Sie sind auf Seite 1von 65
Angewandte Strömungssimulation 6. Vorlesung Stefan Hickel

Angewandte Strömungssimulation

6. Vorlesung

Stefan Hickel

Finite - Volumen - Methode

Finite - Volumen - Methode

!   Das Rechengebiet wird in nicht überlappende Bereiche (= finite Volumina) unterteilt. Das Rechengebiet wird in nicht überlappende Bereiche (= finite Volumina) unterteilt.

!   Jedem Kontrollvolumen ( KV ) wird ein Knoten zugeordnet, an welchem die diskreten Werte gespeichert Jedem Kontrollvolumen ( KV ) wird ein Knoten zugeordnet, an welchem die diskreten Werte gespeichert werden.

Zellknoten

Finites Volumen

die diskreten Werte gespeichert werden. Zellknoten Finites Volumen Stefan Hickel - Angewandte Strömungssimulation 3
die diskreten Werte gespeichert werden. Zellknoten Finites Volumen Stefan Hickel - Angewandte Strömungssimulation 3
die diskreten Werte gespeichert werden. Zellknoten Finites Volumen Stefan Hickel - Angewandte Strömungssimulation 3
die diskreten Werte gespeichert werden. Zellknoten Finites Volumen Stefan Hickel - Angewandte Strömungssimulation 3
die diskreten Werte gespeichert werden. Zellknoten Finites Volumen Stefan Hickel - Angewandte Strömungssimulation 3
die diskreten Werte gespeichert werden. Zellknoten Finites Volumen Stefan Hickel - Angewandte Strömungssimulation 3
die diskreten Werte gespeichert werden. Zellknoten Finites Volumen Stefan Hickel - Angewandte Strömungssimulation 3
die diskreten Werte gespeichert werden. Zellknoten Finites Volumen Stefan Hickel - Angewandte Strömungssimulation 3
die diskreten Werte gespeichert werden. Zellknoten Finites Volumen Stefan Hickel - Angewandte Strömungssimulation 3
die diskreten Werte gespeichert werden. Zellknoten Finites Volumen Stefan Hickel - Angewandte Strömungssimulation 3
die diskreten Werte gespeichert werden. Zellknoten Finites Volumen Stefan Hickel - Angewandte Strömungssimulation 3
die diskreten Werte gespeichert werden. Zellknoten Finites Volumen Stefan Hickel - Angewandte Strömungssimulation 3
die diskreten Werte gespeichert werden. Zellknoten Finites Volumen Stefan Hickel - Angewandte Strömungssimulation 3
die diskreten Werte gespeichert werden. Zellknoten Finites Volumen Stefan Hickel - Angewandte Strömungssimulation 3
die diskreten Werte gespeichert werden. Zellknoten Finites Volumen Stefan Hickel - Angewandte Strömungssimulation 3
die diskreten Werte gespeichert werden. Zellknoten Finites Volumen Stefan Hickel - Angewandte Strömungssimulation 3

Finite - Volumen - Methode

Das Rechengebiet wird in nicht überlappende Bereiche (= finite Volumina) unterteilt. Das Rechengebiet wird in nicht überlappende Bereiche (= finite Volumina) unterteilt.

Jedem Kontrollvolumen ( KV ) wird ein Knoten zugeordnet, an welchem die diskreten Werte gespeichert Jedem Kontrollvolumen ( KV ) wird ein Knoten zugeordnet, an welchem die diskreten Werte gespeichert werden.

Die Erhaltungsgleichungen werden über die KV integriert Die Erhaltungsgleichungen werden über die KV integriert

t ϕ = Ψ

→ ∂ t

∫∫∫

ϕ

dV

=

∫∫∫

Ψ dV

Volumenintegrale können mit dem Satz von Gauss in Oberflächenintegrale umgewandelt werden. Volumenintegrale können mit dem Satz von Gauss in Oberflächenintegrale umgewandelt werden.

∫∫∫

Ψ dV =

∫∫

n Ψ dS =

∫∫

Ψ

dS rechts

∫∫

Ψ

dS links

+

Finite - Volumen - Methode

Impulserhaltungsgleichung in integraler Form:

!   Es werden Flüsse

in integraler Form: !   Es werden Flüsse über die KV-Oberfläche S bilanziert! Zellknoten Finites

über die KV-Oberfläche S bilanziert!

Zellknoten

Finites Volumen

über die KV-Oberfläche S bilanziert! Zellknoten Finites Volumen Stefan Hickel - Angewandte Strömungssimulation 5
über die KV-Oberfläche S bilanziert! Zellknoten Finites Volumen Stefan Hickel - Angewandte Strömungssimulation 5
über die KV-Oberfläche S bilanziert! Zellknoten Finites Volumen Stefan Hickel - Angewandte Strömungssimulation 5
über die KV-Oberfläche S bilanziert! Zellknoten Finites Volumen Stefan Hickel - Angewandte Strömungssimulation 5
über die KV-Oberfläche S bilanziert! Zellknoten Finites Volumen Stefan Hickel - Angewandte Strömungssimulation 5
über die KV-Oberfläche S bilanziert! Zellknoten Finites Volumen Stefan Hickel - Angewandte Strömungssimulation 5
über die KV-Oberfläche S bilanziert! Zellknoten Finites Volumen Stefan Hickel - Angewandte Strömungssimulation 5
über die KV-Oberfläche S bilanziert! Zellknoten Finites Volumen Stefan Hickel - Angewandte Strömungssimulation 5

Finite - Volumen - Methode

Approximationsvorschriften werden zur numerischen Auswertung der Flüsse durch die Grenzflächen der Kontrollvolumina Approximationsvorschriften werden zur numerischen Auswertung der Flüsse durch die Grenzflächen der Kontrollvolumina benötigt.

