Documenti di Didattica
Documenti di Professioni
Documenti di Cultura
di
ANDREA APROVITOLA
Tutor : Il Coordinatore :
Prof. Filippo Maria Denaro Prof. Francesco Scaramuzzino
Indice
1 1
1.1 Introduzione . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 1
1.2 Equazioni in forma integrale per la Large Eddy Simulation su griglia
non uniforme . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 5
1.3 La procedura numerica . . . . . . . . . . . . . . . . . . . . . . . . . . 10
1.3.1 Definizione della griglia di calcolo . . . . . . . . . . . . . . . . 10
1.3.2 La metodologia d’integrazione temporale . . . . . . . . . . . . 11
1.3.3 Ricostruzione polinomiale per i flussi convettivi e diffusivi . . . 15
1.3.4 Il criterio upwind multidimensionale . . . . . . . . . . . . . . 15
1.3.5 Definizione del simplesso Lagrangiano . . . . . . . . . . . . . . 16
1.3.6 Integrazione superficiale dei flussi . . . . . . . . . . . . . . . . 20
1.3.7 Validazione della procedura upwind . . . . . . . . . . . . . . . 24
1.3.8 Distribuzione spettrale dell’errore di troncamento . . . . . . . 26
1.4 Procedura di deconvoluzione e formulazione implicita . . . . . . . . . 32
1.5 Test di consistenza per la deconvoluzione . . . . . . . . . . . . . . . . 35
1.6 Discretizzazione spaziale del modello di equazioni filtrate - Metodo
di proiezione approssimata . . . . . . . . . . . . . . . . . . . . . . . . 37
1.6.1 Parallelizzazione del Solver di pressione . . . . . . . . . . . . . 40
1.7 Tests di convergenza sul codice impementato - consistenza . . . . . . 42
Bibliografia 62
ii
Sommario
iii
Capitolo 1
1.1 Introduzione
La simulazione numerica dei flussi turbolenti rappresenta uno fra gli aspetti
più problematici della fluidodinamica computazionale a causa dell’elevato costo di
calcolo richiesto per descrivere adeguatamente tale fenomenologia. L’utilizzo di un
elevato numero di punti griglia, unito all’esigenza di impiegare schemi numerici ad
elevata accuratezza, sia per la discretizzazione delle equazioni che per la modellistica
della turbolenza, limita drasticamente la capacità di utilizzare in modo proficuo le
risorse di calcolo disponibili. La tecnica più accurata per descrivere la dinamica di un
flusso turbolento è la simulazione numerica diretta (DNS). In una simulazione DNS
le equazioni di Navier-Stokes (N-S) che governano il comportamento di un flusso
turbolento, sono risolte senza alcuna modellistica. Una DNS, al pari di un esperi-
mento, fornisce la descrizione di tutte le scale (vortici) del campo di moto turbolento
da quella integrale, dipendente dalle condizioni al contorno a quella dissipativa di
Kolmogorov, a livello della quale avvengono le trasformazioni termodinamiche del
flusso. Conseguentemente, in una simulazione DNS tutti i gradi di libertà nel-
la descrizione della fenomenologia turbolenta sono correttamente descritti a meno
dell’approssimazione introdotta dall’errore di troncamento dello schema numerico
utilizzato. È noto [1] che la complessità computazionale di una tale simulazione
cresce con la potenza 9/4 del numero di Re rendendo praticamente irrealizzabile
una DNS per casi d’interesse non accademico.
La simulazione numerica delle grandi scale LES, consente invece una riduzione
dei gradi di libertà della fenomenologia turbolenta mediante una decomposizione del
campo di velocità in scale risolte (grandi scale) e scale non risolte (piccole scale).
Essendo la turbolenza un fenomeno, caratterizzato da un trasferimento energetico
agente con continuità dalle grandi alle piccole scale, ne deriva che tale riduzione si
basa sulla scelta della dimensione caratteristica della più piccola delle scale risolte.
1
Inoltre, tale separazione di scale trova il suo fondamento teorico nel fatto che il
moto su grandi scale ha un comportamento anisotropo, nel senso che è sensibile alla
geometria del problema e quindi alle condizioni al contorno. Le componenti su gran-
di scale contengono l’energia prevalentemente dal campo medio e la trasferiscono,
mediante i meccanismi di elongazione/contrazione dei tubi vorticosi, alle scale di
dimensione inferiore in un processo caratterizzato dalla cosiddetta cascata inerziale.
Le piccole scale, ove l’energia cinetica è dissipata, invece hanno un comportamen-
to omogeneo ed isotropo, indipendente dalle modalità di genesi della turbolenza, e
pertanto per esse è ipotizzabile assumere un comportamento universale [2].
Dal punto di vista formale, la separazione si effettua mediante una procedu-
ra di filtraggio delle equazioni di N-S che consente di eliminare dalla risoluzione
quelle scale aventi dimensione caratteristica inferiore rispetto all’ampiezza del filtro.
L’applicazione del filtro alle equazioni di N-S genera la problematica di chiusura del
modello matematico; il carattere non lineare genera termini incogniti relativi alla
dinamica delle scale non risolte. In base alle ipotesi d’omogeneità ed isotropia delle
piccole scale questi termini possono essere espressi in funzione della variabile filtrata
mediante opportune relazioni di chiusura dette modelli di turbolenza (modelli SGS)
[3]. A causa della separazione di scale, la LES è molto più sensibile alla discretiz-
zazione sia del sistema di equazioni che del dominio, pertanto richiede rispetto alla
DNS, l’utilizzo di metodologie numeriche caratterizzate da un’elevata accuratezza.
In una simulazione DNS tutte le componenti in frequenza del campo di velocità sono
risolte pertanto, gli errori legati alla discretizzazione numerica, si accumulano nell’in-
torno della frequenza di Nyquist (che corrisponde alla più piccola scala di lunghezza
rappresentabile su una griglia di passo assegnato), alla quale è associato un basso
contenuto energetico. Poichè in DNS la frequenza di Nyquist deve essere dell’or-
dine di grandezza di quella di Kolmogorov l’errore si manifesta principalmente nella
zona dissipativa con effetti quindi meno rilevanti. Contrariamente, nelle simulazioni
LES la frequenza di Nyquist spesso coincide con quella di filtraggio, di conseguen-
za essa cade nell’intervallo di frequenze relativo alle scale risolte, caratterizzato da
un contenuto energetico non trascurabile. Ne deriva che la dinamica di tali scale è
2
fortemente sensibile agli errori derivanti dalla discretizzazione numerica e al filtro.
Per minimizzare gli errori è necessario fornire ai modelli SGS una variabile risolta il
cui contenuto energetico spettrale sia alterato il meno possibile dalla struttura del
filtro e dalla discretizzazione numerica. Sebbene i metodi spettrali possano essere
considerati come la scelta migliore per soddisfare i requisiti d’accuratezza richiesti
dalla LES, questi ultimi sono applicabili solo per geometrie semplici. Il crescente
interesse verso la metodologia LES è testimoniato dal fatto che negli ultimi anni
diversi ricercatori hanno pubblicato libri [3],[4],[5] sull’argomento. In diversi lavori,
pubblicati in letteratura [6],[7] negli ultimi anni, sono evidenziati i vantaggi di una
discretizzazione ai Volumi Finiti (FV) rispetto alla classica discretizzazione alle Dif-
ferenze Finite (FD) per la simulazione dei flussi turbolenti. I metodi FV, hanno il
vantaggio, rispetto ai metodi spettrali, di essere facilmente estendibili su geometrie
complesse, inoltre la discretizzazione della forma integrale delle equazioni di N-S
garantisce a priori la conservazione della variabile in bilancio [6] essendo la vari-
azione temporale della proprietà media legata esclusivamente ai flussi attraverso la
frontiera del volume. Un altro aspetto che fa propendere la scelta verso i metodi FV
per la simulazione dei flussi turbolenti è legato alla considerazione che l’equazione
di evoluzione ai volumi finiti può essere interpretata come equazione di evoluzione
per la variabile filtrata LES [8], essendo l’operatore di media di volume equivalente
dal punto di vista matematico ad un filtro detto top-hat se di ampiezza uniforme.
