Qualificação D.Sc. LuizF

UNIVERSIDADE FEDERAL DO RIO DE JANEIRO
Coordenação dos Programas de Pósgraduação em Engenharia

Programa de Engenharia Quími a
Desenvolvimento de Metodologias para

Simulação de Es oamentos Polidispersos
Luiz Fernando Lopes Rodrigues Silva
Orientador: Paulo Laranjeira da Cunha Lage
Exame de Quali ação para o Doutoramento em Engenharia Quími a
RIO DE JANEIRO, RJ BRASIL

OUTUBRO 2006
Agrade imentos
Agradeço em primeiro lugar ao amigo e orientador Paulo Lage, que desde os
meus tempos de ini iação ientí a, ontribui fortemente na minha formação,
om seus onselhos, advertên ias, orreções e tro a de idéias.
Agradeço aos membros da ban a de quali ação, Dr. Carlos Eduardo,
Prof. Evaristo e Prof. Su Jian, pelo apoio, sugestões e pa iên ia na avaliação
de um do umento tão longo.
Não posso deixar de agrade er aos atuais amigos do LTFD, Cláudio Pa-
trí io, Ri ardo Carvalho, João Felipe, Ri ardo Damian e Carlos Che, e aos
ex-integrantes do laboratório, Flávio Campos, Jorge Palomino, Vi tor Ruiz
e Carlos Eduardo. A onstante tro a de idéias, sugestões, piadas, et . fa-
vore em ao ótimo lima no laboratório e, por onseguinte, à evolução deste
trabalho.
Agradeço aos olegas e amigos do PEQ pelo ótimo onvívio. Em espe ial,
agradeço à Clarissa por todo arinho em mim depositado.
Por m, agradeço a minha família pelo suporte e ompreensão da minha
es olha na preparação prossional.
Luiz Fernando L. R. Silva

Resumo
Apli ações que envolvem pro essos multifási os são omuns na indústria quí-
mi a, omo olunas de borbulhamento, destilação e pulverizadores spray-
dryer. Os pro essos de interação partí ula-partí ula possuem grande impor-
tân ia no estabele imento do regime de es oamento em olunas de borbu-
lhamento e no grau de misturação na fase dispersa, afetando diretamente os
pro essos de separação, mistura e reação. O presente trabalho visa veri ar
os prin ipais pontos na modelagem de olunas de borbulhamento e apresen-
tar uma metodologia para simular o es oamento polidsperso nesse tipo de
equipamento, utilizando omo base um onjunto de rotinas de ódigo livre
apli adas em uidodinâmi a omputa ional (Computational Fluid Dynami s
- CFD).
A modelagem multifási a Euleriana para as fases se apresenta omo a
formulação mais apropriada para estes pro essos. A partir da revisão bi-
bliográ a, detalhes sobre a modelagem (termo de interação entre fases e
turbulên ia) e simulação CFD (geometria 2D e 3D, aproximações numéri-
as) de olunas de borbulhamento são apresentados.
Para onsiderar os efeitos de quebra e agregação entre as partí ulas, são
apresentados a equação de balanço popula ional e os métodos numéri os
de solução, om ênfase nas abordagens usando momentos. Este trabalho
ainda mostra detalhes sobre as metodologias e apli ações do a oplamento da
modelagem Euleriana e a equação de balanço popula ional.
O pa ote CFD de ódigo livre OpenFOAM es rito em C++ foi usado.
Detalhes sobre o uso, fun ionamento e programação do pa ote CFD Open-
FOAM e, em espe ial, a implementação multifási a também são forne idos.
Como resultado par ial, realizou-se uma avaliação ríti a dos métodos
QMOM (Quadrature Method Of Moments ), DQMOM (Dire t Quadrature
Method Of Moments ) e PPDC (Parallel Parent Daughter Classes ) om base
em soluções numéri as. O DQMOM se mostrou o método mais adequado à
implementação da solução de balanço popula ional.
ii
Por m, om base nas informações ontidas nesse trabalho propõe-se as
etapas futuras para a tese de doutorado.
Sumário
1 Introdução 1
1.1 Sistemas Polidispersos em Engenharia Quími a . . . . . . . . 1
1.2 Motivação . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 2
1.3 Estrutura do Trabalho . . . . . . . . . . . . . . . . . . . . . . 5
2 Introdução à Fluidodinâmi a Computa ional (CFD) 7

2.1 O que é CFD? Porque usar CFD? . . . . . . . . . . . . . . . . 7
2.2 Equações Bási as de Fenmenos de Transporte . . . . . . . . 9
2.2.1 Equações de Conservação . . . . . . . . . . . . . . . . 10
2.2.2 Conservação de Massa Continuidade . . . . . . . . . 11
2.2.3 Conservação de Quantidade de Movimento . . . . . . . 13
2.2.4 A Equação de Transporte . . . . . . . . . . . . . . . . 17
2.3 O Raio-X de CFD . . . . . . . . . . . . . . . . . . . . . . . . 18
2.3.1 Gerador de Geometria . . . . . . . . . . . . . . . . . . 19
2.3.2 Gerador de Malha . . . . . . . . . . . . . . . . . . . . 19
2.3.3 Pré-pro essamento . . . . . . . . . . . . . . . . . . . . 21
2.3.4 Solvers . . . . . . . . . . . . . . . . . . . . . . . . . . 22
2.3.5 Pós-pro essamento . . . . . . . . . . . . . . . . . . . . 26
3 Fundamentos do Es oamento Multifási o 28

3.1 Fundamentos de Modelagem . . . . . . . . . . . . . . . . . . . 28
3.1.1 Con eitos Bási os . . . . . . . . . . . . . . . . . . . . . 29
3.1.2 Modelagem da Interação entre Fases . . . . . . . . . . 34
3.1.3 Modelagem de Turbulên ia . . . . . . . . . . . . . . . 40
3.2 Colunas de Borbulhamento . . . . . . . . . . . . . . . . . . . 45
SUMÁRIO iv
3.2.1 Regimes de Es oamento . . . . . . . . . . . . . . . . . 45
3.2.2 Simulações Eulerianas: Regime Homogêneo . . . . . . 47
3.2.3 Simulações Eulerianas: Regime Heterogêneo . . . . . . 53
4 Modelagem de Balanço Popula ional 56

4.1 Balanço Popula ional . . . . . . . . . . . . . . . . . . . . . . . 56
4.1.1 Equação de Balanço Popula ional (EBP) . . . . . . . . 58
4.1.2 Pro essos de Agregação . . . . . . . . . . . . . . . . . 59
4.1.3 Pro essos de Quebra . . . . . . . . . . . . . . . . . . . 62
4.1.4 Hipóteses e Simpli ações . . . . . . . . . . . . . . . . 63
4.2 Té ni as Numéri as para Solução de EBPs . . . . . . . . . . . 65
4.2.1 Métodos Esto ásti os . . . . . . . . . . . . . . . . . . 65
4.2.2 Método dos Resíduos Ponderados . . . . . . . . . . . . 67
4.2.3 Método das Classes . . . . . . . . . . . . . . . . . . . . 69
4.2.4 Método dos Momentos . . . . . . . . . . . . . . . . . . 76
4.2.5 Métodos Híbridos . . . . . . . . . . . . . . . . . . . . . 78
4.3 A oplamento CFD-EBP . . . . . . . . . . . . . . . . . . . . . 83
4.3.1 Fundamentos . . . . . . . . . . . . . . . . . . . . . . . 83
4.3.2 Apli ações . . . . . . . . . . . . . . . . . . . . . . . . . 86
5 Pa ote CFD OpenFOAM 93

5.1 Introdução . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 93
5.1.1 Es olha do OpenFOAM . . . . . . . . . . . . . . . . . 94
5.1.2 Origem do OpenFOAM . . . . . . . . . . . . . . . . . 95
5.2 OpenFOAM omo Ferramenta CFD . . . . . . . . . . . . . . 97
5.2.1 Estrutura de Arquivos da Simulação . . . . . . . . . . 97
5.2.2 Geração de Geometria e Malha . . . . . . . . . . . . . 99
5.2.3 Pré-Pro essamento . . . . . . . . . . . . . . . . . . . . 101
5.2.4 Solução Numéri a . . . . . . . . . . . . . . . . . . . . 102
5.2.5 Pós-Pro essamento . . . . . . . . . . . . . . . . . . . . 106
5.3 Linguagem de Programação no OpenFOAM . . . . . . . . . . 106
5.3.1 Orientação a Objetos e C++ . . . . . . . . . . . . . . 107
5.3.2 Interpretação da Linguagem pelo OpenFOAM . . . . . 109
5.3.3 Estrutura das Bibliote as no OpenFOAM . . . . . . . 111
SUMÁRIO v
5.3.4 Exemplo de Código lapla ianFoam . . . . . . . . . . 115
5.4 Es oamento Multifási o no OpenFOAM . . . . . . . . . . . . 124
5.4.1 Solvers Implementados . . . . . . . . . . . . . . . . . . 124
5.4.2 Implementação do solver twoPhaseEulerFoam . . . . . 125
6 Resultados Preliminares 129

6.1 Avaliação de Métodos de Solução de EPB . . . . . . . . . . . 129
6.2 Formulação da Solução Analíti a . . . . . . . . . . . . . . . . 131
6.2.1 Solução de Lage [2002℄ . . . . . . . . . . . . . . . . . . 132
6.2.2 Solução de M Coy e Madras [2003℄ . . . . . . . . . . . 133
6.3 Formulação Numéri a de Solução . . . . . . . . . . . . . . . . 133
6.3.1 QMOM . . . . . . . . . . . . . . . . . . . . . . . . . . 134
6.3.2 DQMOM . . . . . . . . . . . . . . . . . . . . . . . . . 135
6.3.3 PPDC . . . . . . . . . . . . . . . . . . . . . . . . . . . 136
6.3.4 Métodos de Integração no Tempo . . . . . . . . . . . . 138
6.4 Resultados das Simulações . . . . . . . . . . . . . . . . . . . . 139
6.4.1 Evolução Temporal e Convergên ia dos Momentos . . 140
6.4.2 Avaliação dos Erros na Evolução dos Momentos . . . . 151
6.4.3 Evolução no tempo dos Pesos e Abs issas . . . . . . . 163
6.4.4 Tempo de Computação . . . . . . . . . . . . . . . . . . 167
6.5 Con lusões . . . . . . . . . . . . . . . . . . . . . . . . . . . . 171
7 Etapas do Trabalho de Tese 173

7.1 Objetivos e Relevân ia . . . . . . . . . . . . . . . . . . . . . . 173
7.2 Programação no OpenFOAM . . . . . . . . . . . . . . . . . . 173
7.2.1 Implementação da EBP Homogênea . . . . . . . . . . 174
7.2.2 Implementação da EBP Heterogênea . . . . . . . . . . 174
7.2.3 Implementação Multifási a (CFD-EBP) . . . . . . . . 175
7.3 Cronograma de Atividades . . . . . . . . . . . . . . . . . . . . 175
A Formulações e Algoritmos 176

A.1 Algoritmo Produto-Diferença . . . . . . . . . . . . . . . . . . 177
B Des rição de Solvers no OpenFOAM 179

B.1 Solver s alarTransportFoam . . . . . . . . . . . . . . . . . . . 179
SUMÁRIO vi
B.2 Solver i oFoam . . . . . . . . . . . . . . . . . . . . . . . . . . 183
B.3 Solver turbFoam . . . . . . . . . . . . . . . . . . . . . . . . . 188
Nomen latura
A área projetada normal à velo idade relativa da partí ula
a freqüên ia de agregação entre partí ulas no estado a outro
B termo fonte da equação de balanço popula ional referente à taxa de
nas imento de partí ulas
b taxa espe í a de quebra de partí ulas no estado (x, v)
Cd oe iente de arrasto
CL oe iente de sustentação
Cmv oe iente de massa virtual
Dx oe iente de difusão anisotrópi o da partí ula
D termo fonte da equação de balanço popula ional referente à taxa de
morte de partí ulas
D taxa de deformação do uido
f função densidade de número de partí ulas
Fi força atuante na partí ula i
g ampo gravita ional
G termo fonte da equação de balanço popula ional referente à taxa de
res imento de partí ulas
H termo fonte geral da equação de balanço popula ional
J termo fonte da equação de balanço popula ional referente à taxa de
nu leação de partí ulas
MaI,ik termo de interação entre as fases i e k devido à força de arrasto
Mmv
I,ik termo de interação entre as fases i e k devido à força de massa virtual
MsI,ik termo de interação entre as fases i e k devido à força de sustentação
SUMÁRIO viii
MI,k termo fonte da equação média de momentum referente à tro a de
momentum pela interfa e da fase k
m massa da partí ula
n vetor unitário normal à uma superfí ie espe í a
n número de pontos de quadratura
NT número total de partí ulas
p pressão
P (v | v′ ) função de densidade de probabilidade da quebra de partí ulas no
estado (v′ ) virem a possuir o estado (v)
Re número de Reynolds
Srk taxa adimensional de isalhamento na fase k
T tensor tensão
t força de tensão super ial
t tempo
u velo idade do uido
ur velo idade relativa da partí ula
V volume arbitrário do espaço físi o
V̇ taxa de variação das variáveis externas
v vetor de variáveis internas
wi peso i para as variáveis internas
Ẋ taxa de variação das variáveis externas
x vetor de variáveis externas
y vetor de propriedades da fase ontínua
Letras Gregas
α fração volumétri a da fase dispersa
δ número de pares idênti os na agregação
ǫ taxa de dissipação de energia turbulenta
k energia inéti a turbulenta
λ e iên ia de agregação
µ vis osidade do uido
µk momento k da distribuição de partí ulas
Ωv ontorno das variáveis internas
Ωx ontorno das variáveis externas
Ψ termo de produção de energia turbulenta
SUMÁRIO ix
q uxo difusivo de um elemento de uido
ρ densidade do uido
ςi abs issa ponderada da fase i (ςi = wi ξi )
S tensão vis osa
υ volume da partí ula
ϑ número médio de partí ulas geradas na quebra
̟ freqüên ia de olisão para agregação
ξi abs issa i no domínio das variáveis internas
Subes ritos
a referente aos pro essos de agregação
b referente aos pro essos de quebra
I referente aos pro essos que o orrem na interfa e
m referente à mistura no ASMM
Sobres ritos
(a) referente à solução analíti a
ˇ referente a velo idade utuante devido a interação entre bolhas
lam referente ao es oamento laminar
˜, ′ referente à diferentes estados de partí ula
turb referente ao es oamento turbulento
Lista de Figuras
2.1 Um volume xo arbitrário ontendo o uido. . . . . . . . . . . 11
2.2 Domínio omputa ional para a geometria de um oelho. Da
esquerda para a direita, a geometria vai sendo melhor repre-
sentada onforme o número de elementos na malha não estru-
turada é gradualmente aumentado. . . . . . . . . . . . . . . . 21
2.3 Análise esquemáti a das etapas de um solver. . . . . . . . . . 26
3.1 Coe iente de arrasto para esferas rígidas em função do nú-

mero de Reynolds (retirado de S hli hting [1960℄). . . . . . . 36
3.2 Coe iente de sustentação para uma esfera rígida e lisa em
função do número de Reynolds. Linha sólida: solução ana-
líti a para es oamento invís ido; linhas pontilhadas: ajuste
da urva para os resultados numéri os om Sr = 0, 02 (•) e
Sr = 0, 2 (N); linhas tra ejadas: solução analíti a para ree-
ping ow om Sr = 0, 02 e Sr = 0, 2 (retirado de Legendre e
Magnaudet [1998℄). . . . . . . . . . . . . . . . . . . . . . . . . 38
3.3 Representações dos regimes de es oamento observados em o-
lunas de borbulhamento. . . . . . . . . . . . . . . . . . . . . . 46
4.1 Representação do pro esso de agregação ini iado pela drena-

gem do lme líquido que separa as partí ulas, podendo resul-
tar (a) na agregação das partí ulas ou (b) na separação destas. 60
4.2 Representação de omo a té ni a do piv xo lida om a for-
mação de novas partí ulas que não oin idem om um piv
existente; • limites das lasses, | piv (ξi ), △ nova partí ula
formada por agregação ou quebra. . . . . . . . . . . . . . . . 71
LISTA DE FIGURAS xi
5.1 Estrutura de diretórios que ontém os arquivos de ongura-
ção da simulação. . . . . . . . . . . . . . . . . . . . . . . . . . 98
5.2 Conguração do aso bubbleFoam pelo FoamX. . . . . . . . . 99
5.3 Estrutura da bibliote a fvCFD.H. . . . . . . . . . . . . . . . . 112
5.4 Tratamento da não ortogonalidade da malha om a orreção
do uxo normal à fa e f pelos vetores Λ (unitário entro P a
entro N ) e Ω ( orretor). . . . . . . . . . . . . . . . . . . . . 121
5.5 Estrutura do algoritmo de solução do solver twoPhaseEuler-
Foam. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 128
6.1 Ilustração da geração das malhas das lhas geradas por quebra
usando N B(i) = 2i + 1. . . . . . . . . . . . . . . . . . . . . . 137
6.2 Convergên ia de momentos pelo número de pontos de quadra-
tura utilizando o método QMOM omparado ao aso (i). . . . 140
tura utilizando o método DQMOM omparado ao aso (i). . . 141
tura utilizando o método PPDC omparado ao aso (i). . . . 141
tura utilizando o método PPDC om Φ(∞) = 1 e ∆t = 10−4 s. 142
tura utilizando o método QMOM omparado ao aso (ii). . . 143
tura utilizando o método DQMOM omparado ao aso (ii). . 144
tura utilizando o método PPDC omparado ao aso (ii). . . . 144
tura utilizando o método PPDC om Φ(∞) = 10 e ∆t = 10−4 s.145
tura utilizando o método QMOM omparado ao aso (iii). . . 146
tura utilizando o método DQMOM omparado ao aso (iii). . 146
tura utilizando o método PPDC omparado ao aso (iii). . . . 147
LISTA DE FIGURAS xii
6.13 Evolução dos momentos pelos métodos QMOM, DQMOM e
PPDC usando (a) 2 e (b) 4 pontos de quadratura para o aso
(i). . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 148
(ii). . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 149
(iii). . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 150
6.16 Erro relativo dos momentos al ulados pelos métodos QMOM,
DQMOM e PPDC utilizando 2 pontos de quadratura para o
aso (i). . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 151
aso (ii). . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 152
aso (iii). . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 152
aso (i). . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 154
aso (ii). . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 154
aso (iii). . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 155
6.22 Análise do passo de tempo sobre a integração numéri a pelo
QMOM, om 2 e 4 pontos de quadratura para o aso (i). . . . 156
DQMOM, om 2 e 4 pontos de quadratura para o aso (i). . . 157
PPDC, om (a) 2 e (b) 4 pontos de quadratura para o aso (i).158
LISTA DE FIGURAS xiii
QMOM, om 2 e 4 pontos de quadratura para o aso (ii). . . 159
DQMOM, om 2 e 4 pontos de quadratura para o aso (ii). . 159
PPDC, om (a) 2 e (b) 4 pontos de quadratura para o aso (ii).160
QMOM, om 2 e 4 pontos de quadratura para o aso (iii). . . 161
DQMOM, om 2 e 4 pontos de quadratura para o aso (iii). . 161
PPDC, om (a) 2 e (b) 4 pontos de quadratura para o aso (iii).162
6.31 Perl dos (a) pesos e (b) abs issas pelo QMOM, DQMOM e
PPDC utilizando 15 pontos de quadratura para o aso (i). . . 164
PPDC utilizando 7 pontos de quadratura para o aso (ii). . . 165
PPDC utilizando 10 pontos de quadratura para o aso (iii). . 166
7.1 Cronograma de atividades para o trabalho de teste. . . . . . . 175

Lista de Tabelas
5.1 Solvers implementados no OpenFOAM-1.2. . . . . . . . . . . 105
6.1 Tempo omputa ional na simulação da EBP ( aso (i)). . . . . 168

6.2 Tempo omputa ional na simulação da EBP ( aso (ii)). . . . 169
6.3 Tempo omputa ional na simulação da EBP no aso (iii). . . 170
Capítulo 1
Introdução
1.1 Sistemas Polidispersos em Engenharia Quími a
São vastas as apli ações de sistemas polidispersos em engenharia quími a e

uma grande variedade de pro essos podem ser olo ados. Entre estes po-
dem ser itados a pulverização de um líquido em uma orrente de ar quente
(spray-dryer ), a injeção de gotas de óleo em uma âmara de ombustão, o
res imento de mi roorganismos em um fermentador, a queima de partí ulas
de arvão em uma mistura gasosa e, por m, os pro essos de borbulha-
mento, em spray e líquido-líquido, usados para operações de esgotamento,
evaporação por ontato direto, destilação, reação quími a, et . Em tais equi-
pamentos de operações unitárias, as diferentes interações entre as partí ulas
dispersas afetam o omportamento dinâmi o do sistema. Essas interações
tem inuên ia direta no regime de es oamento de olunas de borbulhamento
e no grau de misturação da fase dispersa, que afeta a separação, mistura
e reação nos pro essos. Deste modo, se torna ne essário onsiderar uma
abordagem detalhada para ns de modelagem e simulação de tais sistemas.
Normalmente, espera-se que os fenmenos asso iados om a presença das

partí ulas nos equipamentos sejam onhe idos ou ontrolados, permitindo
1.2 Motivação 2
a ompanhar a inuên ia das partí ulas sobre o sistema. A análise apro-
priada de um sistema polidisperso pro ura representar o omportamento
estatísti o da população e de seu ambiente (fase ontínua) a partir de uma
partí ula genéri a e seu ambiente lo al. Como o omportamento das partí-
ulas dependem de variáveis asso iadas aos seus ambientes lo ais ( ampo de
velo idade, temperatura, et .), a modelagem para a população de partí ulas
deve ser mutuamente a oplada om os modelos de onservação das variáveis
do ambiente. Isto ressalta a inuên ia e a integração dos fenmenos de trans-
porte presentes na fase ontínua sobre a população inteira e vi e-versa. Por
exemplo, a uidodinâmi a de um equipamento pode ontribuir diretamente
nos efeitos de quebra e agregação de partí ulas, enquanto que a presença
destas mesmas partí ulas pode interferir no es oamento do uido.
O estudo destes fenmenos asso iados à sistemas polidispersos vem sendo

realizado om grande an o pela omunidade a adêmi a. Ramkrishna e
Mahoney [2002℄ realizaram uma revisão referente aos estudos e apli ações de
sistemas polidispersos baseados na análise por balanço popula ional, que se
apresenta omo uma abordagem promissora no tratamento destes pro essos.
1.2 Motivação
Reatores em olunas de borbulhamento na indústria são usados em uma

grande variedade de pro essos, tais omo síntese de Fis her-Trops h, produ-
ção de reagentes parti ulados em quími a na, reações de oxidação e hidroge-
nação, fermentação, ultura de élulas e tratamento de euentes. As grandes
vantagens deste equipamento são a alta área interfa ial entre as fases, boas
taxas de transferên ia de massa e alor, uma alta retenção de líquido (favo-
re endo pro essos om reações lentas) e, por m, a fa ilidade de onstrução
e manutenção de uma oluna de borbulhamento. O omportamento des-
tes reatores é afetado por parâmetros globais de operação, omo velo idade
super ial do gás, altura do líquido, pressão e temperatura. As variáveis
hidrodinâmi as que inuen iam a performan e da oluna de borbulhamento
1.2 Motivação 3
são a retenção gasosa lo al, as taxas de quebra, oales ên ia e dispersão de
bolhas, velo idade das bolhas, a distribuição de tamanho na fase dispersa,
a distribuição da on entração da área interfa ial entre gás-líquido, os oe-
ientes de tro a de alor e massa entre as fases e o grau de mistura da fase
líquida (Krishna et al. [1996℄). O entendimento da uidodinâmi a é vital
para o aumento ou diminuição da es ala de tais reatores.
A dinâmi a de es oamentos gás-líquido em olunas de borbulhamento

tem sido objeto de estudo durante dé adas. Existem três regimes que ara -
terizam o perl de es oamento em olunas de borbulhamento e dependem
da velo idade super ial do gás e do líquido, do distribuidor de gás e da
geometria da oluna. O primeiro, hamado de regime homogêneo, é ara -
terizado por baixas velo idades super iais de gás, onde as bolhas possuem
basi amente o mesmo tamanho e as endem om velo idade onstante em
trajetória quase retilínea, om pou a ou nehuma interação entre elas. Ao
aumentar a velo idade super ial do gás, o orre a transição para o regime
heterogêneo. Neste aso, as interações entre as bolhas se intensi am e a
faixa de distribuição de tamanho nas olunas aumenta. Por onseqüen ia, se
forma um padrão de ir ulação interna no perl de es oamento no líquido. O
regime slug ara teriza-se por altas velo idades super iais de gás e a forma-
ção de enormes bolhas. Este regime só é atingido em olunas om pequeno
diâmetro.
Várias metodologias de simulação foram desenvolvidas e duas formas de

modelagem se desta aram para tratar tais es oamentos. A primeira é a
modelagem Euleriana-Lagrangeana onde ada partí ula (ou grupo de partí-
ulas) é simulada individualmente, om base na segunda lei de Newton para
o movimento e no ál ulo das forças atuantes sobre a mesma, devido a intera-
ções om o uido ou outras partí ulas ( olisões). A abordagem Lagrangeana
pode forne er resultados pre isos om uma modelagem relativamente sim-
ples. Contudo, o número de partí ulas representativas deve ser muito grande
para que, em dado instante da simulação, existam partí ulas su ientes em
dada região do equipamento simulado. Isto leva a uma abordagem om alto
usto omputa ional, o que limita as simulações gás líquido à velo idade de
1.2 Motivação 4
gás e retenção gasosa relativamente baixas (Lapin e Lübbert [1994℄ e Delnoij
et al. [1997℄). A segunda abordagem é onhe ida omo Euleriana-Euleriana,
na qual todas as fases são tratadas omo ontínuas (Drew [1983℄). Neste aso,
o es oamento é predito resolvendo-se equações de onservação médias para
ada fase, nas quais apare em termos de transporte entre as fases que pre i-
sam ser modelados. Devido ao seu menor usto omputa ional, a modelagem
Euleriana vem sendo muita empregada (Krishna et al. [1999b℄, Krishna e van
Baten [2001℄ e Chen et al. [2004℄).
A grande maioria dos trabalhos de simulação de olunas de borbulha-

mento utiliza um úni o diâmetro médio de bolha em todo o equipamento
para al ular termos presentes na modelagem Euleriana (por exemplo, o o-
e iente de arraste). Esta hipótese é justi ada para o regime homogêneo de
borbulhamento onde as interações na fase dispersa são pou as e o tamanho
das bolhas é prati amente uniforme. Contudo, no regime heterogêneo de
borbulhamento, usado na grande maioria dos asos industriais, as interações
entre as bolhas provo am uma ampla distribuição de tamanho de partí ulas
no equipamento, o que invalida o uso de um úni o diâmetro médio. Para
tratar esta situação, o uso de balanço popula ional se torna ne essário (Ram-
krishna [2000℄), pois permite o ál ulo lo al da distribuição lo al de tamanho
de partí ulas e pode aumentar onsideravelmente a a urá ia do perl de re-
tenção gasosa no equipamento (Chen et al. [2004℄). Assim, garante-se a
viabilidade do a oplamento entre as equações de es oamento polidisperso e
a equação de balanço popula ional. Existem várias metodologias de solução
da equação de balanço popula ional que apresentam diferentes resultados
de a urá ia e e iên ia omputa ional. É interessante realizar um estudo
sobre as té ni as de solução da equação de balanço popula ional devido ao
onstante surgimento de novos métodos e aprimoramento dos já existentes.
É interessante o uso de um pa ote CFD que possua a apa idade de

implementar tal modelagem. O OpenFOAM é um software de ódigo li-
vre es rito em C++ usado para manipular e resolver ampos em problemas
de me âni a do ontínuo. A fa ilidade do ódigo aberto e dos re ursos já
implementados no OpenFOAM tornam possível o desenvolvimento de uma
1.3 Estrutura do Trabalho 5
nova metodologia para simular o es oamento Euleriano-Euleriano polidis-
perso usando a té ni a de balanço popula ional. As simulações podem ser
validadas om base em dados experimentais para olunas de borbulhamento
presentes na literatura (Degaleesan et al. [2001℄ e Buwa e Ranade [2002℄).
O objetivo é onstruir uma ferramenta CFD para es oamentos polidispersos
e iente e a urada para uso da omunidade industrial e ientí a.
1.3 Estrutura do Trabalho
Este trabalho apresenta um estudo sobre os diferentes métodos de simula-

ção de es oamentos multifási os e de solução do balanço popula ional, de
modo a propor a metodologia mais adequada a ser in orporada ao software
de uidodinâmi a OpenFOAM. Três sub-áreas da engenharia fazem parte do
tema deste trabalho: (i) simulação numéri a de pro essos multifási os (ui-
dodinâmi a omputa ional), (ii) métodos numéri os (solução a oplada das
equações de es oamento multifási o e balanço popula ional) e (iii) ompu-
tação ientí a (implementação e desenvolvimento de software ). De forma
natural, a estrutura do trabalho se divide em tópi os rela ionados a estas
sub-áreas. Na seqüên ia, estão apresentadas a estrutura e o onteúdo dos
apítulos deste trabalho.
O Capítulo 2 introduz de forma breve os detalhes sobre uidodinâmi a

omputa ional, in luindo a formulação das equações da me âni a dos uidos
e as etapas usuais para a sua resolução.
Os fundamentos do es oamento multifási o om ênfase em olunas de

borbulhamento são mostrados no Capítulo 3. Este apítulo apresenta os
on eitos bási os da modelagem multi-uido, in luindo a modelagem dos
termos de interação entre a fases e da turbulên ia em es oamentos multi-
fási os. Por m, apresenta-se uma revisão da literatura sobre os diversos
trabalhos apli ados à simulação de olunas de borbulhamento utilizando a
abordagem Euleriana-Euleriana.
1.3 Estrutura do Trabalho 6
No Capítulo 4, a equação de balanço popula ional e seus termos de in-
teração são apresentados, denindo primeiramente os termos de quebra e
oales ên ia de forma geral e, em seguida, simpli ando-os para uso em apli-
ações reais. Ainda neste apítulo, a revisão bibliográ a de diversas té ni as
numéri as para resolver a equação de balanço popula ional é feita, porém
om uma ênfase maior nos métodos das lasses e nos métodos dos momentos.
Ao nal do apítulo, se en ontram detalhes e uma revisão bibliográ a so-
bre o a oplamento da uidodinâmi a omputa ional às té ni as de balanço
popula ional para a simulação de es oamentos polidispersos.
O pa ote de uidodinâmi a OpenFOAM de ódigo livre usado neste tra-

balho é apresentado no Capítulo 5. Detalhes sobre a história e uso do soft-
ware omo ferramenta de uidodinâmi a são olo ados. Uma breve intro-
dução sobre a linguagem de programação C++ é olo ada para que o leitor
tenha base para a ompanhar a programação interna do OpenFOAM e a es-
trutura de bibliote as usadas para manipulação e resolução de ampos. Por
m, são olo ados detalhes sobre a modelagem do es oamento multifási o no
OpenFOAM.
Os resultados preliminares deste trabalho são mostrados no Capítulo 6,

que apresenta a omparação entre três métodos numéri os (QMOM, DQ-
MOM e PPDC) para resolver a equação de balanço popula ional homogênea
(não varia om o espaço físi o). Análises da evolução dos momentos e a urá-
ia entre os métodos são realizadas ao omparar om as soluções analíti as de
Lage [2002℄ e M Coy e Madras [2003℄ usando diferentes ondições de simula-
ções. Testes de tempo e e iên ia omputa ional também são apresentados.
Por m, o Capítulo 7 mostra as futuras etapas do trabalho de tese, o-

mentando sobre a evolução do ódigo na implementação do a oplamento
entre uidodinâmi a multifási a om a equação de balanço popula ional no
OpenFOAM.
Capítulo 2
Introdução à Fluidodinâmi a
Computa ional (CFD)
2.1 O que é CFD? Porque usar CFD?
Fluidodinâmi a omputa ional (Computational Fluid Dynami s - CFD) é o

termo dado ao grupo de té ni as matemáti as, numéri as e omputa ionais
usadas para obter, visualizar e interpretar soluções omputa ionais para as
equações de onservação de grandezas físi as de interesse em um dado es o-
amento. A origem destas equações de onservação é baseada na teoria de
Fenmenos de Transporte. Assim, pode-se resumir CFD omo o onjunto
das té ni as de simulação omputa ional usadas para predizer os fenmenos
físi os ou físi o-quími os que o orrem em es oamentos.
Antes de entrar em detalhes sobre a des rição das té ni as de CFD, é

onveniente denir qual o seu signi ado e quais são as ne essidades das
áreas te nológi as. CFD faz parte da área de me âni a omputa ional que,
por sua vez, está in luída na grande área de simulação. A simulação é
usada por físi os, quími os e engenheiros para predizer o omportamento de
um produto, pro esso ou material em determinadas ondições assumidas ou
2.1 O que é CFD? Porque usar CFD? 8
aferidas. A importân ia das té ni as de simulação tem aumentado muito e
pode-se itar várias razões para tal fato.
• Ne essidade de predição A impossibilidade de predizer om a urá-

ia a performan e de um novo produto tem um efeito devastador nas
empresas. Por exemplo, onsidere o aso em que um protótipo re ém-
onstruído de um avião, arro ou reator quími o possua algumas falhas
es ondidas que possam levar à quebra, inoperabilidade ou, até mesmo,
a perda do apelo de venda do equipamento. Os ustos do desenvol-
vimento de novos produtos são tão grandes que a falta de retorno do
investimento devido a um desempenho inadequado dos produtos pode
rapidamente levar as empresas à falên ia. O úni o modo de minimizar
o ris o de se en ontrar asos de desempenho insatisfatório é oletar
um grande volume de informações do omportamento do produto sob
as mais diversas ondições opera ionais. Té ni as de simulação, omo
CFD, forne em este tipo de informação.
• Custo de experimentos Os experimentos, que são a úni a alternativa

à simulação, são ustosos. De a ordo om Patankar [1980℄, um úni o
dia de trabalho em um grande túnel de vento trans-sni o usta em
média US$ 105 , não in luindo os ustos de planejamento, preparação
do modelo, análise dos resultados, et . Outros experimentos podem
ter preços mais altos ainda.
• Impossibilidade dos experimentos Em alguns asos, os experimentos

são impossíveis de serem realizados. Podem-se itar alguns exemplos,
omo eventos solares e galá ti os, explosões nu leares na atmosfera e
situações biomédi as que poderiam olo ar em ris o a vida do pa iente.
• Detalhes de experimentos A maioria das simulações em larga es ala

ofere em mais detalhes do que os experimentos. O número de pontos
dis retizados na simulação é equivalente ao mesmo número de pontos
de medida direta em um experimento. Além disso, os resultados das
simulações permitem al ular dados derivados, omo por exemplo, vor-
ti idade, tempo de residên ia, tensão, et ., enquanto que os mesmos
2.2 Equações Bási as de Fenmenos de Transporte 9
são muito difí eis ou mesmo impossíveis de serem obtidos experimen-
talmente.
• Velo idade omputa ional e memória A apa idade omputa ional

(pro essamento e memória) ontinua a dobrar a ada 18 meses, se-
guindo a lei de Moore (Moore [1965℄). Ao mesmo tempo, os algoritmos
de solução ontinuam a ser desenvolvidos, om a urá ia e desempenho
ada vez melhores. Deste modo, as simulações tendem a ser ada vez
mais realísti as, om a in lusão de modelos mais abrangentes e uma
maior resolução espa ial do domínio de ál ulo.
Apesar das enormes vantagens das simulações em relação aos experimen-

tos, estes não podem ser des onsiderados pois forne em o úni o modo de
omparação om a realidade. Porém, devido ao de línio do usto ompu-
ta ional, as simulações irão ertamente reduzir o número de experimentos
ne essários.
É importante ressaltar que simulações CFD possuem limitações. Na

maioria das áreas, ainda é ne essário o desenvolvimento de modelos mais
a urados omo, por exemplo, nas áreas de turbulên ia, radiação, ombustão,
es oamentos multifási os, et . A apli ação de ondições de ontorno ne es-
sita do desenvolvimento de ferramentas ada vez melhores para des rever
em detalhe a geometria do domínio de ál ulo. Finalmente, existe a ne es-
sidade onstante de aperfeiçoamento das té ni as numéri as para ampliar a
apa idade de resolução dos problemas mais omplexos.
2.2 Equações Bási as de Fenmenos de Transporte
De modo a usar apropriadamente CFD omo uma ferramenta de engenharia,

é importante possuir um onhe imento das equações de onservação bási as
dos fenmenos de transporte de massa, quantidade de movimento e energia,
apli adas ao es oamento de uidos. A seguir veremos alguns on eitos fun-
damentais. Maiores detalhes sobre os fenmenos de transporte podem ser
en ontrados em Bird et al. [1960℄, Aris [1962℄, Slattery [1972℄ e White [1991℄.
2.2.1 Equações de Conservação
Uma equação de onservação nada mais é do que uma relação matemáti a

que expressa a onservação de uma dada grandeza ao longo do movimento
de um orpo. O prin ípio de onservação também pode ser expresso para
um dado volume do espaço físi o interno ao orpo.
Em um es oamento, as grandeza físi as onservadas de interesse são a

massa, as quantidades de movimento linear e angular e a energia do orpo
uido. Estas grandezas são ditas extensivas, pois são aditivas no volume do
orpo, isto é, quanto maior o orpo, maior é o valor da grandeza. É mais
onveniente trabalhar om grandezas intensivas, que são obtidas pela divisão
das grandezas extensivas avaliadas em um orpo pelo volume deste orpo em
uma dada onguração. Levando o volume deste orpo tender a zero, isto
é, usando um orpo de volume innitesimal, a grandeza intensiva tem seu
valor al ulado para uma partí ula material e, portanto, no ponto que a
mesma o upa nesta onguração. Assim, as grandezas intensivas possuem
valores asso iados a pontos do espaço físi o que fazem parte da onguração
do orpo em um dado instante de tempo.
Como as grandezas intensivas são funções de ponto e de tempo, isto é,

variam de ponto para ponto e ao longo do tempo, elas são ditas ampos.
Um ampo pode ser es alar, omo a temperatura ou a on entração de um
omponente em uma mistura, um vetor, omo a velo idade, ou mesmo um
tensor, omo a tensão vis osa.
Assim, as equações de onservação são apresentadas em termos das va-

riáveis intensivas na unidade de volume, isto é, são equações diferen iais
apli adas aos pontos do espaço físi o. A seguir, apresenta-se uma dedução
simpli ada dos prin ípios bási os de onservação.
2.2.2 Conservação de Massa Continuidade
A propriedade intensiva de massa por unidade de volume é a hamada den-

sidade, ρ, que é um ampo es alar. O uxo volumétri o de um uido é a
hamada velo idade do uido, u, que é um ampo vetorial. O produto ρu é
o uxo mássi o do uido, sendo também um ampo vetorial.
Para um sistema físi o genéri o, a onservação de massa é expressa por:
   
 taxa de a úmulo 
   taxa de massa 
 
=
 de massa total 
  
 entrando


Assim, pode-se apli ar este prin ípio a um volume do espaço físi o, V ,

arbitrário mas xo, de forma que é permitido ao uido atravessar o ontorno
deste volume, que é uma superfí ie fe hada do espaço tridimensional om
área A. Esta situação está representada na Fig. 2.1.
Figura 2.1: Um volume xo arbitrário ontendo o uido.
Subdividindo V em elementos de volume menores e onsiderando uma

quantidade innitesimal de massa dm = ρdV , é possível expressar a massa
total, MT , no sistema omo olo ado na Eq. 2.1.
Z Z
MT = dm = ρ dV (2.1)
V
Usando a Eq. 2.1, a variação da massa total presente no volume V é dada
pela Eq. 2.2: Z Z
dMT d ∂ρ
= ρ dV = dV (2.2)
dt dt V V ∂t
Só é possível tro ar a ordem das operações de derivação no tempo t e de

integração no volume V presentes na Eq. 2.2 porque o volume está xo no
espaço físi o.
A entrada de massa neste volume o orre ne essariamente através do on-

torno do volume, que hamaremos de superfí ie A. Subdividindo A em
elementos innitesimais de área dA e admitindo que n seja o vetor unitário
normal à superfí ie externa, pode-se hegar às expressões para o uxo volu-
métri o e mássi o através de dA saindo de V omo sendo n·udA e ρ(n·u)dA,
respe tivamente. Portanto, é possível expressar a taxa de massa que sai de
V através da superfí ie A omo mostra a Eq. 2.3.
 
 taxa de massa 
  Z Z
= ρ(n · u) dA = n · (ρu) dA (2.3)
 saindo de V 
  A A
Apli ando o teorema da divergên ia ou de Gauss na Eq. 2.3, vem:

Z Z
n · (ρu) dA = ∇ · (ρu) dV (2.4)
A V
e substituindo no balanço de massa geral, obtém-se:

Z Z
∂ρ
dV = − ∇ · (ρu) dV (2.5)
V ∂t V
Como as duas integrais no volume da Eq. 2.5 possuem o mesmo limite

de integração, é possível ombiná-las na forma:
Z
∂ρ
+ ∇ · (ρu) dV = 0 (2.6)
V ∂t
Já que V é arbitrário e omo o integrando é ontínuo, o requisito de

que a integral é nula para qualquer volume impli a em que o integrando é
identi amente nulo, isto é, é igual a zero em todos os pontos. O resultado é
a hamada equação da ontinuidade:
∂ρ
+ ∇ · (ρu) = 0 (2.7)
∂t
A Eq. 2.7 apresenta a forma Euleriana ou onservativa da equação da

ontinuidade. A forma Lagrangeana ou não onservativa equivalente é dada
por:
Dρ
+ ρ∇ · u = 0 (2.8)
Dt
D(·)
onde o operador Dt é a hamada derivada material ou substantiva, denida
por:
D(·) ∂(·)
= + u · ∇(·) (2.9)
Dt ∂t
A derivada material representa a variação de uma grandeza no tempo

no referen ial que se movimenta om o orpo ou, mais espe i amente, om
ada uma de suas partí ulas materiais.
2.2.3 Conservação de Quantidade de Movimento
A quantidade de movimento de um orpo é o produto de sua velo idade pela

sua massa. A segunda lei de Newton enun ia que a variação da quantidade
de movimento de um orpo é igual a a força resultante sobre o mesmo. Caso
a mesma seja nula e o orpo mantenha a sua massa inalterada, o mesmo
permane e em repouso ou em movimento retilíneo uniforme. Esta lei se
apli a aos orpos uidos, de forma que o es oamento de um uido o orre
pela ação de forças sobre o mesmo.
A úni a di uldade de se tratar de um orpo uido reside apenas na

representação orreta das forças atuantes. Estas são de dois tipos: forças
super iais e volumétri as.
As forças volumétri as ou de ampo são aquelas que agem sobre as partí-

ulas materiais de um orpo no interior de seu volume. A força da gravidade
é o exemplo mais omum. A força de gravidade por unidade de volume é
dada por ρg.
As forças super iais ou de ontato são aquelas que atuam apenas nas
superfí ies de ontato entre o orpo e sua vizinhança ou entre diferentes
subdomínios do orpo. As forças super iais são representadas pela hamada
força de tensão, t, que depende da orientação da superfí ie na qual se apli a.
A equação de onservação de quantidade de movimento em um orpo é

obtida simplesmente igualando a variação de quantidade de movimento do
orpo ao somatório das forças apli adas sobre o orpo.
Z Z Z
d
ρu dV = ρg dV + t dA (2.10)
dt V V A
Note que aqui, o balanço está sendo realizado sobre o orpo, ujo vo-
lume, em geral, varia em posição e magnitude om o tempo. Esta equação
está, pois, na forma Lagrangeana. Desta forma, a ordem das operações de
derivação no tempo e de integração no volume na Eq. 2.10 não pode ser
tro ada. Entretanto, o primeiro termo da Eq. 2.10 pode ser simpli ado
pelo uso de uma das formas do hamado teorema de transporte (Bird et al.
[1960℄, Slattery [1972℄), que permite es rever:
Z Z
d Du
ρu dV = ρ dV (2.11)
dt V V Dt
transformando a Eq. 2.10 na forma:
Z Z Z
Du
ρ dV = ρg dV + t dA (2.12)
V Dt V A
Caso o volume seja levado a zero na Eq. 2.12, as integrais em volume vão
a zero mais rapidamente do que a integral de superfí ie, de forma que:
Z
lim t dA = 0 (2.13)
V →0 A(V )
o que signi a que as forças de tensão estão em equilíbrio lo al.
Assumindo que a força de tensão depende da orientação da superfí ie

através apenas da normal, isto é, t(n), o equilíbrio lo al da força de tensão
pode ser usado para mostrar que a mesma pode ser expressa por:
t=n·T (2.14)
onde T é a tensão, que é um tensor de segunda ordem. Desta forma, a

Eq. 2.12 pode ser es rita na forma:
Z Z Z
Du
ρ dV = ρg dV + n · T dA (2.15)
V Dt V A
Apli ando o teorema da divergên ia de Gauss no segundo termo do mem-

bro direito da Eq. 2.15, hega-se à Eq. 2.16.
Z
Du
ρ − ρg − ∇ · T dV = 0 (2.16)
V Dt
Como esta equação é válida para qualquer orpo de volume V (t) e o

integrando é ontínuo, o integrando tem que ser identi amente nulo. Desta
forma, a Eq. 2.16 pode ser expressa pela Eq. 2.17, onhe ida omo a equação
do movimento, a equação generalizada de Euler ou primeira lei de Cau hy.
Du
ρ = ∇ · T + ρg (2.17)
Dt
Usando a denição de derivada material, Eq. 2.9, e a equação da ontinui-

dade, Eq. 2.7, o membro esquerdo da Eq. 2.17 pode ser es rito na hamada
forma Euleriana ou onservativa:
∂ (ρu)
+ ∇ · (ρuu) = ∇ · T + ρg (2.18)
∂t
que é a forma mais empregada em métodos numéri os que partem da inte-
gração da equação do movimento em um volume xo no espaço.
O sistema formado pela equação do movimento, Eq. 2.17 ou Eq. 2.18, e

pela equação da ontinuidade, Eq. 2.7, não pode ser resolvido para os ampos
ρ e u sem o onhe imento do tensor tensão T. Entretanto, a força de tensão
atuante em um dado es oamento depende de ara terísti as espe í as do
uido. Na realidade, a equação que forne e o tensor tensão em termos do
ampo de velo idade tem uma forma fun ional que depende do tipo do uido
sendo, portanto, uma equação onstitutiva.
Para um uido ideal, a força de tensão tem apenas a omponente normal

à superfí ie onde ela se apli a, sendo dada pela força de pressão. A equação
onstitutiva, neste aso, é muito simples, sendo dada pela Eq. 2.19:
T = −pI e ∇ · T = −∇p (2.19)
onde p é o ampo de pressão e I é o tensor identidade.
A Eq. 2.20 representa T para um uido vis oso, onde τ é a tensão vis osa
ou a tensão de desvio (já que representa o desvio da idealidade).
T = −pI + τ e ∇ · T = −∇p + ∇ · τ (2.20)
Substituindo a Eq. 2.20 na equação de Euler para uidos reais (Eq. 2.17),
esta se torna a equação de Navier-Stokes generalizada:

