Baixe o app para aproveitar ainda mais
Prévia do material em texto
Angela Nieckele – PUC-Rio 1 Formulação de Volumes de Controle (o método de volumes finitos) O domínio é dividido em um número de volumes de controle tal que exista um volume de controle ao redor de cada ponto nodal. A equação diferencial é integrada sobre cada volume de controle para obter uma equação algébrica contendo os valores de f nos pontos nodais. A equação de discretização resultante expressa o princípio de conservação para um volume de controle finito, assim como a equação diferencial expressa o mesmo para um volume de controle infinitesimal diferencial. Angela Nieckele – PUC-Rio 2 o o o o o o o o o o o o o o o o o o o o o o o o o Angela Nieckele – PUC-Rio 3 A equação resultante implica que o princípio de conservação integral (de massa, quantidade de movimento, energia, etc.) é perfeitamente satisfeito para qualquer grupo de volumes de controle, e consequentemente, para todo o domínio. Este fato, acontecerá para qualquer número de pontos nodais, não só para malha muito fina. É necessário supor uma variação de f entre os pontos nodais. É possível, se desejado, utilizar diferentes perfis para integrar diferentes termos da equação diferencial. Angela Nieckele – PUC-Rio 4 Malha N pontos N+1 faces Angela Nieckele – PUC-Rio 5 N pontos N-1 faces 1 2 3 i-1 I N-1 N 1 2 3 i-1 N-1 1 2 3 i-1 i N-1 N 2 3 i-1 i i+1 N-1 N ou Angela Nieckele – PUC-Rio 6 Método A Método B Angela Nieckele – PUC-Rio 7 Dx qw qe W w P e E dxw dxe Angela Nieckele – PUC-Rio 8 Expoente 𝛼 permite concentrar a malha em uma das extremidades 𝛼>1 malha concentrada no inicio 𝛼<1 malha concentrada no final Angela Nieckele – PUC-Rio DIFUSÃO 9 Angela Nieckele – PUC-Rio 10 0 e w xx dxSqq we Dx qw qe W w P e E dxw dxe 1D: 𝑑 ∀ = 𝐴 𝑑𝑥 , 𝐴 = 1 𝑞 = −𝑘 𝑑𝑇 𝑑𝑥 𝑄 = 𝑞 𝐴 = −𝑘 𝐴 𝑑𝑇 𝑑𝑥 Angela Nieckele – PUC-Rio 1111 Perfil Linear: Segundo perfil mais simples. Note que o perfil linear é a solução exata da equação de condução