Dati Misurati per Carichi da Vento su Edifici di Piccole Dimensioni

Esempio di validazione

L'esempio seguente descrive gli esperimenti nella galleria del vento condotti da Tokyo Polytechnic University (TPU) e utilizzati come esempio di validazione nella Parte 9.3 del WTG-Merkblatt M3. Calcoleremo il coefficiente di pressione medio del vento (Cp) per diverse zone di vento, che appartiene al Gruppo 2, secondo Figura 2.2 nel WTG-Merkblatt-M3:

• G2: Valori assoluti con requisiti di accuratezza media: Il campo di applicazione può includere studi parametrici o preliminari quando sono previste indagini successive con maggiore accuratezza (ad es., esame nella galleria del vento di classe G3).
• R2: Isolato: tutte le direzioni del vento rilevanti con una risoluzione direzionale sufficientemente fine.
• Z2: Valori medi statistici e deviazioni standard: a condizione che coinvolgano processi di flusso stazionari, per i quali è sufficiente una verifica statistica delle fluttuazioni con un fattore di picco.
• S1: Effetti statici: Sono sufficienti a rappresentare il modello strutturale con il necessario dettaglio meccanico, ma senza proprietà di massa e smorzamento.

Descrizione

Questa sezione presenta i dati di validazione sperimentale per i carichi del vento su modelli di edifici bassi con tetti a due falde. I dati provengono dal database aerodinamico della Tokyo Polytechnic University (TPU), che fornisce misurazioni di riferimento per edifici con diverse configurazioni del tetto.

L'esempio di verifica confronta le previsioni CFD dei coefficienti di pressione del vento con gli esperimenti nella galleria del vento della TPU. La geometria dell'edificio di riferimento (rapporto dimensionale D:B:H_o= 160 : 160 : 40, angolo di inclinazione del tetto β=45^∘) viene analizzata scomponendo la struttura in singole superfici (parete sopravento, pareti laterali, parete sottovento e falde del tetto) come mostrato nell'immagine 1. La parte inferiore della figura mostra i profili delle condizioni al contorno di afflusso utilizzati nella galleria del vento e nel modello CFD:

• Profilo della velocità media del vento U(z)
• Profilo dell'intensità della turbolenza I(z)

Questi profili sono confrontati con le condizioni del terreno di Categoria III (standard AIJ 2004). L'accordo dimostra che l'afflusso della galleria del vento della TPU riproduce caratteristiche realistiche dello strato limite atmosferico, fornendo una base affidabile per la validazione.

1 Campo di vento simulato di un territorio sub urbano [Dati TPU]

Tabella 1: Dati di input del tetto a due falde 3D

Studio della Mesh Computazionale

La figura presenta un'analisi di sensibilità della mesh del modello di tetto a due falde in RWIND. Il coefficiente di forza calcolato (C_f) rimane costante a 0,83 per densità di mesh del 15% e 25%, indicando risultati stabili a livelli di raffinamento inferiori. A densità di mesh più elevate del 30% e 35%, C_f aumenta leggermente rispettivamente a 0,85 e 0,87. Questo comportamento dimostra una convergenza complessiva, con solo piccole variazioni osservate man mano che la mesh diventa più fine.

2 Analisi di sensibilità della mesh utilizzando il coefficiente di forza (Cf) in RWIND

Inoltre, lo studio della mesh computazionale deve essere eseguito secondo il seguente collegamento:

• Studio computazionale della mesh

Requisito di accuratezza del WTG-Merkblatt M3

Il WTG-Merkblatt M3 fornisce due metodi chiave per la validazione dei risultati della simulazione. Il metodo Hit Rate valuta quanti dei valori simulati P_i corrispondono correttamente ai valori di riferimento O_i entro una tolleranza definita, utilizzando un approccio di classificazione binaria (colpito o mancato). Questo approccio valuta l'affidabilità della simulazione calcolando un tasso di successo q, simile alle funzioni di confidenza utilizzate nella teoria dell'affidabilità. Al contrario, il metodo dell'errore quadratico medio normalizzato (e²) offre una valutazione dell'accuratezza più dettagliata quantificando la deviazione quadratica media tra i valori simulati e quelli di riferimento, normalizzata per tenere conto delle differenze di scala. Insieme, questi metodi forniscono misure sia qualitative che quantitative per la validazione della simulazione.

• Validazione di risultati della simulazione usando il metodo del tasso di successo definito nel WTG-Merkblatt M3

• Valutazione dell'accuratezza dei risultati utilizzando l'errore quadratico medio normalizzato definito nella WTG-Merkblatt M3

Risultati e Discussione

Le sei figure (immagini da 3 a 8) presentano un'analisi comparativa dei coefficienti di pressione medi (Ave C_p) su diverse superfici di un edificio con tetto a due falde, ottenuti dagli esperimenti nella galleria del vento della Tokyo Polytechnic University (TPU) e simulati utilizzando RWIND con entrambi i modelli di turbolenza Steady RANS k-ω e URANS k-ω.

Per la superficie 1 (parete sopravento), il C_p medio diminuisce costantemente da circa 0,65 con direzione del vento di 0° a circa –0,9 a 90°. I dati sperimentali partono da valori leggermente più alti, mentre lo Steady RANS sottostima i picchi di pressione positiva. URANS cattura meglio i picchi di pressione, in particolare tra 10° e 20°, e mostra un accordo più stretto con gli esperimenti nell'intervallo iniziale, sebbene tutti i metodi convergano ad angoli maggiori.

