DINÁMICA DE FLUIDOS

COMPUTACIONAL

Introducción - Parte I
Carlos Duque-Daza
Universidad Nacional de Colombia

V0
 Que es CFD?

✤ Dinámica de Fluidos Computacional, o CFD por sus siglas en inglés,

se define como el conjunto de técnicas y metodologías que permiten a
un investigador o modelador obtener resultados numéricos, por
medio de simulaciones, del comportamiento de fenómenos de flujo de
fluidos.

✤ Dinámica de Fluidos Computacional, o CFD, es el análisis de sistemas

involucrando flujos de fluidos, transferencia de calor y otros
fenómenos asociados, como reacciones químicas, por medio de una
simulación computacional

✤ Una rama de las ciencias enfocada en dar predicciones numéricas a

problemas de flujos de fluidos
Simulación computacional

✤ Cualquier proceso en el que se usan uno o varios computadores

para resolver de forma numérica las leyes que gobiernan el
movimiento de fluidos, y fenómenos asociados, dentro o
alrededor de un sistema físico.

✤ Tal proceso debe incluir tanto las fronteras como la geometría

misma del sistema, los cuales deben también ser modeladas
mediante sistemas de cómputo.

✤ Esto es claramente una transformación del mundo físico, accesible

por ejemplo a un investigador experimental, a un entorno virtual
existente solo en un computador.
CFD en Ingeniería

✤ Tres de las herramientas más importantes en un proceso

de diseño y producción son: Diseño Asistido por
Computador (CAD), Ingeniería Asistida por Computador
(CAE) y Manufactura Asistida por Computador (CAM).

✤ Cuando se integran, tales herramientas forman la base de

un ambiente de prototipado virtual, cada vez más usado
en ambientes industriales para crear, diseñar, o modificar
un sistema o producto, generalmente con el objetivo de
obtener algún tipo de mejora.
CFD en Ingeniería
CFD en Ingeniería

✤ Fase de definición:

✤ Determinación de geometría
con base en especificaciones
operacionales

✤ Basada principalmente en
herramientas CAD

✤ Esta etapa es indispensable e

inevitable para cualquier
proceso de modelado por CFD
(en un ambiente de producción)
CFD en Ingeniería

✤ Fase de simulación y análisis:

✤ Comportamiento físico mediante

entorno computacional

✤ Mecánica de Sólidos
Computacional (CSM)

✤ Dinámica de Fluidos
Computacional (CFD)

✤ Otras: Aero-acústica(CAA),
Electro-magnetismo (CEM), etc
Ejemplos de disciplinas y aplicaciones de CFD

Tomado de Hirsch, H. [1]

Ejemplos de disciplinas y aplicaciones de CFD
CFD en Ingeniería

✤ La evolución en los procesos de diseño incorporando

CFD se debe, simultáneamente, a dos razones:

✤ Aumento de la capacidad y potencia de sistemas de

cómputo

✤ Madurez de las técnicas y metodologías CFD,

incluyendo los algoritmos usados
CFD en Ingeniería
Mejora en el proceso de diseño y desempeño de
motores producidos por SNECMA usando CFD

Tomado de Hirsch, H. [1]

Casos ejemplo:
CFD en Ingeniería
Ejemplo del uso de CFD en el proceso de evaluación de un diseño a nivel
industrial:
http://www.cfdsupport.com/industrial-fan-openfoam-study.html
Casos ejemplo:
Flujo en vías respiratorias
• Information for a better diagnostic of
respiratory diseases and intrusion in air-
polluted environments.

• An imaging-based surface model of a

patient-specific geometry obtained by CT-
scan.

• Geometry 1 included: nasal cavity,

epiglottis, larynx and oesophagus.

• Geometry 2 included: trachea, bronchus,

and up-to three generations of bronchial
branches.
Casos ejemplo:
Flujo en vías respiratorias
• Information for a better diagnostic of
respiratory diseases and intrusion in air-
polluted environments.

• An imaging-based surface model of a

patient-specific geometry obtained by CT-
scan.

• Geometry 1 included: nasal cavity,

epiglottis, larynx and oesophagus.

• Geometry 2 included: trachea, bronchus,

and up-to three generations of bronchial
branches.
Casos ejemplo:
Flujo en vías respiratorias
• Information for a better diagnostic of
respiratory diseases and intrusion in air-
polluted environments.

