Curso de Ingeniería en Aeronáutica: "Dinámica de fluidos

computacionales"
2018

Historia de la dinámica de fluidos computacionales (CFD)

Andrés González Mora

Instituto Politécnico Nacional
Correo-e: arch.tekton.andres@gmail.com

Abstract. A fast and refreshing passage through the thousands of years where fluid mechanics walked
and formed,, until the last 50 years of this exceptional branch of physics and its unification with
numerical and computational methods that show us the great impact of the technology of the last
century, but, above all, the importance and the great difference that can mean the correct
understanding of the phenomena of nature: the dynamics of fluids and heat transfer. History leaves us
marked by the fact that technological limitations denote how much we envolved. .

movimiento de flujos incompresibles no viscosos, y

1 Historia de la mecánica de fluidos
Antes de llegar a los campos del CFD, la mecánica de
fluidos tiene una historia con antecedentes lejanos.
Las civilizaciones antiguas tenían conocimientos
rudimentarios, pero suficientes para resolver algunos
problemas. La navegación a vela y el regadío datan
de tiempos prehistóricos. Arquímedes (200 A.C.)
formuló las leyes de flotabilidad y los supo aplicar a
cuerpos sumergidos, utilizando cierta forma de
cálculo diferencial en su análisis. Los romanos
construyeron multitud de acueductos, pero no dejaron
escrito sobre los principios cuantitativos de sus
diseños.
Hasta el renacimiento hubo mejoras sustanciales en el
diseño de naves, canales, etc. Pero tampoco nos
queda evidencia de los análisis realizados.
Leonardo Da Vinci (1452-1519) obtuvo una ecuación
de continuidad para flujos unidimensionales. En sus
notas dejó descripciones muy reales sobre chorros,
alas, resalto hidráulico, formación de torbellinos y
diseños de cuerpos de baja y alta resistencia. Edme
Mariotte (1620-1684) construyó el primer túnel
aerodinámico y realizó diversas pruebas en él.
Pero el definitivo impulso se debe a Sir Isaac Newton
(1642-1727), que propuso las leyes generales del
movimiento y la luz de resistencia viscosa lineal para
los fluidos que hay denominamos newtonianos. Los
matemáticos del siglo XVIII (Daniel Bernoulli,
Leonhard Euler, Jean D´alembert, Joseph-Louis
Lagrange y Pierre Simon Laplace) obtuvieron
soluciones a muchos problemas de flujos no viscosos.
Euler desarrolló las ecuaciones diferenciales del
posteriormente dedujo su forma integrada, que hoy
conocemos como ecuación de Bernoulli. Utilizando
estas ecuaciones, D´alembert propuso su famosa
paradoja: "un cuerpo inmerso en un flujo no viscoso
tiene resistencia nula”. Estos brillantes resultados
deslumbran, pero en la práctica tienen pocas
aplicaciones, porque la viscosidad siempre juega un
papel crucial. Los ingenieros de la época rechazaron
estas teorías por irreales y desarrollaron la ciencia
denominada "hidráulica", que es esencialmente
empírica. Experimentalistas como Chézy, Pitot,
Borda, Weber, Francis, Hazen, Poiseuille, Darcy,
Manning, Bazin y Wiesbach trabajaron en gran
variedad de flujos como canales abiertos, resistencia
de barcos, flujos en tuberías, olas y turbinas. La
mayor parte de los datos eran utilizados sin tener en
cuenta los fundamentos físicos de los flujos.
Al final del siglo XIX comenzó la unificación entre
hidráulicos e hidrodinámicos. William Froude (1810-
1879) y su hijo Robert Froude (1846-1924)
desarrollaron leyes para el estudio con modelos a
escala; Lord Rayleigh (1842-1919) propuso la técnica
del análisis dimensional; y Osborne Reynolds (1842-
1912) publicó en 1883 su clásico experimento,
mostrando la importancia de los efectos viscosos a
través de un parámetro adimensional, el número de
Reynolds, como se denomina hoy a dicho parámetro.
Mientras tanto, la teoría de los flujos viscosos que
habían sido desarrollado por Navier (1785-1836) y
Stokes (1819-1903), añadiendo los términos viscosos
a las ecuaciones del movimiento, permanecía en el
olvido debido a su dificultad matemática. Fue
entonces en 1904, cuando un ingeniero alemán
Ludwig Prandtl (1875-1953), publicó el artículo
quizá más importante de la historia de la mecánica de
los fluidos. Según Prandtl, en los flujos de fluidos
poco viscosos como los del aire y del agua, el campo
fluido puede dividirse en dos regiones: una capa
viscosa delgada o capa límite en las proximidades de
superficies sólidas y entre fases donde los efectos
viscosos son importantes, y una región exterior que
se puede analizar con las ecuaciones de Euler y
Bernoulli.
La teoría de la capa límite ha demostrado ser la
herramienta más importante en el análisis de los
flujos.
2 Historia del CFD
2.1 Pioneros de la dinámica de fluidos
computacionales
Dudley Brian Spalding, (1923 - 2016) fue profesor de
transferencia de calor y jefe de la unión de dinámica
de fluidos computaciones en el Imperial College
London. Fue uno de los pioneros del CFD. Creó la
práctica del CFD, sus aplicaciones a problemas de
interés para los ingenieros. La mayoría de las
herramientas de software de CFD del día de hoy debe
sus orígenes al trabajo hecho por el grupo de
Spalding entre mediados de los 60’s y mediados de
