-
Notifications
You must be signed in to change notification settings - Fork 0
/
CFD.tex
942 lines (755 loc) · 33.3 KB
/
CFD.tex
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
78
79
80
81
82
83
84
85
86
87
88
89
90
91
92
93
94
95
96
97
98
99
100
101
102
103
104
105
106
107
108
109
110
111
112
113
114
115
116
117
118
119
120
121
122
123
124
125
126
127
128
129
130
131
132
133
134
135
136
137
138
139
140
141
142
143
144
145
146
147
148
149
150
151
152
153
154
155
156
157
158
159
160
161
162
163
164
165
166
167
168
169
170
171
172
173
174
175
176
177
178
179
180
181
182
183
184
185
186
187
188
189
190
191
192
193
194
195
196
197
198
199
200
201
202
203
204
205
206
207
208
209
210
211
212
213
214
215
216
217
218
219
220
221
222
223
224
225
226
227
228
229
230
231
232
233
234
235
236
237
238
239
240
241
242
243
244
245
246
247
248
249
250
251
252
253
254
255
256
257
258
259
260
261
262
263
264
265
266
267
268
269
270
271
272
273
274
275
276
277
278
279
280
281
282
283
284
285
286
287
288
289
290
291
292
293
294
295
296
297
298
299
300
301
302
303
304
305
306
307
308
309
310
311
312
313
314
315
316
317
318
319
320
321
322
323
324
325
326
327
328
329
330
331
332
333
334
335
336
337
338
339
340
341
342
343
344
345
346
347
348
349
350
351
352
353
354
355
356
357
358
359
360
361
362
363
364
365
366
367
368
369
370
371
372
373
374
375
376
377
378
379
380
381
382
383
384
385
386
387
388
389
390
391
392
393
394
395
396
397
398
399
400
401
402
403
404
405
406
407
408
409
410
411
412
413
414
415
416
417
418
419
420
421
422
423
424
425
426
427
428
429
430
431
432
433
434
435
436
437
438
439
440
441
442
443
444
445
446
447
448
449
450
451
452
453
454
455
456
457
458
459
460
461
462
463
464
465
466
467
468
469
470
471
472
473
474
475
476
477
478
479
480
481
482
483
484
485
486
487
488
489
490
491
492
493
494
495
496
497
498
499
500
501
502
503
504
505
506
507
508
509
510
511
512
513
514
515
516
517
518
519
520
521
522
523
524
525
526
527
528
529
530
531
532
533
534
535
536
537
538
539
540
541
542
543
544
545
546
547
548
549
550
551
552
553
554
555
556
557
558
559
560
561
562
563
564
565
566
567
568
569
570
571
572
573
574
575
576
577
578
579
580
581
582
583
584
585
586
587
588
589
590
591
592
593
594
595
596
597
598
599
600
601
602
603
604
605
606
607
608
609
610
611
612
613
614
615
616
617
618
619
620
621
622
623
624
625
626
627
628
629
630
631
632
633
634
635
636
637
638
639
640
641
642
643
644
645
646
647
648
649
650
651
652
653
654
655
656
657
658
659
660
661
662
663
664
665
666
667
668
669
670
671
672
673
674
675
676
677
678
679
680
681
682
683
684
685
686
687
688
689
690
691
692
693
694
695
696
697
698
699
700
701
702
703
704
705
706
707
708
709
710
711
712
713
714
715
716
717
718
719
720
721
722
723
724
725
726
727
728
729
730
731
732
733
734
735
736
737
738
739
740
741
742
743
744
745
746
747
748
749
750
751
752
753
754
755
756
757
758
759
760
761
762
763
764
765
766
767
768
769
770
771
772
773
774
775
776
777
778
779
780
781
782
783
784
785
786
787
788
789
790
791
792
793
794
795
796
797
798
799
800
801
802
803
804
805
806
807
808
809
810
811
812
813
814
815
816
817
818
819
820
821
822
823
824
825
826
827
828
829
830
831
832
833
834
835
836
837
838
839
840
841
842
843
844
845
846
847
848
849
850
851
852
853
854
855
856
857
858
859
860
861
862
863
864
865
866
867
868
869
870
871
872
873
874
875
876
877
878
879
880
881
882
883
884
885
886
887
888
889
890
891
892
893
894
895
896
897
898
899
900
901
902
903
904
905
906
907
908
909
910
911
912
913
914
915
916
917
918
919
920
921
922
923
924
925
926
927
928
929
930
931
932
933
934
935
936
937
938
\documentclass[a4paper]{scrartcl}
% Mathematik-Pakete
\usepackage{amsmath}
\usepackage{amssymb}
\usepackage{amstext}
\usepackage{amsfonts}
\usepackage{mathrsfs}
\usepackage{paralist}
\usepackage[pdftex]{graphicx}
\usepackage{fancyhdr}
\usepackage{color}
\usepackage{hyperref}
\newcommand{\qed}{\begin{flushright}
$\blacksquare \dagger$ \end{flushright}}
%\usepackage[ansinew]{inputenc}
%\usepackage[T1]{fontenc}
\usepackage{epstopdf}
\usepackage[utf8]{inputenc}
%\usepackage[latin1]{inputenc}
\usepackage[T1]{fontenc}
%\usepackage{lmodern}
\usepackage[a4paper]{geometry}
\geometry{verbose,tmargin=1.5cm,lmargin=2cm,rmargin=2cm,bmargin=2cm,nohead}
\usepackage[ngerman]{babel}
\setlength{\parindent}{0cm}
\begin{document}
\pagestyle{fancy}
\setlength{\footskip}{10mm}
\fancyhf{}
\fancyfoot[C]{\thepage} %Seitennummer
\renewcommand{\headrulewidth}{0pt}
\renewcommand{\footrulewidth}{0.5pt}
%\twocolumn[
\centerline{\LARGE \bf \textsf{MSE CFD}}
\smallskip
\centerline{\Large \bf \textsf {Zusammenfassung}}
\medskip
\centerline{\bf \textsf{dstrebel, s1bischo, sboller }}
\smallskip \noindent\rule{\textwidth}{0.5pt}
\smallskip%]
% ---- Inhaltsverzeichnis ----
\tableofcontents
\newpage
\section{Introduction}
In dieser Zusammenfassung werden die Fragen vom Fragekatalog beantwortet.
