Din amica molecular de medios granulares.

Roberto Ar evalo Turnes Departamento de F sica y Matem atica Aplicada Universidad de Navarra Mayo, 2007

Agradecimientos
En primer lugar, quisiera dar las gracias a mi director de tesis Diego Maza por acogerme con entusiasmo e ilusi on. Iniciar una l nea num erica en un grupo experimental no es f acil, pero con su ayuda, conanza y apoyo estos tres a nos han resultado productivos e interesantes. He de a nadir que no lo habr an sido tanto de no ser por Angel Garcimart n, Iker Zuriguel, Jos e Mart n Pastor, Cristian Mancok y Alvaro Janda cuya amistad y ayuda han enriquecido mi vida y mi trabajo. A todos los doctorandos: Montserrat Miranda, Mar a Yoldi, Alberto de la Torre, Maximiliano Giuliani, Iv an Efrain Mart nez, Joaqu n Go ni y Gerard Vidal les agradezco su compa nerismo dentro y fuera de la universidad. Y a ellos y al resto de miembros del departamento: Sergio Ardanza-Trevijano, Jean Bragard, Javier Burguete, Mar a Jes us Chasco, Jorge Elorza, Angel Garcimart n, Wenceslao Gonz alez, H ector L. Mancini, Diego Maza, Carmen Palacios, Antonio Pel aez, Iker Zuriguel, Pilar Ay ucar y Pedro Elizalde les agradezco su acogida, la ayuda en los peque nos problemas de cada d a y el ser capaces de hacer del departamento un lugar agradable al que venir a trabajar todos los d as. Deseo agradecer a todos los miembros del Instituto de F sica de L quidos y Sistemas Biol ogicos (La Plata, Argentina) dirigido por el Dr. Ra ul Grigera su amable acogida durante el mes de noviembre de 2005. Fernanado Vericat, Luis Pugnaloni, Lucas Valluzzi y Marcos Valluzzi con quienes trabaj e estupendamente hicieron, adem as, mi estancia en la ciudad muy agradable. Parte de los resultados de este trabajo se obtuvieron haciendo uso del cluster de c alculo del departamento que instalaron Jean Bragard y Joaqu n Go ni. Deseo expresar mi agradecimiento a la Asociaci on de Amigos de la Universidad por las tres becas que me han concedido durante los cursos 2004 2005, 2005 2006 y 2006 2007.

A mis padres y hermano les agradezco sus continuas ofertas de ayuda y sus muestras de conanza, apoyo e ilusi on en mi trabajo.

 Indice general
1. Introducci on. 1.1. Medios granulares. . . . . . . . . . . . . . . . . . . . . . . . . 1.2. M etodos num ericos. . . . . . . . . . . . . . . . . . . . . . . . 1.2.1. Din amica Molecular de part culas blandas. . . . . . . 1.2.2. Din amica Molecular de part culas duras. . . . . . . . . 1.2.3. Din amica de contactos. . . . . . . . . . . . . . . . . . 1.2.4. M etodo de Monte Carlo. . . . . . . . . . . . . . . . . . 1.2.5. Aut omatas celulares. . . . . . . . . . . . . . . . . . . . 2. Din amica molecular de part culas blandas. 2.1. Introducci on. . . . . . . . . . . . . . . . . . . . . . . . . . . . 2.2. Fuerzas de interacci on. . . . . . . . . . . . . . . . . . . . . . . 2.2.1. Fuerza normal. . . . . . . . . . . . . . . . . . . . . . . 2.2.2. Fuerza tangencial. . . . . . . . . . . . . . . . . . . . . 2.3. Integraci on de las ecuaciones de movimiento. . . . . . . . . . 2.4. Implementaci on eciente. . . . . . . . . . . . . . . . . . . . . 2.4.1. Listas de vecinos. . . . . . . . . . . . . . . . . . . . . . 2.4.2. Divisi on del espacio en celdas. . . . . . . . . . . . . . . 2.5. Comentarios nales. . . . . . . . . . . . . . . . . . . . . . . . 3. Descarga de silos por gravedad I: inicio de la descarga. 3.1. Introducci on. . . . . . . . . . . . . . . . . . . . . . . . . . . . 3.2. Perles de velocidad y densidades de probabilidad. . . . . . . 3.3. Mec anica estad stica del silo. . . . . . . . . . . . . . . . . . . 3.4. Comportamiento a tiempos largos. . . . . . . . . . . . . . . . 2 4 4 5 5 6 7 8 9 12 12 12 12 14 15 17 18 19 20 22 22 23 27 29

4. Descarga de silos por gravedad II: ujo de salida. 4.1. Introducci on. . . . . . . . . . . . . . . . . . . . . . . . . . . . 4.2. Flujo en funci on del oricio de salida. . . . . . . . . . . . . . 4.2.1. Flujo resuelto en el tiempo. . . . . . . . . . . . . . . . 4.3. Densidad en la regi on uidizada. . . . . . . . . . . . . . . . . 5. Conclusiones y perspectivas. Bibliograf a

32 32 33 33 36 41 43

Cap tulo 1

Introducci on.
El presente trabajo se estructura en cinco cap tulos. El primero est a dedicado a introducir los medios granulares, que son el objeto de nuestro estudio, as como una perspectiva de los m etodos num ericos m as empleados en la literatura. El segundo cap tulo presenta los detalles del m etodo num erico o o empleado en este trabajo. En los cap tulos 3. y 4. se describen los resultados obtenidos. Por u ltimo, el cap tulo 5.o resume el trabajo realizado y las l neas que podr an seguise en el futuro.

1.1.

Medios granulares.

Un medio granular [1] est a compuesto por part culas macrosc opicas que interact uan mutuamente por medio de fuerzas de contacto. El tama no de los granos var a desde las d ecimas de mil metro de los polvos hasta los cent metros o metros en las aplicaciones industriales o estudios geol ogicos. La caracter stica fundamental de los denominados medios granulares secos, a los que est a dedicado este trabajo, es que las fuerzas de interacci on son de contacto y disipativas. Los mecanismos de disipaci on de energ a incluyen la deformaci on o rotura de peque nas irregularidades en la supercie de los granos, la deformaci on permanente de las part culas y la propagaci on de fonones en el material. En los medios granulares h umedos se toman en cuenta, adem as, fuerzas adhesivas como la de Van der Waals. Los medios granulares presentan gran variedad de comportamientos en funci on de las fuerzas que se les apliquen. As , en un reloj de arena podemos ver el material uir del dep osito superior al inferior de una forma que nos recuerda mucho a c omo uye un l quido. La arena se deposita en la parte inferior del reloj formando una pila c onica que mantiene un angulo aproximadamente constante, de manera que lo que nos parec a un u do se comporta ahora como un s olido. En ausencia de gravedad o en las capas 4

superiores de un dep osito agitado verticalmente, los granos se comportan de forma similar a las part culas de un gas de mol eculas, con la salvedad de que las colisiones son disipativas.

1.2.

M etodos num ericos.

Debido a que se trata de un problema de muchos cuerpos y a la dicultad de tratar las fuerzas disipativas, se ha hecho uso desde temprano de t ecnicas num ericas para integrar las ecuaciones de movimiento de los constituyentes individuales del medio. A partir del conocimiento de todas las trayectorias y fuerzas se pueden obtener las cantidades de inter es como, por ejemplo, campos de velocidades en diversas geometr as, ujos de materia o distribuciones de presi on en contenedores. A diferencia de lo que ocurre en l quidos y gases cl asicos, en medios granulares carecemos de un m etodo num erico optimo para integrar las ecuaciones de movimiento, a causa del car acter disipativo de la interacci on. No obstante, las t ecnicas cl asicas se han adaptado con exito y se han desarrollado algunas nuevas para tratar la disipaci on. Entre todas ellas las m as utilizadas son: Din amica Molecular de part culas blandas. Din amica Molecular de part culas duras (o event-driven ). Din amica de contactos. M etodo de Monte Carlo. Aut omatas celulares. A continuaci on damos una breve descripci on de cada una de estas t ecnicas.

1.2.1.

Din amica Molecular de part culas blandas.

Este m etodo se desarroll o originalmente para calcular la interacci on entre mol eculas de un gas o un l quido en aproximaci on newtoniana [2]. Las ecuaciones a integrar son las de Newton con la fuerza dada por un potencial de interacci on que consta de dos partes. Una ligeramente atractiva a distancias mayores que el tama no de un atomo o mol ecula, y otra fuertemente repulsiva a distancias menores, cuando las nubes electr onicas se solapan levemente. Este m etodo se aplica a los medios granulares truncando el potencial de interacci on, que conserva su parte repulsiva a distancias que ahora se interpretan como inferiores al di ametro del grano, mientras que es nulo a 5

distancias superiores. La interacci on es, por tanto, de contacto y consistente en un ligero solapamiento de los granos en colisi on. Los detalles de la fuerza que experimentan las part culas dependen del modelo que uno escoja [3]. Sin embargo, todos comparten algunas caracter sticas necesarias para modelar un medio granular: La fuerza repulsiva es proporcional al solapamiento de los granos. La fuerza disipativa es de car acter viscoso, proporcional a la velocidad de impacto relativa. Hay una fuerza perpendicular a la direcci on de la colisi on dada por el 1 criterio de Coulomb . Una vez conocidos los detalles de la fuerza, el m etodo de din amica molecular procede a la integraci on de las ecuaciones de Newton, para lo que ser a necesario conocer las posiciones y velocidades iniciales de todas las part culas. La integraci on num erica puede, en principio, efectuarse por cualquier m etodo: desde Euler a Runge-Kutta o m etodos tipo predictor-corrector. Sin embargo, debe tenerse en cuenta que no todos los m etodos son igualmente optimos a la hora de resolver un determinado problema. Como este es el m etodo por el que obtenemos los resultados presentados en este trabajo, los esquemas de interacci on, de integraci on, as como su implementaci on ser an discutidos detalladamente m as adelante.