los 70’s.
Fue el fundador de la compañía Concentration Heat
And Momentum Limited (CHAM) especializada en
la dinámica de fluidos computacionales y los
procesos de transferencia de calor.
Junto con su estudiante Suhas Patankar, desarrollo el
algoritmo SIMPLE, un procedimiento numérico muy
usado para la solución de las ecuaciones de Navier-
Stokes.
Patankar, entonces, se convirtió en uno de los
pioneros del CFD y los métodos de volumen finito.
Es el autor de un libro de CFD titulado Numerical
Heat Transfer and Fluid Flow. Este libro ha sido
considerado desde entonces como una de las
contribuciones más innovadoras para la dinámica de
fluidos computacionales debido al énfasis en la
compresión física y la perspectiva profunda hacia los
fenómenos de la dinámica de fluidos y la
transferencia de calor
2.2 Pero, ¿qué es CFD?
La dinámica de fluidos computacionales o CFD es un
análisis de sistemas que envuelven el flujo de un
fluido, transferencia de calor y fenómenos asociados
como reacciones químicas por medio de
simulaciones. Esta técnica es muy poderosa y abarca
un amplio rango de aplicaciones en áreas industriales
y no industriales. Algunos ejemplos son:
2
• La aerodinámica de un aeronave y vehículos
• Hidrodinámica de barcos
• Plantas de energía: combustión en motores
de combustión interna y turbinas de gas
• Procesos químicos de ingeniería: mezcla y
separación
• Meteorología: predicción del clima
• Ingeniería biomédica: sangre fluyendo a
través de las arterias y venas
• Entre muchas otras.
Desde 1960 en adelante la industria aeroespacial ha
integrado las técnicas de CFD dentro del diseño,
manufactura de aeronaves y motores de avión.
Mas recientemente los métodos han sido aplicados al
diseño de motores de combustión interna, cámaras de
combustión de turbinas de gas y hornos.
Cada vez más el CFD está convirtiéndose en un
componente vital en el diseño de productos y
procesos de la industria.
La disponibilidad de computadoras de alto
rendimiento a un precio asequible y la introducción
de interfaces fáciles de usar por el usuario han
causado recientemente un gran interés, y el CFD ha
entrado desde los 90’s a la comunidad industrial más
grande.
Fig. 1: Simulación de un flujo a través de una turbina
2.3 Evolución histórica del CFD
El CFD es una combinación de física, métodos
numéricos e informática. Por ello el CFD es
desencadenado por los progresos realizados en la
tecnología informática y todavía hoy su progreso está
ligado a los progresos en ese campo.
A mediados de los años 80, el interés del CFD
comienza a centrarse en la resolución de las
ecuaciones de Navier Stokes para flujos viscosos.
Junto a este interés aparecen modelos numéricos para
la resolución de flujos turbulentos como el Direct
Numerical Simulation (DNS) y el Large Eddy
Simulation (LES).
Posteriormente la demanda de soluciones para casos
con geometrías complejas hace que el desarrollo del
CFD se vea acompañado no solo de nuevos métodos
numéricos y modelos de turbulencia, como el modelo
k-e, sino también por nuevas técnicas para la
generación de los mallados de la geometría.
Una problemática que se encuentran los ingenieros en
la fase de diseño es el trabajo con información
empírica ya que está muy limitada para ciertos rangos
de velocidad, temperatura y dimensiones, debido que
para un rango diferente es necesario recurrir a la
experimentación.
Fig. 2: Jerarquía de las ecuaciones de gobierno
2.4 Funcionamiento
El objetivo de un código de CFD es la resolución de
las ecuaciones de Navier Stokes para un flujo con
unas características determinadas y para una
geometría en concreto. El código de CFD resuelve
dichas ecuaciones en una serie de puntos de la
geometría en cuestión mediante métodos numéricos
que transforman las ecuaciones diferenciales en
ecuaciones algebraicas, proceso que se llama
discretización espacial. Por tanto, el primer paso que
se da en la resolución de las ecuaciones es la
selección de los puntos en los que se llevara a cabo la
discretización, proceso que se denomina generación
de mallado. Seleccionados los puntos, se unen
mediante líneas dando lugar a lo que se denominan
celdas que pueden tener forma de triángulos y
cuadriláteros en el caso de dominios bidimensionales,
y tetraedros, prismas y pirámides en el caso de
dominios tridimensionales.
En el mundo de la industria, la elección de un
mallado adecuado es fundamental a la hora de
obtener una solución lo más exacta posible y sobre
todo, en términos de ahorro de tiempo, ya que no solo
importa el tiempo empleado en la construcción del
mallado sino también el tiempo de calculo que
depende del mallado seleccionado. Actualmente, la
mayor parte de los códigos emplean mallados no-
estructurados que utilizan elementos rectangulares en
2D y hexaédricos en 3D y suponen una buena
solución de compromiso entre exactitud, rapidez y
requerimientos para la computadora.
2.5 Mercado de los softwares de CFD
A principios de los 2000’s, si bien se podian
encontrar una gran variedad de códigos para la
resolución numérica de problemas, la realidad es que
este mercado se encontraba relativamente