Nel seguente lavoro è presentato lo sviluppo di una metodologia ai volumi
finiti su griglia non uniforme, basata su un criterio upwind del III ordine e l’imple-
mentazione di un filtraggio di ordine elevato nell’integrazione temporale. Il primo
punto è legato alla necessità di disporre un numero sufficiente di punti griglia nelle
vicinanze delle pareti solide per descrivere adeguatamente lo sviluppo dello strato
limite. Il secondo punto consiste nell’implementazione di una procedura di inver-
sione approssimata della funzione di filtro applicata direttamente all’integrazione
temporale. In lavori precedentemente pubblicati [9],[10] è stata presentata una tec-
nica di filtraggio di ordine elevato basata sulla procedura di deconvoluzione per il
caso monodimensionale. Tali risultati sono qui estesi ad un flusso tridimension-
3
ale, implementando la procedura di deconvoluzione su griglia non uniforme nella
metodologia d’integrazione temporale. Tale procedura può essere annoverata nella
classe dei modelli impliciti di sottogriglia per la LES [3]. L’integrazione spaziale
della funzione numerica di flusso presente nelle equazioni FV, si basa su un criterio
upwind multidimensionale. Tale critero si traduce operativamente nella definizione
di un polinomio completo di secondo grado i cui coefficienti sono valutabili imponen-
do il passaggio del suddetto polinomio su un opportuno supporto d’interpolazione
a 10 nodi (simplesso Lagrangiano). L’integrazione superficiale dei flussi convet-
tivi e diffusivi è poi effettuata analiticamente sostituendo alle funzioni integrande
il polinomio suddetto. Si tenga presente che la scelta di una discretizzazione up-
wind è anche motivata dal fatto che su griglie non uniformi una discretizzazione
centrata non avrebbe comunque coefficienti simmetrici. Per semplificare la proce-
dura, si è scelto di utilizzare variabili colocate, la soluzione numerica del sistema di
equazioni di N-S è ricavata con una metodologia di proiezione approssimata basa-
ta sulla decomposizione di Helmholtz-Hodge [11]. La determinazione del campo
di velocità intermedio è basata su una discretizzazione Adams-Bashforth/Cranck-
Nicolson accurata al secondo ordine [12],[13]. La soluzione numerica ottenuta è stata
confrontata in un’opportuna norma con la soluzione analitica di Taylor [14] verif-
icandone l’accuratezza puntuale. Tests di convergenza sono stati inoltre effettuati
sul campo di predizione, per mettere in evidenza l’efficacia della procedura di de-
convoluzione che consente, di ottenere un’accuratezza per la variabile risolta del III
ordine. Nell’ambito dello sviluppo della metodologia di proiezione verrà mostrato,
inoltre, come trattare il problema della soluzione dell’equazione ellittica di Poisson
mediante una metodologia SOR implementata per un’architettura parallela. Suc-
cessivamente, viene scelto come caso test per la metodologia LES, la simulazione di
un flusso in un canale piano biperiodico. Le simulazioni sono effettuate utilizzando
prima schemi numerici upwind monodimensionali, ovvero schemi per cui la funzione
di flusso è approssimata utilizzando un polinomio interpolatore di secondo grado su
supporto monodimensionale [15]. In seguito sono eseguite le simulazioni utilizzan-
do la discretizzazione upwind multidimensionale. I risultati ottenuti sono messi a
4
confronto con un database DNS presente in letteratura [16], inoltre per completez-
za sono presentati anche i risultati relativi a simulazioni ottenute con uno schema
FV centrato del secondo ordine. I confronti sono effettuati sia in termini dei pro-
fili medi di velocità che in termini del contenuto spettrale d’energia. Inoltre viene
messo in risalto come la procedura di deconvoluzione implementata nell’integrazione
temporale, agisca da modello implicito per gli sforzi di sottogriglia.
Z
∂v̄ 1
=− F · n dS, (1.2)
∂t |Ω (x)|
∂Ω(x)
essendo v̄(x, t) il valor medio di v(x, t) sul volume elementare Ω(x), n la normale
uscente alla superficie ∂Ω(x), ed F la funzione di flusso
2 s
F(v) = vv + Ip − ∇ v,
Re
dove ∇s v è la parte simmetrica a traccia nulla del tensore gradiente di velocità. Alle
(1.1) e (1.2) sono poi associate le opportune condizioni iniziali ed al contorno. Il
valor medio del campo v è da interpretarsi nel contesto della tecnica LES come una
variabile filtrata, poichè l’operatore media di volume è equivalente (per ampiezza
del filtro uniforme [17]), dal punto di vista matematico all’applicazione di un filtro
5
detto top-hat, definito nello spazio fisico nel modo seguente,
1
∆
, |x − x0 | ≤ ∆2
G(x − x0 ; ∆) =
0, altrimenti
Z
v̄(x, t) = G (x − x0 ; ∆) v(x0 , t)dx0 . (1.3)
IR3
di un altro filtro LES utilizzato nello spazio di Fourier, ovvero lo sharp cut-off,
π
essendo kc = ∆
il numero d’onda di taglio per entrambi i filtri, corrispondente
alla frequenza di Nyquist. Come risulta in Fig.1.1, differentemente dallo sharp-
cut-off, il top-hat appartiene alla classe dei filtri detti smooth [3], la cui struttura
della funzione di trasferimento non consente di ottenere una netta separazione tra
le scale risolte e quelle non risolte. Infatti l’applicazione del top-hat nello spazio
fisico (media di volume), produce un’attenuazione delle componenti in frequenza
del campo di velocità aventi numero d’onda k < kc . Lo smoothing energetico di
tali scale, che sono poi fornite alla modellistica SGS, può alterare il trasferimento
dell’energia cinetica del flusso dalle grandi scale alle piccole scale, che deve essere
riprodotto dal modello di turbolenza.
Per ottenere una variabile filtrata il cui contenuto in frequenza sia alterato
il meno possibile rispetto al filtro cut-off si è scelto di utilizzare una procedura
di filtraggio di ordine elevato [8] definita mediante l’introduzione dell’operatore di
deconvoluzione nel modo seguente:
6
1.5
Sharp cutoff
Top-hat
1.25
G(k ') 1
0.75
¢
0.5
0.25
0
1 2 3 4 5 6
k'
· Z ¸
1
ṽ (x, t) = A(m)
x v̄ = A(m)
x
0
v (x , t) dx 0
(1.4)
|Ω (x)|
Ω(x)
ovverosia alla variabile mediata sul volume elementare Ω (x) è applicato l’operatore
A(m)
x ottenendo la nuova variabile LES ṽ essendo A(m)
x l’operatore differenziale di
deconvoluzione di ordine m. Pertanto, poichè v (x) = ṽ (x) + O (hm+1 ) [17], dove h
è la dimensione lineare del volume elementare (h = |Ω(x)|1/3 ), il campo di velocità
ṽ rappresenta un’approssimazione di ordine m del campo v. Dalla Fig.1.2 in cui si
riporta il confronto tra la funzione di trasferimento discreta del filtro corrispondente
alla (1.4) con quelle dei filtri precedentemente illustrati, si nota che l’operatore di
deconvoluzione ricostruisce il contenuto energetico del campo v̄ nell’intorno della
frequenza di taglio. Naturalmente, questo effetto di recupero consente di descrivere
con maggiore accuratezza le scale risolte.
