ANÁLISE

COMPUTA-
CIONAL
EM TERMO
FLUIDOS I
Apostila de métodos numéricos

Primeira edição 2024

ANÁLISE
COMPUTA-
CIONAL
EM TERMO
FLUIDOS I
Apostila de métodos numéricos

Primeira edição 2024

Ms. Felipe da Costa Kraus

Joinville, Brasil
ii

Apostila de apoia a disciplina de análise computacional de

termo-fluidos da Udesc 2024
Este livro foi editado usando LATEX software.

Copyright © 2023 Ms. Felipe da Costa Kraus

License: Creative Commons Zero 1.0 Universal
vi
Introdução

A análise computacional em termo fluidos é um campo multidisciplinar da

engenharia e da ciência que combina princípios de mecânica dos fluidos, trans-
ferência de calor e termodinâmica com técnicas computacionais para modelar,
simular e entender o comportamento de fluidos e transferência de calor em sis-
temas diversos. Ela desempenha um papel fundamental em uma ampla gama
de aplicações, desde o projeto de automóveis, aeronaves e veículos espaciais até
a otimização de sistemas de resfriamento, passando também pelo desenvolvi-
mento de tecnologias de energia renovável, como turbinas eólicas e sistemas de
energia solar. A análise computacional em termo fluidos envolve a utilização de
métodos numéricos especializado para resolver equações diferenciais que des-
crevem o comportamento dos fluidos, bem como os processos de transferência
de calor.
Segundo [Maliska, 2017], a análise computacional é um sistema matemático
de diversas equações que representam os fenômenos físicos, a fim de se inves-
tigar, simular e descrever os comportamentos reais de maneira mais próxima e
otimizada a realidade. Hoje está presente em todo tipo de projeto, envolvendo
áreas de toda a ciência, engenharia, finanças e muito mais. Através de recur-
sos computacionais, por meio de algoritmos e modelos matemáticos, é possível
desenvolver técnicas numéricas e simulações a qual podem ser difíceis de se-
rem analisadas de maneria analítica ou pelos métodos tradicionais. Por meio
disso, é possível realizar simulação fluidodinâmica computacional (CFD), em
[Versteeg and Malalasekera, 2007] é definido que é a análise de sistemas que
envolvem fluxo de fluidos, transferência de calor e fenômenos associados, por
meio de simulação baseada em computador. Em virtude do alto avançando
tecnológico essa exploração de meios e métodos numéricos foi impulsionada pe-
las melhorias contínuas de hardwares e componentes, a qual permite com que
as resoluções de problemas sejam cada vez mais complexas, sendo possível ter
maiores exatidões e reduzindo os erros na busca dos resultados.

vii
viii
Conteúdo

Revisão Bibliográfica 1
0.1 DINÂMICA DOS FLUIDOS . . . . . . . . . . . . . . . . . . . . 1
0.1.1 Laminar e Turbulento . . . . . . . . . . . . . . . . . . . . 1
0.1.2 Escoamento em dutos . . . . . . . . . . . . . . . . . . . . 7
0.2 ANÁLISE COMPUTACIONAL . . . . . . . . . . . . . . . . . . . 8
0.2.1 Discretização e Solução numérica . . . . . . . . . . . . . . 10
0.2.2 Desenvolvimento Malha . . . . . . . . . . . . . . . . . . . 10
0.2.3 Introdução a dinâmica dos fluidos computacionais (CFD) 11
Escoamento de Coette . . . . . . . . . . . . . . . . . . . . 12
0.2.4 Escoamento Hagen-Poiseuille . . . . . . . . . . . . . . . . 14
Método dos volumes finitos . . . . . . . . . . . . . . . . . 16
0.3 TRANSFERÊNCIA DE CALOR . . . . . . . . . . . . . . . . . . 17
0.3.1 Equação da difusão de calor . . . . . . . . . . . . . . . . . 19
0.3.2 Difusão de calor diferenças finitas . . . . . . . . . . . . . . 20
0.3.3 Condições de contorno . . . . . . . . . . . . . . . . . . . . 21
0.4 Metodologia . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 24

Bibliografia 25

ix
x CONTEÚDO
0.1. DINÂMICA DOS FLUIDOS 1

0.1 DINÂMICA DOS FLUIDOS

Para a resolução dos problemas neste trabalho serão utilizados escoamentos
que serão implementados dentro da análise computacional, sendo como principal
tópico a transferência de calor através do escoamento de um fluido em uma
serpentina. Nesse tipo de situação, o fluido newtoniano, a qual apresenta as
características específicas do fluído a ser utilizado, pode apresentar os diferentes
conceitos de regime de escoamento.
O escoamento é divido em três regiões, sendo denominados laminar, transi-
ente, o laminar turbulento e por fim o turbulento [Fox, 2015]. Abaixo é possível
verificar os regimes do escoamento de um fluido.

Fig. 1: Escoamento sobre uma placa plana [Fox, 2015]

Em [Fox, 2015] define que o regime laminar apresenta um escoamento está-

vel, onde as partículas movem-se em laminas ou até finas camadas, e o compo-
nente de velocidade é representado em uma só direção. No regime transiente é
uma região híbrida do laminar com o turbulento, sendo uma transição entre os
dois, em que existem pequenas deformações na linha de corrente nessa região.
Já a região turbulenta ocorre a desordem da movimentação, onde as partículas
não seguem um padrão, resultando em um regime instável e imprevisível. Por
conta dessa grande movimentação fora de ordem, é a região em que se transfere
energia e momento ao sistema.
Para a definição do regime em que o fluido se apresenta, ele pode ser cal-
culado a partir de Reynolds Re, que é uma quantidade adimensional observado
em torno de um objeto ou tubulação, pois associa as forças inerciais com as
forças viscosas do fluido selecionado [Incropera et al., 2015].