1.2.2.

Din amica Molecular de part culas duras.

A pesar del nombre, este m etodo se diferencia radicalmente del anterior [2, 4]. En primer lugar, las part culas no se solapan en absoluto, de ah que se las considere duras. En segundo lugar, no hay fuerzas: cuando dos granos chocan intercambian sus velocidades de acuerdo con una regla de colisi on predenida. El punto de partida consta, como antes, de part culas con posiciones y velocidades conocidas, todas ellas separadas de manera que no haya dos en interacci on. Las ecuaciones de Newton las obligan a seguir trayectorias bal sticas perfectamente determinadas, pudi endose calcular qu e dos part culas ser an las primeras en colisionar y en qu e instante de tiempo. Los constituyentes del medio avanzan sus posiciones hasta dicho instante, se detienen y tiene lugar la colisi on entre los dos granos implicados. La colisi on consiste en la actualizaci on de las velocidades seg un una regla que tiene en cuenta la
1 El criterio de Coulomb establece que en un contacto no hay deslizamiento a menos que la fuerza tangencial sea mayor que un cierto l mite, dado por el coeciente de fricci on est atico multiplicado por la fuerza normal.

conservaci on del momento lineal y que la energ a cin etica nal diere de la inicial de una manera que se supone conocida y medida por el coeciente de restituci on. Una vez actualizadas las dos velocidades implicadas en el choque, puede volverse a calcular el instante en que tendr a lugar la siguiente colisi on. Todos los granos se mueven bal sticamente hasta ese momento, en que las velocidades de los granos implicados en el choque son actualizadas de acuerdo con la regla de colisi on. El proceso de c alculo de las trayectorias contin ua as dirigido por eventos (colisiones). El caso m as sencillo de regla de colisi on ser a el siguiente: 1+ vn 2 1+ v2 = v2 + vn 2 v1 = v1

(1.1) (1.2)

donde las velocidades vi son las posteriores a la colisi on y las vi las anteriores, vn es la velocidad relativa de las part culas en la direcci on de la colisi on y es el coeciente de restituci on. La p erdida de energ a cin etica en la colisi on est a dada por m12 2 1 2 vn (1.3) E = 2 siendo m12 la masa reducida de los granos. El caso m as realista de regla de colisi on usa un coeciente de restituci on dependiente de la velocidad relativa, aunque en muchas aplicaciones se toma constante. Cuando se toma en cuenta la rotaci on de las part culas, se necesita una regla de colisi on en la direcci on perpendicular a la de choque. Esta regla implica a las velocidades de rotaci on de los granos y un coeciente de restituci on propio.

1.2.3.

Din amica de contactos.

Este m etodo de integraci on del movimiento surgi o para ser espec camente aplicado al tratamiento de fuerzas de contacto [5], por lo que ha sido muy utilizado en los medios granulares [6]. La din amica de contactos calcula las fuerzas como las resultantes de dos restricciones que se deben cumplir en todo contacto. En primer lugar, los granos son r gidos e indeformables, no hay ning un solapamiento. La segunda restricci on es el criterio de Coulomb: en un contacto no hay deslizamiento a menos que la fuerza tangencial sea mayor que un cierto l mite, dado por el coeciente de fricci on est atico multiplicado por la fuerza normal. Una vez conocidas las fuerzas, las nuevas posiciones y velocidades se determinan integrando la ecuaci on de movimiento de Newton. Consideremos el movimiento de dos granos. Ellos avanzan seg un las fuerzas que tengan aplicadas (como la gravitatoria o las que resulten de una colisi on anterior) hasta que la distancia que separa sus supercies se hace 7

nula o negativa. En ese momento, el tiempo deja de avanzar y se procede a calcular las fuerzas de manera que la distancia entre sus supercies y la velocidad relativa entre ellas sean ambas nulas. Las conguraciones de fuerzas que verican estas condiciones pueden ser m ultiples, se tomar an las fuerzas m nimas. Ahora se comprobar a si todas las fuerzas verican el criterio de Coulomb. De no ser as , querr a decir que el contacto es deslizante y habr a que recalcular las fuerzas tangenciales eliminando la restricci on de que la velocidad relativa entre las supercies de contacto sea nula. En una situaci on normal no tendremos dos granos, sino muchos y, por tanto, m ultiples contactos. Los tres pasos anteriores no se aplican una sola vez en cada paso de integraci on, sino varias veces de forma iterativa hasta que todos los contactos verican las restricciones en las fuerzas. Una vez logrado esto, la integraci on avanza al siguiente instante de tiempo haciendo uso de las fuerzas reci en obtenidas para calcular la aceleraci on y de ella las nuevas velocidades y posiciones. En el nuevo paso de integraci on, las fuerzas no se obtienen de las anteriores, en cambio son todas puestas a cero y vueltas a calcular iterativamente sobre las imposiciones de la rigidez de los granos y el criterio de Coulomb. Este proceso iterativo es global, implica a las fuerzas sobre cada contacto a la vez, lo que supone una diferencia importante con los m etodos anteriores en los que el contacto se resuelve localmente. La din amica que surge de este m etodo de integraci on no es suave, a diferencia de lo que ocurre en las din amicas moleculares, sino que debido a c omo se calculan las fuerzas, la velocidad puede evolucionar a peque nos saltos. Debido a esta caracter stica, no merece la pena usar esquemas de integraci on de orden grande y se suele optar por un simple m etodo de Euler que alivia el esfuerzo computacional que supone el c alculo iterativo de las fuerzas.

1.2.4.

M etodo de Monte Carlo.

Este m etodo fue introducido para calcular las propiedades de un gas de part culas de baja densidad que obedece a la ecuaci on de Boltzmann [7, 8]. La celda de integraci on se divide en subceldas de tama no L tal que 2d < L < lclm (1.4)

siendo d el di ametro de las part culas y lclm el camino libre medio. La integraci on tiene lugar en pasos de tama no lo bastante peque no como para que la part cula m as r apida necesite varios pasos para cambiar de celda. En cada paso de integraci on tienen lugar dos procesos. En el primero, todas las part culas se desplazan sin sufrir ninguna colisi on. Las nuevas posiciones y velocidades se obtienen de las actuales con un m etodo num erico est andar. Es durante esta fase cuando se tiene en cuenta el efecto de las fuerzas externas, como la gravedad. En el segundo proceso tienen lugar las colisiones. 8

En cada subcelda se eligen de forma aleatoria Mc pares de part culas Mc = Nc (Nc 1) vmax 2Vc (1.5)

donde Nc es el n umero de part culas en la subcelda, vmax es un l mite superior para la velocidad relativa de las part culas colisionantes, es la secci on transversal de choque o secci on ecaz (4R para esferas en dos dimensiones y 4R2 en tres). En [8] M uller et al. igualan vmax al doble de la velocidad de la part cula m as r apida. El n umero de colisiones debe ser proporcional a la velocidad relativa, para ello en M uller et al. adoptan el siguiente m etodo: para un par de part culas i y j la colisi on tiene lugar si |vi vj | <Z vmax (1.6)

donde Z es una variable aleatoria uniformemente distribuida en [0, 1]. Finalmente, debido a que la colisi on tiene lugar independientemente de la posici on de las part culas en la subcelda, se necesita un par ametro de impacto b. Asumiendo la hip otesis de caos molecular, se da a b un valor aleatorio tomado de [2R, 2R] en dos dimensiones y del c rculo de radio 2R en tres. Las velocidades que resultan de la colisi on se obtienen de las incidentes igual que en el m etodo de din amica molecular de part culas r gidas. As , al introducir un coeciente de restituci on hacemos que el medio sea disipativo.

1.2.5.

Aut omatas celulares.

Los modelos de red se formularon para resolver problemas de u dos, sin embargo pueden adaptarse para tener en cuenta la disipaci on [9]. Consideremos una red triangular a cada uno de cuyos nodos asociamos siete variables binarias vi (i = 0, 1 . . . 6). Cada vi (i = 1 . . . 6) es un vector a uno de los nodos vecinos, mientras que v0 es el vector nulo. Podemos pensar en estos vectores como velocidades que llevar an a las part culas a los lugares apuntados, siendo v0 el estado de reposo. En un instante dado cada una de las variables asociadas a un nodo puede estar ocupada o vac a. En el primer caso, en ese lugar habr a una part cula con la velocidad indicada por la variable. El n umero m aximo de part culas por nodo es siete y el m nimo ninguna. El tiempo avanza en saltos discretos t = 0, 1, 2, ... en cada uno de los cuales tienen lugar dos procesos: colisi on y propagaci on. En el primero, las part culas alteran sus velocidades debido a las colisiones seg un unas reglas. En la propagaci on, las part culas se mueven a los lugares indicados por sus velocidades. La gura FIG 1.1 resume las reglas de colisi on. A la izquierda aparece la velocidad de las part culas que est an en un nodo dado, y a la derecha la situaci on nal resultante. Si esta u ltima puede ser una de dos equiprobables (debido a la simetr a de la red) se elige una con probabilidad 0,5. El par ametro p es un n umero real comprendido entre 0 y 1. 9

Tomando p = 0 las reglas de colisi on conservan la energ a y la cantidad de movimiento, mientras que p = 0 da lugar a un proceso disipativo. Las dos u ltimas l neas representan la colisi on de dos part culas con una tercera en reposo. Como en cada nodo s olo puede haber una part cula en reposo, inmediatamente despu es del proceso de colisi on las dos part culas incidentes saltan aleatoriamente a uno de los nodos vecinos para ocupar la posici on de reposo. La gravedad se incorpora haciendo que cada part cula en reposo tenga una probabilidad g/2 (con g entre 0 y 1) de ser desplazada al nodo abajo a su izquierda/derecha con el vector velocidad apuntando en la direcci on del desplazamiento. La variable a la que resulte desplazada la part cula debe estar desocupada. Las part culas en movimiento sufrir an un cambio de una unidad en su vector velocidad en la direcci on apuntada por la gravedad. Por u ltimo, las paredes se introducen haciendo que el vector velocidad se reeje cuando la part cula llega al nodo que hace de frontera. Esto da lugar a paredes lisas. Si introducimos una probabilidad b = 0 de que la pared env e a la part cula en direcci on incidente (y 1 b de que la reeje) tendremos paredes rugosas. En el siguiente cap tulo exponemos los modelos de contacto y m etodos de integraci on que se usan en din amica molecular de part culas blandas.