\section{Conservation laws of fluid motion and boundary conditions}
\subsection{Conservation Equations}
Explain the physical meaning of the different terms in the conservation
equations (link between mathematical “operations” and physical behaviour)
Präsentation Folie 7
Impulsgleichung
Energiebilanz
\begin{table}[h]
\begin{center}
\begin{tabular}{|l|l|}
\hline Continuity & $\frac{\partial(\rho)}{\partial t}+\operatorname{div}(\rho
\vec u)=0$
\\
\hline x-Momentum & $\frac{\partial(\rho u)}{\partial
t}+\operatorname{div}(\rho u \vec u) = - \frac{\partial p}{\partial
x}+\operatorname{div}(\mu \operatorname{grad} u)+S_{Mx}$ \\
\hline y-Momentum & $\frac{\partial(\rho v)}{\partial
t}+\operatorname{div}(\rho v \vec u) = - \frac{\partial p}{\partial
y}+\operatorname{div}(\mu \operatorname{grad} v)+S_{My}$ \\
\hline z-Momentum & $\frac{\partial(\rho w)}{\partial
t}+\operatorname{div}(\rho w \vec u) = - \frac{\partial p}{\partial
z}+\operatorname{div}(\mu \operatorname{grad} w)+S_{Mz}$ \\
\hline Energy & $\frac{\partial(\rho i)}{\partial
t}+\operatorname{div}(\rho i \vec u) = -p \operatorname{div} \vec u +
\operatorname{div}(k \operatorname{grad} T) + \Phi + S_i$ \\
\hline Equations of State & $p=p(\rho, T)$ und $i=i(\rho, T)$ \\
\hline
\end{tabular}
\caption{Governing Equation of the flow of a compressible Newtonian fluid}
\end{center}
\end{table}
\subsection{Explain the physical meaning of the different terms in a general
transport equation}
\begin{align}
\frac{\partial(\rho \phi)}{\partial t} + \operatorname{div}(\rho\phi\vec
u)=\operatorname{div}(\Gamma \operatorname{grad} \phi) + S_\phi
\end{align}
\begin{table}[h]
\begin{center}
\begin{tabular}{|p{3cm}|p{3cm}|p{3cm}|p{3cm}|}
\hline Rate of increase of $\phi$ of fluid element +& Net rate of flow of $\phi$
out of fluid element =& Rate of increase of $\phi$ due to diffusion +& Rate of
increase of $\phi$ due to sources \\
\hline Zeitliche Änderung von $\phi$ +& Konvektiver Transport: Fluss von $\phi$
mit der Strömung =& Diffusiver Transport: Transport von $\phi$ aufgrund von
Konzentrationsunterschieden (grad). Diffusionskonstante $\Gamma$ bestimmt Menge
+& Quellterm innerhalb des Fluidelements \\
\hline
\end{tabular}
\caption{Meaning of general transport equation}
\end{center}
\end{table}
\section{Turbulence and its modelling}
\subsection{Properties of turbulence}
Explain the properties of turbulence and their influence on the flow
field. Which changes can be observed compared to laminar flow?
\textbf{Turbulence is irregular, disorderly, non-stationary, three-dimensional,
highly non-linear, irreversible phenomenon}
\begin{itemize}
\item Nichtlinear
\item Zufälligkeit (nicht Reproduzierbar)
\item 3D, auch wenn Mittelwert in 1D und 2D variert
\item hohe Wirbelstärke $\Rightarrow$ Energie wird transportiert.
\item Energie wird dissipiert (wird immer kleiner)
\item Intermittency: Turbulenz kann nur in Teilen der Strömung vorhanden sein.
$\Rightarrow$ Eine Strömung kann nicht nur aus turbulenten Anteilen bestehen.
\item Hohe Diffusivität von Impuls und Energie (Gute Verteilung)
\item Turbulenz ist lokaler Umgebung abhängig (z.B. Absatz)
\end{itemize}
\subsection{RANS and LES Modelling}
Explain the main approximations using RANS
and LES modelling, including assumptions (what is computed and how, what is modelled and how)
\subsubsection{RANS}
\textbf{Reynolds-averaged Navier–Stokes (RANS)}
\begin{figure}[h]
\begin{center}
\includegraphics[scale=1]{images/51.pdf}
\caption{RANS Strömung}
\label{fig:51}
\end{center}
\end{figure}
RANS besteht aus einem Mittelwert der Strömungskennwerte und einem stochastisch
fluktuierenden Anteil. Vor der numerischen Berechnung der Lösung liegen die
Navier-Stokes Gleichungen als zeitgemittelt vor. Nichtlineare Extraterme liegen
in den RANS aufgrund der Interaktionen der verschiedenen turbulenten Fluktuationen vor.
Diese werden normalerweise mit klassischen Turbulenzmodellen wie dem
$k-\epsilon$- oder dem Reynoldsstress-Modell modelliert.