ρ·u·L u·L
Re = ou Re = (1)
µ ν

0.1.1 Laminar e Turbulento

O escoamento laminar é um tipo de movimento de fluido no qual as par-
tículas se movem de forma suave e ordenada, em camadas paralelas. Nessas
2 CONTEÚDO

Fig. 2: Escoamento turbulento

condições, as partículas fluem em trajetórias organizadas, sem turbulência sig-

nificativa. Isso geralmente ocorre em baixas velocidades ou em fluidos de vis-
cosidade mais alta, e é caracterizado pela previsibilidade e pela ausência de
mistura turbulenta.

• Absorve pertubações rapidamente voltando para o estado de equilíbrio.

• Não apresenta grandes flutuações, uma camada laminar não afeta a pró-
xima.

Mais que uma definição é preciso dizer que você consegue identificar a tur-
bulência quando você a vê, sabendo as características.

• Imprevisível e Irregular

• Difusivo e Dissipativo

• Vórtices em varias escalas (fractal)

• Tridimensional e Transiente

Tem-se vórtices que drenam energia do escoamento médio e a transferem

para outros menores, e estes para outros menores ainda, e assim sucessivamente.
Num processo contínuo onde a energia passa a ser dissipada pelas tensões vis-
cosas nos menores vórtices, atingindo-se um estado de equilíbrio.
A mudança de perfil é presente e existem métodos para esse tipo de reso-
lução, vindo ao caso o método das médias de Reynolds da Equação de Navier-
Stokes, também conhecida pela sigla RANS em inglês. Esse método tem como
objetivo descrever o comportamento dos fluidos, incorporando a ideia de mé-
dia temporal a fim de lidar em situações turbulentas (CITA). A decomposição
em variáveis das variáveis do escoamento em componentes médias e flutuações,
resulta em equações médias que representam o comportamento do fluxo, intro-
duzindo termos adicionais já conhecidos como Reynolds por exemplo.

• RANS (do inglês, Reynolds Averaged Navier-Stokes)

0.1. DINÂMICA DOS FLUIDOS 3

Flutuações turbulentas de velocidade aleatória

1

Flutuações de Velocidade
0.5

−0.5

−1
0 20 40 60 80 100
Tempo

Fig. 3: Flutuações turbulentas de velocidade aleatória no tempo

• LES (do inglês, Large Eddy Simulation)

• DNS (do inglês, Direct Numerical Simulation)

Fig. 4: Jato livre turbulento RANS LES DNS

RANS (do inglês, Reynolds Averaged Navier-Stokes): resolve-se a média

das variáveis no tempo. É a estratégia mais empregada em CFD. Os mode-
los k − epsilon, k − omega e Spalart-Allmaras fazem parte dessa estratégia.
Utilizam equações de continuidade e NavierStokes filtradas, para escoamento
incompressível.
4 CONTEÚDO

Z Z Z   
d 1 ∂Ui 1 ∂Ui ∂Uj ∂Ui ∂Uj
Ui Ui dv = ui uj dv − v + + dv
dt 2 ∂xj 2 ∂xj ∂xi ∂xj ∂xi
| {z } | {z } | {z }
T axa de variacao Acoplamento T axa de dissipacao viscosa
da energia esc. medio do escoamento medio
no esc. medio com a turbulencia
(2)
LES (do inglês, Large Eddy Simulation): resolve a turbulência em função
do tamanho das escalas turbulentas. As grandes escalas são calculadas e as
menores são modeladas. A malha deve ser bastante refinada e exige um esforço
computacional maior do que a estratégia RANS. Costuma ser usada em casos
transientes.
DNS (do inglês, Direct Numerical Simulation): a malha é gerada de modo
a garantir que todas as escalas turbulentas possam ser calculadas diretamente,
sem necessidade de modelagem. Essa estratégia acarreta em malhas com um
número muito elevado de elementos, sendo impraticável para casos reais.

Fig. 5: Perfil de uma asa DNS

O modelo κ − ϵ é o mais conhecido entre os modelos que envolvem duas

equações diferenciais de transporte, pois é robusto, preciso e possui estabilidade.

• Simplicidade matemática;

• Capacidade de prever uma grande variedade de escoamentos;

• Numericamente estável;

• Baseado em um pequeno número de conceitos físicos.

0.1. DINÂMICA DOS FLUIDOS 5

Método DNS LES RANS

Empirismo Nenhum Pouca Bastante
Tamanho
1016 1011.5 107
de malha
Numero de
increm. de 107.7 106.7 103.5
tempo
Dependência
do num. de Forte Fraco Fraco
Reynolds
Só para
Modelo
Nenhum pequenos Todo ele
Requerido
vórtices

• Através de RANS o movimento turbulento não é efetivamente resolvido.

• Fenômenos transientes e intermitentes não podem ser capturados. A pre-

cisão dos resultados também tem limitações.

Menter [Menter, 1994] propôs uma versão de modelo κ − ω para eliminar as

suas duas principais deficiências. O modelo κ − ω é mais exato e mais robusto,
pois não envolve as funções complexas não lineares de amortecimento, as quais
são necessárias no modelo κ − ϵ. Ele assume que a viscosidade turbulenta está
relacionada à energia cinética de turbulência e frequência de turbulência, ω.

