Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Ballesteros T. R., Et Al.-Técnicas Numéricas en Mecánica de Fluidos
Ballesteros T. R., Et Al.-Técnicas Numéricas en Mecánica de Fluidos
http://web.uniovi.es/Areas/Mecanica.Fluidos/
TCNICAS NUMRICAS EN
MECNICA DE FLUIDOS
ndice.
Prlogo .................................................................................... 5
1.- Introduccin....................................................................... 7
1.1.- Perspectiva histrica .................................................................................................. 7
1.2.- Aplicaciones habituales de las tcnicas numricas ................................................... 8
1.3.- Niveles de aproximacin empleados en las tcnicas numricas. ........................10
Prlogo.
Las tcnicas numricas en Ingeniera han experimentado un gran desarrollo en las
ltimas dcadas. De esta tendencia no se ha apartado una rama tan caracterstica de la
Ingeniera Mecnica como es la Mecnica de Fluidos. En este trabajo se intenta recopilar las
tcnicas ms utilizadas y los tratamientos que se pueden hacer de las ecuaciones de
constitucin con el fin de obtener una solucin numrica de las mismas.
Esta publicacin constituye el resultado de varios aos de imparticin de la asignatura
de doctorado Dinmica de Fluidos Computacional que los profesores del rea de Mecnica
de Fluidos de la Universidad de Oviedo han realizado en distintos Departamentos de la
misma. Los autores han tratado de recoger la tradicin y conocimientos que comparten con el
resto de compaeros del rea, a los que agradecen sus enriquecedores comentarios.
1.- Introduccin.
La dinmica de fluidos computacional (o CFD, acrnimo de las palabras inglesas
Computational Fluid Dynamics) consiste en el anlisis del movimiento de los fluidos
mediante simulaciones con ordenadores. Su objetivo es la bsqueda de una solucin
aproximada de las ecuaciones que gobiernan el movimiento de los fluidos, discretizando o
dividiendo el dominio de clculo en pequeos elementos y resolviendo all dichas ecuaciones.
Los mtodos numricos aplicados a la Mecnica de Fluidos resultan una herramienta
muy til para el diseo y anlisis de las distintas situaciones prcticas en las que se utilizan
los fluidos.
Aunque se razone que se abaratan los costes respecto a las tcnicas experimentales, las
tcnicas CFD no son gratuitas. En primer lugar, son necesarias mquinas de gran capacidad
de clculo (los usuarios de tcnicas CFD trabajan habitualmente con los ordenadores ms
potentes que existen), y un software con precio todava no accesible al gran pblico. En
segundo lugar, se necesita personal cualificado que sea capaz de dominar los programas y,
sobre todo, analizar adecuadamente los resultados.
Los desarrollos en el campo de las tcnicas numricas dedicadas al estudio de flujos se
estn acercando cada vez ms a los de otras herramientas de CAE como las de anlisis de
10
Simplificacin del fenmeno a estudiar para que el hardware y software sean capaz
de abordarlo. El resultado ser tanto ms preciso cuanto ms adecuadas hayan sido
las hiptesis y las simplificaciones realizadas.
La existencia de insuficientes e incompletos modelos para la simular el efecto de la
turbulencia, los flujos multifsicos o la combustin, entre otros.
La tendencia humana de creerse todo lo que se ha obtenido utilizando un ordenador,
sobre todo cuando se presentan los resultados en forma atractiva.
11
cuales son descartables y, por tanto, en cualquier simulacin aplicada a la Mecnica de Fluidos,
es preciso dedicar mucho esfuerzo al anlisis de los resultados obtenidos antes de aceptarlos
como vlidos.
Una vez definidas las ecuaciones diferenciales simplificadas, aparece otro problema
relacionado con el posible tratamiento que se pueda hacer de dichas ecuaciones usando tcnicas
computacionales. Por medio de los ordenadores resulta muy fcil resolver una ecuacin o
sistema de ecuaciones algebraico, sin embargo, las ecuaciones que estudian el movimiento de
los fluidos son ecuaciones diferenciales no lineales. Resulta obligatorio realizar la
transformacin de las ecuaciones de forma que puedan ser resueltas por un ordenador. El paso
de las ecuaciones diferenciales a sus equivalentes lineales constituye otro nivel de aproximacin
y normalmente recibe el nombre de discretizacin de las ecuaciones.
En cuanto a la geometra a estudiar, se debe sealar que la aproximacin a la que debe
someterse no slo es de orden descriptivo respecto a su contorno sino que adems ha de
establecerse la definicin del espacio ocupado por el fluido. En este sentido, resulta
imprescindible referir los puntos a un determinado sistema de coordenadas en los que se
pretender resolver las ecuaciones para obtener soluciones de las variables deseadas. Aunque el
campo fluido sea un continuo, no se puede pretender resolver las ecuaciones en todos los puntos
de un determinado volumen, porque entonces se tendra un nmero enorme de ecuaciones a
resolver. Por tanto, hay que elegir cierto conjunto de puntos en los que se resolvern las
mencionadas ecuaciones y que sern los puntos dnde finalmente se conocern los valores de
las variables fluidas. La definicin de estos puntos es lo que se denomina habitualmente
discretizacin espacial del dominio (tambin se habla de generacin del mallado). El proceso
descrito no deja de ser otra aproximacin que se introduce en el clculo y que define el nivel de
aproximacin espacial.
En el caso de tener ecuaciones que dependan de la variable tiempo (flujo no
estacionario) es esencial la definicin de un nivel de aproximacin temporal. No es posible
tampoco estudiar la evolucin de las variables en el tiempo de forma continua. El nivel indicar
la forma de modelizar la evolucin real introduciendo lo que se denomina discretizacin
temporal del sistema de ecuaciones. A partir de la solucin calculada se podr realizar un
promediado temporal oportuno para estudiar ciertas caractersticas medias del flujo que
dependan de la evolucin de las variables con el tiempo.
Finalmente, se pueden manipular las ecuaciones eliminando ciertos trminos cuya
influencia en un determinado problema se considere despreciable. La conclusin de que algn
trmino no afecta a la solucin de una determinado flujo se debe alcanzar tras analizar
detenidamente la sensibilidad del problema ante valores dispares de dicho trmino.
Normalmente dicho estudio se hace tras adimensionalizar convenientemente las ecuaciones y
realizar el correspondiente anlisis de semejanza (tcnicas asintticas). Esta cuestin es de
importancia capital en la Mecnica de Fluidos y est en el origen de cualquier estudio
experimental. Desde el punto de vista numrico, la eliminacin de algn trmino en las
ecuaciones introduce lo que se denomina nivel de aproximacin dinmico de las ecuaciones
consideradas.
Resumiendo, desde el modelo matemtico (ecuaciones diferenciales no lineales) que
aproxima la realidad fsica en un medio continuo se llega a un nmero finito de ecuaciones
algebraicas que eliminan algn trmino de las ecuaciones de partida y que aproximan la
evolucin temporal real que, tras resolver con tcnicas apropiadas, proporcionan una
12
aproximacin al valor de las variables incgnita en los puntos elegidos como discretizacin
espacial del dominio de clculo. En definitiva, se establece un nivel de aproximacin numrico
lmite por debajo del cul ser imposible acercarse al valor real de las variables en los puntos
elegidos. Sin embargo, desde un punto de vista ingenieril, el proceso descrito es perfectamente
vlido y ha significado a lo largo de la evolucin de las tcnicas numricas, la posibilidad de
mejorar diseos y ahorrar mucho esfuerzo que de otra manera supondra trabas insalvables a la
evolucin de muchos sectores industriales. En la figura 1 se muestra grficamente la
panormica explicada en este apartado.
13
d
+ u = 0
dt
(1)
14
Cantidad de movimiento:
u
+ (u)u = p + f e
t
(2)
donde f e es la resultante de las fuerzas volumtricas externas que afecta a cada partcula.
Habitualmente slo se considera la fuerza debida a la gravedad, pero puede tener otros
componentes: fuerzas electromagnticas, fuerzas de Coriolis, fuerzas centrfugas, etc.
Flujo estacionario.
15
(3)
du
p 1 2
1
=g
+
u+
dt
Fr
Re
(4)
Cantidad de movimiento:
16
experimentos con fluidos se observa que para valores inferiores a un nmero de Reynolds
denominado crtico, el flujo es intrnsecamente estable y las capas de fluido adyacentes se
deslizan unas sobre otras de forma ordenada. El rgimen del flujo se denomina laminar.
Si el flujo tiene un valor del nmero de Reynolds por encima del denominado crtico,
se manifiestan en ste unas perturbaciones que dan lugar a un cambio radical del carcter del
flujo. El movimiento se vuelve intrnsecamente no estacionario, incluso con condiciones de
contorno constantes. Este rgimen se denomina flujo turbulento.
La turbulencia se define como el estado de movimiento de un fluido en el que las
distintas variables relevantes (presin, velocidad, etc.) fluctan de una forma desordenada. Se
trata de un estado no estacionario desde el punto de vista macroscpico en el que las distintas
variables adoptan valores dependientes tanto de la posicin como del tiempo y estos valores
varan de una forma aleatoria y desordenada.
La descripcin del movimiento de las partculas fluidas debido al efecto de la
turbulencia resulta altamente complejo y constituye un problema an sin solucin desde el
punto de vista de los mtodos numricos. Se han propuesto varias formas de resolver el
problema utilizando distintas aproximaciones. A continuacin se exponen los mtodos
conocidos como simulacin directa, simulacin de los grandes vrtices y promediado
temporal de las ecuaciones de Navier-Stokes.
- Simulacin directa de las ecuaciones (Direct Simulation, DS).
17
grandes vrtices, las ecuaciones no estacionarias del flujo se resuelven para el flujo principal
y para los vrtices grandes mientras que se modela el efecto de los vrtices pequeos.
Aunque sin llegar al extremo de la simulacin directa, slo es posible para problemas
simplificados y requiere unas capacidades de clculo muy elevadas.
- Modelos que promedian temporalmente las ecuaciones de Navier-Stokes
(RANS).
(5)
1 T
u(t) dt
T0
(6)
18
Para conseguir esto, las ecuaciones de Navier-Stokes se promedian sobre las escalas
de las fluctuaciones de turbulencia (RANS). Estos mtodos dan lugar a un campo de flujo
promediado y simulado que es ms uniforme que el flujo real, y, por tanto, reduce
drsticamente el nmero de puntos de la discretizacin espacial y de la temporal necesario
para obtener las variables buscadas.
Un modelo de turbulencia es un procedimiento numrico que permite relacionar los
valores medios de las fluctuaciones de las variables con los valores promedio (en la
nomenclatura propia de estos mtodos, se habla de cerrar el sistema de ecuaciones), de forma
que se puedan resolver las ecuaciones de gobierno. Un modelo de turbulencia ser til, dentro
de un programa CFD de propsito general, si es exacto, sencillo y econmico
(computacionalmente hablando). Los modelos de turbulencia ms comunes son los siguientes
(Wilcox, 1993):
Modelos algebraicos:
Modelo de cero ecuaciones: modelo de la longitud de mezcla.
Modelo Cebeci-Smith-Mosinki.