uni-dimensional, regime permanente, sem fonte, com propriedades constantes Possíveis Perfis para avaliar o fluxo Perfil em Degrau: Perfil mais simples possível, porém, a inclinação de dT/dx nas faces do volume de controle não está definida. O perfil em degrau pode ser utilizado em outros termos, se desejado. Angela Nieckele – PUC-Rio 12 Os fluxos de calor através das faces e e w podem ser baseados na solução exata do caso particular do problema (condução, regime permanente, 1D, propriedades constantes e sem fonte), que é um perfil linear e são w WP w w x x TT k dx dT kq w d e PE e e x x TT k dx dT kq e d Angela Nieckele – PUC-Rio 13 Angela Nieckele – PUC-Rio 14 𝑆𝑝 ≤ 0 Angela Nieckele – PUC-Rio 15 Substituindo as expressões aproximadas para os fluxos e fonte média em Angela Nieckele – PUC-Rio 16 Note que a forma da equação de discretização depende do perfil utilizado para aproximar os fluxos. Existe uma infinidade de possíveis perfis interpoladores. No entanto, a escolha do perfil deve ser tal que atenda a 4 princípios básicos, de forma a garantir uma solução fisicamente realista. Angela Nieckele – PUC-Rio 17 Angela Nieckele – PUC-Rio 18 𝑞− 𝑞 + P E 𝑞𝑃𝑒 = 𝑞 − = −𝑘𝑒 (𝑇𝐸 − 𝑇𝑃) 𝛿𝑥𝑒 𝑞𝐸𝑤 = 𝑞 + = −𝑘𝑒 (𝑇𝐸 − 𝑇𝑃) 𝛿𝑥𝑒 Angela Nieckele – PUC-Rio 19 o oN o oW oP oE o oS o Angela Nieckele – PUC-Rio 20 Angela Nieckele – PUC-Rio 21 Angela Nieckele – PUC-Rio 22 Note que estes coeficientes respeitam as 4 regras básicas Precisamos definir: Como obter a condutância nas faces? Como linearizar a fonte? Para finalizar a discretização: 𝑅𝑒𝑠 = 𝐿 𝐾 𝐴 Angela Nieckele – PUC-Rio 23 Angela Nieckele – PUC-Rio 24 P e E 𝑑𝑥𝑒 𝑑𝑥𝑒 − 𝑑𝑥𝑒 + 𝑞− = −𝑘𝑃 𝑇𝑒 − 𝑇𝑃 𝑑𝑥𝑒 − 𝑞+ = −𝑘𝐸 𝑇𝐸 − 𝑇𝑒 𝑑𝑥𝑒 + 𝑞𝑒𝐴𝑒 = −𝑘𝑒𝐴𝑒 𝑇𝐸 − 𝑇𝑃 𝛿𝑥𝑒 −𝑞 𝑑𝑥𝑒 + 𝑘𝐸 + 𝑑𝑥𝑒 − 𝑘𝑃 = 𝑇𝐸 − 𝑇𝑃 𝑘𝑒 𝛿𝑥𝑒 = 1 𝑑𝑥𝑒 + 𝑘𝐸 + 𝑑𝑥𝑒 − 𝑘𝑃 𝑘𝑒 = 2 𝑘𝐸𝑘𝑃 𝑘𝐸 +𝑘𝑃 𝑎𝐸 = 𝑘𝑒 𝛿𝑥𝑒 𝐴𝑒 = 𝐴𝑒 𝑑𝑥𝑒 + 𝑘𝐸 + 𝑑𝑥𝑒 − 𝑘𝑃 𝑎𝐸 = 𝑘𝑒 𝐴𝑒 𝛿𝑥𝑒 → −𝑞 𝑑𝑥𝑒 − 𝑘𝑃 = 𝑇𝑒 − 𝑇𝑃 → −𝑞 𝑑𝑥𝑒 + 𝑘𝐸 = 𝑇𝐸 − 𝑇𝑒 Malha uniforme Angela Nieckele – PUC-Rio 25 P e E 𝑑𝑥𝑒 𝑑𝑥𝑒 − 𝑑𝑥𝑒 + 𝑞𝑒 = −𝑘𝑒 𝑇𝐸 − 𝑇𝑃 𝛿𝑥𝑒 𝑘𝑒 = 𝑘𝐸 +𝑘𝑃 