TCC-Ruan Santiago

UNIVERSIDADE FEDERAL FLUMINENSE
ESCOLA DE ENGENHARIA
PROGRAMA DE GRADUAÇÃO EM ENGENHARIA MECÂNICA
Ruan de Vasconcelos Santiago
Simulação de tubos de pitot utilizando dinâmica dos

fluidos computacional
Niterói, RJ
2022
Simulação de tubos de pitot utilizando dinâmica dos fluidos

computacional
Trabalho de Conclusão de Curso apresentado ao

Curso de Engenharia Mecânica da Universidade
Federal Fluminense, como requisito parcial para
obtenção do grau de Engenheiro Mecânico.
Orientador:
Prof. DSc César Cunha Pacheco
Niterói, RJ
2022
Ficha catalográfica automática - SDC/BEE
Gerada com informações fornecidas pelo autor
S235s Santiago, Ruan de Vasconcelos

Simulação de tubos de pitot utilizando dinâmica dos
fluidos computacional / Ruan de Vasconcelos Santiago. - 2022.
71 f.
Orientador: César Cunha Pacheco.

Trabalho de Conclusão de Curso (graduação)-Universidade
Federal Fluminense, Escola de Engenharia, Niterói, 2022.
1. Dinâmica dos Fluidos Computacional. 2. Simulação

Computacional. 3. Tubo de Pitot. 4. Produção intelectual. I.
Cunha Pacheco, César, orientador. II. Universidade Federal
Fluminense. Escola de Engenharia. III. Título.
CDD - XXX
Bibliotecário responsável: Debora do Nascimento - CRB7/6368

Simulação de tubos de pitot utilizando dinâmica dos fluidos

computacional
Trabalho de Conclusão de Curso apresentado ao

Curso de Engenharia Mecânica da Universidade
Federal Fluminense, como requisito parcial para
obtenção do grau de Engenheiro Mecânico.
Grau: 8,0.
Aprovado em 16/12/2022
BANCA EXAMINADORA
Prof. DSc César Cunha Pacheco

Orientador
Prof. DSc Kleber Marques Lisbôa
Profa. Dsc Isabela Florindo Pinheiro
Niterói, RJ
2022
i
Agradecimentos
Agradeço a Deus, a minha família por todo suporte me dado ao longo da vida e também
aos meus professores e amigos.
ii
If I have seen further it is by standing on the shoulders of Giants - Isaac Newton

iii
Resumo
O tubo de Pitot é um importante equipamento para indústria aeronáutica, pois é responsável
por informar a tripulação dados referente a velocidade da aeronave relativa ao ar atmosférico.
Este aparelho possui um problema crônico de congelamento sem solução definitiva que pode
ocasionar acidentes fatais. Portanto, estudos sobre o comportamento desta sonda em diversas
condições ambientais se faz necessário para que cenários de desastres aéreos possam ser evitados.
O objetivo deste trabalho é realizar simulações computacionais em tubos de Pitot para obter
uma melhor compreensão dos fenômenos térmicos envolvidos. Além de mostrar a capacidade
que os métodos de dinâmica dos fluidos computacional têm para aumentar a segurança aérea.
Espera-se que este trabalho possa servir a futuros projetos de pesquisa para desenvolver métodos
de prevenção de formação de gelo do tubo de Pitot. Para este trabalho foi utilizado o software
ANSYS Fluent e pode-se obter resultados fundamentais para a análise térmica como a temperatura
ao longo das seções transversais do tubo de Pitot, o coeficiente de transferência de calor e foi
possível realizar também um estudo de independência de malha.
Palavras-chave: Dinâmica dos Fluidos Computacional, Tubo de Pitot, Simulação computacional.

iv
Abstract
The Pitot tube is an important equipment for the aeronautical industry, as it is responsible
for informing the crew the speed of the aircraft relative to atmospheric air. This equipment
has a chronic freezing problem that cannot be definitively resolved, which can lead to fatal
accidents. Therefore, studies on the behavior of this probe in different environmental conditions
are necessary so that air disaster scenarios can be avoided. The objective of this work is to
perform computational simulations in Pitot tubes to obtain a better understanding of the thermal
phenomena involved. In addition to showing the ability that computational fluid dynamics
methods have to increase air safety. It is expected that this work can serve future research projects
to develop methods of preventing Pitot tube icing. For this work, the ANSYS Fluent software was
used and it was possible to obtain fundamental results such as the temperature along the cross
sections of the Pitot tube, the heat transfer coefficient and it was also possible to make a study of
mesh independence.
Keywords Computational Fluid Dynamics, Pitot Tube, Numerical Simulation.

v
Lista de ilustrações
1 Tubo de Pitot congelado. (JÄCKEL et al., 2020) . . . . . . . . . . . . . . . . 2

2 Resgate dos destroços do acidente com o voo AF-447 da Air France . . . . . 3
3 Tipos de tubo de Pitot existentes (NASA, 2022). . . . . . . . . . . . . . . . . 4
4 Mecanismo de funcionamento do Pitot (CENGEL; CIMBALA, 2015). . . . 4
5 Tubo de Pitot a ser analisado (SOUZA et al., 2011) . . . . . . . . . . . . . . 5
6 Exemplo de análise CFD para otimizar um canal de ventilador. (OPENFOAM,
2022) . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 6
7 Tensões de superfícies em um elemento fluido em movimento. (KUNDU,
2015) . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 13
8 Algoritmo segregado para o solucionador baseado em pressão (Fonte: Produ-
zido pelo autor). . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 19
9 Algoritmo acoplado para o solucionador baseado em pressão (Fonte: Produ-
zido pelo autor). . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 20
10 Exemplo de plotagem realizada pelo pós-processador integrado ao ANSYS
Fluent (ARMEN; BRUCK, 2021). . . . . . . . . . . . . . . . . . . . . . . . . 21
11 Exemplo de gráfico de vetores de velocidade realizada pelo pós-processador
integrado ao ANSYS Fluent (ANSYS, 2022). . . . . . . . . . . . . . . . . . . 21
12 Exemplo de escoamento turbulento (POPE, 2000). . . . . . . . . . . . . . . 22
13 Malha na região próxima ao Pitot. . . . . . . . . . . . . . . . . . . . . . . . . 24
14 Malha computacional do domínio completo do Pitot. . . . . . . . . . . . . . 24
15 Perfil da velocidade através do tubo cilíndrico (Fonte: Produzido pelo autor). 25
16 Comparação entre a perfil análitico e número da velocidade em malha refinada
(Fonte: Produzido pelo autor). . . . . . . . . . . . . . . . . . . . . . . . . . . 26
17 Perfil de velocidade na placa plana (Fonte: Produzido pelo autor). . . . . . . 27
18 Perfil de temperatura na placa plana (Fonte: Produzido pelo autor). . . . . . 27
19 Gráfico de potência entre o gerado pelo Excel (Fonte: Produzido pelo autor). 28
20 Comparação entre a fórmula analítica e experimental do número de Nusselt
para o problema da placa plana (Fonte: Produzido pelo autor). . . . . . . . . 29
21 Tubo de Pitot a ser analisádo (Fonte: Produzido pelo autor). . . . . . . . . . 31
22 Tubo de Pitot preenchido (Fonte: Produzido pelo autor).. . . . . . . . . . . . 31
23 Pitot preenchido e cortado em seu eixo de simetria (Fonte: Produzido pelo
autor). . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 32
24 Domínios (Fonte: Produzido pelo autor). . . . . . . . . . . . . . . . . . . . . 33
25 Refinamento feito no corpo do Pitot primeira malha (Fonte: Produzido pelo
autor). . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 34
vi
26 Refinamento feito no corpo do Pitot segunda malha (Fonte: Produzido pelo

autor). . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 34
27 Refinamento feito no corpo do Pitot terceira malha (Fonte: Produzido pelo
autor). . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 35
28 Regiões de Fronteira (Fonte: Produzido pelo autor). . . . . . . . . . . . . . . 37
29 Malha 1 k − ε standard (Fonte: Produzido pelo autor). . . . . . . . . . . . . . 40
30 Malha 1 k − ε realizable (Fonte: Produzido pelo autor). . . . . . . . . . . . . 40
35 Contorno de pressão ao longo do Pitot (Fonte: Produzido pelo autor). . . . . 46
36 Contorno de Velocidade no Pitot (Fonte: Produzido pelo autor). . . . . . . . 46
37 Contorno de Temperatura no Pitot (Fonte: Produzido pelo autor). . . . . . . 47
38 Contorno de temperatura em volume (Fonte: Produzido pelo autor). . . . . . 47
39 Contorno de temperatura ao longo das seções transversais (Fonte: Produzido
pelo autor). . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 48
40 Resíduos para cada simulação malha 1 (Fonte: Produzido pelo autor). . . . . 49
vii
Lista de tabelas
1 Domínios existentes. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 32
2 Valores dimensionais do volume de controle . . . . . . . . . . . . . . . . . . 32
3 Quantidade de células e nodos por malha. . . . . . . . . . . . . . . . . . . . 33
4 Quantidade de células geradas em cada Pitot . . . . . . . . . . . . . . . . . . 34
5 Tabela de parâmetros utilizados no ANSYS Fluent. . . . . . . . . . . . . . . . 35
6 Propriedades térmicas dos materiais utilizados e suas massas específicas. . 36
7 Valores de pressão e velocidades nos campos do domínio. . . . . . . . . . . 37
8 Temperatura final no eixo de simetria . . . . . . . . . . . . . . . . . . . . . . 38
9 Coeficiente de transferência de calor superficial em cada simulação. . . . . . 39
10 Temperaturas obtidas para a primeira malha. . . . . . . . . . . . . . . . . . . 39
11 Resíduos para a primeira malha. . . . . . . . . . . . . . . . . . . . . . . . . . 39
12 Temperaturas obtidas para a segunda malha. . . . . . . . . . . . . . . . . . . 41
13 Resíduos para a segunda malha. . . . . . . . . . . . . . . . . . . . . . . . . . 41
14 Temperaturas obtidas para a terceira malha. . . . . . . . . . . . . . . . . . . 43
15 Resíduos para a terceira malha. . . . . . . . . . . . . . . . . . . . . . . . . . . 43
16 Custo computacional para os modelos de turbulências. . . . . . . . . . . . . 45
viii
Lista de abreviaturas e siglas
CFD Computational Fluid Dynamics
FVM Finite Volume Method
RANS Reynolds Averaged Navier-Stokes
NTSB National Transportation Safety Board
NACA National Advisory Committee for Aeronautics
INMETRO Instituto Nacional de Metrologia, Qualidade e Tecnologia
ICAO International Civil Aviation Organization
NASA National Aeronautics and Space Administration
NACA National Advisory Committee for Aeronautics
DAR Defense Research Agency
ORENA Office National d’Etudes et de Recherches Aérospatiales
CNN Convulational Neural Network
DNN Deep neural network
RNN Recurrent neural network
SSKF Steady-State Kalman Filter
EDP Equação diferencial parcial
EDO Equação diferencial ordinária
SIMPLE Semi-Implicit Method for Pressure Linked Equations
SIMPLEC Semi-Implicit Method for Pressure Linked Equations-Consistent
PISO Pressure-Implicit with Splitting of Operators
FSM Fractional Step

ix
x
Lista de símbolos
ρ Massa específica, [kg /m 3 ]
µ Viscosidade, [kg /m · s ]
Re Número de Reynolds, [Adimensional]
Re L Número de Reynolds lamininar, [Adimensional]
Pr Número de Prandtl, [Adimensional]
Nu Número de Nusselt, [Adimensional]
Nu méd i o Número de Nusselt Médio, [Adimensional]
x∗ Variavel espacial. [m]
u Vetor velocidade, [m/s ]
u Escalar da velocidade, [m/s ]
ux Escalar da velocidade em x, [m/s ]
uy Escalar da velocidade em y, [m/s ]
u i′ Velocidade flutuante em i , [m/s ]
ū i Velocidade média, [m/s ]
l Comprimento característico do escoamento, [m ]
g Vetor força atuando no corpo, [N ]
gi Escalar do vetor força em i, [N ]
p Pressão, [Pa]
p̄ Pressão média, [Pa]
p′ Pressão flutuante, [Pa]
P1 Pressão de estagnação ,[Pa]
P2 Pressão de estática, [Pa]
τi j Equação constitutiva em notação indicial