3 Confronto dei risultati sperimentali e CFD per il coefficiente di pressione medio (Cp) sulla superficie 1 con direzioni del vento variabili

Per la superficie 2 (parete laterale), il C_p medio aumenta costantemente da circa –0,6 a 0° a circa +0,65 a 90°. I risultati sperimentali mostrano un aumento uniforme e costante su tutto l'intervallo angolare. La simulazione Steady RANS sottostima leggermente la depressione a piccoli angoli di vento e sovrastima marginalmente le pressioni positive ad angoli maggiori. Al contrario, i risultati URANS mostrano un accordo molto più stretto con i dati sperimentali, in particolare tra 30° e 80°, evidenziando la sua migliore capacità nel catturare il recupero del flusso sottovento.

4 Confronto tra risultati sperimentali e CFD per il coefficiente di pressione medio (Cp) sulla superficie 2 in condizioni di variazione della direzione del vento

Nel caso della superficie 3 (parete sottovento), la pressione rimane negativa, iniziando intorno a –0,3 a 0° e raggiungendo valori intorno a –0,9 vicino a 70°–80°. L'andamento sperimentale è ben catturato da Steady RANS nella maggior parte degli angoli, mentre URANS sottostima costantemente la pressione (Cp meno negativo), specialmente nell'intervallo intermedio delle direzioni del vento. Ciò dimostra che Steady RANS funziona meglio per le condizioni di depressione sulla parete laterale.

5 Confronto tra coefficienti di pressione del vento sperimentali e numerici sulla superficie 3 in diverse direzioni del vento

Il coefficiente di pressione medio sulla superficie 4 (parete laterale) rimane negativo per tutte le direzioni del vento, con valori che aumentano gradualmente da una forte depressione a 0° fino a quasi neutro a 90°. Sia RANS che URANS catturano generalmente l'andamento complessivo osservato nei dati sperimentali, ma si verificano deviazioni notevoli, in particolare ad angoli di vento più elevati dove le simulazioni tendono a sovrastimare il recupero. Steady RANS mostra un accordo più stretto nell'intervallo intermedio, mentre Steady URANS mostra discrepanze maggiori ad angoli elevati.

6 Confronto dei coefficienti di pressione del vento sperimentali e numerici sulla superficie 4 attraverso le direzioni del vento

Per la superficie 5, tutti i metodi catturano costantemente la transizione graduale del coefficiente di pressione medio da valori negativi (depressione) a bassi angoli di vento a pressione positiva a direzioni del vento più elevate. I dati sperimentali della TPU indicano un aumento costante, attraversando dalla depressione alla pressione intorno ai 45°, una tendenza che è ben riflessa in entrambi gli approcci numerici. Steady RANS segue i risultati sperimentali con un'accuratezza molto vicina, mostrando solo deviazioni minime su tutto l'intervallo angolare. URANS, d'altra parte, prevede valori leggermente diversi, tendendo generalmente a sottostimare la pressione a direzioni del vento più elevate, ma mantenendo comunque un buon accordo complessivo sia con gli esperimenti che con RANS.

7 Confronto tra coefficienti sperimentali e numerici della pressione del vento su superficie 5 nelle direzioni del vento

Infine, il coefficiente di pressione medio sulla superficie 6 mostra un buon accordo tra esperimenti e CFD, mentre tra 20° e 40° gli esperimenti indicano una depressione più forte. Steady RANS sottostima leggermente questo picco, e URANS sovrastima costantemente con una depressione più debole. Nel complesso, RANS cattura l'andamento sperimentale in modo più affidabile, mentre URANS tende a deviare ad angoli di vento obliqui.

8 Confronto tra coefficienti di pressione del vento numerici e sperimentali sulla superficie 6 in più direzioni del vento

La Tabella 3 riassume le metriche di validazione per le sei superfici dell'edificio, considerando un criterio di deviazione del 10% per RANS e del 20% per URANS. Per la Superficie 1, URANS mostra una chiara superiorità con un tasso di successo più elevato (85% rispetto al 57% per RANS) e un errore inferiore (e² = 0,012 contro 0,015). Una tendenza simile si osserva per la Superficie 2, dove URANS supera nuovamente RANS, ottenendo un tasso di successo del 71% contro il 57% e riducendo l'errore da 0,025 a 0,011. Al contrario, la Superficie 3 evidenzia il punto di forza di RANS, che raggiunge un tasso di successo più alto (85% contro 71%) e un errore significativamente inferiore (0,008 contro 0,030). Per la Superficie 4, entrambi i metodi raggiungono un tasso di successo identico dell'85%, ma RANS ha prestazioni leggermente migliori in termini di errore (0,022 contro 0,026). Le Superfici 5 e 6 mostrano tassi di successo bilanciati del 71% per entrambi i metodi; tuttavia, per la Superficie 5, gli errori sono uguali (0,010 per entrambi), mentre per la Superficie 6, RANS è notevolmente superiore con un errore molto più piccolo (0,006 contro 0,031). Nel complesso, i risultati indicano che URANS fornisce un migliore accordo con gli esperimenti sulle Superfici 1 e 2, mentre RANS fornisce previsioni più accurate per le Superfici 3 e 6, con entrambi i metodi che mostrano prestazioni comparabili sulle Superfici 4 e 5.

Tabella 3: Metrica di validazione per il valore Cp di sei diverse zone

0x

0x

Esempio WTG 9.3