10

Figura 1.1: Reglas de colisi on para un modelo de red. Fuente: http://www.hlrs.de/people/mueller/papers/honnef99/node3.html.

11

Cap tulo 2

Din amica molecular de part culas blandas.

2.1. Introducci on.

En este cap tulo analizaremos en detalle los elementos de que consta un algoritmo de din amica molecular de part culas blandas (DM en adelante): expresi on expl cita de las fuerzas tanto en la direcci on de la colisi on como en la perpendicular [3] y m etodo de integraci on de las ecuaciones de movimiento. La u ltima secci on estar a dedicada a la implementaci on eciente [2, 10] de estos ingredientes. Nos restringiremos al caso bidimensional en el que tenemos dos grados de libertad traslacionales y uno de rotaci on.

2.2.
2.2.1.

Fuerzas de interacci on.

Fuerza normal.

La fuerza que act ua sobre cada grano en la direcci on que une sus centros puede considerarse dividida en dos contribuciones. Un t ermino repulsivo que impide a los granos atravesarse mutuamente y que es proporcional al solapamiento de los mismos. Y un t ermino disipativo proporcional a la velocidad relativa de las part culas en la direcci on del choque. En el caso m as sencillo podemos escribir Fn = kn n (2.1) donde kn y n son coecientes de proporcionalidad. El solapamiento viene dado para discos o esferas de radios R1 y R2 por = R1 + R2 rij , siendo rij la distancia entre los centros. Este modelo puede visualizarse como un muelle amortiguado en el punto de contacto, con kn y n como constantes de rigidez y amortiguamiento respectivamente. Con esta interpretaci on 12

Figura 2.1: Esquema de la colisi on de dos granos. podemos calcular el tiempo de contacto (medio periodo de oscilaci on) kn tc = mef f

n 2mef f

1/2

(2.2)

y el coeciente de restituci on

f i = vn /vn = exp

n tc 2mef f

(2.3)

f donde mef f es la masa efectiva o reducida de los granos en colisi on y vn i las velocidades relativas en la direcci on normal posterior y anterior al y vn choque respectivamente. El coeciente de restituci on mide la energ a que se pierde durante el choque, por eso viene dado por la duraci on del mismo, as como por el coeciente n que determina la energ a disipada por el muelle amortiguado durante su movimiento.

La teor a de Hertz del contacto el astico da lugar a un t ermino repulsivo no lineal al que se a nade una contribuci on disipativa como la anterior para tener Fn = kn 3/2 n . (2.4) En este caso el coeciente de restituci on no es constante, sino que depende de la velocidad de impacto, as como el tiempo de colisi on [3] tc = 3,21 mef f kn
2/5 i vn 1/5

(2.5)

Estos dos modelos de fuerza normal son los m as ampliamente usados en la literatura de DM para medios granulares. 13

2.2.2.

Fuerza tangencial.

Esta fuerza est a dada por la ley de Coulomb de la fricci on, que nos dice que no hay deslizamiento de un cuerpo sobre otro a menos que la fuerza perpendicular a la l nea de contacto sea superior a cierto umbral. Este umbral es la fuerza normal por el coeciente de fricci on est atica. Si se supera este valor cr tico, se produce deslizamiento y la fuerza tangencial pasa a ser la normal por el coeciente de fricci on din amico. Podemos por lo tanto escribir, para la fricci on din amica [3], Ft = |Fn |sign (vt ) donde vt es la velocidad relativa de las supercies en contacto vt = (v2 v1 ) s + 1 R1 + 2 R2 (2.7) (2.6)

siendo 1 y 2 las velocidades de rotaci on de los granos respecto de sus centros y s un vector unitario perpendicular a la direcci on que une sus centros. Esta implementaci on tiene el inconveniente de que Ft salta entre valores positivos y negativos cerca de vt = 0, siendo discontinua en este punto. Aunque el valor medio de Ft ser a correcto, no es conveniente desde el punto de vista de la integraci on num erica el tener estos saltos discontinuos de signo. Una forma muy utilizada de evitar el anterior inconveniente es escribir [3] Ft = t vt (2.8) donde t es una constante sin interpretaci on f sica. Ahora la fuerza se comporta suavemente, sin saltos. Sin embargo se presentan dos problemas. El primero es que se obtiene un coeciente de restituci on tangencial constante que impide alcanzar vt = 0 (rodadura). El segundo es que al no depender Ec(2.8) de la fuerza normal, no se obtienen resultados f sicospara impactos casi totalmente normales u oblicuos. La soluci on m as extendida a los anteriores problemas consiste en unir Ec(2.6) y Ec(2.8) en una sola expresi on [3] Ft = m n (|Fn |, t |vt |) sign (vt ) (2.9)

donde t sigue siendo un par ametro sin interpretaci on f sica. D andole un valor relativamente alto a este par ametro, la mayor parte del tiempo estaremos tomando el valor correcto para la fuerza tangencial |Fn |. A medida que las velocidades se van haciendo peque nas, debido a la disipaci on, y nos acercamos al r egimen en que este t ermino da problemas, la funci on min har a que tomemos t |vt | obteniendo un comportamiento regular. 14

Las expresiones de la fuerza tangencial presentadas hasta ahora proporcionan una fuerza de fricci on din amica, no est atica. En efecto, si un cuerpo desliza sobre otro con una fricci on dada por Ec(2.8) o Ec(2.9), esta se har a nula en el momento en que consiga frenar el deslizamiento, con lo que este podr a volver a iniciarse. Tendr amos un comportamiento a saltosque, aunque peque nos, nunca ser a est atico. Una fuerza de fricci on m as realista deber a poder tener un valor no nulo en situaciones est aticas para poder mantener la situaci on de no deslizamiento una vez alcanzada. Podemos implementar una fuerza de fricci on est atica sustituyendo Ec(2.9) por [11] Ft = min (|Fn |, |Fs |) sign ( ) (2.10) donde Fs = kt t vt
t

(2.11) (2.12)

( t) =
to

vt t dt .

Ahora la fuerza tangencial Ec(2.11) contiene un t ermino el astico proporcional al desplazamiento de deslizamiento y un t ermino disipativo proporcional a la velocidad relativa en la direcci on tangencial vt . El desplazamiento se calcula integrando vt desde el instante en que dos granos entran en contacto en to hasta que dicho contacto naliza. De esta manera, cuando el deslizamiento cesa y vt se anula, la fuerza tangencial retiene un valor distinto de cero debido a que tiene un valor constante a partir de ese instante. Este modelo puede visualizarle como un muelle en la direcci on tangencial que comienza a estirarse cuando dos part culas entran en contacto, y contin ua haci endolo mientras hay deslizamiento. Cuando los granos dejan de deslizar uno sobre otro, el muelle deja de estirarse pero mantiene la deformaci on alcanzada hasta ese momento. Por u ltimo, el muelle desaparece cuando el contacto naliza.

2.3.

Integraci on de las ecuaciones de movimiento.

Una vez que hemos elegido un modelo de contacto podemos calcular la aceleraci on de cada part cula y, de ella, la nueva velocidad y posici on. Para llevar a cabo este c alculo disponemos de m ultiples m etodos de distinta complejidad y precisi on. En principio, podemos usar tanto el m etodo de Euler como el de Runge-Kutta [12] en funci on de nuestras necesidades de precisi on y velocidad. Sin embargo, cuando tratamos con sistemas hamiltonianos, una familia de m etodos destaca como particularmente apropiada: los denominados m etodos simpl ecticos. Se dice que las ecuaciones de movimiento tienen estructura simpl ectica si se verica [13] = J H 15 (2.13)

donde = (pi , qi ) es un punto del espacio de fases, H el hamiltonianano del sistema y J est a denida por J= 0 1 1 0 (2.14)

siendo 1 la matriz unidad con n umero de las y columnas igual al de grados de libertad del sistema. La evoluci on temporal est a dada por el operador de Liouville =L (2.15) H J L (2.16)

La raz on para preferir un m etodo simpl ectico frente a uno ordinario estriba en que los sistemas hamiltonianos no son estables frente a perturbaciones no hamiltonianas, que es precisamente lo que hacemos si aproximamos el hamiltoniano mediante un integrador gen erico. El resultado es que el hamiltoniano se vuelve disipativo, con un comportamiento a largo plazo completamente diferente del esperado. Las principales propiedades de los m etodos simpl ecticos son: Conservan la estructura simpl ectica del hamiltoniano Verican el teorema de Liouville.

