Академический Документы
Профессиональный Документы
Культура Документы
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
6.3 Convergên
ia de momentos pelo número de pontos de quadra-
tura utilizando o método DQMOM
omparado ao
aso (i). . . 141
6.4 Convergên
ia de momentos pelo número de pontos de quadra-
tura utilizando o método PPDC
omparado ao
aso (i). . . . 141
6.5 Convergên
ia de momentos pelo número de pontos de quadra-
tura utilizando o método PPDC
om Φ(∞) = 1 e ∆t = 10−4 s. 142
6.6 Convergên
ia de momentos pelo número de pontos de quadra-
tura utilizando o método QMOM
omparado ao
aso (ii). . . 143
6.7 Convergên
ia de momentos pelo número de pontos de quadra-
tura utilizando o método DQMOM
omparado ao
aso (ii). . 144
6.8 Convergên
ia de momentos pelo número de pontos de quadra-
tura utilizando o método PPDC
omparado ao
aso (ii). . . . 144
6.9 Convergên
ia de momentos pelo número de pontos de quadra-
tura utilizando o método PPDC
om Φ(∞) = 10 e ∆t = 10−4 s.145
6.10 Convergên
ia de momentos pelo número de pontos de quadra-
tura utilizando o método QMOM
omparado ao
aso (iii). . . 146
6.11 Convergên
ia de momentos pelo número de pontos de quadra-
tura utilizando o método DQMOM
omparado ao
aso (iii). . 146
6.12 Convergên
ia de momentos pelo número de pontos de quadra-
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
6.14 Evolução dos momentos pelos métodos QMOM, DQMOM e
PPDC usando (a) 2 e (b) 4 pontos de quadratura para o
aso
(ii). . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 149
6.15 Evolução dos momentos pelos métodos QMOM, DQMOM e
PPDC usando (a) 2 e (b) 4 pontos de quadratura para o
aso
(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
6.17 Erro relativo dos momentos
al
ulados pelos métodos QMOM,
DQMOM e PPDC utilizando 2 pontos de quadratura para o
aso (ii). . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 152
6.18 Erro relativo dos momentos
al
ulados pelos métodos QMOM,
DQMOM e PPDC utilizando 2 pontos de quadratura para o
aso (iii). . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 152
6.19 Erro relativo dos momentos
al
ulados pelos métodos QMOM,
DQMOM e PPDC utilizando 4 pontos de quadratura para o
aso (i). . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 154
6.20 Erro relativo dos momentos
al
ulados pelos métodos QMOM,
DQMOM e PPDC utilizando 4 pontos de quadratura para o
aso (ii). . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 154
6.21 Erro relativo dos momentos
al
ulados pelos métodos QMOM,
DQMOM e PPDC utilizando 4 pontos de quadratura para o
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
6.23 Análise do passo de tempo sobre a integração numéri
a pelo
DQMOM,
om 2 e 4 pontos de quadratura para o
aso (i). . . 157
6.24 Análise do passo de tempo sobre a integração numéri
a pelo
PPDC,
om (a) 2 e (b) 4 pontos de quadratura para o
aso (i).158
LISTA DE FIGURAS xiii
6.25 Análise do passo de tempo sobre a integração numéri
a pelo
QMOM,
om 2 e 4 pontos de quadratura para o
aso (ii). . . 159
6.26 Análise do passo de tempo sobre a integração numéri
a pelo
DQMOM,
om 2 e 4 pontos de quadratura para o
aso (ii). . 159
6.27 Análise do passo de tempo sobre a integração numéri
a pelo
PPDC,
om (a) 2 e (b) 4 pontos de quadratura para o
aso (ii).160
6.28 Análise do passo de tempo sobre a integração numéri
a pelo
QMOM,
om 2 e 4 pontos de quadratura para o
aso (iii). . . 161
6.29 Análise do passo de tempo sobre a integração numéri
a pelo
DQMOM,
om 2 e 4 pontos de quadratura para o
aso (iii). . 161
6.30 Análise do passo de tempo sobre a integração numéri
a pelo
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
6.32 Perl dos (a) pesos e (b) abs
issas pelo QMOM, DQMOM e
PPDC utilizando 7 pontos de quadratura para o
aso (ii). . . 165
6.33 Perl dos (a) pesos e (b) abs
issas pelo QMOM, DQMOM e
PPDC utilizando 10 pontos de quadratura para o
aso (iii). . 166
Introdução
1.1 Sistemas Polidispersos em Engenharia Quími
a
1.2 Motivação
Introdução à Fluidodinâmi
a
Computa
ional (CFD)
