-
UNIVERSIDADE ESTADUAL DE CAMPINAS
FACULDADE DE ENGENHARIA MECNICA
DEPARTAMENTO DE MECNICA COMPUTACIONAL
TRABALHO DE GRADUAO EM ENGENHARIA DE CONTROLE E AUTOMAO
Daniel Scalioni Carvalho
Estudo da simulao de fluidos com o mtodo DPD
Campinas / SP 2013
-
Daniel Scalioni Carvalho
Estudo da simulao de fluidos com o mtodo DPD
Trabalho de Graduao apresentado como exigncia parcial para
obteno do Diploma de Graduao em Engenharia de Controle e Automao da
Universidade Estadual de Campinas.
Orientador: Prof. Dr. Luiz Otvio Saraiva Ferreira
Campinas / SP 2013
-
3
Agradecimentos
Primeiramente agradeo a Deus por ter me dado sade, inteligncia,
pacincia e
perseverana no s para finalizar este trabalho de graduao, mas
tambm, por todo o
percurso acadmico que realizei nesta to almejada
Universidade.
Minha me, Natalia Scalioni, e, meu pai, Jos C. Carvalho, que
sempre me instigaram a
ter fome de conhecimento e a no me contentar com pouco, a no ser
uma das melhores
universidades do pas.
Agradeo minha noiva Dbora C. Cantador que sempre esteve ao meu
lado, me
apoiando em qualquer que seja a ocasio, tanto na vida da
faculdade quanto fora dela. Sem
mencionar sua famlia que me apoiavam a cada passo mais duro que
eu queria dar.
Os amigos da faculdade tambm foram essenciais, em especial minha
cavalaria de
estudos, integrada por Leonardo Reis e Leonardo Junqueira, com
algumas ajudas essenciais
de Conrado Miranda.
Sem se esquecer do grupo de pesquisas, liderados pelo professor
Luiz Otvio Saraiva
Ferreira, que a qualquer dvida ou problemas de software estavam
ali prontos para
compartilhar suas experincias para que todos sassem
ganhando.
Mas ai vai um agradecimento especial ao professor, orientador e
amigo que me
acompanhou por 3 anos, desde o dia em que bati porta dele, como
um novato, querendo
participar de uma iniciao cientfica.
E finalmente, agradeo a universidade que sempre me forneceu
todos os recursos
necessrios para a melhor formao que eu poderia ter.
-
4
Sumrio
AGRADECIMENTOS
.........................................................................................................
3
RESUMO
.....................................................................................................................
4
1. INTRODUO
.......................................................................................................
5
2. FUNDAMENTAO TERICA
.....................................................................................
7
3. MTODOS
.........................................................................................................
27
4. RESULTADOS E DISCUSSES
...................................................................................
32
5. TRABALHOS FUTUROS
..........................................................................................
41
6. CONCLUSO
.......................................................................................................
41
7. BIBLIOGRAFIA
.....................................................................................................
43
ANEXO A ARQUIVO DE CONFIGURAO DO HOOMD-BLUE
................................................... 48
ANEXO B PROGRAMA EM MATLAB
...............................................................................
50
Resumo
Este trabalho trata da validao do simulador Hoomd-blue na
simulao de fluidos em
microcanais usando o mtodo DPD (Dissipative Particle Dynamics).
A diferena do Hoomd-
blue a utilizao intensiva de GPGPUs (General-Purpose Graphics
Processing Units) na
acelerao do processamento dos clculos massivos necessrios em
dinmica de partculas.
O trabalho consiste em gerar um script de simulao que reproduz o
deslocamento de um
fluido num tubo de seo quadrada, e assim, evidenciar,
inicialmente, qualitativamente o
perfil parablico de velocidades. Com isso, ser possvel obter o
perfil de velocidades das
partculas ao longo de uma seo do tubo e compar-lo com resultados
analticos e da
prpria literatura.
Palavras-chave: SIMULAO, DPD, DINMICA MOLECULAR, GPGPU, SISTEMAS
DE
PARTCULAS.
-
5
1. Introduo
1.1. Apresentao
A miniaturizao de dispositivos um processo extremamente comum no
mbito da
eletrnica. Visa minimizar perdas em espao fsico, potncia
utilizada e principalmente de
recursos de manufatura, deixando-os mais atrativos para sua
comercializao. Com esse
mesmo intuito, outros tipos de dispositivos esto sendo
miniaturizados, e so
genericamente chamados de MEMS (Micro-Eletro-Mechanical Systems)
[1].
O universo dos dispositivos MEMS extremamente vasto, com
aplicaes nas reas de
telecomunicaes, automobilstica, medicina, farmacutica, qumica,
etc. Nas reas de
qumica e bioqumica, o interesse maior em dispositivos
microfluidicos tais como reatores
[2] [3] ou controladores de formao de gota [4], dentre outras
aplicaes [5].
Estes dispositivos so um subconjunto do MEMS chamados
Lab-on-a-chip [6]. Esta
nova tecnologia representa uma revoluo nos experimentos
laboratoriais. Atualmente,
estas aplicaes so as que mais usufruem das descobertas em
microfluidica. O
desenvolvimento e aperfeioamento destes microlaboratrios se
baseiam em simulaes de
microfluidos. Existem vrios mtodos de simulao fluidica [7] [8],
no entanto, foi nesta
dcada que os mtodos de partculas [9] se tornaram mais acessveis
apresentando
importantes vantagens para microdispositivos.
A utilizao de mtodos de partculas era restrita devido ao longo
tempo de
processamento requerido em computadores convencionais. No
entanto, hoje uma das
reas que mais h pesquisas em mtodos numricos, pois, com o
advento de processadores
massivamente paralelos, o tempo de execuo reduziu-se a patamares
competitivos com os
mtodos convencionais. Estes processadores so as chamadas GPGPU
[10] que, utilizando-se
do paradigma de processamento e programao paralelos, conseguem
ter desempenhos
muito superiores que das CPUs a custos e consumo de energia
muito menores.
Um dos problemas da comunidade cientfica na utilizao de todo
esse potencial a
migrao para este novo paradigma. Para resolver isso que o
Hoomd-blue est sendo
desenvolvido. No seu estado de desenvolvimento atual o
Hoomd-blue roda em uma nica
GPU NVIDIA, e programado na linguagem CUDA C. Seu desempenho
superior a um
-
6
simulador semelhante rodando em um cluster de CPUs com qualquer
nmero de ncleos
maior que 32, quantidade, a partir da qual, os custos de
comunicao pioram o
desempenho. Est tambm em desenvolvimento uma verso
multi-GPU.
1.2. Motivao
O Hoomd-blue utilizado no Laboratrio de Simulaes Multifsicas,
dirigido pelo meu
orientador, Prof. Dr. Luiz Otvio Ferreira, para a simulao de
flidos em microcanais, com
potencial de aplicao em problemas das reas mdica [11],
farmacutica [5], qumica [12],
dentre outras.
Esse software est sendo utilizado para que o grupo ganhe
experincia na modelagem
de problemas de microfluidica com o mtodo DPD, enquanto um
simulador dedicado est
sendo desenvolvido para execuo em cluster de GPUs. Portanto
importante que os
resultados obtidos com o Hoomd-blue sejam validados, pois sero
utilizados posteriormente
para validao do novo simulador.
1.3. Objetivos
1.3.1. Objetivo Geral
Validar o resultado gerado pelo software Hoomd-blue, utilizando
o mtodo DPD, na
simulao de um sistema fluidico no interior de um tubo retangular
com base em literaturas
e resultados analticos.
1.3.2. Objetivos Especficos
1. Configurar um ambiente para a utilizao do software
Hoomd-blue.
2. Programar o software para realizar a simulao proposta.
3. Avaliar a resposta gerada pelo software do perfil de
velocidades do fluido
tomando-se como base solues analticas consagradas da literatura
bem como
resultados oriundos de outros simuladores padres na
comunidade.
-
7
2. Fundamentao Terica
2.1. Microfluidica
Fluido uma substncia que se deforma continuamente sob a aplicao
de uma
tenso de cisalhamento (tangencial), no importa quo pequena ela
seja [13]. No entanto,
esta definio muito abrangente para os fluidos tratados neste
trabalho. Microfluidica
envolve no s o fluido, mas tambm o trabalho de lidar com
pequenos volumes, pequenos
tamanhos, baixo consumo de energia ou propriedades do fluido
distintas das que,
normalmente, vemos nos fluidos macroscpicos.
A miniaturizao leva a vrios benefcios. Alm dos benefcios
encontrados quando se
miniaturiza componentes eletrnicos, como reduo da perda de
produtos, do custo e de
energia consumida, existem tambm: facilidade do controle de
temperatura, uma vez que
pequenos volumes facilitam a difuso de calor; rapidez e preciso
em reaes qumicas
devido grande superfcie de contato se comparado ao pequeno
volume; e a utilizao do
fluxo laminar contnuo em microcanais viabilizando novos mtodos
para realizao de
procedimentos qumicos [14].
