1

RAE

1. TIPO DE DOCUMENTO: Trabajo de grado para optar por el título de INGENIERO

AERONÁUTICO.

2. TITULO: IDENTIFICACIÓN DEL MODELO DE TURBULENCIA MÁS ADECUADO,

UTILIZANDO SOFTWARE DE DINÁMICA DE FLUIDOS COMPUTACIONAL, PARA EL

DISEÑO DEL VEHÍCULO URBANO DE LA COMPETENCIA SHELL ECO MARATHON.

3. AUTORES: Carlos Andrés Bayona Castro, Lina Paola Londoño Gallón, Eduardo Alfredo Nieto Cruz.

4. LUGAR: Bogotá, D.C

5. FECHA: 05 de Marzo de 2015.

6. PALABRAS CLAVE: Aerodinámica, Coeficiente de Arrastre, Modelo de Turbulencia, Diseño de

Vehículos, CFD, Métodos Experimentales, Vehículo Urbano.

7. DESCRIPCIÓN DEL TRABAJO: Éste proyecto de investigación muestra un análisis de modelos de

turbulencia y su aplicación al coeficiente de arrastre, en el que se determina el modelo más adecuado

para realizar las simulaciones para un análisis aerodinámico del vehículo urbano de la competencia Shell

ECO Marathon.

8. LINEAS DE INVESTIGACIÓN: Aerodinámica Aplicada / Energía y Vehículos

9. METODOLOGÍA: En éste proyecto se observa cada modelo, teniendo en cuenta sus características y

su conveniencia para el caso de estudio comparando sus capacidades teóricas, lo cual se lleva a cabo

mediante una metodología analítica; también se comparan resultados del análisis con los obtenidos de

las pruebas de túnel de viento de un modelo a escala bajo una metodología experimental.

10. CONCLUSIONES: El modelo de turbulencia S-A es el más adecuado para el caso de estudio, debido

a que el coeficiente de arrastre que se obtiene en la simulación alcanza una precisión de 4,64% respecto

al valor experimental, con bajo uso de recursos computacionales y buena estabilidad en la convergencia

de malla.
 2

IDENTIFICACIÓN DEL MODELO DE TURBULENCIA MÁS

ADECUADO, UTILIZANDO SOFTWARE DE DINÁMICA DE
FLUIDOS COMPUTACIONAL, PARA EL DISEÑO DEL VEHÍCULO
URBANO DE LA COMPETENCIA SHELL ECO MARATHON.

CARLOS ANDRÉS BAYONA CASTRO

LINA PAOLA LONDOÑO GALLÓN

EDUARDO ALFREDO NIETO CRUZ

UNIVERSIDAD DE SAN BUENAVENTURA, SEDE BOGOTÁ

FACULTAD DE CIENCIAS BÁSICAS E INGENIERÍA

INGENIERÍA AERONÁUTICA

BOGOTÁ, COLOMBIA

2015
 3

IDENTIFICACIÓN DEL MODELO DE TURBULENCIA MÁS ADECUADO, UTILIZANDO

SOFTWARE DE DINÁMICA DE FLUIDOS COMPUTACIONAL, PARA EL DISEÑO DEL
VEHÍCULO URBANO DE LA COMPETENCIA SHELL ECO MARATHON.

CARLOS ANDRÉS BAYONA CASTRO CÓDIGO: 20103231017

LINA PAOLA LONDOÑO GALLÓN CÓDIGO: 20101231020

EDUARDO ALFREDO NIETO CRUZ CÓDIGO: 20103231039

Proyecto grado presentado para optar al título de INGENIERO AERONÁUTICO

Asesor:

Ing. RAFAEL MAURICIO CERPA BERNAL. Ph.D

UNIVERSIDAD DE SAN BUENAVENTURA, SEDE BOGOTÁ

FACULTAD DE CIENCIAS BÁSICAS E INGENIERÍA

INGENIERÍA AERONÁUTICA

BOGOTÁ, COLOMBIA

2015
 4

Nota de aceptación

_________________________________________

_________________________________________

_________________________________________

_________________________________________

_________________________________________

Firma Presidente del Jurado

_________________________________________

Jaime Alberto Escobar Gómez

_________________________________________

Diana Paola Meneses Salazar

Bogotá D.C., fecha: (26/03/2015)

 5

AGRADECIMIENTOS Y DEDICATORIA

Deseo agradecer y dedicar este proyecto totalmente a mis padres por brindarme todo el apoyo y

el amor necesario para obtener los logros académicos y culminar todas las tareas propuestas.

Igualmente agradezco a mis profesores por darme las herramientas y el conocimiento de tal

forma que fueran la base del mismo, y en especial a nuestro siempre presente tutor el ingeniero

Rafael Cerpa, el cual nos guio de forma correcta para culminar esta tarea. Por ultimo doy gracias

muy especiales a mis compañeros de proyecto que dieron su mejor esfuerzo para lograr un

trabajo muy bien hecho y entre todos permitir que éste se basara en el trabajo de equipo y la

coherencia.

Carlos Andrés Bayona Castro

 6

Este proyecto se lo dedico a Dios, también y especialmente a mi madre y hermano, a quienes les

agradezco su apoyo incondicional, lo cual me ha llenado de fortaleza y confianza para empezar

a cumplir mis metas propuestas.

Un sincero agradecimiento a nuestro asesor el Ing. Rafael Mauricio Cerpa Bernal, por depositar

su confianza en nosotros y por su orientación a lo largo del desarrollo de este proyecto y a mis

compañeros por su tiempo y disposición para culminar con éxito este proyecto.

Y por último quiero agradecer al Ingeniero Johan David Saldaña por acompañamiento y

disposición en la realización de las pruebas aerodinámicas en el túnel de viento y al profesor

Wilson Castro por su orientación y acompañamiento en el proceso de análisis experimental.

Lina Paola Londoño Gallón

 7

Agradezco primeramente a Dios, por la oportunidad que me ha dado, la sabiduría y habilidad

para afrontar y continuar con mi carrera.

A mis padres, que con su amor y esfuerzo me han llevado a brindarles motivos de orgullo y por

quienes soy la persona que soy hoy, a mi tío Abraham, quien siempre ha sido un gran apoyo y

un guía en mi vida.

Por último, le agradezco al ingeniero Rafael Cerpa y a mis compañeros de tesis, por los que su

compromiso, organización y disciplina alcanzamos este logro con satisfacción.

Eduardo Alfredo Nieto Cruz

 8

TABLA DE CONTENIDO

INDICE DE TABLAS .................................................................................................... 12

INDICE DE IMAGENES ............................................................................................... 14

LISTA DE ACRÓNIMOS Y ABREVIATURAS .......................................................... 17

1. INTRODUCCIÓN ................................................................................................... 19

2. PLANTEAMIENTO DEL PROBLEMA ................................................................ 20

2.1. ANTECEDENTES................................................................................................... 20

2.2. DESCRIPCIÓN Y FORMULACIÓN DEL PROBLEMA ...................................... 23

2.3. JUSTIFICACIÓN .................................................................................................... 25

2.4. OBJETIVOS ............................................................................................................ 25

2.5. ALCANCES Y LIMITACIONES ........................................................................... 26

 9

3. MARCO TEÓRICO Y CONCEPTUAL ................................................................. 29

3.1. AERODINÁMICA .................................................................................................. 29

3.2. AERODINÁMICA DE VEHÍCULOS .................................................................... 30

3.3. CFD (DINÁMICA DE FLUIDOS COMPUTACIONAL) ...................................... 35

3.4. MODELOS DE TURBULENCIA ........................................................................... 48

 10

3.5. ALTERNATIVAS DE SOLUCIÓN PREVISTAS ................................................. 61

4. METODOLOGÍA .................................................................................................... 63

4.1. DIAGRAMA DE FLUJO DE LA METODOLOGÍA ............................................. 63

4.2. LÍNEA DE INVESTIGACIÓN / NÚCLEO PROBLÉMICO ................................. 68

5. CRONOGRAMA DE ACTIVIDADES................................................................... 69

6. RECURSOS Y PRESUPUESTO............................................................................. 70

7. ANÁLISIS ............................................................................................................... 72

7.1. ANÁLISIS CUALITATIVO - TEÓRICO ............................................................... 72

7.2. ANÁLISIS CUANTITATIVO – EXPERIMENTAL .............................................. 74

7.3. ANÁLISIS DE RESULTADOS RESPECTO A LA AERODINÁMICA DEL

VEHÍCULO ............................................................................................................. 86

7.4. SELECCIÓN DEL MODELO DE TURBULENCIA ........................................... 101

 11

8. CONCLUSIONES ................................................................................................. 106

REFERENCIAS ............................................................................................................ 109

ANEXOS ........................................................................................................................... i

A.1. MODELO A ESCALA PARA PRUEBAS EN EL TÚNEL DE VIENTO ................ i

A.2. MATRIZ DE MARCO LÓGICO ......................................................................... xxiv

A.3. REDISEÑO DEL VEHÍCULO URBANO............................................................ xxv

A.4. POTENCIA REQUERIDA................................................................................... xxxi

A.5. CRONOGRAMA DE ACTIVIDADES .............................................................. xxxii

 12

INDICE DE TABLAS

Tabla 1. Experimentación vs Simulación (Kuzmin, s.f.) .................................................. 36

Tabla 2. Comparación entre los Modelos RANS y LES (Davoudabadi, 2012) ............... 52

Tabla 3. Recursos para el mecanizado y construcción del modelo ................................... 70

Tabla 4. Recursos generales.............................................................................................. 71

Tabla 5. Comparación de las características de los modelos de turbulencia. ................... 73

Tabla 6. Parámetros de Simulación .................................................................................. 77

Tabla 7. Variación del Cd en Flujo Estable ..................................................................... 84

Tabla 8. Variación del Cd en Flujo Inestable .................................................................. 84

Tabla 9. Orden de las imágenes de resultados .................................................................. 86

Tabla 10. Porcentaje de Error de los Modelos de Turbulencia ....................................... 102

Tabla 11. Tiempos de Iteración para flujo Estable ......................................................... 102

Tabla 12. Tiempos de Iteración para flujo Inestable....................................................... 103

Tabla 13.Calificación de los Modelos de Turbulencia ................................................... 104

Tabla 14. Puntaje promedio de los Modelos de Turbulencia.......................................... 104

 13

Tabla A. 1. Especificaciones del túnel de viento ................................................................. i

Tabla A. 2. Dimensiones Físicas Fundamentales ............................................................... ii

Tabla A. 3. Características del Icopor Utilizado ............................................................... ix

Tabla A. 4. Características de la Resina ............................................................................. x

Tabla A. 5. Características de la Masilla para Carro .......................................................... x

Tabla A. 6. Pruebas túnel de viento ................................................................................. xiii

Tabla A. 7. Rango de los Parámetros Ambientales de Experimentación. ....................... xiv

Tabla A. 8. Parámetros k.................................................................................................. xiv

Tabla A. 9. Valores de Respuesta ..................................................................................... xv

Tabla A. 10. Tabla ANOVA ............................................................................................ xvi

Tabla A. 11. Matriz de marco Lógico ............................................................................ xxiv

Tabla A. 12. Comparación de Potencia. ........................................................................ xxxi

 14

INDICE DE IMÁGENES

Imagen 1. Diferencia entre los flujos de aire laminar y turbulento (Navarro et al 2011) . 32

Imagen 2. Incidencia en la forma de la carrocería (Navarro et al 2011) .......................... 33

Imagen 3. Comparativa de coeficientes aerodinámicos según la forma (Navarro et al 2011)

.......................................................................................................................... 34

Imagen 4. Coeficiente Cy (Navarro et al 2011) ................................................................ 34

Imagen 5. Coeficiente Cz (Navarro et al 2011) ................................................................ 35

Imagen 6. Método de Volúmenes Finitos (CEA, s.f.) ...................................................... 46

Imagen 7. Comparación de convergencia del Cd en S-A ................................................. 78

Imagen 8. Comparación de convergencia del Cd en k-ε................................................... 79

Imagen 9. Comparación de convergencia del Cd en k-ω.................................................. 80

Imagen 10. Comparación de convergencia del Cd en k-kl-ω. .......................................... 81

Imagen 11. Comparación entre modelos de turbulencia. .................................................. 82

Imagen 12. Comparación de resultados de simulación vs experimentación .................... 84

Imagen 13. Contornos de Presión Estática, Flujo Estable ................................................ 87

 15

Imagen 14. Contornos de Presión Estática, Flujo Inestable .............................................. 88

Imagen 15. Vectores de Velocidad, Flujo Estable ............................................................ 90

Imagen 16. Vectores de Velocidad, Flujo Inestable ......................................................... 91

Imagen 17. Líneas de Flujo en Velocidad, Flujo Estable ................................................. 93

Imagen 18. Líneas de Flujo en Velocidad, Flujo Inestable............................................... 94

Imagen 19. Estela de Flujo en Velocidad, Flujo Estable .................................................. 95

Imagen 20. Estela de Flujo en Velocidad, Flujo Inestable ............................................... 96

Imagen 21. Estela de Flujo en Energía Cinética Turbulenta, Flujo Estable ..................... 98

Imagen 22. Estela de Flujo en Energía Cinética Turbulenta, Flujo Inestable................... 99

Imagen A. 1. Plano del Vehículo a Escala ....................................................................... xix

Imagen A. 2. Proceso de Mecanizado ............................................................................... xx

Imagen A. 3. Vehículo Final de mecanizado ................................................................... xxi

Imagen A. 4. Proceso de Enmasillado ............................................................................ xxii

Imagen A. 5. Plano del Sistema de Sujeción del Vehículo - Túnel de Viento .............. xxiii
 16

Imagen A. 6. Sistema de Sujeción del Vehículo en Físico - Túnel de Viento ............... xxiii

Imagen A. 7. Geometría Rediseño .................................................................................. xxv

Imagen A. 8. Plano Rediseño ......................................................................................... xxvi

Imagen A. 9. Cd Prototipo Rediseñado ........................................................................ xxvii

Imagen A. 10. Contornos de Presión Rediseño ............................................................ xxvii

Imagen A. 11. Vectores de Velocidad Rediseño ......................................................... xxviii

Imagen A. 12. Líneas de Flujo en Velocidad Rediseño ................................................. xxix

 17

LISTA DE ACRÓNIMOS Y ABREVIATURAS

‘: Valores de experimentación. 𝐾𝑏 : Corrección solid-blockage.

c: Longitud de referencia el objeto de 𝐾𝑤𝑘 : Corrección wake-blockage.

experimentación.
𝐾3 , 𝐾4 , 𝜆: Constantes específicas del objeto

C: Área transversal del túnel de viento. de experimentación.

Cd: Coeficiente de Arrastre. l: Longitud Característica.

∆𝐶𝑑𝑏 : Variación del Cd del objeto de

M: Número Mach.
experimentación.
𝑝: Presión del fluido.
CFD: Computational Fluid Dynamics
Pot: Potencia
Cx: Coeficiente de penetración

aerodinámica. q: Presión Dinámica.

Cy: Coeficiente de derivada lateral. Re: Número de Reynolds.

Cz: Coeficiente de sustentación. RNG: Random Number Generation.

D: Fuerza de Arrastre. S: Área transversal de referencia del objeto

de experimentación.
K: Factor de corrección total-blockage.
 18

t: Ancho máximo del objeto de 𝜌: Densidad del fluido.

experimentación.
𝜏: Factor de forma del túnel de viento.

𝑉: Velocidad del fluido.

ω: Tasa específica de disipación de la

̅̅̅̅̅
𝑉𝑜𝑙: Volumen del objeto de experimentación. turbulencia.

ε: Tasa de disipación de la energía turbulenta. ∞: Parámetros de flujo.

µ: Viscosidad Dinámica.
 19

1. INTRODUCCIÓN

Éste documento contiene una propuesta de investigación que pretende determinar el

modelo de turbulencia más adecuado para el análisis aerodinámico del vehículo urbano de la

competencia Shell Eco Marathon, la cual consiste en diseñar un vehículo que recorra largas

trayectorias con la menor cantidad de combustible posible. Este análisis se realiza en el software

de simulación ANSYS-Fluent-CFD por sus siglas en inglés “Computational Fluid Dynamics”.

En el proceso metodológico se hace una revisión de los diferentes modelos de turbulencia

existentes, con base a esto se lleva a cabo una investigación más a fondo de los tres modelos más

adecuados para el análisis aerodinámico del vehículo urbano, se simula el diseño previo del

vehículo; cabe aclarar que el desarrollo de la malla del vehículo urbano no se realiza, ya que ésta

es suministrada por el grupo de investigación AeroTech de la Universidad de San Buenaventura.

En esta propuesta de investigación, se establece cuál es el modelo de turbulencia más

apropiado para emplear en la simulación aerodinámica del vehículo Urbano de la competencia

Shell Eco Marathon. Para el propósito del proyecto se analizan los resultados obtenidos de los tres

modelos simulados, con la geometría del vehículo urbano y una geometría simplificada de la cual

ya se tienen datos de referencia; además se presenta una comparación de ventajas y desventajas de

cada uno de los mencionados.