• Previsões de valores excessivamente elevados para o coeficiente de atrito

em escoamentos sob gradientes adversos de pressão;

• Sensibilidade a condições de escoamento livre.

Conforme descrito em detalhes por Wilcox [Wilcox, 2008], para escoamentos

em camada limite, o modelo κ − ω é superior tanto no tratamento da região
viscosa próxima à parede, quanto na contabilização dos efeitos dos gradientes
de pressão no sentido da corrente. No entanto, o tratamento de limites de fluxo
livre não turbulentos é problemático. O método de Inflation é usado para o
desenvolvimento de camadas prismáticas próximas a superfícies sólidas em um
análise tridimensional. O principal intuito é focar em um número maior de célu-
las em regiões de maior interesse, sendo elas próximas às paredes da tubulação,
em que o gradiente de velocidade e cisalhamento são mais significativos.
6 CONTEÚDO

Camada limite turbulenta perto da parede

Viscosa Transcição Turbulenta

20

18

16

14

12
u+

10

0
10−2 10−1 100 101 102
+
ln(y )

+ Inflação na malha Função Parede

Fig. 6: a) Sem função parede b) Com função parede

0.1. DINÂMICA DOS FLUIDOS 7

SST é a superposição dos dois modelos com o κ−ϵ na região mais externa de
livre corrente e o κ − ω na região próxima a parde com uma região de transcição
entre os dois modelos que os conecta de forma mais suave na malha. Isso habilita
o modelamente usufruindo dos pontos fortes de ambos os modelos. O modelo
SST combina as vantagens dos modelos κ−ϵ e κ−ω de Wilcox, mas não consegue
prever corretamente o ponto de separação de escoamentos em superfícies lisas;
mais detalhes podem ser encontrados em Menter [Menter, 1994].

ϵ = Cµ kω

0.1.2 Escoamento em dutos

Analisando o escoamento em tubos circulares, como será o utilizado no pro-
jeto a ser desenvolvido, pode ser observado a partir do número de Reynolds,
em que [Incropera et al., 2015] descreve os seguintes critérios:

• Laminar (Re < 2000);

• Transitório (2000 < Re < 4000);

• Turbulento (Re < 4000);

Re ∼ 2000
Escoamento

laminar
turbulento

Reynolds>4000

Fig. 7: Regimes de escoamento em duto

As transições são influenciadas diretamente pela rugosidade da parede do

tubo, características do fluido e outros parâmetros. O conhecimento do Re
é importante do desenvolvimento de um projeto, principalmente em situações
onde haverá questões de transferência de calor e perdas de cargas ao longo
do sistema. Segundo [Fox, 2015], a transferência de calor é mais eficiente em
valores de Re elevados em virtude uma melhor iteração do fluidos com a parede
do tubo, aumentando a taxa de transferência de calor. Em contra partida, a
8 CONTEÚDO

perda de carga poderá ser maior, sendo necessário um aumento de potência

para que o fluido passe pela serpentina por exemplo, o interesse é encontrar um
equilíbrio ideal para dada aplicação.
Outros parâmetros como a perda de carga ∆P é o resultado da perda de pres-
são causadas pela resistência do fluido ao escoamento, rugosidade e mudanças
na geometria do perfil tubular. O perfil de velocidade do fluido durante o escoa-
mento apresenta-se parabólico em escoamentos laminares, enquanto em modelos
turbulentos acaba sendo mais achatado e uniforme. As leis de conservação de
massa e momento são ideais nesse tipo de análise, expressas pelas equações de
continuidade e Navier-Stokes. O fluido apresenta diversas propriedades a qual
podem variar durante um escoamento, o efeito da temperatura por exemplo
afetam na viscosidade, a qual impacta o valor de Re [Incropera et al., 2015].
Na avaliação de escamentos turbulentos, a avaliação da queda de pressão
não pode ser calculada de forma analítica, uma vez que os resultados de-
vem ser recorridos de formas experimentais ou utilizar análises dimensionais
[Zawawi et al., 2018].
Em [Incropera et al., 2015], no escoamento turbulento completamente de-
senvolvido, a queda de pressão, ∆P , causada por atrito em um tubo horizontal
de área constante, depende do diâmetro, D, do comprimento, L, e da rugosi-
dade do tubo,e, da velocidade média do escoamento V, da massa específica ρ,
e viscosidade do fluido µ. Em forma de função: ∆P = ∆P (D, L, e, V, ρ, µ).

0.2 ANÁLISE COMPUTACIONAL

De acordo com [Maliska, 2017], a utilização de técnicas numéricas para so-
lução de problemas complexos da engenharia e da física, é uma realidade em
virtude do desenvolvimento de computadores de alta velocidade e de grande ca-
pacidade de armazenamento, permitindo o desenvolvimento de algoritmos para
a solução de diversos problemas.
Segundo [Maliska, 2017] no desenvolvimento de problemas, o projetista tem
em sua disposição as seguintes ferramentas:

• Métodos analíticos;

• Métodos numéricos;

• Experimentos em laboratório.