Zur Approximation der Feldgrößen Ψ an anderen Punkten als den Knotenpunkten (wo ja die Werte Zur Approximation der Feldgrößen Ψ an anderen Punkten als den Knotenpunkten (wo ja die Werte gespeichert sind) werden Interpolationsvorschriften verwendet.

Die diskretisierten Erhaltungsgleichungen werden für jedes KV ausgewertet. Die diskretisierten Erhaltungsgleichungen werden für jedes KV ausgewertet.

Zusammen mit geeigneten Randbedingungen entsteht ein algebraisches Gleichungssystem, welches numerisch gelöst wird. Zusammen mit geeigneten Randbedingungen entsteht ein algebraisches Gleichungssystem, welches numerisch gelöst wird.

Finite - Volumen - Methode

Schwerpunkt dieser Vorlesung ist die notwendige zweifache Näherung:

!   Der Wert der Integrale über die KV-Oberflächen wird angenähert durch die diskreten Werte der Variablen Der Wert der Integrale über die KV-Oberflächen wird angenähert durch die diskreten Werte der Variablen an einer oder mehreren Zellwänden.

!   Die Werte an den Zellwänden werden angenähert als Funktion der Werte an den Zellknoten (KV Die Werte an den Zellwänden werden angenähert als Funktion der Werte an den Zellknoten (KV Mitte).

Kompass Notation NW N NE nw n ne W P E EE w e sw
Kompass Notation
NW
N
NE
nw
n
ne
W
P
E
EE
w
e
sw
s
se
SW
S
SE

Oberflächenintegrale

!   Mittelpunktsregel (2 ter Ordnung):

!   Mittelpunktsregel (2 t e r Ordnung): Tafel: Taylorreihe das Integral wird angenähert durch das
!   Mittelpunktsregel (2 t e r Ordnung): Tafel: Taylorreihe das Integral wird angenähert durch das

Tafel:

Taylorreihe

das Integral wird angenähert durch das Produkt des Integranden am Mittelpunkt der Zellfläche mit der Größe der Zellfläche

Mittelpunkt der Zellfläche mit der Größe der Zellfläche : Mittelwert Stefan Hickel - Angewandte Strömungssimulation

: Mittelwert

der Zellfläche mit der Größe der Zellfläche : Mittelwert Stefan Hickel - Angewandte Strömungssimulation 9

Oberflächenintegrale

!   Trapezregel (2 t e r Ordnung) Trapezregel (2 ter Ordnung)

!   Trapezregel (2 t e r Ordnung) !   Simpson Regel (4 t e r
!   Trapezregel (2 t e r Ordnung) !   Simpson Regel (4 t e r

!   Simpson Regel (4 t e r Ordnung) Simpson Regel (4 ter Ordnung)

t e r Ordnung) !   Simpson Regel (4 t e r Ordnung) Stefan Hickel -

Volumenintegrale

!   Integration 2 ter Ordnung:

Volumenintegrale !   Integration 2 t e r Ordnung : Exakt wenn q konstant oder linear
Volumenintegrale !   Integration 2 t e r Ordnung : Exakt wenn q konstant oder linear

Exakt wenn q konstant oder linear in V ist.

Interpolation der Werte an den Zellwänden

Für die Auswertung der im Impulssatz auftretenden Integrale wird Ψ an den Zellwänden benötigt.

diese werden bestimmt durch:

räumliche INTERPOLATION

benötigt. diese werden bestimmt durch: räumliche INTERPOLATION Stefan Hickel - Angewandte Strömungssimulation 1 2
W P E e
W
P
E
e

Interpolation der Werte an den Zellwänden

!   Upwind Interpolation (Upwind Differencing Scheme - UDS):

„Interpolationsfaktor“ : W P E e
„Interpolationsfaktor“ :
W
P
E
e

Interpolation der Werte an den Zellwänden

!   Lineare Interpolation (Central Differencing Scheme - CDS):

Interpolation der Werte an den Zellwänden

!   Taylorreihenentwicklung: Taylorreihenentwicklung:

Werte an den Zellwänden !   Taylorreihenentwicklung: !   Abbruchfehler E des UDS-Verfahrens : E U

!   Abbruchfehler E des UDS-Verfahrens : Abbruchfehler E des UDS-Verfahrens :

!   Abbruchfehler E des UDS-Verfahrens : E U D S ist proportional zur Gitterweite (x

E UDS ist proportional zur Gitterweite (x e -x ) , d.h. es handelt sich um ein Verfahren 1. Ordnung.

p

Abbruchfehler – Numerische Diffusion

!   Beispielbetrachtung des Abbruchfehlers für UDS anhand der Advektionsgleichung (Transportgleichung): Beispielbetrachtung des Abbruchfehlers für UDS anhand der Advektionsgleichung (Transportgleichung):

UDS anhand der Advektionsgleichung (Transportgleichung): !   Welchen Einfluss hat der Diskretisierungsfehler auf
UDS anhand der Advektionsgleichung (Transportgleichung): !   Welchen Einfluss hat der Diskretisierungsfehler auf
UDS anhand der Advektionsgleichung (Transportgleichung): !   Welchen Einfluss hat der Diskretisierungsfehler auf

!   Welchen Einfluss hat der Diskretisierungsfehler auf die ursprünglich zu lösende Differentialgleichung? Welchen Einfluss hat der Diskretisierungsfehler auf die ursprünglich zu lösende Differentialgleichung?

