لطفا صبر کنید...
منوی دسته بندی

تفاوت دو مدل توربولانسی k-epsilon و k-omega: کدام را انتخاب کنیم؟

4

انتخاب مدل توربولانسی یکی از کلیدی‌ترین تصمیمات در شبیه‌سازی‌های دینامیک سیالات محاسباتی (CFD) است که تأثیر مستقیمی بر دقت، هزینه محاسباتی و در نهایت، اعتبار نتایج دارد. برای یک تحلیلگر Ansys Fluent، این انتخاب یک توازن دقیق بین پیچیدگی فیزیکی مسئله و منابع محاسباتی موجود است. یک مدل بیش از حد ساده ممکن است پدیده‌های حیاتی جریان مانند جدایش یا گردابه‌ها را نادیده بگیرد، در حالی که یک مدل بسیار پیچیده می‌تواند زمان حل را به طور غیرضروری افزایش دهد. بنابراین، شناخت ویژگی‌ها، مزایا و محدودیت‌های مدل‌های توربولانسی فلوئنت برای دستیابی به نتایج قابل اعتماد و بهینه، یک ضرورت حرفه‌ای است.

این مقاله به مقایسه جامع دو خانواده محبوب از مدل‌های دو معادله‌ای، یعنی k-epsilon (k-ε) و k-omega (k-ω)، می‌پردازد. هدف، ارائه یک راهنمای شفاف برای کاربران است تا بتوانند بر اساس ماهیت مسئله خود، انتخابی آگاهانه داشته باشند. در ابتدا، به بررسی مبانی مدل‌سازی توربولانس به روش RANS می‌پردازیم، سپس ویژگی‌های هر یک از خانواده‌های k-epsilon و k-omega را تحلیل کرده و در نهایت، یک چارچوب تصمیم‌گیری الگوریتمی برای انتخاب بهینه مدل بر اساس فیزیک مسئله ارائه می‌شود.

مبانی مدل‌سازی توربولانس به روش RANS

توربولانس یا آشفتگی، یک حرکت نامنظم و سه‌بعدی است که در آن کمیت‌هایی مثل سرعت و فشار به صورت تصادفی در زمان و مکان نوسان می‌کنند. این پدیده باعث افزایش چشمگیر اختلاط و انتقال مومنتوم و انرژی می‌شود. برای مدل‌سازی این پدیده پیچیده، سه رویکرد اصلی وجود دارد: شبیه‌سازی عددی مستقیم (DNS) که تمام مقیاس‌های آشفتگی را حل می‌کند و از نظر تئوری کامل اما فوق‌العاده پرهزینه است؛ شبیه‌سازی گردابه‌های بزرگ (LES) که گردابه‌های بزرگ را حل و کوچک‌ترها را مدل‌سازی می‌کند و دقیق‌تر از RANS اما همچنان برای اکثر کاربردها گران میباشد؛ و در نهایت رویکرد Reynolds-Averaged Navier-Stokes (RANS). روش RANS به دلیل ایجاد بهترین توازن بین هزینه محاسباتی و دقت قابل قبول، به پرکاربردترین و استانداردترین روش برای مسائل مهندسی‌و صنعتی تبدیل شده است.

رویکرد RANS بر پایه میانگین‌گیری زمانی از معادلات ناویر-استوکس استوار است. در این روش، مولفه‌های لحظه‌ای سرعت به دو بخش میانگین زمانی و یک بخش نوسانی تقسیم می‌شوند. این فرآیند میانگین‌گیری، منجر به ظهور جملات جدیدی در معادلات مومنتوم به نام «تنش‌های رینولدز» (Reynolds Stresses) می‌شود. این تنش‌ها نشان‌دهنده اثر نوسانات توربولانسی بر جریان میانگین هستند و برای محاسبه آن‌ها نیاز به مدل‌سازی است.

