. Dr.-Ing. Claudio Borri, Dr.-Ing. Stefano Pastò Generazione di Storie di Vento
Ingegneria del Vento
Dinamica delle Strutture
Prof. Dr.-Ing. Claudio Borri, Dr.-Ing. Stefano Pastò Dinamica delle Strutture
Sistemi ad un grado di libertà
Le strutture possono essere assimilate a sistemi ad n gradi di libertà,
riconducibili a n sistemi ad un solo grado di libertà. Pertanto, per af-
frontare lo studio delle strutture complesse, conviene introdurre la di-
namica dell’oscillatore elementare.
Oscillazioni libere
L’oscillatore semplice è caratterizzato da una massa m collegata ad una
molla di rigidezza k che esercita su di essa una forza di richiamo elastico
proporzionale allo spostamento della massa stessa.
mẍ + kx = 0 (1)
Prof. Dr.-Ing. Claudio Borri, Dr.-Ing. Stefano Pastò Dinamica delle Strutture
Sistemi ad un grado di libertà
L’equazione 1 può essere riscritta nella forma:
m + ωo2 x = 0 (2)
Prof. Dr.-Ing. Claudio Borri, Dr.-Ing. Stefano Pastò Dinamica delle Strutture
Sistemi ad un grado di libertà
Prof. Dr.-Ing. Claudio Borri, Dr.-Ing. Stefano Pastò Dinamica delle Strutture
Sistemi ad un grado di libertà
Prof. Dr.-Ing. Claudio Borri, Dr.-Ing. Stefano Pastò Dinamica delle Strutture
Sistemi ad un grado di libertà
Oscillazioni forzate
Se l’oscillatore è soggetto ad una forzante armonica, F (t) =
F sin(ωt), l’equazione di moto assume la forma:
F
m + ωo2 x = sin(ωt) (10)
m
la cui soluzione è data dalla sovrapposizione della soluzione omo-
genea (Eq. 4) e di quella particolare. Quest’ultima si ottiene a
partire dalla soluzione di tentativo
Prof. Dr.-Ing. Claudio Borri, Dr.-Ing. Stefano Pastò Dinamica delle Strutture
Sistemi ad un grado di libertà
Prof. Dr.-Ing. Claudio Borri, Dr.-Ing. Stefano Pastò Dinamica delle Strutture
Sistemi ad un grado di libertà
Prof. Dr.-Ing. Claudio Borri, Dr.-Ing. Stefano Pastò Dinamica delle Strutture
Sistemi ad un grado di libertà
Oscillazioni Smorzate
Nel caso in cui l’oscillatore è munito di uno smorzatore, la massa
sarà soggetta ad un’ulteriore forza di richiamo. Tale forza è di
natura viscosa ed è proporzionale alla velocità della massa stessa.
mẍ + c ẋ + kx = 0 (14)
con
c
2νωo = (16)
m
relazione che permette di definire il fattore di smorzamento, ν:
c c
ν= = √ (17)
2mωo 2 km
Le radici dell’equazione caratteristica associata all’equazione di
moto (Eq. 14) sono le seguenti:
p
λ1,2 = −ν ± ν 2 − 1 ωo (18)
Prof. Dr.-Ing. Claudio Borri, Dr.-Ing. Stefano Pastò Dinamica delle Strutture
Sistemi ad un grado di libertà
Escludendo il caso in cui ν > 1 per il quale la radici sono reali ed
il moto è aperiodico, prendiamo in esame gli altri casi:
ν = 1: le radici sono coincidenti, λ1 = λ2 = −ωo , e la
soluzione risulta essere:
Prof. Dr.-Ing. Claudio Borri, Dr.-Ing. Stefano Pastò Dinamica delle Strutture
Sistemi ad un grado di libertà
si ottiene
xo p
x(t) = √ e −νωo t cos ωo 1 − ν 2 t + φ
1 − ν2
ν (23)
tan φ = − √
1 − ν2
Prof. Dr.-Ing. Claudio Borri, Dr.-Ing. Stefano Pastò Dinamica delle Strutture
Sistemi ad un grado di libertà
Se invece si pone:
(
x(0) = 0
(24)
ẋ(0) = ẋo
si ottiene
x˙ p
x(t) = √o e −νωo t sin ωo 1 − ν 2 t
ωo 1 − ν 2 (25)
π
φ=
2
Prof. Dr.-Ing. Claudio Borri, Dr.-Ing. Stefano Pastò Dinamica delle Strutture
Sistemi ad un grado di libertà
δ ≈ 2πν (29)
Prof. Dr.-Ing. Claudio Borri, Dr.-Ing. Stefano Pastò Dinamica delle Strutture