2.1 O que é CFD? Porque usar CFD?
taxa de a
úmulo
taxa de massa
=
de massa total
entrando
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.
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 )
t=n·T (2.14)
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).
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
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 .
taxa total
taxa de geração
taxa de a
úmulo
de entrada
= + da grandeza
da grandeza em V
da grandeza
em V
através de A
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
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.
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.
• Seleção dos fenmenos físi
os e/ou quími
os que devem ser modelados
e simulados.
2.3 O Raio-X de CFD 22
• Denição das propriedades do(s) uido(s),
omo vis
osidade, densi-
dade,
ondutividade térmi
a,
oe
iente de transferên
ia de massa,
et
.
2.3.4 Solvers
• Dis
retização, pela substituição das aproximações des
ritas a
ima nas
equações de transporte que governam o es
oamento,
om manipulações
matemáti
as subseqüentes.
Fundamentos do Es
oamento
Multifási
o
3.1 Fundamentos de Modelagem
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.
∂(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)
Tlam
k = −pk I + τklam
2
τklam = 2µk D̂k + (κk − µk )(∇ · ûk )I
3
1 T
D̂k = [∇ûk + (∇ûk ) ] (3.5)
2
• Equipresença;
• Solução bem-posta;
• Determinismo;
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.
∇ · (αk Tlam
k ) + MI,k + Rk ûk + Sk + αk ρk g =
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.
Figura 3.1: Coe
iente de arrasto para esferas rígidas em função do número
de Reynolds (retirado de S
hli
hting [1960℄).
3.1 Fundamentos de Modelagem 37
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 .
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℄).
3.1 Fundamentos de Modelagem 39
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 |
2
Tturb
k = − ρk kI + τkturb
3
τkturb = 2µturb
k D̂k (3.16)
3.1 Fundamentos de Modelagem 42
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.
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.
k12
µturb
1 = C µ ρ1 (3.19)
ǫ1
u = û + u′ + ǔ (3.20)
turb
τk,b = 2µturb
k,b D̂k , µturb
k,b = Ωb ǫ1 dk |ûr | (3.21)
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.
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℄.
• 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℄).
Modelagem de Balanço
Popula
ional
4.1 Balanço Popula
ional
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)
4.1 Balanço Popula
ional 59
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.
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.
ou
a(x̃, ṽ; x′ , v′ ; y, t) = ̟(x̃, ṽ; x′ , v′ ; y, t)λ(x̃, ṽ; x′ , v′ ; y, t) (4.6)
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′
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′
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 ′
4.1 Balanço Popula
ional 64
Z
Da (x, v, t) = a(x, v, v′ , t)f (x, v, t)f (x, v′ , t) dVv′ (4.14)
Ωv ′
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)
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
4.2 Té
ni
as Numéri
as para Solução de EBPs 72
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.
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.
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
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)
−∞
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
4.2 Té
ni
as Numéri
as para Solução de EBPs 78
pela forma
olo
ada pelos autores.
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
4.2 Té
ni
as Numéri
as para Solução de EBPs 81
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
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
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.
4.3.1 Fundamentos
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).
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
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.
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.
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.
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
5.2 OpenFOAM
omo Ferramenta CFD 104
modities
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/
5.3 Linguagem de Programação no OpenFOAM 107
implementados.
