Métodos Numéricos para Fluidos

L. Héctor Juárez V.

Departamento de Matemáticas UAM–I

Octubre, 2012

XLV Congreso Nacional de la SMM

Dinámica de fluidos computacional
Es una rama de la dinámica de fluidos en la que se utilizan métodos
numéricos y algoritmos para analizar y resolver problemas que
involucran flujos de fluidos.

Motivación: Desde siempre, los seres humanos hemos querido

entender la dinámica del mundo y los diversos fenómenos de la
naturaleza. Uno de los objetivos es el control ó al menos la
predicción.
⇓
Desarrollo del cálculo y análisis + física

Aparición de las ecuaciones diferenciales: siglo XVIII (D’Alembert,

Euler, Lagrange y Laplace)
Modelo: ecuaciones de Navier–Stokes
Navier, 1822–1827 −→ Poisson, 1831 −→ Stokes, 1845: movimiento
de fluidos viscosos como agua y aire

du
ρ = ∇ · σ + f Conservación de momentum
dt
∂ρ
+ ∇ · (ρu) = 0 Conservación de masa
∂t
Claude Louis Navier,
1785–1836

ρ: densidad u: velocidad

σ = −p I + D(u): tensor de esfuerzos

p: presión, D(u): tensor de deformación

f: fuerzas externas por u. de volumen

George Gabriel Stokes,

1819–1903
∂
Z Z Z
ρ dV = − ρ u · n dS = − ∇ · (ρ u) dV
∂t V S V
 du ∂u
Derivada total: = + u · ∇u
dt ∂t

Fluido Newtoniano: D(u) = µ ∇u + (∇u)t

∂
Z
Incompresible: ρ dV = 0 =⇒ ∇·u=0
∂t V

Inercia
z }| {
 ∂u 
ρ + |u ·{z
∇u} = −∇p + µ∇2 u + f
∂t | {z } | {z } |{z}
|{z} Aceleración Fuerza Fuerzas Fuerzas
Aceleración convectiva normal viscosas de volumen
no estacionaria
∇·u=0

Uno de los sistemas de EDP más útiles: describe la física de un gran

numéro de fenómenos de interés científico, académico y económico.

Dado un estado inicial queremos conocer la evolución del sistema.

Preguntas

I ¿Existen las soluciones bajo suposiciones razonables?

I ¿Es posible calcularlas?

Propiedades:
I El modelo (ecuaciones de N–S) tiene que ser consistente
internamente:
Uno esperaría que el modelo tuviera soluciones únicas para al
menos un rango de datos razonables.
I Las soluciones deben tener propiedades adicionales de cierto
sentido común:
¿Se disipa o se conserva la energía?, ¿La velocidad permanece
siempre finita?, ¿Las posibles soluciones son aceptables?
Todos los anteriores aspectos estan intimamente ligadas a la
matemática.
Problemas
Sean Ω un dominio en Rd , y sea Q = Ω × (0, T ), y sea

H = { v ∈ L2 (Ω)d : ∇·v = 0 en Ω, v · n = 0 sobre ∂Ω }

Problema 1. Dado f ∈ L2 (Q)d , u0 ∈ H, encontrar

u ∈ L2 (0, T ; V ) ∩ L∞ (0, T ; H), p ∈ D0 (Q) tales que

∂u
+ (u · ∇)u − ν∆u + ∇p = f,
∂t
u|t=0 = u0 .

Ahora sea

V = { v ∈ H 1 (Ω)d : ∇·v = 0 en Ω, v · n = 0 sobre ∂Ω }

Problema 2. Dado f ∈ L2 (Q)d , u0 ∈ H, encontrar

u ∈ L2 (0, T ; V ) ∩ L∞ (0, T ; H) tal que

∂u
Z Z Z Z
· v dx + (u · ∇)u · v dx + ν∇u : ∇v dx = f · v dx ∀v ∈ V
Ω ∂t Ω Ω Ω

t ∈ [0, T ] ctp
Algunos resultados
I Existe al menos una solución del problema 2.
I Existe una única solución para d = 2 .
I Toda solución del problema 2 es solución del problema 1.
I La solución depende continuamente de los datos f, u0 .

Algunos problema abiertos:

I Para d = 3, con datos no necesariamente pequeños, se
desconoce la unicidad de la solución.
I Para d = 3, se desconoce si datos regulares producen
soluciones regulares.
I El siguiente es un problema abierto con un premio de 1 millon
de dolares (Clay Institute of Mathematics):

Si Ω = R3 , f = 0, u0 ∈ C ∞ solenoidal, demostrar que el

problema 2 tiene una solución de clase C ∞

http://www.claymath.org/millennium/Navier-Stokes_Equations
Razones para considerar las ecuaciones de N–S

I Es un modelo que describe una familia importante de

fenómenos.
I En la práctica, se utiliza en una gran diversidad de campos de
conocimiento:
Hidrodinámica, metorología, oceanografía, hidráulica,
aerodinámica, astrofísica, vulcanología, etc.
I Contiene muchas de las dificultades que uno encuentra en las
EDP no lineales.
I El análisis y la solución de estas ecuaciones es de mucho
interés en matemáticas.
I Existe varios problemas abiertos para estas ecuaciones.
J. Heywood, Open problems in the theory of the Navier-Stokes equations for viscous incompressible flow,
Lecture Notes in Math. No. 1431, pp. 1–22, Springer–Verlag, Berlin 1988.
Algunos métodos de solución de las EDP

I Método de las caracterísiticas (EDP de 1er. orden).