∂u
ρ + u · ∇u = ρg − ∇p − ∇ · τ (2.21)
∂t
O uido Newtoniano é a lasse de uidos em que τ assume a sseguinte

forma linear:
2
τ = 2µD + (κ − µ)(∇ · u)I (2.22)
3
onde µ é a vis osidade dinâmi a do uido ou primeiro oe iente de vis-
osidade, κ é o segundo oe iente da vis osidade e D é o tensor taxa de
deformação, denido por:
1
D = [∇u + (∇u)T ] (2.23)
2
Usualmente, emprega-se a hipótese de Stokes, que onsidera κ = 0 na

Eq. 2.22.
Para um uido in ompressível, a densidade, ρ, é onstante e a equação

da ontinuidade, Eq. 2.7, reduz-se a ∇ · u = 0. Assumindo ainda que a
vis osidade também é onstante, tem-se que:
∇ · τ = µ [∇ · ∇u + ∇ (∇ · u)] = µ∇2 u (2.24)
Substituindo a Eq. 2.24 na Eq. 2.21, hega-se à equação de Navier-Stokes:

∂u
ρ + u · ∇u = ρg − ∇p − µ∇2 u (2.25)
∂t
2.2.4 A Equação de Transporte
Considere φ omo uma grandeza intensiva por unidade de massa. Seu uxo
adve tivo é obtido pela simples multipli ação de φ pelo uxo mássi o ρu
forne endo ρuφ. A grandeza também é transportada por um pro esso difu-
sivo ujo uxo será representado por qφ . Além disso, a grandeza pode ser
gerada dentro do volume. A quantidade gerada por unidade de volume será
representada por Sφ .
Para um volume xo no espaço físi o, V , om área super ial A, o prin-

ípio geral de onservação de uma grandeza extensiva neste volume é dado
por:
 
taxa total

 
  

 

  







 taxa de geração 


 taxa de a úmulo 
   de entrada
 
 
 

= + da grandeza
 da grandeza em V 
  

 da grandeza 

 





   






 em V 
através de A 

 
Apli ando este prin ípio de onservação à φ, obtém-se:

Z Z Z
d
ρφ dV = − n · [ρuφ + qφ ] dA + Sφ dV (2.26)
dt V A V
ou, usando o fato de que o volume está xo no espaço físi o, temos:
Z Z Z
∂ (ρφ)
dV = − n · [ρuφ + qφ ] dA + Sφ dV (2.27)
V ∂t A V
2.3 O Raio-X de CFD 18
Usando o teorema da divergên ia no segundo termo da Eq. 2.27, obtém-
se: Z
∂ (ρφ)
+ ∇ · (ρuφ) + ∇ · qφ − Sφ dV = 0 (2.28)
V ∂t
Como o volume é arbitrário e o integrando é ontínuo, hega-se a hamada

equação de transporte da grandeza φ, na sua forma Euleriana:
∂ (ρφ)
+ ∇ · (ρuφ) = −∇ · qφ + Sφ (2.29)
∂t
Em geral, assume-se que o uxo difusivo é propor ional ao negativo do

gradiente de φ, isto é, que qφ = −Γ∇φ, onde Γ é o oe iente de difusão. A
Eq. 2.29 a ima passa a ser es rita na forma:
∂ (ρφ)
+ ∇ · (ρuφ) = ∇ · (Γ∇φ) + Sφ (2.30)
∂t
Na Eq. 2.30, o primeiro termo do lado esquerdo representa o a úmulo

de φ no volume, enquanto que o segundo termo representa o transporte ad-
ve tivo. Do lado direito, o primeiro termo representa o transporte difusivo
e o segundo representa a geração ou onsumo de φ. Na realidade, o último
termo representa qualquer outro pro esso no transporte de φ que não está
representado pelos outros três termos. Por exemplo, aso o transporte di-
fusivo não seja exatamente dado por qφ = −Γ∇φ, este termo in orpora a
orreção ne essária à orreta representação do transporte difusivo.
A variável onservada φ pode representar diferentes grandezas intensivas,

tais omo a fração mássi a de uma espé ie quími a, a entalpia ou a tempera-
tura para o transporte de alor, o omponente da velo idade em dada direção
oordenada, et .
2.3 O Raio-X de CFD
De modo a forne er um meio mais fá il de resolver e analisar problemas de

es oamento de uidos, a grande maioria dos programas omputa ionais de
CFD é subdividido em in o elementos prin ipais: um gerador de geometria,
um gerador de malha, um pré-pro essador, um que obtém a solução (solver )
e um pós-pro essador. Na seqüên ia, são olo ados maiores detalhes de ada
um destes elementos no ontexto de um ódigo CFD.
2.3.1 Gerador de Geometria
A primeira informação que pre isa ser introduzida no ambiente omputa io-
nal para resolver um problema de CFD é o domínio onde se bus ará a solução
do problema. Em primeiro lugar, o domínio tem que ser onvenientemente es-
olhido de forma a ser possível apli ar ondições onhe idas no seu ontorno.
Uma vez denido o domínio de ál ulo, a geometria pre isa ser introduzida
no ambiente omputa ional, isto é, pre isa ser representada através de seus
omponentes geométri os (pontos, urvas, superfí ies e volumes). Normal-
mente, isto é realizado através dos programas de CAD (Computer Aided
Design ), que permitem modelar geometri amente qualquer objeto no espaço
tridimensional.
2.3.2 Gerador de Malha
De posse da des rição omputa ional do domínio, é ne essário dividí-lo em

pequenos subdomínios não sobrepostos, hamados elementos, uma vez que a
grande maioria dos métodos numéri os de solução de equações de transporte
envolve ál ulos a nível de subdomínios. Este pro esso de subdivisão é etapa
hamada de geração de malha (em inglês, grid ou mesh ). Deve-se notar que
a forma omo o domínio é subdividido depende em parte da metodologia nu-
méri a que será posteriormente apli ada. Além disso, deve-se ter em mente
que a geometria não é, em geral, representada exatamente porque os elemen-
tos usados tem lados retos ou fa es planas, havendo aproximação de urvas
e superfí ies da geometria. Desta forma, obtém-se o domínio omputa ional,
que é uma aproximação da geometria omputa ional.
Existem, basi amente, dois tipos de malhas: as estruturadas e as não
estruturadas. As malhas estruturadas são geradas pela subdivisão dos ei-
xos oordenados em pequenos elementos unidimensionais que, por produto
artesiano, geram elementos bidimensionais e tridimensionais que são qua-
driláteros e hexaédri os, respe tivamente. Nestas malhas, ada elemento tem
sempre o mesmo número de elementos vizinhos, a não ser quando o mesmo
perten e ao ontorno.
As malhas não estruturadas são formadas por elementos que podem ter
diversas formas. Em problemas bidimensionais, os elementos são polígonos:
triângulos, quadriláteros, pentágonos, hexágonos, et ., sendo mais omum o
uso de triângulos, que são os elementos mais simples. No aso tridimensional,
os elementos são poliedros: tetraedros, pirâmides, prismas, hexágonos, et .,
sendo os tetraedros os elementos mais usados. Malhas não estruturadas
onseguem representar mais fa ilmente as geometrias mais omplexas, devido
a maior exibilidade de forma que seus elementos podem assumir.
A a urá ia da solução em um problema CFD depende do número de

elementos, da forma dos mesmos e omo estes estão distribuídos na malha.
Em geral, a a urá ia da solução melhora om o aumento do número de
elementos na malha. Contudo, é ne essário balan ear a a urá ia da solução
através do renamento da malha om o usto omputa ional de se obter a
solução no hardware disponível. Um exemplo sobre omo o renamento da
malha melhora a representação de uma geometria está olo ado na Fig. 2.2.
Ainda é possível denir as malhas omo uniformes, onde todas as élulas

no domínio possuem o mesmo tamanho, ou não uniformes, quando o tama-
nho das élulas pode variar. Malhas uniformes só podem ser obtidas em
geometrias simples e são, usualmente, estruturadas. Na maioria dos asos
práti os, as malhas não uniformes são usadas pois é possível e desejável re-
nar a malha apenas nas regiões onde os ampos da solução sofrem grandes
variações (gradientes elevados), usando uma malha mais grosseira nas regiões
de pequenas variações. Neste aso, as malhas não estruturadas são mais
Figura 2.2: Domínio omputa ional para a geometria de um oelho. Da

esquerda para a direita, a geometria vai sendo melhor representada onforme
o número de elementos na malha não estruturada é gradualmente aumentado.
adequadas que as estruturadas, uma vez que é possível fazer um renamento

lo al da malha. Para malhas estruturadas, que são baseadas na subdivisão
dos eixos oordenados, o renamento da malha não é lo al, propagando-se a
partir da região de renamento em todas as direções oordenadas.
Atualmente, abe ao usuário de CFD a importante tarefa de onstruir

uma malha om um ompromisso entre a a urá ia da solução do problema e
o usto omputa ional desta solução. Mais de 50% do tempo gasto em um
projeto usando CFD na indústria é dedi ado à denição da geometria e à
geração da malha. A maioria dos pa otes CFD in luem uma interfa e CAD
própria e/ou permitem a importação dos dados de outros pa otes CAD e
geradores de malha tais omo PATRAN, I-DEAS, TETGEN, TRIANGLE,
et .
2.3.3 Pré-pro essamento
O pré-pro essamento onsiste na modelagem físi a de um problema de es o-

amento om a estruturação destas informações de forma que o solver possa
usá-las. A modelagem físi a envolve as seguintes informações:
• Seleção dos fenmenos físi os e/ou quími os que devem ser modelados
e simulados.
• Denição das propriedades do(s) uido(s), omo vis osidade, densi-
dade, ondutividade térmi a, oe iente de transferên ia de massa,
et .
• Espe i ação das ondições de ontorno apropriadas nos elementos da

malha asso iados ao ontorno do domínio.
Os pré-pro essadores mais re entes forne em um ban o de dados om as

propriedades físi as dos uidos mais omuns e permitem ao usuário evo ar
diversos modelos físi os e quími os (e.g. modelos de turbulên ia, transferên-
ia de alor radiante, transferên ia de massa, reações quími as, ombustão,
es oamento multifási o, et .) já implementados no ódigo ou, ainda, permitir
a implementação de novos modelos.
2.3.4 Solvers
O solver é a parte prin ipal de um pa ote CFD pois este implementa as

té ni as numéri as de solução e seus parâmetros para resolver os problemas
físi os de modo apropriado. Em resumo, o métodos numéri os que formam
a base do solver passam pelos seguintes passos:
• Aproximação das variáveis in ógnitas do es oamento através de funções

simples.
• Dis retização, pela substituição das aproximações des ritas a ima nas
equações de transporte que governam o es oamento, om manipulações
matemáti as subseqüentes.
• Linearização do sistema de equações algébri as resultante.
• Denição da estratégia de solução do sistema de equações algébri as

lineares.
• Solução do(s) sistema(s) de equações algébri as lineares.

Existem várias té ni as numéri as de solução e suas diferenças estão as-
so iadas à forma om que as variáveis in ógnitas são aproximadas e ao pro-
edimento de dis retização. Todas estas metodologias numéri as levam a
sistemas de equações algébri as lineares ( om matrizes heias ou esparsas)
om um grande número de equações e, portanto, uma abordagem numéri a
para a solução de tal sistema se torna ne essária.
Métodos de Dis retização

Os métodos de diferenças nitas (MDF) des revem as in ógnitas φ do pro-
blema de es oamento por meio de valores pontuais nos pontos nodais de
uma malha estruturada. Expansões em série de Taylor são normalmente
usadas para gerar as aproximações de diferenças nitas das derivadas de φ
em ada ponto da malha usando os valores de φ nos pontos vizinhos. Assim,
as derivadas que apare em nas equações de transporte são substituídas pelas
diferenças nitas, levando a uma equação algébri a para os valores de φ em
ada ponto da malha. Smith [1985℄ e Ferziger e Pèri [1997℄ forne em um
relato detalhado sobre todos os aspe tos do método das diferenças nitas em
apli ações de es oamento de uidos.
Os métodos de elementos nitos (MEF) utilizam funções simples (por

exemplo, lineares ou quadráti as) para des rever as variações das variáveis φ
a serem al uladas dentro de ada elemento. Estas funções simples são nulas
fora do elemento onsiderado. Somando-se as aproximações para todos os
elementos obtém-se uma aproximação fun ional para ada variável φ em todo
o domínio de ál ulo. As equações de transporte são plenamente satisfeitas
pela solução exata φ̃ do problema. Quando as funções aproximadas para as
variáveis φ são substituídas nas equações de transporte, elas deixam de ser
exatas e ada uma delas tem um resíduo que pode ser usado para medir o erro
da aproximação. Cada equação aproximada é multipli ada por um onjunto
de funções peso e integrada no domínio de ál ulo. Como resultado, obtém-
se um sistema de equações algébri as para determinar os oe ientes de ada
uma das aproximações fun ionais. Maiores informações sobre este método
podem ser en ontradas em Zienkiewi z e Taylor [1991℄ e Löhner [2001℄, que
mostram a abordagem de elementos nitos para CFD.
O método dos volumes nitos (MVF) é a té ni a de CFD mais bem es-

tabele ida e usada para propósitos gerais. Esta té ni a parte da integração
formal das equações de transporte que regem o es oamento do uido em
todos os volumes de ontrole obtidos pela dis retização do domínio. Nesta
integração, a forma onservativa de ada equação é usada para que seja possí-
vel transformar as integrais em volume dos divergentes dos uxos adve tivos
e difusivos em integrais em área dos uxos normais à superfí ie dos volumes
de ontrole, através da apli ação do teorema da divergên ia. Embora esta
operação seja exata, a ompleta dis retização deste termos e das outras in-
tegrais no volume ne essita do uso de té ni as numéri as para aproximar os
ampos das variáveis onservadas, φ, que utilizam funções de interpolação ou
aproximações fun ionais. A a urá ia destas aproximações e da representação
obtida para os uxos através das superfí ies dos volumes de ontrole são os
aspe tos mais importantes no método de volumes nitos. Como os outros
métodos, as equações nais levam a um sistema algébri o de equações. Mai-
ores detalhes sobre o método dos volumes nitos podem ser en ontrados na
literatura (Patankar [1980℄, Maliska [2004℄, Pinto e Lage [2001℄).
Apesar de não ser um método de dis retização, os métodos espe trais

também podem ser usados para resolver problemas em CFD. Esta té ni a
aproxima as in ógnitas por meio de séries trun adas de funções trigono-
métri as ou polinomiais. Diferentemente das abordagens por diferenças e
elementos nitos, as aproximações utilizam funções que tem valores não nu-
los em todo o domínio de ál ulo. Novamente, as in ógnitas são substituídas
nas equações de transporte pelas suas aproximações. Em um pro edimento
similar ao do método de elementos nitos, as equações de onservação são
multipli adas por funções teste e integradas no domínio, o que leva a um
sistema de equações algébri as para determinar os oe ientes das séries
trun adas. Op ionalmente, pode-se impor que o resíduo de uma equação
aproximada seja nulo em um erto número de pontos, levando aos hamados
métodos de olo ação. Maiores informações sobre este método podem ser
en ontrados em Goettlieb e Orszag [1977℄.
A integração da equação em ada volume de ontrole diferen ia o método

dos volumes nitos de todas as outras té ni as numéri as de CFD. Corre-
tamente empregada, esta operação leva a equações integrais exatas para a
onservação das grandezas físi as em ada volume, que são posteriormente
aproximadas. Esta relação entre o algoritmo numéri o e o prin ípio bási o
de onservação é um dos prin ipais atrativos do método dos volumes nitos
e torna o entendimento de seus on eitos muito mais simples em relação aos
outros métodos.
Solução de Sistemas Lineares

A dis retização espa ial, quer o problema seja uni, bi ou tridimensional, leva
a um sistema de equações algébri as que é linearizado na forma Aφ = d,
onde A é uma matriz de oe ientes, φ é o vetor de variáveis in ógnitas e
d é um vetor que ontém as informações asso iadas aos termos fontes e às
ondições de ontorno.
A estrutura da matriz de oe ientes A pode variar dependendo da di-

mensão do problema, da forma de dis retização da malha e da ordenação dos
volumes (ou elementos ou pontos, dependendo do método de dis retização)
da malha. A estrutura da matriz é um importante parâmetro na es olha do
método mais apropriado para resolver o sistema linear. Em apli ações CFD,
er a de 50% do tempo de omputação ne essário para resolver um dado
problema está asso iado à solução de sistema linear. Os outros 50% estão
asso iados à obtenção das equações dis retizadas.
Os métodos numéri os para solução de sistemas lineares podem ser divi-

didos em duas lasses: diretos e iterativos. Os métodos diretos determinam
a solução exata, a menos de erros de trun amento, em um número nito
de operações matri iais. Eles são indi ados para sistemas lineares om um
número não muito de grande de equações (até alguns milhares) ou om uma
matriz do sistema uja estrutura permite um método espe ial de solução.
A limitação destes métodos a sistemas pequenos o orre por dois motivos.
Primeiro, o número de operações (matemáti as) res e muito rapidamente
om o tamanho do sistema, o que aumenta o usto omputa ional superline-
armente. Além disso, o alto número de operações leva ao aumento dos erros
de trun amento, o que degrada a a urá ia da solução.
Os métodos iterativos foram desenvolvidos para superar as de iên ias

dos métodos diretos no tratamento de grandes sistemas. Os métodos itera-
tivos também ganharam espaço devido a sua fa ilidade de implementação
em omputadores de alto desempenho om memória ompartilhada ou dis-
tribuída (super omputadores e lusters ), quando omparado aos métodos
diretos. Alguns métodos iterativos, omo o Gauss-Seidel, o Gradiente Con-
jugado (CG) e suas variantes, o GMRES e o Algebrai Multigrid (AMG)
podem ser itados (Saad [2003℄).
O pro edimento geral na solução CFD por um solver está mostrada

abaixo na Fig. 2.3.
Figura 2.3: Análise esquemáti a das etapas de um solver.
2.3.5 Pós-pro essamento
Assim omo no pré-pro essamento, um grande esforço de desenvolvimento

no ampo do pós-pro essamento foi realizado nos últimos anos. Devido aos
avanços te nológi os em software e hardware grá os, os prin ipais pa otes
CFD estão equipados om ferramentas versáteis para visualização de ampos
es alares e vetoriais. Estas in luem:
• Visualização da geometria e da malha.
• Grá os de vetores (ve tor plot ).
• Grá os de ontorno ( ontour plot ).
• Grá os sobre superfí ies no espaço tridimensional.
• Visualização de linhas de uxo (streamlines ) e de trajetória de partí-

ulas (path lines ).
A maioria destas ferramentas também in lui a possibilidade de riar ani-

mações para fa ilitar a análise de resultados. Em adição às diferentes formas
de visualização, todos os ódigos forne em arquivos de resultados, em dife-
rentes padrões, que podem ser usados para exportar para outro software de
visualização de preferên ia do usuário.
Capítulo 3
Fundamentos do Es oamento
Multifási o
3.1 Fundamentos de Modelagem
Atualmente, o projeto de equipamentos na indústria quími a segue duas

abordagens distintas. A primeira abordagem segue uma linha de modelagem
de reatores om base em aspe tos empíri os ou semi-empíri os devido a uma
longa história de análise dimensional na indústria de equipamentos. Por
outro lado, a uidodinâmi a omputa ional, que é bastante utilizada em
outros ampos da iên ia ( omo engenharia aeroespa ial e automotiva), está
se tornando ada vez mais interessante para os engenheiros quími os. Ambas
abordagens para projeto de equipamentos ainda oexistem, porém om os
re ursos omputa ionais se tornando mais disponíveis e mais baratos, logo
estas duas linhas se fundirão em uma úni a linha de modelagem de reatores
mais detalhada. Um primeiro passo nesse sentido foi o trabalho de Bauer e
Eigenberger [2001℄ que des reve a uidodinâmi a de um reator em olunas de
borbulhamento por simulação CFD e in lui reações quími as e transferên ia
de massa utilizando modelos zonais. O presente trabalho aborda os detalhes
da modelagem CFD de olunas de borbulhamento.
3.1 Fundamentos de Modelagem 29
Para a solução CFD do es oamento multifási o, o uso de um úni o ba-
lanço de massa e três equações para quantidade de movimento não são su i-
entes para representar os ampos de es oamento de todas as fases envolvidas.
De fato, es oamentos multifási os ne essariamente apresentam uma fase on-
tínua om elementos dispersos sólidos (partí ulas), líquidos (gotas) e/ou gás
(bolhas) ou mesmo outra fase ontínua (es oamento estrati ado). Em to-
das as abordagens propostas para solução CFD multifási a de es oamentos
dispersos, as equações para a fase ontínua devem ser resolvidas apesar de
existirem várias formas para tratar a fase dispersa. A modelagem multifá-
si a vêm sendo pesquisada exaustivamente nos últimos anos e, apesar disso,
ainda é ne essário um grande esforço no desenvolvimento de novas té ni-
as e modelos mais onáveis para a apli ação em pro essos existentes e no
aumento de es ala de equipamentos.
As próximas seções apresentam as onsiderações pertinentes aos modelos

multifási os existentes, om ênfase na abordagem Euleriana. Con eitos e
detalhes na formulação das forças de tro a de quantidade de movimento
entre fases e dos modelos de turbulên ia também são mostrados nesta seção.
3.1.1 Con eitos Bási os
Para a solução CFD do es oamento multifási o, duas abordagens se desta am

na literatura. Estes modelos al ulam o ampo de es oamento da fase on-
tínua usando a equação de onservação de movimento para a fase ontínua,
enquanto que as fases dispersas podem ser al uladas de modo Lagrange-
ano, onsiderando entidades dis retas (bolhas, gotas ou partí ulas) ou omo
fases ontínuas onde todas as fases são vistas omo meios interpenetrantes
na hamada abordagem Euleriana-Euleriana ou multi-uido. A abordagem
Lagrangeana pode ser dividida de a ordo om o tratamento despendido à
fase dispersa.
• Modelagem Euleriana-Lagrangeana as partí ulas são tratadas omo

fontes pontuais na modelagem do es oamento da fase ontínua e o
número de partí ulas no domínio omputa ional é o su iente para
representar o número real de partí ulas. O algoritmo de solução é
ini iado al ulando as equações da fase ontínua (Eulerianas) e em
seguida as novas velo idades e posições das partí ulas para o próximo
passo de tempo são al uladas usando a segunda lei de Newton para
modelar ada partí ula (Delnoij et al. [1999℄ e Crowe et al. [1998℄). Os
modelos para o movimento e posição de ada partí ula estão olo ados
nas Eqs. 3.1 e 3.2, onde mi e ui representam respe tivamente a massa
P
e a velo idade da partí ula i e Fi é a soma das forças atuantes na
partí ula i.
dui X
mi = Fi (3.1)
dt
dxi
= ui (3.2)
dt
Em uma ter eira etapa op ional, os efeitos das partí ulas sobre o ampo
de es oamento da fase ontínua são omputados em um pro edimento
iterativo. As interações partí ula-partí ula ou partí ula-parede tam-
bém podem ser in orporadas ao modelo. Contudo, o esforço ompu-
ta ional res e drasti amente om o aumento do número de partí ulas
simuladas. Deste modo, esta abordagem é mais usada para sistemas
diluídos ou em situações espe iais, omo o ál ulo da distribuição do
tempo de residên ia.
• Simulação Numéri a Direta (DNS - Dire t Numeri al Simulation )

onsidera-se que a partí ula o upa apenas uma élula da malha em
dado instante de tempo forne endo somente uma velo idade relevante
atuando na élula. Em uma abordagem mais renada, as partí ulas
podem o upar mais de uma élula e diferentes velo idades são onsi-
deradas (Li et al. [1999℄ e Druzhinin e Elghobashi [1999℄). Neste aso,
a turbulên ia é resolvida diretamente sem a ne essidade de adotar ne-
nhum modelo (Boivin et al. [1998℄). Isto leva a uma modelagem muito
mais omplexa para a lo omoção das partí ulas, ne essita de malhas
muito mais renadas e passos de tempo muito pequenos resultando em
um esforço omputa ional absurdamente alto. Como simulações DNS
forne em resultados muito pre isos, esta té ni a está sendo usada para
veri ar e validar outras formas de modelagem quando a realização de
experimentos é impossível.
Pode-se notar pela des rição dos modelos a ima que todas as abordagens
Lagrangeanas ne essitam de um alto poder de omputação. Isto torna esta
abordagem inapropriada para o ál ulo de es oamentos multifási os omple-
xos e para apli ações em pro essos reais onde a fração volumétri a da fase
dis reta é usualmente alta.
O Volume de Fluido (VOF - Volume-of-Fluid ) é uma abordagem ainda

mais renada que as anteriores, onde as partí ulas uidas (bolhas ou gotas)
são onsideradas deformáveis e o a ompanhamento das superfí ies pode ser
modelado (Delnoij et al. [1997℄). Um úni o ampo de es oamento é onside-
rado e a fase dispersa se distingue da ontínua pela variação das propriedades
do uido através da interfa e. Esta lasse de métodos foi implementada om
su esso para o ál ulo de es oamento de frente livre em problemas de físi a
simples (Sussman e Pu kett [2000℄ e Silva et al. [2005℄), mas ainda é proibi-
tivo a simulação de reatores reais devido ao imenso usto omputa ional.
O modelo Euleriano-Euleriano (multi-uido) usa as equações de onser-

vação de massa e momentum médias para des rever os pers dinâmi os de
ambas as fases em uma es ala de tamanho superior à mole ular e é baseada
na promediação das equações de onservação usando médias volumétri as
temporal ou amostral. O pro esso de média introduz a fração volumétri a,
α, no onjunto de variáveis, que é denida omo a probabilidade de dada fase
estar presente em erto instante de tempo e ponto no espaço (média amos-
tral). Devido à perda de informação no pro esso de média, termos adi ionais
que pre isam ser modelados apare em nas equações de onservação de ada
fase. Estes termos modelam os fenmenos que o orrem em es alas meno-
res que a es ala da média. Maiores detalhes sobre a teoria de formulação
e modelagem multi-uido podem ser en ontrados nos trabalhos de Drew e
Passman [1998℄, Mi hele [2002℄, Brennen [2005℄ e Bove [2005℄. Para sistemas
multifási os isotérmi os, as equações de onservação médias são dadas por
∂(αk ρk )
+ ∇ · (αk ρk ûk ) = Rk (3.3)
∂t
∂(αk ρk ûk )
+ ∇ · (αk ρk ûk ûk ) = ∇ · (αk Tef
k )
f
∂t
+ MI,k + Rk ûk + Sk + αk ρk g (3.4)
onde ρk , ûk , αk e Tef

k
f
representam, respe tivamente, a densidade média, a
velo idade média, a fração da fase e o tensor formado pela ombinação das
tensões médias vis osa e turbulenta da fase k (Tef
k
f
= Tlam
k k ), Rk é
+ Tturb
o termo fonte referente à massa tro ada entre a fase k e as outras fases, Sk é
o termo fonte de quantidade de momento na fase k devido a forças externas
além da gravidade e MI,k é o termo de tro a de momentum pela interfa e
da fase k. Os prin ipais omponentes de M são devido às forças de arrasto,
sustentação e massa virtual atuando na interfa e das fases. A formulação
do termo referente à taxa de tro a de massa entre fases, Rk , depende do
pro esso onsiderado (evaporação, solidi ação, ondensação, et .) e não
será dis utido neste trabalho.
A tensão vis osa, também hamada de tensão média da fase, usualmente

é modelada pela relação para uidos Newtonianos apresentada nas Eqs. 2.20
e 2.22. A Eq. 3.5 mostra o modelo de tensão vis osa adaptado para a abor-
dagem multi-uido.
Tlam
k = −pk I + τklam
2
τklam = 2µk D̂k + (κk − µk )(∇ · ûk )I
3
1 T
D̂k = [∇ûk + (∇ûk ) ] (3.5)
2
A abordagem Euleriana-Euleriana é apli ável a todos os regimes de es-

oamento já que a topologia deste não pre isa ser pres rita. Contudo, a
formulação dos termos de tro a de momentum entre as fases e de tensão
turbulenta é ru ial pois dependem da natureza do es oamento. Como on-
sequên ia, a apa idade preditiva do modelo multifási o re ai fortemente na
modelagem destes termos. A modelagem dos termos de tro a devem ser
baseadas nas hamadas leis de fe hamento.
As leis de fe hamento devem sempre se guiar pelos seguintes prin ípios:
• Equipresença;
• Solução bem-posta;
• Indiferença ao referen ial;
• Determinismo;
• Segunda lei da termodinâmi a.
A equipresença signi a que qualquer variável des rita por uma lei de
fe hamento deve ser função de todas as outras variáveis. O prin ípio de
solução bem-posta arma que a solução das equações do modelo existe e é
úni a. Contudo, Drew e Passman [1998℄ onsideram este prin ípio não apro-
priado para sistemas multifási os. A indiferença ao referen ial signi a que
a leis de fe hamento não dependem do referen ial do observador. O determi-
nismo onrma a predibilidade do presente a partir de dados passados. Por
m, satisfazer a segunda lei da termodinâmi a garante que a solução possui
um signi ado físi o.
Para resolver as equações para o es oamento multifási o, são ainda ne es-

sárias as ondições ini iais, para espe i ar seu estado ini ial, e as ondições
de ontorno, para espe i ar omo o es oamento interage om a sua vizi-
nhança. Uma vez que as leis de fe hamento, as ondições ini iais e ondições
de ontorno sejam onhe idas, o sistema de equações do modelo multifási o
está fe hado e pronto para ser resolvido. Na seqüên ia, são apresentados
maiores detalhes sobre a modelagem multi-uido para os termos de tro a de
momentum entre fases e da turbulên ia de es oamentos multifási os apli a-
dos à olunas de borbulhamento.
3.1.2 Modelagem da Interação entre Fases
Um do pontos mais importantes na modelagem de es oamentos multifási os é

a utilização orreta dos termos de tro a de momentum MI,k pela interfa e da
fase k. A formulação desta expressão possui grande inuên ia no ál ulo da
distribuição da fase dispersa e do ampo de velo idades no es oamento. A lei
de onservação de momentum mostra que a quantidade total de momentum
PN
transferida entre as fases é nula, ou seja, k=1 MI,k = 0. Desta forma,
é possível fe har o sistema de equações ao denir a modelagem de apenas
N − 1 fases.
A força interfa ial de uma fase k normalmente é de omposta em termos de

força de interação entre fases e pressão e tensão de isalhamento interfa iais
médias.
MI,k = M̂I,k + pI,k ∇αk − τI,k · ∇αk (3.6)
A partir da de omposição olo ada na Eq. 3.6 ombinada à Eq. 3.5, o

lado direito da Eq. 3.4 (sem onsiderar os efeitos de turbulên ia) pode ser
rees rito omo olo ado abaixo.
∇ · (αk Tlam
k ) + MI,k + Rk ûk + Sk + αk ρk g =
− αk ∇pk + ∇ · (αk τklam ) + (pI,k − pk )∇αk − τI,k · ∇αk

+ M̂I,k + Rk ûk + Sk + αk ρk g (3.7)
Ao admitir que os efeitos de tensão interfa ial não são importantes, é

possível onsiderar que a pressão possui lo almente o mesmo valor para todas
as fases, pk = pI,k = p.
O termo de interação entre as fases pode onsiderar vários tipos de forças

interfa iais. Contudo, em olunas de borbulhamento as prin ipais forças são
devido ao arrasto, sustentação e massa virtual. Outras forças, omo a força
de Basset, são negligen iadas na grande maioria dos asos práti os (Ford e
Loth [1998℄).
O sistema multifási o pode ser modelado a partir de uma fase primária
(k = 1), onsistindo da fase líquida, e (N − 1) fases se undárias, onde ada
uma delas representa uma lasse de partí ula om volume ompreendido
em um intervalo espe i ado. A Eq. 3.8 mostra a formulação do termo de
interação entre fases para a fase primária, onde Ma , Ml e Mmv representam
respe tivamente as forças devido ao arrasto, sustentação e massa virtual.
N
X
M̂I,1 = MaI,1k + MsI,1k + Mmv
I,1k (3.8)
k=2
Considerando que as fases se undárias não interagem entre si,hipótese

razoável para sistemas altamente dispersos (α1 → 1), a formulação do termo
de interação entre fases a no forma olo ada na Eq. 3.9.
M̂I,k = MaI,k1 + MsI,k1 + Mmv

I,k1
k = 2, . . . , N (3.9)
A de omposição apresentada nas Eqs. 3.8 e 3.9 não são sempre válidas
devido à interações não lineares entre as forças. Apesar disso, estas interações
ainda não são bem onhe idas e usualmente são pequenas o su iente para
serem desprezadas. Em geral, a força de arrasto é predominante na maioria
dos es oamentos bifási os e a in lusão das demais forças pode ser avaliada
pela razão destas om a força de arrasto (Loth [2000℄). Uma breve dis ussão
sobre essas forças está olo ada na seqüên ia.
Modelagem da Força de Arrasto

A força de arrasto apare e sempre que exista um movimento relativo entre
a partí ula e o uido e pode ser denida omo a força exer ida pela fase
ontínua o uido sobre na direção do es oamento. A teoria em que a força
de arrasto MaI,k é baseada omeçou om os estudos de Newton [1686℄ sobre
a queda livre no ar de partí ulas om diferentes diâmetros. Newton mediu
a velo idade terminal das partí ulas ao soltá-las do alto da atedral de St.
Patri k em Londres e om estes dados ele foi apaz de rela ionar o arrasto da
partí ula omo função do diâmetro e da velo idade terminal. Assim, New-
ton on luiu experimentalmente que a força de arrasto sobre a partí ula é
propor ional ao quadrado da velo idade terminal. Posteriormente, a relação
obtida por Newton foi estendida (Allen [1900℄) para in luir os efeitos das
densidades da partí ula e do uido na força de arrasto. Stokes [1851℄ he-
gou a este mesmo resultado de forma analíti a ao negligen iar a onve ção
na equação de Navier-Stokes, orroborando om os resultados obtidos em
Newton [1686℄.
Os resultados da maioria dos estudos referentes à força de arrasto são

usualmente apresentados em forma adimensional através do oe iente de
arrasto, Cd , que é função do número de Reynolds Re, omo apresentado na
Fig. 3.1 (S hli hting [1960℄). A denição do número de Reynolds é mostrada
na Eq. 3.10, onde ρ1 e µ1 são a densidade e vis osidade da fase ontínua,
ûr = û1 − ûp é a velo idade relativa e d é o diâmetro equivalente da partí ula
(diâmetro da esfera om o mesmo volume da partí ula).
Figura 3.1: Coe iente de arrasto para esferas rígidas em função do número
de Reynolds (retirado de S hli hting [1960℄).
ρ1 |ûr |d
Re = (3.10)
µ1
A forma fun ional da força de arrasto tem sido objeto de intensa pes-
quisa e a maioria dos es oamentos bifási os utiliza a formulação olo ada
na Eq. 3.11, onde Cd,k refere-se ao oe iente de arrasto para a fase k,
ûr,k = û1 − ûk é a velo idade relativa e Ak é a área projetada normal à
velo idade relativa da partí ula perten ente à fase k dividida pelo volume da
mesma.
1
MaI,k = ρ1 αk Ak Cd,k |ûr,k |ûr,k (3.11)
2
πd2k /4 3
Sendo esferas: Ak = πd3k /6
= 2dk .
Porém, a físi a de es oamento ao redor de partí ulas uidas difere de

duas formas em relação ao es oamento em torno de partí ulas rígidas. Em
primeiro lugar, a velo idade do uido pode não se igualar à da partí ula
e, em segundo, a forma da partí ula não é xa. Estes efeitos devem ser
onsiderados ao al ular o oe iente de arrasto para bolhas e gotas.
Modelagem da Força de Sustentação

Em um ampo uniforme de es oamento esta ionário, a força de sustentação
refere-se aos efeitos normais à velo idade relativa do uido. O primeiro re-
lato sobre a ação da força de sustentação MlI,k atuando sobre uma partí ula
foi registrado por Poiseuille [1841℄, ao onstatar que as élulas do sangue
permane iam afastadas das paredes dos apilares. Porém, as ausas deste
fenmeno só foram es lare idas mais de um sé ulo depois om o trabalho
de Segré e Silberberg [1962℄. Os dois pesquisadores estudaram o leve deslo-
amento radial de esferas utuantes om diferentes tamanhos suspensas em
um tubo om ondições de es oamento de Poiseuille devido à atuação desta
força lateral sobre as partí ulas. A partir daí, vários trabalhos sobre a força
de sustentação foram realizados, em grande parte para es oamento em tubos
e anais (Cox e Mason [1971℄ e Tsuji et al. [1984℄).
Existem várias origens da força de sustentação, omo o isalhamento do
uido ao redor da partí ula, a inuên ia dos vórti es formados na fase ontí-
nua pela movimentação da fase dispersa, a deformação e rotação da partí ula
(usualmente hamdo de efeito Magnus) e o efeito de surfa tantes presentes
no meio ontínuo. Em relação às apli ações om partí ulas uidas, Auton
[1987℄ mostrou que a força de sustentação apli ada a uma bolha esféri a
isolada em um es oamento esta ionário invís ido é propor ional ao produto
vetorial da vorti idade da fase ontínua (∇ × û1 ) e a velo idade relativa ûr,k
entre as fases. O autor hegou à expressão olo ada na Eq. 3.12 para repre-
sentar a força de sustentação, onde CL,k é o oe iente de sustentação da
fase k.
MsI,k = −CL,k ρ1 αk ûr × (∇ × û1 ) (3.12)
A Fig. 3.2 mostra a variação do oe iente de sustentação sobre uma es-
fera lisa e esféri a em função do número de Reynolds (Legendre e Magnaudet
[1998℄).
Figura 3.2: Coe iente de sustentação para uma esfera rígida e lisa em função
do número de Reynolds. Linha sólida: solução analíti a para es oamento
invís ido; linhas pontilhadas: ajuste da urva para os resultados numéri os
om Sr = 0, 02 (•) e Sr = 0, 2 (N); linhas tra ejadas: solução analíti a para
reeping ow om Sr = 0, 02 e Sr = 0, 2 (retirado de Legendre e Magnaudet
[1998℄).
Pelos experimentos de Legendre e Magnaudet [1998℄, o oe iente de
sustentação se torna onstante (CL,k = 0, 5) para o aso de uma bolha esfé-
ri a em um es oamento invís ido (Re > 102 ). No limite em que o número
de Reynolds a inferior a 102 , o oe iente de sustentação passa a ter uma
forte dependên ia om as ara terísti as do es oamento ao redor da partí ula
(M Laughlin [1991℄ e Legendre e Magnaudet [1997℄), sendo primariamente
função do Re e da taxa adimensional de isalhamento na fase k, Srk , denida
por:
|∇û1 |d
Srk = (3.13)
|ûr,k |
Dado o grande número de fatores que inuen iam a força de sustentação e

as dúvidas ainda presentes no entendimento dos pro essos físi os envolvidos,
não é de se espantar que não exista um modelo que realize predições om
a urá ia satisfatória. Usualmente, os limites apresentados na Fig. 3.2 são
extrapolados e admite-se que o oe iente de sustentação é onstante e igual
a 0, 5.
Modelagem da Massa Virtual

A massa virtual de uma partí ula se refere ao volume de uido que deve
ser a elerado junto om a partí ula, de forma que a massa total sujeita
a a eleração na equação de onservação de momentum da partí ula seja
(ρk + Cmv,k ρ1 )υk (Loth [2000℄), onde Cmv,k é o oe iente de massa virtual
devido à movimentação da partí ula e υk é o volume da partí ula da fase
dispersa k.
A partir das teorias de es oamento invís ido, reeping ow e es oamento

om Reynolds nito, todas levam ao valor de Cmv,k = 0, 5 para partí ulas
esféri as, o que é onsistente para muitos asos de partí ulas sólidas, bo-
lhas e gotas. Mesmo para bolhas de ar om diâmetro a ima de 3, 5 mm e
forma levemente elipsoidal, este oe iente é aproximadamente válido (Loth
[2000℄).
A forma fun ional da força de massa virtual está olo ada na Eq. 3.14.

mv D1 û1 Dk ûk
MI,k = Cmv,k ρ1 αk − (3.14)
Dt Dt
Contudo, Drew e Lahey [1990℄ on luíram que tanto a força de massa

virtual (Eq. 3.14) quanto a força de sustentação (Eq. 3.12) não são indife-
rentes ao referen ial. Porém, a sua soma é objetiva, onsiderando o aso em
que os oe ientes são iguais (CL,k = Cmv,k ). Enwald et al. [1996℄ ressaltam
que esta aproximação é apli ável somente a uidos om baixa vorti idade.
Para este aso, a Eq. 3.15 é obtida para CL,k = Cmv,k .

mv D1 û1 Dk ûk
MI,k = ρ1 αk Cmv,k − − ûr × (∇ × û1 ) (3.15)
Dt Dt
Normalmente, os oe ientes Cd,k , CL,k e Cmv,k são determinados empi-

ri amente om dependên ia das propriedades das partí ulas e das ondições
lo ais de es oamento. Maiores detalhes sobre a físi a e modelos para es-
tes oe ientes adimensionais podem ser en ontrados em Clift et al. [1978℄,
que apresenta uma extensa ompilação de dados experimentais para a forma
e a velo idade terminal de partí ulas ( om maior ênfase no oe iente de
arrasto), em Loth [2000℄, que realizou um ótimo trabalho de revisão bibli-
ográ a dos modelos existentes para estes oe ientes adimensionais para
partí ulas sólidas e uidas, e Rus he [2002℄, que analisou os efeitos perti-
nentes às forças de arrasto e sustentação e omparou vários modelos para
simular o es oamento bifási o om alta fração volumétri a de gás.
3.1.3 Modelagem de Turbulên ia
A modelagem da turbulên ia é de grande importân ia na des rição orreta

de es oamentos multifási os em simulações CFD. Após vários trabalhos om-
parando simulações laminares e turbulentos para o es oamento bifási o, foi
possível on luir que o modelo laminar não é apropriado para representar
o perl de es oamento mesmo para baixos valores de velo idade e retenção
gasosa (Peger et al. [1999℄, Sokoli hin e Eigenberger [1999℄, Sundaresan
[2000℄ e Deen et al. [2001℄). A análise destes trabalhos permite on luir que
as simulações usando modelos laminares não são apazes de representar o
fenmeno físi o pois os resultados não onvergem em malha. A implementa-
ção de modelos de turbulên ia pode onsiderar os fenmenos de dissipação
de energia que o orrem na sub-es ala da malha e, desta forma, representar
os fenmenos que afetam o es oamento.
A modelagem da turbulên ia geralmente omeça ao se assumir que a

velo idade instantânea pode ser de omposta na soma de uma velo idade
média û e uma velo idade utuante u′ . Como as equações da ontinuidade e
de balanço de momentum são es ritas em função da velo idade instantânea,
estas podem ser rees ritas apli ando a média de Reynolds para uma es ala
de tempo ∆t. Esta es ala de tempo deve ser maior que a es ala de tempo
das utuações de velo idade e menores que a es ala de tempo do pro esso
transiente a ser modelado. Desta forma, o termo de tensão de Reynolds
(Tturb
k = −ρk u′k u′k ) surge na equação de momentum a partir do pro esso
de média, de modo a onsiderar os efeitos de turbulên ia. A modelagem da
turbulên ia tende a fo ar determinados efeitos e, portanto, as equações de
seus modelos podem variar de forma signi ativa dependendo das hipóteses
assumidas em sua formulação.
Uma das abordagens para modelar a tensão de Reynolds é baseada na te-

oria de vis osidade de Boussineq (Boussinesq [1877℄) onde onsidera-se que,
assim omo as tensões vis osas em um es oamento laminar, as tensões tur-
bulentas são propor ionais ao gradiente da velo idade média do es oamento.
Baseando-se na vis osidade laminar, Boussineq introduziu o on eito de vis-
osidade turbulenta omo uma propriedade que depende da turbulên ia lo al.
Contudo, existe a ne essidade de modelos para al ulá-la. A Eq. 3.16 apre-
senta a formulação do tensor tensão turbulento, onde k é a energia inéti a
turbulenta e τkturb é o tensor tensão residual de turbulên ia.
2
Tturb
k = − ρk kI + τkturb
3
τkturb = 2µturb
k D̂k (3.16)
A identi ação dos fenmenos de turbulên ia em es oamentos multifási-
os teve iní io a mais de duas dé adas atrás. De a ordo om Mi hele [2002℄,
o trabalho de Brauer [1979℄ deu um dos primeiros passos na modelagem ao
identi ar diferentes fontes de turbulên ia e propr suas formulações. Abaixo
estão listadas as prin ipais ausas de geração de turbulên ia em es oamentos
multifási os.
• Turbulên ia de Reynolds denida pelas utuações de velo idade,

omo no aso monofási o. Também é válido para es oamentos mul-
tifási os, porém outros efeitos, omo a utuação de fase, devem ser
avaliados.
• Turbulên ia de Interfa e o orre pela diferença de tensão super ial

na interfa e quando existe transferên ia de massa na última.
• Turbulên ia por Deformação induzida pelo movimento da superfí ie

das bolhas.
• Turbulên ia por Interação de População devido às interações entre

partí ulas ou bolhas em movimento (Tsu hiya et al. [1996℄).
Ao longo dos anos, foram desenvolvidos vários modelos para in lusão dos
efeitos de turbulên ia em simulações CFD monofási as (Launder e Spalding
[1974℄ e Wil ox [1994℄) e apenas alguns destes foram adaptados para os
asos multifási os. Na seqüên ia, todas as onsiderações sobre turbulên ia
são pertinentes somente à fase ontínua.
Apesar de só tratar turbulên ia isotrópi a, o modelo k − ǫ é sem dúvida

a abordagem mais usada e a eita no tratamento de es oamentos turbulentos
multifási os (Peger et al. [1999℄, Sokoli hin e Eigenberger [1999℄). Este mo-
delo introduz três equações adi ionais no ál ulo. As duas primeiras equações
são usadas para al ular a energia inéti a turbulenta k e a taxa de dissipa-
ção de energia ǫ. A energia inéti a afeta diretamente as diferentes es alas da
estrutura turbilhonar presentes no es oamento. Desta forma, as maiores es-
truturas são as portadores de maior quantidade de enrgia e de forma similar,
as menores estruturas turbilhonares arregam menor quantidade de energia.
Assim, a taxa de dissipação de energia ǫ deve ser resolvida de forma a o-
plada à energia inéti a k, de modo a representar a variação do tamanho das
estruturas turbilhonares. A partir de k e ǫ é possível al ular a vis osidade
turbulenta lo al, usada nas equações de transporte de momentum.
A equação de onservação para a energia inéti a turbulenta k1 na fase

líquida pode ser es rita omo olo ado na Eq. 3.17, onde Ψk é o termo
de produção de energia turbulenta e S1,k é um termo fonte que pode ser
usado para implementar efeitos de turbulên ia ausados por outras fontes,
por exemplo, a interação entre bolhas.