Modelo Baldwin-Lomax.
Modelos de viscosidad turbulenta:
Modelo de una ecuacin: modelo k.
Modelo de dos ecuaciones: modelos k-, k-2 o q-, modelo RNG.
Modelos de ecuaciones de las tensiones de Reynolds (RSM).
Cada uno de ellos tiene sus ventajas e inconvenientes. Aqu se expondr ms en
detalle el modelo k-, por ser muy extendido.
k=
1 2
u ' + v' 2 + w ' 2
2
= 2 e ij' e ij'
(7)
(8)
+ ( ku ) = t grad k + 2 t E ij E ij
k
(9)
+ ( u ) = t grad + C1 2 t E ij E ij C2
k
k
(10)
t
( )
t
19
u
y
(11)
(12)
k2
(13)
20
Las principales ventajas e inconvenientes del modelo, tal y como pueden encontrarse
en la bibliografa consultada (Lakshminarayana, 1991 y Versteeg et al., 1995), son las
siguientes:
a) Ventajas:
b) Inconvenientes:
Este tipo de modelos constituye una aproximacin muy usada en flujos internos (el
fluido est confinado en un canal de paso limitado por paredes slidas). La hiptesis bsica
consiste en suponer que el efecto de las tensiones cortantes debidas a la viscosidad es
21
equivalente a una fuerza de rozamiento distribuida a lo largo del canal de paso y definida por
valores semi-empricos conocidos del problema a resolver.
Aunque con este tipo de modelos se puede predecir el flujo en gran parte de la
geometra, es claro que se pierde la definicin en zonas cercanas a las superficies slidas. A
veces esta falta de precisin en la definicin del flujo no es tolerable y se requiere superponer
algn modelo de capa lmite complementario.
Los modelos de distribucin de prdidas fueron muy populares en los inicios de las
tcnicas CFD cuando la potencia de clculo haca difcil de llevar a la prctica cualquier otro
tipo de modelo (Bosman, 1976).
- Modelos de capa lmite (Boundary Layer Approximations).
Derivado de los estudios de Prandtl sobre la estructura del flujo para elevados valores
del nmero de Reynolds. Bajo estas condiciones, el campo de velocidades en un fluido se
puede separar en dos zonas, una de flujo no viscoso alejada de los contornos slidos y otra
dominada por los efectos de la viscosidad, denominada capa lmite.
Las ecuaciones de este tipo de modelos se pueden derivar de las del modelo de la capa
de cortadura simplificndolas an ms mediante la hiptesis del valor despreciable de la
velocidad en la direccin normal a la superficie considerada en comparacin con la velocidad
en la direccin de las lneas de corriente.
Tambin existen muchas aplicaciones prcticas de este tipo de modelos (Launder et
al., 1972)
- Modelos de la capa de cortadura (Thin Shear Layer, TSL).
Son mtodos apropiados para flujos con elevados nmeros de Reynolds en los que las
zonas de influencia viscosa, estelas o capas de cortadura ocupan una extensin muy reducida
dentro de la geometra del problema estudiado. Fuera de estas zonas, resulta suficiente con
considerar el modelo de fluido ideal.
Para este tipo de modelos se requiere una discretizacin espacial muy densa en las
zonas en las que se espera influencia de los trminos viscosos. En realidad, se trata de un
clculo ligeramente ms avanzado que el correspondiente al modelo de capa lmite, porque en
este caso la geometra de la capa lmite es resultado del clculo y no se introducen hiptesis
adicionales.
Este tipo de modelos ha sido aplicado a multitud de problemas relacionados con
aplicaciones aerodinmicas (Hirsch, 1988).
- Leyes de pared.
Una posibilidad distinta a los modelos mencionados consiste en incluir en los clculos
alguna aproximacin para la distribucin de velocidades esperada. Con tal fin, se pueden
22
23
(14)
VT u
p
1
+ ( u ) u =
+
u
x Re
L t
donde:
Re =
VL VL
=
es el nmero de Reynolds y
VT
el nmero de Strouhal.
L
(15)
24
Para Nmeros de Reynolds muy bajos (un flujo muy viscoso), el trmino
convectivo puede ser despreciado, quedando por tanto:
V2 T u
p
+ u = Re
t
x
(16)
p
x
Flujo No Estacionario
u =
(Comportamiento elptico)
(17)
u
0.
t
V2 T u
p
+ Re
(Comportamiento parablico)
x
t
(18)
Para Nmeros de Reynolds muy altos y fuera de la capa lmite, los efectos
viscosos apenas tienen influencia en el flujo. La ecuacin queda entonces reducida
a la ecuacin de Euler (Ecuacin de primer orden).
u
p
+ ( u ) u = t
x
(Comportamiento hiperblico)
(19)
La distincin entre unas ecuaciones y otras tiene una gran importancia porque los
mtodos numricos de discretizacin y resolucin de problemas son diferentes en cada caso.
Los fenmenos de difusin actan en todo el espacio independientemente de la direccin
predominante del flujo (comportamiento elptico). Por el contrario, los fenmenos de
conveccin actan en la direccin de propagacin, en regiones concretas del espacio
(comportamiento hiperblico)
Entre ambas posibilidades, una ecuacin con comportamiento parablico representa una
situacin intermedia que se puede interpretar como un proceso de difusin en todas las
direcciones pero amortiguado en el tiempo.
En las ecuaciones de Navier-Stokes no estacionarias, la ecuacin de continuidad es
hiperblica mientras que las ecuaciones de la cantidad de movimiento y de la energa son
parablicas en espacio y tiempo. Se habla de un comportamiento parablico-hiperblico. Sin
embargo, en las ecuaciones de Navier-Stokes en su versin estacionaria, las ecuaciones de la
cantidad de movimiento y de la energa tienen un comportamiento elptico por lo que se
tienen propiedades elptico-hiperblicas.
25
26
Sistemas Parablicos.
27
2 T
y2
=0
(20)
u
+u
+
=0
t
x
x
1 P
u
u
+u
=
t
x
x
(21)
= a2
x
x
(22)
<<
x
t
u
u
<<
x
t
(23)
entonces:
u
+
=0
t
x
u
a 2
=
t
x
donde es la densidad del fluido en reposo; combinando ambas ecuaciones:
(24)
28
2
t2
2
x2
=0
(25)
Esta ecuacin diferencial de segundo orden se debe resolver en un dominio espaciotemporal. Considrese de nuevo el efecto de una perturbacin introducida en el dominio; esta
perturbacin lgicamente slo afectar a tiempos t ti (donde ti es el instante en el que se
produce dicha perturbacin), es decir, slo a una parte del dominio temporal. No se puede
pues imponer condiciones de contorno en tiempos despus de tt. En este caso, los puntos del
dominio estn relacionados slo con los puntos que pueden influenciarles, y la solucin puede
ser obtenida avanzando progresivamente en el dominio temporal (time-marching). Se trata
de un problema de valor inicial.
o0o
A continuacin se describe la naturaleza de algunos problemas de Mecnica de
Fluidos:
Problemas de contorno (PC).
Flujo estacionario subsnico no viscoso irrotacional.
Flujo estacionario viscoso.
Problemas de valor inicial (PVI).
Flujo no estacionario.
Flujo estacionario supersnico no viscoso.
Flujo en capa lmite.
Problemas hbridos.
Flujo estacionario subsnico rotacional.
Flujo estacionario no viscoso irrotacional con zonas subsnicas y supersnicas.
29
30
(26)
du
1
u
=
+ (u)u = p + 2 u + ( u ) + f e
dt
3
t
(27)
Cantidad de movimiento:
Energa:
( E)
+ ( u E) = (kT) + u + Wf + q H
t
( )
(28)
31
32
La aplicacin de las leyes bsicas de la Fsica permite obtener las relaciones entre las
distintas variables a travs de un conjunto de ecuaciones diferenciales en derivadas parciales:
son las Ecuaciones de Constitucin de la Mecnica de Fluidos (ecuaciones 26 a 28). Por
desgracia, debido a su gran complejidad, rara vez es posible resolverlas de un modo exacto
(solucin analtica del problema) y es necesario buscar mtodos alternativos que proporcionen
una buena prediccin, es decir, mtodos que proporcionen una solucin numrica
aproximada. As, la solucin numrica aproximada se obtendr a partir de la resolucin de
una serie de relaciones algebraicas obtenidas mediante tcnicas de discretizacin de las
ecuaciones diferenciales en derivadas parciales.
En la figura 6 se muestra de forma esquemtica la metodologa propuesta por los
mtodos numricos.
33
34
se entiende como la obtencin de un valor fijo para las distintas variables dependientes sino
como la obtencin de una variacin peridica de los valores de cada una de estas variables.
Teorema de equivalencia de Lax: Dado un problema lineal correctamente planteado y
una aproximacin por diferencias finitas que satisface la condicin de consistencia, la estabilidad
es condicin necesaria y suficiente para que sea convergente.
Figura 7.- Requisitos que han de cumplir las discretizaciones en los mtodos numricos.
4.2.2.- Dificultades asociadas a la naturaleza de las ecuaciones de gobierno.
u(0)=1
(29)
(30)
Esta discretizacin particular se denomina mtodo explcito del punto medio (en ingls
leap frog). En el apartado 4.5 se ampla el estudio a otros tipos de mtodos utilizados en la
prctica. Si se expresa ahora u n +1 en funcin de u n y de u n 1 , se puede obtener que el factor
de amplicacin () debe cumplir la ecuacin:
35
2 2 q t 1 = 0
(31)
1, 2 = q t 1 + (q t ) 2
(32)
(33)
u [m/s]
1.2
1.0
0.8
0.6
0.4
0.2
0.0
0.0
0.2
0.4
0.6
0.8 t [s]
1.0
(34)
36
z = i sen
(35)
Es decir, la regin de estabilidad es el segmento del eje imaginario entre i y +i. Por lo
que para q = 1 no es posible obtener un valor de t que proporcione un mtodo con
estabilidad absoluta, lo cual explica el comportamiento observado en la figura 8.
Sin embargo, el caso del mtodo del punto medio constituye una situacin lmite. Si se
considera el mtodo de Euler hacia adelante (forward Euler) y se discretiza la misma
ecuacin 29, se obtiene:
u n +1 u n
= q un
t
(36)
(37)
37
en el que los coeficientes de la diagonal principal tienen valores tan dispares, y se observa su
solucin (combinacin lineal de dos soluciones particulares):
u1
1 3t
1 100t
= C1 e + C2
e
0
97
u2
(38)
(39)
38
Existe una diferencia clara entre los dos esquemas hacia adelante y hacia atrs. En
el primero, la solucin en un instante n+1 se obtiene explcitamente de la solucin en el
instante n, realizando operaciones aritmticas. Sin embargo, en el segundo caso, los valores
en el nuevo instante aparecen de forma implcita en la solucin de una ecuacin algebraica.
Aparece la diferenciacin entre mtodos explcitos y mtodos implcitos.
Se puede extraer la conclusin general de que los mtodos explcitos resultan ms
econmicos para cada paso temporal. Desafortunadamente, se ha demostrado que los mtodos
explcitos nunca pueden ser A-estables.