xi
ei j Tensões geradas pela taxa de deformação em notação indicial, [Pa]
φ Taxa de dissipação viscosa, [W /m 2 ]
ψ Vetor de uma variável qualquer.
ψi Escalar de uma variável qualquer em i.
ψ̄i Média de uma variável qualquer em i.
t Tempo, [s]
∆t Variação do tempo, [s]
k Energia cinética turbulenta, [m 2 /s 2 ]
∆t Variação do tempo, [s]
ϵ Taxa de dissipação da energia cinética turbulenta, [m 2 /s 3 ]
δi j elemento do tensor Kronecker delta em i, [adimensional]
hs Coeficiente de transferência de calor superficial, [W /m 2 K ]
T Temperatura, [K]
E Energia interna, [W ]
SE Fonte de energia por unidade de volume, [W /m 3 ]

xii
Sumário
Agradecimentos . . . . . . . . . . . . . . . . . . . . . . . i
Resumo . . . . . . . . . . . . . . . . . . . . . . . . . . iii
Abstract . . . . . . . . . . . . . . . . . . . . . . . . . . iv
Lista de Ilustrações . . . . . . . . . . . . . . . . . . . . . . vi
Lista de tabelas . . . . . . . . . . . . . . . . . . . . . . . vii
Lista de abreviaturas e siglas . . . . . . . . . . . . . . . . . . . viii
Lista de símbolos . . . . . . . . . . . . . . . . . . . . . . . x
1 INTRODUÇÃO . . . . . . . . . . . . . . . . . . . . . . . 1
1.1. Motivação . . . . . . . . . . . . . . . . . . . . . . . 1
1.2. O Tubo de Pitot . . . . . . . . . . . . . . . . . . . . . 3
1.3. A importância da dinâmica dos fluidos computacional na segurança aero-

náutica . . . . . . . . . . . . . . . . . . . . . . . . . . 5
1.4. Fatores que influenciam o congelamento de superfícies aéreas . . . . . 6
1.5. Sistemas anti-gelo e degelo . . . . . . . . . . . . . . . . . 7
1.6. Organização do trabalho . . . . . . . . . . . . . . . . . . 8
1.7. Objetivos. . . . . . . . . . . . . . . . . . . . . . . . 8
1.7.1. Objetivos específicos . . . . . . . . . . . . . . . . . . . 8
2 REVISÃO BIBLIOGRÁFICA . . . . . . . . . . . . . . . . . . 9
2.1. Mecanismos de formação de gelo . . . . . . . . . . . . . . . 9
2.2. Simulações numéricas em tubos de Pitot . . . . . . . . . . . . . 10
2.3. Estudos experimentais . . . . . . . . . . . . . . . . . . . 11

xiii
3 MECÂNICA DOS FLUIDOS. . . . . . . . . . . . . . . . . . . 12
3.1. Equações Governantes . . . . . . . . . . . . . . . . . . . 12
3.1.1. A equação de conservação de massa . . . . . . . . . . . . . . 12
3.1.2. Momentum e as equações de Navier-Stokes . . . . . . . . . . . 13
3.1.3. A equação de energia . . . . . . . . . . . . . . . . . . . 15
4 DINÂMICA DOS FLUIDOS COMPUTACIONAL . . . . . . . . . . . 16
4.1. Método de Volumes Finitos . . . . . . . . . . . . . . . . . 16
4.2. Pré-Processamento . . . . . . . . . . . . . . . . . . . . 16
4.3. Solucionador . . . . . . . . . . . . . . . . . . . . . . 17
4.3.1. Resíduos e Convergência . . . . . . . . . . . . . . . . . 17
4.3.2. Discretização das equações governantes . . . . . . . . . . . . 17
4.3.3. Solucionador baseado em pressão . . . . . . . . . . . . . . 18
4.4. Pós-processador . . . . . . . . . . . . . . . . . . . . . 20
4.5. Turbulência . . . . . . . . . . . . . . . . . . . . . . . 21
4.5.1. As equações de Navier Stokes (RANS) . . . . . . . . . . . . . 22
4.5.2. Modelos clássicos de turbulência . . . . . . . . . . . . . . . 23
4.6. Malha Computacional . . . . . . . . . . . . . . . . . . . 24
4.7. Testes preliminares do pacote ansys fluent . . . . . . . . . . . . 24
4.7.1. Escoamento laminar em um tubo de cilíndrico . . . . . . . . . . 25
4.7.2. Transferência de calor por escoamento em uma placa plana . . . . . 25
5 METODOLOGIA DO TRABALHO . . . . . . . . . . . . . . . . 30
5.1. Geometria da peça . . . . . . . . . . . . . . . . . . . . 30
5.1.1. Geração de Domínio . . . . . . . . . . . . . . . . . . . 32

xiv
5.2. Geração de malha . . . . . . . . . . . . . . . . . . . . 33
5.3. Configurações de parâmetros do ANSYS Fluent . . . . . . . . . . 35
5.3.1. Definições de escoamento . . . . . . . . . . . . . . . . . 36
5.4. Condições de Contorno . . . . . . . . . . . . . . . . . . . 36
6 RESULTADOS. . . . . . . . . . . . . . . . . . . . . . . . 38
6.1. O estudo de independência de malha . . . . . . . . . . . . . . 38
6.2. Coeficientes de transferência de calor superficial da ponta do Pitot . . . 38
6.3. Caso primeira malha . . . . . . . . . . . . . . . . . . . 39
6.3.1. Valores de temperatura e resíduos . . . . . . . . . . . . . . 39
6.3.2. Gráfico da temperatura obtida no eixo de simetria da primeira malha . . 40
6.4. Caso segunda malha . . . . . . . . . . . . . . . . . . . . 41
6.4.1. Valores de temperatura e resíduos para segunda malha . . . . . . . 41
6.4.2. Gráficos da temperatura obtida no eixo de simetria da segunda malha. . 42
6.5. Caso terceira malha . . . . . . . . . . . . . . . . . . . . 43
6.5.1. Valores de temperatura e resíduos para terceira malha . . . . . . . 43
6.5.2. Gráficos da temperatura obtida no eixo de simetria da terceira malha . . 44
6.6. Comparação entre os custos computacionais . . . . . . . . . . . 45
6.7. Gráficos de contorno . . . . . . . . . . . . . . . . . . . 45
6.8. Contorno de Pressão. . . . . . . . . . . . . . . . . . . . 45
6.8.1. Contorno de Velocidade . . . . . . . . . . . . . . . . . . 46
6.8.2. Contornos de Temperatura . . . . . . . . . . . . . . . . . 47
6.9. Gráficos de Resíduos para cada malha . . . . . . . . . . . . . 48
7 CONCLUSÕES . . . . . . . . . . . . . . . . . . . . . . . 50
7.1. Recomendações para trabalhos futuros . . . . . . . . . . . . . 50
REFERÊNCIAS . . . . . . . . . . . . . . . . . . . . . . . 51
1
1 INTRODUÇÃO
1.1 M OTIVAÇÃO
Desde os primórdios da aviação, o congelamento de superfícies aeronáuticas é motivo de
preocupação e estudo de engenheiros e cientistas. (HEINRICH et al., 1991) lista três condições
principais de formação de gelo em superfícies aeronáuticas: sincelo, que é o congelamento
devido à neblina; formação de gelo, devido ao glaciamento de gelo; formação de gelo, devido à
geada.
O principal mecanismo de formação de gelo nas superfícies de uma aeronave ocorre por
gotas de águas super-resfriadas que atingem a superfície durante o voo (GENT, 2000). Estas
gotículas de água são aquelas que mesmo estando a uma temperatura abaixo do ponto de fusão
da água, ainda assim permanecem em estado líquido (GENT, 2000). Devido a sua pequena
massa e inércia, estas gotículas podem percorrer a superfície em que tocam durante o voo. O
impacto destas gotículas na superfície acaba fazendo-as congelar, devido a sua instabilidade,
uma vez que seu estado é perturbado (GENT, 2000).
Diversos problemas surgem devido ao congelamento. A formação de gelo na fuselagem
do avião, por exemplo, ocasiona a diminuição da sustentação e aumento do peso da aeronave.
Caso a formação de gelo ocorra em partes móveis, a estabilidade e controle da aeronave será
afetada (GENT, 2000). Além das superfícies, sensores também podem ser afetados por congela-
mento, como o caso do tubo de Pitot. Este equipamento é responsável por monitorar a velocidade
do ar durante o voo e seu congelamento pode gerar medidas incorretas de velocidade, podendo
ocasionar uma catástrofe. A figura 1 mostra um exemplo de um tubo de pitot congelado durante
um experimento. Fora do campo das ciências aéreas, o tubo de Pitot possui diversas aplicações,
pois é utilizado para medição de velocidade em uma variedade de fluidos sejam eles compre-
ensíveis, incompressíveis, multifásicos com escoamentos subsônicos, supersônicos e também
escoamentos turbulentos (GENT, 2000). De acordo com a Organização Internacional de Aviação
Civil (ICAO), 42 acidentes de aeronaves causados por gelo ou congelamento aconteceram no
período de 1986 a 1996, e 39% deles foram fatais para pelo menos uma pessoa (LI; PAOLI,
2022). Fica evidente, portanto, a gravidade do problema que é o congelamento de superfícies
aéreas.
2
Figura 1 – Tubo de Pitot congelado. (JÄCKEL et al., 2020)
A quantidade de estudos na literatura sobre a formação de gelo em tubos de Pitot é baixa,

porém, um aumento relevante ocorreu nas últimas três décadas devido à incidentes envolvendo o
mesmo equipamento.
Um caso notório foi o voo AF447. Esta era rota aérea regular da companhia AirFrance,
entre Paris e Rio de Janeiro. Em 2009, durante o voo, um conjunto de sondas de Pitot foram
obstruidas por cristais de gelo e medições incorretas de velocidades foram informadas aos pilotos.
(PALMER, 2013).
Devido a um conjunto de medidas erradas tomadas pela equipe e a falta de treinamento
da tripulação para lidar com estol em altas altitudes. A aeronave caiu no oceano atlântico e uma
operação de buscas às vítimas foi iniciada, sendo utilizado 12 aviões e 11 navios militares. Um
total de mil e quinhentas horas de voo, e trezentos e cinquenta mil quilômetros quadrados de
área foram rastreados a procura das vítimas. (G1, 2009)
Totalizado 26 dias por busca, a operação se deu por encerrada. Uma nova busca aos
destroços do avião aconteceu em 2011 e neste ano, as autoridades francesas recuperaram as duas
caixas pretas da aeronave. Em 2012, um relatório realizado pelo órgão francês Escritório de
Investigações e Análises, apresentou que uma combinação de erros de avaliação dos pilotos e a
obstrução por cristais de gelo das sondas, foram apontadas como causas do acidente (PALMER,
2013).
Acidentes semelhantes aconteceram devido ao mal funcionamento do equipamento
como nos voos Birgenair Flight 301, Northwest Airlines Flight 6231. Neste último a aeronave
perdeu um total de 7300 metros de altitude em apenas 83 segundos (NSTB, 1974). Toda a
tripulação morrera no impacto da aeronave com o solo. Investigações realizadas pelo National
Transportation Safety Board (NTSB), o órgão responsável por liderar as investigações, concluiu
que a tripulação não possuía nenhum sistema de aquecimento do Pitot ativo durante o voo (NSTB,
1974).
Fica evidente, portanto, a necessidade de mais estudos e análises deste equipamento para
aumentar a segurança de voo e prevenir acidentes que custam vidas.
3
Figura 2 – Resgate dos destroços do acidente com o voo AF-447 da Air France
(UOL, 2022).
1.2 O T UBO DE P ITOT

O tubo de Pitot tem seu nome originado de Henri Pitot, engenheiro francês que criou
o equipamento a fim de aferir a velocidade da água no rio Sena no século XVIII (FOLSOM,
1956). Atualmente, existe uma variedade de modelos de tubos de Pitot para as demandas da
engenharia moderna. Este tipo de sensor possui geralmente duas classificações, sendo a primeira
para aqueles que calculam apenas a pressão estática e a segunda para os que calculam a pressão
dinâmica e estática do campo de pressão do fluido (FOLSOM, 1956).
Na década de 1930, estudos fundamentais sobre o tubo de Pitot foram realizados para
medições de velocidades em líquidos como a água. Os estudos de mais destaques foram os
produzidos por Hubbard (1939), Cole (1939) e Allen (1932). A partir desta década, o Pitot foi
inserido em uma gama de aplicações em diversos ramos industriais (FOLSOM, 1956).
O funcionamento do tubo é simples. Primeiro, o tubo deve ser instalado paralelamente
ao fluxo de fluido analisado com seu orifício em sentido contrário ao movimento do fluido.
Quando o fluido se movimenta, um aumento de pressão ocorre no orifício fazendo com que o
tubo consiga medir o campo de pressão e consequentemente a velocidade do fluido pode ser
determinada (CENGEL; CIMBALA, 2015).
O tubo de Pitot possui uma tomada de pressão no ponto de estagnação para medir a
pressão de estagnação, enquanto um tubo estático de Pitot tem a tomada de pressão de estagnação
e várias tomadas de pressões estáticas na circunferência, medindo tanto a pressão de estagnação
quanto as pressões estáticas. (CENGEL; CIMBALA, 2015). A figura 3 mostra os tipos existentes
de tubo de Pitot, enquanto que a figura 4 exibe o seu mecanismo de atuação.
4
Figura 3 – Tipos de tubo de Pitot existentes (NASA, 2022).
Figura 4 – Mecanismo de funcionamento do Pitot (CENGEL; CIMBALA, 2015).
O tubo de Pitot a ser analisado neste trabalho é mesmo que equipa as aeronaves A-4
Skyhawk, utilizados no trabalho de Souza et al. (2011). Sua geometria e seu desenho técnico
podem ser observados na figura 5.
5
(a) Sonda Pitot-PH-510 (b) Desenho técnico da sonda PH-510 da sonda.

