Luiz Fernando Lopes Rodrigues Silva

DESENVOLVIMENTO DE METODOLOGIAS PARA SIMULAO DE ESCOAMENTOS POLIDISPERSOS USANDO CDIGO LIVRE
Luiz Fernando Lopes Rodrigues Silva
TESE DOS
SUBMETIDA PROGRAMAS
AO DE
CORPO
DOCENTE
DA
COORDENAO DA DOS
PS-GRADUAO DO RIO DE
DE
ENGENHARIA COMO PARTE
UNIVERSIDADE
FEDERAL
JANEIRO
REQUISITOS NECESSRIOS PARA A OBTENO DO GRAU DE DOUTOR EM CINCIAS EM ENGENHARIA QUMICA.
Aprovada por:
Prof. Paulo Laranjeira da Cunha Lage, D.Sc.
Prof. Jos Carlos Costa da Silva Pinto, D.Sc.
Prof. Alvaro Luiz Gayoso de Azeredo Coutinho, D.Sc.
Profa. Angela Ourivio Nieckele, D.Sc.
Prof. Hrvoje Jasak, Ph.D.
RIO DE JANEIRO RJ, BRASIL JUNHO DE 2008
SILVA,
LUIZ
FERNANDO
LOPES
RODRIGUES Desenvolvimento de Metodologias para Simulao de Escoamentos Polidispersos usando Cdigo Livre [Rio de Janeiro] 2008 XVII, 262 p.
29, 7cm
(COPPE/UFRJ,
D.Sc., Engenharia Qumica, 2008) Tese Universidade Federal do Rio de Janeiro, COPPE 1. Processos Multifsicos 2. Balano Populacional 3. Fluidodinmica Computacional 4. OpenFOAM 5. DQMOM 6. Modelagem e Simulao I. COPPE/UFRJ II. Ttulo (srie)
ii
minha famlia
iii
Agradecimentos
Agradeo em primeiro lugar ao orientador e amigo Paulo Lage que, desde os meus tempos de iniciao cientca, contribui fortemente na minha formao, com seus conselhos, discusses, idias e correes. Agradeo aos membros da banca de doutorado, Prof. Jasak, Profa. Angela, Prof. Alvaro e Prof. Jos Carlos, pelo apoio e sugestes na avaliao deste documento. Em especial, gostaria de agradecer ao Dr. Jasak pelos vrios conselhos e pelas longas e construtivas conversas que ocorreram durante sua estada na UFRJ. No posso deixar de agradecer aos amigos do Laboratrio de Termouidodinmica, Antonio, Ricardo Carvalho, Joo Felipe, Marcelo, Fbio e Willian. A constante troca de idias, sugestes, piadas, etc. foram de grande valia para o timo clima no laboratrio e, por conseguinte, a evoluo deste trabalho. Aos ex-integrantes do laboratrio, Cludio Patrcio, Ricardo Damian, Flvio Campos, Jorge Palomino, Victor Ruiz e Carlos Eduardo, muito obrigado pelo apoio constante. Meus sinceros agradecimentos aos amigos e colegas do PEQ pelo timo convvio. Em especial, agradeo Clarissa por todo carinho em mim depositado. Agradeo aos amigos que trilharam o curso de graduao em engenharia qumica comigo e hoje fazem parte da minha vida. Aos meus amigos de longa data e aos mais recentes, muito obrigado. Agradeo ao CNPq e Chemtech pelo suporte nanceiro. Por m, agradeo minha famlia pelo apoio e compreenso na escolha da minha preparao prossional.
iv
Resumo da Tese apresentada COPPE/UFRJ como parte dos requisitos necessrios para a obteno do grau de Doutor em Cincias (D.Sc.)
DESENVOLVIMENTO DE METODOLOGIAS PARA SIMULAO DE ESCOAMENTOS POLIDISPERSOS USANDO CDIGO LIVRE
Junho/2008
Orientador: Paulo Laranjeira da Cunha Lage Programa: Engenharia Qumica
Escoamentos multifsicos polidispersos esto presentes em vrias aplicaes da indstria qumica nas quais os processos de interao partcula-partcula podem afetar o perl de escoamento. Portanto, os efeitos de interao entre partculas, como quebra e agregao, devem ser includos na simulao de escoamentos multifsicos polidispersos atravs do acoplamento da equao de balano populacional (EBP) com o modelo Euleriano multi-uido. O desenvolvimento das metodologias para a simulao de escoamentos multifsicos polidispersos apresentado neste trabalho. Uma avaliao da acurcia dos mtodos numricos para a soluo da EBP foi realizada e o
Direct Quadrature Method Of Moments
se mostrou o mais apropriado. As
metodologias foram implementadas no pacote CFD OpenFOAM, escrito em C++ e de cdigo aberto. O desenvolvimento foi baseado no modelo Euleriano bifsico
incompressvel j implementado no OpenFOAM, estendendo-o para a abordagem multifsica (n
+1
fases) e considerando o acoplamento CFD-EBP. Simulaes con-
siderando efeitos de quebra e agregao de partculas foram realizados de forma a vericar as implementaes.
Abstract of Thesis presented to COPPE/UFRJ as a partial fulllment of the requirements for the degree of Doctor of Science (D.Sc.)
DEVELOPMENT OF METHODOLOGIES FOR THE SIMULATION OF POLYDISPERSE FLOWS USING OPEN SOURCE CODE
June/2008
Advisor: Paulo Laranjeira da Cunha Lage Department: Chemical Engineering
Polydisperse multiphase ows appear in several chemical industry applications in which the particle-particle interactions may aect the ow patterns. Thus, the particle interactions, as breakage and aggregation, should be included in the polydisperse multiphase ow simulations through the population balance equation (PBE) and the Eulerian multi-uid model coupling. The development of the methodologies for the simulation of polydisperse multiphase ow is presented in this work. An evaluation of the accuracy of numerical methods to solve the PBE was accomplished and the
has shown as the best choice.
The methodologies were implemented in the OpenFOAM open source CFD package written in C++. The development was based on the incompressible Eulerian two-phase model already implemented in OpenFOAM, extending it to a multiphase approach (n + 1 phases) and considering the CFD-PBE coupling. Numerical simulations considering breakage and aggregation eects were performed in order to verify the implementations.
vi
Sumrio
Lista de Figuras Lista de Tabelas Nomenclatura 1 Introduo e Objetivos
1.1 1.2 1.3 Contexto e Motivao Objetivos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Justicativa e Relevncia . . . . . . . . . . . . . . . . . . . . . . . . . 1.3.1 1.3.2 1.3.3 1.4 Histrico do Grupo de Pesquisa . . . . . . . . . . . . . . . . .
xi xiv xv 1
1 2 3 4 4 7 9
Reatores Multifsicos . . . . . . . . . . . . . . . . . . . . . . . Por que
Software
Livre?
. . . . . . . . . . . . . . . . . . . . .
Organizao do texto . . . . . . . . . . . . . . . . . . . . . . . . . . .
2 Fundamentos do Escoamento Multifsico

