Diplomado en Tecnologías de

Simulación Computacional
para Ingeniería
MÓDULO II

INTRODUCCIÓN A LA TURBULENCIA
Índice

1. Introducción 2

2. Descripción del fenómeno de la turbulencia 2

3. Modelos de turbulencia 3

4. Simulaciones con modelos de turbulencia tipo RANS 5

5. Funciones de pared 6

6. Referencias 7

1. Introducción
La inmensa mayorı́a de los flujos de interés en ingenierı́a entran en la categorı́a de flujos turbulentos. El
fenómeno de la turbulencia es uno de los más estudiados y menos entendidos por la comunidad cientı́fica, lo cual
hace de la simulación de este tipo de flujos un reto para todo el que trabaje con CFD. A pesar de lo poco que
se conoce del comportamiento matemático de este fenómeno, se han desarrollado diversas técnicas para hacer
posible la obtención de resultados numéricos que aproximen el efecto que tiene la turbulencia en las variables
del flujo. El objetivo de esta pı́ldora es mencionar algunas de estas técnicas y dar una breve introducción a su
uso.

2. Descripción del fenómeno de la turbulencia

Un flujo turbulento es aquel en el que existen cambios da naturaleza caótica en los valores de presión y
velocidad. Estas variaciones son en general impredecibles tanto en espacio como en tiempo, y aún hoy en dı́a su
comportamiento es una de las preguntas que la ciencia no ha logrado responder con exactitud.
Lo impredecible de la turbulencia causa entonces dos grandes problemas para su resolución a través de
métodos numéricos:

1. En general, no hay una región del dominio en donde se concentren los vórtices turbulentos, estos pueden
aparecer distribuidos en todo el flujo. Además, existen grandes variaciones en sus dimensiones, lo que
dificulta la generación de un mallado adecuado.
2. La naturaleza transitoria de la turbulencia hace imposible la obtención de resultados estacionarios,
aumentando considerablemente el tiempo necesario para cada simulación, además de obligar al uso de
pasos de tiempo extremadamente pequeños.

Para estimar la cantidad de elementos y el paso de tiempo necesarios para la simulación de un flujo turbulento,
se hace uso de las escalas de Kolmogorov. Estas escalas dan una manera de determinar el orden de magnitud
de las dimensiones de los vórtices de menor tamaño, ası́ como el orden de magnitud del tiempo requerido para
la disipación de su energı́a cinética. Las expresiones utilizadas para el cálculo de las escalas de Kolmogorov se
muestran en la Tabla 2.1, donde ν es la viscosidad cinemática del fluido y ε la tasa de disipación de la energı́a
cinética turbulenta.
Estos parámetros estarı́an directamente vinculados con el tamaño de elementos de malla y paso de tiempo
utilizados para la simulación. Puede demostrarse que, considerando un tamaño de elementos en el orden de
magnitud de la escala de longitud de Kolmogorov, la cantidad de Nodos requerida para resolver una simulación

2
 Tabla 2.1: Escalas de Kolmogorov.

ν 3 /4
 1
Escala de longitud η=
ε
 1/2
ν
Escala de tiempo τη =
ε
 1/4
Escala de
velocidad uη = νε

está en el orden de Re9/4 . Para el paso de tiempo, la cantidad necesaria está en el orden de Re3/4 . Para ilustrar
lo que implican estos requerimientos, se tome una simulación como la mostrada en la Fig. 2.1, en donde se tiene
el flujo de agua por una tuberı́a de 1 de diámetro, con una velocidad de 1 m/s.

Figura 2.1: Simulación de flujo de agua en una tuberı́a.

Con los parámetros mostrados en la figura se obtiene un número de Reynolds de 25.299, por lo que según
las escalas de Kolmogorov el número de nodos para esta simulación debe estar alrededor de 8.072.025.940. Tal
cantidad de nodos serı́a imposible de manejar por cualquier estación de trabajo común actual, requiriéndose
entonces el empleo de grandes centros de cómputo, de varios miles de procesadores, para la solución del flujo
de agua en una tuberı́a de tan sólo 1”. A este tipo de simulaciones se les conoce con el término de Simulación
Numérica Directa, ó DNS por sus siglas en inglés. Debido al alto costo computacional de estas simulaciones, se
han desarrollado técnicas que permitan hacer cálculos que incluyan el efecto de las variaciones turbulentas en
el flujo, pero sin que sea necesario su cálculo directo. Esto dio lugar al desarrollo de los llamados Modelos de
Turbulencia.