Figura 5 – Tubo de Pitot a ser analisado (SOUZA et al., 2011)
1.3 A IMPORTÂNCIA DA DINÂMICA DOS FLUIDOS COMPUTA -

CIONAL NA SEGURANÇA AERONÁUTICA
Estudos têm demonstrado que a utilização de métodos de dinâmica dos fluidos computa-
cional (CFD), são uma forma bastante efetiva para predizer as formações de gelo e sua severidade
em condições de voo (LI; PAOLI, 2022). A dinâmica dos fluidos computacional (CFD) possibilita
resolver um conjunto de equações diferenciais parciais (EDP) para obter os campos de fluxo
de ar, trajetórias de gotas de água e formas de gelo. Estes são parâmetros fundamentais para
predizer a formação de gelo. (LI; PAOLI, 2022). Além disso, os métodos de CFD possibilitam
simulações em condições extremas, que não seriam possíveis em um laboratório por limitação
física, periculosidade ou recurso monetário, sendo ideal para estudar cenários de segurança
(VERSTEEG; MALALASEKERA, 1995). Portanto, algoritmos de CFD são ferramentas de
muito valor para criação de cenários e prevenção de acidentes, possibilitando um grau maior de
segurança para indústria aeronáutica. A figura 6 mostra um exemplo de aplicação prática do uso
de CFD na engenharia.
Outras vantagens em se utilizar os métodos CFD na solução de problemas de engenharia
são (VERSTEEG; MALALASEKERA, 1995):
• redução de prazos e custos de novos projetos
• capacidade de estudar sistemas onde experimentos controlados são difíceis ou impossíveis

de executar
• capacidade de estudar sistemas sob condições perigosas ou além de seus limites normais
de desempenho.
• nível praticamente ilimitado de detalhes dos resultados

6
Figura 6 – Exemplo de análise CFD para otimizar um canal de ventilador. (OPENFOAM, 2022)
1.4 FATORES QUE INFLUENCIAM O CONGELAMENTO DE SU -

PERFÍCIES AÉREAS
Como uma das propriedades a ser analisada neste trabalho é afetada pelo congelamento
das superfícies aéreas, no caso, o coeficiente de transferência de calor superficial, faz-se ne-
cessário abordar os parâmetros básicos que influenciam a formação de gelo. Gent (2000) lista
os principais parâmetros para o congelamento de superfícies durante o voo e entre eles se
encontram:
Temperatura do ar
Este é o parâmetro mais crítico para formação de gelo em superfícies aéreas. Gent (2000)
argumenta que a temperatura de superfície dita o fenômeno de congelamento e sua taxa de
ocorrência. Para ele, a temperatura de superfície é mais importante que a temperatura estática do
corpo. Ela define se será possível a formação de gelo e sua taxa de formação.
Concentração de água líquida
Este parâmetro pode ser expresso como sendo a massa de água por metro cúbico. Com
ele se diferenciam as gotículas super-resfriadas dos possíveis cristais de gelo encontrados nas
nuvens. Para um alto valor de concentração de água líquida, maior será o requerimento energético
para evitar que a superfície congele (GENT, 2000).
Diâmetro das gotículas de água
Quanto maior for o diâmetro das gotículas de água, menor será o efeito das forças
aerodinâmicas locais e, portanto, estas gotículas tenderão a realizar uma trajetória mais reta,
devido ao domínio da inércia sobre o movimento. Por outro lado, gotículas com diâmetro
muito pequeno e pouca massa, tendem a seguir a trajetória do ar e acabam não impactando nas
superfícies. Portanto, o ato de uma gota impactar ou não uma superfície irá depender da razão
entre as forças aerodinâmicas e inerciais (GENT, 2000) .
7
Velocidade do ar
A primeira influência da velocidade do ar em superfícies aéreas se dá pelo fato de que,
quanto maior é a velocidade do ar, maior será a o volume de gotículas que irão se chocar contra
a superfície em um determinado intervalo de tempo (GENT, 2000).
Altitude
Este é outro parâmetro que afeta a condição de formação de gelo de maneira indireta,
pois quanto maior for a altitude, menor será a temperatura ambiente, com isso o potencial para
condensação de gotículas e condições de congelamento aumenta (GENT, 2000).
1.5 S ISTEMAS ANTI - GELO E DEGELO

Para contornar o problema de superfícies congeladas e formação de gelo, diversos autores
já propuseram sistemas anticongelamento e degelo para as aeronaves. O modelo computacional
a ser analisado neste trabalho considera um sistema de aquecimento inserido uniformemente no
tubo de Pitot. Heinrich et al. (1991) lista cinco tipos, entre eles: sistema de degelo utilizando
fluidos, sistemas utilizando ar quente, sistema de degelo utilizando impulsos elétricos, sistema
de degelo pneumático e sistema eletrotérmico.
Sistema de degelo eletrotérmico
No sistema eletrotérmico, a fonte de energia poderá ser o próprio sistema elétrico da
aeronave como também um gerador exclusivo para esta tarefa. O mecanismo de aquecimento
ocorre pela energia dissipada no resistor que é passada para o material da superfície a ser
protegida. Este princípio é utilizado tanto para o degelo quanto para o anti-gelo. Os componentes
desse sistema são: fonte de energia, resistores, sistema de controle e distribuição de energia
(HEINRICH et al., 1991).
Sistema de degelo pneumático
Neste sistema, a remoção é realizada de forma mecânica, onde tubos situados sob a
superfície a ser protegida inflam e desinflam de maneira cíclica para a quebra do gelo na superfície
(HEINRICH et al., 1991).
Sistema de degelo utilizando fluidos
Neste sistema o mecanismo de ação do fluido funciona da seguinte forma: A superfície
a ser protegia é coberta por um fluido de maneira contínua e ao se juntar com as partículas de
água, um novo composto surge e adquire uma temperatura de fusão menor que a da água, com
isso qualquer formação de gelo na superfície acaba sendo evitada pois ocorre um deslizamento
pelo fluido que sairá da superfície devido às forças agindo sobre ele ou evaporará (HEINRICH
et al., 1991).
Sistema de ar quente
8
Neste método, utiliza-se o ar como fonte de energia sendo ele transportado para aquecer
a superfície desejada. O ar quente a ser utilizado pode ser provido das turbinas, gerados por pela
queima do combustível ou do motor. Dentre esses sistemas, o mais utilizado no tubo de Pitot é o
sistema eletrotérmico (HEINRICH et al., 1991).
As simulações analisadas neste trabalho consideram um sistema de aquecimento interno
no tubo de Pitot como fonte de energia interna.
1.6 O RGANIZAÇÃO DO TRABALHO

No segundo capítulo apresenta-se uma revisão bibliográfica da literatura sobre o tema.
No terceiro capítulo são abordados conceitos de mecânica dos fluidos fundamentais para
o entendimento das simulações apresentadas no trabalho.
No quarto capítulo são abordados conceitos de dinâmica dos fluidos computacional
utilizados para solucionar os escoamentos propostos neste trabalho.
No quinto capítulo é descrita a metodologia do aplicada para a realização das simulações
numéricas.
No sexto capítulo, apresenta-se os resultados obtidos nas simulações numéricas.
No sétimo capítulo, apresenta-se as conclusões gerais e recomendações para futuros
trabalhos.
1.7 O BJETIVOS
O objetivo deste trabalho é realizar análises térmicas em condições de baixa temperatura
em uma tubo de Pitot.
1.7.1 O BJETIVOS ESPECÍFICOS
• Realizar simulações em condições de baixa temperatura e verificá-los por convergência

residual.
• Monitorar o comportamento da temperatura ao longo do tempo.
• Obter valores de temperatura ao longo das seções transversais do Pitot, após a convergência
residual.
• Realizar um estudo sobre independência de malha.
• Obter os coeficientes de transferência de calor superficiais na ponta do Pitot.
• Obter os perfils de velocidade, temperatura e pressão

9
2 Revisão Bibliográfica
2.1 M ECANISMOS DE FORMAÇÃO DE GELO

Rodert (1940) iniciou pesquisas a respeito de congelamento em aeronaves na Natio-
nal Advisory Committee for Aeronautics (NACA). Apresentando soluções que por meio de
aquecimento elétrico para o congelamento de para-brisas.
Lewis (1947) colheu informações de voo para avaliar quais eram as condições meteoro-
lógicas que afetavam a intensidade das formações de gelo.
Messinger (1953) desenvolveu uma metodologia para calcular a temperatura da superfície
em um cilindro rotativo de superfície adiabática e em equilíbrio termodinâmico com escoamento
de ar. Seus achados foram de extrema importância para futuros modelos computacionais de
formação de gelo.
Sherif, Pasumarthi e Bartlett (1997) descreveram um modelo semiempirico para predizer
a transferência de calor local, além das taxas de acúmulo de gelo em asas de avião em várias
condições ambientais.
Wright, Gent e Guffond (1997) apresentaram um relatório em conjunto da DRA, NASA
e ONERA comparando qual dos códigos gerados por cada uma dessas instituições performava
melhor para simular o congelamento de aeronaves.
Myers (2001) desenvolveu um modelo matemático para o crescimento de gelo devido ao
impacto de fluidos super-resfriados. Sendo este modelo uma extensão do modelo de Messinger.
Cristofaro, Johansen e Aguiar (2017) utilizaram uma abordagem de modelos múltiplos
aninhados e adaptativos para conseguir detectar e identificar gelo em aeronaves. Os autores
utilizaram duas arquiteturas para o esquema de estimativa uma para o acúmulo de gelo nas
superfícies aéreas e outra para o acúmulo de gelo nos sensores.
Dong (2018) implementou técnicas de redes neurais para detecção e caracterização de
gelo na aeronave durante o voo. Entre elas foi utilizado o modelo de redes neurais profundas
(DNNs), rede neurais recorrente (RNN) e convolucional (CNN). Para avaliar o desempenho
da abordagem baseada em DNN, o autor realizou testes para simular diferentes casos que
correspondem a gelo limpo em diferentes locais da aeronave variando o nível de magnitude.
Xianglian et al. (2020) investigou o efeito do congelamento do Pitot sobre a pressão. Em
seu estudo, descobriu que nos casos de congelamento por geada, a pressão total do tubo de Pitot
decai no mesmo nível que a pressão estática. Quando o Pitot é congelado devido a glaceamento
de gelo, a pressão do tubo de Pitot decai gradualmente e permanece menor que a pressão estática.
10
2.2 S IMULAÇÕES NUMÉRICAS EM TUBOS DE P ITOT