∂(α1 ρ1 k1 ) µturb
+ ∇ · (α1 ρ1 u1 k1 ) − ∇ · α1 µlam
1 + 1 ∇k1
∂t σk
= α1 (Ψk − ρ1 ǫ1 ) + S1,k (3.17)
A equação de onservação da dissipação de energia turbulenta ǫ1 na fase

líquida é mostrada na Eq. 3.18 e o termo fonte Sl,ǫ também pode ser usado
para modelar outros efeitos de turbulên ia.

∂(α1 ρ1 ǫ1 ) µturb
+ ∇ · (α1 ρ1 u1 ǫ1 ) − ∇ · α1 µlam
1 + 1 ∇ǫ1
∂t σǫ
ǫ1
= α1 (Cǫ1 Ψk − Cǫ2 ρ1 ǫ1 ) + S1,ǫ (3.18)
k1
A vis osidade turbulenta µturb

1 pode ser al ulada omo olo ado abaixo.
k12
µturb
1 = C µ ρ1 (3.19)
ǫ1
Com isso, três in ógnitas (k1 , ǫ1 e µturb

1 ) e três equações (Eqs. 3.17, 3.18
e 3.19) são adi ionadas ao usar o modelo k − ǫ para onsiderar os efeitos
de turbulên ia nas simulações, elevando o usto omputa ional a um nível
a eitável.
Ainda é possível in luir efeitos de turbulên ia ausado por outras fontes,

omo por exemplo, a turbulên ia induzida pelas interações entre as partí ulas
uidas. Estes efeitos podem ser in luídos pela denição de velo idade utu-
ante devido à presença de bolhas ou introduzindo termos fontes adi ionais.
O modelo de Sato para turbulên ia induzida por bolhas (Sato e Sekogu-
hi [1975℄ e Sato et al. [1981℄) assume que, em es oamentos gás-líquido, a
velo idade do líquido pode ser de omposta em uma velo idade média (û),
uma velo idade utuante devido à turbulên ia inerente ao líquido e indepen-
dente do movimento relativo das bolhas e do líquido (u′ ) e uma velo idade
utuante adi ional devido à presença de bolhas no es oamento (ǔ).
u = û + u′ + ǔ (3.20)
Desta forma, a formulação de média de Reynolds para as equações de

balanço in lui ainda novos termos devido a efeitos de interação entre bolhas.
Estes novos termos devem ser modelados de forma apropriada, forne endo
um omponente adi ional à expressão de vis osidade turbulenta. O modelo
turb (Sato et al. [1981℄)
de tensão residual turbulenta induzida por bolhas τk,b
está olo ado na Eq. 3.21
turb
τk,b = 2µturb
k,b D̂k , µturb
k,b = Ωb ǫ1 dk |ûr | (3.21)
onde Ωb é uma onstante empíri a, usualmente om valor de 1, 2. O modelo

onsiste de uma orreção da turbulên ia pela vis osidade e é baseado no
on eito de omprimento de mistura de Prandtl, onde o raio da bolha é
usado omo o tamanho de es ala da turbulên ia induzida pelas bolhas.
A turbulên ia induzida por bolhas se mostra promissora, prin ipalmente

devido ao seu baixo usto omputa ional. Contudo, evidên ias experimentais
(Lan e e Baraille [1991℄) indi am que este modelo é espe ialmente apli ável
para es oamentos om baixa retenção gasosa, onde a inuên ia entre as duas
omponentes da Eq. 3.20 é pequeno, de forma que a superposição linear dos
termos pode ser apli ada.
Kataoka e Seriwaza [1989℄ e Lopez de Bertodano et al. [1994℄ derivaram

e estenderam o modelo de turbulên ia k − ǫ monofási o, desenvolvido por
Launder e Spalding [1974℄, para es oamento multifási o. Contudo, ao derivar
3.2 Colunas de Borbulhamento 45
as equações de k e ǫ, vários termos inter orrela ionados que surgem no pro-
esso de derivação das equações de k e ǫ foram desprezados, prin ipalmente
pela di uldade de interpretá-los si amente.
3.2 Colunas de Borbulhamento
Desde o iní io do sé ulo XX, o estudo de olunas de borbulhamento têm

atraído a atenção de vários pesquisadores. Apesar de tantos estudos na
área, o entendimento ompleto da uidodinâmi a deste equipamento nun a
foi al ançado de forma que a modelagem e o aumento de es ala de reatores
em olunas de borbulhamento ainda não estão bem desenvolvidos. Este fato
pode ser atribuído à grande omplexidade da hidrodinâmi a e sua depen-
dên ia om as propriedades físi as de transporte destes sistemas.
As próximas seções apresentam detalhes sobre a uidodinâmi a em o-

lunas de borbulhamento e uma revisão sobre os trabalhos na literatura refe-
rentes a simulações Eulerianas deste equipamento.
3.2.1 Regimes de Es oamento
Colunas de borbulhamento apresentam três tipos de regime de es oamento,

hamados de homogêneo, heterogêneo ( hurn ) e empistonado (slug ). Basi-
amente, para ada sistema gás-líquido, a formação e a estabilidade destes
regimes dependem das velo idades super iais do gás e do líquido, do dis-
tribuidor de gás e da geometria do reator de borbulhamento (Wild et al.
[2003℄). A Fig. 3.3 mostra um esquema qualitativo dos es oamentos homo-
gêneo (bolhas dispersas), heterogêneo ( hurn turbulento) e slug.
Em prin ípio, a retenção gasosa na oluna res e om o aumento da velo-

idade super ial do gás e, no aso de um distribuidor e iente (pla a porosa,
distribuidor om vários orifí ios, et .), um valor máximo de retenção pode ser
obtido na transição entre os regimes homogêneo e heterogêneo. Usando um
Figura 3.3: Representações dos regimes de es oamento observados em olu-

nas de borbulhamento.
distribuidor menos e iente (por exemplo, distribuidor om úni o orifí io),

não se observa um ponto máximo de retenção gasosa e as ara terísti as do
regime heterogêneo prevale em no sistema, mesmo para baixas velo idades
super iais de gás (De kwer [1992℄ e Camarasa et al. [1999℄).
O regime homogêneo é ara terizado por baixas velo idades super iais
de gás (uG < 5 cm/s), onde o tamanho de bolhas e a retenção gasosa são
radialmente uniformes, sendo que as bolhas apresentam pequenos diâme-
tros e formas esféri as. Neste regime, a velo idade de as ensão das bolhas
é prati amente uniforme, om trajetória as endente quase retilínea. Além
disso, as bolhas possuem possuem pou a interação entre si. Desta forma, os
fenmenos de quebra e oales ên ia de bolhas podem ser negligen iados, não
havendo uma forte re ir ulação de líquido na oluna.
Com o aumento da vazão de gás, o es oamento se torna instável e o regime

homogêneo não onsegue se manter e passa por um estado de transição (Chen
et al. [1994℄, Zahrdník et al. [1997℄). A transição o orre em uma pequena
faixa de velo idades super iais de gás, onde bolhas maiores formadas por
oales ên ia as endem om uma velo idade maior que a das bolhas menores.
Neste regime, um padrão de ir ulação do líquido omeça a se desenvolver.
Para velo idades super iais de gás superiores a 12 cm/s, é possível observar
uma tendên ia a se estabele er um equilíbrio entre a quebra e a oales ên ia
das bolhas. Neste ponto o regime passa a se hamar de heterogêneo e é
ara terizado por bolhas om diferentes formas e tamanhos e uma intensa
ir ulação de líquido no interior da oluna. As bolhas maiores tendem a
as ender pelo entro da oluna.
Em olunas de pequeno diâmetro, o regime slug pode ser atingido ao

aumentar a velo idade super ial do gás. Neste regime, enormes bolhas
de gás, hamadas de slugs, o upam quase toda a seção da oluna, sendo
sepadas da parede por um no lme líquido. Normalmente, os slugs não se
estabilizam em olunas om diâmetros maiores que 15 cm (De kwer [1992℄),
o orrendo a quebra do slug em bolhas menores ( ara terísti o do regime
heterogêneo).
3.2.2 Simulações Eulerianas: Regime Homogêneo
O grupo do Prof. Svendsen da Universidade de Trondehein, Noruega, foi

responsável pelos primeiros trabalhos de simulação uidodinâmi a apli ada
a olunas de borbulhamento na área de Engenharia Quími a. A evolução no
desenvolvimento do modelo Euleriano bifási o (gás-líquido) pode ser a om-
panhado em uma série de trabalhos (Torvik e Svendsen [1990℄, Svendsen et al.
[1992℄, Ja kobsen et al. [1993℄, Grevskott et al. [1996℄, Jakobsen et al. [1997℄)
onsiderando o arrasto e a sustentação omo efeitos de interação entre as fa-
ses e utilizando o modelo de turbulên ia monofási o padrão k − ǫ (Launder e
Spalding [1974℄). Ini ialmente, o modelo k − ǫ foi usado para ambas as fases
e posteriormente apenas para a fase líquida, in luindo a turbulên ia induzida
pelas bolhas de forma similar ao trabalho de Sato e Sekogu hi [1975℄. To-
das as simulações foram realizadas em geometria bidimensional axialmente
simétri a e em estado esta ionário, o que deve ter sido responsável pela falta
de su esso do modelo em vários aspe tos.
Na mesma épo a, alguns trabalhos usaram modelos eulerianos ao onsi-

derar a turbulên ia na fase gasosa empiri amente rela ionada om a da fase
líquida (Grienberger e Hofmann [1992℄ e Hillmer et al. [1994℄), ou modelos do
tipo drift-ux, onde há uma equação para a velo idade relativa (slip ) entre
as fases (Ranade [1992℄ e Celik e Wang [1994℄). Foram realizadas simulações
adotando es oamento laminar (Celik e Wang [1994℄ e Sokoli hin e Eigen-
berger [1994℄) e a modelagem dinâmi a da oluna (Sokoli hin e Eigenberger
[1994℄, Be ker et al. [1994℄). De faot, omprovou-se experimentalmente que
o es oamento dentro de uma oluna de borbulhamento tem omportamento
aóti o (Devanathan et al. [1995℄).
Sokoli hin e Eigenberger [1994℄ e Be ker et al. [1994℄ utilizaram um mo-

delo Euleriano de dois uidos onsiderando as equações de onservação de
massa e momentum e os efeitos de arrasto, sustentação e massa virtual para
interação entre fases. O modelo foi apli ado para uma oluna de seção re-
tangular om espessura na, permitindo onsiderar geometria bidimensional.
Os autores realizaram, então, simulações dinâmi as om e sem onsiderar es-
oamento turbulento na fase líquida ( om a turbulên ia dada via modelo k−ǫ
padrão de Launder e Spalding [1974℄). A partir destes trabalhos, foi possível
veri ar que uma oluna de borbulhamento nun a atinge o estado esta ioná-
rio e que o padrão de ir ulação na oluna pode ser obtido através da média
temporal dos valores nas élulas. Determinaram ainda que o modelo k − ǫ
introduz 100 vezes mais dissipação vis osa do que o ne essário para o modelo
simular os dados experimentais. A partir desta análise, os autores re omen-
daram a utilização de simulações dinâmi as laminares om a vis osidade da
fase líquida ajustada aos dados experimentais.
Sokoli hin e Eigenberger [1999℄ e Bor hers et al. [1999℄ utilizaram um

modelo Euleriano para duas fases em simulações dinâmi as tridimensionais
resolvendo as equações do movimento para ambas as fases, om ou sem turbu-
lên ia (usando o modelo k−ǫ) e a equação da ontinuidade para a fase gasosa
om um termo de dispersão baseado na turbulên ia (nulo no aso laminar).
A velo idade relativa entre as fases foi assumida onstante. Os termos on-
ve tivos de todas as equações foram dis retizados usando um esquema TVD
(Total Variation Diminishing ) de alta ordem. A partir de omparações om
dados experimentais, foi possível hegar às seguintes on lusões:
i. as simulações bidimensionais laminares não eram independentes da ma-

lha, apresentando maior detalhamento onforme a malha era renada.
Este omportamento é ara terísti o de um es oamento turbulento;
ii. as simulações bidimensionais turbulentas não levam a soluções dinâ-

mi as para o es oamento, ontrapondo om os resultados obtidos ex-
perimentalmente por Be ker et al. [1994℄;
iii. o uso do modelo tridimensional turbulento forne e soluções dinâmi as

independentes da malha om boa predição dos resultados experimen-
tais. Daí on luí-se que a aproximação bidimensional era responsável
pelos alto valores de dissipação vis osa obtidos pelo modelo k − ǫ;
iv. o uso do esquema upwind ao invés do TVD para dis retizar os termos
onve tivos torna a solução do modelo tridimensional turbulento esta-
ionária, eliminando o ara ter dinâmi o do es oamento e degradando
a predibilidade da solução numéri a.
Por m, Sokoli hin e Eigenberger [1999℄ e Bor hers et al. [1999℄ re omen-
dam o uso de um esquema de alta ordem para todos os termos onve tivos,
o modelo k − ǫ para a turbulên ia e simulações tridimensionais transientes.
A ne essidade do uso de simulação tridimensional transiente foi onstatada
também por Mudde e Simonin [1999℄ e Peger et al. [1999℄.
Outros aspe tos na modelagem do es oamento em olunas de borbulha-

mento passaram a ser onsiderados om maior detalhamento. Por exemplo,
as forças de interação entre as fases (arrasto, sustentação, massa virtual,
dispersão de gás) pre isam ser onsideradas e omo modelá-las é um fator
muito importante (Mudde e Simonin [1999℄, Peger et al. [1999℄, Deen et al.
[2000b, 2001℄). Outro ponto bastante analisado (Pan et al. [1999℄, Sanyal
et al. [1999℄, Deen et al. [2000b, 2001℄ e Peger e Be ker [2001℄) refere-se à
importân ia da turbulên ia induzida pelas bolhas e se a melhor forma de re-
presentação é através de um modelo do tipo mixing-length (Sato e Sekogu hi
[1975℄ e Sato et al. [1981℄) ou através de uma modi ação do modelo k − ǫ
para o es oamento bifási o (Kataoka e Seriwaza [1989℄, Lopez de Bertodano
et al. [1994℄ e Elghobashi e Abou-Arab [1983℄).
O trabalho de Pan et al. [1999℄ in luiu a modelagem da turbulên ia in-

duzida pelas bolhas usando a formulação proposta por Sato et al. [1981℄.
Contudo, os autores desprezaram os efeitos de turbulên ia induzida pelo i-
salhamento, assumindo que para as baixas velo idades super iais de gás
fosse possível resolver todas as es alas do es oamento. Apesar da simulação
ser bidimensional, Pan et al. [1999℄ apresentaram resultados razoáveis. Deen
et al. [2001℄ in luíram o modelo de Sato e Sekogu hi [1975℄ para turbulên-
ia induzida pelas bolhas e ompararam simulações utilizando os modelos
k − ǫ e LES (Large Eddy Simulation ) de Smagorinsky [1963℄ para modelar a
turbulên ia da fase líquida. Na abordagem por LES são resolvidas as equa-
ções dinâmi as do es oamento para obter o ampo de velo idades médio e
os maiores turbilhões, onde os efeitos dos menores turbilhões são modelados.
Para isso, a es ala da malha deve ser bem reduzida. Os resultados simu-
lados usando a abordagem por LES foram muito superiores em relação ao
k − ǫ, reproduzindo muito bem os resultados experimentais apresentados por
Deen et al. [2000a℄. Para o modelo k − ǫ, a dissipação foi tão alta que a
simulação tendeu para um estado esta ionário, pois os detalhes transientes
do es oamento aram ontidos dentro do modelo de turbulên ia.
Os trabalhos de Deen et al. [2000b, 2001℄ obtiveram bons resultados ao

usar o QUICK limitado para dis retizar os termos onve tivos das equações
ao invés do esquema TVD usado nos trabalhos de Sokoli hin e Eigenberger
[1999℄, Peger et al. [1999℄ e Peger e Be ker [2001℄. Já Mudde e Simonin
[1999℄ usaram uma dis retização de ter eira ordem (porém não itam deta-
lhes), enquanto que Bertola et al. [2003℄ utilizaram o FLUENT para testar
os esquemas Power Law, QUICK e um método de segunda ordem. Bove
et al. [2004℄ avaliaram os métodos upwind de primeira ordem e um método
híbrido (FCT - ombinação do upwind de primeira ordem e diferenças en-
trais de segunda ordem) om limitador de uxo superbee na dis retização dos
termos onve tivo. Ao omparar as simulações om os experimentos de Deen
et al. [2001℄, a lara a perda de denição dos resultados simulados usando
o método de primeira ordem. Em todos os trabalhos supra itados, o efeito
da difusão numéri a sobre os resultados simulados é similar ao aumento da
vis osidade da fase ontínua. A re omendação de Sokoli hin e Eigenberger
[1999℄ em usar simulações tridimensionais transientes se mostrou apropriada
e foi adotada em diversos trabalhos (Mudde e Simonin [1999℄, Peger et al.
[1999℄, Peger e Be ker [2001℄, Deen et al. [2000b, 2001℄ e Bove et al. [2004℄).
Desta forma, para analisar a modelagem dos es oamentos é ne essário onsi-
derar a simulação tridimensional om dis retização de alta ordem nos termos
onve tivos. Muitos trabalhos da literatura podem ser des artados usando
este ritério de seleção.
Nas simulações tridimensionais transientes do trabalho de Mudde e Simo-

nin [1999℄ foi possível on luir que o termo de interação para massa virtual é
essen ial para modelar o período de os ilação do es oamento de uma pluma
de bolhas em uma oluna de seção retangular. Como Sokoli hin e Eigen-
berger [1999℄ não in luíram este termo em sua modelagem, a predição do
período de os ilação ou omprometida.
Peger et al. [1999℄ levantaram a hipótese da turbulên ia induzida por

bolhas ser importante, mas usaram apenas o modelo k − ǫ padrão. Já Peger
e Be ker [2001℄ usaram um modelo k − ǫ modi ado para in luir a turbulên-
ia induzida por bolhas, apresentando um impa to positivo sobre os pers de
velo idade e negativo sobre os pers de retenção gasosa. Deen et al. [2001℄
analisaram a importân ia da turbulên ia induzida por bolhas usando o mo-
delo de Sato e Sekogu hi [1975℄ e embora os resultados fossem melhores om
este termo in luído, o seu impa to era pequeno. O trabalho de Behzadi et al.
[2004℄ estendeu o modelo k − ǫ de mistura proposto por Gosman et al. [1992℄
para tratar a turbulên ia em sistemas om altas frações de gás. Com base
em dados experimentais, os autores hegaram a uma formulação empíri a
para o oe iente de resposta turbulenta Ct (razão entre as utuações de ve-
lo idade entre as fases dispersa e ontínua) em função da fração volumétri a.
As simulações usando esta formulação obtiveram resultados mais a urados
frente aos experimentos de Bel F'dhila et al. [1991℄ e Lan e et al. [1996℄. De
fato, a dedução fenomenológi a de Ct provêm das equações de transporte de
mistura para k e ǫ e rela iona as vis osidades turbulentas, µturb , das fases
ontínua e dispersa. A Eq. 3.22 apresenta a formulação para o oe iente
de resposta turbulenta entre a fase ontínua 1 e k, onde ν é a vis osidade
inemáti a.
µturb ν k ρ1
Ct2 = kturb (3.22)
µ1 ν1 ρk
Em trabalho re ente, Be h [2005℄ testou os modelos de omprimento de

mistura de Prandtl, k − ǫ e k − ω para tratar a turbulên ia em uma oluna
om pequena espessura, indi ando o último para melhor predizer a pluma
de bolhas devido ao seu tratamento a baixos números de Reynolds.
Segundo Sokoli hin e Eigenberger [1999℄, o modelo k − ǫ forne e bons re-

sultados para tratar a turbulên ia induzida pelo isalhamento, porém Deen
et al. [2001℄ não re omendam o seu uso em algumas es alas de es oamento,
indi ando o uso de LES. Bove et al. [2004℄ seguiram essa re omendação
usando VLES em suas simulações, porém os resultados obtidos para a velo-
idade axial não foram satisfatórios, em parte devido a falhas na formulação
de turbulên ia próximo à parede. Deve-se notar que os trabalhos a ima estão
limitados a baixas velo idades super iais de gás (regime homogêneo).
A ne essidade de usar um termo de dispersão na equação de onserva-

ção de massa de gás foi investigada por Peger et al. [1999℄ e Deen et al.
[2001℄. Ambos trabalhos on luíram que não é ne essário in luir o termo de
dispersão de gás, porém a força de sustentação é essen ial para apturar os
efeitos de dispersão de bolhas. A formulação lássi a para a força de arrasto
é apropriada para olunas pressurizadas utilizando um fator de orreção.
Krishna e van Baten [2001℄ propuseram o uso de um fator de orreção base-
ado na densidade, ρg /ρg,1atm , na formulação do arrasto para bolhas grandes.
Porém, a in lusão deste fator pode afetar signi antemente a predição da
fração de gás para altas velo idades super iais de gás e pressões elevadas
(Krishna e van Baten [2001℄). Behzadi et al. [2004℄ propuseram modi a-
ções para as expressões dos oe ientes de arrasto e sustentação em função
da fração volumétri a de gás, estendendo a validade destas orrelações para
sistemas om alta retenção gasosa. Lu as et al. [2005℄ realizaram testes de
estabilidade na equação de transporte de momentum da fase líquida para
avaliar os limites numéri os na modelagem do oe iente de sustentação.
Em trabalho re ente, Ekambara et al. [2005℄ ompararam as abordagens

1D, 2D e 3D na simulação de olunas de borbulhamento. Os autores reali-
zaram simulações esta ionárias em geometria ilíndri a, in luindo o modelo
k − ǫ de turbulên ia e a transferên ia de momentum por arrasto, sustentação
e massa virtual (Joshi [2001℄). Os resultados simulados foram omparados
om experimentos em regime homogêneo de borbulhamento en ontrados na
literatura (Menzel et al. [1990℄, Devanathan et al. [1990℄, Chen et al. [1999a℄
e Kulkarni [2003℄) para os pers radiais de retenção gasosa, velo idade axial,
vis osidade turbulenta e tensor de Reynolds. Todos os modelos onseguem
a ompanhar o perl de velo idade de líquido, porém apenas o 3D é apaz de
obter uma representação qualitativa das outras variáveis.
A questão mais importante no que on erne a modelagem de reatores em

olunas de borbulhamento é que todos os trabalhos itados anteriormente
nesta seção trataram apenas do regime de borbulhamento homogêneo, on-
siderando que todas as bolhas tem o mesmo tamanho. Apenas um modelo
que in lua a possibilidade de diferentes tamanhos de bolhas (e suas intera-
ções, omo quebra e oales ên ia) pode ser usado para predizer o regime de
transição e simular o regime de borbulhamento heterogêneo.
3.2.3 Simulações Eulerianas: Regime Heterogêneo
De modo a tratar o regime heterogêneo, Krishna et al. [1999a℄ propuseram

uma modelagem que assume a existên ia de duas lasses de bolhas hamadas
de bolhas grandes e bolhas pequenas. Esta abordagem ne essita de informa-
ções sobre a distribuição de bolhas e velo idade super ial do gás, forne idas
através de orrelações de unho experimental. Isto pode pare er uma desvan-
tagem a prin ípio, mas permite que este modelo seja utilizado para qualquer
sistema bifási o. Este modelo teve um desenvolvimento em uma seqüên ia
de trabalhos (Krishna et al. [1999a℄, Krishna et al. [2000℄, Krishna e van Ba-
ten [2001℄, van Baten e Krishna [2001℄) e suas ara terísti as bási as estão
olo adas na seqüên ia.
• A separação da velo idade super ial do gás entre as duas lasses é

realizado pela extensão do modelo de duas fases de leitos uidizados a
olunas de borbulhamento proposta por Krishna et al. [1993℄ e Ellen-
berger e Krishna [1994℄. A fase líquida mais bolhas pequenas, hamada
de fase densa, permane e om a sua retenção gasosa e velo idade su-
per ial de gás do ponto de transição.
• A lasse de bolhas pequenas tem um diâmetro assumido onstante

(usualmente 4 mm) e sua velo idade de as ensão é dada por uma or-
relação empíri a (Harmathy [1960℄ e Mendelson [1967℄).
• A lasse de bolhas grandes tem seu diâmetro dado por uma orrelação
empíri a e dependente do sistema bifási o. A velo idade de as ensão
vem da teoria não vis osa de Davies e Taylor [1950℄ om orreções para
o efeito de parede (Collins [1967℄), para o aumento da densidade do gás
om a pressão (Krishna e van Baten [2001℄), e para efeito de população,
dependente do sistema bifási o (Krishna et al. [1999b℄).
• O modelo onsiste de suas equações de onservação de massa e quan-

tidade de movimento para a fase líquida e para as duas lasses de
bolhas. Apenas a força de arrasto é onsiderada entre a fase líquida
e ada lasse de bolhas, usando os diâmetros e velo idades de as en-
são das bolhas nos seus ál ulos. Não há forças de interação entre as
lasses de bolhas.
• O modelo k − ǫ é usado para modelar a turbulên ia da fase líquida e

as fases de bolhas são onsideradas laminares.
• Para o regime homogêneo, a lasse de bolhas grandes é eliminada.

Para o regime heterogêneo em líquidos vis osos e em suspensões om
alta on entração de sólidos, a lasse de bolhas pequenas pode ser
des onsiderada (Krishna e Ellenberger [1996℄, Krishna et al. [1997℄,
Krishna et al. [1999b℄).
Este modelo foi ini ialmente usado em simulações 2D transientes (Krishna

et al. [1999a℄ e Krishna et al. [2000℄), mas depois veri ou-se que apenas a
simulação 3D transiente (Krishna e van Baten [2001℄ e van Baten e Krishna
[2001℄) onsegue predizer adequadamente todos os aspe tos do es oamento.
A simulação 3D transiente mostrou um omportamento aóti o e foi apaz
de prever os pers de retenção gasosa e de velo idade axial da fase líquida e
os oe ientes de dispersão axial de ada fase om relativo su esso. A simu-
lação 2D transiente pode ser usada em alguns ál ulos de engenharia, mas
não é adequada para a determinação dos oe ientes de dispersão axial.
O su esso da modelagem proposta por Krishna et al. [1999a℄, Krishna

et al. [2000℄, Krishna e van Baten [2001℄, van Baten e Krishna [2001℄ já in-
di ava a tendên ia futura no desenvolvimento da modelagem de olunas de
borbulhamento operando em regime heterogêneo. O uso de lasses (limita-
das a apenas duas nestes trabalhos) em sua modelagem podia ser estendida
usando té ni as de balanço popula ional, apresentada no Cap. 4.
Capítulo 4
Modelagem de Balanço
Popula ional
4.1 Balanço Popula ional
Vários pro essos nas indústrias quími as tem a distribuição de tamanho de

partí ulas (DTP) omo um fator ru ial sobre a performan e do equipamento
e a qualidade do produto nal. Para sistemas onde houver pós, bolhas, gotas,
lamas, sprays, et ., a população de partí ulas ao nal do pro esso normal-
mente é diferente da população ini ial. Isto torna ne essário realizar ada vez
mais estudos sobre a evolução da DTP e seus efeitos sobre o omportamento
do sistema.
Normalmente, as variáveis que afetam a distribuição de partí ulas podem

ser divididas em dois grupos, nomeados omo variáveis externas e internas.
As variáveis externas, x, {x ∈ Ωx }, são onnadas ao ampo geométri o ana-
lisado, ou seja ao espaço de oordenadas em ℜ3 (no máximo), enquanto que
as variáveis internas, v, {v ∈ Ωv }, são as propriedades intrínse as da partí-
ula omo tamanho, omposição, energia interna, et . Deste modo, o espaço
de estado da partí ula é formado pelo produto artesiano dos espaços das
4.1 Balanço Popula ional 57
variáveis internas e externas. A partir desta denição, Hulburt e Katz [1964℄
e Valentas e Amundson [1966℄ foram os primeiros a introduzir a equação de
balanço popula ional (EBP) para a modelagem de pro essos em engenharia
quími a envolvendo operações om fases dispersas.
Uma população de partí ulas em um sistema fe hado pode ser afetada

pela nu leação, agregação, quebra e res imento. Estes fenmenos estão as-
so iados à forma omo as partí ulas interagem entre si e om a fase ontínua,
in luindo o efeito do ampo de es oamento sobre as propriedades das par-
tí ulas. Isto leva a heterogeneidades espa iais importantes e, portanto, a
modelagem destes pro essos é um fator ru ial para projetos de engenharia
onáveis.
O trabalho pioneiro utilizando balanço popula ional foi de Smolu howski

[1916℄ que deduziu o modelo para agregação pura e apli ou-o a um sistema
biológi o (Smolu howski [1917℄). A popularidade do balanço popula ional
o orreu devido ao livro de Randolph e Larsen [1988℄. Apesar de estar ba-
si amente voltado para ristalização, este livro exps uma abordagem geral
que pode ser apli ada em diversos asos, in lusive para pro essos de pul-
verização, oagulação de aerosóis e granulação. Em um livro mais re ente,
Ramkrishna [2000℄ in luiu ainda os pro essos de res imento de élulas. Seu
livro estabele eu a modelagem de balanço popula ional omo uma ferra-
menta bási a para ser apli ada a todos os pro essos que envolvem interação
entre partí ulas.
Esta seção apresenta os fundamentos da equação de balanço popula io-

nal, in luindo a sua formulação ompleta, in luindo os termos de agregação
e quebra de partí ulas. Devido à grande omplexidade da modelagem da
EBP, apresentam-se algumas hipóteses simpli adoras de modo a apli ar
esta té ni a a asos práti os.
4.1.1 Equação de Balanço Popula ional (EBP)
Neste momento, é ne essário introduzir uma nova variável, f (x, v, t), o-

nhe ida omo função de densidade numéri a da partí ula, que quanti a o
número médio de partí ulas no tempo t por unidade de volume no espaço
de estado. A partir da função de densidade numéri a, variáveis importantes
para sistemas polidispersos podem ser al uladas. Por exemplo, o número
total de partí ulas, NT , no domínio Ωx ×Ωv do espaço de estado de partí ulas
(x, v) é olo ado na Eq. 4.1.
Z Z
.
NT (t) = f (x, v, t) dVv dVx (4.1)
Ωx Ωv
De fato, outras densidades numéri as podem ser denidas para a po-

pulação.Considerando υ(v) omo o volume da partí ula no espaço de es-
tado interno v, a densidade de volume pode ser denida omo o produto
υ(v)f (x, v, t) e a fração volumétri a da fase dispersa in luindo todas as par-
tí ulas, α, é mostrada na Eq. 4.2.
Z
.
α(x, t) = υ(v)f (x, v, t) dVv (4.2)
Ωv
Ao ontrário da densidade numéri a, as densidades de massa e volume se

referem à quantidade de material disperso e, onseqüentemente, são variáveis
mais relevantes em apli ações práti as.
A equação de balanço popula ional está olo ada na Eq. 4.3 (Ramkrishna
[2000℄), onde Ẋ é a taxa de variação da variável externa, Dx é o oe iente de
difusão anisotrópi o e H(x, v, t) é o termo fonte da EBP que in lui os efeitos
de nu leação, res imento, agregação e quebra. O segundo e ter eiro termos
da Eq. 4.3 representam o transporte onve tivo e dispersivo de partí ulas no
espaço físi o.
∂f (x, v, t) h i
= −∇x · Ẋf (x, v, t) + ∇x · Dx · ∇x · DTx f (x, v, t)
∂t
+H(x, v, t) (4.3)
O termo fonte H(x, v, t) pode ser dividido entre a taxa de nu leação
J(x, v, t), a taxa de res imento da partí ula G(x, v, t) e as taxas de nas i-
mento e morte, B(x, v, t) e D(x, v, t) respe tivamente, que podem o orrer
por pro essos de agregação, denido pelo subs rito a, e quebra, denido pelo
subs rito b.
H(x, v, t) = Ba (x, v, t) − Da (x, v, t) + Bb (x, v, t) − Bb (x, v, t)

+J(x, v, t) + G(x, v, t) (4.4)
O termo de res imento G(x, v, t) refere-se a mudanças no estado das

variáveis internas e pode ser interpretado omo o uxo destas variáveis em seu
respe tivo estado. A equação geral para o termo de res imento se en ontra
abaixo, onde V̇ representa a taxa de variação da variável interna.
h i
G(x, v, t) = −∇v · V̇f (x, v, t) + ∇v · Dv · ∇v · DTv f (x, v, t) (4.5)
Esta notação é útil pois permite quanti ar os pro essos separadamente

e, portanto, modelálos de forma mais fá il e e iente. Para um equa i-
onamento ompleto da EBP, um onhe imento destes pro essos e de sua
modelagem é essen ial. Na seqüên ia são mostrados aspe tos da físi a e da
modelagem dos fenmenos de agregação e quebra. Detalhes sobre nu leação
e res imento de partí ulas serão olo ados quando for apropriado.
4.1.2 Pro essos de Agregação
Em uma dispersão em es oamento turbulento, as partí ulas se movem alea-

tóriamente e olidem ontinuamente umas om as outras. Para que a oa-
les ên ia o orra, o líquido que passa entre as partí ulas em olisão deve ser
drenado até a espessura de ruptura deste lme líquido. Durante o pro esso
de drenagem, é possível que a utuação turbulenta na fase ontínua seja
tão intensa que as partí ulas possam sejam separaradas por ompleto. As-
sim, nem toda olisão entre partí ulas ne essariamente resulta em agregação.
Deste modo, uma e iên ia de agregação deve ser anexada ao pro esso físi o
de olisão entre partí ulas. A Fig. 4.1 apresenta um diagrama simpli ado
do pro esso de agregação.
Figura 4.1: Representação do pro esso de agregação ini iado pela drenagem
do lme líquido que separa as partí ulas, podendo resultar (a) na agregação
das partí ulas ou (b) na separação destas.
A freqüên ia de agregação a, des rita abaixo, é a probabilidade de duas

partí ulas no estado (x̃, ṽ) e (x′ , v′ ) no instante t om as propriedades da
fase ontínua, y, se agreguem em um período de tempo de t a t + dt.
freqüên ia de agregação = freqüên ia de olisão × e iên ia de agregação
ou
a(x̃, ṽ; x′ , v′ ; y, t) = ̟(x̃, ṽ; x′ , v′ ; y, t)λ(x̃, ṽ; x′ , v′ ; y, t) (4.6)
Várias abordagens para modelar a freqüên ia de agregação em diversos

sistemas polidispersos foram propostas (Harper [1936℄, Howart [1967℄, Coula-
loglou e Tavlarides [1977℄ e Pari hay et al. [1987℄). Estes autores propuseram
diferentes hipóteses e teorias para basear seus modelos e, apesar disso, todos
on ordam om os fenmenos físi os que afetam a agregação. A freqüên-
ia de agregação é afetada prin ipalmente por dois fatores: a freqüên ia de
olisão de um par espe í o de partí ulas e a probabilidade da agregação
o orrer após a olisão. O primeiro fator depende prin ipalmente da distri-
buição de tamanho da partí ula e do padrão de es oamento. O segundo fator
depende dos aspe tos que afetam o su esso da agregação omo a amada li-
mite vis osa, a deformação das partí ulas e o balanço de energia (Liu et al.
[2000℄).
As taxas de nas imento e morte por agregação, que fazem parte do termo
fonte da EBP, mostrado na Eq. 4.4, são dadas por Ramkrishna [2000℄ na
forma:
Ba (x, v, y, t) =
Z Z
1 ∂(x̃, ṽ)
a(x̃, ṽ; x′ , v′ ; y, t)f (x̃, ṽ, t)f (x′ , v′ , t) dVv′ dVx′ (4.7)
δ ∂(x, v)
Ωx′ Ωv′
Z Z
Da (x, v, y, t) = a(x, v; x′ , v′ ; y, t)f (x, v, t)f (x′ , v′ , t) dVv′ dVx′ (4.8)
Ωx′ Ωv′
onde δ representa o número de vezes que pares idênti os foram onsiderados

no intervalo de integração, de forma que 1/δ orrige a redundân ia. O termo
∂(x̃, ṽ)/∂(x, v) orresponde ao ja obiano da transformação de oordenadas
de modo que o par de partí ulas que olide om as oordenadas [x̃, ṽ] e [x′ , v′ ]
gerem partí ulas no estado [x, v], sendo dado por:

∂x̃ ∂x̃1 ∂x̃1 ∂x̃1 ∂x̃1

∂x1 ∂x2 ∂x3 ∂v1 · · ·
1
∂vn

∂x̃2 ∂x̃2 ∂x̃2 ∂x̃2 ∂x̃2
∂x1 ∂x2 ∂x3 ∂v1 · · · ∂vn

∂x̃ ∂x̃3 ∂x̃3 ∂x̃3 ∂x̃3

∂(x̃, ṽ) ∂x1 ∂x2 ∂x3 ∂v1 · · ·
3
∂vn
(4.9)

=
∂(x, v) ∂ṽ1 ∂ṽ1 ∂ṽ1 ∂ṽ1 ∂ṽ1
∂x1 ∂x2 ∂x3 ∂v1 · · · ∂vn

.. .. .. .. .. ..
. . . . . .

∂ṽn ∂ṽn ∂ṽn ∂ṽn ∂ṽn
∂x1 ∂x2 ∂x3 ∂v1 · · · ∂vn
Vários modelos para freqüên ia de agregação foram propostos na litera-

tura e é imperativo es olher aquele que é apropriado para uma dada situação
físi a. Contudo, a des rição sobre modelos de freqüên ia de agregação não
será tópi o deste trabalho e detalhes sobre os mesmos serão olo ados quando
for ne essário.
4.1.3 Pro essos de Quebra
Diversos trabalhos na literatura trataram dos me anismos de quebra de par-

tí ulas, on luindo que a quebra pode o orrer devido a olisões ou a inuên ia
do ampo de es oamento. A primeira o orrên ia é mais omum em partí-
ulas sólidas e seu me anismo de quebra envolve o atrito na superfí ie da
partí ula, onde esta é las ada pela olisão om outras partí ulas, parede ou
impelidor. Alguns modelos de quebra foram propostos por Campbell e Webb
[2001℄, Campbell et al. [2001℄ e Davis [1989℄. O segundo me anismo se apli a
a partí ulas uidas, omo bolhas ou gotas, e o orre pela exposição destas a
um ampo de es oamento turbulento, o qual provo a os ilações de forma
pela ação das forças iner iais e oesivas (Hinze [1955℄, Shinnar [1961℄, Cou-
laloglou e Tavlarides [1977℄, Narsihman et al. [1979℄, Tsouris e Tavlarides
[1994℄ e Luo e Svendsen [1996℄). Deste modo, a quebra por turbulên ia é
induzida pela ação de pequenos vórti es (também hamados de turbilhões)
que bombardeiam a superfí ie da partí ula, ausando deformações nesta.
Isto é, a energia inéti a do movimento turbulento da fase ontínua provo a
um aumento de energia super ial da partí ula através das deformações. A
fragmentação da partí ula o orre quando o movimento turbulento forne e
um aumento su iente da energia super ial para ausar a quebra. O pre-
sente trabalho terá enfoque no segundo me anismo, onsiderando a quebra
ausada pela turbulên ia.
As taxas de nas imento e morte por quebra na EBP são dadas por (Ram-
krishna [2000℄):
Z Z
Bb (x, v, y, t) = ϑ(x′ , v′ , y, t)b(x′ , v′ , y, t)
Ωx′ Ωv′
× P (x, v | x , v , y, t)f (x′ , v′ , t) dVv′ dVx′

′ ′
(4.10)
Db (x, v, y, t) = b(x, v, y, t)f (x, v, t) (4.11)
onde ϑ(x′ , v′ , y, t) é o número médio de partí ulas formado pela quebra da

partí ula de estado (x′ , v′ ) (ϑ ≥ 2), P (x, v | x′ , v′ , y, t) é a função de densi-
dade de probabilidade das partí ulas formadas pela quebra de uma partí ula
de estado (x′ , v′ ) vir a possuir o estado (x, v) e b(x, v, y, t) é a taxa espe í a
de quebra, ou seja, é a fração de partí ulas no estado (x, v) que quebra em
uma unidade de tempo.
4.1.4 Hipóteses e Simpli ações
O problema geral de balanço popula ional é, ertamente, de extrema omple-

xidade, sendo vital onsiderar hipóteses que simpliquem o equa ionamento
original mas mantendo os detalhes desejados. Algumas destas hipóteses são
intrínse as à físi a do problema, sendo natural o pro esso de simpli ação.
As hipóteses físi as e de modelagem apresentadas abaixo são amplamente
usadas na solução da EBP e no desenvolvimento de funções de agregação e
quebra (Ramkrishna [2000℄).
Em primeiro lugar, é importante desta ar as simpli ações na nomen la-

tura das equações. As funções de quebra e agregação possuem dependên ia
om as propriedades da fase ontínua y, que podem ser por exemplo o ampo
de velo idades, a dissipação de energia turbulenta ou mesmo as propriedades
físi as do meio ontínuo. O vetor y não será mais mostrado omo um pa-
râmetro das funções, sendo onsiderada implí ita a dependên ia das funções
em relação ao mesmo.
As Eqs. 4.7 e 4.8 para nas imento e morte por agregação envolvem três
posições diferentes, onsiderando duas partí ulas que interagem om posições
x′ e x̃ e a partí ula aglomerada em x. Apesar de ser um tratamento matema-
ti amente rigoroso, o mesmo é imprati ável e desne essariamente ompli ado
para apli ações práti as de engenharia. Normalmente, onsidera-se que estas
três posições estão muito próximas entre si durante o pro esso de agregação.
x̃ ≈ x′ ≈ x (4.12)
Ao assumir que as três posições são próximas, as Eqs. 4.7 e 4.8 são
simpli adas resultando nas Eqs. 4.13 e 4.14, respe tivamente.
Z
1 ∂(ṽ)
Ba (x, v, t) = a(x, ṽ, v′ , t)f (x, ṽ, t)f (x, v′ , t) dVv′ (4.13)
δ ∂(v)
Ωv ′
Z
Da (x, v, t) = a(x, v, v′ , t)f (x, v, t)f (x, v′ , t) dVv′ (4.14)
Ωv ′
Considerando o problema multivariado, ou seja, um vetor de n variáveis

internas, e a hipótese olo ada na Eq. 4.12, o ja obiano de transformação de
oordenadas pode ser simpli ado omo olo ado na Eq. 4.15.