2.1 Fundamentos de Modelagem . . . . . . . . . . . . . . . . . . . . . . . 2.1.1 2.2 Conceitos Bsicos . . . . . . . . . . . . . . . . . . . . . . . . . Modelagem Euleriana-Euleriana . . . . . . . . . . . . . . . . . . . . . 2.2.1 2.2.2 2.3 Modelo Multi-uido . . . . . . . . . . . . . . . . . . . . . . . . Modelo de Mistura . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
11
11 12 15 16 17 18 20 26 31
Abordagem para o Fechamento 2.3.1 2.3.2
Fechamento das Foras de Interao . . . . . . . . . . . . . . . Modelagem de Turbulncia . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
2.4
Anlise de Escoamentos Gs-Lquido
vii
2.4.1 2.4.2 2.4.3
Colunas de Borbulhamento . . . . . . . . . . . . . . . . . . . . Simulaes Eulerianas: Regime Homogneo . . . . . . . . . . . Simulaes Eulerianas: Regime Heterogneo . . . . . . . . . .
31 33 39
3 Modelagem de Balano Populacional

3.1 Balano Populacional . . . . . . . . . . . . . . . . . . . . . . . . . . . 3.1.1 3.1.2 3.1.3 3.1.4 3.2 Equao de Balano Populacional (EBP) . . . . . . . . . . . . Processos de Agregao Processos de Quebra . . . . . . . . . . . . . . . . . . . . .
42
42 44 45 48 49 51 51 53 55 61 62 69 70 73
. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
Hipteses e Simplicaes
Tcnicas Numricas para Soluo de EBPs . . . . . . . . . . . . . . . 3.2.1 3.2.2 3.2.3 3.2.4 3.2.5 Mtodos Estocsticos . . . . . . . . . . . . . . . . . . . . . . . Mtodo dos Resduos Ponderados . . . . . . . . . . . . . . . . Mtodo das Classes . . . . . . . . . . . . . . . . . . . . . . . . Mtodo dos Momentos . . . . . . . . . . . . . . . . . . . . . . Mtodos Hbridos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
3.3
Acoplamento CFD-EBP 3.3.1 3.3.2
Fundamentos do Acoplamento . . . . . . . . . . . . . . . . . . Reviso de Aplicaes usando CFD-EBP . . . . . . . . . . . .
4 Pacote CFD OpenFOAM

4.1 Introduo . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 4.1.1 4.2 Origem do OpenFOAM . . . . . . . . . . . . . . . . . . . . . . Estrutura da Metodologia Numrica . . . . . . . . . . . . . . . . . . . 4.2.1 4.2.2 4.2.3 4.3 Discretizao por Volumes Finitos . . . . . . . . . . . . . . . . Sistema Algbrico de Equaes . . . . . . . . . . . . . . . . .
81
81 82 84 84 89 90 92 93 95 97
Notao da Formulao Discreta . . . . . . . . . . . . . . . . .
Conceitos de Programao . . . . . . . . . . . . . . . . . . . . . . . . 4.3.1 4.3.2 4.3.3 Orientao a Objetos e C++ . . . . . . . . . . . . . . . . . .
Interpretao da Linguagem pelo OpenFOAM . . . . . . . . . Implementao de Cdigos CFD . . . . . . . . . . . . . . . . .
viii
4.4
Escoamento Multifsico no OpenFOAM 4.4.1 4.4.2 Abordagens Implementadas Modelo Euleriano Bifsico
. . . . . . . . . . . . . . . . 100
. . . . . . . . . . . . . . . . . . . 100 . . . . . . . . . . . . . . . . . . . . 101
5 Desenvolvimento das Metodologias

5.1 5.2 5.2.1 5.2.2 5.2.3 5.2.4 5.2.5 5.3 Equaes Multifsicas
104
Introduo . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 104 Formulao Numrica do Modelo Bifsico . . . . . . . . . . . . . . . . 105 . . . . . . . . . . . . . . . . . . . . . . 106
Equao da Presso . . . . . . . . . . . . . . . . . . . . . . . . 109 Equao da Frao Volumtrica . . . . . . . . . . . . . . . . . 110 Modelo
para Turbulncia
. . . . . . . . . . . . . . . . . 112
Implementao e Algoritmo de Soluo . . . . . . . . . . . . . 112
Balano Populacional no OpenFOAM . . . . . . . . . . . . . . . . . . 114 5.3.1 5.3.2 Formulao do DQMOM . . . . . . . . . . . . . . . . . . . . . 114 Implementao Numrica . . . . . . . . . . . . . . . . . . . . 115
5.4
Abordagem MUSIG . . . . . . . . . . . . . . . . . . . . . . . . . . . . 117 5.4.1 Implementao Numrica . . . . . . . . . . . . . . . . . . . . 120 . . . . . . . . . . . . . . . . . . . . . 120 . . . . . . . . . . . . . . 122
5.5
Modelagem Multi-uido e EBP 5.5.1 5.5.2 5.5.3 5.5.4 5.5.5
Equao de Conservao Multifsica
Equao Multifsica da Presso . . . . . . . . . . . . . . . . . 124 Equao para a Frao Volumtrica Multifsica . . . . . . . . 125
Acoplamento CFD-EBP Multifsico . . . . . . . . . . . . . . . 126 Implementao das Abordagens . . . . . . . . . . . . . . . . . 127
6 Resultados e Discusso
6.1 6.2 6.3
131
Introduo . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 131 Comparao e Avaliao dos Mtodos Hbridos . . . . . . . . . . . . . 131 Avaliao do DQMOM e Acoplamento MUSIG . . . . . . . . . . . . . 135 6.3.1 6.3.2 Soluo da EBP no OpenFOAM . . . . . . . . . . . . . . . . . 137 Escoamento em emulso usando o modelo MUSIG . . . . . . . 140 . . . . . . . . . . . . . . . . . . 145
6.4
Escoamento Multifsico Polidisperso
ix
6.4.1 6.4.2
Simulaes Multifsicas
. . . . . . . . . . . . . . . . . . . . . 146
Simulaes de Escoamentos Polidispersos . . . . . . . . . . . . 148
7 Concluses e Sugestes
7.1 7.2
155 163 195 227 243
Resumo do Trabalho e Concluses . . . . . . . . . . . . . . . . . . . . 155 Sugestes para Trabalhos Futuros . . . . . . . . . . . . . . . . . . . . 161
Referncias Bibliogrcas A Comparao dos Mtodos de Soluo para EBP