Estes novos comportamentos em micro escala se devem ao baixo
nmero de Reynolds
(Equao 1) que tende ao predomnio dos efeitos viscosos na dinmica
do fluido. Esta
propriedade a mais importante para a determinao do regime de
escoamento do fluido.
Nos casos em que o nmero de Reynolds grande, a camada limite se
desprende mais
facilmente fazendo com que o fluxo turbulento predomine, gerando
flutuaes caticas nas
velocidades das partculas e aumentando a queda de presso se
comparado ao fluxo
laminar.
Equao 1 - Equao do nmero de Reynolds leva em considerao a
densidade , a velocidade V, o comprimento caracterstico do canal L
e da viscosidade do fluido .
A seguir, exemplos de fluxos predominantemente laminares em
comparao a um
fluxo turbulento.
-
8
Figura 1 - Numero de Raynolds variando de 1 a 100 gerando fluxos
laminares.
Figura 2 - Numero de Re = 104.
Para um fluxo em um tubo de seo circular o nmero de Reynolds
crtico, limiar ao
regime laminar para o turbulento, de aproximadamente 2.300
[15].
Figura 3 Simulao de escoamento laminar.
Figura 4 Simulao de escoamento turbulento.
Fonte: NVIDIA. [7]
Considerando estas propriedades, a previso do comportamento de
fluidos em regime
laminar muito mais segura do que em regime turbulento. Logo,
simulaes de dispositivos
-
9
microfluidicos so ferramentas confiveis para desenvolvimentos e
otimizaes de novos
instrumentos tecnolgicos.
No entanto, o trabalho com pequenas dimenses no tem somente
vantagens. Esse
comportamento bem determinado pode ser considerado somente para
sistemas
monofsicos, e suas simulaes perdem confiabilidade medida que o
sistema passa a ser
mais complexo. A unio de diferentes fases leva a dinmicas ainda
mais complexas como os
vrtices oriundos de foras centrfugas, chamados vrtices de Dean.
Estes vrtices so muito
comuns em canais complexos, como microreatores qumicos (Figura
5), mas tambm
aparecem em sistemas simples, como escoamentos de gotas por
dentro de microcanais
(Figura 6).
Figura 5 Exemplo de um microreator.
Fonte: Chemical Engeneering Science. [16]
Figura 6 Uma gota de gua passando por dentro de um
tubo
Fonte: Dynamics of microfluidic droplets. [17]
Portanto, a pesar de sistemas microfluidicos serem bem mais
comportados que
sistemas turbulentos, os simuladores de microdispositivos tm um
longo trabalho para
abranger todas essas dinmicas. Um dos mtodos de simulao que vem
sendo muito
estudado e aperfeioado o mtodo DPD [18].
2.2. Mtodo de Partculas Fluidicas (MPF)
H diversos tipos de mtodos de microsimulao [9], sejam eles
baseados em malhas
computacionais, como o mtodo CFD (Computational Fluid Dynamics)
[19] [20], mtodos
baseados em superfcies, como o mtodo meshless Volume of Fluid
[21], mtodos hbridos,
como o SPH (Smoothed Particle Hydrodynamics) [22], ou mesmo
mtodos baseados em
partculas, como SDPD (Smoothed Dissipative Particle Dynamics)
[23] e MD (Molecular
Dynamics) [24].
-
10
Figura 7 - Simulao de recirculao
em CFD.
Fonte: Biomech Model Mechanobiol [20]
Figura 8 - Simulao da
hidrodinmica do peixe com mtodo meshless.
Fonte: 16 POSMEC [21]
Figura 9 - Simulao SPH da quebra de
uma barragem.
Fonte: Tese Doutorado PUC/RJ [22]
Figura 10 Simulao de um polmero em SDPD.
Fonte: IOPScience. [23]
Figura 11 - Membrana qumica simulada por MD.
Fonte: Journal of Physical Chemistry [24].
Cada um desses mtodos de simulao possui diferentes nichos de
abrangncia.
Alguns possuem melhores resultados para simulaes em larga
escala, como moldagem de
metal lquido e dinmica de ondas nas praias, outros modelam
melhor iterao entre
partculas atmicas e propriedades fsicas predominantes no
ambiente microscpico.
De acordo com [18], h duas abordagens a se considerar para saber
qual mtodo
utilizar. A abordagem macro-microscpico e a abordagem
micro-macroscpico.
Na primeira abordagem o estudo inicia-se com as equaes de
Navier-Stokes (Equao
2) para simulaes de fluidos com grandes escalas de viscosidade,
de densidade e de tempo.
A medida com que essas propriedades diminuem, outros mtodos
devem ser considerados,
passando por CFD, SPH e SDPD.
Equao 2 - Equao classica de Navier-Stokes para fluidos
incompressveis, na qual a densidade do fluido e a viscosidade, v o
vetor velocidade, g o vetor acelerao de campo e P a presso no
fluido.
-
11
Na segunda abordagem as simulaes tentam determinar
grosseiramente a dinmica
detalhada do sistema e conforme ele aumenta em tamanho,
propriedades microscpicas
so retiradas por no serem to influenciveis no sistema, e assim
os mtodos vo se
alterando do MD s equaes de Langevin (Equao 3) [25].
Equao 3 - Equao de Langevin, na qual, alm da fora externa Fi, o
coeficiente de atrito e foras aleatrias R influenciam na acelerao
da partcula.
O mtodo DPD proposto por (Steiner, Thomas (2009) [18]) leva em
considerao essas
duas abordagem e indica um mtodo mais robusto da representao
realstica de problemas
microfluidicos.
2.2.1. Mtodo DPD
O mtodo DPD que foi originado por Hoogerbrugge e Koelman tinha
muitas limitaes
como a no representao de fluidos complexos como polmeros e
fluidos coloidais. O
mtodo original foi baseado no mtodo LGA (Lattice Gas Automata)
[26] e em poucos anos
teve vrias aplicaes em mecnica estatstica.
2.2.1.1. Equaes de Movimento
A dinmica do fluido representada com iteraes entre pares de
partculas fluidicas.
Esta dinmica regida pela 2 Lei de Newton.
Equao 4 - Equao de movimento de Newton.
A fora associada ao movimento das partculas pode ser subdividida
em quatro foras
distintas.
Equao 5 Foras presentes na simulao do mtodo DPD.
-
12
A primeira a fora conservativa (Equao 6), atribuda ao potencial
suave que pode
ser aproximado pelo efeito da presso entre diferentes partculas.
Por ter esse potencial
suave, pode se considerar um tempo de integrao grande no momento
da simulao,
muito maior que no caso de MD.
{
( )
Equao 6 - Fora conservativa da partcula fluidica.
Esta fora atua at certa distncia ente as partculas, chamada de
raio de corte (rc). O
parmetro define a magnitude da fora entre partculas de
diferentes grupos. A funo
determina a influncia do raio de corte entre as partculas e o
vetor a
direo normal da coliso entre as partculas. A figura a seguir
explicita a atuao da fora
conservativa em magnitude e direo.
Figura 12 - a) Funo de magnitude da fora conservativa dependente
da distncia entre as partculas. b) Exemplificao de uma coliso entre
partculas fluidicas e suas respectivas velocidades no momento do
choque.
Fonte: Microfluid Nanofluid (2009) [27].
A segunda a fora dissipativa (Equao 7), oriunda das foras de
atrito entre as
partculas, tem como objetivo diminui a quantidade de movimento
relativo das partculas.
-
13
{
( )
Equao 7 - Fora dissipativa.
Nesta equao tem-se que o coeficiente de amortecimento que
governa o
resfriamento do sistema. O produto escalar a componente da
velocidade
relativa da partcula na direo da coliso, melhor visualizada na
Figura 12. E a funo de
ponderao ser descrita mais adiante, pois depende do teorema da
flutuao-
dissipao que deve ser respeitado atravs das foras dissipativas e
aleatrias.
A terceira a fora aleatria, que estocstica e obedece distribuio
Normal [27]
tendendo a caotizar o sistema. Esta fora responsvel pelo
movimento Browniano das
partculas, ou seja, o movimento aleatrio determinante para o
aquecimento do sistema.
{
( )
Equao 8 - Fora aleatria.
O coeficiente determina a amplitude da varivel aleatria . Essas
duas ltimas
foras, FD e FR, influenciam diretamente na viscosidade do fluido
e agem de forma a deixar o
sistema em uma temperatura T.
A ltima fora a fora externa que pode ser exemplificada pela fora
da gravidade.
