Disusun oleh :
Puji syukur kehadirat Tuhan Yang Maha Kuasa atas segala limpahan Rahmat, Inayah,
Taufik dan Hinayahnya sehingga penulis dapat menyelesaikan penyusunan makalah ini
dengan judul ‘’Computational Fluid Dynanamics’’ dalam bentuk maupun isinya yang sangat
sederhana. Semoga makalah ini dapat dipergunakan sebagai salah satu acuan, petunjuk
maupun pedoman bagi pembaca dalam mepelajari tentang CFD.
Harapan penulis semoga makalah ini membantu menambah pengetahuan dan
pengalaman bagi para pembaca, sehingga penulis dapat memperbaiki bentuk maupun isi
makalah ini sehingga kedepannya dapat lebih baik.
Makalah ini penulis akui masih banyak kekurangan karena pengalaman yang penulis
miliki sangat kurang. Oleh kerena itu penulis harapkan kepada para pembaca untuk
memberikan masukan-masukan yang bersifat membangun untuk kesempurnaan makalah ini.
Penyusun
2
BAB I
PENDAHULUAN
1.2 Tujuan
1. Menentukan governing equation dari berbagai permasalahan fluida untuk
dibuat simulasi
2. Menentukan metoda yang tepat dalam pengerjaan simulasi CFD
3. Menentukan besaran fisis yang digunakan dalam simulasi CFD dalam
program
3
BAB II
TEORI DASAR
2.1 Sejarah
Sebelum dikenal CFD, para ilmuwan dalam menghitung dan mengerjakan suatu
kejadian fluida dengan menggunakan AFD (analitik) dan EFD (eksperimen).
Penggunaan AFD dan EFD merupakan suatu pekerjaan yang memerlukan waktu dan
biaya yang cukup besar. Ini dikarenakan mensimulasikan suatu pergerakkan fluida tanpa
adanya prediksi awal dari kejadian fluida. Dengan perkembangan ilmu komputer dan
ilmu pengetahuan, permasalahan yang terdapat pada AFD dan EFD dapat ditanggulangi
dengan CFD.
4
Gambar 2. Simulasi dengan metoda AFD
Computational fluid dynamics (CFD) adalah salah satu cabang dari mekanika fluida
yang menggunakan metode numeric dan algoritma untuk menyelesaikan dan
menganalisa masalah yang terjadi pada aliran fluida. Dalam CFD penggunaan computer
sangat vital karena harus melakukan jutaan perhitungan untuk mengsimulasikan interaksi
fluida dan gas yang digunakan pada bidang engineering. Ketika kita menggunakan CFD
dengan dukungan perangkat keras yang canggih sekalipun maka yang didapatkan hanya
berupa pendekatan.
5
Prinsip dalam CFD ini adalah suatu ruang yang berisi fluida yang akan dilakukan
perhitungan dibagi-bagi menjadi beberapa bagian, hal ini sering disebut dengan sel dan
prosesnya dinamkana meshing.
1. Aliran panas
2. Transfer massa
3. Perubahan fasa seperti pada proses melting, pengembunan, dan pendidihan
4. Reaksi kimia seperti pembakaran
5. Gerakan mekanis seperti piston dan fan
6. Tegangan dan tumpuan pada benda solid
7. Gelombang elektromagnet
2.3 Diskritisasi
1. Finite Volume Method (FVM) atau Metode Finite Volume adalah pendekatan
yang umum digunakan dalam kode CFD. Persamaan yang mengatur diselesaikan melalui
volume kontrol diskrit. Metode volume terbatas menyusun kembali persamaan
diferensial parsial yang mengatur (biasanya persamaan Navier-Stokes) dalam bentuk
konservatif, dan kemudian discretize persamaan baru. Hal ini menjamin konservasi fluks
melalui volume kontrol tertentu. Yang terbatas menghasilkan persamaan volume yang
mengatur persamaan dalam bentuk,
Dimana Q adalah vektor variabel dilestarikan, F adalah vektor dari fluks (lihat
persamaan Euler atau persamaan Navier-Stokes), V adalah volume dari elemen kontrol
volume, dan luas permukaan elemen volume kontrol.
2. Finite Element Method (FEM) atau Elemen Hingga Metode adalah digunakan
dalam analisis struktural dari padatan, tetapi juga berlaku untuk cairan. Namun,
formulasi fem membutuhkan perawatan khusus untuk memastikan solusi
konservatif. Perumusan FEM telah diadaptasi untuk digunakan dengan dinamika fluida
yang mengatur persamaan. Meskipun fem harus hati-hati dirumuskan untuk menjadi
konservatif, jauh lebih stabil dibandingkan dengan pendekatan volume terbatas Namun,
FEM dapat memerlukan memori lebih dari FVM. Dalam metode ini, sebuah persamaan
tertimbang sisa terbentuk:
6
Dimana Ri adalah persamaan sisa pada elemen simpul i, Q adalah persamaan
konservasi dinyatakan atas dasar elemen, Wi adalah faktor berat badan, dan Ve adalah
volume elemen.
