UNIVERSIDAD NACIONAL AUTNOMA DE MXICO

POSGRADO DE LA FACULTAD DE INGENIERA CIVIL

MAESTRA EN INGENIERA DE ESTRUCTURAS

MATEMTICAS APLICADA. MDULO 2

DR. ADRIN POZOS ESTRADA

PROYECTO FINAL:
SIMULACIN COMPUTACIONAL DE HISTORIAS EN EL TIEMPO DE LA
VELOCIDAD TURBULENTA DEL VIENTO A PARTIR DE DIFERENTES
PROPUESTAS DE FUNCIONES DE DENSIDAD ESPECTRAL DE POTENCIA DEL
VIENTO TURBULENTO EMPLEANDO MATLAB. COMPARACIN Y
COMENTARIOS

ALUMNO: Oscar Cardel Juan

Mxico, D.F, 16 de noviembre de 2012.

RESUMEN
En este documento se presenta un procedimiento relativamente sencillo y breve para simular
digitalmente la historia en el tiempo de las velocidades turbulentas del viento a partir de la funcin
de densidad espectral de potencia del viento turbulento, empleando Matlab. Se hace uso de
algunas de las funciones de densidad espectral propuestas por diferentes investigadores y se hace
una comparacin de los resultados obtenidos con cada una. El proceso de simulacin se representa
con n componentes armnicos, para pasar del dominio de la frecuencia, al dominio del tiempo.
Para que el proyecto pudiese realizarse en un corto tiempo, se aplicaron diversas simplificaciones,
suposiciones e idealizaciones en la definicin y obtencin de datos. Se hacen comentarios acerca
del proceso de simulacin de historia en el tiempo y sus posibles usos prcticos dentro de la
ingeniera estructural.

NDICE

RESUMEN

....

NDICE

RESULTADOS .

CONCLUSIONES

ANEXOS

..

RESULTADOS
La velocidad del viento en un punto localizado en el espacio es usualmente modelado como un
proceso estocstico probabilstico normal. La generacin de los modelos se basa en el conocimiento
previo de 3 parmetros bsicos: velocidad media del viento local, la rugosidad del suelo o sitio, y la
altura sobre el suelo. La simulacin de la historia de las velocidades turbulentas del viento en un
lapso de tiempo se puede determinar a partir de las funciones de densidad espectral de potencia,
basadas en las ideas introducidas primeramente por Davenport (1961) sobre la ingeniera de
viento.
El proceso consiste en obtener una serie en el tiempo de las velocidades del viento, a partir de la
suma o superposicin de trminos o componentes armnicos con ngulos de fase aleatorios. Para
ello, se simulan estos valores aleatorios con el Mtodo de Monte Carlo.
Las amplitudes estarn funcin de los valores de densidad espectral de potencia, que dependen de
la altura sobre el suelo y de la frecuencia misma. Para este ensayo, se considera constante la altura
sobre el suelo, con una velocidad media tambin predeterminada, esto con el fin de comparar con
mayor facilidad los resultados.
A continuacin se enuncian diversas funciones de DEP del viento:
Davenport

Propuesta de l Manual de Viento de CFE

Galemann y Ruscheweyh

Para el valor de x:

donde f es la frecuencia en Hx, Sv(f) es la densidad espectral de potencia del viento en funcin de la
frecuencia en m2s-2Hz-1,
es la varianza, y V(z) es la velocidad media medida a una altura z en
m/s.

Asimismo, segn Hiriart, Ochoa y Garca (2001), mencionan que la densidad espectral de potencia
tambin se puede obtener segn:
Davenport (1961)

Modified Kaimal (1972)

Antonio y Asimakopoulos (1992)

donde

es la frecuencia normalizada, y z es la altura sobre el suelo.

