Sie sind auf Seite 1von 40

Angewandte Strmungssimulation

7. Vorlesung

Stefan Hickel
Druck-Geschwindigkeits-Kopplung
Lsung der Navier-Stokes Gleichungen

Kompressible NSG

! Massenerhaltung

! Impulserhaltung
u
+ ( uu) = p + + F
t

! Energieerhaltung
E
+ (uE) = (u p) + (u ) (q)
t


Stefan Hickel - Angewandte Strmungssimulation 3
Lsung der Navier-Stokes Gleichungen

Inkompressible NSG
! integrale Form

! in differentieller Form

! der Druck p ist keine unabhngige Variable, sondern folgt bei


konstante Dichte aus der Poissongleichung

Tafel
Stefan Hickel - Angewandte Strmungssimulation 4
Lsung der Navier-Stokes Gleichungen

Beispiel fr 2D Strmung

! Orthogonales, quidistantes Gitter


! zeitlich: Euler implizit
! rumlich: CDS
! Integration: Mittelpunktsregel

Stefan Hickel - Angewandte Strmungssimulation 5


Lsung der Navier-Stokes Gleichungen

zeitlicher Term: Integration + Euler implizit

konvektiver Term:

Linearisierung durch Picard-Iteration


(Massenstrom wird vom alten Zeitschritt verwendet)

die Aktualisierung der Flsse hinkt einen Iterationsschritt


hinterher
Stefan Hickel - Angewandte Strmungssimulation 6
Lsung der Navier-Stokes Gleichungen

Reibungsterm:

x-Impulsgleichung:

Stefan Hickel - Angewandte Strmungssimulation 7


Lsung der Navier-Stokes Gleichungen

Druck-Term:

x-Impulsgleichung:

pW + pP pP + pE pW pE
Zentrale Diskretisierung: pw pe = =
2 2 2
! Druck wird effektiv auf einem grberen Gitter berechnet
! am Punkt P wird die Geschwindigkeit und der zugehrige Druck entkoppelt

! oszillierendes Druckfeld kann in der Simulation entstehen !

Stefan Hickel - Angewandte Strmungssimulation 8


Lsung der Navier-Stokes Gleichungen

! Druck-Poisson-Gleichung

! Kopplung evtl. aus der Kontinuittsgleichung (Bsp. 1D) ?

-> Massenbilanz ist unabhngig von der Geschwindigkeit uP

! weder aus der Impulsgleichung noch aus der Kontinuittsgleichung kann


eine Kopplung von Geschwindigkeit und Druck im Punkt P erzielt werden !

Stefan Hickel - Angewandte Strmungssimulation 9


Druck-Geschwindigkeits-Kopplung

Schachbrettoszillationen des Druckfeldes stellen


eine Lsung der diskreten Gleichungen dar

Stefan Hickel - Angewandte Strmungssimulation 10


Druck-Geschwindigkeits-Kopplung

Bisherige Anordnung der Variablen

Collocated Grid:

gleiches KV fr alle Variablen

CFX verwendet ein collocated grid


Stefan Hickel - Angewandte Strmungssimulation 11
Staggered Grid

! Harlow & Welsh (1965)


! Variablen werden in unterschiedlichen Kontrollvolumina diskretisiert
! die Variablen werden gespeichert wo sie bentigt werden

Stefan Hickel - Angewandte Strmungssimulation 12


Staggered Grid

Druck-KV

x-Impuls-KV

y-Impuls-KV

Stefan Hickel - Angewandte Strmungssimulation 13


Druck-Poisson-Gleichung
NN
Zentrales Schema fr
gemeinsames Gitter (collocated grid)
WW P EE

SS

Zentrales Schema fr
versetztes Gitter (staggered grid) N

W P E
S

Stefan Hickel - Angewandte Strmungssimulation 14


Staggered Grid

! Harlow & Welsh (1965)