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:
solve
(
fvm::ddt(rho,U)
+ fvm::div(phi,U)
- fvm::lapla
ian(mu,U)
5.3 Linguagem de Programação no OpenFOAM 111
==
- fv
::grad(p)
);
// * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * //
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
# in
lude "write.H"
Info<< "Exe
utionTime = " 35
<< runTime.elapsedCpuTime()
<< " s\n\n" << endl;
}
return(0);
}
fvMesh mesh
( 5
IOobje
t
(
fvMesh::defaultRegion,
runTime.timeName(),
runTime, 10
IOobje
t::MUST READ
)
);
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
5.3 Linguagem de Programação no OpenFOAM 119
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.
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.
5.3 Linguagem de Programação no OpenFOAM 121
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).
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.
runTime.write(); 45
}
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
5.4 Es
oamento Multifási
o no OpenFOAM 125
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.
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
5.4 Es
oamento Multifási
o no OpenFOAM 126
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)
Resultados Preliminares
6.1 Avaliação de Métodos de Solução de EPB
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).
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.
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)
onde
1 + Φ(∞) tanh(Φ(∞)τ /2)
Φ(τ ) = Φ(∞) (6.17)
Φ(∞) + tanh(Φ(∞)τ /2)
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
+ b(ξi )wi [ϑ(ξi )πk (ξi ) − ξik ] (6.22)
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
6.3 Formulação Numéri
a de Solução 135
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
6.3.2 DQMOM
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.
6.3.3 PPDC
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
N B(i) = 2i + 1 (6.34)
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.
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
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.
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
6.4 Resultados das Simulações 143
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)
(b)
(a)
(b)
(a)
(b)
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-
6.4 Resultados das Simulações 151
sentada na próxima seção.
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).
Figura 6.17: Erro relativo dos momentos
al
ulados pelos métodos QMOM,
DQMOM e PPDC utilizando 2 pontos de quadratura para o
aso (ii).
Figura 6.18: Erro relativo dos momentos
al
ulados pelos métodos QMOM,
DQMOM e PPDC utilizando 2 pontos de quadratura para o
aso (iii).
6.4 Resultados das Simulações 153
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).
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
6.4 Resultados das Simulações 154
Figura 6.19: Erro relativo dos momentos
al
ulados pelos métodos QMOM,
DQMOM e PPDC utilizando 4 pontos de quadratura para o
aso (i).
Figura 6.20: Erro relativo dos momentos
al
ulados pelos métodos QMOM,
DQMOM e PPDC utilizando 4 pontos de quadratura para o
aso (ii).
6.4 Resultados das Simulações 155
Figura 6.21: Erro relativo dos momentos
al
ulados pelos métodos QMOM,
DQMOM e PPDC utilizando 4 pontos de quadratura para o
aso (iii).
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.
(a)
(b)
(a)
(b)
(a)
(b)
(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).
6.4 Resultados das Simulações 165
(a)
(b)
Figura 6.32: Perl dos (a) pesos e (b) abs
issas pelo QMOM, DQMOM e
PPDC utilizando 7 pontos de quadratura para o
aso (ii).
6.4 Resultados das Simulações 166
(a)
(b)
Figura 6.33: Perl dos (a) pesos e (b) abs
issas pelo QMOM, DQMOM e
PPDC utilizando 10 pontos de quadratura para o
aso (iii).
16 140,91 101,34
17 168,51
Os testes de e
iên
ia
omputa
ional para o
aso (ii) estão
olo
ados na
Tab. 6.2.
8 0,24 15,77
9 0,38
10 1,93
11 3,06 39,11
12 13,63 50,23
13 80,62 63,26
14 78,40
15 95,73
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
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)
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)
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
∂T
+ ∇ · (φT ) − ∇ · (Γ∇T ) = 0 (B.1)
∂t
// * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * //
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
// * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * //
runTime.write();
}
40
Info<< "End\n" << endl;
return(0);
}
#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
IOobje
t::AUTO WRITE
),
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().