هدف اصلی مدل‌های توربولانسی فلوئنت، ارائه روشی برای محاسبه این تنش‌های رینولدز و در نتیجه، «بستن» مجموعه معادلات برقرار است. دو رویکرد اصلی برای این کار وجود دارد:

  1. مدل‌های لزجت گردابه‌ای (Eddy Viscosity Models):

    این مدل‌ها که متداول‌تر هستند، فرض می‌کنند تنش‌های رینولدز با گرادیان‌های سرعت میانگین متناسب هستند. این تناسب از طریق یک ضریب به نام لزجت‌گردابه‌ای (یا توربولانسی) برقرار می‌شود. مدل‌های k-epsilon و k-omega هر دو در این دسته قرار می‌گیرند.

  2. مدل تنش رینولدز (Reynolds Stress Model – RSM):

    این رویکرد پیچیده‌تر، به جای استفاده از فرض لزجت گردابه‌ای، معادلات انتقال جداگانه‌ای برای هر یک از مؤلفه‌های تانسور تنش رینولدز حل می‌کند.

در ادامه، به تحلیل اولین و پرکاربردترین خانواده از مدل‌های لزجت گردابه‌ای، یعنی k-epsilon، می‌پردازیم.

تحلیل خانواده مدل‌های k-epsilon: گزینه‌ای قوی برای جریان‌های آزاد

خانواده مدل‌های k-epsilon (k-ε) به عنوان یکی از استانداردترین و پرکاربردترین مدل‌ها در CFD صنعتی شناخته می‌شوند. این مدل‌ها بر پایه حل دو معادله انتقال مجزا بنا شده‌اند: یکی برای انرژی جنبشی توربولانسی (k) که میزان انرژی موجود در گردابه‌ها را نشان می‌دهد، و دیگری برای نرخ اتلاف آن (ε) که مقیاس اتلاف انرژی را مشخص می‌کند.

ویژگی‌های مدل Standard k-epsilon (SKE)

این مدل به دلیل استحکام و کاربرد گسترده‌اش، اغلب به عنوان نقطه شروع در بسیاری از تحلیل‌هااستفاده می‌شود.

  • مزایا:
    • استحکام (Robustness): (به معنای پایداری عددی بالا و همگرایی سریع‌تر در مقایسه با مدل‌های پیچیده‌تر).
    • کاربرد گسترده: برای دهه‌ها در طیف وسیعی از مسائل ضنعتی استفاده شده است.
    • مناسب برای تحلیل‌های اولیه: به دلیل هزینه محاسباتی پایین، برای تکرارهای اولیه، مطالعات پارامتریک و غربالگری طرح‌های مختلف ایده‌آل میباشد.
  • معایب و محدودیت‌ها:
    • عملکرد ضعیف در جریان‌های پیچیده شامل جدایش شدید، گرادیان فشار معکوس قوی، و انحنای زیاد خطوط جریان.
    • این مدل تنها برای جریان‌های کاملاً توربولانسی معتبر میباشد.
    • این مدل دارای یک نقص تئوریک بنیادین در نزدیکی دیواره است: فقدان شرایطمرزی طبیعی برای نرخ اتلاف (ε) و ظهور جملات پیچیده در معادله آن، محاسبه مستقیم ε را در دیواره غیرممکن می‌سازد. به همین دلیل، این مدل به شدت به «توابع دیواره» (Wall Functions) وابسته است که پل‌های نیمه‌تجربی برای اتصال ناحیه دور از دیواره به سطح هستند.

مدل‌های بهبودیافته k-epsilon

برای غلبه بر محدودیت‌های مدل استاندارد، نسخه‌های بهبودیافته‌ای توسعه یافته‌اند:

