INTRODUÇÃO A CFD

Aula 08

Karolline Ropelato
Carlos Eduardo Fontes
Daniel Evandro Ludwig
Aplicação dos Conceitos Básicos

• Sobre o que falamos até agora?

• Já se sabe fazer um modelo físico

• Transformar este modelo físico em um modelo matemático
• Transformar o modelo matemático em um modelo
computacional
• Resolver o sistema algébrico de equações formado pelo
modelo computacional.

• Consistência, Estabilidade e Convergência

Vamos tratar disto hoje!

2
Métodos Numéricos de Solução

O que é necessário garantir para que a solução

aproximada do nosso problema seja como
esperamos?

Antes de responder esta pergunta, devemos nos

questionar:
O que esperamos de uma solução de CFD?

Que ela seja CONFIÁVEL e represente, com ACURÁCIA de

engenharia, o fenômeno de interesse.
3
Métodos Numéricos de Solução

Em outras palavras:
Como garantir que as centenas de milhares de números gerados
sejam uma aproximação válida da realidade que queremos
descrever em nossa simulação e não somente um conjunto
arbitrário de números?

4
Métodos Numéricos de Solução

Problemas práticos podem dar origem a sistemas de equações

complexos onde o comportamento matemático pouco se
conhece.

Exemplos:

Problema Uso de ferramentas matemáticas

governado por que podem provar se uma
uma única determinada aproximação numérica
equação, linear é estável e converge

5
Métodos Numéricos de Solução

Sistema de Equações
não lineares,
Difícil provar matematicamente que
resolvidas de forma
uma aproximação numérica é
sequencial, com
acoplamentos estável e convergente
“delicados”

6
Métodos Numéricos de Solução

No mundo ideal o que precisaria ser feito?

• Ter as condições para que as aproximações numéricas dos
problemas acoplados e não-lineares fossem estáveis e
convergentes!
• Tamanho de malha, intervalo de tempo, coeficientes de
relaxação, etc.

7
Métodos Numéricos de Solução

Do ponto de vista matemático, os métodos de solução devem

possuir:

8
Métodos Numéricos de Solução

Do ponto de vista matemático, os métodos de solução devem

possuir:

9
Métodos Numéricos de Solução

Requisito fundamental de uma aproximação numérica:

• Reproduzir a equação diferencial quando os tamanhos da

malha espacial e temporal tendam a zero.
Os erros de truncamento devem tender a zero
quando a malha tender a um infinito número de
pontos

A aproximação numérica que possuir

essa característica é chamada
CONSISTENTE

10
Métodos Numéricos de Solução

CONSISTÊNCIA

• Condição relacionada ao esquema numérico

• O esquema numérico deve tender à equação diferencial
quando os passos de tempo e a malha tendem a zero.
• O erro de truncamento é a diferença entre a solução da
equação discretizada, ∅ 𝑛𝑖 , e a solução exata da equação
diferencial, ∅.

• À medida que ∆𝑡 → 0 e/ou ∆𝑥, ∆𝑦, ∆𝑧 → 0 , o erro de

truncamento tenderá a ser zero também.
• Se esta propriedade é satisfeita, diz-se que o método é
consistente!
11
Métodos Numéricos de Solução

CONSISTÊNCIA

• Em geral o erro de truncamento está intimamente ligado à

ordem da aproximação.
• Reduzindo-se à metade o tamanho da malha (espaço ou
tempo):
• 1ª ordem: reduz-se o erro à metade – relação
linear, O(x);
• 2ª ordem: reduz-se o erro à quarta parte –
relação quadrática, O(x²).

12
Métodos Numéricos de Solução

Avaliando a consistência da discretização da equação da

continuidade 2D, incompressível (ρ = cte)

13
Métodos Numéricos de Solução

Consistência da discretização da continuidade 2D,

incompressível.

As velocidades avaliadas nas faces são:

Substituindo-as na equação discretizada:

14
Métodos Numéricos de Solução

Consistência da discretização da continuidade 2D,

incompressível.

A forma original da EDP pode ser obtida através da expansão

em série de Taylor:

À medida que ∆𝑥, ∆𝑦 → 0, recupera-se a EDP, ou seja, a

propriedade de consistência é satisfeita!

15
Métodos Numéricos de Solução

Avaliando a consistência da discretização da equação de

difusão 1D, transiente.