monopolizado por el grupo norteamericano Fluent
Inc cuyo principal software era FLUENT. La
competencia más importante de este grupo dentro del
ámbito de los CFD era la del grupo ANSYS con el
software ANSYS-CFX. Pero después de unos años,
el gigante de los programas de análisis y modelado
estructural (ANSYS) compro el software FLUENT, y
lo integro a sus extensiones.
3 50 años de CFD
3.1 Desarrollos significativos
En los 60’s comenzó un intenso interés en el
fenómeno del aumento de la resistencia al avance por
velocidades transonicas y el nacimiento de la
supercomputadora CDC 6600.
• 1960-1970: Primeros desarrollos. Esquemas
basados en Riemann para dinámica de gases,
esquemas disipativos de 2do orden para
ecuaciones hiperbólicas, métodos explícitos
eficientes para NS.
• 1970-1980: Ecuaciones de flujo potencial.
• 1980-1990: Ecuaciones de Euler y Navier-
Stokes.
• 1990-2000: Optimización de la forma
aerodinámica
• 2000-2010: Métodos de elementos finitos
discontinuos.
Fig. 3: Avances en la potencia de las computadoras
3.2 Complejidad del CFD en los 70s
Para una predicción en 3D de un flujo transónico, los
cálculos pueden ser completados en 10^8 operaciones
con una computadora CDC 6600, la cual puede
alcanzar 10^6 flops. Así, un cálculo útil sería posible
en 100 segundos.
Actualmente FLO22, el cual fue el primer programa
que realmente pudo predecir con precisión un flujo
transónico sobre una swept wing (ala en flecha),
requirió alrededor de 10,000 segundos (2.8 horas)
para obtener la solución.
3.3 Complejidad del CFD en los 80s
• 0.8 millones de puntos de mallado para un
flujo viscoso alrededor de un ala.
• 5,000 flops por cada paso de solución
usando FLO107.
• 300 pasos de solución para converger
• (800,000) x (5,000) x (300) = 1.2 × 10^12
Por lo que se necesitan aproximadamente 10^12 flops
para una simulación de RANS (Reynolds Averaged
Navier-Stokes) con 0.8 millones de puntos de
mallado. Con una computadora de 1 Gigaflop (super
computadora de los 80’s), la solución tomaría
alrededor de 1,000 segundos (16.7 minutos).
Alrededor de 1 segundo con una MacBook Pro 15 (1
Teraflop), y aproximadamente 0.005 milésimas de
segundos con una Summit, la super computadora más
rápida del planeta (200 Petaflops = 200x10^15 flops).
3.4 Complejidad del CFD para simulación
de flujos turbulentos
Para un jet jumbo tal como el Airbus A380, con
capacidad de carga de 150 toneladas y velocidad de
vuelo de 0.85 mach, se analiza un flujo con Reynols
de alrededor de 10^8. La simulación numérica directa
(DNS) del flujo sobre el A380 tiene una complejidad
de aproximadamente 10^24 operaciones. Hace tan
solo 10 años, con la super computadora IBM
Roadrunner (1 petaflop), la simulación del A380
quedaría terminada en 30 años. Hoy en día, con la
super computadora más rápida del planeta, aun nos
tardaríamos 52 días para realizar esa simulación. Si la
tecnología avanzara por lo menos proporcionalmente
a como ha avanzado los últimos 10 años, podríamos
en el 2028 tener esa simulación en 6 horas.
4 Impacto del CFD en la industria
aeronáutica
4.1 Líneas de configuración y las pruebas
en túnel de viento
La llegada del CFD a los gigantes de la aviación, no
solo les permitía avanzar más rápido en las mejoras
tecnológicas y aerodinámicas para sus aeronaves,
sino también a reducir el número de pruebas en el
túnel de viento, las cuales exigen mucho más tiempo
y dinero. A principios de los 80’s, se realizaban
alrededor de 40 pruebas en los túneles de viento, y
tan solo 20 años después, el número de dichas
4
pruebas se redujo más del 50 %. Por medio de
simulaciones computacionales, el CFD permitió
vagar en la experimentación de nuevos y mejorados
elementos, y evolucionar rápidamente en el
desempeño de los aviones.
En la Fig. 4 se muestra la gran diferencia en costos
que proporcionan las simulaciones computacionales
cada vez más por el avance del CFD.
Fig. 4: Grafica Costo – no. de simulaciones
4.2 Programa B737-300
Las series del Boeing 737 pudieron no haber
permanecido en producción más allá de mediados de
los 80´s si no fuera por la instalación de un motor
turbofan de gran diámetro y alta relación bypass
(relación entre el flujo másico de la corriente y el
flujo másico que entra en el núcleo). Esto por el
exceso de ruido que producía su motor, y por la gran
competencia que en ese entonces les representaba el
avión MD-82 de la McDonnell Douglas.
En principio ese fue el objetivo, pero un motor más
grande requeriría alargar el tren de aterrizaje para
tener una distancia apropiada entre el motor y el
suelo, pero el incrementar la longitud del tren
resultaría en un peso extra y un costo excesivo para la
modificación de la estructura del avión.
El desafío era alojar un motor con un mucho mayor
diámetro debajo del ala sin tener que alargar el tren
de aterrizaje. La necesidad, la oportunidad y la
tecnología estaban disponibles para proveer una
solución a este reto.
Una simulación numérica reveló que la fuente de la
interferencia de la resistencia al avance era el arrastre
inducido causado por un cambio en la carga alar a lo
largo de la envergadura debido a la presencia del
motor y los puntales que lo sostienen.