I Métodos de tranformadas (de Laplace, de Fourier,...).
I Funciones de Green.
I Cambio de variables.
I Separación de variables.
I Series de Fourier.
I Métodos de Grupos de Lie.
I ···

Problema práctico: Para las ecuaciones de N–S no es posible

encontrar soluciones analíticas, salvo en casos excepcionalmente
simples.
La realidad es compleja
En aplicaciones reales las EDP usualmente
I Son no lineales.
Por ejemplo, en la ecuación del calor la constante de difusión
térmica k realmente depende de la solución e incluso puede
depender de la dirección: ut = κ(u) ∆u.
I Modelan fenómeneos en regiones complejas.
Por ejemplo, la ecuación de calor (aunque
sea lineal), en un dominio complejo
usualemte no tiene solución analítica.
I Combinan diferentes operadores.

Por ejemplo la ecuación de Fisher (advección-difusión-reacción)

∂p
+ u · ∇p = ν ∇2 p + s p (1 − p)
∂t

I Contienen combinaciones de las anteriores dificultades

Métodos de aproximación
Las EDP se resuelven primero discretizando la ecuación, llevandolo
a un subespacio de dimension finita.
En general, el procedimiento reduce el problema a la solución de un
sistema finito de ecuaciones algebraicas.
La justificación teórica involucra teoremas del análisis, el análisis
funcional y el algebra lineal.

Técnicas de discretización:
I Diferencias finitas. I Métodos de partículas.
I Volumen finito. I Lattice Boltzamnn.
I Elemento finito. I Monte Carlo.
I Métodos sin malla. I Perturbación.
I Elementos de frontera. I Series.
I Métodos espectrales. I ···
Los métodos más populares ó conocidos
Diferencias Finitas/forma diferencial
Discretization techniques
I Aproximación de valores nodales
Finite differences / differential form
I Fácil, efectivo y simple of nodal derivatives
• approximation

I Limitado a •mallas
simple and effective, Discretization
structuradas easy to derive
(por techniques
bloques) • limited to (block-)structured meshes
Finite differences / differential form
Finite volumes / integral form
• approximation of nodal derivatives
• approximation
Volumen Finito/forma of integrals
• simpleintegral
and effective, easy to derive
• conservative by construction
I Aproximación • limited
de integrales de volumen
to (block-)structured meshes
• suitable for arbitrary meshes
por integrales de supeficie
Finite volumes / integral form
Finite elements / weak form
I Conservativos por construcción
• approximation of integrals
• weighted residual formulation
I Adecuado para • conservative by construction
mallas generales
• remarkably flexible and general
• suitable for arbitrary meshes
I Bajo orden•de convergencia,
suitable viscosidad
for arbitrary meshes
artificial. Finite elements / weak form
• weighted residual formulation
• remarkably flexible and general
 Finite volumes / integral form
• approximation of integrals
• conservative by construction
Elemento Finito/forma
• suitabledébil
for arbitrary meshes
I Aprox. formulación variacional
Finite elements / weak form
I • weighted
Gran flexibilidad residual formulation
y generalidad
• remarkably flexible and general
I Adecuado para mallas generales
• suitable for arbitrary meshes
I Complejo para programar

Métodos sin Malla/RBF

I No involucra integración numérica
I Fácil y simple de programar
I No requiere discretización del dominio
I Limitaciones de estabilidad
Método de diferencias finitas
Finite difference method
Idea: Sustituir las ecuaciones diferenciales por ecuaciones en
Principle: derivatives in the partial differential equation are approximated
diferencias
by linear combinations of function values at the grid points
Principio: Las derivadas parciales en la ecuación se sustituyen por
1D:
combinaciones Ω lineales ui ≈ u(xde
= (0, X), de valores i ), la función
i = 0, 1, .en
..,N
los nodos de la
malla. grid points xi = i∆x mesh size ∆x = X N

0 X
x0 x1 xi 1 xi xi+1 xN 1 xN
First-order derivatives
1D : ∂u (x̄)
Ω(0,=X ),lim u(x̄
ui ≈ u(xi−),u(x̄) =i =lim
+ ∆x) · · , −N.u(x̄ − ∆x)
1, ·u(x̄)
∂x ∆x→0 ∆x ∆x→0 ∆x
u(x̄ + ∆x) − u(x̄ − ∆x)
= lim (by definition)
∆x→0 2∆x