Método de discretização:
DuFort-Frankel

16
Métodos Numéricos de Solução

Consistência da discretização da equação de difusão 1D,

transiente.

A aproximação da derivada temporal é:

17
Métodos Numéricos de Solução

Consistência da discretização da equação de difusão 1D,

transiente.

A aproximação da derivada espacial é:

18
Métodos Numéricos de Solução

Consistência da discretização da equação de difusão 1D,

transiente.

Uma expansão em série de Taylor da solução exata da EDP

substituída na equação de calor 1D transiente é:

19
Métodos Numéricos de Solução

Em resumo:

As equações discretizadas devem tender às equações

diferenciais, quando a malha tender a zero:

Isto é uma questão óbvia, mas

existem aproximações nas
quais os erros de truncamento
crescem com o refinamento da
malha

20
Métodos Numéricos de Solução

Do ponto de vista matemático, os métodos de solução devem

possuir:

21
Métodos Numéricos de Solução

ESTABILIDADE

• Condição associada ao esquema numérico. Todos os erros,

como os erros de arredondamento, devem se manter limitados
conforme o processo iterativo progride.
• Ou seja, para valores finitos de Δt e Δx, o erro (diferença entre
a solução numérica e a solução exata do sistema numérico)
deve permanecer limitado quando o número de passos de
tempo tende ao infinito.
• Seja o erro 𝐸𝑃𝑛 = ∅𝑛𝑃 − ∅𝑛𝑃 , onde ∅𝑛𝑃 é a solução calculada e ∅𝑛𝑃
é a solução exata da equação discretizada;
• A condição de estabilidade é:
lim 𝐸𝑃𝑛 ≤ 𝐾, dado que Δt é fixo
𝑛→∞
22
Métodos Numéricos de Solução

ESTABILIDADE

• Fatores que afetam a estabilidade:

• Erros de arredondamento de máquina: estes erros vão se
multiplicando e podem instabilizar a solução.
• Dificuldades de tratamento de acoplamento entre as
variáveis, faz com que algumas variáveis evoluam mais
rapidamente que outras, provocando instabilidade.

A questão da estabilidade é o mais sério problema

na obtenção da solução numérica, exatamente
pela falta de conhecimento das características
matemáticas das aproximações.

23
Métodos Numéricos de Solução

ESTABILIDADE

• É muito difícil, até mesmo inviável, analisar a estabilidade de

problemas não-lineares.

• Para problemas lineares, utilizam-se os métodos de Von

Neumann e ó método da matriz.

• Ambos preveem se o erro será amplificado, comparando a

solução real do método numérico com a solução computada
(ambas possuem erros de truncamento).

24
Métodos Numéricos de Solução

ESTABILIDADE

• Propriedade associada ao crescimento ou decaimento do erro

de truncamento.

• Matematicamente, se um problema temporal é limitado

(bounded), sua solução será estável se também for limitada.

• Numericamente, a solução de um problema é estável se não

divergir (não amplificar erros de truncamento).

25
Métodos Numéricos de Solução

Avaliando a estabilidade da equação de convecção 1D,

transiente.

Discretização da equação
de convecção 1D
transiente

26
Métodos Numéricos de Solução

Avaliando a estabilidade da equação de convecção 1D,

transiente.

O erro introduzido em cada ponto nodal é:

27
Métodos Numéricos de Solução

Avaliando a estabilidade da equação de convecção 1D,

transiente.

Então, a equação discretizada é computada como:

28
Métodos Numéricos de Solução

Avaliando a estabilidade da equação de convecção 1D,

transiente.

A componente complexa do erro é obtida através de uma análise

de Fourier:

Substituindo-a na equação discretizada:

29
Métodos Numéricos de Solução

Avaliando a estabilidade da equação de convecção 1D,

transiente.

Após alguma manipulação algébrica:

Onde:

30
Métodos Numéricos de Solução

Avaliando a estabilidade da equação de convecção 1D,

transiente.

Pelo critério de estabilidade de Von Neumann:

Como o problema é não-viscoso, o coeficiente de difusividade é

nulo. Logo esta forma de discretização aplicada à equação
modelo é incondicionalmente instável, não importa o valor de Δt
em C.
31
Métodos Numéricos de Solução

Avaliando a estabilidade da equação de convecção 1D,

transiente.

Fazendo agora:

A nova equação discretizada é:

32
Métodos Numéricos de Solução

Avaliando a estabilidade da equação de convecção 1D,

transiente.