Em que 1 e 2 são da classe dos métodos teóricos em que são resolvidos por
meio de equações diferenciais, os dois são diferenciados pela complexidade da
equação de cada método. Em relação ao item 3 apresenta a vantagem de tratar
de maneira real uma certa simulação, porém dependendo da complexidade do
problema e altíssimo custo de operação, acaba por não ser viável, principalmente
pela dificuldade de reproduzir situações reais, como por exemplo a transferência
de calor de reatores nucleares [Maliska, 2017].
0.2. ANÁLISE COMPUTACIONAL 9

Em destaque o tópico 2, a qual não apresenta grandes restrições, tem a ca-

pacidade de resolver diversos problemas com diferentes condições de contorno,
sendo possível realizar geometrias de diferentes formatos, e conseguindo uma
resposta de simulação muito mais rápida em comparação aos outros [Maliska, 2017].
Os problemas que ocorrem neste método são os erros presentes nas próprias so-
luções numéricas, visto que alguns são apenas formas aproximadas da realidade
física. Para a detecção de problemas nos resultados, é interessante que seja
comparada aos outros dois métodos, sendo possível verificar a veracidade do
equacionamento a qual produzirá um resultado. Para que o modelo ateste uma
qualidade, é realizado soluções e convergências do algoritmo, a qual é denomi-
nado como validação numérica [Carneiro, 2022].

Segundo [Carneiro, 2022], os métodos numéricos são divididos em locais e

globais, em que os locais são representados pelo Método de Diferenças Finitas
(MDF), Método dos volumes finitos (MVF) e elementos finitos (MEF). Já os
Globais, são representados por métodos espectrais de domínios alternativos,
usando as transformadas de Laplace e Fourier por exemplo, na resolução de
integrais.

Tomando conhecimento nos métodos de diferenças finitas, volumes finitos

e elementos finitos, são ferramentas com grande potencial e muito se discute
a respeito das eficiências uma sobre a outra na resolução de diferenças finitas.
Em [Maliska, 2017] o (MDF) sempre foi usado mais na área de escoamentos e
dinâmica dos fluidos, enquanto o (MEF) foi mais para o lado da área estrutural,
envolvendo problemas voltado a área das elasticidades. Em virtude dos de
escoamento abordar sistemas altamente não lineares como é o caso das equações
de Navier Stokes, apresenta uma grande complexidade para a obtenção dos
domínios e formas de resolução, principalmente em termos convectivos e no
problema dos acoplamentos entre as equações.

A respeito do método de volumes finitos, também é utilizado para o de-

senvolvimento e resolução de problemas de fluidos computacionais, apresen-
tando vantagens na questão da agilidade e registro de dados em sua memória,
sendo muito positivo em sistemas onde por exemplo apresentam um número de
Reynolds muito elevado, em que envolvem características turbulentas do fluido
ocasionando em maiores complexidades computacionais [Zawawi et al., 2018].

Nas condições atuais observa-se que os métodos de (MVF e MEF) tem

a capacidade de resolver problemas de alto nível convectivo, como ondas de
choque, geometrias arbitrarias, havendo uma grande semelhança em níveis de
generalidade [Zawawi et al., 2018]. Segundo [Maliska, 2017], as preferências do
(MVF) para a resolução de escoamento dos fluidos, troca de calor, é justificada
pelo fato da criação de equações aproximadas, sendo realizado um balanço das
propriedades em nível de volumes elementares. Equações de conservação da
massa e da energia, assim como as de turbulência, podem ser desenvolvidas de
maneira conservativa.
10 CONTEÚDO

0.2.1 Discretização e Solução numérica

O processo de discretização envolve um conjunto de equações diferenciais
de um domínio contínuo, visto que possui infinitos graus de liberdade no pro-
blema, sendo assim é elaborado uma transformação em diversos pontos a qual
é fornecido equações algébricas no domínio discreto, provocando agora finitos
graus de liberdade [Carneiro, 2022]. Na análise de uma discretização mais refi-
nada, desenvolverá mais pontos na geometria que será simulada, resultado em
vantagens na precisão dos resultados e captura dos fenômenos locais. Mesmo
com as grandes qualidades em um refino de mais pontos, é preciso haver um
equilíbrio com a eficiência computacional, uma vez que maiores pontos também
resultarão em maior tempo de processamento e armazenamento de memória.
Uma boa solução é a realização de uma discretização mais refinada em pontos de
interesse, como é o caso do domínio discreto adaptado, em que a região circular
interna apresenta mais pontos de interesses para o resultado [Maliska, 2017].

Fig. 8: Discretização de um domínio em pontos [Carneiro, 2022].

0.2.2 Desenvolvimento Malha

Em [Carneiro, 2022], consta que o desenvolvimento da malha é associado
com a discretização, sendo que a malha se refere ao processo de divisão do
domínio físico, sendo uma geometria complexa, ou uma malha composta por
elementos em diferentes formatos, sendo triangulares, hexagonais, quadriláteros
etc. A associação entre os termos está durante a geração da malha, em que o
domínio é divido em elementos finitos, e em cada nó ou vértices dos elementos,
as variáveis são definidas, sendo elas parâmetros de temperatura, pressão e
velocidade como exemplo. Com isso é determinado a qualidade da solução
[Zawawi et al., 2018].
Em [Maliska, 2017] detalha que a malha pode ser definida como estruturada
ou não-estruturada, a qual refere-se a organização e regularidade dos elementos
que então fazem parte dela. Na malha estruturada encontram-se malhas de
organização regular e organizadas, em que as células apresentam tamanhos
uniformes e em linhas e colunas. Um exemplo de aplicação está associado a
elaboração em coordenadas cartesianas (i, j, k), a qual possuem a vantagem de
0.2. ANÁLISE COMPUTACIONAL 11

uma fácil implementação ao ser gerada e de simples interpretação ao software

utilizado para a solução numérica.

Fig. 9: Malha Linear (a) e malha não linear (b) [Carneiro, 2022].