\\
\textit{Vorteile:} erträgliche Rechenleistung bei brauchbaren Resultaten,
deshalb die meistverwendete Methode. \\
\
\subsubsection{Large Eddy Simulation}
Nur grosse Turbulenzelemente werden exakt aufgelöst. Kleinere Turbulenzelemente
werden über Filterfunktionen herausgefiltert. Diese nicht direkt berechneten
Elemente weren über sogenannte Subgrid-Scale Models approximiert. \\
\vspace{0.5cm}
\textit{Vorteile:} Bessere Resultate insbesondere bei komplexen Geometrien. \\
\textit{Nachteile:} Grösserer Speicher- und Rechenzeitbedarf
\begin{figure}[h!]
\begin{center}
\includegraphics[scale=0.5]{images/RANS.eps}
\caption{RANS-Modell}
\label{}
\end{center}
\end{figure}
\begin{itemize}
\item Blaue Schwingung entspricht den effektiven Wirbelanteilen
\item Blaue Schwingung etwas gemittelt (grober Sinus) Entspricht dem
LES-Algorithmus, Linie leider nicht sichtbar
\item Senkrechte Linie: Enspricht dem RANS-Algorithmus (nur Durchschnitt
zählt)
\end{itemize}
\subsection{Wallfunctions}
What are wall functions, idea behind them, advantages
and disadvantages.
Im Engineeringbereich interessieren die Details der Near-Wall Region im
Normalfall nicht. Von Interesse ist hingegen der Strömungswiderstand in der Nähe
der Wände. Wallfunktionen korrigieren die
Gleiche Anzahl Knoten, Strömung muss nicht über allzu feines Netz approximiert
werden. $\Rightarrow$ Spart Rechenleistung bei akkuraten Resultaten.\\
\begin{figure}[h!]
\begin{center}
\includegraphics[scale=0.8]{images/wall_function.pdf}
\caption{Wall Function}
\label{fig:Wall}
\end{center}
\end{figure}
% cut with: pdfcrop --margins '5 5 5 20' in.pdf out.pdf
\section{The finite volume method for the diffusion problem}
\subsection{FV Discretisation for a one-dimensional heat conduction Problem}
\subsubsection{Problemstellung}
Derive a finite-volume discretization for a one-dimensional heat conduction
problem.
\begin{figure}[h]
\begin{center}
\includegraphics[scale=1]{images/41.pdf}
\caption{One-Dimensional Heat Conduction Problem}
\label{fig:41}
\end{center}
\end{figure}
Zur Diskretisierung wird das Gebiet in Kontrollvolumen geteilt. Bei diesem
Problem werden die Kontrollpunkte gleich zwischen den Randpunkten A und B
verteilt.
Dieses Problem ist Steady-State und besteht nur aus dem Diffusionsterm der
generellen Transportgleichung:
\begin{align}
\frac{d}{dx} \left( \Gamma \frac{d\phi}{dx}\right) + S = 0
\end{align}
\qed
\subsubsection{Diskretisierung}
\begin{figure}[h]
\begin{center}
\includegraphics[scale=1.2]{images/42.pdf}
\caption{One-Dimensional Heat Conduction Diskretisierung}
\label{fig:42}
\end{center}
\end{figure}
Generell wird jeweils ein Punkt P wie in Abbildung \ref{fig:42} gezeigt
betrachtet. Rechts davon befindet sich ein weitere Kontrollpunkt genannt E für
East. Analog dazu befindet sich links der Punkt W. Klein e und klein w sind die
Kopfflächen des Kontrollvolumen dar. Die verschiedenen Abstände sind jeweils mit
einen $\delta$ bezeichnet.
Der wichtigste Schritt der FVM ist die Integration der das Problem
beschreibenden Formel. Dies geschieht für den Punkt P folgendermassen:
\begin{align}
\int_{\Delta V} \frac{d}{dx} \left( \Gamma \frac{d\phi}{dx}\right)dV +
\int_{\Delta V}SdV = \left(\Gamma A
\frac{d\phi}{dx}\right)_{e}-\left(\Gamma A \frac{d\phi}{dx}\right)_w +
\bar{S}\Delta V = 0
\end{align}
A ist in dieser Formel die Querschnittsfläche des Kontrollvolumens und $\bar{S}$
der Quellenwert des betrachteten Kontrollvolumen. Ein Vorteil dieser Methode ist
die klare physikalische Bedeutung: Der diffusive Fluss von $\phi$ der das
Kontrollvolumen auf der Ostseite verlässt minus der diffusive Fluss von $\phi$
der in das Kontrollvolumen auf der Westseite gelangt ist gleich der Quelle von
$\phi$ im Kontrollvolumen.
Die Werte von $\Gamma$ an den Stirnflächen e und w werden linear zwischen den
beiden Punkten E und W approximiert:
\begin{align}
\Gamma_w=\frac{\Gamma_W+\Gamma_P}{2} \\
\Gamma_e=\frac{\Gamma_P+\Gamma_E}{2}
\end{align}
Die Ableitungen $\phi$ werden ebenfalls linear über die Distanz $\delta x_{PE}$
und $\delta x_{WP}$ zwischen P und e bzw. w interpoliert.