3. Modelos de turbulencia
Debido a la poca practicidad de resolver problemas de mecánica de fluidos a través de la simulación numérica
directa, se han desarrollado ecuaciones adicionales, que al ser resueltas junto a las ecuaciones fundamentales del
flujo de fluidos permiten obtener resultados que incluyen el efecto de la turbulencia sin necesidad de cumplir
con condiciones de mallado tan estrictas. A estas ecuaciones se les conocen como Modelos de Turbulencia.
Una familia de estos modelos son los utilizados en simulaciones de tipo Simulación de Grandes Vórtices,
o LES por sus siglas en inglés (Large Eddy Simulation). En estas simulaciones se crea matemáticamente un
filtro que separa los vórtices turbulentos de mayor tamaño de aquellos más diminutos. Los vórtices mayores

3
 Tabla 3.1: Principales tipos de simulación según el tipo de modelo de turbulencia utilizado.

Tipo de
Caracterı́sticas Modelos utilizados
simulación
- Se resuelven directamente las ecuaciones de Navier-
Stokes, sin necesidad de modelos adicionales.
- Se obtiene en detalle la variación de las variables tanto
DNS en espacio como en tiempo, por efectos turbulentos. Ninguno
- Debido a su alto costo computacional, su uso se
hace poco práctico para la solución de problemas de
ingenierı́a comunes.
- Se resuelven ecuaciones de Navier-Stokes “filtradas”.
- Se obtiene en detalle la variación de las variables tanto
en espacio como en tiempo, producidas por los vórtices
turbulentos de mayores dimensiones. El efecto de los
LES vórtices de menores dimensiones es modelado a través Smagorinsky-Lilly
de ecuaciones adicionales.
- Es menos costoso computacionalmente que las
simulaciones DNS, por lo que tiene mayor aplicabilidad.

- Se resuelven ecuaciones de Navier-Stokes

“promediadas”.
- No se tiene ningún detalle de las variaciones
Spalart-Allmaras
producidas por efectos turbulentos, en cambio se
κ−ε
obtienen valores promedios. El efecto de todo el rango de
κ−ω
vórtices turbulentos es incluido a través de ecuaciones
RANS Shear Stress Transport (SST)
adicionales.
LRR
- Este tipo de simulación es la que tiene menor
SSG
costo computacional, convirtiéndose ası́ en la opción
más utilizada. Excepto en situaciones en la que sea
necesario obtener detalles de las variaciones producidas
por efectos turbulentos.

son calculados directamente con las ecuaciones de Navier-Stokes, mientras que el efecto de los vórtices menores
es modelado con ecuaciones adicionales. La principal ventaja de estos modelos es reducir los requerimientos de
mallado y paso de tiempo de las simulaciones numéricas directas, manteniendo suficiente detalle de los vórtices
turbulentos necesarios para algunas aplicaciones en ingenierı́a.
Otros modelos de turbulencia ampliamente utilizados son aquellos que resuelven ecuaciones de Navier-
Stokes promediadas, conocidos como modelos RANS, por Reynolds-Averaged Navier-Stokes. Las simulaciones
que utilizan estos modelos resuelven los valores promedio de las variables del flujo, y el efecto de la turbulencia
en estos valores es calculado por las ecuaciones adicionales del modelo de turbulencia. Esto hace que se pierda
detalle de la distribución de las variables en los vórtices turbulentos, pero permite reducir enormemente los
tiempos necesarios para la obtención de resultados, además de posibilitar el cálculo de simulaciones en estado
estacionario. Los modelos tipo RANS son los más utilizados en simulaciones CFD.
En general, las ecuaciones que propone cada modelo de turbulencia tiene una serie de constantes que son
ajustadas mediante la observación experimental. Por esta razón, además de otras razones intrı́nsecas a su
formulación matemática, habrá modelos que arrojen mejores resultados que otros para ciertos tipos de flujos.

