Universit` a degli Studi di Roma Tor Vergata Facolt`adiIngegneria Corso di Laurea Magistrale in Ingegneria Meccanica DMT a.a. 2012-2013 Esercitazioni dal corso di Dinamica e Modellistica della Turbolenza Giulio Topazio matr. 0197585 [email protected]Alfredo Patrizi matr. 0194329 [email protected]27 settembre 2013
24
Embed
Dinamica e modellistica della turbolenza - Esercitazioni del corso
Integrazione numerica delle equazioni dell'attrattore di Lorenz; integrazione numerica delle equazioni di Burgers
Welcome message from author
This document is posted to help you gain knowledge. Please leave a comment to let me know what you think about it! Share it to your friends and learn new things together.
Transcript
Universita degli Studi di Roma Tor Vergata
Facolta di Ingegneria
Corso di Laurea Magistrale in Ingegneria Meccanica
I risultati esposti di seguito sono stati ottenuti attraverso l’implementa-zione degli algoritmi di calcolo necessari in codice C++, programmato uti-lizzando il compilatore Visual C++ 2010 su piattaforma Microsoft Windows(x64).
L’analisi statistica, ove richiesta, e stata condotta sempre attraverso ap-posite funzioni del listato C++. La sola rappresentazione grafica e statarealizzata attraverso software commerciali (Excel, Matlab) o freeware (gnu-plot).
1. Esercitazione 1 - Attrattore di Lorenz 5
1 Esercitazione 1 - Integrazione numerica del-
le equazioni dell’attrattore di Lorenz
L’esercitazione si propone di risolvere, previa integrazione numerica, ilseguente sistema di equazioni:
x = σ(y − x)
y = ρx− y − xzz = −βz + xy
(1)
Successivamente, si richiede di computare i momenti della distribuzionedi probabilita per i valori di x, y, z, fino al generico ordine k.
Si riportano di seguito i risultati ottenuti utilizzando per l’integrazio-ne numerica, rispettivamente, metodo esplicito (Eulero forward) e implicito(midpoint).
1.1 Metodo esplicito: Eulero forward
Il metodo si basa sull’approssimazione della derivata prima della generi-ca funzione u(x) a variabile indipendente x mediante lo sviluppo di Taylor(arrestato al primo ordine) nel punto x0; in particolare, introducendo unadiscretizzazione per x del tipo x = i∆x, vale:
δu
δx|i =
ui − ui−1
∆x+ o(∆x) (2)
Le equazioni dell’attrattore di Lorenz divengono dunque:xi = xi−1 + σ(yi−1 − xi−1)∆t
yi = yi−1 + (ρxi−1 − yi−1 − xi−1zi−1)∆t
zi = zi−1 + (−βzi−1 + xi−1yi−1)∆t
(3)
Segue l’estratto dal listato di codice che implementa la funzione perl’integrazione numerica delle equazioni attraverso il metodo in esame.
La soluzione ottenuta con metodo esplicito non e incondizionatamen-te stabile; si puo dimostrare infatti che il limite di stabilita si ha per undt = 0.0192625. Si riporta un esempio computato utilizzando il suddettometodo di Eulero “in avanti” con uno step d’integrazione pari a 0.02.
Figura 1: Soluzione con metodo esplicito, dt = 0.02.
A scopo dimostrativo sono state calcolate le soluzioni a partire da con-dizioni iniziali uguali a meno di una variazione di ordine 10−5 su y0: i corri-spondenti grafici mostrano nei valori di x, y e z variazioni di ordine 10.
Si riporta inoltre un plot 3d dell’attrattore di Lorenz integrato con e senzaperturbazione iniziale.
1.1 Metodo esplicito: Eulero forward 7
Figura 2: Coordinata x.
Figura 3: Coordinata y.
1.1 Metodo esplicito: Eulero forward 8
Figura 4: Coordinata z.
Figura 5: Attrattore di Lorenz.