Abbruchfehler – Numerische Diffusion

!   Entwicklung von u in eine Taylorreihe:

Diffusion !   Entwicklung von u in eine Taylorreihe: u i n + 1 = u

u i n +1 = u i n + Δt u

t

n

u i 1

= u i n − Δx u x

Δt 2 2 u

+ t 2 +

2

Δx 2 2 u

+ x 2 +

2

n – Zeitpunkt

i - Gitterpunkt

Abbruchfehler – Numerische Diffusion !   Entwicklung von u in eine Taylorreihe. !   Mit

Abbruchfehler – Numerische Diffusion

!   Entwicklung von u in eine Taylorreihe.

!   Mit der Upwind-Vorschrift bei u>0 erhalten wir für die Ableitungen:

n – Zeitpunkt

i - Gitterpunkt

Fehler

numerische Vorschrift

was wir eigentlich berechnen wollten

Abbruchfehler – Numerische Diffusion

!   Einsetzen in die Differentialgleichung liefert: Einsetzen in die Differentialgleichung liefert:

+ u u = 0 x

u

t

u i n +1 u i

n

Δt

+

u u i n u i1

n

Δx

Δt 2 u

2

t 2

+ u Δx

2

2 u

x 2

= 0



Abbruchfehler

!   Die Vernachlässigung des Abbruchfehlers im Lösungsprozess liefert die diskretisierte Gleichung: Die Vernachlässigung des Abbruchfehlers im Lösungsprozess liefert die diskretisierte Gleichung:

im Lösungsprozess liefert die diskretisierte Gleichung: Stefan Hickel - Angewandte Strömungssimulation 1 9

Abbruchfehler – Numerische Diffusion

Modifizierte Differentialgleichung Modifizierte Differentialgleichung

Numerische Diffusion   Modifizierte Differentialgleichung   Weitere Umformung ergibt:   Der Abbruchfehler der

Weitere Umformung ergibt: Weitere Umformung ergibt:

Differentialgleichung   Weitere Umformung ergibt:   Der Abbruchfehler der hier verwendeten numerischen

Der Abbruchfehler der hier verwendeten numerischen Vorschrift hat den selben Charakter wie ein Diffusionsterm und Der Abbruchfehler der hier verwendeten numerischen Vorschrift hat den selben Charakter wie ein Diffusionsterm und wird daher auch “numerische Diffusion” genannt.

Abbruchfehler – Numerische Diffusion

Abbruchfehler – Numerische Diffusion Abbruchfehler = numerische Diffusion Der Abbruchfehler kommt allein durch das

Abbruchfehler = numerische Diffusion

Der Abbruchfehler kommt allein durch das numerische Diskretisierungs- schema zustande und hat im allgemeinen nichts mit der Gleichung zu tun.Numerische Diffusion Abbruchfehler = numerische Diffusion Daher ist es wichtig, die Diskretisierung passend zur zu

Daher ist es wichtig, die Diskretisierung passend zur zu lösenden Differentialgleichung zu wählen.

Ein numerisches Verfahren ist instabil, wenn die numerische Viskosität negativ ist.passend zur zu lösenden Differentialgleichung zu wählen. -> Stabilitätskriterium für maximal erlaubten

-> Stabilitätskriterium für maximal erlaubten Zeitschritt -> Maximale Genauigkeit bei maximalem Zeitschritt, Stabilität vorausgesetzt.

Δt Δx / u

Abbruchfehler – Numerische Diffusion

!   für eine Diffusionsgleichung, die bereits einen Term 2. Ableitung im Raum besitzt, wird bei entsprechender für eine Diffusionsgleichung, die bereits einen Term 2. Ableitung im Raum besitzt, wird bei entsprechender Vorgehensweise ebenfalls zur Grundgleichung eine numerische Dissipation hinzukommen, die zu einer effektiven Verringerung der Reynoldszahl im numerischen Verfahren führt.

der Reynoldszahl im numerischen Verfahren führt. !   Die effektiv berechnete Lösung kann als die einer
der Reynoldszahl im numerischen Verfahren führt. !   Die effektiv berechnete Lösung kann als die einer

!   Die effektiv berechnete Lösung kann als die einer geringeren Reynoldszahl entsprechende Strömung interpretiert werden. Die effektiv berechnete Lösung kann als die einer geringeren Reynoldszahl entsprechende Strömung interpretiert werden.

Re = ul

ν

Re effektiv =

ul

ν

+ ν N

Abbruchfehler – Numerische Diffusion

Abbruchfehler – Numerische Diffusion CFX mit UDS CFX mit CDS Unterexpandierter Überschall-Freistrahl . Stefan Hickel -
Abbruchfehler – Numerische Diffusion CFX mit UDS CFX mit CDS Unterexpandierter Überschall-Freistrahl . Stefan Hickel -

CFX mit UDS

CFX mit CDS

Unterexpandierter Überschall-Freistrahl.

Abbruchfehler für lineare Interpolation

Lineare Interpolation (Central Differencing Scheme - CDS):

Interpolation ( Central Differencing Scheme - CDS): „Interpolationsfaktor“ : !   Taylorreihenentwicklung:

„Interpolationsfaktor“ :

Differencing Scheme - CDS): „Interpolationsfaktor“ : !   Taylorreihenentwicklung: Stefan Hickel - Angewandte

!   Taylorreihenentwicklung:

CDS): „Interpolationsfaktor“ : !   Taylorreihenentwicklung: Stefan Hickel - Angewandte Strömungssimulation 2 4
CDS): „Interpolationsfaktor“ : !   Taylorreihenentwicklung: Stefan Hickel - Angewandte Strömungssimulation 2 4
CDS): „Interpolationsfaktor“ : !   Taylorreihenentwicklung: Stefan Hickel - Angewandte Strömungssimulation 2 4