4
4. Simulaciones con modelos de turbulencia tipo RANS
Las simulaciones RANS se basan en la descomposición propuesta por Reynolds, quien dice que las variables
de flujo pueden separarse en una porción promedio u y una porción variable u0 , es decir:

u(→
−
x , t) = u(→
−
x , t) + u0 (→
−
x , t) (1)

La ecuación de cantidad de movimiento la podemos escribir, utilizando notación indicial, como:

   
∂ui ∂ui ∂P ∂ ∂ui
ρ + uk =− + µ + ρgi (2)
∂t ∂xk ∂xi ∂xj ∂xj

Sustituyendo la descomposición de Reynolds, y promediando en el tiempo la ecuación resultante, se obtiene:

   
∂ul ∂ul ∂P ∂ ∂ul ∂
ρu0l u0j


ρ + uk =− + µ + ρgi − (3)
∂t ∂xk ∂xi ∂xj ∂xj ∂xj

Se observa que la ecuación resultante de aplicar la descomposición de Reynolds tiene la misma forma general
de la ecuación de cantidad de movimiento, pero aparece como término adicional la divergencia de ρu0l u0j . A este
término adicional se le conoce como Tensor de esfuerzos de Reynolds, y la principal tarea de los modelos de
turbulencia utilizados en simulaciones RANS es buscar una manera de resolver este término.
Dentro de la categorı́a de modelos RANS existen dos grandes familias, dependiendo de la técnica utilizada
para estimar los valores de los términos del tensor de esfuerzos de Reynolds:
1. Modelos tipo esfuerzo de Reynolds (Reynolds Stress Models): estos modelos establecen una ecuación para
cada una de las seis componentes del tensor de esfuerzos de Reynolds, lo que los convierten en los modelos
más computacionalmente costosos dentro de la categorı́a RANS. Ejemplos: modelo LRR, modelo SSG.
2. Modelos tipo viscosidad turbulenta: estos modelos se basan en la hipótesis de Boussinesq, la cual establece
que existe una relación entre el tensor de esfuerzos de Reynolds y los valores promedio de las velocidades,
expresada de la siguiente manera:

 
∂ul ∂uJ 2 ∂uk 2
− ρu0l u0j = µt + − δij − rhokδij (4)
∂xj ∂xi 3 ∂xk 3

Donde, k es la energia cinética turbulenta. δij delta de Kronecker y ut es la viscosidad turbulenta.

Esta hipótesis convierte el problema de resolver las seis componentes del tensor de esfuerzos de Reynolds,
en el problema de resolver sólo una variable, la viscosidad turbulenta. La solución de esta variable se hace
de diversas maneras, dependiendo del método seleccionado. Algunos de los modelos que entran dentro de
esta categorı́a son: Spallart-Almaras, κ − ε, κ − ω, Shear Stress Transport (SST).
De las dos familias de modelos RANS, los que utilizan el concepto de viscosidad turbulenta son los más
utilizados en simulaciones comunes. Debido a que son los menos costosos, computacionalmente permiten la
obtención de resultados con un grado de precisión adecuado en un tiempo relativamente corto en comparación
con los otros modelos.
Los modelos tipo esfuerzo de Reynolds suelen preferirse sobre los modelos tipo viscosidad turbulenta para
casos en los que el flujo tiene una alta anisotropı́a de las variaciones turbulentas, curvatura significativa en las
lı́neas de corriente, separación de flujo, zonas de alta recirculación, o flujos con alta vorticidad.