A.1 Informaes sobre o Apndice
. . . . . . . . . . . . . . . . . . . . . . 195
B Avaliao e Implementao da EBP e MUSIG

B.1 Informaes sobre o Apndice
. . . . . . . . . . . . . . . . . . . . . . 227
C Modelagem e Implementao do Modelo Polidisperso

C.1 Informaes sobre o Apndice C.1.1
. . . . . . . . . . . . . . . . . . . . . . 243
Errata . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 243
Lista de Figuras
2.1 Coeciente de arrasto para esferas rgidas em funo do nmero de Reynolds (retirado de SCHLICHTING [44]). . . . . . . . . . . . . . . 2.2 Coeciente de sustentao para uma esfera rgida e lisa em funo do nmero de Reynolds. Linha slida: soluo analtica para escoamento invscido; linhas pontilhadas: ajuste da curva para os resultados numricos com 22
Sr = 0, 02 () e Sr = 0, 2 (
creeping ow
com
); linhas tracejadas: soluo e
analtica para
Sr = 0, 02
Sr = 0, 2
(retirado de 24
LEGENDRE e MAGNAUDET [51]). 2.3
. . . . . . . . . . . . . . . . . .
Representaes dos regimes de escoamento observados em colunas de borbulhamento. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 32
3.1
Representao do processo de agregao iniciado pela drenagem do lme uido que separa as partculas, podendo resultar (a) na agregao das partculas ou (b) na separao destas. . . . . . . . . . . . . . 46
3.2
Representao de como a tcnica do piv xo lida com a formao de novas partculas que no coincidem com um piv existente; das classes,
limites
piv (i ),
nova partcula formada por agregao ou 57
quebra. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 3.3 Representao dos
grupos de partcula separados em uma malha 71
discreta em tamanho e suas respectivas velocidades. . . . . . . . . . . 3.4 Exemplo da falta de acurcia em representar a funo de distribuio
usando o mtodo das classes [166] em um caso com quebra dominante. 72
xi
4.1
Discretizao nos domnios de espao e tempo (retirado de RUSCHE [52]). . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 85
4.2
Parmetros na discretizao por volumes nitos (retirado de RUSCHE [52]). . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
4.3
Operaes da classe plcitas (
fvm
) e explcitas (
5.1
Representao de um
geometricField<Type> fvc template PtrList<volScalarField>

est alocado na memria.
85
usando operaes im99
). . . . . . . . . . . . . . . . . . . . . .
com
elementos. Cada seta representa um ponteiro indicando o local onde cada
volScalarField
. . . . . . . . . . . . 116
6.1
Erro relativo dos momentos no caso de quebra dominante para os momentos de menor ordem,
0 1 ,
(a) e maior ordem,
2 3 ,
(b)
usando o QMOM e DQMOM, PPDC (c) e MoC (d). 6.2
. . . . . . . . . 133
Comportamento de falsa convergncia obtido pelo PPDC com
pontos de quadratura em um caso de quebra e agregao equivalentes. 134 6.3 Erro global mdio obtido para os casos de (a) quebra dominante e (b) agregao dominante. . . . . . . . . . . . . . . . . . . . . . . . . . . . 135 6.4 Dimenses paramtricas e nome dos contornos da geometria BFS, onde
L = 11H , l = H H = 0, 1 m
h = H/2
sendo
H = 0, 01 m
para o caso de
quebra e 6.5
para agregao dominante. . . . . . . . . . . . . 140
Contorno do dimetro de Sauter,
ds ,
para os casos de (a) quebra e
(b) agregao dominante. . . . . . . . . . . . . . . . . . . . . . . . . . 142 6.6 Convergncia em malha para os casos de (a) quebra e (b) agregao usando malhas hexadricas e tetra-prismticas. . . . . . . . . . . . . . 143 6.7 Ilustrao da converso de um grupo de elementos tetradricos em um volume de controle polidrico. . . . . . . . . . . . . . . . . . . . . 144 6.8 Pers verticais de e (d), usando o
n =1 r e
para o Casos I, (a) e (b), e II, (c) (T-F Euler) e o cdigo
solver twoPhaseEulerFoam
multifsico com diferentes nmeros
de fases. . . . . . . . . . . . . . 147
xii
6.9
Pers verticais dos componentes (a) para o Caso II.
x e (b) y da velocidade da mistura
. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 148
6.10 Grcos de contorno para as (a) fraes volumtricas e (b) dimetros caractersticos das fases
no caso de quebra dominante.
. . . . . 150
6.11 Grcos de contorno para as (a) fraes volumtricas e (b) dimetros caractersticos das fases
no caso de agregao dominante. . . . . 152
6.12 Tempo computacional de simulaes seriais e paralelas (Ncpu) usando os cdigos para escoamento multifsico com e sem o acoplamento com balano populacional. . . . . . . . . . . . . . . . . . . . . . . . . . . . 153
xiii
Lista de Tabelas
4.1 Notao da discretizao por volumes nitos. . . . . . . . . . . . . . . 91 6.1 Erros mdios nas simulaes transientes para os casos de (a) quebra e agregao equivalentes, (b) quebra dominante e (c) agregao dominante. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 138 6.2 Erro mdio (%) para as simulaes 1D no casos de (b) quebra e (c) agregao dominante usando diferentes mtodos de interpolao. . . . 139 6.3 Propriedades fsicas e condies de entrada para a mistura bifsica. . 141
xiv
Nomenclatura
A a B
rea projetada normal velocidade relativa da partcula freqncia de agregao entre partculas de um estado de partcula a outro termo fonte da equao de balano populacional referente taxa de nascimento de partculas
b CD, CL, CM V, Dx D
taxa especca de quebra de partculas coeciente de arrasto da fase
coeciente de sustentao da fase
coeciente de massa virtual da fase
coeciente de difuso anisotrpico da partcula termo fonte da equao de balano populacional referente taxa de morte de partculas
d ds D f Fi g G
dimetro caracterstico da fase
dimetro mdio de Sauter da fase dispersa taxa de deformao do uido funo densidade de nmero de partculas fora atuante na partcula campo gravitacional termo fonte da equao de balano populacional referente taxa de variao das propriedades da partcula
H J
termo fonte geral da equao de balano populacional termo fonte da equao de balano populacional referente taxa de nucleao de partculas
xv
MI,
termo fonte da equao mdia de pela interface da fase
momentum
referente troca de
momentum
m n n NT P p r Re S Sr T t u ur, V v v w X x y
massa da partcula vetor unitrio normal uma superfcie especca nmero de pontos de quadratura nmero total de partculas funo de densidade de probabilidade na quebra de partculas presso frao volumtrica da fase dispersa nmero de Reynolds vetor normal face do volume de controle taxa adimensional de cisalhamento na fase tensor tenso tempo velocidade do uido velocidade relativa entre a fase contnua e a dispersa taxa de variao das variveis externas vetor de variveis internas volume da partcula peso
para as variveis internas
taxa de variao das variveis externas vetor de variveis externas vetor de propriedades da fase contnua
Letras Gregas
k
nmero de pares idnticos na agregao taxa de dissipao de energia turbulenta uxo volumtrico da fase
pela face do volume de controle,
= (u )f S
energia cintica turbulenta ecincia de agregao viscosidade do uido
xvi
k v x
momento
da distribuio de partculas
domnio das variveis internas domnio das variveis externas termo de produo de energia turbulenta massa especca abscissa ponderada da fase tenso viscosa nmero mdio de partculas geradas na quebra freqncia de coliso para agregao
( = w )
erro relativo abscissa
Subescritos
a b f I m
no domnio das variveis internas
referente aos processos de agregao referente aos processos de quebra referente interpolao para o centro da face de um volume de controle referente aos processos que ocorrem na interface referente mistura no ASMM
Sobrescritos
(a) a lam mv , s turb
referente soluo analtica referente fora de arrasto referente velocidade utuante devido a interao entre bolhas referente ao escoamento laminar referente fora de massa virtual referente diferentes estados de partcula referente fora de sustentao referente ao escoamento turbulento
Siglas
CFD EBP
Fluidodinmica Computacional, em ingls Equao de Balano Populacional
Computational Fluid Dynamics
FOAM
Field Operation And Manipulation
xvii
Captulo 1 Introduo e Objetivos