Abbruchfehler für lineare Interpolation

Umformung und Einsetzen ergibt:

für lineare Interpolation Umformung und Einsetzen ergibt: Verfahren 2 t e r Ordnung (für gleichförmige sowie

Verfahren 2 ter Ordnung (für gleichförmige sowie nicht-gleichförmige Gitter)

Abbruchfehler:

sowie nicht-gleichförmige Gitter) Abbruchfehler: E C D S ist proportional zur ( Δ x) 2 Stefan
sowie nicht-gleichförmige Gitter) Abbruchfehler: E C D S ist proportional zur ( Δ x) 2 Stefan

E CDS ist proportional zur ( Δx) 2

Numerische Diffusion vs. Dispersion

UDS

Numerische Diffusion vs. Dispersion UDS CDS Stefan Hickel - Angewandte Strömungssimulation 2 6
Numerische Diffusion vs. Dispersion UDS CDS Stefan Hickel - Angewandte Strömungssimulation 2 6

CDS

Numerische Diffusion vs. Dispersion UDS CDS Stefan Hickel - Angewandte Strömungssimulation 2 6
Numerische Diffusion vs. Dispersion UDS CDS Stefan Hickel - Angewandte Strömungssimulation 2 6
P
P

Anmerkung zum Diskretisierungsfehler

Schemata höherer Ordnung:

- versprechen genauere Lösungen bei gleichem Gitter - führen zu sehr großen Differenzensternen

- einfach für explizite Methoden - aufwändig/teuer für implizite Methoden

log E
log E

Anmerkung zum Diskretisierungsfehler

!   Ein Verfahren mit hoher Fehlerordnung bedeutet nicht automatisch auch kleiner Fehler.

!   Die Angabe bezieht sich auf die Konvergenzrate bei Gitterverfeinerung:

bezieht sich auf die Konvergenzrate bei Gitterverfeinerung: 1. Ordnung UDS 2. Ordnung Zentrale Differenz Anzahl

1. Ordnung UDS

2. Ordnung Zentrale Differenz

Anzahl Gitterpunkte

Stefan Hickel - Angewandte Strömungssimulation

geringe Auflösung große Gitterweite

hohe Auflösung kleine Gitterweite

28

Interpolation in ANSYS-CFX

1 s t order Upwind Differencing Scheme (UDS) 1 st order Upwind Differencing Scheme (UDS)

2 n d order Central Differencing Scheme (CDS) 2 nd order Central Differencing Scheme (CDS)

1 s t -2 n d order blend factor (UDS <-> CDS, 0 ≤ β 1 st -2 nd order blend factor (UDS <-> CDS, 0 β 1)

„High-Resolution“ Scheme (automatische lokale Anpassung von β ) „High-Resolution“ Scheme (automatische lokale Anpassung von β )

Gradient an den Zellwänden

Für die Auswertung der diffusiven Terme der zellgemittelten Erhaltungsgleichungen werden auch die Gradienten von Ψ Für die Auswertung der diffusiven Terme der zellgemittelten Erhaltungsgleichungen werden auch die Gradienten von Ψ an den Grenzen des KV benötigt.

Ansatz entsprechend zentraler Differenzen (CDS) da dies dem Charakter der Diffusion am besten entspricht. Ansatz entsprechend zentraler Differenzen (CDS) da dies dem Charakter der Diffusion am besten entspricht.

Aus der Taylor-Reihenentwicklung folgt: Aus der Taylor-Reihenentwicklung folgt:

entspricht.   Aus der Taylor-Reihenentwicklung folgt:   Bei Vernachlässigung des Abbruchfehlers ergibt sich
entspricht.   Aus der Taylor-Reihenentwicklung folgt:   Bei Vernachlässigung des Abbruchfehlers ergibt sich
entspricht.   Aus der Taylor-Reihenentwicklung folgt:   Bei Vernachlässigung des Abbruchfehlers ergibt sich
entspricht.   Aus der Taylor-Reihenentwicklung folgt:   Bei Vernachlässigung des Abbruchfehlers ergibt sich

Bei Vernachlässigung des Abbruchfehlers ergibt sich eine Approximation für die 1. Ableitung von Ψ# Bei Vernachlässigung des Abbruchfehlers ergibt sich eine Approximation für die 1. Ableitung von Ψ#

ergibt sich eine Approximation für die 1. Ableitung von Ψ# Stefan Hickel - Angewandte Strömungssimulation 3
!   Abbruchfehler:
!   Abbruchfehler:

Gradient an den Zellwänden

!   Abbruchfehler: Gradient an den Zellwänden ~ Δ x ~ Δ x 2   Für
!   Abbruchfehler: Gradient an den Zellwänden ~ Δ x ~ Δ x 2   Für

~ Δx

~ Δx 2

Für nicht gleichförmige Gitter ist das Verfahren von 1. Ordnung, der dominante Fehlerterm ist proportional Für nicht gleichförmige Gitter ist das Verfahren von 1. Ordnung, der dominante Fehlerterm ist proportional zu Δx

Für gleichförmige Gitter wird die Fehlerordnung um eine Stufe erhöht, wir erhalten ein Verfahren 2. Für gleichförmige Gitter wird die Fehlerordnung um eine Stufe erhöht, wir erhalten ein Verfahren 2. Ordnung!

um eine Stufe erhöht, wir erhalten ein Verfahren 2. Ordnung! Stefan Hickel - Angewandte Strömungssimulation 3

Gradient an den Zellwänden

Was passiert bei der Verfeinerung eines nicht gleichförmigen Gitters?

1. Abstände zwischen den Zellen in gleich große Anschnitte teilen:

zwischen den Zellen in gleich große Anschnitte teilen: -> Der erste Fehlerterm ist nur an den

-> Der erste Fehlerterm ist nur an den alten, aber nicht an den neuen Gitterpunkten vorhanden. Der globale Abbruchfehler wird nur geringfügig weniger reduziert, als in einem Verfahren 2. Ordnung.