\begin{align}
\left(\Gamma A \frac{d\phi}{dx}\right)_e = \Gamma_e A_e
\left(\frac{\phi_E - \phi_P}{\delta x_{PE}}\right)
\end{align}
\begin{align}
\left(\Gamma A \frac{d\phi}{dx}\right)_w = \Gamma_w A_w
\left(\frac{\phi_P - \phi_W}{\delta x_{WP}}\right)
\end{align}
Der Quellterm wird meistens als Funktion der abhängigen Variable dargestellt:
\begin{align}
\bar{S}\Delta V = S_u+S_p\phi_P
\end{align}
Gesamthaft ergibt sich folgende Formel für das betrachtete Kontrollvolumen:
\begin{align}
\Gamma_e A_e \left(\frac{\phi_E-\phi_P}{\delta x_{PE}}\right)-\Gamma_w A_w
\left(\frac{\phi_P-\phi_W}{\delta x_{WP}}\right)+(S_u+S_p\phi_P)=0
\end{align}
oder nach Umstellung:
\begin{align}
\boxed{\left(\frac{\Gamma_e}{\delta x_{PE}}A_e + \frac{\Gamma_e}{\delta
x_{WP}} A_w -S_p\right)\phi_P=\left(\frac{\Gamma_w}{\delta x_{WP}}A_w\right)
\phi_W + \left(\frac{\Gamma_e}{\delta x_{PE}}A_e\right)\phi_E+S_u}
\end{align}
In Koeffizientenschreibweise:
\begin{align}
\boxed{a_P\phi_P=a_W\phi_W+a_E\phi_E+S_u}
\end{align}
\qed
\subsection{Taylor CDS Second Order}
Demonstrate, using Taylor series expansion, that the central differencing scheme
has second order accuracy.\\
\textbf{Taylorentwicklung von $\mathbf{\phi}$} \\
\begin{align}
\boxed{\phi_E=\phi_P+\phi'\delta x_{PE} + \frac{1}{2}\phi''\left(\delta
x_{PE}\right)^2+\frac{1}{6}\phi'''\left(\delta x_{PE}\right)^3\ldots}
\end{align}
\begin{align}
\boxed{\phi_W=\phi_P-\phi'\delta x_{WP} + \frac{1}{2}\phi''\left(\delta
x_{WP}\right)^2-\frac{1}{6}\phi'''\left(\delta x_{WP}\right)^3\ldots}
\end{align}
\begin{align}
\Gamma_e A_e \left(\frac{\phi_E-\phi_P}{\delta x_{PE}}\right)-\Gamma_w A_w
\left(\frac{\phi_P-\phi_W}{\delta x_{WP}}\right)
\end{align}
\begin{align}
\Gamma A \left(\phi' + \frac{1}{2} \phi''\delta
x_{PE}+\frac{1}{6}\phi'''\left(\delta x_{PE}\right)^2\right) + \Gamma A
\left(-\phi'+\frac{1}{2}\phi''\delta x_{WP} - \frac{1}{6} \phi'''
\left(\delta x_{WP}\right)^2\right)
\end{align}
\begin{align}
\boxed{\Gamma A \phi'' \frac{1}{2} \left(\delta x_{PE} + \delta x_{WP}\right)+
\Gamma A \phi''' \frac{1}{6}
\left[\left(\delta x_{PE}\right)^2 - \left(\delta x_{WP}\right)^2 \right]}
\end{align}
Term erster Ordnung fliegen raus!
\section{The finite volume method for convection-diffusion problems}
\subsection{CDS at large velocities}
CDS ist unbrauchbar sobald die Péclet Zahl > 2 ist. Ist dies der Fall, wird der
Koeffizient $a_e$ negativ. Dies verletzt die Voraussetzung Boundedness und kann
zu physikalisch unmöglichen Lösungen führen. Versteeg S.145
\subsection{Péclet Number}
Die Péclet Nummer ist das Verhältnis zwischen Konvektions(F)- und
Diffusionsanteilen(D):
\begin{align}
Pe=\frac{F}{D} = \frac{\rho u}{\Gamma / \delta x}
\end{align}
\subsection{UD Discretization}
Explain why the upwind discretization (UD) works better. Explain the disadvantages of upwind discretization.
\begin{figure}[h]
\begin{center}
\includegraphics[scale=1.2]{images/52.pdf}
\caption{Upwind Differencing Scheme, in positive Direction (w)}
\label{fig:52}
\end{center}
\end{figure}
Bei der UDS-Interpolation wird der unbekannte Wert $\phi_f$ durch den bekannten
Wert von $\phi$ im nächsten stromauf gelegenen Zentralknoten ersetzt.
Es gilt also:
\begin{align}
\phi_w = \phi_W \\
\phi_e = \phi_P
\end{align}
Die diskretisierte Formel wird deshalb zu:
\begin{align}
\boxed{F_e \phi_P-F_w \phi_W = D_e(\phi_E - \phi_P) - D_w(\phi_P - \phi_W)}
\end{align}
Analog dazu lässt sich die Formel herleiten, wenn der Fluss in negative
U-Richtung verläuft. $\Rightarrow$ Versteeg S. 146
\textit{Vorteile}: Die Eigenschaften Conservativeness , Boundedness (keine
Wiggles) und Transportiveness (Richtung des Flusses) werden erfüllt. \\
\textit{Nachteile}: Numerische Accuracy (Das Schema basiert auf der
Backward Differencing Formel. Die Genauigkeit ist also nur erste Ordnung.) Wenn
der Fluss nicht synchron mit dem Netz verläuft, produziert das Schema
diffusionsartige Fehler. In Bild \ref{fig:54} ist eine solche Problemstellung
abgebildet. In Abbildung \ref{fig:53} die berechneten Resultate.
\begin{figure}[h!]
\begin{center}
\includegraphics[scale=1.0]{images/54.pdf}
\caption{UDS Problemstellung, nicht an das Grid angepasster Fluss}
\label{fig:54}
\end{center}
\end{figure}
\begin{figure}[h!]
\begin{center}
\includegraphics[scale=1.0]{images/53.pdf}
\caption{UDS Problemstellung, nicht an das Grid angepasster Fluss}
\label{fig:53}
\end{center}
\end{figure}
\subsection{Conservativeness, Boundedness, Transportiveness}
\begin{itemize}
\item \textbf{Conservativeness}: Die Flüsse über die Flächen der Zellen
müssen diesselben sein, also rechts und links: Der ganze Fluss der eine Zelle
verlässt muss in eine neue Zelle eintreten.
\item \textbf{Boundedness}:
\begin{itemize}
\item Matrizen sollten diagonaldominant sein.$\Rightarrow$ Versteeg S.143
\item Die Lösung sollte zwischen den gegebenen Randwerten liegen. Also wenn
T(0)=100K und T(10)=200K gilt, sollen alle Lösungen dazwischen liegen.
\item Alle Koeffizienten der Diskretisierung sollten positiv sein.
\end{itemize}
\item \textbf{Transportiveness}: Für hohe Péclet-Zahlen können die
Informationen für $\phi$ ausschliesslich vom upstream kommen. $\Rightarrow$
Bild 54. Es ist wichtig diese Eigenschaft der betreffenden Diskretisierung zu
kennen.