Son m as estables que los m etodos ordinarios. Conservan la energ a y el momento angular. Son reversibles en el tiempo. Los integradores simpl ecticos m as utilizados son los denominados Verlet, Leap-Frog y velocity-Verlet. Este u ltimo es el que hemos utilizado en el presente trabajo, la posici on y la velocidad se actualizan seg un las expresiones 1 x (t + t) = x (t) + v (t) t + a (t) t2 2 (2.17)

1 v (t + t) = v (t) + [a (t) + a (t + t)]t (2.18) 2 que para implementarse pueden escribirse separando el segundo paso en uno intermedio 1 (2.19) x (t + t) = x (t) + v (t) t + a (t) t2 2 1 1 v t + t = v (t) + a (t) t (2.20) 2 2 1 1 v (t + t) = v t + t + a (t + t) t. 2 2 16 (2.21)

As , antes de aplicar Ec(2.21) nuestro algoritmo calcular a las fuerzas con las posiciones y velocidades actuales. Puede comprobarse que este m etodo de segundo orden conserva la energ a de un sistema hamiltoniano mejor que un Runge-Kutta [2] de cuarto orden. Adem as, posee la patente ventaja de ser sencillo de implementar y, al efectuarse en tres etapas, es relativamente r apido. Nuestro sistema de part culas disipativas no es, desde luego, hamiltoniano. Sin embargo, al no existir m etodos optimizados para los sistemas disipativos, los esquemas simpl ecticos se usan ampliamente para integrar las ecuaciones de movimiento de un medio granular debido a sus buenas caracter sticas intr nsecas de precisi on y estabilidad. Por u ltimo cabe mencionar los m etodos predictor-corrector, de entre los cuales los m as usados son los de Gear de cuarto y quinto orden [10]. Estos algoritmos constan de tres pasos 1. Predictor. A partir de las posiciones y sus derivadas hasta orden n en t se obtienen las mismas cantidades en t + t mediante expansiones de Taylor. Entre estas cantidades est a la aceleraci on. 2. Fuerzas. Con las posiciones y velocidades predichas se calculan las fuerzas seg un el modelo de contacto y, de ellas, las aceleraciones. Estas ser an diferentes de las calculadas en el primer paso, siendo su diferencia igual a, digamos, a. 3. Corrector. Las posiciones y sus derivadas sufren correcciones proporcionales a a. Los coecientes de proporcionalidad est an determinados para maximizar la estabilidad del m etodo. La principal ventaja del predictor-corrector reside en su elevada precisi on. Sin embargo, es costoso en recursos a la hora de implementarlo, requiere muchos c alculos adicionales y, num ericamente, resulta inestable frente a pasos de integraci on relativamente grandes.

2.4.

Implementaci on eciente.

Realizar los c alculos descritos arriba para un gran n umero de part culas es una tarea muy costosa. Si adem as deseamos un c alculo preciso deberemos trabajar con pasos de integraci on peque nos, aumentando linealmente el n umero de ciclos que debe ejecutar el algoritmo de c alculo. La implementaci on directa de los m etodos expuestos dar a lugar a un algoritmo excesivamente lento. Optimizar dicha implementaci on es un trabajo ineludible [2].

17

La mayor parte del c alculo se concentra en la obtenci on de las fuerzas que, al ser de pares, supone una operaci on de orden O(N 2 ) si se implementa de forma directa. Disminuir el n umero de operaciones en este apartado supone reducir dr asticamente el tiempo de c alculo. Existen fundamentalmente dos m etodos para llevar a cabo esta reducci on: las listas de vecinos y la divisi on del espacio en celdas.

2.4.1.

Listas de vecinos.

La fuerza sobre una part cula es la resultante de la fuerza que sobre ella ejercen sus vecinas. El c alculo de esta resultante supone recorrer la lista de part culas, vericar, para cada una, si est an en contacto (la distancia entre sus centros es menor que la suma de sus radios) y, de ser as , calcular la fuerza. Sin embargo, dado que el c alculo avanza con pasos de integraci on peque nos, el entorno de una part cula cambia muy despacio. Las part culas que est an a su alrededor, en contacto o susceptibles de entrar en contacto con ella, son las mismas durante varios (o muchos) pasos de integraci on. Resulta razonable reducir la b usqueda de contactos a las part culas que est an cerca en el espacio. El c alculo por listas de vecinos procede as : antes de comenzar a integrar las ecuaciones de movimiento elaboramos una lista que contiene en cada entrada un par de part culas tales que su separaci on es menor que una distancia cr tica rc prejada. Esta distancia debe ser mayor que el alcance de la fuerza . En el caso de fuerzas de contacto = R1 + R2 siendo Ri el radio de una part cula1 . En cada paso de integraci on se recorre la lista de vecinos actualizando las distancias de cada par. Cada cierto n umero de pasos NA se reelabora la lista. La actualizaci on de las distancias de los vecinos es una operaci on de orden O(N) y aunque la elaboraci on de la lista es de orden O(N 2 ), s olo se realiza cada NA pasos. Para calcular la fuerza recorremos la lista y hacemos los c alculos s olo para aquellas part culas que est en en contacto. La elecci on de NA puede ser cr tica: si es muy peque no no ganaremos apenas tiempo de c alculo, si lo tomamos demasiado grande, nos perderemos colisiones y realizaremos c alculos incorrectos. Una forma de automatizar el c alculo del valor optimo en cada paso de integraci on es la siguiente: cuando reelaboramos la lista de vecinos calculamos los dos m aximos desplazamientos de entre todas las part culas (los desplazamientos se almacenan en una lista de tama no N ), cuando la suma de ambos es mayor que rc procedemos a reelaborar la lista de vecinos y empezamos de cero el c alculo de los dos
Este requisito restringe el uso de las listas de vecinos a potenciales de interacci on con una distancia de corte, como el nuestro, o que puedan truncarse por ser de decaimiento r apido o corto alcance, como el de Van der Waals. Este m etodo no puede usarse con potenciales de decaimiento lento como, por ejemplo, el de Coulomb.
1

18

Figura 2.2: En este ejemplo la subcelda 2 contiene las part culas de ndices 9, 6, 4, 3 y 0. m aximos desplazamientos.

2.4.2.

Divisi on del espacio en celdas.

Este es un algoritmo totalmente de orden O(N ). Supongamos que nuestro c alculo se lleva a cabo en una celda de tama no L x L, divid amosla en M x M subceldas de tama no l= L > rc M (2.22)

con rc como se deni o arriba. El n umero medio de part culas en cada celda es 2 Nm = N/M . Los vecinos de una part cula dada s olo pueden estar en la misma subcelda o en una de las ocho adyacentes. Por tanto, inspeccionaremos, en media, 9N Nm part culas. La implementaci on de este m etodo tiene cierta complejidad. En primer lugar necesitamos una lista C con M 2 registros y una lista P con N registros. Cada registro de C contiene un n umero que se nala un registro en P , este registro contiene un n umero que es el n umero de ndice de una part cula que est a en la subcelda cuyo n umero de ndice es el dado por el n umero de registro de C . En la gura FIG 2.2 se muestra un ejemplo de c omo funciona esta implementaci on. Antes de calcular las fuerzas hay que saber qu e part culas est an en cada subcelda: for i = 1 to M * M C(i) = 0; end for for i = 1 to N indice_celda = [x(i) / l] + [y(i) / l] * M; P(i) = C(indice_celda); C(indice_celda) = i; end for 19

Los corchetes indican que se toma la parte entera. El c alculo de todas las fuerzas supone recorrer todas las M x M subceldas y, para cada una, las subceldas vecinas for m1 = 1 to M for m2 = 1 to M mi1 = m2 * M + m1 subcelda actual for mi2 Subceldas_Vecinas tomamos un grano de la subcelda actual y otro de la vecina for j1 = C(mi1) los sucesivos se toman como indique P(m1) for j2 = C(mi2) los sucesivos se toman como indique P(m2) si j1 y j2 son distintos se comprueba su distancia si j1 y j2 entran en contacto se calcula la fuerza end for end for end for end for end for Las celdas vecinas se numeran desde cero, para buscar primero los vecinos en la propia subcelda de la part cula cuya fuerza resultante queremos obtener. El m etodo resulta tanto m as ecaz cuanto m as peque nas sean las subceldas, tama no limitado por rc . Aunque el m etodo es de orden O(N ) involucra un n umero no peque no de operaciones que lo hace o ptimo s olo cuando tratamos, aproximadamente, con unas 4000 part culas o m as; para 3000 part culas o menos, la lista de vecinos resulta m as ecaz.

2.5.

Comentarios nales.

La implementaci on de la fuerza de fricci on est atica requiere el uso de una lista de vecinos propia, de hecho, se trata de una lista de contactos a actualizar en cada paso de la integraci on, necesaria para poder integrar la velocidad tangencial en cada contacto. La necesidad de esta lista implica que, cuando usamos fricci on est atica, la divisi on del espacio en celdas ya no es ecaz porque no se compagina f acilmente con la lista de contactos. En su lugar, es mejor implementar una lista de vecinos, aunque tratemos con m as de 3000 part culas. En el presente trabajo hemos tratado siempre con un medio connado a una regi on del espacio. Para lograrlo disponemos unas paredes que pueden 20

estar constituidas por granos del mismo tipo y propiedades que aquellos que forman el medio granular, con los que interact uan. Las posiciones de estos granos no se actualizan durante el c alculo y constituyen as un medio de connamiento. Otra posibilidad, tambi en usada, consiste en hacer que cuando una part cula del medio llega a una frontera interact ue con una part cula de masa y radio innitos. Esta estrategia tiene la ventaja de ahorrar n umero de part culas cuando la regi on a connar es grande. En ambos casos los constituyentes de la frontera poseen constantes de rigidez, de amortiguamiento y coecientes de fricci on que pueden alterase para cambiar las propiedades de la pared.

