98 100 1E -3 Módulo do Erro <strong>de</strong> Discretização 1E -8 1E -13 1E -18 1E -23 Eh-Pe=0.01 1E -28 Em er-Pe=0.01 Eh-Pe=0.1 1E -33 Em er-Pe=0.1 Eh-Pe=1.0 1E -38 Em er-Pe=1.0 Eh-Pe=10.0 1E -43 Em er-Pe=10.0 Eh-Pe=100.0 Em er-Pe=100.0 1E -48 1E -8 1E -7 1E -6 1E -5 1E -4 1E -3 0,01 0,1 1 h Figura 4.15 – Gráfico “ módulos dos erros <strong>de</strong> discretização (com CDS-2) x h” com variação <strong>de</strong> Pe para a variável T c 1 1 E -5 Módulo do Erro <strong>de</strong> Discretização 1 E -10 1 E -15 1 E -20 1 E -25 E h -P e = 0 .0 1 E m e r-P e= 0 .01 1 E -30 E h -P e = 0 .1 E m e r-P e= 0 .1 E h -P e = 1 .0 1 E -35 E m e r-P e= 1 .0 E h -P e = 1 0.0 1 E -40 E m e r-P e= 1 0 .0 E h -P e = 1 00 .0 E m e r-P e= 1 0 0.0 1 E -45 1 E -8 1 E -7 1 E -6 1 E -5 1E -4 1E -3 0 ,0 1 0,1 1 h Figura 4.16 - Gráfico “ módulos dos erros <strong>de</strong> discretização (com QUICK4) x h” com variação <strong>de</strong> Pe para a variável T c
99 Outra análise possível é a comparação quantitativa dos resultados com variação do número <strong>de</strong> Peclet. Tomando por base a aproximação UDS, uma vez que as outras FI`s (CDS-2 e QUICK4) t<strong>em</strong> comportamento s<strong>em</strong>elhante, po<strong>de</strong>-se inicialmente <strong>de</strong>terminar a magnitu<strong>de</strong>s <strong>de</strong> erros <strong>de</strong> discretização e comparar <strong>em</strong> que tamanho <strong>de</strong> malha tal erro ocorre para os números <strong>de</strong> Peclet <strong>de</strong>finidos. Outra forma é <strong>de</strong>finir um tamanho <strong>de</strong> malha e verificar as magnitu<strong>de</strong>s <strong>de</strong> erros atingidas com as variações <strong>de</strong> Peclet. Para o primeiro caso, po<strong>de</strong>-se ver na Tab.4.17 que, para atingir a magnitu<strong>de</strong> <strong>de</strong> erro <strong>de</strong> 10 -10 , os tamanhos das malhas <strong>de</strong>v<strong>em</strong> ser refinados à medida que o número <strong>de</strong> Peclet aumenta, chegando num ponto on<strong>de</strong> não há mais refinamento possível, uma vez que o erro <strong>de</strong> máquina se faz presente. Tabela 4.17. Tamanho <strong>de</strong> malhas para vários Peclet para magnitu<strong>de</strong>s <strong>de</strong> erros fixos (UDS) – variável T c Magnitu<strong>de</strong> do Erro 1,00E-10 1,00E-15 1,00E-20 Erro (Pe=0,01) 1,85E-09 6,28E-14 6,35E-19 Nós da Malha (Pe=0,01) 45 135 405 Erro (Pe=0,1) 6,25E-11 6,36E-15 1,62E-19 Nós da Malha (Pe=0,1) 135 405 1.215 Erro (Pe=1) 9,58E-11 3,87E-14 2,24E-22 Nós da Malha (Pe=1) 405 1.215 10.935 Erro (Pe=10) 8,97E-10 7,00E-16 6,74E-20 Nós da Malha (Pe=10) 1215 10.935 32.805 Erro (Pe=100) 1,89E-11 7,67E-15 1,40E-20 Nós da Malha (Pe=100) 1215 10.935 32.805 Seguindo agora outra forma comparativa vê-se na Tab. 4.18 que, com uma malha fixa <strong>de</strong> 45 volumes <strong>de</strong> controle, os fenômenos com Peclet menores, ating<strong>em</strong> erros menores, chegando a ser 6.920 vezes menor com Pe=0,01 que o valor obtido com Pe=100. Tabela 4.18. Variação dos erros com variação <strong>de</strong> Peclet para malhas fixas (UDS) – variável T c Malha (nós) 45 1215 32805 h 2,22E-02 8,23E-04 3,05E-05 Erro (Pe=0,01) 1,85E-09 1,58E-24 1,74E-29 Erro (Pe=0,1) 1,83E-07 1,62E-19 2,25E-26 Erro (Pe=1,0) 2,11E-05 3,87E-14 1,50E-26 Erro (Pe=10,0) 6,92E-04 8,97E-10 6,74E-20 Erro (Pe=100,0) 1,28E-05 1,89E-11 1,40E-20 Estes resultados <strong>de</strong>monstram que os processos com Pe baixos necessitam menos m<strong>em</strong>ória e t<strong>em</strong>po computacional.