As malhas não estruturadas são aquelas que os seus elementos são provindos
de geometrias como triângulos, tetraedros, ou geometrias que não seguem uma
organização regular. Segundo[Maliska, 2017] elas são mais versáteis, flexíveis e
com maiores facilidades para adaptatividade em diferentes perfis geométricos,
registrando e definindo melhor os pontos de discretização. Os principais ele-
mentos utilizados em malhas tridimensionais podem ser observados na figura
abaixo.

Fig. 10: Tipos de elementos utilizados em malhas.

0.2.3 Introdução a dinâmica dos fluidos computacionais

(CFD)
A dinâmica dos fluidos computacionais (CFD) é um método mais atribuído
e otimizado a simulações computacionais voltadas a comportamento dos fluidos,
transferência de calor e comportamentos do tipo [Versteeg and Malalasekera, 1995].
[Carneiro, 2022] abrange que o funcionamento também é em torno de algorit-
mos numéricos, assim podendo resolver problemas de fluxo de fluido. O acesso
12 CONTEÚDO

rápido e o grande campo de resolução de diversos problemas, o fácil acesso a pa-

cotes comerciais em que permitem incluir melhores interfaces, comprovam a sua
eficiência como método. Hoje os requisitos além do software comercial, como
Ansys Fluent e CFX, Autodesk CFD, Open FOAM, é a utilização de um pré-
processador, um solucionador e um pós processador, em que suas necessidades
variam de acordo com cada tipo de solução.
Para o desenvolvimento do trabalho, será utilizado o software Ansys Fluent,
em virtude da liberdade de observar e investigar as diferentes características
e comportamentos de simulações de fluxo de fluidos e de fluxo de calor das
geometrias desejadas. Para a resolução no método de volumes finitos (FVM)
na dinâmica dos fluidos computacionais (CFD), o software utilizada a equação
de Navier-Stokes para a resolução desses métodos [Fluent et al., 2011], sendo:

• Equação de continuidade em estado estacionário;

• Equação de conservação de momento;

• Equação de conservação de energia.

A equação de continuidade em estado estado estacionário:

∂u ∂v ∂w
+ + =0 (3)
∂x ∂y ∂z
sendo (u, v, w) os componentes de velocidade nas direções (x, y e z) em
um plano cartesiano. Em análise tridimensional, desenvolve-se a equação da
conservação de energia:
 
∂ (ρui ) ∂ (ρui uj ) ∂ ∂ ∂ui
+ =− (p) + µ (4)
∂t ∂xj ∂xi ∂xj ∂xj
a equação da conservação de energia é desenvolvida a partir da temperatura
do fluido T, a velocidade nas diferentes direções ui em coordenadas cartesianas
xi, informações como a condutividade térmica k, calor específico a pressão cons-
tante Cp e por fim os termos de fonte de energia radiativa ST [Carneiro, 2022].
assim:
   
ρui T ∂ k ∂T
∂ = + ST (5)
∂xi ∂xi Cp ∂xi

Escoamento de Coette
O escoamento de coette surge do movimento entre placas paralelas peper-
dinculares. E é uma otima aproximação para grandes mancais a oleo.
As equações que governam o esocamento são Navier Stookes e conservação
de massa em escoamento incompressível:
0.2. ANÁLISE COMPUTACIONAL 13

z F
A
v

Fig. 11: Escoamento de Coette

 
∂u 1 ∂p ∂2u ∂2u
∂t + u ∂u ∂u
∂x + v ∂y = − ρ ∂x + ν ∂x2 + ∂y 2

 
∂v ∂v ∂v ∂p ∂2v ∂2v
∂t + u ∂x + v ∂y = − ρ1 ∂y +ν ∂x2 + ∂y 2 (6)
∂u ∂v
∂x + ∂y =0

Aplicando as condições de regime permanente e condições de contorno temos

a simplificação:

∂u ∂v
∂x + ∂y =0

v(y) = c = 0 paredes impermeaveis

∂v ∂v ∂v ∂p

∂2v ∂2v
 (7)

∂t
 + u ∂x + v ∂y = − ρ1 ∂y +ν ∂x2 + ∂y 2

∂p
− ρ1 ∂y =0

Tal gradiente linear de pressão em y causado pela viscoisdade vai causar um

gradiente de velocidade no interior do tubo τ = −µ · ∂u ∂y . Agora deixamos de
considerar regime permanente para conseguir observar a progressão do perfil de
velocidade no tempo em diferenças finitas:
14 CONTEÚDO

 
∂u 1 ∂p ∂2u ∂2u
∂t + u ∂u v ∂u
∂x +  ∂y = − ρ 

∂x + ν
 ∂x2 + ∂y 2

 2 
∂u
∂t = ν ∂∂yu2 →
  (8)
(m+1) (m) 2
ui,j = ui,j + ∆t · ν( ∂∂yu2 )

u = u m/s e v = 0 em y = 0 e v = 0 em y = D

 2 
∂2u
ν ∂∂xu2 + ∂y 2 Difusão computada por diferenças finitas similar a difusão
de calor

(m) (m) (m)

!
(m+1) (m) ui,j+1 − 2ui,j + ui,j−1
ui,j = ui,j + ∆t · ν ·
∆y 2

(m+1) (m) ∆t · ν  (m) (m) (m)


ui,j = ui,j + 2
ui,j+1 + ui,j−1 − 2ui,j
∆y

(m+1) (m) ∆t · ν ∆t · ν  (m) (m)


ui,j = ui,j · (1 − 2 ) + · ui,j+1 + u i,j−1
∆y 2 ∆y 2

Condição de estabilidade da função : ν·∆t

∆y 2 <= 0, 5

0.2.4 Escoamento Hagen-Poiseuille

O gradiente de velocidade na direção de escoamento em um tubo surge

através de uma diferença de pressão entre a entrada e saída do mesmo. Já o
gradiente de velocidade na direção contraria ao escoamento surge pelo efeito
viscoso e as condições na parede criando o perfil parabólico conhecido como o
perfil Hagen-Poiseuille.
As equações que governam o esocamento são Navier Stookes e conservação
de massa em escoamento incompressível:
0.2. ANÁLISE COMPUTACIONAL 15