1.2 Metodo implicito: mid-point 9
1.2 Metodo implicito: mid-point
Utilizzando la medesima simbologia adottata nel paragrafo precedente, ilmetodo si basa sull’approssimazione della derivata prima ui nel punto i− 1
2
(punto medio tra i − 1 e i). Il metodo e detto implicito in quanto presumela conoscenza del valore della derivata nel punto di arrivo (i); cio comportal’esigenza di risoluzione per via iterativa, a vantaggio, tuttavia, di un ordinedi accuratezza pari a 2.
δu
δx|i− 1
2=ui − ui−1
∆x+ o(∆x2) (4)
Nel listato, per il generico istante temporale i, ad ogni iterazione k vieneassunto, come stima per ciascuna delle variabili x, y, z, il valore medio trail valore calcolato nel ciclo immediatamente precedente ed il valore iniziale,essendosi preliminarmente posto quest’ultimo pari a quello computato nelpasso temporale i− 1.
xpredict = 0.5(xtemp + xi−1) (5)
In particolare nela precedente e possibile calcolare xtemp, mediante l’in-troduzione di un opportuno fattore di sottorilassamento α, come segue:
xtemp = (1− α)xki + αxk−1i (6)
L’iterazione prosegue fintanto che non si giunge a convergenza secondouna prestabilita soglia di tolleranza.
Il sistema da risolvere numericamente diventa quindi:xi−xi−1
Analogamente al caso della soluzione calcolata con metodo esplicito, siriportano gli andamenti di x, y, z a partire da condizioni iniziali imperturbatee perturbate. Ancora, a una variazione di ordine 10−5 su y0 corrispondonovariazioni di ordine 10 in x, y, z.
1.2 Metodo implicito: mid-point 11
Figura 6: Coordinata x.
Figura 7: Coordinata y.
1.2 Metodo implicito: mid-point 12
Figura 8: Coordinata z.
Figura 9: Attrattore di Lorenz.
1.3 Dominio di calcolo della soluzione 13
1.3 Dominio di calcolo della soluzione
Sono state eseguite anche diverse runs del listato andando a modificarela sola estensione del dominio di integrazione (fino 500, 5000 e 50000 unitatemporali, con dt = 0.005), a parita di ciascuno degli altri parametri.
Seguono le tabelle con le rispettive medie e deviazioni standard.
Tabella 1: Valori medi e deviazioni standard per t = 500, dt = 0.005
time = 500.000000, dt = 0.005
< x > = -0.430321, SDx = 9.027859< y > = -0.430707, SDy = 10.454852< z > = 30.609365, SDz = 9.685412
Tabella 2: Valori medi e deviazioni standard per t = 5000, dt = 0.005
time = 5000.000000, deltaT = 0.005
< x > = 0.102233, SDx = 9.035895< y > = 0.102108, SDy = 10.451678< z > = 30.613749, SDz = 9.665703
Tabella 3: Valori medi e deviazioni standard per t = 50000, dt = 0.005
time = 50000.000000, dt = 0.005
< x > = -0.052813, SDx = 9.033357< y > = -0.052792, SDy = 10.460466< z > = 30.594805, SDz = 9.686376
1.4 Distribuzione di probabilita
Sia per le soluzioni ottenute con il metodo di Eulero in avanti che perquelle computate implicitamente, e stata condotta un’analisi statistica sulladistribuzione di valori per le coordinate x, y e z, calcolandone le rispettivefunzioni di distribuzione di probabilita ed i momenti teorici centrati nel valore
1.4 Distribuzione di probabilita 14
atteso, fino al generico ordine k, attraverso gli appositi metodi probDensity()e probMomentum().
double *probDensity(double *x, int startValue, int steps, intnRanges)
{double *probFunction = new double[nRanges]();
double max = maximumValue(x, startValue, steps), min =minimumValue(x, startValue, steps);
for(int i = startValue; i < steps; i++){
bool tempCheck = false;for(int k = 0; k < nRanges && !tempCheck; k++)
Listato 3: Le funzioni probDensity() e probMomentum().
Segue il grafico dell’andamento della funzione distribuzione di probabilita; ivalori delle ascisse risultano centrati nei rispettivi valori medi.
1.4 Distribuzione di probabilita 15
Figura 10: Funzione densita di probabilita.