5
5. Funciones de pared
La ley de la pared, propuesta por von Kárman en 1930, establece que en la región de capa lı́mite existe una
relación predecible entre la distancia a la pared y la velocidad del flujo paralela a dicha pared.
Para expresar esta relación se desarrollan los conceptos de distancia adimensional a la pared y de velocidad
adimensional de flujo, conocidos como y + y u+ , respectivamente. Estas variables se definen como:

yut
y+ =
ν
u
u+ = (5)
u
st
τw
ut =
ρ

Donde:
y: distancia real desde la pared,
u: velocidad real desde la pared,
ut : velocidad de corte,
ν: viscosidad del fluido,
τw : esfuerzo de corte en la pared,
ρ: densidad del fluido.

Una vez definidas estas variables, se establece que la relación entre ellas sigue la curva azul mostrada en la
Fig. 5.1. En esta figura se puede ver que, para valores bajos de y + , existe una relación lineal entre la distancia y
la velocidad, que se convierte en una relación logarı́tmica luego de pasar por una zona de transición. Esta zona
de transición ocurre para valores de y + alrededor de 11.

Figura 5.1: Representación gráfica de la ley de la pared.

6
 Este comportamiento del flujo es aprovechado por los modelos de turbulencia a través de las Funciones de
Pared, las cuales ayudan en el cálculo numérico de los valores de las variables en la región de capa lı́mite. Estas
funciones tienen distinta formulación y dependen del modelo de turbulencia que las use.
La principal caracterı́stica que se debe tomar en cuenta de estas funciones es que están diseñadas para
trabajar a partir de la sub-capa viscosa ó de la región logarı́tmica. Esto tiene implicaciones directas en la
generación del mallado adecuado para cada simulación, puesto que se debe asegurar que el primer punto de
la malla generada se encuentre ó en la sub-capa viscosa (aproximadamente y + < 5) ó en la región logarı́tmica
(aproximadamente y + > 30 ), dependiendo del modelo de turbulencia seleccionado y de su función de pared.
En la Fig. 5.2 se muestran ejemplos de mallados en los que se tiene el primer punto en la sub-capa viscosa
(Fig. 5.2a) y en la región logarı́tmica (Fig. 5.2b). La curva muestra el perfil de velocidades del flujo, los puntos
superpuestos sobre la curva indican en qué posición se tiene un valor numérico de la velocidad de acuerdo al
mallado utilizado.

Figura 5.2: Perfil de velocidades en la capa lı́mite. a) Resolviendo a partir de la sub-capa viscosa. b) Resolviendo
a partir de la región logarı́tmica.

Se observa que si el mallado inicia a partir de la región logarı́tmica se puede reducir el número total de
elementos, puesto que el comportamiento del flujo por debajo del primer punto es asumido según los parámetros
del modelo seleccionado. Este hecho es aprovechado por modelos de turbulencia como el κ − ε y sus variantes,
para reducir el costo computacional de cada simulación.
La principal desventaja de este método es precisamente que se asume el comportamiento del flujo en la zona
más cercana a la pared. Esto causa errores numéricos en aquellas simulaciones que tengan comportamientos
distintos al esperado, como recirculaciones o separaciones de flujo. Para estos casos se debe utilizar un modelo
de turbulencia que sea capaz de resolver los valores de las variables de flujo desde la sub-capa viscosa, a pesar
de que sea necesario utilizar un mallado de mayor cantidad de elementos. Un ejemplo de este tipo de modelos
es el κ − ω y aquellos basados en él.

6. Referencias
[1] Tu, Jiyuan; Yeoh, Guan Heng; Liu, Chaoqun (2008). Computacional Fluid Dynamics, A Practical Approach.
New York: Elsevier Butterworth–Heinemann.

[2] Versteeg, H.K. y Malalaseera, W. (1995). An Introduction to computational Fluid Dynamics. The finite
volume method. London: Longman Scientific & Technical.

7
[3] B. E. Launder, G. J. Reece, and W. Rodi (1975). Progress in the Development of a Reynolds-Stress Turbulence
Closure. J. Fluid Mech. 68(3). 537–566. Abril 1975.
[4] C. G. Speziale, S. Sarkar, and T. B.Gatski (1991). Modelling the Pressure-Strain Correlation of Turbulence:
An Invariant Dynamical Systems Approach. J. Fluid Mech. 227. 245–272. 1991.