3. Finite Difference Method (FDM) atau Metode Beda Hingga, memiliki sejarah
penting dan sederhana untuk program. Hal ini saat ini hanya digunakan dalam kode
khusus beberapa. Modern Kode beda hingga menggunakan sebuah batas tertanam untuk
menangani geometri yang kompleks, membuat kode-kode yang sangat efisien dan akurat.
Cara lain untuk menangani geometri termasuk penggunaan tumpang tindih grid, dimana
solusinya adalah interpolated di jaringan masing-masing.
dimana Q adalah vektor variabel dilestarikan, dan F, G, dan H adalah fluks dalam x, y,
dan z masing-masing arah.
Dalam pengerjaan komputasi pada aliran fluida, hal yang paling penting adalah
boundary condtion. Dimana pada daerah ini merupakan wilayah kerja dari komputasi.
Contoh dari boundary condition :
7
BAB III
SIMULASI
(1)
(2)
(3)
(4)
yang bertanggung jawab untuk konservasi massa dan sesuai dengan (3) dengan c≡1 dan s
= 0. Perhatikan bahwa istilah difusi hilang sejak gradien c adalah nol. Jika viskositas dan
konduksi panas diabaikan, maka persamaan Navier-Stokesmengurangi ke persamaan
Euler yang menggambarkan aliran gas inviscid pada kecepatan tinggi.
Struktur umum dari model matematika yang didasarkan pada (system dari)
hukum kekekalan skalar dari bentuk (1.9) menunjukkan pendekatan sistematis untuk
analisis, diskritisasi, dan coding.
8
Persamaan transportasi umum (3) juga dapat ditulis dalam hal u = ρc. Jika Kepadatan
ρ adalah konstan atau kecepatan didefinisikan ulang sebagai v: = v + (D∇ρ) / ρ, maka
(1.9) adalah Sebuah konveksi-difusi-reaksi (CDR) persamaan untuk variabel massa u
(5)
Jika medan kecepatan v adalah mampat, yaitu, ∇.v = 0, maka identitas vector
(6)
membuat mungkin untuk menulis sisi kiri dari (5) dalam bentuk nondivergent
(7)
a. Difusi
Sejak proses difusi seperti didorong oleh gradien konsentrasi yang lapangan, model
khas untuk vektor fluks yang sesuai adalah sebagai berikut :
(8)
Dimana D = {dI } Adalah positif matriks yang pasti simetris koefisien difusi.Jika D = dI,
di mana I adalah D × matriks identitas D, maka skalar difusivitas d (x, t)> 0 adalah sama
untuk semua koordinat arah, dan fluks difusi mengurangi ke
(9)
(10)
Struktur umum dari model matematika yang didasarkan pada (sistemdari) hukum
kekekalan skalar dari bentuk (3) menunjukkan pendekatan sistematis untuk analisis,
diskritisasi, dan coding.
9
c. Transportasi Persamaan: Adveksi dan difusi
Persamaan transportasi umum (3) juga dapat ditulis dalam hal u = ρc. Jika Kepadatan ρ
adalah konstan atau kecepatan didefinisikan ulang sebagai v: = v + (D∇ρ) / ρ, maka (3)
adalahSebuah konveksi-difusi-reaksi (CDR) persamaan untuk variabel massa u
(11)
Jika medan kecepatan v adalah mampat, yaitu, ∇.v = 0, maka identitas vektor
(12)
membuat mungkin untuk menulis sisi kiri dari persamaan (9) dalam bentuk
nondivergent
(13)
Dalam kasus satu dimensi, domain Ω komputasi = (a, b) adalah interval. Sebuah subdivisi
dari interval ini menjadi N subinterval Ωk = (xk-1, xk) dengan ukuran yang sama
(14)
(15)
diberi nomor dari kiri ke kanan. Setiap interior titik grid xi memiliki dua tetangga
terdekat yang indicesi ± 1 dan mengkoordinasikan xi ± 1 diketahui. Jarak Δxk = xk-1 xk
juga bisa seragam jika resolusi jala yang lebih tinggi yang diinginkan di beberapa daerah
10
2.2 Simulasi Adveksi-Difusi
a. Listing Program
clear all;
close;
clc;
L=2; %Panjang matriks x dan y
nx=40; %step pada domain x
ny=40; %step pada domain x
nt=150; %step durasi