Por lo tanto, la eleccin entre un mtodo explcito o implcito requiere siempre buscar
un equilibrio entre la sencillez a la hora de programar y la estabilidad del mtodo. Para
problemas en los que no exista demasiada rigidez tales como los de flujos no viscosos, los
mtodos explcitos resultan competitivos, principalmente para problemas tridimensionales,
por requerir una menor cantidad de informacin almacenada. Por el contrario, para problemas
muy rgidos, tales como los flujos con viscosidad predominante o con reacciones qumicas,
los mtodos implcitos son generalmente los ms utilizados, a pesar del incremento de
necesidades de almacenamiento de las variables que imponen.
Diferencias finitas
- Discretizacin espacial:
Diferencias finitas
Elementos finitos
Volmenes finitos
Residuos ponderados
39
con i = 1...iN
j = 1...jM
(40)
(41)
(42)
(43)
40
u
u i+1, j - u i, j
=
x i, j
x
(44)
u
u i+1, j - u i-1, j
=
2x
x i, j
(45)
u
u i, j - u i-1, j
=
x i, j
x
(46)
Diferencia centrada.
u
x 2 2u
x 3 3u
+
+
+ ...
x i, j 2 x 2 i, j 3! x 3 i, j
u
u i+1, j - u i, j x 2u x 2 3u
=
+ ...
x i, j
x
2 x 2 i, j 3! x 3 i, j
(47)
(48)
u
x 2 2u
x 3 3u
+
+ ...
+
x i, j 2 x 2 i, j 3! x 3 i, j
(49)
u i-1, j = u i, j - x
u
x 2 2u x 3 3u
+
+ ...
x i, j 2 x 2 i, j 3! x 3 i, j
(50)
u
u i+1, j - u i-1, j x 2 3u
+ ...
=
x i, j
2x
6 x 3 i, j
(51)
x
u + ... = O(x)
2 xx
(52)
x2
u + ... = O( x 2)
6 xxx
(53)
41
(54)
u i+1, j - u i, j
+ O( x 2 )
x
(55)
u x )i, j =
u x )i+ 1 , j =
2
x i+1
x
i-1
i+1
u ui +1 - u i u i - u i-1
u
-
x i +1 x i x i +1
xi
=
+ E.T.
u xx )i =
x i +1 - x i
x i +1 - x i
2
2
(56)
(57)
ij
i+1 j
i-1 j
i j-1
42
u
u
y
x i, j
y i, j
(58)
u
u i, j+1 - u i, j-1
=
y i, j
y
(59)
u
u i+1, j - u i-1, j
=
S i, j
S
(60)
Entonces:
=
sen + cos
S x
y
(61)
u
u i+1, j - u i-1, j 1 u i, j+1 - u i, j-1
cotg
=
sen
x i, j
S
y
(62)
entonces, se deduce:
Considrese una ecuacin genrica en derivadas parciales que proviene de una ley de
conservacin integral:
u
+ F=Q
t
(63)
u d + F d = Q d,
t
(64)
43
u = ; F = u ; Q = 0
(65)
La ley integral utiliza flujos en el contorno de en la figura 14. Por tanto, esta
formulacin posee la siguiente propiedad:
+
=
t ABC
+
=
t BDE
+
=
t ADE
= 1 + 2 +3
(66)
(67)
(68)
E
B
1
u f(u)
=q
+
t
x
(69)
a=
f
u
(70)
44
i-3/2
i-1/2
i+1/2 i+3/2
x
i-1
i+1
x
Figura 15.- Discretizacin unidimensional centrada.
Se tienen las siguientes aproximaciones:
1
1
ui f i+ 2 f i 2
+
= qi
Punto i:
t
x
1
3
u i +1 f i + 2 f i + 2
+
= qi +1
Punto i+1:
t
x
3
1
u i 1 f i 2 f i 2
+
= qi 1
Punto i-1:
t
x
(71)
(72)
(73)
+
t
3
3x
3
(74)
Esta expresin representa una discretizacin aplicada al elemento comprendido entre los
puntos i-3/2 e i+3/2.
Si se considera la formulacin cuasi-lineal:
ui+ 1 - ui 1
ui
2
+ ai 2
= qi
t
x
ui+ 3 - ui+ 1
2
= qi+1
Punto i+1: ui+1 + a i+1 2
t
x
ui 1 - ui 3
u i 1
2
+ a i-1 2
= qi-1
Punto i-1:
t
x
Punto i:
ai+ 1 - ai 1
2
, se obtiene:
3
3
3
3
u i 1 + u i + u i +1 a i + 2 - a i- 2 u i + 2 - u i 2 q i 1 + q i + q i +1
+
-
=
3
2
3x
3
t
(75)
(76)
(77)
45
a i+ 1 - a i 3 ui+ 3 - ui 1
2
2
2
(78)
+ 2
2
3x
2
3x
Una discretizacin directa de la ecuacin cuasi-lineal sobre el elemento comprendido
entre i-3/2 y i+3/2 habra proporcionado la parte izquierda de la ecuacin. Se aprecia que la
discretizacin de la formulacin no conservativa produce trminos extra. Dichos trminos se
pueden considerar una discretizacin de segundo orden de un trmino proporcional a:
2
x 2 [(a x u x ) x - a x u xx ]
(79)
en el punto i. Para flujos continuos, estos trminos son del mismo orden que el error de truncado,
y pueden ser despreciados; pero pueden producir grandes errores cuando hay discontinuidades,
como en el caso de existir ondas de choque.
o0o
Las discretizaciones conservativas son la base del mtodo de los volmenes finitos. Este
mtodo constituye la tcnica ms comnmente empleada en la discretizacin de las ecuaciones de
constitucin. Se desarroll para resolver especficamente problemas de transferencia de calor y de
mecnica de fluidos (Patankar, 1980). Parte del hecho de que las leyes bsicas de la mecnica de
fluidos son leyes de conservacin y pueden ser expresadas en forma de balances macroscpicos de
las distintas variables.
En primer lugar se define una divisin del dominio en celdas que no se superpongan
unas con otras. Normalmente se usan figuras geomtricas sencillas, que constituyen el
mallado del dominio a estudiar.
A continuacin se aplican los balances de los flujos de las distintas variables en los
volmenes construidos a partir del mallado definido. En general stos no tienen porque
coincidir con las celdas del mallado, pudiendo ser conjuntos de celdas o encontrarse
desplazados con respecto a dichas celdas.
Para cada uno de los volmenes el balance de los flujos de una determinada variable
proporciona informacin sobre el valor medio de dicha variable en el interior del mismo.
Desde un punto de vista prctico, el mtodo consiste en ir sustituyendo las integrales de la
ecuacin general de conservacin por sumatorios sobre las caras del volumen, que indicarn la
forma de variacin de dicha variable para cada volumen elemental, llegndose a la expresin:
t
n
( Variable ) = (Flujos + Trminos fuente
1
(80)
donde es el volumen de cada volumen, n es el nmero de las caras del volumen y los
trminos de flujo se evalan en la direccin normal de cada cara.
Los valores de las distintas variables en las caras (superficies o lados) de los distintos
volmenes no son conocidos y se requiere algn tipo de interpolacin numrica para su
clculo. La eleccin de los volmenes, as como la de las interpolaciones, dan lugar a una gran
variedad de mtodos (Hirsch, 1988; Degrez, 1994).
46
47
u d + F d = Q d
t i
i
i
(81)
ui
+ F = Qi i
t lados
(82)
El flujo a travs de un contorno debe ser calculado mediante una frmula independiente
del volumen a que pertenezca (figura 17):
(83)
f AB =
fi + f j
,
2
g AB =
gi + g j
2
(84)
48
O tambin:
ui + u j
ui + u j
, g AB = g
f AB = f
2
2
xy
ui j
+ (f AB - f CD)y + (g BC - g AD)x = xy Qi j
t
(85)
(86)
B
i
j
A
Figura 17.- Dominios adyacentes.
fCD = fi - , j
gAD = gi, j -
fCD = fi - , j
(87)
49
u i, j f i+ 12 , j - f i- 12 , j g i, j+ 12 - g i, j- 12
+
+
= Qi, j
t
x
y
(88)
f i, j + f i +1, j
,
2
g i, j+ 1 =
2
g i, j + g i, j+1
2
(89)
se obtiene:
u i, j f i+1, j - f i-1, j g i, j+1 - g i, j-1
+
+
= Q i, j
t
2x
2y
(90)
o0o
2) Centrado en los vrtices. Las variables se definen en los vrtices del elemento (ver figura 19).
50
(91)
esta funcin no satisface el problema diferencial D(u) = 0, sino que D(u*) = r* 0, donde r* es el
residuo. Se trata de minimizar el residuo.
- Mtodo de los mnimos cuadrados.
Se minimiza el cuadrado del residuo sobre el dominio, es decir:
(r*) 2 d es minimo
(92)
r*
r* d = 0
ui
(93)
Esta expresin representa una suma ponderada de los residuos sobre el dominio siendo
r*
el coeficiente de ponderacin w i =
.
ui
Existen variantes del mtodo dependiendo de la eleccin de las funciones de ponderacin
wi y de las funciones base:
Supngase que se han elegido las funciones base. Entonces las posibilidades son cuatro:
1) Si se eligen como funciones de ponderacin a las funciones base: Mtodo de
Galerkin.
2) Si se eligen como funciones de ponderacin distribuciones de Dirac, es decir,
imponer que el residuo se anule en puntos concretos del dominio: mtodo de
colocacin.
51
Aplica a una representacin funcional los conceptos del mtodo de las diferencias
finitas. Los parmetros de la representacin son puntos que dividen el dominio en una serie de
elementos. Las funciones base se definen como interpolaciones polinmicas restringidas a los
elementos contiguos (normalmente tringulos o cuadrilteros en dos dimensiones). Las
interpolaciones pueden resultar en aproximaciones lineales, cuadrticas o de orden superior.
Normalmente, para las aplicaciones de Mecnica de Fluidos se recomienda que sean al menos
cuadrticas para poder aproximar las derivadas segundas con cierta precisin.
Un ejemplo de aplicacin del mtodo de elementos finitos se muestra en Combes
(1991).
Al igual que en el mtodo de diferencias finitas, los parmetros de la representacin
son valores puntuales asociados a los nodos de un mallado. En este caso, los puntos se sitan
en curvas que subdividen el dominio en zonas no superpuestas. Adems, a cada nodo se le
asociar una funcin de interpolacin polinmica entre elementos contiguos. As, se consigue
un sistema de ecuaciones algebraicas compactas que relacionan pocos valores puntuales. Los
diferentes pasos del mtodo son:
i) Cubrir el dominio con un conjunto de elementos no superpuestos, normalmente
tringulos o cuadrilteros (ver figura 20). En cada nodo definirn los valores discretos de
las funciones incgnitas; en cada elemento pueden definirse puntos o nodos tanto en el
interior o en los lados (ver figura 21).
52
i
Figura 21.- Nodos de partida para elementos bidimensionales y unidimensionales.
ii) El segundo paso es construir unas funciones Ni(x) asociadas a cada nodo i: funciones
de interpolacin o funciones de forma. Con estas funciones se pretende reconstruir
una aproximacin continua de una funcin a partir de los valores discretos en los
nodos.