Utilizzando la (1.4), l’equazione di evoluzione (1.2) diventa pertanto :
7
1.5
Sharp cutoff
Top-hat
m=2 (IV)
1.25
1
G(k ')
0.75
¢
0.5
0.25
0
1 2 3 4 5 6
k'
Figura 1.2: Funzione di tasferimento del filtro sharp cut-off, top-hat e top-hat cin
deconvoluzione (m = 2)
· Z ¸
∂ṽ 1
= A(m)
x − F · n dS , (1.5)
∂t |Ω (x)|
∂Ω(x)
Z
∂ṽ 1 (m)
=m− Ax0 F · n dS (1.6)
∂t |Ω (x)|
∂Ω(x)
8
h i−1 ∂ṽ Z
1
A(m)
x =− F · n dS (1.7)
∂t |Ω (x)|
∂Ω(x)
Z
v
e · n dS = 0 (1.8)
∂Ω(x)
∂v
e
A−1 = fconv + fdif f + fpress + fsgs (1.9)
∂t
Z
2
fdif f = (∇s v
e ) · n dS
Re |Ω (x)|
∂Ω(x)
Z
1
fpres = − pn dS
|Ω (x)|
∂Ω(x)
Z · ¸
1 2
fsgs = (∇s v − ∇s v
e ) + (v
eve − vv) · n dS
|Ω (x)| Re
∂Ω(x)
9
1.3 La procedura numerica
µ ¶
1
zk = k − ∆z , (k = 2, . . . Nz + 1) ,
2
essendo rispettivamente ∆x = Lx /Nx , ∆z = Lz /Nz il passo di discretizzazione
10
³ ´.
dei volumi di controllo lungo y sono date da yj = yj− + yj+ 2. Esprimendo le
coordinate delle facce del volume di controllo in termini delle coordinate dei centri
cella si ottiene:
x−
i = xi − ∆x/2 , x+
i = xi + ∆x/2
y j
y
k
i y j zk
zk x
x
i x
i
z
j
11
schema CN (implicito). Il diverso trattamento dei flussi diffusivi è motivato dall’esi-
genza di utilizzare una griglia non uniforme lungo la direzione y. La discretizzazione
implicita CN, consente di ottenere delle regioni di stabilità più ampie ripetto alle
variazioni dei parametri di simulazione. L’equazione di bilancio di quantità di moto
discretizzata nel tempo diventa:
µ ¶ µ ¶ tZn+1
∆t ∆t
A−1 − D2 ve n+1 = A−1 + D2 ven + fpress dt +
2Re 2Re n t
· µ ¶
∆t 1
+ 3 e n + fconv
(D1 + D3 ) v n n
+ fsgs + (1.11)
2 Re
µ ¶¸ ³ ´
1
− e n−1 + fconv
(D1 + D3 ) v n−1 n−1
+ fsgs + O ∆t3 ,
Re
v e bn+1 su ∂V .
e n+1 = v (1.12)
componenti:
z+ y+Ã ¯ ¯ !
1 Z Z
∂ ¯¯ ∂ ¯¯
D1 ( ) ≡ dζ ¯ − ¯ dη
|Ω (x)| − −
∂ξ ¯x+ ∂ξ ¯x−
z y
z+ x+
¯ ¯
1 Z Z
∂ ¯ ∂ ¯¯
D2 ( ) ≡ dζ ¯¯ − ¯ dξ (1.13)
|Ω (x)| − ∂η ¯ + ∂η ¯ −
z − y x y
y+ x+ Ã ¯ ¯ !
1 Z Z
∂ ¯¯ ∂ ¯¯
D3 ( ) ≡ dη ¯ − ¯ dξ.
|Ω (x)| − −
∂ζ ¯z+ ∂ζ ¯z−
y x
12
Il sistema costituito dall’equazione (1.11) unita all’equazione di continuità è
risolto mediante il metodo di proiezione approssimato APM (Approximate Pojec-
tion Method) [20]. La metodologia APM prevede che il campo ṽn+1 sia ottenuto
mediante due passi; un passo di predizione in cui si calcola il campo v∗ associato a
condizioni al contorno intermedie ed un passo di proiezione mediante il quale, in ac-
cordo alla decomposizione di Helmholtz-Hodge, si calcola un campo a potenziale che,
sommato al campo v∗ assicura il soddisfacimento del vincolo imposto dall’equazione
di continuità (1.8)
· µ ¶
∆t 1
+ 3 e n + fconv
(D1 + D3 ) v n n
+ fsgs + (1.15)
2 Re
µ ¶¸
1
− e n−1 + fconv
(D1 + D3 ) v n−1 n−1
+ fsgs
Re
v∗ = vb∗ su ∂V .
tere matematico ed è definito solo in senso discreto nel momento in cui è definita
13
la discretizzazione temporale. In accordo a quanto presentato in [21], per miglio-
rare l’accuratezza del metodo è possibile approssimare v∗ come funzione continua e
derivabile del tempo in modo tale da poter valutare il seguente sviluppo in serie di
Taylor:
¯
∂v∗ ¯¯n
v∗n+1 = v∗n + ∆t
∂t ¯
sfruttando nello sviluppo precedente le seguenti assunzioni
v∗n = ṽn ,
¯ ¯ ¯
∂v∗ ¯¯n ∂ṽ ¯¯n ¯n
¯
= + ∇φ
∂t ¯ ∂t ¯ ¯
essendo l’ultima relazione ottenuta discretizzando nel tempo l’equazione per v∗ con
14
1.3.3 Ricostruzione polinomiale per i flussi convettivi e diffusivi
essendo cũpqr
i
i coefficienti definiti sul supporto d’interpolazione ed avendo indicato
h i
pT = 1, ξ, η, ζ, ξη, ξζ, ηζ, ξ 2 , η 2 , ζ 2 , p ∈ IR10
³ ´T h i
cũi = cũ000
i
, cũ100
i
, cũ010
i
, cũ001
i
, cũ110
i
, cũ101
i
, cũ011
i
, cũ200
i
, cũ020
i
, cũ002
i
, cũi ∈ IR10
15
(1.19), sono ottenuti imponendo il passaggio dello stesso su un supporto d’interpo-
lazione tetraedrico costituito da dieci nodi (simplesso di Lagrange) disposti in modo
tale da assicurare l’esistenza ed unicità del polinomio stesso. Individuato il supporto
d’interpolazione costituito dall’insieme {ξp , ηq , ζr } , p, q, r = 0, 1, 2, p + q + r ≤ 2,
costruito sfruttando il criterio upwind descritto nel paragrafo seguente, le variabili
uei , note nei punti del supporto, costituiscono le componenti del vettore qũi ∈ R10×1
termine noto del seguente sistema algebrico lineare A · cũi = qũi :
1 ξ0 η0 ζ0 ξ0 η0 ξ0 ζ0 η0 ζ0 ξ02 η02 ζ02
ũi (ξ0 , η0 , ζ0 )
1 ξ1 η0 ζ0 ξ1 η0 ξ1 ζ0 η0 ζ0 ξ12 η02 ζ02
ũi (ξ1 , η0 , ζ0 )
1 ξ2 η0 ζ0 ξ2 η0 ξ2 ζ0 η0 ζ0 ξ22 η02 ζ02 ũ (ξ , η , ζ )
i 2 0 0
1 ξ0 η1 ζ0 ξ0 η1 ξ0 ζ0 η1 ζ0 ξ02 η12 ζ02 ũi (ξ0 , η1 , ζ0 )
1 ξ0 η2 ζ0 ξ0 η2 ξ0 ζ0 η2 ζ0 ξ02 η22 ζ02
ũi (ξ0 , η2 , ζ0 )
A= , qũi =
,
ũ (ξ , η , ζ )
1 ξ1 η1 ζ0 ξ1 η1 ξ1 ζ0 η1 ζ0 ξ12 η12 ζ02
i 1 1 0
1 ξ0 η0 ζ1 ξ0 η0 ξ0 ζ1 η0 ζ1 ξ02 η02 ζ12 ũi (ξ0 , η0 , ζ1 )
ũ (ξ , η , ζ )
1 ξ0 η0 ζ2 ξ0 η0 ξ0 ζ2 η0 ζ2 ξ02 η02 ζ22 i 0 0 2
ũi (ξ1 , η0 , ζ1 )
1 ξ1 η0 ζ1 ξ1 η0 ξ1 ζ1 η0 ζ1 ξ12 η02 ζ12
ũi (ξ0 , η1 , ζ1 )
1 ξ0 η1 ζ1 ξ0 η1 ξ0 ζ1 η1 ζ1 ξ02 η12 ζ12
(1.20)
la cui soluzione cũi = A−1 · qũi esiste ed è unica, avendo adottato un Simplesso
Lagrangiano per il quale det (A) 6= 0.
versore normale uscente n= –i, la quale è traslata di −∆x/2 rispetto al centro del
FV. Detto ṽi−1/2,j,k il vettore velocità nel punto medio di tale sezione, ṽi−1/2,j,k =
16
iũi−1/2,j,k + jṽi−1/2,j,k + kw̃i−1/2,j,k , il simplesso Lagrangiano su cui effettuare l’in-
terpolazione {ξp , ηq , ζr }W è scelto tra otto possibili tetraedri, in relazione al segno
assunto dalle componenti del vettore velocità secondo le tre direzioni coordinate.