dt=0.05 %pias durasi dari 0:0.05:nt
h=L/(nx-1); %Lebar step sumbu xy
x=0:h:L; %Rentang x(0,L)
y=0:h:L; %Rentang y(0,L)
u=zeros(nx,ny); %Mengisi matriks U dengan 0, U hitung
un=zeros(nx,ny);%Mengisi matriks Un dengan 0, U sekarang
%koefisien adveksi
adv=0.12;
%koefisien difusi
vis=0.012;
% Koefisien Kestabilan
r=vis*dt/h^2;
%Initial Conditions
for i=1:nx
for j=1:ny
% Daerah yang memiliki nilai
if ((1<=y(j))&&(y(j)<=2)&&(0.5<=x(i))&&(x(i)<=1))
u(i,j)=2; %Daerah yang memenuhi syarat diberi nilai 2
else
u(i,j)=0; %Daerah yang tidak memenuhi syarat diberi nilai 0
end
end
end
11
shading faceted
axis ([0 L 0 L 0 2])
title({[' Adveksi Difusi 2D'];['Koefisien Difusi (D) =
',num2str(vis),' & Koefisien Adveksi (V) = ', num2str(adv)];['time
(\itt) = ',num2str(it*dt)]})
xlabel('Spatial co-ordinate (x) \rightarrow')
ylabel('{\leftarrow} Spatial co-ordinate (y)')
zlabel('Transport property profile (u) \rightarrow')
% %Metode Eksplisit
u(i,j)=un(i,j)-(adv*dt/h)*(un(i,j-1)+un(i-1,j)-
2*un(i,j))+(vis*dt/h^2)*(un(i,j)+un(i-1,j)+un(i,j)+un(i,j-1)-
4*un(i,j));
b. Hasil Simulasi
Koefisien adveksi =0.01 Koefisien adveksi =0.09 Koefisien adveksi =0.12
12
Koefisien adveksi =0.5 Koefisien difusi=0.001 Koefisien difusi=0.005
Analisa :
Pada simulasi ini menunjukkan keadaan difusi dan adveksi. Dimana pada pergerakkan
simulasi ini berdsarkan update nilai berdasarkan governing equation yang digunakan.
Adveksi menunjukkan pergerakkan simulasi ke arah bidang tertentu dan difusi menunjukkan
persebaran pergerakkan pada sistem.
Dari hasil simulasi menunjukkan perubahan nilai adveksi dapat membuat sistem tidak
stabil, beda dengan perubahan nilai difusi. Ketika difusi diubah nilainya, sistem masih dalam
keadaan stabil.
13
2.3 Heat Transfer Pada Cooling Fin
a. Model
Model ini berasal melalui hukum panas Fourier. Hal ini dapat dirumuskan sebagai
baik model terus menerus atau sebagai model diskrit. Sebuah model untuk difusi panas
dalam piring 2D tipis di mana ada difusi baik di x dan y arah, tetapi difusi apapun dalam
arah z adalah minimal dan diabaikan. Tujuannya adalah untuk menentukan suhu di
pedalaman sirip mengingat suhu awal dan suhu pada batas. Masalah seperti ini berasal
dari desain sirip pendingin atau dari pembuatan benda logam besar, yang harus
didinginkan sehingga tidak merusak interior objek. Dalam rangka untuk menghasilkan
model time dependent 2D untuk transfer panas difusi hukum panas Fourier harus
diterapkan baik dalam arah x dan y. Model 2D terus menerus dan diskrit yang sangat
mirip dengan versi 1D untuk kawat. Dalam model 2D terus menerus suhu u akan
tergantung pada tiga variabel, u (x, y, t).
Gambar 6. Difusi
Dalam rangka untuk memodelkan difusi panas , pertama kita akan menganggap
suhu diberikan sepanjang batas 2D dan ketebalan T kecil. Akibatnya, akan ada difusi
hanya dalam arah x dan y. Pertimbangkan massa kecil dalam piring di atas yang
volumenya (Δx Δy T). Volume ini akan memiliki sumber panas atau tenggelam melalui
dua (Δx T) permukaan, dua (Δy T) permukaan, dan dua (Δx Δy) permukaan serta setiap
internal yang (waktu panas / (vol.)) panas sama dengan f. Bagian atas dan bawah
permukaan akan didinginkan oleh Newton seperti hukum pendinginan ke wilayah
sekitarnya yang memiliki suhu usur.
Hukum Fourier panas diterapkan untuk masing-masing dua arah akan memberikan
panas yang mengalir melalui empat permukaan vertikal:
14
(Kux(x + ∆x,y,t) - Kux(x,y,t)).