Requerido
u (x) en un punto arbitrario que se aproxime a u(x)
de forma que u (xi)=ui
53
La funcin requerida se define u (x) = uj Nj(x). Las funciones Nj(x) se definen con las
siguientes restricciones:
1) Deben ser simples, para evitar una expresin compleja que implique muchos
puntos (ver figura 23).
As, en xj < x < xj+1
2) Se requiere que u (xi) = ui; por tanto u (xi) = uj Nj(xi) = ui. Esto implica:
Ni(xi) = 1
Nj(xi) = 0 si i j, o sea Ni(xj) = ij
i (x)
x
i
x
1
(94)
54
u
=g
n
u = u*
Figura 23.- Dominio bidimensional para aplicacin del mtodo de los elementos finitos.
Donde la ecuacin a resolver es
u = q
(95)
u = u* en D
u
= g en N
n
(96)
(97)
wudV = wqdV,
(98)
(99)
En el mtodo de Galerkin, las funciones w elegidas son las funciones de forma Ni(x):
w(x, y) = i N j (x, y);
(100)
Sustituyendo:
u
i - Ni u d + Ni n d - N i q dV = 0
i
i
i
(101)
55
u
- Ni u d + Ni d - N i q d = 0
n
i
(102)
Se obtiene as una expresin para cada nodo. Ahora sustituyendo u a partir de las
funciones de forma:
u = u j N j y u = u j N j
(103)
u
- u j N j Ni d + Ni d - N i q d = 0
n
(104)
se obtiene:
u j k i j = Fi j
(105)
o0o
- Mtodos espectrales.
56
Algunos aspectos relacionados con los mtodos numricos que pueden aparecer de
forma comn en las tres tcnicas son:
-
57
(106)
(107)
~
U in +1 = U in +1 + (1 )U in
(108)
(109)
Sea un dominio espacial uniforme con puntos separados una longitud constante x.
Una vez se haya definido el mallado, se discretiza la ecuacin:
U in +1 U in
U n 2U in + U in+1
= i 1
t
x 2
Usando un factor de relajacin , se llega a la expresin:
(110)
58
~
~
~
U in+11 2U in +1 + U in++11
U n 2U in + U in+1
U in +1 U in
+ (1 ) i 1
t
x 2
x 2
(111)
En esta nueva ecuacin se observa que hay una relacin entre la velocidad en la
iteracin n+1 y la velocidad en la iteracin n, pudiendo cambiar los nodos que deben ser
consultados, lo que da lugar a dos tipos de esquemas:
n
i-1
n +1
i
n
i+1
n +1
i-1
n +1
i
n +1
i+1
ii)
En el esquema explcito (figura 24) se deben resolver todas las ecuaciones para
conocer todas las variables. Las ecuaciones explcitas necesitan pasos
temporales muy pequeos de tiempo t . En este caso se ha de verificar la
relacin t / x 2 1 / 2 para asegurar la estabilidad.
En cambio, las ecuaciones implcitas no tienen este problema si se toma como
factor de relajacin 1/2 (conocido como esquema de Crank-Nicholson, ver
apartado siguiente).
(112)
i-1
59
i+1
x
(113)
(114)
(115)
60
6
3
1
i 1 + i i 2
8
8
8
(116)
(117)
(1 + ) U n + 2 (1 + 2 ) U n +1 + U n = t [ H n + 2 + (1 )H n +1 ]
(118)
1
2
(119)
61
3 n +2
1
U
2 U n +1 + U n = t H n + 2
2
2
(120)
(U n+2 U n+1 ) = t [H n +2 ]
(121)
(U n+1 U n ) = 2t [H n +1 + H n ]
(122)
(U n+1 U n ) = t [H n ]
(123)
Ejemplo.
= 2 +
2
t
x
y
(124)
(125)
62
t n +1
( u i+1, j + u i,n +j+11 + u in+1,1 j + u i,n +j11 4 u i,n +j1 )
x 2
(126)
Mtodos predictor-corrector.
Linealizacin local.
Mtodos implcitos (ADI).
Mtodos Runge-Kutta.
=0
(127)
63
(128)
1 2
0 1
0 0
1 0
2 1 0
...
0
0
0 1 2 1
0 1 2
0 a 20
T1 b1
T
b
2 2
T3 b 3
T20
b 20
a 21 T b
21
21
(129)
64
donde b2 = b3 = b4 = ... = b20 = 0 y los valores de a1, a2, a20, a21, b1 y b21 se deducen de las
condiciones de contorno (temperaturas en los extremos de la barra).
Para los dos extremos se puede tomar una aproximacin lineal o de segundo orden no
centrada (similar a la de la ecuacin 128). Si se toma la aproximacin lineal, se tiene (ver
figura 28):
T T
T T
k 2 1 = k 1 A
x
x/2
(130)
(131)
2 TB 3 T21 + T20 = 0
(132)
1 2
0 1
T1 2 TA
1 0
T2 0
T3 0
2 1 0
...
0
0 1 2 1 0
0
0 1 2 1
T20 0
0 1 3 T21 2 TB
0
(133)
65
T2 307.14
T3 311.90
T 390.48
20
T21 395.24
(134)
T [K]
500
450
400
350
x [m]
300
0
20
40
60
80
100
120
(135)
qB
x
k
(136)
es decir:
TB = T21
66
(137)
(138)
1 2 1 0
0 1 2 1 0
0
...
0
0 1 2
0 1
T1 600
T2 0
T 0
3
1 0
0
2 1
T20 0
1 1
T21 1.23
(139)
que resuelto proporciona la solucin mostrada en la figura 30. Se obtiene de nuevo una
solucin lineal, pero con un mayor gradiente de temperaturas (TB = 430 K).
T [K]
500
450
400
350
x [m]
300
0
20
40
60
80
100
120
67
(140)
expresin en la que los coeficientes S seran los posibles valores de fuentes puntuales
(trminos independientes de las matrices).
En concreto, se introduce una fuente puntual de calor en el nodo 11. Las ecuaciones
para ambos casos no cambiaran y nicamente habra que introducir un valor distinto de 0 en
el trmino independiente de la ecuacin correspondiente al tramo nmero 11. Por ejemplo,
para el caso de conocer las temperaturas en los dos extremos, se tendr:
3 1
1 2
0 1
T1 2TA
T
0
2
T3 0
= b11
0 1 2 1 0
0 1 2 1
T20
0
0 1 3 T21 2TB
0 0
1 0
2 1 0
...
0
(141)
x
5 m
= ( 750 W/m 2 )
= 18.53 K
k
202.4 W/(mK)
(142)
-1
0
T1 2TA
T2 0
2 1 0
T 0
3
-1 2 1 0
0
...
0
= 18.53
0
0
0 -1 2 -1 0
0
0 -1 2 -1
T20 0
0 -1 3
T21 2TB
-1 0
(143)
68
T [K]
4.60e+02
4.40e+02
4.20e+02
4.00e+02
3.80e+02
3.60e+02
3.40e+02
x [m]
3.20e+02
3.00e+02
0
20
40
60
80
100
120
Figura 31.- Evolucin de la temperatura en una barra con fuente de calor puntual.
Esta distribucin se puede mostrar tambin en forma de campo de temperatura a lo
largo de la barra (figura 32), en la que se representa por medio de escala graduada la
temperatura en la barra (escala de 300 K a 450 K).
4.50e+02
4.35e+02
4.20e+02
4.05e+02
3.90e+02
3.75e+02
3.60e+02
3.45e+02
3.30e+02
3.15e+02
3.00e+02
Y
Z
Figura 32.- Campo de temperaturas en una barra unidimensional con fuente puntual de calor.
De forma totalmente paralela, el sistema para el caso de tener un flujo calorfico de
150 W/m2 en el extremo B, resulta ser:
1 2
0 1
T1 2 TA
1 0
T2 0
T3 0
2 1 0
...
0
= 18.53
0 1 2 1 0
0
0 1 2 1
T20 0
0 1 1 T21 1.23
0
69
(144)
Y
Z
es decir:
(145)
70
k
k
(2 TA 2 T1 ) (T1 T2 ) + q1 x = 0
x
x
(146)
O, lo que es lo mismo:
3
k
k
k
k
k
T1 = 2
T1 +
T2 + q1 x = 2
T1 +
T + b1
x
x
x
x
x 2
(147)
x
5 m
= ( 750 W/m 2 )
= 18.53 K
k
202.4 W/(mK)
(148)
1 2
0 1
T1 2 TA + 18.53
1 0
T2 18.53
T3 18.53
2 1 0
...
...
0
= 18.53
0 1 2 1 0
...
0 1 2 1
T20
0
0 1 3 T21
2 TB
(149)
T [K]
9.00e+02
8.00e+02
7.00e+02
6.00e+02
5.00e+02
4.00e+02
x [m]
3.00e+02
20
40
60
80
100
120
Figura 34.- Evolucin de la temperatura en una barra con fuente de calor puntual.
Esta distribucin se puede mostrar tambin en forma de campo de temperatura a lo
largo de la barra (figura 35), en la que se representa por medio de escala graduada la
temperatura en la barra (escala de 300 K a 900 K).
71
9.00e+02
8.40e+02
7.80e+02
7.20e+02
6.60e+02
6.00e+02
5.40e+02
4.80e+02
4.20e+02
3.60e+02
3.00e+02
Y
Z
1 2
0 1
T1 2 TA + 18.53
1 0
T2 18.53
T3 18.53
2 1 0
...
...
0
18
.
53
0 1 2 1 0
...
0 1 2 1
T20
0
0 1 1 T21
1.23
0
(150)
72
Y
Z
3.00e+02
T [K]
1.20e+03
1.10e+03
1.00e+03
9.00e+02
8.00e+02
7.00e+02
6.00e+02
5.00e+02
x [m]
4.00e+02
3.00e+02
20
40
60
80
100
120
2 T
y2
=0
(151)
sobre la geometra de la figura 38 (se ha tomado una geometra rectangular con la base el
doble de la altura).
73
=0
(152)
donde los puntos (i-1, j), (i, j+1), (i, j-1) y (i+1, j) son los correspondientes a la nomenclatura
de la figura 39.
74
(153)
(154)
de donde:
1
[T + Ti+1 j + Ti j1 + Ti j+1 ]
4 i 1 j
(155)
Figura 40.- Condicin de contorno para el problema de la conduccin en una placa plana.
En concreto, se resuelve el problema para obtener la distribucin de temperaturas en
una placa de (63 m2, es decir, L = 3 m) y considerando una discretizacin de 2412 celdas.
Se impone una zona central formada por 8 celdas (2 m) en la base con una mayor temperatura
que el resto. Las condiciones de contorno elegidas son:
75
T0 j = 300 K j
Ti12 = 300 K i
T24 j = 300 K j
(156)
T [K]
y=2.75
y=2.5 m
650
Y=2.25 m
600
Y=2 m
550
y=1.75 m
500
y=1.5 m
450
y=1.25 m
y=1 m
400
y=0.75 m
350
y=0.5 m
300
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23
y=0.25 m
Posiciones i
Figura 41.- Conduccin de calor en una placa plana. Distribucin de temperaturas.