∂ṽ1 ∂ṽ1

∂v1 · · · ∂vn
∂(ṽ) .. .. ..
= . . . (4.15)
∂(v)
∂ṽn ∂ṽn
∂v 1
· · · ∂v n
Note que quando o problema é monovariado, isto é, só possui uma variá-

vel interna, o ja obiano de transformação de oordenadas se torna unitário
quando se trata de uma propriedade aditiva na agregação. Considere omo
exemplo o ja obiano para a massa m da partí ula.
m′ + m̃ = m,
∂ m̃ ∂(m − m′ )
= =1 (4.16)
∂m ∂(m)
Uma hipótese semelhante mostrada na Eq. 4.12 pode ser estendida para
a quebra. O pro esso de quebra o orre em uma es ala de tempo muito menor
do que a evolução da população e, portanto, a quebra pode ser onsiderada
instantânea. Desta maneira, as posições das partí ulas mãe x e lha x′
podem ser onsideradas omo iguais. Esta hipótese apli ada à Eq. 4.10 para
nas imento por quebra resulta na Eq. 4.17.
Z
Bb (x, v, y, t) = ϑ(x, v′ , t)b(x, v′ , t)P (x, v | x, v′ , t)f (x, v′ , t) dVv′ (4.17)
Ωv ′
Por m, a dedução dos métodos no presente trabalho lida prin ipalmente
om a EBP monovariada. Com a nalidade de apresentar a forma nal da
EBP utilizando o volume da partí ula, v , omo variável interna, a Eq. 4.18
4.2 Té ni as Numéri as para Solução de EBPs 65
reproduz a EBP simpli ada om os termos de quebra e oales ên ia, on-
siderando quebra binária, difusão isotrópi a e u omo a velo idade ara te-
rísti a asso iada ao espaço físi o.
∂f (x, v, t)
+ ∇ · (uf (x, v, t)) − ∇ · [Dx ∇f (x, v, t)]
∂t
Zv′
1
= a(x, ṽ, v ′ , t)f (x, ṽ, t)f (x, v ′ , t) dv ′
2
0
Zv′
− a(x, v, v ′ , t)f (x, v, t)f (x, v ′ , t) dv ′
0
Zv′
+ 2 b(x, v ′ , t)P (x, v | x, v ′ , t)f (x, v ′ , t) dv ′
0
− b(x, v, t)f (x, v, t) (4.18)
4.2 Té ni as Numéri as para Solução de EBPs
Existem várias maneiras de resolver a equação de balanço popula ional e

a metodologia apropriada depende da natureza do problema. A EBP é
uma equação integro-diferen ial que nem sempre pode ser resolvida analiti-
amente e, portanto uma aproximação numéri a deve ser apli ada. Soluções
analíti as só podem ser obtidas para as situações mais simples, usualmente
não realísti as (Vigil e Zi [1989℄, Patil e Andrews [1998℄, Lage [2002℄, Diemer
e Olson [2002℄ e M Coy e Madras [2003℄). Assim, para simular asos reais,
deve-se utilizar té ni as numéri as para a solução da EBP. Estas podem ser
divididas em três ategorias que são des ritas e dis utidas na seqüên ia.
4.2.1 Métodos Esto ásti os
Os métodos esto ásti os (ou de Monte Carlo) podem simular o omporta-

mento do sistema usando té ni as de geração de números aleatórios para
al ular as funções de probabilidade do sistema (Ramkrishna [2000℄). Deste
modo, o ál ulo direto das funções integrais e diferen iais é substituído pela
simulação esto ásti a do sistema. Ao ontrário da abordagem determinísti a,
a abordagem esto ásti a modela os fenmenos de nu leação, res imento,
quebra e agregação omo pro essos dis retos e aleatórios. Ramkrishna e
Borwanker [1973℄ e Ramkrishna e Borwanker [1974℄ introduziram a aborda-
gem esto ásti a para modelar pro essos parti ulados. Estes autores mostra-
ram que a EBP determinísti a é a primeira de uma série de innitas equações
derivadas da equação para a densidade de probabilidaed prin ipal. A EBP
determinísti a al ula, de fato, a expe tativa da função de distribuição e
des reve o omportamento médio e as utuações da distribuição de tamanho
de partí ula.
Shah et al. [1977℄ apli ou o on eito introduzido por Kendall [1949℄

para simular quebra e agregação em sistemas dispersos, onde os interva-
los de tempo são exponen ialmente distribuídos entre eventos de nas imento
e morte em populações monovariadas. As taxas de quebra e agregação eram
propor ionais ao número de partí ulas no sistema e om me anismos de-
pendentes do tamanho da partí ula. Sweet et al. [1987℄ estendeu o equa-
ionamento des rito em Shah et al. [1977℄ in orporando reações quími as
de primeira ordem para simular um leito uidizado não isotérmi o onsi-
derando apenas a oales ên ia das bolhas. Este trabalho usou velo idades
super iais relativamente baixas (duas vezes menor que a velo idade mínima
de uidização) pois seu objetivo foi mostrar a apa idade de simular sistemas
omplexos. Das [1996℄ desenvolveu uma solução semi-analíti a para pro es-
sos de quebra e apli ou om su esso o método de Monte Carlo. Das [1996℄
sugere que, na ausên ia de uma solução analíti a, seu algoritmo pode ser
usado sem perda de generalidade dos resultados. O trabalho de Goodson
Dire t Simulation Al-
e Kraft [2004℄ testou dois algoritmos esto ásti os, o
gorithm de Eibe k e Wagner [2000℄ e Mass Flow Algorithm implementado
por Jourdain [2003℄, para resolver a EBP om oales ên ia e quebra biná-
ria om o objetivo nal de simular a extração líquido-líquido. Os testes de
omparação entre as metodologias analisaram a velo idade de simulação e a
magnitude dos erros sistemáti os e estatísti os para determinar qual método
é apaz de predizer a solução om um dado erro em menor tempo. Apesar
de ser uma té ni a extremamente exível, a quantidade de realizações para
simular adeqüadamente a evolução de uma população é extremamente alto,
o que eleva muito o usto omputa ional.
4.2.2 Método dos Resíduos Ponderados
O método dos resíduos ponderados é uma té ni a geral para a solução de

equações diferen iais par iais. Neste aso, em vez de tentar aproximar a
função que é a solução da equação, aproxima-se a função a partir de funções
onhe idas. A solução é dada pela expansão fun ional da equação em oe-
ientes e funções de base, onde os resíduos são ponderados. Estes resíduos
formam um onjunto de equações algébri as (ou diferen iais ordinárias) li-
nearmente independentes para obter os oe ientes que formam funções de
base da expansão da solução na base de funções usada. As formulações se di-
feren iam no uso de bases globais ou lo ais. As funções globais normalmente
são usadas em problemas esta ionários e quando uma forma aproximada da
solução está disponível. A formulação om expansão global foi usada por
Bhatia e Chakraborty [1992℄ para resolver o problema da EBP esta ionária
om agregação e res imento. A té ni a de elementos nitos usa bases lo-
ais e permite soluções mais gerais. Es olhas possíveis para a função peso
in luem as funções delta de Dira , resultando nos métodos de olo ação, ou
as próprias funções da base resultando na formulação de Galerkin.
O primeiro trabalho utilizando a té ni a de elementos nitos para a EBP

foi de Gelbard e Seineld [1978℄. Estes autores in orporaram funções poli-
nomiais úbi as em uma formulação de olo ação para resolver uma EBP
dinâmi a om termos de agregação e res imento de gotas em tanque agi-
tado. O domínio da variável interna (diâmetro das gotas) foi es alonado de
forma logarítmi a e distribuído entre elementos de tamanhos iguais. Mais
tarde, este mesmo problema foi abordado por Eyre et al. [1988℄ agora usando
B-splines omo funções da base na formulação de olo ação.
Ni mains e Hounslow [1998℄ apli aram o método dos elementos nitos

para EBP esta ionárias para evitar o mau ondi ionamento da matriz de so-
lução em problemas om res imento. A metodologia usada neste trabalho é
sensível à análise de erros e a té ni a de renamento de malha das variáveis
internas forne e um aumento signi ativo na a urá ia da solução e na e i-
ên ia omputa ional. Contudo, Ni mains e Hounslow [1998℄ não abordaram
problemas dinâmi os.
Liu e Cameron [2001℄ resolveram a EBP dinâmi a aproximando a freqüên-

ia de agregação por uma série de wavelets em sistemas om agregação, res-
imento e nu leação simultânea. O fo o deste trabalho foi a predição a urada
de des ontinuidades, forne endo bons resultados quando pontos su ientes
de olo ação (a ima de 67 para o aso de freqüên ia de agregação onstante)
foram usados.
Mahoney e Ramkrishna [2002℄ apli aram o método de Galerkin em ele-

mentos nitos para sistemas om pre ipitação e ressaltaram as di uldades
asso iadas às des ontinuidades no integrando. Rigopoulos e Jones [2003℄ re-
solveram a EBP dinâmi a unidimensional in luindo nu leação, res imento,
quebra e agregação usando uma formulação de olo ação om elementos li-
neares e uma aproximação upwind no termo de res imento.
O método de elementos nitos possui as vantagens de onseguir obter

uma ótima onvergên ia numéri a om boa a urá ia da solução e existe ainda
a possibilidade de adaptar a malha ao problema. Contudo a formulação de
Galerkin possui di uldades em apturar des ontinuidades e o alto usto
omputa ional imposto pelo ál ulo das integrais duplas é riti o. Estes
problemas aumentam quando as funções de quebra e agregação dependem
de uma propriedade asso iada à população, omo tempo ou espaço físi o.
Uma revisão sobre os métodos de resíduos ponderados pode ser en ontrada
em Ramkrishna [2000℄ e Pinto e Lage [2001℄.
4.2.3 Método das Classes
O método das lasses ou de ordem zero, omo hamado por Kostoglou e

Karabelas [1994℄, se baseia em representar a distribuição da população em
um número nito de lasses, formado pela divisão do tamanho das partí ulas
e adotar um valor onstante de tamanho em ada lasse. Desta forma é
possível transformar a EBP integro-diferen ial em um sistema de equações
diferen iais om solução numéri a bem estabele ida. De a ordo om Kumar e
Ramkrishna [1996a℄, os métodos de ordem zero podem ser separados em duas
vertentes: os internamente onsistentes e as metodologias de dis retização
in onsistentes om respeito à propriedade integral analisada. A onsistên ia
interna impli a que a dis retização da EBP submetida a um operador integral
é igual a forma dis reta deste operador apli ada a EBP dis retizada. A
e á ia desta té ni a de orre da obtenção rápida e a urada de propriedades
sele ionadas da população, omo distribuição de massa, tamanho, et ., de
a ordo om a apli ação. Assim, o método das lasses se mostra apropriado
para problemas CFD e uma revisão mais detalhada sobre este assunto é
des rita na seqüên ia.
O primeiro trabalho a usar uma dis retização da EBP utilizou uma

metodologia relativamente simples, empregando o teorema do valor médio.
Hounslow et al. [1988℄ estudou a oales ên ia de gotas em tanques agitados
usando o volume da partí ula omo variável interna dis retizada em uma
malha geométri a om fator de expansão igual a 2 (υi+1 = 2υi ). O autor de-
senvolveu um onjunto de equações para onservar número e massa de gotas
em sistemas om agregação pura, omo mostrado na Eq. 4.19, onde Ni é o
número de partí ulas no ponto i da malha e ai,j é a freqüên ia de agregação
apli ada a partí ulas nos pontos i e j da malha.
i−2
dNi X 1
= Ni−1 2j−i+1 ai−1,j Nj + ai−1,i−1 Ni−1
2
dt 2
j=1
i−1
X iX
max
j−i
−Ni 2 ai,j Nj − Ni ai,j Nj (4.19)
j=1 j=1
A prin ipal desvantagem deste método é a sua inexibilidade em termos
de malha, que impossibilita o renamento das lasses. Outro fator negativo é
a ne essidade de desenvolver novas equações para onservar propriedades da
distribuição diferentes de massa e número de partí ulas. Lister et al. [1995℄
estenderam o método de Hounslow possibilitando o reno em progressão ge-
ométri a das lasses (vi+1 /vi = 21/q , onde q é um número inteiro maior que
zero) e Hill e Ng [1995℄ desenvolveram equações similares à Eq. 4.19 para
quebra om reno de malha. A exibilidade da malha utilizando uma formu-
lação variada do método de Hounslow foi alvo do trabalho de Wynn [2004℄,
que apli ou o método a problemas om agregação e reação. Porém, Wynn
[2004℄ omenta sobre a ne essidade de realizar testes de malha para veri-
ar se existe perda de massa no último intervalo de volume. Re entemente,
Alexpoulos et al. [2004℄ e Alexpoulos e Kissiparides [2005℄ estudaram esque-
mas numéri os para resolver a EBP om nu leação, res imento e agregação
simultânea usando olo ação ortogonal em elementos nitos e o método de
Hounslow estendido por Lister et al. [1995℄. Nos asos onde a taxa de res-
imento de partí ulas foi alta, os autores apontaram algumas limitações na
a urá ia da abordagem numéri a proposta por Hounslow et al. [1988℄ quando
omparado ao método de alta ordem.
Para driblar o problema de exibilidade da malha, Kumar e Ramkrishna

[1996a℄ propuseram um método de dis retização om uma abordagem mais
geral e exível devido à possibilidade de usar malhas mais grossas ou nas
e om diferentes faixas de tamanho. Esta té ni a on entra a população de
partí ulas om determinada faixa de tamanho em torno de um úni o ponto
( hamado piv ou abs issa), xo no espaço das variáveis internas, usando
uma função delta de Dira (δ). A faixa de tamanho entre dois tamanhos da
malha vi e vi+1 é hamado de seção Ii e o tamanho de partí ula nesta seção
é representado pelo ponto na malha ξi (abs issa) tal que vi < ξi < vi+1 .
Uma representação esquemáti a da malha pode ser analisada na Fig. 4.2.
Contudo, esta abordagem possui um problema intrínse o já que os fenme-
nos de quebra e agregação podem levar a partí ulas uja propriedade não
perten e a nenhum dos pivs representativos da malha, gerando problemas
de ina urá ia numéri a da solução.
Figura 4.2: Representação de omo a té ni a do piv xo lida om a formação

de novas partí ulas que não oin idem om um piv existente; • limites das
lasses, | piv (ξi ), △ nova partí ula formada por agregação ou quebra.
O onjunto de equações ne essárias para onservar o número e a massa

das partí ulas usando a té ni a do piv xo está olo ado abaixo, onde δj,k
′
representa o delta de Krone ker e imax é o número de pontos dis retizados

na malha.
j≥k
dNi X 1 ′
= [1 − δj,k ]ηi a(ξj , ξk )Nj Nk
dt 2
j,k
ξi−1 ≤(ξj +ξk )≤ξi+1
iX
max iX
max
−Ni a(ξi , ξk )Nk + κi,k b(ξi )Nj − b(ξi )Ni (4.20)

k k
j≥k
onde

ξi+1 −(ξj +ξk )



 ξi+1 −ξi quando ξi ≤ (ξj + ξk ) ≤ ξi+1

ηi = (4.21)



 (ξj +ξk )−ξi−1

ξi −ξi−1 quando ξi−1 ≤ (ξj + ξk ) ≤ ξi
e
Z ξi+1 Z ξi
ξi+1 − v v − ξi−1
κi,k = P (v | ξk ) dv + P (v | ξk ) dv (4.22)
ξi ξi+1 − ξi ξi−1 ξi − ξi−1
Vale ressaltar que, quando uma malha dis retizada em volume om fator
geométri o igual a 2 é usada, as Eqs. 4.20, 4.21 e 4.22 levam a um equa i-
onamento idênti o ao des rito em Hounslow et al. [1988℄. Lee et al. [2001℄
ombinou o método das ara terísti as om a té ni a do piv xo para evi-
tar difusão numéri a e problemas de estabilidade na solução da simulação da
EBP om resimento, quebra e abregação em um ristalizador de sulfato de
potássio. Estes autores também a oplaram um método de adaptação da ma-
lha (Huang et al. [1994℄) para problemas om nu leação de modo a aumentar
a a urá ia da solução.
Vanni [2000℄ realizou um extenso estudo omparando a a urá ia, fa ili-

dade de implementação e velo idade de ál ulo de diversos método de solução
para EBP envolvendo quebra e agregação. Os métodos foram divididos de-
vido à exibilidade na dis retização: (i) métodos baseados em dis retização
xa (Batterham et al. [1981℄ e Hounslow et al. [1988℄), (ii) métodos que per-
mitem renamento de malha (Gelbard et al. [1980℄, Mar hal et al. [1988℄,
Lister et al. [1995℄, Kumar e Ramkrishna [1996a℄ e Vanni [1999℄). Os tes-
tes de omparação adotaram diferentes ombinações de funções de quebra e
agregação montando um total de 10 asos. Os métodos propostos por Gel-
bard et al. [1980℄ e o piv xo de Kumar e Ramkrishna [1996a℄ se mostraram
mais robustos e om maior versatilidade em relação aos outros métodos. En-
quanto a implementação do método de Gelbard et al. [1980℄ é omplexa e
ustosa, a té ni a piv xo é mais simples e apresentou maior a urá ia nos
asos simulados.
Kumar e Ramkrishna [1996b℄ propuseram uma nova abordagem, ha-

mada de método do piv móvel, para superar a falta de a urá ia nas pre-
dições de gradientes altamente não lineares presentes na distribuição. Esta
té ni a permite que a não uniformidade da distribuição em ada seção Ii ,
provo ada pelos efeitos de quebra ou agregação, sejam onsiderados mudando
a lo alização do piv. Em outras palavras, agora os pivs são quantidades
dinâmi as e suas posições mudam onforme a distribuição varia. A oplado
à equação de onservação do número de partí ulas, é ne essário deduzir as
equações para as mudanças de posição dos pivs, que se movimentam de
forma a ompensar a evolução da função de distribuição devido as novas ar-
tí ulas formadas. As equações que onservam massa e número pela té ni a
do piv móvel estão olo adas abaixo.
j≥k
dNi X 1 ′
= [1 − δj,k ]a(ξj , ξk )Nj Nk
dt 2
j,k
vi ≤(ξj +ξk )≤vi+1
iX
max iX
max
(1)
−Ni a(ξi , ξk )Nk + b(ξi )Nj B̄i,j − b(ξi )Ni (4.23)
k=1 j≥i
j≥k
dξi 1 X 1 ′
= [1 − δj,k ][(ξj + ξk ) − ξi ]a(ξj , ξk )Nj Nk
dt Ni j,k
2
vi ≤(ξj +ξk )≤vi+1
imax
1 X (v) (1)
− b(ξi )Nj [B̄i,j − ξi B̄i,j ] (4.24)
Ni
j≥i
onde
Z vi+1
(1)
B̄i,j = P (v | ξj ) dv
vi
Z vi+1
(v)
B̄i,j = vP (v | ξj ) dv (4.25)
vi
Apesar da alta a urá ia do método, este tem alto usto omputa ional
quando a variação da distribuição no espaço físi o é onsiderada. Attarakih
et al. [2003℄ propuseram dois algoritmos para otimizar a lo alização dos pivs
na malha e minimizar o erro da dis retização da EBP apli ada a sistemas de
tanques agitados em batelada ou ontínuos. Estes autores usaram a té ni a
do piv móvel e mostraram que as equações de densidade numéri a e as
equações do piv (Eqs. 4.23 e 4.24) poderiam ser resolvidas seqüen ialmente
no tempo quando o número de lasses fosse su ientemente alto.
Em um trabalho re ente, Nopens et al. [2005℄ realizaram simulações para

omparar a velo idade de ál ulo dos métodos de Hounslow, piv xo e
piv móvel em pro essos de agregação ou quebra pura e agregação e quebra
simultânea usando diferentes ondições ini iais. Contudo, a simpli idade
das funções que representam estes fenmenos são questionáveis para serem
usados na avaliação da a urá ia dos métodos. Os autores não realizaram
omparações dos resultados numéri os simulados om soluções analíti as.
Para omparar as metodologias de solução, Nopens et al. [2005℄ usaram três
tamanhos de malha om 25 (grosseira), 31 e 46 (renada) lasses e mediram
o tempo omputa ional até que a simulação atingisse o estado esta ionário.
Os autores desta aram a dependên ia dos resultados om o método numéri o
utilizado e o grau de reno da malha devido ao fenmeno de en ar eramento
de partí ulas em alguma lasse (fora a última), onde a agregação e a quebra
não são mais possíveis. Para o aso de agregação e quebra ombinadas,
o método de Hounslow atingiu o estado esta ionário mais rápido do que
todos os métodos, enquanto que o método do piv móvel apresentou um
alto usto omputa ional, aumentado propor ionalmente om o número de
lasses usadas.
Uma metodologia derivada do método das lasses hamada Parallel Pa-

rent and Daugther Classes (PPDC) foi desenvolvida re entemente por Bove
et al. [2005℄. O on eito deste método é uma de omposição de operadores
aliada ao uso de várias malhas para as partí ulas nas idas. Desta forma, os
efeitos de nas imento e morte (por quebra e agregação) de partí ulas são se-
parados em diferentes malhas. Os autores utilizaram funções de Dira para
de ompor a função de distribuição em três omponentes, que se referem a
uma malha para as lasses de partí ula mãe, M malhas para as lasses de
lhas geradas por quebra e M (M +1)/2 malhas para as lasses lhas geradas
pelo pro esso de agregação. Essas malhas estão superpostas (paralelas) no
domínio da oordenada interna. Bove et al. [2005℄ partiram de uma dis re-
tização por Euler explí ito no tempo para obter as Eqs. 4.26, 4.27 e 4.28
(i)
referentes à ada omponente da função de distribuição, onde Ni , Aij e Bk
são respe tivamente as densidades numéri as de partí ulas para a lasse mãe
i, para a lasse de lha ij gerada por agregação de partí ulas presentes nas
lasses mãe i e j e para a lasse de lha k gerada por quebra de uma partí ula
presente na lasse mãe i.
M
Ni (tn+1 ) − Ni (tn ) X
= −Ni (tn ) a(ξi , ξj )Nj (tn ) − b(ξi )Ni (tn ), (4.26)
∆t
j=1
i = 1, . . . , M

Aij (tn+1 ) − Aij (tn ) 1
= 1 − δij a(ξi , ξj )Ni (tn ), (4.27)
∆t 2
i, j = 1, . . . , M, j ≥ i
(i) (i) Z (i)

Bk (tn+1 ) − Bk (tn ) vk+1
= ϑi b(ξi )Ni (tn ) P (v | ξi ) dv, (4.28)
∆t (i)
vk
i = 1, . . . , M, k = 1, . . . , N B(i)
Após resolver o sistema das Eqs. 4.26 à 4.28, a função de distribuição

expandida de tamanho de partí ulas no tempo tn+1 pode ser al ulada pela
(i)
Eq. 4.29, onde yij e zk são as abs issas de suas respe tivas lasses.
M
X M X
X M
fE (v, tn+1 ) = Ni (tn+1 )δ(v − ξi ) + Aij (tn+1 )δ(v − yij )
i=1 i=1 j=1
M NX
X B(i)
(i) (i)
+ Bk (tn+1 )δ(v − zk ) (4.29)
i=1 k=1
Contudo, a ada iteração no tempo é ne essário expressar a função de

distribuição expandida em M lasses (malha ini ial para o próximo passo
de integração) e este pro edimento resulta em um sistema de equações não
lineares em Nin+1 e ξik,n+1 . Os autores sugerem o método de Gordon [1968℄
para resolver tal sistema devido à sua e iên ia e robustez. Bove et al.
[2005℄ ompararam simulações do PPDC om a solução analíti a de M Coy
e Madras [2003℄ e o resultado do método numéri o de Kumar e Ramkrishna
[1996b℄ para três asos usando diferentes funções de agregação e quebra. Em
ríti a ao artigo, os autores não relatam o passo de tempo adotado nas si-
mulações. Os resultados obtidos pelo PPDC obtiveram ótima on ordân ia
om a solução analíti a, mesmo utilizando um pequeno número de lasses.
No segundo aso analisado, foram realizadas omparações entre os resultados
obtidos pelo PPDC (2 a 4 lasses) e pelo método do piv móvel de Kumar e
Ramkrishna [1996b℄ (90 lasses). Neste aso, as simulações usando diferentes
lasses no PPDC onvergiram entre si, porém om grande dis ordân ia dos
resultados forne idos pelo método do piv móvel. Os autores não omentam
esse fato apesar da simpli idade das funções de quebra e agregação deste
aso. Uma possível solução seria aumentar o número de lasses no método
de Kumar e Ramkrishna [1996b℄ para avaliar a onvergên ia da solução for-
ne ida pelo mesmo. Uma das grandes desvantagens do PPDC está em sua
formulação bási a, que parte da integração numéri a por Euler explí ito e
onsidera apenas quebra e agregação homogênea.
O trabalho de Hu et al. [2005℄ desenvolve uma formulação baseada em

diferenças nitas para resolver EBPs homogêneas e monovariadas. O algo-
ritmo parte de aproximações por série de Taylor da densidade de partí ulas
para obter expressões algébri as para a evolução no tempo do número e vo-
lume das partí ulas da população em um domínio dis retizado em lasses. As
integrais dos termos de quebra e oales ên ia devem ser avaliadas no inter-
valo dis retizado de ada lasse e, para tal, os autores usaram a quadratura
de Gauss-Legendre. Foram apresentados resultados de asos om agregação
e res imento simultâneos, quebra pura e res imento e nu leação simultâ-
nea, todos om possuem solução analíti a. Uma ótima on ordân ia entre
os resultados numéri os e analíti os foi obtida, porém os fenmenos simula-
dos e as funções de quebra e oales ên ia foram muito simples. Para avaliar
melhor este método, mais simulações om funções de quebra e oales ên ia
e situações físi as mais realísti as devem ser realizadas.
4.2.4 Método dos Momentos
Uma outra abordagem faz uso dos momentos da distribuição de partí ulas
para simular sistemas dispersos de forma apropriada. De modo geral, a
função de distribuição de partí ulas é sistemati amente substituída por um
onjunto de momentos de baixa ordem que são, na grande maioria dos asos,
su ientes para estimar as propriedades físi as do sistema disperso simulado
(Friedlander [1977℄). O momento k de uma distribuição está denido na
Eq. 4.30. Z +∞
µk = vk f (x, v, t) dv (4.30)
−∞
Os momentos forne em detalhes importantes sobre a des rição estatísti a

da população. O momento de ordem zero (k = 0) representa a densidade
numéri a total da população (número total de partí ulas por unidade de
volume), o momento de primeira ordem (k = 1) é a densidade mássi a da
população (massa total por unidade de volume), e os momentos fra ionais,
1 2
k= 3 ek= 3 forne em respe tivamente informações sobre o diâmetro médio
e a área super ial média.
O método dos momentos (MOM) é uma té ni a promissora que possui

vantagens úni as ao simular sistemas dispersos dinâmi os (Hulburt e Katz
[1964℄ e M Graw e Saunders [1984℄). MOM é uma metodologia que a om-
panha diretamente os momentos de baixa ordem ao invés da distribuição
propriamente dita e, portanto, não ne essita de maiores onhe imentos so-
bre a última. O MOM onven ional formula as equações para a ompanhar a
evolução em uma forma fe hada, ou seja, são equações que só envolvem fun-
ções dos momentos. Infelizmente, este método só possui forma fe hada para
pou os asos. Na grande maioria das situações, as equações que des revem
a evolução do momento µk envolvem momentos de maior ordem omo µk+1 ,
deixando o problema sem fe hamento (Hulburt e Katz [1964℄) ou om ne es-
sidade de formas matemáti as espe iais para representar alguns fenmenos,
omo, por exemplo, o res imento ontrolado pela difusão e evaporação e
res imento simultâneos (M Graw e Saunders [1984℄). A ne essidade de uma
formulação de fe hamento é uma restrição severa deste método e é a prin ipal
razão deste não ter re ebido mais atenção da omunidade a adêmi a. Tra-
balhos mais re entes resgataram o método dos momentos formulando novas
propostas para o fe hamento das equações.
Barrett e Jheeta [1996℄ formularam uma forma fun ional dos momentos
para o fe hamento das equações e apli aram para o problema de agregação,
ondensação e remoção de partí ulas em aerosóis. Os autores assumiram
que o logaritmo neperiano do momento ln(µk ) pode ser expresso por um
polinmio de ordem p em k e seus oe ientes são al ulados ao resolver um
sistema de p + 1 equações diferen iais numeri amente. Contudo, sabe-se que
as aproximações polinomiais possuem a tendên ia de os ilar entre os valores
ajustados e nem sempre os momentos da distribuição podem ser aproximados
pela forma olo ada pelos autores.
4.2.5 Métodos Híbridos
Nesta lassi ação, uma abordagem intitulada quadrature method of mo-

ments (QMOM) foi proposta por M Graw [1997℄, onde as equações dinâ-
mi as para a evolução dos momentos são substituídas por um onjunto de
aproximações baseadas em quadratura. Esta formulação satisfaz a ondição
de fe hamento para uma ampla faixa de problemas sem a ne essidade de
assumir uma forma matemáti a espe ial para representar a distribuição de
tamanho ou o res imento de partí ulas. A essên ia do fe hamento baseado
em quadratura en ontra-se no fato de que as abs issas ξi e os pesos wi sejam
ompletamente espe i ados em termos dos momentos de menor ordem da
função de distribuição. Desta forma, os pesos e abs issas representam a fun-
ção de distribuição da melhor forma possível e, em ontraste om o método
das lasses, as abs issas podem se mover livremente por todo o domínio da
variável interna sem limitações ou restrições. Estes métodos são hamados
híbridos pois possuem ara terísti as dos métodos das lasses (dis retização
da variável interna) e dos momentos.
A formulação bási a proposta por M Graw [1997℄ admite uma distri-

buição monovariada sem dependên ia om variáveis externas. A Eq. 4.31
mostra a aproximação dos momentos por uma quadratura om n pontos
para 2n momentos (k = 0 . . . 2n − 1).
Z +∞ n
X
k
µk = v f (v, t) dv = ξik wi (4.31)
−∞ i=1
Deste modo, os primeiros 2n momentos podem ser determinados a partir

de n abs issas e n pesos. Contudo, o inverso, isto é, a obtenção dos pesos
e abs issas a partir dos momentos, omo olo ado na Eq. 4.31, requer um
método de solução para equações não lineares e este pro edimento não é re-
omendado pelo usto omputa ional. Uma abordagem mais apropriada é o
algoritmo Produto-Diferença (PD) proposto por Gordon [1968℄, que usa os
momentos para onstruir uma matriz tridiagonal da qual os pesos e abs issas
podem ser obtidos. A metodologia do PD está des rita no Apêndi e A. A
idéia bási a do QMOM é al ular os termos fonte da EBP usando a qua-
dratura, avaliando os pesos e abs issas ao longo da evolução temporal dos
momentos. M Graw [1997℄ estudou a simulação monovariada do res imento
de gotas de á ido sulfúri o diluído em aerosóis e omparou os resultados for-
ne idos pela solução exata do problema om as soluções numéri as obtidas
pelo método dos momentos om fe hamentos por série de Laguerre (Hulburt
e Katz [1964℄) e por quadratura (QMOM) utilizando 6 momentos (µ0 µ5 )
para representar a distribuição de tamanho. A evolução dos momentos de
menor ordem, µ1 µ2 , em ambos os métodos numéri os a ompanharam a so-
lução exata, porém somente o QMOM onseguiu a ompanhar a evolução dos
momentos de maior ordem, µ3 µ5 . O erro em relação à solução exata pelo
fe hamento de Laguerre aumenta junto om a ordem dos momentos.
Um primeiro estudo sobre a apli abilidade do QMOM em asos multi-

variados foi realizado por Wright et al. [2001℄. Estes autores utilizaram o
volume e a área super ial das partí ulas omo variáveis internas para o
aso de agregação pura. Nesta situação, os pesos e abs issas não podem
ser obtidos pelo algoritmo PD e foram al ulados pelo método do gradiente
onjugado propi iando um maior usto omputa ional. Os resultados utili-
zando 12 pontos de quadratura foram omparados à simulação por Monte
Carlo apresentando resultados on ordantes. M Graw e Wright [2003℄ apre-
sentaram uma nova metodologia derivada do QMOM para o fe hamento dos
momentos, hamada de Transformação da Matriz Ja obiana (TMJ), om
o objetivo de tratar misturas multi omponentes em aerosóis. Contudo, os
autores rela ionaram os momentos das omposições das partí ulas om os
momentos da distribuição total de massa e, portanto, realizaram apenas si-
mulações monovariadas para a ompanhar a evolução da população.
Na sequên ia de trabalhos de Yoon e M Graw [2004a,b℄ foi introduzida

uma formulação multivariada do QMOM a oplada ao algoritmo de análise
dos prin ipais omponentes (Johnson e Wi hern [1992℄ e Diamantaras e
Kung [1996℄) da população de modo a a ompanhar os momentos ombi-
nados para omposição das partí ulas. O algoritmo de análise dos prin ipais
omponentes forne e um té ni a para extrair as ombinações lineares não-
orrela ionadas que melhor ara terizam a função de distribuição. Neste
aso, o algoritmo é usado para en ontrar o número de pontos de quadratura
e sua lo alização ótima para obter os momentos ombinados. O método é
apli ado a uma diversidade de exemplos omo, a ondensação e a oagulação
multi omponente (efeitos separados) e a oagulação e sinterização bivariada
em área e volume (efeitos ombinados). Os resultados foram omparados
om as simulações numéri as de Wright et al. [2001℄ apresentando boa on-
ordân ia.
Mar hisio et al. [2003b℄ estenderam a formulação do QMOM para in luir

a quebra de partí ulas e analisaram diferentes ombinações de ondições
ini iais de distribuição de partí ulas e funções de agregação e quebra. As
predições de densidade numéri a total de partí ulas (µ0 ) e tamanho médio
de partí ulas (d34 = µ4 /µ3 ) foram omparadas om a solução rigorosa da
EBP forne ida por Vanni [2000℄ utilizando um grande número de lasses
(aproximadamente 2000). O número de variáveis es alares ne essárias para
resolver a EBP pelo QMOM é muito inferior omparado ao método das
lasses obtendo a mesma a urá ia.
A formulação do QMOM obtida por Mar hisio et al. [2003b℄ para a evolu-
ção de 2n momentos ontendo os termos de quebra e agregação está olo ada
na Eq. 4.32 e a Eq. 4.33 ontém o termo de densidade de probabilidade de
quebra.
n n
∂µk 1 XX
= [(ξi + ξj )k − ξik − ξjk ]a(ξi , ξj )wi wj
∂t 2
i=1 j=1
n
X
+ b(ξi )wi [ϑ(ξi )πk (ξi ) − ξik ] (4.32)
i=1
onde Z ξi
πk (ξi ) = v k P (v | ξi ) dv (4.33)
0
Apesar de tudo, QMOM possui dois fatores limitantes: (i) se apli ado
a distribuições multivariadas, o método perde sua simpli idade e e iên ia
omputa ional, e (ii) ao a ompanhar apenas os momentos da distribuição de
partí ulas, o método não representa de forma realísti a sistemas polidispersos
om forte a oplamento entre as variáveis internas e as velo idades das fases.
De forma a driblar esses fatores, Mar hisio e Fox [2005℄ apresentam uma me-
todologia derivada a partir do QMOM, intitulada dire t quadrature method
of moments (DQMOM). O DQMOM é baseado na idéia de a ompanhar
diretamente os pesos e abs issas presentes na aproximação de quadratura
ao invés de a ompanhar os momentos da distribuição propriamente ditos.
Como no QMOM, a função de distribuição é uni amente aproximada omo
o somatório de funções delta de Dira multidimensionais. A Eq. 4.34 mostra
a aproximação monovariada para a função de distribuição de tamanho pela
formulação do DQMOM.
n
X
f (x, v, t) = wi (x, t)δ[v − ξi (x, t)] (4.34)
i=1
Esta forma fun ional pode ser analisada omo um onjunto de n fases
dispersas e ada fase é ara terizada por um peso wi e uma abs issa ξi , que
representam a densidade numéri a e o valor da propriedade onsiderada em
ada fase dispersa. A formulação do DQMOM se baseia na substituição da
Eq. 4.34 diretamente na EBP (Eq. 4.3) que após alguma manipulação a
na forma mostrada na Eq. 4.35, onde ςi = wi ξi é a abs issa ponderada, ui é
a velo idade ara terísti a asso iada om a fase i e δ′ [v − ξi ] e δ′′ [v − ξi ] são
as primeiras e segundas derivadas da função generalizada δ[v − ξi (x, t)].
n
X ∂wi
δ[v − ξi (x, t)] + ∇ · (ui wi ) − ∇ · [Dx ∇wi ]
∂t
i=1
n
X
′ ∂ςi
− δ [v − ξi (x, t)] + ∇ · (ui ςi ) − ∇ · [Dx ∇ςi ]
∂t
i=1
n
X
′ ∂wi
+ δ [v − ξi (x, t)]ξi + ∇ · (ui wi ) − ∇ · [Dx ∇wi ]
∂t
i=1
n
X
− δ′′ [v − ξi (x, t)]{Dx wi (∇ξi ) · (∇ξi )} = H(x, v, t) (4.35)
i=1
Dene-se θi e ̺i omo termos fonte das equações de transporte do DQ-

MOM para os pesos e abs issas ponderadas.
∂wi
+ ∇ · (ui wi ) − ∇ · [Dx ∇wi ] = θi
∂t
∂ςi
+ ∇ · (ui ςi ) − ∇ · [Dx ∇ςi ] = ̺i (4.36)
∂t
Dene-se ainda Ci na seqüên ia.
Ci = Dx wi (∇ξi ) · (∇ξi ) (4.37)
Note que, quando não existe termo dispersivo, Ci assume valor nulo para
todas as fases.
Usando as denições das Eqs. 4.36 e 4.37 e apli ando uma transformação
na Eq. 4.35 que onsiste em multipli á-la por v k e integrá-la, hega-se à
Eq. 4.38.
n
X n
X (n)
(1 − k) ξik θi + k ξik−1 ̺i = H̄k + C̄k (4.38)
i=1 i=1
onde os termos fonte são denidos por

Z +∞
(n)
H̄k = v k H(x, v, t) dv (4.39)
−∞
e
n
X
C̄k = k(k − 1) ξik−2 Ci (4.40)
i=1
A Eq. 4.38 forma um sistema linear de equações que deve ser resolvido
numeri amente em ada nó da malha das variáveis externas em ada passo de
tempo para obter θ e ̺ ne essárias para resolver as Eqs. 4.36. O trabalho de
Mar hisio e Fox [2005℄ desenvolve a formulação para os asos de res imento,
dispersão, nu leação, agregação e quebra homogêneos monovariados, difusão
pura monovariada e estende a agregação homogênea e o res imento om
dependên ia espa ial para asos bivariados. Os autores ainda olo am a
formulação do DQMOM para asos multivariados, ontudo não apresentam
testes om esta última.
4.3 A oplamento CFD-EBP 83
As metodologias usando quadratura (QMOM e DQMOM) são atrativas
devido a várias razões. A primeira delas é a alta a urá ia dos métodos para
asos de EBP monovariadas utilizando um pequeno número de momentos
(46). Outra vantagem inerente ao DQMOM é que os pesos e abs issas
podem ser vistos omo pontos distintos no espaço das variáveis externas e o
método pode ser usado para des rever sistemas multifási os. Desta forma, o
DQMOM é uma té ni a apropriada para ser a oplada a problemas de CFD.
4.3 A oplamento CFD-EBP
De modo a onsiderar de forma mais rigorosa os efeitos dos fenmenos rela i-

onados às partí ulas (por ex. quebra e agregação), a EBP deve ser resolvida
junto om as equações da ontinuidade e de balanço de quantidade de mo-
vimento. Esta seção tem o objetivo de mostrar a teoria e formulação do
a oplamento CFD-EBP e apresentar uma revisão da literatura referente às
apli ações multifási as om balanço popula ional.
4.3.1 Fundamentos
Separadamente, as té ni as numéri as para CFD e EBP são ampos de pes-

quisa muito ativos. A primeira tentativa em a oplar CFD e EBP foi o modelo
MUSIG (MUltiple SIze Group ) introduzida por Lo [1996℄, baseada na formu-
lação do modelo de dois uidos onde a fase dispersa in lui todas as lasses
da distribuição de partí ulas. A modelagem MUSIG assume que as velo i-
dades de todas as partí ulas são iguais, sem dependên ia om seu tamanho.
Desta forma, o onjunto de equações se reduz à abordagem de dois uidos
onde existe um ampo de velo idade para a fase ontínua e outro para a dis-
persa. As forças de interação entre as fases são al uladas usando o diâmetro
médio de Sauter, d¯s , de toda a fase dispersa. O diâmetro médio de Sauter
usado no ál ulo da força de arrasto pode ser aproximado pela Eq. 4.41, que
usa a função de distribuição de tamanho, obtida pela equação de balanço
popula ional, integrada no volume
R∞
3 vf (v) dv
d¯s ≈ R ∞ 0 , (4.41)
2 0 Aeq (v)f (v) dv
onde Aeq (v) é a área equivalente de uma partí ula om volume v .
A limitação do modelo MUSIG reside na sua in apa idade em predizer

a dinâmi a de diferentes lasses. Na tentativa de driblar esta limitação e
seguindo a mesma idéia do modelo de Krishna et al. [1999a℄, Krepper et al.
[2005℄ usou o modelo MUSIG modi ado que onsidera duas fases gasosas
para representar separadamente a dinâmi a das bolhas pequenas e das bolhas
grandes.
Outra té ni a de a oplamento CFD-EBP é o modelo algébri o de mis-

tura om es orregamento (tradução livre de algebrai slip mixture model -
ASMM) desenvolvido por Manninen et al. [1996℄. Esta abordagem assume
duas fases imis íveis omo interpenetrantes. O ASMM permite ainda que
as fases se movimentem em velo idades diferentes. Neste modelo, deve-se
resolver as equações da ontinuidade e de quantidade de movimento para a
mistura, a equação para fração volumétri a para uma das fases e uma relação
algébri a para a velo idade relativa de es orregamento (slip ). A equação da
ontinuidade para a mistura está expressa na Eq. 4.42, onde ρm é a densi-
dade de mistura denida na Eq. 4.43 e um é a velo idade de mistura média
mássi a mostrada na Eq. 4.44.
∂ρm
+ ∇ · (ρm ûm ) = 0 (4.42)
∂t
N
X
ρm = αk ρk (4.43)
k=1
PN
k=1 αk ρk ûm
ûm = (4.44)
ρm
A equação de quantidade de movimento para a mistura pode ser obtida ao

somar as equações individuais de momentum para as duas fases. A Eq. 4.45
mostra o resultado dessa operação
∂(ρm ûm )
+ ∇ · (ρm ûm ) =
∂t
t
−∇p + ∇ · (τm + τm ) + ∇ · τDm + ρm g (4.45)
onde τm , τm
t e τ
Dm são as tensões vis osa, turbulenta e difusiva devido ao
es orregamento entre as fases denidas respe tivamente nas Eqs. 4.46, 4.47
e 4.48
2
τm = µm (∇ûm + ∇ûTm ) − µm ∇ · ûm I (4.46)
3

t t T 2 2
τm = µm (∇ûm + ∇ûm ) − ∇ · ûm I − ρm km I (4.47)
3 3
N
X
τDm = αk ρk ûD,k ûD,k (4.48)
k=1
N
X
µm = αk µk (4.49)
k=1
sendo que, µm é a vis osidade de mistura denida na Eq. 4.49, km representa
a energia inéti a turbulenta de mistura e ûD,k = ûk − ûm é a velo idade
difusiva (drift ) entre as fases ontínua e dispersa om respeito ao entro de
massa. O termo de tensão turbulenta pode ser fe hado resolvendo um modelo
de turbulên ia para a mistura. Note que, omo a equação para a mistura é
a soma das equações para as fases, o termo de interação entre fases é nulo
(ver Seção 3.1.2).
A partir da equação da ontinuidade para a fase dispersa, pode-se obter a

equação para a fração volumétri a da fase se undária, mostrada na Eq. 4.50.
∂α2 ρ2
+ ∇(α2 ρ2 ûm ) = −∇ · (α2 ρ2 ûD,2 ) (4.50)
∂t
Contudo, a velo idade das fases, ûk , ainda não é onhe ida, mas pode
ser derivada pela relação
N
X
ûD,k = ûk − ûm = ci ûslip,ki (4.51)
i=1
onde ci é a fração mássi a da fase i e ûslip,ki é a velo idade de es orregamento

da fase k em relação a fase i (ûslip,ki = ûk − ûi ). Existem vários modelos na
literatura para des rever a velo idade de es orregamento (Manninen et al.
[1996℄, Sanyal et al. [1999℄, Sokoli hin e Eigenberger [1999℄, Lapin et al.
[2001℄ e Cartland Glover e Generalis [2004℄). Entre estes modelos, alguns são
rela ionados om o diâmetro da partí ula (Manninen et al. [1996℄) ou om as
forças de interação entre fases (Bove [2005℄). Com o ál ulo do diâmetro de
partí ulas para as fases por balanço popula ional, o a oplamento CFD-EBP
para o modelo ASMM a ompleto.
4.3.2 Apli ações
O trabalho de Olmos et al. [2001℄ utilizou a formulação MUSIG desenvol-

vida por Lo [1996℄ e implementada no CFX 4.3 para ombinar as equações
de balanço popula ional à simulação Euler/Euler de uma oluna de bor-
bulhamento. A fase dispersa foi representada por 10 grupos de diferentes
tamanhos, ontudo apenas uma equação de balanço de momentum para a
fase dispersa foi resolvida. Dessa forma, as 10 lasses de partí ulas são on-
ve tadas om a mesma velo idade média. O diâmetro médio de Sauter foi
usado para al ular os termos de arrasto e força de dispersão turbulenta
(Kurul e Podowski [1990℄) para interação entre as fases. Os autores usaram
o modelo lássi o k − ǫ para tratar a turbulên ia na fase ontínua. A si-
mulação foi esta ionária e 2D axialmente simétri a e apenas os fenmenos
de quebra e oales ên ia foram onsiderados utilizando os modelos de Luo
e Svendsen [1996℄ e Prin e e Blan h [1990℄ respe tivamente. Os resultados
foram omparados om dados experimentais e apresentaram uma boa on-
ordân ia para o regime de borbulhamento homogêneo e a faixa de transição
de regime. Contudo, a restrição do modelo para as equações de transporte
para ada lasse de bolhas e a limitação da simulação bidimensional devem
ter limitado a a urá ia dos resultados de Olmos et al. [2001℄.
Olmos et al. [2003℄ se basearam na abordagem desenvolvida por Krishna

et al. [1999a℄ para estender seu trabalho anterior (Olmos et al. [2001℄). Os
autores onsideraram a inuên ia das bolhas na turbulên ia da fase ontí-
nua através dos modelos de Sato e Sekogu hi [1975℄ que al ula um termo
extra de vis osidade induzida pelas bolhas, e Kataoka e Seriwaza [1989℄ que
leva em onta a produção de turbulên ia nas esteiras das bolhas. Os autores
ainda onsideraram as interações entre bolhas através de uma orreção do
oe iente de arrasto, mostrada na Eq. 4.52, que utiliza um parâmetro p em
sua formulação (Gidaspow [1994℄) a ser obtido a partir de dados experimen-
tais, a fração volumétri a da fase gás, αg , e o oe iente de arrasto sem fator
de orreção, Cd′ .
Cd = Cd′ (1 − αg )p (4.52)
A metodologia de solução proposta por Olmos et al. [2003℄ utiliza os resul-

tados das simulações de Olmos et al. [2001℄ para obter as lasses dominantes
(e portanto os diâmetros médios) para diferentes velo idades super iais de
gás e o ajuste do parâmetro p através de dados experimentais de retenção
gasosa e velo idade super ial de gás. Após estas duas etapas, é resolvido o
modelo Euler-Euler om as equações de onservação de momento para a fase
líquida e para as fases gasosas om os diâmetros médios das lasses dominan-
tes e des onsiderando a interação entre as bolhas. Os resultados mostraram
uma boa on ordân ia na transição do regime homogêneo ao heterogêneo.
Ao apli ar os oe ientes de arrasto ajustados para ada fase gasosa, foi
possível obter uma boa representação da transição entre os regimes de bor-
bulhamento. Olmos et al. [2003℄ on luíram que estes resultados só foram
possíveis devido à onsideração da distribuição de tamanho de bolhas e as
interações entre elas e ressaltaram a importân ia do uso de balanço popula-
ional para representar o regime de transição de borbulhamento. Os autores
também olo aram que o modelo de Kataoka e Seriwaza [1989℄ apresentou
resultados mais a urados na des rição da turbulên ia no líquido.
Em trabalho re ente, Chen et al. [2004℄ implementaram a EBP a oplada

ao modelo Euler-Euler de dois uidos na tentativa de representar o regime
heterogêneo de borbulhamento. O modelo Euleriano bifási o des rito por
Pan et al. [1999℄ foi usado no trabalho onsiderando o ASMM e in luindo
apenas a força de arrasto (S hiller e Naumann [1935℄) no termo de tro a
de momentum entre fases e o diâmetro lo al da bolha é obtido pela solução
da EBP. Isto impli a que o modelo de mistura não requer a solução dos
balanços de momento e massa para todas as fases, apenas da fase de mis-
tura e todas as partí ulas uidas se deslo am om uma úni a velo idade.
A turbulên ia na fase líquida foi tratada om um modelo k − ǫ modi ado
para in luir transferên ia de momento turbulento entre as fases (Elghobashi
e Abou-Arab [1983℄) e na fase dispersa o fe hamento da turbulên ia é feito
através de orrelações baseadas na dispersão de partí ulas por turbulên ia
homogênea (T hen [1947℄). Os fenmenos de quebra (Luo e Svendsen [1996℄)
e oales ên ia (Luo [1993℄) foram onsiderados na EBP, ontudo foi ne essá-
rio ajustar a taxa de quebra predita pelo modelo de Luo e Svendsen [1996℄
om um fator de 10 vezes (b = 10boriginal ). Chen et al. [2004℄ sugerem que
isto o orre devido à falta de a urá ia do modelo k −ǫ em forne er valores rea-
lísti os de energia de dissipação turbulenta. Contudo, de a ordo om Araújo
[2006℄, a formulação do modelo de Luo e Svendsen [1996℄ é baseada em on-
eitos errados e pode ter sido a prin ipal fonte de erro nas simulações. Os
autores reportaram resultados próximos ao obtido experimentalmente (Ku-
mar et al. [1997℄) para a velo idade axial das bolhas e a retenção gasosa em
simulações 2D e 3D.
Chen et al. [2005b℄ estenderam seu trabalho avaliando o efeito de dife-

rentes modelos de quebra e oales ên ia para obtenção da distribuição de
tamanho de bolhas no pro esso de borbulhamento heterogêneo. A EBP foi
resolvida pelo método do piv xo (Kumar e Ramkrishna [1996b℄) onside-
rando todas as partí ulas om uma úni a velo idade al ulada pelo modelo
Euler-Euler de Chen et al. [2004℄ e os modelos analisados para quebra foram
de Luo e Svendsen [1996℄ e Martínez-Bazán et al. [1999a,b℄ e para oales ên-
ia de Luo [1993℄ e Prin e e Blan h [1990℄. Como no trabalho anterior, foi
ne essário ajustar a taxa de quebra em um fator de 10 vezes, fato que tira a
natureza preditiva da simulação numéri a. Foram realizadas simulações bidi-
mensionais dis retizando a EBP om uma malha xa no volume (υi = 2υi−1 )
em 16 lasses om diâmetros de bolha entre 1 mm e 32 mm. Os resultados
apontam que a solução da EBP permite uma melhor representação dos pers
de velo idade do líquido e de energia inéti a turbulenta em relação à simu-
lações usando um diâmetro médio xo, apesar de ambas ainda apresentarem
dis repân ias em relação ao experimento. Isto pode ser onsequên ia da na-
tureza da simulação 2D que não aptura todos os detalhes do es oamento.
Os autores também ressaltaram a on ordân ia dos resultados simulados
usando os diferentes modelos de quebra e oales ên ia, que apresentaram
uma distribuição unimodal do tamanho de bolhas no regime heterogêneo
de borbulhamento, apresentando grande dis repân ia om a urva bimodal
experimental (Ribeiro Jr. [2005℄). Apesar disso, os resultados de retenção
gasosa não foram satisfatórios. Como dis utido anteriormente no Cap. 3, o
fato das simulações não serem 3D pode ter omprometido os resultados.
Em seqüên ia, Chen et al. [2005a℄ realizaram simulações tridimensionais