Puntos de malla: xi = i 4x = i h Tamaño de malla: h = 4x = L/N

Aproximación de las derivadas de primer orden
Derivadas de primer orden

∂u u(x̄+h)−u(x̄) u(x̄)−u(x̄−h) u(x̄+h)−u(x̄−h)

(x̄)=lim =lim =lim
∂x h→0 h h→0 h h→0 2h

Dif. hacia adelante Dif. hacia atrás Diferencias centrales

ui+1 − ui ui − ui−1 ui+1 − ui−1
     
∂u ∂u ∂u
≈ ≈ ≈
∂x i ∆x ∂x i ∆x ∂x i ∆x

∞  n 
X ∂ u (x − xi )n
Expansión en series de Taylor: u(x) =
∂x n i n!
n=0

(∆x)2 ∂2u (∆x)3 ∂3u

     
∂u
T+ : ui+1 = ui + ∆x + + + ···
∂x i 2 ∂x 2 i 6 ∂x 3 i
(∆x)2 ∂2u (∆x)3 ∂3u
     
∂u
T− : ui−1 = ui − ∆x + − + ···
∂x i 2 ∂x 2 i 6 ∂x 3 i
 Error de
Aproximaciones Truncamiento
Diferencia hacia adelante de 1er orden
ui+1 − ui (∆x) ∂ 2 u
   
∂u O(∆x)
T+ =⇒ = − − ···
∂x i ∆x 2 ∂x 2 i

Diferencia hacia atrás de 1er. orden

ui − ui−1 (∆x) ∂ 2 u
   
∂u O(∆x)
T− =⇒ = + − ···
∂x i ∆x 2 ∂x 2 i

Diferencia central de 1er. orden

ui+1 − ui−1 (∆x)2 ∂ 3 u
   
∂u O(∆x 2 )
T+ − T− =⇒ = − + ···
∂x i 2 ∆x 6 ∂x 3 i

Diferencia central de 2do. orden

 2 
ui+1 − 2 ui + ui−1 ∆x 2 ∂ 4 u
 
T+ + T− ∂ u
=⇒ = − − ··· O(∆x 2 )
2 ∂x 2 i ∆x 2 12 ∂x 4 i
Ejemplo: ecuación de difusión

∂u
− ν 4u = 0, ∀ x = (x, y ) ∈ Ω, t > 0,
∂t
u(x, 0) = u 0 (x), x ∈ Ω,
u = g, x ∈ ∂Ω, t ≥ 0.

n
Discretización: Ui,j ≈ u(xi , yj , tn ) Ω = [0, X ] × [0, Y ]

xi = i ∆x, i = 0, 1, . . . , I,
yj = j ∆y , j = 0, 1, . . . , J,
tn = n ∆t, n = 0, 1, . . . , N.

Esquema explícito
n+1 n n n n n n n
Ui,j − Ui,j Ui−1,j − 2Ui,j + Ui+1,j Ui,j−1 − 2Ui,j + Ui,j+1
 
=ν + .
∆t (∆x)2 (∆y )2
¿Explicito, Implícito ó Semi-implicito?
Esquema explícito
U := Ui,j
U n+1 − U n δy2 U n
 2 n 
δx2 U := Ui−1,j − 2Ui,j + Ui+1,j δx U
=ν +
∆t (∆x)2 (∆y )2
δy2 U := Ui,j−1 − 2Ui,j + Ui,j+1

Crank–Nicolson,Crank, J.; Nicolson, P. (1947), A Practical Method for Numerical Evaluation of Solutions
:
of Partial Differential Equations of Heat Conduction Type, Proc. Camb. Phil. Soc, 43: 50–67.

U n+1 − U n ν δx2 (U n+1 + U n ) δy2 (U n+1 + U n )

 
= +
∆t 2 (∆x)2 (∆y )2

Sistema lineal con (I − 1) × (J − 1) ecuaciones. Si ∆x = ∆y

(νx = νy ), la matriz del sistema es:
   
A −I 4 −1
−I A −I  −1 4 −1 
ν    
A = I+  ..........  con A =  ............ 
2     
−I A −I   −1 4 −1
−I A −1 4