En la figura 42 se muestra la solucin obtenida mediante un cdigo numrico
comercial. Adems, con este cdigo se puede obtener una distribucin bidimensional del
campo de temperaturas en la placa. Para las condiciones de contorno de la ecuacin 156, se
obtiene el resultado mostrado en la figura 43.
76
T [K]
x [m]
Figura 42.- Conduccin de calor en una placa plana. Distribucin de temperaturas.
2 Ti 1, j Ti, j1
+
3 2
2
(157)
77
T [K]
y=2.75
750
y=2.5 m
700
Y=2.25 m
650
Y=2 m
600
y=1.75 m
550
y=1.5 m
500
y=1.25 m
450
y=1 m
400
350
y=0.75 m
300
y=0.5 m
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23
y=0.25 m
Posiciones i
Los resultados que se obtienen con el cdigo numrico se muestran (ver figura 45) en
forma similares distribuciones a las mostradas en la figura 44 y en forma de campo de
temperaturas en la figura 46.
T [K]
x [m]
Figura 45.- Conduccin de calor en una placa plana con flujo neto nulo en las paredes.
Distribucin de temperaturas obtenida utilizando el cdigo numrico.
78
300 300 300 300 300 300 300 300 300 300 300 300 300 300 300 300 300 300 300 300 300 300 300 300 300
11
300 302 304 306 309 311 313 315 317 319 321 322 322 322 321 319 317 315 313 311 309 306 304 302 300
10
300 304 308 312 317 322 326 331 335 339 342 344 344 344 342 339 335 331 326 322 317 312 308 304 300
300 306 312 318 325 332 340 347 354 360 364 367 368 367 364 360 354 347 340 332 325 318 312 306 300
300 308 316 324 333 343 353 363 373 381 388 392 393 392 388 381 373 363 353 343 333 324 316 308 300
300 309 319 329 341 353 366 380 394 405 414 420 422 420 414 405 394 380 366 353 341 329 319 309 300
300 310 321 333 347 362 379 398 416 432 444 451 454 451 444 432 416 398 379 362 347 333 321 310 300
300 311 322 336 351 370 391 415 440 462 478 488 491 488 478 462 440 415 391 370 351 336 322 311 300
300 311 322 336 352 374 401 433 467 497 519 531 535 531 519 497 467 433 401 374 352 336 322 311 300
300 309 320 333 349 372 405 448 499 541 568 583 588 583 568 541 499 448 405 372 349 333 320 309 300
300 307 315 325 340 362 397 455 542 598 629 645 650 645 629 598 542 455 397 362 340 325 315 307 300
300 304 308 314 323 338 367 434 614 680 707 718 722 718 707 680 614 434 367 338 323 314 308 304 300
300 300 300 300 300 300 300 300 800 800 800 800 800 800 800 800 800 300 300 300 300 300 300 300 300
0
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
79
Se trata aqu de resolver el problema del flujo de un fluido entre dos placas planas,
siendo la separacin entre ambas mucho menor que la longitud de los lados de dichas placas
(figura 48).
y
h
x
L
Figura 48.- Geometra para el problema del flujo entre placas planas paralelas.
Se parte de las ecuaciones de Navier-Stokes (ecuacin 2) y se introducen las siguientes
hiptesis simplificativas:
i) Flujo incompresible: u = 0 .
ii) Flujo estacionario, variaciones temporales nulas.
iii) Movimiento bidimensional (separacin entre placas mucho menor que longitud de
las mismas, h << L):
2
n
=
=
...
=
=0
x x2
xn
(158)
u = u i +v j+wk = u i
(159)
(160)
80
(161)
=0
y2
(162)
Es decir:
u ( y) = c1 y + c 2
(163)
y = 0 u ( y) = 0
y = h u ( y) = U
(164)
U
y
h
(165)
x
L
2u
y2
=0
(166)
Si ahora se imponen las condiciones de contorno de velocidad nula de las dos placas,
se tiene:
y = 0 u ( y) = 0
y = h u ( y) = 0
(167)
81
expresin que da lugar a un perfil parablico (ver figura 50), habitualmente denominado flujo
de Poiseuille:
p* 2
y hy
2
u ( y) =
(168)
y
h
UMX
x
L
U
p* 2
y+
y hy
h
2
u ( y) =
(169)
ecuacin en la que el efecto de p* puede ser el mismo (p* > 0 o bien en la figura 51) o
contrario (p* < 0 o bien en la figura 52) que el movimiento de la placa.
U
+
L
Figura 51.- Perfil parablico ms perfil lineal para el flujo entre dos placas con p* > 0.
y
h
U
+
L
Figura 52.- Perfil parablico ms perfil lineal para el flujo entre dos placas con p* < 0.
82
Q
=
b
h
0
u(y) dy =
U h p* h 3
2 12
(170)
6 U
h2
(171)
5 metros
5 mm
Figura 53.- Solucin numrica particular para el flujo entre placas paralelas.
Adems de haber obtenido las expresiones tericas exactas, se puede resolver el flujo
utilizando un mtodo numrico (cdigo comercial Fluent). Para el caso de flujo de Couette y
velocidad uniforme de 5 m/s y se obtiene el resultado mostrado en la figura 54.
Figura 54.- Flujo con perfil lineal entre dos placas planas.
Para el caso de flujo de Pouseuille con p = 8.5 MPa (p* = p/L = 1.7 MPa/m), se
obtiene el perfil parablico de la figura 55. Se ha escogido este valor porque segn la
ecuacin 168 produce una velocidad mxima de 5 m/s.
83
Figura 56.- Perfil parablico superpuesto al lineal con efectos en el mismo sentido.
En la figura 57 se muestra la distribucin de velocidad para las distintas alturas y entre
las placas (0 < y < 0.005 m), observndose claramente la posicin y valor del mximo.
84
u (y) [m/s]
y [m]
Figura 57.- Distribucin de velocidad entre las dos
placas planas con superposicin de efectos.
Si, por el contrario, el efecto del gradiente de presin es opuesto al del movimiento de
la placa superior (ecuacin 169 con p* < 0), se obtiene el resultado de la figura 58. Se utilizan
los mismos valores numricos: velocidad uniforme de 5 m/s y p = 8.5 MPa.
Figura 58.- Perfil parablico superpuesto al lineal con efectos en sentido opuesto.
En la figura 59 se muestra la evolucin de la velocidad para una posicin x dada en
funcin de la altura.
85
u (y) [m/s]
y [m]
Figura 59.- Distribucin de velocidad entre las dos
placas planas con superposicin de efectos opuestos.
Se puede resolver este caso para la condicin de caudal nulo (Q = 0), en cuyo caso el
gradiente de presin reducida ha de ser:
p* =
6 U
= 1.272 MPa
h2
(172)
86
u (y) [m/s]
y [m]
Figura 61.- Perfil de velocidad en una posicin x en funcin de la altura y.
Numricamente, a partir de la solucin obtenida, se comprueba que Q = 0 para el caso
as definido.
4.6.4.- Flujo en un conducto cilndrico.
(173)
p
+ g cos
L
(174)
p* 2
r R2
4
(175)
87
r
p1
p2
R 2
u = u MX 1
r
con u MX =
p*R2
4
(176)
p* 4
R
8
(177)
5 metros
5 cm
Figura 63.- Geometra para el problema del flujo en conductos cilndricos.
Para ello se discretiza el dominio usando un mallado no estructurado en la seccin
transversal y proyectndolo en la direccin del flujo, tal y como se muestra en la figura 64.
88
Figura 64.- Geometra discretizada para resolucin del caso de conducto horizontal.
El movimiento del flujo ser debido nicamente a la diferencia de presin entre la
entrada y la salida. Se fija un caudal que asegure el flujo laminar, por ejemplo, 3.92 l/s. El
gradiente de presin reducida necesario ser:
p* =
8 Q
R4
= 1693 Pa / m
(178)
(179)
89
Tal y como se haba previsto con la ecuacin terica, se obtiene un perfil parabolico de
velocidad. En la figura 66 se muestra dicho perfil en la seccin de salida, donde cada punto
representa el valor de la velocidad en cada celda de la seccin transversal del conducto.
u (r) [m/s]
r [m]
Figura 66.- Distribucin de velocidad en la salida (perfil parablico).
Tambin se puede visualizar la presin en distintas secciones, observndose su
carcter lineal con la distancia (figura 67).
90
Los flujos incompresibles han sido mencionados como una aplicacin particular de las
ecuaciones de Navier-Stokes en apartados anteriores. Se profundiza un poco ms en su
estudio y se presenta un ejemplo de clculo basado en el algoritmo del paso fraccional.
A continuacin se describe la resolucin de uno de los problemas clsicos en la
Mecnica de Fluidos: la descarga de un depsito a travs de un conducto con una vlvula que
tiene una apertura dependiente del tiempo. Inicialmente se describe la problemtica general de
los flujos incompresibles para pasar luego a la resolucin del problema concreto.
Introduccin: Estudios sobre flujo incompresible mediante mtodos numricos.
91
de soluciones numricas a problemas prcticos tan dispares como el flujo en el motor de una
lanzadera espacial o el flujo en un implante de un corazn.
Constituye un referente ineludible en cualquier estudio relacionado con la aplicacin
de tcnicas numricas al estudio de flujos incompresibles.
Posibilidades de resolucin de las ecuaciones para flujos incompresibles no estacionarios.
92
Respecto a las soluciones que emplea la ecuacin de Poisson para la presin, se pueden
distinguir dos aproximaciones diferentes, de caractersticas similares, pero de muy distinta
implementacin:
i) Mtodo de presin corregida. Introducido por Patankar (1980), consiste en una
manipulacin de la presin que da lugar a un proceso de solucin iterativo para los campos de
presiones y velocidad. La aplicacin de este razonamiento, ha dado lugar a un conjunto de
soluciones para el caso de flujos estacionarios usado en muchos programas comerciales. Para el
caso no estacionario su mayor desventaja es la necesidad de condiciones de contorno para el
campo de presiones ficticio y la de requerir una iteracin adicional para cada paso temporal. A
este tipo de mtodos se les denomina SIMPLE, debido a que son estas las iniciales del
algoritmo ms importante desarrollado por Patankar (1980).
ii) Mtodo de paso fraccional. Desarrollado a partir de los algoritmos MAC (Mark and
Cell), su aplicacin para el estudio de flujos incompresibles y no estacionarios fue establecida
por Peyret y Taylor (1983). Se parte de la formulacin de ecuacin de Poisson para la presin y
se trata de discretizar las ecuaciones de gobierno para luego diferenciar la ecuacin de cantidad
de movimiento aplicando la condicin de divergencia nula para la velocidad. El mtodo de paso
fraccional es una de las posibilidades ms aconsejadas en la bibliografa consultada (Rosenfeld
et al., 1991 o Gresho, 1991) para el tratamiento de flujos no estacionarios. Adems, a travs de
estrategias computacionales como el multimallado, puede conducir a soluciones con un tiempo
de clculo muy reducido, lo cual le dara una gran ventaja respecto al mtodo de la
pseudocompresibilidad.