\end{itemize}
\begin{figure}[h!]
\begin{center}
\includegraphics[scale=1.0]{images/55.pdf}
\caption{Transportivness, a) Péclet$\to$0 b) Péclet$\to \infty$}
\label{fig:55}
\end{center}
\end{figure}
\subsection{Hybrid Differencing Scheme}
Explain how the hybrid differencing scheme works.
Das Hybrid Differencing Scheme kombiniert die Methoden Upwind und Central
Differencing. Für Zellen mit \textit{niedriger} Péclet Nummer wird das
\textbf{Central Differencing} angewendet. Zellen mit \textit{hoher} Péclet Zahl
werden mit Hilfe des \textbf{Upwind Differencing} Verfahren berechnet.\\
\textit{Vorteile}: Sehr robust, Einfach zu implementieren\\
Widely Used!
\subsection{Quick Scheme} Explain the QUICK scheme. Advantages and
disadvantages.
Das QUICK (Quadratic Upwind Differencing Scheme) funktioniert wie der Name sagt
als Upwind Schema, es wird aber ein weiterer Knoten im Upwind Bereich
zur Berechnung hinzugezogen. In Abbildung \ref{fig:56} ist dies schematisch
dargestellt. Die Diskretisierung erfolgt damit gemäss:
\begin{align}
\boxed{a_p\phi_p=a_w\phi_w+a_e\phi_e+a_{ww}\phi_{ww}}
\end{align}
\begin{figure}[h!]
\begin{center}
\includegraphics[scale=1.0]{images/56.pdf}
\caption{Quick Scheme}
\label{fig:56}
\end{center}
\end{figure}
\textit{Vorteile}: Zweiter Ordnung und erfüllt transportiveness. \\
\textit{Nachteile}: Kleine unphysikalische Über- und Unterschüsse sind möglich.
\subsection{TVD Schemes} Describe the idea behind TVD schemes.
TVD steht für Total Variation Diminishing. Die Idee hinter diesen Schemata ist
die unphysikalischen Über- und Unterschüsse zu verhindern aber trotzdem die
höhere Ordnung beizubehalten.
\section{Solution algorithms for pressure velocity coupling in steady flows}
\subsection{Difference between incompressible and compressible approach}
Difference between incompressible (pressure-based) and compressible (density
based) approach/codes => which equations are available for which variable\\
\subsubsection{Inkompressible Fluide (Druckbasierte Algorithmen)}
\begin{itemize}
\item Absolute Dichte ist nicht nötig (relativ genügt)
\item Druck-Geschwindigkeits Koppelung mit der Kontinuitätsgleichung
(Transportgleichung) ist nur eine \textbf{kinematische Bedingung}
\item Impulsgleichung $\Rightarrow$ Druck
\item Kontinuitätsgleichung $\Rightarrow$ Geschwindigkeitsfeld (schwache
Formulierung)
\end{itemize}
Weitere Infos:
\begin{description}
\item[1] überwiegend gekoppelte Lösungsalgorithmen!
\item[2] sequentielle Lösungsalgorithmen mit einer Druck-Poisson-Gleichung
\begin{itemize}
\item Divergenz von Navier-Stokes-Gleichung: $\Delta p = -\rho \nabla \cdot
[\nabla \cdot (\underline u \underline u)]$
\end{itemize}
\item[3] sequentielle Lösungsalgorithmen mit einer Druckkorrektur-Gleichung
(zBsp. SIMPLE)
\begin{itemize}
\item Kontinuitätsgleichung und Navier-Stokes-Gleichung
\item $[\nabla \cdot \underline u]_{KV} = 0$
\item $\rho [\nabla \cdot (\underline u \underline u)]_{KV} = - [\nabla
\rho]_{KV} - \eta [\Delta \underline u]_{KV}$
\end{itemize}
\end{description}
\subsubsection{Inkompressible und kompressible Fluide (Dichtebasierte
Algorithmen)}
\begin{itemize}
\item Kontinuitätsgleichung für Dichte (Transportgleichung)
\item Energiegleichung für Temperatur
\item Als letztes wird der Druck $p$ aus $\rho$ und $T$ bestimmt,
Zustandsgleichung für Druck $P \cdot V = n \cdot R \cdot T$
\end{itemize}
Weitere Infos:\\
\begin{itemize}
\item Werden fast ausschliesslich für kompressible Fluide verwendet.\\
\item Können gekoppelt (eher für kompressible, da stark gekoppelt) oder
sequentiel (eher für inkompressible, da schwach gekoppelt) gelöst werden
\end{itemize}
Beschrieben in Lektion 7, Pressure Velocity Coupling: Folie 6
\subsection{Differences between momentum equations and general scalar transport
equations}
Differences between momentum equations and general scalar transport
equations => new aspects to be tackled\\
\subsubsection{Momentum equation (Impulsgleichung)}
Momentum equation (staggered CV)\\
$(\rho u^2 A)_P - (\rho u^2 A)_W$\\
Geschwindigkeit wird auf dem versetzten Netz um die Zellenoberfläche
zentriert berechnet. Der Grund liegt darin, dass der Einfluss des
Druckes nicht korrekt die diskretisierte Impulsgleichung (Geschwindigkeit)
repräsentiert. Darum wird das Geschwindigkeitskontrollvolumen verschoben.\\
\textbf{Eigene Erklärung dafür, öbs Sinn macht kei Plan:}\\
Zusammenhang zwischen Druck und Geschwindigkeit: $p = \frac{F}{A} = \frac{m
\cdot g \cdot h}{A} \propto g = a = \frac{\partial v}{\partial t}$\\
Die Ableitung der Geschwindigkeit entspricht dem Druck. Da die Ableitung als
Differenz zweier Punkte berechnet wird, ist das Resultat zwischen den zwei
Punkten korrekt und somit macht das verschobene Netz Sinn.