 20

2. PLANTEAMIENTO DEL PROBLEMA

2.1. ANTECEDENTES

2.1.1. En Colombia

 Barrera, J.S.; Maldonado, D.A. & Ramírez, C.C. (2014). En la Universidad de San

Buenaventura, sede Bogotá, se desarrolló el proyecto de grado: “Análisis aerodinámico de un

vehículo urbano mediante dinámica de fluidos computacionales aplicado a la competencia de

Shell Eco Marathon”, en éste proyecto de grado se realiza la simulación mediante el modelo

Spallart Allmaras, pero se sabe que al simular en Fluent no hubo una estabilización en la

convergencia del Cd, por éste motivo surge la problemática del presente proyecto y la

justificación del mismo, a solicitud del grupo de investigación AeroTech, de la Universidad

de San Buenaventura sede Bogotá.

 Brayan Agudelo Rojas (2013) en la Universidad Pontificia Bolivariana, sede Medellín. Se

realizó el proyecto de grado: “Metodología para el análisis de resultados CFD y propuesta de

diseño casco motocicleta”. Se desarrolló un análisis aerodinámico sobre un casco de

motocicleta, donde se estudió la resistencia aerodinámica sobre éste, realizando pruebas en

túnel de viento y simulación computacional, obteniendo así resultados cualitativos y

cuantitativos, para una comparación posterior de éstos.

 21

 Walter Buitrago López & Andrés Mauricio Giraldo Portilla (2012), en la Universidad de San

Buenaventura, sede Bogotá. Se realiza un procesamiento y un análisis general del modelo de

turbulencia Spallart Allmaras, además de una descripción general de los modelos K-ε y K-ω

y en qué condiciones son usados. El modelo Spallart - Allmaras se escogió por su bajo costo

computacional, por ser modelo de una ecuación y principalmente porque fue desarrollado

especialmente para aplicaciones de aerodinámica externa como el flujo sobre perfiles y alas.

2.1.2. Global

 Hebert Oswaldo Huerto Bujaico (2013), en la Universidad Católica del Perú. Se llevó a cabo

el proyecto de grado: “Estudio del flujo en un tanque agitador vertical de impulsor ptb con

superficie libre mediante el programa ANSYS CFX V.14.0” .Al comparar los resultados

obtenidos para los modelos de turbulencia k- ε, k-ω y SST con los resultados experimentales,

se obtuvo que el modelo de turbulencia k-Omega presenta el mayor error y el modelo k-

Épsilon presenta un menor error que el k-Omega; sin embargo, el modelo SST es el que arrojó

los mejores resultados comparados con la curva de potencia experimental para impulsores de

alabes inclinados Chemineer; es por ello, que se eligió al modelo de turbulencia Shear Stress

Transport (SST) como el más adecuado para este estudio.

 22

 Vicente Colomer Romero (2013), en la Universidad Politécnica de Valencia. La

representación correcta de flujos en el análisis CFD resulta clave para la predicción del

comportamiento de un cuerpo sometido al flujo de aire. Para mejorar la predicción de la

separación sin incrementar la complejidad del análisis y en general la posibilidad de llegar a

una solución, el modelo de 2 ecuaciones llamado RNG (Ramdom Number Generation) está

disponible en la mayoría de las aplicaciones, debido a que las ecuaciones en éste modelo tienen

una base teórica firme, los resultados obtenidos mediante el modelo RNG son en general más

exactos. Sin embargo, este modelo es menos estable numéricamente y por tanto sujeto a

mayores dificultades de convergencia. Se suele iniciar los análisis con el modelo "k-epsilon"

y en caso de dificultades o inexactitudes de cálculo cambiar al modelo RNG.

 Liu C.C., Ferng, Y.M. & Shih, C.K. (2012), National Tsing Hua University, Taiwan. Se busca

seleccionar el modelo más apropiado para simular flujo a través de un armazón de canales

tubulares, comparando entre el modelo de grupo de re normalización k-ε (RNG), el modelo

realizable k-ε (RKE), modelo de bajo Re k-ε, el modelo k-ω standard, el modelo k-ω de

transporte de esfuerzo cortante (SST k-ω) y el modelo de esfuerzo de Reynolds (RSM). Se

concluye que el éxito del modelo SST k-ω se atribuye a un tratamiento de pared cercana, que

toma en cuenta el salto de la viscosidad turbulenta en las regiones de bajo Reynolds, mejor

que si se hiciera un tratamiento de pared estándar que se implementa para los modelos de

turbulencia.
 23

 M.R. Khosravi Nikou & M.R. Ehsani (2008), Isfahan University of Tecnology, Irán. se

presenta el estudio: “Turbulence models application on CFD simulation of hydrodynamics,

heat and mass transfer in a structured packing”, donde se comparan diferentes modelos de

turbulencia como k–ε, RNG k–ε, k–ω y BSL para dinámica de fluidos y, transferencia de calor

y masa en un empaque estructurado.

 Mandar & otros (2007), University of Mumbai. Se realiza un estudio de los modelos de

turbulencia k-ε, RSM y LES en flujo externo a una columna, describiendo que el modelo k-ε

es preferible sobre RSM y LES en modelos en 3D obteniendo resultados generales del modelo,

más aproximados a los resultados experimentales.

2.2. DESCRIPCIÓN Y FORMULACIÓN DEL PROBLEMA

El grupo de investigación AeroTech, de la Universidad de San Buenaventura sede Bogotá,

está trabajando en el diseño de un vehículo urbano, que a través del análisis de su aerodinámica y

rendimiento del motor, tiene como meta aumentar al máximo posible la distancia que recorre el

vehículo por unidad de combustible consumida (consumo específico de combustible) para la

competencia Shell Eco Marathon.

 24

Así como en la industria automotriz, para éste proyecto se han realizado estudios de

aerodinámica y simulaciones en software de CFD para aumentar el rendimiento aerodinámico del

vehículo, como en el trabajo de grado “Análisis aerodinámico de un vehículo urbano mediante

dinámica de fluidos computacionales aplicado a la competencia Shell Eco Marathon”, en el cual

se realizó el procesamiento computacional en el software ANSYS Fluent mediante el modelo de

turbulencia Spallart-Allmaras, pero no se obtuvo una estabilización del sistema para su análisis;

por lo cual se requiere establecer qué modelo de turbulencia es el más adecuado en el

procesamiento mediante el software ANSYS Fluent, que permita el análisis aerodinámico del

vehículo urbano que se está diseñando para dicha competencia.

¿Cuál es el modelo de turbulencia más adecuado, utilizando software de dinámica de

fluidos computacional, para emplear en la simulación aerodinámica del vehículo urbano de

la competencia Shell Eco Marathon?

 25

2.3. JUSTIFICACIÓN

La principal preocupación del diseño del vehículo urbano para la Competencia Shell Eco

Marathon, es poder realizar un análisis del rendimiento aerodinámico del vehículo, ya que

construir un prototipo, obtener datos para luego rediseñar, resulta en un ciclo costoso y es necesario

realizar simulaciones que arrojen datos lo más cercanos posible a condiciones reales (velocidad de

flujo, desprendimiento de capa límite, coeficiente de resistencia al avance y distribución de presión

inducida), por lo cual se realizará el estudio de los tres modelos de turbulencia para éste caso de

estudio, con los cuales se busca encontrar el modelo de turbulencia más conveniente para la

simulación aerodinámica del vehículo urbano en su velocidad crucero.

2.4. OBJETIVOS

2.4.1. Objetivo General.

Establecer el modelo de turbulencia más adecuado, utilizando software de dinámica de

fluidos computacional, para emplear en la simulación aerodinámica del vehículo urbano de la

competencia Shell Eco Marathon.

 26

2.4.2. Objetivos Específicos.

 Establecer los tres modelos de turbulencia para simular según criterios de selección, por los

cuales se va a definir la conveniencia y adaptabilidad de los modelos de turbulencia.

 Realizar un análisis comparativo de los resultados arrojados para el diseño que se tiene del

vehículo urbano de la competencia Shell Eco Marathon, en los tres modelos de turbulencia

procesados en ANSYS Fluent.

2.5. ALCANCES Y LIMITACIONES

 Se seleccionarán únicamente tres modelos de turbulencia para simular, de acuerdo al estudio

de los modelos empleados en el software ANSYS Fluent.

 No se realizarán análisis de mallas, ya que ésta se desarrolló previamente en el grupo de

investigación AeroTech.

 Los resultados de este proyecto dependerán de la calidad de la malla suministrada.

 La verificación de los resultados que arrojara el software, se realizará mediante la simulación

 27

de una geometría simplificada, de la cual se tendrán datos de referencia para las condiciones

de ambiente que se aplicarán.

 Las condiciones ambiente están establecidas por la competencia Shell Eco Marathon, y el

estándar de presión ambiental, humedad relativa, temperatura y densidad de la pista de prueba

establecida para la competencia, además la velocidad crucero del vehículo está regida por

normas predeterminadas de la competencia y las especificaciones del diseño del vehículo

urbano que se han establecido previo al inicio de éste proyecto de grado.

 Se entregarán los modelos procesados en ANSYS Fluent y las conclusiones de estabilización

con cada modelo, incluyendo diferencias en el procesamiento y márgenes de error que se

puedan identificar.

 El parámetro aerodinámico principal a analizar en éste proyecto es el coeficiente de arrastre,

en el cual estará enfocada la investigación y la simulación de los modelos de turbulencia, es

también un criterio importante para seleccionar el modelo de turbulencia más adecuado para

el caso de estudio.
 28

 Las simulaciones se realizarán de acuerdo a la capacidad computacional de los equipos de la

Universidad de San Buenaventura.

 No se realizarán pruebas físicas al vehículo para comprobar los resultados obtenidos, por lo

tanto no se puede determinar ni inferir que los resultados que se obtienen en las simulaciones

son datos exactos.

 No se va a tener en cuenta los efectos producidos por la interacción rueda-piso y la turbulencia

inducida por la rotación de la rueda.

 El presente proyecto únicamente se compromete a establecer los modelos más adecuados para

simular la operación del vehículo urbano de la competencia Shell Eco Marathon. El análisis

aerodinámico de los modelos de turbulencia se realiza únicamente para establecer las

diferencias entre los modelos simulados, y no es concerniente en éste proyecto realizar la

ingeniería para rediseñar o mejorar el rendimiento del vehículo urbano.

 Se va a realizar un artículo de investigación del estudio de los modelos de turbulencia, y su

aplicación en el vehículo urbano de la competencia Shell Eco Marathon.

 29

3. MARCO TEÓRICO Y CONCEPTUAL

3.1. AERODINÁMICA

Es la rama de la mecánica de fluidos que se encarga de estudiar el movimiento del aire y

otros fluidos gaseosos, estudia la interacción del aire con cuerpos los cuales están en movimiento

y generan con su desplazamiento que el aire ambiente entre en circulación, modificando así la

repartición de velocidades y presiones de las partículas del fluido; como también se encarga del

estudio de las fuerzas que actúan sobre los cuerpos que se mueven en dichos fluidos. De esta

manera, se puede conocer información sobre fenómenos que actúan sobre el cuerpo tales como

velocidad, temperatura, presión, densidad del aire, etc. (Definición abc, s.f.)

El estudio de la aerodinámica se basa en el Teorema de Bernoulli, el cual expone que se

produce una disminución en la presión de un fluido (sea líquido o gas) en movimiento, cuando

aumenta su velocidad; El teorema asegura que la energía total de un sistema de fluidos con un flujo

uniforme perdura constante a lo largo de la trayectoria que tenga el fluido; este principio relaciona

fundamentalmente la presión del flujo y su velocidad correspondiente, de esta forma se tiene que

para mayor velocidad en el fluido, se tendrá menor valor en la presión, así como para mayores

valores de presión se tendrá una correspondiente disminución en la velocidad del flujo (Muñoz,

s.f.). Teniendo que la ecuación de Bernoulli está definida como:

1
𝑝 + 2 𝜌𝑉 2 = 𝑐𝑜𝑛𝑠𝑡𝑎𝑛𝑡𝑒 (1) (Muñoz, s.f.)
 30

En la ecuación anterior, se observa la relación que existe entre las fuerzas de presión

estática y dinámica, las cuales afectan directamente en la interacción del flujo sobre un cuerpo; la

presión dinámica es función de la energía cinética del fluido, la cual genera un trabajo sobre la

superficie del cuerpo, generando una fuerza (de arrastre o sustentación) debido a su momento.

(NAVAL AVIATION SCHOOLS COMMAND, 2008)

3.2. AERODINÁMICA DE VEHÍCULOS

La aerodinámica en vehículos de pasajeros se utiliza para hacerlos más seguros y eficientes

con respecto al consumo de combustible. Los espacios interiores tienen un papel importante en

vehículos urbanos, pero con respecto a la aerodinámica, cuando se hace muy voluminoso puede

conllevar a que éste, tenga menor eficiencia y estabilidad en altas velocidades.

Al interactuar el aire con el vehículo se generan dos flujos de aire diferentes:

 Flujo interno: Este flujo se genera en la zona de entrada de aire para refrigerar el motor

(radiador), generando cierta resistencia aerodinámica, pero a su vez este tiene como

objetivo mantener el confort dentro del carro es decir, mantener la temperatura interior

constante independiente de la temperatura exterior, renovar el aire que circula dentro del

vehículo, etc. (Navarro, Águeda y García, 2011)

 31

 Flujo exterior: Este flujo comprende el aire que circula sobre la carrocería y el que circula

entre esta y el suelo, siendo el principal factor de resistencia aerodinámica en los vehículos.

(Navarro et al 2011)

Los factores más decisivos en la resistencia aerodinámica son: el tamaño, la carrocería, la

velocidad relativa del vehículo respecto al aire y la densidad del aire (Navarro et al 2011).

Otro factor importante que influye en la resistencia es el tipo de superficie de la carrocería,

la cual determina el rozamiento con la capa de aire que está en contacto con esta (Navarro et al

2011). De esta manera el aire puede fluir de dos maneras:

 Uniformemente: Cada partícula de aire se desplaza, en el mismo sentido de la carrocería y

las velocidades que la rodean. Este desplazamiento se conoce como flujo laminar, en

cuanto mayor sea este flujo, menor será la resistencia aerodinámica. (Navarro et al 2011)

 Con turbulencia: Hay partículas de aire que pierden velocidad con respecto a las demás e

incluso cambian de dirección, produciendo así un flujo turbulento. (Navarro et al 2011)

 32

Imagen 1. Diferencia entre los flujos de aire laminar y turbulento (Navarro et al 2011)

El comportamiento dinámico de una carrocería está influenciado por la resistencia y

fuerzas aerodinámicas que se generan en el desplazamiento del vehículo. Se han definido una serie

de parámetros de los coeficientes aerodinámicos para estudiar el comportamiento del vehículo, los

cuales analizan el comportamiento de este, estos son:

 Coeficiente de penetración aerodinámica (Cx), un cuerpo que se está desplazando necesita

invertir cierta cantidad de potencia para atravesar la masa de aire que lo rodea. La potencia

está directamente relacionada con el volumen del cuerpo, es decir, cuanto más

aerodinámica sea su forma mejor será su capacidad de penetración en el flujo y menor será

la potencia requerida para su desplazamiento. Para la obtención de un buen Cx intervienen

diferentes valores no solo la forma más o menos afilada de la carrocería, también

intervienen valores como: turbulencias, circulación del aire entre el suelo y la carrocería,

etc. Es muy importante que el aire que interactúa con la carrocería sea homogéneo y con

poco grado de rozamiento. (Navarro et al 2011)

 33

Imagen 2. Incidencia en la forma de la carrocería (Navarro et al 2011)

 CxA, para expresar la resistencia aerodinámica total de un vehículo es necesario tener en

cuenta la superficie de ataque del vehículo (A) es decir la parte frontal medida en m 2, de

esta manera se puede tener una referencia clara de la resistencia al aire que tendrá el

vehículo. Existen dos factores más que inciden en el valor total de la resistencia como son

la velocidad del vehículo y la densidad del aire (el aire “denso” frena más que el aire “poco

denso”). (Navarro et al 2011)

 34

Imagen 3. Comparativa de coeficientes aerodinámicos según la forma (Navarro et al 2011)

 Coeficiente de derivada que mide el efecto del aire aplicado de forma lateral al vehículo

(Cy), este coeficiente afecta directamente la estabilidad del vehículo. (Navarro et al 2011)

Imagen 4. Coeficiente Cy (Navarro et al 2011)

 35

 Coeficiente de sustentación (Cz), hace referencia a las fuerzas aerodinámicas que inciden

de manera vertical sobre la carrocería, este coeficiente mide el apoyo de las cuatro ruedas

con el suelo. (Navarro et al 2011)

Imagen 5. Coeficiente Cz (Navarro et al 2011)

3.3. CFD (DINÁMICA DE FLUIDOS COMPUTACIONAL)

Es una herramienta que ayuda a predecir, con cierta certeza, el comportamiento de los

fluidos sobre diversas superficies, figuras y ambientes, para fluidos estables, inestables,

isotérmicos, reactivos, compresibles e incompresibles. (ANSYS Inc., s.f.).

Los fluidos y su comportamiento se pueden describir con ecuaciones diferenciales parciales

que representan las leyes de conservación de masa, momento y energía; mediante CFD, éstas

ecuaciones diferenciales parciales pueden ser resueltas mediante el complemento de ecuaciones

algebraicas que son resueltas mediante el uso de computadores digitales de una manera precisa y
 36

rápida, los software de simulación mediante CFD usan métodos numéricos de discretización y

técnicas de solución así como condiciones iniciales y características propias del flujo a simular

para resolver los modelos de las ecuaciones diferenciales parciales. (Kuzmin, s.f.)