Affinchè la discretizzazione numerica rispetti la parte delle equazioni di NS a carat-
tere iperbolico, la scelta dei nodi per l’interpolazione, dovrà essere congruente con
la direzione di propagazione lungo le direzioni caratteristiche imposte dal segno del
vettore velocità sulla sezione. Pertanto, il simplesso Lagrangiano definito dal criterio
upwind multidimensionale è individuato dalle seguenti coordinate {ξp , ηq , ζr }W :
ξ0 = xi−1+iW , ξ1 = xi−iW , ξ2 = xi+1−3iW ;
η0 = yj , η1 = yj−jW , η2 = yj−2jW ; (1.21)
ζ0 = zk , ζ1 = zk−kW , ζ2 = zk−2kW ;
avendo reso dipendenti dalla direzione del vettore velocità le (1.21) mediante gli
indici:
³ ´ ³ ´ ³ ´
iW = H ũi−1/2,j,k , jW = sign ṽi−1/2,j,k , kW = sign w̃i−1/2,j,k
17
ṽi−1+iW ,j,k
ṽi−iW ,j,k
ṽi+1−3iW ,j,k
ṽi−1+iW ,j−jW ,k
ṽ
ṽi−1+iW ,j−2jW ,k
qW =
(1.22)
ṽi−iW ,j−jW ,k
ṽi−1+iW ,j,k−kW
ṽi−1+iW ,j,k−2kW
ṽi−iW ,j,k−kW
ṽi−1+iW ,j−jW ,k−kW
Figura 1.4: Supporto d’interpolazione nel caso in cui le tre componenti di velocità
sulla sezione W siano negative
18
Effettuando un’approriata permutazione, è possibile estendere il criterio up-
wind anche alle altre sezioni aventi versore normale uscente n= –j (yj− ) indicata con
il suffisso S e n= –k (zk− ) indicata con il suffisso L determinando, rispettivamente,
l’insieme delle coordinate (1.23) {ξp , ηq , ζr }S
ξ0 = xi , ξ1 = xi−iS , ξ2 = xi−2iS ;
η0 = yj−1+jS , η1 = yj−jS , η2 = yj+1−3jS ; (1.23)
ζ0 = zk , ζ1 = zk−kS , ζ2 = zk−2kS ;
³ ´ ³ ´ ³ ´
iS = sign ũi,j−1/2,k , jS = H ṽi,j−1/2,k , kS = sign w̃i,j−1/2,k
ξ0 = xi , ξ1 = xi−iL , ξ2 = xi−2iL ;
η0 = yj , η1 = yj−jL , η2 = yj−2jL ; (1.24)
ζ0 = zk−1+kL , ζ1 = zk−kL , ζ2 = zk+1−3kL ;
³ ´ ³ ´ ³ ´
iL = sign ũi,j,k−1/2 , jL = sign ṽi,j,k−1/2 , kL = H w̃i,j,k−1/2 .
x−
i+1 , che è traslata di −∆x/2 rispetto al nodo griglia (i+1, j, k) centro del volume
19
1.3.6 Integrazione superficiale dei flussi
h i
uei (ξW , η, ζ) ∼
= pT (ξW , η, ζ) · cũWi = pT (ξW , η, ζ) · A−1 ũi
W · qW
2
X h i
∆
= (mW )T · qũWi = mpqr (ξW , η, ζ) ũi (ξp , ηq , ζr )|W (1.27)
p,q,r=0; p+q+r≤2
avendo indicato con m il vettore delle funzioni di forma di secondo grado, espresso
20
nel modo seguente:
∆
mT (ξ, η, ζ) = pT (ξ, η, ζ) · A−1 , m ∈ R10 . (1.28)
Per quanto riguarda le altre sezioni di flusso aventi normale negativa −j (risp.
−k) si procede in maniera analoga. Per la sezione posta in y − (risp. z − ) si assume
come origine il nodo del tetraedro di coordinate (xi , y0 , zk ) (risp. (xi , yj , z0 )); il
sistema di riferimento locale è scelto in modo tale che ξ = x−xi , η = y −y0 , ζ = z −
zk (risp. ξ = x−xi , η = y−yj , ζ = z−z0 ), essendo y0 ≡ yj−1+jS (risp.z0 ≡ zk−1+kL ),
mentre le coordinate del simplesso {ξp , ηq , ζr }S (risp. {ξp , ηq , ζr }L ) sono espresse
opportunamente in funzione delle (1.23) (risp. 1.24) e l’ordinata della sezione di
³ ´
hy
flusso S (risp. L) nel riferimento locale diventa: ηS = yj− − y0 = yj − 2
− y0 (risp.
³ ´ ³ ´
ζL = zk− − z0 = zk − ∆z
2
− z0 = 1
2
− kL ∆z).
A questo punto è possibile introdurre la metodologia d’integrazione super-
ficiale. Cominciamo a considerare per semplicità la i-ma componente del flusso
convettivo sulla sezione W ; utilizzando le (1.26)-(1.27) questa si scrive:
+ y+
Zzk Zj
1
dz (ũũi )|x− dy ∼
=
|Ωijk | i
zk− yj−
∆z/2
Z hZy /2
∼ 1 1
= dζ [(mW )T · qũW ][(mW )T · qũWi ]dη = (qũ )T · MW · qũWi
|Ωijk | ∆xhy ∆z W
−∆z/2 −hy /2
∆z/2
Z hZy /2
∆
MW = dζ mW (mW )T dη, MW ∈ R10×10 . (1.29)
−∆z/2 −hy /2
21
+ + y+ +
Zzk Zxi Zj Zxi ¸
+ dζ (ṽũi )|y+ − (ṽũi )|y− dξ+ dη (w̃ũi )|z+ − (w̃ũi )|z− dξ ∼
=
j j k k
zk− x−
i yj− x−
i
·³ ´ ³ ´T ³ ´T
1 T
qũE · ME · qũEi − qũW · MW · qũWi + qṽN · MN · qũNi
∆xhy ∆z
³ ´T ³ ´T ³ ´T ¸
− qṽS · MS · qũSi + qw̃
U · MU · qũUi − qw̃
L · ML · qũLi . (1.30)
1
= (dW )T · qũWi (1.31)
Re∆xhy ∆z
∆z/2
Z hZy /2 ¯
T ∆ ∂mT ¯¯ 10
(dW ) = dζ ¯ dη, dW ∈ IR (1.32)
∂ξ ¯ξW
−∆z/2 −hy /2
avente come elementi gli integrali estesi alla sezione W delle derivate delle funzioni di
forma del polinomio di secondo grado utilizzato per approssimare la ũi . Sfruttando
i
la (1.31) si calcolano le tre componenti del flusso diffusivo fdif f = ei · fdif f
22
1 1 h i
(D1 ũi )ijk ∼
= (dE )T · qũEi − (dW )T · qũWi
Re Re∆xhy ∆z
1 1 h i
(D2 ũi )ijk ∼
= (dN )T · qũNi − (dS )T · qũSi
Re Re∆xhy ∆z
1 1 h i
(D3 ũi )ijk ∼
= (dU )T · qũUi − (dL )T · qũLi , (1.33)
Re Re∆xhy ∆z
23
1.3.7 Validazione della procedura upwind
24
analiticamente e poi mediante la procedura numerica. Sfruttando i valori ottenu-
ti dalle norme lc ed ld sono state tracciate le curve di convergenza. La verifica di
consistenza della discretizzazione numerica è fatta facendo tendere a zero la misura
della sezione di flusso elementare e verificando il comportamento dell’errore di tron-
camento. L’accuratezza invece è stabilita valutando la pendenza, in doppia scala
logaritmica, delle curve di convergenza ottenute. Le verifiche di consistenza ed accu-
ratezza sono state effettuate in riferimento al calcolo dei flussi convettivi e diffusivi
sulle sezioni W, S, L. Per brevità si riportano i risultati ottenuti per la sezione di
normale W . Definiamo le norme seguenti:
essendo (f lux cu )ex e (f lux du )ex gli integrali analitici definiti nelle (1.29) e (1.31),
mentre (f lux cu )num e (f lux du )num quelli ottenuti mediante la procedura upwind.
Dall’analisi della Fig.1.5 è possibile concludere che l’integrale relativo al calcolo
del flusso convettivo della componente ũi è calcolato con un’accuratezza del terzo
ordine in accordo all’ordine di accuratezza dell’interpolazione effettuata. Per quan-
to riguarda l’integrale relativo al calcolo del flusso diffusivo è possibile concludere
che questo è calcolato con un’accuratezza del secondo ordine. Ciò è congruente al
fatto che l’operazione di derivazione parziale rispetto alla variabile x produce un
abbassamento del grado del polinomio interpolatore.
