Escolar Documentos
Profissional Documentos
Cultura Documentos
Maio de 2023
1 / 43
PRIMATE
2 / 43
Objetivos
3 / 43
Efeito Marimba
4 / 43
Transporte e deposição de partículas em um escoamento 2D
• Abordagem numérica bidimensional para o transporte e
deposição de partículas em um canal que apresenta constrição.
Vortical Structures and Particle Deposition in Magnetohydrodynamic Flows, Bruno Magacho da Silva.
Dissertação de mestrado, IF-UFRJ, 2020.
5 / 43
Equação de Boltzmann
• N = d 3 pd 3 rf (r , p, t)
R
6 / 43
Equação de Boltzmann
∂f ∂f
+ ˙p · ∇p f + v · ∇r f = , (1)
∂t ∂t colisão
7 / 43
Método de Lattice Boltzmann
• Fácil implementação de condições de contorno e algoritmo
paralelizável.
8
X
ρ(x, t) = fi in (x, t). (4)
i=0
8
1 X in
u(x, t) = vi fi (x, t), (5)
ρ(x, t)
i=0
8 / 43
Método de Lattice Boltzmann - BGKW
vi · u 1 2 1 2
E (i, ρ, u) = ρ si 1 + 2 + 4 (vi · u) − 2 u , (7)
cs 2cs 2cs
9 / 43
Método Lattice Boltzmann - BGKW
∂u
+ (u · ∇)u = −∇p + ν∇2 u − γu. (8)
∂t
• Perturbação das populações do valor de equilíbrio
u→
− u − γu, (9)
10 / 43
Método de Lattice Boltzmann
• Re = Lu
ν = 350
11 / 43
Escoamento
12 / 43
Lançamento de partículas
13 / 43
Dinâmica das partículas
d⃗vp
mp = F⃗D + F⃗L (11)
dt
Onde
π
F⃗D = ρdp2 CD |⃗vrel |⃗vrel (12)
8
e
⃗ × ⃗vf )
⃗vrel × (∇
F⃗L = 1.61dp2 (ρµ)1/2 q (13)
⃗ × ⃗vf |
|∇
14 / 43
Dinâmica das Partículas
d⃗vp
mp = 3πρdp ν⃗vrel + 1.61dp2 (ρµω)1/2 ⃗vrel × ω̂ (15)
dt
15 / 43
Dinâmica das Partículas
⃗r −→ d r⃗′
a2 ′
t −→ t = τf t ′
Γ
Γ
ω −→ 2 ω ′
d
A escala de tempo característica das partículas é dada por:
ρp dp2
τp = (16)
18µ
16 / 43
Dinâmica das Partículas
τp ρp dp2 Γ
St = = (17)
τf 18µa2
Com isso, a equação de movimento fica:
d⃗vp
= cD ⃗vrel + cL (ω)1/2 ⃗vrel × ω̂ (18)
dt
Onde, s
τΓ 1.61 2ρ τΓ
cD = , cL = (19)
τp π ρp τp
17 / 43
Histogramas de deposição
Figura: Deposição de partículas ao longo do canal. Em cores quentes, sem fricção. E em cores frias,
com fricção. Os dados estão separados por altura e por cruzar ou não cruzar o canal.
18 / 43
Deposição de partículas - probabilidades
19 / 43
Trajetórias em Campo Médio
0
=0
0
=0
20 / 43
Análise do escoamento - swirling strength criterion
21 / 43
Swirling strength
∂1 v1 ∂2 v1
A= . (20)
∂1 v 2 ∂2 v 2
22 / 43
Swirling strength
M = ⟨|λci |⟩ (23)
λ0 = M + nσ, (25)
23 / 43
Identificação das estruturas
24 / 43
Número de estruturas identificadas ao longo de todos os
snapshots e x>600
− 1.72 × 105
• γ=0→
− 1.65 × 105
• γ ̸= 0 →
25 / 43
Raio médio das estruturas ao longo do canal
30
=0
0
24
Raio médio
18
12
6
600 650 700 750 800 850 900 950 1000 1050 1100
x
26 / 43
Raio médio das estruturas ao longo do canal
27 / 43
Circulação
Z
Γ= (∇ × u) · dS, (26)
S
Z
Γ= ω · dS, (27)
S
28 / 43
Circulação
10000
=0
0
8000
6000
População
4000
2000
0
5.0 7.5 10.0 12.5 15.0 17.5 20.0
29 / 43
Vórtices Catapulta
30 / 43
• A fricção não reduziu o número de estruturas vorticosas
identificadas;
31 / 43
Interação Partícula-Vórtice
γ=0 γ ̸= 0
p(c|v) 0.11367 0.06821
p(c|nv) 0.23188 0.00629
32 / 43
Caso 1: γ ̸= 0
Com fricção
p(c|v) 0.06821
p(c|nv) 0.00629
33 / 43
Trajetória próxima a do campo médio - γ ̸= 0
34 / 43
Trajetória com pouca interseção entre partícula e vórtice -
γ ̸= 0
35 / 43
Trajetória com mais interseção entre partícula e vórtice -
γ ̸= 0
36 / 43
Caso 2: γ = 0
γ=0
p(c|v) 0.11367
p(c|nv) 0.23188
37 / 43
Histograma de colisões, quando as partículas não encontram
vórtices
39 / 43
Trajetória com mais interseção entre partícula e vórtice -
Sem Campo
40 / 43
Trajetória próxima a do campo médio - Sem Campo
41 / 43
Conclusões
42 / 43
Perspectivas futuras
• Machine learning
• Aplicações ao PRIMATE.
43 / 43