1.1 Contexto e Motivao
So vastas as aplicaes de sistemas polidispersos em engenharia qumica e uma grande variedade de processos podem ser colocados. Entre estes podem ser citados a atomizao de um lquido em uma corrente de ar quente (spray-dryer ), a injeo de gotas de leo em uma cmara de combusto, o crescimento de microorganismos em um fermentador, a queima de partculas de carvo em uma mistura gasosa. Em especial, os processos de borbulhamento e sistemas lquido-lquido so usados para operaes de esgotamento, evaporao por contato direto, destilao, reao qumica, etc. Em tais equipamentos de operaes unitrias e reao, as diferentes interaes entre as partculas dispersas afetam o comportamento dinmico do sistema. Essas interaes tem inuncia direta no regime de escoamento de reatores gs-lquido e no grau de misturao da fase dispersa, afetando a separao, mistura e reao nos processos [1]. Deste modo, se torna necessrio considerar uma
abordagem detalhada para ns de modelagem e simulao de tais sistemas.
Normalmente, espera-se que os fenmenos associados presena das partculas nos equipamentos sejam conhecidos ou controlados, permitindo acompanhar a
1.2 Objetivos
inuncia das partculas sobre o sistema. A anlise apropriada de um sistema polidisperso procura representar o comportamento estatstico da populao e de seu ambiente (fase contnua) a partir de uma partcula genrica e seu ambiente local. Como o comportamento das partculas dependem de variveis associadas aos seus ambientes locais (campo de velocidade, temperatura, etc.), a modelagem para a populao de partculas deve ser mutuamente acoplada com os modelos de conservao das variveis da fase contnua. Isto ressalta a inuncia e a integrao dos fenmenos de transporte que ocorrem na fase contnua sobre a populao inteira e vice-versa. Por exemplo, a uidodinmica de um equipamento pode contribuir diretamente nos efeitos de quebra e agregao de partculas, enquanto que a presena destas mesmas partculas pode interferir no escoamento do uido.
O estudo destes fenmenos associados sistemas polidispersos vem sendo realizado com grande anco pela comunidade acadmica. De fato, alguns trabalhos [2, 3] apresentam uma reviso dos estudos e aplicaes de sistemas polidispersos baseados na anlise por balano populacional, colocando-o como uma abordagem promissora no tratamento destes processos.
1.2 Objetivos
O presente trabalho tem como objetivo geral a reviso, o desenvolvimento e a implementao de metodologias para a simulao de escoamentos polidispersos. Para atingir tal objetivo, algumas etapas tiveram que ser cumpridas e esto listadas a seguir.
Estudo e reviso da modelagem multifsica e seus parmetros.
Estudo da equao de balano populacional e dos mtodos numricos para sua soluo.
Avaliao crtica e comparao dos mtodos de soluo da equao de balano
1.3 Justicativa e Relevncia

populacional.
Reviso das tcnicas para o acoplamento do modelo multifsico com balano populacional.
Estudo da ferramenta de Fluidodinmica Computacional, CFD, visando a implementao e extenso de cdigos multifsicos.
Desenvolvimento de metodologias e algoritmos para a simulao de escoamentos polidispersos.
Implementao das metodologias no pacote CFD.
Avaliao e anlise dos resultados simulados.
Por m, uma ferramenta CFD gratuita e de cdigo aberto ser desenvolvida para simular escoamentos polidispersos utilizando as metodologias desenvolvidas no presente trabalho.
O desenvolvimento deste trabalho deixa para a comunidade cientca uma ferramenta acessvel para simulao de escoamentos polidispersos. O fato de ser desenvolvido em cdigo aberto permite ainda a futura manipulao e possvel aperfeioamento do cdigo pelos pesquisadores e usurios do OpenFOAM.

Nesta seo esto relatados os pontos que justicam o presente trabalho e a relevncia do tema ao desenvolvimento da rea de pesquisa de escoamentos multifsicos em sistemas polidispersos e sua aplicao na indstria. Alm disso, os aspectos sobre o incentivo do governo brasileiro ao uso de programas de cdigo livre so comentados nesta seo, uma vez que inuenciaram na escolha do pacote CFD usado neste trabalho.