25
3rd order slope
calculated
-1
10
-2
10
-3
lc 10
-4
10
-5
10
-2 -1 0
10 10 10
13
:ijk
-1
10
-2
10
ld
-3
10
-2 -1 0
10 10 10
13
:ijk
26
bolento. Infatti, l’analisi d’accuratezza non può prescindere dalla conoscenza del-
la distribuzione spettrale dell’errore di troncamento sulle componenti risolte della
soluzione numerica. In generale, è noto [7] che l’utilizzo di schemi centrati alle dif-
ferenze finite produce un errore, sulle componenti del campo ad elevata frequenza,
definito di dispersione. Tale errore, prodotto dalla differente velocità di propagazione
posseduta dalle diverse componenti della soluzione numerica, genera delle oscillazioni
che se amplificate possono condurre all’instabilità. L’utilizzo di schemi alle differen-
ze basati su criteri upwind introduce, invece, sia un errore di dispersione che un
errore d’ampiezza, quest’ultimo definito errore di dissipazione. Come l’errore di
dispersione anche l’errore di dissipazione influenza prevalentemente le componenti
della soluzione numerica al crescere del numero d’onda pertanto l’utilizzo di schemi
alle differenze upwind per la simulazione numerica di flussi turbolenti, introduce ef-
fetti di dissipazione artificiale (numerica) proprio sulle scale del campo di moto sulle
agisce maggiormente un modello SGS, con il conseguente rischio di sovrapporre un
effetto dissipativo completamente legato allo schema di discretizzazione.
Avendo qui sviluppato una metodologia ai volumi finiti, si è ritenuto opportuno
valutare la distribuzione spettrale dell’errore di troncamento in riferimento ai flussi
convettivi, che sono calcolati mediante una discetizzazione upwind multidimension-
ale. Esprimendo il campo di velocità in serie discreta di Fourier come somma di un
numero finito di armoniche si ottiene:
ˆ (p, q, r) ũ
ũ2 (x) = ũ ˆ (l, m, n) e−i[(p+l)ξ+(q+m)η+(r+n)ζ]
27
quindi l’integrale esatto del termine convettivo nel riferimento locale ue2 per la sezione
di flusso collocata in ξW = (1/2 − iW ) ∆x si scrive come:
+ y+
Zzk Zj ¯
1 ¯
dz ue2 ¯ dy
|∂yz Ω| x−
i
zk− yj−
∆z/2
Z ∆y/2
Z
1 X X
= dζ b
u b
e (l, m, n) e−i[(p+l)ξW +(q+m)η+(r+n)ζ] dη
e (p, q, r) u
|∂yz Ω| p,q,r
−∆z/2 −∆y/2 l,m,n
X X
= b (q + m) G
G b (r + n) u
b b
e (l, m, n) e−i(p+l)ξW
e (p, q, r) u (1.35)
y z
l,m,n p,q,r
28
in cui un generico elemento riga è legato ai numeri d’onda dalla seguente corrispon-
³ ´ ³ ´ ³ ´
Nx Ny Nz
denza iriga (p, q, r) = 2
+ 1 + p + Nx 2
+ q + Nx Ny 2
+ r . Pertanto, as-
segnata la terna (p, q, r), si individua la riga nella (1.36) e i corrispondenti valori di
b
e (p, q, r) e ei(px+qy+rz) . L’integrale di superficie di u2 può essere scritto in notazione
u
matriciale nel modo seguente:
+ y+
Zzk Zj ¯
1 ¯
dz ue2 ¯ dy
|∂yz Ω| x−
i
zk− yj−
∆z/2
Z ∆y/2
Z ½ ¾½ ¾
1 T b̃
u T b̃
u
= dζ [e (ξW , η, ζ)] · c [e (ξW , η, ζ)] · c dη
∆y∆z
−∆z/2 −∆y/2
µ ¶T ∆z/2
Z ∆y/2
Z
b̃ 1 b̃
= cu · dζ e (ξW , η, ζ) [e (ξW , η, ζ)]T dη · cu
∆y∆z
−∆z/2 −∆y/2
µ ¶T
b̃
u b̃
= c · EW · cu , (1.37)
∆z/2
Z ∆y/2
Z
∆ 1
EW = dζ e (ξW , η, ζ) [e (ξW , η, ζ)]T dη (1.38)
∆y∆z
−∆z/2 −∆y/2
b (q + m) G
i cui elementi sono EW (iriga, icol) = G b (r + n) ei(p+l)ξW essendo
y z
µ ¶ µ ¶ µ ¶
Nx Ny Nz
icol (l, m, n) = + 1 + l + Nx + m + Nx Ny +n .
2 2 2
29
T b̃
u
u
ei−1+iW ,j,k [e (0, 0, 0)] · c
T b̃
uei−iW ,j,k [e ((1 − 2iW ) ∆x, 0, 0)] · cu
uei+1−3iW ,j,k [e ((2 − 4i ) ∆x, 0, 0)]T · cb̃
u
W
uei−1+iW ,j−jW ,k [e (0, −jW ∆y, 0)]T · cb̃
u
T b̃
uei−1+iW ,j−2jW ,k [e (0, −2jW ∆y, 0)] · cu
qeuW = = = QW ·cb̃
u
uei−iW ,j−jW ,k [e ((1 − 2i ) ∆x, −j ∆y, 0)]T · cb̃u
W W
uei−1+iW ,j,k−kW [e (0, 0, −kW ∆z)]T · cb̃
u
uei−1+iW ,j,k−2kW [e (0, 0, −2k ∆z)]T · cb̃ u
W
uei−iW ,j,k−kW [e ((1 − 2iW ) ∆x, 0, −kW ∆z)]T · cb̃
u
uei−1+iW ,j−jW ,k−kW [e ((1 − 2iW ) ∆x, −jW ∆y, −kW ∆z)]T · cb̃u
(1.39)
1 1 b̃ b̃
(qũW )T · MW · qũW = (QW · cu )T · MW · (QW · cu )
∆x∆z ∆x∆z
µ ¶T h i µ ¶T
1 b̃ b̃ b̃ b̃
= cu · (QW )T · MW · (QW ) · cu = cu e · cu
·E W , (1.40)
∆x∆z
e
dove la matrice E N ×N
W ∈ C è relativa all’approssimazione numerica utilizzata.
A questo punto è possibile formulare l’espressione dell’errore di troncamento nello
spazio di Fourier:
+ y+
Zzk Zj ¯
1 1 ³ ũ ´T
dz ue2 ¯¯ dy − q · MW · qũW
|∂yz Ω| x−
i ∆y∆z W
zk− yj−
µ ¶T µ ¶T µ ¶T
b̃
u b̃
u b̃
u e b̃
u ∆ b̃
u b̃
b · cu
= c · EW · c − c ·E W ·c = c ·L W . (1.41)
b ∈ CN ×N
per questo è espresso dalla seguente matrice L W
b (ω , ω , ω , ω , ω , ω ) = E − E
e ∆
L W p q r l m n W W (1.42)
30
Figura 1.6: upwind III ordine
¯ ¯
+ y+ ¯ + y+ ¯
Zzk Zj ¯ ¯ Zzk Zj ¯ ¯ h i2
1 2¯
¯ 1 2¯
¯
ˆ (p, q, r) Lc (ωp. ωq , ωr )
dz ũ ¯ − dy ¯¯ − dz ũ ¯ − dy ¯¯ = ũ
|∂yz Ω| xi ¯ |∂yz Ω| xi ¯
zk− yj− ¯ zk− yj− ¯
ex num
31
Figura 1.7: centrale secondo ordine
centrale già prima della metà dell’intervallo risolvibile come risulta dalla Fig.1.7,
non è più descritto in maniera accurata e risente dell’errore introdotto dalla dis-
cretizzazione numerica. Confrontando ulteriormente la Fig.1.6 con la 1.7 si nota che
lo schema upwind produce un errore maggiore, sulle componenti a frequenze supe-
riori a quelle di Nyquist, rispetto alla discretizzazione secondo ordine centrata. Tali
frequenze sono potenzialmente responsabili di un errore quello di aliasing [7] il cui
contributo, nell’analisi qui sviluppata, non è stato separato dal contributo derivante
dall’errore di troncamento dello schema numerico, pertanto negli andamenti Fig.1.6
e 1.7 è necessario considerare entrambi gli effetti. La parte immaginaria dell’errore
di troncamento non è stata qui riportata, tuttavia dalla sua analisi possono trarsi
conclusioni analoghe a quanto è stato detto per la parte reale.