Souza et al. (2011) utilizando uma formulação concentrada clássica na direção radial
e uma formulação local ao longo da variável longitudinal, os autores conseguiram prever
distribuições de temperatura ao longo do corpo de tubos de Pitot. Os resultados teóricos foram
validados com ensaios no túnel de vento do INMETRO.
Souza et al. (2012) validaram os coeficientes de transferência de calor considerando
o problema conjugado completo, resolvendo o problema de escoamento e transferência de
calor também no fluido, desta vez em regime compressível. Os autores utilizaram a Técnica
da Transformada Integral Generalizada para solucionar as equações de convecção-difusão
resultantes. Também foram feitos ensaios em voo que permitiram validar o modelo construído.
Souza et al. (2015) revisaram estudos teóricos-experimentais sobre problemas de trans-
ferência de calor conjugado associados a um comportamento térmico transiente e argumenta a
importância de levar em consideração os casos conjugados de convecção-condução em modelos
mais complexos que tentam predizer o comportamento do sistema anti-gelo em um tubo de
Pitot sob condições atmosféricas adversas. A sua análise experimental inclui o comportamento
térmico de um tubo de Pitot em testes de voo e em túneis de vento. Para solucionar o problema
de transferência de calor por convecção foi utilizado o modelo de camada limite para fluidos
compreensíveis aplicando a transformação de variáveis de Illingsworth. As equações parciais
não lineares foram solucionadas utilizando a técnica da transformada integral generalizada pelo
software Mathematica.
Ozcer et al. (2019) desenvolveram uma técnica de geração de malha CFD automatizada
para simulações de congelamento em aeronaves.
Jäckel et al. (2019) fizeram análises utilizando as propriedades de um tubo de Pitot
caracterizado experimentalmente considerando as suas propriedades internas e do material. Ex-
perimentos em diversas condições foram feitos para analisar o processo de resfriamento do tubo
de Pitot . Assim, diversos dados como a condutividade térmica, difusividade e calor específico
do material puderam ser obtidos e um modelo para simular o comportamento térmico foi criado
utilizando o Comsol Multiphysics. Em seguida os valores dos experimentais e númericos foram
comparados afim de validar a modelo gerado.
Jäckel et al. (2020) realizaram um projeto de tubo de Pitot que, em caso de falha de
aquecimento, ocorresse o retardamento do congelamento da ponta do Pitot. O projeto consistiu
em um sistema de aquecimento redundante que incorporava materiais que possuísse mudança de
fase. O modelo matemático combinou observações experimentais de formação de gelo com o
modelo de transferência de calor conjugada e a adição de calor devido à mudança de fase do
material.
Diniz e Pacheco (2022) identificaram o congelamento de tubos de Pitot em tempo real,
por meio do coeficiente de transferência de calor em sua ponta. Para o problema em questão,
11
foi utilizado uma análise inversa dentro da abordagem Bayesiana. Um modelo de condução de
calor é utilizado para descrever a temperatura média do Pitot. O problema inverso foi resolvido
utilizando o filtro de Kalman de estado estacionário (SSKF). Os resultados obtidos demonstraram
que o SSKF é capaz de obter os valores do coeficiente de transferência de calor das medições de
temperatura.
2.3 E STUDOS EXPERIMENTAIS

Jackel et al. (2018) estudaram experimentalmente o resfriamento e acúmulo de gelo em
uma tubo de Pitot em caso de falha de aquecimento utilizando um túnel de vento climático.
Foi analizada a pressão medida através das entradas de pressão do tubo de Pitot, foi possível
correlacionar o acúmulo de gelo na tomada de pressão de estagnação com o erro de medição
para uma condição de teste. Em outras análises, observou-se que a seção lateral do cone de gelo
cresce rapidamente, de modo que não permitiu o bloqueio da tomada de estagnação.
Al-Masri (2020) realizaram uma gama de estudos experimentais para investigar o pro-
cesso de acúmulo de gelo sobre a superfície de um tubo de Pitot foram realizados, afim de avaliar
a eficácia de vários métodos anti-gelo e de degelo para amortecer o processo de congelamento
do tubo.
12
3 MECÂNICA DOS FLUIDOS
A mecânica dos fluidos tem como objetivo a análise de fluidos em repouso ou em movi-
mento, ramo este que se aplica a diversas áreas como a indústria automobilística, aeroespacial e
química (WHITE, 2007). Neste capítulo são apresentados conceitos fundamentais para a análise
do escoamento sobre a Pitot.
Número de Reynolds
Em 1883, Osbourne Reynolds produziu o clássico experimento que mostrou a importân-
cia do número admensional de Reynolds, assim denominado, posteriormente, em sua homenagem
(WHITE, 2007). Este é o parâmetro principal que correlaciona o comportamento viscoso dos
fluidos newtonianos (WHITE, 2007). Sua formulação pode ser descrita por:
ρul
Re = (3.1)
µ
ρ representa a massa específica do fluido, u a velocidade em que o fluido se movimenta ,

l o comprimento característico do escoamento e µ a viscosidade do fluido.
3.1 E QUAÇÕES G OVERNANTES

3.1.1 A EQUAÇÃO DE CONSERVAÇÃO DE MASSA
A equação de conservação de massa pode ser descrita por (KUNDU, 2015):
1 Dρ
+∇·u = 0 (3.2)
ρ Dt
Onde ρ é a massa específica do fluido, u é o vetor velocidade, ∇ é o gradiente vetorial,

Dρ
Dt
é a taxa de mudança de massa específica em uma partícula de fluido que pode ser diferente
de zero devido à mudanças na pressão, temperatura ou composição do fluido. (KUNDU, 2015).
Neste trabalho, foram consideradas as seguintes hipóteses:
• fluido contínuo
• escoamento incompressível
• propriedades físicas constantes

13
• fluido newtoneano
Dρ
Com isso, a taxa de mudança de massa específica Dt
será nula e devido a incompressibi-
lidade do fluido tem-se que:
∇·u = 0 (3.3)
3.1.2 M OMENTUM E AS EQUAÇÕES DE NAVIER -S TOKES

A equação do momentum
Considerando o momentum de uma partícula fluida infinitesimal, sobre a qual atuam as
tensões de superfíce mostradas na figura 7, a segunda lei de Newton estabelece: a variação do
momentum em uma direção é igual ao somatório das forças atuando nessa direção. (KUNDU,
2015).
Figura 7 – Tensões de superfícies em um elemento fluido em movimento. (KUNDU, 2015)
Assim, para a variação do mometum tem-se:

Du i ∂τi j
ρ = ρg i + (3.4)
Dt ∂x j
∂τ
Sendo g i a intensidade da resultante das forças de corpo no eixo i; ∂xijj é o componente da força
de superfície por unidade de volume do elemento em i. Esta equação também é conhecida como
equação de movimento de Cauchy (KUNDU, 2015).
A equação constitutiva do fluido newtoniano obedece a seguinte expressão (KUNDU,
2015):
14
µ ¶
2
τi j = − p + µ∇ · u + 2µe i j (3.5)
3
Onde p é a pressão termodinâmica relativa à massa específica do fluido, µ é a viscosidade

e e i j são elementos do tensor taxa de deformação dados pela seguinte expressão (KUNDU,
2015):
1 ∂u i ∂u j
µ ¶
ei j = + (3.6)
2 ∂x j ∂x i
As equações de Navier-Stokes
As equações de Navier-Stokes são um conjunto de equações diferenciais parciais (EDP)
de segunda ordem não lineares que governam o escoamento dos fluidos. Apresentam soluções
analíticas em casos muito particulares e até mesmo para geometrias simples estas equações
podem ser de difícil solução.(WHITE, 2007). Estas equações podem ser desenvolvidas aplicando
a equação (3.5) na equação (3.4) (KUNDU, 2015).
Du i ∂p ∂e i j 2µ ∂
ρ =− + ρg i + 2µ − (∇ · u) (3.7)
Dt ∂x i ∂x j 3 ∂x i
Du i ∂p 1 ∂
· ¸
2
ρ =− + ρg i + µ ∇ u i − (∇ · u) (3.8)
Dt ∂x i 3 ∂x i
Sua forma vetorial, para um escoamento incompressível e fluido newtoniano possui a

seguinte forma (KUNDU, 2015):
Du
ρ = −∇p + ρ g − µ∇2 u (3.9)
Dt
15
3.1.3 A EQUAÇÃO DE ENERGIA

No escoamento de um fluido newtoniano, a equação de energia do fluido pode ser
descritar por (KUNDU, 2015):
DE
ρ = −p(∇ · u) + ∇ · (k t ∇T ) + φ + S E (3.10)
Dt
Sendo E a energia interna do fluido, φ o termo de taxa de dissipação viscosa, k t a

condutiviade térmica, T a temperatura e S E a fonte de energia (VERSTEEG; MALALASEKERA,
1995).
16
4 Dinâmica dos Fluidos Computacional
A dinâmica dos fluidos computacional (CFD) possibilita a análise de sistemas que envol-
vem escoamento de fluidos, transferência de calor e seus fenômenos associados (VERSTEEG;
MALALASEKERA, 1995). Para que sejam solucionados os problemas de escoamento de flui-
dos, os códigos de CFD são programados utilizando algoritmos numéricos para solucionar as
condições impostas. O método utilizado nesse trabalho é o método de volumes finitos.
Além disso, outro ponto importante que será descrito neste capítulo são os elementos
em comum contidos nos principais pacotes comerciais de CFD disponíveis. Usualmente, os
pacotes de CFD possuem o pré-processador, o solucionador ou “solver”, e o pós-processador
(VERSTEEG; MALALASEKERA, 1995).
4.1 M ÉTODO DE VOLUMES F INITOS

No método de volumes finitos (MVF), o domínio é decomposto em diversos volumes de
controle. As propriedades e quantidades são tomadas como constantes no interior de cada volume
de controle. Isto faz com que as equações governantes que são normalmente equações diferenciais
parciais (EDP), sejam aproximadas por um sistema de equações diferenciais ordinárias (EDO)
de mais fácil solução (VERSTEEG; MALALASEKERA, 1995).
No MVF, a taxa de variação de uma variável qualquer no volume de controle com
respeito ao tempo será igual ao somatório da taxa líquida de aumento da variável no volume de
controle devido à difusão, à convecção e ao aumento líquido devido à fonte interna de energia
caso houver (VERSTEEG; MALALASEKERA, 1995). O método se distingue de outras técnicas
pelo seu passo inicial de integração do volume de controle.
4.2 P RÉ -P ROCESSAMENTO
É o momento inicial onde se estrutura as primeiras suposições do problema tais como:
definição da geometria, geração de malha, modelo físico, propriedades do fluido e condições de
contorno. Esta primeira parte é a mais importante entre as três, pois o problema proposto deve
ser bem definido para que o programa resolva o problema adequadamente. Todos estes fatores
precisam ser definidos, de acordo com o problema desejado (VERSTEEG; MALALASEKERA,
1995).
17
4.3 S OLUCIONADOR
O método utilizado pelo ANSYS Fluent para solucionar os problemas de escoamento é o
MVF. O método integra as equações governantes após discretizar o domínio (através da malha),
que é dividido em um número especificado de volume de controle. A integração ocorre em cada
um destes volumes, resultando na aproximação do problema original (EDP).
4.3.1 R ESÍDUOS E C ONVERGÊNCIA

Resíduos
Os resíduos são correções para as variáveis primitivas. Estas correções são as mudanças
nas variáveis entre as iterações atuais e anteriores. Os resíduos são calculados dividindo a
correção de uma célula por seu passo de tempo. (ANSYS, 2022)
Convergência
Não existe uma definição universal para a convergência de uma solução CFD. O monito-
ramento dos resíduos pode ser um bom parâmetro para determinados tipos de problema, porém,
em outros casos deve-se monitorar outras variáveis como, por exemplo, o arrasto ou coeficiente
de transferência de calor. (ANSYS, 2022)
4.3.2 D ISCRETIZAÇÃO DAS EQUAÇÕES GOVERNANTES

O estudo de caso do tubo de Pitot analisado neste trabalho discretiza as equações
governantes em um regime transiente. Assim, as equações governantes são discretizadas tanto
no espaço quanto no tempo. A discretização temporal envolve a integração de cada termo nas
equações diferenciais em um intervalo de tempo ∆t , esta é a forma que o programa soluciona
as equações (ANSYS, 2022). Sendo ψ uma variável vetorial qualquer a EDO a ser discretizada
pelo programa torna-se:
ψ
dψ
ψ)
= F (ψ (4.1)
dt
Onde a função F incorpora qualquer discretização espacial. Se a derivada temporal é

discretizada usando diferenças avançadas, a discretização temporal de primeira ordem é dada
por:
ψn+1 − ψn
ψ)
= F (ψ (4.2)
∆t
e a discretização de segunda ordem é dada por:
18
3ψn+1 − 4ψn + ψn−1

ψ)
= F (ψ (4.3)
2∆t
Onde:
ψ = variável vetorial qualquer.