2 𝑘𝑒 = 2 𝑘𝐸𝑘𝑃 𝑘𝐸 +𝑘𝑃 𝑘𝐸 = 0 → qe = 0 𝑘𝑃 ≫≫ 𝑘𝐸 → 𝑞𝑒 = −𝑘𝐸 𝑇𝐸 − 𝑇𝑃 𝛿𝑥𝑒 + 𝑘𝑒 = 𝑘𝐸 +𝑘𝑃 2 → 𝑘𝑒 = 𝑘𝑃 2 𝑘𝑒 = 2 𝑘𝐸𝑘𝑃 𝑘𝐸 +𝑘𝑃 → 𝑘𝑒 = 2 𝑘𝐸𝑘𝑃 𝑘𝑃 = 2 𝑘𝐸 𝑘𝑒 𝛿 𝑥𝑒 = 2 𝐾𝐸 𝛿 𝑥𝑒 𝑘𝐸 = 0 𝑘𝑃 ≫≫ 𝑘𝐸 𝑘𝑒 = 2 𝑘𝐸𝑘𝑃 𝑘𝐸 +𝑘𝑃 comparação → 𝑘𝑒 = 𝑘𝑃 2 → 𝑘𝑒 = 0 A formula da media harmônica (resistência equivalente) permite que grandes descontinuidades sejam tratadas corretamente Angela Nieckele – PUC-Rio 26 P e E i i+1 𝛿𝑥𝑒 𝛿𝑥𝑒 − 𝛿𝑥𝑒 + 𝑞𝑒𝑖 = 𝑎𝐸𝑖(𝑇𝑖 − 𝑇𝑖+1) 𝑘𝑒 𝛿𝑥𝑒 = 1 𝛿𝑥𝑒 + 𝑘𝐸 + 𝛿𝑥𝑒 − 𝑘𝑃 𝑘𝑒 = 2 𝑘𝐸𝑘𝑃 𝑘𝐸 +𝑘𝑃 𝑎𝐸 = 𝑘𝑒 𝛿𝑥𝑒 𝐴𝑒 = 𝐴𝑒 𝛿𝑥𝑒 + 𝑘𝐸 + 𝛿𝑥𝑒 − 𝑘𝑃 𝑎𝑊𝑖 = 𝑘𝑤𝑖 𝐴𝑤𝑖 𝛿𝑥𝑤𝑖 𝑎𝐸𝑖 = 𝑘𝑒𝑖 𝐴𝑒𝑖 𝛿𝑥𝑒𝑖 𝑎𝑊𝑖+1 = 𝑘𝑤𝑖+1 𝐴𝑤𝑖+1 𝛿𝑥𝑤𝑖+1 = 𝑘𝑒𝑖 𝐴𝑒𝑖 𝛿𝑥𝑒𝑖 = 𝑎𝐸𝑖 𝑞𝑒𝑖 = 𝑞𝑤𝑖+1 𝑞𝑤𝑖 = 𝑎𝑊𝑖(𝑇𝑖−1 − 𝑇𝑖) 𝑞𝑤𝑖+1 = 𝑎𝑊𝑖+1(𝑇𝑖 − 𝑇𝑖+1) 𝛿𝑥𝑒 − = 𝛿𝑥𝑒 + = 𝛿𝑥𝑒 2 Angela Nieckele – PUC-Rio 27 Angela Nieckele – PUC-Rio 28 1 𝐴 𝑑 𝑑𝑥 𝑘 𝐴 𝑑𝑇 𝑑𝑥 − ℎ 𝑃 𝐴 𝑇 − 𝑇∞ 𝑆 = 0 ff pc i facei ii SSJA sdsd dρ td 3 1 , / 1 )( 1 𝑆𝑐 = ℎ 𝑃 𝐴 𝑇∞ 𝑆𝑝 = − ℎ 𝑃 𝐴 Angela Nieckele – PUC-Rio 29 ҧ𝑆 𝑑 ∀= − ℎ 𝑃 𝐴 𝑇 − 𝑇∞ 𝐴 𝑑𝑥 = 𝑆𝑐 + 𝑆𝑝 𝑇 𝐴 𝑑𝑥 ≈ 𝑆𝑐 + 𝑆𝑝 𝑇𝑃 𝐴 Δ𝑥 𝑆 = ℎ 𝑃 𝐴 𝑇∞ − 𝑇 Se a aleta trocasse calor por radiação, teríamos 1 𝐴 𝑑 𝑑𝑥 𝑘 𝐴 𝑑𝑇 𝑑𝑥 −𝜎 𝜀 𝑃 𝑑 𝑥 (𝑇4 − 𝑇∞ 4) 𝑆 = 0 Angela Nieckele – PUC-Rio 30 Angela Nieckele – PUC-Rio 31 Quando existe uma expressão analítica para S, é conveniente utilizar uma expansão em Série de Taylor no processo de linearização, isto é )( * * * ff f d Sd SS onde f* é o valor de f na iteração anterior. * * * f f d Sd ScSc * fd Sd Sp Angela Nieckele – PUC-Rio 32 Exemplo: S = 4 - 5 T3, (a) Avaliar a fonte de forma totalmente explícita, SC = 4 - 5 T *3 SP = 0 não é conveniente, pois não antecipa nenhuma dependência entre a fonte e a variável dependente, no caso a temperatura. 0 0.5 1 1.5 2 2.5 3 3.5 4 4.5 0 0.2 0.4 0.6 0.8 1 Sa S=4-5T^3 S S* Angela Nieckele – PUC-Rio 33 Exemplo: S = 4 - 5 T3, (b) Avaliar a fonte de forma totalmente explícita, SC = 4 SP = - 5 T *2 coeficiente angular menor do que deveria ser. Novamente não antecipa corretamente a dependência da fonte em T. 0 0.5 1 1.5 2 2.5 3 3.5 4 4.5 0 0.2 0.4 0.6 0.8 1 Sa Sb S=4-5T^3 S S* Angela Nieckele – PUC-Rio 34 Exemplo: S = 4 - 5 T3, (c) Avaliar a fonte de forma totalmente explícita, SC = 4 +20 T *3 SP = - 25 T *2 coeficiente angular maior do que deveria ser. Diminui a velocidade de convergência. 