! Variablen werden in unterschiedlichen Kontrollvolumina diskretisiert
! die Variablen werden gespeichert wo sie bentigt werden

! verschiedene Terme der Impulsgleichungen knnen ohne Interpolation


gelst werden, z.B. ist der Druck an den KV-Grenzen direkt verfgbar

-> starke Kopplung zwischen Druck und Geschwindigkeitsfeld


-> keine Oszillationen des Druckfeldes

! schwierig zu verwenden bei komplexen Geometrien

Stefan Hickel - Angewandte Strmungssimulation 15


Rhie & Chow Interpolation

! Rhie & Chow (1983)

! Problem: Werden Druck- und Geschwindigkeitsfelder auf einem


gemeinsamen Gitter durch zentrale Interpolation (CDS)
berechnet, so werden unphysikalisch oszillierende Druckfelder
weder in der IGL noch in der KGL detektiert.

! Lsung: Die Druck-Geschwindigkeitskopplung kann durch die


Rhie & Chow Interpolation wiederhergestellt werden

Spezielle Interpolationsvorschrift fr die Diskretisierung


der Kontinuittsgleichung auf nicht-versetzten Gittern.
Einbeziehung des Druckgradienten in die Berechnung der
Geschwindigkeiten an den finite-Volumen Oberflchen
(ue,uw,vn,vs) bei der Auswertung des Quellterms der
Druck-Poisson-Gleichung.

Stefan Hickel - Angewandte Strmungssimulation 16


Rhie & Chow Interpolation

! Bsp.:
1D Kontinuittsgleichung
wird diskretisiert als

und damit effektiv modifiziert zu

! Der zustzliche Term detektiert Oszillationen.


Man kann zeigen dass er dissipativ ist und glttend wirkt.

! Nachteil: die Ordnung des Verfahrens sinkt.

Rhie & Chow-Interpolation wird in CFX verwendet


Stefan Hickel - Angewandte Strmungssimulation 17
Lsung linearer Gleichungssysteme
Lsung linearer Gleichungssysteme

! Lineares Gleichungssystems

A - Koeffizienten Matrix
Lsungsvektor
b - Quellterm rechte Seite

mit der formalen Lsung

! Man unterscheidet direkte und iterative Lsungsverfahren.

Stefan Hickel - Angewandte Strmungssimulation 19


Lsung linearer Gleichungssysteme

Direkte Verfahren

! invertieren die Matrix A und


liefern die exakte Lsung nach der Vorschrift

! Das eigentliche Problem besteht in der schieren Gre der


Inversen Koeffizientenmatrix A-1

Bei N Gitterpunkten haben A und A-1 O(N2) Elemente.


A ist typischerweise dnn mit O(N) Elementen besetzt.
Die Inverse A-1 ist aber dicht besetzt -> Speicherbedarf.

Stefan Hickel - Angewandte Strmungssimulation 20


Direkte Lsungsverfahren

Gau-Elimination

! multiplizieren der ersten Zeile mit A21 / A11


und subtrahieren von der zweiten Zeile usw.

obere Dreiecksmatrix

! letzte Zeile enthlt nur eine Variable

Rcksubstitution

! Ohne Ausnutzung der dnnen Besetzung von A -> O(N3) Operationen


Stefan Hickel - Angewandte Strmungssimulation 21
Direkte Lsungsverfahren

LU-Zerlegung

! Matrix A kann in 2 Matrizen


(L und U) zerlegt werden

! Gleichungssystem wird in 2 Systeme aufgeteilt


Lsung von (b) und anschlieend (a)

! Vorteil der LU-Zerlegung: kann ohne Kenntnis von b erfolgen


! Nachteil: L und U sind voll besetzt auch wenn A weitgehend unbesetzt ist
Stefan Hickel - Angewandte Strmungssimulation 22
Iterative Lsungsverfahren

Direkte Verfahren
! sehr hoher Aufwand bei direkten Lsungsverfahren
! keine Notwendigkeit das Gleichungssystem exakt zu lsen, denn
Diskretisierungsfehler sind deutlich grer als die Computer-
Genauigkeit