21

Cap tulo 3

Descarga de silos por gravedad I: inicio de la descarga.

3.1. Introducci on.

En este cap tulo analizaremos los procesos que tienen lugar en el interior de un silo cuando el mismo comienza a descargarse. Estudiaremos dos casos: un silo con oricio de salida peque no (comparable al tama no de los granos) y otro con oricio de salida grande. Comprobaremos que el perl de velocidades dentro del silo atraviesa un periodo transitorio antes de establecerse en un estado estacionario. Dicho transitorio se caracteriza por estad stica no gausiana y movimiento superdifusivo de los granos. Cl asicamente, el problema del movimiento en el interior de un silo que se descarga por gravedad a trav es de un oricio practicado en su base, ha sido tratado mediante dos aproximaciones bien distintas. Por un lado, se han propuesto modelos difusivos [14, 15] en los que huecos inyectados en el oricio de salida difunden hacia la parte superior del silo. Durante su movimiento los huecos intercambian posiciones con los granos que componen el medio (y que se suponen ordenados en una red) causando el desplazamiento de estos hacia la base. Por otra parte, se ha propuesto un modelo continuo [16] que, sin hacer hip otesis sobre el movimiento individual de los granos, puede predecir el perl de velocidades en el silo. A pesar de su diferente fundamentaci on, ambos modelos dan los mismos resultados. Recientes estudios experimentales [17] han puesto de maniesto la necesidad de revisar estos modelos. Observando a tiempos cortos (inferiores al tiempo que tarda un grano en caer su di ametro) el movimiento de las part culas se encuentra que este es de tipo no gausiano, caracterizado por dis22

tribuciones de probabilidad con colas anchas y el desplazamiento cuadr atico medio es superdifusivo. Ninguna de estas caracter sticas est a contemplada en los modelos te oricos. Un nuevo mecanismo propuesto [18] para explicar los experimentos se basa en considerar que los huecos que se inyectan por el oricio de salida no se mueven conservando su identidad. En su lugar, se disgregan en una burbujaque ocasiona el movimiento de un conjunto de granos (no el de uno solo). As , estas burbujas se desplazan hacia la supercie del silo afectando a conjuntos de granos que efect uan movimientos hacia la base, estando estos peque nos movimientos colectivos correlacionados. Nuestros c alculos revelan que el inicio de la descarga es compatible con esta imagen de movimientos colectivos y estad stica no gausiana. Los resultados presentados en este cap tulo han sido obtenidos usando las ecuaciones Fn = kn 3/2 n (3.1) Ft = m n (|Fn |, t |vt |) sign (vt ) vt = (v2 v1 ) s + 1 R1 + 2 R2 (3.2) (3.3)

correspondientes a un modelo de Hertz con fricci on din amica, con 5000 discos del mismo di ametro. La ecuaci on Ec(3.1) nos da la fuerza en la direcci on que une los centros de los granos, la Ec(3.2) proporciona la fuerza en la direcci on tangencial y Ec(3.3) es la velocidad relativa de las supercies en contacto. Los valores de los coecientes en unidades reducidas son kn = 105 mq/d, on es n = 100m g/d, t = 300m g/d, = 0,5. El paso de integraci 4 ametro de los 1,25 10 con = d/g , siendo m, d y g la masa y di discos y la aceleraci on de la gravedad, respectivamente. Las paredes del silo est an construidas con el mismo tipo de granos que los que forman el medio y forman un contenedor de 50d de anchura por 100d de altura. El proceso seguido para obtener los resultados es el siguiente: los granos se colocan en una red regular y se les dan velocidades aleatorias tomadas de una distribuci on gausiana. Se dejan caer bajo la acci on de la gravedad a trav es de una tolva bajo la cu al est a el silo rectangular en el que se almacenan. Una vez que todos los granos han sido depositados en el silo y que la energ a cin etica se ha reducido debido a la disipaci on, abrimos el oricio en la base del silo y comenzamos el proceso de medida. El tiempo de toma de datos es lo bastante corto como para que la altura del silo no cambie apreciablemente.

3.2.

Perles de velocidad y densidades de probabilidad.

En esta secci on analizamos la evoluci on del perl de velocidad vertical en el interior del silo. Usamos dos tama nos para el oricio de salida, 3,8d 23

Figura 3.1: Imagen del proceso de llenado del silo mediante descarga a trav es de una tolva. y 11d y calculamos el perl de velocidad desde que se abre el oricio de salida hasta que el grano m as alto cae dos veces su di ametro. Denimos este lapso de tiempo como el inicio de la descarga. Al ser un tiempo peque no, estamos en condiciones de comparar nuestro resultados con los obtenidos en los experimentos. Usando dos diferentes di ametros del oricio de salida, 3,8 d y 11 d estudiamos la evoluci on del perl de velocidad vertical. Estos di ametros fueron escogidos porque pertenecen a dos reg menes bien distintos: para el primero, el ujo puede ser intermitente, mientras que esto no ocurre con el segundo. Calculamos el perl de velocidad desde el momento en que se abre el oricio en la base del silo hasta que el perl se hace estacionario. Para cada tama no del oricio de salida realizamos 20 descargas independientes y promediamos los resultados. En la FIG 3.2 mostramos la evoluci on promediada del perl de velocidad, en la componente vertical, del oricio mayor. Es evidente que grupos de granos se mueven hacia abajo al principio de la descarga, mientras que estructuras que podemos describir como burbujasse desplazan hacia arriba. Estas burbujas son zonas en las que la velocidad media es mayor que en el resto del silo y su evoluci on reeja el r egimen intermitente al inicio de la descarga. Cuando estas burbujas desaparecen, se desarrolla el perl caracter stico del ujo estacionario, que es gausiano. Los resultados obtenidos con el oricio de salida m as peque no son similares pero aparece una diferencia importante: el tiempo necesario para alcanzar el ujo estable se incrementa. Esto se debe a que aparece un mayor n umero de burbujas en el

24

Figura 3.2: Evoluci on del perl de velocidades vertical promedio para el oricio de tama no 11d. El tiempo aumenta de izquierda a derecha y de arriba a abajo. En pasos de simulaci on tras la apertura del oricio de salida cada imagen corresponde a 300, 700, 1100, 1700, 6300, 10000.

25

(a)

(b)

Figura 3.3: Funciones de distribuci on de los desplazamientos verticales (a) y horizontales (b). Los c rculos son datos obtenidos con el silo de abertura 3,8d y los cuadrados con el de 11d. La l nea roja es la Ec(3.4) y la azul una gausiana. silo, induciendo un ujo intermitente. Medimos los desplazamientos individuales de los granos durante la descarga en una ventana de tama no 15d x 15d centrada vertical y horizontalmente dentro del silo. Para poder comparar con los obtenidos experimentalmente, elegimos un tiempo de muestreo tal que el desplazamiento medio de las part culas es de 0,01 d que es, aproximadamente, el mismo que en los experimentos. Para calcular los desplazamientos en la direcci on vertical sustraemos el movimiento debido al ujo. En la FIG 3.3 mostramos las funciones de densidad de probabilidad normalizadas y en escala semilogar tmica. Los desplazamientos se presentan en una escala en la que su desviaci on est andar es la unidad, siendo los valores medidos del orden de 103 d tanto en la vertical como en la horizontal. Los resultados obtenidos apenas dieren en las direcciones vertical y horizontal y son claramente no gausianos. Las diferencias aparecen tanto en la regi on central de las distribuciones como en las colas, que son anchas. Nuestras curvas est an muy bien descritas por la expresi on 2/ (3.4) P (y ) = 2 1 + (y )2 Al haber normalizado el a rea de nuestras curvas y la escala de los desplazamientos seg un la desviaci on est andar, no se requieren par ametros de ajuste. Las curvas est an dibujadas directamente encima de los datos. En los experimentos descritos en [17] se obtienen curvas similares con colas anchas pero no se propone ninguna descripci on an alitica. En la FIG 3.4 representamos el desplazamiento cuadr atico medio en cada direcci on en ambos silos. La pendiente en escala logar tmica es mayor que 26

(a)

(b)

Figura 3.4: Desplazamientos cuadr aticos medios en las componentes horizontal y vertical en escala logar tmica. El panel izquierdo muestra los resultados del silo de abertura 3,8d y la l nea continua tiene pendiente 1,33. El panel derecho muestra los resultados del silo con 11d de abertura y la l nea recta tiene pendiente 1,5. Los signos + representan los datos de la componente horizontal y los x los de la vertical. uno, de modo que el desplazamiento de los granos es superdifusivo. Los desplazamientos cuadr aticos medios escalan seg un x2 t1,33 y z 2 t1,37 para el silo con oricio de salida 3,8d, x2 t1,5 y z 2 t1,51 para el silo con oricio de salida 11d. Estos resultados son consistentes con los encontrados experimentalmente a tiempos cortos.

3.3.

Mec anica estad stica del silo.