A varivel aleatria de quem insere a distribuio Gaussiana na
equao da fora,
e desta forma faz com que a esperana da fora aleatria entre duas
partculas seja sempre
zero. Juntamente com a escolha de um valor constante para o
coeficiente de amortecimento
, estas propriedades satisfazem o teorema de flutuao-dissipao
que determina os
outros parmetros das foras, e ( )
( )
( ), na qual
a constante de Boltzmann.
Com estas assertivas pode-se dizer, por saber-se que o sistema
obedece 3 Lei de
Newton e que o nmero e o momento das partculas permanecero
constantes, que o
-
14
sistema hidrodinmico [18]. Deste modo podem ser determinados os
parmetros fsicos
como presso e densidade.
2.2.1.2. Abrangendo rotaes
Com o intuito de ampliar o mbito de sistemas que podem ser
simulados pelo mtodo
DPD, este foi melhorado para que abrangesse tambm sistemas que
dependem do
momento rotacional das partculas. Logo passou a representar no
somente uma fora
no sentido da normal da coliso, mas tambm uma combinao desta com
a fora de
cisalhamento perpendicular normal da coliso.
Figura 13 - a) Foras dissipativas normais. b) Foras dissipativas
perpendiculares.
Da mesma forma como na equao do movimento linear, o movimento
angular
regido pela Lei de Newton-Euler.
Equao 9 - Equao de euler do movimento de rotao, sendo que
um fator referente ao contato de
partculas de diferentes tamanhos e a inrcia da partcula
fluidica.
Com o incremento desta componente na fora dissipativa, a fora
aleatria deve se
modificar para que o teorema de flutuao-dissipao ainda valha e
para que o sistema se
mantenha na mesma temperatura. Portanto, as novas equaes das
foras dissipativas e
aleatria so:
-
15
( )( )
( )( ) ( )
Equao 10 - Equao da fora dissipativa com dinmica rotacional.
(
[
] )
Equao 11 - Equao da fora aleatria para suprir a nova fora
dissipativa.
Sendo que e
so as componentes simtricas e assimtricas,
respectivamente, da matriz de rudo da distribuio Gaussiana.
O mtodo DPD tambm foi aprimorado para tratar fluidos multifsicos
e corpos
rgidos. O leitor encontrar maiores detalhes nas referncias
bibliogrficas.
2.3. Programao paralela e GPU Computing
Na ultima dcada, as empresas fabricantes de processadores
mudaram o conceito no
desenvolvimento de seus produtos. Pode-se observar que as geraes
recentes de
processadores no possuem maiores frequncia de operao que as
geraes passadas, mas
sim, maior nmero de cores independentes. Esta mudana de
pensamento foi oriunda de
dois motivos: o exagerado aquecimento e consumo de energia
necessrios para a
implementao de um novo processador com frequncia ainda maior; e
o surgimento
promissor dos processadores grfico de propsito geral, as GPGPUs,
com dezenas ou
centenas de processadores independentes.
Os processadores grficos primrios eram destinados simples
transferncia de dados
para o monitor, avanando, nas verses posteriores, para o
processamento de
transformaes geomtricas e iluminao. A revoluo se iniciou na
terceira gerao de
GPUs, que com o processamento paralelo de texturas proporcionou
um mtodo rudimentar
de programao em suas arquiteturas paralelas [28]. Nas
arquiteturas mais novas, as GPUs
evoluram para unidades de processamento grfico de propsito
geral, as quais ganharam
linguagens de programao de alto nvel [29] e algumas famlias de
GPUs foram
desenvolvidas exclusivamente para este motivo, como o caso da
famlia TESLA [30].
-
16
Figura 14 - Evoluo desde 2003 da largura de banda das memrias
comparando-se CPUs e GPUs
Fonte: NVIDIA. [30]
Figura 15 - Evoluo desde 2003 da taxa de processamento de
diferentes tipos de GPU comparada de CPUs.
Fonte: NVIDIA. [30]
O surgimento das linguagens de programao, que ainda esto em
desenvolvimento,
como o caso do CUDA e do OpenCL, ocasionou um grande impacto na
comunidade de
desenvolvimento de softwares [31]. Criando-se o conceito de GPU
Computing, que o
emprego de placas grficas modernas para processamento de
aplicaes altamente
paralelizveis e com grande volume de dados [28].
Figura 16 Separao das linguagens para GPUs em diferentes nveis
de programao.
Fonte: GPU Programming Strategies. [29]
-
17
Alm das linguagens, vrias tcnicas de programao esto em estudo
para tornar
estas ferramentas ainda mais potentes. O OpenCL uma linguagem
open source que foi
criada recentemente pelo Khronos Group [32], para ser um
ambiente de programao de
processamento paralelo voltado sistemas hbridos, sejam eles
constitudos de CPUs, GPUs
ou ambos. A linguagem CUDA foi criada pela NVIDIA [33], e a mais
estabelecida no
mercado por possuir vrios recursos e alta performance, mas
exclusiva de suas prprias
GPUs.
A programao paralela est expandindo sua abrangncia para todas as
reas da
computao, desde o projeto de hardwares, como os novos chips da
INTEL, at em sites com
acelerao via GPGPU devido s linguagens como WebGL e WebCL. Logo,
o paralelismo de
informaes ou de tarefas tornou-se o futuro da computao [34],
como o caso do
desenvolvimento do Hoomd-blue [35] e outras aplicaes em simulao
de partculas [36].
2.4. Medio de Propriedades em Simulaes Computacionais
A utilizao de simulaes computacionais normalmente est
relacionada com
solues numricas de problemas dificilmente resolvidos
analiticamente. Para que a
resposta vinda do computador seja estvel e de acordo com a
realidade preciso que os
erros provenientes da simulao sejam minorados.
Esses erros so oriundos da discretizao, no tempo e/ou no espao,
do problema e do
erro numrico devido limitao na representao dos nmeros inerente a
todo
computador.
Visando contornar esse problema, h duas abordagens que podem ser
executadas.
Quando se consegue um modelo matemtico relativamente fiel, o
nmero de subdivises
necessrias no domnio pode ser reduzido deixando a cargo do
modelo a correta
representao do sistema, ou ento, pode-se subdividir o sistema
tentando abranger at a
menor fsica relevante e deixar o modelo como sendo mais
simplista, fazendo com que o
poder computacional seja o limitante na evoluo do sistema. A
abordagem dos programas
de simulao tem partido para a segunda opo levando a um nvel
microscpico o clculo
da fsica das partculas.
-
18
No entanto, as propriedades fsicas do fluido que se deseja
obter, como a temperatura
e densidade, no so definidas na escala da simulao, mas sim em
uma escala
macroscpica. Para avaliar essas propriedades so utilizados
mtodos estatsticos que a
partir dos estados de cada partcula determinam o estado
macroscpico do sistema. Esse
problema abrangido pela Teoria Cintica dos Gases.
A Teoria Cintica dos Gases iniciou-se em 1738 com a definio de
que a presso de
um gs ideal se deve as colises dadas pelas partculas que o
constituem na superfcie do
volume que o abriga.
Assim, entre muitas propriedades, como energia cintica,
temperatura, momento
vetor e outros, a distribuio da velocidade das partculas em um
ambiente esttico pode ser
determinada pela Lei de Distribuio das Velocidades Moleculares
(distribuio de
velocidade de Maxwell-Boltzman). Dada pela Equao 12.
[
]
Equao 12 Distribuio de velocidades em uma nica direo.
Isso mostra que a mdia das velocidades devido agitao das
molculas, em uma
determinada temperatura, zero. Ou seja, a velocidade das
partculas puramente
aleatria e seu desvio padro, nas trs dimenses, pode ser
determinado pela Equao 13.
Equao 13 Desvio padro de uma determinada velocidade nas
partculas submetidas a uma temperatura.
2.4.1. Filtro de Velocidades
Para um sistema cujas partculas possuem velocidade relativamente
baixa, tem-se a
necessidade de reduzir esse fenmeno de aleatoriedade da energia
cintica das partculas
devido temperatura. Neste caso possvel utilizar um filtro,
igualmente feito em filtragem
-
19
de imagens, o qual a velocidade do fluido em certo ponto pode
ser obtida pela mdia das
velocidades das partculas ao redor.
Esta tcnica utilizada em filtragem de imagens para remover rudos
pontuais da
imagem. Como mostrado na figura a seguir.
Figura 17 Imagem com ruidos chamados Salt and
Pepper Noise.
Fonte: Lode's Computer Graphics Tutorial - Image Filtering.
[37]
Figura 18 Imagem aps a aplicao do filtro de mdia.
Fonte: Lode's Computer Graphics Tutorial - Image Filtering.
[37]
Este filtro realizado pela convoluo dos dados de entrada com uma
funo, que no
caso a funo de mdia. Esta operao sistematizada da seguinte
forma:
Equao 14 Operao de convoluo, na qual h a funo de sada, f a funo
de entrada e g a funo filtro.
Figura 19 Sistema de blocos da convoluo.