32
ica LES della turbolenza in quanto le componenti del campo di velocità a frequenza
più elevata sono utilizzate per costruire i termini SGS. La formulazione qui proposta
associa la discretizzazione upwind dei flussi alla procedura di deconvoluzione della
variabile filtrata. In questo modo si cerca di migliorare il contenuto energetico spet-
trale delle scale risolte prossime a quelle di filtraggio. Utilizzando una ricostruzione
simmetrica [17] per l’operatore di deconvoluzione approssimata si ottiene che il primo
membro della (1.15) può scriversi nel modo seguente:
µ ¶ Ã ¯ ¯ ¯ !
−1 ∆t ∗ ∆x2 ∂ 2 ¯¯ h2y ∂ 2 ¯¯ ∆z 2 ∂ 2 ¯¯
A − D2 v = Ix + ¯ + ¯ + ¯ v∗
2Re ijk 24 ∂ξ 2 ¯x 24 ∂η 2 ¯x 24 ∂ζ 2 ¯x ijk
+ +
Zzk Zxi µ ¯ ¯ ¶
∆t ∂v∗ ¯¯ ∂v∗ ¯¯
− dζ ¯ − ¯ dξ . (1.43)
2Re |Ωijk | ∂η ¯y+ ∂η ¯y−
zk− x−
i
j j
1 ³ ∗ ∗ ∗ ∗
´
− vi−2,j,k + vi+2,j,k + vi,j,k−2 + vi,j,k+2 + (1.44)
288
h2y X2
∗
+ aj+p vi,j+p,k ,
24 p=−2; p6=0
essendo i coefficienti delle derivate nella direzione y su griglia non uniforme riportati
nella Tabella 1, dove d1 = yj+1 −yj ; d2 = yj+2 −yj ; d−1 = yj−1 −yj ; d−2 = yj−2 −yj .
Applicando al termine diffusivo della (1.43) la discretizzazione upwind (1.31), si
ottiene
zk+ x+ ¯ ¯
Z Z
∂v∗ ¯¯ ∂v∗ ¯¯ ∼
i
∆t
dζ ¯ −
¯ +
¯
¯ −
dξ =
2Re |Ωijk | − −
∂η y
∂η y
zk xi j j
33
∆z/2
Z Z "
∆x/2 ¯ ¯ #
∆t ∂mT ¯¯ v∗ ∂mT ¯¯ v∗
dζ ¯ ·q − ¯ ·q dξ =
2Re |Ωijk | ∂η ¯N N ∂η ¯S S
−∆z/2 −∆x/2
∆t h ∗ ∗
i
= (dN )T · qvN − (dS )T · qvS . (1.45)
2Re∆xhy ∆z
³ ´ ³ ´
hy (j) hy (j+1)
Indicando con ηj− = yj − 2
−
− y0 , ηj+1 = yj+1 − 2
− yj+jN , le
coordinate che individuano la posizione lungo l’asse η della sezione S relativamente
ai nodi j e j + 1 nel riferimento relativo e tenendo presente che y0 = yj−1+jS e
jN ≡ jy− = (jS )i,j+1,k avendo denotato con S ≡ yj− e N ≡ yj+1
−
, si ottiene la
j+1
η1 |S = yj−jS − y0 , η2 |S = yj+1−3jS − y0
¯ ³ ´¯ ¯ ³ ´¯
2ηj− ¯ 1 1 ¯
− ¯
2ηj+1 1 1 ¯
¯ − + ¯ ¯ − + ¯
η1 η2 ¯ η1 η2 S η1 η2 ¯ η1 η2 N
S N
0 0
0 0
¯
2ηj− −η2 ¯
2η− −η ¯¯
¯ j+1 2
¯
η1 (η1 −η2 ) ¯
η (η
¯S 1 1 −η2 ) ¯¯N
η1 −2ηj− ¯ −
η1 −2ηj+1 ¯
¯ ¯
dS = ∆x∆z η2 (η1 −η2 ) ¯ , dN = ∆x∆z η2 (η1 −η2 ) ¯ .
S N
0 0
0
0
0 0
0 0
0 0
(1.46)
34
∗ ∗
vi,j−1+j S ,k vi,j+jN ,k
0
0
0 0
∗
∗
vi,j−jS ,k v
i,j+1−jN ,k
∗ ∗
vi,j+1−3jS ,k
vi,j+2−3jN ,k
v∗
v∗
qS =
0
, qN = 0
,
(1.47)
0 0
0 0
0 0
0
0
∗ ∗
avendo esplicitato i vettori qvN , qvS nella (1.47) in termini degli indici di griglia.
Combinando in conclusione le (1.44) e le (1.46) (1.47), il primo membro della (1.15)
viene discretizzato nel modo seguente:
µ ¶
∆t v∗ ∗
+ vi+1,j,k ∗
+ vi,j,k−1 ∗
+ vi,j,k+1
A−1 − D2 v∗ ∼ ∗
= bj vijk + i−1,j,k +
2Re ijk 18
∗ ∗ ∗ ∗ 2
vi−2,j,k + vi+2,j,k + vi,j,k−2 + vi,j,k+2 X
∗
− + bj+p vi,j+p,k = si ,j ,k (1.48)
288 p=−2; p6=0
35
confrontata con la variabile puntuale. Pertanto si è definita la procedura di de-
convoluzione che è ora analizzata nelle sue prestazioni. Allo scopo di verificare
la consistenza della procedura di deconvoluzione è stato effettuato un test medi-
ante confronto con una soluzione analitica di Taylor bidimensionale [14]. Il calcolo
analitico del campo v∗ è fatto utilizzando prima la soluzione analitica per ottenere
il campo s e poi utilizzando un’inversione approssimata con uno sviluppo in serie:
" Ã !#−1
∆x2 ∂ 2 ∆y 2 ∂ 2 ∆t
v∗ (x, y) = I + 2
+ 2
− D2 s = (I − R)−1 s =
24 ∂ξ 24 ∂η 2Re
³ ´
= I + R + R(2) + R(3) + ... s.
° °
kEk∞ = °°compnum ex °
u,v − compu,v ° ∞
36
-1.5
u*
-2
v*
-2.5
slope 2
-3
u*_d
-3.5
v*_d
-4
slope 3
E f -4.5
-5
-5.5
-6
-6.5
-7
-4.35 -4.3 -4.25 -4.2 -4.15 -4.1 -4.05 -4 -3.95 -3.9 -3.85
't
1 Z 1 Z ∆t Z
n · ṽn+1 dS = n · v∗ dS − n · ∇φn+1 dS. (1.49)
|Ω| |Ω| |Ω|
∂Ω ∂Ω ∂Ω
37
al secondo ordine; ad esempio, per il primo integrale a secondo membro della (1.49)
si ottiene:
Z
1 ∗ ∼ (u∗ i+1/2,j,k − u∗ i−1/2,j,k )
n · v dS =
|Ωi,j,k | ∆x
∂Ωi,j,k
φn+1 n+1
i,j,k+1 + φi,j,k−1 φn+1
i,j+1,k φn+1
i,j−1,k u∗i+1,j,k − u∗i−1,j,k
+ + + = +
∆z 2 hy ∆yj+1 hy ∆yj 2∆t∆x
³ ´
nord ∗
Nj+1 vi,j+1,k + Njnord − Njsud vi,j,k
∗ sud ∗
− Nj−1 vi−1,j,k ∗
wi,j,k+1 ∗
− wi,j,k−1
+ + . (1.51)
hy ∆t 2∆t∆z
Nella (1.51) le funzioni di forma lineari lungo la direzione y sono definite nel
modo seguente:
38
¯n+1
∂φ ¯¯ 1 ³ ∗ n+1
´
¯ = vi,jbnd,k − ṽi,jbnd,k (1.52)
∂y ¯i,jbnd,k ∆t
n+1
essendo ṽi,m,k = 0 nota dalla condizione al contorno alla Dirichlet. Sfruttando la
(1.53) per sostituzione nella (1.51), si ottiene l’equazione discreta valida per ogni
nodo avente indice j = m − 1:
" #
2 2 1 1 φn+1 n+1
i+1,m−1,k + φi−1,m−1,k
−φn+1
i,m−1,k + + + +
∆x2 ∆z 2 hy ∆ym−1 ∆x2
φn+1 n+1
i,m−1,k+1 + φi,m−1,k−1 φn+1
i,m−2,k u∗i+1,m−1,k − u∗i−1,m−1,k
+ + = +
∆z 2 hy ∆ym−1 2∆t∆x
sud ∗ sud ∗ ∗ ∗
−Nm−1 vi,m−1,k − Nm−2 vi,m−2,k wi,m−1,k+1 − wi,m−1,k−1
+ + (1.54)
hy ∆t 2∆t∆z
Ciò comporta che il vincolo di continutità in senso discreto, si applica solo sulle
componenti di velocità normali alle sezioni di flusso e non in termini delle componenti
del campo di velocità collocate al centro dei volumi di controllo. Ne consegue che
39
ad ogni passo temporale l’errore di troncamento introdotto dall’interpolazione fa si
che la divergenza discretizzata su passo 2h:
(ũn+1 n+1
i+1/2,j,k − ũi−1/2,j,k )
n+1
(ṽi,j+1/2,k n+1
− ṽi,j−1/2,k ) n+1
(w̃i,j,k+1/2 n+1
− w̃i,j,k−1/2 )
+ + ∼
= ε.