Iterative Verfahren

! Zerlegung von A in einen leicht zu invertierenden Anteil N und einen


schwer zu invertierenden Anteil P
A=NP
! Lineares Gleichungssystem
wird quivalent umgeformt N = P +b

! Iterationsschema ( )
n +1 = N 1 P n + b
Stefan Hickel - Angewandte Strmungssimulation 23

Iterative Lsungsverfahren

Iterative Verfahren

! Zerlegung von A in einen leicht zu invertierenden Anteil N und einen


schwer zu invertierenden Anteil P
A=NP
! Lineares Gleichungssystem
wird quivalent umgeformt N = P +b

! Iterationsschema
( )
n +1 = N 1 P n + b
! Alternatives Iterationsschema,
gnstiger bezglich Computer-
Genauigkeit

Stefan Hickel - Angewandte Strmungssimulation 24


Iterative Lsungsverfahren

! Wichtige Definitionen:

Residuum

Fehler

! Beziehung Residuum <-> Fehler

R n = A n b

(
Rn = A n )
R n = A n

25

Stefan Hickel - Angewandte Strmungssimulation



Iterative Lsungsverfahren

! Residuum in CFX

Konvergenzverlauf Out-File

N
1
RMS(R n ) =
N
(R n 2
i ) , mit N = Anzahl der Elemente
i=1
Stefan Hickel - Angewandte Strmungssimulation 26
Iterative Lsungsverfahren

! Typischer Konvergenzverlauf

Iterationsschritt

Stefan Hickel - Angewandte Strmungssimulation 27


Iterative Lsungsverfahren

! Iterationsmatrix

! Abnahme des Fehlers

! Notwendig und hinreichend fr Konvergenz ist dass der Spektralradius


von G (entspricht maximalem Eigenwertbetrag) kleiner als 1 ist.

! Je kleiner der Spektralradius, desto besser.


! vgl. asymptotische Stabilitt

Stefan Hickel - Angewandte Strmungssimulation 28


Iterative Lsungsverfahren

Jacobi-Verfahren

! Zerlegung von A
Diagonalelemente in N
Rest in P

! Spektralradius der Iterationsmatrix fr Poisson-Gleichung auf


homogenem NxM Gitter

Stefan Hickel - Angewandte Strmungssimulation 29


Iterative Lsungsverfahren

Gau-Seidel-Verfahren

! Zerlegung von A
Diagonalelemente in N
untere Nebendiagonalen formal in N aber nicht invertiert,
sondern mit bereits berechneten n+1 multipliziert.
Obere Nebendiagonalen in P -> mit n multipliziert.

! Spektralradius der Iterationsmatrix fr Poisson-Gleichung auf


homogenem NxM Gitter

! Deutlich zu Verbessern mit sukzessiver berrelaxation (SOR).


Stefan Hickel - Angewandte Strmungssimulation 30
ILU (Incomplete LU-Factorisation)

Vollstndige LU-Zerlegung:

Unvollstndige LU-Zerlegung (ILU):

! die Matrix A wird nherungsweise in das Produkt einer unteren L und


einer oberen Dreiecksmatrix U zerlegt
! bei ILU werden z.B. nur diejenigen Matrixelemente neu berechnet, die
in A beleget sind (oder nur die Hauptdiagonale wie in CFX)
! es werden keine Zwischenrume mit neuen Elementen aufgefllt

Stefan Hickel - Angewandte Strmungssimulation 31


ILU (Incomplete LU-Factorisation)

! vollstndige LU-Faktorisierung erzeugt voll besetzte Matrizen


Speicherungsproblem

! ILU verndert nur die bereits besetzten Elemente


effiziente Speicherung

A L U
1
1
1
1
1
1
1
1

Stefan Hickel - Angewandte Strmungssimulation 32


CFX

! ANSYS-CFX : Gekoppelter ILU Solver fr u,v,w, und p

A R
! hoher Speicheraufwand, hoher Aufwand pro Iteration

Stefan Hickel - Angewandte Strmungssimulation 33


AMG (Algebraic Multigrid)

! Beobachtung: Iterative Solver reduzieren Fehler effizient,


deren Wellenlnge in der Grenordnung der Gitterweite liegt!

