Recalibración de Modelos de Turbulencia RANS Mediante Algoritmos Genéticos para Mejorar la Predicción de Coeficientes de Presión en Edificios

Abstract

En este trabajo se presenta una metodología basada en simulación para recalibrar los coeficientes de cierre de los modelos de turbulencia RANS con el objetivo de mejorar la predicción de coeficientes de presión promedio por superficie (Cp) en edificios de poca altura. Para esto, se acoplan dinámicamente algoritmos genéticos y simulaciones CFD con el fin de encontrar el conjunto de coeficientes de cierre que minimiza el error de predicción del CFD respecto a datos experimentales. La metodología propuesta es aplicada al modelo k-epsilon renormalizado (RNG) y al modelo Spalart-Allmaras (SA), considerando como casos objetivo edificios con diferentes tipos de techo y ángulo de incidencia del viento. La robustez de los modelos optimizados se analiza a través de una validación contra otros 52 casos no utilizados en la calibración, en la cual se observa una reducción del error de predicción, respecto a la versión estándar, de entre 11-64% y 8-45 %, para los modelos RNG y SA respectivamente.