de olunas de borbulhamento om diferentes diâmetros e ondições de pres-
são e velo idades super iais de modo a operar em regime heterogêneo. Os
resultados simulados foram omparados om os experimentos de Chen et al.
[1999b℄, Ong [2003℄ e Shaikh et al. [2003℄. Os autores utilizaram a mesma
modelagem de Chen et al. [2004℄, mudando o modelo de freqüên ia de olisão
para o desenvolvido por Saman e Turner [1956℄. Este trabalho avaliou três
abordagens de solução do es oamento, sendo elas: (i) EBP om modelo de
dois uidos assumindo que a velo idade de todas as fases dispersas é lo al-
mente igual à velo idade média da fase gás; (ii) EBP om ASMM, sendo que
a velo idade de todas as fases de bolhas são lo almente iguais à velo idade
da fase gasosa; (iii) EBP om ASMM om N + 1 fases, onde ada lasse
possui sua velo idade lo al al ulada pelo ASMM. Contudo, o tipo de abor-
dagem de solução não teve um efeito signi ante nos resultados simulados
para os valores médios temporais da velo idade axial e da retenção gasosa e
os autores adotaram a metodologia (i) om 9 lasses para gerar os resulta-
dos omentados a seguir. As utuações de velo idade super ial e retenção
gasosa onseguem ser apturadas, fato que não o orre em simulações 2D.
Apesar disso, os valores numéri os para a tensão turbulenta não são bem
preditos e a urva de distribuição de tamanho de bolhas ainda é unimodal.
O primeiro trabalho que testa a apa idade do método dos momentos om

fe hamento por quadratura para resolver problemas de es oamento a oplado
à EBP foi de Mar hisio et al. [2003a℄. Os autores implementaram o QMOM
no ódigo CFD omer ial FLUENT para simular o es oamento turbulento
om partí ulas sólidas em um reator Taylor-Couette onsiderando os efeitos
de quebra e oales ên ia. Devido ao pequeno tamanho das partí ulas e à sua
baixa on entração no reator foi possível des onsiderar a inuên ia da fase
dispersa sobre a ontínua e adotar um modelo de turbulên ia monofási o.
As simulações foram omparadas om dados experimentais en ontrados na
literatura. Os resultados foram obtidos resolvendo o ampo de es oamento
monofási o até atingir o estado permanente e em seguida determinando a
evolução dinâmi a dos momentos (µ0 µ5 , Mar hisio et al. [2003b℄) em pas-
sos de 10 segundos. Diferentes modelos de agregação, quebra e distribuição
de partí ulas lhas foram testados e foi possível notar laramente a depen-
dên ia do resultado na es olha destes modelos. Em outras palavras, deve-se
es olher orretamente este modelos om base na físi a do pro esso analisado
e nas es alas de tempo e dimensão para a qual estes modelos foram desenvol-
vidos. Contudo, o usto omputa ional para resolver a EBP não apresentou
dependên ia om as diferentes ombinações de modelos de quebra e oales-
ên ia.
Em trabalho re ente, Prat e Du oste [2006℄ implementaram o QMOM no

software de uidodinâmi a PHOENICS via subrotinas em FORTRAN deni-
das pelo usuário para simular a evolução espa ial da distribuição de tamanho
de o os em um reator agitado me ani amente. As simulações utilizaram 6
momentos para ara terizar a população de partí ulas e foram usados os mo-
delos de Saman e Turner [1956℄ e Adler [1981℄ para oales ên ia e Kusters
[1991℄ para quebra binária. A ada passo de tempo da simulação transiente,
os momentos são atualizados para obter os pesos e abs issas utilizando as
rotinas ORTHOG e GAUCOF (Press et al. [1990℄) para estruturar o algo-
ritmo de solução. A partir dos momentos normalizados, a rotina ORTHOG
realiza o mputo dos oe ientes da matriz ja obiana usando o algoritmo
de Wheeler (Press e Teukolsky [1990℄) e a rotina GAUCOF extrai os pesos
e abs issas da fórmula da quadratura.
O trabalho de Fan et al. [2004℄ apli a o DQMOM a oplado a um modelo

multi-uido para simular a evolução da fase sólida polidispersa onsiderando
a quebra e agregação em um reator de leito uidizado. São onsideradas
as equações da ontinuidade e de momentum para a fase ontínua e para
as k fases dispersas, in luindo apenas o arraste no termo de tro a de mo-
mento entre fases e a força de empuxo. A formulação do a oplamento das
equações Eulerianas om as equações para os pesos e abs issas (Eq. 4.36) fo-
ram des ritas neste trabalho, ontudo os autores não onsideraram o termo
difusivo da EBP eliminando o termo fonte C na formulação do DQMOM
(Eq. 4.40). Os autores adotaram modelos de quebra e agregação propí ias
para a dinâmi a de partí ulas em leitos uidizados baseadas na teoria i-
néti a de es oamento granular, porém alguns testes om funções onstantes
foram realizados para melhor analisar o omportamento da simulação. Os
métodos SIMPLE de a oplamento pressão velo idade e PEAS no tratamento
do a oplamento entre fases foram usados. Foram realizadas simulações 2D
om 4, 6 e 8 momentos apresentando resultados promissores na des rição
dos fenmenos de res imento, segregação, elutriação das partí ulas devido
à quebra e agregação (apesar de não apresentarem omparações om dados
experimentais). Como já esperado, os modelos baseados na teoria inéti a
apresentaram maior a urá ia na des rição dos fenmenos. Os autores re o-
mendam o uso de 6 momentos no ál ulo, ponderando o tempo omputa i-
onal e a a urá ia obtida nos asos analisados.
Uma ara terísti a importante do trabalho de Fan et al. [2004℄ é que a

formulação bási a do DQMOM a oplado ao modelo Euler-Euler não pre isa
ser alterada quando se deseja in luir outros fenmenos omo transferên ia
de massa e/ou alor, turbulên ia, reações quími as, et . na simulação. Con-
tudo, é ne essário usar um número maior de variáveis internas. Zu a et al.
[2006℄ apli aram o DQMOM para resolver a EBP na predição da formação
de fuligem em hamas turbulentas de etileno-ar. As equações da ontinui-
dade, onservação de quantidade de movimento e transporte de massa om
reação passaram por um pro esso de média de modo a onsiderar a natureza
turbulenta do pro esso. A des rição da modelagem dos termos de tensão de
Reynolds (k − ǫ) e as interações turbulentas das espé ies quími as (modelo
de densidade de probabilidade) de orrentes do pro esso de média podem ser
en ontradas em Fox [2003℄. Os efeitos de nu leação, res imento mole u-
lar, oxidação e agregação foram in luídos na EBP, onde as partí ulas foram
onsideradas pequenas o su iente para não afetar o ampo de es oamento
na hama. Os autores usaram o FLUENT para al ular os ampos de ve-
lo idade, temperatura e on entração em simulações bidimensionais om o
DQMOM implementado via função denida pelo usuário om 4-6 momentos.
Foram realizadas omparações om dados experimentais (Kent e Honnery
[1987℄) do perl de temperatura e fração volumétri a de fuligem ao longo do
queimador apresentando uma on ordân ia satisfatória dos resultados simu-
lados. Contudo, não existem dados su ientes para validar a evolução da
distribuição de tamanho das partí ulas.
Capítulo 5
Pa ote CFD OpenFOAM

5.1 Introdução
Sem dúvida alguma, os pa otes CFD fa ilitam a análise de uma ampla faixa
de ondições de es oamento. A importân ia dos pa otes CFD têm res ido
muito nos últimos anos devido à onabilidade e à rapidez dos resultados
assim obtidos e à e onomia frente a testes experimentais. Este fato se deve
aos avanços em termos de modelagem dos fenmenos físi os, das té ni as nu-
méri as para solu ionar o problema e da apa idade omputa ional. Como
onsequên ia, além da fa ilidade de uso, a atualização das té ni as presentes
nos ódigos CFD e o desenvolvimento de novas metodologias numéri as e
modelos físi os devem sempre ser pontos ru iais em CFD. Desta forma, é
interessante que o usuário possa interagir intimamente om o pa ote, pos-
sibilitando a extensão do ódigo para aprimorar a ferramenta ou mesmo
implementar novas formas de solu ionar um problema espe í o.
Devido ao fato de ser gratuito e distribuído om ódigo aberto, o Open-

FOAM surge omo uma ótima opção à resolução de uma grande variedade
de problemas CFD. Este apítulo apresenta os motivos da es olha do Open-
FOAM omo base deste trabalho, assim omo os detalhes e re ursos de on-
5.1 Introdução 94
guração de uma simulação. Por m, detalhes sobre o ódigo do pa ote CFD,
bibliote as e implementação da modelagem multifási a são apresentados.
5.1.1 Es olha do OpenFOAM
São várias as onsiderações que devem ser avaliadas ao se es olher um pa ote

CFD omo ferramenta, entre elas a fa ilidade de uso, a apa idade de montar
a geometria e gerar malhas, a e iên ia e robustez das té ni as numéri as
implementadas e, por m, a amplitude dos problemas físi os que o pa ote
pode resolver. Esses fatores dependem muito do grau de desenvolvimento
e do investimento olo ado no pa ote. Sem dúvida alguma, atualmente os
pa otes CFD mais desenvolvidos são os omer iais, omo CFX, FLUENT e
PHOENICS, justamente devido ao seu apelo omer ial. Contudo, os preços
dos pa otes omer iais somam uma quantia enorme ao usuário nal - em
média US $ 25000 para uma úni a li ença em período de um ano - fato que
limita seu uso. Existem muitos ódigos CFD gratuitos disponíveis1 , ontudo
normalmente estes possuem uma área de apli ação limitada. O ideal é que
exista uma ferramenta CFD que seja geral o su iente para ser apli ada em
diversas áreas, poderosa, robusta e gratuita.
Além disso, os ódigos para solução de problemas CFD ne essitam de

ferramentas de geração de malha e visualização ientí a (pré e pós-pro es-
samento) de modo a se tornarem úteis. A maioria dos ódigos CFD livres
não in lui estas duas ferramentas. Apesar disso, existem vários programas
espe í os para geração de malha e visualização de dados, ontudo o usuário
deve despender de um grande esforço para interligar estes om o ódigo CFD.
Tendo olo ado as onsiderações a ima, pode-se olo ar os pontos em

que este trabalho se baseou para es olher o OpenFOAM omo ferramenta
CFD. Os fatores da es olha estão listados abaixo e maiores detalhes sobre
eles serão olo ados posteriormente quando apli ável.
1
Uma vasta lista de pa otes CFD gratuitos pode ser en ontrada em http://www. fd-
online. om/Links/soft.html e http://www. fd-brasil. om/links/softwares.html
5.1 Introdução 95
• Código aberto e es rito em C++;
• Simpli idade no uso omo uma ferramenta CFD;
• Ferramentas de geração de malha e visualização de dados in orporados

ao pa ote;
• Generalidade da malha (estruturada ou não-estruturada), in lusive

om a possibilidade de importar malhas de outros programas (gratuitos
e omer iais);
• Possibilidade de interação direta om os desenvolvedores do pa ote;
• Ampla faixa de apli ações na engenharia, in luindo o es oamento mul-

tifási o;
• Multi-plataforma (Linux, Solaris, Ma OS, Linux 64 bits, et );
• Possibilidade de exe utar simulações de grande porte em um luster

de omputadores;
• Ferramentas de exportação de resultados para visualização em outros

programas grá os;
• Desenvolvimento tende a ser realizado pelo meio a adêmi o.
5.1.2 Origem do OpenFOAM
Quando um projeto de onstrução de um ódigo CFD é ini iado, é interes-

sante estruturá-lo de forma que se torne geral o su iente para que outras
pessoas possam usá-lo no futuro omo uma ferramenta onável, e iente e
de fá il manipulação. Esta preo upação envolveu os pensamentos dos en-
tão alunos de doutorado do Imperial College, Henry Weller e Hrvoje Jasak
quando, em 1993, ombinaram esforços para desenvolver o ódigo do FOAM
(Field Operation and Manipulation ) para operar e manipular ampos tenso-
riais visando a sua apli ação à uidodinâmi a omputa ional. A te nologia
do FOAM é baseada em um onjunto e iente e exível de módulos es ritos
5.1 Introdução 96
em C++ que são usados om o intuito de onstruir: (i) `solvers' para resol-
ver problemas espe í os de engenharia que envolvam ampos vetoriais, (ii)
utilitários para realizar tarefas de pré e pós-pro essamento, que vão de uma
simples manipulação de dados à visualização e onstrução e pro essamento
de malhas, e (iii) bibliote as de expansão usadas pelos `solvers' e utilitários,
tal omo uma bibliote a de modelos físi os.
Ao longo dos últimos anos, o FOAM vinha sendo desenvolvido em uma li-
nha omer ial pela empresa inglesa Nabla, om a idéia de forne er ao usuário
nal uma ferramenta para simulações CFD de pro essos si amente omple-
xos e ofere endo serviços de onsultoria sobre o uso do software e imple-
mentação de novos solvers om modelagem omplexa. Contudo, os desen-
volvedores hegaram a on lusão de que a abordagem omer ial não era a
ideal. Assim, em 12 de dezembro de 2004 o ódigo do FOAM se tornou de
domínio públi o sobre a GPL (Gnu Publi Li ense ) e o programa passou a
ser hamado de OpenFOAM (referente ao ódigo ser aberto). Segundo os
desenvolvedores, esta nova fase de desenvolvimento do ódigo omeça om o
m de sua abordagem omer ial, re onhe endo que o OpenFOAM é essen-
ialmente uma ferramenta de pesquisa e que o futuro do ódigo só pode ser
garantido através de olaborações e interações om o meio a adêmi o.
Desde que seu ódigo foi liberado, a omunidade ientí a têm tratado
o OpenFOAM om muito interesse testando-o para asos ben hmark, uti-
lizando em projetos de pesquisa e propondo inúmeras olaborações para o
desenvolvimento do ódigo. Foi riado um grupo de dis ussão na internet
sobre o OpenFOAM para dis utir aspe tos de uso, implementação de ódigo
e análise numéri a do software aberto. Um omentário do Prof. Jasak em
espe ial reete a situação atual do OpenFOAM: É in rível a popularidade
que o OpenFOAM está re ebendo da omunidade ientí a. O ódigo está
se espalhando omo um poderoso vírus na internet. É erto que se o ob-
jetivo de usar o ódigo em um ambiente de olaborações for al ançado, o
OpenFOAM terá grandes han es de res er e se tornar uma das maiores
plataformas de CFD em ódigo aberto da próxima geração.
5.2 OpenFOAM omo Ferramenta CFD 97
Apesar já já ter disponível para download a versão 1.3 do OpenFOAM,
o presente trabalho se basea na versão 1.2 do pa ote CFD.
5.2 OpenFOAM omo Ferramenta CFD
Como visto anteriormente, para resolver um problema CFD é ne essário

passar pelas seguintes etapas: a geração de geometria e malha, um pré-
pro essamento (organiza as informações do problema), a solução numéri a
que resolve as equações e o pós-pro essamento para mostrar os resultados
simulados em forma grá a. A seqüên ia aborda as apa idades bási as
do OpenFOAM omo uma ferramenta CFD. Maiores detalhes podem ser
en ontrados no guia de usuário (User's Guide ) e no guia do programador
(Programmer's Guide ) que a ompanham o software (presentes no diretório
OpenFOAM-1.2/do /Guides-a4).
5.2.1 Estrutura de Arquivos da Simulação
Cada aso a ser simulado no OpenFOAM segue uma estrutura de diretórios

que ontém os arquivos que onguram o mesmo. Estes arquivos possuem as
informações ne essárias para simular o aso, omo a des rição da geometria,
detalhes da malha e ondições de ontorno, parâmetros sobre os métodos
numéri os, assim omo as propriedades físi as do problema. A estrutura de
diretórios pode ser vista na Fig. 5.1, representada para um aso genéri o
(denido omo <nome do aso>).
O diretório prin ipal <nome do aso> é a raiz do aso analisado e den-

tro deste estão in luídos os outros diretórios e arquivos de onguração. Uma
breve des rição sobre o onteúdo destes diretórios é olo ada na seqüên ia.
• <Dir. de Tempo> ontém os arquivos individuais de dados para

os ampos das variáveis tratadas no aso (por exemplo, ampo de ve-
Figura 5.1: Estrutura de diretórios que ontém os arquivos de onguração

da simulação.
lo idade, temperatura, et .). Estes dados podem ser os valores ini iais
e as ondições de ontorno que o usuário deve espe i ar para denir o
problema (referente ao instante ini ial da simulação) ou os resultados
transientes da simulação, es ritos em arquivo pelo OpenFOAM. Note
que em todos os asos, o OpenFOAM ne essita que o usuário forneça
os ampos ini iais das variáveis da simulação (mesmo para asos es-
ta ionários). O nome assumido por <Dir. de Tempo> refere-se ao
instante simulado em que os dados são es ritos. Por exemplo, ao es re-
ver os dados referentes ao instante t = 1.5s de uma simulação qualquer,
o OpenFOAM ria um diretório intitulado 1.5 e es reve os resultados
pertinentes ao aso dentro deste diretório.
• system os arquivos ontidos neste diretório estão asso iados om o

pro edimento de solução do aso. Pelo menos 3 arquivos devem estar
ontidos em system:
[a.℄ ontrolDi t, onde se dene os parâmetros de ontrole da

simulação, omo o tempo de iní io e término da simulação, passo de
tempo, ontrole de es rita de dados, et .
[b.℄ fvSolution, que sele iona os métodos para resolver o sistema

de equações lineares e suas tolerân ias, assim omo outros parâmetros
de ontrole do algoritmo de solução.
[ .℄ fvS hemes sele iona as aproximações de dis retização por vo-

lumes nitos usados na solução do problema.
• onstant deve onter os arquivos de propriedades físi as pertinentes
ao aso, por exemplo, transportProperties, turbulen eProperties,
et . A des rição ompleta da geometria e da malha deve ser in luída
no diretório polyMesh, nos arquivos blo kMeshDi t e boundary.
O usuário pode alterar diretamente os arquivos de onguração usando

um editor de texto qualquer ou pode usar a ferramenta grá a FoamX para
tal tarefa. O FoamX a essa os arquivos de onguração alterando-os e or-
ganizando as informações pertinentes ao aso. Fi a a argo do usuário a
es olha pelo uso do FoamX ou o a esso direto dos arquivos. A Fig. 5.2
mostra a janela do FoamX om o aso bubbleFoam aberto.
Figura 5.2: Conguração do aso bubbleFoam pelo FoamX.
5.2.2 Geração de Geometria e Malha
O OpenFOAM não possui um editor CAD para onstrução da geometria do

problema, que é armazenada no arquivo de onguração blo kMeshDi t. O
prin ípio por trás da onstrução da geometria no OpenFOAM é a de om-
posição do domínio omputa ional em um onjunto de um ou mais blo os
hexaédri os tridimensionais. As arestas dos blo os podem ser linhas retas
ou ar os e ada blo o é denido por oito vérti es (um para ada anto do
hexágono). Os vérti es são numerados e es ritos em uma lista, formando
pontos no espaço tridimensional. Geometrias mais omplexas podem ser ge-
radas pela ombinação de mais blo os ou pelo olapso de um ou mais pares
de vérti es em outro. A onstrução da geometria é realizada através do on-
junto das oordenadas dos vérti es (ou ar os) de blo os olo adas no arquivo
blo kMeshDi t.
O OpenFOAM tem a apa idade de gerar malhas estruturadas a partir

das informações sobre a geometria e ondições de ontorno do problema
ontidas nos arquivos de onguração blo kMeshDi t e boundary (presentes
no subdiretório onstant/polyMesh). Além de in luir os dados de geometria
do problema, o arquivo blo kMeshDi t ainda ontém as informações da
malha omo o número de élulas na dis retização em ada eixo oordenado,
a razão de expansão das élulas na malha (permite o alterar o gradeamento
da malha) e os pat hes 2 presentes na geometria.
O omando blo kMesh gera arquivos a partir do blo kMeshDi t e do

boundary, estruturando os dados da malha em pontos, fa es e élulas (ar-
quivos points, fa es e ells, respe tivamente). Com estas informações, o
solver é apaz de entender os dados de geometria e malha.
Contudo, sabe-se que na maioria dos asos práti os é onveniente fazer

uso de malhas não estruturadas. O OpenFOAM pode importar geometrias e
malhas (estruturadas ou não estruturadas) geradas em outros softwares, o-
mer iais omo CFX, GAMBIT, FLUENT ou livres omo NETGEN3 , TET-
GEN, GMSH4 , et ., onvertendo-as ao formato usado pelo OpenFOAM.
2
Os pat hes denem as regiões em que se deve espe i ar uma ondição de ontorno.
3
Disponível em http://www.sfb013.uni-linz.a .at/∼joa him/usenetgen/
4
Disponível em http://www.geuz.org/gmsh/
5.2.3 Pré-Pro essamento
O pré-pro essamento no OpenFOAM onsiste na denição dos arquivos on-

tendo o ontrole das ondições de simulação e as propriedades físi as e mo-
delos adi ionais do problema.
Como já foi itado, as informações in lusas no arquivo ontrolDi t

permitem ontrolar o tempo de simulação, passo de tempo, et . Porém,
outros arquivos de ontrole de simulação podem ser olo ados no diretório
system. Um deles é o ontrole das simulações em paralelo é feito pelo arquivo
de omposeParDi t. O OpenFOAM usa a bibliote a de domínio públi o MPI
(Message Passage Interfa e ) para a omuni ação entre os omputadores e a
de omposição do domínio pode ser feita por quatro métodos diferentes, onde
o METIS (Karypis e Kumar [1998a,b℄) se desta a devido à grande e iên ia
no parti ionamento da malha.
Os métodos numéri os para a dis retização dos termos derivativos das

equações são denidos no arquivo de onguração fvS hemes. É imperativo
que ada termo da equação esteja vin ulado à uma aproximação numéri a.
O método de dis retização padrão adotado pelo OpenFOAM é a integração
de Gauss para volumes nitos. A integração de Gauss é baseada na soma dos
uxos das variáveis nas fa es do volume, que devem ser interpolados a partir
do entro dos volumes. O usuário pode es olher livremente o tipo de método
de interpolação a ser usado. Dentre estes, pode-se itar as abordagens de
upwind, QUICK, MUSCL, TVD
interpolação linear (diferenças entrais),
(Total Variation Diminishing ) e NV (Gamma Normalised Variable ). Para a
integração no tempo, o OpenFOAM dispõe dos métodos de Euler explí ito
e Crank-Ni holson implementados em seu ódigo. Mais informações sobre a
metodologia de dis retização utilizada pelo OpenFOAM pode ser en ontrada
em Maliska [2004℄, Jasak [1996℄.
Nesta etapa também devem ser denidos os métodos de solução de equa-

ções lineares e suas respe tivas tolerân ias, assim omo alguns parâmetros
para o algoritmo de solução do ampo de es oamento ( orreção pressão-
velo idade e ortogonalidade da malha). Estas informações estão alo adas
no arquivo de onguração fvSolution. Os métodos de solução de matrizes
esparsas implementados no OpenFOAM são iterativos e portanto baseam-
se em reduzir o resíduo das equações até um valor pré-estabele ido. Entre
os algoritmos implementados no OpenFOAM, pode-se itar os métodos de
Gauss-Seidel, Multigrid algébri o e variantes do gradiente onjugado. O
método de solução é interrompido quando o resíduo se torna menor que a
tolerân ia espe i ada (<tol>) e a razão entre os resíduos da iteração atual
e ini ial for menor que a tolerân ia relativa (<relTol>). Detalhes sobre o
desenvolvimento, formulação, onvergên ia e implementação destes métodos
podem ser en ontrados em Saad [2003℄.
Os algoritmos PISO (pressure-impli it split-operator ) e SIMPLE (semi-

impli it method for pressure-linked equations ) estão implementados no Open-
FOAM para resolver o a oplamento pressão-velo idade presente nas equa-
ções de es oamento de uidos. Os dois algoritmos são baseados em pro edi-
mentos iterativos, avaliando a solução em dado instante de tempo e, então,
orrigindo-a. O OpenFOAM utiliza o SIMPLE para simular asos esta io-
nários e o PISO para transientes. Detalhes sobre a formulação e algoritmo
de orreção do PISO e do SIMPLE podem ser en ontrados em Versteeg e
Malalasekera [1995℄ e Jasak [1996℄.
Por m, deve-se denir as propriedades físi as e os modelos adi ionais

usados na simulação em arquivos espe í os para ada aso.
5.2.4 Solução Numéri a
As simulações no OpenFOAM são realizadas por arquivos exe utáveis ha-

mados solvers que lêem as informações referentes ao aso (malha e ondições
de simulação) e resolvem problemas espe í os de me âni a do ontínuo. Na
essên ia, os solvers são resultado da ompilação dos arquivos fonte e a so-
lução numéri a depende de omo as bibliote as do OpenFOAM são usadas
para montar o algoritmo de solução. Alguns dos solvers já implementados e
pré- ompilados que vem om o pa ote CFD estão listados na Tab. 5.1.
Códigos bási os de CFD

lapla ianFoam equação de Lapla e
potentialFoam es oamento poten ial que pode ser usado para gerar
ampos ini iais para ódigos que usam Navier-Stokes
s alarTransportFoam equação de transporte para um es alar passivo
Es oamento in ompressível
boundaryFoam es oamento turbulento 1D, tipi amente para gerar on-
dições para amada limite em uma entrada de outra si-
mulação
i oFoam es oamento Newtoniano laminar in ompressível tran-
siente
i oFoamAutoMotion es oamento Newtoniano laminar in ompressível tran-
siente om malha móvel
nonNewtonianI oFoam es oamento laminar in ompressível transiente de uidos
não Newtonianos
simpleFoam es oamento turbulento in ompressível esta ionário
(RANS ) de uidos não Newtonianos
turbFoam es oamento turbulento in ompressível transiente usando
RANS
Es oamento ompressível
rhopSoni Foam es oamento ompressível baseado na pressão usando
variáveis om peso na densidade
rhoSoni Foam es oamento ompressível baseado na densidade
soni Foam es oamento laminar transiente trans-sni o/supersni o
de um gás ompressível
soni FoamAutoMotion es oamento laminar transiente trans-sni o/supersni o
de um gás ompressível om malha móvel
soni LiquidFoam es oamento laminar transiente trans-sni o/supersni o
de um líquido ompressível
soni TurbFoam es oamento turbulento transiente trans-sni o/supers-
ni o de um gás ompressível
Dire t Numeri al Simulation (DNS) e Large Eddy Simulation (LES)
hannelOodles LES in ompressível para es oamento em um anal
dnsFoam DNS para aixas de turbulên ia isotrópi a

oodles LES in ompressível
Es oamento multifási o
bubbleFoam sistema om 2 fases uidas in ompressíveis, om uma
fase dispersa
interFoam 2 uidos in ompressíveis, om a ompanhamento da
interfa e e opção para malha móvel
lesInterFoam 2 uidos in ompressíveis om aptura da interfa e, u-
sando um modelo LES in ompressível sele ionável em
tempo de exe ução
rasInterFoam 2 uidos in ompressíveis om aptura da interfa e, usan-
do um modelo RANS in ompressível sele ionável em
tempo de exe ução
settlingFoam 2 uidos in ompressíveis para simular o assentamento
da fase dispersa
twoPhaseEulerFoam 2 uidos in ompressíveis Euler-Euler, om uma fase dis-
persa
Combustão
oldEngineFoam es oamento sem reação no interior de máquina de om-
bustão
dieselEngineFoam es oamento spray de diesel om ombustão
XiFoam ombustão ompressível om pré-mistura ou pré-mistura
par ial om modelagem de turbulên ia
Xoodles ombustão ompressível om pré-mistura ou pré-mistura
par ial om modelagem de turbulên ia LES
Transferên ia de Calor
buoyantFoam es oamento ompressível turbulento transiente om on-
ve ção natural para ventilação e tro a de alor
buoyantSimpleFoam es oamento ompressível turbulento esta ionário om
onve ção natural para ventilação e tro a de alor
Eletromagnetismo
ele trostati Foam resolve problemas de eletrostáti a
mhdFoam es oamento laminar in ompressível de um uido ondu-
tor sobre inuên ia de um ampo magnéti o
Análise de tensão em sólidos

onta tStressFoam deformação transiente/esta ionária por ontato de or-
pos sólidos om pou o peso e elasti idade linear
stressedFoam deformação transiente/esta ionária por ontato de or-
pos sólidos om pou o peso e elasti idade linear resolvida
om volumes nitos segregado e opção de difusão e/ou
tensão térmi a
stressFemFoam deformação esta ionária por ontato de orpos sólidos
om pou o peso e elasti idade linear resolvida om ele-
mentos nitos segregado
Finanças
nan ialFoam resolve a equação de Bla k-S holes para preço de om-
modities
Tabela 5.1: Solvers implementados no OpenFOAM-1.2.
Na essên ia, os solvers lêem as informações da simulação (forne idas nas

etapas des ritas anteriormente), resolvem as equações através de metodolo-
gias de solução espe í as para ada aso e geram arquivos de resultados para
pós-pro essamento. Detalhes sobre a programação dos arquivos fonte serão
olo adas mais adiante neste trabalho. A linha de omando para a exe ução
serial de um solver em um aso qualquer está des rita na seqüên ia.
<solver> <diretório do aso> <nome do aso>
O OpenFOAM permite que o usuário a ompanhe os resíduos das equa-

ções om a saída dos valores em tela ou em arquivo. O tempo omputa ional
do ál ulo também é retornado ao usuário.
5.3 Linguagem de Programação no OpenFOAM 106
5.2.5 Pós-Pro essamento
O OpenFOAM possui uma ferramenta para o pós-pro essamento dos re-

sultados que é denominada de ParaFoam, adaptada do software ParaView5
para visualização ientí a de ódigo aberto. Este, por sua vez, é baseado no
VTK6 que é um software livre para o pro essamento de dados e renderização
de imagens.
As ferramentas bási as para visualização de resultados CFD estão in luí-

das no paraFoam, omo a riação de grá os de ontorno, vetores e linhas de
uxo. Ainda é possível riar animações para analisar o transiente dos resul-
tados. Contudo, muitos usuários ainda sentem a ne essidade de usar outros
softwares de visualização devido aos re ursos mais avançados que este dis-
põe ou mesmo por omodidade. É possível onverter os resultados forne idos
pelo OpenFOAM para formatos lidos por outros softwares omo FLUENT,
Fieldview, Ensight, Te plot e GMV, utilizando ferramentas forne idas junto
om o OpenFOAM. Existe ainda uma ferramenta de onversão dos resulta-
dos do OpenFOAM para o formato VTK possibilitando a leitura dos dados
em qualquer visualizador que use VTK.
5.3 Linguagem de Programação no OpenFOAM
Uma das di uldades inerentes deste trabalho é passar ao leitor os on eitos
e a sintaxe bási a de programação no OpenFOAM, seja ele leigo em progra-
mação ou não. Uma boa fonte para o leitor interessado é estudar C++ pelo
livro de Yang [2001℄. Atualmente, as úni as fontes sobre programação no
OpenFOAM estão em seus manuais (User's Guide e Programmer's Guide ).
Porém, ao meu ver, estes não são su ientes para que o usuário ini iante seja
apaz de es rever seu próprio solver, sendo ne essário um erto esforço para
estudar os ódigos existentes, a estrutura e o fun ionamento dos algoritmos
5
Disponível em http://www.paraview.org/
6
Visualisation Toolkit.
Maiores informações em http://publi .kitware. om/VTK/
implementados.
Esta seção tenta passar ao leitor os on eitos bási os sobre orientação

a objetos ( om ênfase em C++) e a minha experiên ia no aprendizado da
linguagem do OpenFOAM, evitando entrar em detalhes sobre sintaxe do
ódigo neste primeiro momento.
5.3.1 Orientação a Objetos e C++
A maior vantagem na abordagem apli ada à orientação a objetos é remo-

ver algumas das falhas en ontradas na abordagem seqüen ial ou ontínua.
Na abordagem orientada a objetos, os dados são tratados omo elementos
ríti os do programa e não é permitido alterá-los livremente. Os dados são
asso iados a funções que os a essam e operam, protegendo-os de modi ações
por uso de funções externas. A orientação a objetos permite a de omposição
do problema em entidades hamadas objetos, om a onstrução de dados e
funções para operar sobre esses objetos. Uma grande vantagem na aborda-
gem de orientação a objetos é a reusabilidade do ódigo.
Para melhor entendimento da linguagem orientada a objetos, os on-

eitos de objetos, lasses, abstração de dados e en apsulamento, herança e
polimorsmo estão olo ados na seqüên ia.
Objetos são as entidades bási as de um sistema orientado a objeto. A

programação é analisada em termos de objetos e na forma de omuni ação
entre eles. Quando um programa é exe utado, os objetos interagem uns om
os outros por envio de mensagens, mesmo sem que estes tenham onhe i-
mento sobre detalhes dos dados ou ódigo. As lasses formam uma oleção
de objetos similares entre si.
A abstração se refere ao ato de representar aspe tos essen iais do pro-

grama sem in luir detalhes ou expli ações bási as de programação. Classes
usam o on eito de abstração e são denidas omo uma lista de atributos abs-
tratos. O armazenamento de dados e funções em uma úni a unidade ( lasse)
é hamado en apsulamento. Com isso, os dados não podem ser a essados
diretamente e somente as funções en apsuladas na lasse podem a essá-los.
Herança é o pro esso no qual os objetos podem adquirir as propriedades

de objetos de outras lasses. Esta ara terísti a propor iona a reusabilidade
do ódigo, omo adi ionar novas propriedades a uma lasse existente sem
modi á-la. Para tal, deriva-se uma nova lasse a partir de uma já existente.
A nova lasse terá aspe tos ombinados das duas lasses.
Por m, o polimorsmo ara teriza a habilidade de realizar operações

om diferentes omportamentos em situações diversas. O omportamento
da operação depende do tipo de dado usado na operação. O polimorsmo é
usado extensivamente na implementação da herança do ódigo.
Tendo sido olo ado essas informações, pode-se des rever algumas van-
tagens da programação orientada a objetos em relação às abordagens on-
ven ionais, omo:
• Forne er uma estrutura modular para programas, fa ilitando a deni-

ção de tipos de dados abstratos onde detalhes da implementação estão
es ondidos e a unidade possui uma interfa e laramente denida.
• Tornar mais fá il a manutenção e a modi ação de ódigos, assim omo

novos objetos podem ser riados om pequenas diferenças entre os exis-
tentes.
• Forne er uma boa estrutura para bibliote as de ódigos onde os ompo-

nentes de um software podem ser fa ilmente adaptados e modi ados
pelo programador.
Para entender omo é o fun ionamento das bibliote as do OpenFOAM, é

ne essário ter um onhe imento prévio de C++, a linguagem base do Open-
FOAM. Esta é uma linguagem orientada a objetos e, portanto possui todas
as ara terísti as des ritas a ima. Por ser baseada na linguagem pre ur-
sora C, C++ é uma linguagem de programação apropriada para trabalho
ientí o, devido à rapidez om que os ál ulos são efetuados. Contudo, as
propriedades inerentes à orientação a objetos em C++ propi iam uma perda
de er a de 10% na velo idade de pro essamento em relação à linguagem C.
Esta perda na e iên ia pode variar dependendo da ons ientização do pro-
gramador em relação à efetividade omputa ional. Malan e Lewis [2004℄
realizaram um estudo sobre a apli abilidade de ódigos es ritos em C++ na
onstrução de algoritmos e azes em ál ulos de problemas CFD, apli ando
algoritmos que reduzem o tráfego de dados e balan eando o polimorsmo do
ódigo om a e iên ia omputa ional.
5.3.2 Interpretação da Linguagem pelo OpenFOAM
A vantagem do uso da linguagem matemáti a é a e iên ia em expressar

on eitos abstratos. Por exemplo, no es oamento de um uido, o termo
ampo de velo idade possui um signi ado mesmo sem qualquer menção à
natureza do es oamento ou qualquer dado espe í o de velo idade. O termo
en apsula a idéia de movimento om direção e magnitude e a relação om
outras propriedades físi as. Na matemáti a, pode-se representar o ampo
de velo idades por um úni o símbolo, por exemplo, u, e expressar ertos
on eitos usando símbolos, por exemplo, o ampo de magnitude de velo i-
dade omo |u|. Assim, se torna possível expressar on eitos omplexos om
extrema lareza.
As equações da me âni a do ontínuo são usualmente apresentadas omo

equações diferen iais par iais em 3 dimensões no espaço e om variação no
tempo. Estas equações ontêm on eitos de es alares, vetores, tensores e
seus respe tivos ampos, e envolvem álgebra tensorial, ál ulo tensorial e
sistemas de unidades. A solução destas equações envolve pro edimentos de
dis retização, representação de matrizes e implementação de algoritmos de
solução de sistemas de equações lineares. A té ni a de orientação a objetos
usada pelo OpenFOAM permitiu riar de tipos de dados muito próximos
aos usados na me âni a do ontínuo, e a té ni a de sobre arregamento de
operadores permitiu que a simbologia matemáti a usual fosse apli ada para
operações bási as.
As lasses implementadas no OpenFOAM de laram tipos e operações

asso iadas que fazem parte da linguagem matemáti a utilizada na engenharia
e no meio ientí o. O ampo de velo idades apresentado anteriormente pode
ser representado no ódigo de programação pelo símbolo U e a magnitude do
ampo de velo idade pode ser mag(U). A velo idade é um ampo vetorial e,
portanto, deve existir, em um ódigo om orientação a objetos, uma lasse
ve torField. Então, o ampo de velo idade pode ser visto omo um objeto
da lasse ve torField.
A lareza no uso de objetos na programação para representar objetos físi-

os e entidades abstratas não deve ser subestimada. A estrutura das lasses
restringe o desenvolvimento do ódigo dentro das próprias lasses, tornando
o ódigo mais fá il de manipular. Novas lasses podem herdar propriedades
de outras lasses, por exemplo, um ve torField pode ser derivado de uma
lasse ve tor e uma lasse Field. C++ forne e um me anismo hamado de
lasses template, de forma que a lasse Field<Type> pode representar um
ampo de qualquer <Type>, omo s alar, ve tor e tensor. As ara te-
rísti as gerais da lassetemplate são passadas para qualquer lasse riada
a partir deste template. Os templates e a herança reduzem a dupli ação de
ódigo e riam hierarquias de lasse em impõe uma estrutura ao ódigo.
Assim, utilizando as lasses do OpenFOAM, a sintaxe de es rita dos

solvers se assemelha à solução de equações diferen iais par iais. Por exemplo,
a Eq. 5.1
∂ρu
+ ∇ · (Φu) − ∇2 (µu) = −∇p (5.1)
∂t
é representada pelo ódigo em C++
solve
(
fvm::ddt(rho,U)
+ fvm::div(phi,U)
- fvm::lapla ian(mu,U)
==
- fv ::grad(p)
);
Os ódigos dos solvers são seqüen iais já que representam um algoritmo

de solução e suas equações, que são seqüen iais por natureza. Os usuários
não ne essitam de um grande onhe imento de programação orientada a ob-
jetos e C++ para es rever um solver, mas devem onhe er os prin ípios por
trás da orientação a objetos e ter um onhe imento bási o da sintaxe de
C++. O onhe imento das equações, modelos, métodos de dis retização,
solução e algoritmos é denitivamente muito mais importante. Com esse
ponto de vista, re omendo fortemente que o leitor interessado em estudar
a fundo o OpenFOAM leia o trabalho de Jasak [1996℄. O trabalho expli a
om detalhes vários aspe tos sobre a formulação numéri a (dis retização por
volumes nitos, funções de interpolação, ondições de ontorno, et .) e a
teoria dos algoritmos implementados (a oplamento pressão-velo idade, or-
reção dos uxos em malhas não estruturadas, et .) no OpenFOAM. Toda a
implementação do ódigo é baseada na teoria apresentada nesta tese. Exis-
tem mais duas fontes na literatura (Jasak et al. [2004℄ e Weller et al. [1998℄)
ontendo detalhes sobre o ódigo e apli ações práti as do OpenFOAM.
5.3.3 Estrutura das Bibliote as no OpenFOAM
Como já foi men ionado, om base na programação orientada a objetos, as

lasses etemplates 7 podem en apsular tipos e operações sobre variáveis. Os
arquivos que ontém as lasses são hamados de bibliote as (ou headers ) om
extensão .H. As lasses devem ser de laradas no iní io do ódigo para que
seja possível usar e a essar os omandos presentes na mesma. A prin ipal
bibliote a do OpenFOAM é a fvCFD.H, usada para a essar várias outras
bibliote as importantes para o fun ionamento do ódigo. Sendo assim, qual-
quer solver do OpenFOAM possui esta bibliote a de larada no iní io de seu
7
A partir desse momento, para qualquer menção às lasses deve-se in luir os templates
impli itamente.
ódigo. A estrutura bási a desta bibliote a está representada na Fig. 5.3, in-
di ando a de laração de algumas das prin ipais bibliote as do pa ote CFD.
Figura 5.3: Estrutura da bibliote a fvCFD.H.
A bibliote a fvMesh.H é responsável por alo ar os dados ne essários para

a dis retização do domínio por volumes nitos, in luindo informações topo-
lógi as e geométri as da malha. Além disso, fvMesh.H ( lasse fvMesh)
mantém esses dados atualizados durante a simulação, tendo liberdade para
apagar informações sobre as élulas (volume, área da fa es, posição do entro
da élula/fa e, et .) e re al ulá-las quando for ne essário. Assim, om esta
bibliote a é possível apagar ou modi ar dados referentes a mudanças topo-
lógi as (renamento de malha) ou geométri as (malhas poliédri as móveis).
O OpenFOAM usa o método dos volumes nitos (Versteeg e Malalasekera

[1995℄, Jasak [1996℄ e Maliska [2004℄) para dis retizar os ampos geométri-
os nas equações simuladas e as bibliote as fvm.H e fv .H são responsáveis
pelo pro esso de aproximação dos termos derivativos das variáveis tenso-
riais al uladas. Apesar destas bibliote as possuírem o mesmo propósito,
suas apli ações são diferentes. A bibliote a fvm.H reúne funções para rea-
lizar operações implí itas de dis retização pelo método dos volumes nitos
e os resultados são armazenados em uma matriz denida pela lasse fvMa-
trix<Type>. Em outras palavras, a lasse fvm dis retiza os termos que
irão ser resolvidos na simulação e onstrói um sistema de equações lineares.
A bibliote a fvm.H ainda é apaz de montar a matriz utilizando termos fon-
tes om dis retização implí ita ou explí ita. A formulação obtida pela lasse
fvm está des rita na Eq. 5.2 para uma variável φ genéri a na élula k da
malha, om vizinhos i.
X
Ak φk = Ai φi + Sφ′ (5.2)
i,viz
Já a bibliote a fv .H agrupa funções para al ular operações explí itas

de dis retização dos termos presentes nas equações. Os termos dis retizados
por essa lasse não são armazenados em uma matriz, omo na bibliote a
fvm.H. Neste aso, as operações realizadas om a lasse fv retornam ex-
pli itamente um ampo geométri o ( lasse geometri Field<Type>). Por
exemplo, essa bibliote a é parti ularmente útil na solução da Eq. 5.1 já que o
OpenFOAM não in lui a pressão na matriz fvMatrix<Type>, já que uti-
liza um método segregado de solução para o a oplamento pressão-velo idade.
Além das operações de dis retização, essa bibliote a possui lasses para in-
tegração de um ampo tensorial sobre um volume ou superfí ie. As opções
olo adas no arquivo de onguração da simulação fvS hemes sele ionam em
tempo de exe ução as lasses responsáveis pela dis retização das equações.
A bibliote a linear.H possui uma lasse espe í a para interpolação om

diferen iação entral dos ampos alo ados no entro da élula para sua su-
perfí ie.
Para resolver o sistema linear proveniente da Eq. 5.2 utiliza-se a biblio-

te a fvMatri es.H. Esta última possui ferramentas para montar a matriz e
o solu ionador de sistemas de equações lineares espe i amente projetados
para soluções por volumes nitos de equações es alares. O endereçamento
das variáveis nas fa es dos volumes é usado para montar a estrutura da matriz
e a vetorização dos laços de solução. O arquivo de onguração fvSolution
sele iona em tempo de exe ução as lasses usadas para solução dos sistemas
lineares.
A denição das lasses (xedValueFvPat hField e al ulatedFvPat-

hFields) que implementam a estrutura de dados e apli am as ondições de
ontorno na simulação são a essadas om a de laração das bibliote as -
xedValueFvPat hFields.H e al ulatedFvPat hFields.H. xedValueFvPat-
hField e al ulatedFvPat hFields retornam os oe ientes da matriz
afetados pela ondição de ontorno (diagonal da matriz e termo fonte) para
determinado pat h. Ambas lasses são derivadas de fvPat hField.H, uma
fvPat hField<Type>) que forne e uma interfa e que o-
lasse abstrata (
bre todas as possíveis lasses derivadas apli adas ao ontorno. A lasse
fvPat hField<Type> divide-se em dois níveis de lasses derivadas, onde
o primeiro nível é responsável pelas ondições de gradiente nulo, gradiente
xo, ampo om valor xo e ondições mistas no ontorno. O segundo nível
obre todas as ondições de ontorno espe ializadas om pro edimentos de
ál ulo espe í os, parti ulares a determinadas situações e ampos.
Ainda existem outras bibliote as denidas em fvCFD.H, porém, apesar

de serem importantes, eu as onsiderei omo auxiliares. Entre estas, pode-se
itar as bibliote as parRun.H que testa e avalia os argumentos de uma si-
mulação em paralelo; Time.H, que monta um ban o de dados para ontrole
de tempo (instante ini ial, nal, passo de tempo, et .) da simulação e dene
operadores de in remento de tempo; physi alConstants.H que dene os va-
lores onstantes de π e e1 ; Ospe i .H que ontém funções espe í as para
operações no SO Unix; e argList.H para riação, es rita e he agem da lista
de argumentos (arg e argv, usualmente) que são passados para o programa
exe utável.
Em muitos asos, os arquivos *.H de larados ao longo dos ódigos de

solvers do OpenFOAM têm apenas a função de exe utar omandos e denir
variáveis. Apesar dessa práti a fugir da denição bási a de uma bibliote a8 ,
todos os arquivos *.H serão hamados de bibliote as (ou headers ) neste tra-
balho.
Pare entender melhor as hamadas das bibliote as, as lasses e os o-

mandos implementados nos solvers, deve-se analisar os seus ódigos mais a
fundo.
8
Uma bibliote a tem a função de denir e implementar as lasses, templates e os o-
mandos asso iados à mesma.
5.3.4 Exemplo de Código lapla ianFoam
Para expli ar a estrutura e o algoritmo de solução de um ódigo no Open-

FOAM, será tomado omo base o solver lapla ianFoam. É interessante que
o leitor tenha um onhe imento bási o da sintaxe de C++. Porém, este
trabalho apresenta alguns detalhes referentes aos omandos e funções que
são membros das lasses, fa ilitando a leitura do ódigo para os leitores sem
experiên ia em linguagens orientadas a objetos.
O solver lapla ianFoam é usado para resolver o problema da difusão

pura de um ampo es alar T sem onsiderar termo fonte, omo olo ado na
Eq. 5.3, sendo Γ o oe iente de difusão.
∂T
= ∇ · (Γ∇T ) (5.3)
∂t
O algoritmo implementado no arquivo lapla ianfoam.C para resolver a

Eq. 5.3 está des rito no Código 5.1 olo ado na seqüên ia.
Código 5.1 Solver lapla ianFoam para equação da difusão.