Sistemi ad un grado di libertà
Prof. Dr.-Ing. Claudio Borri, Dr.-Ing. Stefano Pastò Dinamica delle Strutture
Sistemi a più gradi di libertà
Prof. Dr.-Ing. Claudio Borri, Dr.-Ing. Stefano Pastò Dinamica delle Strutture
Sistemi a più gradi di libertà
Oscillazioni libere
Le oscillazioni libere di una struttura non smorzata, ricondotta
ad un sistema a n gradi di libertà, si determinano risolvendo un
sistema di equazioni differenziali ordinarie che potremo scrivere in
forma matriciale come segue:
MÜ + KU = 0 (34)
Prof. Dr.-Ing. Claudio Borri, Dr.-Ing. Stefano Pastò Dinamica delle Strutture
Sistemi a più gradi di libertà
Prof. Dr.-Ing. Claudio Borri, Dr.-Ing. Stefano Pastò Dinamica delle Strutture
Sistemi a più gradi di libertà
qj = Cj cos(ωj t + ψj ) (38)
2π 1
ωj = 2πfj Tj = fj = (39)
ωj Tj
Prof. Dr.-Ing. Claudio Borri, Dr.-Ing. Stefano Pastò Dinamica delle Strutture
Sistemi a più gradi di libertà
K − ωj2 M φj qj = 0
(42)
Prof. Dr.-Ing. Claudio Borri, Dr.-Ing. Stefano Pastò Dinamica delle Strutture
Sistemi a più gradi di libertà
K − ωj2 M φj = 0
(43)
Prof. Dr.-Ing. Claudio Borri, Dr.-Ing. Stefano Pastò Dinamica delle Strutture
Sistemi a più gradi di libertà
ωj2 = λj (45)
Prof. Dr.-Ing. Claudio Borri, Dr.-Ing. Stefano Pastò Dinamica delle Strutture
Sistemi a più gradi di libertà
Poiché ciascun autovettore viene determinato a meno di costante
arbitraria, generalmente si opera una normalizzazione in modo tale
che la matrice degli autovettori, Φ, sia anche ortonormale rispetto
alla matrice delle masse:
ΦT MΦ = I (46)
ΦT KΦ = Ω2 (47)
avendo posto:
2
ω1
ω22
Ω2 = (48)
..
.
ωn2
Prof. Dr.-Ing. Claudio Borri, Dr.-Ing. Stefano Pastò Dinamica delle Strutture
Sistemi a più gradi di libertà
Le propietà di ortogonalità e ortonormalità della matrice degli au-
toettori, Φ, permettono di semplificare il calcolo della risposta di-
namica di una struttura complessa. Infatti, premoltiplicando tutti
i termini della 40 per ΦT si ottiene:
IQ̈ + Ω2 Q = 0 (50)
q¨1 + ω12 q1 = 0
.. (51)
.
q¨n + ωn2 qn = 0
Prof. Dr.-Ing. Claudio Borri, Dr.-Ing. Stefano Pastò Dinamica delle Strutture
Sistemi a più gradi di libertà
La struttura viene pertanto scomposta in n oscillatori elementari
le cui risposte sono date, come visto in precedenza, dalle seguenti
soluzioni:
q1 = C1 cos(ω1 t + ψ1 )
q2 = C2 cos(ω2 t + ψ2 )
.. (52)
.
qn = Cn cos(ωn t + ψn )
Prof. Dr.-Ing. Claudio Borri, Dr.-Ing. Stefano Pastò Dinamica delle Strutture
Sistemi a più gradi di libertà
Oscillazioni libere smorzate
Nella valutazione dello smorzamento delle strutture reali vi è un
grande numero di incertezze. Le cause principali di queste in-
certezze sono di varia natura: l’attrito dei giunti, l’isteresi del ma-
teriale, la presenza di elementi non strutturali interagenti con la
struttura, le resistenze del mezzo. Generalmente non è possibile
tenere in conto tutte queste cause, peraltro non sempre facili da
individuare, ma si preferisce valutarne l’effetto complessivo medi-
ante indicazioni di natura sperimentale. In quest’ottica risultano
giustificate alcune semplificazioni che possono essere sintetizzate
in due ipotesi fondamentali:
Le forze di richiamo viscoso, resistenze viscose, sono
proporzionali alla velocità;
La matrice di smorzamento, C, è esprimibile come una
combinazione lineare della matrice delle masse e delle
rigidezze.