T (x, t) = O(∆x 2 ) + O(∆y 2 ) + O(∆t 2 )

 n=0 n=3
10 5

0 0

−5

−10 −5
1 1
1 1
0.8 0.8
0.5 0.6 0.5 0.6
0.4 0.4
0.2 0.2
Y 0 0 Y 0 0
X X

n=6 n = 25
5 5

0 0

−5 −5
1 1
1 1
0.8 0.8
0.5 0.6 0.5 0.6
0.4 0.4
0.2 0.2
Y 0 0 Y 0 0
X X

I = J = 48, ∆t = 0.0025.
Estabilidad

Estabilidad Numérica: La 1

0.9

0.8
n=0 1

0.9

0.8

variación total de la 0.7

0.6

0.5
0.7

0.6

0.5

solución numérica en un 0.4

0.3

0.2
0.4

0.3

0.2

tiempo fijo permanece

0.1 0.1

0 0
0 0.2 0.4 0.6 0.8 1 0 0.2 0.4 0.6 0.8 1

acotada conforme ∆t −→ 0 1

0.9
n = 10 1

0.9

(Los errores cometidos en 0.8

0.7

0.6
0.8

0.7

0.6

un paso de tiempo no
0.5 0.5

0.4 0.4

0.3 0.3

0.2 0.2

causa que los errores 0.1

0
0 0.2 0.4 0.6 0.8 1
0.1

0
0 0.2 0.4 0.6 0.8 1

crezcan a medida que los 1

n = 30 1

cálculos continuan
0.9 0.9

0.8 0.8

0.7 0.7

0.6 0.6

0.5 0.5

Crank, J., Nicolson, P. (1947), A Practical 0.4 0.4

Method for Numerical Evaluation of Solutions 0.3

0.2
0.3

0.2

of Partial Differential Equations of Heat 0.1

0
0 0.2 0.4 0.6 0.8 1
0.1

0
0 0.2 0.4 0.6 0.8 1

Conduction Type, Proc. Camb. Phil. Soc. 43:

50?-67, doi:10.1007/BF02127704.
0.9
1
n = 50 1

0.9

0.8 0.8

Charney, J. G.; Fortoft, R.; von Neumann, J. 0.7

0.6
0.7

0.6

(1950), Numerical Integration of the Barotropic 0.5 0.5

0.4 0.4

Vorticity Equation, Tellus 2: 237–254. 0.3 0.3

doi:10.1111/j.2153-3490.1950.tb00336.x
0.2 0.2

0.1 0.1

0 0
0 0.2 0.4 0.6 0.8 1 0 0.2 0.4 0.6 0.8 1

Δ t = 0.0012 Δ t = 0.0013

Δ
Convergencia
Consistencia: Un esquema es consistente si su error de truncamiento
tiende a cero cuando los parámetros de discretización tienden a cero.
La discretización de la EDP se transforma en la exacta cuando
∆t, ∆x −→ 0.

Convergencia: Un esquema numérico es convergente si

lim Uin = u(xi , tn ).

∆t, ∆x−→0

Teorema de equivalencia de Lax:

consistencia + estabilidad = convergencia

Para un esquema de diferencias finitas (lineal) consistente,

convergencia equivale a estabilidad.
Lax, P. D.; Richtmyer, R. D. Survey of the stability of linear finite difference equations. Comm. Pure Appl. Math., 9
(1956), 267?-293.
Problema simple de Navier-Stokes
Sean Ω un domino en Rd (d = 2, 3) y T > 0. Dado el estado inicial
u0 (x) y g definida sobre Γ × (0, T ), encontrar u(x, t) y p(x, t) tales que

∂u
− ν∆u + (u · ∇)u + ∇p = 0 en Ω × (0, T ],
∂t
∇ · u = 0 en Ω × (0, T ],
u(0) = u0 en Ω,
u=g sobre Γ × (0, T ).
Principales dificultades: 1) EDP no lineal, 2) condición de
incompresibilidad, 3) sistema de EDP acopladas.

Formulación variacional: Para t > 0, encontrar u(t) ∈ V , p(t) ∈ P,

tales que para toda v ∈ V0 y para toda q ∈ L2 (Ω), se satisface
∂u
Z Z Z Z
· v dx + (u · ∇)u · vdx − p∇ · v dx + ν ∇u : ∇v dx = 0,
Ω ∂t Ω Ω Ω
Z
q∇ · u dx = 0,
Ω
u(0) = u0 , (∇ · u0 = 0).
Discretización: elemento finito
Th = triangulación de Ω con parámetro de dicretización h.
86 Chapter 2. The finite element method

Aproximación de los espacios V , V0 , P: 4 4

3 3
8 7

Vh = {vh | vh ∈ (C 0 (Ω))2 , vh |T ∈ P2 × P2 , ∀T ∈ Th , vh |Γ = gh (t)}, 5

4
9
9
5
4

V0h = {vh | vh ∈ (C 0 (Ω))2 , vh |T ∈ P2 × P2 , ∀T ∈ Th , vh |Γ = 0},

1 6 2
6
5 2 1 3
Z 6
2 2
0
Ph = {qh | qh ∈ C (Ω),
Figure 2.4:q h |T ∈ Pmapping
Local-to-global 1 , for q h dx
a simple 0 ∀Tof two
=consisting
mesh ∈ triangles.
Th }. The six local
degrees of freedom of the left triangle (T) are mapped to the global degrees of freedom ι T (i ) =
Ω
1, 2, 4, 9, 8, 5 for i = 1, 2, . . . , 6, and the six local degrees of freedom of the right triangle (T  ) are
mapped to ι T  (i ) = 2, 3, 4, 7, 9, 6 for i = 1, 2, . . . , 6.