Fig. 12: Escoamento de Hagen-Poiseuille

 
∂u 1 ∂p ∂2u ∂2u
∂t + u ∂u ∂u
∂x + v ∂y = − ρ ∂x + ν ∂x2 + ∂y 2

 
∂v ∂v ∂v ∂p ∂2v ∂2v
∂t + u ∂x + v ∂y = − ρ1 ∂y +ν ∂x2 + ∂y 2 (9)
∂u ∂v
∂x + ∂y =0

Aplicando as condições de regime permanente e condições de contorno temos

a simplificação:

∂u ∂v
∂x + ∂y =0

v(y) = c = 0 paredes impermeaveis

∂v ∂v ∂v ∂p

∂2v ∂2v
 (10)
 + u ∂x
∂t
 + v ∂y = − ρ1 ∂y +ν ∂x2 + ∂y 2

∂p
− ρ1 ∂y =0

Tal gradiente linear de pressão em y causado pela viscoisdade vai causar um

gradiente de velocidade no interior do tubo τ = −µ · ∂u ∂y . Agora deixamos de
considerar regime permanente para conseguir observar a progressão do perfil de
velocidade no tempo:
 2 
∂u  = − 1 ∂p + ν ∂ u2 + ∂2u
∂t + u ∂u
∂x + v ∂u
∂y 2
∂y ρ ∂x ∂x

 2 
∂u ∂p
∂t = − ρ1 ∂x − u ∂u ∂ u
∂x + ν ∂y 2 ß

  (11)
(m+1) (m) ∂p 2
uj = uj + ∆t · − ρ1 ∂x + ν( ∂∂yu2 ) − u ∂u
∂x

u = 0 e v = 0 em y=0 e y=D
16 CONTEÚDO

Estratégia de solução:
ρ ∂x Diferença de pressão constante imposta entre o bocal de entrada e
1 ∂p

saida.
∂x Progressão de velocidade em x (convecção) que será resolvida por dife-
u ∂u
renças finitas usando pontos no centro.
 
∂u ui+1,j + ui−1,j
u· = ui,j ·
∂x 2 · ∆x

 2 
∂2u
ν ∂∂xu2 + ∂y 2 Difusão computada por diferenças finitas similar a difusão
de calor

(m) (m) (m)

!
ui,j+1 − 2ui,j + ui,j−1
ν·
∆y 2

1  (m) (m) (m)


ν· ui,j+1 + ui,j−1 − 2ui,j
∆y 2

Condição de estabilidade da função : ν·dt

dy 2 <= 0, 5

Método dos volumes finitos

O ponto de partida do método dos volumes finitos é a decomposição do
domínio contínuo em um número finito de volumes de controle adjacentes entre
si, de forma a estruturar uma malha numérica. Pontos nodais são atribuídos,
então, nos vértices dessa malha ou nos centros geométricos dos volumes de
controle, onde se alojam as variáveis a serem resolvidas. A imagem abaixo
ilustra a geração de malhas seguindo o método dos volumes finitos.
A partir deste momento, a metodologia consiste na integração das equações
de governo sobre cada um dos pequenos volumes de controle que constituem a
malha numérica. Neste processo, o teorema de divergência de Gauss é utilizado
para converter integrais de volume sobre operadores diferenciais em integrais
de superfície [Maliska, 2017]. Para a equação geral de transporte,
Z I I Z
∂
(ρ ϕ) dV + (ρ V ϕ) dA = (Γ ∇ ϕ) dA + Sϕ dV. (12)
∂t V A A V

Por fim, as integrais superficiais são representadas através de balanços nas

faces dos volumes de controle e as integrais volumétricas são aproximadas em
função das variáveis nodais. Matematicamente,
0.3. TRANSFERÊNCIA DE CALOR 17

Fig. 13: Ilustração de malhas centradas: a) no vértice; e b) nas células

[Dutykh, 2007].

Nf aces Nf aces
∂ρϕ X X
Vcell · + ρf Vf ϕf · Af = Γ ∇ ϕf · Af + Sϕ · Vcell . (13)
∂t
f =1 f =1

Dessa forma, um sistema de equações algébricas lineares é obtido, podendo

ser resolvido através de métodos segregados ou acoplados. Neste ponto, diversas
técnicas têm sido desenvolvidas nos algoritmos de solução, de modo a otimizar
o uso de recursos computacionais.

0.3 TRANSFERÊNCIA DE CALOR

Segundo [Incropera et al., 2015], a condução de calor pode ser vista como a
transferência de energia das partículas mais energéticas para as menos energéti-
cas de uma substância devido ás interações entre partículas. Em temperaturas
mais altas estão associadas as energias moleculares mais altas e a condução pode
ser medida pela transferência dessa energia térmica, por meio de partículas do
material, sem que as mesmas se movam, transferindo energia de molécula por
molécula ao longo do material.
A quantificação da transferência de calor possibilita que se calcule a quan-
tidade de energia a ser transferida por uma unidade de tempo.
Segundo [Incropera et al., 2015] a equação que descreve é denominada Lei
de Fourier:
18 CONTEÚDO

dT
qx = kA · (14)
dx

sendo k a condutividade térmica em (W/(mK)) sendo uma importante pro-

priedade do material utilizado. O fluxo de calor pode ser representado pela
equação:

′′ dT
qx = −k · (15)
dx

e se comporta visto na figura abaixo.