Prof. Dr.-Ing. Claudio Borri, Dr.-Ing. Stefano Pastò Dinamica delle Strutture
Sistemi a più gradi di libertà
Quest’ultima ipotesi può essere riscritta con l’ausilio di due
costanti, α e β:
C = αM + βK (54)
Prof. Dr.-Ing. Claudio Borri, Dr.-Ing. Stefano Pastò Dinamica delle Strutture
Sistemi a più gradi di libertà
dove
2ν1 ω1 0 ... 0
0 2ν2 ω2 . . . 0
N = ΦT CΦ = . (57)
. .. ..
.. .. . .
0 0 0 2νn ωn
Prof. Dr.-Ing. Claudio Borri, Dr.-Ing. Stefano Pastò Dinamica delle Strutture
Sistemi a più gradi di libertà
ossia la struttura viene scomposta in n oscillatori smorzati le
cui risposte sono date, come visto in precedenza, dalle seguenti
soluzioni:
q
−ν1 ω1 t 2
q1 (t) = C1 e cos ω1 1 − ν1 t + ψ1
.. (59)
.
q
qn (t) = Cn e −νn ωn t cos ωn 1 − νn2 t + ψn
Prof. Dr.-Ing. Claudio Borri, Dr.-Ing. Stefano Pastò Dinamica delle Strutture
Sistemi a più gradi di libertà
Prof. Dr.-Ing. Claudio Borri, Dr.-Ing. Stefano Pastò Dinamica delle Strutture
Sistemi a più gradi di libertà
dove
F (t) = [F1 (t), F2 (t), . . . , Fn (t)] P(t) = [P1 (t), P2 (t), . . . , Pn (t)]
(64)
Prof. Dr.-Ing. Claudio Borri, Dr.-Ing. Stefano Pastò Dinamica delle Strutture
Sistemi a più gradi di libertà
Forzanti generiche
Si procede al calcolo della risposta per una forzante multidimen-
sionale F (t) di tipo qualsiasi, essendo tale soluzione di validità
generale.
Le equazioni scritte nella 55 sono linearmente indipendenti, in
quanto disaccoppiate. La risposta del j-esimo oscillatore sarà data
dalla sovrapposizione della j-esima soluzione omogenea e della j-
esima soluzione particolare. La soluzione omogenea è data dalle
equazioni 59, mentre la soluzione particolare sarà espressa medi-
ante l’integrale di convoluzione, o di Duhamel.
Prof. Dr.-Ing. Claudio Borri, Dr.-Ing. Stefano Pastò Dinamica delle Strutture
Sistemi a più gradi di libertà
„ q « Z t
−ν1 ω1 t
q1 (t) = C1 e cos ω1 1 − ν12 t + ψ1 + p1 (τ )h1 (t − τ )dτ
0
„ q « Z t
q2 (t) = C2 e −ν2 ω2 t cos ω2 1 − ν22 t + ψ2 + p2 (τ )h2 (t − τ )dτ
0
.
(66)
.
.
qn (t) = Cn e −νn ωn t cos „ωn q1 − ν 2 t + ψn « + Z t pn (τ )hn (t − τ )dτ
n
0
dove:
1 q
hj (t) = q e −νj ωj t sin ωj 1 − νj2 t (67)
ωj 1 − νj2
Prof. Dr.-Ing. Claudio Borri, Dr.-Ing. Stefano Pastò Dinamica delle Strutture
Requisiti di similitudine
Requisiti di similitudine
F = F (Vm, D, ρ, f, μ, g)
dove
a
F = Vm1 ⋅ Da2 ⋅ ρa3 ⋅ f a4 ⋅ μa5 ⋅ ga6
dove a1,...,a6 rappresentano esponenti da determinare. Si ha
quindi:
a1 a3 a4 a5 a6
⎡M ⋅ L ⎤ ⎡ L ⎤ ⎡M⎤ ⎡1 ⎤ ⎡ M ⎤ ⎡L ⎤