->

Gradient an den Zellwänden

Was passiert bei der Verfeinerung eines nicht gleichförmigen Gitters?

2. Abstände zwischen den Zellen mit gleicher Streckung teilen : -> -> Die Streckung nimmt
2.
Abstände zwischen den Zellen mit gleicher Streckung
teilen :
->
->
Die Streckung nimmt ab.
Der erste Abbruchfehlerterm verringert sich
schneller als der zweite Abbruchfehlerterm, wir
erhalten somit ein Verfahren 2. Ordnung.

Gradient an den Zellwänden

Was passiert bei der Verfeinerung eines nicht gleichförmigen Gitters?

->

Systematische Gitterverfeinerung auf nicht gleichförmigen Gittern kann die selbe Rate der Reduzierung des Abbruchfehlers ergeben wie die Verfeinerung auf gleichförmigen Gittern !

Instationäre Probleme

Instationäre Probleme

bei instationären Problemen muss eine 4. Dimension diskretisiert werden -> ZEIT bei instationären Problemen muss eine 4. Dimension diskretisiert werden -> ZEIT

instationäre Probleme sind parabolisch in der Zeit (kein „Rückwärts-Einfluss“) instationäre Probleme sind parabolisch in der Zeit (kein „Rückwärts-Einfluss“)

instationäre Probleme sind Anfangsrandwertprobleme (Anfangswertproblem AWP und Randwertproblem RWP) instationäre Probleme sind Anfangsrandwertprobleme (Anfangswertproblem AWP und Randwertproblem RWP)

für die Zeitdiskretisierung können analoge Techniken wie für die Ortsdiskretisierung verwendet werden für die Zeitdiskretisierung können analoge Techniken wie für die Ortsdiskretisierung verwendet werden

Instationäre Probleme

Gewöhnliche DGL:

Instationäre Probleme Gewöhnliche DGL: Ziel: Finden der Lösung φ einen kurzen Zeitpunkt Δ t nach t
Instationäre Probleme Gewöhnliche DGL: Ziel: Finden der Lösung φ einen kurzen Zeitpunkt Δ t nach t

Ziel:

Finden der Lösung φ einen kurzen Zeitpunkt Δt nach t 0

Um die Lösung bei t n =t 0 +n Δt zu berechnen, wird iterativ die Lösung bei t n-1 =t n -Δt als Startwert verwendet.

Lösung: Integration

umstellen

- Δ t als Startwert verwendet. Lösung: Integration umstellen Stefan Hickel - Angewandte Strömungssimulation 3 7
- Δ t als Startwert verwendet. Lösung: Integration umstellen Stefan Hickel - Angewandte Strömungssimulation 3 7

Instationäre Probleme

Numerische Lösung des Integrals:

Euler vorwärts (explizit):

Euler rückwärts (implizit) :

f (1. Ordnung) t t 0 +dt t 0
f
(1. Ordnung)
t
t 0 +dt
t 0
f (1. Ordnung) t t 0 +dt t 0
f
(1. Ordnung)
t
t 0 +dt
t 0

Instationäre Probleme

Mittelpunktsregel (implizit):

Trapezregel (implizit):

f (2. Ordnung) t t t 0 +dt 0
f
(2. Ordnung)
t
t
t
0 +dt
0
f (2. Ordnung) t t t 0 +dt 0
f
(2. Ordnung)
t
t
t
0 +dt
0

alle Verfahren geben gute Lösungen bei kleinen Δt

Ordnung des Verfahrens besagt, wie schnell der Abbruchfehler gegen null geht, wenn Δt klein genug ist

„klein genug“ ist vom Verfahren und dem Problem abhängig

Eigenschaften expliziter Verfahren

keine weitere Iteration erforderlich keine weitere Iteration erforderlich

einfach zu implementieren einfach zu implementieren

geringer Speicherbedarf geringer Speicherbedarf

instabil bei größeren Zeitschritten instabil bei größeren Zeitschritten

Zeitschrittbegrenzung abschätzten mittels Stabilitätsanalyse Courant-Friedrichs-Levy (CFL) , … siehe GNSM Vorlesung Zeitschrittbegrenzung abschätzten mittels Stabilitätsanalyse Courant-Friedrichs-Levy (CFL) , … siehe GNSM Vorlesung

-> Zeitschritt muss der Strömung und der räumlichen Gitterweite angepasst werden!

Eigenschaften impliziter Verfahren

implizite Methoden: Werte von φ zur Zeit t>t 0 werden benötigt φ zur Zeit t>t 0 werden benötigt

-> Integrale können nur iterativ gelöst werden

schwieriger zu programmieren-> Integrale können nur iterativ gelöst werden größerer Speicheraufwand i.d.R. unbedingt stabil bei

größerer Speicheraufwandnur iterativ gelöst werden schwieriger zu programmieren i.d.R. unbedingt stabil bei größeren Zeitschrittweiten als

i.d.R. unbedingt stabil bei größeren Zeitschrittweiten als explizite Verfahren.schwieriger zu programmieren größerer Speicheraufwand der höhere numerische Aufwand pro Zeitschritt

der höhere numerische Aufwand pro Zeitschritt (Iterationen) wird oftmals durch die Möglichkeit größerer Zeitschritte höhere numerische Aufwand pro Zeitschritt (Iterationen) wird oftmals durch die Möglichkeit größerer Zeitschritte ausgeglichen.