Ejemplo de algoritmo de resolucin.
(180)
Du
1
=-p+
g
Dt
Fr
(181)
n +1
-u n
+ p n +1 + ( u n ) u n = 0
t
(182)
93
f
n
u - u + ( n ) n = 0
u
u
t
(183)
n +1
-uf
+ p n +1 = 0
t
(184)
La condicin que se busca para el paso temporal n+1 es la adivergencia del campo de
velocidades. Expresada matemticamente, dicha condicin se escribe:
n +1
=0
(185)
La forma de operar del mtodo de paso fraccional se puede resumir en los siguientes
cuatro pasos bsicos:
i) Resolucin de la ecuacin 183, obtenindose de forma explcita el campo de
velocidades intermedio ( u f ), por ser la nica incgnita en el paso temporal n.
ii) Se toma la divergencia de la ecuacin 184 e imponiendo la condicin dada por 185,
se obtiene la ecuacin de Poisson para la presin:
p n +1 =
1
u f
t
(186)
iii) Una vez resuelta esta ltima, se puede obtener la solucin para el campo de
presiones.
iv) Resolviendo 184, con pn+1 ya conocido, se llegara al campo de velocidades
adivergente buscado para paso temporal n+1.
Algoritmo unidimensional. Problema de la descarga no estacionaria de un depsito.
94
x
t
(187)
2
u =
1
4
[ 1 cos
( t)
(188)
1.00
u*
0.75
0.50
Modelo Unidimensional
0.25
Ecuacin Diferencial
0.00
0
10
15
t*
20
95
Algoritmo bidimensional.
h2 u +
1
u
t
h
h
1
2
v
1
h1 h2
t
( h v) = 0
1
(h u)+
( h u v) + u v h
v2
( h u v) +
( h v ) + u v h
u2
h2
h1
+ h2
+ h1
p
= 0
p
= 0
(189)
Ecuaciones en las que u y v son las componentes de la velocidad ( u ) en funcin del
tiempo (t), expresadas en la referencia del sistema ortogonal y los hi son los coeficientes mtricos
correspondientes al cambio de base del sistema de coordenadas, necesario para poder continuar
usando la discretizacin en diferencias finitas. En este caso, se realiza una discretizacin espacial
segn diferencias finitas que asegure una aproximacin de segundo orden al sistema de
ecuaciones diferenciales.
Se construye un mallado bidimensional escalonado (staggered grid), que se representa
en la figura 69. Los trminos espaciales se discretizan mediante diferencias centradas, excepto
en los puntos del contorno.
96
u if+1 / 2, j = u in+1 / 2, j
h2
un
h 2 i +1 / 2, j i +1 / 2, j i+1/ 2 , j
t
h1i +1 / 2, j
h1i +1 / 2, j
+ u ni+1 / 2 , j v in+1 / 2, j
) ]+
2
h1
u n v in+1 / 2, j
i +1 / 2, j i+1 / 2 , j
2 h
2 i +1 / 2 , j
(v in+1 / 2, j )
(190)
h2 i,j
h1 i , j
h
pi , j
+ 1 i , j
h
2 i,j
pi , j
f
f
+ h
= 1 h 2
u
u
+
+
i
1
/
2
,
j
1
i
,
j
1
/
2
i , j+1 / 2
t i+1 / 2 , j
(191)
1.4
1.3
opt=1.271
1.2
1.1
1.0
Iteraciones
Tiempo de CPU [s]
0.9
0.8
0
50
100
150
200
250
300
97
Una vez resuelto el campo de presiones en cada instante temporal, se pasa a actualizar el
campo de velocidades como segundo paso del mtodo de proyeccin (se proyecta la velocidad
hasta conseguir su adivergencia). La discretizacin para la obtencin de la primera componente
de la velocidad resulta:
u in++11/ 2, j = u f
i +1 / 2, j
t
p in++11, j p in+11, j
2 h 1i +1 / 2, j
(192)
Con esta ltima operacin concluye el clculo para cada instante. La precisin del
mtodo descrito es de primer orden para la discretizacin temporal y de segundo orden en la
discretizacin espacial, es decir, los residuos son del orden de O(2, 2, t).
Se obtienen tambin los correspondientes campos de presin y velocidades en cada
instante para la geometra considerada (difusor recto). La solucin para distintas relaciones de
rea del difusor puede verse en la figura 71. Dada la independencia del modelo del ngulo del
difusor (modelo no viscoso), se han representado los campos de velocidades para una
geometra del difusor con ngulo = 30o, aunque para las relaciones de rea estudiadas el
lmite prctico en el ngulo del difusor es mucho menor (2 15o).
1.6
u*
AR = 2.0
(t=210E-4)
1.4
1.2
AR = 1.5
(t=210E-3)
1.0
0.8
AR = 1.0
(t=110E-2)
0.6
0.4
Ec. Dif.
0.2
Modelo 2D
t*
0.0
0
10
15
20
25
98
99
100
101
Desventajas:
102
103
Desventajas:
Como aplicacin prctica, se puede mostrar el mallado para la resolucin del flujo en
una bomba centrfuga (figura 75).
104
Figura 76.- Geometra altamente irregular difcil de mallar con celdas estructuradas.
105
En este tipo de mallados, las coordenadas de cada nodo llevan una componente
adicional que indica el bloque al que pertenecen. As, para un punto (i,j), se tendra (i,j,l),
indicndose que pertenece al bloque l y para un punto en una geometra tridimensional
(i,j,k), se pasara a (i,j,k,l).
Desventajas:
106
107
Figura 80.- Mallado estructurado que no se ajusta al contorno superficial (de un labe).
En la prctica se han utilizado muchos tipos de mallados, que resultan de la
combinacin de las dos clasificaciones propuestas. Adems existen tipos intermedios y
soluciones imaginativas que han permitido resolver situaciones geomtricas complejas, que
requieren la aplicacin de tcnicas altamente sofisticadas. Dado el enfoque que se pretende
aqu, no se puede profundizar en todo este tipo de tcnicas, que corresponderan a un curso
mucho ms avanzado que el aqu propuesto.
108
109
6.- Bibliografa.
Existe una multitud de publicaciones relacionadas con los mtodos numricos. Entre
ellas, destacan el libro escrito por Peyret et al. (1983), los de Hirsch (1988), los de Fletcher
(1988), el de Hoffman (1989) y, ms recientemente, el editado por Gunzburger (1993), que se
centra en mtodos apropiados para estudio de flujos incompresibles, el de Anderson (1995) y
el de Versteeg et al. (1995), sobre el mtodo de volmenes finitos. Cada uno de los
mencionados presenta sus propias peculiaridades, pero entre todos completan una panormica
bastante amplia de un campo continuamente cambiante.
A continuacin se detallan los libros, artculos y otras publicaciones que han servido
de apoyo para la elaboracin de este texto:
[1] Abdallah, S., Smith, C.F.,Three-dimensional solutions for inviscid incompressible flow in
turbomachines, Journal of Turbomachinery. Vol. 112, pgs. 391-398. July 1990.
[2] Anderson, H.H., Computational fluid dynamics: the basics with applications. Mc Graw
Hill, 1995.
[3] Aris, R., Vectors, tensors and the basic equations of fluid mechanics, Dover publications.
New York, 1962.
[4] Arnone, A., Stecco, S.S., Multigrid calculation of incompressible flows for turbomachinery
applications, XIV IAHR Congress. ISBN 84-7790-101-5. Pgs. c-361 a c-368. Madrid. 1991.
[5] Arnone, A., Swanson, R.C., A Navier-Stokes solver for turbomachinery applications
Journal of Turbomachinery. Vol. 115, pgs. 305-313. April 1993.
[6] Ballesteros, R., Mtodos numricos aplicados a la mecnica de fluidos y la transmisin de
calor. Curso de doctorado de la Universidad de Oviedo (publicacin interna). 1995.
[7] Combes, J.F., Calcul par elements finis de l'eculement 3D turbulent dans une pompe
centrifuge, AGARD Conference Proceedings 510. CFD Thechniques for Propulsion
Applications. San Antonio, USA. 1991.
[8] Deconinck, H., Overview of grid generation methods, Lecture Series del von Karman
Institute for Fluid Dynamics. Blgica, 1994.
[9] Degrez, G., Introduction to computational fluid dynamics, Lecture Series del von Karman
Institute for Fluid Dynamics. Blgica, 1994.
[10] Fletcher, C.A.J., Computational techniques for fluid dynamics (vols. I y II). SpringerVerlag, USA. 1988.
110
111
[26] P.L. Lions, Mathematical topics in fluid mechanics. Incompressible models. Clarendon
Press, Oxford, 1996.
[27] Moin, P., Kim, J., Tackling turbulence with supercomputers, Scientific American, 276.
1997.
[28] Niederdrenk, P., A short introduction to numerical grid generation, Course Note (IB 22187 A 14) at DFVLR-AVA, Gttingen. 1987.
[29] Pan, D, Chackravarthy, S.R., Unified formulation for incompressible flow, AIAA Paper,
No. 89-01222. 27th Aerospace Science Meeting. Reno, Nevada. 1989.
[30] Panton, R.L., Incompressible flow, John Wiley & Sons, USA, 2nd Edition. 1996.
[31] Patankar, T.C., Numerical heat transfer and fluid flow, Mc. Graw-Hill. 1980.
[32] Pentaris, A., Tsangaris, S., A proyection methodology for the simulation of unsteady
incompressible viscous flows using the approximate factorization technique, NATO-AGARD
CP-578. Progress and Challenges in CFD Methods and Algorithms, pgs. 35-1 a 35-14. Abril,
1996.
[33] Peyret, R., Taylor, T.D., Computational methods for fluid flow, Springer-Verlag. New
York, 1983.
[34] Quarteroni, A., Domain decomposition methods: algebraic aaspects and application to
compressible and incompressible flows, 27th Computational Fluid Dynamics. Lecture Series.
Von Karman Institute. Blgica. 1996.
[35] Rasmussen, E.B., A finite diference scheme for three-dimensional modelling of fluid
dynamics, XIV IAHR Congress. ISBN 84-7790-101-5. Pgs. c -341 a c - 348. Madrid. 1991.
[36] Shaw, C.T., Using computational fluid dynamics, Prentice Hall. 1992.
[37] Strazisar, A.J., The changing roles of experimental and computational fluid mechanics,
Global Gas Turbines News, IGTI, pp. 16-18. Agosto 1994.
[38] Streeter, V.L., Wylie, E.D., Mecnica de los Fluidos, Mc. Graw-Hill, Mjico. 1987.
[39] Thomson, J.F., Warsi, Z.U.A., Mastin, C.W., Numerical grid generation: foundations and
applications, Ed. Joe F. Thomson. North-Holland, 1982.
[40] Thomson, J.F., Grid generation techniques in computational fluid dynamics, AIAA
Journal, Vol. 22, No. 11, pp. 1505-1523. 1984.
[41] Versteeg, H.K., Malalasekera, W., An introduction to computational fluid dynamics,
Longman Scientific&Technical. 1995.
[42] White, F.M. Mecnica de fluidos. McGraw-Hill, Madrid 1983.