La aplicación de ésta herramienta se encuentra en las áreas del diseño de vehículos

aeroespaciales, terrestres, navales y militares, armamento, estudios de expansión de gases para

control de incendios, como también de expansión de líquidos para control de derrames, entre otras

aplicaciones. (Kuzmin, s.f.)

A continuación se presentan ventajas del uso de la simulación mediante CFD frente al

método experimental para el análisis de fluidos:

Tabla 1. Experimentación vs Simulación (Kuzmin, s.f.)

EXPERIMENTOS SIMULACIÓN EN CFD

 Se realiza un solo experimento a la vez.  Se pueden realizar diversas

 Se analiza en un número de puntos simulaciones con diversidad de

limitados y a instantes de tiempo ambientes.

específicos.  Alta resolución en espacio y tiempo.

 Para un modelo escalado de laboratorio.  Para dominio actual de flujo.

 37

EXPERIMENTOS SIMULACIÓN EN CFD

 Para un número delimitado de  Se virtualiza cualquier problema y

problemas y condiciones de operación. condiciones de operación reales.

 Costoso.  Económico.

 Lento.  Rápido.

 Secuencial.  Paralelo.

 Para un solo propósito.  Multipropósito.

 Errores comunes: medición,  Errores comunes: modelamiento,

distorsiones de flujo por las probetas. discretización, implementación.

Algunas desventajas de la simulación mediante CFD es que nunca son 100% precisas

debido a que en los datos de entrada pueden haber muchas asunciones o imprecisiones, el modelo

matemático del problema puede ser inadecuado y la precisión de los resultados pueden ser

limitados por la capacidad computacional disponible. (Kuzmin, s.f.)

Su uso se extiende por amplias zonas de aplicaciones industriales y no industriales, algunos

ejemplos de aplicación son:

 38

 Aerodinámica de aviones y vehículos: Sustentación y Arrastre.

 Plantas de energía: Combustión interna.

 Turbo maquinaria: difusores, flujos dentro de pasajes rotatorios, etc.

Los algoritmos que utiliza CFD son estructurados alrededor de algoritmos numéricos que

pueden abordar los problemas de flujo de fluido. Estos algoritmos numéricos son:

 SIMPLE (Semi-Implicit Method for Pressure-Linked Equations): Este algoritmo es el más

sencillo, es esencialmente un procedimiento de suposición y corrector procedimiento para el

cálculo de la presión. El método se ilustra al considerar las ecuaciones de equilibrio laminares

bidimensionales de flujo en coordenadas cartesianas. (H K Versteeg and W Malalasekera,

2007)

 SIMPLER (SIMPLE Revised): Este es una versión mejorada del algoritmo SIMPLE. Aquí la

ecuación de continuidad discretizada es usada para derivar la ecuación discretizada de la

presión, en vez de usar una ecuación de corrección de la presión como en el algoritmo

SIMPLE. Por lo tanto se obtiene directamente un campo de presiones intermedias sin el uso

de alguna corrección. De esta manera se obtiene la corrección de presiones necesaria para la

corrección de la velocidad. (H K Versteeg and W Malalasekera, 2007)

 39

 SIMPLEC (SIMPLE-Consistent): Sigue los mismos pasos del algoritmo SIMPLE, la única

diferencia es que en SIMPLEC se manipulan las ecuaciones de momento de manera que las

ecuaciones de corrección de velocidad en SIMPLEC omite términos que tienen menos

importancia que en SIMPLE. (H K Versteeg and W Malalasekera, 2007)

 PISO (Pressure Implicit with Splitting of Operators): Es un procedimiento para el cálculo de

la presión y la velocidad desarrollado originalmente para el cálculo no iterativo de los flujos

compresibles inestables. Ha sido adaptado satisfactoriamente para soluciones iterativas en

flujos compresibles inestables. PISO envuelve un paso predictor y dos pasos correctores y

puede ser vista como una extensión de SIMPLE, con un paso corrector más para mejorarlo.

(H K Versteeg and W Malalasekera, 2007)

Los códigos de CFD son estructurados alrededor de algoritmos numéricos que pueden abordar

problemas de flujo de fluido. Estos códigos contienen Tres elementos principales: (1) un Pre-

procesador, (2) un solucionador, (3) un post-procesador. (H K Versteeg and W Malalasekera,

2007) Dónde:
 40

3.3.1. Pre-procesador

Consiste en definir las condiciones iniciales en el programa CFD por medio de una interfaz

amigable para el operador y la posterior transformación de esta entrada en forma adecuada para el

solucionador. (H K Versteeg and W Malalasekera, 2007). Las actividades que el usuario debe

realizar en esta etapa son:

 Definición de la geometría.

 Generación de la malla

 Selección de los fenómenos físicos que necesitan ser modelados.

 Definición de las propiedades del fluido.

 Especificación de las condiciones de frontera iniciales.

La solución a un problema de flujo (velocidad, presión, temperatura, etc) se define en los

nodos dentro de cada celda. La precisión de la solución en CFD depende del número de celdas en

la malla. En general, cuanto mayor es el número de celdas, mejor será la precisión de la solución.

(H K Versteeg and W Malalasekera, 2007)

 41

3.3.2. Solucionador

Hay tres diferentes formas de solución numérica: diferencias finitas, elementos finitos y

métodos espectrales. Aquí solo se tendrá en cuenta el método de volumen finito, una formulación

de diferencias finitas especial que es fundamental para los códigos de CFD: CFX/ ANSYS, Fluent,

Phoenics y STAR-CD. (H K Versteeg and W Malalasekera, 2007). El algoritmo numérico incluye

los siguientes pasos:

 Integración de las ecuaciones que rigen un flujo de fluido sobre todos los volúmenes de control

del dominio.

 Discretización- conversión del resultado integral de la ecuación dentro del sistema de

ecuaciones algebraicas.

 Solución de las ecuaciones algebraicas por un método iterativo.

3.3.3. Post-Procesamiento

Aquí se despliega una gran cantidad del desarrollo del trabajo, lo cual incluye (H K

Versteeg and W Malalasekera, 2007):

 Dominio de la geometría y muestra de la malla.

 Vectores.

 Gráficas de contornos
 42

 Gráficas de superficie 2D

 Gráficas de volúmenes 3D

 Rastreo de partículas

 Salida de colores

Las soluciones mostradas en la fase de post procesamiento, son útiles para un

entendimiento rápido y visual sobre el comportamiento del fluido y del cuerpo con respecto a las

condiciones de simulación. En el análisis de la aerodinámica de vehículos las gráficas sobre

presión, vectores y línea de corriente ayudan a entender cómo influye la forma del vehículo en el

movimiento del aire.

 Contornos de presión: De acuerdo a la escala de colores se puede identificar los

valores de presión estática, dinámica o total sobre el vehículo. Siendo la presión

total la suma de las presiones estática y dinámica. Esta presión se visualiza en un

promedio de colores definido por el usuario y cada contorno presenta un rango del

valor de la presión.

 Vectores de velocidad: Se definen como la magnitud y dirección de las partículas

de fluido en cada uno de los nodos evaluados. Estos vectores se presentan

igualmente en escala de colores así como escala de tamaño que el usuario puede

ajustar.
 43

 Líneas de corriente: Las líneas de corriente representan el recorrido en el tiempo de

una partícula de fluido y son útiles para visualizar como la geometría influye en la

dirección del fluido.

Este paso también incluye animaciones dinámicas para mostrar los resultados. (Versteeg y

Malalasekera, 2007).

A continuación se enuncian algunos conceptos importantes para simulación mediante

CFD.

3.3.4. Flujo Laminar

Las partículas se desplazan siguiendo trayectorias paralelas, formando así en conjunto

capas o láminas de ahí su nombre, el fluido se mueve sin que haya mezcla significativa de

partículas de fluido vecinas. Este flujo se rige por la ley que relaciona la tensión cortante con la

velocidad de deformación angular. (Faciolince, s.f.)

 44

3.3.5. Flujo Turbulento

Éste tipo de flujo, debido a los gradientes de flujo cortante, es un flujo caótico y varía de

forma constante la forma para determinar si un flujo es turbulento es mediante el número Reynolds.

(Mott, 2006).

3.3.6. Flujo Estable

En CFD, éste flujo es asumido como un flujo en el que luego de la convergencia, el campo

de flujo se mantiene incambiable (campo de flujo congelado), es decir, las variables no cambian

con el tiempo. (ANSYS Inc., 2013)

3.3.7. Flujo Inestable

En éste tipo de flujo, las características en un punto determinado, son variables con el

tiempo, pero pueden ser cíclicas. (Husain, et. 2008).

3.3.8. Número Reynolds

Es un valor adimensional que determina la turbulencia de un flujo, o condiciones

representativas de éste en determinadas condiciones, el cual tiene una relación entre fuerzas
 45

inerciales y viscosas, viene dado por la siguiente ecuación:

𝜌∗𝑉∗𝑙
𝑅𝑒 = (2) (Pérez, 2005)
𝜇

El flujo puede ser laminar y turbulento intermitentemente, esto puede ocurrir cuando Re se

aproxima a un número de Re crítico, por ejemplo en un tubo el Re crítico es 2000, puesto que Re

menores que este son todos para flujos laminares. (Faciolince, s.f.)

A diferencia de las tuberías, para aerodinámica externa, el límite de flujo laminar se

encuentra generalmente para un Re= 500.000. (Bosch, 2005)

3.3.4. Método De Volúmenes Finitos

Éste método de solución para análisis computacional soluciona los parámetros mediante el

uso de mallas, que pueden ser estructuradas si las celdas de ésta tienen un patrón definido en

dirección y tamaño, no estructuradas las cuales no tienen un patrón definido, y las mallas mixtas

o híbridas que combinan los dos tipos de malla ya nombrados.

El principio de éste método usado en Fluent, se basa en: lo que sale de una celda de la malla

entra en la celda de al lado, conservando la masa y el momento lineal. (CEA)

 46

Imagen 6. Método de Volúmenes Finitos (CEA, s.f.)

3.3.5. Ecuaciones de Navier-Stokes:

Las ecuaciones de continuidad modelan un fluido en términos de masa, momento y energía.

Estas ecuaciones pueden representarse en su forma conservativa y no conservativa en la que se

tiene en cuenta la disipación de energía por parámetros que afectan la continuidad; para poder

solucionar estas ecuaciones, Fluent utiliza modelos de transferencia, descritos como modelos de

turbulencia, los cuales le dan una solución al modelo original de Navier-Stokes. (Bustamante,

Nieto y Giraldo, 2008)

Cabe anotar que estas ecuaciones están gobernadas bajo un volumen de control el cual está

en un espacio tridimensional, por lo que estas ecuaciones se pueden representar en cualquiera de

los ejes X, Y, y Z.
 47

3.3.5.1.Ecuación de continuidad

La ecuación de continuidad expresa un fluido en su forma más simple, siendo este un fluido

ideal. Esta ecuación tiene como principio físico que la masa es conservada de un punto 1 a un

punto 2. (ANDERSON, Jhon D, 2010)

3.3.5.2. Ecuación de momentum

Su principio físico es basado en que la fuerza es un producto de la masa por la aceleración.

Este principio físico de Newton describe que cualquier manifestación de fuerza se da

debido a una masa acelerada, que en este caso es la densidad del fluido y sus propiedades

volumétricas. En estas ecuaciones se encuentran fuerzas de cuerpo y fuerzas cortantes.

3.3.5.3. Ecuación de energía

Su principio físico es la conservación de la energía.

Esta ecuación está basada bajo la primera ley de la termodinámica en la cual se presenta el

cambio energético en un sistema y está representado como:

Taza de cambio dentro de un elemento de fluido = flujo neto de calor dentro del elemento

+ flujo de trabajo debido a fuerzas de cuerpo y cortantes

 48

3.4. MODELOS DE TURBULENCIA

Para lograr la simulación en dinámica de fluidos computacional (CFD), se requieren en el

lenguaje de programación del software ecuaciones que rigen el comportamiento de cada uno de

los parámetros de un fluido. Uno de los parámetros más característicos de los fluidos es la

turbulencia, Wilcox (1994) expresa que las teorías matemáticas alrededor del modelado de fluidos

fueron desarrolladas profundamente, pero aún no se había adquirido un modelado preciso para los

fenómenos turbulentos debido a la complejidad del fenómeno. (Wilcox, 1994).

La turbulencia es tridimensional, dependiente del tiempo y una gran cantidad de

información que es necesaria para resolver la mecánica del movimiento en un flujo con

características turbulentas, (Celik, 1999). Debido a que estas fluctuaciones pueden ser demasiado

pequeñas y de alta frecuencia, modelarlas por métodos numéricos directamente representa un costo

computacional muy alto. Para reducir la carga de procesamiento se diseñaron modelos de

ecuaciones, los cuales eliminan las escalas más pequeñas mediante un promedio basado en tiempo

o en un conjunto de variables, esto da resultado a obtener ecuaciones menos exigentes para el

proceso, pero con mayor número de variables para las cuales se deben formular con más

ecuaciones y encontrar el valor de las incógnitas (ANSYS Inc., 2013).

 49

La intensidad de la turbulencia, se ve directamente relacionada con la energía cinética

turbulenta (TKE: Turbulence Kinetic Energy); el valor de la energía cinética turbulenta representa

el esfuerzo de la turbulencia en el flujo, que están fuertemente relacionadas en el valor de la

velocidad en las zonas de flujo cortante (Šavli, 2012), afectando de ésta manera por relación con

el teorema de Bernoulli, los valores de la presión estática en las zonas turbulentas.

Otro de los parámetros importantes que tienen en cuenta los modelos RANS, es la

disipación de la turbulencia, Ballesteros (2004) expone que: “Los flujos turbulentos son siempre

disipativos. Una vez que se ha desarrollado el flujo turbulento, la turbulencia tiende a mantenerse,

aunque para ello necesite de un aporte continuo de energía. Esta energía se extrae del flujo

principal y la invierte en aumentar la energía interna mediante procesos de deformación a los que

se ven sometidas las partículas fluidas. La turbulencia necesita de una transferencia continua de

energía para reponer esas pérdidas viscosas. Si no existe suministro de energía, la turbulencia decae

rápidamente.”, los modelos RANS, entonces tienen en cuenta esta disipación de la turbulencia,

como tasa de disipación de la turbulencia (ε) o su tasa específica de disipación (ω), los cuales dan

el valor de en qué medida y en qué tiempo se da ésta disipación.

El software de dinámica de fluidos computacional Fluent, de la empresa Ansys, ofrece las

siguientes alternativas de análisis respecto a modelos de turbulencia:

 50

 Spallart – Allmaras

 K - ε En sus variables RNG, Realizable y Standard

 K - ω En sus variables Standard, y SST

 Transition SST

 K - kl - ω

 Reynolds Stress

 SAS

 DES

 LES

Los modelos de turbulencia suelen encajar en tres categorías principales según

Davoudabadi (2012): DNS, SRS y RANS.

3.4.1. DNS

Por sus siglas en inglés Direct Numerical Simulation, es el modelo numérico de resolución

completo de las ecuaciones de Navier – Stokes de todas las características de la turbulencia en

cualquier espacio y tiempo (Menter, 2011). Los flujos turbulentos poseen características de escala,

de cuan grandes pueden ser las fluctuaciones generadas y según Pope (2000) las escalas de la
 51

turbulencia en un flujo libre de cortantes, aumentan proporcional al número de Reynolds , además

Menter (2011), expone que el modelo DNS debe ser aplicado en geometrías muy simples y a bajos

números de Reynolds, ya que para aplicaciones de ingeniería no podrán ser obtenidas soluciones

numéricas de turbulencia en escalas con números relativos a Re3 y números de Reynolds entre 104

y 109.

Se puede hacer una idea de los recursos que consume el método numérico relativo a los

que consumiría un modelo RANS con base en Menter (2011): “El orden en que el uso de CPU se

reduce en los modelos RANS relativo a DNS para aplicaciones técnicas es astronómico (fácilmente

alcanza una reducción de 1010 y más) — éstos modelos, entonces, no son simples “modelos”, que

alteran y redefinen las ecuaciones resueltas.” (p.1).

3.4.2. SRS

El modelo SRS o (Scale Resolving Simulation) es un modelo mediante el cual una parte

de todo el conjunto de la turbulencia es resuelto mediante métodos numéricos, y la otra parte es

modelada por medio de RANS. Se ha demostrado que los modelos RANS presentan grandes

ventajas en simular flujos que se encuentran unidos a las paredes mientras que los fluidos libres o

combinados sin esfuerzos cortantes son una de sus desventajas principales (Menter, 2011).

Dentro de los modelos SRS encontramos los modelos LES, DES y SAS.
 52

El modelo LES (Large Eddy Simulation) por sus siglas en inglés, es un modelo el cual no

ha sido muy aceptado por la comunidad que se inclina por los problemas de ingeniería y se ha

mantenido como herramienta de investigación de acuerdo a Menter (2011). El modelo LES

igualmente requiere mallas muy finas, mayor número de iteraciones por tiempo y su procesamiento

comparado con algún modelo RANS es muy superior (ANSYS Inc., 2013).

A manera de ejemplo encontramos un comparativo expuesto por Davoudabadi (2012)

entre el costo computacional de un proceso realizado mediante LES y el mismo realizado bajo un

modelo RANS. La tabla expuesta a continuación corresponde a los resultados de los recursos

utilizados en una simulación de un fluido a través de un canal con un Re igual a 114,000.