• dψ
• ψ = quantidade da variável escalar qualquer.
• n + 1 = valor no próximo nível de tempo, t + ∆t .
• n = valor no nível de tempo atual, t .
• n − 1 = valor no nível de tempo anterior, t − ∆t .
4.3.3 S OLUCIONADOR BASEADO EM PRESSÃO

O solucionador baseado em pressão pode utilizar tanto um algoritmo de solução onde
as equações governantes são resolvidas sequencialmente (ou seja, segregadas umas das outras),
quanto acopladas (Coupled). Como as equações governantes são não lineares e acopladas, a
rotina de solução deve ser realizada iterativamente para obter uma solução numérica convergente
(ANSYS, 2022).
O algoritmo segregado
No algoritmo segregado, as equações governantes são resolvidas um após a outra. Cada
equação governante, ao ser resolvida, é "desacoplada"ou "segregada"de outras equações. O algo-
ritmo segregado torna-se eficiente no consumo de memória, visto que as equações discretizadas
só precisam ser armazenadas na memória uma de cada vez. Porém, a convergência da solução
é relativamente lenta, na medida em que as equações são resolvidas de forma desacoplada
(ANSYS, 2022). O algoritmo iterativo é definido da seguinte forma:
1. Atualiza as propriedades do fluido
2. Resolve as equações de momento.
3. Resolve a equação de correção de pressão usando o campo de velocidade obtido e o fluxo

de massa.
4. Corrige os fluxos de massa nas faces, a pressão e o campo de velocidade usando a correção
de pressão obtida na terceira etapa.
5. Resolve as equações para escalares adicionais.
6. Atualiza os termos de origem decorrentes das interações entre diferentes fases.

19
7. Verifica a convergência das equações.
Essas etapas são continuadas até que os critérios de convergência sejam atendidos.
Figura 8 – Algoritmo segregado para o solucionador baseado em pressão (Fonte: Produzido pelo
autor).
Configurações disponíveis para o solucionador baseado em pressão

O ANSYS Fluent fornece quatro tipos de algoritmos de solução segregados: SIMPLE,
SIMPLEC, PISO e Fractional Step (FSM). Esses são chamados de algoritmo segregado baseado
em pressão. (ANSYS, 2022).
Algoritmo acoplado
O algoritmo acoplado baseado em pressão resolve um sistema acoplado de equações
compreendendo as equações de momento e a equação de continuidade baseada em pressão
(ANSYS, 2022). Assim, no algoritmo acoplado, o segundo e terceiro passo do algoritmo de
solução segregada são substituídos por um único passo no qual o sistema de equações acoplado
é resolvido. As outras equações são resolvidas de forma desacoplada (ANSYS, 2022).
20
Figura 9 – Algoritmo acoplado para o solucionador baseado em pressão (Fonte: Produzido pelo
autor).
4.4 P ÓS - PROCESSADOR
Compreende o conjunto de pacotes responsável pela visualização dos dados, nele inclui-
se diversas ferramentas gráficas como plotagem 2D e 3D de superfície, plotagem de vetores
rastreamento de partículas e animações. Esta parte é essencial para que o engenheiro consiga
interpretar as análises obtidas (VERSTEEG; MALALASEKERA, 1995). As figuras 10 e 11,
mostram exemplos de como esses pacotes podem ser utilizados.
21
Figura 10 – Exemplo de plotagem realizada pelo pós-processador integrado ao ANSYS Fluent

(ARMEN; BRUCK, 2021).
Figura 11 – Exemplo de gráfico de vetores de velocidade realizada pelo pós-processador inte-

grado ao ANSYS Fluent (ANSYS, 2022).
4.5 T URBULÊNCIA
A turbulência é um fenômeno natural de caráter instável, caótico e de difícil compreensão.
Escoamentos turbulentos são prevalentes na engenharia, por isso seu estudo é essencial. Para o
senso comum, turbulência pode ser sinônimo de algo ruim ou indesejável, porém, na física esse
modelo de escoamento possui uma vantagem em comparação a escoamentos laminares que é
sua capacidade de transporte e mistura mais efetiva (POPE, 2000). Para se estudar a turbulência,
deve-se levar em conta os movimentos de pequena ou larga escala. Pope (2000) argumenta
que para números de Reynolds elevados há separações de escala, com a geometria do fluido
fortemente influenciando o comportamento turbulento de grande escala do fluido. Por outro lado,
para pequenas escalas o escoamento turbulento é muito mais afetado pela taxa de energia das
grandes escalas e também de sua viscosidade (POPE, 2000).
22
Figura 12 – Exemplo de escoamento turbulento (POPE, 2000).
4.5.1 A S EQUAÇÕES DE NAVIER S TOKES (RANS)

As médias temporais das equações de Navier-Stokes, também conhecidas como equações
RANS são um conjunto de equações utilizadas para a modelagem de escoamentos turbulentos
e complexos. Por causa das flutuações que ocorrem no escoamento turbulento, os termos de
velocidade e pressão tornam-se imprevisíveis. Nesse modelo o vetor velocidade é decomposto
em um componente médio e uma flutuação. (VERSTEEG; MALALASEKERA, 1995)
O componente médio uma variável qualquer pode ser calculado por:
1
Z t +∆t
ψ̄i = ψi d t (4.4)
∆t t
Onde ∆t é um período de cálculo de média maior que a escala de tempo característica

das estruturas turbulentas. Reynolds teve a ideia de decompor cada propriedade em uma média
mais uma flutuação (WHITE, 2007).
u i = u¯i + u i′ (4.5a)
p = p̄ + p ′ (4.5b)
A equação de Navier-Stokes em sua forma indicial torna-se:
∂ū i ∂ ∂ū i ∂ū j

· µ ¶ ¸
ρ ū j = ρg i + −p̄δi j + µ + − ρu i u j
′ ′
(4.6)
∂x j ∂x j ∂x j ∂x i
23
De acordo com White (2007), os novos termos da equação 4.6, −ρu i′ u ′j são denominados
tensões turbulentas. Possuem dimensão de tensão e tem efeito matemático de tensão mesmo sendo
termos de aceleração convectiva. Essas tensões devem ser relacionadas experimentalmente de
acordo com a geometria e condições de escoamento (WHITE, 2007); δi j é o delta de Kronecker.
4.5.2 M ODELOS CLÁSSICOS DE TURBULÊNCIA

Para que se pudesse solucionar as equações de Navier-Stokes RANS foi necessário
escolher modelos de turbulência que predizem as tensões de Reynolds e os termos de transporte
escalares. Aqui são discutidos os principais modelos existentes no pacote ANSYS Fluent. Os
pontos necessários para que um modelo de turbulência seja utilizável de maneira geral são
(VERSTEEG; MALALASEKERA, 1995):
• Grande gama de aplicabilidade
• Boa acurácia
• Simples e econômico de inicializar
Modelo k − ϵ standard
O modelo de turbulência k − ϵ é um modelo de escoamento turbulento semiempírico
produzido por Launder e Spalding em 1974. Neste modelo trabalha-se com a obtenção de energia
cinética k e a taxa de dissipação ϵ. Sua adoção se dá principalmente por ser um modelo robusto,
computacionalmente econômico e que proporciona uma acurácia razoável (ANSYS, 2022).
Modelo RNG k − ϵ
Este modelo, desenvolvido por Yakot e Orzarg, utiliza-se de técnicas derivadas da
mecânica estatística e de um rigoroso formalismo matemático denominada teoria do grupo de
renormalização. Sua modelagem é semelhante ao modelo k − ϵ porém inclui alguns refinamentos
e novos termos. Esse modelo é calculado utilizando o método matemático RNG que por sua
vez utiliza uma eliminação escalar para calcular a viscosidade efetiva que, por sua vez, pode
ser integrada para obter uma descrição de como o transporte turbulento varia de acordo com o
número de Reynolds. (ANSYS, 2022).
Modelo k − ϵ realizable
Este modelo é denominado realizable, pois satisfaz certas restrições matemáticas relativas
às tensões de Reynolds, possuindo também algumas vantagens em relação ao modelo tradicional
k—ϵ, pois porvê uma melhor análise de escoamentos quando se abrange rotação na camada
limite. Além disto, pode-se obter dados mais acurados sobre taxa de espalhamento de jatos
planos e circulares (ANSYS, 2022).
24
4.6 M ALHA C OMPUTACIONAL

A malha é o conjunto de elementos discretizados da geometria do problema. Poucos são
os casos de geometria em que as equações parciais diferenciais que governam o escoamento
dos fluidos podem ser resolvidas analiticamente. Assim, a geometria do domínio é dividida
em um conjunto de subdomínios e estes subdomínios, denominados de células ou volume
de controle, possuirão geometrias mais simples como triângulos, quadriláteros, hexaedros e
tetraedros (VERSTEEG; MALALASEKERA, 1995).
De acordo com Versteeg e Malalasekera (1995), o processo de geração de malha é o
processo mais longo da fase de pré-processamento dos problemas em dinâmica dos fluidos
computacional, pois a qualidade da malha é imprescindível para uma boa convergência numérica.
Além disso, um bom engenheiro deve saber fazer um bom balanceamento entre a acurácia e o
custo computacional que uma malhar pode gerar. As figuras 14 e 15 mostram respectivamente
exemplos de malhas computacionais.
Figura 13 – Malha na região próxima ao Pitot.
Figura 14 – Malha computacional do domínio completo do Pitot.
4.7 T ESTES PRELIMINARES DO PACOTE ANSYS FLUENT

O objetivo desta seção é ter um primeiro contato com o software ANSYS Fluent e suas
ferramentas de análise. Para isto, dois pequenos estudos foram realizados em geometrias simples,
25
sendo elas o escoamento através de um tubo e o escoamento em uma placa plana.
4.7.1 E SCOAMENTO LAMINAR EM UM TUBO DE CILÍNDRICO

O primeiro tipo de análise a ser estudado será o escoamento em tubo, pois esta geometria
possui solução analítica que pode ser encontrada na literatura mais recente podendo ser com-
parada com os resultados numéricos. Nesta análise de escoamento de tubo cilíndrico, foram
consideradas as seguintes condições:
• Escoamento laminar e estável
• fluido incompressível
• axissimétrico ao longo do eixo longitudinal
O diâmetro do tubo possuía 0,2 metros de diâmetro. O fluido considerado possuía massa
específica igual a 1 kg /m 3 , a velocidade de escoamento na entrada igual a 1m/s e uma pressão
atmosférica na saída.
Os valores de contorno de pressão e velocidade nas paredes do tubo foram considerados
como zero e o método utilizado para solucionar o sistema foi o SIMPLE. A verificação dos
resultados se deu comparando o gráfico da velocidade ao longo da seção transversal do tubo pelo
gráfico gerado com a solução analítica conforme mostra a figura 16.
Figura 15 – Perfil da velocidade através do tubo cilíndrico (Fonte: Produzido pelo autor).
4.7.2 T RANSFERÊNCIA DE CALOR POR ESCOAMENTO EM UMA PLACA

PLANA
O problema de escoamento externo em uma placa plana é um clássico problema de

engenharia. Nesse escoamento, a camada limite se desenvolve livremente, sem limitação alguma
26
Figura 16 – Comparação entre a perfil análitico e número da velocidade em malha refinada

(Fonte: Produzido pelo autor).
de qualquer superfície, exceto pela superfície da própria placa. Conforme o fluido percorre
a placa, um perfil de temperatura e gerado. Para este problema, considerou-se as seguintes
hipóteses:
• Caso isotérmico
• Escoamento unidirecional, laminar e incompressível
• propriedades físicas constantes e dissipação viscosa desprezível
• calor específico de 10000J /kg · K
• número de Prandtl igual a 1
• massa específica do fluido foi considerada como 1kg /m 3
• viscosidade de 1.10−4 kg /(m · s)
• velocidade u x = 1m/s nas fronteiras de contorno
• velocidade u y igual a 0.
• pressão atmosférica na saída