112
[43] White, F.M., Viscous fluid flow. Mc. Graw-Hill Editions. 1991.
[44] Wilcox, D.C., Turbulence modeling for CFD, DCW Industries. 1993.
113
(AI.1)
ut + a ux = 0
(AI.2)
u ( x, t ) = f ( x )
0xL
x=0
u (0, t ) = g ( x )
t0
(AI.3)
a
(u i +1 u i 1 )
2 x
(AI.4)
114
(AI.5)
(AI.6)
a
(u i u i 1 )
x
(AI.7)
(AI.8)
(AI.9)
a t
, que constituye el denominado habitualmente como
x
115
u in = u i + in o bien, lim in K
(AI.10)
n. Cualquier esquema numrico lineal es satisfecho exactamente por u i , y por tanto los
errores in son tambin soluciones para la ecuacin.
Con el fin de presentar los fundamentos del mtodo, primero se har referencia a los
ejemplos previos. Considerando la ecuacin AI.5, e insertando en ella el resultado de AI.10 se
tiene:
n +1
ui
u in in +1
a
a
n
n
+
=
(u i +1 u i 1 )
( in+1 in )
t
t
2x
2x
(AI.11)
(AI.12)
que es idntica al esquema bsico. As pues, los errores in varan a travs del tiempo de la
misma forma que la solucin numrica u in .
Los errores no deberan crecer indefinidamente de un intervalo de tiempo a otro. Un
anlisis basado en el desarrollo del tiempo en si mismo en lugar de la conducta del error,
establece que cualquier componente de la solucin inicial no debera ser amplificado sin
limite. Expresada esta condicin en forma matemtica se tiene una matriz en la cual todos las
incgnitas de cada punto del mallado, en un tiempo dado, estn agrupadas en un vector U,
definido como sigue un tiempo n t .
u 1n
...
n
u i 1
n
U = n
u
i
u in+1
...
(AI.13)
116
n +1
=CU
(AI.14)
n
i1
n
i
n
i+1
(AI.15)
(AI.16)
n +1
+ e n +1 = C U + C e n
(AI.17)
o bien:
e n +1 = Ce n
(AI.18)
n +1
=CU
(AI.19)
As, la evolucin en el tiempo del error esta determinado por el mismo operador C
como solucin numrica del problema. Si las condiciones de contorno estn consideradas
como peridicas, el error in puede ser descompuesto en series de Fourier en el espacio para
cada nivel de tiempo n. Como el dominio es de una longitud finita, se tendr una
representacin de Fourier sobre un nmero finito de oscilaciones. En el dominio L la serie de
Fourier representa la regin (0, L) y la negativa (-L, 0),la frecuencia fundamental corresponde
a la mxima longitud de onda max = 2L. La longitud de onda asociada k = 2/ alcanza un
mnimo valor en kmin = /L. Adems, el mximo valor de kmax en el intervalo (-L, L) est
asociado con la menor longitud de onda con un espaciamiento x. Esta menor longitud de
onda es igual a 2x (ver figura AI.1) y por tanto, kmax = /x.
As, con un mallado de ndice i, de 0 a N, con xi = i. x, se tendr:
117
x = L/N
(AI.20)
=j
L
N x
con j = 0,1,2,...,N
(AI.21)
con el mximo valor de j asociado a la mxima frecuencia. As, con kmax = /x el mayor
valor de j es igual al nmero de intervalos N del mallado (ver figura AI.1).
in =
E nj e
j= N
I k j i x
j= N
n
j
eI i j / N
(AI.22)
(AI.23)
118
( E n +1 + E n )
a
+
( E n e I ( i +1 ) E n e I ( i 1 ) ) = 0
t
2x
(AI.24)
n +1
+ En)+
n I
E (e
e I ) e Ii = 0
2
(AI.25)
donde el parmetro es
a t
x
(AI.26)
E n +1
1
En
para todo
(AI.27)
E n +1
En
(AI.28)
2 I sin = 0
2
(AI.29)
(AI.30)
= 1+
119
sin
(AI.31)
n +1
E n ) + E n ( e Ii e I ( i 1 ) ) = 0
(AI.32)
(AI.33)
G = 1 2 sin 2 / 2 I sin
(AI.34)
es decir:
/ 2 = (1 ) + cos
= sin
(AI.35)
lo cual puede ser considerado como una ecuacin paramtrica para G con como parmetro.
En el plano complejo de G la condicin de estabilidad dada por AI.27 fija que la curva
representativa de G para todos los valores de = kx debera permanecer dentro del crculo
(ver la Figura AI.2). El esquema es estable para:
0 < 1
(AI.36)
120
Figura AI.2.- Regin de estabilidad para el esquema dado por la expresin AI.8.
As la ecuacin AI.8 es condicionalmente estable, y la condicin AI.36 es conocida
como la Courant-Friedrich-Lewy o condicin CFL. El parametro es llamado el nmero de
Courant.
121
n +1
+ E
) +
E
2
n +1
( e I e I ) e Ii = 0
(AI.37)
o bien:
G 1+
G ( e I e I ) = 0
2
(AI.38)
y se tiene
G =
1
1 + I sin
(AI.39)
= G .G * =
1
1+
sin
(AI.40)
Por tanto la ecuacin implcita es incondicionalmente estable. As, esta visto que el
sistema puede tener estabilidad condicional, estabilidad incondicional, o inestabilidad
incondicional. El mtodo Von Neumann ofrece una forma fcil y simple de hallar las
propiedades de estabilidad de los esquemas lineales con coeficientes constantes cuando las
condiciones de frontera son asumidas como peridicas.
122
(AI.41)
donde qi: contiene trminos fuentes eventuales y la contribucin desde las condiciones de
frontera. La representacin matricial es descrita con el vector Un del sistema dado por AI.15.
dU
=SU+q
dt
(AI.42)
u n +1 = C u i + q i
(AI.43)
U n +1 = C U n + Q
(AI.44)
o en forma matricial:
123
en
sistemas
F
x
G
y
=0
(AII.1)
que se puede escribir en notacin simplificada:
q t + Fx + G y = 0
(AII.2)
Si se realiza el cambio de variables independiente del tiempo, pasando a un nuevo
sistema de coordenadas , :
( , ) = f ( x, y ) f ( t )
(AII.3)
Para modificar las derivadas parciales se debe hacer siguiendo la regla de la cadena, es
decir:
= x
= y
+ x
+ y
(AII.4)
J=
x
y
=
x
y
= x y y x
y
(AII.5)
Y, entonces, la ecuacin diferencial de partida se transforma en:
124
+ x
+ x
+ y
+ y
=0
(AII.6)
Ecuacin que en notacin simplificada resulta:
q t + x F + y G + x F + y G = 0
(AII.7)
Dividiendo por el Jacobiano, que es independiente de la variable tiempo, se obtiene:
q x F y G x F y G
+
+
+
=0
+
tJ
J
J
J
J
(AII.8)
A partir de operaciones para transformar las parciales con respecto a (x,y) a parciales
respecto a las nuevas variables (, ), se obtiene finalmente:
q*
t
+ F + G = 0
(AII.9)
donde las variables con asterisco representan:
F* =
x F + yG
G* =
x F + y G
J
(AII.10)
Ecuacin de continuidad:
u
x
v
y
=0
(AII.11)
Ecuacin de cantidad de movimiento:
u
t
p
x
u2
x
( u v)
y
=0
(AII.12)
v
t
p
y
( u v)
x
v2
y
=0
125
x* =
u* =
u
2gH
v* =
v
2gH
(AII.13)
Las ecuaciones no sufren variacin y seran las mismas pero con las variables
adimensionales.
Cambio de sistema de coordenadas (plano fsico-plano computacional).
*
= x
2 y*
=
*
*
*
h 1 + (h 2 h 1 ) x *
(AII.14)
=1
=0
(AII.15)
x
y
[h
2 (h 2 h 1 ) y
1
+ (h 2 h 1 ) x
[h
(h 2 h 1 )
1
+ (h 2 h 1 )
2
2
=
h 1 + (h 2 h 1 ) x
h 1 + (h 2 h 1 )
] [
126
J=
x
x
y
2
= x y y x =
y
h 1 + (h 2 h 1 )
(AII.16)
(h
2 (h 2 h 1 ) y
1 + (h 2 h 1 ) x
(h
2
1 + (h 2 h 1 ) x
=0
(AII.17)
Es decir:
+A
+B
=0
(AII.18)
(h
2 (h 2 h 1 ) y
1
+ (h 2 h 1 ) x
(AII.19)
B=J
Las ecuaciones de cantidad de movimiento (AII.12) se transforman segn la expresin
general (AII.9), es decir:
( p + u2 ) +
( u v)
y
u
x
+
t
J
( u v) +
( p + v 2)
x
y
v
+
t
J
( p + u 2) +
( u v)
y
x
=0
J
( u v) +
( p + v 2)
y
x
=0
J
(AII.20)
Operando, para el caso particular del cambio de variables definido, se llega a las
expresiones:
+
t
p + u2
2 (h 2 h 1 ) y
+
h 1 + (h 2 h 1 ) x
u v 2 (h 2 h 1 ) y
+
t J h 1 + (h 2 h 1 ) x
127
uv
p + u2
2
=0
+
J
h 1 + (h 2 h 1 ) x J
( p + v 2)
uv
2
=0
+
J
h 1 + (h 2 h 1 ) x
J
(AII.21)
Ecuaciones que se simplifican bastante si se sustituye el valor del Jacobiano segn el
clculo realizado en la ecuacin (AII.16). As, se llega a:
u
t
p + u2
( h 2 h1 )
+
p + u2 + u v = 0
(AII.22)
v
t
u v ( h 2 h 1 )
J
2
( u v) + ( p +
v2 ) = 0
+
t
v
t
2
u
( h 2 h1 )
v
p u J ( h 2 h1 ) p
=0
p + u2 + v
2
2
J J
( h 2 h1 )
v
p
v
1 ( h 2 h 1 )
u v
=0
+v
+ ( u v)
u v+
u
J
J
2
2
(AII.23)
128
129
A
AC (Aditive Corrections). Correcciones en los valores de las variables en tcnicas de
multimallados. De forma ms general se usan para indicar corriente alterna.
ADI (Alternating Direction Implicit). Mtodo de resolucin de ecuaciones lineales. Como
indica su nombre se trata de un mtodo implcito segn direcciones alternativas.
Tambin se aplica este trmino para la solucin de distintos algoritmos que siguen
el mencinado procedimiento.
AF (Approximate Factorization Scheme). Tcnica numrica de descomposicin de derivadas
por trminos equivalentes hasta un determinado orden.
AFLBI (Approximate Factorization Linear Block Implicit Scheme). Esquema implcito
basado en la factorizacin aproximada (AF) de las ecuaciones.
AMG (Algebraic Multi Grid). Estrategia multimallado algebraica. Constituye uno de los
mtodos ms rpidos para solucin de sistemas lineales de ecuaciones.
130
B
BL (Baldwin-Lomax). Modelo de turbulencia algebraico.
BC (Boundary conditions). Condiciones de contorno de un determinado problema.
BFC (Body Fitted Coordinates). Coordenadas que siguen lneas de los contornos.