∇·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.
// * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * //
# in
lude "setRootCase.H"
# in
lude "
reateTime.H" 10
# in
lude "
reateMesh.H"
# in
lude "
reateFields.H"
# in
lude "initContinuityErrs.H"
// * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * // 15
adjustPhi(phi, U, p); 45
U −= rUA*fv
::grad(p);
U.
orre
tBoundaryConditions();
}
70
runTime.write();
Info<< "Exe
utionTime = "
<< runTime.elapsedCpuTime()
<< " s\n\n" << endl; 75
}
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::MUST READ,
IOobje
t::AUTO WRITE 30
),
mesh
);
35
Info<< "Reading field U\n" << endl;
volVe
torField U
(
IOobje
t
( 40
"U",
runTime.timeName(),
mesh,
IOobje
t::MUST READ,
IOobje
t::AUTO WRITE 45
),
B.2 Solver i
oFoam 186
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);
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
B.2 Solver i
oFoam 187
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
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.
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 =
B.3 Solver turbFoam 189
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℄.
// * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * // 5
# in lude "setRootCase.H" 10
// * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * //
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
for (int nonOrth=0; nonOrth<=nNonOrthCorr; nonOrth++)
{ 55
// Pressure
orre
tor
fvS
alarMatrix pEqn
(
fvm::lapla
ian(rUA, p) == fv
::div(phi) 60
);
B.3 Solver turbFoam 191
fvS
alarMatrix::referen
e pRef =
pEqn.setReferen
e(pRefCell, pRefValue);
pEqn.solve(); 65
pEqn.unsetReferen
e(pRef );
if (nonOrth == nNonOrthCorr)
{
phi −= pEqn.ux(); 70
}
}
return(0);
}
label pRefCell = 0;
s
alar pRefValue = 0.0;
setRefCell(p, mesh.solutionDi
t().subDi
t("PISO"), pRefCell, pRefValue); 35
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.
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.
REFERÊNCIAS BIBLIOGRÁFICAS 196
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., 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.
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.
REFERÊNCIAS BIBLIOGRÁFICAS 197
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.
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., 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.
REFERÊNCIAS BIBLIOGRÁFICAS 198
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.
REFERÊNCIAS BIBLIOGRÁFICAS 199
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.
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.
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.
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.
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
.
REFERÊNCIAS BIBLIOGRÁFICAS 201
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.
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.
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.
REFERÊNCIAS BIBLIOGRÁFICAS 202
Hillmer, G., Weismantel, L., Hofmann, H., 1994. Investigations and model-
ling of slurry bubble
olumns. Chemi
al Engineering S
ien
e 49, 837.
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.
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.
REFERÊNCIAS BIBLIOGRÁFICAS 203
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.
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.
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.
REFERÊNCIAS BIBLIOGRÁFICAS 204
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.
Kurul, N., Podowski, M., 1990. Multi-dimensional ee
ts in sub-
ooled boi-
ling. Em: Pro
eedings of the 9th Heat Transfer Conferen
e.
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.
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.
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.
REFERÊNCIAS BIBLIOGRÁFICAS 207
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.
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.
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., 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.
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).
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.
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.
REFERÊNCIAS BIBLIOGRÁFICAS 210
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.
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.
Randolph, A., Larsen, M., 1988. Theory of Parti
ulate Pro
esses. A
ademi
Press, San Diego.
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.
Journal of Fluid Me
hani
s 1, 16.
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.
REFERÊNCIAS BIBLIOGRÁFICAS 212
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.
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.
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.
REFERÊNCIAS BIBLIOGRÁFICAS 213
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.
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.
REFERÊNCIAS BIBLIOGRÁFICAS 214
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.
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.
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.
Wil
ox, D. C., 1994. Turbulen
e Modeling for CFD. DCW Industries.
REFERÊNCIAS BIBLIOGRÁFICAS 215
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.
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.