0 1 2 3 4 5 6 7 0 0.2 0.4 0.6 0.8 1 Sa Sb Sc S=4-5T^3 S S* Angela Nieckele – PUC-Rio 35 Exemplo: S = 4 - 5 T3, (d) Linearização baseada em série de Taylor. É a tangente a curva. É a linearização correta, pois apresenta a tendência correta da curva dS/dT = - 15 T2 então rearrumando resultando em)(15)54( *2*3* TTTTS TTTS )15()104( 2*3* )104( 3*TSC )( *215 TS p 0 1 2 3 4 5 6 7 0 0.2 0.4 0.6 0.8 1 Sa Sb Sc Sd S=4-5T^3 S S* )( * * * ff f d Sd SS Angela Nieckele – PUC-Rio 38 Condições de Contorno As equações de discretização são formadas para todos os volumes de controle ao redor dos pontos nodais internos. Se os valores da temperatura no contorno são conhecidos, não é necessário mais nenhuma equação. Se Tc não é conhecido, uma equação de discretização para o volume de controle próximo a fronteira deve ser construída. Esta equação incorporará a informação disponível sobre o fluxo de calor da fronteira (ou o valor do coeficiente de troca de calor convectivo). Angela Nieckele – PUC-Rio 39 A Equação para Meio Volume de Controle (Método A) Situações 1-D Portanto, acTc=aITI + B oPara fluxo de calor qc constante oPara coeficiente de troca de calor h e temperatura T∞ conhecidos, tem-se a relação: qc = h (T∞- Tc) 𝐴 = 1 B B Angela Nieckele – PUC-Rio 40 A Equação para Volume de Controle de Espessura Nula (Método B) Situações 1-DType equation here. então, acTc=aITI + B ; onde oPara fluxo de calor qc constante oPara h e temperatura T∞ conhecidos: qc = h (T∞- Tc) B B 𝑞𝑖 = 𝑘𝑖𝐴𝑖 𝛿𝑥𝑖 (𝑇1 − 𝑇𝐼)=0 ( 𝑘𝑖𝐴𝑖 𝛿𝑥𝑖 𝑇1 = 𝑘𝑖𝐴𝑖 𝛿𝑥𝑖 𝑇𝐼) Angela Nieckele – PUC-Rio 41 Condições de contorno Tc conhecido o Quando Tc é conhecido, não é preciso utilizar a equação para o contorno durante a fase de solução o Contudo, pode-se utilizar a equação do contorno para determinar o valor