Figure 2.5: Patching together a

pair of quadratic local function
spaces on a pair of cells ( T, T  )
to form a global continuous
piecewise quadratic function
space on Ω = T ∪ T  .

Triangulación de Ω y función enit Pholds that Forma de la componente de una función en Vh

h 
iT (v| T ) = iT (v| T  ). (2.53)

In other words, if two local degrees of freedom iT and iT are mapped to the same global degree of
Problema semidiscreto
Para t > 0, calcular uh (t) y ph (t), con uh (0) = u0h y tales que:
∂uh
Z Z Z Z
·v dx+ (uh ·∇)uh ·v dx− ph ∇·v dx+ν ∇uh : ∇v dx = 0, ∀v ∈ V0h ,
∂t
ZΩ Ω Ω Ω

q∇ · uh dx = 0, ∀ q ∈ L2h ,
Ω

Operator Splitting: Dado u0 = u0h , y conocido un , n ≥ 0.

1. Encontrar un+1/3 y pn+1 tales que
Z
un+1/3 − un
Z
· v dx − pn+1 ∇ · v dx = 0 ∀v ∈ V0h ,



ZΩ 4t Ω
 q∇ · un+1/3 dx = 0 ∀q ∈ L2h ;


Ω

2. Encontrar un+2/3= u(t n+1 ), con u(t), t ∈ (t n , t n+1 ), solución de

Z Z
 ∂u · v dx + (un+1/3 · ∇) u · v dx = 0 ∀v ∈ V̄ ,
0h
∂t
 Ωn Ω
u(t ) = un+1/3 , and u(t) = gh (t n+1 ) on Γ̄n+1 × (t n , t n+1 )

3. Finalmente, encontrar un+1 tal que

Z n+1
u − un+2/3
Z
· v dx + ν ∇un+1 : ∇v dx = 0 ∀v ∈ V0h .
Ω 4t Ω
Justificación del “Operator Splitting”
Considérese el problema de valores iniciales:
dU
+ A U + B U + C U = 0, U(0) = U0
dt
A, B, y C lineales e independ. de t =⇒ U(t) = e−(A+B+C)t U0
Si A, B, C no conmutan: e−(A+B+C)∆t = e−C∆t e−B∆t e−A∆t + O(∆t 2 ).

Esquema de partición del operador de 1er. orden:

Dado U0 = U0 , para n ≥ 0 y Un conocido, calcular:

1. Un+1/3 = U(t n+1 ), donde U(t) es solución sobre (t n , t n+1 ) de:

dU/dt + A U = 0, U(t n ) = Un
2. Un+2/3 = U(t n+1 ), donde U(t) es solución sobre (t n , t n+1 ) de:
dU/dt + B U = 0, U(t n ) = Un+1/3
3. Un+1 = U(t n+1 ), donde U(t) es solución sobre (t n , t n+1 ) de:
dU/dt + C U = 0, U(t n ) = Un+2/3
Flujo pasando un obstáculo cilindrico
4 4

414 Chapter 21. A comparison of finite element schemes for the incompressible Navier–Stokes equations
2 2

0 0
a b

-2 -2

-4 -4
-2 0 2 4 -2 0 2 4

4 4

2 2

0
c 0
d

-2 -2

-4 -4
-2 0 2 4 -2 0 2 4

Figure 21.12: Results for the Taylor–Green vortex test problem.

0.40

0.30

Y 0.20

0.10

0.00
0.0 0.5 1.0 1.5 2.0
X-Axis

Figure 21.13: Illustration of the velocity field for the cylinder test problem at t = 5.
Transición a la turbulencia de un flujo oscilatorio

3.575e+02

3.359e+02

3.403e+02

3.074e+02

2.764e+02

2.125e+02

1.477e+02

1.480e+02

1.441e+02

2.432e+02
Problemas de fluidos más complicados

I Flujos electrohidrodinámicos
I Flujos magnetohidrodinámicos
I Flujos de superficie libre
I Flujos particulados
I Flujos multifásicos
I Flujos térmicos
I Flujos turbulentos
I Flujos compresibles
I Flujos viscoelásticos
I ···
Flujo electro-hidrodinámico
Electro–hidrodinámica: también llamada electro-cinética, es el
estudio
12 de la dinámica de
CHAPTER los fluidos cargados
3. ELECTROOSMOTIC MICROPUMPS eléctricamente.