Tabla 2. Comparación entre los Modelos RANS y LES (Davoudabadi, 2012)

Modelo Celdas Cálculo Duración

LES 1200000 Transiente Días

RANS 140 Estable Minutos

Las principales causas para inclinarse por el modelo LES es que puede ofrecer datos mucho

más exactos que los modelos RANS y además puede dar resultados de información adicional tales

como cavitación, fenómenos acústicos, interacción estructural con la respuesta en frecuencia y

resultados aerodinámicos de alta precisión (Davoudabadi, 2012).

 53

El modelo DES es una alternativa para las simulaciones SRS. Este modelo está bajo la

influencia de la resolución de la malla y contiene una formulación híbrida la cual permite que el

software escoja entre un modelo SRS y un modelo RANS. Este modelo ha ganado peso en la

comunidad debido a su capacidad para implementarse en aplicaciones de ingeniería con relativa

facilidad como manifiesta Menter (2011).

Según ANSYS Inc. (2013), los modelos DES fueron específicamente diseñados para lograr

obtener resultados en simulaciones con alto número de Reynolds en flujos cercanos a paredes, y

además este modelo a diferencia de LES puede seleccionar el modelo RANS adecuado en cada

etapa del flujo. También argumenta que a pesar de los beneficios del modelo, el costo

computacional sigue siendo demasiado alto.

(ANSYS Inc., 2013): “Los costos computacionales, usando modelos DES, son menores

que los costos computacionales de LES, pero mayores que los de RANS.”

El modelo SAS (Scale - Adaptive Simulation) es un modelo en el cual la densidad de la

malla no afecta la formulación RANS (Menter, 2011).

 54

De acuerdo a Menter (2011), la simulación SAS le permite al modelo adaptarse de acuerdo

a las condiciones de viscosidad Eddy. El modelo es capaz de reajustarse y proveer una formulación

LES en secciones permitidas, pero así mismo en secciones donde las condiciones son propias de

RANS, el modelo se mantiene bajo esas características.

3.4.3. RANS

Los modelos derivados de los modelos RANS consisten en el principio establecido por

Reynolds en 1985, en el cual todas las cantidades son expresadas como la suma de las partes

individuales. Esta formulación permite crear un promedio de las variables con respecto al tiempo

(Wilcox, 1993). Este proceso de promediar las ecuaciones se deriva en ventajas y desventajas con

respecto al análisis de los fluidos, una de las primeras desventajas que salto a la vista es que en

este proceso se eliminan los cambios propios de la turbulencia. Por otro lado la gran ventaja que

adquieren los modelos bajo esta formulación, es la facilidad para realizar gran variedad de procesos

en cualquier computador hoy en día (Menter, 2011).

La ecuación de Navier – Stokes promediada adiciona incógnitas desconocidas, mayores al

número de ecuaciones que se tiene, por lo tanto es trabajo de los modelos de turbulencia RANS

completar estas ecuaciones para modelar totalmente las características turbulentas de un fluido

(Menter, 2011).
 55

Se puede establecer la importancia que han ganado estos modelos en la industria,

convirtiéndose en el estándar para simulaciones de aplicaciones de ingeniería en muchos campos.

Según Menter (2011) :“(…)si se selecciona una propiedad aplicada, los ingenieros ofrecen un

balance altamente atractivo entre recursos computacionales y la precisión requerida para la

mayoría de aplicaciones industriales.”

Los modelos RANS son los que se describen a continuación:

3.4.3.1. Spallart-Allmaras

El modelo Spallart-Allmaras es un modelo de turbulencia de una ecuación, principalmente

diseñado para análisis de perfiles aerodinámicos en flujo subsónico. Es acertado en fluidos

cercanos a las paredes y ha sido probado como un buen modelo para capas límite con gradientes

de presión adversos (ANSYS Inc., 2013).

Según Pope (2000), en aplicaciones aerodinámicas el modelo es lo suficientemente preciso,

pero aun así tiene sus limitaciones para ser usado como un modelo general. Expone que en casos

de turbulencia isotrópica, la disminución en la viscosidad turbulenta representa una sobre

predicción de flujo turbulento, éste modelo no tiene en cuenta en sus ecuaciones la energía cinética
 56

que produce la turbulencia, por lo cual, según el ambiente de simulación, las zonas de flujo

turbulento pueden presentar un mayor margen de error.

Por otro lado según Fluent Inc. (2003), en cuestión de mallas este modelo resulta tener una

buena aproximación cuando los resultados esperados acerca de fluidos turbulentos y sus

afectaciones no necesitan ser de gran precisión, es por esto que una malla no tan fina se puede usar

con aceptables resultados bajo este modelo, debido a su tratamiento de pared cercana.

3.4.3.2. STANDARD k-ε

Este modelo es de dos ecuaciones que permite tener solución independiente de las escalas

de longitud y la velocidad turbulenta. (ANSYS Inc., 2013). Sus ecuaciones de transporte permiten

obtener los términos k y ε los cuales se refieren a la energía cinética y a la tasa de disipación de la

turbulencia.

El modelo k-ε se presenta como una solución adecuada para distintas aplicaciones de

ingeniería y ha sido ampliamente usado. Dentro de las ventajas de este modelo encontramos que

es un modelo simple de implementar, los cálculos convergen relativamente fácil y se dan

resultados coherentes para distintos regímenes de fluidos y tipos de fluidos. (Fluent Inc., 2003).
 57

Además según Karthik (2011), este modelo presenta algunas desventajas puntuales. Este

modelo resulta no ser muy preciso para flujos en rotación, con gran separación, flujos simétricos

y fluidos totalmente desarrollados en tubos no circulares.

3.4.3.3. RNG k- ε

De acuerdo a ANSYS Inc. (2013), las ecuaciones de k-ε en este modelo han sido derivadas

mediante un método estadístico riguroso de las ecuaciones de Navier – Stokes. Estas ecuaciones

son similares a las de su modelo inicial. Además analiza el efecto de ondas fluctuantes en la

turbulencia (Swirl).

El modelo cuenta con ecuaciones adicionales las cuales se desarrollan para darle

características al modelo, superiores a las de su modelo estándar, se tiene la ecuación de

modificación del efecto de ondas fluctuantes en la turbulencia y ecuación del término Re. (ANSYS

Inc., 2013).

Debido a las características de aumento de ε reduciendo k y además la efectividad viscosa

el modelo resulta ser más certero en la evaluación de flujos deformados y de líneas de corriente

curvadas (ANSYS Inc., 2013).

 58

3.4.3.4. Realizable k-ε

Las principales diferencias entre este modelo y su modelo original radican en que, en

primer lugar este modelo contiene una formulación distinta para analizar la viscosidad turbulenta,

y en segundo lugar, para hallar la disipación de ε, el modelo ha formulado una derivación de la

raíz de la fluctuación en la vorticidad (ANSYS Inc., 2013).

Al igual que en el modelo standard la ecuación que está regida bajo k, es igual en este

modelo, sin embargo, la ecuación de ε es diferente y no tiene en cuenta la producción de k (ANSYS

Inc., 2013).

Dentro de las ventajas de este modelo se tiene que, es especialmente preciso en flujos

planos, capas límite bajo gradientes de presión extremos o separación de la misma, rotación,

recirculación, y una alta curvatura de las líneas de corriente (Karthik, 2011).

3.4.3.5. STANDARD k-ω

Resulta ser un modelo un poco más simplificado que el k-ε en términos de la ecuación de

k. Se establece una ecuación de transporte para ω y se incluyen modificaciones para análisis en

 59

bajo número Reynolds, efectos de compresibilidad y flujo cortante. En este modelo encontramos

la variable ω la cual representa la tasa específica de disipación de la turbulencia (ANSYS Inc.,

2013).

Karthik (2011) expone también que su comportamiento numérico es similar a los modelos

k-ε e igualmente se ve afectado en la predicción de turbulencia debido a que se asume la viscosidad

turbulenta isotrópica.

3.4.3.6. SST

El modelo SST o Shear Stress Transport, fue diseñado para sobreponerse a las deficiencias

de los otros modelos de dos ecuaciones. Es un modelo que resulta tener características combinadas

de los modelos k-ε y k-ω para diferentes partes del flujo. En la capa límite interna se desarrolla

mediante k-ω mientras que en la región fuera de la capa límite se maneja como k-ε (Fluent Inc.,

2003).

De acuerdo a Menter (2011), el modelo SST tuvo una buena aceptación desde su

implementación, para análisis aerodinámicos y de dinámica de fluidos en general. También

comenta que las ecuaciones con el término ω encajan muy bien en transiciones de flujo laminar a

flujo turbulento.
 60

3.4.3.7. k –kl- ω

ANSYS Inc. (2013) expone que, este modelo es usado para predecir desarrollo de la capa

límite y entre sus ventajas este modelo puede predecir correctamente los fenómenos de transición

entre flujo laminar y turbulento. Es considerado como un modelo de tres ecuaciones, que incluye

ecuaciones de transporte para la energía cinética turbulenta, la energía cinética laminar y la tasa

específica de disipación de la turbulencia.

3.4.3.8. RSM

El modelo Reynolds Stress Model es el modelo más completo que puede ofrecer las

formulaciones RANS, este modelo deja a un lado la viscosidad turbulenta isotrópica y cierra las

ecuaciones promediadas de Navier – Stokes por medio de los esfuerzos de Reynolds, además de

una ecuación para la tasa de disipación (ANSYS Inc., 2013).

ANSYS Inc. (2013) establece que el modelo RSM puede ejecutar de manera más rigurosa

las simulaciones de flujos curvos, rotación y con grandes cambios en la tasa de deformación. Es

recomendable para la simulación de fluidos complejos.

 61

Por otro lado, dentro de las desventajas de este modelo, ANSYS Inc. (2013) expresa que

el modelado de disipación de calor y el de altos gradientes de presión, representan un mayor gasto

en la capacidad computacional con respecto a modelos más simples de dos ecuaciones. Este

modelo se puede limitar a flujos circulares, fluidos altamente oscilantes, flujos en cámaras de

combustión y esfuerzos inducidos en ductos (Fluent Inc., 2003).

Karthik (2011) expone los costos por los cuales este modelo es el más completo de RANS,

y establece que requiere de dos a tres veces más los recursos de procesamiento en comparación

con los otros modelos, y además necesita de una buena interacción entre las ecuaciones de

momento y de turbulencia.

3.5. ALTERNATIVAS DE SOLUCIÓN PREVISTAS

De acuerdo a los antecedentes, los modelos k-ε, k-ω, k-kl-ω, SST, RSM y LES son modelos

adecuados para la simulación de fluidos sobre superficies de vehículos y simulaciones en las que

se desea determinar los coeficientes aerodinámicos dependientes de la forma del vehículo, aunque

el modelo Spallart-Allmaras no se presenta como una de las mejores alternativas de acuerdo a los

antecedentes, se tendrá en cuenta como alternativa de solución para este caso de estudio.
 62

Los modelos k-ε, k-ω y k-kl-ω aplican ecuaciones dentro de un régimen superior a la capa

límite en la cual el fluido se torna turbulento y no consumen tantos recursos como los modelos

más avanzados; se prevé que posiblemente la mejor opción para simular éste caso está entre estos

tres modelos.
 63

4. METODOLOGÍA

4.1. DIAGRAMA DE FLUJO DE LA METODOLOGÍA

64
65
66
 67

Se desea obtener los modelos de turbulencia más adecuados para realizar una simulación

convergente y con resultados confiables. Los modelos de turbulencia, de acuerdo a su número de

ecuaciones se acomodan más a un caso específico, por lo tanto es crucial obtener el modelo para

la simulación de vehículos terrestres con grandes prestaciones aerodinámicas y de rendimiento.

Se toman los modelos de turbulencia más usados en simulaciones aerodinámicas en

vehículos terrestres y aéreos, encontrando en cada uno sus diferencias generales y las distintas

aplicaciones en las que cada modelo puede ser utilizado.

Se evalúan los criterios de condiciones del modelo de ambiente y características

computacionales que se necesitan para establecer restricciones. Teniendo en cuenta los criterios y

antecedentes, se seleccionan tres modelos para realizar el estudio a fondo de éstos.

Una vez tomados los modelos de turbulencia se desarrollan las simulaciones del vehículo

urbano con los tres modelos seleccionados, a fin de obtener resultados como: contornos de

presiones, vectores de velocidad, estela de flujo en velocidad, gráficas de convergencia, etc; los

cuales son importantes para un análisis aerodinámico que se comparan entre los modelos, mediante

observación y análisis se describen esas diferencias en el comportamiento entre uno u otro modelo

y su margen de error con respecto a los datos referencia (Coeficiente de arrastre).

 68

Se hacen las simulaciones con las mallas del vehículo urbano para analizar el

comportamiento principalmente del coeficiente de resistencia al avance y otros factores

aerodinámicos como capa límite, velocidades y presiones cercanos a la superficie del vehículo.

Se realiza una simulación en cada modelo de turbulencia con una geometría simplificada,

de los cuales se tienen datos de referencia, para comparar la veracidad y el margen de error que

presenta la simulación con los datos experimentales.

Con el fin de establecer cuál es el modelo de turbulencia más adecuado para éste caso de

estudio, se analizan los recursos que exige cada modelo simulado, los resultados que arroja y la

concordancia de los resultados que se obtienen.

4.2. LÍNEA DE INVESTIGACIÓN / NÚCLEO PROBLÉMICO

La línea de investigación es Aerodinámica aplicada, la cual se vincula al trabajo que

desarrolla el grupo de investigación AeroTech de la Universidad de San Buenaventura.

 69

5. CRONOGRAMA DE ACTIVIDADES

El cronograma de actividades está presentado en un diagrama de Gantt, el cual es el Anexo

A.4. de éste documento.

 70

6. RECURSOS Y PRESUPUESTO

Este proyecto necesita unos recursos donde se contempla el equipo computacional,

software, material de consulta, papelería necesaria y materiales para la construcción de un modelo

a escala del vehículo.

Tabla 3. Recursos para el mecanizado y construcción del modelo

Material Cantidad valor c/u Valor Total

Icopor de Alta Densidad 7 7000 49000
Lija No. 1000 2 900 1800
Lija No. 360 2 900 1800
Lija No. 180 2 800 1600
Estuco --- 6000 6000
Espátula plástica 3 500 1500
8 Oz 20000 (4Oz) 56000
Resina Epoxi 16000 (4Oz)
Pincel 3 1000 3000
Jeringa 4 300 1200
Vaso 12 Oz 12 --- 800
Masilla para carro --- 13000 13000
Varilla y placa de acero --- 3000 3000
Líquido para Cámara de 1 Gal --- 30000
Humo
Pintura Acrílica 3 1900 5700
Laca Acrílica Brillante 4 Oz --- 7000
Combustible para transporte --- 100000 100000
TOTAL $281400
 71

Tabla 4. Recursos generales

RECURSOS Valor TOTAL (COP)

EQUIPOS DE CÓMPUTO Los equipos ya son parte del inventario de la universidad o
propiedad de los autores del Proyecto

SOFTWARE.
Ansys 15.0 La licencia, es una licencia académica que está instalada en
los equipos de la Universidad
Material Bibliográfico Se pretende usar la Bibliografía que la Universidad dispone
en la Biblioteca, en las suscripciones de bases de datos de
Investigación o artículos publicados en línea.
Papelería, Impresiones y otros 310.000,00
recursos.

TOTAL $ 310.000,00
 72

7. ANÁLISIS

7.1. ANÁLISIS CUALITATIVO - TEÓRICO

Se presenta una comparación cualitativa de los modelos de turbulencia para diferentes

aplicaciones de CFD. La tabla 5 puede ser usada como una matriz para elegir el mejor modelo de

turbulencia para la aplicación que se necesite, éste análisis se basa en los principios teóricos vistos

en la sección del marco teórico 3.4. MODELOS DE TURBULENCIA. En la tabla 5 se encuentran

asteriscos los cuales indicarán de acuerdo a su número, cualidades buenas o deficientes de cada

uno de los modelos.

Se tiene que, para indicar cualidades positivas tres asteriscos (***) o más y para indicar

cualidades negativas un solo asterisco (*). Consecuentemente, las casillas que posean dos

asteriscos (**) indican un punto medio.

 73

Tabla 5. Comparación de las características de los modelos de turbulencia.

Cuadro Comparativo entre modelos de turbulencia

Bajo Alto Fácil Cercanía a Corriente Flujo en Separación
Turbulencia Recursos
Re Re Convergencia Paredes Circular Espiral Capa Límite
S-A *** * **** * * * * * ****
k-ε * *** *** * ** * * * ***
RNG k-ε ** *** *** * ** * ** ** ***
Realizable
** *** *** * ** ** ** ** ***
k-ε
k-ω *** ** ** ** *** *** ** ** ***
k-kl-ω *** ** ** * **** *** ** *** **
SST *** *** ** ** **** *** ** *** **
RSM *** *** * ** **** *** *** *** *
LES * *** * ** **** *** *** *** *

Los parámetros más influyentes para seleccionar los modelos de turbulencia a simular son:

la facilidad de convergencia, el análisis de turbulencia, y el consumo de recursos de acuerdo a la

limitación en la capacidad computacional.