  • مدل RNG k-epsilon: این مدل با استفاده از تئوری گروه بازبهنجارش (Renormalization Group Theory) مشتق‌شده است. این رویکرد ریاضیاتی باعث می‌شود مدل RNG در شبیه‌سازی جریان‌های پیچیده‌تر مانند جریان‌های با نرخ کرنش بالا، گردابه‌های متوسط و چرخش، عملکرد بهتری نسبت به مدل استاندارد داشته باشد.
  • مدل Realizable k-epsilon: این مدل با اعمال قیود ریاضی بر تنش‌های رینولدز (مانند مثبت بودن تنش‌های نرمال)، اطمینان می‌دهد که نتایج همواره از نظر فیزیکی «واقعی» (Realizable) باشند و از پیش‌بینی‌های غیرفیزیکی جلوگیری می‌کند. مزیت اصلی آن، پیش‌بینی دقیق‌تر نرخ پخش جت‌های صفحه‌ای و دایره‌ای است. این مدل همچنین عملکرد برتری در جریان‌های دارای چرخش، جدایش و لایه‌های مرزی تحت‌گرادیان فشار معکوس شدید از خود نشان می‌دهد و اغلب نسبت به RNG دقیق‌تر بوده و همگرایی آسان‌تری دارد.

با وجود محبوبیت بالای مدل‌های k-epsilon، محدودیت ذاتی آن‌ها در مدل‌سازی دقیق نواحی نزدیک به دیواره، راه را برای توسعه خانواده k-omega باز کرد.

تحلیل خانواده مدل‌های k-omega: دقت بالا در نزدیکی دیواره

اهمیت استراتژیک خانواده مدل‌های k-omega (k-ω) در توانایی آن‌ها برای مدل‌سازی دقیق جریان در لایه مرزی و زیرلایه لزج، بدون نیاز به توابع دیواره، نهفته است. این ویژگی آن‌ها را به گزینه‌ای ایده‌آل برای مسائلی تبدیل می‌کند که رفتار نزدیک دیواره در آن‌ها حیاتی است. این مدل‌ها نیز دو معادله انتقال حل می‌کنند: یکی برای انرژی جنبشی توربولانسی (k) و دیگری برای نرخ اتلاف ویژه (ω) که مقیاس فرکانس گردابه‌ها را نشان می‌دهد (ω ~ ε/k).

ویژگی‌های مدل Standard k-omega (SKW)

این مدل که توسط Wilcox توسعه یافته، به ویژه در جوامع هوافضا و توربوماشین بسیار محبوب است.

  • مزایا:
    • عملکرد برتر برای لایه‌های مرزی چسبیده به دیواره، جریان‌های برشی آزاد و جریان‌های با عددرینولدز پایین.
    • توانایی انتگرال‌گیری مستقیم تا دیواره، که نیاز به توابع دیواره را از بین می‌برد و دقت را در زیرلایه لزج افزایش می‌دهد.
    • مناسب برای شبیه‌سازی در حوزه هوافضا و توربوماشین‌ها.
  • معایب و محدودیت‌ها:
    • حساسیت زیاد به شرایط توربولانسی جریان آزاد در ورودی: نتایج مدل می‌تواند به شدت تحت تأثیر مقادیر ω در مرزهای ورودی قرار بگیرد.
    • تمایل به پیش‌بینی زودهنگام گذار از لایه‌ای به آشفته (early transition).
    • پیش‌بینی جدایش جریان به صورت بیش از حد و زودهنگام (excessive and early)، که می‌تواند دقت را در برخی مسائل آیرودینامیکی کاهش دهد.

مدل Shear Stress Transport (SST) k-omega: ترکیبی هوشمندانه از دو جهان

مدل SST k-omega که توسط Menter توسعه یافته، به عنوان یک استاندارد صنعتی جدید و یکی از محبوب‌ترین مدل‌های توربولانسی فلوئنت شناخته می‌شود. این مدل به طور خاص برای حل همزمان دو مشکل اساسی طراحی شده است: (۱) حساسیت بیش از حد مدل Standard k-omega به شرایط آشفتگی جریان آزاد در ورودی، و (۲) عدم دقت مدل‌های k-epsilon در ناحیه نزدیک به دیواره (زیرلایه لزج).