Ts,1 T(x,t0 )

Q̇
T(x,t1 )
Ts,2

x x=L

Fig. 14: Transferência de calor parede plana

No desenvolvimento de um equacionamento vetorial [Incropera et al., 2015],

a lei de Fourier pode ser descrita abaixo:

 
∂T ∂T ∂T
′′
q = −k∇T = −k i+ j+ k (16)
∂x ∂y ∂z
0.3. TRANSFERÊNCIA DE CALOR 19

0.3.1 Equação da difusão de calor

No análise de troca de calor pela condução, busca-se determinar o campo de
temperaturas em um meio resultante das condições impostas em suas fronteiras,
assim é possível conhecer a distribuição de temperatura no meio escolhido. Na
definição de um volume de controle diferencial é possível identificar os processo
de transferência de energia relevantes adaptando as equações das taxas de calor
associadas [Incropera et al., 2015]. Essas taxas podem ser representadas pela
equação abaixo:

∂qi
qi+di = q(i) + · di (17)
∂i
Aplicando ao volume de controle, pode ser representado na figura abaixo.

qz

dx
dy
dz
dz
z
qx + dx qx
y
x qy dx dy

qz + dz

Fig. 15: Volume de controle transferência de calor

Em que no interior do volume pode haver uma fonte de energia, que é

associado a taxa de geração de energia térmica [Incropera et al., 2015], sendo:

E˙g = q̇dxdydz (18)

Em qual q̇ representa a taxa na qual a energia é gerada por unidade de
volume do meio W/m3. Segundo [Incropera et al., 2015], também pode ocorrer
variações na energia interna armazenada no interior do volume de controle, em
que na ausência de mudança de fase existem efeitos de energia latente e assim
pode-se descrever como acúmulo de energia, sendo representado por:
20 CONTEÚDO

∂T
Ėacu = ρCp dxdydz (19)
∂t

No conhecimento da energia acumulada do sistema em relação ao fluxo tér-

mico definido em anteriormente, encontra-se a forma geral da equação de con-
dução de calor, descrevendo como o calor se dissipa através do objeto.

∂2T ∂2T ∂2T

 
∂T
k 2
i+ 2
j + 2 k + q̇ = ρCp (20)
∂x ∂y ∂ ∂t

A equação desenvolvida em [Incropera et al., 2015] define que "Em qualquer

ponto do meio, a taxa líquida de transferência de energia por condução para
o interior de um volume unitário somada à taxa volumétrica de geração de
energia térmica deve ser igual à taxa de variação da energia térmica acumulada
no interior deste volume"
Em meios a qual a condutividade do material permanece constante, é pos-
sível adicionar e substituir termos pela difusidade térmica, desenvolvida por:

k
α= (21)
ρ · Cp

Também é possível realizar outras simplificações, como é o caso e problemas

em condições de regimes estacionário, a qual segundo [Incropera et al., 2015]
não pode haver variação na quantidade da energia armazenada, podendo igualar
a primeira parcela da equação da forma geral igual a zero.

0.3.2 Difusão de calor diferenças finitas

A determinação numérica da distribuição de temperatura exige que uma

equação de conservação apropriada seja escrita para cada um dos pontos no-
dais de temperatura desconhecida. O conjunto resultante das equações deve,
então, ser resolvido simultaneamente para determinar as temperaturas não co-
nhecidas em cada nó. Para qualquer nó interior em um sistema bidimensional
sem geração e com condutividade térmica uniforme, a forma exata da exigên-
cia de conservação de energia é dada pela equação do calor. Entretanto, se
o sistema for caracterizado em termos de uma rede nodal, torna-se necessário
trabalhar com uma forma aproximada, ou em diferenças finitas, desta equação.
0.3. TRANSFERÊNCIA DE CALOR 21

k
α=
ρ · Cp

∂2T ∂T
α· =
∂x2 ∂t

∂2T ∂T /∂x|i+1/2 − ∂T /∂x|i−1/2

2
|i ≈
∂x ∆x

∂T Ti+1 − Ti
|i+1/2 ≈
∂x ∆x

∂T Ti−1 − Ti
|i−1/2 ≈
∂x ∆x

∂2T Ti+1 − Ti − Ti−1 − Ti (22)

|i ≈
∂x2 ∆x2

Ti+1 − 2Ti − Ti−1 ∆T

α· 2
=
∆x ∆t

Ti+1 − 2Ti − Ti−1 (i+1) (i)

α∆t · = Ti − Ti
∆x2

(t+1) (t) ∆t  (t) (t) (t)


Ti = Ti +α· Ti+1 + Ti−1 − 2Ti
∆x2

(t+1) (t)

(t) (t)
 ∆t
Ti = Ti · (1 − 2 · r) + r · Ti+1 + Ti−1 onde r =α·
∆x2

∆t ∆t 1
1 − 2α · >0 → α· < criterio de convergencia
∆x2 ∆x 2 2

0.3.3 Condições de contorno

As condições de contorno é uma forma de descrever as condições físicas
presentes nas fronteiras do problema. Definir as condições físicas existentes, seja
em alguma interface do problema, definem como a solução deve se comportar
nas fronteiras ou limites do domínio, assim garantem uma solução mais próxima
a realidade do sistema.
22 CONTEÚDO