⎢ 2 ⎥ˆ =⎢ ⎥ ⋅ [L ]
a2
⋅⎢ ⎥ ⋅⎢ ⎥ ⋅⎢ ⋅⎢ ⎥
⎣ T ⎦ ⎣T ⎦ ⎣L3 ⎦ ⎣T ⎦ ⎣L ⋅ T ⎥⎦ ⎣ T2 ⎦
⎧1 = a3 + a5 M (esponenti di M)
⎪
⎨1 = a1 + a2 − 3 a3 − a5 + a6 L (esponenti di L)
⎪ − 2 = −a − a − a − 2 a
⎩ 1 4 5 6 T (esponenti di T)
Analisi dimensionale: forze su un corpo
3 delle 6 incognite devono essere assunte come dipendenti
⎧a1 = 2 − a4 − a5 − 2 a6
⎪
⎨a2 = 2 + a4 − a5 + a6
⎪a = 1 − a
⎩ 3 5
ottenendo:
2 − a4 − a5 − 2a6
Fˆ
= Vm ⋅ D2 + a4 − a5 + a6 ⋅ ρ1− a5 ⋅ f a4 ⋅ μa5 ⋅ ga6
che può essere riscritto come
a4 a5 a6
2 2 ⎡D ⋅ f ⎤ ⎡ μ ⎤ ⎡D ⋅ g⎤
Fˆ
= VmD ρ ⋅ ⎢ ⋅⎢ ⋅⎢
V ⎥ V ⋅ D ⋅ ρ ⎥ 2 ⎥
⎣ m⎦ ⎣ m ⎦ ⎢⎣ Vm ⎦⎥
Analisi dimensionale: forze su un corpo
a4 a5 a6
2 2 ⎡D ⋅ f ⎤ ⎡ μ ⎤ ⎡D ⋅ g⎤
Fˆ
= VmD ρ ⋅ ⎢ ⋅⎢ ⋅⎢
V ⎥ V ⋅ D ⋅ ρ ⎥ 2 ⎥
⎣ m⎦ ⎣ m ⎦ ⎢⎣ Vm ⎥⎦
Il risultato appena ottenuto ci indica che
⎧
⎪⎡D ⋅ f ⎤ = ⎡D ⋅ f ⎤ pr prototipo
⎪⎢⎣ Vm ⎥⎦ ⎢V ⎥
⎣ m ⎦ wt wt wind tunnel (modello)
⎪ pr
⎪⎡ Vm ⋅ D ⎤ ⎡ Vm ⋅ D ⎤ μ
⎨⎢ =⎢ ν vicosità cinematica ν=
⎣ ν ⎥
⎦ ⎣ ν ⎥⎦ ρ
⎪ pr wt
⎪ ⎡ V2 ⎤ ⎡ V 2 ⎤
⎪⎢ m ⎥ = ⎢ m ⎥
⎪⎢⎣D ⋅ g⎥⎦pr ⎢⎣D ⋅ g⎥⎦ wt
⎩
Scalatura del modello
Ovviamente il modello nella galleria del vento è scalato rispetto alla
realtà. Introducendo i fattori di scala:
⎧
⎪⎡D ⋅ f ⎤ = ⎡D ⋅ f ⎤
⎪⎢⎣ Vm ⎥⎦ ⎢V ⎥
⎣ m ⎦ wt
⎪ pr ⎧λD = λ V ⋅ λ T
⎪⎡ Vm ⋅ D ⎤ ⎡ Vm ⋅ D ⎤ ⎪
⎨⎢ ⎥ =⎢ ⎥⎦
⎨λD = 1 / λ V
⎪ ⎣ ν ⎦ pr ⎣ ν wt ⎪λ = λ2
⎪ ⎡ V2 ⎤ 2 ⎤ ⎩ D V
⎡ V
⎪⎢ m ⎥ = ⎢ m ⎥
⎪⎢⎣D ⋅ g⎥⎦pr ⎢⎣D ⋅ g⎥⎦ wt
⎩
Scalatura del modello
⎧λD = λ V ⋅ λ T condizione sul numero di St
⎪
⎨λD = 1 / λ V condizione sul numero di Re
⎪λ = λ2
⎩ D V condizione sul numero di Fr
Ma:
• la 2a e la 3a sono tra loro incompatibili !
• la 2a richiederebbe un fattore di scala inverso per le lunghezze e le
velocità
l ità (ad
( d esempio,
i una scalal del
d l modello 1 100 → velocità
d ll 1:100 l ità del
d l
flusso in galleria 100:1, 100 volte maggiore che in scala reale !)
• la 3a richiederebbe di ridurre la velocità di un fattore 10 se la scala
del modello fosse 1:100 !
Di conseguenza
conseguenza, una scalatura “esatta”
esatta è impossibile in galleria del
vento, specialmente per quanto concerne il numero di Reynolds
(anche se, per alcuni tipi di fenomeni, la similitudine di Reynolds può
non essere particolarmente importante)
transizione
transizione
Da: Schewe G., Reynolds-number effects in flow around more-or-less bluff bodies, in Proceeding 4th
International Colloquium Bluff Body Aerodynamics & Applications, Bochum (2000).
La rugosità “tecnica”
⎡h⎤ ⎡h⎤
⎢ ⎥ =⎢ ⎥ LxV scala integrale
g di turbolenza
⎢⎣LxV ⎦⎥ ⎢⎣LxV ⎦⎥
pr wt