∆x ∆y ∆z
µ ¶¯
∆x2 ∂ 4 φ ∆y 2 ∂ 4 φ ∆z 2 ∂ 4 φ ¯
¯
ε = ∆t + + ¯ + .... (1.56)
4 ∂x4 4 ∂y 4 4 ∂z 4 i,j,k
La metodologia APM richiede che l’equazione (1.51) sia risolta ad ogni passo
temporale, in modo da soddisfare l’indivergenza del campo ṽ. Il tempo di calcolo
speso per la soluzione della (1.51) equivale a circa il 70% del tempo totale richiesto
per effettuare un time-step completo del metodo. Poichè la simulazione numerica
della turbolenza per garantire la stabilità della metodologia numerica richiede passi
d’integrazione temporali molto piccoli è opportuno cercare di sfruttare al meglio
le risorse di calcolo disponibili. La (1.51) rappresenta un sistema algebrico lineare
nell’incognita φ collocata al centro dei volumi elementari e può essere risolta con
40
un solutore iterativo S.O.R. il cui aggiornamento del vettore residuo e del vettore
incognito sono dati rispettivamente dalle eseguenti relazioni simboliche:
41
i,j+2,
k
i,j,k-2
i-2,j,k
i,j,k i+2,j,
k
i,j,k+2 i,j-2,k
0 ≤ x ≤ 2π, 0≤y≤1
42
le (1.59) alla componente u e alla componente v inizializzando a zero la componente
w (e verificando che si mantenesse nulla negli istanti successivi), e poi nel piano y, z
assegnando le (1.59) alle componenti v e w, annullando la componente u. L’analisi di
convergenza è fatta avendo fissato hx = hy = hz = 1/10, 1/20, 1/30 e ∆t/h = 10−3 ,
valutando poi:
° °
kEk∞ = °°compnum ex °
u,v − compu,v ° ∞
43
-4.2
u
v
-4.4
slope 2
-4.6
-4.8
-5
E f
-5.2
-5.4
-5.6
-5.8
-4.6 -4.5 -4.4 -4.3 -4.2 -4.1 -4
't
44
Capitolo 2
Simulazione numerica di un flusso turbolento confinato
2.1 Introduzione
45
essendo H la semi-altezza del canale, le direzioni x (streamwise) e z (spanwise) sono
le direzioni d’omogeneità del flusso; lungo queste direzioni sono assunte condizioni
al contorno periodiche mentre sulla frontiera superiore ed inferiore del dominio sono
assunte le condizioni di aderenza. Scegliendo per adimensionalizzare le equazioni H
come lunghezza di riferimento e come velocità di riferimento:
s
|∆p0 | H
uτ ≡ Vr =
ρ0 Lx
si ottiene che la forzante adimensionale che consente di sostenere il moto nel canale
∆p
è data da Lx
= −1. Pertanto, le velocità calcolate saranno direttamente espresse in
termini delle scale di parete e quindi confrontabili con le leggi u+ = y + nel sublayer
viscoso e u+ = χ1 logy + + b nel sublayer inerziale essendo y + = Reτ y e Reτ = uτ H
ν
.
Le simulazioni sono relative a Reτ = 180, utilizzando due griglie LES, una
rada 48 × 30 × 32 (Caso-A) ed una fine 60 × 40 × 42 (Caso-B). Tali simulazioni
sono state ottenute ponendo nella (1.11) fsgs = 0 ovvero non utilizzando un’esplicita
modellazione per i termini SGS e lasciando che la dissipazione artificiale prodot-
ta dallo schema numerico provveda al drenaggio d’energia proveniente dalle grandi
scale. Come primo risultato si riporta l’analisi spettrale eseguita sulle tre compo-
nenti del campo di velocità nella direzione x e z. Gli spettri d’energia sono ottenuti
ad y + = 10 ed a y + = 180 fissata, nel modo seguente: sono calcolati i coefficienti
di Fourier per ogni kx a z fissata mediante una routine FFT, successivamente per
ogni coefficiente di Fourier viene effettuata una media di tale coefficienti mediante
integrazione numerica. Dalle Fig.2.1, 2.2, 2.3 relative ad y + = 180 si nota che la dis-
cretizzazione FV con upwind monodimensionale produce un’eccessiva dissipazione
del contenuto energetico sulle alte frequenze; ciò è visibile soprattutto lungo la di-
rezione streamwise per tutte e tre le componenti del campo di velocità, mentre la
migliore risoluzione utilizzata lungo la direzione spanwise non evidenzia tale effetto.
Le basse frequenze risolte invece hanno un contenuto energetico superiore rispetto
al database di DNS sia nella direzione streamwise che spanwise. Utilizzando una
46
discretizzazione upwind multidimensionale, con la stessa risoluzione di griglia del ca-
so precedente, si nota che rispetto all’upwind monodimensionale, le basse frequenze
sono ben risolte sia lungo la direzione streamwise che spanwise, mentre sulle alte
frequenze si notano delle oscillazioni numeriche legate probabilmente alla prevalen-
za dell’errore di dispersione dello schema. A questo punto si è scelto di valutare
l’effetto del grid-refinement sulla discretizzazione upwind 3d. Dall’analisi dei risul-
tati ottenuti si nota che le oscillazioni numeriche precedentemente menzionate non
compaiono più su nessuna delle tre componenti del campo di velocità. In particolare
il contenuto spettrale è accuratamente risolto nella direzione spanwise mentre per
la direzione streamwise le alte frequenze risentono ancora di un effetto dissipativo
pronunciato. Bisogna però notare che, per una maggiore congruenza sul confronto
tra i risultati DNS-LES, il database DNS andrebbe filtrato opportunamente con il
top-hat di ampiezze pari a quelle usate nelle simulazioni LES. Come ulteriore ter-
mine di paragone è stato effettuato un confronto anche con i risultati ottenuti con
un codice FV centrato secondo ordine, il quale ha messo in luce un comportamento
simile all’upwind tridimensionale sulle alte frequenze mentre sulle basse frequenze
un modulo leggermente minore sia lungo la direzione x che z. Nelle Fig.2.4, 2.5, 2.6
relative ad y + = 10 (vicinanza delle pareti solide) si nota ancora una volta che la
migliore risoluzione utilizzata lungo la direzione z consente di ottenere dei livelli en-
ergetici relativi agli spettri, per le componenti u, w del campo di velocità, in accordo
con i risultati di DNS. Mentre si nota per la componente v, sia lungo la direzione x
che z un livello energetico decisamente inferiore rispetto alla DNS.