desconhecido de qc após todas as temperaturas (incluindo TI) tiverem sido calculadas. ccPCIc i i c xTSSTT x k q ))(()( )( D d )()( )( IciIc i i c TTaTT x k q d Método A Método B Angela Nieckele – PUC-Rio 42 Angela Nieckele – PUC-Rio SOLUÇÃO DE SISTEMA ALGÉBRICO TRI-DIAGONAL Algoritmo TDMA (Tri Diagonal Matrix Algorthm) também chamado de algoritmo de Thomas este é um algoritmo direto para resolver sistemas de equações algébricas formado por matriz de coeficientes tri-diagonal. Para o ponto (1) tem-se a1 1 = b1 2 + d1 Para todos os pontos 2 i N ai i = bi i+1 + ci i-1 + di Para o ponto (N) tem-se aN N = cN N-1 + dN A matriz resultante é 43 Angela Nieckele – PUC-Rio 44 NN NNN ac bac bac bac ba 000000 00000 00 0 000000 111 333 222 11 N N 1 3 2 1 N N d d d d d 1 3 2 1 = Com esse novo conjunto, determina-se N e fazendo uma substituição regressiva, todos os podem ser obtidos Ӗ𝐴 𝜙 = 𝐷 Ӗ𝐴−1 Ӗ𝐴 𝜙 = Ӗ𝐴−1𝐷 𝜙 = Ӗ𝐴−1𝐷 Angela Nieckele – PUC-Rio • Note que a seguinte equação é valida para todos os pontos 1 i N ai i = bi i+1 + ci i-1 + di sendo c1= 0 e bN =0 • Vamos obter o algoritmo: suponha que desejamos obter a relação i = Pi i+1 + Qi após termos obtido i-1 = Pi-1 i + Qi-1 então ai i = bi i+1 + ci [ Pi-1 i + Qi-1 ]+ di rearrumando [ ai - ci Pi-1 ] i = bi i+1 + ci Qi-1 + di 45 1iii i1ii 1i 1iii i i Pca dQc Pca b 1 iii i i Pca b P 1 1 iii iii i Pca Qcd Q Angela Nieckele – PUC-Rio O ponto de partida é: e Note que N = QN ; já que PN =0 pois bN = 0 O algoritmo TDMA requer um tempo de computação e espaço de memória proporcional a somente N, e não N2 ou N3. 46 1 1 1 a b P 1 1 1 a d Q 1 iii i i Pca b P 1 1 iii iii i Pca Qcd Q iiii QP 1 Angela Nieckele – PUC-Rio 47 Solução De Sistema Algébrico Tri-Diagonal____________________________________________ 21 Procedimento TDMA calcula-se 1 1 1 a b P e 1 1 1 a d Q Usando as relações recursivas de Pi e Qi 1 iii i i Pca b P 1 1 iii iii i Pca Qcd Q obter P2 ; Q2 ; P3 ; Q3 ; ...; PN e QN especificar N = QN Usando i = Pi i+1 + Qi , obter N-1 ; N-2 ; ..... ; 2 ; 1 Angela Nieckele – PUC-Rio 48 Para todos os pontos 2 i N ai i = bi i+1 + ci i-1 + di aP P = aE E + aW W + b aP = aE + aW – Sp d ∀ ai i - bi i+1 - ci i-1 = di Angela Nieckele – PUC-Rio 49 tem-se a1 1 = b1 2 + d1 Para todos os pontos 2 i N ai i = bi i+1 + ci i-1 + di Para o ponto (N) tem-se aN N = cN N-1 + dN 𝜙1= 𝜙𝑑𝑎𝑑𝑜𝑖𝑛 a1 1 = b1 2 + d1 𝑎1 = 1 𝑏1 =0 𝑑1= 𝜙𝑑𝑎𝑑𝑜𝑖𝑛 𝜙𝑁= 𝜙𝑑𝑎𝑑𝑜𝑜𝑢𝑡 aN N = cN N-1 + dN 𝑎𝑁 = 1 𝑐𝑁 =0 𝑑𝑁 = 𝜙𝑑𝑎𝑑𝑜𝑜𝑢𝑡 Angela Nieckele – PUC-Rio 50 𝜖 = | 𝜓𝑛𝑢𝑚 − 𝜓𝑒𝑥| 𝜖𝑛 = | 𝜓𝑛𝑢𝑚 − 𝜓𝑒𝑥| 𝜓𝑒𝑥 𝜓𝑛𝑢𝑚 = 10 −6 ; 𝜓𝑒𝑥 = 10 −8 𝜖𝑛 = 10−6 − 10−8 10−8 = 102 𝜖𝑛_𝑚𝑎𝑥 = max 𝜖𝑛 𝜖𝑛𝑚𝑒𝑑𝑖𝑜 = 1 𝑁 𝑖=1 𝑁 𝜖𝑛 𝜖𝑛𝑟𝑚𝑠 = 1 𝑁 𝑖=1 𝑁 𝜖𝑛 2 ERROS Angela Nieckele – PUC-Rio 51 𝑑𝐽𝑥 𝑑𝑥 = 𝑆 ; 𝐽𝑥 = −Γ 𝑑𝜙 𝑑𝑥 ; 𝑆 = 𝑆𝑐 + 𝑆𝑝 𝜙, 𝑆𝑝 ≤ 0 𝑎𝐸 = Γ𝑒 𝐴𝑒 𝛿𝑥𝑒 𝑎𝑊 = Γ𝑤 𝐴𝑤 𝛿𝑥𝑤 𝑎𝑃 = 𝑎𝐸 + 𝑎𝑊 − 𝑆𝑝 𝐴𝑃 Δ𝑥𝑃 𝐵 = 𝑆𝑐 𝐴𝑃 Δ𝑥𝑃 𝑎𝑃𝜙𝑃 = 𝑎𝐸 𝜙𝐸 + 𝑎𝑊𝜙𝑊 + 𝐵 𝐽𝑖𝑛 = 𝐽𝑥𝑖𝑛𝐴𝑖𝑛 𝐽𝑜𝑢𝑡 = 𝐽𝑥𝑜𝑢𝑡𝐴𝑜𝑢𝑡 Balanço global: 𝐽𝑖𝑛 + σ𝑖=2,𝑁−1 𝑆𝑐 + 𝑆𝑝 𝜙 𝑑 ∀= 𝐽𝑜𝑢𝑡 𝐽𝑖𝑛 = 𝑎𝑊2 (𝜙1 − 𝜙2) 𝐽𝑜𝑢𝑡 = 𝑎𝐸𝑁−1 (𝜙𝑁−1 − 𝜙𝑁) 1 2 i -1 i i+1 N-1 N 𝛿𝑥𝑤𝑖 = 𝑥𝑖 – 𝑥𝑖−1 𝛿𝑥𝑒𝑖 = 𝑥𝑖+1 – 𝑥𝑖 𝛿𝑥𝑒𝑖 = 𝛿𝑥𝑤𝑖+1 Δ𝑥𝑖 = 𝑥𝑓𝑎𝑐𝑒𝑖+1 − 𝑥𝑓𝑎𝑐𝑒𝑖 2 i -1 i i+1 N-1 NMétodo B Balanço difusivo Angela Nieckele – PUC-Rio 52 𝐽𝑖𝑛 = 𝐽𝑥𝑖𝑛𝐴𝑖𝑛 𝐽𝑜𝑢𝑡 = 𝐽𝑥𝑜𝑢𝑡𝐴𝑜𝑢𝑡 Balanço global: 𝐽𝑖𝑛 + σ𝑖=1,𝑁 𝑆𝑐 + 𝑆𝑝 𝜓 𝑑 ∀= 𝐽𝑜𝑢𝑡 1 2 i -1 i N-1 N 𝛿𝑥𝑒𝑖 = 𝛿𝑥𝑤𝑖+11 2 i -1 i i+1 N N+1 Método A 𝐽𝑖𝑛 + 𝑆𝑐 + 𝑆𝑝 𝜙1 𝑑 ∀1= 𝐽𝑤2 𝐽𝐸𝑁−1 + 𝑆𝑐 + 𝑆𝑝 𝜙𝑁 𝑑 ∀𝑁= 𝐽𝑜𝑢𝑡 𝑑𝐽𝑥 𝑑𝑥 = 𝑆 ; 𝐽𝑥 = −Γ 𝑑𝜙 𝑑𝑥 ; 𝑆 = 𝑆𝑐 + 𝑆𝑝 𝜙, 𝑆𝑝 ≤ 0 𝑎𝐸 = Γ𝑒 𝐴𝑒 𝛿𝑥𝑒 𝑎𝑊 = Γ𝑤 𝐴𝑤 𝛿𝑥𝑤 𝑎𝑃 = 𝑎𝐸 + 𝑎𝑊 − 𝑆𝑝 𝐴𝑃 Δ𝑥𝑃 𝐵 = 𝑆𝑐 𝐴𝑃 Δ𝑥𝑃 𝑎𝑃𝜙𝑃 = 𝑎𝐸 𝜙𝐸 + 𝑎𝑊𝜙𝑊 + 𝐵 𝛿𝑥𝑤𝑖 = 𝑥𝑖 – 𝑥𝑖−1 𝛿𝑥𝑒𝑖 = 𝑥𝑖+1 – 𝑥𝑖 𝛿𝑥𝑒𝑖 = 𝛿𝑥𝑤𝑖+1 Δ𝑥𝑖 = 𝑥𝑓𝑎𝑐𝑒𝑖+1 − 𝑥𝑓𝑎𝑐𝑒𝑖 Balanço difusivo Angela Nieckele – PUC-Rio NÃO LINEARIDADE A equação de discretização deve ser uma equação linear, porque o sistema de equações algébricas será resolvido por métodos de solução de equações lineares. Não linearidades irão aparecer quando k depender de T ou S for uma função não linear de T. Então, os coeficientes das equações de discretização serão dependentes de T. Não linearidades podem ser tratadas por um processo iterativo