1.3.1 Histrico do Grupo de Pesquisa
A rea de Termouidodinmica caracteriza-se como uma rea de pesquisa da Engenharia Qumica que visa ao desenvolvimento terico e experimental do estudo do comportamento dinmico dos uidos e dos fenmenos associados de transferncia de calor e massa em equipamentos de separao, mistura ou reao. Em especial, as linhas de pesquisa no Laboratrio de Termouidodinmica (LTFD) do Programa de Engenharia Qumica da COPPE/UFRJ incluem processos multifsicos e polidispersos, uidodinmica computacional e mtodos numricos. As linhas de pesquisa da rea, algumas em andamento desde 1970, englobam estudos avanados que visam a elaborao de teses de mestrado e doutorado, possibilitando tambm o desenvolvimento de projetos cientco-tecnolgicos inovadores.
Os trabalhos mais recentes efetuados no LTFD incluem a anlise experimental e modelagem de escoamentos gs-lquido [4, 5, 6, 7], evaporadores por contato direto em processos de borbulhamento [8, 9, 10], escoamentos multifsicos estraticados [11], escoamento em meios porosos [12, 13, 14] e escoamentos multifsicos polidispersos [15, 16, 17, 18]. O presente trabalho de doutorado foi proposto e desenvolvido em sequncia natural evoluo da pesquisa do grupo referente ao campo de simulao de escoamentos multifsicos polidispersos.
1.3.2 Reatores Multifsicos

Reatores em colunas de borbulhamento so usados em uma grande variedade de processos industriais, tais como sntese de Fischer-Tropsch, produo de reagentes particulados em qumica na, reaes de oxidao e hidrogenao, fermentao, cultura de clulas e tratamento de euentes [19, 20]. As grandes vantagens deste
equipamento so a alta rea interfacial entre as fases, boas taxas de transferncia de massa e calor, uma alta reteno de lquido (favorecendo processos com reaes lentas) e, por m, a facilidade de construo e manuteno de uma coluna de bor-

ratura.
bulhamento. O comportamento destes reatores afetado por parmetros globais de operao, como velocidade supercial do gs, altura do lquido, presso e tempeAs variveis hidrodinmicas que inuenciam a performance da coluna de
borbulhamento so a reteno gasosa, as taxas de quebra, coalescncia e disperso de bolhas, velocidade das bolhas, a distribuio de tamanho da fase dispersa, a distribuio da concentrao da rea interfacial entre gs-lquido, os coecientes de troca de calor e massa entre as fases e o grau de mistura da fase lquida [21]. O
entendimento da uidodinmica vital para o aumento ou diminuio da escala de tais reatores. Alm disso, importante frisar que, do ponto de vista industrial, o escoamento em regime heterogneo em colunas de bolhas de grande importncia pois garante uma alta produtividade volumtrica.
A dinmica de escoamentos gs-lquido em colunas de borbulhamento tem sido objeto de estudo durante dcadas. Existem trs regimes que caracterizam o perl de escoamento em colunas de borbulhamento e dependem da velocidade supercial do gs e do lquido, do distribuidor de gs e da geometria da coluna [22]. O primeiro, chamado de regime homogneo, caracterizado por baixas velocidades superciais de gs, onde as bolhas possuem basicamente o mesmo tamanho e ascendem com velocidade constante em trajetria quase retilnea, com pouca ou nenhuma interao entre elas. Ao aumentar a velocidade supercial do gs, ocorre a transio para o regime heterogneo. Neste caso, as interaes entre as bolhas se intensicam e a
faixa de distribuio de tamanho nas colunas aumenta. Por conseqencia, se forma um padro de circulao interna no perl de escoamento no lquido. O regime de golfada (usualmente chamado
slug )
caracteriza-se por altas velocidades superciais Este regime s atingido em
de gs e a formao de grandes bolhas de Taylor. colunas com pequeno dimetro.
Vrias metodologias de simulao foram desenvolvidas e duas formas de modelagem se destacaram para tratar tais escoamentos. A primeira a modelagem
Euleriana-Lagrangeana, onde cada partcula (ou grupo de partculas) simulada individualmente com base na segunda lei de Newton para o movimento e no clculo
das foras atuantes sobre a mesma, considerando as interaes com o uido ou outras partculas (colises). A abordagem Lagrangeana pode fornecer resultados precisos com uma modelagem relativamente simples. Contudo, o nmero de partculas representativas deve ser muito grande para que, em dado instante da simulao, existam partculas sucientes em dada regio do equipamento simulado. Isto leva a uma
abordagem com alto custo computacional, o que limita as simulaes gs-lquido a valores de velocidade de gs e reteno gasosa relativamente baixos [23, 24]. A segunda abordagem conhecida como Euleriana-Euleriana (modelo de dois uidos), na qual todas as fases so tratadas como contnuas [25]. Neste caso, o escoamento predito resolvendo-se equaes de conservao mdias para cada fase, onde aparecem termos de transporte entre as fases que precisam ser modelados. Devido ao seu menor custo computacional e sua boa representao mdia do sistema simulado, a modelagem Euleriana vem sendo muita empregada [22, 26, 27].
A grande maioria dos trabalhos de simulao de colunas de borbulhamento utiliza um nico dimetro mdio de bolha em todo o equipamento para calcular termos presentes na modelagem Euleriana (por exemplo, o coeciente de arraste). Esta hiptese justicada para o regime homogneo de borbulhamento onde as interaes na fase dispersa tem menor importncia e o tamanho das bolhas praticamente uniforme. Contudo, no regime heterogneo de borbulhamento, usado na grande
maioria dos casos industriais, as interaes entre as bolhas provocam uma ampla distribuio de tamanho de partculas no equipamento, o que invalida o uso de um nico dimetro mdio. Para tratar esta situao, o uso de balano populacional
se torna necessrio [28], pois permite o clculo local da distribuio mdia de tamanho de partculas e pode aumentar consideravelmente a acurcia da predio do perl de reteno gasosa no equipamento [27]. Assim, justica-se a necessidade do acoplamento entre as equaes mdias Eulerianas para escoamentos multifsicos e a equao de balano populacional. Existem vrias metodologias de soluo da
equao de balano populacional que apresentam diferentes resultados de acurcia e ecincia computacional. Portanto, interessante realizar um estudo sobre as tcnicas de soluo da equao de balano populacional devido ao constante surgimento

de novos mtodos e aprimoramento dos j existentes.
Alm da importncia dos processos industriais, descritos acima, que envolvem escoamentos polidispersos este trabalho de pesquisa se justica pela carncia de ferramentas computacionais conveis para a simulao de tais processos.
1.3.3 Por que Software Livre?