In questa sezione sono presentati i risultati delle simulazioni LES sul canale
utilizzando lo schema upwind 3d in assenza ed in presenza di deconvoluzione. Dalle
Fig.2.7, 2.8, 2.9 si evince che in assenza di un’esplicita modellistica dei termini
SGS sulle frequenze dello spettro risolto prossime al taglio del filtro, si produce un
accumulo energetico corrispondente al mancato effetto corrispondente all’assenza
modello SGS; ciò è visibile prevalentemente lungo la direzione z. Tuttavia effet-
47
tuando i confronti con le simulazioni ottenute sfruttando la discretizzazione in cui
è implementata la deconvoluzione, si nota che scompare l’accumulo energetico nella
direzione z, cosa che si verifica per tutte e tre le componenti di velocità. Questo
risultato può essere ascritto all’azione della deconvoluzione che recuperando il con-
tenuto in frequenza dello spettro risolto perso a causa dell’applicazione del top-hat,
agisce insieme alla discretizzazione upwind multidimensionale da modello implicito
per gli sforzi di sottogriglia [3],[9],[17].
48
2.4 Conclusioni
49
10
0.1
0.01
0.001
E(k)
0.0001
1e-005
1e-006
upwind1d - Case A
upwind3d - Case A
1e-007
upwind3d - Case B
central - Case B
1e-008
DNS - Moser et al.
slope -5/3
1e-009
0.1 1 10 100
0.1
0.01
0.001
E(k)
0.0001
1e-005
upwind1d - Case A
1e-006
upwind3d - Case A
upwind3d - Case B
1e-007 central - Case B
DNS - Moser et al.
slope -5/3
1e-008
1 10 100
50
10
0.1
0.01
0.001
0.0001
E(k)
1e-005
1e-006
0.1
0.01
0.001
E(k)
0.0001
1e-005
upwind1d - Case A
1e-006
upwind3d - Case A
upwind3d - Case B
1e-007 central - Case B
DNS - Moser et al.
slope -5/3
1e-008
1 10 100
51
10
0.1
0.01
0.001
0.0001
E(k)
1e-005
1e-006
0.1
0.01
0.001
E(k)
0.0001
1e-005
upwind1d - Case A
1e-006
upwind3d - Case A
upwind3d - Case B
1e-007 central - Case B
DNS - Moser et al.
slope -5/3
1e-008
1 10 100
52
10
upwind3d - Case B
DNS - Moser et al.
1
0.1
E(k)
0.01
0.001
0.0001
1e-005
0.1 1 10 100
k
10
upwind3d - Case B
DNS - Moser et al.
1
0.1
E(k)
0.01
0.001
0.0001
1e-005
1 10 100
k
53
10
upwind3d - Case B
DNS - Moser et al.
1
0.1
E(k)
0.01
0.001
0.0001
1e-005
0.1 1 10 100
k
10
upwind3d - Case B
DNS - Moser et al.
1
0.1
E(k)
0.01
0.001
0.0001
1e-005
1 10 100
k
54
10
upwind3d - Case B
DNS - Moser et al.
1
0.1
E(k)
0.01
0.001
0.0001
1e-005
0.1 1 10 100
k
10
upwind3d - Case B
DNS - Moser et al.
1
0.1
E(k)
0.01
0.001
0.0001
1e-005
1 10 100
k
55
1
0.01
0.0001
E(k)
1e-006
1e-008
upwind3d (deconvolution) - Case B
upwind3d (no deconvolution) - Case B
DNS - Moser et al.
1e-010
0.1 1 10 100
0.01
0.0001
E(k)
1e-006
1e-008
upwind3d (deconvolution) - Case B
upwind3d (no deconvolution) - Case B
DNS - Moser et al.
1e-010
1 10 100
56
1
0.01
0.0001
E(k)
1e-006
1e-008
upwind3d(deconvolution) - Case B
upwind3d(no deconvolution) - Case B
DNS - Moser et al.
1e-010
0.1 1 10 100
0.01
0.0001
E(k)
1e-006
1e-008
upwind3d(deconvolution) - Case B
upwind3d(no deconvolution) - Case B
DNS - Moser et al.
1e-010
1 10 100
57
1
0.01
0.0001
E(k)
1e-006
1e-008
upwind3d(deconvolution) - Case B
upwind3d(no deconvolution) - Case B
DNS - Moser et al.
1e-010
0.1 1 10 100
0.01
0.0001
E(k)
1e-006
1e-008
upwind3d(deconvolution) - Case B
upwind3d(no deconvolution) - Case B
DNS - Moser et al.
1e-010
1 10 100
58
30
upwind1d - Case A
upwind3d - Case A
upwind3d - Case B
25 central - Case B
DNS - Moser et al.
x
20 2.5*log(x)+5.5
u+
15
10
0
0.01 0.1 1 10 100
y+
Figura 2.10: Adamento del profilo di velocità medio nelle vicinanze delle pareti
59
a j 2 2 d1d 1 d1d 2 d 2 d 1
ª d 1d1d 2 d 1d1 d1d 2 d 1d 2 d 2 d1 d 1 d 2 d22 d32 º d 2
¬ ¼
a j 1 2 d1d 2 d1d 2 d 2 d 2
ª d 2 d1d 2 d1d 2 d1d 2 d 2 d 2 d 1 d1 d 2 d 2 d21 d31 º d 1
¬ ¼
aj 2 d1d 1 d1d 2 d1d 2 d 1d 2 d 1d 2 d 2 d 2
d1d2 d 1d 2
a j 1 2 d 1d 2 d 1d 2 d 2 d 2
ª d 2 d 1d 2 d 1d 2 d 1d 2 d2 d 2 d1 d1 d 2 d2 d12 d13 º d1
¬ ¼
a j 2 2 d1d 1 d1d 2 d 2 d 1
Tabella 1
60
b j 2 hy2 j 't ª K1 2K j º
a j 2 S « »
24 2 Re hy «¬K 2 K1 K 2 »¼ S
hy2 't ª K1 2K j 1 º § 2K j K1 K 2 ·
b j 1 °
a j 1 ® jN « » 1 jS ¨ ¸
24 2 Re hy °
¯ «¬K 2 K1 K 2 »¼ N ¨
© K1K2 ¸
¹S
ª 2K j K 2 º ½ °
jS « » ¾
«¬K1 K1 K 2 »¼ S ¿
°
§ 19 hy2 a j · 't § 2K j 1 K1 K 2 · ª 2K j 1 K 2 º
bj °
¨ ¸ ®1 j N ¨¨ ¸ jN « »
¬«K1 K1 K 2 ¼» N
¨ 24 ¸ 2 Re hy ° K1K2 ¸
© ¹ ¯ © ¹N
ª 2K j K 2 º § 2K j K1 K 2 · ½°
1 jS « » j S ¨ ¸¸ ¾
«¬K1 K1 K2 »¼ S ¨ K1K2
© °
¹S ¿
hy2 't § 2K j 1 K1 K 2 · ª 2K j 1 K 2 º
b j 1 °
a j 1 ® jN ¨ ¸ 1 j N « »
¬«K1 K1 K 2 ¼» N
24 2 Re hy ° ¨ K1K2 ¸
¯ © ¹N
ª K1 2K j º ° ½
1 jS « » ¾
¬«K 2 K1 K 2 ¼» S °
¿
hy2 't ª K1 2K j 1 º
b j2
a j 2 1 jN « »
24 2 Re hy «¬K 2 K1 K 2 »¼ N
Tabella 2
61
Bibliografia
[1] J.H. Ferziger, M. Peric, Computational Methods for Fluid Dynamics (Springer
1996)
[6] R.J. LeVeque, Finite volume methods for hyperbolic problems (Cambridge Press,
2002)
[7] A.G. Kravchenko, P. Moin On the effect of numerical errors in Large Eddy
Simulations of turbulent flows (J. Comp. Phys., 131, 1997)
62
[11] F.M.Denaro, On the application of the Helmholtz-Hodge decomposition in pro-
jection methods for the numerical solution of the incompressible Navier-Stokes
equations with general boundary conditions (Int. J. Num. Methods in Fluids,
43,43-69,2003)
[16] R.D. Moser, J. Kim, Nagi N.Mansour Direct numerical simulation of turbulent
channell flow up to Reτ = 590, (Physics of fluids, vol.11 n 4)
[18] P.M. Gresho, Incompressible fluid dynamics: some fundamental issues (Ann.
Rev. Fluid Mech., 23, 413-453, 1991)
63
[20] W.J.Rider, Approximate projection methods for incompressible flow: imple-
mentation, variants and robustness (Technical report LA-UR-200, Los Alamos
National Laboratory, 1995).
[22] F.M. Denaro, Time-accurate intermediate boundary conditions for large eddy
simulations based on projection methods (Int. J. Num. Methods in Fluids, 48,
869-908, 2005)
64