\subsubsection{General scalar transport}
General scalar transport (node CV)\\
$(\rho u A \Phi)_e - (\rho u A \Phi)_w$\\
Skalare variabeln: Druck, Dichte Temperatur, \ldots werden auf den gewöhnlichen
Knotenpunkten gerechnet
Beschrieben in Lektion 7, Pressure Velocity Coupling: Folie 11
\subsection{SIMPLE}
\label{sec:SIMPLE}
Explain the SIMPLE procedure for pressure-velocity coupling\\
\newline
SIMPLE: Semi-Implicit Method for Pressure Linked Equations\\
Introinformationen (Wiki):\\
Der SIMPLE-Algorithmus (Semi-implicit Method for Pressure Linked Equations) wird
in der numerischen Strömungsmechanik zur Lösung der Navier-Stokes-Gleichungen
bei \textbf{unbekanntem Druckfeld} eingesetzt.\\
Die Grundidee, auf der SIMPLE basiert, ist das unbekannte Druckfeld zu schätzen,
die Geschwindigkeitsfelder damit zu berechnen und mit Hilfe der
Kontinuitätsgleichung eine Druckkorrektur und anschließend eine
Geschwindigkeitskorrektur zu bestimmen. Dieses Vorgehen wird wiederholt, bis die
Kontinuitätsgleichung im Rahmen der vorgegebenen Genauigkeit erfüllt wird.\\
\textbf{Iterativ} (wiä endlosschleifä, aber eifach ganz andersch)\\
\begin{figure}[h!]
\begin{center}
\includegraphics[scale=0.7]{images/simple_algorithm.pdf}
\caption{SIMPLE Algorithm}
\label{fig:SIMPLE1}
\end{center}
\end{figure}
%\includegraphics[scale=0.7]{images/simple_algorithm.pdf}\\
Kurz in Worte:\\
\begin{itemize}
\item Iterationsprozess starten mit geschätzter Geschwindigkeit und Druckfeld
\item Konvektiver Fluss durch die Zelloberfläche wird anhand der
Geschwindigkeit abgeschätzt
\item Geschätztes Druckfeld wird für die Lösung der Impulsgleichung verwendet
\item Druckkorrekturgleichung, aus Kontinuitätsgleichung hergeleitet, um die
Durckkorrektur zu berechnen. Anhand dieser wieder die Geschwindigkeit und
Druckfeld berechnet wird.
\item Es wird solange iteriert bis die Resultate des Geschwindigkeits und
Druckfeld konvergieren (genügend genau sind)
\end{itemize}
Zusatzinfos:\\
\begin{itemize}
\item Koeffizienten a werden durch Methoden (Central, hybrid, upwind, quick,
\ldots) berechnet
\item $d_{i,J} = \frac{A_{i,J}}{a_{i,J}}$ und $d_{I,J} =
\frac{A_{I,J}}{a_{I,J}}$
\item Druck: p
\item Geschwindigkeitskomponenten: u, v
\item Index \textbf{I-1, I, I+1} für x-Richtung (effektive Knoten, General
scalar Transport)
\item Index \textbf{J-1, J, J+1} für y-Richtung (effektive Knoten, General
scalar Transport)
\item Index \textbf{i-1, i, i+1} für x-Richtung (versetzte Knoten,
Impulsgleichung)
\item Index \textbf{j-1, j, j+1} für y-Richtung (versetzte Knoten,
Impulsgleichung)
\end{itemize}
Branches von Simple:\\
\begin{itemize}
\item SIMPLER (R for revised, Patankar, 1980): In this algorithm the
continuity equation is used to derive a pressure instead of a pressure correction equation as in SIMPLE. The intermediate pressure field is obtained directly without the use of a correction. Velocities are, however, still obtained through the velocity corrections as in SIMPLE
\item SIMPLEC (C for consistent, van Doormal-Raithby, 1984): this algorithm
follows the same steps as the SIMPLE algorithm, but the momentum equations are manipulated so that the SIMPLEC velocity correction equations omit terms that are less significant than those in SIMPLE
\item PISO (Pressure Implicit with Splitting of Operators, Issa, 1986): is a
p–v calculation procedure developed originally for non-iterative computation of unsteady compressible flows. It has been adapted successfully for the iterative solution of steady state problems. PISO involves one predictor step and two corrector steps and may be seen as an extension of SIMPLE, with a further corrector step to enhance it
\end{itemize}
Beschrieben in Lektion 7, Pressure Velocity Coupling: Folie 14
\subsection{Relaxation Factor and Uses of it}
Explain the role of relaxation factor. Why are they used?\\
Der Korrekturfaktor wird dazu verwendet um die Konvergenz sicherzustellen. Der
Faktor muss zwischen 0 und 1 liegen. Bei 0 würde die Berechnete Druckkorrektur
nicht einfliessen (funktioniert nicht). Bei 1 fliesst die Druckkorrektur voll
ein, da wird wohl das System instabil (wie P-Regler mit zuviel P-Anteil
(Regelungstechnik) fängt an zu Osziliieren, da er zuviel korrigiert und im
nächsten Schritt zuviel zurückkorrigieren muss).
\section{Solution of discretized equations}
\subsection{Iterative methods}
Explain why iterative methods are necessary to solve sparse linear systems.\\
Iterative Methoden sind notwendig da sie nummerisch weniger aufwendig sind zu
lösen und somit auch schneller und lassen sich parallel ausrechnen. Grundschema
für einen iterativen Lösungsansatz ist $ D \cdot \phi_h = D_h - (A_\phi \cdot
\phi_h - Q)$, darin ist D die Matrix der Diagonalelemente von der Matrix A
\subsection{Jacobi and Gauss-Seidel iterative methods}
Describe the Jacobi and Gauss-Seidel iterative methods
\begin{itemize}
\item \textbf{Jacobi iterative method:} $ \phi ^{(k+1)}_h = D^{-1} \cdot Q -
(D^{-1} \cdot A_\phi - \delta)\cdot \phi_h^{(k)}$
Zur Berechnung der Lösung eines linearen Gleichungssystems löse man die i-te
Gleichung nach der i-ten Variable auf. Die neuen Näherungswerte für die Lösung
berechnet man iterative aus den alten Näherungswerten.