Por se tratar de desenvolvimentos de cdigos CFD com tecnologia de ponta, modelagem complexa e mtodos numricos avanados, um alto grau de conabilidade s ser alcanado usando ferramentas com cdigo fonte aberto, ou seja,
software
livre.
So vrias as consideraes que devem ser avaliadas ao se escolher um pacote CFD como ferramenta base. Por exemplo, a facilidade de uso, a capacidade de gerar geometrias e malhas, a ecincia e robustez das tcnicas numricas implementadas e, por m, a amplitude dos problemas fsicos que o pacote pode resolver. Esses fatores dependem muito do grau de desenvolvimento e investimento inserido no pacote. Sem dvida alguma, atualmente os pacotes CFD mais desenvolvidos so os comerciais, como CFX e FLUENT (ambos da ANSYS) e PHOENICS (da CHAM), justamente devido ao seu apelo comercial. Contudo, os preos dos pacotes comerciais somam uma quantia enorme ao usurio nal - em mdia US$ 25000 para uma nica licena anual - fato que limita seu uso.
Contudo, na opinio do autor, uma das maiores limitaes dos pacotes comerciais se refere falta de detalhes na implementao de seus cdigos. De fato, os
manuais fornecidos com um pacote CFD descrevem os modelos e os mtodos numricos usados, porm no so sucientes para explicar a implementao numrica em seu cdigo. Essas informaes poderiam fornecer ao usurio maior controle sobre as capacidades do pacote e, sem dvida, seria mais fcil evitar erros nas simulaes. Desta forma, a falta do cdigo fonte pode limitar o uso da ferramenta CFD a ponto de comprometer seus resultados. De fato, exemplo desta situao j ocorreu e est

comentada neste trabalho (Seo 3.3.1).
Existem muitos cdigos CFD gratuitos disponveis, sendo que a maioria foi desenvolvida no meio acadmico. Contudo, estes normalmente possuem reas de aplicao muito especcas. Certamente, uma ferramenta CFD deve fornecer ao usurio condies de analisar e implementar cdigos e, ao mesmo tempo, ser geral o suciente para ser aplicada em diversas reas. Em conjunto com as qualidades enumeradas no incio desta seo, as caractersticas prprias a uma ferramenta CFD so idealizadas enm. Com isto em mente, o pacote de cdigo livre OpenFOAM surge como uma opo vivel e muito interessante para a simulao e desenvolvimento de cdigos CFD.
Os fatores da escolha do OpenFOAM como ferramenta CFD neste trabalho esto listados a seguir:
Cdigo aberto e escrito em C++.
Simplicidade no uso como uma ferramenta CFD.
Ferramentas de gerao de malha e visualizao de dados incorporados ao pacote.
Generalidade da malha (estruturada ou no-estruturada), inclusive com a possibilidade de importar malhas de outros programas (gratuitos e comerciais).
Possibilidade de interao direta com os desenvolvedores do pacote.
Ampla faixa de aplicaes na engenharia, incluindo o escoamento multifsico.
Multi-plataforma (Linux, Solaris, MacOS, etc).
Soluo das equaes discretizadas implementadas para simulao em paralelo (SMP e DMP).
Ferramentas de exportao de resultados para visualizao em outros programas grcos.
1.4 Organizao do texto
Desenvolvimento tende a ser realizado pelo meio acadmico.
Alm das qualidades tcnicas em se adotar um pacote CFD com cdigo livre, o Governo do Brasil est apoiando de forma irrestrita o uso e desenvolvimento de
software
livre.
Como opo estratgica, o governo federal est defendendo a
democratizao do conhecimento e a valorizao cada vez maior da participao e incluso digital da populao. conceitos e idias em torno do adoo. Em seu portal na internet
esto agrupados os
software
livre e os planos e aes do Brasil em sua

Este trabalho apresenta um estudo sobre os diferentes mtodos de simulao de escoamentos multifsicos e de soluo do balano populacional, de modo a propor a metodologia mais adequada a ser incorporada ao
software
de uidodinmica Open-
FOAM. Trs sub-reas da engenharia fazem parte do tema deste trabalho: (i) modelagem de escoamentos multifsicos (termouidodinmica), (ii) mtodos numricos (uidodinmica computacional de escoamento multifsico e balano populacional) e (iii) computao cientca (implementao e desenvolvimento de
software ).
De
forma natural, a estrutura do trabalho se divide em tpicos relacionados a estas sub-reas. Na seqncia, esto apresentadas a estrutura e o contedo dos captulos deste trabalho.
Os fundamentos dos escoamentos multifsicos so mostrados no Captulo 2, apresentando os conceitos bsicos da sua modelagem Euleriana-Euleriana, incluindo a modelagem dos termos de interao entre a fases e da turbulncia.
No Captulo 3, a equao de balano populacional e seus termos de interao so apresentados, denindo primeiramente os termos de quebra e coalescncia de
1 Endereo
do portal : http://www.softwarelivre.gov.br/

forma geral e, em seguida, simplicando-os para uso em aplicaes reais.
10
Ainda
neste captulo, a reviso bibliogrca de diversas tcnicas numricas para resolver a equao de balano populacional feita, porm com uma nfase maior nos mtodos das classes e nos mtodos dos momentos. Ao nal do captulo, se encontra uma reviso bibliogrca sobre o acoplamento da uidodinmica computacional s tcnicas de balano populacional para a simulao de escoamentos polidispersos.
O pacote de uidodinmica OpenFOAM, usado neste trabalho, apresentado no Captulo 4. Detalhes sobre a histria e uso do
software
como ferramenta de
uidodinmica so colocados. Uma breve introduo sobre a linguagem de programao C++ colocada para que o leitor tenha base para acompanhar a programao interna do OpenFOAM e sua estrutura para manipulao e resoluo de campos. Por m, so colocados detalhes sobre a modelagem do escoamento multifsico no OpenFOAM, com nfase na abordagem Euleriana.
O desenvolvimento das tcnicas numricas para simulao de escoamentos polidispersos avanaram em etapas graduais e distintas. Estas etapas esto reunidas no Captulo 5, apresentando as particularidades sobre a formulao destas metodologias. Detalhes referentes implementao dos cdigos no OpenFOAM tambm esto presentes neste captulo. Em seguida, os resultados obtidos usado as metodologias desenvolvidas no captulo anterior so apresentados e discutidos no Captulo 6.
Por m, as concluses deste trabalho e sugestes para trabalho futuro esto reunidos no Captulo 7. Em algumas partes deste manuscrito, apenas os principais aspectos so ressaltados com referncia aos trabalhos colocados nos Apndices A, B e C, onde maiores detalhes so encontrados.
Captulo 2 Fundamentos do Escoamento Multifsico