A partir de ésta tabla, se seleccionan los modelos de turbulencia para simular; se observa

la correlación que existe entre la simplicidad del modelo respecto a las ecuaciones de transporte

que utiliza, y su capacidad para simular Turbulencia, Corriente Circular, Flujo en espiral y

Separación de Capa Límite, pero lo cual es inversamente proporcional al consumo de recursos

computacionales del modelo. De acuerdo con la capacidad computacional con la que se cuenta, se

seleccionan los modelos RANS k-ε, k-ω y k-kl-ω ya que son convenientes para simular en un
 74

tiempo considerable y que además teóricamente contienen características de simulación distintas,

que pueden aportar a la convergencia y precisión de la simulación.

Además se considera simular el modelo S-A, para verificar su convergencia y adaptabilidad

a éste caso de estudio, ya que según el análisis cualitativo, éste modelo tiene el mejor puntaje

respecto a convergencia y es conveniente para un ambiente de bajo número Re.

S-A es un modelo adecuado para bajo Reynolds y de fácil convergencia, k-ε para alto

Reynolds, convergencia estable y buena predicción de la turbulencia, k-ω apropiado para bajo y

alto número de Reynolds además de su buena predicción en la cercanía a las paredes, y k-kl-ω que

en los modelos RANS es el modelo que teóricamente es el más apropiado para la predicción de

Turbulencia, Corriente Circular, Flujo en espiral y Separación de Capa Límite.

7.2. ANÁLISIS CUANTITATIVO – EXPERIMENTAL

En este análisis se comparan dos tipos de mallas proporcionadas por el proyecto de grado:

“Análisis aerodinámico de un vehículo urbano mediante dinámica de fluidos computacionales

aplicado a la competencia de Shell Eco Marathon” (Barrera, J.S.; Maldonado, D.A. & Ramírez,

C.C. , 2014), una gruesa con 1’020.913 nodos, Y+ de 1.968, un tamaño mínimo de celda de 6,02
 75

mm; y una fina con 2’417.638, Y+ de 2.029, un tamaño mínimo de celda de 1,26 mm, donde se

realizan simulaciones estables (steady) e inestables (transient) en Ansys – Fluent, con los modelos

de turbulencia S-A, k-ε, k-ω y k-kl-ω. Los modelos se escogen a partir de las condiciones del

problema que se requiera solucionar, en este caso las condiciones de simulación descritas son

solucionables mediante estos modelos. Además de tener en cuenta las cualidades de cada modelo

se tiene en cuenta el costo computacional y la finalidad de la simulación, además de esto y que no

es necesario tener una alta precisión por la calidad de la malla que se utiliza, ni una gran cantidad

de datos, se descartan totalmente los modelos LES y RSM.

Cabe aclarar que no se realiza la comparación con una geometría simplificada, como se

menciona en los alcances y limitaciones, debido a que se realizan pruebas en túnel de viento de un

modelo a escala del vehículo urbano, para obtener un valor de Cd aproximado al valor real, que

permita comparar los resultados que se obtienen de las simulaciones de CFD, el desarrollo

experimental se observa detalladamente en el Anexo A.1., y la obtención del valor del coeficiente

de arrastre (Cd), se obtiene mediante métodos experimentales contenido en la sección A.1.1.7. de

dicho anexo.

Se realiza también un proceso de rediseño, para mejorar el rendimiento aerodinámico del

vehículo urbano, ya que en los alcances y limitaciones se dice que no es concerniente de este
 76

proyecto, se plantea una nueva propuesta de geometría, que se muestra en el anexo A.3.

REDISEÑO DEL VEHÍCULO URBANO, en el cual se describen las mejoras y en qué porcentaje

se reduce el Cd, de un vehículo con dimensiones similares al diseño original.

Como condiciones iniciales de las simulaciones, se tiene en cuenta el tratamiento de las

partes del vehículo como wall, una entrada de flujo con el vector de velocidad dirigido en x, una

salida de flujo a presión ambiente, el suelo y demás paredes del volumen de control son tratados

como wall.

Se realizan simulaciones tanto para flujo estable e inestable en los modelos seleccionados,

para analizar y realizar la comparación y conveniencia de las simulaciones en ambos casos.

Para la simulación en el flujo inestable, se tiene en cuenta un tamaño de Time Step 0,001s

en 10 iteraciones, valores que son obtenidos para que el flujo cercano al vehículo en referencia a

la celda más pequeña se pueda desarrollar, con un total de 7320 Time Steps, teniendo en cuenta la

velocidad de flujo y el tamaño del volumen de control.

𝑡𝑎𝑚𝑎ñ𝑜 𝑑𝑒 𝑐𝑒𝑙𝑑𝑎 𝑚í𝑛𝑖𝑚𝑜

𝑡𝑖𝑚𝑒 𝑠𝑡𝑒𝑝 𝑠𝑖𝑧𝑒 = 𝑣𝑒𝑙𝑜𝑐𝑖𝑑𝑎𝑑 𝑑𝑒 𝑓𝑙𝑢𝑗𝑜 𝑐𝑎𝑟𝑎𝑐𝑡𝑒𝑟í𝑠𝑡𝑖𝑐𝑜 (3) (Ansys Inc., 2013)
 77

Los parámetros de simulación se pueden observar en la tabla 6, donde las condiciones

atmosféricas son a nivel Bogotá.

Tabla 6. Parámetros de Simulación

L2 3,009966 m
ρ2 0,8878 kg/m^3
v2 5,462969761 m/s
μ2 1,78249E-05 kg/m.s
Presión de operación 74660 Pa
Temperatura 286,45 K

A lo largo de esta sección se muestran los resultados de las simulaciones realizadas, en el

que principalmente se monitorea el coeficiente de arrastre (Cd):

 78

Imagen 7. Comparación de convergencia del Cd en S-A

El modelo Spallart – Allmaras no presenta una buena convergencia de mallas para flujo

estable, mientras que, para el flujo inestable, la malla gruesa presenta una mejor estabilidad,

aunque no presenta un resultado concreto respecto al coeficiente de arrastre, en la malla fina se

puede evidenciar que esta converge a partir del punto 7,020 s en adelante, teniendo un coeficiente

de arrastre de 0,2550.
 79

Imagen 8. Comparación de convergencia del Cd en k-ε

Para el modelo k- ε se observa un mejor comportamiento en la convergencia del coeficiente

de arrastre, para el flujo estable, la malla gruesa presenta un patrón pero no está estabilizado,

mientras que en la malla fina hay un patrón de oscilación definido desde la iteración 2800

aproximadamente; para el caso del flujo inestable, la malla gruesa tiene una oscilación con un

patrón definido del valor del coeficiente de arrastre que se presenta desde los 5 s

aproximadamente, mientras que la malla fina presenta una convergencia más estable, cercano a

0,26 en cd.
 80

Imagen 9. Comparación de convergencia del Cd en k-ω

En el modelo k-ω, se observa un patrón de oscilación que no se estabiliza en la malla fina

del flujo estable, mientras que en el flujo inestable, la malla gruesa presenta oscilaciones sin un

rango definido, al igual que en la malla fina donde el valor del coeficiente de arrastre aumenta y

disminuye con estabilidad considerable aunque sin una tendencia significativa de éste valor.
 81

Imagen 10. Comparación de convergencia del Cd en k-kl-ω.

Para el modelo de k-kl-ω se observa una mejor convergencia del coeficiente de arrastre

tanto para el flujo estable, como para el flujo inestable; en el flujo estable, la malla fina presenta

una tendencia significativa hacia un valor de 0,29 aproximadamente, el valor que es cercano al que

presenta la misma malla en el flujo inestable; la malla gruesa del flujo estable, presenta una

oscilación que no tiene un patrón definido pero en un rango menor de valores, y la misma malla

en flujo inestable, tiende a converger a un valor cercano a 0,28.

 82

Imagen 11. Comparación entre modelos de turbulencia.

Se puede observar en las gráficas de comparación de cd, entre los modelos de simulación

estable (se presentan con número de iteraciones) e inestable (se presentan con tiempo s), que el

tamaño de la malla es determinante en la convergencia de las simulaciones, dependiente del

 83

tamaño de la malla, existe una fluctuación del Cd diferente, entre mayor número de nodos en la

malla, la estabilización del fluido es mucho más exacta y con menos fluctuaciones; cuando una

malla tiene mayor cantidad de nodos, significa que cada celda tiene menor volumen, por lo cual la

cantidad de fluido en cada celda es menor, y por lo tanto, haciendo referencia al método de

volúmenes finitos, disminuye la variación de los parámetros que se analizan por cada iteración,

esto explica por qué se hace más estable la simulación con una malla más fina.

Para las condiciones de flujo estable e inestable de simulación, se observa una diferencia

en el coeficiente de arrastre calculado, teniendo una mejor convergencia en la simulación de flujo

inestable, ya que en éste caso, se determina el promedio de un espacio de tiempo, en el cual se

tienen en cuenta las fluctuaciones que se puedan generar por vórtices, teniendo así un mayor

control en el valor de los parámetros resultantes.

Las últimas 300 iteraciones o el promedio entre el último 5% y el 10% del análisis,

representa el comportamiento del flujo estabilizado (ANSYS Inc., 2013); a continuación se

presenta el resultado de éste promedio para cada modelo de turbulencia, con su respectivo margen

de error respecto al coeficiente de arrastre real, el cual es obtenido mediante el método

experimental.
 84

Imagen 12. Comparación de resultados de simulación vs experimentación

Tabla 7. Variación del Cd en Flujo Estable

Cd
k-kl-ω k-ω k-ε S-A Experimental
Malla fina 0,2904 0,2434 0,2606 0,2567 0,2517
Malla gruesa 0,2714 0,2650 0,2748 0,2633 0,2517
Error entre mallas 6,55% 8,17% 5,18% 2,53%
Error m. fina vs experimental 15,39% 3,30% -3,55% -1,99%
Error m. gruesa vs
7,83% 5,31% 9,21% 4,64%
experimental

Tabla 8. Variación del Cd en Flujo Inestable

Cd
k-kl-ω k-ω k-ε S-A Experimental
malla fina 0,2927 0,2390 0,2603 0,2555 0,2517
malla gruesa 0,2750 0,2550 0,2670 0,2573 0,2517
error entre mallas 6,06% 6,27% 2,49% 0,72%
Error m. fina vs experimental 16,31% 5,02% 3,43% 1,51%
Error m. gruesa vs experimental 9,26% 1,34% 6,07% 2,24%
 85

De éstos resultados se observa que el coeficiente de arrastre no varía demasiado en los

diferentes análisis para S-A y k-ω, y su error entre mallas no sobrepasa el 6%, además tienen

valores de Cd muy cercanos al resultado experimental, sin superar el 5,31 % de error, en el caso

de S-A el bajo valor del Cd es debido a que este modelo no tiene en cuenta los efectos turbulentos,

mientras que, el modelo k-ε se caracteriza por tener una buena convergencia de malla en los

análisis, teniendo en cuenta los efectos turbulentos; para el modelo k-kl-ω, en el análisis de

comparación del Cd se observa que en todas las simulaciones se obtiene el valor más alto respecto

a los modelos analizados, esto debido a que el modelo es muy sensible a los efectos turbulentos,

afectando también a los cambios de presión debido a la geometría del vehículo, alejándose así del

rango de valores en que los otros modelos oscilan; por el contrario, el modelo k-ω es sensible a los

gradientes en la energía cinética turbulenta y a la calidad de la malla, por esto se obtienen los

valores más bajos en el Cd; relacionado al resultado experimental, k-ε y k-kl-ω tienen los

porcentajes de error mayores para el análisis de mallas y el mayor error respecto al valor

experimental, que se observa en la imagen 12., por lo anteriormente mencionado, estos modelos

no son adecuados para el análisis que se pretende, mientras que los modelos S-A y k-ω como se

mencionó anteriormente tienen menor porcentaje de error entre mallas y el menor error respecto

al valor experimental, ya que la aproximación a parámetros reales es un factor determinante para

realizar un estudio en CFD, los modelos de turbulencia más apropiados para este análisis son S-A

y k-ω.
 86

7.3. ANÁLISIS DE RESULTADOS RESPECTO A LA AERODINÁMICA DEL

VEHÍCULO

Para las siguientes imágenes se presenta el orden siguiente, con nomenclatura:

Tabla 9. Orden de las imágenes de resultados

S-A k-ε

TABLA DE RANGOS

k-ω k-kl-ω

Las unidades de trabajo son:

Presión: Pascales (Pa) = kg.m/s2

Velocidad: m/s

Turbulencia: m2/s2
 87

Imagen 13. Contornos de Presión Estática, Flujo Estable

S-A: Superior Izquierda; k-ε: Superior Derecha

k-ω: Inferior Izquierda; k-kl-ω: Inferior Derecha
 88

Imagen 14. Contornos de Presión Estática, Flujo Inestable

S-A: Superior Izquierda; k-ε: Superior Derecha

k-ω: Inferior Izquierda; k-kl-ω: Inferior Derecha
 89

Existe una presión mayor en el área frontal del vehículo el cual está enfrentada al viento

relativo en las zonas cercanas al punto de estancamiento, que de acuerdo al teorema de Bernoulli

es la zona donde la velocidad se aproxima a cero, por lo cual se está considerando la relación entre

la presión estática y dinámica a causa del cambio de la velocidad de flujo a través de la geometría

del vehículo, donde además se observa un área en la cual se reduce la presión cerca a la parte

trasera y las ruedas; ésta diferencia de presión entre la sección frontal y trasera es la que induce la

fuerza de arrastre, así que, dependiendo de cómo afecta la geometría en la velocidad de flujo, se

afecta entonces el coeficiente de arrastre.

En la Imagen 13 y 14 se puede observar un alto gradiente de presión cercano a las ruedas

delanteras del vehículo, que llega a una zona de baja presión (azul), en cada uno de los modelos se

observa ésta zona de menor presión, de lo anterior se puede deducir que el diseño de la carrocería

está afectando directamente el coeficiente de arrastre.

El modelo k-kl-ω muestra un mayor gradiente de presión desde la punta del vehículo,

debido a que éste es más sensible a los cambios de presión a través del cuerpo analizado,

observando así fluctuaciones en el valor de la presión en la zona lateral del vehículo, esto conlleva

a que éste modelo de turbulencia tenga una mayor variación en los valores de los parámetros

calculados que afectan el coeficiente de arrastre.

 90

Imagen 15. Vectores de Velocidad, Flujo Estable

S-A: Superior Izquierda; k-ε: Superior Derecha

k-ω: Inferior Izquierda; k-kl-ω: Inferior Derecha
 91

Imagen 16. Vectores de Velocidad, Flujo Inestable

Malla Gruesa

Malla Fina

S-A: Superior Izquierda; k-ε: Superior Derecha

k-ω: Inferior Izquierda; k-kl-ω: Inferior Derecha
 92

Los vectores de velocidad indican que las partículas de aire a través del carro, se aceleran

en las zonas donde existe un cambio significante en la geometría, es decir, en los vértices que

conforman el modelo (referenciado con círculos rojos); al presentarse la zona frontal del vehículo

donde el vehículo tiene un mayor cambio en la geometría afectando el valor del coeficiente de

arrastre.

Se observa en la Imagen 15 para Spallart – Allmaras que la velocidad en la pared es mayor

que en los otros modelos. Respecto a la imagen 16, Spallart – Allmaras se acerca mejor a los

valores que presentan los otros modelos de turbulencia, indicando que la calidad de la malla y el

tipo de análisis del flujo afectan altamente éste modelo.

Se observa que las partículas de aire son aceleradas al encontrarse con cambios de

geometría significativos, en la imagen 16, en lo correspondiente al modelo k-kl-ω se evidencia que

alcanza la velocidad más alta con respecto a los otros modelos.

En el modelo k-kl-ω, en la imagen 16 para flujo inestable, la calidad de malla es

determinante, ya que en la malla gruesa se presentan valores más altos de velocidad en las paredes,

mientras que en la malla fina los valores de velocidad en las paredes tienden a ser bajos.
 93

Imagen 17. Líneas de Flujo en Velocidad, Flujo Estable

S-A: Superior Izquierda; k-ε: Superior Derecha

k-ω: Inferior Izquierda; k-kl-ω: Inferior Derecha
 94

Imagen 18. Líneas de Flujo en Velocidad, Flujo Inestable

S-A: Superior Izquierda; k-ε: Superior Derecha

k-ω: Inferior Izquierda; k-kl-ω: Inferior Derecha
 95

Imagen 19. Estela de Flujo en Velocidad, Flujo Estable

S-A: Superior Izquierda; k-ε: Superior Derecha

k-ω: Inferior Izquierda; k-kl-ω: Inferior Derecha
 96

Imagen 20. Estela de Flujo en Velocidad, Flujo Inestable

S-A: Superior Izquierda; k-ε: Superior Derecha

k-ω: Inferior Izquierda; k-kl-ω: Inferior Derecha
 97

En las imágenes 19 y 20. Se pueden apreciar las líneas de corriente que se desprenden del

vehículo formando una zona turbulenta en la parte posterior. Se evidencia que esta sección

corresponde a las zonas de baja presión en el auto, por lo cual, la fuerza de arrastre puede tener un

aumento significativo, mientras que el comportamiento de flujo en la parte superior trasera

favorece al paso del flujo sobre el vehículo, ya que es dirigido por la geometría para no generar

recirculación de flujo que afecte los gradientes de presión en ésta zona.

El modelo k-ω, siempre presenta un aumento de la estela de turbulencia en la zona trasera

del vehículo tomando como referencia la estela de los otros modelos.