  • مکانیسم عملکرد: مدل SST به صورت هوشمندانه از یک تابع ترکیبی (blending function) استفاده می‌کند تا مدل Standard k-omega را در نواحی نزدیک به دیواره (برای بهره‌گیری از دقت بالای آن در لایه مرزی) و مدل k-epsilon (که به فرم k-omega تبدیل شده) را در نواحی دور از دیواره و جریان آزاد فعال کند. این ترکیب هوشمندانه، بهترین ویژگی‌های هر دو خانواده را در یک مدل واحد گرد هم می‌آورد و ضمن حفظ دقت نزدیک دیواره، استحکام و عدم حساسیت در جریان آزاد را تضمین می‌کند.
  • کاربردهای اصلی:
    • شبیه‌سازی‌هایی که لایه مرزی در آن‌ها اهمیت بالایی دارد (مانند آیرودینامیک خارجی).
    • جریان‌های دارای گرادیان فشار نامطلوب (Adverse Pressure Gradient) و جدایش.
    • شبیه‌سازی جریان اطراف ایرفویل‌ها.
    • شبیه‌سازی توربین‌های بادی و آبی.
  • محدودیت:
    • به دلیل نیاز به محاسبه فاصله از نزدیک‌ترین دیواره برای تابع ترکیبی، هزینه محاسباتی آن کمی بیشتر از مدل‌های استاندارد k-epsilon است.

نکته تخصصی: گزینه Curvature Correction برای جریان‌هایی با چرخش قوی یا انحنای شدیدخطوط جریان، فعال‌سازی گزینه Curvature Correction در مدل SST می‌تواند دقت نتایج را به طور چشمگیری افزایش دهد، تا حدی که نتایج با مدل بسیار پرهزینه‌تر RSM قابل قیاس می‌شوند. این گزینه یک جایگزین بسیار مقرون‌به‌صرفه برای RSM در بسیاری از کاربردهای صنعتی است.

با شناخت ویژگی‌های هر دو خانواده، اکنون می‌توانیم یک راهنمای عملی برای انتخاب بین آن‌ها ارائه دهیم.

راهنمای انتخاب: k-epsilon یا k-omega؟

هدف این بخش، ارائه یک چارچوب تصمیم‌گیری عملی برای انتخاب مدل آشفتگی بر اساس مشخصات مسئله است. باید تأکید کرد که هیچ مدل واحدی وجود ندارد که برای تمام کاربردها بهترین باشد و انتخاب بهینه نیازمند درک فیزیک جریان و اهداف شبیه‌سازی است.

در جدول زیر، یک مقایسه کاربردی بین دو خانواده مدل ارائه شده است:

ویژگی

توصیه و تحلیل

جریان‌های نزدیک دیواره و لایه مرزی

خانواده k-omega، به ویژه مدل SST k-omega، به دلیل عدم نیاز به توابع دیواره و قابلیت انتگرال‌گیری مستقیم تا زیرلایه لزج، دقت بسیار بالاتری ارائه می‌دهد و انتخاب برتر است.

جریان‌های آزاد (Free-Shear Flows)

مدل‌های خانواده k-epsilon (به‌ویژه Realizable) برای این جریان‌ها (مانند جت‌ها و لایه‌های اختلاط) که دور از تأثیر دیواره هستند، طراحی شده‌اند و عملکرد قوی و قابل اعتمادی دارند. مدل SST به دلیل وابستگی فرمولاسیون آن به فاصله از دیواره، برای این نوع جریان‌های خالص توصیه نمی‌شود.

گرادیان فشار معکوس و جدایش جریان

مدل Standard k-epsilon به شدت اندازه ناحیه جدایش را کمتر از واقعیت تخمین می‌زند (severely underpredicts the size of the separation bubble)، در حالی که SST k-omega و Realizable k-epsilon پیش‌بینی بسیار دقیق‌تری ارائه می‌ده دهند.

جریان‌های چرخشی و گردابه‌ای

برای جریان‌های با چرخش قوی (strong swirl)، مدل‌های RNG k-epsilon، Realizable k-epsilon و RSM گزینه‌های مناسب‌تری هستند. فعال‌سازی گزینه Curvature Correction در مدل SST نیز قویاً توصیه می‌شود.