El comportamiento de los granos arriba descrito puede entenderse haciendo uso de la hip otesis de las burbujas. Seguiremos las ideas y los c alculos desarrollados en [19], donde se estudia el comportamiento de una part cula browniana de masa variable. Supondremos, en efecto, que una burbuja es una part cula cuya masa uct ua en un tiempo caracter stico y que los posibles valores instant aneos de la masa est an dados por un funci on de distribuci on g (m). Esta imagen es razonable porque a medida que una burbuja evoluciona y se desplaza dentro del silo no est a afectando al mismo n umero de granos en todo momento. En un instante dado la masa de la burbuja ser a mb y su distribuci on de velocidades converger aa f (u) = mb mb u2 e 2 2 (3.5)

La relajaci on a ese valor tendr a lugar en una escala de tiempo caracter stica tR que depende de la masa de la part cula y las propiedades del medio. Si 27

se verica que tR << entonces la distribuci on asint otica estar a dada por f (u) = dm g (m) mb mb u2 e 2 2 (3.6)

Para seguir necesitamos una funci on de distribuci on de masas. La varianza de una variable aleatoria con media nula est a dada por la media de los cuadrados de los valores que toma. La distribuci on chi-cuadrado es, por c 2 denici on, la funci on de distribuci on de la variable aleatoria = 2 i=1 Xi , donde Xi son variables independientes distribuidas seg un una gausiana con Xi = 0 y 2c es el n umero de grados de libertad. Por tanto, una chicuadrado parece una elecci on natural para las uctuaciones de la masa de nuestra part cula. Entonces tenemos g (m) = 1 b (c) b
c 1

e/b

(3.7)

cuya media es bc y la desviaci on est andar es b2 c. Ahora podemos integrar Ec(3.6) para obtener f (u) = b (c + 1/2) 2 (c) 1
b 2 u 1+ 2 c+1/2

(3.8)

Imponer la misma escala que en nuestros datos u = 1 implica 2/b = 1 y eligiendo c = 3/2 obtenemos f (u) = 2/ (1 + u2 )2 (3.9)

que es la misma funci on que hemos encontrado antes para describir nuestros datos. En rigor, el resultado que acabamos de alcanzar es v alido para las burbujas, mientras que nosotros hemos analizado datos del movimiento de granos individuales. Para relacionar ambas descripciones utilizamos la denici on de burbuja dada en [18] Rg = (rg , rb ) Rb (3.10) que signica: cuando una burbuja se mueve Rb cerca de rb ocasiona un desplazamiento Rg en el grano que est a en rg . La funci on se denomina funci on de inuencia y se extiende al area ocupada por la burbuja. Un c alculo sencillo basado en la conservaci on de volumen, y asumiendo que la funci on es escalar y sim etrica, nos da = /2 donde es la fracci on de volumen. Supongamos una variaci on de volumen / = 1 % y una densidad = 0,8 que es lo que t picamente encontramos en nuestros c alculos (los discos monodispersos tienden a estar muy empaquetados [20]); entonces 28

 103 . Si introducimos la ecuaci on Ec(3.10) en Ec(3.9) vemos que la funci on de inuencia corresponde a la desviaci on est andar del movimiento de los granos individuales. El valor estimado para esta funci on es el mismo que el obtenido para la desviaci on est andar de los granos, lo que cierra nuestra de deducci on. Es interesante notar que la funci on Ec(3.8) es una funci on de Tsallis [21] f (u) = 1 + 1 (q 1) u2 2
1 1q

(3.11)

1 on de c en Ec(3.9) ja el con c + 1 2 = q 1 y b = (q 1). Nuestra elecci ndice entr opico c = 3/2 q = 3/2.

Las distribuciones de Tsallis son las que aparecen en la mec anica estad stica no extensiva. Se ha demostrado [22] que estas funciones son soluciones de una generalizaci on de la ecuaci on de difusi on 2 p (x, t) p (x, t) =D t x2 (3.12)

en la que la ecuaci on se torna no lineal 2 [p (x, t)] p (x, t) =D t x2 (3.13)

donde es un n umero real. La soluci on es una funci on de Tsallis con argumento x2 y se verica la relaci on q = 2 < 3. El segundo momento de esta distribuci on es nito para q < 5/3, que es nuestro caso, y, entonces, el desplazamiento cuadr atico medio escala en el tiempo como x2 t2/(3q) . Sustituyendo q = 3/2 encontramos x2 t1,33 , el mismo comportamiento que nuestros c alculos arrojan para el silo con oricio de salida peque no y consistente con el valor encontrado para el silo con oricio mayor. La diferencia puede explicarse recordando que el proceso presentado en esta secci on para deducir la funci on de distribuci on de los desplazamientos requiere de dos escalas de tiempo bien diferenciadas. Como indicamos m as arriba, la evoluci on del perl de velocidades es m as lenta en el silo de abertura peque na que en el silo con abertura mayor, de modo que las escalas de tiempo estar an m as netamente separadas en el primero que en el u ltimo.

3.4.

Comportamiento a tiempos largos.

En esta secci on analizamos el comportamiento de los granos en escalas de tiempo grandes, cuando ha transcurrido el tiempo necesario para que un grano caiga dos veces su di ametro. En la FIG 3.5 mostramos las funciones de densidad de probabilidad obtenidas en la misma regi on del silo que las 29

Figura 3.5: Funciones de distribuci on de los desplazamientos horizontales (izquierda) y verticales (derecha) a tiempos largos. Los c rculos son datos obtenidos con el silo de abertura 3,8d y los cuadrados con el de 11d. La l nea roja es la Ec(3.4) y la azul una gausiana. mostradas antes. Vemos que la componente horizontal de los desplazamientos tiende a hacerse gausiana, mientras que la componente vertical es no gausiana. En el silo con oricio peque no la componente horizontal aparece deformada debido probablemente a la presencia de gradientes de velocidad en la regi on de medida y a que la evoluci on es m as lenta por la intermitencia del ujo. Lo que vemos en el silo con oricio de salida grande es una transici on a un movimiento difusivo en la direcci on vertical a medida que el proceso de descarga descorrelaciona los movimientos en esta componente. El hecho de que la estad stica no gausiana persista en la direcci on vertical se debe a la presencia de zonas de corte en esta componente, como puede verse claramente en el u ltimo cuadro de la FIG 3.2. La presencia de movimiento superdifusivo y estad stica no gausiana asociados a zonas de corte ha sido probado experimentalmente en [23]. En la FIG 3.6 se representa el exceso de curtosis denido como x = /3 x2 2 1 y cuyo valor es cero para una distribuci on gausiana. Puede comprobarse que esta cantidad tiende a cero para la componente horizontal del silo con oricio de salida grande. x4

30

Figura 3.6: Curtosis de la distribuci on de desplazamientos horizontales y verticales en funci on de la distancia ca da. A la izquierda los resultados para el silo de abertura 11d, a la izquierda los del silo de abertura 3,8d. Los c rculos representan los datos en la componente horizontal y los cuadrados en la vertical.

31

Cap tulo 4

Descarga de silos por gravedad II: ujo de salida.

4.1. Introducci on.

El ujo de materia a trav es de un oricio en la base de un silo es una cantidad de evidente inter es pr actico que ha sido muy estudiada, sobre todo, por ingenieros [24]. Desde el punto de vista te orico puede utilizarse como un indicador de cambios en el comportamiento del medio granular en el interior del silo y de la proximidad de la regi on de atasco. El resultado cl asico es la llamada ley de Beverloo [25], estudiada experimentalmente, que establece c omo cambia el ujo en funci on del tama no del oricio de salida (4.1) W (D) = C g (D kd)5/2 donde D es el di ametro del oricio, d el di ametro de los granos, g es la gravedad, es la densidad del medio, C una constante relacionada con la fricci on del medio y k una constante que depende del medio y est a relacionada con la hip otesis del radio hidr aulico. Esta u ltima es, b asicamente, la armaci on de que, debido a su tama no nito, los granos no caen por un agujero de tama no D sino por un agujero efectivo de tama no algo menor. El valor de la constante es, aproximadamente, k 1,5 para muchos materiales, aunque llega a 2,9 para la arena. El exponente cambia de 5/2 en tres dimensiones a 3/2 en dos. La forma de ley de Beverloo puede obtenerse mediante an alisis dimensional suponiendo que el ujo depende de la densidad del medio, el tama no del oricio de salida y la gravedad. Para entender el resultado se suele apelar a la hip otesis del arco de ca da libre. Esta arma que existe una regi on, con la forma aproximada de un arco de altura proporcional al tama no del oricio de salida, por encima de la cual el material est a densamente empaquetado y 32

sin libertad para moverse; pero, por debajo, los granos est an m as separados, sueltos y caen libremente constituyendo el ujo que se mide a la salida del silo. La ley de Beverloo funciona bien con oricios de tama no mucho mayor que el de los granos que constituyen el medio, sin embargo, como expondremos en este cap tulo, presenta desviaciones cuando el oricio y los granos son de tama no comparable. Veremos que, teniendo en cuenta variaciones de la densidad del medio en funci on del oricio de salida, podemos obtener una nueva ley que ajusta bien todo el rango de observaci on. El modelo de fuerzas y los valores de las constantes que usamos para obtener los resultados expuestos en este cap tulo son los mismos que los usados en el cap tulo anterior.

4.2.

Flujo en funci on del oricio de salida.

El proceso de descarga es igual al descrito en el u ltimo cap tulo salvo que ahora los granos son depositados en la parte superior del silo a medida que salen por el oricio de la base. Este proceso de rellenado garantiza que la altura del silo permanece aproximadamente constante durante toda la toma de datos, que es de mayor duraci on que antes. Medimos el ujo en n umero de granos por bloque de tiempo, o pasos de integraci on, haciendo 100 medidas de 104 pasos de duraci on cada una. Desechamos los resultados de los 10000 primeros pasos para dar tiempo suciente a que el ujo se haga estacionario. Para cada tama no del oricio de salida tomamos como valor del ujo el promedio de las 100 medidas. El resultado puede verse en la FIG 4.1 que muestra el ujo frente al di ametro del oricio de salida en escala lineal y logar tmica junto con un ajuste a la ley de Beverloo. En el gr aco en escala logar tmica podemos ver claramente que la ley de Beverloo no ajusta los datos cuando el oricio de salida es peque no.