de solução: (i) supomos um valor para o campo de T, (ii) calculamos os coeficientes, (iii) resolvemos as equações de discretização nominalmente lineares para obter um novo campo de T, (iv) repetimos o processo voltando ao item (ii) até obter convergência, isto é, ate que os valores de T não variem significativamente entre iterações. 54 Angela Nieckele – PUC-Rio Solução de Sistema de Equações Não-Linear Método de Picard: 1. Chute inicial; 2. Calcular coeficientes da matriz usando o valor atual das incógnitas; 3. Resolver o sistema de equações e determinar o novo valor das incógnitas; ou • Comparar solução atual com anterior; • Se não convergiu, voltar para 2. )()()()()( ,,,, 00 3 0 2 0 1 0 Nfffff )(kAA f bA kk 1 1 )()( ff ba a a W k WE k EP k P fff Angela Nieckele – PUC-Rio Método de Newton-Raphson (de Newton) )( )( )( )( tan 1 1 i i ii i ii i xf xf xx xf xx xf PROCEDIMENTO ITERATIVO )1( )()1( )( )( )( )0( :Raiz 1 )( )( do ,)( While 0 :inicial Chute D D i ii i i i x ii xxx xf xf x xf i x xf xf xxfxxfxxf xf x xfxxfxxf DDD D DD 0 2 2 Dados de Entrada: Chute inicial, tolerância , número de iterações Angela Nieckele – PUC-Rio 0),,,,( 0),,,,( 0),,,,( 0),,,,( 321 3213 3212 3211 NN N N N xxxxf xxxxf xxxxf xxxxf Sistema a ser resolvido: Expansão por série de Taylor até termos de primeira ordem de cada equação: N N NNN NNNNN N N NNN N N NNN x x f x x f x x f xxxfxxxxxxf x x f x x f x x f xxxfxxxxxxf x x f x x f x x f xxxfxxxxxxf DDDDDD DDDDDD DDDDDD 2 2 1 1 212211 2 2 2 2 1 1 2 21222112 1 2 2 1 1 1 1 21122111 0 0 0 ),,,(),,,( ),,,(),,,( ),,,(),,,( Método de Newton: Generalização do Método de Newton para um sistema de equações não- lineares Angela Nieckele – PUC-Rio N N NNN NN N N N N N N x x f x x f x x f xxxf x x f x x f x x f xxxf x x f x x f x x f xxxf DDD DDD DDD 2 2 1 1 21 2 2 2 2 1 1 2 212 1 2 2 1 1 1 1 211 ),,,( ),,,( ),,,( fJx f f f x x x x f x f x f x f x f x f x f x f x f f N x N J N NNN N N 1 2 1 2 1 21 2 2 2 1 2 1 2 1 1 1 D D D D D Sistema