Fonte: Machine Vision Capitulo 4, pg 116. [38]
A convoluo de duas funes contnuas determinada pela seguinte
frmula.
-
20
Equao 15 Funo de convoluo de funes contnuas.
No entanto, em imagens mais comum utilizar a formulao discreta,
j que o espao
discretizado em pixels.
[ ] [ ] [ ] [ ] [ ]
Equao 16 Equao discreta da convoluo.
Exemplificando, admita-se uma imagem com rudos. Cada pixel (P)
da imagem ser
convoluido com uma matriz de convoluo (A) para a eliminao do
rudo. Esta operao
realizada da seguinte forma.
Figura 20 Exemplo de convoluo discreta em figuras.
Fonte: Machine Vision Capitulo 4, pg 117. [38]
A imagem mostra o pixel (h[i,j]) sendo atualizado pela convoluo
de sua matriz P
(f[i,j]) pela matriz de convoluo A (g[i,j]).
-
21
Neste caso temos uma acumulo de brilho (ou energia cintica no
caso do estudo das
velocidades, i.e. no caso aqui abordado) na utilizao deste
mtodo. Portanto, ao atualizar
uma posio h[i,j] necessrio normalizar o resultado. Esta
normalizao realizada
dividindo-se o resultado (h[i,j]) pela soma das grandezas de
g[i,j].
[
]
[
]
(a) (b)
Figura 21 Exemplo de matriz de convoluo normalizadas. a) uma
matriz de convoluo de 3x3 e em b) uma matriz de convoluo 5x5.
importante ressaltar que as matrizes de convoluo devem ter uma
clula central, a
qual influenciar diretamente no pixel examinado da imagem. Ou
seja, as matrizes precisam
ser de dimenses mpares.
2.5. Hoomd-blue
Hoomd-blue um software open source, desenvolvido em CUDA C que
usa
processadores grficos (GPU) da NVIDIA para simulao de dinmica de
partculas.
Desenvolvido pelo departamento de engenharia qumica da
universidade de Michigan e teve
sua primeira verso em 2009.
Desde l, o programa obteve muitas contribuies e com isso cresceu
rapidamente.
Atualmente, na verso 0.10.1 (momento em que este trabalho foi
iniciado), possui
implementado, diversos mtodos de partculas, vrias condies de
contorno, vrios
mtodos de integrao, alm de ser facilmente configurvel por
arquivos externos ao cdigo
e exportar resultados tanto para anlise quanto para a visualizao
da simulao. A seguir,
imagens dos sistemas que podem ser simulados no software.
-
22
Figura 22 - Slide de demonstrao das possveis dinmicas que podem
ser simuladas pelo Hoomd-blue.
Fonte: Slides Advancing GPU Molecular Dynamics. [39]
Alguns dos mtodos de partculas contidos no software so: CGCMM,
EAM (embedded
atom mthod), Gaussian, Lennard-Jones, Yukawa, alm do DPD que ser
estudado neste
trabalho.
O projeto Hoomd-blue, tem a finalidade de facilitar o contato
com a tecnologia da
simulao de dinmica de partculas utilizando-se de processamento
paralelo. Deste modo, a
comunidade interessada est alavancando suas pesquisas e
desenvolvimentos, devido a sua
versatilidade na gama de opes de mtodos para simulao, a sua
velocidade com o uso do
processamento paralelo em GPUs e CPUs, e a sua facilidade, com
modos de configuraes
prticos.
Apesar das facilidades na execuo de um sistema desejado, devido
ao seu mtodo
bsico de configurao via Python script, o software tambm possui
recursos avanados.
Com isso, tem-se a possibilidade de: implementao de plugins para
uso de programao
adicional; utilizao do software VMD para visualizao da simulao
online ou gravada em
arquivo XML; exportao de dados das posies das partculas para
arquivo DCD para
posterior anlise; alm de outros recursos.
-
23
2.5.1. Mtodo DPD no Hoomd-blue
A programao de um mtodo de partculas , basicamente, dividida em
trs etapas:
1) dada uma partcula do sistema, obter a lista de suas partculas
vizinhas; 2) calcular as
foras oriundas da interao entre essas partculas; 3) realizar a
dinmica da fora aplicada
s partculas atravs do tempo discretizado por meio de um mtodo de
integrao.
A evoluo do mtodo DPD, no Hoomd-blue, foi concretizada com base
no estudo
realizado por Phillips et al [40]. Neste estudo, o autor indica
uma forma mais rpida,
utilizando GPUs, de obter nmeros estocsticos para o clculo das
foras aleatrias.
H trs maneiras de simular o comportamento de partculas
fluidicas, no software,
pelo mtodo DPD. Uma forma o mtodo normal, semelhante ao mostrado
na seo 2.2.1,
outro excluindo-se a assertiva da natureza trmica e o ultimo,
substituindo-se o clculo da
fora conservativa por um calculo que inclui a dinmica entre
partculas de Lennard Jones.
2.5.1.1. DPD Termostato (clssico)
Anlogo ao mtodo descrito por Steiner, o programa implementado
utiliza-se das
equaes de fora conservativa, fora dissipativa e fora aleatria
para o clculo das foras
de contato entre duas partculas. A seguir, as equaes exatas
utilizadas pelo simulador
Hoomd-blue no mtodo DPD.
( ) ( )
( )
( ) ( )( )
( )
( )
( ) {(
)
Equao 17 - Equao do mtodo DPD para clculo da fora entre
partculas do software Hoomd-blue.
Pode-se notar a semelhana entre as equaes. Considerando-se que o
teorema de
flutuao-dissipao j est incluso, as diferenas esto no e no que
foram
respectivamente nomeados anteriormente de e .
-
24
No script de configurao, a funo a ser utilizada pair.dpd cujos
parmetros so o
raio de corte , a temperatura do sistema , a magnitude da fora
conservativa e a
constante de amortecimento , podendo e serem diferentes para
cada grupo de
partculas criado.
Esta funo deve ser utilizada conjuntamente com o mtodo de
integrao via
Velocity-Verlet, integrate.nve, que j abrange as necessidades
termodinmicas do mtodo. A
utilizao de outro mtodo de integrao leva o sistema
instabilidade.
2.5.1.2. DPD Conservativo
Este mtodo se diferencia pela no utilizao dos fatores oriundos
da dinmica
trmica para o clculo da fora entre as partculas. Portanto, os
fatores e no so
utilizados.
A fora conservativa ento calculada da seguinte maneira:
{
Equao 18 - Equao da fora conservativa deste mtodo DPD.
Deste modo, o sistema deixa as propriedades microscpicas de lado
e passa a se
comportar com uma dinmica macroscpica.
2.5.1.3. DPD com Lennard Jones
Neste mtodo, a termodinmica do sistema retorna, mas a fora
conservativa no
dada pelo grfico da Figura 12a, mas sim, dependente da funo de
Lennard Jones clssica,
para o potencial dessas interaes entre partculas.
Tem-se ento a seguinte alterao na equao de :
{ [(
)
(
)
]
Equao 19 - Equao da fora conservativa utilizando potencial de
Lennard Jones.
-
25
A implementao do mtodo DPD utilizando-se do potencial de Lennard
Jones, possui
uma diferente abordagem que facilita a parametrizao do sistema
de partculas que ser
simulado [41].
Portanto, estas opes tornam o Hoomd-blue ainda mais abrangente,
no entanto,
neste trabalho ser utilizado o mtodo DPD clssico.
2.6. Modelo matemtico do perfil de velocidades
A hidrodinmica proposta por Hagen-Poiseuille modela muito bem um
fluxo
estacionrio de um lquido no interior de um microcanal cilndrico.
Uma vez, que o modelo
depende de suposies garantidas por um microsistema, como, fluxo
laminar, viscoso e
incompressvel visto na seo 2.1.
A equao/lei proposta por eles derivada da equao de
Navier-Stokes, a qual em
um microtubo os termos no lineares so desprezados e o perfil de
velocidades depende do
gradiente de presso em uma lmina frontal do lquido [42]. O
perfil de velocidades
oriundo da diferena de presso entre os dois lados do tubo, e
permanece parablico,
devido s foras de atrito e condio de no deslizamento nas paredes
do tubo [43].
Figura 23 Perfil de velocidade determinado pela equao de
Hagen-Poiseuille para um microcanal.
Fonte: Journal of the American Chemical Society [43].
O perfil parablico, para um fluido viscoso, incompressvel e com
escoamento
permanente, determinado pela equao de Hagen-Poiseuille descrita
a seguir:
Equao 20 - Equao de Hagen-Poiseuille do perfil de velocidade do
fluxo em um microcanal. O qual a viscosidade do lquido, o tamanho
do tubo, e metade da espessura do tubo.