#in lude "fvCFD.H"
// * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * //
5
int main(int arg , har *argv[ ℄)
{
# in lude "setRootCase.H"
10
# in lude " reateTime.H"
# in lude " reateMesh.H"
# in lude " reateFields.H"
// * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * // 15
Info<< "\nCal ulating temperature distribution\n" << endl;

for (runTime++; !runTime.end(); runTime++)
{ 20
Info<< "Time = " << runTime.timeName() << nl << endl;
# in lude "readSIMPLEControls.H"
for (int nonOrth=0; nonOrth<=nNonOrthCorr; nonOrth++) 25

{
solve
(
fvm::ddt(T) − fvm::lapla ian(DT, T)
); 30
}
# in lude "write.H"
Info<< "Exe utionTime = " 35
<< runTime.elapsedCpuTime()
<< " s\n\n" << endl;
}
Info<< "End\n" << endl; 40
return(0);
}
A primeira linha do Código 5.1 de lara a bibliote a fvCFD.H, permitindo

que o solver tenha a esso a todas as lasses e propriedades des ritas na se-
ção anterior. Deve-se frisar que é vital de larar esta bibliote a. A função
main engloba o ódigo fonte prin ipal e possui dois argumentos de entrada:
o inteiro arg e a adeia de ara teres argv. Estes parâmetros ontém infor-
mações sobre as ondições de simulação e, dentre estas, o diretório e o nome
do aso. Os argumentos são lidos pelo programa na linha de omando para
exe ução do solver (ver Seção 5.2.4).
A bibliote a setRootCase.H é usada para testar a validade dos argumen-

tos arg e argv da simulação. O onteúdo desta bibliote a está olo ado no
Código 5.2 abaixo.
Código 5.2 Bibliote a setRootCase.H.

argList args(arg , argv);
if (!args. he kRootCase())
{
FatalError.exit(); 5
}
O primeiro omando no Código 5.2 de lara a variável args onstruída

om os argumentos arg e argv, a partir da lasse argList. Em seguida,
o omando de lasse he kRootCase() veri a a validade e a existên ia do
diretório e do nome do aso simulado. Caso o retorno de he kRootCase()
seja false, a exe ução do solver é interrompida pelo omando padrão de
erro do OpenFOAM FatalError.
As duas próximas bibliote as de laradas, reateTime.H e reateMesh.H,

são responsáveis pela riação de ban os de dados para armazenar dados sobre
o aso simulado e a estrutura da malha utilizada. O Código 5.3 olo ado
abaixo se refere a bibliote a reateTime.H.
Código 5.3 Bibliote a reateTime.H para armazenamento e ontrole da

simulação.
Info<< "Create time\n" << endl;

Foam::Time runTime
(
Foam::Time:: ontrolDi tName, 5
args.rootPath(),
args. aseName()
);
Adotando um nome para a variável e om informações sobre nome e di-

retório do aso simulado (provindas de args), a variável runTime da lasse
Time é de larada no Código 5.3. Desta forma, runTime obtém a lo alização
do arquivo de onguração ontrolDi t do aso e, utilizando as informações
ontidas neste último, monta um ban o de dados para ontrole da simulação.
Por exemplo, pode-se itar alguns dos dados ontidos em runTime: (i) ins-
tante ini ial e nal; (ii) ontrole do passo de tempo (xo, adaptativo, et .);
(iii) diretórios que ontém os arquivos om os ampos ini iais das proprie-
dades transportadas; (iv) ontrole de es rita em arquivo (formato de saída,
ompressão de dados, et .); entre outros.
fvMesh para de larar mesh ons-

A bibliote a reateMesh.H usa a lasse
truída a partir de outra lasse hamada IOobje t, omo mostra o Có-
digo 5.4.
Código 5.4 Bibliote a reateMesh.H para leitura dos dados e riação
da malha.
Info<< "Create mesh for time = "

<< runTime.timeName() << nl << endl;
fvMesh mesh
( 5
IOobje t
(
fvMesh::defaultRegion,
runTime.timeName(),
runTime, 10
IOobje t::MUST READ
)
);
mesh. onstru tAndClear(); 15
A lasse IOobje t dene os atributos de um objeto de modo a forne er

meios para entrada e/ou saída de dados (usualmente em arquivo). Com as
informações de runTime, a lasse fvMesh é apaz de lo alizar os arquivos
ells, fa es, points e boundary para onstrução da malha. Note que o
último parâmetro na onstrução de IOobje t refere-se à regras de leitura
e es rita de arquivos. Neste aso, a leitura dos dados deve ser obrigatória
(MUST_READ). Por m, o omando de lasse onstru tAndClear() ria
e alo a na memória todos os dados referentes à malha (detalhes sobre os
volumes de ontrole, ondições de ontorno, et .) e ex lui informações des-
ne essárias para a solução do problema. Em alguns asos, as informações
ex luídas são importantes (por exemplo, em asos de malhas móveis) e de-
vem permane er armazenadas. Para tal, o ódigo deve usar outra bibliote a
similar para a leitura e onstrução da malha.
Todas as bibliote as supra itadas são gerais e podem ser usadas em qual-
quer ódigo do OpenFOAM (salvo pequenas modi ações já omentadas).
Contudo, a bibliote a reateFields.H é usada para riação e leitura dos am-
pos ini iais das in ógnitas do problema e leitura de propriedades físi as apli-
adas a ada aso (propriedades de transporte, termodinâmi as, termofísi as,
et .). Desta forma, este header é espe í o para ada solver e deve ser de-
senvolvido om uidado pelo programador, pois todas as in ógnitas e todas
as propriedades físi as do problema devem ser denidas neste arquivo. Por-
tanto, deve-se ter domínio do modelo uidodinâmi o e qual a melhor forma
de armazenar suas variáveis de modo a otimizar o ódigo. A bibliote a re-
ateFields.H espe í a para o lapla ianFoam está olo ada no Código 5.5.
Código 5.5 Bibliote a CreateFields.H para o solver lapla ianFoam.

Info<< "Reading field T\n" << endl;
volS alarField T
(
IOobje t 5
(
"T",
runTime.timeName(),
mesh,
IOobje t::MUST READ, 10
IOobje t::AUTO WRITE
),
mesh
);
15
Info<< "Reading transportProperties\n" << endl;

IOdi tionary transportProperties
( 20
IOobje t
(
"transportProperties",
runTime. onstant(),
mesh, 25
IOobje t::MUST READ,
IOobje t::NO WRITE
)
);
30
Info<< "Reading diffusivity DT\n" << endl;

dimensionedS alar DT
( 35
transportProperties.lookup("DT")
);
Para resolver o problema, a temperatura deve ser denida em um ampo

geométri o ( lasse geometri Field<Type>). Fisi amente, a temperatura
é uma variável es alar e, portanto, deve-se riar um ampo geométri o de um
es alar. A lasse volS alarField onstrói um ampo es alar da variável T,
denida no entro das élulas da malha mesh. A riação deste ampo depende
das lasses IOobje t e fvMesh omo argumentos de entrada. O primeiro
onstrói o objeto, denindo o nome da variável e do arquivo que ontém
os valores do ampo ini ial de T9 , o registro das informações ontidas em
runTime (por exemplo, o diretório e a periodi idade da saída de resultados
em arquivo) e as opções de entrada e saída de dados (MUST_READ indi a que
o ampo ini ial de T deve ser ne essariamente lido e AUTO_WRITE ongura a
saída automáti a de T em arquivo ao longo do tempo). O segundo parâmetro
para a riação de T é da lasse fvMesh denido omo mesh (ver Código 5.4),
que indi a onde o ampo es alar T será alo ado e inserido.
A equação da difusão possui apenas uma propriedade físi a de transporte,

a ondutividade térmi a DT (representada por Γ na Eq. 5.3). A leitura das
IOdi tionary, ons-
propriedades de transporte é realizada através da lasse
truída om uma lasse IOobje t omo argumento. A lasse IOdi tionary,
por sua vez, é derivada das lasses di tionary e IOobje t, propor ionando
fun ionalidade na entrada e saída de dados automáti a a partir de um ban o
de dados. A lasse di tionary dene uma lista de palavras- have, onde
ada uma destas é asso iada a um número arbitrário de valores. A ons-
trução de transportProperties de lara o nome do arquivo que ontém
as propriedades de transporte e seu diretório (runTime. onstant()) e as
regras de leitura (MUST_READ) e saída (NO_WRITE) de dados em ar-
quivo. Por m, a riação da variável es alar dimensional DT é onstruída
pelo omando de lasse transportProperties.lookup(DT), que pro ura
no arquivo transportProperties a palavra- have DT e asso ia um valor
dimensional a essa variável.
As etapas des ritas a ima apenas ini ializam os dados para runTime, a
malha mesh, o ampo ini ial de T e a propriedade de transporte DT do Có-
digo 5.1. O próximo passo é programar o algoritmo de solução do problema
espe í o.
9
O nome do arquivo que ontém o ampo ini ial da variável é idênti o ao nome da
própria variável.
O laço for, ini iado na linha 19 do Código 5.1, tem o intuito de repetir
as instruções no interior do laço para ada passo de tempo (in rementado
por runTime++). O laço é realizado até que a ondição de runTime.end()
seja satisfeita (retorne true).
O primeiro omando no interior do laço é a de laração do header re-

adSIMPLEControls.H para leitura dos parâmetros do método SIMPLE de
a oplamento pressão-velo idade e das ondições de ortogonalidade da malha.
Estes parâmetros são lidos no arquivo fvSolution do aso analisado. Ape-
sar de não ser ne essário apli ar o método SIMPLE para resolver a Eq. 5.3,
esta bibliote a lê o número de iterações para orreção dos uxos devido à
não-ortogonalidade da malha. Isso é ne essário pois o OpenFOAM divide
o ál ulo do uxo em duas par elas hamadas ontribuição ortogonal e a
orreção não ortogonal, omo mostra a Eq. 5.5
S · (∇φ)f = Λ · (∇φ)f + Ω · (∇φ)f (5.4)

| {z } | {z }
ontribuição ortogonal orreção não ortogonal
onde (∇φ)f é o uxo sobre a fa e e S é o vetor normal à fa e do volume. A

Fig. 5.4 mostra a onguração espa ial dos vetores S, Λ e Ω para representar
o uxo normal à fa e f , alo ada entre os entros P e N dos volumes.
Figura 5.4: Tratamento da não ortogonalidade da malha om a orreção do

uxo normal à fa e f pelos vetores Λ (unitário entro P a entro N ) e Ω
( orretor).
Os dois vetores Λ e Ω, mostrados na Fig. 5.4 e na Eq. 5.5, devem satisfa-

zer a relação S = Λ + Ω. A orreção é realizada um laço para ajustar o uxo
das propriedades nas fa es dos volumes, semelhante ao esquema deerred
orre tion. Maiores detalhes podem ser en ontrados em Jasak [1996℄.
A dis retização por volumes nitos é realizada pela lasse fvm, arma-
zenando as equações dis retizadas pela lasse fvMatrix e montando um
sistema de equações lineares resolvido pelo omando solve. Este último o-
mando retorna na tela para o usuário dados estatísti os da solução, omo
a onvergên ia do sistema, número de iterações, et . A denição das for-
mulações de dis retização usadas na simulação estão olo adas no arquivo
fvShemes. A solução do sistema algébri o, ujo método de solução está
sele ionado no arquivo fvSolution, retorna a temperatura em ada élula
da malha. A bibliote a write.H, olo ada abaixo no Código 5.6, es reve os
arquivos de resultados quando o omando de lasse runTime.output() for
válido.
Código 5.6 Bibliote a write.H para o solver lapla ianFoam.

if (runTime.outputTime())
{
volVe torField gradT = fv ::grad(T);
volS alarField gradTx 5
(
IOobje t
(
"gradTx",
runTime.timeName(), 10
mesh,
IOobje t::NO READ,
),
gradT. omponent(ve tor::X) 15
);
volS alarField gradTy

(
IOobje t 20
(
"gradTy",
runTime.timeName(),
mesh,
IOobje t::NO READ, 25
),
gradT. omponent(ve tor::Y)
);
30
volS alarField gradTz
(
IOobje t
(
"gradTz", 35
runTime.timeName(),
mesh,
IOobje t::NO READ,
), 40
gradT. omponent(ve tor::Z)
);
runTime.write(); 45
}
Com o intuito de es rever os omponentes do gradiente da temperatura,

al ula-se gradT pela lasse fv que realiza operações explí itas om os da-
dos na malha. Note que, omo a temperatura é uma variável es alar, seu
gradiente será uma entidade vetorial, e portanto o tipo da variável gradT
deve ser um volVe torField. As linhas 5, 18 e 31 do Código 5.6 de om-
põem gradT nas direções X, Y e Z do domínio e denem esta variável omo
AUTO_WRITE para que a saída em arquivo seja automáti a. Cada de om-
posição é, portanto, um volS alarField e será formado pela omponente do
vetor de gradT da respe tiva direção. O omando runTime.write() es reve
em arquivos os valores de temperatura nos entros das élulas, seus gradien-
tes e os omponentes do gradiente.
Este algoritmo repete-se até o m do laço e, por onsequên ia, da simula-

ção. Na minha opinião, o solver lapla ianFoam possui o ódigo mais simples
de todos. A omplexidade dos ódigos aumenta junto om o detalhamento
dos fenmenos físi os onsiderados, sendo ne essário o desenvolvimento de
algoritmos mais elaborados, o uso de mais lasses e omandos. O Apêndi e B
apresenta um estudo sobre os ódigos dos solvers s alarTransportFoam, i o-
Foam e turbFoam implementados no OpenFOAM.
5.4 Es oamento Multifási o no OpenFOAM 124
5.4 Es oamento Multifási o no OpenFOAM
A versão 1.2 do OpenFOAM é apaz de realizar simulações bifási as in om-

pressíveis. Esta seção tem o objetivo de mostrar brevemente as diferentes
abordagens de modelagem que o OpenFOAM possui e olo ar detalhes so-
bre a implementação do solver twoPhaseEulerFoam, o mais apropriado para
simular olunas de borbulhamento.
5.4.1 Solvers Implementados
As implementações de solvers multifási os no OpenFOAM podem ser divi-

didas em três ategorias: Lagrangeana, es oamento segregado e Euleriana.
A primeira abordagem está implementada no solver dieselFoam para tratar
es oamentos om pulverizadores, onde as partí ulas são tratadas de forma
Lagrangeana. Contudo, devido à sua apli ação direta em ombustão o die-
selFoam não é onsiderado omo um solver multifási o pelos desenvolvedores
do OpenFOAM.
Os solvers para es oamento segregado usam VOF e são apli ados em

a ompanhamento de frente livre, que usa uma função oloração F (x, y, z, t)
para indi ar a fração de uido presente em dada posição (x, y, z) e instante
t. Dessa forma, é possível a ompanhar o deslo amento da interfa e, onside-
rando que esta é adve tada om a velo idade lo al do uido. O solver bási o
que usa VOF é o interFoam. Suas variantes são lesInterFoam e rasInterFoam,
que onsideram a turbulên ia em sua formulação, modeladas respe tivamente
por LES (Large Eddy Simulation ) e RAS (Reynolds Average Simulation ).
A última ategoria mostra-se omo sendo a mais indi ada a simular pro-
essos multifási os em olunas de borbulhamento. A abordagem Euleriana-
Euleriana onsidera que as fases são interpenetrantes e introduz o on eito
de fração volumétri a na modelagem (ver Cap. 3). Os solvers implementa-
dos no OpenFOAM são o settlingFoam, bubbleFoam, twoLiquidMixingFoam
e twoPhaseEulerFoam. O solver settlingFoam simula a deposição da fase
dispersa enquanto que o twoLiquidMixingFoam é indi ado para simular a
misturação de duas fases líquidas. Já os solvers bubbleFoam e twoPhaseEu-
lerFoam são os mais apropriados para simular olunas de borbulhamento, já
que in luem a modelagem Euleriana om os termos de arrasto, sustentação
e massa virtual para tro a de momentum entre as fases e turbulên ia pelo
modelo k − ǫ. O desenvolvimento do twoPhaseEulerFoam foi baseado no
bubbleFoam e retém as ara terísti as bási as do último. Contudo, o solver
twoPhaseEulerFoam permite que o usuário es olha diferentes modelos para
o oe iente de arrasto e in lui a modelagem da teoria inéti a granular
(Gidaspow [1994℄) apli ada a es oamentos gás-sólido. A modelagem deste
último tópi o não será revisada devido a sua apli ação espe í a e fora do
ontexto desse trabalho. Devido à sua implementação mais geral, a próxima
seção se dedi a a expli ar om mais detalhes o solver twoPhaseEulerFoam.
5.4.2 Implementação do solver twoPhaseEulerFoam
O equa ionamento da modelagem Euleriana implementada do solver two-

PhaseEulerFoam está des rita no trabalho de Rus he [2002℄. A formulação
para a modelagem multifási a des rita em Rus he [2002℄ é baseada no pro-
esso de média ondi ional proposta originalmente por Dopazo [1977℄ e es-
tendido por Weller [2002℄. No pro esso de média ondi ional, as equações
são multipli adas por uma função indi adora (1 na fase k e 0 fora) antes de
apli ar as té ni as usuais de média.
As Eqs. 5.5 e 5.6 apresentam a modelagem Euleriana obtidas pelo pro-

esso de média ondi ional, onsiderando es oamento in ompressível e sem
tro a de massa entre fases para ada fase k.
∂αk
+ ∇ · (ûk αk ) = 0 (5.5)
∂t
∂αk ûk αk M̂k
+ ∇ · (αk ûk ûk ) + ∇ · (αk Tef f
k ) = − ρ ∇(p̂) + ρ + αk g + Sk (5.6)
∂t k k
A Eq. 5.5 para as duas fases pode ser ombinada, forne endo a equação
da ontinuidade para a mistura (utilizada posteriormente na formulação da
equação da pressão) mostrada na Eq. 5.7, sendo que o subes rito a representa
a fase dispersa e b a ontínua.
∇ · (û) = 0 (5.7)
onde û = αa ûa + αb ûb .
Os termos de tro a de momentum M̂k e tensão Tef f

k , que ombina os
termos de tensão de Reynolds e vis osa, são originados do pro esso de média
e ne essitam de fe hamento. O solver possui a implementação de modelos
para oe iente de arrasto propostos nos trabalhos de S hiller e Naumann
[1935℄, Wen e Yu [1966℄ e Enwald et al. [1996℄.
A modelagem de turbulên ia des rita em Rus he [2002℄ deriva do tra-

balho de Gosman et al. [1992℄, que onsiste do modelo k − ǫ om termos
fontes adi ionais que in orporam efeitos da fase dispersa na turbulên ia. As
equações modi adas do modelo k − ǫ estão olo adas na seqüên ia.
ef f
∂kb ν
+ (ûb · ∇)kb − ∇ · ( b ∇kb ) = Pb − ǫb + Sk (5.8)
∂t σk
ef f
∂ǫb ν ǫb
+ (ûb · ∇)ǫb − ∇ · ( b ∇ǫb ) = (C1 Pb − C2 ǫb ) + Sǫ (5.9)
∂t σǫ kb
A produção de energia inéti a turbulenta é representada por Pb , a vis-

osidade efetiva da fase ontínua νbef f é al ulada por νbef f = νb + ν turb , onde
k2
ν turb = Cµ ǫbb . As onstantes C1 e C2 assim omo os números de S hmidt σk
e σǫ permane em inalterados em relação ao modelo monofási o. Na imple-
mentação do twoPhaseEulerFoam, Rus he [2002℄ onsidera os termos fonte
bifási os adi ionais Sk e Sǫ nulos, devido a problemas de singularidade (ver
adiante). Isto gera uma ontradição em relação ao modelo de Gosman et al.
[1992℄, já que os termos fonte ontribuem para a turbulên ia da fase dispersa.
Rus he [2002℄ desta a que ainda devem ser realizados testes numéri os para
avaliar o modelo ompleto de Gosman et al. [1992℄.
Por m, a tensão de Reynolds Tef

k
f
é obtida pela hipótese de Boussineq
(Boussinesq [1877℄), omo mostra a Eq. 5.10.

ef f ef f T 2 2
Tk = −νk ∇ûk + ∇ûk − I∇ · ûk + Ikk (5.10)
3 3
Contudo, a implementação do modelo de dois uidos apli ada sem as

devidas manipulações pode gerar singularidades e instabilidades numéri as
nas equações. De fato, a Eq. 5.6 se torna singular no limite em que αk → 0.
Desta forma, alguns truques numéri os devem ser usados para evitar este
problema, omo limitar αk de modo que αk → δ, onde 0 < δ ≪ 1. Estes
detalhes estão des ritos em Rus he [2002℄.
A metodologia numéri a de solução para o equa ionamento des rito a ima

é baseado no algoritmo PISO (Issa [1986℄) para o a oplamento pressão velo i-
dade. Basi amente, o PISO onsiste de uma etapa de predição de momentum
e um laço de orreção, no qual a equação da pressão baseada na equação da
ontinuidade volumétri a é resolvida e a quantidade de movimento é orri-
gida om base na mudança de pressão. Para ompor o algoritmo, equações
de pressão, fração volumétri a e de orreção de momentum devem ser de-
rivadas, utilizando um pro edimento similar ao des rito em Jasak [1996℄.
Maiores detalhes sobre as equações usadas e o algoritmo de solução podem
ser en ontrados em Rus he [2002℄.
A Fig. 5.5 apresenta a estrutura do algoritmo implementado no solver

twoPhaseEulerFoam.
Figura 5.5: Estrutura do algoritmo de solução do solver twoPhaseEuler-

Foam.
Capítulo 6
Resultados Preliminares
6.1 Avaliação de Métodos de Solução de EPB
Existem trabalhos na literatura espe ializados na obtenção da solução ana-

líti a para a EBP. Dentre estes, desta a-se o trabalho de Patil e Andrews
[1998℄, onde foi obtido uma solução analíti a para a EBP onsiderando agre-
gação e quebra simultânea no sistema onsiderando que o número de partí u-
las no sistema é onstante. Posteriormente, Lage [2002℄ orrigiu um erro de
simpli ação na dedução analíti a de Patil e Andrews [1998℄, gerando uma
solução analíti a de representação mais simples. Com base na EBP usada
por Patil e Andrews [1998℄, M Coy e Madras [2003℄ desenvolveram uma so-
lução analíti a para asos mais gerais, onde o número de partí ulas não é
onstante. A formulação apresentada neste apítulo é baseada no trabalho
de Patil e Andrews [1998℄ e onsidera uma EBP homogênea om distribuição
6.1 Avaliação de Métodos de Solução de EPB 130
mono-variada no volume (f = f (v, t)), omo olo ado na Eq. 6.1.
Zv
∂f (v, t) 1
= a(v − v ′ , v ′ )f (v − v ′ , t)f (v ′ , t) dv ′
∂t 2
0
Z∞
− a(v, v ′ )f (v, t)f (v ′ , t) dv ′
0
Z∞
+ ϑ(v ′ )b(v ′ )P (v | v ′ )f (v ′ , t) dv ′
v
− b(v)f (v, t) (6.1)
Patil e Andrews [1998℄ utilizaram duas ondições ini iais para a Eq. 6.1,
mostradas abaixo nas Eqs. 6.2 e 6.3.

µ0 (0) µ (0)
− µ0 (0) v
f (v, 0) = µ0 (0) e 1 (6.2)
µ1 (0)
2
µ0 (0) µ (0)
−2 µ0 (0) v
f (v, 0) = µ0 (0) 2 ve 1 (6.3)
µ1 (0)
onde µ0 (t) é o momento zero da distribuição (número total de partí ulas) e
µ1 (t) é o primeiro momento da distribuição (massa total de partí ulas).
As funções de quebra e oales ên ia adotadas por Patil e Andrews [1998℄

são mostradas respe tivamente nas Eqs. 6.4 e 6.5.
ϑ(v) = 2, b(v) = Sv, S = onstante (6.4)
a(v − v ′ , v ′ ) = C, C = onstante (6.5)
A distribuição de probabilidade usada por Patil e Andrews [1998℄ está

olo ada na Eq. 6.6.
1
P (v | v ′ ) = (6.6)
v′
Em seguida, A Eq. 6.1 foi adimensionalizada om as seguintes variáveis
µ0 (t) vµ0 (0) f (v, t)µ1 (t)

Φ(τ ) = , η= , τ = µ0 (0)Ct, φ(η, τ ) = (6.7)
µ0 (0) µ1 (t) [µ0 (0)]2
6.2 Formulação da Solução Analíti a 131
que transforma o problema para a forma olo ada na Eq. 6.8.
Z
∂φ 1 η
= φ(η − x, τ )φ(x, τ ) dx
∂t 2 0
− φ(η, τ )Φ(τ )
Z ∞
+ [Φ(∞)]2 φ(x, τ ) dx
η
η
− [Φ(∞)]2 φ(η, τ ) (6.8)
2
om as ondições ini iais
φ(η, 0) = e−η (6.9)
e
φ(η, 0) = 4ηe−2η , (6.10)
p
onde Φ(∞) = 2Sµ1 (t)/C/µ0 (0) é a solução do estado esta ionário para a
densidade numéri a adimensional de partí ulas.
Note que, quando Φ(∞) = 1, a densidade numéri a de partí ulas e,

portanto, o número total de partí ulas neste modelo de parâmetros on en-
p
trados, é onstante. Isto leva a que µ0 (0) = 2Sµ1 (t)/C deva ser satisfeita
para não existir variação no número de partí ulas (quebra e agregação de
mesma intensidade). A formulação adimensional apresentada nas Eqs. 6.8,
6.9 e 6.10 foi usada por Patil e Andrews [1998℄, Lage [2002℄ e M Coy e
Madras [2003℄ para obtenção da solução analíti a.
6.2 Formulação da Solução Analíti a
As soluções de Patil e Andrews [1998℄ e Lage [2002℄ assumem que não há

variação no número de partí ulas, isto é, Φ(τ ) = Φ(∞) = 1, ∀τ .
Já a solução proposta por M Coy e Madras [2003℄ não onsidera o número

de partí ulas onstante, Φ(τ ) 6= Φ(∞). Desta forma, valores arbritários
para Φ(∞) podem ser usados. Note que, valores de Φ(∞) > 1 indi am que
a quebra é predominante no sistema. Quando Φ(∞) < 1, a agregação de
partí ulas predomina.
6.2 Formulação da Solução Analíti a 132
As soluções analíti as obtidas por Lage [2002℄ e M Coy e Madras [2003℄
e apresentadas na seqüên ia serão tomadas omo referên ia para testar a
onvergên ia dos métodos QMOM (M Graw [1997℄), DQMOM (Mar hisio e
Fox [2005℄) e PPDC (Bove et al. [2005℄).
6.2.1 Solução de Lage [2002℄
Em análise ao trabalho de Patil e Andrews [1998℄ e Lage [2002℄, veri a-

se que a solução trivial é obtida ao usar a ondição ini ial φ(η, 0) = e−η ,
olo ada na Eq. 6.9. Desta forma, o presente trabalho apresenta somente
a solução analíti a para o aso da ondição ini ial φ(η, 0) = 4ηe−2η , mos-
trada na Eq. 6.10. Neste aso parti ular, a solução analíti a orrigida de
Lage [2002℄ está olo ada abaixo onde o sobres rito (a) refere-se à solução
analíti a.
2
(a)
X K1 (τ ) + pi (τ )K2 (τ )
φ (η, τ ) = epi (τ )η , ∀τ > 0 (6.11)
L2 (τ ) + 4pi (τ )
i=1
onde
K1 (τ ) = 7 + τ + e−τ
K2 (τ ) = 2 − 2e−τ
L2 (τ ) = 9 + τ − e−τ
1 −τ p
p1,2 (τ ) = (e − τ − 9) ± d(τ )
4
d(τ ) = τ 2 + (10 − 2e−τ )τ + 25 − 26e−τ + e−2τ (6.12)
Os momentos são obtidos através da integração da função de distribuição

sobre a variável interna η , omo mostra a Eq. 6.13.
Z ∞
µk = η k φ(η, τ ) dη (6.13)
0
Os momentos analíti os para a solução de Lage [2002℄ estão mostrados

6.3 Formulação Numéri a de Solução 133
na Eq. 6.14 e sua ondição ini ial está des rita na Eq. 6.15.
2
(a)
X K1 (τ ) + pi (τ )K2 (τ )
µk (τ ) = [−pi (τ )]−k−1 Γ(k + 1) (6.14)
L2 (τ ) + 4pi (τ )
i=1
∀τ > 0, ∀k
(a) Γ(2 + k)
ln[µk (0)] = (6.15)
2k
6.2.2 Solução de M Coy e Madras [2003℄
No trabalho de M Coy e Madras [2003℄, a solução om a ondição ini ial

φ(η, 0) = 4ηe−2η , olo ada na Eq. 6.10, não possui forma fe hada (é pos-
sível obter apenas a solução assintóti a). Desta forma, o presente trabalho
apresenta apenas a solução analíti a om a ondição ini ial φ(η, 0) = e−η ,
mostrada na Eq. 6.9. A solução analíti a para a função de distribuição obtida
por M Coy e Madras [2003℄ está des rita na Eq. 6.16.
φ(a) (η, τ ) = Φ2 (τ )e−ηΦ(τ ) (6.16)
onde
1 + Φ(∞) tanh(Φ(∞)τ /2)
Φ(τ ) = Φ(∞) (6.17)
Φ(∞) + tanh(Φ(∞)τ /2)
Os momentos analíti os obtidos pela solução de M Coy e Madras [2003℄

e suas ondições ini iais são mostrados respe tivamente nas Eqs. 6.18 e 6.19
∀k.
" #k−1
(a) Φ(∞) + tanh( 21 Φ(∞)τ )
µk (τ ) = Γ(k + 1) (6.18)
Φ(∞)(1 + Φ(∞) tanh( 12 Φ(∞)τ ))
(a)
ln[µk (0)] = Γ(1 + k) (6.19)
6.3 Formulação Numéri a de Solução
Esta seção apresenta as deduções dos métodos QMOM, DQMOM e PPDC

apli ados à Eq. 6.1, em sua forma dimensional. Todas as formulações par-
tem da dis retização da variável interna (no aso, o volume) em um número
nito de n lasses. Note que, utilizando uma distribuição normalizada, onde
µ0 (0) = 1, e onsiderando a onservação de massa µ1 (t) = 1, as variáveis
adimensionais, mostradas na Eq. 6.7, podem assumir valores idênti os ao das
variáveis dimensionais. Desta forma, ao assumir que C = 1, 0, é possível he-
p
gar a uma expressão para S através da relação Φ(∞) = 2Sµ1 (t)/C/µ0 (0)
provinda do adimensionamento das equações. A Eq. 6.20 apresenta a ex-
pressão para S usada nas simulações numéri as que satisfaz essas ondições.
1 [Φ(∞)µ0 (0)]2
S= (6.20)
2 µ1 (t)
Desta forma, as variáveis dimensionais e adimensionais assumem valores

idênti os e, por isso, a dedução dos métodos são feitas om variáveis dimen-
sionais. As formulações olo adas nessa seção se baseiam na teoria mostrada
anteriormente neste trabalho no Cap. 4 (ver Seções 4.2.3 e 4.2.4).
6.3.1 QMOM
A Eq. 6.21 resulta da apli ação do método QMOM à PBE homogênea mo-
novariada denida na Eq. 6.1, onde wi e ξi representam respe tivamente os
(n)
pesos e abs issas da lasse i e H̄k é o termo fonte referente à quebra e
agregação de partí ulas mostrado na Eq. 6.22.
∂µk (t) (n)
= H̄k , k = 0, . . . , 2n − 1 (6.21)
∂t
onde
n n
(n) 1 XX
H̄k = [(ξi + ξj )k − ξik − ξjk ]a(ξi , ξj )wi wj
2
i=1 j=1
n
X
i=1
A denição de πk (ξi ) está olo ada na Eq. 4.33, repetida aqui na Eq. 6.23
para fa ilitar a leitura do equa ionamento.
Z ξi
πk (ξi ) = v k P (v | ξi ) dv (6.23)
0
A Eq. 6.24 mostra πk (ξi ) apli ado ao QMOM, utilizando a distribuição
de probabilidade da Eq. 6.6, utilizada nas soluções de Lage [2002℄ e M Coy
e Madras [2003℄.
Z ξi
1 ξik
πk (ξi ) = vk dv = (6.24)
0 v′ k+1
O método QMOM realiza a integração direta dos momentos ao longo do

tempo. Desta forma, independente da metodologia de integração numéri a
adotada, os pesos e abs issas devem ser atualizados a ada passo de integra-
ção. M Graw [1997℄ re omenda o uso do algoritmo Produto-Diferença (ver
Apêndi e A) para obter os pesos e abs issas a partir dos momentos.
6.3.2 DQMOM
A formulação do DQMOM apli ada à Eq. 6.1 resulta no sistema de equações

mostrado nas Eqs. 6.25 a 6.27, onde ςi = ξi wi é a abs issa ponderada.
n
X n
X (n)
(1 − k) ξik θi (t) +k ξik−1 ̺i (t) = H̄k , k = 0, . . . , 2n − 1 (6.25)
i=1 i=1
onde
∂wi
θi (t) = (6.26)
∂t
∂ςi
̺i (t) = (6.27)
∂t
(n)
As denições de H̄k e πk (ξi ) para o DQMOM são as mesmas do QMOM,
mostradas nas Eqs. 6.22 e 6.24 respe tivamente.
Assim, o algoritmo baseado no DQMOM parte da solução do sistema de

2n equações, representado pela Eq. 6.25, para obter θi (t) e ̺i (t) e integrá-
los no tempo om as Eqs. 6.26 e 6.27. Note que, diferente do QMOM, a
integração numéri a é realizada diretamente sobre os pesos e abs issas.
Os momentos da distribuição podem ser obtidos pelos pesos e abs issas

usando a quadratura de Gordon, olo ada na Eq. 4.31, reproduzida aqui na
Eq. 6.28.
n
X
µk (t) = ξi k wi , k = 0, . . . , 2n − 1 (6.28)
i=1
6.3.3 PPDC
A metodologia do PPDC parte da de omposição dos fenmenos de morte e

nas imento por quebra e agregação em diferentes malhas e da dis retização
no tempo por Euler explí ito, omo mostrado na Seção 4.2.3. O equa io-
namento para a integração no tempo das densidades numéri as Ni para as
(i)
lasses mãe, Aij para as lasses lha gerada por agregação e Bk para as
lasses lha gerada pela quebra das partí ulas está olo ado nas Eqs. 6.29,
6.30 e 6.31.
 
M
X
Ni (tn+1 ) = Ni (tn ) + −Ni (tn ) a(ξi , ξj )Nj (tn ) − b(ξi )Ni (tn ) ∆t (6.29)
j=1
i = 1, . . . , M

n+1 n 1 n
Aij (t ) = Aij (t ) + 1 − δij a(ξi , ξj )Ni (t ) ∆t (6.30)
2
i, j = 1, . . . , M, j ≥ i
(i) (i)
Bk (tn+1 ) = Bk (tn ) + [ϑi b(ξi )Ni (tn )Π(ξi )] ∆t (6.31)
i = 1, . . . , M, k = 1, . . . , N B(i)
onde
Z (i)
vk+1
Π(ξi ) = P (v/ξi ) dv (6.32)
(i)
vk
A integral da probabilidade Π(ξi ), mostrada na Eq. 6.32, resulta na

Eq. 6.33 ao usar a denição olo ada na Eq. 6.6.
Z (i) (i) (i)
vk+1 vk+1 − vk
1
Π(ξi ) = dv = (6.33)
(i)
vk v′ ξi
Este trabalho usa uma distribuição geométri a progressiva, mostrada na
Eq. 6.34, para denir o número de pontos N B(i) da malha das lhas por
quebra, onde i refere-se à lasse mãe.
N B(i) = 2i + 1 (6.34)
A dependên ia entre as diferentes malhas provêm da natureza do método,

onde (i) a aglomeração das partí ulas om abs issas ξi e ξj na lasse mãe
resultam na partí ula om abs issa yij da lasse lha por agregação e (ii) a
quebra binária da partí ula (ϑ = 2) om abs issa ξi na lasse mãe resulta
em duas partí ulas na lasse lha por quebra, om abs issas λξi e (1 − λ)ξi ,
sendo 0 ≤ λ ≤ 1.
(i) (i) (i)

zk = λk ξ i , 0 ≤ λk ≤ 1 e
(i) (i)
λk = 1− λN B(i)+1−k (6.35)
A Fig. 6.1 ilustra omo as malhas das lhas por quebra são geradas a
partir da malha mãe.
Figura 6.1: Ilustração da geração das malhas das lhas geradas por quebra
usando N B(i) = 2i + 1.
A ada passo de integração, os momentos são al ulados pela integração

da função de distribuição expandida na variável interna v , mostrada anteri-
ormente na Eq. 4.29 e reproduzida aqui pela Eq. 6.36.
M
X M X
X M
fE (v, tn+1 ) = Ni (tn+1 )δ(v − ξi ) + Aij (tn+1 )δ(v − yij )
i=1 i=1 j=1
M NX
X B(i)
(i) (i)
+ Bk (tn+1 )δ(v − zk ) (6.36)
i=1 k=1
Os momentos al ulados pelo PPDC podem ser obtidos pela Eq. 6.37.
M
X M X
X M
µk (tn+1 ) = ξik Ni (tn+1 ) + k
yij Aij (tn+1 )
i=1 i=1 j=1
M NX
X B(i)
(i) (i)
+ [zk ]k Bk (tn+1 ) (6.37)
i=1 k=1
k = 0, . . . , 2n − 1
A ada passo de integração no tempo, os pesos e abs issas da lasse mãe

devem ser re onstruídos a partir dos momentos al ulados na Eq. 6.37. Para
tal, utiliza-se o algoritmo Produto-Diferença des rito no Apêndi e A.
6.3.4 Métodos de Integração no Tempo
Já que a formulação do PPDC parte da dis retização explí ita por Euler no
tempo e om o intuito de omparar as diferentes abordagens numéri as, este
trabalho apresenta simulações do QMOM e DQMOM integradas om este
mesmo método.
Para avaliar o método de integração no tempo, também foram realiza-

das simulações do QMOM e DQMOM usando a rotina integradora DASSL
(Petzold [1982℄), que utiliza o método das linhas. Note que, a equação do
QMOM, mostrada na Eq. 6.21, é resolvida pela DASSL omo um sistema di-
feren ial após a apli ação da quadratura pelo algoritmo Produto-Diferença.
Já o sistema de equações do DQMOM, mostrado na Eq. 6.25, pode ser rees-
rito de modo a ser resolvido diretamente na função resíduo da DASSL omo
6.4 Resultados das Simulações 139
um sistema algébri o-diferen ial.
n n
X ∂wi X ∂ξi ∂wi
(1 − k) ξik +k ξik−1 wi + ξi
∂t ∂t ∂t
i=1 i=1
n n
1 XX
= [(ξi + ξj )k − ξik − ξjk ]a(ξi , ξj )wi wj
2
i=1 j=1
n
X
i=1
k = 0, . . . , 2n − 1
6.4 Resultados das Simulações
O programa para realizar as simulações de balanço popula ional foi es rito

em FORTRAN 90 e os arquivos fontes foram ompilados om o gfortran
4.0 usando ag -O3 de otimização do ódigo. Para al ular a função Γ
mostrada nas Eqs. 6.14, 6.15, 6.18 e 6.19, usou-se a rotina gammln des rita
no livro Numeri al Re ipes de Press et al. [1990℄.
No algoritmo Produto-Diferença é ne essário al ular os autovetores e

autovalores de uma matriz tridiagonal simétri a e, para tal, usou-se a rotina
imtql2 (B. T. Smith et al. [1976℄ - obtida no sítio da NetLib1 ). Em todos
os asos simulados, os parâmetros de erro relativo e erro absoluto da DASSL
foram iguais a 10−5 e 10−6 , respe tivamente.
Nas simulações do DQMOM usando o método de Euler, o sistema de

equações lineares, olo ado na Eq. 6.25, foi resolvido por eliminação gaussi-
ana usando a rotina gausslin (Pinto e Lage [2001℄).
Foram sele ionados três asos de omparação, onde as soluções analíti as

de (i) Lage [2002℄ (Eqs. 6.14 e 6.15 om Φ(∞) = 1), (ii) M Coy e Madras
[2003℄ em um sistema om quebra dominante (Eqs. 6.18 e 6.19 om Φ(∞) =
10) e (iii) M Coy e Madras [2003℄ em um sistema om agregação dominante
1
http://www.netlib.org/
(Eqs. 6.18 e 6.19 om Φ(∞) = 10−1 ) foram omparadas om os resultados
numéri os do QMOM, DQMOM e PPDC. Deste momento em diante, as
omparações serão referidas omo asos (i), (ii) e (iii).
6.4.1 Evolução Temporal e Convergên ia dos Momentos
Os primeiros resultados apresentados neste trabalho visam omparar as solu-

ções analíti as e numéri as e avaliar a onvergên ia dos momentos. Para tal,
utiliza-se o método de Euler om passo de tempo arbitrário (∆t = 10−3 s)
na integração numéri a dos métodos.
As Figs. 6.2, 6.3 e 6.4 apresentam a onvergên ia dos 6 primeiros mo-

mentos obtidos om 2, 3, 4 e 6 pontos de quadratura, omparando respe ti-
vamente o aso (i) om os métodos QMOM, DQMOM e PPDC. De forma
lógi a, nos asos em que 2 pontos de quadratura são usados, omparam-se
apenas os 4 momentos da distribuição.
Figura 6.2: Convergên ia de momentos pelo número de pontos de quadratura

utilizando o método QMOM omparado ao aso (i).

utilizando o método DQMOM omparado ao aso (i).

utilizando o método PPDC omparado ao aso (i).
Nas Figs. 6.2 e 6.3, as soluções numéri as obtidas pelo QMOM e DQ-
MOM utilizando 2 pontos de quadratura apresentam erros nos momentos µ2
e µ3 frente à solução analíti a. Veri a-se que µ2 hega a um valor esta io-
nário in orreto e µ3 possui um erro no transiente do pro esso. Ao aumentar
o número de pontos de quadratura (n > 2), o erro numéri o é minimizado
e a onvergên ia dos momentos para a solução analíti a é atingida nos mé-
todos QMOM e DQMOM. Nas simulações usando o PPDC, mostrado na
Fig. 6.4, veri a-se que o erro dos momentos a umula-se ao longo do tempo,
independente do número de pontos de quadratura usado. De fato, os mo-
mentos onvergem entre si, porém para uma solução om a úmulo de erro
de orrente da integração numéri a por Euler. De modo a veri ar esse fato,
a Fig. 6.5 apresenta a onvergên ia de momentos usando o PPDC integrado
pelo método de Euler om ∆t = 10−4 s.

utilizando o método PPDC om Φ(∞) = 1 e ∆t = 10−4 s.
Pela Fig. 6.5 é possível notar que o desvio numéri o dos momentos dimi-
nuiu signi ativamente em relação à simulação om ∆t = 10−3 s e existe a
tendên ia à onvergên ia om o aumento dos pontos de quadratura usados.
A dependên ia destes métodos om a metodologia de integração é um fator
ríti o e será analisado mais a frente neste trabalho.
A onvergên ia de momentos para o aso (ii) estão apresentados nas

Figs. 6.6, 6.7 e 6.8.

utilizando o método QMOM omparado ao aso (ii).

utilizando o método DQMOM omparado ao aso (ii).

utilizando o método PPDC omparado ao aso (ii).
De modo similar às Figs. 6.2 e 6.3, as simulações usando QMOM e DQ-

MOM, mostradas nas Figs. 6.6 e 6.7, apresentam um desvio maior nos mo-
mentos µ2 e µ3 quando n = 2. Contudo, existe a onvergên ia dos momentos
para a solução analíti a para n > 2. Da mesma forma, o PPDC sofre om
a baixa pre isão na integração no tempo ( om ∆t = 10−3 s), onvergindo os
momentos para valores errneos e om a úmulo de erro. A Fig. 6.9 apresenta
a simulação do PPDC para Φ(∞) = 10 om ∆t = 10−4 s.

utilizando o método PPDC om Φ(∞) = 10 e ∆t = 10−4 s.
Como esperado, a Fig. 6.9 mostra a forte dependên ia do PPDC om o

passo de tempo adotado ao diminuir onsideravelmente o desvio dos momen-
tos em relação à solução analíti a. Note que, o desvio dos momentos é maior
do que na Fig. 6.5 ( aso (i)). No aso da Fig. 6.9, a quebra é dominante
(Φ(∞) > 1) e os erros podem estar embutidos na lei de formação das partí-
ulas lhas geradas por quebra. Para provar esta teoria, deve-se analisar o
aso onde a agregação é dominante (Φ(∞) < 1).
As Figs. 6.10, 6.11 e 6.12 apresentam, respe tivamente, as simulações

usando QMOM, DQMOM e PPDC omparados om a solução do aso (iii).
Figura 6.10: Convergên ia de momentos pelo número de pontos de quadra-

tura utilizando o método QMOM omparado ao aso (iii).

tura utilizando o método DQMOM omparado ao aso (iii).
Neste aso, todos os métodos numéri os são apazes de obter a onver-

gên ia dos momentos om ∆ = 10−3 s, embora o PPDC apresente a urá ia

tura utilizando o método PPDC omparado ao aso (iii).
ligeiramente inferior em relação aos outros métodos. De fato, quando a agre-

gação se torna dominante, o PPDC onsegue obter resultados quase tão bons
quanto o QMOM e o DQMOM. A m de omparar os métodos nos diferentes
asos, as Figs. 6.13 a 6.15 apresentam a evolução dos momentos usando 2 e
4 pontos de quadratura para os asos (i), (ii) e (iii).
(a)
(b)
Figura 6.13: Evolução dos momentos pelos métodos QMOM, DQMOM e

PPDC usando (a) 2 e (b) 4 pontos de quadratura para o aso (i).
(a)
(b)

PPDC usando (a) 2 e (b) 4 pontos de quadratura para o aso (ii).
(a)
(b)

PPDC usando (a) 2 e (b) 4 pontos de quadratura para o aso (iii).
É pre iso frisar que as magnitudes dos desvios dos momentos são infe-
riores à es ala dos próprios apresentada nas Figs. 6.13 a 6.15, o que pode
mas arar os erros numéri os. Uma análise mais detalhada dos erros é apre-
sentada na próxima seção.
6.4.2 Avaliação dos Erros na Evolução dos Momentos
O erro relativo χR de ada momento k pode ser obtido pela Eq. 6.39.