Se evidencia un aumento en la estela de la turbulencia con respecto al análisis con

diferentes mallas, este aumento es debido a que la calidad de malla es determinante en las

simulaciones.
 98

Imagen 21. Estela de Flujo en Energía Cinética Turbulenta, Flujo Estable

S-A: Superior Izquierda; k-ε: Superior Derecha

k-ω: Inferior Izquierda; k-kl-ω: Inferior Derecha
 99

Imagen 22. Estela de Flujo en Energía Cinética Turbulenta, Flujo Inestable

S-A: Superior Izquierda; k-ε: Superior Derecha

k-ω: Inferior Izquierda; k-kl-ω: Inferior Derecha
 100

El modelo Spallart – Allmaras no tiene en cuenta la energía cinética turbulenta, por lo dicho

en el marco teórico, por lo cual éste parámetro no puede ser analizado en éste modelo, aplica para

las imágenes 21 y 22.

Respecto al modelo k-kl-ω se observa que presenta mayores valores en la energía cinética

turbulenta en la zona trasera del vehículo, mientras que los modelos k-ε y k-ω tienen valores

similares. La energía cinética turbulenta hace referencia a la energía cinética por unidad de masa

del flujo turbulento. La forma del vehículo permite que esta disipación sea mayor o menor, esto

influyendo de gran manera en el coeficiente de arrastre. Al comparar los resultados obtenidos de

la energía cinética turbulenta, con los resultados de presión estática (imágenes 15 y 16), la

influencia de la turbulencia respecto a la presión estática local, en las zonas donde se evidencia

aumento de energía cinética turbulenta, hay mayor variación de la presión y fluctuación de la

velocidad en éstas zonas (imágenes 19 y 20). Se observa que el modelo k-kl-ω tiene mayor

afectación, de acuerdo al marco teórico, éste modelo es sensible a la transición del flujo laminar a

turbulento, por consiguiente se ven afectados los parámetros analizados que influyen el valor del

Cd.

En una malla más fina, k-ω muestra un aumento en los valores de la energía cinética

turbulenta, demostrando que éste modelo es sensible a la calidad de la malla y a los gradientes en
 101

la energía cinética turbulenta, ya que éste calcula la tasa específica de disipación de la turbulencia

la cual hace referencia a la cantidad de energía cinética que se pierde en el flujo turbulento por

unidad de tiempo. Puede ocurrir una sobre predicción del coeficiente de arrastre (Cd), debido a

cómo afecta la turbulencia respecto a la diferencia de presión en el frente y detrás del vehículo.

Para las simulaciones en flujo inestable, los resultados respecto a parámetros como presión

estática, velocidad en las paredes y en el flujo, y energía cinética turbulenta, en éste rango de

número de Reynolds no muestran mayor variación respecto a los resultados de las simulaciones

con flujo estable.

7.4. SELECCIÓN DEL MODELO DE TURBULENCIA

A continuación, se definen tablas con los criterios para poder calificar cada modelo de

turbulencia, con el fin de seleccionar cuál es el más indicado para aplicar en el caso de estudio:
 102

Tabla 10. Porcentaje de Error de los Modelos de Turbulencia

Estable Inestable
Malla fina Malla gruesa Malla fina Malla gruesa
S-A 1,99% 4,64% 1,51% 2,24%
k-ε 3,55% 9,21% 3,43% 6,07%
k-ω 3,30% 5,31% 5,02% 1,34%
k-kl-ω 15,39% 7,83% 16,31% 9,26%

𝑑𝑎𝑡𝑜 𝑠𝑖𝑚𝑢𝑙𝑎𝑐𝑖ó𝑛−𝑑𝑎𝑡𝑜 𝑒𝑥𝑝𝑒𝑟𝑖𝑚𝑒𝑛𝑡𝑎𝑙

Cálculo de error: 𝑒 = ∗ 100
𝑑𝑎𝑡𝑜 𝑒𝑥𝑝𝑒𝑟𝑖𝑚𝑒𝑛𝑡𝑎𝑙

En ésta tabla, obtenida de la tabla 8., los mejores resultados los obtienen S-A y k-ω, ya que

son los modelos que se acercan más al valor experimental, sin tener gran variación respecto a la

calidad de la malla, o a si está analizado en flujo estable o inestable.

Tabla 11. Tiempos de Iteración para flujo Estable

Malla Gruesa Malla Fina

Modelo Tiempo (min) Tiempo (h:mm) t (seg/it) Tiempo (min) Tiempo (h:mm) t (seg/it)
S-A 133 2:13 1,14 354 5:54 3,03
k-e 144 2:24 1,23 370 6:10 3,17
k-w 172 2:52 1,47 398 6:38 3,41
k-kl-w 234 3:54 2,01 597 9:57 5,12

Con ésta tabla, se observa que para ambas mallas, el tiempo de iteración coincide con la

complejidad del modelo de turbulencia, siendo S-A el mejor en éste ítem. Las simulaciones de
 103

flujo estable se realizan con un procesador Intel® Core(TM) i7-4700MQ con una velocidad de

2.4GHz y en procesamiento paralelo con 8 Procesadores lógicos.

Tabla 12. Tiempos de Iteración para flujo Inestable

Malla Gruesa Malla Fina

Tiempo Tiempo Tiempo Tiempo
Modelo
(min) (d:hh:mm) t (seg/step) (min) (d:hh:mm) t (seg/step)
S-A 1434 0:23:54 11,75 4491 3:02:51 36,81
k-e 1441 1:00:01 11,81 4118 2:20:38 33,75
k-w 1632 1:03:12 13,38 4217 2:22:17 34,57
k-kl-w 3193 2:05:13 26,17 6939 4:19:39 56,88

Para el flujo inestable, el mejor modelo respecto a tiempos de iteración es k-ε, ya que para

ambas mallas tiene tiempos bajos respecto a los otros modelos. Las simulaciones de flujo inestable

se realizan con un procesador Intel® 𝑖𝑛𝑠𝑖𝑑𝑒 𝑇𝑀 Xeon con una velocidad de 2 GHz.

Se realiza entonces una tabla de comparación, calificando de 1 a 4, siendo 4 el mejor y 1

el peor, éstas calificaciones se realizan para cada ítem que se analiza, sumando en el promedio:

Porcentaje de Error entre el valor experimental y el valor de simulación (45%), Convergencia de

Malla (35%) y Tiempo de Iteración (20%).

 104

Tabla 13.Calificación de los Modelos de Turbulencia

PORCENTAJE DE CONVERGENCIA DE LA
TIEMPO DE ITERACIÓN
ERROR MALLA
Estable Inestable Estable Inestable Estable Inestable
Mall
Malla Malla Malla Malla Malla Malla Malla Malla Malla Malla Malla
a
gruesa fina gruesa fina gruesa fina gruesa fina gruesa fina gruesa
Modelo fina
S-A 4 4 4 3 4 4 2 4 2 2 3 1
k-ε 2 1 3 2 3 3 4 3 3 3 2 2
k-ω 3 3 2 4 2 2 3 2 1 1 1 3
k-kl-ω 1 2 1 1 1 1 1 1 4 4 4 4

Tabla 14. Puntaje promedio de los Modelos de Turbulencia

Modelo Puntaje
S-A 3,09
k-ε 2,43
k-ω 2,33
k-kl-ω 2,16

De acuerdo a las tablas de puntajes (tabla 13 y 14), se puede observar que los modelos de

turbulencia con mayor puntaje son k-ε y S-A, ya que tienen una mejor aproximación respecto a la

predicción del Cd, frente a k-ω y k-kl-ω, además éstos dos modelos utilizan menos recursos

computacionales entre los analizados, por lo cual conlleva menor tiempo realizar las simulaciones.
 105

Las ventajas primordiales que presenta S-A sobre k-ω, es que tiene una mejor estabilización

en el análisis de la malla, ventaja que se observa para las dos mallas utilizadas y en los ambientes

de flujo estable e inestable.

Luego del análisis teórico, los resultados experimentales y los argumentos obtenidos al

comparar las simulaciones, se determina que S-A es el modelo de turbulencia más adecuado para

realizar un análisis de CFD en el caso de estudio propuesto del vehículo urbano de la competencia

Shell ECO Marathon.

 106

8. CONCLUSIONES

 Los modelos de turbulencia denominados RANS, ofrecen una buena aproximación

de resultados para el estudio aerodinámico de vehículos, según el análisis que se

requiera, con un consumo computacional bajo, respecto a los modelos de alta

precisión, en el caso de estudio de un automóvil a velocidades entre 10-30 km/h los

modelos S-A, k-ε, k-ω y k-kl-ω son aplicables, obteniendo resultados en el

coeficiente de arrastre muy próximos a los datos experimentales con un error

máximo aproximado de 10%.

 Después de realizar el análisis comparativo entre modelos de turbulencia, se

concluye que, el modelo de turbulencia más adecuado, utilizando software de

dinámica de fluidos computacional, para emplear en la simulación aerodinámica

del vehículo urbano de la competencia Shell Eco Marathon, es el modelo S-A,

debido a que es un modelo que no usa demasiados recursos computacionales

comparado con otros modelos de turbulencia, además, teniendo en cuenta las

condiciones del caso de estudio, tiene muy buena convergencia en flujo estable e

inestable, con buena aproximación en la predicción del coeficiente de arrastre (Cd)

y alcanza menos del 4,7% de error con respecto al valor experimental.

 107

 Del antecedente: “Análisis aerodinámico de un vehículo urbano mediante dinámica

de fluidos computacionales aplicado a la competencia de Shell Eco Marathon”,

donde se realiza la simulación del vehículo únicamente con el modelo S-A, se

presenta éste como un modelo no conveniente para éste caso de estudio, esto debido

a que no se tiene en cuenta la convergencia, ni resultados de otros modelos de

turbulencia. A lo largo de ésta investigación, se evidencia que, S-A es el modelo

más adecuado para analizar éste caso de estudio, ya que junto con k-ε, tienen los

mejores resultados respecto al dato experimental.

 El valor del coeficiente de arrastre no se ve altamente afectado si se analiza en flujo

estable o inestable, entonces, debido al tiempo de simulación, se considera que es

mejor realizar la simulación en flujo estable ya que se consumen menos recursos

computacionales.

 De los modelos de turbulencia analizados, k-kl-ω es el modelo que tiene un mayor

consumo de recursos computacionales y una mejor convergencia del coeficiente de

arrastre, pero respecto al resultado experimental, el valor tiende a ser mayor, de ésta

manera se puede decir que para éste caso de estudio, k-kl-ω es demasiado sensible

a los cambios debido a la turbulencia, lo que afecta las presiones en éstas zonas y

finalmente afecta el coeficiente de arrastre.

 108

 Se concluye que en la tabla A.9. Tabla ANOVA, que la temperatura, la presión y

la humedad relativa no influyen en el coeficiente de arrastre, debido que su factor

de influencia P es mayores a 0,05.

 Debido que las condiciones ambiente no se pueden controlar y a los errores de

calibración de los instrumentos del túnel de viento, se toma un error de 5% en las

pruebas realizadas. Este 5% es una consideración para experimentos científicos,

dicho esto, comparando con el porcentaje de error de los modelos de turbulencia

contra el porcentaje experimental, se escoge el modelo S-A, como el modelo de

turbulencia más adecuado para el caso de estudio de este proyecto, teniendo en

cuenta que el error obtenido con éste modelo, está dentro del rango de

experimentación.

 El rediseño propuesto, le da mayor curvatura al vehículo, permitiendo que el flujo

se acople mejor a su geometría, las líneas de flujo son mejor distribuidas y

constantes alrededor del vehículo. El valor del Cd es 0,1734, reduciéndolo en

aproximadamente 31% del valor obtenido, teniendo así un mejor rendimiento

aerodinámico del vehículo, ya que la reducción de la potencia requerida para vencer

la resistencia aerodinámica al avance es de 36,6 %.

 109

REFERENCIAS

Agudelo, Brayan. (2013). Metodología Para El Análisis De Resultados Cfd Y Propuesta De Diseño

Casco Motocicleta. Trabajo de grado para optar por el título de INGENIERO

AERONÁUTICO. Medellín: Universidad Pontificia Bolivariana.

Anderson, Jhon D. (1995). Computacional Fluid Dinamics. The Basics With Applications. Nueva

York: Mc-Graw-Hill.

Anderson, Jhon D. (2010). Fundamentals of Aerodynamics. Maryland: Mc Graw Hill.

ANSYS Inc. (2013). ANSYS Fluent Theory Guide. Manual publicado por la corporación ANSYS

Inc. U.S.A. Obtenido de:

http://148.204.81.206/Ansys/150/ANSYS%20Fluent%20Theory%20Guide.pdf Páginas:

39-131.

ANSYS Inc. (2013). ANSYS Fluent User’s Guide. Manual publicado por la corporación ANSYS

Inc. U.S.A. Obtenido de:

http://148.204.81.206/Ansys/150/ANSYS%20Fluent%20Users%20Guide.pdf Páginas:

695-757.

ANSYS Inc. (2013). ANSYS Fluent V2F Turbulence Model Manual. Manual publicado por la

corporación ANSYS Inc. U.S.A. Obtenido de:

http://148.204.81.206/Ansys/150/ANSYS%20Fluent%20V2F%20Turbulence%20Model%
 110

20Manual.pdf

ANSYS Inc. (s.f.). Computational Fluid Dynamics (CFD) Software. Manual publicado por la

corporación ANSYS Inc. U.S.A. Obtenido de:

http://www.ansys.com/Products/Simulation+Technology/Fluid+Dynamics

ANSYS Inc. (2010). Lecture 6: Turbulence Modeling Introduction to ANSYS FLUENT.

Presentación publicada por la corporación ANSYS Inc. U.S.A. Obtenido de:

http://imechanica.org/files/fluent_13.0_lecture06-turbulence.pdf

Arbeláez, Daniel y López, Omar (2011). Comparación de Diferentes Modelos de Turbulencia en

Aplicaciones Aerodinámicas. Artículo sobre modelos de turbulencia del VIII CONGRESO

COLOMBIANO DE METODOS NUMERICOS: Simulación en Ciencias y Aplicaciones

Industriales. Medellín. Obtenido de: http://mecanica.eafit.edu.co/8ccmn/articulos/Arbelaez-

8ccmn2011.pdf

Ballesteros, Rafael (2004). TURBULENCIA. Documento de Investigación. Obtenido de:

kimerius.com/app/download/5782492050/Turbulencia.pdf

Bosch, R. (2005). Manual de la Técnica del Automóvil. Alemania: Robert Bosch GmbH, 4ª

Edición.

Buitrago, Walter y Giraldo, Andrés. (2012). ANÁLISIS AERODINÁMICO DEL NAVIGATOR

X-2 EN CFD. Trabajo de grado para optar por el título de INGENIERO AERONÁUTICO.
 111

Bogotá. Obtenido de: http://biblioteca.usbbog.edu.co:8080/Biblioteca/BDigital/69050.pdf

Bustamante, C., Nieto, C. y Giraldo, M. (2008) SOLUCIÓN DE LAS ECUACIONES DE

NAVIER STOKES POR EL MÉTODO DE VOLÚMENES FINITOS APLICADO A

MALLAS NO ORTOGONALES. Artículo científico obtenido de:

http://www.cimec.org.ar/ojs/index.php/mc/article/viewFile/1397/1362

CEA, L. (s.f.). Máster en Ingeniería del Agua Universidad de la Coruña. Obtenido de Introducción

al método de volúmenes finitos:

ftp://milo.udc.es/Master_en_Ingenieria_del_Agua/master%20antiguo_antes%20del%202

012/Segundo_Curso/Hidraulica_Computacional_II/2_Esquemas_Volumenes_Finitos.pdf

Celik, I. (1999). Introductory Turbulence Modeling, Morgantown , WV: Mechanical and

Aerospace Engineering Dept. Artículo científico obtenido de:

http://www.fem.unicamp.br/~im450/palestras%26artigos/ASME_Tubulence/cds13workb

ook.pdf

Colomer, Vicente. (2013). Propuesta Metodológica En El Ámbito De La Mecatrónica: Vehículos

De Competición De Alta Eficiencia. Tesis Doctoral. Valencia: Universidad Politécnica de

Valencia.

Davoudabadi, P. (2012). The Most Accurated and Advanced Turbulent Capabilities, Artículo

obtenido de:

http://www.leb.eei.unierlangen.de/winterakademie/2011/report/content/course01/pdf/011
 112

2.pdf

Definición abc. (s.f.). Obtenido de http://www.definicionabc.com/ciencia/aerodinamica.php

Faciolince, A. (s.f.). FLUJO LAMINAR. Obtenido de:

http://fluidos.eia.edu.co/hidraulica/articuloses/conceptosbasicosmfluidos/flujolaminar/flujo

laminar.htm

Fluent, Inc. (2003). Release 6.1 User Manual. Obtenido de:

http://jullio.pe.kr/fluent6.1/help/html/ug/node1283.htm

Frei, Walter (2013). Which Turbulence Model Should I Choose for my CFD Application?. Blog

sobre CFD obtenido de: http://www.comsol.com/blogs/which-turbulence-model-should-

choose-cfd-application/

Herriot, John (1950). NACA REPORT 995: BLOCKAGE CORRECTIONS FOR THREE-

DIMENSIONAL-FLOW CLOSED-THROAT WIND TUNNELS, WITH

CONSIDERATION OF THE EFFECT OF COMPRESSIBILITY. Artículo científico

obtenido de: http://naca.central.cranfield.ac.uk/reports/1950/naca-report-995.pdf

Huerto, Herbert (2013). Estudio Del Flujo En Un Tanque Agitador Vertical De Impulsor Ptb Con

Superficie Libre Mediante El Programa Ansys Cfx V.14.0. Tesis para optar por el título de

INGENIERO MECÁNICO. Lima: Pontificia Universidad Católica del Perú.