Prädiktor-Korrektor-Methoden

Kombination aus expliziten und impliziten VerfahrenPrädiktor-Korrektor-Methoden die Lösung zum neuen Zeitpunkt wird mit einem Eulerzeitschritt vorhergesagt (Prädiktor): !

die Lösung zum neuen Zeitpunkt wird mit einem Eulerzeitschritt vorhergesagt (Prädiktor):Kombination aus expliziten und impliziten Verfahren !   Lösung wird korrigiert durch Anwendung des

!  
!
mit einem Eulerzeitschritt vorhergesagt (Prädiktor): !   Lösung wird korrigiert durch Anwendung des Prädiktors in

Lösung wird korrigiert durch Anwendung des Prädiktors in der impliziten Trapezregel (Korrektor):

des Prädiktors in der impliziten Trapezregel (Korrektor): Limit: Fehlerordnung 2 Vielzahl an verschiedenen Varianten

Limit: Fehlerordnung 2des Prädiktors in der impliziten Trapezregel (Korrektor): Vielzahl an verschiedenen Varianten Stefan Hickel -

Vielzahl an verschiedenen Variantenin der impliziten Trapezregel (Korrektor): Limit: Fehlerordnung 2 Stefan Hickel - Angewandte Strömungssimulation 4 2

Verfahren höherer Ordnung ! zum Erzielen einer höheren Genauigkeitsordnung sind weitere Stützstellen erforderlich
Verfahren höherer Ordnung
! zum Erzielen einer höheren Genauigkeitsordnung sind weitere
Stützstellen erforderlich
! diese können entweder Punkte sein, an denen die Lösung bereits zu
früheren Zeitpunkten bestimmt wurde
Mehrschritt-Verfahren
! oder zusätzliche Punkte zwischen t n und t n+1 , welche nur für numerische
Zwecke verwendet werden

Runge-Kutta-Verfahren

!  
!

beliebige Genauigkeitsordnung ist erzielbar

Mehrschrittverfahren

Interpolationspolynom durch f(t, φ ) zu verschiedenen Zeitpunkten f(t,φ) zu verschiedenen Zeitpunkten

Adams-Bashforth-Verfahren (explizit)durch f(t, φ ) zu verschiedenen Zeitpunkten ϕ n + 1 = ϕ n + Δ

ϕ n +1 = ϕ n + Δt

12

[ 23 f ( t n ,ϕ n ) 16 f ( t n 1 ,ϕ n 1 ) + 5 f ( t n 2 ,ϕ n 2 )

] (3. Ordnung)

Adams-Moulton-Verfahren (implizit)n − 2 , ϕ n − 2 ) ] (3. Ordnung) ϕ n + 1

ϕ n +1 = ϕ n + Δt

12

[

5 f ( t n +1 , ϕ n +1 ) + 8 f ( t n , ϕ n ) f ( t n 1 , ϕ n 1 )

] (3. Ordnung)

Oder z.B. Adams-Bashforth-Verfahren als Prädiktor und Adams- Moulton-Verfahren als Korrektort n − 1 , ϕ n − 1 ) ] (3. Ordnung) Problem: andere Methoden

Problem: andere Methoden sind erforderlich, um die Simulation zu starten starten

Runge-Kutta-Verfahren ! Hilfspunkte zwischen t n und t n+1 werden verwendet   ! z.B. Runge-Kutta-Verfahren
Runge-Kutta-Verfahren
! Hilfspunkte zwischen t n und t n+1 werden verwendet
! z.B. Runge-Kutta-Verfahren 2. Ordnung:
Prädiktorschritt für n+1/2
(Euler explizit)

Korrektorschritt

(Mittelpunktsregel)

n+1/2 (Euler explizit) Korrektorschritt (Mittelpunktsregel) leicht zu implementieren selbst startend große Ähnlichkeit

leicht zu implementierenn+1/2 (Euler explizit) Korrektorschritt (Mittelpunktsregel) selbst startend große Ähnlichkeit zu den

selbst startend(Mittelpunktsregel) leicht zu implementieren große Ähnlichkeit zu den Prädiktor-Korrektor-Methoden

große Ähnlichkeit zu den Prädiktor-Korrektor-Methoden(Mittelpunktsregel) leicht zu implementieren selbst startend Stefan Hickel - Angewandte Strömungssimulation 4 5

Lokaler vs. physikalischer Zeitschritt

Die maximal erlaubte Zeitschrittweite ist Δ t physikalisch und numerisch limitiert. Δt physikalisch und numerisch limitiert.

Die Lösung darf sich physikalisch nicht schneller ausbreiten als dies durch den Einflussbereich der numerischen Diskretisierung abgebildet werden kann, sonst Instabilität bei expliziten Zeitschrittverfahren:ist Δ t physikalisch und numerisch limitiert. »   Einflussbereich: »   Signalgeschwindigkeit: »

»Einflussbereich:

»Signalgeschwindigkeit:

»Max. Zeitschritt:

h

S = |u| + c S = |u|

Δt min( h / S )

( Gitterweite)

(kompressibel)

(inkompressibel)

Der erlaubte (physikalische) Zeitschritt wird oft durch die kleinste Zelle bestimmt und kann daher sehr klein sein.h / S ) ( ≈ Gitterweite) (kompressibel) (inkompressibel) Konvergenz zu stationärer Lösung kann durch lokalen

Konvergenz zu stationärer Lösung kann durch lokalen Zeitschritt enormdie kleinste Zelle bestimmt und kann daher sehr klein sein. beschleunigt werden: Δ t = Δ

beschleunigt werden:

Δt = Δt(x)