-
26
Esta equao foi utilizada por Gsch et. al. [44] para obter o
perfil de velocidade em
um microcanal de seo retangular de 50x50 m. Ele lembra que,
deve-se garantir um
nmero de Reynolds (Equao 1) abaixo de 2000, e para isso foi
admitida uma velocidade
mxima de V = 70 mm/s.
2.6.1. Dimetro Hidrulico
Os experimentos so realizados comumente em tubos de seo
cilndrica, pois so os
mais utilizados, no entanto, no caso aqui descrito vamos
utilizar um tubo de seo quadrada.
Para realizar a correlao entre um tubo de seo quadrada e um tubo
cilndrico
utiliza-se o dimetro hidrulico para os clculos das formulas que
levam em considerao o
raio do tubo.
Deste modo tem-se a correlao dos seguintes tipos de seo do tubo
com seus
respectivos dimetros hidrulicos na Figura 24.
Figura 24 - Correlao do dimetro hidrulico com diversos tipos de
seo de tubo.
Com isso fechamos o ambiente fsico e matemtico que sero
necessrios na validao
do experimento realizado.
-
27
3. Mtodos
3.1. Metodologia de validao do software
O software ser validado com base na comprovao de um dos
experimentos
realizados por Steiner [18] chamado The Gravitational Method, o
qual se utiliza da equao
de Hagen-Poiseuille para comparar o perfil de velocidade de um
determinado sistema
microfluidico.
Este experimento foi definido por 100.000 partculas no interior
de um tubo de seo
quadrada que sofrem a ao de uma fora externa constante , a qual
determina o
gradiente de presso do tubo gerando um perfil de velocidade. A
estrutura do tubo
constituda por partculas fixas, que geram a propriedade de no
deslizamento necessrio
para o mtodo. A condio de contorno do tubo, no sentido do fluxo,
definida pelas
condies de Lees-Edwards, que periodizam o comprimento, fazendo
com que as partculas
que saiam de um lado do tubo reentrem do outro lado. Deste modo,
a conservao de
matria, indispensvel pelo mtodo DPD, alcanada.
3.2. Configurao do sistema proposto
O sistema, determinado para a validao da metodologia, ser
interpretado pelo
software Hoomd-blue, atravs de seu arquivo bsico de configurao
em linguagem Python
(Anexo A Arquivo de Configurao do Hoomd-blue).
O sistema de partculas ser composto por 3 tipos de partculas: as
partculas do tipo
A, sero o fluido com a dinmica regida pelo mtodo DPD; as
partculas do tipo B, sero fixas
e determinaro as paredes do tubo; e as partculas do tipo C, sero
uma fatia do fluido para
melhor visualizao do efeito de comprimento de entrada e ter uma
noo do perfil de
velocidades.
O tubo quadrado ter tamanho de 13x13 partculas e comprimento de
39 partculas,
sendo que as partculas possuiro raio de 1 unidade de
comprimento. Todas as partculas
sero dispostas uniformemente em um paraleleppedo cujas faces,
superior e lateral, sero
do tipo B, e as do interior como partculas do tipo A, exceto, a
fatia de partculas mais
prxima da face peridica que sero do tipo C.
-
28
A condio de contorno peridica j , por default, realizada pelo
software e no ter a
necessidade de ser configurada. As dinmicas das partculas A e C
sero geridas pelo mtodo
DPD clssico com e . O coeficiente de amortecimento entre as
partculas deve
ser determinado pela densidade e temperatura do sistema de
acordo com a expresso de
flutuao-dissipao , mas no caso ser adotado por no ser
necessria
a correta representao de algum fluido especfico e para que a
simulao seja similar
apresentada na literatura. O parmetro de repulso foi estudado
com cautela por Steiner
e determinou um nmero relevante de que minimiza o erro relativo
da viscosidade
do fluido simulado. A viscosidade do sistema pode ser obtida
alterando-se os seguintes
parmetros: amplitude da varivel estocstica ; magnitude do
parmetro de repulso entre
partculas ; e a densidade , que tambm determina a presso do
sistema atravs
equao . No caso do Hoomd-blue o parmetro ser calculado da
seguinte
forma:
Equao 21 Equao da densidade.
Sendo, no numerador, a somatria da massa de todas as partculas
do tipo A e C, e, no
denominador, o volume do paraleleppedo em nmero de partculas
incluindo-se a
porcentagem do espaamento inicial entre elas.
O experimento de Steiner determina uma densidade de 5 para suas
simulaes. Deste
modo, o sistema foi alterado atribuindo-se um valor de massa s
partculas de modo que o
fluido chegasse mesma densidade.
O tempo ser discretizado em passos de 0,002 unidades de tempo,
que foi constatado
ser suficiente para se obter um preciso controle da temperatura
do sistema. Inicialmente,
todas as partculas sero iniciadas automaticamente com
velocidades estocsticas para
determinao da temperatura desejada.
-
29
Igualmente realizado no trabalho de validao, sero executadas
quatro simulaes.
Todas elas tero alterao somente na fora de campo aplicada no
fluido. Estas foras sero:
0,0253; 0,0355; 0,0480; 0,0600 [unidades de fora].
Todas as simulaes sero configuradas para executarem por 40.000
iteraes.
Os dados das posies das partculas, a cada iterao, sero salvos
pelo prprio
Hoomd-blue em arquivos XML, que sero trabalhados via MatLab para
obteno do perfil
de velocidade (Anexo B Programa em MatLab).
3.3. Tratamento dos dados
Os dados obtidos de velocidade das partculas em uma fatia da seo
do tubo sero
comparados com os resultados simulados e tericos da validao da
literatura.
No entanto, para melhor visualizao, os dados sero filtrados
utilizando-se a
convoluo discretizada da velocidade das partculas com uma mscara
de mdia para
minimizar o rudo gaussiano das velocidades devido temperatura do
sistema, como
indicado pela seo 2.4.
Como no mtodo utilizado em imagens, os pontos utilizados para a
descoberta da
velocidade do fluido sero os centros das clulas de uma malha
alocada na seo transversal
do tubo a uma distncia d do incio.
Figura 25 - Malha no interior do tubo cujas celulas informaro os
valores mdios da velocidade do fluido na regio em que est
alocada.
Mas, a tcnica que ser utilizada no levar em conta outra matriz
para a funo de
convoluo, mas sim realizar uma mdia das partculas com raio menor
a uma distncia
especfica (raio de corte) do centro da clula a ser atualizada.
Como ilustrado a seguir:
-
30
Figura 26 - Centro da clula com raio de corte definido.
Com o raio de corte definido, a velocidade do fluido na regio da
clula em questo
ser calculada pela mdia das velocidades das partculas no
interior do espao determinado
pelo raio de corte. Desta forma, as partculas em vermelho sero
consideradas no clculo e
as partculas em verde sero desconsideradas.
Aps a filtragem dos dados, a matriz das velocidades mdias sofrer
uma interpolao
dos dados para minorar os problemas provindos da discretizao em
partculas do sistema.
Assim, os grficos obtidos do perfil de velocidades sero
comparados com os grficos
presentes no trabalho de Steiner.
3.3.1. Programa de Tratamento
O sistema de tratamento de dados foi desenvolvido em MatLab, por
ela ser uma
ferramenta prpria para trabalhar com grande nmero de dados
encadeados em forma de
tabela e por ter uma grande variedade de grficos que melhor
representam o problema.
Assim, a lgica utilizada pode ser dividida em quatro etapas. So
elas: Importao,
Reduo, Convoluo e Exibio.
A etapa de importao resume-se a importar os arquivos XML gerados
pelo programa
Hoomd-blue de forma a facilitar a manipulao dos dados no
interior do programa de
tratamento.
Esta etapa foi basicamente realizada por pesquisa bibliogrfica,
j que arquivos XML
so utilizados em vrias aplicaes como arquivo padro de disposio
de dados. Assim,
utilizou-se o programa xml2struct desenvolvido por Wouter
Falkena em 2010 [45].
-
31
Com os dados corretamente dispostos, o programa de determinao do
perfil de
velocidades recebe os seguintes parmetros.
Dados do XML j tratados.
Distncia da origem na qual ser inserida a malha de
verificao.
Raio de corte.
Porcentagem de refinamento da malha se comparado rea total
da
seo transversal do tubo.
Visando diminuir o nmero de partculas a serem verificados, a
etapa de Reduo
realiza duas eliminaes na tabela de dados. Uma no incio do
programa, visando diminuir
o sistema de partculas para as partculas que esto a uma distncia
rC (raio de corte) da face
onde a malha foi alocada.
Figura 27 - Primeira reduo.
A outra reduo realizada em cada elemento da malha. Que ao
iniciar o
processamento do elemento, o sistema de partculas novamente
reduzido s partculas
que esto somente a uma distncia rC do centro da clula
Figura 28 - Segunda reduo.