2.1 Fundamentos de Modelagem
Atualmente, o projeto de equipamentos na indstria qumica segue duas abordagens distintas. A primeira abordagem segue uma linha de modelagem de reatores com base em aspectos empricos ou semi-empricos devido a uma longa histria de anlise dimensional na indstria de equipamentos. Por outro lado, a uidodinmica computacional (CFD -
Computational Fluid Dynamics ), que bastante utilizada em
outros campos da cincia (como engenharia aeroespacial e automotiva), est se tornando cada vez mais interessante para os engenheiros qumicos. Ambas abordagens para projeto de equipamentos ainda coexistem. Porm, com os recursos compu-
tacionais se tornando cada vez mais baratos e disponveis, logo estas duas linhas se fundiro em uma nica linha de simulao e projeto de reatores. Um primeiro passo nesse sentido foi o trabalho de BAUER e EIGENBERGER [29] que descreve a uidodinmica de um reator em colunas de borbulhamento por simulao CFD e inclui reaes qumicas e transferncia de massa utilizando modelos zonais.
11
12
Para a soluo CFD do escoamento multifsico, o uso de um nico balano de massa e trs equaes para quantidade de movimento no so sucientes para representar os campos de escoamento de todas as fases envolvidas. De fato, escoamentos multifsicos necessariamente apresentam uma fase contnua com elementos dispersos slidos (partculas), lquidos (gotas) e/ou gs (bolhas) ou mesmo outra fase contnua (escoamento estraticado). De acordo com ISHII [30], cada tipo de escoamento pode ser classicado de acordo com a topologia da interface entre as fases em trs classes distintas: escoamentos separados, mistos ou dispersos.
Em todas as abordagens propostas para soluo CFD multifsica de escoamentos dispersos, as equaes para a fase contnua devem ser resolvidas, existindo vrias formas para tratar a fase dispersa. A modelagem multifsica vm sendo pesqui-
sada exaustivamente nos ltimos anos e, apesar disso, ainda necessrio um grande esforo no desenvolvimento de novas tcnicas e modelos mais conveis para a aplicao em processos existentes e no aumento de escala de equipamentos.
As prximas sees apresentam as consideraes pertinentes aos modelos multifsicos existentes, com nfase na abordagem Euleriana. Conceitos e detalhes na formulao das foras de troca de quantidade de movimento entre fases e dos modelos de turbulncia tambm so mostrados neste captulo.
2.1.1 Conceitos Bsicos

Para a soluo CFD do escoamento multifsico, duas abordagens se destacam na literatura [31]. Ambas calculam o campo de velocidade da fase contnua usando sua equao de conservao de quantidade de movimento, enquanto que o escoamento da fase dispersa calculado de modo Lagrangeano, considerando entidades discretas (bolhas, gotas ou partculas), ou como uma fase contnua, onde todas as fases so vistas como meios interpenetrantes, na chamada abordagem Euleriana-Euleriana.
A abordagem Lagrangeana pode ser dividida de acordo com o tratamento dado

fase dispersa.
13
Modelagem Euleriana-Lagrangeana as partculas so tratadas como fontes pontuais na modelagem do escoamento da fase contnua e o nmero de partculas no domnio computacional deve ser suciente para representar o nmero real de partculas. Inicia-se o algoritmo de soluo calculando as equaes da fase contnua (Eulerianas) e, em seguida, as velocidades e posies das partculas para o prximo passo de tempo so obtidas usando a segunda lei de Newton para modelar cada partcula [32, 33]. Os modelos para o movimento e posio de cada partcula esto colocados nas Eqs. 2.1 e 2.2, onde
mi
ui
representam
respectivamente a massa (mi constante) e a velocidade da partcula a soma das foras atuantes na partcula
Fi
i. Fi
(2.1)
mi
dui = dt dxi = ui dt
(2.2)
Em uma terceira etapa, os efeitos das partculas sobre o campo de escoamento da fase contnua so computados em um procedimento iterativo. As interaes partcula-partcula ou partcula-parede tambm podem ser incorporadas ao modelo. Contudo, o esforo computacional cresce drasticamente com o
aumento do nmero de partculas simuladas. Deste modo, esta abordagem mais usada para sistemas diludos (com poucas partculas) ou em situaes especiais, como o clculo da distribuio do tempo de residncia.
Simulao Numrica Direta (DNS -
Direct Numerical Simulation ) considera-
se que a partcula ocupa apenas uma clula da malha em dado instante de tempo fornecendo somente uma velocidade relevante atuando na clula. Em uma abordagem mais renada, as partculas podem ocupar mais de uma clula e diferentes velocidades so consideradas [34, 35]. Neste caso, a turbulncia resolvida diretamente sem a necessidade de adotar nenhum modelo adicional [36]. Isto leva a uma modelagem muito mais complexa para a locomoo das partculas, necessita de malhas muito mais renadas e passos de tempo muito
14
pequenos resultando em um esforo computacional absurdamente alto. Como simulaes DNS fornecem resultados muito precisos, esta tcnica est sendo usada para vericar e validar outras formas de modelagem quando a realizao de experimentos impossvel.
Pode-se notar pela descrio dos modelos acima que todas as abordagens Lagrangeanas necessitam de um alto poder de computao. Isto torna esta abordagem inapropriada para o clculo de escoamentos multifsicos complexos e para aplicaes em processos reais onde a frao volumtrica da fase dispersa usualmente alta.
O Volume de Fluido (VOF -
Volume-of-Fluid ) uma abordagem ainda mais re-
nada que as anteriores, onde as partculas uidas (bolhas ou gotas) so consideradas deformveis e o acompanhamento das superfcies pode ser modelado [24]. Um nico campo de escoamento considerado e a fase dispersa se distingue da contnua pela variao das propriedades do uido atravs da interface. Esta classe de mtodos foi implementada com sucesso para o clculo de escoamento de frente livre em problemas de fsica simples [37, 11], mas ainda proibitivo a simulao de reatores reais devido ao imenso custo computacional.
O modelo Euleriano-Euleriano usa as equaes de conservao de massa e
mo-
mentum
mdias para descrever os pers dinmicos de ambas as fases em uma escala
de tamanho superior molecular e baseada na promediao das equaes de conservao usando mdias volumtricas temporal ou amostral [30, 38, 39]. Em aplicaes industriais comum que as fases se encontrem bem misturadas e o nmero de partculas ou gotas (ou bolhas) seja muito grande e, portanto, o processo de mdia se torna necessrio para caracterizar a mistura. Devido sua generalidade, este trabalho trata o modelo Euleriano-Euleriano com maior enfoque e os detalhes sobre sua modelagem so abordados nas prximas sees.
2.2 Modelagem Euleriana-Euleriana