Tabela 4.2 Caso 1: Ponto nodal interior

Equação diferenças finitas para ∆x = ∆y

m,n+1
Tm,n+1 + Tm,n−1 + Tm+1,n
(23)
∆y +Tm−1,n − 4Tm,n = 0
m,n m+1,n
m-1,n

m,n-1
∆x

Tabela 4.2 Caso 2: Ponto nodal em um vértice interno com convecção

Equação diferenças finitas para ∆x = ∆y

m,n+1
2(Tm−1,n + Tm,n+1 ) + (Tm+1,n + Tm,n−1 )
+2 h∆x h∆x


∆y k T∞ − 2 3 + k Tm,n = 0
m,n m+1,n (24)
m-1,n
T∞ , h

m,n-1
∆x

Tabela 4.2 Caso 3: Ponto nodal em uma superficie plana com convecção

m,n+1

∆y
m,n
T∞ , h
m-1,n

m,n-1
∆x Equação diferenças finitas para ∆x = ∆y

(2Tm−1,n + Tm,n+1 + T
m,n−1 ) +

(25)
+2 h∆x h∆x
k T∞ − 2 2 + k Tm,n = 0
0.3. TRANSFERÊNCIA DE CALOR 23

Tabela 4.2 Caso 4: Ponto nodal em um vértice externo com convecção

m-1,n
T∞ , h
m,n
∆y

m,n-1
∆x Equação diferenças finitas para ∆x = ∆y

Tm,n−1 + T
m−1,n ) + 2 h∆x

k T∞ (26)
−2 1 + h∆x
k Tm,n = 0

Tabela 4.2 Caso 5: Ponto nodal em uma superfície plana com fluxo térmico
uniforme

m,n+1

∆y
m,n ′′
q
m-1,n

m,n-1
∆x Equação diferenças finitas para ∆x = ∆y

(2Tm−1,n + Tm,n+1 + Tm,n−1 )

′′ (27)
+2 q ∆x
k − 4Tm,n = 0
24 CONTEÚDO

0.4 Metodologia

ST2ACT1

Teoria envolvendo
a metodologias de
Equações de solução numérica
Contextualização
Conservação do problema
[de Oliveira Fortuna, 2000]
[Maliska, 2017]
Contextos
da aplicação Discretização
escolhida com
toda a teoria e
Não
física envolvida
Solução Numérica

Analise dos De
resultados acordo?

Os resultados da simulação numérica precisam ser interpretados e dis-

cutidos à luz do contexto da aplicação. Isso pode envolver a análise de parâ-
metros críticos e discutir possíveis otimizações a simulação e ao projeto assim
como gráficos e valores desenvolvidos pelo processo desenvolvido.
Por exemplo, se estamos analisando o resfriamento de um componente ele-
trônico, precisamos saber as características físicas desse componente, como sua
geometria, material e temperaturas de operação. Para problemas termodinâ-
micos e de fluidos, isso geralmente envolve equações como a equação de Navier-
Stokes para o escoamento de fluidos e a equação de energia para a transfe-
rência de calor. Após a formulação das equações de conservação, é necessário
discretizá-las. Isso envolve dividir o domínio de estudo em volumes finitos. Ele
é amplamente utilizado para resolver equações de conservação em problemas de
fluidodinâmica. Gerando resultados referentes a distribuição de temperatura e
transferência de calor no componente eletrônico.
Bibliografia

[Carneiro, 2022] Carneiro, C. C. S. (2022). Estudo do refinamento de malhas

de elementos finitos com elemento finito q4-isoparamétrico linear.
[de Oliveira Fortuna, 2000] de Oliveira Fortuna, A. (2000). Tecnicas Compu-
tacionais para Dinamica dos Fluidos Vol. 30. Edusp.
[Dutykh, 2007] Dutykh, D. (2007). Modélisation Mathématique des Tsunamis.
PhD thesis, L’École Normale Supérieure de Cachan, Cachan.
[Fluent et al., 2011] Fluent, A. et al. (2011). Ansys fluent theory guide. Ansys
Inc., USA, 15317:724–746.
[Fox, 2015] Fox, R. W. (2015). McDonald, at Introdução à Mecânica dos Flui-
dos. Grupo Gen-LTC.
[Incropera et al., 2015] Incropera, F. P., Dewitt, D. P., and Bergman, T. L.
(2015). Fundamentos de Transferência de Calor E de Massa . Grupo Gen-
LTC.
[Maliska, 2017] Maliska, C. R. (2017). Transferência de calor e mecânica dos
fluidos computacional . Grupo Gen-LTC.
[Menter, 1994] Menter, F. R. (1994). Two-equation eddy-viscosity turbulence
models for engineering applications. AIAA journal, 32(8):1598–1605.
[Versteeg and Malalasekera, 1995] Versteeg, H. and Malalasekera, W. (1995).
Computational fluid dynamics. The finite volume method, pages 1–26.
[Versteeg and Malalasekera, 2007] Versteeg, H. K. and Malalasekera, W.
(2007). An introduction to computational fluid dynamics: the finite volume
method. Pearson education.
[Wilcox, 2008] Wilcox, D. C. (2008). Formulation of the kw turbulence model
revisited. AIAA journal, 46(11):2823–2838.
[Zawawi et al., 2018] Zawawi, M. H., Saleha, A., Salwa, A., Hassan, N., Zahari,
N. M., Ramli, M. Z., and Muda, Z. C. (2018). A review: Fundamentals of
computational fluid dynamics (cfd). In AIP conference proceedings, volume
2030. AIP Publishing.

25