Para la determinacin de cada uno de los valores
, se establecieron ciertos valores
arbitrariamente.
yn=
200, que son el nmero de cosenos. Se define la simulacin para un tiempo final t = 50 segundos,
con un t = 0.01 segundos.
Una vez obtenido los valores de densidad espectral de potencia del viento turbulento, se procede a
realizar la superposicin de los componentes armnicos. Para los valores aleatorios de los ngulos
de fase, se realiza una simulacin por el Mtodo de Monte Carlo. Se reproducen digitalmente
valores aleatorios con algoritmos computacionales, y se aplica una distribucin uniforme para
obtener los ngulos de fase, sustituyendo en:

donde
es el incremento o intervalo entre muestreo de frecuencias, y
aleatorio:
Con distribucin uniforme, a = 0.

es el ngulo de fase

donde uk es el k-simo valor aleatorio en un intervalo [0 1].

La frecuencia circular esta dada por

en rad/s.

A continuacin se muestran los resultados obtenidos, con el pseudocdigo de Matlab que se realiz
(ANEXO 1).

Sv() [m2/(s 2*Hz)]

10

15

10

15

50

100

150

Sv() [m2/(s 2*Hz)]

Sv() [m2/(s 2*Hz)]

6
8
Frecuencia [rad/s]

6
8
Frecuencia [rad/s]

6
8
Frecuencia [rad/s]

10

10

10

12

12

12

10

20

30

20

40

60

80

50

100

150

200

6
8
Frecuencia [rad/s]

6
8
Frecuencia [rad/s]

6
8
Frecuencia [rad/s]

Densidad espectral de potencia Sv()

Fig. 1. Grficas de densidad espectral de potencia del viento turbulento, de acuerdo a las 6
diferentes funciones propuestas. El orden es de izquierda a derecha y de arriba hacia abajo, de
acuerdo a como se encuentran enunciadas en este documento.

Densidad espectral de potencia Sv()

Sv() [m2/(s 2*Hz)]
Sv() [m2/(s 2*Hz)]
Sv() [m2/(s 2*Hz)]

10

10

10

12

12

12

(/2)*Sv()

10
-3
10

-3

10

-2

-1

10

10

10

-2

10

10

10

-4

10

-3

10

-2

10

-1

10

10

10

-2

-1

10
10
Fecuencia Normalizada (/2)*z/V

-3

10

Densidad espectral de potencia Normalizada (/2)*Sv()

Fig. 2. Grficas de densidad espectral de potencia del viento turbulento, de acuerdo a las 6
diferentes funciones propuestas, con escala logartmica en ambos ejes. Las curvas punteadas son
las 3 funciones mencionada por Hiriart et. al.

-1

10
10
Fecuencia [rad/s]

Densidad espectral de potencia (/2)*Sv()

(/2)*Sv()

10

V [m/s]

V [m/s]

V [m/s]

-20

-10

10

-10

-5

-10

-5

10

10

10

20
25
30
Tiempo t [s]

20
25
30
Tiempo t [s]

20
25
30
Tiempo t [s]

35

35

35

40

40

40

45

45

45

50

50

50

-20

-10

10

20

-20

-10

10

20

-8

-6

-4

-2

10

10

10

15

15

15

20
25
30
Tiempo t [s]

20
25
30
Tiempo t [s]

20
25
30
Tiempo t [s]

35

35

35

40

40

40

45

45

45

Historia en el tiempo de la velocidad turbulenta del viento V

Fig. 3. Historia de la velocidad turbulenta en el tiempo simulada a partir de las 6 funciones de

densidad espectral de potencia del viento turbulento

15

15

15

Historia en el tiempo de la velocidad turbulenta del viento V

V [m/s]
V [m/s]
V [m/s]