Bemerkung: Zu beachten ist das $\lambda$ (Eigenwert) kleiner 1 sein muss, dass
es konvergiert, je kleiner desto langsamer wird es jedoch.\\
Vorteil: gut parallelisierbar, ziel ist es möglichst nahe an Einheitsmatrix zu
kommen\\
Nachteil: ...\\
\item \textbf{Gauss- Seidel method}: $ \phi ^{(k+1)}_h = D^{-1} \cdot Q -
(D^{-1} \cdot [(U\cdot A_\phi ) \cdot \phi_h^{k+1} + (L \cdot A_\phi -
\delta)\cdot \phi_h^{(k)}]$
Löse der Reihe nach jede Gleichung nach ihrem Diagonal-Term auf, setzt
Startwerte ein, iteriere, verwende jeweils neueste Näherungswerte. Im Gegensatz
zum Jacobi-Verfahren verwendet man bei der Berechnung der neuen Näherungswerte
alle bereits neu berechneten Näherungswerte.\\
Vorteil: konvergiert schneller\\
Nachteil: nicht parallelisierbar\\
\end{itemize}
\subsection{Multi-Grid Methods}
Describe the idea behind the multi-grid method
Die Grundidee des Multi-Grid Verfahren ist es, dass aus dem ursprünglichen
Rechengitter mit einer charakteristischen Gitterweite h weitere gröbere
Rechengitter mit Gitterweiten von beispielsweise 2h,4h, usw. zu erzeugt werden.
\\
\begin{figure}[h!]
\begin{center}
\includegraphics[scale=0.3]{images/multigrid1.png}
\caption{Multigrid Beispiel 1}
\label{fig:Multigrid1}
\end{center}
\end{figure}
%\includegraphics[scale=0.3]{images/multigrid1.png}
Aus dem feinsten Gitter (Zellmittelpunkte offen) ergeben sich durch das
Zusammenfassen von jeweils vier Kontrollvolumina die Zellen des nächst gröberen
Gitters (Zellmittelpunkte schraffiert). Diese können schliesslich zum gröbsten
Gitter (Zellmittelpunkte voll) zusammengefasst werden.
\\
Während des Iterationsprozess werden Lösungen im Wechsel auf den verschiedenen
Gittern berechnet, wobei zwischen den Gittern Informationen über die jeweiligen
Lösungen ausgetauscht werden.
\\
\begin{figure}[h!]
\begin{center}
\includegraphics[scale=0.3]{images/multigrid2.png}
\caption{Multigrid Beispiel 2}
\label{fig:Multigrid2}
\end{center}
\end{figure}
%\includegraphics[scale=0.3]{images/multigrid2.png}
\section{The finite volume method for unsteady flows}
\subsection{Common Schemes} Describe the three common schemes for time
discretization:
Um auch instationäre, zeitabhängige Strömungen simulieren zu können, muss in die
bisher hergeleiteten Gleichungen die Zeit integriert werden. Ausgehend von der
einfachen Diffeq:
\begin{align}s
\frac{d\phi}{dt}=f(t,\phi(t))
\end{align}
Integriert man diese Gleichung über ein Zeitintervall $\Delta_t = t_{n+1}-t_n$
ergibt sich
\begin{align}
\phi^{n+1}=\phi^n + \int_{t_n}^{t_{n+1}} f(t,\phi(t))dt
\end{align}
Über eine Diskretisierung folgende Formel hergeleitet werden:
\begin{align}
\phi^{n+1}=\phi^n + \left[\alpha \cdot f(t_n,\phi^n)+(1-\alpha)\cdot
f(t_{n+1},\phi^{n+1})\right]\Delta t
\end{align}
Je nach Wahl des Paramters $\alpha$ die verschiedenen Methoden. \\
\begin{itemize}
\item $\alpha = 1$: Explizites Euler Verfahren \begin{align}
\phi^{n+1}= \phi^n + f(t_n,\phi^n) \Delta t
\end{align}
\item $\alpha= 0.5$: Crank Nicholson \begin{align}
\phi^{n+1}=\phi^n + \frac{1}{2}
\left[f(t_n,\phi^n)+f(t_{n+1},\phi^{n+1})\right]\Delta t
\end{align}
\item $\alpha = 0$: Implizites Euler Verfahren \begin{align}
\phi^{n+1}=\phi^n + f(t_{n+1},\phi^{n+1})\Delta t
\end{align}
\end{itemize}
In Abbildung \ref{fig:81} ist die grafische Representation von obigen
Gleichungen abgebildet.
\textbf{Herleitung aus Buch CFD-Modellierung, Rüdiger Schwarze, Springer
Verlag. Versteeg leitet es anders her und verwendet andere Variablen
(Parameter Versteeg $\mathbf{\Theta = \alpha}$!)}
\begin{figure}[h!]
\begin{center}
\includegraphics[scale=1.0]{images/81.pdf}
\caption{Raum-Zeit Gitter}
\label{fig:81}
\end{center}
\end{figure}
\subsection{Advantages and disadvantages of the different schemes}
\textbf{Advantages}:
\begin{itemize}
\item \textbf{Explicit (forward Euler)}: Effizient, Einfach zu implementieren.
\item \textbf{Crank-Nicholson}: Basiert auf Central Differencing, deshalb 2nd
Order Accuracy. Kleinere Time Step Limitation $\Rightarrow$ sehr gute Resulate
bei mässig kleinen Zeitschritten
\item \textbf{Implicit (backward Euler)}: Robust, Stabil für alle Time Step
Grössen. Generell empfohlen für transiente Probleme.