µ − µ(a)
k k
χR,k = (6.39)
µ(a)
k
As Figs. 6.16, 6.17 e 6.18 apresentam a evolução dos erros relativos para
os asos (i), (ii) e (iii) respe tivamente, utilizando 2 pontos de quadratura e
o método de Euler om ∆t = 10−3 s.
Figura 6.16: Erro relativo dos momentos al ulados pelos métodos QMOM,
DQMOM e PPDC utilizando 2 pontos de quadratura para o aso (i).
É notável a superioridade na a urá ia dos métodos QMOM e DQMOM

omparados ao PPDC. Analisando as Figs. 6.16 e 6.17, os erros relativos
de µ0 , µ1 e µ3 al ulados pelo QMOM e DQMOM hegam perto do limite
em pre isão dupla da máquina (∼ 10−15 ). Note que, no aso (i), a ondição
DQMOM e PPDC utilizando 2 pontos de quadratura para o aso (ii).
DQMOM e PPDC utilizando 2 pontos de quadratura para o aso (iii).
ini ial para µ0 e µ1 já é a solução do problema devido à sua natureza (número
e massa das partí ulas são onstantes). Para os asos (ii) e (iii), apenas a
massa é onservada. Desta forma, o QMOM integra a equação diferen ial
para µ0 , gerando erros na ordem de pre isão da máquina. No DQMOM isto
não o orre pois os pesos e abs issas são integrados e devem sofrer variações ao
longo do tempo, apesar de existirem momentos onstantes (isso se onrma
ao analisar a evolução dos pesos e abs issas, o que é mostrado posteriormente
neste trabalho).
No iní io das simulações o orrem as maiores variações de momento e

depois tendem um valor esta ionário. Desta forma, os erros relativos do
QMOM e DQMOM aumentam no iní io da simulação e depois tendem a
diminuir ao limite numéri o da máquina. Um fato urioso o orre om µ2 ,
que apresenta os maiores erros relativos dentre os momentos nas simulações
pelo QMOM e DQMOM. Porém, ao se aumentar o número de pontos de
quadratura, o erro de µ2 diminui.
O PPDC apresenta erros elevados omparados aos obtidos pelos outros

dois métodos, ando na faixa de 1 − 10−1 (Figs. 6.16 e 6.17) e 10−1 −
10−3 (Fig. 6.18). É possível notar a forte dependên ia do PPDC om os
pro essos de interação entre partí ulas no sistema. A simulação om quebra
dominante (Fig. 6.17) apresenta os maiores erros dentre os asos analisados,
enquanto que, no aso de agregação dominante (Fig. 6.18), os erros obtidos
são razoáveis. Outro fato mar ante é o a úmulo de erro ao longo do tempo
nas simulações do PPDC devido à impre isão da integração numéri a om o
passo adotado.
Para veri ar a dependên ia dos erros relativos om o número de pontos

de quadratura utilizados, apresentam-se as Figs. 6.19, 6.20 e 6.21 om n = 4
para os asos (i), (ii) e (iii) respe tivamente.
Veri a-se pelas Figs. 6.19, 6.20 e 6.21 que, ao aumentar o número de
pontos de quadratura, os erros relativos obtidos pelo QMOM e DQMOM
diminuem onsideravelmente. Além disso, os desvios presentes no iní io das
DQMOM e PPDC utilizando 4 pontos de quadratura para o aso (i).
DQMOM e PPDC utilizando 4 pontos de quadratura para o aso (ii).
DQMOM e PPDC utilizando 4 pontos de quadratura para o aso (iii).
simulações om n = 2 não são tão a entuados ao se usar n = 4. Pelo

QMOM e DQMOM, os erros dos momentos de maior ordem hegam a valores
próximos de 10−3 no estado esta ionário. Contudo, as simulações usando o
PPDC não sofrem grandes melhorias ao se aumentar n, indi ando que os
erros não dependem do número de pontos na aproximação por quadratura.
No aso (iii), nota-se que um há aumento na a urá ia do PPDC no ál ulo
dos momentos de maior ordem. Porém, ainda existe a úmulo de erro ao
longo do tempo na integração numéri a do PPDC.
De a ordo om os resultados apresentados, é pre iso avaliar a inuên ia

do passo de tempo nas simulações. Para tal, dene-se o erro ponderado omo
olo ado na Eq. 6.40. v
u 2n−1
u 1 X
χP = t χ2R,k (6.40)
2n
k=0
Os resultados mostrados a seguir avaliam a a urá ia do passo de tempo

sobre a integração numéri a por Euler explí ito nos métodos para EBP. De
modo a omparar a metodologia de integração, os métodos QMOM e DQ-
MOM também foram simulados pelo método das linhas usando a rotina
DASSL (Petzold [1982℄). As Figs. 6.22, 6.23 e 6.24 apresentam, respe tiva-
mente, os erros ponderados obtidos pelo QMOM, DQMOM e PPDC no aso
(i) e usando 2 e 4 pontos de quadratura.
Figura 6.22: Análise do passo de tempo sobre a integração numéri a pelo

QMOM, om 2 e 4 pontos de quadratura para o aso (i).

DQMOM, om 2 e 4 pontos de quadratura para o aso (i).
O perl dos erros obtidos pelo QMOM e DQMOM (Figs. 6.22 e 6.23) são
bastante semelhantes entre si e hegam aos valores próximos no esta ionário.
Tomando a solução pela DASSL omo referên ia, a onvergên ia do passo
de tempo o orre om ∆t = 10−3 s para as duas situações analisadas. É
possível ainda notar a inuên ia do erro dos momentos de maior ordem no
iní io das simulações om n = 4. Pelas simulações usando PPDC mostradas
na Fig. 6.24, existe a tendên ia da onvergên ia na integração numéri a
ao diminuir o passo de tempo. Porém, o desa oplamento dos efeitos entre
partí ulas gera erros que se a umulam na integração do tempo, omo pode
ser visto nas Figs. 6.24(a) e 6.24(b). Contudo, om valores de ∆t inferiores
a 10−4 s, o método de Euler no PPDC hega ao limite de pre isão numéri a
da máquina. Esse fato se onrma pela inversão da tendên ia de queda de
χP om ∆t, independente do número de pontos de quadratura utilizados.
Os erros ponderados om n = 2 e n = 4 para o aso (ii) utilizando o

QMOM, DQMOM e PPDC estão olo ados, respe tivamente, nas Figs. 6.25,
6.26 e 6.27.
(a)
(b)

PPDC, om (a) 2 e (b) 4 pontos de quadratura para o aso (i).

QMOM, om 2 e 4 pontos de quadratura para o aso (ii).

DQMOM, om 2 e 4 pontos de quadratura para o aso (ii).
(a)
(b)

PPDC, om (a) 2 e (b) 4 pontos de quadratura para o aso (ii).
Nos asos mostrados nas Figs. 6.25 e 6.26, a onvergên ia do passo de

tempo usando o QMOM e DQMOM o orre om ∆t = 10−4 s. No PPDC, o
limite de pre isão na integração numéri a o orre om ∆t = 10−5 s.
Os valores de χP para o aso (iii) (agregação dominante) simulado pelo
QMOM, DQMOM e PPDC estão olo ados, respe tivamente, nas Figs. 6.28,
6.29 e 6.30.

QMOM, om 2 e 4 pontos de quadratura para o aso (iii).

DQMOM, om 2 e 4 pontos de quadratura para o aso (iii).
(a)
(b)

PPDC, om (a) 2 e (b) 4 pontos de quadratura para o aso (iii).
O passo de tempo na integração numéri a atinge onvergên ia om ∆t =

10−3 s para o QMOM e DQMOM. Neste aso, o orre om o PPDC um efeito
similar de pre isão de ál ulo para ∆t = 10−4 .
6.4.3 Evolução no tempo dos Pesos e Abs issas
O número de pontos de quadratura é um fator ru ial nas simulações do

QMOM e DQMOM. Em todos os asos analisados até agora, a a urá ia no
ál ulo dos momentos é propor ional ao número de pontos de quadratura
utilizados. O PPDC não se mostrou sensível à n, visto que a limitação de
pre isão está on entrada na integração numéri a. Contudo, é importante
avaliar o limite de n máximo nestes asos.
Ao aumentar o número de momentos, os valores dos pesos de maior ordem

tendem a valores muito baixos (≃ 10−10 ∼ 10−14 ) ou muito altos para outros
problemas, degradando a solução dos autovalores e autovetores presente no
algoritmo Produto-Diferença (Gordon [1968℄) e perdendo, portanto, pre isão
no ál ulo dos momentos ao longo da integração. Como já foi men ionado,
o QMOM e o PPDC utilizam o algoritmo Produto-Diferença para de ompor
os momentos em pesos e abs issas a ada passo de integração. A perda
de a urá ia nesta de omposição gera di uldades na integração numéri a,
que a aba por gerar erros de exe ução interrompendo a simulação. Neste
ponto, o DQMOM leva uma grande vantagem, pois usa o algoritmo Produto-
Diferença apenas para gerar as ondições ini iais de pesos e abs issas pela
de omposição dos momentos ini iais. Uma vez obtidas as ondições ini iais,
o DQMOM integra diretamente estas variáveis.
A implementação do algoritmo Produto-Diferença utilizada nesse traba-

lho apli a uma separação da mantissa e do expoente nos valores armazenados
para pesos e abs issas. Dessa forma, é possível obter uma pre isão maior do
om o algoritmo de Gordon [1968℄. Esta abordagem está des rita no trabalho
de Lage [2006℄.
As Figs. 6.31 a 6.33 apresentam os resultados da evolução de pesos e abs-

issas para os asos (i), (ii) e (iii), utilizando o maior número possível de pon-
tos de quadratura on omitante aos três métodos analisados. As simulações
utilizaram o método de Euler om ∆t = 10−3 s e os pesos e abs issas obtidos
pelo QMOM e PPDC foram al ulados pelo algoritmo Produto-Diferença.
(a)
(b)
Figura 6.31: Perl dos (a) pesos e (b) abs issas pelo QMOM, DQMOM e
PPDC utilizando 15 pontos de quadratura para o aso (i).
(a)
(b)
PPDC utilizando 7 pontos de quadratura para o aso (ii).
(a)
(b)
PPDC utilizando 10 pontos de quadratura para o aso (iii).
Na Fig. 6.31, os pesos e abs issas al ulados pelo QMOM e DQMOM

se apresentam on ordantes, tendo um desvio apenas nos resultados obtidos
pelo PPDC. Para valores de n a ima de 15, a diferença de magnitude entre
os pesos afeta a pre isão do algoritmo Produto-Diferença, forne endo erros
de exe ução da simulação. O mesmo o orre na Fig. 6.32, porém nota-se que
o desvio apresentado pelo PPDC é maior e umulativo devido à predomi-
nân ia de quebra no sistema. Os ilações no iní io do ál ulo dos pesos de
maior ordem pelo QMOM, omo mostrado na Fig. 6.32(a), indi am a perda
de a urá ia no algoritmo Produto-Diferença. Em um sistema om agrega-
ção dominante (Fig. 6.33) foi possível utilizar até 10 pontos de quadratura
nas simulações. Note que nos asos apresentados, a diferença na ordem de
magnitude dos pesos e abs issas atinge o limite de pre isão de uma má-
quina máquina de 32 bits, provo ando erro na rotina do Produto-Diferença
e, onseqüentemente, na simulação. Assim, deste ponto em diante somente
o DQMOM é apaz de obter resultados válidos.
Uma possível solução para o problema de perda de a urá ia pelo algo-

ritmo Produto-Diferença seria utilizar um omputador om arquitetura de
64 bits para aumentar a pre isão do ál ulo.
6.4.4 Tempo de Computação
Foram realizados testes para omparar o tempo de omputação usando os

métodos QMOM, DQMOM e PPDC. A rotina intrínse a do gfortran 4.0
CPU_TIME foi usada para medir o tempo de CPU, om pre isão na ordem
de 10−3 . Os testes utilizaram o método de Euler om ∆t = 10−3 e o método
das linhas (DASSL) para integração no tempo, om tempo total de simulação
igual a 150 segundos para todos os asos. As simulações foram realizadas
até o número máximo de pontos de quadratura possível, quando o orriam
problemas de exe ução devido a problemas de pre isão no algoritmo Produto-
Diferença (QMOM e PPDC) e falha de segmentação no ál ulo do sistema
linear (DQMOM). Os testes foram realizados usando um omputador AMD
Athlon XP 2.600+ MHz om sistema opera ional Linux.
A Tab. 6.1 apresenta os tempos omputa ionais das simulações para o

aso (i).
aso (i) QMOM DQMOM PPDC
n DASSL Euler DASSL Euler Euler
2 0,03 1,11 0,03 0,46 1,19
3 0,04 2,34 0,04 1,21 2,41
4 0,06 4,30 0,05 2,48 4,33
5 0,08 7,04 0,07 4,45 6,81
6 0,11 10,82 0,09 7,26 10,04
7 0,14 15,77 0,12 10,98 13,99
8 0,19 22,09 0,16 15,78 18,96
9 29,90 0,22 22,05 24,89
10 39,55 0,80 29,80 31,96
11 50,94 14,31 39,14 40,10
12 64,24 50,23 49,47
13 79,73 63,29 60,16
14 97,64 78,42 72,41
15 117,95 95,77 86,36
16 140,91 101,34
17 168,51
Tabela 6.1: Tempo omputa ional na simulação da EBP ( aso

(i)).
De fato, as simulações integradas pela DASSL são muito mais e ientes

omparadas à abordagem por Euler. Contudo o último onsegue atingir um
número maior de pontos de quadratura, hegando a n = 17 om o QMOM.
De fato, o passo de tempo na DASSL é adaptativo e pode sofrer variações ao
longo da integração. É provável que, om as tolerân ias espe i adas, o erro
de integração na DASSL afete a pre isão do algoritmo Produto-Diferença.
Como o método de Euler usa um passo de tempo xo, não está sujeito
a este tipo de erro. Nas simulações integradas pelo método de Euler, o
DQMOM se apresenta omo a abordagem mais e iente quando o número
de pontos de quadratura é inferior a 12. Deste ponto em diante, o PPDC
se mostra o método mais rápido de todos. Note que o PPDC já obtinha
os resultados mais rápido que o QMOM quando n > 4. Contudo, deve-se
lembrar que a solução do PPDC om ∆t = 10−3 s não é su ientemente
a urada, omparada aos outros dois métodos.
Os testes de e iên ia omputa ional para o aso (ii) estão olo ados na
Tab. 6.2.
aso (ii) QMOM DQMOM PPDC
2 0,03 1,14 0,03 0,46 1,20
3 0,05 2,38 0,04 1,20 2,42
4 0,07 4,34 0,05 2,48 4,30
5 0,10 7,03 0,07 4,45 6,72
6 0,14 10,71 0,10 7,25 9,84
7 15,55 0,16 10,97 13,85
8 0,24 15,77
9 0,38
10 1,93
Tabela 6.2: Tempo omputa ional na simulação da EBP ( aso

(ii)).
É de se esperar que os tempos omputa ionais para o aso (ii) sejam

similares ao aso anterior mostrado na Tab. 6.1. Contudo, omo a DASSL é
apaz de ajustar o passo de tempo e a ordem de integração internamente para
atingir a tolerân ia espe i ada, pode existir variação no tempo omputa i-
onal da simulação. Neste aso, o DQMOM integrado pela DASSL onseguiu
atingir o máximo de 10 pontos de quadratura. Comparando os métodos
integrados por Euler, o DQMOM se mostrou o mais e iente, hegando a
simular até 8 pontos de quadratura, seguido do PPDC.
A Tab. 6.3 mostra os tempos de mputo para o aso (iii).
aso (iii) QMOM DQMOM PPDC
2 0,03 1,14 0,03 0,46 1,19
3 0,05 2,41 0,04 1,20 2,42
4 0,06 4,40 0,05 2,48 4,27
5 0,09 7,11 0,08 4,44 6,70
6 0,12 10,82 0,10 7,26 9,82
7 0,18 15,79 0,14 10,97 13,82
8 0,26 22,14 0,20 15,77 18,69
9 29,99 0,29 22,04 24,54
10 39,59 0,66 29,78 31,59
11 3,06 39,11
12 13,63 50,23
13 80,62 63,26
14 78,40
15 95,73
Tabela 6.3: Tempo omputa ional na simulação da EBP no

aso (iii).
6.5 Con lusões 171
Para o aso (iii), a e iên ia omputa ional do DQMOM também se
apresenta superior aos outros métodos. A metodologia proposta no DQMOM
integra diretamente os pesos e abs issas ao longo do tempo. Contudo, os
métodos QMOM e PPDC al ulam os pesos e abs issas a ada passo de
integração no tempo pelo algoritmo Produto-Diferença. Este último é um
mputo dispendioso e a aba por deixar a simulação mais lenta.
6.5 Con lusões
Analisando os resultados apresentados neste apítulo, veri a-se a seme-

lhança na a urá ia do QMOM e DQMOM (fato esperado devido à sua simu-
ralidade para os asos analisados) e a forte dependên ia do PPDC em relação
ao passo de tempo adotado na integração. Para todos os asos analisados, a
a urá ia do QMOM e DQMOM é superior à apresentada pelo PPDC, onde é
visível o a úmulo de erro ao longo do tempo. De fato, para diminuir o efeito
da integração numéri a na a urá ia obtida pelo PPDC, o passo de tempo
adotado deve ser muito pequeno (≃ 10−5 s). Contudo, isto aumenta muito o
usto omputa ional, inviabilizando este método para apli ações CFD. Nos
métodos QMOM e DQMOM integrados por Euler, o passo de tempo hega
à onvergên ia em torno de 10−3 s.
Veri ou-se ainda a inuên ia no aumento do número de pontos de qua-

dratura sobre a a urá ia do QMOM e DQMOM. De fato, o erro relativo
destes métodos diminui ao aumentar n. Já o PPDC não apresentou mudan-
ças signi ativas quando se utilizaram mais pontos de quadratura.
Considerando os métodos de integração no tempo avaliados, o método

das linhas implementado na DASSL se mostrou extremamente rápido e e-
az. Apesar disso, esta não é a abordagem usualmente utilizada em progra-
mas CFD, omo o OpenFOAM. Desta forma, indi o a DASSL para asos
desa oplados da uidodinâmi a.
Como sugestão para trabalhos futuros, deve-se veri ar novas possibili-

6.5 Con lusões 172
dades de integração numéri a para o PPDC de modo a minimizar o efeito
do passo de tempo sobre a performan e e a urá ia do método. Outro ponto
a ser analisado é a regra de distribuição das lhas no PPDC. Novas regras
devem ser propostas para tentar diminuir o efeito da quebra sobre a a urá ia
da solução do PPDC.
Aliando as ara terísti as de a urá ia e performan e omputa ional, o

DQMOM se mostra o método mais indi ado para o a oplamento om CFD.
Capítulo 7
Etapas do Trabalho de Tese

7.1 Objetivos e Relevân ia
A simulação de olunas de borbulhamento em regime heterogêneo é um as-

sunto muito estudado no meio a adêmi o. As propostas de modelagem do
a oplamento CFD-EBP ainda é um desao.
O desenvolvimento deste trabalho deixa para a omunidade ientí a

uma ferramenta a essível para simulação de es oamentos polidispersos. O
fato de ser desenvolvido em ódigo aberto permite ainda a futura manipula-
ção e possível aperfeiçoamento do ódigo pelos pesquisadores e usuários do
OpenFOAM.
7.2 Programação no OpenFOAM
Esta etapa é muito importante para o trabalho de tese, sendo ne essário pres-
tar extrema atenção às sintaxes de programação, à generalização do ódigo
e à e iên ia do ódigo. As etapas de implementação de ódigo propostas
no trabalho de tese estão des ritas na sequên ia.
7.2 Programação no OpenFOAM 174
7.2.1 Implementação da EBP Homogênea
A primeira etapa de implementação onsiste em montar o algoritmo bási o

para solução de uma EBP homogênea e monovariada pelo DQMOM (Mar-
hisio e Fox [2005℄) no OpenFOAM e simular asos que possuem solução
analíti a, omo os itados em M Coy e Madras [2003℄. Desta forma, é possí-
vel validar o pro edimento numéri o e a orreta implementação dos termos
referentes à quebra e agregação. Neste momento serão implementadas so-
mente funções simples, visando a reprodução da solução analíti a.
O maior desao desta etapa é a implementação onsistente do termo

fonte presente na equação do DQMOM. Ainda não existem templates para
funções de quebra e agregação no OpenFOAM e sua implementação deve ser
realizada om uidado.
7.2.2 Implementação da EBP Heterogênea
Com a solução da EBP homegênea implementada e validada, a tendên ia

natural é estendê-la ao aso heterogêneo in luindo o termo onve tivo na
EBP. A velo idade do uido deve ser onsiderada provinda de outra fonte,
omo uma equação de transporte ou mesmo onstante em todo o domínio.
Assim, todas as partí ulas seriam arreadas om a velo idade do uido, in-
dependente do tamanho.
Nesta etapa, funções de quebra e oales ên ia para asos reais devem

ser in luídos ao template implementado na etapa anterior. Um trabalho em
andamento no Laboratório de Termouidodinâmi a do PEQ/COPPE apre-
senta uma revisão ríti a sobre estes termos, om apli ações a es oamentos
polidispersos.
Este ódigo deve ser implementado de tal modo que seja simples a sua
inserção em qualquer outro solver.
7.3 Cronograma de Atividades 175
7.2.3 Implementação Multifási a (CFD-EBP)
A última etapa de implementação onsiste em in luir a solução da EBP ao

solver bifási o twoPhaseEulerFoam implementado no OpenFOAM. O pri-
meiro passo onsiste em estender o solver bifási o para tratar N fases. Um
estudo mais aprofundado sobre detalhes de algoritmo de solução e té ni as
numéri as em es oamentos multifási os ainda deve ser realizado.
A ausên ia de omentários nos ódigos fonte om informações sobre o

algoritmo de solução e sua implementação no OpenFOAM é uma falha a-
ra terísti a da grande maioria dos solvers deste pa ote CFD. Muitas vezes,
isso gera um esforço enorme por parte do usuário em aprender e manipular
os ódigos do OpenFOAM. Com o objetivo de riar uma ferramenta CFD
práti a e fa ilmente extensível a outros asos, é importante que o solver
para es oamentos polidispersos gerado por este trabalho possua omentários
e referên ias bibliográ aas sobre a estrutura do dito.
7.3 Cronograma de Atividades
Figura 7.1: Cronograma de atividades para o trabalho de teste.

Apêndi e A
Formulações e Algoritmos
A.1 Algoritmo Produto-Diferença 177
A.1 Algoritmo Produto-Diferença
O pro edimento usado para en ontrar pesos (wi ) e abs issas (ξi ) a partir
dos momentos é baseado no algoritmo Produto-Diferença (PD) proposto por
Gordon [1968℄. O primeiro passo é a onstrução da matriz P om ompo-
nentes Pi,j partindo dos momentos. Os omponentes da primeira oluna de
P estão na Eq. A.1, onde δi,1
′ é o delta de Krone ker.
′
Pi,1 = δi,1 , i = 1, . . . , 2n + 1 (A.1)
Os omponentes da segunda oluna de P estão olo ados abaixo.
Pi,2 = (−1)i−1 µi−1 , i = 1, . . . , 2n + 1 (A.2)
Assim, os omponentes restantes são obtidos pelo algoritmo PD.
Pi,j = Pi,j−1 Pi+1,j−2 − P1,j−2 Pi+1,j−1 ,

j = 3, . . . , 2n + 1, i = 1, . . . , 2n + 2 − j (A.3)
Considerando, por exemplo, n = 2 têm-se P omo

 
 1 1 µ1 µ2 − µ21 µ3 µ1 − µ22 
 
 0 −µ −µ −µ + µ µ 0 
 1 2 3 2 1 
 
(A.4)
 
P =  0 µ2 µ3 0 0 
 
 
 0 −µ 0 0 0 
 3 
 
0 0 0 0 0
Os oe ientes da fração ontinuada (ϕi ) são gerados atribuindo valor

nulo para seu primeito elemento (ϕ1 = 0) e al ulando os outros seguindo a
expressão re ursiva mostrada na Eq. A.5.
P1,i+1
ϕi = , i = 2, . . . , 2n (A.5)
P1,i P1,i−1
A.1 Algoritmo Produto-Diferença 178
Uma matriz diagonal simétri a é obtida através de operações de somas e
produtos de ϕi omo olo ado nas Eqs. A.6 e A.7, onde di e ui são respe -
tivamente a diagonal e a o-diagonal da matriz Ja obiana.
di = ϕ2i + ϕ2i−1 , i = 1, . . . , n (A.6)
e
√
ui = − ϕ2i−2 ϕ2i−1 , i = 2, . . . , n (A.7)
Uma vez determinada a matriz, a obtenção dos pesos e abs issas é feita
al ulando seus autovalores (λi ) e autovetores (ιi,j ). As relações que sa-
tisfazem a quadratura de Gordon e denem os pesos e as abs issas estão
olo ados abaixo.
ξ i = λi , i ∈ 1, . . . , n (A.8)
wi = ϕ1 ι21,i , i ∈ 1, . . . , n (A.9)
Apêndi e B
Des rição de Solvers no

OpenFOAM
B.1 Solver s alarTransportFoam
Este solver é utilizado para al ular do transporte de uma propriedade es-

alar passiva, ou seja, onsidera-se um ampo de velo idades esta ionário
onhe ido que será omo base para o transporte da propriedade es alar. A
Eq. B.1 mostra o exemplo apli ado ao transporte de uma variável genéri a
T , onde φ representa o uxo mássi o (φ = ρu) e Γ é o oe iente de difusão.
∂T
+ ∇ · (φT ) − ∇ · (Γ∇T ) = 0 (B.1)
∂t
O Código B.1 apresenta o programa fonte s alarTransportFoam.C do

solver s alarTransportFoam.
Código B.1 Solver s alarTransportFoam para o transporte de uma

variável es alar passiva.
#in lude "fvCFD.H"

B.1 Solver s alarTransportFoam 180
// * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * //
5
{
10
15
// * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * //
Info<< "\nCal ulating s alar transport\n" << endl;

# in lude "CourantNo.H" 20

{
25
# in lude "readSIMPLEControls.H"
for (int nonOrth=0; nonOrth<=nNonOrthCorr; nonOrth++)

{
solve 30
(
fvm::ddt(T)
+ fvm::div(phi, T)
− fvm::lapla ian(DT, T)
); 35
}
runTime.write();
}
40
Info<< "End\n" << endl;
return(0);
}
Após a ini ialização do ódigo om as bibliote as fvCFD.H, setRoot-

Case.H, reateTime.H e reateMesh.H (ver Cap. 5), o Código B.1 de lara
e ini ializa as variáveis de ampo de velo idade U, a variável es alar T e lê
as propriedades físi as do problema usando a bibliote a reateFields.H. O
arquivo fonte referente a este header está sendo mostrado no Código B.2.
Código B.2 Bibliote a reateFields.H para o solver

s alarTransportFoam.
Info<< "Reading field T\n" << endl;

volS alarField T
(
IOobje t 5
(
"T",
runTime.timeName(),
mesh,
),
mesh
);
15
Info<< "Reading field U\n" << endl;

volVe torField U
( 20
IOobje t
(
"U",
runTime.timeName(),
mesh, 25
),
mesh
); 30

IOdi tionary transportProperties 35
(
IOobje t
(
runTime. onstant(), 40
mesh,
IOobje t::NO WRITE
)
); 45
Info<< "Reading diffusivity D\n" << endl;

dimensionedS alar DT 50
(
transportProperties.lookup("DT")
);
# in lude " reatePhi.H" 55

Os ampos de T e U são de larados omo volS alarField e volVe tor-
Filed, respe tivamente. Apesar do ampo de velo idade ser esta ionário
neste aso, U é denido omo AUTO_WRITE para fa ilitar a visualização dos
resultados de T. Em seguida, exe uta-se o omando para leitura e denição
das propriedades físi as de transporte, que neste aso é a difusividade DT. Por
m, a bibliote a reatePhi.H realiza a leitura/ riação de um ampo es alar
phi ( surfa eS alarField) de uxo normal à superfí ie das élulas (fa es),
omo olo ado no Código B.3.
Código B.3 Bibliote a CreatePhi.H para leitura ou riação de um

ampo de uxos alo ado nas fa es das élulas.
#ifndef reatePhi H
#dene reatePhi H
// * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * //
5
Info<< "Reading/ al ulating fa e flux field phi\n" << endl;
surfa eS alarField phi
(
IOobje t 10
(
"phi",
runTime.timeName(),
mesh,
IOobje t::READ IF PRESENT, 15
),
linearInterpolate(U) & mesh.Sf ()
);
20
// * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * //
#endif
O ampo ini ial de uxo pode ser lido em arquivo, se este existir, ou
al ulado a partir do produto interno da velo idade e do vetor normal à
superfí ie da élula. Contudo, a velo idade, alo ada no entro da élula, deve
ser interpolada até a fa e da élula usando a função linearInterpolate().
Na sequên ia, se dá o iní io do laço do tempo, onde o orre a leitura dos

argumentos do método SIMPLE (que nesse aso é des onsiderado, pois não
B.2 Solver i oFoam 183
existe a oplamento de pressão velo idade) e dos parâmetros de orreção da
não ortogonalidade da malha pela bibliote a readSIMPLEControls.H. Dentro
do laço de orreção ortogonal, a equação de transporte é resolvida om o
omando solve. A saída dos resultados em arquivo é feita pelo omando
write(). Após o término do laço no tempo, o programa naliza.
B.2 Solver i oFoam
O i oFoam é utilizado na solução do es oamento laminar transiente de um

uido newtoniano laminar usando a abordagem PISO para o a oplamento
pressão velo idade. A Eq. B.3 refere-se ao problema analisado, onde φ re-
presenta o uxo mássi o (φ = u) e ν = µ/ρ é a vis osidade inemáti a.
∇·u=0 (B.2)
∂u
+ ∇ · (φu) − ∇ · (ν∇u) = −∇p (B.3)
∂t
O programa fonte do solver i oFoam está olo ado no Código B.4 abaixo.
Código B.4 Solver i oFoam.

#in lude "fvCFD.H"
// * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * //
int main(int arg , har *argv[ ℄) 5

{
# in lude " reateTime.H" 10
# in lude "initContinuityErrs.H"
// * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * // 15
Info<< "\nStarting time loop\n" << endl;

{ 20
# in lude "readPISOControls.H"
# in lude "CourantNo.H"
25
fvVe torMatrix UEqn
(
fvm::ddt(U)
+ fvm::div(phi, U)
− fvm::lapla ian(nu, U) 30
);
solve(UEqn == −fv ::grad(p));
// −−− PISO loop 35
for (int orr=0; orr<nCorr; orr++)

{
volS alarField rUA = 1.0/UEqn.A();
40
U = rUA*UEqn.H();
phi = (fv ::interpolate(U) & mesh.Sf ())
+ fv ::ddtPhiCorr(rUA, U, phi);
adjustPhi(phi, U, p); 45

{
fvS alarMatrix pEqn
( 50
fvm::lapla ian(rUA, p) == fv ::div(phi)
);
fvS alarMatrix::referen e pRef =

pEqn.setReferen e(pRefCell, pRefValue); 55
pEqn.solve();
pEqn.unsetReferen e(pRef );
if (nonOrth == nNonOrthCorr)
{ 60
phi −= pEqn.ux();
}
}
# in lude " ontinuityErrs.H" 65
U −= rUA*fv ::grad(p);
U. orre tBoundaryConditions();
}
70
runTime.write();
Info<< "Exe utionTime = "
<< " s\n\n" << endl; 75
}
Info<< "End\n" << endl;

return(0); 80
}
O arquivo reateFields.H utilizado para ler a vis osidade inemáti a nu

e os ampos ini iais de pressão p, velo idade U e realizar a leitura ou riação
do ampo de uxo phi (header reatePhi.H), é mostrado no Código B.5.
Código B.5 Bibliote a reateFields.H para o solver i oFoam.

IOdi tionary transportProperties
(
IOobje t 5
(
runTime. onstant(),
mesh,
IOobje t::NO WRITE
)
);
dimensionedS alar nu 15
(
transportProperties.lookup("nu")
);
20
Info<< "Reading field p\n" << endl;
volS alarField p
(
IOobje t
( 25
"p",
runTime.timeName(),
mesh,
IOobje t::AUTO WRITE 30
),
mesh
);
35
volVe torField U
(
IOobje t
( 40
"U",
runTime.timeName(),
mesh,
),
mesh
);
50
# in lude " reatePhi.H"
label pRefCell = 0;
s alar pRefValue = 0.0; 55
setRefCell(p, mesh.solutionDi t().subDi t("PISO"), pRefCell, pRefValue);
Após a exe ução dos omandos ontidos em reateFileds.H, o header

initContinuityErrs.H de lara e ini ializa om valor nulo a variável es alar
umulativeContErr responsável por armazenar o erro relativo da equação
da ontinuidade. Em seguida, o laço do tempo é ini iado onde a dinâmi a do
problema é resolvida. A bibliote a readPISOControls.H realiza a leitura do
número de iterações para o método de orreção de pressão-velo idade PISO
e dos parâmetros de não ortogonalidade da malha. Em seguida, o header
CourantNo.H al ula os números de Courant médio e máximo no domínio.
O próximo passo armazena o lado esquerdo da Eq. B.3 dis retizada por
volumes nitos em uma matriz UEqn ( lasse fvVe torMatrix). Ao igua-
lar UEqn ao negativo do gradiente da pressão (dis retizado expli itamente
usando a lasse fv ), a Eq. B.3 é resolvida om o omando solve e on-
siste na primeira etapa no algoritmo de a oplamento pressão e velo idade.
O OpenFOAM usa o método PISO, desenvolvido por Issa [1986℄, para pro-
blemas transientes e o SIMPLE, proposto por Patankar [1980℄, para asos
esta ionários. A metodologia teóri a destes métodos de a oplamento está
des rita em Jasak [1996℄ e detalhes sobre a formulação bási a do PISO no
OpenFOAM estão olo ados na sequên ia.
O PISO parte de uma forma dis retizada da Eq. B.3, des rita abaixo
aP uP = H(u) − ∇p (B.4)
onde o operador H(U ), des rito na Eq. B.5, engloba par elas referentes ao
transporte nas élulas vizinhas e ao termo fonte, in luindo o termo transiente
e todos os termos fonte do problema (que neste aso são nulos).
X u◦
H(u) = − aN uN + +b (B.5)
∆t
N
Note que a Eq. B.4 refere-se à primeira etapa do algoritmo PISO, re-
solvida anteriormente usando o ampo de pressão ini ial om dis retização
explí ita ( lasse fv ). A dis retização da Eq. B.2 está mostrada na Eq. B.6.
X X
∇·u= S · uf = φf (B.6)
f f
Interpolando os termos da Eq. B.4 para a fa e f do volume e substuindo-a

na Eq. B.6, hega-se a seguinte expressão para a pressão. Note que, quando
a Eq. B.7 é satisfeita, garante-se que os uxos nas fa es são onservativos.
" #
X 1 X H(u)
S· (∇p)f = S· (B.7)
aP f aP f
f f
Em um pro edimento de manipulação de equações, des rito em Jasak

[1996℄, hega-se à expressão para orrigir os uxos nas fa es dos volumes em
função do ampo de pressão, omo olo ado na Eq. B.8.
" #
H(u) 1
(φ)f = S · − (∇p)f (B.8)
aP f aP f
O algoritmo PISO é exe utado de forma sequen ial, onde ada etapa está
des rita nos passos abaixo.
I Resolve a Eq. B.4 para a velo idade no entro dos volumes. Note
que o ampo de pressão da iteração orrente não é onhe ido, sendo
usado o ampo de pressão da iteração anterior para al ular um valor
aproximado para u. Esta etapa é hamada de Predição de momentum.
II Cál ulo do operador H(u) om o valor de u predito no passo I, para

obtenção de um novo ampo de pressão pela Eq. B.7.
B.3 Solver turbFoam 188
III Correção explí ita dos uxos nas fa es usando Eq. B.8.
Após al ular uma aproximação para o ampo de velo idade no primeiro

passo, os passos II e III se repetem até que uma tolerân ia entre as variáveis
seja atingida. O OpenFOAM pede que o usuário forneça o número de itera-
ções entre os dois últimos passos. Esse pro edimento está des rito entre as
linhas 37 e 69 do Código B.4 e é usado na grande maioria dos solvers. Deta-
lhes sobre a programação das lasses podem ser obtidos dentros dos arquivos
fontes do OpenFOAM.
Após a etapa de orreção dos pers de velo idade e pressão, os resultados

são es ritos em arquivo. O pro edimento de solução é repetido até o m da
simulação.
B.3 Solver turbFoam
Este solver é indi ado para resolver o es oamento turbulento transiente in-
ompressível usando o método PISO para orreção de pressão e velo idade. A
modelagem de turbulên ia no turbFoam é baseada na Equação de Reynolds
Médio (Wil ox [1994℄) para deduzir o tensor de tensão vis osa R, olo ado
na Eq. B.9.
∂u
+ ∇ · (φu) + ∇ · (R) = −∇p (B.9)
∂t
O tensor de tensão vis osa é denido na Eq. B.10, onde νturb é a vis o-
sidade turbulenta.
2 h i
R = kI − νturb ∇u + (∇u)T (B.10)
3
Para in orporar o tensor a ima à Eq. B.9, é ne essário antes realizar uma
operação de divergên ia em R. O primeiro termo da Eq. B.10 é in orporado
à pressão e não será onsiderado na operação des rita abaixo, onde νef f =
ν + νturb .
h i
∇ · (R) = −∇ · [∇ (νef f u)] − ∇ · νef f (∇u)T
h i
= −∇2 (νef f u) − ∇ · νef f (∇u)T (B.11)
Nota-se pela Eq. B.11 que a úni a in ógnita a ser al ulada é a vis osi-
dade turbulenta. O turbFoam utiliza modelos de duas equações para al ular
a vis osidade turbulenta. Sendo mais espe í o o OpenFOAM possui a im-
plementação de muitas variações do modelo k−ǫ, in lusive o equa ionamento
lássi o de Launder e Spalding [1974℄. O modelo k − ǫ onsidera a taxa de
dissipação turbulenta ǫ e a energia inéti a k omo quantidades que afetam
o es oamento e forne em uma maneira de predizer νturb . Tomando omo
exemplo o modelo k − ǫ lássi o, temos as seguintes equações que, a opladas
à Eq. B.9, são usadas para al ular o es oamento turbulento.
k2
νturb = Cµ (B.12)
ǫ
∂ǫ ǫ h i ǫ2
+ u · (∇ǫ) = Cǫ1 2νturb ∇u ∇u + (∇u)T − Cǫ2 + ∇2 (Dǫef f ǫ) (B.13)
∂t k k
∂k h i
+ u · (∇k) = 2νturb ∇u ∇u + (∇u)T − ǫ + ∇2 (Dkef f k) (B.14)
∂t
Nas Eqs. B.12, B.13 e B.14, Cµ , Cǫ1 e Cǫ2 são onstantes de fe hamento
do modelo e Dǫef f e Dkef f são parâmetros do modelo que envolvem a vis o-
sidade turbulenta. Com um algoritmo apropriado para resolver este sistema
de equações, resolve-se o es oamento turbulento. Maiores detalhes sobre tur-
bulên ia e sua modelagem podem ser en ontrados em Tennekes et al. [1972℄
e Wil ox [1994℄.
A implementação para o es oamento turbulento utilizando o modelo de

duas equações k − ǫ é des rito no Código B.6.
Código B.6 Solver turbFoam.

#in lude "fvCFD.H"
#in lude "in ompressible/singlePhaseTransportModel/singlePhaseTransportModel.H"
#in lude "in ompressible/turbulen eModel/turbulen eModel.H"
// * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * // 5

{
# in lude "setRootCase.H" 10

# in lude "initContinuityErrs.H" 15
// * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * //
Info<< "\nStarting time loop\n" << endl;

20
{
# in lude "readPISOControls.H" 25
# in lude "CourantNo.H"
// Pressure−velo ity PISO orre tor

{
// Momentum predi tor 30
fvVe torMatrix UEqn

(
fvm::ddt(U)
+ fvm::div(phi, U) 35
+ turbulen e−>divR(U)
);
solve(UEqn == −fv ::grad(p));

40
// −−− PISO loop
for (int orr=0; orr<nCorr; orr++)

{
volS alarField rUA = 1.0/ UEqn.A(); 45
U = rUA*UEqn.H();
phi = (fv ::interpolate(U) & mesh.Sf ())
+ fv ::ddtPhiCorr(rUA, U, phi);
50
adjustPhi(phi, U, p);
// Non−orthogonal pressure orre tor loop
{ 55
// Pressure orre tor
fvS alarMatrix pEqn
(
fvm::lapla ian(rUA, p) == fv ::div(phi) 60
);
fvS alarMatrix::referen e pRef =
pEqn.setReferen e(pRefCell, pRefValue);
pEqn.solve(); 65
pEqn.unsetReferen e(pRef );
if (nonOrth == nNonOrthCorr)
{
phi −= pEqn.ux(); 70
}
}
# in lude " ontinuityErrs.H"

75
U −= rUA*fv ::grad(p);
U. orre tBoundaryConditions();
}
}
80
turbulen e−> orre t();
runTime.write();
Info<< "Exe utionTime = " 85
<< " s\n\n" << endl;
}
Info<< "End\n" << endl; 90
return(0);
}
Note que, além da bibliote a padrão fvCFD.H, singlePhaseTransportMo-

del.H e turbulen eModel.H também são de laradas no iní io do Código B.6,
indi adas pelo aminho ompleto na estrutura de diretórios do OpenFOAM.
A primeira bibliote a dene o modelo de transporte om base na vis osidade,
usado em solvers in ompressíveis e om uma úni a fase, omo simpleFoam,
turbFoam, et . A in lusão do header turbulen eModel.H permite o a esso
à bibliote a que dene dinami amente o modelo de turbulên ia usado na
simulação. Os omandos ontidos no arquivo reateFields.H ini ializam os
ampos no solver turbFoam.
Código B.7 Bibliote a reateFields.H para o solver turbFoam.