Si riportano invece di seguito, ancora a titolo dimostrativo, alcuni gra-fici delle funzioni integrande per il calcolo dei momenti di distribuzione diprobabilita:
� ordine 1: il grafico e esemplificativo dell’andamento della funzione in-tegranda per momenti di ordine dispari; la distribuzione risulta sim-metrica rispetto allo zero ed il momento centrato e dunque nullo perciascuna coordinata;
� ordine 2: il grafico e esemplificativo dell’andamento della funzione inte-granda per momenti di ordine pari; i momenti centrati in x, y, z risul-tano pari alle rispettive varianze, come si deduce confrontando i valoridei primi con i valori delle deviazioni standard calcolate con funzioniappositamente dedicate;
1.4 Distribuzione di probabilita 16
Tabella 4: Valori medi, deviazioni standard e momenti del primo e secondo ordine per t =50000, dt = 0.005
time = 50000.000000, dt = 0.005
< x > = -0.059689, SDx = 9.201369< y > = -0.059824, SDy = 10.552230< z > = 31.485401, SDz = 9.193244M I
x = -0.000020 M IIx = 84.665358
M Iy = -0.000031 M II
y = 111.349276M I
z = -0.000031 M IIz = 84.515324
Figura 11: Ordine 1.
1.4 Distribuzione di probabilita 17
Figura 12: Ordine 2.
Si e infine valutato il massimo ordine di validita della statistica graficandoi valori delle funzioni integrande dei momenti statici di ordini superiori. Ilgrafico di seguito riportato evidenzia che la statistica e da non ritenersi piuvalida a partire dall’ordine 27.
Figura 13: Massimo ordine ammissibile.
2. Esercitazione 2 - Equazione di Burgers 18
2 Esercitazione 2 - Integrazione numerica del-
l’equazione di Burgers
L’esercitazione ha come scopo l’integrazione numerica della seguente equa-zione nota come equazione di Burgers:
δu
δt+ u
δu
δx= ν
δ2u
δx2(8)
La relazione monodimensionale appena esposta e di notevole importanza inquanto presenta le principali caratteristiche delle equazioni di Navier-Stokesfatta eccezione per il termine di pressione.
L’integrazione verra condotta in due modi differenti: dapprima si cercherala soluzione nel dominio dei numeri d’onda, limitando cioe l’∞ ad un numerodiscreto di modi, procedendo poi all’integrazione nello spazio fisico (x,t).
2.1 Integrazione nel dominio dei numeri d’onda
Ipotizzando una opportuna soluzione serie di seni
u(x, t) =∞∑k=1
Ak(t)sin(kx) (9)
si giunge, mediante l’utilizzo delle proprieta di ortogonalita delle funzioniseno, ad una soluzione del tipo:
Ak +∞∑m=1
m(AmAk−m
2+AmAk+m
2− AmAm−k
2) = −νk2Ak (10)
2.1.1 Simulazioni numeriche e risultati
L’equazione (10) e stata integrata limitando il numero di infiniti a 3 modie a 150 modi. Il grafico seguente mostra l’andamento dei suddetti modi neltempo nella circostanza in cui l’energia venisse immessa al solo modo A(1)al tempo iniziale ( tutti gli altri valori di A(i, t0) sono nulli).
2.1 Integrazione nel dominio dei numeri d’onda 19
(a) Infinito a 3 modi.
(b) Infinito a 150 modi.
Figura 14: Andamento dei vari modi.
2.1 Integrazione nel dominio dei numeri d’onda 20
Si riporta anche un grafico che mostra il trasferimento di energia peristanti successivi a i modi caratterizzati da numeri d’onda maggiori (cascatadiretta dell’energia). La soluzione proposta riguarda il caso di “infinito ”a150 modi ma ne vengono riportati, per ovvie ragioni, soltanto 14.
Figura 15: Trasferimento di energia ai modi successivi.
La validazione del metodo e stata condotta andando a computare l’ef-fettiva dissipazione di energia durante il fenomeno. L’energia in questione ecalcolabile dalla somma dei quadrati delle ampiezze dei singoli modi.