-
32
Com cada clula e seus respectivos sistemas locais de partculas,
a etapa de
Convoluo realizada. Esta etapa similar convoluo discreta em
processamento de
imagens com uma malha de filtro mediano. No entanto, a malha de
tamanho altervel
conforme o nmero de partculas na proximidade da clula em
execuo.
Caso haja uma partcula no interior da regio, a velocidade na
direo do fluxo
somada na velocidade da clula. Quando no houver mais partculas
ao redor daquela
clula, o montante da velocidade dividido pelo nmero de partculas
que foram
consideradas. Esta operao visa normalizar a quantidade de
movimento da operao de
convoluo, conforme descrito na seo 2.4.1.
A ltima etapa a de Exibio dos dados. Foram escolhidos dois
grficos para serem
exibidos que retratam o perfil de velocidade calculado pela
malha. Um grfico demonstra o
perfil de velocidades em trs dimenses averiguando a sua forma
geral, e o outro grfico de
duas dimenses exibe o perfil de velocidade em uma linha
transversal da malha.
Figura 29 - Seo do tubo de partculas denotando a linha
transversal utilizada para obteno do perfil de velocidade 2D.
Este ltimo grfico o que ser comparado com os grficos
determinados por Steiner.
4. Resultados e Discusses
4.1. Resultado qualitativo
A execuo da simulao foi realizada pelo software em 10 segundos
em um
computador com GPU NVIDIA GTX 560 Ti. As posies das partculas a
cada perodo de 100
-
33
iteraes foram exportadas tambm para um arquivo DCD para
visualizao pelo software
VMD [46].
A seguir imagens da execuo do resultado do sistema pelo software
VMD.
Figura 30 Ilustrao do tubo retangular em roza, partculas do tipo
B, e o fluido em azul, partculas do tipo
A.
Figura 31 Perfil do tubo com partculas fluidicas com fluxo na
direo Z.
Figura 32 O sistema com as paredes translucidas em sua posio
inicial. As partculas em roxo so do tipo C.
Figura 33 Sistema aps 854 frames mostrando pela posio das
partculas do tipo C o fluxo parablico.
-
34
Figura 34 No mesmo momento que a figura anterior, agora em
perspectiva 3D, mostrando o fluxo parablico em todas as faces do
tubo.
As duas primeiras imagens exibem a configurao do tubo e das
partculas em seu
interior. A terceira indica a posio inicial das partculas para
comprovar sua evoluo com o
tempo. As ltimas mostram o perfil da posio das partculas no
momento em que melhor
despontam o perfil de velocidade, denotando o perfil da regio de
entrada do tubo.
Este perfil pode ser mais bem visualizado na seguinte sequncia
de figuras. As
seguintes simulaes j foram realizadas com a configurao indicada
por Steiner. Os dados
coletados dessas simulaes sero as utilizadas na validao do
software.
Figura 35 - Sequncia de formao do perfil de entrada na simulao
com fora de campo de 0,0253.
-
35
Figura 36 - Sequncia de formao do perfil de entrada na simulao
com fora de campo de 0,0355.
Figura 37 - Sequncia de formao do perfil de entrada na simulao
com fora de campo de 0,0480.
Figura 38 - Sequncia de formao do perfil de entrada na simulao
com fora de campo de 0,0600.
4.2. Resultado quantitativo
Realizados os experimentos finais na configurao de Steiner, os
dados foram
angariados e tratados pelo software MatLab.
A seguir os dados da literatura utilizando 4 campos de fora
diferentes.
-
36
Figura 39 - Perfil de velocidades obtidos por Steiner, pg 46
[18].
Este grfico retrata uma das experincias realizadas por Steiner,
que a validao pelo
mtodo gravitacional. Pode-se verificar que foram utilizadas
quatro diferentes foras de
campo, sendo que, com o aumento das foras, h uma maior variao no
perfil de
velocidades.
Os pontos triangulares do grfico so as amostras de sua
experincia, e a linha
contnua a resposta analtica obtida pela funo de
Hagen-Poiseuille.
A seguir, os quatro grficos deste experimento gerados pelo
MatLab, um para cada
fora de campo, exibindo os dados tratados provenientes das
simulaes realizadas no
Hoomd-blue.
-
37
Figura 40 - Resultado obtido com fora de campo de 0,0253 unid.
de fora.
Estes so os dois grficos obtidos na simulao com fora de campo de
0,0253
unidades de fora.
Inicialmente no grfico em trs dimenses possvel verificar o
paraboloide formado
pela malha de velocidades indicando uma correta representao do
perfil de velocidades. Na
parte abaixo do grfico h curvas de nvel que indicam um ponto de
mximo no centro da
figura.
Verifica-se tambm que ao aproximar das bordas, as curvas de nvel
passam de
crculos para retngulos de cantos arredondados. Isso denota o
dimetro hidrulico do tubo
de seo retangular.
Um erro que pode ser averiguado o pico de velocidade no ponto
superior direito da
figura. Este pico pode ser proveniente da interpolao dos dados
prximo borda, gerando
outro ponto de inflexo. Mas tambm pode ser da prpria simulao,
que por ter poucas
partculas na seo transversal do tubo e pela baixa velocidade
constatada, um rudo pode
ter interferido de forma significativa na interpolao.
J o grfico de duas dimenses tem perfil parablico e velocidade
mxima de 0,27
unidades de velocidade, ficando muito parecida com a velocidade
mxima obtida, tanto no
experimento de Steiner, quanto na resposta analtica.
-
38
Pode-se notar tambm que nos cantos do perfil, as velocidades das
partculas se
tornam negativas. Ou seja, h uma recirculao do fluido no local
prximo borda.
Este fenmeno possvel e encontrado frequentemente em estudos de
camada
limite, como pode ser observado na seguinte figura:
Figura 41 - Fluxo reverso, indicando velocidade negativa na
proximidade da borda.
O prximo grfico expe os dados da simulao com fora de campo de
0,0355
unidades de fora.
Figura 42 - Resultado obtido com fora de campo de 0,0355 unid.
de fora.
O grfico em trs dimenses tem as mesmas propriedades j comentadas
da
simulao anterior, no entanto, no h mais o erro de velocidade na
borda do tubo. Isso
pode ter ocorrido pois neste ponto a velocidade j mais
aparente.
-
39
Tambm possvel verificar uma acentuao nas curvas de nvel que
ficaram ainda
mais retangulares prximas parede.
O grfico em duas dimenses do perfil de velocidade tambm tem o
perfil parablico e
seu pico tem uma velocidade de 0,42. Neste caso a velocidade
ficou um pouco distante do
obtido por Steiner, no entanto, o aumento da velocidade mxima
com o aumento da fora
de campo foi respeitada.
Observa-se, tambm, uma lateralizao do valor mximo, o que
ocasionou a diferena
das velocidades nas duas bordas. Uma possibilidade deste
acontecimento, um acmulo de
partculas do lado esquerdo melhorando a estimativa da velocidade
deste lado, em
detrimento estimativa do outro lado.
A seguir o grfico da simulao com fora de campo de 0,048 unidades
de fora.
Figura 43 - Resultado obtido com fora de campo de 0,0480 unid.
de fora.
Neste caso vemos uma simetria maior dos grficos devido alta
velocidade relativa
das partculas do centro em relao s partculas perifricas.
No grfico em trs dimenses observa-se os mesmos pontos levantados
no grfico
anterior.
-
40
No grfico em duas dimenses verifica-se a simetria tanto na
centralizao do ponto
de mximo da parbola, como das velocidades prximas parede.
A velocidade mxima obtida foi de 0,51 unidades de velocidade
retornando a
proximidade com os dados obtidos da literatura.
A seguir o grfico da simulao realizada com fora de campo de 0,06
unidades de
fora.
Figura 44 - Resultado obtido com fora de campo de 0,0600 unid.
de fora.
Pode-se verificar uma grande simetria nos dois grficos. No
entanto, ambos grficos
possuem uma variao no lado esquerdo. Esta variao, nos dois
grficos, pode ter sido
resultada da mesma causa que tambm foi encontrada na primeira
simulao. Esta causa
muito provavelmente determinada pela escassez de partculas
prximas aos cantos. Com
isso gera-se um erro maior na medio da velocidade que ocasiona
esta inflexo presente
nestes dois grficos.
O grfico em duas dimenses, a pesar de sua pequena
descentralizao, confirma as
propriedades obtidas na simulao anterior.
A velocidade mxima obtida neste caso foi de 0,65 unidades de
velocidade, ficando
razoavelmente prxima velocidade obtida pela literatura.
-
41
interessante tambm averiguar a seguinte figura da ltima
simulao.
Figura 45 - Vista superior do grafico 3D da ltima simulao.
Pode-se evidenciar neste grfico o dimetro hidrulico do tubo e a
transformao de
curvas de nvel em crculos para retngulos.