! Fehler mit kleiner Wellenlnge werden sehr schnell reduziert,


Fehler mit greren Wellenlngen bentigen extrem viele
Iterationen.

! Idee: Konvergenzbeschleunigung durch Mehrgittertechnik


Gitter an Wellenlnge des Fehlers anpassen.
frhe Iterationen auf dem feinen Gitter und nachfolgende
Iterationen auf einem grberen Gitter.

Stefan Hickel - Angewandte Strmungssimulation 34


AMG (Algebraic Multigrid)

FEHLER
! durch die bertragung des
Lsungsprozesses auf grbere
Gitter sehen die Fehler relativ
zur Gitterweite dort
hochfrequenter aus und man
erreicht eine effektive
Reduktion der langwelligen l
Fehlerkomponenten.

l+1
! Aufgrund der geringen Anzahl
an Gitterpunkten ist der
zustzliche Aufwand fr die l+2
Berechnungen auf grberen
Gittern relativ gering.
l+3

Stefan Hickel - Angewandte Strmungssimulation 35


AMG (Algebraic Multigrid)

Informationsaustausch zwischen den Gittern:


! fein grob := Restriktion
! grob fein := Prolongation

Verfahren:
1. Iterationen auf dem feinen Gitter
2. Berechnung des Residuums
3. bertragen des Residuums auf das grobe Gitter
4. Iterationen der Korrekturgleichung auf dem groben
Gitter
5. Interpolation der Korrektur auf das feine Gitter
6. Update der Lsung auf dem feinen Gitter
7. Wiederholung der Prozedur bis das geforderte
Residuum erreicht ist

Stefan Hickel - Angewandte Strmungssimulation 36


AMG (Algebraic Multigrid)

! zum Durchlaufen der verschiedenen Gitterebenen existieren


verschiedene Strategien, am gebruchlichsten sind V- und W-
Zyklen:

Feines Gitter
...

...
Grobes Gitter

! Multigrid-Anstze:
Geometric-Multigrid
Vergrberung basierend auf Geometrie und Netz
Algebraic-Multigrid
Vergrberung basierend auf der Koeffizienten-Matrix

Stefan Hickel - Angewandte Strmungssimulation 37


AMG (Algebraic Multigrid)
! Algebraic Multigrid: Gre der Koeffizienten ist Ma fr die
Vergrberung des Gitters
! Knoten mit groen Koeffizienten werden zusammengefasst,
damit entstehen grere Kontrollvolumen implizit / automatisch

A12 2 2
A12=1.0
1 A23 A13=1.1 1
A23=1.2 A12+A13
A13 3 3

! die diskreten Gleichungen (Koeffizienten) fr das grobe Netz werden


durch das Aufsummieren der Feingitter-Gleichungen (Koeffizienten)
erhalten.
! die von Geometrie und Topologie abhngige Diskretisierung der
nichtlinearen Gleichungen wird nur einmal auf dem feinsten Gitter
durchgefhrt.

Stefan Hickel - Angewandte Strmungssimulation 38


AMG (Algebraic Multigrid)

! die Form der Kontrollvolumen auf dem groben Gitter ist sehr
unregelmig trotz quidistantem Feingitter

Stefan Hickel - Angewandte Strmungssimulation 39


Effizienz

Moderne Algorithmen knnen die bentigte Rechenzeit um mehrere


Grenordnungen verringern.

In CFX ist ein Multigrid Verfahren zur Lsung linearer


Gleichungen implementiert !
Stefan Hickel - Angewandte Strmungssimulation 40