27
A placa foi considerada como tendo uma temperatura de 300K inicialmente, com toda
região do fluido possuindo uma temperatura de 400K. A placa apresentou o perfil de velocidade
mostrado na figura 17. Além disto pode-se ter uma ideia do perfil de temperatura da placa de
acordo com a figura 18.
Figura 17 – Perfil de velocidade na placa plana (Fonte: Produzido pelo autor).
Figura 18 – Perfil de temperatura na placa plana (Fonte: Produzido pelo autor).
A verificação do problema foi realizada comparando o gráfico gerado pelos resultados

da solução numérica do ANSYS Fluent para o número de Nusselt local e a solução analítica do
problema do número de Nusselt local. Para encontrar o valor do número de nusselt local de
forma analítica em uma placa plana, deve-se utilizar a seguinte equação que pode ser encontrada
em Incropera (2019):
1 1
Nu x = 0.332Re x2 P r 3 (4.7)
A solução numérica do problema foi exportada para o software Excel e lá foi gerado a
linha de tendência em termos de lei de potência, produzindo um resultado próximo da solução
analítica do Nusselt local, dado pela equação 4.8.
28
Nu = 0.311Re 0.5128 (4.8)
Observa-se que os valores da constante e do expoente do número de Reynolds são próximos ao

encontrado na equação 4.7, verificando assim a solução.
Figura 19 – Gráfico de potência entre o gerado pelo Excel (Fonte: Produzido pelo autor).
29
Figura 20 – Comparação entre a fórmula analítica e experimental do número de Nusselt para o

problema da placa plana (Fonte: Produzido pelo autor).
30
5 METODOLOGIA DO TRABALHO
Foi utilizado o software ANSYS Fluent para solucionar o problema de escoamento no

tubo de Pitot em condição de resfriamento e baixas temperaturas. Para isso, foram utilizados
dois modelos de turbulência, o k − ε standard e o k − ε realizable. Após o fim de cada simulação,
o tubo de Pitot foi seccionado em 10 planos transversais por meio de iso-sufaces de malhas e
nelas foram calculadas a temperatura por uma média ponderada pela área, além do coeficiente
de transferência de calor superficial na ponta do pitot.
Como a verificação de um resultado computacional de escoamento de fluidos muitas
vezes não pode ter como parâmetro apenas os resíduos de continuidade, velocidade e energia, se
fez necessário observar outras variáveis. Neste caso, a temperatura foi monitorada ao longo do
eixo de simetria do tubo de Pitot. Além disto, um estudo de independência de malha foi realizado.
Logo, três malhas foram geradas para essa finalidade, com graus de refinamentos variados para a
verificação dos resultados.
A segunda malha é composta por células mais grosseiras no corpo do Pitot, enquanto a
primeira malha possui um refinamento intermediário e a terceira apresenta um alto refinamento
no Pitot. Neste trabalho, a validação da independência de malha foi definida através da variável
de monitoramento, no caso, a temperatura média no eixo de simetria do Pitot.
Especificação de hardware
As simulações realizadas no tubo de Pitot foram feitas utilizando um computador com
as seguintes especificações: Processador AMD Ryzen Threaddripper 2990WX de 32 núcleos e
3.00 GHz com 128GB de memória RAM.
Para todas as análises, 16 núcleos foram utilizados para rodar as simulações.
5.1 G EOMETRIA DA PEÇA

O tubo de Pitot a ser analisado é o PH-510 da marinha Brasileira que equipa as aeronaves
A-4 Skyhawk indicado na figura 21. Esta peça possui um sistema anti-gelo eletrotérmico em sua
região cilíndrica que é levado em consideração no modelo matemático como uma fonte térmica
que se distribui uniformemente ao longo da peça.
A primeira parte do trabalho consistiu em simplificar esta geometria para obter uma
peça totalmente sólida e, assim, facilitar os cálculos de escoamento na superfície externa. Para
isso, foi utilizado o software SolidWorks. Toda a região que liga a peça à aeronave foi removida,
considerando que o escoamento não atinge essas regiões e, em seguida, toda a parte interna foi
preenchida conforme mostra a figura 22.
31
Levando em consideração a simetria da peça, a mesma foi dividida ao meio em seu eixo
de simetria para se obter ganhos no custo computacional durante os experimentos conforme
mostra a figura 23. Em seguida, a peça foi importada para o ANSYS WorkBench para a geração
de seu domínio.
Figura 21 – Tubo de Pitot a ser analisádo (Fonte: Produzido pelo autor).
Figura 22 – Tubo de Pitot preenchido (Fonte: Produzido pelo autor)..

32
Figura 23 – Pitot preenchido e cortado em seu eixo de simetria (Fonte: Produzido pelo autor).
5.1.1 G ERAÇÃO DE D OMÍNIO

O processo de geração de domínio da peça, consistiu em criar dois invólucros (enclosures)
que englobassem a mesma. Estes invólucros são as regiões de domínio do fluido, onde o primeiro
invólucro contém todo o domínio a ser analisado. Nele a malha possui um refinamento mais
grosseiro, enquanto o segundo invólucro possui uma malha mais refinada, pois é nesta região
que se busca uma melhor análise. O tamanho dos domínios se deu utilizando as especificações
normalmente utilizada para este tipo de análise. A tabela 1 lista os três domínios existentes no
sistema e os materiais que os compõem enquanto a tabela 2 lista os valores dimensionais do
volume de controle. A figura 24 representa os domínios gerados.
Tabela 1 – Domínios existentes.
Domínio Nome Material

Fluido fluid ar
Fluido enclosure ar
Sólido Wall aço inox 316
Tabela 2 – Valores dimensionais do volume de controle .
Dimensão Valores [mm]

Altura 420,3725
Comprimento 1399,3892
Espessura 687,2259
33
Figura 24 – Domínios (Fonte: Produzido pelo autor).
5.2 G ERAÇÃO DE MALHA

As malhas foram criadas utilizando o ANSYS Meshing. A geometria escolhida foi a
poliédrica, pois este tipo de malha oferece uma menor quantidade de células em comparação com
a tetraédrica. Isto gera ganhos em custos computacionais e menos distorções quando comparado
com a malha tetraédrica (SOSNOWSKI et al., 2018). Além disto, possibilita uma capacidade
melhor de representar gradientes devido a quantidade de células vizinhas que cada célula possui.
(SOSNOWSKI et al., 2018)
Para a criação da malha foram utilizadas funções para seu tratamento, entre elas o surface
sizing, função responsável por gerar uma malha com tamanho diferenciado na superfície selecio-
nada, a body of influence refina a malha das fronteiras das do corpo utilizando os parâmetros
selecionados pelo usuário, inflation que teve como objetivo criar as camadas de prisma do Pitot e
o body sizing que refina o corpo selecionado.
Um total de 3 malhas foram geradas para este trabalho, a tabela 3 lista os valores totais
de células e nodos em cada uma delas.
Tabela 3 – Quantidade de células e nodos por malha.

nodos células
malha 1 16364847 2979113
malha 2 637235 122645
malha 3 3035563 720459
O estudo independência de malha se deu principalmente observando o grau de refina-

mento da malha no corpo do Pitot, a região enclosure também foi refinada, porém de maneira
apenas a favorecer a qualidade da malha geral a um padrão aceitável para o ANSYS Fluent de
34
qualidade ortogonal.
Pela tabela 4, verifica-se que as malhas mais refinadas na região do Pitot, respectivamente
são a terceira, primeira e segunda. As figuras 25, 26 e 27 apresentam as malhas geradas neste
trabalho.
Tabela 4 – Quantidade de células geradas em cada Pitot
modelo do Pitot células

Pitot na malha 1 100208
Figura 25 – Refinamento feito no corpo do Pitot primeira malha (Fonte: Produzido pelo autor).
Figura 26 – Refinamento feito no corpo do Pitot segunda malha (Fonte: Produzido pelo autor).
35
Figura 27 – Refinamento feito no corpo do Pitot terceira malha (Fonte: Produzido pelo autor).
5.3 C ONFIGURAÇÕES DE PARÂMETROS DO ANSYS F LUENT

O ANSYS Fluent necessita ser configurado com parâmetros de entrada. Sendo assim, o
método de solução das equações de pressão-velocidade, valores para convergência de resíduos
e a para a definição do modelo de turbulência encontram-se na tabela 5. Todas as simulações
geradas neste trabalho utilizaram estes parâmetros de entrada.
Tabela 5 – Tabela de parâmetros utilizados no ANSYS Fluent.
Parâmetro Dados de entrada

Algoritmo de solução do campo pressão velocidade Acoplado
Correção de distorção (Skewness Correction) Padrão
Fatores de sub-relaxação Padrão
Esquemas para gradiente Least Squared Cell Based
Esquemas para pressão Second Order
Esquema para o momento Second Order Upwind
Esquema para energia cinética tubulenta Second Order Upwind
Energia Second Order Upwind
Regime Transiente
Tamanho do passo de tempo 600 [s]
Iterações por passo de tempo 20
Convergência residual 1E-3
Convergência residual de energia 1E-6
Constantes do modelo de turbulência k − ε standard padrão
Constantes do modelo de turbulência k − ε realizable padrão
36
5.3.1 D EFINIÇÕES DE ESCOAMENTO

Para as análises realizadas no tubo de Pitot as seguintes hipóteses foram consideradas:
• fluido contínuo
• escoamento assumido incompressível e turbulento
• propriedades físicas constantes
• regime transiente
• fluido newtoniano
Temperatura inicial e fonte térmica

Para analisar a condição de resfriamento do Pitot, uma temperatura de -30°C foi dada
como temperatura de inicialização e uma fonte térmica de 250000 W /m 3 foi inserida dentro
para aquecê-lo como fonte de energia uniforme.
Definições dos modelos de turbulência
Dois modelos de turbulência foram adotados para o estudo, o k − ϵ padrão e o modelo
k − ϵ realizable, utilizando os valores de configuração padrão estabelecido pelo ANSYS Fluent.
5.4 C ONDIÇÕES DE C ONTORNO

Foram utilizadas as propriedades físicas do aço inox 316 para o tubo de Pitot enquanto
que para o fluido, foram utilizadas as propriedades do ar como sendo gás ideal. A tabela 6 lista
os valores das propriedades térmicas destes materiais e suas massas específicas.
Tabela 6 – Propriedades térmicas dos materiais utilizados e suas massas específicas.
Condutividade Térmica massa específica Calor específico

Material
[W/m.K] [kg /m 3 ] [J/kg.K]
Aço inox 316 16.26 8000 500
Ar 0.0242 1.225 1006.43
37
A figura 28 mostra as regiões de fronteiras denominadas por farfields, além das regiões
de entrada e saída. A tabela 7 apresenta os valores das condições de contorno utilizadas nos
farfields, e nos locais de entrada e saída . Todos os valores de velocidades foram modelados
como sendo apenas no eixo axial x, sendo os valores nos eixos y e z iguais a zero.
Tabela 7 – Valores de pressão e velocidades nos campos do domínio.
Campos do domínio Velocidade u x [m/s] Pressão [atm] Temperatura [°C]

Farfield 1 20 1 -40
Farfield 2 20 1 -40
Farfield 3 20 1 -40
Inlet 20 1 -40
Outlet 20 1 -40
Figura 28 – Regiões de Fronteira (Fonte: Produzido pelo autor).