em Forma matricial Matrix Jacobiana j i ij x f J Angela Nieckele – PUC-Rio PROCEDIMENTO ITERATIVO )( )()( )( )( , 1 1 1 0 :Raiz 1 do While 0 :inicial Chute i ii i x ii xxx fJx xf i x D D Solução de um sistema linear Convergência Quadrática )( )()( )( )( )( ][ , 1 1 1 0 :Raiz 1 do While 0 :inicial Chute k kk k k kk bAJ bA k f fDff ffD f f Angela Nieckele – PUC-Rio Exemplo: condução não linear 0 q xd Td k xd d Tbase Textk(T) q x L c.c.: x = 0 T=Tbase x = L T=Text xqbaaa x k a x k a bTaTaTa EWP w w W e e E WWEEPP D dd ;; )( ; )( ),( 2 ;),( // 1 WP WP WP wEP EePee e TTk kk kk kTTk kxkxx k ddd 10 NN TT x T ou w P e E 1 2 Angela Nieckele – PUC-Rio Solução pelo Método de Newton… Cálculo da matriz Jacobiana: 0 bTaTaTaaf WWEEPEWi f1 = T1 – Tbase=0 ; fN = TN - Text=0 01 132 01 1 2 1 1 1 N N N N EP E E E E i WP W W W W i EP P E WP P W EW P i T f T f TT T a a T f TT T a a T f NiTT T a TT T a aa T f T f T f ; ; ,,, ; 01 NNN TTf10 NN TT x T ou Angela Nieckele – PUC-Rio Sistema em Forma matricial Matrix Jacobiana j i ij T f J fJT f f f f T T T T T f T f T f T f T f T f f N i T N i J E i P i W i 1 2 1 2 1 3 2 2 2 1 2 100 00 00 001 D D D D D D NN NNN ac bac bac bac ba 000000 00000 00 0 000000 111 333 222 11 Angela Nieckele – PUC-Rio Convergência: 1. Considera-se uma solução convergida quando a diferença da variável de interesse entre duas iterações consecutivas é menor que uma tolerância pré-definida. A variável de interesse pode ser: f máximo, f médio, alguma variável auxiliar como fluxo máximo, todo campo f, etc. • Diferença absoluta: • Diferença relativa: • Diferença relativa normalizada: k i k ii ff 1 k i k i k i ri f ff 1 kk k i k i ni minmax ff ff 1 bTaTaRes nb nbnbPPi 2. Resíduo menor que uma tolerância pré-definida : Angela Nieckele – PUC-Rio Convergência: toli maxmax tolirr maxmax tol inn max max tol N Ni rr imedio 1 1 tol N Ni rr irms 1 21 Norma L2 ou Norma rms Diferenças ou resíduo máximo: Diferenças ou resíduo médios: tolResRes i maxmax
Compartilhar