Lokaler vs. physikalischer Zeitschritt

Lokaler vs. physikalischer Zeitschritt Stefan Hickel - Angewandte Strömungssimulation 4 7
Lokaler vs. physikalischer Zeitschritt Stefan Hickel - Angewandte Strömungssimulation 4 7
Lokaler vs. physikalischer Zeitschritt Stefan Hickel - Angewandte Strömungssimulation 4 7
Lokaler vs. physikalischer Zeitschritt Stefan Hickel - Angewandte Strömungssimulation 4 7
Lokaler vs. physikalischer Zeitschritt Stefan Hickel - Angewandte Strömungssimulation 4 7
Lokaler vs. physikalischer Zeitschritt Stefan Hickel - Angewandte Strömungssimulation 4 7
Lokaler vs. physikalischer Zeitschritt Stefan Hickel - Angewandte Strömungssimulation 4 7
Lokaler vs. physikalischer Zeitschritt Stefan Hickel - Angewandte Strömungssimulation 4 7

Lokaler vs. physikalischer Zeitschritt

Auskonvergiertes stationäres Ergebnis ist identisch, wird aber mit lokalem Zeitschritt viel schneller erreicht. Auskonvergiertes stationäres Ergebnis ist identisch, wird aber mit lokalem Zeitschritt viel schneller erreicht.

Transiente ist bei lokalem Zeitschritt unphysikalisch. Transiente ist bei lokalem Zeitschritt unphysikalisch.

Animation

daher Vorsicht: Unzureichend konvergiertes Ergebnis ist ebenfalls unphysikalisch!

Lokaler Zeitschritt wird oft als Beschleuniger für sogenannte Duale Zeitschrittverfahren eingesetzt. Lokaler Zeitschritt wird oft als Beschleuniger für sogenannte Duale Zeitschrittverfahren eingesetzt.

Duales Zeitschrittverfahren

!   Zeitableitung wird aufgeteilt in Zeitableitung wird aufgeteilt in

»einen impliziten Teil mit (großer) physikalischer Zeitschrittweite Δt

»einen Pseudozeit-Anteil mit lokaler Zeitschrittweite Δτ

∂ϕ

t

)

= f (ϕ (t )) lim +

τ → ∞

*

∂ϕ

∂τ

= ϕ

t

 

,

+

f (ϕ (τ )) .

-

!   Diskretisierung mit Euler implizit für die physikalische Zeit und Euler explizit für die Pseudozeit: Diskretisierung mit Euler implizit für die physikalische Zeit und Euler explizit für die Pseudozeit:

ϕ (τ + Δτ ) ϕ (τ ) = ϕ (t + Δt ) ϕ (t )

(

 

+

+

f (ϕ (τ )) -

,

lim *

τ → ∞

)

Δτ

Δt

Und Iteration bis Konvergenz zu stationärer Lösung in τ.

Für die gesuchte Lösung gilt

ϕ (t + Δt ) ϕ (τ + Δτ ) ϕ (τ ) f (ϕ (τ )) f (ϕ (t + Δt ))

Instationäre Probleme mit CFX Zeitdiskretisierung in ANSYS CFX: !   Euler implizit 1. Ordnung !

Instationäre Probleme mit CFX

Zeitdiskretisierung in ANSYS CFX:

!   Euler implizit 1. Ordnung !   Euler implizit 2. Ordnung

!   Euler implizit 1. Ordnung !   Euler implizit 2. Ordnung
!   Euler implizit 1. Ordnung !   Euler implizit 2. Ordnung

Es gibt (fast) immer ein Resultat!

Linearisierung

Linearisierung
Linearisierung

!   Die Navier Stokes Gleichungen sind ein System nichtlinearer partieller Differentialgleichungen

!   Viele wichtige Phänomene, wie beispielsweise die Interaktion von Wirbeln und die Entstehung von Turbulenz, beruhen auf der quadratischen Nichtlinearität.

von Turbulenz, beruhen auf der quadratischen Nichtlinearität. Stefan Hickel - Angewandte Strömungssimulation 5 2

Linearisierung

!   Bei impliziten Zeitintegrationsschemata wird meist eine linearisierte Form der Navier-Stokes-Gleichungen gelöst. Bei impliziten Zeitintegrationsschemata wird meist eine linearisierte Form der Navier-Stokes-Gleichungen gelöst.

!   Möglichkeiten der Linearisierung der quadratischen Nichtlinearität: Möglichkeiten der Linearisierung der quadratischen Nichtlinearität:

(1)

(2)

u n+1 u n+1

u n u n+1

-> Fehler

(u n+1 - u n ) u n+1

= O( Δt)

u n+1 u n+1

2 u n u n+1

- u n u n

-> Fehler

(u n+1 - u n ) 2

= O( Δt 2 )

Beispiel

Beispiel

1D Diffusions-Konvektionsgleichung

Euler implizit

Beispiel 1D Diffusions-Konvektionsgleichung Euler implizit Zentrale-Differenzen Approximation + äquidistantes Gitter
Beispiel 1D Diffusions-Konvektionsgleichung Euler implizit Zentrale-Differenzen Approximation + äquidistantes Gitter

Zentrale-Differenzen Approximation + äquidistantes Gitter

Zentrale-Differenzen Approximation + äquidistantes Gitter diskretisierte Gleichung: Stefan Hickel - Angewandte
Zentrale-Differenzen Approximation + äquidistantes Gitter diskretisierte Gleichung: Stefan Hickel - Angewandte

diskretisierte Gleichung:

Approximation + äquidistantes Gitter diskretisierte Gleichung: Stefan Hickel - Angewandte Strömungssimulation 5 5

Beispiel

diskretisierte Gleichung

Beispiel diskretisierte Gleichung Lösung ϕ n + 1 ist implizit gegeben durch n + 1 ϕ
Beispiel diskretisierte Gleichung Lösung ϕ n + 1 ist implizit gegeben durch n + 1 ϕ