Fig. 5: Interferencia de la resistencia al avance debido al motor
El diseño de la góndola (carcasa que alberga el
motor) y el puntal se realizaron de una forma mucho
más eficaz con los métodos computacionales que con
el túnel de viento, porque el método computacional
produce detalles muy finos sobre la presión en toda el
ala, la góndola y el puntal. Llegando al nuevo y
mejorado 737-300, que ofrecía más asientos, mejor
desempeño de vuelo, ahorro de combustible y mucho
menos ruido.
Fig. 6: Boeing 737 200
Fig. 7: Boeing 737 800
20 años de desarrollo aeronáutico basados en los
túneles de viento indicaban que los motores no
podían ser colocados muy cerca de las alas sin crear
resistencia al avance excesivo.
En la Fig. 6 se aprecia un motor ensamblado justo a
la mitad del ala. En la Fig. 7 el motor tiene un mucho
mayor diámetro y esta colocado al frente del ala,
donde produce menos resistencia al avance.
El conocimiento que otorgaron las simulaciones
computacionales hicieron posible el origen del
exitoso Boeing 737 original. Esto nos muestra el
impacto del CFD en la más exitosa serie de aviones
comerciales de toda la historia.
“Sin la comprensión ganada por el CFD no hubiera
existido el programa 737-300”, Walt Gillete (jefe de
proyecto y vicepresidente de Boeing).
Referencias
[1] Essam E. Khalil. (2012). CFD History and
applications. 2012, de Cairo University Sitio
web:
https://www.researchgate.net/publication/28991
8441_CFD_History_and_Applications
[2] Antony Jameson. (30 de octubre del 2012).
Computational fluid dynamics past present and
future. 2012, de Stanford University Sitio web:
http://aero-
comlab.stanford.edu/Papers/NASA_Presentatio
n_20121030.pdf