Info<< "Reading field p\n" << endl;
volS alarField p
(
IOobje t 5
(
"p",
runTime.timeName(),
mesh,
),
mesh
);
15
volVe torField U
(
IOobje t
( 20
"U",
runTime.timeName(),
mesh,
),
mesh
);
# in lude " reatePhi.H" 30
label pRefCell = 0;
s alar pRefValue = 0.0;
setRefCell(p, mesh.solutionDi t().subDi t("PISO"), pRefCell, pRefValue); 35
singlePhaseTransportModel laminarTransport(U, phi);

autoPtr<turbulen eModel> turbulen e 40
(
turbulen eModel::New(U, phi, laminarTransport)
);
Em primeiro lugar, os ampos de pressão, velo idade e uxo sobre as fa es

são riados e dene-se o valor da pressão de referên ia e o volume na malha
onde a última se en ontra. Em seguida, ria-se a variável laminarTransport,
pela lassesinglePhaseTransportModel, usada para retornar o valor da
vis osidade laminar. A variável turbulen e, de larada pela lasse turbu-
len eModel alo ada dinami amente e onstruída a partir do ampo de velo-
idade, uxo e o modelo de transporte denido pelo usuário. Com isso, o orre
a leitura de todos os oe ientes e parâmetros do modelo e retorna a referên-
ia ao modelo de turbulên ia sele ionado no arquivo turbulen eProperties
lo alizado no diretório onstant do aso analisado.
No interior do laço de tempo, dene-se UEqn ( lasse fvVe torMatrix)
que in lui um termo para o tensor de tensão vis osa. Note que até o presente
momento, a vis osidade turbulenta não foi al ulada e portanto para a pri-
meira iteração do laço de tempo νturb = 0. Na sequên ia, UEqn igualada ao
gradiente de pressão é resolvida e hega-se ao algoritmo PISO de orreção de
pressão velo idade (idênti o ao des rito na Seção B.2). Após essa etapa, o
omando turbulen e-> orre t al ula as equações sele ionadas para tur-
bulên ia (para k − ǫ por exemplo) e obtêm a vis osidade turbulenta, usada
para al ular o tensor tensão R na próxima iteração do tempo. Os resultados
são es itos em arquivo e este pro edimento é repetido até o m da simulação.
Referên ias Bibliográ as
Adler, P., 1981. Hetero oagulation in shear ow. Journal of Colloid and
Interfa e S ien e 83, 106.
Alexpoulos, A., Kissiparides, C., 2005. Part II: Dynami evolution of the
parti le size distribution in parti ulate pro esses unergoing parti le nu le-
ation, growth and aggregation. Chemi al Engineering S ien e 60, 4157.
Alexpoulos, A., Roussos, A., Kissiparides, C., 2004. Part I: Dynami evo-
lution of the parti le size distribution in parti ulate pro esses unergoing
parti le growth and aggregation. Chemi al Engineering S ien e 59, 5751.
Allen, H., 1900. The motion of a sphere in a vis ous uid. Em: Philosophi al
Magazine. p. 519.
Araújo, J., 2006. Estudo dos modelos de quebra e oales ên ia para es oa-
mentos polidispersos. Dissertação de Mestrado, Universidade Federal do
Rio de Janeiro, PEQ/COPPE, Brasil, RJ.
Aris, R., 1962. Ve tors, Tensors, and the Basi Equations of Fluid Me hani s.
Prenti e-Hall, Englewood Clis, N.J.
Attarakih, M., Bart, H., Faqir, N., 2003. Optimal moving and xed grids for
the solution of the dis retized populations balan e in bat h and ontinuous
systems: droplet breakage. Chemi al Engineering S ien e 58, 1251.
Auton, T., 1987. The lift for e on a spheri al body in a rotational ow.
Journal of Fluid Me hani s 183, 199.
REFERÊNCIAS BIBLIOGRÁFICAS 195
B. T. Smith, B., Boyle, J., Dongarra, J., Garbow, B., Ikebe, Y., Klema,
V., Moler, C., 1976. Matrix Eigen-system Routines EISPACK Guide.
Springer-Verlag.
Barrett, J., Jheeta, J., 1996. Improving the a ura y of the moments method
for solving the aeorosol general dynami equation. Journal of Aerosol S i-
en e 27 (8), 1135.
Batterham, R., Hall, J., Barton, G., 1981. Pelletizing kineti s and simulation
of full-s ale balling ir uits. 3rd International Symposium on Agglomera-
tion, Nünberg, Federal Republi of Germany, p. A136.
Bauer, M., Eigenberger, G., 2001. Multis ale modeling of hydrodynami s,

mass transfer and rea tion in bubble olumn rea tors. Chemi al Enginee-
ring S ien e 56, 1067.
Be h, K., 2005. Dynami simulation of 2d bubble olumn. Chemi al Engine-

ering S ien e 60 (19), 5294.
Be ker, S., Sokoli hin, A., Eigenberger, G., 1994. Gas-liquid ow in bubble
olumns and loop rea tors: Part II. omparison of detailed experiments
and ow simulations. Chemi al Engineering S ien e 49 (24B), 5747.
Behzadi, A., Issa, R., Rus he, H., 2004. Modelling of dispersed bubble and
droplet ow at high phase fra tions. CES 59 (4), 759.
Bel F'dhila, R., Masbernat, L., Suzanne, C., 1991. Measurements in two-
phase bubbly ows in omplex geometries. Em: Phase-Interfa e Pheno-
mena in Multi[hase Flow. Hemisphere Publ. Corp., Washington, p. 245.
Bertola, F., Vanno, M., Baldi, G., 2003. Appli ation of omputational uid
dynami s to multiphase ow in bubble olumns. International Journal of
Chemi al rea tor Engineering 1, A3.
Bhatia, S., Chakraborty, D., 1992. Modied MWR approa h: appli ation to
agglomerative pre iptation. A.I.Ch.E. Journal 38 (6), 868.
Bird, R., Stewart, W., Lightfoot, E., 1960. Transport Phenomena. John
Wiley & Sons In ., New York\Chi hester\Brisbane\Toronto\Singapore.
Boivin, M., Simonin, O., Squires, K. D., 1998. Dire t numeri al simulation
of turbulen e modulation by parti les in isotropi turbulen e. Journal of
Fluid Me hani s 375, 235.
Bor hers, O., Bus h, C., Sokoli hin, A., Eigenberger, G., 1999. Bubble o-
lumn rea tors - appli ability of the standard k − ǫ turbulen e model to the
dynami simulation of bubble olumns: Part II. Comparison of detailed
experiments and ow simulations. Chemi al Engineering S ien e 54, 5927.
Boussinesq, J., 1877. Théorie de l'é oulement tourbillant. Mem. par. div.
Sav., 23, Paris.
Bove, S., 2005. Computational uid dynami s of gas-liquid ows in luding

bubble population balan es. Tese de Doutorado, Esbjerg Institute of En-
gineering.
Bove, S., Solberg, T., Hjertager, B., 2004. Numeri al aspe ts of bubble o-
lumn simulations. IJCRE 2 (A1), 1.
Bove, S., Solberg, T., Hjertager, B. H., 2005. A novel algorithm for solving
population balan e equations: The parallel parent and daughter lasses.
Derivation, analysis and testing. Chemi al Engineering S ien e 60, 1449.
Brauer, H., 1979. Turbulenz in mehrphasigen strömungen. Chemie Ingenieur

Te hnik 51, 934.
Brennen, C., 2005. Fundamentals of Multiphase Flow, 1a Edição. Cambridge

University Press.
Buwa, V., Ranade, V., 2002. Dynami s of gas-liquid ow in a re tangu-

lar bubble olumn: experiments and single/multi-group CFD simulations.
Chemi al Engineering S ien e 57 (22-23), 4715.
Camarasa, E., Vial, C., Pon in, S., Wild, G., Midoux, N., Bouillard, J., 1999.
Inuen e of oales en e behaviour of the liquid and of gas sparging on
hydrodynami s and bubble hara teristi s in a bubble olumn. Chemi al
Engineering and Pro essing 38 (4-6), 329.
Campbell, G., Bunn, P., Webb, C., Hook, S., 2001. On predi ting roller
milling performan e part II: the breakage equation. Powder Te hnology
115, 243.
Campbell, G., Webb, C., 2001. On predi ting roller milling performan e part
I: the breakage equation. Powder Te hnology 115, 234.
Cartland Glover, G., Generalis, S., 2004. The modelling of buoyan y driven
ow in bubble olumns 43, 101.
Celik, I., Wang, Y., 1994. Numeri al simulation of ir ulation in gas-liquid

olumn rea tors: isothermal, bubbly, laminar ow. International Journal
of Multiphase Flow 20 (6), 1053.
Chen, J., Kemoun, A., Al-Dahhan, M., Dudukovi , M., Lee, D., Fan,
L., 1999a. Comparative hydrodynami s study in a bubble olumn using
omputer-automated radioa tive parti le tra king ( arpt)/ omputer to-
mography ( t) and parti le image velo imetry (piv). CES 54, 2199.
Chen, J., Li, F., Degaleesan, S., Gupta, P., Al-Dahhan, M., Dudukovi , M.,
1999b. Fluid dynami s parameters in buble olumns with internals. CES
54 (13-14), 2187.
Chen, P., Dudukovi¢, M., Sanyal, J., 2005a. Three-dimensional simulation

of bubble olumn ows with bubble oales en e and breakup. A.I.Ch.E.
Journal 51 (3), 696.
Chen, P., Sanyal, J., Dudukovi¢, M., 2004. CFD modeling of bubble olumns
ows: Implementation of population balan e. Chemi al Engineering S i-
en e 59, 5201.
Chen, P., Sanyal, J., Dudukovi¢, M., 2005b. Numeri al simulation of bub-
ble olumns ows: Ee t of dierent breakup and oales en e losures.
Chemi al Engineering S ien e 60, 1085.
Chen, R., Reese, J., Fan, L., 1994. Flow stru ture in a three-dimensional
bubble olumn and three-phase uidized bed. A.I.Ch.E. Journal 40 (7),
1093.
Clift, R., Gra e, J., Weber, M., 1978. Bubbles, Drops and Parti les. A ade-
mi Press, New York\San Fransis o\London.
Collins, R., 1967. The ee t of onteining ylindri al boundary on the ve-
lo ity of a large gas bubble in a liquid. Journal of Fluid Me hani s 28,
97.
Coulaloglou, C., Tavlarides, L., 1977. Des ription of intera tion pro esses in
agited liquid-liquid dispersions. Chemi al Engineering S ien e 32, 1289.
Cox, R., Mason, S., 1971. Suspended parti les in uid ow through tubes.
Ana. Rev. Fluid Me h. 3, 291.
Crowe, C., Sommerfeld, M., Tsuji, Y., 1998. Multiphase Flows with Droplets
and Parti les. CRC Press.
Das, P., 1996. Monte arlo simulation of drop breakage on the basis of drop
volume. Computers & Chemi al Engineering 20 (3), 307.
Davies, R., Taylor, G., 1950. The me hani s of large bubbles rising through
extended liquids and through liquids in tubes. Pro eedings of the Royal
So iety of London A200, 375.
Davis, H., 1989. On the statisti s of ramdomly broken obje ts. Chemi al
Engineering S ien e 44 (9), 1799.
De kwer, W., 1992. Bubble Column Rea tors, 2a Edição. John Wiley & Sons
LTD.
Deen, N., Hjertager, B., Solberg, T., 2000a. Comparison of PIV and LDA
measurement methods applied to the gas-liquid ow in bubble olumn.
Em: 10th Int. Symp. on Appl. of Laser Te hniques to Fluid Me hani s.
Deen, N., Solberg, T., Hjertager, B., 2000b. Numeri al simulation of the gas-
liquid ow in a square ross-se tioned bubble olumn. Em: CHISA 14th
Int. Congress of Chemi al and Pro ess Engineering.
Deen, N., Solberg, T., Hjertager, B., 2001. Large eddy simulation of the
gas-liquid ow in a square ross-se tioned bubble olumn. Chemi al Engi-
neering S ien e 56, 6341.
Degaleesan, S., Dudukovi , M., Pan, Y., 2001. Experimental study of gas-
indu ed liquid-ow stru tures in bubble olumns. A.I.Ch.E. Journal 47,
1913.
Delnoij, E., Kuipers, J., van Swaaij, W., 1999. A three-dimensional CFD
model for gas-liquid bubble olumns. Chemi al Engineering S ien e 54,
2217.
Delnoij, E., Lammers, F., Kuipers, J., van Swaaij, W., 1997. Dynami si-
mulation of dispersed gas-liquid two-phase ow using a dis rete bubble
model. Chemi al Engineering S ien e 52 (9), 1429.
Devanathan, N.and Dudukovi , M., Lapin, A., e Lübbert, A., 1995. Chaoti
ow in bubble olumn rea tors. Chemi al Engineering S ien e 50, 2661.
Devanathan, N., Moslemian, D., Dudukovi , M., 1990. Flow mapping in

bubble olumns using CARPT. Chemi al Engineering S ien e 45, 2285.
Diamantaras, K., Kung, S., 1996. Prin ipal omponent neural networks:
Theory and appli ations. Wiley.
Diemer, R., Olson, J., 2002. A moment methodology for oagulation and bre-
akage problems: Part 1 analyti al solution of the steady-state population
balan e. Chemi al Engineering S ien e 57, 2193.
Dopazo, C., 1977. On onditional avarages for intermittent turbulent ows.

Journal of Fluid Me hani s 81 (3), 433.
Drew, D., 1983. Mathemati al modeling of two-phase ow. Em: Annual

Review of Fluid Me hani s. Vol. 15. p. 261.
Drew, D., Lahey, R., 1990. Some supplemental analysis on erning the vir-
tual mass and lift for e on a sphere in a rotating and straining ow. Inter-
national Journal of Multiphase Flow 16, 1127.
Drew, D., Passman, S., 1998. Theory of Multi omponent Fluids, 1a Edição.
Springer.
Druzhinin, O. A., Elghobashi, S. E., 1999. A lagrangian-eulerian mapping

solver for dire t numeri al simulation of bubble-laden turbulent shear ows
using the two-uid formulation. Journal of Computational Physi s 154 (1),
174.
Eibe k, A., Wagner, W., 2000. Approximative solution of the oagulation-

fragmentation equation by sto hasti parti le systems. Sto hasti Analysis
and Appli ations 18 (6), 921.
Ekambara, K., Dhotre, M., Joshi, J., 2005. CFD simulations of bubble olumn
rea tors: 1d, 2d and 3d approa h. Chemi al Engineering S ien e 60 (23),
6733.
Elghobashi, S., Abou-Arab, T., 1983. A two-equation turbulen e model for

two-phase ows. Physi s of Fluids 26 (4), 931.
Ellenberger, J., Krishna, R., 1994. A unied approa h to the s ale up of

gas-solid uidized and gas-liquid bubble olumn rea tors. Chemi al Engi-
neering S ien e 49, 5391.
Enwald, H., Peirano, E., Almstedt, A.-E., 1996. Eulerian two-phase ow
theory applied to uidization. International Journal of Multiphase Flow
22 (Supp. 1), 21.
Eyre, D., Wright, C., Reuter, G., 1988. Spline- ollo ation with adaptative
mesh grading for solving the stho asti ole tion equations. Journal of
Computational Physi s 78, 288.
Fan, R., Mar hisio, D., Fox, R., 2004. Appli ation of the dire t quadrature
method of moments to polydisperse gas-solid uidized beds. Powder Te-
hnology 139, 7.
Ferziger, J., Pèri , M., 1997. Computational Methods for Fluid Dynami s.
Springer Verlag.
Ford, B., Loth, E., 1998. For es on ellipsoidal bubbles in a turbulent shear
layer. Physi s of Fluids 10 (1), 178.
Fox, R., 2003. Computational models for turbulent rea ting ows. Cambridge
University Press.
Friedlander, S., 1977. Smoke, Dust and Haze. John Wiley & Sons In .
Gelbard, F., Seineld, J., 1978. Numeri al solution of the dynami equation
for parti ulate systems. Journal of Computational Physi s 28, 357.
Gelbard, F., Tambour, Y., Seineld, J., 1980. Se tional representations for
simulating aerosols dynami s. Journal of Colloid and Interfa e S ien e 76,
541.
Gidaspow, D., 1994. Multiphase ow and uidisation: Continuum and Ki-
neti Theory Des riptions. A ademi Press.
Goettlieb, D., Orszag, S., 1977. Numeri al Analysis of Spe tral Methods:
Theory and Appli ations. SIAM, Philadelphia.
Goodson, M., Kraft, M., 2004. Simulation of oales en e and breakage: an

assessment of two sto hasti methods suitable for simulating liquid-liquid
extra tion. Chemi al Engineering S ien e 59, 3865.
Gordon, R., 1968. Error bounds in equilibrium statisti al me hani s. Journal

of Mathemati al Physi s 9 (5), 655.
Gosman, A., Issa, R., Lekakou, C., Looney, M., Politis, S., 1992. Multidimen-
sional modelling of turbulent two-phase ows in stirred vessels. Ameri an
Institute of Chemi al Engineers Journal 38 (12), 1946.
Grevskott, S., Sannæs, B., Dudukovi , M., Hjarbo, K., Svendsen, H., 1996.
Liquid ir ulation, bubble size distributions, and solid movement in two-
and three-phase bubble olumns. Chemi al Engineering S ien e 51, 1703.
Grienberger, J., Hofmann, H., 1992. Investigation and modelling of bubble

olumns. Chemi al Engineering S ien e 47, 2215.
Harmathy, T., 1960. Velo ity of large drops and bubbles in media of innite
or restri ted extent. A.I.Ch.E. Journal 6, 281.
Harper, W., 1936. An exa t theory of oagulations of sheri al parti les arising
from thermal agitation. Transa tions on Faraday So iety 32, 1139.
Hill, P., Ng, K., 1995. New dis retization pro edure for the breakage equa-
tion. A.I.Ch.E. Journal 41 (5), 1204.
Hillmer, G., Weismantel, L., Hofmann, H., 1994. Investigations and model-
ling of slurry bubble olumns. Chemi al Engineering S ien e 49, 837.
Hinze, J., 1955. Fundamentals of the hydrodynami me hanism of splitting

in dispersions pro esses. A.I.Ch.E. Journal 1 (3), 289.
Hounslow, M., Ryall, R., Marshall, V., 1988. A dis rete population balan e
for nu leation, growth and aggregation. A.I.Ch.E. Journal 34 (11), 1821.
Howart, W., 1967. Coales en e of drops in turbulent ow eld. Chemi al

Engineering S ien e 19, 33.
Hu, Q., Rohani, S., Jutan, A., 2005. New numeri al method for solving
the dynami population balan e equation. Pro ess Systems Engineering
51 (11), 3000.
Huang, W., Ren, Y., Russell, R., 1994. Moving mesh methods based on
moving partial dierential equations. Journal of Computational Physi s
113, 279.
Hulburt, H., Katz, S., 1964. Some problems in parti le te hnology. A statis-
ti al me hani al formulation. Chemi al Engineering S ien e 19, 555.
Issa, R., 1986. Solution of the impli it dis retized uid ow equations by
operator splitting. Journal of Computational Physi s 62, 40.
Ja kobsen, H., Svendsen, H., Hjarbo, K., 1993. Analogous des ription of gas-
solid uidized beds and bubble olumns. Chemi al Engineering Journal 53,
89.
Jakobsen, H., Sannæs, B., Grevskott, S., Svendsen, H., 1997. Modeling of
bubble driven verti al ows. Industrial Chemi al Engineering Resear h 36,
4052.
Jasak, H., 1996. Error analysis and estimation for the nite volume method
with appli ations to uid ows. Tese de Doutorado, Imperial College of
S ien e, Te hnology and Medi ine.
Jasak, H., Weller, H., Nordin, N., 2004. In- ylinder CFD simulation using
a C++ obje t-oriented toolkit. Paper number 2004-01-0110. SAE World
Congress, Detroit.
Johnson, R., Wi hern, D., 1992. Applied multivariate statisti al analysis.

Prenti e-Hall.
Joshi, J., 2001. Computational ow modelling and design of bubble olumn
rea tors. Chemi al Engineering S ien e 56 (21-22), 5893.
Jourdain, B., 2003. Nonlinear pro esses asso iated with the dis rete smolus-
howski oagulation fragmentation equation. Markov Pro esses and Rela-
ted Fields 9 (1), 103.
Karypis, G., Kumar, V., 1998a. Multilevel algorithms for multi- onstraint
graph partitioning. Rel. té ., Universidade de Minnesota.
Karypis, G., Kumar, V., 1998b. Multilevel k-way partitioning s heme for
irregular graphs. Journal of Parallel and Distributed Computing 48 (1),
96.
Kataoka, I., Seriwaza, A., 1989. Basi equations of turbulen e in gas-liquid

two phase ow. International Journal of Multiphase Flow 15 (5), 843.
Kendall, D., 1949. Sto hasti pro esses and population growth. Journal of
the Royal Statisti al So iety Series B 11, 230.
Kent, J., Honnery, D., 1987. Soot and mixture fra tion in turbulent diusion
ames. Combustion S ien e and Te hnology 54, 383.
Kostoglou, M., Karabelas, A., 1994. Evaluation of zero order methods for
simulating parti le oagulation. Journal of Colloid and Interfa e S ien e
163, 420.
Krepper, E., Lu as, D., Prasser, H., 2005. On the modelling of bubbly ow
in verti al pipes. Nu lear Engineering and Design 235 (8), 597.
Krishna, R., de Swart, J., Ellenberg, J., Martina, G., Maretto, C., 1997. Gas
hold-up in slurry bubble olumns. A.I.Ch.E. Journal 43, 311.
Krishna, R., Ellenberg, J., Sie, S., 1996. Rea tor development for onversion
of natural gas to liquid fuels: A s ale-up strategy relying on the hydrody-
nami s analogies. Chemi al Engineering S ien e 51 (10), 2041.
Krishna, R., Ellenberger, J., 1996. Gas hold-up in bubble olumn rea tors
operating the hurn-turbulent ow regime. A.I.Ch.E. Journal 42, 2627.
Krishna, R., Ellenberger, J., Hennephof, D., 1993. Analogous des ription of
gas-solid uidized beds and bubble olumns. Chemi al Engineering Jour-
nal 53, 89.
Krishna, R., Urseanu, M., van Baten, J., Ellenberger, J., 1999a. Inuen e os
s ale of hydrodynami s of bubble olumns operating in the hurn-turbu-
lent regime: Experiments vs. Eulerian simulations. Chemi al Engineering
S ien e 54 (2), 4903.
Krishna, R., Urseanu, M., van Baten, J., Ellenberger, J., 1999b. Rise velo-
ity of a swarm of large bubbles in liquids. Chemi al Engineering S ien e
54 (21), 171.
Krishna, R., van Baten, J., 2001. Eulerian simulations of bubble olumns
operating at elevated pressures in the hurn-turbulent ow regime. Che-
mi al Engineering S ien e 56, 6249.
Krishna, R., van Baten, J., Urseanu, M., 2000. Three-phase eulerian simu-
lations of bubble olumns rea tors operating in the hurn-turbulent ow
regime. Chemi al Engineering Journal 78, 43.
Kulkarni, A., 2003. Transport phenomena and non-linear dynami s in mul-

tiphase systems. Tese de Doutorado, University of Mumbai.
Kumar, S., Moslemian, D., Dudukovi , M., 1997. Gas-holdup measurements

in bubble olumns using omputed tomography. A.I.Ch.E. Journal 43 (6),
1414.
Kumar, S., Ramkrishna, D., 1996a. On the solution of population balan e

equations by dis retization - I. A xed pivot te hnique. Chemi al Engine-
ering S ien e 51 (8), 1311.
Kumar, S., Ramkrishna, D., 1996b. On the solution of population balan e
equations by dis retization - II. A moving pivot te hnique. Chemi al En-
gineering S ien e 51 (8), 1333.
Kurul, N., Podowski, M., 1990. Multi-dimensional ee ts in sub- ooled boi-
ling. Em: Pro eedings of the 9th Heat Transfer Conferen e.
Kusters, K., 1991. The inuen e of turbulen e on aggregation of small par-

ti les in agitated vessels. Tese de Doutorado, University of Eindhoven.
Lage, P., 2002. Comments on the An analyti al solution to the population
balan e equation with oales en e and breakage the spe ial ase with
onstant number of parti les by D.P. Patil and J.R.G. Andrews [Chemi-
al Engineering S ien e 53(3) 599601℄. Chemi al Engineering S ien e 57,
4253.
Lage, P., 2006. The quadrature method of moments for ontinuous ther-
modynami s. Computers & Chemi al EngineeringNo prelo.
Lan e, M., Baraille, J., 1991. Turbulen e in the liquid phase of a uniform
bubbly air-water ow model for bubbly two-phase ow. Journal of Fluid
Me hani s 222, 95.
Lan e, M., Marié, J., Moursali, E., Bataile, J., Suzanne, C., Roig, V.,
Bel F'dhila, R., Masbernat, L., 1996. Experimental study of turbulent
bubbly shear ows. CEC 141-142, 51.
Lapin, A., Lübbert, A., 1994. Numeri al simulations of the dynami s of two-
phase gas-liquid ows in bubble olumns. Chemi al Engineering S ien e
49, 3661.
Lapin, A., Maul, C., Lübbert, A., 2001. Industrial-s ale bubble olumn rea -
tors: gas-liquid ow and hemi al rea tion. Chemi al Engineering S ien e
56, 239.
Launder, B. E., Spalding, D., 1974. The numeri al omputation of turbulent

ows. Computational Methods Applied Me hani s and Engineering 3, 269.
Lee, G., Yoon, E., Lim, Y., Lann, J., Meyer, X., Joulia, X., 2001. Adaptative
mesh method for the simulation of rystallization pro esses in luding aglo-
meration and breakage: the potassium sulfate system. Industrial Chemi al
Engineering Resear h 40, 6228.
Legendre, D., Magnaudet, J., 1997. A note on the lift for e on a bubble or a
drop in a low-reynolds number shear ow. Physi s of Fluids 9, 3572.
Legendre, D., Magnaudet, J., 1998. The lift for e on a spheri al bubble in a
linear shear ow. Journal of Fluid Me hani s 368, 81.
Li, C., Mosyak, A., Hetsroni, G., 1999. Dire t numeri al simulation of
parti le-turbulen e intera tion. International Journal of Multiphase Flow
25 (2), 187.
Lister, J., Smit, D., Hounslow, M., 1995. Adjustable dis retized population
balan e for growth and aggregation. A.I.Ch.E. Journal 41 (3), 591.
Liu, L., Litster, J., Iveson, S., Ennis, B., 2000. Coales en e of deformable
granules in wet granulation pro esses. A.I.Ch.E. Journal 46 (3), 529.
Liu, Y., Cameron, I., 2001. A new wavelet-based method for the solution of
the population balan e equation. Chemi al Engineering S ien e 56, 5283.
Lo, S., 1996. Appli ation of population balan e to CFD modelling of bubbly
ow via the MUSIG model. Rel. Té . AEAT-1096, AEA Te hnology.
Löhner, R., 2001. Applied CFD Te hniques - An Introdu tion based on Finite
Element Methods. John Wiley & Sons.
Lopez de Bertodano, M., Lahey, R., Jones, O., 1994. Development of a k − ǫ

model for bubbly two-phase ow. Journal of Fluids Engineering 116, 128.
Loth, E., 2000. Numeri al approa hes for motion of dispaersed parti les,
droplets and bubbles. Progress in Energy and Combustion S ien e 26,
161.
Lu as, D., Prasser, H., Manera, A., 2005. Inuen e of the lift for e on the
stability of a bubble olumn. Chemi al Engineering S ien e 60 (13), 3609.
Luo, H., 1993. Coales en e, breakup and liquid ir ulation in bubble olumn
rea tors. Tese de Doutorado, Norwegian Institute of Te hnology.
Luo, H., Svendsen, H., 1996. Theoreti al model for drop and bubble breakup
in turbulent dispersions. A.I.Ch.E. Journal 42 (5), 1225.
Mahoney, A., Ramkrishna, D., 2002. E ient solution of population balan e

equations with des ontinuities by nite elements. Chemi al Engineering
S ien e 57, 1107.
Malan, A. G., Lewis, R. W., 2004. On the development of high-performan e

C++ obje t-oriented ode with appli ation to an expli it edge-based uid
dynami s s heme. Computers & Fluids 33 (10), 1291.
Maliska, C., 2004. Transferên ia de Calor e Me âni a dos Fluidos Computa-

ional. LTC.
Manninen, M., Taivassalo, V., Kallio, S., 1996. On the mixture model for
multiphase ow. VTT Publi ations.
Mar hal, P., David, R., Klein, J., Villermaux, J., 1988. Cristallization and
pre iptation engineering I. An e ient method for solving population
balan e in ristallization with agglomeration. Chemi al Engineering S i-
en e 43, 59.
Mar hisio, D., Fox, R., 2005. Solution of population balan e equations using
the dire t method of moments. Journal of Aerosol S ien e 36, 43.
Mar hisio, D., Vigil, R., Fox, R., 2003a. Implementation of the quadrature
method of moments in CFD odes for aggregation-breakage problems. Che-
mi al Engineering S ien e 58, 3337.
Mar hisio, D., Vigil, R., Fox, R., 2003b. Quadrature method of moments for
aggregation-breakage pro esses. Journal of Colloid and Interfa e S ien e
258, 322.
Martínez-Bazán, C., Montañéz, J., Lasheras, J., 1999a. On the breakup of an

air bubble inje ted into a fully developed turbulent ow. Part 1: breakup
frequen y. Journal of Fluid Me hani s 401, 157.
Martínez-Bazán, C., Montañéz, J., Lasheras, J., 1999b. On the breakup of
an air bubble inje ted into a fully developed turbulent ow. Part 2: size
PDF of the resulting daughter bubbles. Journal of Fluid Me hani s 401,
183.
M Coy, B., Madras, G., 2003. Analyti al solution for a population balan e
equation with aggregation and fragmentation. Chemi al Engineering S i-
en e 58, 3049.
M Graw, R., 1997. Des ription of aerosol dynami s by the quadrature

method of moments. Aerosol S ien e and Te hnology 27, 255.
M Graw, R., Saunders, J., 1984. A ondensation feedba k me hanism for

os ilatory nu leation and growth. Aerosol S ien e and Te hnology 3, 367.
M Graw, R., Wright, D., 2003. Chemi ally resolved aerosol dynami s for in-
ternal mixtures by the quadrature method of moments. Journal of Aerosol
S ien e 34, 189.
M Laughlin, J., 1991. Inertial migration of a small sphere in linear shear

ow. Journal of Fluid Me hani s 224, 261.
Mendelson, H., 1967. The predi tion of bubble terminal velo ities from wave
theory. Ameri an Institute of Chemi al Engineers Journal 13, 250.
Menzel, T., Weide, T., Stauda her, O., Onken, U., 1990. Reynolds stress mo-
del for bubble olumn rea tor. Industrial Chemi al Engineering Resear h
29, 988.
Mi hele, V., 2002. CFD modelling and measurement of liquid ow stru -
ture and phase holdup in two- and three-phase bubble olumns. Tese de
Doutorado, Te hnis hen Universität Carolo-Wilhelmina zu Brauns hweig.
Moore, G., 19 April 1965. Cramming more omponents onto integrated ir-
uits. Ele troni s Magazine 38 (8).
Mudde, R., Simonin, O., 1999. Two- and three-dimensional simulations of a

bubble plume using a two-uid model. Chemi al Engineering S ien e 54,
5061.
Narsihman, G., Gupta, J., Ramkrishna, D., 1979. A model for transitional
breakage probability of droplets in agited lean liquid-liquid dispersions.
Newton, I., 1686. Philosophiae Naturalis: Prin ipia Mathemati a. So ietatis

Regalis Sodali.
Ni mains, M., Hounslow, M., 1998. Finite element methods for steady-state
population balan e equations. A.I.Ch.E. Journal 44 (10), 2258.
Nopens, I., Beheydt, D., Vanrolleghem, P., 2005. Comparision and pitfalls
of dierent solution methods for population balan e models: A simulation
study. Computers & Chemi al Engineering 29, 367.
Olmos, E., Centri , C., Vial, C., Wild, G., Midoux, N., 2001. Numeri al si-
mulation of multiphase ow in bubble olumn rea tors. Inuen e of bubble
oales en e and break-up. Chemi al Engineering S ien e 56, 6359.
Olmos, E., gentri , C., Midoux, N., 2003. Numeri al des ription of ow re-
gime transitions in bubble olumn rea tors by a multiple gas phase model.
Chemi al Engineering S ien e 58 (10), 2113.
Ong, B., 2003. Experimental investigation of bubble olumn hydrodynami s

Ee t of elevated pressure and super ial gas velo ity. Tese de Douto-
rado, Washington University.
Pan, Y., Dudukovi , M., Chang, M., 1999. Dynami simulation of bubbly
ow on bubble olumns. Chemi al Engineering S ien e 54, 2481.
Pari hay, K., Kumar, R., Ramkrishna, D., 1987. Coales en e of drops in stir-
red dispersion. A white noise model for oales en e. Chemi al Engineering
S ien e 42 (2), 213.
Patankar, S., 1980. Numeri al Heat Transfer and Fluid Flow. Taylor & Fran-
is Group, New York.
Patil, D., Andrews, J., 1998. An analyti al solution to the population balan e
equation with oales en e and breakage - the spe ial ase with onstant
number of parti les. Chemi al Engineering S ien e 53 (3), 599.
Petzold, L., 1982. A des ription of DASSL: A dierential/algebrai system
solver. Rel. té ., Sandia National Laboratories.
Peger, D., Be ker, S., 2001. Modelling and simulation of the dynami ow
behavior in a bubble olumn. Chemi al Engineering S ien e 56, 1737.
Peger, D., Gomes, S., Gilbert, N., Wagner, H., 1999. Hydrodynami si-
mulations of laboratory s ale bubble olumns fundamental studies of the
eulerian-eulerian modelling approa h. Chemi al Engineering S ien e 54,
5091.
Pinto, J., Lage, P., 2001. Métodos Numéri os em Problemas de Engenharia

Quími a. E-papers.
Poiseuille, J., 1841. Re her hes sur le mouvement du sang dans le veins
apillaries. Trans. Camb. Phil. So . 7, 105.
Prat, O., Du oste, J., 2006. Modeling spatial distribution of the o size in
turbulent pro esses using the quadrature method of moment and ompu-
tational uid dynami s. Chemi al Engineering S ien e 61 (1), 75.
Press, W., B.P., F., Teukolsky, S., Vetterling, W., 1990. Numeri al Re i-
pes The Art of S ienti Computing (FORTRAN version). Cambridge
University Press.
Press, W., Teukolsky, S., 1990. Orthogonal polynomials and gaussian qua-
drature with non lassi al weights. Computers in Physi s 4, 423.
Prin e, M., Blan h, H., 1990. Bubble oales en e and break-up in air-sparged
bubble olumns. A.I.Ch.E. Journal 36, 1485.
Ramkrishna, D., 2000. Population Balan es Theory and Appli ations to

Parti ulate Systems in Engineering. A ademi Press, San Diego.
Ramkrishna, D., Borwanker, J., 1973. A puristi analysis of population ba-

lan e - I. Chemi al Engineering S ien e 28, 1423.
Ramkrishna, D., Borwanker, J., 1974. A puristi analysis of population ba-

lan e - II. Chemi al Engineering S ien e 29, 1711.
Ramkrishna, D., Mahoney, A., 2002. Population balan e modeling. promisse
for the future. Chemi al Engineering S ien e 57, 595.
Ranade, V., 1992. Flow in bubble olumns: some numeri al experiments.

Randolph, A., Larsen, M., 1988. Theory of Parti ulate Pro esses. A ademi
Press, San Diego.
Ribeiro Jr., C., 2005. Desenvolvimento de um pro esso ombinado de

evaporação por ontato direto e permeação de vapor para tratamento
de su os. Tese de Doutorado, Universidade Federal do Rio de Janeiro,
PEQ/COPPE, Brasil, RJ.
Rigopoulos, S., Jones, A., 2003. Finite-element s heme for solution of the
dynami s population balan e equation. A.I.Ch.E. Journal 49 (5), 1127.
Rus he, H., 2002. Computational uid dynami s of dispersed two-phase ows
at high phase fra tions. Tese de Doutorado, Imperial College of S ien e,
Te hnology and Medi ine.
Saad, Y., 2003. Iterative Methods for Sparse Linear Systems, 2a Edição.
SIAM.
Saman, P., Turner, J., 1956. On the ollisions of drops in turbulent louds.
Sanyal, J., Vásquez, S., Roy, S., Dudukovi , M. P., 1999. Numeri al simula-
tion of gas-liquid dynami s in ylindri al bubble olumn rea tors. Chemi-
al Engineering S ien e 54, 5071.
Sato, Y., Sadatomi, M., Sekogu hi, K., 1981. Momentum and heat transfer
in two-phase bubble ow. International Journal of Multiphase Flow 7, 167.
Sato, Y., Sekogu hi, K., 1975. Liquid velo ity distribution in two phase bub-
bly ow. International Journal of Multiphase Flow 2, 79.
S hiller, I., Naumann, Z., 1935. Über die grundlegenden bere hungen bei der
s hwerkraftbereitung. Z. Ver. Deut h. Ing. 77, 318.
S hli hting, H., 1960. Boundary Layer Layer Theory, 4a Edição. M Graw-
Hill.
Segré, G., Silberberg, A., 1962. Behavior of ma ros opi rigid spheres in
Poiseulle ow of suspensions. Journal of Fluid Me hani s 14, 115.
Shah, B., Ramkrishna, D., Borwanker, J., 1977. Simulation of parti ulate
systems using the on ept of the interval of quies en e. A.I.Ch.E. Journal
23 (6), 897.
Shaikh, A., Rados, N., Al-Dahhan, M., 2003. Phase distribution in a high
pressure slurry bubble olummn via omputed tomography. Pro . of the
4th Middle East Rening and Petro hemi al Exibition and Conferen e.
PetroTe h 2003, Manama, Bahrain.
Shinnar, R., 1961. On the behavior of liquid dispersions in mixing vessels.

Silva, L. L., Fontes, C., Lage, P., 2005. Front tra king in re ir ulating ows:
a omparison between the TVD and RCM methods in solving the VOF
equation. Brazilian Journal of Chemi al Engineering 22 (1), 105.
Slattery, J., 1972. Momentum, Energy and Mass Transfer in Continua.

M Graw-Hill, New York.
Smagorinsky, J., 1963. General ir ulation experiments with the primitive

equations. Monthly Weather Review 91, 99.
Smith, G., 1985. Numeri al Solution of Partial Dierential Equations: Finite

Dieren e Methods. Clarendon Press, Oxford.
Smolu howski, M., 1916. Drei vorträge über diusion, browns he molekular-
bewegung und koagulation von kolloidteil hen. Physikalis he Zeits hrift
17, 557.
Smolu howski, M., 1917. Vensu h einer mathematis hen theorie der koagu-
lation kineti kolloider losungen. Zeits hrift Fur Physikalis he Chemie 92,
129.
Sokoli hin, A., Eigenberger, G., 1994. Gas-liquid ow in bubble olumns
and loop rea tors: Part I. detailed modelling and numeri al simulation.
Chemi al Engineering S ien e 49 (24B), 5735.
Sokoli hin, A., Eigenberger, G., 1999. Bubble olumn rea tors - appli ability
of the standard k−ǫ turbulen e model to the dynami simulation of bubble
olumns: Part I. Detailed Numeri al Simulations. Chemi al Engineering
S ien e 54, 2273.
Stokes, G., 1851. On the ee t of the internal fri tion of uids on the motion
of pendulums. Trans. Camb. Phil. So . 9, 8.
Sundaresan, S., 2000. Modeling the hydrodynami s of multiphase ow rea -

tors: Current Status and Challenges. A.I.Ch.E. Journal 46 (6), 1102.
Sussman, M., Pu kett, E. G., 2000. A oupled level set and volume-of-
uid method for omputing 3d and axisymmetri in ompressible two-phase
ows. Journal of Computational Physi s 162 (2), 301.
Svendsen, H., Ja kobsen, H., Torvik, R., 1992. Lo al ow stru tures in in-
ternal loop and bubble olumn rea tors. Chemi al Engineering S ien e 47,
3297.
Sweet, I., Gustafson, S., Ramkrishna, D., 1987. Population balan e modelling
of bubbling uidized bed rea tors - I. well-stirred dense phase. Chemi al
Engineering S ien e 42 (2), 341.
T hen, C., 1947. Mean value and orrelations problems onne ted with the
motion of small parti les suspended in a turbulent uid. Tese de Douto-
rado, TU, Delft.
Tennekes, H., Lumley, J. L., Yang, D., 1972. A First Course in Turbulen e.
MIT Press.
Torvik, R., Svendsen, H., 1990. Modelling of slurry rea tors. A fundamental
approa h. Chemi al Engineering S ien e 45, 2325.
Tsouris, C., Tavlarides, L., 1994. Breakage and oales en e models for drops
in turbulent dispersions. A.I.Ch.E. Journal 40 (3), 395.
Tsu hiya, K., Ohsaki, K., Tagu hi, K., 1996. Large and small bubble inte-
ra tion patterns in a bubble olumn. International Journal of Multiphase
Flow 22 (1), 121.
Tsuji, Y., Morikawa, Y., Shinomi, H., 1984. Ldv measurements of air-solid
two phase ow in verti al pipe. Journal of Fluid Me hani s 139, 417.
Valentas, K., Amundson, A., 1966. Breakage and oales en e in dispersed

phase systems. Industrial Chemi al Engineering Fundamentals 5, 143.
van Baten, J., Krishna, R., 2001. Eulerian simulations for determination of
the axial dispersion of liquid and gas phases in bubble olumns operating
in the hurn-turbulent regime. Chemi al Engineering S ien e 56, 503.
Vanni, M., 1999. Dis retization pro edure for the breakage equation.
A.I.Ch.E. Journal 45 (4), 916.
Vanni, M., 2000. Approximate population balan e equations for aggregation-

breakage pro esses. Journal of Colloid and Interfa e S ien e 221, 143.
Versteeg, H., Malalasekera, W., 1995. An introdu tion to omputational uid

dynami s The nite volume method. Longman S ienti & Te hini al.
Vigil, R., Zi, R., 1989. On the stability of oagulation-fragmentation popu-

lation balan es. Journal of Colloid and Interfa e S ien e 133 (1), 257.
Weller, H., 2002. Derivation, modelling and solution of the onditionally

averaged two-phase ow equations. Rel. té ., Nabla Ltd.
Weller, H. G., Tabor, G., Jasak, H., Fureby, C., 1998. A tensorial approa h
to omputational ontinuum me hani s using obje t-oriented te hniques.
Computers in Physi s 12 (6), 620.
Wen, C., Yu, Y., 1966. Me hani s fo uidization. Em: Chem. Eng. Prog.
Symp. Ser. Vol. 62. p. 100.
White, F., 1991. Vis ous Fluid Flow. M GrawHill.
Wil ox, D. C., 1994. Turbulen e Modeling for CFD. DCW Industries.
Wild, G., Pon in, S., Li, H., Olmos, E., 2003. Some aspe ts of the hydrody-
nami s of bubble olumns. International Journal of Chemi al rea tor En-
gineering 1 (R7), 1.
Wright, D., M Graw, R., Rosner, D., 2001. Bivariate extension of the qua-
drature method of moments for modeling simultaneous oagulation and
sintering of parti le populations. Journal of Colloid and Interfa e S ien e
236, 242.
Wynn, E., 2004. Simulating aggregation and rea tion: New hounslow dpb
and four-paramenter summary. A.I.Ch.E. Journal 50 (3), 578.
Yang, D., 2001. C++ and Obje t-Oriented Numeri Computing for S ientists
and Engineers. Springer.
Yoon, C., M Graw, R., 2004a. Representation of generally mixed multivari-

ate aerosols by the quadrature method of moments: I. statisti al founda-
tion. Journal of Aerosol S ien e 35, 561.
Yoon, C., M Graw, R., 2004b. Representation of generally mixed multivari-

ate aerosols by the quadrature method of moments: II. aerosol dynami s.
Journal of Aerosol S ien e 35, 577.
Zahrdník, J., Fialová, M., Ruzi ka, M., Drahos, J., Kastánek, F., Thomas,
N., 1997. Duality of the gas-liquid ow regimes in bubble olumn rea tors.
Chemi al Engineering S ien e 52 (21-22), 3811.
Zienkiewi z, O., Taylor, R., 1991. The Finite Element Method - Vol. 2: Solid
and Fluid Me hani s. M GrawHill, New York.
Zu a, A., Mar hisio, D., Barresi, A., Fox, R., 2006. Implementation of the
population balan e equation in CFD odes for modeling soot formation in
turbulent ames. Chemi al Engineering S ien e 61 (1), 87.

Qualificação D.Sc. LuizF

Загружено:

Сведения о документе

Авторское право

Доступные форматы

Поделиться этим документом

Поделиться или встроить документ

Параметры публикации

Этот документ был вам полезен?

Это неприемлемый материал?

Авторское право:

Доступные форматы

Qualificação D.Sc. LuizF

Загружено:

Авторское право:

Доступные форматы

UNIVERSIDADE FEDERAL DO RIO DE JANEIRO

Coordenação dos Programas de Pósgraduação em Engenharia

Desenvolvimento de Metodologias para

Luiz Fernando Lopes Rodrigues Silva

Orientador: Paulo Laranjeira da Cunha Lage

Exame de Quali ação para o Doutoramento em Engenharia Quími a

RIO DE JANEIRO, RJ  BRASIL

Luiz Fernando L. R. Silva

2 Introdução à Fluidodinâmi a Computa ional (CFD) 7

3 Fundamentos do Es oamento Multifási o 28

4 Modelagem de Balanço Popula ional 56

5 Pa ote CFD  OpenFOAM 93

6 Resultados Preliminares 129

7 Etapas do Trabalho de Tese 173

A Formulações e Algoritmos 176

B Des rição de Solvers no OpenFOAM 179

3.1 Coe iente de arrasto para esferas rígidas em função do nú-

4.1 Representação do pro esso de agregação ini iado pela drena-

7.1 Cronograma de atividades para o trabalho de teste. . . . . . . 175

6.1 Tempo omputa ional na simulação da EBP ( aso (i)). . . . . 168

São vastas as apli ações de sistemas polidispersos em engenharia quími a e

Normalmente, espera-se que os fenmenos asso iados om a presença das

O estudo destes fenmenos asso iados à sistemas polidispersos vem sendo

Reatores em olunas de borbulhamento na indústria são usados em uma

A dinâmi a de es oamentos gás-líquido em olunas de borbulhamento

Várias metodologias de simulação foram desenvolvidas e duas formas de

A grande maioria dos trabalhos de simulação de olunas de borbulha-

É interessante o uso de um pa ote CFD que possua a apa idade de

1.3 Estrutura do Trabalho

Este trabalho apresenta um estudo sobre os diferentes métodos de simula-

O Capítulo 2 introduz de forma breve os detalhes sobre uidodinâmi a

Os fundamentos do es oamento multifási o om ênfase em olunas de

O pa ote de uidodinâmi a OpenFOAM de ódigo livre usado neste tra-

Os resultados preliminares deste trabalho são mostrados no Capítulo 6,

Por m, o Capítulo 7 mostra as futuras etapas do trabalho de tese, o-

Fluidodinâmi a omputa ional (Computational Fluid Dynami s - CFD) é o

Antes de entrar em detalhes sobre a des rição das té ni as de CFD, é

• Ne essidade de predição  A impossibilidade de predizer om a urá-

• Custo de experimentos  Os experimentos, que são a úni a alternativa

• Impossibilidade dos experimentos  Em alguns asos, os experimentos

• Detalhes de experimentos  A maioria das simulações em larga es ala

• Velo idade omputa ional e memória  A apa idade omputa ional

Apesar das enormes vantagens das simulações em relação aos experimen-

É importante ressaltar que simulações CFD possuem limitações. Na

2.2 Equações Bási as de Fenmenos de Transporte

De modo a usar apropriadamente CFD omo uma ferramenta de engenharia,

2.2.1 Equações de Conservação

Uma equação de onservação nada mais é do que uma relação matemáti a

Em um es oamento, as grandeza físi as onservadas de interesse são a

Como as grandezas intensivas são funções de ponto e de tempo, isto é,

Assim, as equações de onservação são apresentadas em termos das va-

A propriedade intensiva de massa por unidade de volume é a hamada den-

Para um sistema físi o genéri o, a onservação de massa é expressa por:

Assim, pode-se apli ar este prin ípio a um volume do espaço físi o, V ,

Figura 2.1: Um volume xo arbitrário ontendo o uido.

Subdividindo V em elementos de volume menores e onsiderando uma

Só é possível tro ar a ordem das operações de derivação no tempo t e de

A entrada de massa neste volume o orre ne essariamente através do on-

Apli ando o teorema da divergên ia ou de Gauss na Eq. 2.3, vem:

e substituindo no balanço de massa geral, obtém-se:

Como as duas integrais no volume da Eq. 2.5 possuem o mesmo limite

Já que V é arbitrário e omo o integrando é ontínuo, o requisito de

A Eq. 2.7 apresenta a forma Euleriana ou onservativa da equação da

A derivada material representa a variação de uma grandeza no tempo

Coordenação dos Programas de Pósgraduação em Engenharia

Exame de Quali ação para o Doutoramento em Engenharia Quími a

RIO DE JANEIRO, RJ BRASIL

5 Pa ote CFD OpenFOAM 93

3.1 Coe iente de arrasto para esferas rígidas em função do nú-

Normalmente, espera-se que os fenmenos asso iados om a presença das

O estudo destes fenmenos asso iados à sistemas polidispersos vem sendo

O Capítulo 2 introduz de forma breve os detalhes sobre uidodinâmi a

O pa ote de uidodinâmi a OpenFOAM de ódigo livre usado neste tra-

Por m, o Capítulo 7 mostra as futuras etapas do trabalho de tese, o-

• Ne essidade de predição A impossibilidade de predizer om a urá-

• Custo de experimentos Os experimentos, que são a úni a alternativa

• Impossibilidade dos experimentos Em alguns asos, os experimentos

• Detalhes de experimentos A maioria das simulações em larga es ala

• Velo idade omputa ional e memória A apa idade omputa ional

2.2 Equações Bási as de Fenmenos de Transporte

Figura 2.1: Um volume xo arbitrário ontendo o uido.

A úni a di uldade de se tratar de um orpo uido reside apenas na

o que signi a que as forças de tensão estão em equilíbrio lo al.

Usando a denição de derivada material, Eq. 2.9, e a equação da ontinui-

Para um uido ideal, a força de tensão tem apenas a omponente normal

O uido Newtoniano é a lasse de uidos em que τ assume a sseguinte

Para um uido in ompressível, a densidade, ρ, é onstante e a equação

Para um volume xo no espaço físi o, V , om área super ial A, o prin-

Em geral, assume-se que o uxo difusivo é propor ional ao negativo do

Ainda é possível denir as malhas omo uniformes, onde todas as élulas

adequadas que as estruturadas, uma vez que é possível fazer um renamento

• Espe i ação das ondições de ontorno apropriadas nos elementos da

• Denição da estratégia de solução do sistema de equações algébri as

Os métodos de elementos nitos (MEF) utilizam funções simples (por

O método dos volumes nitos (MVF) é a té ni a de CFD mais bem es-

A estrutura da matriz de oe ientes A pode variar dependendo da di-

Os métodos iterativos foram desenvolvidos para superar as de iên ias

• Grá os de vetores (ve tor plot ).

• Grá os de ontorno ( ontour plot ).

• Grá os sobre superfí ies no espaço tridimensional.

• Visualização de linhas de uxo (streamlines ) e de trajetória de partí-