 113

Husain, Z., Zulkifly, M., y Alimuddin, Z., (2008). Basic Fluid Mechanics and Hydraulic Machines.

Hyderabad: Adithya Art Printers.

Karthik, T.S.D. (2011). Turbulence Models and Their Applications, Obtenido de:

http://www.leb.eei.unierlangen.de/winterakademie/2011/report/content/course01/pdf/011

2.pdf

Kuzmin, D. (s.f.). Introduction to Computational Fluid Dynamics. Obtenido de:

http://www.mathematik.uni-dortmund.de/~kuzmin/cfdintro/lecture1.pdf

Menter, F.R. (2011). Turbulence Modeling For Engineering Flows, Canonsburg, PA: Ansys, Inc.

Mott, R.L. (2006). Mecánica de Fluidos. Sexta Edición, Pearson Educación. México.

Muñoz, M. Á. (s.f.). Obtenido de: http://www.manualvuelo.com/PBV/PBV12.html

NAVAL AVIATION SCHOOLS COMMAND (2008). Fundamentals of Aerodynamics. Obtenido

de:

http://www.netc.navy.mil/nascweb/api/student_guides/aero_student_guide_7_april_2008.

pdf

Navarro, Gómez, T., J., Águeda, E., y García, J., (2011) Estructuras del Vehículo, Obtenido de:

http://books.google.com.co/books?id=obI4IEDGXHIC&pg=PA38&lpg=PA38&dq=aerodi

namica+de+vehiculos&source=bl&ots=DLCQbLrqmR&sig=aYdM0HM5loqcsUmig4P7c

Hjwmts&hl=es-
 114

419&sa=X&ei=szoFVM6KFMbHgwSxk4GIDA&ved=0CGEQ6AEwCDgU#v=onepage&

q=aerodinamica%20de%20vehiculos&f=false

Pérez, L. (Agosto de 2005). Facultad de Ingeniería de la Universidad de Buenos Aires. Aplicación

de números adimensionales en la Ingeniería Sanitaria. Obtenido de:

http://www.fi.uba.ar/archivos/institutos_numeros_adimensionales.pdf

Pope, S.B. (2000). Turbulent Flows, Cambridge: Cambridge University Press

Rumsey C. (2013) Implementing Turbulence Models into the Compressible RANS Equations.

Página dedicada a los Modelos de Turbulencia para CDF hecha por la NASA. Obtenido de:

http://turbmodels.larc.nasa.gov/index.html

Šavli, Matic (Mayo de 2012). Turbulence kinetic energy–TKE. Artículo científico obtenido de:

http://mafija.fmf.uni-lj.si/seminar/files/2011_2012/MaticSavli_2.pdf

Versteeg H K y Malalasekera W. (2007). An Introduction to Computational Fluid Dynamics.

Edinburgo: Pearson Education.

Widman International SRL. (2009). ¿Qué es la Viscosidad? Obtenido de:

http://www.widman.biz/Seleccion/viscosidad.html

Wilcox, David C. (1994) Turbulence Modeling for CFD. California: DCW Industries, Inc.
 i

ANEXOS

A.1. MODELO A ESCALA PARA PRUEBAS EN EL TÚNEL DE VIENTO

A.1.1. Túnel De Viento

A.1.1.1. Características del túnel de viento

Para tener una aproximación del coeficiente de arrastre que tendrá el vehículo urbano, se

realiza un prototipo a escala de éste, posteriormente se realizan pruebas en el túnel de viento del

CEA (Centro de Estudios Aeronáuticos), el cual es un ente dependiente de la UAEAC (Unidad

Administrativa de Especial de Aeronáutica civil).

Las especificaciones del túnel de viento se muestran en la tabla A.1.

Tabla A. 1. Especificaciones del túnel de viento

Velocidad
Fabricante Sección de Prueba
Máxima
Forma Longitud (m) Altura (m) (m/s)
ELD Cuadrado 0,61 0,305 50
 ii

A.1.1.2. Dimensionamiento por Teorema Pi de Buckingham

Los variables que influyen sobre el prototipo son: Longitud (L), Velocidad (V),

Temperatura (T), Viscosidad Dinámica del aire (µ), Densidad del Aire (ρ), Presión (P) y Fuerza

de Arrastre (D).

Tabla A. 2. Dimensiones Físicas Fundamentales

Variables Dimensiones

Longitud L

Velocidad L/T

Temperatura ϴ

Viscosidad Dinámica M/L.T

Densidad del Aire M/𝐿3

Presión M/L. 𝑇 2

Fuerza de Arrastre M.L/𝑇 2

Donde m son las variables involucradas y n el número de variables repetitivas. Debido a

que la dimensión ϴ correspondiente a la Temperatura solo está presente en dicha variable, no se

tienen en cuenta en el análisis, quedando n y m de la siguiente manera:

𝑛 = 𝐿, 𝑇, 𝑀 = 3
 iii

𝑚 = 𝐿, 𝑉, µ, ρ, P, D = 6

𝑚−𝑛 = 3

La resta entre m y n dice el número de ecuaciones Pi que se deben sacar para el análisis,

debido a que la Presión, Viscosidad Dinámica y Fuerza de Arrastre involucran todas las

dimensiones fundamentales que se tienen en el análisis, estas se tomaran como variables

principales en cada una de las ecuaciones Pi.

1. El primer número Pi tiene como variable principal la Presión.

𝜋1 = 𝐿𝑎 𝑉 𝑏 𝜌 𝑐 𝑃

𝜋1 = 𝐿𝑎 (𝐿𝑇 −1 )𝑏 (𝑀𝐿−3 )𝑐 (𝑀𝐿−1 𝑇 −2 )

Obteniendo:

𝑎=0 𝑏 = −2 𝑐 = −1

Reemplazando estos valores en 𝜋1, se tiene:

𝜋1 = 𝐿0 𝑉 −2 𝜌 −1 𝑃

𝑃
𝜋1 = ∗2
𝑉2 ∗𝜌
 iv

Donde se multiplica por 2 para obtener un parámetro conocido, obteniendo así:

𝑃
𝜋1 =
1 2
2∗𝑉 ∗𝜌

𝑷𝒆𝒔𝒕á𝒕𝒊𝒄𝒂 𝑷 − 𝒑∞
𝝅𝟏 = → 𝑪𝒑 =
𝑷𝒅𝒊𝒏á𝒎𝒊𝒄𝒂 𝒒∞

2. El Segundo número Pi tiene como variable principal la Viscosidad dinámica.

𝜋2 = 𝐿𝑎 𝑉 𝑏 𝜌 𝑐 𝜇

𝜋2 = 𝐿𝑎 (𝐿𝑇 −1 )𝑏 (𝑀𝐿−3 )𝑐 (𝑀𝐿−1 𝑇 −1 )

Obteniendo:

𝑎 = −1 𝑏 = −1 𝑐 = −1

Reemplazando estos valores en 𝜋2 , se tiene:

𝜋2 = 𝐿−1 𝑉 −1 𝜌 −1 𝜇

1 𝝆𝑽𝑳
→ 𝝅𝟐 = → 𝑹𝒆
𝜋2 𝝁
 v

3. El Tercer número Pi tiene como variable principal la Fuerza de Arrastre.

𝜋3 = 𝐿𝑎 𝑉 𝑏 𝜌 𝑐 𝐷

𝜋3 = 𝐿𝑎 (𝐿𝑇 −1 )𝑏 (𝑀𝐿−3 )𝑐 (𝑀𝐿𝑇 −2 )

Obteniendo:

𝑎 = −2 𝑏=2 𝑐 = −1

Reemplazando estos valores en 𝜋3 , se tiene:

𝜋3 = 𝐿−2 𝑉 −2 𝜌 −1 𝐷

𝐷
𝜋3 = ∗2
𝐿2 ∗ 𝑉2 ∗ 𝜌

Multiplicando por 2 la expresión para obtener un parámetro conocido, obteniendo así:

𝑫
𝝅𝟑 = 𝟏 → 𝑪𝒅 (A.1.)
∗𝑽𝟐 ∗𝝆∗𝒔
𝟐

Teniendo así que 𝜋1es el análisis cinemático, el cual no se realiza debido a que no tiene en

cuenta el cambio en la longitud del modelo real al modelo de pruebas en túnel de viento; 𝜋2 es el

análisis dinámico con el cual se realiza el escalamiento del vehículo; 𝜋3 es el análisis geométrico
 vi

el cual funciona calcular y comparar con los resultados que se obtienen en el software ANSYS –

Fluent.

A.1.1.3. Dimensionamiento de la velocidad

El dimensionamiento de la velocidad que debe tener el túnel de viento para una adecuado

análisis del vehículo Urbano se realiza por medio del número de Reynolds, primero se halla el

número de Reynolds del vehículo a escala real, posteriormente se halla la velocidad necesaria para

el Vehículo con las siguientes medidas: L=0,39697 m (Longitud) y A=0,15943m (Altura).

Cabe aclarar que para el cálculo del número de Reynolds se tiene en cuenta la longitud del

vehículo, es decir, la medida desde la parte delantera hasta la trasera del vehículo, el Reynolds del

vehículo a escala real se halla con la ecuación (2) conceptualizada para éste caso como (A.2.)

𝜌∗𝑉∗𝐿
𝜋2 = 𝑅𝑒𝐿 = (A.2.)
𝜇

Tomando los siguientes valores:

𝜌= 1,225 kg/m^3 S.L (sea level)

𝑉= 4, 70 m/s
 vii

𝐿= 3,00996 m

𝜇= 0,000017894 kg/m.s S.L (sea level)

Reemplazando dichos valores en la ecuación (A.2.), se obtiene el siguiente resultado.

1,225 ∗ 4,70 ∗ 3,00996

𝑅𝑒𝐿 = = 𝟗𝟔𝟖𝟒𝟕𝟐
0,000017894

Teniendo el número de Reynolds del vehículo a escala real se procede a hallar la velocidad

que debe tener el túnel de viento para un buen estudio de este, de la ecuación (A.2.) se despeja la

velocidad, obteniendo la ecuación (A.3.)

𝑅𝑒𝐿 ∗𝜇
𝑉𝐿 = (A.3.)
𝜌∗𝐿

Para hallar 𝜌 y 𝜇 se tiene en cuenta las condiciones ambientales del túnel de viento.

𝜌= 0,9216 kg/m^3

𝐿= 0,39697m

𝜇= 1,79433e-05 kg/m.s

𝑅𝑒𝐿 = 968472
 viii

Reemplazando los valores anteriores en la ecuación (A.2.) se obtiene la velocidad necesaria

para obtener un buen resultado en el túnel de viento.

968472 ∗ 1,79433e − 05
𝑉𝐿 = = 𝟒𝟕, 𝟒𝟗 𝒎/𝒔
0,9216 ∗ 0,39697

A.1.1.4. Desarrollo del prototipo a escala

Para realizar el análisis en el túnel de viento se escala el vehículo real con respecto a la

velocidad como se observa en el anexo A.1.1.3. Dimensionamiento de la velocidad, donde el

vehículo escalado debe tener una L=396,97 mm (Longitud) y una A=159,43 mm (Altura) para

alcanzar la velocidad deseada, los planos a escala se pueden observar en la imagen A.1. del Anexo

A.1.1.8.

Teniendo las medidas del vehículo para el estudio de este en el túnel de viento, se realiza

el prototipo en físico, en la máquina CNC (Control Numérico por Computador) de la Universidad

de San Buenaventura, sede Bogotá; el material en el cual se maquina el vehículo es icopor de alta

densidad, las características de este material se podrán observar en la tabla A.3.

 ix

Tabla A. 3. Características del Icopor Utilizado

Elemento Densidad Medida del bloque

Icopor de alta Densidad 30 Kg/m^3 412X181X170 mm

El mecanizado de este vehículo se realiza en dos partes debido a que la maquina no las

dimensiones para acaparar la longitud total del vehículo, por lo cual, se necesitan cuatro bloques

de Icopor para realizar los dos vehículos, en el Anexo A.1.1.8. Imagen A.2. se pueden observar

algunas imágenes del proceso de mecanizado del vehículo.

Una vez terminado el proceso de mecanizado del vehículo, se prosigue a unir la parte

delantera y trasera del vehículo, para así obtener el vehículo en una sola pieza como se observa en

la imagen A.3. del Anexo A.1.1.8.

A.1.1.5. Proceso de enmasillado

Se realizan dos prototipos a escala, a uno de ellos se le aplica resina epoxi en la superficie

del vehículo y posteriormente se lija, para poder obtener una superficie lisa y brillante, lo cual es

sumamente importante debido a que, si la superficie queda porosa se va a producir mayor

 x

coeficiente de arrastre en el análisis del túnel de viento en el vehículo, lo cual arrojaría datos

erróneos. Este proceso se podrá observar en la imagen A.4. del Anexo A.1.1.8. Las características

de la resina se pueden observar en la tabla A.4.

Tabla A. 4. Características de la Resina

Tiempo de Tiempo de
Resina Marca Referencia
Manejos Secado
45 a 60
Epoxi Great Plane GPMR6043 8 Horas
Minutos

Al segundo prototipo se le aplican cuatro capas de estuco plástico, posteriormente se lija

aunque después se le aplica masilla para carro para obtener un mejor acabado, para que este

quedara liso y se pudiera pintar, el icopor al ser un polímero necesita un recubrimiento que evite

que pinturas con base de acetona afecten su figura, cabe aclarar que este prototipo no es analizado

en el túnel de viento, este prototipo quedará para exhibición. Las características de la masilla para

carro se pueden observar en la siguiente tabla:

Tabla A. 5. Características de la Masilla para Carro

Masilla Marca Referencia Tiempo de Lijado

Masilla de acabado Masilla Poliéster PS0120 13 Minutos

 xi

A.1.1.6. Sistema de sujeción

Una de las partes más delicadas del análisis en el túnel de viento es el sistema de sujeción

vehículo -Túnel de Viento, debido a que si este sistema no cumple bien su función de sujetar el

vehículo, podría ocasionar que el vehículo se suelte y cause algún daño al túnel de viento, por otro

lado también puede ocurrir que, debido a las altas velocidades a las que puede estar sometido el

vehículo, el Icopor se empiece a fracturar y posteriormente se suelte o produzca que el carro

empiece a moverse y los datos arrojados por el túnel de viento sean erróneos; para evitar esto, se

desarrolla un sistema en el cual el vehículo tiene una sujeción interna por medio de dos láminas de

acero, las cuales en sus extremos tienen 2 dos varillas roscadas respectivamente, estas dos láminas

se unen entre sí por otras dos laminas y una de estas láminas está unida a la platina principal que

esta sujetada a la balanza del túnel de viento, el proceso de unión de estos elementos se realiza por

medio de soldadura. El plano de este sistema de sujeción se puede ver en las imágenes A.5. y A.6.

del Anexo A.1.1.8

A.1.1.7. Métodos experimentales

Para determinar cuántas pruebas se deben realizar en el túnel de viento para obtener el

coeficiente de arrastre, se investiga sobre métodos experimentales existentes, entre los cuales

están: Experimentos comparativos simples, Experimentos con un solo factor, el Análisis de

varianza, Bloques aleatorizados, cuadrados latinos y diseño relacionados, Diseño factorial 2𝑘 , etc.
 xii

Después de realizar el estudio de estos métodos experimentales se estableció que el más

adecuado para las pruebas en el túnel de viento es el diseño factorial 2𝑘 , debido a que este método

es utilizado cuando se tienen varios factores (k) que varían en el experimento y un solo objeto de

análisis, donde estos factores serían valores cuantitativos. En este experimento se tienen que los

factores que pueden cambiar son: Temperatura, densidad, humedad relativa, presión y viscosidad

del aire; teniendo en cuenta que hay factores que dependen de otros, como son: la viscosidad que

depende de la temperatura, la densidad que depende de la presión, temperatura, presión y humedad

relativa; por lo anterior los factores que se pueden asumir como independientes son la temperatura,

presión y la humedad relativa, entonces, éstos son los factores k del experimento, donde el método

experimental a utilizar seria 23 , teniendo así, que el número de pruebas a realizar en el túnel de

viento son 8 (23 = 8).