5. Trabalhos Futuros
Um possvel trabalho futuro desenvolver um software prprio de
simulao DPD
para ganhar know-how e contribuir para um software ainda maior
que abranja todas as
simulaes de partculas, deixando carter do usurio qual mtodo
escolher.
Alm disso, o aprofundamento em tcnicas de paralelizao sejam elas
por GPUs,
CPUs, hibridas ou em rede para tornar vivel estes tipos de
simulao alcanando patamares
em tempo real, independente de qual for o nmero de partculas no
domnio.
6. Concluso
Os resultados qualitativos atingiram os objetivos na execuo do
software Hoomd-blue
simulando um fluido escoando por dentro de um tubo de seo
quadrada. A dinmica do
fluido foi regida pelo mtodo DPD, que aps ajustes em seus
parmetros, salientou o perfil
de velocidade das partculas exibindo o perfil parablico da posio
das partculas roxas,
como o esperado.
-
42
A quantificao do perfil de velocidades foi satisfatria, sendo
que o perfil parablico
de velocidades foi respeitado em todas as simulaes e a
velocidade mxima obtida ficou
prxima esperada observando os dados da literatura. Certamente o
resultado das
simulaes no culminaria em dados exatamente iguais ao da
literatura, pois, o modo de
clculo dos dois programas, considerando hardware e software,
diferente, alm de que, a
aleatoriedade da velocidade determinada pela temperatura do
sistema aumenta a
dificuldade de reproduo de igualdade de dados de duas simulaes
com os mesmos
parmetros.
Em geral o estudo foi de grande proveito e os resultados obtidos
foram os esperados.
Portanto, por meio deste trabalho, indico a utilizao do software
Hoomd-blue para a
validao de experimentos com simulao microfluidica.
-
43
7. Bibliografia
1. RIBAS, R. P. Microssistemas Integrados (MEMS). [S.l.]:
[s.n.].
2. OJEA, R. B. Numerical and Experimental Analyses of Single And
Two-Phase
Microfluidic Flows with Implications in Microreactors.
Tarragona: [s.n.], 2011.
3. CHE, Z.; NGUYEN, N.-T.; WONG, T. N. Analysis of chaotic
mixing in plugs moving in
meandering microchannels. PHYSICAL REVIEW E 84, 066309,
2011.
4. CHE, Z. et al. Numerical investigation of upstream pressure
fluctuation during
growth and breakup of pendant drops. Chemical Engineering
Science, 2011.
5. CHOI, S.-W.; ZHANG, Y.; XIA, Y. A Temperature-Sensitive Drug
Release System
Based on Phase-Change Materials. Angew. Chem. Int., 49, 7904
7908, 2010.
6. JNSSON, H. Microfluidics for lab-on-a-chip applications.
[S.l.]: [s.n.].
7. PFAFF, T. et al. Scalable Fluid Simulation using Anisotropic
Turbulence Particles.
NVIDIA. [S.l.]. 2010.
8. CLAVET, S.; BEAUDOIN, P.; POULIN, P. Particle-based
Viscoelastic Fluid Simulation.
Eurographics/ACM SIGGRAPH Symposium on Computer Animation,
2005.
9. MEAKIN, P.; XU, Z. Dissipative Particle Dynamics and Other
Particle Methods for
Multiphase Fluid Flow in Fractured and Porous Media. 6th
International Conference on
CFD in Oil & Gas, Metallurgical and Process Industries.
[S.l.]: [s.n.]. 2008.
10. OWENS, J. D. et al. A Survey of General-Purpose Computation
on Graphics
Hardware. Computer Graphics Forum, 26(1):80113, Maro 2007.
11. FUJIOKA, H.; TAKAYAMA, S.; GROTBERG, J. B. Unsteady
propagation of a liquid plug
in a liquid-lined straight tube. PHYSICS OF FLUIDS 20, 062104,
2008.
12. KREUTZERA, M. T. et al. Multiphase monolith reactors:
Chemical reaction
engineering of segmented flowin microchannels. Chemical
Engineering Science 60 5895
-
44
5916, 2005.
13. FOX, R. W.; MCDONALD, A. T.; PRITCHARD, P. J. Introduo
Mecnica dos
Fluidos. 6. ed. [S.l.]: LTC, 2006.
14. VAN DAM, R. M. Introduction to Microfluidics. In: VAN DAM,
R. M. Solvent-
resistant elastomeric microfluidic devices and applications.
[S.l.]: California Institute of
Technology, 2006. Cap. 2.
15. KARNIADAKIS, G. M.; BESKOK, A.; ALURU, N. Essentials of
Fluidic Transport
Phenomena at Small Scales. In: KARNIADAKIS, G. M.; BESKOK, A.;
ALURU, N. Microflows
and Nanoflows. [S.l.]: [s.n.], 2005. Cap. 2.
16. BOTHE, D.; LOJEWSKI, A.; WARNECKE, H.-J. Fully
resolvednumericalsimulationofreactivemixinginaT-shaped
micromixer using parabolized
species equations. Chemical Engineering Science.
17. BAROUD, C. N.; GALLAIREB, F.; DANGLA, R. Dynamics of
microfluidic droplets DOI:
10.1039/c001191f. Lab on a Chip, Janeiro 2010.
18. STEINER, T. Dissipative Particle Dynamics - Simulation of
Microfluidic Systems
With Fluid Particle Methods on High Performance Computers.
[S.l.]: Universitt Freiburg
- Departament of Microsystems Engineering, v. V, 2009.
19. DEL FRARI, R. V. Malhas Computacionais para Simulao Numrica
de
Escoamentos de Fluidos Entre Cilindros com Excentricidade. X
Encontro Gacho de
Educao Matemtica. Iju/RS: [s.n.]. 2009. p. 8.
20. FENG, R. et al. Viscous flow simulation in a stenosis model
using discrete particle
dynamics: a comparison between DPD and CFD. Biomech Model
Mechanobiol 11:119
129, 2012.
21. ESTACIO, K. C.; FERREIRA, V. G.; NONATO, L. G. Um Mtodo
Meshless Para
Simulao de Escoamento de Fluidos em Cavidades de Moldes;
Mangiavacchi,
-
45
Norberto. Uberlndia: Universidade Federal de Uberlndia,
2006.
22. NETO, A. P. Uma abordagem lagrangeana para simulao de
escoamentos de
fluidos viscoplsticos e multifsicos. Rio de Janeiro: [s.n.],
2007.
23. LITVINOV, S.; HU, X. Y.; ADAMS, N. A. Numerical simulation
of tethered DNA in
shear flow. JOURNAL OF PHYSICS: CONDENSED MATTER, 2011.
24. LIN, J.; NOVAK, B.; MOLDOVAN, D. Molecular Dynamics
Simulation Study of the
Effect of DMSO on Structural and Permeation Properties of DMPC
Lipid Bilayers. The
Journal of Physical Chemistry, 2011.
25. CARVALHO, J. D. C.; CANEPPELE, N.; FIGUEIREDO, C. M. Um novo
mtodo para
resolver a equao de Langevin aplicada disperso de poluentes
atmosfricos em
regime de turbulncia Gaussiana. ACTA Scientia, v. 5, n. 1,
2003.
26. ZHENGA, Z. et al. A dual-scale lattice gas automata model
for gassolid two-phase
flow in bubbling fluidized beds. Computers and Mathematics with
Applications, 2011.
27. STEINER, T. et al. Simulation of advanced microfluidic
systems with dissipative
particle dynamics. Microfluid Nanofluid 7:307323, Janeiro
2009.
28. IKEDA, P. A. Um estudo do uso eficiente de programas em
placas grficas. So
Paulo/BR: [s.n.], 2011.
29. BRODTKORB, A. R.; HAGEN, T. R.; STRA, M. L. GPU Programming
Strategies and
Trends in GPU Computing. Journal of Parallel and Dritributed
Programming, Oslo, 2012.
30. NVIDIA. NVIDIA CUDA C - Programming Guide. [S.l.]: [s.n.],
v. Ver. 4.2, 2012.
31. KIRK, D.; HWU, W.-M. Programming Massively Parallel
Processors: A Hands-on
Approach. 57p. Massachusetts: [s.n.], 2010.
32. KHRONOS GROUP. Khronos Group - Connecting Software to
Silicon. The Khronos
Group Inc., 2012. Disponivel em: . Acesso em: jun. 2012.
-
46
33. NVIDIA CORPORATION. Plataforma de Computao Paralela | CUDA |
NVIDIA. Site
da NVIDIA Corporation, 2012. Disponivel em:
. Acesso em: jun. 2012.
34. OWENS, J. D. et al. GPU Computing. [S.l.]: IEEE, 2008.
35. THE GLOTZER GROUP. Highly Optimized Object-oriented
Many-particle Dynamics
(Hoomd-blue). Hoomd-blue, 2011. Disponivel em: . Acesso em: jun.
2012.