• An imaging-based surface model of a

patient-specific geometry obtained by CT-
scan.

• Geometry 1 included: nasal cavity,

epiglottis, larynx and oesophagus.

• Geometry 2 included: trachea, bronchus,

and up-to three generations of bronchial
branches.
Casos ejemplo:
Flujo en vías respiratorias
• Information for a better diagnostic of
respiratory diseases and intrusion in air-
polluted environments.

• An imaging-based surface model of a

patient-specific geometry obtained by CT-
scan.

• Geometry 1 included: nasal cavity,

epiglottis, larynx and oesophagus.

• Geometry 2 included: trachea, bronchus,

and up-to three generations of bronchial
branches.
Casos ejemplo:
Flujo en vías respiratorias
Casos ejemplo:
Flujo en vías respiratorias
• Flow modelled with OpenFOAM, an open
source framework for PDEs solution by
FVM (set of C++ libraries, solvers and
templates).

• Boundary conditions: No-slip walls (no

mucus or cilia included). Inlets/outlets
simulated using oscillating pressure and
velocity (f=0.2Hz).

• Flow conditions: incompressible, air

transient, turbulent. Turbulence model:
LES with dynamic Smagorinsky as SGS.

• Simulation performed in the HPC facilities

of CSC@Warwick (72 and144 cores).
Casos ejemplo:
Flujo en vías respiratorias
Casos ejemplo:
Flujo en vías respiratorias
Casos ejemplo:
Flujo en vías respiratorias
Software: libre vs. comercial

✤ Software Comercial:

✤ Validado para varios casos

✤ Soporte para configuración de simulaciones e interpretación

de resultados

✤ Esquemas numéricos generalmente “pobres” (Balance entre

precisión y estabilidad)

✤ Programa para generación de malla generalmente

incorporado en el software
Software disponible

✤ Solucionadores CFD: ✤ OpenFOAM

✤ Ansys Fluent ✤ Fenics Project

✤ Ansys CFX ✤ Saturn Code

✤ StarCCM+ ✤ Nektar++

✤ COMSOL ✤ NEK5000
Algunos sitios web de ayuda

✤ Recursos adicionales:
✤ http://www.cfd-online.com/Wiki/Codes
✤ http://www.cfd-online.com/Links/soft.html

✤ Códigos concretos:
✤ http://homepages.see.leeds.ac.uk/~lecjpl/CFD/
✤ http://www.cfd-online.com/Wiki/Sample_code_for_solving_Lid-
Driven_cavity_test_(Re%3D1000)_-_Fortran_90
Fin Parte I
DINÁMICA DE FLUIDOS
COMPUTACIONAL

Introducción - Parte II
Carlos Duque-Daza
Universidad Nacional de Colombia

V0
Elementos de un sistema de
simulación CFD
✤ Selección de modelo matemático y nivel de abstracción a ser simulado

✤ Discretización del “problema”:

1. Discretización del dominio (generación de malla)

2. Discretización del modelo matemático (esquema numérico)

✤ Análisis de estabilidad y consistencia del esquema numérico (incluyendo análisis de

independencia de malla)

✤ Solución del esquema numérico incluyendo: selección de método de avance en el

tiempo y/o solución de sistema(s) algebraico(s)

✤ Post-procesamiento gráfico, análisis de los resultados numéricos e interpretación de

las características físicas del sistema simulado.
Elementos de un sistema de
simulación CFD
✤ Selección de modelo
matemático

✤ Discretización del “problema”

✤ Análisis del esquema numérico

✤ Solución del modelo

computacional

✤ Post-procesamiento y análisis
de resultados
Selección del modelo matemático

✤ Las ecuaciones estándar son las ecuaciones de Navier-Stokes.