Este análisis experimental se realiza para determinar cuáles son los factores más

influyentes en el coeficiente de arrastre. Los resultados de las pruebas en el túnel de viento se

pueden observar en la tabla A.6, que se muestra a continuación.

 xiii

Tabla A. 6. Pruebas túnel de viento

Prueba 1 12/11/2014 Prueba 2 12/11/2014 Prueba 3 13/11/2014

Hora 13:42 Hora 15:15 Hora 10:04 a. m.
Ta 295,15 K T 296,45 K T 296,55 K
P 1026 hpa P 1024 hpa P 1028 hpa
Hr 45 % Hr 50 % Hr 45 %
µ 1,8237E-05 Kg/m.s µ 1,8301E-05 Kg/m.s µ 1,831E-05 Kg/m.s
ρ 1,2041 kg/m^3 ρ 1,1973 kg/m^3 ρ 1,2022 kg/m^3
V 31,78 m/s V 31,65 m/s V 31,03 m/s
D 3 N D 3,4 N D 4 N
Cd 0,2185 Cd 0,2511 Cd 0,3061

Prueba 4 13/11/2014 Prueba 5 13/11/2014 Prueba 6 13/11/2014

Hora 11:40 a.m Hora 13:32 Hora 13:50
T 293,05 K T 298,15 K T 298,35 K
P 1027 hpa P 1025 hpa P 1025 hpa
Hr 50 % Hr 49 % Hr 46 %
µ 1,8135E-05 Kg/m.s µ 1,8383E-05 Kg/m.s µ 1,839E-05 Kg/m.s
ρ 1,2165 kg/m^3 ρ 1,196 kg/m^3 ρ 1,1906 kg/m^3
V 31,36 m/s V 31,63 m/s V 31,83 m/s
D 4 N D 3 N D 3,8 N
Cd 0,2961 Cd 0,2221 Cd 0,2790

Prueba 7 13/11/2014 Prueba 8 13/11/2014

Hora 14:15 Hora 14:40
T 301,55 K T 303,15 K
P 1025 hpa P 1024 hpa
Hr 37 % Hr 36 %
µ 1,8548E-05 Kg/m.s µ 1,8625E-05 Kg/m.s
ρ 1,1782 kg/m^3 ρ 1,1704 kg/m^3
V 31,34 m/s V 31,71 m/s
D 3,9 N D 3,4 N
Cd 0,2985 Cd 0,2559
 xiv

Los rangos de parámetros ambiente en los que se lleva a cabo la experimentación se

muestran en la siguiente tabla:

Tabla A. 7. Rango de los Parámetros Ambientales de Experimentación.

Parámetro Valor Mayor Valor Menor

Presión (hPa) 1028 1024
Temperatura (K) 303,15 293,05
Humedad Relativa (%) 50 36

Para el desarrollo del análisis experimental se usó un software diseñado para resolver

diseños experimentales llamado Design Expert 9, cabe aclarar que los parámetros ingresados son

aproximados, ya que las condiciones ambientales no se controlaron con exactitud, se insertaron

los parámetros k con su respectiva respuesta como se muestra a continuación:

Tabla A. 8. Parámetros k

p1: 1025 p2: 1027

T1: 21 T2: 28 T1: 21 T2: 28
Hr1: 36% 0,2185 0,2559 0,3061 0,2985
Hr2: 50% 0,2511 0,2221 0,2961 0,2790

Donde las variables p, T y Hr corresponden a Presión (hPa), Temperatura (ºC) y Humedad

relativa (%) respectivamente.

 xv

Cabe aclarar que se tomaron los valores más cercanos a los de referencia, esto debido a las

condiciones ambiente que no pueden ser controladas.

En la tabla A.8 se observa el valor medio del coeficiente de arrastre igual a 0,265914 que

corresponde al promedio de las pruebas realizadas en el túnel de viento, el cual es el valor

experimental, que es comparado con las simulaciones realizadas.

Tabla A. 9. Valores de Respuesta

Respuesta Nombre Observaciones Mínimo máximo media

R1 Coeficiente 8 0,2185 0,3061 0,2659
de Arrastre

Una vez introducidos los valores k el software arroja la tabla ANOVA, la cual indica la

interacción significativa de los parámetros k con respecto al coeficiente de arrastre, es decir, qué

tanta influencia tienen estos en la variación del coeficiente.

 xvi

Tabla A. 10. Tabla ANOVA

Fuente valor P

Modelo 0,4016
A-Presión 0,1529
B-Humedad Relativa 0,6854
C-Temperatura 0,8222

En la tabla ANOVA se observa el valor P corresponde a la influencia que tiene el parámetro

sobre la repuesta, es decir, si este valor es mayor 0.05 (para experimentos científicos el porcentaje

de este valor es de 5% (Walpole, 2012)) quiere decir que el valor no influye sobre la respuesta, por

el contrario si es menor influye directamente en el valor del coeficiente de arrastre. Este valor P es

determinado por el software mediante cálculos estadísticos en su algoritmo de programación.

El valor P de la fuente Modelo no se tiene en cuenta para decir que es un valor significativo

porque es un parámetro que arroja el software y no es concerniente en el análisis. Mientras que las

fuentes A, B y C, son los parámetros que se analizan, donde el parámetro A, B y C no influyen en

la respuesta, por lo mencionado anteriormente.

 xvii

A.1.1.8. Factor de Corrección del Coeficiente de Arrastre.

El factor de corrección del coeficiente de arrastre experimental, viene dado por la siguiente

ecuación de corrección:

𝐶𝑑 = 𝐶𝑑 ′{1 − [2 − (𝑀′ )2 ]𝐾 } − ∆𝐶𝑑𝑏 ′ = 𝟎, 𝟐𝟓𝟏𝟕 (A.4.) (Herriot, J., 1950)

Donde los valores (′) son los parámetros de experimentación.

Para obtener el valor K (corrección) se tiene:

𝐾 = 𝐾𝑏 + 𝐾𝑤𝑘 = 0,023 (A.5.) (Herriot, J., 1950)

Dónde la corrección solid-blockage se obtiene mediante:

1 𝐾3 𝜏𝑐𝑡 2
𝐾𝑏 = [1−(𝑀′)2 ]3/2 = 0,007 (A.6.) (Herriot, J., 1950)
𝐶 3/2

Con una velocidad promedio de túnel de viento de 31,54 m/s y temperatura promedio de

297,8 °K, se obtiene un número mach promedio de 0,091; el valor para 𝜏 en un túnel de viento

cuadrado y para un cuerpo diferente a un ala es 0,812 (Herriot, J., 1950).

𝜋3/2 𝜆𝑡
𝐾4 = = 0,024 (A.7.) (Herriot, J., 1950)
8 𝑐
 xviii

Donde 𝜆 es igual a 0,216 en éste caso, el ancho del vehículo (t) es 0,159 m y el largo que

para el factor de corrección se referencia como c es igual a 0,397 m.

Para la corrección wake-blockage se tiene:

1+0.4(𝑀′ )2 𝐶𝑑 ′ 𝑆
𝐾𝑤𝑘 = = 0,016 (A.8.) (Herriot, J., 1950)
1−(𝑀′ )2 4𝐶

Donde el área de referencia (S) es 0,023 m2, el área transversal de la sección de prueba es

0.093 m2.

Para obtener el valor ∆𝐶𝑑𝑏 ′ se tiene la ecuación:

1+0.4(𝑀′ )2 𝐾3 𝜏𝑉𝑜𝑙
̅̅̅̅̅ 𝐶𝑑 ′
∆𝐶𝑑𝑏 ′ = [1−(𝑀′ )2]3/2 = 0,0018 (A.9.) (Herriot, J., 1950)
𝐶 3/2

̅̅̅̅̅) del prototipo es 0,0044 m3.

Donde el volumen (𝑉𝑜𝑙
 xix

A.1.1.9. Imágenes de la construcción del modelo para el túnel de viento.

Imagen A. 1. Plano del Vehículo a Escala

 xx

Imagen A. 2. Proceso de Mecanizado

 xxi

Imagen A. 3. Vehículo Final de mecanizado

 xxii

Imagen A. 4. Proceso de Enmasillado

 xxiii

Imagen A. 5. Plano del Sistema de Sujeción del Vehículo - Túnel de Viento

Imagen A. 6. Sistema de Sujeción del Vehículo en Físico - Túnel de Viento

 xxiv

A.2. MATRIZ DE MARCO LÓGICO

Tabla A. 11. Matriz de marco Lógico

LÓGICA DE INTERVENCIÓN
Establecer el modelo de turbulencia más adecuado, utilizando software
OBJETIVO
O.G. de dinámica de fluidos computacional, para emplear en la simulación
GENERAL
aerodinámica del vehículo urbano de la competencia Shell Eco Marathon.
Establecer los tres modelos de turbulencia para simular según criterios
O.E.1 de selección por los cuales se va a definir la conveniencia y adaptabilidad
de los modelos de turbulencia.
OBJETIVOS
Realizar un análisis comparativo de los resultados arrojados para el
ESPECÍFICOS
diseño que se tiene del vehículo urbano de la competencia Shell Eco
O.E.2
Marathon, en los tres modelos de turbulencia procesados en ANSYS
Fluent.
R1 O.E.1 Los tres modelos de turbulencia para la simulación son: k-Ԑ, k-ω, k-kl-ω.
Simulación del vehículo Urbano por medio del modelo de turbulencia k-
R1 O.E.2
Ԑ en ANASYS Fluent.
Simulación del vehículo Urbano por medio del modelo de turbulencia k-
R2 O.E.2
RESULTADOS ω en ANASYS Fluent.
ESPERADOS Simulación del vehículo Urbano por medio del modelo de turbulencia k-
R3 O.E.2
kl-ω en ANASYS Fluent.
Datos de prácticas de laboratorio con el modelo físico en el túnel de
R4 O.E.2
viento.
R5 O.E.2 El modelo de turbulencia más adecuado para el caso de estudio es " ".
A1 R1 Realizar revisión bibliográfica de los diferentes modelos de turbulencia
O.E.1 modelados por ANSYS Fluent.
Definir diferencias y características de simulación, además de
A2 R1
condiciones de modelado y ambiente para cada uno de los tres modelos
O.E.1
de turbulencia.
A3 R1 A partir de la investigación de los modelos de turbulencia, definir los tres
O.E.1 modelos a simular.
A1 R1 Realizar el pre-procesamiento para correr cada una de las tres
ACTIVIDADES
O.E.2 simulaciones correspondientes a los modelos seleccionados.
A2 R1,2,3 Realizar las tres simulaciones de los modelos seleccionados en el
O.E.2 software ANSYS Fluent.
Con los resultados de la simulación y de las prácticas de laboratorio
A3 R4
realizar caracterización, descripción y análisis de las diferencias notables,
O.E.2
de acuerdo a los modelos de turbulencia simulados.
A4 R4 Determinar cuál es el modelo de turbulencia más adecuado para analizar
O.E.2 aerodinámicamente el caso de estudio.
 xxv

A.3. REDISEÑO DEL VEHÍCULO URBANO

Se propone un rediseño de la geometría del vehículo urbano, con el cual se reducen las

aristas pronunciadas, se mejora la parte trasera para reducir la turbulencia, y se propone que las

ruedas sobresalgan sólo por debajo del vehículo; esto sin afectar las dimensiones máximas de

ancho, alto y largo que se tenían del diseño anterior.

A continuación se observa la geometría propuesta:

Imagen A. 7. Geometría Rediseño

 xxvi

Imagen A. 8. Plano Rediseño

Con el rediseño se obtiene una malla de buena calidad con 694503 nodos, Y+ de 1.92 y un

tamaño mínimo de celda de 9.64 mm y se analiza con las condiciones de simulación del caso de

estudio con flujo estable y con el modelo de turbulencia S-A el cual es el obtenido como el mejor

aplicable en éste tipo de análisis. Se presenta a continuación la convergencia del coeficiente de

arrastre (Cd) y las imágenes del análisis aerodinámico.

 xxvii

Imagen A. 9. Cd Prototipo Rediseñado

Imagen A. 10. Contornos de Presión Rediseño

 xxviii

Imagen A. 11. Vectores de Velocidad Rediseño

 xxix

Imagen A. 12. Líneas de Flujo en Velocidad Rediseño

El diseño propuesto, le da mayor curvatura al vehículo, permitiendo que el flujo se acople

mejor a su geometría, además se quitan aristas y la exposición de las ruedas delanteras en la zona

lateral, ya que se veían anteriormente zonas en las que interactúa negativamente el flujo, como se

puede observar en la imagen A.12., las líneas de flujo son mejor distribuidas y constantes alrededor
 xxx

del vehículo.

El valor promedio de las últimas 300 iteraciones del Cd es 0,1734, reduciendo el

coeficiente de arrastre en aproximadamente 31,12% del valor anterior. Éste valor se ve afectado

por la calidad de malla con la que se realizan las simulaciones, y se recomienda realizar ésta con

mallas de calidad similar a la de comparación.

 xxxi

A.4. POTENCIA REQUERIDA

La potencia requerida para vencer el coeficiente de arrastre en las condiciones que se

realizaron las simulaciones es:

𝑃𝑜𝑡: 𝐷 ∗ 𝑉 (A.10.) (Anderson, J., 2010)

Se observa en la siguiente tabla la comparación de la potencia que se requiere para vencer

el arrastre en el caso del diseño original vs. El rediseño:

Tabla A. 12. Comparación de Potencia.

Potencia (W) Fuerza de Arrastre

(N)
Diseño Original 20,23 4,30
Rediseño 12,89 2,74
Reducción de Potencia 36,3%

Con respecto al rediseño, se observa una reducción de la potencia requerida con respecto

al diseño original de 36,3 %, siendo mayor a la reducción que se observa del Cd (31,12 %),

teniendo así que el cambio del coeficiente de arrastre afecta directamente a la potencia requerida

para vencer la resistencia aerodinámica al avance del vehículo.

 xxxii

A.5. CRONOGRAMA DE ACTIVIDADES

Id Modo de Nombre de tarea Duración Comienzo Fin Predecesoras 11 ago '14 18 ago '14 25 ago '14 01 sep '14 08 sep '14 15 sep '14 22 sep '14 29 sep '14 06 oct '14 13 oct '14 20 oct '14 27 oct '14 03 nov '14 10 nov '14 17 nov '14 24 nov '14 01 dic '14 08 dic '14 15 dic '14 22 dic '14 29 dic '14 05 ene '15 12 ene '15 19 ene '15 26 ene '15 02 feb '15 09 feb '15
tarea D L M X J V S D L M X J V S D L M X J V S D L M X J V S D L M X J V S D L M X J V S D L M X J V S D L M X J V S D L M X J V S D L M X J V S D L M X J V S D L M X J V S D L M X J V S D L M X J V S D L M X J V S D L M X J V S D L M X J V S D L M X J V S D L M X J V S D L M X J V S D L M X J V S D L M X J V S D L M X J V S D L M X J V S D L M X J V S D L M X J V S D L M X J
1 Proyecto de Grado 130 días? mar lun 09/02/15
12/08/14
2 Revisión del Proyecto 6 días mar mar
y Objetivos 12/08/14 19/08/14

3 Realizar una Matriz 6 días mar mar

de Marco Lógico 12/08/14 19/08/14

4 Revisión de los 6 días mar mar

Objetivos 12/08/14 19/08/14
5 Simular en FLUENT 81 días lun 08/09/14 lun 29/12/14

6 Realizar 32 días lun 08/09/14 mar 19 FLUENT

Simulaciones en 21/10/14
Estado Estable
7 Obtener gráficas y 5 días mié mar 6 FLUENT
diagramas de 22/10/14 28/10/14
Estado Estable
8 Realizar 67 días lun 08/09/14 mar 19 FLUENT
Simulaciones en 09/12/14
Estado Transiente

9 Obtener gráficas y 6 días mié mié 8 FLUENT

diagramas de 10/12/14 17/12/14
Estado Inestable
10 Modelar en CAD un 4 días jue 18/12/14 mar 9 CAD
rediseño del 23/12/14
vehículo Urbano
11 Simular el Rediseño 4 días mié lun 29/12/14 10 FLUENT
24/12/14
12 Pruebas en el túnel 65 días mié mar
de viento 20/08/14 18/11/14
13 Compra de 10 días mié mar 3
materiales para los 20/08/14 02/09/14
modelos en CNC

14 Mecanizado de 15 días mié mar 13 CNC

modelos 03/09/14 23/09/14
15 Enmasillado y 20 días mié mar 14
Acabado de 24/09/14 21/10/14
modelos
16 Pruebas en el túnel 20 días mié mar 15 Túnel de Viento
de viento 22/10/14 18/11/14
17 Desarrollo del 113 días? mié sáb
Documento 20/08/14 24/01/15
18 Investigación del 10 días mié mar 3
marco Teórico 20/08/14 02/09/14
19 A partir del marco 3 días mié vie 05/09/14 18
teórico definir los 3 03/09/14
modelos de
turbulencia para
simular

20 Con los resultados 4 días jue 18/12/14 mar 7.9

de la simulación 23/12/14
realizar
caracterización,
descripción y
análisis de las
diferencias
notables, de
acuerdo a los
modelos de
turbulencia
simulados con
respecto a
velocidad,
presiones,
desprendimiento
de capa limite y
coeficiente de
drag.

21 Realizar una 1 día? mié mié 16.20

comparación entre 24/12/14 24/12/14
los datos de túnel
de viento y las
simulaciones

22 Análisis de 4 días jue 25/12/14 mar 21

márgenes de error 30/12/14
y selección del
modelo más
adecuado en base
al marco teórico,
porcentaje de error
y tiempo de
simulación

23 Concluir 5 días mié 31/12/14 mar 06/01/1522

24 Correcciones 14 días mié 07/01/15 sáb 24/01/15 23

25 Desarrollo Artículo de 11 días lun 26/01/15 sáb 07/02/15 24

Investigación
26 Entrega del 1 día lun 09/02/15 lun 09/02/15 25
documento Final

Anexo A.5. Cronograma de Actividades Tarea Hito Resumen del proyecto Hito inactivo Tarea manual Informe de resumen manual solo el comienzo Tareas externas Fecha límite Progreso manual
Fecha: Febrero de 2015 División Resumen Tarea inactiva Resumen inactivo solo duración Resumen manual solo fin Hito externo Progreso

Página xxxiii