Lösung

ϕ n +1

ist implizit gegeben durch

n +1

ϕ i 1

&

(

' 2 Δx

Δt u Δt Γ

Δx 2 *

)

+ + ϕ i

n +1

&

(

'

)

+

Δx 2 *

1 + 2 Δt Γ

n + 1 & ( ' ) + Δ x 2 * 1 + 2 Δ

n +1

+ ϕ i +1

&

(

' 2 Δx

Δt u Δt Γ

Δx 2 *

)

+ = ϕ i

n

Algebraische Gleichung

!   Aufsummieren der konvektiven und diffusiven Flüsse liefert ein algebraisches Gleichungssystem:

Flüsse liefert ein algebraisches Gleichungssystem: Matrix Struktur für 5 x 5 Netz »   für jede
Flüsse liefert ein algebraisches Gleichungssystem: Matrix Struktur für 5 x 5 Netz »   für jede

Matrix Struktur für 5 x 5 Netz

»für jede Transportgleichung folgt in jedem Gitterpunkt eine algebraische Gleichung

»Index P – Punkt an dem die DGL approximiert wurde

»Index I – läuft über alle Knoten die in die Formulierung eingebunden sind

»Koeffizienten A i – abhängig von der Geometrie und den Fluideigenschaften

»Koeffizient Q P – enthält alle bekannten Terme

Randbedingungen

Randbedingungen Einströmrand P
Randbedingungen
Einströmrand
P

Ausströmrand

Wand

!   NSG -> System von DGL –> Anfangsproblem + Randwertproblem !   nur bei Vorgabe der erforderlichen AB und RB kann die Lösung eindeutig sein

der erforderlichen AB und RB kann die Lösung eindeutig sein Stefan Hickel - Angewandte Strömungssimulation 5
der erforderlichen AB und RB kann die Lösung eindeutig sein Stefan Hickel - Angewandte Strömungssimulation 5

Randbedingungen

Möglichkeiten:

1.)

Dirichlet Randbedingung: abhängige Variable ( Ψ) auf dem Rand vorgeben ; z.B. Randtemperatur

2.)

Neumann Randbedingung: Gradient (d Ψ/dn) der abhängigen Variable vorgeben ; z.B. Wärmestromdichte

3.)

Robbin Randbedingung (gemischte RB): Wärmestromdichte mittels Wärmeübergangskoeffizienten α und Umgebungstemperatur T angeben

4.)

Berandung so wählen, dass die abhängige Variable an den Rechenfeldgrenzen periodisch wiederkehrt („periodische Randbedingungen“)

Randbedingungen (Wand) !   Haftbedingung (Dirichlet RB): konvektive Flüsse durch die Wand sind NULL !
Randbedingungen (Wand)
!
Haftbedingung (Dirichlet RB):
konvektive Flüsse durch die Wand sind NULL
!
Viskose Spannungen:
Haftbedingung plus Inkompressibilitätsbedingung

Viskose Normalspannungen werden NULL:

Viskose Normalspannungen werden NULL: Übrig bleiben nur Tangentialspannungen. Stefan Hickel -

Übrig bleiben nur Tangentialspannungen.

werden NULL: Übrig bleiben nur Tangentialspannungen. Stefan Hickel - Angewandte Strömungssimulation 6 1

Randbedingungen (Wand)

Schubspannung durch einseitige Differenz annähern:Randbedingungen (Wand) Alternative: Diffusive Flussterme werden mit Wandmodell als Quellterm vorgegeben. Stefan Hickel -

(Wand) Schubspannung durch einseitige Differenz annähern: Alternative: Diffusive Flussterme werden mit Wandmodell als

Alternative: Diffusive Flussterme werden mit Wandmodell als Quellterm vorgegeben.(Wand) Schubspannung durch einseitige Differenz annähern: Stefan Hickel - Angewandte Strömungssimulation 6 2

Randbedingungen (Symmetrie) !   !   Schubspannung wird NULL Normalspannung ≠ NULL Diffusiver Fluss in
Randbedingungen (Symmetrie)
!
!
Schubspannung wird NULL
Normalspannung ≠ NULL
Diffusiver Fluss in x 1 -Bilanz ist NULL

Diffusiver Fluss in x 2 -Bilanz wird approximiert durch:

NULL Diffusiver Fluss in x 2 -Bilanz wird approximiert durch: Stefan Hickel - Angewandte Strömungssimulation 6
NULL Diffusiver Fluss in x 2 -Bilanz wird approximiert durch: Stefan Hickel - Angewandte Strömungssimulation 6

Randbedingungen

Beispiel:

Einlass: Einlass:

Dirichlet Randbedingung

Auslass: Auslass:

-> Ψ ist gegeben

Neumann Randbedingung -> d Ψ/dn=0

Wand: Wand:

Konvektive Flussterme werden zu NULL

Diffusive Flussterme werden durch Wandmodell als Quellterm vorgegeben.

Algebraische Gleichung

!   Aufsummieren der konvektiven und diffusiven Flüsse liefert ein algebraisches Gleichungssystem:

Flüsse liefert ein algebraisches Gleichungssystem: Matrix Struktur für 5 x 5 Netz »   für jede
Flüsse liefert ein algebraisches Gleichungssystem: Matrix Struktur für 5 x 5 Netz »   für jede

Matrix Struktur für 5 x 5 Netz

»für jede Transportgleichung folgt in jedem Gitterpunkt eine algebraische Gleichung

»Index P – Punkt an dem die DGL approximiert wurde

»Index I – läuft über alle Knoten die in die Formulierung eingebunden sind

»Koeffizienten A i – abhängig von der Geometrie und den Fluideigenschaften

»Koeffizient Q P – enthält alle bekannten Terme