Pendekatan ini akan lebih akurat sebagai Δx, Δy dan AT pergi ke nol. Jadi, bagi
dengan (Δx Δy T) AT dan membiarkan Δx, Δy dan AT pergi ke nol. Hal ini memberikan
persamaan diferensial dengan derivatif parsial, dan (1,1) adalah contoh dari persamaan
diferensial parsial.
keterangan :
for (x,y) pada (0,L)x(0,W),
f(x,y) adalah internal heat sources,
ρ adalah density,
c adalah kapasitas panas,
K adalah konfuktivitas termal,
T adalah ketebalan dan
C adalah kemampuan panas berpindah.
u(x,y,0) = inisialisasi kondisi dan
u(x,y,t) = boundary dari fin.
c. Diskritisasi
Explicit Finite Difference 2D Model of Heat Transfer :
clear;
close;
%parameter awal
L = 1; %panjang matriks yang
digunakan
W = L;
15
Tend=80;
maxk=300;
dt=Tend/maxk; %pias durasi t
nx=20; %akhir komputasi
ny=20;
u(1:nx+1,1:nx+1,1:maxk+1) = 70;
dx = L/nx; %panjang domain x
dy = W/ny; %panjang domain y
x=0:dx:L; %Rentang x(0,L)
y=0:dx:L; %Rentang y(0,L)
h = dx;
b = dt/(h*h);
%koefisien fisis
cond = 0.002; %konduktivitas (K/rho*c),
dimana c adalah panas spesifik
spheat = 1; %variabel aliran panas
rho = 1; %densitas
a = cond/(spheat*rho);
alpha = a*b;
% Koefisien Kestabilan
s=(dt/rho)*(2*cond/spheat)-4*alpha
%syarat kestabilan
while (dt/rho)*(2*cond/spheat)-4*alpha > 0;
fprintf('besar s adalah ');
(dt/rho)*(2*cond/spheat)-4*alpha
fprintf('sistem tidak stabil\n');
prompt = 'ubah nilai cond';
cond = input(prompt)
end
%Initial Conditions
for i=1:nx
for j=1:ny
% Daerah yang memiliki nilai
if ((1<=y(j))&&(y(j)<=2)&&(0.5<=x(i))&&(x(i)<=1))
u(i,j)=2; %Daerah yang memenuhi syarat diberi nilai 2
else
u(i,j)=0; %Daerah yang tidak memenuhi syarat diberi nilai 0
end
end
end
%perulangan
for i = 1:nx+1
x(i) =(i-1)*dx;
y(i) =(i-1)*dx;
end
for k=1:maxk+1
time(k) = (k-1)*dt;
for j=1:ny+1
u(1,j,k) =300.*(k<120)+ 70.;
end
16
end
for k=1:maxk
for j = 2:ny
for i = 2:nx
%metoda eksplisit
u(i,j,k+1) =0.*dt/(spheat*rho)+(1-4*alpha)*u(i,j,k) +
alpha*(u(i-1,j,k)+u(i+1,j,k)+u(i,j-1,k)+u(i,j+1,k));
end
end
end
mesh(x,y,u(:,:,maxk)')
% plot grafik
lim =[0 1 0 1 0 400];
for k=1:1:200
mesh(x,y,u(:,:,k)')
axis(lim);
shading faceted
title({['persebaran panas di ruang'];['time (s) =
',num2str(k*dt)]})
xlabel('Spatial co-ordinate (x)')
ylabel('Spatial co-ordinate (y)')
zlabel('Transport property (temporal)')
k = waitforbuttonpress;
end
17
Analisa :
Pada program ini menjelaskan suatu sistem yang terkena 1 sumber panas pada salah
satu ujungnya. Ini terlihat ketika respon awal dari sistem yang terkena panaas. Setelah
sumber panas dilepaskan, aliran panas akan menyebar ke seluruh bidang, hal ini terlihat saat
waktu 53,33 sekon yang menunjukkan panas bergerak ke semua bidang
18
BAB III
SIMPULAN
Dalam pengerjaan komputasi CFD, hal yang terpenting dilakukan adalah menentukan
governing equation yang digunakan. Dari persamaan tersebut dapat ditentukan diskritisasinya
menggunakan central difference, baik orde 1 maupun orde 2.
Dari hasil diskritisasi dapat digunakan ke dalam program matlab untuk dilihat bentuk
difusi dari sistem yang digunakan. Hal ini dapat dilihat pada perbedaan keluaran pada adveksi
dan difusi serta difusi pada cooling fin.
Dalam pengerjaan adveksi-difusi dan cooling fin, menggunakan syarat batas dan
kestabilan. Hal ini berguna untuk membuat komputasi yang digunakan menghasilkan
simulasi yang sesuai dengan yang diinginkan dan dalam keadaan stabil.
19
Daftar Pustaka
Joni, I Made. 2015. Persamaan transport (CFD: Computational Fluid Dynamics). Departemen
Fisika Universitas Padjadjaran
Lecture 6:Diffusion in a Cooling Fin. (sumber: http ://www4. ncsu. Edu /eos /users /w /white
/www /white /ma325 /HTlec6. pdf )
20
Pembagian Tanggung Jawab Tugas :
Wanda Suryadinata
Heri Fernando S
M. Bayu Perkasa
21