4.2.1.

Flujo resuelto en el tiempo.

La serie temporal del ujo contiene informaci on que perdemos al tomar la media, por lo que la analizaremos en esta secci on. Para poder comparar f acilmente los ujos obtenidos con los distintos oricios de salida deniremos, para cada uno un ujo reducido w ( t) W (t) W (t) (4.2)

donde el promedio es temporal. En la FIG 4.2 podemos ver el ujo reducido en funci on del tiempo para tres oricios de salida distintos. Cuando el oricio 33

Figura 4.1: Flujo en n umero de granos por bloque de tiempo en funci on del di ametro del oricio de salida, en escala lineal (izquierda) y logar tmica (derecha). La l nea roja en el panel izquierdo es un ajuste a la ley de Beverloo en dos dimensiones. En el panel derecho, la l nea roja tiene pendiente 1,5 (ley de Beverloo) y la azul 2,5 es peque no el ujo presenta grandes oscilaciones en torno al valor medio que se aten uan considerablemente a medida que el oricio se hace mayor. Podemos caracterizar estas uctuaciones por su desviaci on est andar w = w2 w
2

w2 1

(4.3)

y representando esta cantidad en funci on del di ametro del oricio de salida obtenemos el resultado mostrado en la FIG 4.2. Si el di ametro adimensional del oricio es menor que, aproximadamente, 9 la desviaci on est andar de 2 cae como (D/d) , mientras que para di ametros mayores se hace constante. Buscando una mayor caracterizaci on de estas uctuaciones, elaboramos el histograma de la amplitud de oscilaci on w separando los resultados obtenidos con oricios de tama no 9d o menor por un lado y los mayores por otro. Los histogramas normalizados y con la amplitud escalada seg un la desviaci on est andar se muestran en la FIG 4.3. El histograma de las uctuaciones correspondientes a oricios grandes es gausiano, mientras que para oricios peque nos est a dado por P (w) = 2/ 1 + (w)2
2

(4.4)

que es la misma distribuci on que ya encontramos para los movimientos individuales de los granos. Es decir, en la regi on donde la ley de Beverloo no es v alida las uctuaciones dependen del radio de salida y siguen una funci on de distribuci on igual a la encontrada para los desplazamientos individuales de los granos. Mientras 34

Figura 4.2: Izquierda: ujo reducido en funci on del n umero de pasos de integraci on para oricios de di ametro adimensional 3,56(negro), 6,24(rojo) y 16,04(azul). Derecha: desviaci on est andar de la amplitud de oscilaci on del ujo reducido en funci on del di ametro del oricio de salida. Un ajuste potencial de todos los datos, en azul, da una dependencia (D/d)1,87 . La l nea roja es la curva (D/d)2 .

10

10

-1

P( w)
10
-2

10

-3

-6

-4

-2

w/

Figura 4.3: Funci on de distribuci on de la amplitud de oscilaci on del ujo reducido. Los c rculos corresponden a ujos medidos con oricios menores que 9d, los cuadrados para el resto. La l nea azul es una gausiana y la roja es la Ec(4.4).

35

que en la regi on donde se aplica la ley de Beverloo, las uctuaciones son constantes en su amplitud y siguen una distribuci on gausiana. Estos resultados pueden entenderse de la siguiente forma: al tomar la variable w estamos haciendo una reducci ondel movimiento de muchos granos al de uno s olo, por eso oscila en torno a 1. El hecho de que esta cantidad experimente una uctuaci on positiva (un pico hacia arriba) o negativa ser a debido, respectivamente, al hecho de que un grano entre o salga (en el movimiento aleatorio de los granos ambas son posibles) de la regi on uidizadadesde la que caen. Estas probabilidades de entrar o salir de dicha regi on est an dadas por las funciones de distribuci on de los desplazamientos individuales de los granos, que se reejan, por tanto, en la cantidad w. Para completar el argumento hay que tener en cuenta un detalle: las funciones de distribuci on de los granos las hemos obtenido para un tiempo corto (el inicio de la descarga), mientras que las de las uctuaciones del ujo las obtenemos de tiempos relativamente largos. En el caso de las funciones de distribuci on gausianas no hay problema pues, al inicio de la descarga ya medimos durante un tiempo suciente para que el movimiento se haga gausiano FIG 3.5 y, por lo tanto, lo seguir a siendo para tiempos mayores. En el caso no gausiano, lo que ocurre es que, si bien el ujo no se detiene indenidamente, s experimenta obstrucciones durante las que se hace casi nulo (y cero para agujeros peque nos). El tiempo que media entre dos obstrucciones no es lo bastante grande para que el movimiento de los granos se haga gausiano . Por eso, aunque midamos tiempo despu es de haber abierto el oricio, lo estaremos haciendo poco despu es de una obstrucci on y el sistema se comporta como si estuviera iniciando la descarga.

4.3.

Densidad en la regi on uidizada.

Una forma sencilla de obtener la ley de Beverloo es la siguiente. En la gura FIG 4.4 hemos marcado la regi on que ocupan los N granos que van a caer en el intervalo t. Este n umero es N = DL = Dv t (4.5)

donde es la densidad en n umero de granos por unidad de area y v la velocidad promedio a la que caen los granos. El ujo es, en n umero de granos por unidad de tiempo, W = N = Dv t (4.6)

siguiendo la hip otesis del arco de ca da libre escribimos v gD y obtenemos la ley de Beverloo en dos dimensiones. En tres dimensiones el razonamiento es totalmente an alogo. Hemos visto que esta ley no es apropiada 36

Figura 4.4: Esquema para obtener la ley de Beverloo. Aqu D es el di ametro del oricio de salida, V es la velocidad media de los granos en la zona recuadrada por la l nea discontinua y t el tiempo en el que caen los granos presentes en esa zona. cuando el tama no del oricio de salida se hace comparable al de los granos. A la vista de Ec(4.6) vemos que si mantenemos la hip otesis del arco de ca da libre s olo podemos cambiar la densidad para encontrar una ley semejante y que d e cuenta de los resultados. Medimos la densidad en la regi on de salida tomando una regi on cuadrada de las dimensiones del oricio de salida. Si tomamos la base de este cuadrado coincidente con la base del silo, ocurre que, en la regi on de ujo intermitente, hay intervalos de tiempo en los que una parte del cuadrado est a vac a. Adem as el area de la regi on de medida que no est a ocupada cambia en el tiempo introduciendo fuertes oscilaciones en las medidas. Para evitar esto, tomamos la base del cuadrado de medida a una altura de unos seis di ametros de grano. Los resultados que se obtienen se muestran en la gura FIG 4.5, donde la densidad es la fracci on de volumen ocupada por los granos. La densidad puede ajustarse con la expresi on = 0 1 aebD (4.7)

Parece contraintuitivo que la densidad sea menor con oricios peque nos que con grandes, pues aquellos al tender a obstruir el ujo deber an dar lugar a mayores densidades. El resultado se comprende si tenemos en cuenta que las medidas se realizan en la regi on uidizada. Cuando el oricio de salida es peque no y tienden a formarse arcos, el material es inyectado poco a poco 37

0.85

0.80

0.75

0.70

0.65

0.60

0.55 2 4 6 8 10 12 14 16 18

D/d
Figura 4.5: La densidad del medio en la zona de ca da. La densidad se mide en t erminos de la fracci on de compactaci on: fracci on de volumen ocupado por los granos sobre el volumen total del area de medida. Cuadrados y c rculos corresponden a dos formas distintas de cambiar el tama no de la zona de medida con el oricio de salida. Ambas pueden ajustarse con la Ec(4.7) como muestran las l neas continuas. en dicha regi on desde las zonas m as altas del silo (donde la densidad s es alta) y tiene, por tanto, una baja densidad. A medida que se incrementa el tama no del oricio de salida, se inyecta m as material en la zona uidizada y a mayor ritmo, pues cada vez hay menor probabilidad de que se formen arcos y, por tanto, la densidad aumenta. A partir de un determinado tama no de oricio, la probabilidad de que se forme un arco ser a pr acticamente nula en adelante, con lo que el ritmo al que se introduce material, y su densidad, en la zona uidizada no cambian m as. Bas andonos en la presencia de arcos existe un argumento que nos lleva a la expresi on Ec(4.7). Reri endonos a la gura FIG 4.4 denamos el n umero de las de granos que caen en el intervalo t NF = N = v t D (4.8)

y el n umero de granos en la regi on de ca da es N = NF D. Cuando el tama no del oricio se hace peque no empiezan a formarse arcos, hecho que se maniesta en el aumento de las uctuaciones del ujo, cuyo efecto ser a hacer 38

100

W(D)

10

D/d

10

Figura 4.6: El ujo ajustado con la Ec(4.15) mostrando que la nueva ley es v alida para todo el rango de observaci on.
< N que en t caigan NF F las de granos. Escribiremos NF como NF menos el n umero de arcos. Para estimar este u ltimo, supondremos que la distribuci on de longitudes de los arcos es la misma que la de las cadenas de fuerza que se dan en los medios granulares, es decir, una exponencial [26]

P (l) = el

(4.9)

donde es una constante. Para cada valor de D estamos interesados en arcos de longitud l mayor que un cierto l0 relacionado con aqu el, ya que arcos menores no pueden sostenerse y son arrastrados por el ujo. Por tanto, podemos escribir
NF = NF AP (l > l0 ) = NF Ael0

(4.10)

donde A es una constante. Ahora el n umero de granos que caen es N = NF D y el ujo, usando las expresiones anteriores, 1 N = NF Ael0 D t t 1 v t Ael0 D = t A l0 e vD = 1 v t 39 (4.11) (4.12) (4.13)

y, recapitulando, podemos escribir w = Dv = 1 AebD (4.14) (4.15)

en el u ltimo paso hemos redenido la constante A y hemos puesto bD en lugar de l0 puesto que l0 es, esencialmente, D salvo una constante. En la gura FIG 4.6 representamos el ujo ajust andolo con la ley Ec(4.15) y comprobamos que puede ajustarse todo el rango de observaci on.