Estudio del (see

in some applications movimiento de
Ref. [15]). However, EO las partículas
pumping is limited by an ionizadas
important
XXV
y su interacción
drawback: its poor efficiency due to the Joule effect. The efficiency can be defined as CONGRESO DE LA SOCIEDAD MEXICANA DE ELECTROQUÍM
con el fluido y los campos η=
∆p Q
,
eléctricos. (3.1)
3 RD M EETING OF THE MEXICAN SECTION ECS
P
where ∆p is the pressure built by the pump, Q the flow rate and P the power delivered
to the pump. In the DC case, we have P = V 2 σelec with σelec being the conductivity of
Aplicaciones: MEMS, canales iónicos, celdas de combustible
the electrolyte and V the applied voltage. Taking some values from Ref. [4], the reported
EO pumps have a typical thermodynamic efficiency under 1 %. This means that most of
the energy is dissipated into heat. This heat can be a source of problem in some devices.
This heat must be evacuated and can interfere with some process downstream the pump.

Negatively charged surface

+
+ + + + + + + + + + + +
lD + - + - + - + + - + - +- +
-
Figure 3.1: Principle of electroos-
Debye Length Induced motic pumping. The charged layers,
flow profile
induced by the electrodes potential,
+ Positively - are driven by the parallel electri-
charged layers
- - - + - cal field along the channel.Viscosity
+ - + + - + + + -
+ + + + + + + + +
+
+
+ transfers the momentum to the rest
Negatively charged surface of the fluid. In the case of a vanish-
ing back-pressure, the flow profile is
flat in the bulk. (Brask, [13])
 

Figura 1. Montaje experimental usado en la evaluación de una celda de combustib

Los
3.2 EO fenómenos
pumps overview relacionan conversión de energía cinética en energía
eléctrica
We will now give ó visciversa.
some brief description of various characteristic of the DC Electroosmotic
3. RESULTADOS Y DISCUSIÓN
pumps.

3.2.1 characteristics
Modelo: Navier–Stokes, Poisson-Nernst-Planck
Eduardo Ramos (CIE-UNAM), Ciro F Flores (ITESM Pachuca), Miguel
Gozález (UAM-I)
 
∂u
ρ + u · ∇u − µ ∇2 u + ∇p = f, (f = −ρq ∇φ),
∂t | {z }
∇ · u = 0, Fuerza eléctrica

−s ∇2 φ = ρq (ρq = F (z+ C+ − z− C− )),

Carga eléctrica total

∂C+
+ u · ∇C+ = ∇ · (D+ ∇C+ + w+ z+ F C+ ∇φ),
∂t
∂C−
+ u · ∇C− = ∇ · (D− ∇C− + w− z− F C− ∇φ).
∂t
advección Diffusion Electromigration

El modelo es fácilmente generalizable a cualquier número de

especies iónicas, lo cual ocurre en la mayoría de las aplicaciones.
Operator splitting:
1. Calcular φ (ec. Poisson) con las concentrciones C± .
2. Calcular u, p (ecs. N–S) con la fuerza eléctrica f.
3. Calcular las concentraciones C± (ecs. N–P) con φ, u

Aplicación: capas límite en celdas de combustible.

Electro–cinética (flujo estacionario): u = 0 =⇒ p = −ρq φ.

Condiciones de frontera en electrodos:

(∇C± + w± z± C± ∇φ) · n = 0


+v en el ánodo
φ + λS ∇φ · n =
−v en el cátodo
Condiciones iniciales
0
C± (x, 0) = c± (x),
φ(x, y , 0) = vy o
Flujo con superficie libre
Roland Glowinski, Giovanna Guidoboni, Suny Canic (University of Houston)
Ecuaciones sobre Ω(t), 0 < t ≤ T
x2
 
∂u γ (t)
ρ + (u · ∇u) = ρ g + ∇ · σ H
∂t
∇·u = 0.
Ω (t)
Ecuaciones sobre frontera libre γ(t):

σn = s H(η) n
∂η 0 L x1
n2 = u · n
∂t

I H(η) = radio de curvatura de f. l.: I η(x1 , t), función de frontera

libre.
∂2η  ∂η 2 3/2
   
H(η) = 1 +   I s, tensión superficial,
∂x12 ∂x1 
I n = normal unitaria a la
frontera libre.
Formulación variacional
Dado el estado inicial Ω(0) = Ω0 , u(0) = u0 . Suponiendo que en el
tiempo t conocemos la región de fluido Ω(t), se calcula u(t), p(t) y
η(t) tales que
 Z  
∂u
Z Z