A equação do erro fica:

O fator de amplificação “e” fica:

33
Métodos Numéricos de Solução

Avaliando a estabilidade da equação de convecção 1D,

transiente.

Segundo o critério de estabilidade de Von Neumman:

Que é conseguido para:

34
Métodos Numéricos de Solução

Avaliando a estabilidade da equação de convecção 1D,

transiente.

C é o número de Courant, também conhecido como condição de

CFL (Courant-Friedrichs-Lewis), importante parâmetro na
solução de problemas convectivos.:

35
Métodos Numéricos de Solução

CFL (Courant – Friedrichs – Lewy).

𝒖∆𝒕
<𝟏
∆𝒙
• Esta condição de estabilidade existe para
muitos esquemas explícitos para equações
de convecção.

• Expressa que a distância coberta num

intervalo de tempo Δt, para perturbações
que se propagam com velocidade u,
devem ser menores que a menor distância
entre dois pontos da malha.

• Muito usada para esquemas 2D e 3D,

onde é difícil analisar a estabilidade.
36
Métodos Numéricos de Solução

• Os esquemas explícitos vistos não são muito bons.

• O esquema de diferenças centradas avançando no tempo é instável
(inútil).
• O esquema upwind de primeira ordem é condicionalmente estável e
possui acurácia ruim.

• Existem outros esquemas para lidar com a convecção!

• Leapfrog ∅𝑛+1
𝑖 = ∅𝑛−1
𝑖 + 𝜎(∅𝑛𝑖+1 − ∅𝑛𝑖−1 ) – Condicionalmente estável -
𝜎 ≤ 1 − 𝑂(∆𝑡 2 , ∆𝑥 2 )
1 𝜎
• Lax-Friedrichs ∅𝑛+1
𝑖 = ∅𝑛𝑖+1 − ∅𝑛𝑖−1 − (∅𝑛𝑖+1 − ∅𝑛𝑖−1 ) –
2 2
Condicionalmente estável - 𝜎 ≤ 1 − 𝑂(∆𝑡, ∆𝑥)
𝜎 ∅2
• Lax-Wendroff ∅𝑛+1
𝑖 = ∅𝑛𝑖 − ∅𝑛𝑖+1 − ∅𝑛𝑖−1+ (∅𝑛𝑖+1 − 2∅𝑛𝑖 − ∅𝑛𝑖−1 ) -
2 2
Condicionalmente estável - 𝜎 ≤ 1 − 𝑂(∆𝑡 2 , ∆𝑥 4 )

37
Métodos Numéricos de Solução

• Esquemas de 1ª ordem são dissipativos

• Esquemas de 2ª ordem podem apresentar oscilações numéricas:

38
Métodos Numéricos de Solução

• Ao longo do tempo, os efeitos de difusão numérica podem ser

catastróficos!

39
Métodos Numéricos de Solução

Do ponto de vista matemático, os métodos de solução devem

possuir:

40
Métodos Numéricos de Solução

Convergência

• É a propriedade relacionada a quanto se chega próximo da solução real do

problema.
A solução numérica é convergente quando é
estável e tende para a solução das equações
diferenciais quando a malha é refinada.
• Teorema de Lax: “Dado um problema de valor inicial e sua aproximação
por diferenças finitas, consistência e estabilidade são condições suficientes
que devem ser satisfeitas para se ter convergência.
Consistência + Estabilidade = Convergência
• Propriedade Crucial – Garante ser suficiente testar a estabilidade de um
esquema consistente para garantir que a solução numérica será uma
representação válida da “realidade” que desejamos simular
numericamente.
41
Métodos Numéricos de Solução

Teorema de Lax

42
Métodos Numéricos de Solução

Convergência

Na prática:
• A convergência está relacionada à satisfação de um critério de
variação de parâmetros, diretos ou indiretos, da solução do
problema.

• Outra forma de se enxergar, é dizer que não adianta resolver

mais iterações, pois a solução numérica não se altera.

43
Métodos Numéricos de Solução

Convergência

Problema de difusão 1D, transiente:

44
Métodos Numéricos de Solução

Resíduos e Convergência

A forma discretizada de uma EDP gera um sistema:

Em cada iteração, o balanço não fecha. Podemos reescrever a

equação acima como:

Rp é o
resíduo

45
Métodos Numéricos de Solução

Resíduos e Convergência

Por isso monitoramos o resíduo durante uma simulação CFD.