40

Cap tulo 5

Conclusiones y perspectivas.
El presente trabajo se ha centrado en el estudio mediante t ecnicas num ericas de los medios granulares secos. Los dos primeros cap tulos los hemos dedicado a exponer los algoritmos m as habituales encontrados en la literatura y a un an alisis detallado del m etodo de din amica molecular de part culas blandas. Los cap tulos tercero y cuarto muestran la aplicaci on de este m etodo a la descarga de silos por gravedad. En el cap tulo tercero examinamos el movimiento difusivo de los granos al inicio de la descarga. Encontramos que las funciones de distribuci on de los desplazamientos son no gausianas, caracterizadas por colas anchas. El movimiento de los granos es superdifusivo, es decir, el desplazamiento cuadr atico medio escala con el tiempo con un exponente mayor que la unidad. Hemos propuesto una ley para ajustar las funciones de distribuci on encontradas, as como una hip otesis sobre su origen, basada en el movimiento colectivo de los granos y hemos se nalado una posible conexi on con la mec anica estad stica no extensiva. Tambi en mostramos que el perl de velocidades en el interior del silo, al inicio de la descarga, presenta estructuras peculiares que evolucionan hasta que se establece el perl caracter stico del estado estacionario. El enfoque difusivo de los medios granulares densos y, en particular, en el silo no es nuevo, como hemos se nalado [14, 15]. Sin embargo, los resultados expuestos en este trabajo apuntan a una necesidad de revisar los modelos te oricos puesto que estos no tienen en cuenta el escenario de difusi on an omala al inicio de la descarga ni la evoluci on del perl de velocidades. La mec anica estad stica no extensiva se asocia de manera natural con una generalizaci on no lineal de la ecuaci on de difusi on, pues las soluciones de esta son distribuciones de Tsallis. El hecho de que las funciones de distribuci on que hemos encontrado para los desplazamientos de los granos sean tambi en funciones de Tsallis nos hace pensar en la difusi on no lineal, y la

41

termodin amica no extensiva, como un marco te orico apropiado para nuestro problema. Este enfoque podr a constituir la generalizaci on antes mencionada. El cap tulo cuarto se centra en el estudio del silo a escala macrosc opica, en concreto, analizamos el ujo de materia a trav es de un oricio practicado en su base. Este es un problema de inter es pr actico que ha sido abordado experimentalmente y para el que existen resultados en la literatura. Estos, sin embargo, se centran en estudiar los ujos cuando los oricios de salida son grandes comparados con el tama no de los granos. Al estudiar lo que sucede cuando ambos tama nos son comparables (D 9d) hemos encontrado desviaciones respecto a las leyes emp ricas aceptadas. Al analizar el ujo en estado estacionario, encontramos que las uctuaciones del mismo son gausianas en la regi on de tama nos donde son v alidas las leyes experimentales, mientras que son no gausianas en la regi on de oricios de salida peque nos. Hemos explicado c omo estas u ltimas uctuaciones se relacionan con el movimiento a peque na escala de los granos. Cuando el tama no de la abertura es peque no, el ujo est a afectado por la formaci on de arcos entre los granos que llevan a la detenci on moment anea del mismo, dando lugar a las uctuaciones mencionadas. Bas andonos en la presencia de arcos hemos deducido una ley para ajustar el ujo en todo el rango de tama nos de la salida observados. Esta ley puede traducirse en una modicaci on de la densidad del medio granular en la regi on de salida, que pasa de ser constante para aberturas grandes a ser dependiente del di ametro del oricio cuando este es peque no. Este punto ha sido constatado midiendo dicha densidad y comprobando que puede ajustarse a la expresi on obtenida. El trabajo hasta ahora realizado puede extenderse en varios frentes. En primer lugar, en el aspectomicrosc opicointroducido en el cap tulo tercero, hemos extendido los c alculos a tiempos de ca da a un mayores, de modo que un grano se desplaza una decena de veces su di ametro. Estos resultados deben compararse con los obtenidos a tiempos cortos. En este ambito ser a deseable encontrar una motivaci on rigurosa del uso de la estad stica no extensiva, hecho que pasar a por desarrollar una teor a o modelo microsc opico del movimiento de los granos en el silo. En cuanto al estudio del ujo, nuestros resultados relativos a las uctuaciones est an pendientes de una comparaci on con los resultados experimentales. De esta comparaci on podr an surgir argumentos m as rigurosos que los presentados para la modicaci on de la ley de Beverloo. El an alisis del ujo con oricios peque nos puede completarse con el estudio de las avalanchas: cantidad de granos que caen entre dos obstrucciones. Estas medidas se han llevado a cabo experimentalmete y su an alisis nos ayudar a a arrojar luz sobre el mecanismo de formaci on de arcos que obstruyen el ujo.

42

Bibliograf a
[1] J. Duran, Sands, powders and grains, Springer-Verlag, New York, 1999. [2] D. C. Rapaport, The art of molecular dynamics simulation, Cambridge University Press, Cambridge, UK; New York, NY; 2004. [3] J. Sh afer, S. Dippel y D. E. Wolf, Force schemes in simulations of granular materials, J. Phys. I (1996), 5-20. [4] T. P oschel y T. Schwager, Computational granular dynamics: models and algorithms, Springer, Berlin, 2005. [5] M. Jean y J. J. Moreau, Unilaterality and dry friction in the dynamics of rigid body collections, Proceedings of Contact Mechanics International Symposium, Presses Polytechniques et Universitaires Romandes, Lausanne, Switzerland, 1992, pp. 3148. [6] T. Unger y J. Kertesz, The contact dynamics method for granular media, en Modelling of complex systems: seventh granada lectures. AIP Conference Proceedings, volumen 661, 2003, pp. 116-138. [7] G. A. Bird, Molecular dynamics and the direct simulation of gas ow, Oxford Science Publications, Oxford, 1994. [8] M. M uller, S. Luding y H. J. Herrmann, Simulations of vibrated granular media in 2D and 3D, en D. E. Wolf y P. Grassberger, eds., Friction, Arching and Contact Dynamics. World Scientic, Singapore, 1997. [9] H. J. Herrmann, Simulating granular media on the computer, 3rd Granada Lectures in Computational Physics, eds. P.L. Garrido and J. Marro (Springer, Heidelberg, 1995), pp.67-114 [10] M. P. Allen y D. J. Tildesley, Computer simulation of liquids, Clarendon Press, Oxford, 1989. [11] L. E. Silbert, G. S. Grest y J. W. Landry, Statistics of the contact network in frictional and frictionless granular packings, Phys. Rev. E 66 (2002), 061303. 43

[12] Richard L. Burden y J. Douglas Faires, An alisis num erico, Grupo Editorial Iberoamrica, M exico, 1991. [13] Herbert Goldstein, Mec anica cl asica Aguilar, Madrid, 1966. [14] J. Litwiniszyn, The model of a random walk of particles adapted to researches on problems of mechanics of granular media, Bull. Acad. Pol. Sci. 11 (1963), 593. [15] J. Mullins, Stochastic theory of particle ow under gravity, J. Applied Physics 43 (1972), 665-678. [16] R. M. Nedderman y U. T uz un, A kinematic model for the ow of granular materials, Powder Technology 22 (1979), 243. [17] J. Choi, A. Kudrolli, R. R. Rosales y M. Z. Bazant, Diusion and mixing in gravity-driven dense granular ows, Phys. Rev. Lett. 92 (2004), 174301. [18] M. Z. Bazant, The Spot model for granular drainage, Mechanics of Materials 38 (2006), 717. [19] M. Ausloos y R. Lambiotte, Brownian particle having a uctuating mass, Phys. Rev. E 73 (2006), 011105. [20] R. Ar evalo, D. Maza y L. Pugnaloni, Identication of arches in 2D granular packings, Phys. Rev. E 74 (2006), 021303. [21] C. Tsallis, Possible generalization of Boltzmann-Gibbs statistics, J. Stat. Phys. 52 (1998), 479. [22] C. Tsallis, A. M. C. de Souza y R. Maynard, L evy ights and related topics in physics, editado por M. Schlessinger, G. M. Zaslavsky y U. Frisch, Springer, Berlin-Heidelberg-New York, 1995. [23] B. Utter y R. P. Behringer, Self-diusion in dense granular shear ows, Phys. Rev. E 69 (2004), 031308. [24] R. M. Nedderman, Statics and kinematics of granular materials, Nova Science, 1991. [25] W. A. Beverloo, H. A. Leniger y J. Van de Velde, The ow of granular solids through orices, Chem. Eng. Sci (1961). [26] J. F. Peters, M. Muthuswamy, J. Wibowo y A. Tordesillas, Characterization of force chains in granular material, Phys. Rev. E 72 (2005), 041307.

44