EDP’s no-lineales cuyo comportamiento captura fenómenos
como: turbulencia, ondas de choque, inestabilidades de flujo, etc

✤ Existen modelos “más completos”: Ecuaciones de Navier-

Stokes-Fourier, Ecuación de Boltzmann, etc

✤ Generalmente existen otros fenómenos asociados como:

combustión, presencia de múltiples fases (p.ej. condensación,
evaporación, partículas), etc
¿Cual modelo debería ser usado?… Experiencia vs. Error
Selección del modelo matemático

¿Cual modelo debería ser usado?… Experiencia vs. Error

Selección del modelo matemático

¿Cual modelo debería ser usado?… Experiencia vs. Error

 Selección del modelo matemático

Roy, C. J., Bartel, T. J., Gallis, M. A., & Payne, J. L. (2001). DSMC and Navier-Stokes predictions for hypersonic laminar interacting flows. AIAA Paper, 1030, 2001.
Discretización del modelo (I):
Dominio físico
✤ Discretización es el proceso de traducir los modelos
matemáticos y geométricos en números de representación
finita (para uso en un computador)

✤ La discretización geométrica hace referencia a tomar el

dominio de estudio (bien sea interno o externo) y dividirlo
en sub-dominios discretos, dando origen a nodos, celdas,
volúmenes, elementos, etc.

✤ Este proceso se denomina generación de malla

computacional (o grilla computacional)
Discretización del modelo (I):
Dominio físico
Discretización del modelo (I):
Dominio físico
• El proceso de generación de malla en
cualquier estudio por CFD es uno de
los más importantes

• La precisión y exactitud de una

simulación CFD dependerá MUCHO
de la “calidad” y propiedades de la
malla computacional

• En general, sin una malla no existe

posibilidad de generar una solución
numérica, ni iniciar una simulación
CFD
Discretización del modelo (II):
Modelo matemático
✤ La otra componente del proceso de discretización es la
discretización de las ecuaciones del modelo matemático

✤ Dado que sólo existen valores puntuales (discretos) de las

variables estudiadas (velocidades, presiones, temperaturas, etc),
es necesario transformar los operadores continuos
(principalmente derivadas e integrales) en operaciones aritméticas

✤ Este proceso da origen a las diferentes familias de métodos:

diferencias finitas, volúmenes finitos, elementos finitos, elementos
espectrales, etc…
Discretización del modelo (II):
Modelo matemático
Análisis de “desempeño”

✤ La discretización del modelo matemático y las respectivas relaciones

algebraicas obtenidas conforman el esquema numérico

✤ El esquema numérico debe cumplir con unas condiciones mínimas

para garantizar confiabilidad en los resultados obtenidos (estabilidad,
convergencia, consistencia, etc)

✤ Buenas noticias (?): Este paso generalmente DEBE SER realizado por el
desarrollador del método o esquema numérico, y NO por el usuario,
pero…

✤ El usuario debe garantizar al menos Independencia de Malla, para

garantizar confiabilidad de resultados y uso inteligente de recursos.
Solución del modelo

✤ Esta fase del proceso de simulación CFD está asociada con la

correcta selección de algoritmos a usar, así como de las
características del sistema físico a modelar:

✤ El sistema es transitorio o estacionario?

✤ La representación matricial es densa o ligera (“sparse”) ?

✤ El sistema es rígido, cuasi-singular, etc?

✤ Como seleccionamos el paso de tiempo? Debemos

respetar algún criterio de estabilidad?
Solución del modelo

• Densidad de una matriz: relación entre el

número de elementos diferentes de cero
(non-zero elements) y el número total de
elementos de dicha matriz

• Matriz singular: matriz que NO es

invertible

• Sistema rígido: Sistema en el que

procedimientos numéricos tradicionales
fallan (Restricción de paso de tiempo)
Etapa final:
Post-procesamiento y análisis
✤ Esta fase está asociada con la manipulación (post-
proceso) de los valores obtenidos con la simulación
para su análisis

✤ El proceso de análisis puede ser tanto cuantitativo

como cualitativo

✤ Generalmente debe realizarse mediante herramientas

adicionales a los solucionados mismos usados en la
simulación
Etapa final:
Post-procesamiento y análisis
✤ Tipos de resultados pueden ser:

✤ Gráficos cartesianos de distribución de una o varias variables en

función de una coordenada

✤ Gráficos de colores de una cantidad determinada, sobre una

superficie del dominio, o en un corte trasversal del dominio

✤ Visualización de líneas de corriente, y vectores de velocidad

✤ Representaciones tipo estructuras coherentes, en diferentes regiones

del dominio

✤ Finalmente: Animaciones!!!
Etapa final:
Post-procesamiento y análisis
Etapa final:
Post-procesamiento y análisis

http://ufrmeca.univ-lyon1.fr/~buffat/VIDEO/index.html
Fin Parte II