C
CAD (Computer Aided Design). Diseo asistido por ordenador. Conjunto de tcnicas de
dibujo en ingeniera apoyadas en el uso de ordenadores.
CAE (Computer Aided Engineering). Ingeniera asistida por ordenador. Similar al trmino
anterior pero ms amplio.
CAM (Computer Aided Manufacturing). Fabricacin asistida por ordenador. Trmino
tambin utilizado en contextos muy similares a los dos anteriores.
CFD (Computational Fluid Dynamics). Tcnicas numricas aplicadas a la Mecnica de
Fluidos.
CGC (Coarse Grid Correction). Modificacin de la solucin en tcnicas multimallado a partir
del valor de las variables en la malla menos fina.
CGM (Congugate Gradients Method). Mtodo de los gradientes conjugados.
CPPE (Consistent Pressure Poisson Equation). Mtodo consistente utilizado en la ecuacin de
Poisson para la presin. El mtodo de la ecuacin de Poisson para la presin se
explica en el captulo cuatro de esta tesis.
CPU (Central Proccess Unit). Unidad de procesado de datos de un ordenador. Constituye el
ncleo bsico de cualquier sistema informtico.
CUPW (Convected Upwind Scheme). Algoritmo de solucin de las ecuaciones aguas arriba.
Desarrollado por Lacor en 1986.
D
DAES (Differential Algebraic Equations). Ecuaciones diferenciales resueltas por mtodos
algebraicos.
DO (Discrete Ordinates Radiation Model). Modelo de radiacin discreto.
DOC (Direct Operating Costs). Costes de operacin directos. Trmino usado habitualmente
en aeronutica.
DRW (Discrete Random Walk). Movimientos discretos y aleatorios.
DS (Direct Simulation). Mtodo de simulacin directa de las ecuaciones de gobierno.
DTRM (Discrete Transfer Radiation Model). Modelo de radiacin de la transferencia
discreta.
F
FAS (Full Aproximated Storage). Mtodo de almacenamiento de datos.
FAVOR (Fractional Area/Volume Representation). Algoritmo que utiliza una malla
cartesiana como base para el dominio de la solucin, calculando fracciones de
volumen o rea para cada cara de la discretizacin.
FCBR (Fully Coupled Blade Row). Tipo de clculo del flujo en una turbomquina que
considera los efectos de varias coronas de labes.
131
FCT (Flux Corrected Transport). Se trata del mtodo precesor del TVD y fue introducido
por Boris y Brook en 1973.
FDM (Finite Difference Method). El mtodo de elementos finitos consiste en una
discretizacin numrica de las ecuaciones de gobierno basada en la aproximacin
de derivadas por diferencias entre las variables.
FEM (Finite Element Method). El mtodo de elementos finitos consiste en una
discretizacin numrica de las ecuaciones de gobierno basada en la utilizacin de
funciones de interpolacin para las distintas variables.
FVM (Finite Volume Method). El mtodo de elementos finitos consiste en una de
discretizacin numrica de las ecuaciones de gobierno basada en la propiedad de
conservacin de dichas ecuaciones.
G
GCGTVD (Generalized Conjugate Gradient Total Variation Diminishing). Tcnica
numrica derivada de los mtodos TVD.
GGDH (Generalized Gradient Diffusion Hypothesis). Hiptesis del gradient generalizado de
difusin. Introducida por Daly y Harlow en 1970.
H
HOT (Higher Order Terms). Trminos de orden superior.
HP (High Pressure Stages). Escalones (Stages) de turbomquinas de alta relacin de
presiones.
I
IBVP (Initial Boundary Value Problem). Tipo de problema cuya solucin viene
condicionada por una determinada situacin inicial o valor inicial de las variables.
IC (Initial Conditions). Condiciones iniciales de un problema que evoluciona en el tiempo.
IGV (Inlet Guide Vanes). Corona de labes a la entrada de una turbomquina.
L
LED (Local Extremum Diminsishing). Tcnica de solucin de las ecuaciones desarrollada
por Jameson en 1993. Se trata de un esquema no oscilatorio de segundo orden de
precisin.
LES (Large Eddy Simulation). Aproximacin a las ecuaciones de Navier-Stokes usando las
hiptesis de intercambio energtico entre los vrtices de gran y pequeo tamao.
Discutido ms en profundidad en el captulo cuatro del texto.
LHS (Left Hand Side). Lado izquierdo de una igualdad matemtica.
LP (Low Pressure Stages). Escalones de baja presin en turbomquinas.
LSOR (Line Succesive Overrelaxation). Tcnica de resolucin de sistemas de ecuaciones
lineales basada en la utilizacin de un parmetro de sobrerrelajacin.
LU (Lower and Upper Diagonal). Mtodo de resolucin de sistemas de ecuaciones lineales
basado en los elementos por encima y por debajo de la diagonal.
LU-SGS (Lower-Upper Symmetric-Gauss-Seidel Scheme). Similar al anterior pero
utilizando una estrategia Gauss-Seidel simtrica.
M
MAC (Marker and Cell). Modelos de resolucin de las ecuaciones diferenciales basados en
la utilizacin de mallados escalonados.
132
MARS (Monotone Advection and Reconstruction Scheme) Esquema de segundo orden con
menor sensibilidad o precisin con la estructura de la malla y el skewness.
MHD (Magneto Hidrodynamics). Magnetohidrodinmica de Fluidos.
MRF (Multiple Reference Frame). Mtodos de resolucin de las ecuaciones que se basan en
la utilizacin de varios sistemas de referencia.
MUSCL (Monotone Upstream-Centered Schemes for Conservation Laws). Leyes de
conservacin resueltas segn algoritmos montonos aguas arriba.
N
NBC (Natural Boundary Conditions). Condiciones de contorno naturales.
NS (Navier-Stokes). Ecuaciones de gobierno en Mecnica de Fluidos.
O
OBC (Outflow Boundary Conditions). Condiciones de contorno de cualquier tipo, excepto
del tipo Dirichlet. Tambin a veces se usa para hablar de Open Boundary
Conditions, con el mismo significado.
ODE (Ordinary Differential Equations). Ecuaciones diferenciales simples, en contraposicin
con las PDE.
P
PDE (Partial Differential Equations). Ecuaciones diferenciales en derivadas parciales.
PISO (Pressure Implicit with Spliting of Operators). Mtodo de solucin de las ecuaciones
para flujo incompresible.
PNS (Parabolized Navier-Stokes). Modelo de las ecuaciones de Navier-Stokes
parabolizadas. Modelo intermedio entre el TSL y las ecuaciones reales.
PPE (Pressure Poisson Equation). Mtodo de resolucin de las ecuaciones de gobierno para
flujo incompresible consistente en operar haciendo la divergencia de las
ecuaciones de cantidad de movimiento y luego aplicar la condicin de
incompresibilidad.
PPNS (Partially Parabolized Navier Stokes). Idntico al PNS pero haciendo la
parabolizacin de forma parcial.
PSOR (Point Succesive Overrelaxation). Mtodo de resolucin de sistemas de ecuaciones
lineales basadas en la utilizacin de un parmetro de sobrerrelajacin para acelerar
la convergencia del mtodo iterativo.
Q
QUICK (Quadratic Upstream Interpolation for Convective Kinetics). Algoritmos de
interpolacin cuadrtica usados en la discretizacin de las ecuaciones en los
mtodos de volmenes finitos.
R
RANS (Reynolds Averaged Navier-Stokes Equations). Ecuaciones de Navier-Stokes
promediadas segn esfuerzos de Reynolds. Tcnicas de solucin de las ecuaciones
de gobierno discutidas en el captulo cuatro de este documento.
RHS (Right Hand Side). Trminos al lado derecho de una igualdad matemtica.
RIT (Rotor Inlet Temperature). Temperatura de entrada en el rotor. No se trata de un
trmino exclusivo de las tcnicas numricas, sino que es un trmino general usado
en turbomquinas.
133
S
SCBR (Steady Coupled Blade Row). Resolucin de las ecuaciones de la Mecnica de
Fluidos en turbomquinas considerando la interaccin entre varias coronas de
labes. Modelos estacionarios.
SGS (Subgrid Scale). Escala de la malla inferior en un sistema de resolucin por medio de
varios mallados (multimallado).
SIMPLE (Semi Implicit Method for Pressure Linked Equations). Mtodo de resolucin de
las ecuaciones de gobierno establecido por Patankar (1976).
SIMPLEC (Semi Implicit Method for Pressure Linked Equations Consistent). Una variacin
del mtodo anteriormente descrito.
SIP (Strongly Implicit Method). Mtodos de resolucin de sistemas de ecuaciones lineales
basados en algoritmos altamente implcitos.
SLIP (Symmetric Limited Possitive Schemes). Algoritmos definidos que conducen a
sistemas de ecuaciones simtricos y con coeficientes positivos.
SPD (Symmetric Positive Definite Matrix). Matriz simtrica y definida positiva.
SSBR (Steady Single Blade Row). Resolucin de las ecuaciones en turbomquinas
considerando nicamente el canal entre labes de una nica corona.
SUDS (Skew Upwind Differencing Scheme). Mtodo de resolucin de las ecuaciones
basado en la diferenciacin aguas arriba. Establecido por Raithby en 1976.
SU/PG (Streamline Upwind Petrov Galerkin). Mtodo espectral basado en la variacin de la
funcin peso en elementos finitos para considerar la direccin del flujo.
Desarrollado por Brook y Huges en 1982.
T
TDMA (Tri-Diagonal Matrix Algorithm). Algoritmo de resolucin basado en la utilizacin
de sistemas lineales tridiagonales.
TVD (Total Variation Diminishing). Algoritmo de resolucin utilizado en modelos de flujos
compresibles que controla la variacin de la solucin de forma no lineal.
Introducido por Harten en 1983.
TSL (Modelo Thin shear Layer). Uno de los modelos de aproximacin de las ecuaciones de
Navier-Stokes. Se explica ms en profundidad en el texto (captulo cuatro).
TKE (Turbulent Kinetic Energy). Energa cintica turbulenta, normalmente nombrada con la
letra k.
TSTE (Taylor Series Truncation Error). Error de truncatura de los distintos modelos que se
basan en los desarrollos en series de Taylor.
U
UDS (User Defined Scalar). Escalar definido por el usuario. Trmino usado en los cdigos
numricos comerciales.
134
U-P (Velocity Pressure). Modelos que usan en su desarrollo las variables primitivas, es
decir, la presin y la velocidad.
USLIP (Upwind Symmetric Limited Possitive Schemes). Esquemas aguas arriba y
simtricos con valores positivos.
V
VOF (Volume Of Fluid). Algoritmo que intenta capturar el movimiento de las partculas
siguiendo la fraccin de flujo que atraviesa cada cara del mallado.
VTE (Vorticity Transport Equations). Ecuaciones de transporte de la turbulencia. Suele
darse este nombre a las tcnicas numricas que utilizan la vorticidad.
W
WSGGM (Weighted Sum of Gray Gases Model). Modelo de la suma de los gases grises. Es
un modelo usado en combustin.
135
136
ISBN 84-607-9546-2