38
6 RESULTADOS
Para cada simulação foi analisado os valores das temperaturas em dez seções transversais
do tubo de Pitot e monitorado o valor médio da temperatura do Pitot em seu eixo de simetria,
além dos resíduos de continuidade, energia, velocidade e tempo computacional. Para as tabelas
de temperaturas, a posição zero indica a seção transversal na ponta do Pitot. Os valores do
coeficiente de transferência de calor superficial na ponta do Pitot também foram calculados em
cada simulação, além dos resultados obtidos para o estudo de independência de malha.
Os resultados são mostrados nas seções a seguir, junto com a plotagem dos contornos de
velocidade, temperatura e pressão.
6.1 O ESTUDO DE INDEPENDÊNCIA DE MALHA

O parâmetro escolhido para analisar a indepêndencia de malha foi a temperatura na
superfície de simetria do Pitot. Pela tabela 8, nota-se que o grau de divergência de precisão é
menor que 10% entre cada caso de malha. Observa-se que os valores de temperatura estão em
uma faixa próxima de convergência, porém não foi possível validar a independência de malha
apenas com esse tempo de simulação para uma precisão mais acurada como 0.1%, por exemplo.
Duas alternativas seriam: aumentar o tempo de simulação ou realizar simulações comparando
mais malhas de refinamento variados.
Tabela 8 – Temperatura final no eixo de simetria

Temperatura standard [°C] Temperatura realizable [°C]
primeira malha -33.55673 -32.35664
segunda malha -31.75393 -30.77985
terceira malha -32.85279 -31.88461
6.2 C OEFICIENTES DE TRANSFERÊNCIA DE CALOR SUPERFI -

CIAL DA PONTA DO P ITOT
Após o fim de cada simulação, pode-se obter o valor do coeficiente de transferência de
calor em cada malha, utilizando as funções de integrais de superfícies contidos no programa, nas
iso-surfaces geradas após o fim da simulação. Estes resultados podem ser utilizados em futuros
trabalhos para comparação.
39
Tabela 9 – Coeficiente de transferência de calor superficial em cada simulação.

h s standard [W /m 2 K ] h s realizable [W /m 2 K ]
primeira malha 25.15725 25.16069
segunda malha 28.78259 31.69092
terceira malha 25.16228 31.20296
6.3 C ASO PRIMEIRA MALHA

6.3.1 VALORES DE TEMPERATURA E RESÍDUOS
Os valores encontrados na temperatura ao longo das dez seções transversais para a
primeira malha são mostradas na tabela 10. Nota-se que a ponta do pitot é a região com menor
temperatura e conforme a posição aumenta, a temperatura também aumenta demonstrando uma
consistência nos dados.
Tabela 10 – Temperaturas obtidas para a primeira malha.
Posição [mm] Temperatura modelo standard [°C] Temperatura modelo realizable [°C]
0 -37.5527 -37.04552
15 -36.20232 -35.6344
30 -35.24388 -35.24388
45 -34.53361 -34.53361
60 -34.00509 -34.57097
75 -33.62643 -32.71856
90 -33.99861 -32.82351
105 -33.13731 -31.84707
119 -32.6878 -31.36129
134 -32.94198 -31.61469
Tabela 11 – Resíduos para a primeira malha.
Resíduos Valores de resíduos standard Valores de resíduos realizable

continuidade 4.3163E-06 1.7520E-06
velocidade em x 1.8786E-09 1.7133E-09
velocidade em y 1.0504E-10 1.9064E-10
velocidade em z 2.0018E-10 1.9689E-10
k 7.1020E-08 2.489E-07
ε 8.8799E-08 1.8889E-06
energia 7.6147E-08 7.6280E-08
Observa-se que todos os resíduos convergiram para um valor abaixo de 1E-5 e as

temperaturas em ambos os modelos tiveram resultados próximos.
40
6.3.2 G RÁFICO DA TEMPERATURA OBTIDA NO EIXO DE SIMETRIA DA

PRIMEIRA MALHA
Figura 29 – Malha 1 k − ε standard (Fonte: Produzido pelo autor).
Figura 30 – Malha 1 k − ε realizable (Fonte: Produzido pelo autor).
Pelas figuras 29 e 30, nota-se que a temperatura decai e se estabiliza em um valor em

ambos modelos de turbulência.
41
6.4 C ASO SEGUNDA MALHA

6.4.1 VALORES DE TEMPERATURA E RESÍDUOS PARA SEGUNDA MALHA
Os valores encontrados na temperatura ao longo das dez seções para a segunda malha
são mostradas na tabela 12. O comportamento foi similar ao caso da primeira malha, com a
temperatura aumentando ao longo do eixo longitudinal do Pitot.
Tabela 12 – Temperaturas obtidas para a segunda malha.
0 -36.02323 -36.64158
15 -35.58174 -35.05579
30 -34.52913 -32.82309
45 -33.75511 -33.99078
60 -33.14585 -32.39737
75 -32.58476 -31.77921
90 -31.92421 -30.92154
105 -30.7043 -31.84707
119 -30.43943 -29.62368
134 -30.98415 -29.80709
Tabela 13 – Resíduos para a segunda malha.

velocidade em x 3.45788-09 2.3443E-09
k 8.5111E-06 2.5761E-06
ε 2.2837E-05 1.9872E-05
energia 8.3816E-08 8.4161E-08
De maneira similar ao caso da primeira malha, todos os resíduos convergiram para um

valor abaixo de 1E-5 e as temperaturas em ambos modelos de turbulência tiveram resultados
próximos.
42
6.4.2 G RÁFICOS DA TEMPERATURA OBTIDA NO EIXO DE SIMETRIA DA

SEGUNDA MALHA
De maneira similar ao ocorrido no caso da primeira malha, as figuras 31 e 32 indicam o

ocorre o decaimento da temperatura até a estabilização em um determinado valor.
43
6.5 C ASO TERCEIRA MALHA

6.5.1 VALORES DE TEMPERATURA E RESÍDUOS PARA TERCEIRA MALHA
Os valores encontrados na temperatura ao longo das dez seções para terceira malha
são mostradas na tabela 14. O comportamento mostra-se similar às outras simulações com a
temperatura aumentando ao longo do eixo longitudinal do Pitot.
Tabela 14 – Temperaturas obtidas para a terceira malha.
0 -37.23947 -36.8415
15 -35.88899 -35.29033
30 -32.82309 -34.04786
45 -33.99078 -33.0250
60 -33.34738 -32.26566
75 -32.92843 -31.79587
90 -33.3664 -32.17976
105 -32.47025 -30.66509
119 -31.8223 -31.13678
134 -31.89426 -30.38163
Tabela 15 – Resíduos para a terceira malha.

velocidade em x 2.7654E-09 4.2090E-09
k 5.3453E-08 8.5160E-06
ε 6.4567E-08 2.2837E-05
energia 1.3469E-08 8.3816E-08
De acordo com a tabela 15, foi possível obter uma convergência residual de continuidade
na ordem de 10− 6 para terceira malha.
44
6.5.2 G RÁFICOS DA TEMPERATURA OBTIDA NO EIXO DE SIMETRIA DA

TERCEIRA MALHA
Assim como as duas malhas anteriores, as figuras ocorreu decaimento da temperatura até
a estabilização de um certo valor para a terceira malha, demonstrando um resultado numérico
estável.
45
6.6 C OMPARAÇÃO ENTRE OS CUSTOS COMPUTACIONAIS

Nesta seção, encontra-se a tabela comparando os valores de gasto computacional em
tempo para cada tipo de malha gerada e os diferentes modelos de turbulência aplicado. O modelo
realizable produziu um gasto computacional menor em relação ao modelo standard, o modelo
standard foi mais performático, porém, na primeira malha.
Tabela 16 – Custo computacional para os modelos de turbulências.
Malha Tempo modelo standard [s] Tempo modelo realizable [s]

primeira malha 9782.304 11647.890
segunda malha 138.648 140.206
terceira malha 510.035 621.320
6.7 G RÁFICOS DE CONTORNO

Para se fazer uma boa análise de um escoamento CFD, é necessária a plotagem de
gráficos de contornos. Esses gráficos provêm dados bidimensionais e tridimensionais que são
essenciais para se ter uma boa interpretação visual do que está acontecendo durante o escoamento
em um dado instante, uma determinada variável de campo.
No presente trabalho, foram plotados os gráficos de contorno para as principais variáveis
do escoamento: temperatura, pressão e velocidade. Assim, é possível ter uma maior clareza do
comportamento do escoamento e regiões que exigem maior atenção.
Como todas as malhas geraram gráficos de contorno de velocidade, pressão e temperatura
bem semelhantes, com o intuito de não os repetir, apresentarei apenas os gráficos gerados pela
primeira malha.
6.8 C ONTORNO DE P RESSÃO

Na figura 35, é notável que a ponta do Pitot e a região do corpo da sonda que é per-
pendicular ao escoamento do fluido são as regiões com maiores valores de pressão. Conforme
o esperado, as moléculas de ar que atingem esta região transformam sua energia cinética em
energia de pressão causando pontos de estagnação de velocidade e o surgimento de camadas
limites ao longo da região cilíndrica do Pitot.
46
Figura 35 – Contorno de pressão ao longo do Pitot (Fonte: Produzido pelo autor).
6.8.1 C ONTORNO DE V ELOCIDADE

Pela figura 36 é possível observar a formação da camada limite na superfície cilíndrica
do Pitot, tanto na parte superior, quanto na inferior, além de pontos de estagnação na ponta do
Pitot e na região perpendicular do corpo em relação ao escoamento.
Além disso, nota-se também uma diminuição da velocidade do fluido na região traseira
do Pitot. Isso se dá devido ao surgimento de um escoamento recirculante.
Figura 36 – Contorno de Velocidade no Pitot (Fonte: Produzido pelo autor).

47
6.8.2 C ONTORNOS DE T EMPERATURA

Pelas figuras 37 e 38, nota-se que os pontos críticos de resfriamento na sonda do Pitot é
em sua ponta e sua região cilíndrica. Isso se deve pelo processo natural do sólido perder calor
em suas extremidades. Outro ponto a ser levado em consideração é que conforme as partículas
de ar avançam pela camada limite, estas também se aquecem.
Portanto, verifica-se que a ponta do Pitot é a região que precisa de um melhor aqueci-
mento. Na região traseira do Pitot, observa-se também que o fluido atinge uma temperatura
maior devido a sua troca de calor com a sonda.
Figura 37 – Contorno de Temperatura no Pitot (Fonte: Produzido pelo autor).
Figura 38 – Contorno de temperatura em volume (Fonte: Produzido pelo autor).

48
Figura 39 – Contorno de temperatura ao longo das seções transversais (Fonte: Produzido pelo
autor).
A figura 39 apresenta o perfil da temperatura ao longo das seções transversais do tubo de

Pitot. Observa-se, conforme foi mostrado nas tabelas de temperatura anteriores, que conforme
se a avança no eixo longitudinal do tubo de tubo de Pitot, partindo de sua ponta, a temperatura
aumenta.
6.9 G RÁFICOS DE R ESÍDUOS PARA CADA MALHA

Nesta seção é apresentado os gráficos dos resíduos para cada simulação gerada. Nota-se,
pela figura 41, que os resíduos k − ϵ demoram o dobro de iterações para decairem no modelo
realizable quando comparado com o modelo standard.
A figura 42 mostra um tempo de iteração bem próximo para o decaimento dos resíduos
k − ϵ para ambos os modelos. Enquanto que na figura 43 os resíduos k e ϵ decai bastante próximo
a iteração de numero 200 no modelo standard, porém o decaimento é mais demorado para o
modelo realizable.
49
(a) Standard (b) realizable

Figura 40 – Resíduos para cada simulação malha 1 (Fonte: Produzido pelo autor).
(a) Standard (b) Realesable

(a) Standard (b) realizable

50
7 Conclusões
O presente trabalho possibilitou uma melhor compreensão sobre o térmico do tubo de

Pitot em um regime de escoamento subsônico, transiente e com condição de resfriamento a uma
baixa temperatura. Foi possível ter uma noção do comportamento dos campos de velocidade,
temperatura e pressão, além da variação da temperatura ao longo do tempo em cada modelo de
turbulência.
Verificou-se que em todos os casos de malha, o comportamento da temperatura manteve-
se semelhante no corpo do Pitot e ficou evidente que a ponta do Pitot é uma região crítica, pois é
onde tende a ter uma temperatura menor após o processo de resfriamento.
O comportamento dos resultados encontrados para os modelos de turbulência k − ε
standard e realizable foram bastante semelhantes, porém o modelo standard apresentou um custo
computacional ligeiramente menor em todos os casos analisados.
Foi possível identificar também regiões de alta pressão, pontos de estagnação na ponta
do Pitot e na região perpendicular do corpo do Pitot em relação ao escoamento do fluido.
O estudo de convergência de malha não exibiu um valor de convergência satisfatório,
porém as faixas de temperaturas encontradas em cada eixo de simetria estão em uma zona de
10% de divergência. Além disso, os gráficos de monitoramento de temperatura mostram que os
dados estão consistentes entre si. Portanto, uma das soluções verificar o estudo de malha com
maior precisão em futuros trabalhos seria aumentar o tempo computacional da simulação ou
adicionar mais malhas para serem comparadas.
7.1 R ECOMENDAÇÕES PARA TRABALHOS FUTUROS

