La dinámica de fluidos computacional
Al analizar la incertidumbre en CFD, el primer paso es definir el problema claramente e identificar los objetivos y restricciones. Esto incluye especificar la geometría y el dominio del sistema de fluidos, las propiedades del fluido, las condiciones de flujo, las cantidades de interés (QoIs), las fuentes y tipos de incertidumbre, y el nivel aceptable de incertidumbre o error para el QoIs. Si lo hace, podrá seleccionar el mejor modelo de CFD, esquema numérico y método de cuantificación de incertidumbre (UQ) para su análisis.
El siguiente paso es realizar un análisis de sensibilidad, que es el proceso de evaluar cómo varía la QoIs con respecto a los parámetros de entrada inciertos. Esto puede ayudarle a identificar los parámetros de entrada más influyentes que contribuyen a la incertidumbre de salida, reducir la dimensionalidad del problema, determinar el rango óptimo y la resolución de los parámetros de entrada para UQ y evaluar la linealidad o no linealidad de la relación entrada-salida. Existen varios métodos para realizar análisis de sensibilidad, como métodos locales, globales o regionales; entre ellos se encuentran la diferencia finita, los índices de Sobol, el cribado de Morris y la expansión del caos polinómico (PCE).
El tercer paso es cuantificar la incertidumbre, que es el proceso de estimar la distribución y propagación de la incertidumbre de entrada a la incertidumbre de salida. UQ puede ayudarle a caracterizar la incertidumbre en los parámetros de entrada, propagar la incertidumbre de entrada a la incertidumbre de salida, estimar la incertidumbre en la QoIs y visualizar e interpretar la incertidumbre. Esto se puede hacer a través de la simulación de Monte Carlo, PCE, colocación estocástica, inferencia bayesiana y teoría de la evidencia. Cada método tiene sus propias ventajas y desventajas que deben tenerse en cuenta al seleccionar un método.
I believe the most important question we should ask ourselves when performing CFD is: can I trust my results? To answer this question TWO very important steps must be followed. 1. Grid convergence study: this is an INTERNAL test, and it has nothing to do with reference data. This test is to show that you can trust your numerical model. Keep in mind that grid sensitivity study must be carried out for every important quantity you will be presenting in your research. 2. Validation check: this is an EXTERNAL test. Before analyzing complex cases you should always validate your model by running canonical flows (fully developed channel flow, boundary layers) and comparing your results with existing high fidelity DNS or LES simulations.
In my experience, it's essential to grasp the expected fluid behavior before running simulations. Comparing obtained results with anticipated outcomes is crucial. Different models excel in capturing specific phenomena, so understanding your goal is vital when choosing a turbulence model, for instance. Furthermore, conducting validation tests is crucial to ensure the reliability of the model being used. Also, employing grid convergence tests is essential for identifying an optimal mesh size, otherwise you might end up using too much computational power for not so much better results.
El paso final es validar y verificar su modelo de CFD y los resultados de UQ. La validación implica comparar los resultados de su CFD con datos experimentales o analíticos para evaluar la precisión y confiabilidad de su modelo, mientras que la verificación es el proceso de verificar su código CFD y el método UQ para detectar errores numéricos y convergencia. Para hacer esto de manera efectiva, debe elegir fuentes de datos relevantes y confiables para la comparación, aplicar métricas de error e incertidumbre apropiadas para la comparación, realizar estudios de refinamiento de cuadrícula y tiempo para la convergencia, y realizar pruebas de verificación de código y método para la corrección. En última instancia, la validación y verificación le ayudarán a evaluar la calidad y credibilidad de su modelo de CFD y los resultados de UQ, así como a identificar las fuentes y la magnitud de la incertidumbre y el error.