 ρ + (u · ∇u) · v dx + 2µ D(u) : D(v) dx − p∇·v dx
Ω(t) ∂t

Z Ω(t) Ω(t)

g · v dx + s γ(t) H(η(t)) n · v dγ(t), ∀ v ∈ Hp1 (Ω(t)))2 ,

R
=ρ



Ω(t)
Z
q ∇·u dx = 0, ∀ q ∈ L2 (Ω(t)),
Ω(t)
∂η ∂η
+ u1 = u2 , sobre γ(t), with η(0, t) = η(L, t),
∂t ∂x1
Operator–Splitting: este problema tiene cuatro dificultades:
1. La condición de incompresibilidad y la presión.
2. El término de convección.
3. El término de difusión.
4. La relocalización de la frontera libre.
Elemento finito isoparamétrico P1 − iso − P2
Al tiempo t n el dominio Ωn es no poligonal, debido a la frontera libre
curvada:
a3
a13
K3
K4 a 23
K1
a1
K2
a12
a2
Triángulo rectilineo

a3T
a13T
K3T
a23T
K1T K4T
a1T
K2T
a12T
a2T

Triángulo curvado
Ejemplo

t=0.01 t=0.03 t=0.05

t=0.07 t=0.11 t=0.15

t=0.19 t=0.26 t=0.31

Flujo perturbado en un plano horizontal periódico.
Interacción fluido – cuerpos rígidos
Roland Glowinski, T. W. Pan (UH), J. Périaux, T Hesla, D Joseph, ...
Sobre la región con fluido: Navier-Stokes
 
∂u
ρf + (u · ∇)u = ρf g + ∇ · σ
∂t 1 K
∇ · u = 0. B1

B2
Sobre los cuerpos rígidos: Newton-Euler n

d(Mj Vj ) Z !
B3
= Mj g + Fj B4
dt Fj = − σn
∂Bj
d(Ij ω j ) !
B(t) = ∪Jj=1 Bj (t),
−→
Z
= Tj Ωf (t) = Ω \ B(t)
dt Tj = − Gj x × σ n
∂Bj

Para cada cuerpo rigido j = 1, · · · , J:

Mj y Ij : masa y tensor de inercia
Vj y ωj : velocidad de traslación y rotación
Fj y Tj : fuerza hidrodinámica y torque
Gj : centro de masa
Las anteriores ecuaciones se complementan con
I Condición cinemática:
dGj
= Vj , j = 1, . . . , J
dt

I Condiciones iniciales:

Gj (0) = G0j , Vj (0) = V0j , ω j (0) = ω 0j , j = 1, . . . , J

u(x, 0) = u0 (x)

I Condiciones de frontera:

u(x, t) = 0 sobre ∂Ω
−−−−→
u(x, t) = Vj (t) + ω j (t) × Gj (t)x, ∀ x ∈ ∂Bj (t), j = 1, ..., J
Formulación Variacional
Condiciones iniciales: u(x, 0) = u0 (x), Ω(0) = Ω0
Gj (0) = G0j , Vj (0) = V0j , ω j (0) = ω 0j , ∀ j = 1, ..., J.

Para t > 0, calcular {u(t), p(t)} ∈ (H 1 (Ωf (t)))d × L2 (Ωf (t)) y

{Gj (t), Vj (t), ω j (t)}Jj=1 ⊂ Rd × Rd × R3 , tales que ∀ {v, Y, θ} ∈
R d × Rd × R3 , se satisface
 
∂u
 Z Z Z
 ρ + (u · ∇)u · vdx + 2µ D(u) : D(v)dx − p∇ · vdx
 f Ωf (t) ∂t


Ωf (t) Ωf (t)
X J h i Z J
X
+ M V̇ · Y + (I ω ) · θ = ρ g · vdx + Mj g · Yj

j j j j j t j f



j=1 Ωf (t) j=1
Z
q∇ · u(t)dx = 0, ∀ q ∈ L2 (Ωf (t)),
Ωf (t)
dGj
= Vj , ∀ j = 1, ..., J.
dt
Condiciones de frontera: u(t) = g0 (t) sobre Γ,
−−−−→
u(x, t) = Vj (t) + ω j (t) × Gj (t)x, ∀ x ∈ ∂Bj (t), ∀ j = 1, ..., J.
Dominios Ficticios y Multiplicadores de Lagrange
Para t > 0, encontrar {u(t), p(t)}, con u(t) = g0 (t) sobre Γ,
{Gj (t), Vj (t), ω j (t)}Jj=1 y λj (t) ∈ Λj (t), tales que ∀ {v, Y, θ}

 Z  
∂u
Z Z
ρ + (u · ∇)u · vdx + 2µ D(u) : D(v)dx − p∇ · vdx

f

Ω ∂t



 Ω Ω
 J
ρf h

 X i
+ (1 − ) Mj V̇j · Yj + (Ij ω j )t · θ j

ρj

 j=1
 J J
−−→ ρf

 X Z X
− hλ , v − Y − θ × G xi = ρ g · vdx + (1 − )Mj g · Yj


 j j j j j f

 Ω ρj
j=1 j=1
Z
q∇ · udx = 0, ∀ q ∈ L2 (Ω),
Ω
dGj
= Vj , ∀j = 1, ..., J,
dt
−−−−→
hυ j , u(t) − Vj (t) − ω j (t) × Gj (t)xij = 0, ∀ υ j ∈ Λj (t), j = 1, ..., J.
Operator splitting: las componentes de este problema consisten de:

I La condición de incompresibilidad y la presión, convección y

difusión.
I El movimiento de cuerpo rígido y el multiplicador relacionado
λj (t).
I Los términos de colisión, cuando esten presentes.