Algumas ideias para futuros trabalho utilizando o tubo de Pitot seriam:
• Tentar utilizar valores de escoamento mais próximos de um voo real.
• Utilizar outros modelos de turbulência variando seus parâmetros.
• Gerar por meio de funções definidas pelo usuário, fontes térmicas localizadas para impedir
o resfriamento na ponta do Pitot.
• Realizar um estudo comparativo de malha para encontrar o valor ótimo entre custo compu-
tacional e acurácia.
• Realizar outro estudo de convergência de malha para um valor de convergência com maior
precisão.
51
Referências
AL-MASRI, F. O. Experimental investigation on the icing physics and anti-/de-Icing technology

of an aircraft pitot probe. Tese (Doutorado) — Iowa State University, 2020. Citado na página
11.
ALLEN, C. M. Piezometer investigation. [S.l.]: American Society of Mechanical Engineers,

1932. Citado na página 3.
ANSYS, R. Academic Research, Release 15.0, Help System, Ansys Fluent Theory Guide. [S.l.]:
ANSYS, Inc, Canonsburg, Pennsylvania, USA, 2022. Citado 6 vezes nas páginas v, 17, 18, 19,
21 e 23.
ARMEN, J.; BRUCK, H. Improving contact resistance in metal–ceramic heat exchangers

running liquid metal by additive manufacturing and ceramic tubes with electroplated films. The
International Journal of Advanced Manufacturing Technology, v. 113, p. 1–19, 04 2021. Citado
2 vezes nas páginas v e 21.
CENGEL, Y. A.; CIMBALA, J. M. Mecânica dos fluidos-3. [S.l.]: Amgh Editora, 2015. Citado
3 vezes nas páginas v, 3 e 4.
COLE, E. Pitot tubes in large pipes. Trans. ASME, v. 6, 1939. Citado na página 3.
CRISTOFARO, A.; JOHANSEN, T. A.; AGUIAR, A. P. Icing detection and identification for
unmanned aerial vehicles using adaptive nested multiple models. International Journal of
Adaptive Control and Signal Processing, Wiley Online Library, v. 31, n. 11, p. 1584–1607, 2017.
Citado na página 9.
DINIZ, S. B.; PACHECO, C. C. Real-time estimation of the heat transfer coefficient of pitot
tubes undergoing freezing. International Journal of Numerical Methods for Heat & Fluid Flow,
Emerald Publishing Limited, n. ahead-of-print, 2022. Citado na página 10.
DONG, Y. An application of deep neural networks to the in-flight parameter identification for
detection and characterization of aircraft icing. Aerospace Science and Technology, Elsevier,
v. 77, p. 34–49, 2018. Citado na página 9.
FOLSOM, R. G. Review of the pitot tube. Transactions of the American Society of Mechanical
Engineers, American Society of Mechanical Engineers, v. 78, n. 7, p. 1447–1460, 1956. Citado
na página 3.
G1. Acidente do voo AF447. 2009. Disponível em: <http://g1.globo.com/Noticias/Mundo/0,

,MUL1209555-5602,00.html>. Citado na página 2.
GENT, R. W. Aircraft icing. Philosophical Transactions of the Royal Society of London. Series
A: Mathematical, Physical and Engineering Sciences, The Royal Society, v. 358, n. 1776, p.
2873–2911, 2000. Citado 3 vezes nas páginas 1, 6 e 7.
HEINRICH, A. et al. Aircraft Icing Handbook. Volume 1. [S.l.], 1991. Citado 3 vezes nas
páginas 1, 7 e 8.
52
HUBBARD, C. Investigation of errors of pitot tubes. [S.l.]: American Society of Mechanical

Engineers, 1939. Citado na página 3.
INCROPERA, F. P. Fundamentos de Transferência de Calor E de Massa . [S.l.]: Grupo
Gen-LTC, 2019. Citado na página 27.
JACKEL, R. et al. Experimental study of ice formation on an aeronautical pitot probe. In:
BEGEL HOUSE INC. ASTFE Digital Library. [S.l.], 2018. Citado na página 11.
JÄCKEL, R. et al. Design of an aeronautic pitot probe with a redundant heating system
incorporating phase change materials. Flow Measurement and Instrumentation, Elsevier, v. 76, p.
101817, 2020. Citado 3 vezes nas páginas v, 2 e 10.
JÄCKEL, R. et al. Numerical and experimental characterisation of an aeronautic pitot probe.
The Aeronautical Journal, Cambridge University Press, v. 123, n. 1264, p. 890–911, 2019.
KUNDU, C. Fluid mechanics. [S.l.]: Academic press, 2015. Citado 5 vezes nas páginas v, 12,
13, 14 e 15.
LEWIS, W. A flight investigation of the meteorological conditions conducive to the formation of
ice on airplanes. [S.l.], 1947. Citado na página 9.
LI, S.; PAOLI, R. Aircraft icing severity evaluation. Encyclopedia, MDPI, v. 2, n. 1, p. 56–69,
2022. Citado 2 vezes nas páginas 1 e 5.
MESSINGER, B. L. Equilibrium temperature of an unheated icing surface as a function of air
speed. Journal of the aeronautical sciences, v. 20, n. 1, p. 29–42, 1953. Citado na página 9.
MYERS, T. G. Extension to the messinger model for aircraft icing. AIAA journal, v. 39, n. 2, p.
211–218, 2001. Citado na página 9.
NSTB. Report. 1974. Disponível em: <https://www.ntsb.gov/investigations/AccidentReports/
Reports/AAR7513.pdf>. Citado na página 2.
OPENFOAM. Exemplo openfoam. 2022. Disponível em: <https://www.openfoam.com/>.
Citado 2 vezes nas páginas v e 6.
OZCER, I. et al. Multi-shot icing simulations with automatic re-meshing. [S.l.], 2019. Citado na
página 10.
PALMER, B. Understanding Air France 447. [S.l.]: William Palmer, 2013. Citado na página 2.
POPE, S. B. Turbulent flows. [S.l.]: Cambridge university press, 2000. Citado 3 vezes nas
páginas v, 21 e 22.
RODERT, L. A. An Investigation of the Prevention of Ice on the Airplane Windshield. [S.l.],
1940. Citado na página 9.
SHERIF, S.; PASUMARTHI, N.; BARTLETT, C. A semi-empirical model for heat transfer and
ice accretion on aircraft wings in supercooled clouds. Cold Regions Science and Technology,
Elsevier, v. 26, n. 3, p. 165–179, 1997. Citado na página 9.
SOSNOWSKI, M. et al. Polyhedral meshing in numerical analysis of conjugate heat transfer. In:
EDP SCIENCES. EPJ Web of Conferences. [S.l.], 2018. v. 180, p. 02096. Citado na página 33.
53
SOUZA, J. et al. Conjugated heat transfer models for heated aeronautical pitot tubes:
experimental validation with a4 skyhawk flight tests. In: 14th Brazilian congress of thermal
sciences and engineering, ENCIT. [S.l.: s.n.], 2012. Citado na página 10.
SOUZA, J. et al. Conjugated heat transfer analysis of heated pitot tubes: wind tunnel
experiments, infrared thermography and lumped-differential modeling. In: 21st International
congress of mechanical engineering, COBEM-2011, ABCM, Natal. [S.l.: s.n.], 2011. Citado 4
vezes nas páginas v, 4, 5 e 10.
SOUZA, J. R. B. D. et al. Conjugated heat transfer analysis of heated aeronautical pitot probes
with flight tests experimental validation. Heat Transfer Engineering, Taylor & Francis, v. 36,
n. 11, p. 991–1000, 2015. Citado na página 10.
UOL. Acidente AF447. 2022. Disponível em: <https://

noticias.uol.com.br/ultimas-noticias/agencia-estado/2022/10/18/
tentamos-de-tudo-repetiram-pilotos-antes-de-aviao-da-air-france-cair-em-2009.htm>.
VERSTEEG, H.; MALALASEKERA, W. Computational fluid dynamics. The finite volume

method, p. 1–26, 1995. Citado 7 vezes nas páginas 5, 15, 16, 20, 22, 23 e 24.
WHITE, F. M. Mecânica dos fluidos. [S.l.]: McGraw Hill Brasil, 2007. Citado 4 vezes nas
páginas 12, 14, 22 e 23.
WRIGHT, W. B.; GENT, R.; GUFFOND, D. DRA/NASA/ONERA collaboration on icing

research. [S.l.], 1997. Citado na página 9.
XIANGLIAN et al. Pitot tube-based icing detection: Effect of ice blocking on pressure.
International Journal of Aerospace Engineering, Hindawi, v. 2020, 2020. Citado na página 9.

TCC-Ruan Santiago

Enviado por

Dados do documento

Título original

Direitos autorais

Formatos disponíveis

Compartilhar este documento

Compartilhar ou incorporar documento

Opções de compartilhamento

Você considera este documento útil?

Este conteúdo é inapropriado?

Direitos autorais:

Formatos disponíveis

TCC-Ruan Santiago

Enviado por

Direitos autorais:

Formatos disponíveis

UNIVERSIDADE FEDERAL FLUMINENSE

Ruan de Vasconcelos Santiago

Simulação de tubos de pitot utilizando dinâmica dos

Simulação de tubos de pitot utilizando dinâmica dos fluidos

Trabalho de Conclusão de Curso apresentado ao

S235s Santiago, Ruan de Vasconcelos

Orientador: César Cunha Pacheco.

1. Dinâmica dos Fluidos Computacional. 2. Simulação

Bibliotecário responsável: Debora do Nascimento - CRB7/6368

Simulação de tubos de pitot utilizando dinâmica dos fluidos

Trabalho de Conclusão de Curso apresentado ao

Prof. DSc César Cunha Pacheco

Prof. DSc Kleber Marques Lisbôa

Profa. Dsc Isabela Florindo Pinheiro

If I have seen further it is by standing on the shoulders of Giants - Isaac Newton

Palavras-chave: Dinâmica dos Fluidos Computacional, Tubo de Pitot, Simulação computacional.

Keywords Computational Fluid Dynamics, Pitot Tube, Numerical Simulation.

1 Tubo de Pitot congelado. (JÄCKEL et al., 2020) . . . . . . . . . . . . . . . . 2

26 Refinamento feito no corpo do Pitot segunda malha (Fonte: Produzido pelo

Lista de abreviaturas e siglas

CFD Computational Fluid Dynamics

FVM Finite Volume Method

RANS Reynolds Averaged Navier-Stokes

NTSB National Transportation Safety Board

NACA National Advisory Committee for Aeronautics

INMETRO Instituto Nacional de Metrologia, Qualidade e Tecnologia

ICAO International Civil Aviation Organization

NASA National Aeronautics and Space Administration

NACA National Advisory Committee for Aeronautics

DAR Defense Research Agency

ORENA Office National d’Etudes et de Recherches Aérospatiales

CNN Convulational Neural Network

DNN Deep neural network

RNN Recurrent neural network

SSKF Steady-State Kalman Filter

EDP Equação diferencial parcial

EDO Equação diferencial ordinária

SIMPLE Semi-Implicit Method for Pressure Linked Equations

SIMPLEC Semi-Implicit Method for Pressure Linked Equations-Consistent

PISO Pressure-Implicit with Splitting of Operators

FSM Fractional Step

ρ Massa específica, [kg /m 3 ]

Re Número de Reynolds, [Adimensional]

Re L Número de Reynolds lamininar, [Adimensional]

Pr Número de Prandtl, [Adimensional]

Nu Número de Nusselt, [Adimensional]

Nu méd i o Número de Nusselt Médio, [Adimensional]

x∗ Variavel espacial. [m]

u Vetor velocidade, [m/s ]

u Escalar da velocidade, [m/s ]

ux Escalar da velocidade em x, [m/s ]

uy Escalar da velocidade em y, [m/s ]

u i′ Velocidade flutuante em i , [m/s ]

ū i Velocidade média, [m/s ]

l Comprimento característico do escoamento, [m ]

g Vetor força atuando no corpo, [N ]

gi Escalar do vetor força em i, [N ]

p̄ Pressão média, [Pa]

p′ Pressão flutuante, [Pa]

P1 Pressão de estagnação ,[Pa]

P2 Pressão de estática, [Pa]

τi j Equação constitutiva em notação indicial

ei j Tensões geradas pela taxa de deformação em notação indicial, [Pa]