36. ANDERSON, J. A.; LORENZ, C. D.; TRAVESSET, A. General
purpose molecular
dynamics simulations fully implemented on graphics processing
units. Journal of
Computational Physics 227(10): 5342-5359, Maio 2008.
37. VANDEVENNE, L. Image Filtering. Lode's Computer Graphics
Tutorial, 2004.
Disponivel em: . Acesso em: 01 jun. 2013.
38. JAIN, R.; KASTURI, R.; SCHUNCK, B. G. Image Filtering. In:
JAIN, R.; KASTURI, R.;
SCHUNCK, B. G. Machine Vision. [S.l.]: McGraw-Hill, Inc., 1995.
Cap. 4, p. 112-139.
39. ANDERSON, J. A. et al. Advancing GPU Molecular Dynamics:
Rigid Bodies in
Hoomd-blue. The Glotzer Group University of Michigan. [S.l.].
2011.
40. PHILLIPS, C. L.; ANDERSON, J. A.; GLOTZER, S. C.
Pseudo-random number
generation for Brownian Dynamics and Dissipative Particle
Dynamics simulations on GPU
devices. Journal of Computational Physics 230(19): 7191-7201,
Agosto 2011.
41. KAUKONEN, M. et al. Lennard-Jones Parameters for Small
Diameter Carbon
Nanotubes and Water for Molecular Mechanics Simulations from van
der Waals Density
Functional Calculations. Journal of Computational Chemistry,
2012. 652-659.
42. MORTENSEN, N. A.; OKKELS, F.; BRUUS, H. Reexamination of
Hagen-Poiseuille flow:
Shape dependence of the hydraulic resistance in microchannels.
Physical Review E 71,
057301, 2005.
-
47
43. WEI, B.; ROGERS, B. J.; WIRTH, M. J. Slip Flow in Colloidal
Crystals for Ultraefficient
Chromatography. Journal of the American Chemical Society, Abril
2012.
44. GSCH, M. et al. Hydrodynamic Flow Profiling in Microchannel
Structures by Single
Molecule Fluorescence Correlation Spectroscopy. Analytical
Chemistry, vol. 72, No 14,
15 Julho 2000. 3260-3265.
45. FALKENA, W. File Exchange - xml2struct. MatLab Central,
2012. Disponivel em:
. Acesso
em: 15 jun. 2013.
46. HUMPHREY, W.; DALKE, A.; SCHULTEN, K. VMD - Visual Molecular
Dynamics. J.
Molec. Graphics, 1996. 33-38.
-
48
Anexo A Arquivo de Configurao do Hoomd-blue
A seguir, o arquivo de configurao do Hoomd-blue
(mtodo_DPD.hoomd) para que
ele simule o sistema corretamente como especificado. Este
exemplo utiliza a fora de campo
como 0,0253 uF.
From hoomd_script import *
import random
# -- Parametros para a construcao do paralelepipedo de
particulas
a = 1.01 # Porcentagem de espacamento entre particulas
m = 13 # Numero de particulas na largura e altura do
paralelepipedo
ld = 3 # Razao de aspecto (L/D)
# criando 12x12x39 particulas moveis e uma caixa de
(13x13x39)*1,01 com 1%
de espaco vazio
system = init.create_empty(N=m*m*m*ld, box=(m*a, m*a,
m*a*ld),
n_particle_types=3)
# alterando o tipo de particulas para a confeccao do tubo
lo = - m*a / 2.0;
for p in system.particles:
# dividindo as particulas em indices nas direcoes do sistema
de
coordenadas
(i, j, k) = (p.tag % m, p.tag/m % m, p.tag/m**2 % (m*ld))
# distribuindo as particulas uniformemente em um paralelepipedo
de
# 20x20x60 particulas com espacamento de 1,01 raio entre
elas
p.position = (lo + i*a + a/2, lo + j*a + a/2, (lo*ld) + k*a +
a/2)
# Ajustando a massa para elevar a densidade
p.mass = 5.151505
# Particulas inicialmente sao do tipo A
p.type = 'A'
# As particulas nas bordas sao do tipo B
if i==0 or i==(m-1) or j==0 or j==(m-1):
p.type = 'B'
# define uma fatia de particulas como sendo do tipo C
# para verificar o sentido do fluxo e se ele esta ocorrendo
if (i>0 and i0 and j=0 and k
-
49
py += mass*vy;
pz += mass*vz;
# computando a media
px /= m*m*m*ld;
py /= m*m*m*ld;
pz /= m*m*m*ld;
# subtraindo das particulas a media dos momentos para que a soma
seja zero
no sistema
for p in system.particles:
mass = p.mass;
v = p.velocity;
# reduzindo a amplitude da aleatoriedade das particulas
p.velocity = ((v[0] - px/mass)*0.1, (v[1] - py/mass)*0.1, (v[2]
-
pz/mass)*0.1);
# incluindo a dinamica do sistema pelo metodo DPD
dpd = pair.dpd(r_cut=1.0, T=1.0, seed=12345)
dpd.pair_coeff.set('A', 'A', A=25.0, gamma = 0.5)
dpd.pair_coeff.set('A', 'B', A=25.0, gamma = 0.5)
dpd.pair_coeff.set('A', 'C', A=25.0, gamma = 0.5)
dpd.pair_coeff.set('B', 'B', A=25.0, gamma = 0.5)
dpd.pair_coeff.set('B', 'C', A=25.0, gamma = 0.5)
dpd.pair_coeff.set('C', 'C', A=25.0, gamma = 0.5)
# separando em grupos os tipos A, B e C
groupA = group.type(name='groupA', type='A')
groupB = group.type(name='groupB', type='B')
groupC = group.type(name='groupC', type='C')
# incluindo a forca constante Fb em todas particulas
fluidicas
force.constant(fx=0.0, fy=0, fz=0.0253, group=groupA)
force.constant(fx=0.0, fy=0, fz=0.0253, group=groupC)
# realizando a integracao de 0,002 pelo metodo
Velocity-Verlet
integrate.mode_standard(dt=0.002)
integrate.nve(group=groupA)
integrate.nve(group=groupC)
# gerando arquivo de visualizacao online
xml = dump.xml(filename='dump_metodo_DPD.xml', vis=True)
# salvando em um arquivo .dcd as posicoes das particulas a cada
100
periodos
dump.dcd(filename='dump_metodo_DPD.dcd', period=100)
# salvando arquivos de log para verificacao do perfil de
velocidade pelo
software MatLab
dump.xml(filename="atm/atoms_xml", period=1000,
velocity=True,
position=True, type=True)
# configurando visualizacao online
analyze.imd(port=54321, period=500)
# executando 40.000 iteracoes nesta simulacao
run(4e4)
-
50
Anexo B Programa em MatLab
Programa desenvolvido na plataforma MatLab com objetivo de gerar
um grfico do
perfil de velocidades de certas partculas, dado um arquivo XML
que contm as posies e
velocidades das partculas em determinada iterao da simulao.
function [filtred_table] = plotPoiseuilleSurf (pos_z,
porc_discret, r_cut,
particles_pos, particles_vel)
% Faz um filtro da media da velocidade das particulas para
cada
% ponto discretizado desejado gerando a superficie de
velocidades
% dos pontos discretizados.
% #### VARIAVEIS DE ENTRADA ####
% pos_z = integer (1) (posicao estcolhida em Z para verificacao
do
perfil
% de velocidades de Poiseuille)
% porc_discret = float [0..1] (1) (porcentagem do tamanho do
perfil do
tubo
% que sera utilizado como subdivisoes
do
% dominio)
% r_cut = float (1) (distancia maxima de influencia da
velocidade das
% particulas na vizinhanca do ponto em que sera
% calculado a velocidade do fluido
% particles_pos = float (NumOfParticles x 3) (vetor posicao
das
particulas
% no dominio)
% particles_vel = float (NumOfParticles x 3) (vetor velocidade
de cada
% particula do dominio)
% #### INICIO DO PROGRAMA ####
% agregar as posicoes e as velocidades em uma matriz soh
sistema = [particles_pos,particles_vel];
% filtrar em Z as posicoes e velocidades de acordo com
% a posicao em Z que se deseja saber a superficie de
% Poiseuille e o raio de corte de influencia da
% velocidade das particulas
sistema = sistema(sistema(:,3)>-r_cut & sistema(:,3)
-
51
% filtrar em X e Y o dominio de acordo com a posicao
% atual de calculo e com o raio de corte
x = largura_min + step_x * (i-1) + step_x/2;
y = altura_min + step_y * (j-1) + step_y/2;
sistema_local = sistema(sistema(:,1)>x - r_cut &
sistema(:,1)y-r_cut & sistema(:,2)
-
52
Z = polyval(f,steps_width);
plot(steps_width, Z);
title('Perfil de Hagen-Poiseuille');
xlabel('largura');
ylabel('velocidade do fluido');
hold off;
end