هزینه محاسباتی و استحکام (Robustness)

مدل Standard k-epsilon معمولاً سریع‌تر همگرا می‌شود و به دلیل پایداری بالا، برای تحلیل‌های اولیه مناسب است. مدل SST k-omega ممکن است به همگرایی سخت‌تری نیاز داشته باشد اما نتایج دقیق‌تری ارائه می‌دهد.

گردش کار پیشنهادی برای انتخاب مدل توربولانسی

می‌توان یک روند کاری گام به گام برای انتخاب مدل پیشنهاد داد:

برای شروع و غربالگری اولیه: از Standard k-epsilon استفاده کنید. این مدل به دلیل استحکام و سرعت بالا، به شما امکان می‌دهد تا به سرعت یک دید کلی از میدان جریان به دست بیاورید.

برای جریان‌های پیچیده با گردابه و جدایش: به سراغ Realizable k-epsilon یا RNG k-epsilon بروید. این مدل‌ها دقت بالاتری نسبت به نسخه استاندارد، به خصوص در پیش‌بینی جدایش و جریان‌های با نرخ کرنش بالا دارند.

برای دقت بالا در لایه مرزی، آیرودینامیک خارجی و توربوماشین‌ها: SST k-omega بهترین و مطمئن‌ترین انتخابعمومی است. به عنوان استاندارد صنعتی مدرن، SST k-omega نقطه شروع پیش‌فرض برای اکثر کاربردهای آیرودینامیک خارجی و توربوماشین است.

برای بالاترین سطح دقت در جریان‌های پیچیده و چرخشی: اگر نتایج مدل‌های Realizable k-ε یا SST k-ω با داده‌های تجربی همخوانی کامل نداشت یا مسئله شامل گردابه‌های بسیار قوی (strong swirl) و انحنای شدید خطوط جریان بود، به سراغ مدل Reynolds Stress Model (RSM) بروید. به خاطر داشته باشید که این مدل از نظر فیزیکی کامل‌ترین مدل RANS است اما هزینه محاسباتی و چالش‌های همگرایی بیشتری دارد.

این گردش کار به شما کمک می‌کند تا با یک رویکرد منطقی، بهترین توازن را بین دقت و هزینه محاسباتی برقرار کنید.

جمع‌بندی و نتیجه‌گیری نهایی

تفاوت اساسی بین خانواده‌های k-epsilon و k-omega در نحوه مدل‌سازی آن‌ها در نواحی نزدیک به دیواره و حساسیت‌شان به شرایط جریان آزاد نهفته است. مدل‌های k-epsilon مدل‌هایی قوی و سریع برای جریان‌های کاملاً توربولانسی دور از دیواره هستند اما برای شبیه‌سازی دقیق لایه مرزی به توابع دیواره وابسته بوده و عملکرد ضعیفی در جریان‌های با جدایش دارند. در مقابل، خانواده k-omega برای مدل‌سازی دقیق زیرلایه لزج طراحی شده و دقت بالاتری در پیش‌بینی جدایش جریان ارائه می‌دهد، اما نسخه استاندارد آن به شرایط جریان آزاد حساس است. در میان تمام مدل‌های توربولانسی فلوئنت، هرکدام جایگاه خاص خود را دارند.

به عنوان توصیه نهایی، مدل SST k-omega به دلیل ترکیب هوشمندانه مزایای هر دو خانواده، امروزه برای طیف وسیعی از کاربردهای مهندسی به یک انتخاب پیش‌فرض قابل اعتماد و قدرتمند تبدیل شده است. این مدل توانسته است توازن مناسبی بین دقت در لایه مرزی و استحکام در جریان آزاد برقرار کند و به همین دلیل به عنوان استاندارد صنعتی جدید شناخته می‌شود.

در نهایت، باید به خاطر داشت که هیچ مدلی بی‌نقص نیست. درک عمیق فیزیک جریان مسئله، شناخت پدیده‌های کلیدی حاکم بر آن و اهداف نهایی شبیه‌سازی، همواره مهم‌ترین راهنما برای انتخاب مدل آشفتگی مناسب و دستیابی به نتایجی معتبر خواهد بود.

نظرات بسته شده است.