T=0 T = 0.15 T = 0.2 T = 0.3

 t=0 t = 0.2 t = 0.25 t = 0.3 t = 0.35

t = 0.4 t = 0.5 t = 0.6 t = 0.7 t=1

Proyecto: aplicación a energía eólica
Eduardo Ramos (CIE-UNAM), María Luisa Sandoval (UAM-I), Pedro González Casanova (IM-UNAM)
La energía eólica puede considerarse como una fuente nueva y
limpia, actualmente en evolución y que complementa otros tipos de
producción de energía

Para poder utilizar la energía del viento, es necesario que este

alcance una velocidad mínima, que depende del aerogenerador que
se vaya a utilizar pero que suele empezar entre los 3 a 4 m/s (10 a
14,4 km/h), y que no supere los 25 m/s (90 km/h).

En esta industria emergente es importante tener mecanismos para

estimar el campo de viento, y poder aprovecharlo en forma óptima
con diseños convenientes de los aerogeneradores.
Recuperación de campos de viento (→ agua)
Pedro González-Casanova (IM-UNAM), María Luisa Sandoval (UAM-I),
Jorge López (UJAT), Daniel Cervantes, Rafael Reséndiz, Daniel Jácome.

Datos: velocidad inicial horizontal uI en Ω

Problema: encontrar el campo real u, más cercano a uI , tal que

Restricción física: ∇ · u = 0 en Ω,
Condiciones de frontera: u · n = 0 sobre ΓN (flujo inviscido)
Mínimos cuadrados

Encontrar el campo ajustado u = uI + w, más cercano a uI , tal que

∇ · u = 0 en Ω,
u · n = 0 sobre ΓN .

V = {v ∈ H(Ω; div ) : ∇·v = 0, v · n = 0 sobre ΓN }

Problema de mínimos cuadrados: minimizar el funcional
Z
1 1
J(v) = kv − uI k2S ≡ S(v − uI ) · (v − uI ) dx, ∀ v ∈ V,
2 2 Ω
Modelo de proyección

Problema de punto–silla

S u − ∇λ = SuI enΩ,
∇·u=0 en Ω,
λ=0 sobre ΓT ,
I
u·n=u ·n sobre ΓV ,
u·n=0 sobre ΓN .

Problema de Poisson correspondiente para λ con nuevas

condiciones de frontera:

−∇ · S −1 ∇λ = ∇ · uI en Ω,

λ=0 sobre ΓT ,
−1
−S ∇λ · n = 0 sobre ΓV ,
−1 I
−S ∇λ · n = u · n sobre ΓN .
Método de colocación con funciones de base radial
n
X
λ(x) ≈ ωj φ(kx − xj k).
j=1

   
L λ = −∇·(S −1 ∇λ) en Ω Lφ ∇ · uI
[ω] =
Bφ g
Bλ = g sobre ∂Ω
n
X
u(x) ≈ uI (x) + ωj S −1 ∇φ(kx − xj k).
j=1
1 1

0.9 0.9

0.8 0.8

0.7 0.7

0.6 0.6

0.5 0.5

0.4 0.4

0.3 0.3

0.2
0.2

0.1
0.1

0
0 1 1.1 1.2 1.3 1.4 1.5 1.6 1.7 1.8 1.9 2
1 1.1 1.2 1.3 1.4 1.5 1.6 1.7 1.8 1.9 2

Colocación de Nodos Campo inicial horizontal

 −7
x 10
5

−7
x 10 4.5
1

6
4 0.9

5 0.8
3.5
0.7
4
3
0.6

3 0.5
2.5

0.4
2
2
0.3

1 1.5 0.2

0.1
0 1
1
0.8 2 0
1.8 0.5
1 1.2 1.4 1.6 1.8 2
0.6
1.6
0.4
1.4
0.2
0 1
1.2
er ≈ 10−10

er = 7.11 × 10−4 , mdiv = 2.71 × 10−6

Extensión a 3–D
FBR (muticuádricas)
MEF (lineal) Total de Total de nodos: 216
1
nodos: 9,261 Nodos Nodos interiores: 64
0.8

interiores: 6,859 0.6

er = 1.98 × 10−4
er = 9.5 × 10−4

z
0.4

0.2
mdiv = −5.58×10−6
mdiv = 2.4 × 10−2 0
1

1 1.5
1.5
2 2

u = (x, y , −2z)
La forma de los aerogeneradores
 t=6 t = 12

t = 20 t = 26

t = 58 t = 62

2 0.6

0.4
1.5
0.2
1
0
0.5
−0.2

0 −0.4
50 100 150 200 50 100 150 200
t t
 ¡¡ GRACIAS !!

L. Héctor Juárez V.

hect@xanum.uam.mx

Universidad Autónoma Metropolitana–Iztapalapa