- Page 1 and 2:
UNIVERSIDADE FEDERAL DO PARANÁ PRO
- Page 3 and 4:
TERMO DE APROVAÇÃO EDUARDO MATOS
- Page 5 and 6:
AGRADECIMENTOS Agradeço ao Governo
- Page 7 and 8:
ABSTRACT This work is based on Comp
- Page 9 and 10:
Figura A.2.2 - Volumes no contorno
- Page 11 and 12:
LISTA DE ABREVIATURAS ADS AIAA ANS
- Page 13 and 14:
LISTA DE SÍMBOLOS E Pe p L p V p E
- Page 15 and 16:
3.1.1 Fenômeno Físico............
- Page 17 and 18:
B.6 ANÁLISE A PRIORI DAS ORDENS VE
- Page 19 and 20:
19 Outra forma de análise possíve
- Page 21 and 22:
21 interesse nesta área é o Accel
- Page 23 and 24:
23 (PTC-61). Já a American Nuclear
- Page 25 and 26:
25 Verificar a posteriori as ord
- Page 27 and 28:
27 elementar, o menor volume de flu
- Page 29 and 30:
29 Com base no exposto acima, o tra
- Page 31 and 32:
31 q N N D f (2.7) g 1 ond
- Page 33 and 34:
33 caso de um domínio unidimension
- Page 35 and 36:
35 Considerando este aspecto, a pri
- Page 37 and 38:
37 numericamente difusiva. Este é
- Page 39 and 40:
39 2.8.5 PLDS (Power Law Difference
- Page 41 and 42:
41 A condição principal para um e
- Page 43 and 44:
43 2.9.1 CDS-2 O esquema CDS-2 é d
- Page 45 and 46:
45 Para utilização do método, de
- Page 47 and 48: 47 2.11.4 Erros de Iteração É a
- Page 49 and 50: 49 h h h h j-2 j-1 j j+1 j+2 Figura
- Page 51 and 52: 51 Voltando às relações desenvol
- Page 53 and 54: 53 as notações “1” e “2”
- Page 55 and 56: 55 2.12.1 Estimativas de Erro a Pri
- Page 57 and 58: 57 Esta ordem pode ser obtida com d
- Page 59 and 60: 59 3 PROCEDIMENTOS MATEMÁTICOS E N
- Page 61 and 62: 61 Fluido: newtoniano, incompress
- Page 63 and 64: 63 a aproximação UDS e UDS-2. Por
- Page 65 and 66: 65 Tabela 3.4 - Valor analítico da
- Page 67 and 68: 67 Como o intuito é verificar o im
- Page 69 and 70: 69 3.4.1 Análise a Priori da Ordem
- Page 71 and 72: 71 Tabela 3.11 - Ordens verdadeiras
- Page 73 and 74: 73 Por meio do gerenciador de tar
- Page 75 and 76: 75 primeira requer aproximadamente
- Page 77 and 78: 77 usam processo iterativo, pode-se
- Page 79 and 80: 79 Ve-se ainda que para a malha mai
- Page 81 and 82: 81 4.3.4 Variável L Os erros anali
- Page 83 and 84: 83 influência dos erros de arredon
- Page 85 and 86: 85 Tabela 4.6 - Ordens verdadeiras,
- Page 87 and 88: 87 Tabela 4.8 - Ordens verdadeiras,
- Page 89 and 90: 89 Para o primeiro caso, pode-se ve
- Page 91 and 92: 91 discrepância aumenta, sendo que
- Page 93 and 94: 93 4.5.4 Variável L Analisando a F
- Page 95 and 96: 95 conjuntos de FI`s, ao par formad
- Page 97: 97 Analisando agora os erros em ter
- Page 101 and 102: 101 Outro ponto a observar é que a
- Page 103 and 104: 103 Ainda com base na Fig. 4.21 o c
- Page 105 and 106: 105 5 CONCLUSÃO Neste último cap
- Page 107 and 108: 107 CDS-2 permite a obtenção de e
- Page 109 and 110: 109 computacionais mais reduzidos
- Page 111 and 112: 111 FERZIGER, J.H. ; PERIC, M.. Com
- Page 113 and 114: 113 ROACHE, P.J. Recent Contributio
- Page 115 and 116: 115 Δx Δx Δx w N-2 N-1 N N+1 Fig
- Page 117 and 118: 117 temos: Aplicando inicialmente p
- Page 119 and 120: 119 w * * * * W WW W w onde w (
- Page 121 and 122: 121 A.4.4.1 Nós P=1 a P=N Aplicand
- Page 123 and 124: 123 A.4.6 ADS / CDS-2 Consideraremo
- Page 125 and 126: 125 Considerando então a forma gen
- Page 127 and 128: 127 * E P 9. P 8. W E
- Page 129 and 130: 129 * * * * * 3. E 2. P W e P
- Page 131 and 132: 131 A.4.10.3 Nó P=2 Analisando ago
- Page 133 and 134: 133 70 60 Pe. x 15. 16 a * * *
- Page 135 and 136: 135 APÊNDICE B - Análise a priori
- Page 137 and 138: 137 E a equação geral do erro de
- Page 139 and 140: 139 que pode ser reescrita da forma
- Page 141 and 142: 141 Para o desenvolvimento do traba
- Page 143 and 144: 143 j 3. j1 j2 3 ii 2 1 iii 3 1
- Page 145 and 146: 145 j i 1 ii 2 j iii 3 1 iv 4 c
- Page 147 and 148: 147 Substituiremos agora as Eqs.(B.
- Page 149 and 150:
149 Consideramos na Eq.(B.6.75) o t
- Page 151 and 152:
151 contrário, se refinarmos a mal
- Page 153 and 154:
153 i j 27. j 1 27. j 1 j 2 j 2.
- Page 155 and 156:
155 '' ''' IV p 3 p 5 p 7 I .
- Page 157 and 158:
157 E o erro de truncamento dado po
- Page 159 and 160:
159 B.7.4 QUARTA VARIÁVEL DE INTER
- Page 161 and 162:
161 Conforme dito anteriormente, pa
- Page 163 and 164:
163 B.10 ANÁLISE A PRIORI DAS ORDE
- Page 165:
165 Como E( P ) é o erro de discr