50

50

50

CONCLUSIONES
Se observa que las grficas de historia de la velocidad del viento son muy parecidas en cuanto a la
posicin de los picos y valles de las seales. Sin embargo, se observa que a partir de las funciones
de densidad espectral de potencia, las simulaciones obtenidas son diferentes en cuanto a la
amplitud de los mximos picos. Se observa fcilmente en las grficas de densidad espectral que, de
acuerdo a la variacin de stas en los mximos, la historia en el tiempo se ve afectada.
De acuerdo a Hiriart, cada espectro de densidad de potencia obtenido analticamente, como en
este caso, puede caracterizar a diferentes casos de densidades espectrales medidas
instrumentalmente, dependiendo de los valores de velocidad promedio, altura sobre el suelo y
rugosidad.
Es necesaria la implementacin de una comparacin analtica, como la presentada en este texto,
con los registros de densidad medidos en algn sitio, para corroborar y establecer bajo qu
parmetros se simulara de una mejor manera, tanto los espectros de densidad de potencia, como
las historias en el tiempo de la velocidad del viento. La comparacin de estas 2 caractersticas del
viento podra definir de una mejor manera qu mtodos se deberan utilizar bajo parmetros
especficos, para aproximarse a las mediciones reales de algn sitio.
Asimismo, existen otros mtodos de simulacin que deben realizarse y comparar con este y otros
mtodos, as como con registros de medicin reales.
Es evidente que los conceptos y desarrollos presentados en este trabajo son muy bsicos y
probablemente escasos. Es evidente que el dominio sobre estos temas es muy escaso para un
servidor, por lo que es necesario estudios ms a fondo de los conceptos de ingeniera de viento, as
como de simulacin, series de Fourier, etc.

ANEXO 1.
Pseudocdigo en programa Matlab para la simulacin.
%***********************************************************************
%Matemticas aplicadas. Mdulo 2
%Proyecto Final
%
%Simulacin de historias en el tiempo de la velocidad
%turbulenta (v) del viento, a partir de diferentes propuestas de funciones
%de densidad espectral de potencia de viento turbulento. Comparacin y
%comentarios.
%
%Por: Oscar Cardel Juan
%Fecha: 16 de noviembre de 2012.
%
%************************************************************************
clc
clear all
f0=0.001;
fmax=1.7;
n=200;
s2=1;
V=30;
z=10;

%Rango inferior de frecuencia

%Rango superior de frecuencia
%Nmero de senoides
%Varianza
%Velocidad media

Df=(fmax-f0)/(n-1); %Clculo de intervalo de frecuencias

%Df=0.001;
%Intervalo de frecuencias
tf=50;
Dt=0.01;

%Tiempo final de simulacin

%Intervalo de tiempo

f=f0:Df:fmax;
w=2*pi*f;
Dw=2*pi*Df;

%Vector de rango de frecuencias

%Clculo de vector de Frecuencia circular
%Clculo de Delta omega (frec. circular)

t=0:Dt:tf;
m=max(size(t));
u=rand(n,1);
y=2*pi*u;

%ngulos de fase

x=1200*f/V;
fn=f*z/V;

%Frecuencia normalizada

for k=1:n
Sv(k)=(2*x(k)^2)/(3*f(k)*(1+x(k)^2)^(4/3));
Svf(k)=Sv(k)*f(k);
Sv2(k)=(6.8*x(k))/(f(k)*(1+(10.2*x(k)))^(5/3));
Svf2(k)=Sv2(k)*f(k);
Sv3(k)=(x(k))/(2*f(k)*(1.65+x(k)^2)^(4/5));
Svf3(k)=Sv3(k)*f(k);
%Propuetas de Funciones de frecuencia Normalizada