Ele é o indicativo de convergência.

Se o resíduo (desbalanço da equação

discretizada) decresce ao longo do
processo iterativo, temos convergência
da solução!

46
Métodos Numéricos de Solução

Resíduos e Convergência

47
Métodos Numéricos de Solução

Resíduos e Convergência

48
Métodos Numéricos de Solução

Recomendações para
melhorar a Convergência

49
Melhorando a Convergência

Perguntas que frequentemente assolam a mente de pessoas que

trabalham com CFD:
• Por que a simulação trava logo no começo?
• Por que minha simulação não converge direito?

Vejamos algumas possibilidades ...

50
Melhorando a Convergência

Falhas na inicialização podem ser causadas por:

• Condição inicial Ruim

• Condições de contorno mal definidas

• Fatores de relaxamento (ou passo de tempo)

inadequadamente “otimistas”

51
Melhorando a Convergência

Ninguém tem como ter certeza de que possui uma boa CI.
Como Estimar?
• Uma boa dica é simplificar a modelagem usada, rodar um
caso e usar este resultado como CI.
52
Melhorando a Convergência

Boas CI ajudam a agilizar a convergência para um resultado final

• A princípio, para um problema bem posto e não caótico, CI
não afeta o resultado final.

53
Melhorando a Convergência

Exemplos de condições simplificadoras que podem ser adotadas

54
Métodos Numéricos de Solução

Comentários Adicionais

55
Métodos Numéricos de Solução

Diferentes fontes de Erro em uma simulação

Diferentes fontes de erro podem afetar a acurácia de uma

solução:
• Erros de Arredondamento
• O computador considera uma determinada precisão para
os cálculos
• Erros Iterativos:
• Diferença entre a solução “Convergida” e a iteração “n”
• Erros de discretização
• Erros de modelo
• Diferença entre a solução exata do modelo e a realidade
• Erros sistemáticos
• Devido a aproximações e considerações na modelagem
56
Métodos Numéricos de Solução

Qualidade de Malha

Fatores que afetam a

qualidade da malha:

• Elem Distorcidos

• Estiramento dos
Elementos

• Transição suave

57
Métodos Numéricos de Solução

Qualidade de Malha

58
Métodos Numéricos de Solução

Malha Hex X Malha Tet: Comparação de Acurácia

Direção do escoamento Conhecida

• Malha hexa permite alinhar os elementos na direção do
escoamento.

59
Métodos Numéricos de Solução

Malha Hex X Malha Tet: Comparação de Acurácia

Direção do escoamento Desconhecida

• Para escoamentos complexos onde não existe uma
predominância do sentido do escoamento a malha hexaédrica
e tetraédrica são equivalentes.

60
Métodos Numéricos de Solução

Definição de TIMESCALE

Nas simulações a definição de timescale pode ser feita de

distintas formas:
• Valor constante
• Definição de expressões
• Automática
• Adota como valor de referência as informações que estão
na condição de contorno
• Pode se restringir limites máximo e mínimo de timescale.

61
Métodos Numéricos de Solução

Definição de TIMESCALE
Para se obter uma boa convergência a definição de timescale é
um fator muito importante
• Exemplo de critério para definição de timescale: 1/3 do
(Comprimento característico / velocidade)

Timescale Grande: Timescale Pequeno:

• Problemas de convergência no caso de estudo. • Convergência pode ser muito
• Pode levar o caso a divergir. lenta 62
Métodos Numéricos de Solução

Definição de CRITÉRIOS DE CONVERGÊNCIA

Determina quando a solução pode ser considerada como convergida
• Definição de resíduos para verificar a acurácia da solução obtida
• Análise de resíduos pode ser:
• Resíduos Médios
• Resíduos Máximos
• Análise de resíduos de forma monotônica

63
Métodos Numéricos de Solução

Resíduos

64
Métodos Numéricos de Solução

Erros nas Iterações

65
Métodos Numéricos de Solução

Critérios Adicionais de Convergência

Além dos resíduos, outros critérios podem ser utilizados para se

verificar a convergência do caso, por exemplo:

• Definição do fechamento do balanço global dentro do domínio

• Entra = Sai (imbalance inferior a 1%)
• Monitoramento de propriedades dentro do domínio, por
exemplo:
• Análise de temperatura, pressão e velocidade em uma
condição de contorno
• Estabilização do valor de uma propriedade monitorada
dentro do domínio.
66