#Deportes: ¿Qué es y cómo ayuda a desarrollar los coches de F1? #F1

En el automovilismo hay muchos términos que mucha gente utiliza sin saber exactamente lo que significan. Uno de ellos es CFD, o Dinámica Computacional de Fluidos. 

En cierto modo, el término ya lo describe con exactitud, pero tres simples palabras tampoco pueden hacer justicia a un tema inmensamente complejo. En teoría, los diferentes estados de cualquier sistema físico pueden calcularse matemáticamente. A veces es sencillo, como en el caso de un objeto que cae al vacío. Otras veces es más difícil, como calcular la tensión de un objeto de forma compleja sometido a una determinada carga. Cuando se trata de predecir el flujo de aire sobre y alrededor de un coche de F1, el problema se vuelve enormemente complejo, pero no irresoluble con un grado razonable de precisión.

Los cálculos para resolver este problema se basan en las ecuaciones de Navier-Stokes que, ya que cuando Sir George Stokes creó un método para resolver los términos viscosos a mediados del siglo XIX, se convirtieron en una forma útil de predecir los flujos de aire. Desgraciadamente, antes de la llegada de los ordenadores, no era práctico resolver las ecuaciones para un problema significativo.

Aunque se trabajó con los ordenadores primitivos que existían en los años 50, no fue hasta 1967 cuando se publicó el primer artículo con soluciones para los problemas de flujo en 3D. En los años 60 y 70 se trabajó en el Imperial College de Londres para desarrollar la técnica, lo que dio lugar al primer código comercial, Phoenics, publicado en 1981.

A finales de los ochenta, los equipos de F1 empezaron a utilizar la CFD para realizar optimizaciones sencillas. En aquel entonces, el autor de este artículo trabajaba en Benetton y el equipo invirtió en lo que en aquel momento era una avanzada estación de trabajo Sun Sparc con una velocidad de 25 MHz y 64 MB de RAM, bastante menos que un teléfono móvil moderno. Con ella y una aplicación simplificada de CFD, se podía estudiar algunos perfiles básicos de presión superficial de los alerones traseros. Aunque de forma sencilla, fue la primera vez que la F1 se alejó de la aerodinámica puramente empírica.

Surgió un problema con el flujo turbulento

Aunque era emocionante obtener información y utilizarla para mejorar el rendimiento, el método era extremadamente limitado. Era bidimensional y sólo servía para investigar el flujo en la superficie. El siguiente paso llegó con la mejora de los códigos comerciales a principios de la década de 1990. Los ordenadores también se desarrollaron rápidamente y los equipos de F1 adoptaron esta tecnología.

Aunque un coche de Fórmula 1 tiene un rendimiento aerodinámico increíble, es muy complicado de simular porque el flujo de aire alrededor del coche es mucho más complejo que, por ejemplo, el de un avión. El flujo se desprende de numerosas partes del coche y se descompone en vórtices turbulentos. Estos vórtices son aún más difíciles de predecir, y aún así nos encontramos con el obstáculo de que, aunque los solucionadores 3D podían manejar las partes más sencillas de las ecuaciones de Navier-Stokes, tenían problemas con el flujo turbulento.

Como industria, la F1 desempeñó un papel decisivo a la hora de animar a los proveedores de software CFD a mejorar la modelización de la turbulencia, y gracias a ello el método empezó a dar resultados razonables. La técnica recibió el nombre de RANS, las siglas de Reynolds-Number Averaged Navier Stokes, y sigue siendo muy utilizada a día de hoy.

Foto de: Williams

Cálculo intensivo

Curiosamente, el impulso para mejorar la modelización de las turbulencias se tradujo en la necesidad de resolver exactamente los mismos problemas en los parques eólicos. Simular una sola turbina eólica es una cosa, pero un parque eólico, donde cada turbina funciona en un campo de flujo determinado por el flujo turbulento de sus turbinas vecinas, es mucho más complejo.

Resulta tranquilizador saber que el afán por mejorar el rendimiento de los coches de F1 también ha conducido indirectamente a un mejor rendimiento de los parques eólicos y ha ayudado a mitigar el cambio climático.

Aún hoy existen varios modelos de turbulencia, pero a medida que estos modelos mejoraban, también lo hacía la precisión de la simulación. Y lo que es igual de importante, la potencia de cálculo siguió la ley de Moore, duplicándose cada dos años, lo que permitió una simulación más detallada del campo de flujo. Eso es importante porque el volumen de la superficie del modelo virtual y el volumen de aire que lo rodea se dividen en una masa de celdas virtuales. Las ecuaciones diferenciales parciales que describen el campo de flujo deben resolverse para cada una de estas celdas.

Para un caso sencillo, estamos hablando de unos 95 millones de celdas que, en un portátil de un solo núcleo, tardarían unas 40 semanas en resolverse. De ahí la necesidad de potencia de cálculo. Un equipo suele utilizar 192 núcleos, lo que reduce el tiempo de resolución a cuestión de horas.

Desgraciadamente, incluso con una modelización mejorada de las turbulencias, la técnica RANS tiene limitaciones y la regla de oro en estos momentos es la simulación numérica directa o DNS (Direct Numerical Simulation). Esa técnica resuelve directamente las ecuaciones de todos los vórtices, pero requiere tantos cálculos que no resulta práctica para la F1.

El futuro del CFD en la F1

En el desarrollo de los coches de F1 para 2022, se utilizó un sistema conocido como DES (Detached Eddy Simulations) Se trata básicamente de una solución de complejidad media que permite estudiar en detalle la estela turbulenta manteniendo el tiempo de cálculo dentro de unos límites razonables, pero igualmente son enormes.

También se utilizó en los estudios otra técnica conocida como técnica Lattice Boltzmann o LBM.

El CFD y la potencia de cálculo se han desarrollado mucho en poco tiempo, de modo que ahora es viable realizar una cantidad significativa de desarrollo en CFD, pero ¿qué hay del futuro?

El desarrollo aerodinámico se expandirá en dos áreas: la primera es el aprendizaje automático; la segunda se producirá en el campo de la multifísica, donde se simula conjuntamente un sistema completo y su entorno. Por ejemplo, el solucionador aerodinámico aplicará cargas que se desviarán, cambiando la aerodinámica. Incluso se pueden simular los efectos de la lluvia y analizar trayectorias completas. Eso ya es posible en cierta medida, pero los avances futuros acelerarán ese análisis.