Figura 16: Dissipazione dell’energia.
2.2 Integrazione nello spazio fisico (x,t) 21
Viene infine valutata la soluzione u(x, t) serie di seni. Il grafico che segueriporta l’andamento della suddetta a 3 diversi intervalli temporali. Si osservaun’appiattimento della curva attorno al valore x = π, corrispondente allameta del dominio spaziale(D = [0, 2π]). Cio e giustificabile ancora una voltadal meccaniscmo di cascata dell’energia: andando avanti nel tempo l’energiaviene trasferita a strutture sempre piu piccole cui corrispondono gradientisempre piu ripidi.
Figura 17: Dissipazione dell’energia.
2.2 Integrazione nello spazio fisico (x,t)
In questa sezione l’equazione (8) verra risolta direttamente nello spaziofisico utilizzando il metodo di integrazione esplicito di Adams-Bashforth. Ilmetodo qui proposto e un metodo detto multistep poiche, nella scrittura delleequazioni alle differenze che lo caratterizza, sono coinvolti piu valori, calcolatiagli istanti precedenti, della serie che rappresenta la soluzione: per il genericosistema di equazioni differenziali
{y} = {f ({y} , t)} (11)
al passo n + k la soluzione e approssimata attraverso l’uso di combinazionilineari delle funzioni y ed f valutate ai passi n+ j con j = 0, 1, . . . , k dove kindica il numero di passi del metodo.
2.2 Integrazione nello spazio fisico (x,t) 22
Nel caso in esame e stato utilizzato un metodo al secondo ordine la cuiforma generale e la seguente:
yn = yn−1 + h3
2f(xn−1, yn−1)− h1
2f(xn−2, yn−2) (12)
La soluzione dell’equazione di Burgers viene definita nell’intervallo [0, 2π]e si ipotizza che la soluzione sia periodica in x con media nulla. Come nelcaso di integrazione nel dominio dei numeri d’onda la soluzione u(x, t) si puoespandere con una serie di seni del tipo:
u(x, t) =∞∑k=1
Ak(t)sin(kx) (13)
la cui dinamica temporale della soluzione e tenuta in conto dai coefficien-ti Ak(t). Si pongano nulle le soluzioni per x = 0 e x = 2π (condizioni acontorno).
2.2.1 Simulazioni numeriche e risultati
Per la prima integrazione si e costruita una griglia di calcolo spazio-temporale uniforme. Il passo temporale di integrazione fissato e di ∆t =0.001s, mentre il passo di integrazione spaziale e ∆x = 2π
stepscon steps =
100000.Il grafico che segue riporta, come nel caso dell’integrazione dell’equazione
di Burgers nel dominio dei numeri d’onda, l’andamento della suddetta a 5diversi intervalli temporali. Si osserva un’appiattimento della curva attornoal valore x = π, corrispondente alla meta del dominio spaziale(D = [0, 2π]).Cio e giustificabile ancora una volta dal meccaniscmo di cascata dell’energia:andando avanti nel tempo l’energia viene trasferita a strutture sempre piupiccole cui corrispondono gradienti sempre piu ripidi.
Il primo grafico riporta l’andamento della soluzione per valori di viscositacinematica ν = 10−2m2
sevidentemente troppo elevati in quanto si osserva
un forte smorzamento (riduzione dell’ampiezza dell’oscillazione) per tempibrevi.
2.2 Integrazione nello spazio fisico (x,t) 23
Figura 18: Dissipazione dell’energia: ν = 10−2m2
s
Si e poi diminuito il valore di viscosita per osservare una dinamica “piulenta ”. Se ne riporta l’andamento nel grafico che segue.
Figura 19: Dissipazione dell’energia: ν = 10−3m2
s
Infine si e variato, a parita di tutti gli altri parametri, l’intervallo tempo-
2.2 Integrazione nello spazio fisico (x,t) 24
rale di integrazione riducendolo oltre il limite dell’aliasing. Si puo osservarel’instabilita del fenomeno notando che l’ampiezza della soluzione diverge.