Sv4(k)=(4*x(k)^2)/(f(k)*(1+x(k)^2)^(4/3));
Svf4(k)=Sv4(k)*f(k);
Sv5(k)=(100*fn(k))/(f(k)*(0.44+33*fn(k))^(5/3));
Svf5(k)=Sv5(k)*f(k);
Sv6(k)=(18*fn(k))/(f(k)*(0.44+5*fn(k))^(5/3));
Svf6(k)=Sv6(k)*f(k);
for i=1:m
X(i,k)=sqrt(2*Sv(k)*Dw)*cos(w(k)*t(i)+y(k));
X2(i,k)=sqrt(2*Sv2(k)*Dw)*cos(w(k)*t(i)+y(k));
X3(i,k)=sqrt(2*Sv3(k)*Dw)*cos(w(k)*t(i)+y(k));
X4(i,k)=sqrt(2*Sv4(k)*Dw)*cos(w(k)*t(i)+y(k));
X5(i,k)=sqrt(2*Sv5(k)*Dw)*cos(w(k)*t(i)+y(k));
X6(i,k)=sqrt(2*Sv6(k)*Dw)*cos(w(k)*t(i)+y(k));
end
end
v1=ones(n,1);
Xt=X*v1;
Xt2=X2*v1;
Xt3=X3*v1;
Xt4=X4*v1;
Xt5=X5*v1;
Xt6=X6*v1;
figure(1);
subplot(3,2,1)
plot(w,Sv);
title('Densidad espectral de potencia Sv(\omega)');
xlabel('Frecuencia \omega [rad/s]')
ylabel('Sv(\omega) [m^2/(s^2*Hz)]')
subplot(3,2,2)
plot(w,Sv2);
title('Densidad espectral de potencia Sv(\omega)');
xlabel('Frecuencia \omega [rad/s]')
ylabel('Sv(\omega) [m^2/(s^2*Hz)]')
subplot(3,2,3)
plot(w,Sv3);
xlabel('Frecuencia \omega [rad/s]')
ylabel('Sv(\omega) [m^2/(s^2*Hz)]')
subplot(3,2,4)
plot(w,Sv4);
xlabel('Frecuencia \omega [rad/s]')
ylabel('Sv(\omega) [m^2/(s^2*Hz)]')
subplot(3,2,5)
plot(w,Sv5);
xlabel('Frecuencia \omega [rad/s]')
ylabel('Sv(\omega) [m^2/(s^2*Hz)]')
subplot(3,2,6)
plot(w,Sv6);
xlabel('Frecuencia \omega [rad/s]')
ylabel('Sv(\omega) [m^2/(s^2*Hz)]')
figure(2);
subplot(3,2,1)
plot(t,Xt);
title('Historia en el tiempo de la velocidad turbulenta del viento V');
xlabel('Tiempo t [s]')

10

ylabel('V [m/s]')
subplot(3,2,2)
plot(t,Xt2);
title('Historia en el tiempo de la velocidad turbulenta del viento V');
xlabel('Tiempo t [s]')
ylabel('V [m/s]')
subplot(3,2,3)
plot(t,Xt3);
xlabel('Tiempo t [s]')
ylabel('V [m/s]')
subplot(3,2,4)
plot(t,Xt4);
xlabel('Tiempo t [s]')
ylabel('V [m/s]')
subplot(3,2,5)
plot(t,Xt5);
xlabel('Tiempo t [s]')
ylabel('V [m/s]')
subplot(3,2,6)
plot(t,Xt6);
xlabel('Tiempo t [s]')
ylabel('V [m/s]')
figure(3);
subplot(1,2,1)
loglog(w,Svf,'red'); hold on;
title('Densidad espectral de potencia (\omega/2\pi)*Sv(\omega)');
xlabel('Fecuencia \omega [rad/s]')
ylabel('(\omega/2\pi)*Sv(\omega)')
loglog(w,Svf2,'black'); hold on;
xlabel('Fecuencia \omega [rad/s]')
ylabel('(\omega/2\pi)*Sv(\omega)')
loglog(w,Svf3,'blue');
xlabel('Fecuencia \omega [rad/s]')
ylabel('(\omega/2\pi)*Sv(\omega)')
loglog(w,Svf4,'-. red'); hold on;
xlabel('Fecuencia \omega [rad/s]')
ylabel('(\omega/2\pi)*Sv(\omega)')
loglog(w,Svf5,'-. black'); hold on;
xlabel('Fecuencia \omega [rad/s]')
ylabel('(\omega/2\pi)*Sv(\omega)')
loglog(w,Svf6,'-. blue');
xlabel('Fecuencia \omega [rad/s]')
ylabel('(\omega/2\pi)*Sv(\omega)')
subplot(1,2,2)
loglog(fn,Svf4,'-. red'); hold on;
title('Densidad espectral de potencia Normalizada (\omega/2\pi)*Sv(\omega)');
xlabel('Fecuencia Normalizada (\omega/2\pi)*z/V')
ylabel('(\omega/2\pi)*Sv(\omega)')
loglog(fn,Svf5,'-. black'); hold on;
xlabel('Fecuencia Normalizada (\omega/2\pi)*z/V')
ylabel('(\omega/2\pi)*Sv(\omega)')
loglog(fn,Svf6,'-. blue');
xlabel('Fecuencia Normalizada (\omega/2\pi)*z/V')
ylabel('(\omega/2\pi)*Sv(\omega)')

11