\end{itemize}
\textbf{Disadvantages}:
\begin{itemize}
\item \textbf{Explicit (forward Euler)}: Time Step Limit $\Rightarrow$ Um eine
höhere räumliche Auflösungen zu erhalten müssen die Zeitschritte im Quadrat dazu
reduziert werden (Versteeg S.247). Rechenpower! Deshalb für transiente Probleme
nicht empfohlen.
\item \textbf{Crank-Nicholson}: Ebenfalls Time Step Limit $\Rightarrow$ Weniger
ausgeprägt. (Versteeg S.248)
\item \textbf{Implicit (backward Euler)}: Verfahren erster Ordnung $\Rightarrow$
Deshalb müssen genügend kleine Time Steps gewählt werden um eine entsprechende
Genauigkeit zu erhalten. (Rechenpower!)
\end{itemize}
\subsection{SIMPLE scheme}
How does the SIMPLE scheme have to be modified for a transient
simulation?
Das SIMPLE Scheme muss für transiente Strömungen folgendermassen erweitert
werden. Es muss ein zeitlich abhängiger Druckkorrekturterm hinzugefügt werden
(Kontigleichung):
\begin{align}
\frac{\partial \rho}{\partial t} + \nabla (\rho \mathbf{u})
\end{align}
Die führt zum Algorithmus der in Abbildung \ref{fig:82} abgebildet ist. (Siehe
auch Kapitel \ref{sec:SIMPLE})
\begin{figure}[h!]
\begin{center}
\includegraphics[scale=1.0]{images/82.pdf}
\caption{Angepasster SIMPLE Algorithmus}
\label{fig:82}
\end{center}
\end{figure}
\section{Implementation of boundary conditions}
\subsection{5 important boundary conditions}
Name 5 important boundary\\
\begin{itemize}
\item inlet (Einlass)
\item outlet (Auslass)
\item Wall (Wand)
\item Symmetrie: kein Fluss über den Rand, Implementation: Geschwindigkeit =
0, alle anderen Properties werden ausserhalb = innerhalb gesetzt
\item periodicity heisst auch opening (or cyclic
boundary condition): spielt mal Einlass und wieder Auslass, Beispiel zylindrischer
Ofen, Kraftstoff läuft durch gleiche Fläche rein und wieder raus, abhängig
Position (Drehung).
\end{itemize}
\subsection{symmetry planes and symmetry boundary conditions}
Why cannot symmetry planes (and symmetry boundary conditions always
be used in CFD)?\\
Bei den symmetrischen Flächen geht es darum, dass nur die hälfte eines Objektes
simuliert wird und die andere hälfte als symmetrisch interpretiert wird.\\
\begin{figure}[h!]
\begin{center}
\includegraphics[scale=0.6]{images/symmetrie.pdf}
\caption{Zylindrischer Ofen}
\label{fig:ofen}
\end{center}
\end{figure}
% cut with: pdfcrop --margins '5 -100 5 -120' symmetrie.pdf symmetrie_1.pdf
Ist der Fluss instationär, funktioniert die Symmetriebedingung nicht.\\
Beispiele:\\
\begin{itemize}
\item Bild: Gasfluss in Objekt rein, abhängig der Geschwindigkeit gibt es ein
Oszillieren mit einer gewissen Frequenz. Anwendung: Gasmeter (für
verschiedene Gase synGas, Erdgas, \ldots)
\item Turbulente Strömungen um einen Kreis herum, bei dem die Strömung
oszilliert
\end{itemize}
\subsection{Outlets and interesting flow region}
Why should outlets be placed far away from the interesting flow
region?\\
\begin{figure}[h!]
\begin{center}
\includegraphics[scale=0.8]{images/inlet_error.pdf}
\caption{Boundary Condition}
\label{fig:Boundary}
\end{center}
\end{figure}
%\includegraphics[scale=0.8]{images/inlet_error.pdf}
% cut with: pdfcrop --margins '-100 -130 -100 -120' inlet_error.pdf inlet_error_1.pdf
Bild eigentlich selbsterklärend, in den Worten von Henrik:\\
\begin{itemize}
\item Boundary conditions are always bad!
\item There are no boundaries in real life.
\end{itemize}
\section{Errors and uncertainty in CFD modelling}
\subsection{3 potential numerical errors in CFD}
Describe three potential numerical errors in CFD
\begin{itemize}
\item \textbf{Disketierungsfehler}: Netz musste unendlich fein sein, um die physikalische Effekte aufzulösen. Aus diesem Grund ist es notwendig verschiedenen Netzen und Zeitschritten eine Netzstudie durchzuführen, so Resultat dasselbe Effekte gibt
\item \textbf{Rundungsfehler}: Bei Gleitkommazahlen können beim rechnen mit dem
Computer Fehler entstehen, dies weil Teile davon beim Rechnen verloren gehen.
Meist mit Float.h kann, nachgeschaut werden.
\item \textbf{Iterative}: Konvergenzfehler, wenn Residuale welche beim Lösen entstehen nicht stimmen, stimmt die Physik sicher nicht.
\end{itemize}
\subsection{Two typical physical uncertainties in CFD}
Describe two typical physical uncertainties in CFD (uncertainties =
Unsicherheiten)
\begin{itemize}
\item \textbf{limitierte Genauigkeit} $\Rightarrow$ Materialkonstanten
\item \textbf{fehlen von validierten Submodellen}
\end{itemize}
weitere Informationen im Buch Versteeg Seite 291
\subsection{Verification and Validation}
What do the terms verification and
validation mean.
\begin{itemize}
\item \textbf{Verification}: Aufgabe des Mathematiker, schaut das die Gleichung richtig gelöst wird.
\item \textbf{Validation}: Aufgabe des Ingenieur, schaut das die richtige Gleichung gelöst wird, welche die Wirklichkeit beschreibt.
\end{itemize}
\end{document}