15
A formulao Euleriana mais geral o modelo multi-uido, derivado do processo de promediao das equaes de conservao locais de cada fase e considerando que os meios so interpenetrantes. Em outras palavras, as diferentes fases podem possuir a mesma posio no espao. frao volumtrica, Nesta abordagem, o processo de mdia introduz a
r, no conjunto de variveis, que denida como a probabilidade
de dada fase estar presente em certo instante de tempo e ponto no espao (mdia amostral). Devido perda de informao no processo de mdia, termos adicionais que precisam ser modelados aparecem nas equaes de conservao de cada fase. Estes termos modelam os fenmenos que ocorrem em escalas menores que a escala da mdia [30, 40] e devem considerar a estrutura do campo de escoamento e as propriedades fsicas dos materiais em sua modelagem. De fato, estes termos podem ser derivados empiricamente, analicamente ou numericamente.
O modelo de mistura, chamado ASMM (algebraic
slip mixture model ),
essen-
cialmente uma simplicao do modelo Euleriano multi-uido [41]. Como o ltimo, utiliza propriedades mdias de cada fase denidas em todo o domnio e permite que as fases se movimentem com velocidades diferentes entre si. Contudo, o mo-
delo ASMM no requer a soluo das equaes da continuidade e de quantidade de movimento de cada fase, mas apenas a equao para a mistura. Esta simplicao basea-se na hiptese que as fases esto em equilbrio local. Isto implica que a partcula presente na fase dispersa assume a velocidade terminal nas condies locais correspondentes a sua posio. Por m, uma relao deve ser proposta para a velocidade de escorregamento entre as fases (slip ).
Na sequncia, a formulao dos modelos multi-uido e de mistura so apresentados. Na descrio da modelagem multifsica so consideradas
n+1
fases onde e
existem apenas uma fase contnua, representada pelo subscrito dispersas, descritas com o subscrito
= 0,
fases
= 1, . . . , n.

2.2.1 Modelo Multi-uido
16
Para sistemas multifsicos isotrmicos, as equaes de conservao mdias so dadas por
(r ) + t
(r u ) = R
(2.3)
(r u ) + (r u u ) = (r Tef f ) t + MI, + R u,I + S + r g

onde
(2.4)
, u , r
Tef f
representam, respectivamente, a massa especca mdia, a
velocidade mdia, a frao da fase e o tensor formado pela combinao das tenses mdias viscosa e turbulenta da fase
(Tef f = Tlam + Tturb ), R

e as outras fases,
o termo fonte
referente massa trocada entre a fase quantidade de momento na fase o termo de troca de componentes de
o termo fonte de
devido a foras externas alm da gravidade e MI,

pela interface da fase
momentum
Usualmente, os principais
MI,
so devido s foras de arrasto, sustentao e massa virtual
atuando na interface das fases. A formulao do termo referente taxa de troca de massa entre fases,
R ,
depende do processo considerado (evaporao, solidicao,
condensao, etc.), onde
u,I
a velocidade com a qual a massa transferida atravs
da interface entre as fases [40].
A tenso viscosa, tambm chamada de tenso mdia da fase, usualmente modelada pela relao para uidos Newtonianos [42]. A Eq. 2.5 mostra o modelo de tenso viscosa adaptado para a abordagem multi-uido.
Tlam = p I + lam 2 lam = 2 D + ( )( 3 1 D = u + ( u )t 2 u )I

(2.5)
Quando considerado apenas o escoamento laminar, o termo de tenso de Reynolds devido turbulncia considerado nulo. A modelagem do fechamento para a tenso turbulenta abordada na Seo 2.3.

utilizao correta dos termos de troca de
17
momentum MI,
pela interface da fase
Um do pontos mais importantes na modelagem de escoamentos multifsicos a
A formulao desta expresso possui grande inuncia no clculo da distribuio da fase dispersa e do campo de velocidades no escoamento. A lei de conservao de
quantidade de movimento mostra que a quantidade total de entre as fases nula, ou seja,
momentum
transferida
n =0
MI, = 0.
Desta forma, possvel fechar o
sistema de equaes ao denir a modelagem de apenas
fases. Os detalhes sobre
a modelagem dos termos de troca de quantidade de movimento entre as fases so abordados na Seo 2.3.
Maiores detalhes sobre a teoria de formulao e modelagem multi-uido podem ser encontrados em diversos trabalhos [30, 39, 43, 44, 45, 40].
2.2.2 Modelo de Mistura

A equao da continuidade para a mistura est expressa na Eq. 2.6, onde massa especca de mistura denida na Eq. 2.7 e mssica mostrada na Eq. 2.8.
um a velocidade de mistura mdia
m + t m =
(m um ) = 0
n
(2.6)
r
=0 n =0 r u
(2.7)
um =
(2.8)
A equao de quantidade de movimento para a mistura pode ser obtida ao somar as equaes individuais para a quantidade de movimento de todas as fases. A Eq. 2.9 mostra o resultado dessa operao
p+
(m um ) + (m um ) = t ( m + turb ) + Dm + m g m
(2.9)
2.3 Abordagem para o Fechamento

onde
18
2 ut ) m m 3
m , turb m
Dm
so as tenses viscosa, turbulenta e difusiva devido ao escor-
regamento entre as fases denidas respectivamente nas Eqs. 2.10, 2.11 e 2.12
m = m ( um + turb = turb ( um + m m
n
um I
(2.10)
ut ) m
2 3
2 um I m km I 3
(2.11)
Dm =
=0
r uD, uD,
n
(2.12)
m =
=0
sendo que,
r km
(2.13)
a viscosidade de mistura denida na Eq. 2.13,
representa a
energia cintica turbulenta de mistura e (drift ) entre a fase
uD, = u um
a velocidade difusiva
e o centro de massa da mistura. O termo de tenso turbulenta
pode ser fechado resolvendo um modelo de turbulncia para a mistura. Note que, como a equao para a mistura a soma das equaes para as fases e a soma dos termos de interao entre as fases nula, a Eq. 2.9 no tem esse tipo de termo.
Contudo, a velocidade das fases, vada pela relao
u ,
ainda no conhecida, mas pode ser deri-
uD, = u um =
i=0
onde fase
ci uslip,i
(2.14)
ci
a frao mssica da fase
uslip,i
a velocidade de escorregamento da Existem vrios modelos na literatura Entre estes
em relao a fase
i (uslip,i = u ui ).
para descrever a velocidade de escorregamento [41, 46, 47, 48, 49].
modelos, alguns so relacionados com o dimetro da partcula [41] ou com as foras de interao entre fases [45].

A abordagem Euleriana-Euleriana aplicvel a todos os regimes de escoamento j que a topologia deste no precisa ser prescrita. Contudo, a formulao dos termos de troca de
momentum
entre as fases e de tenso turbulenta depende do regime de
19
escoamento. Como consequncia, a capacidade preditiva do modelo multifsico recai fortemente na modelagem destes termos, que so as chamadas leis de fechamento.
As leis de fechamento devem sempre se guiar pelos seguintes princpios:
Equipresena;
Soluo bem-posta;
Indiferena ao referencial;
Determinismo;
Segunda lei da termodinmica.
A equipresena signica que qualquer varivel descrita por uma lei de fechamento deve ser funo de todas as outras variveis. O princpio de soluo bem-posta arma que a soluo das equaes do modelo existe, nica e varia continuamente com as condies de contorno impostas. Contudo, DREW e PASSMAN [39] consideram este princpio no apropriado para sistemas multifsicos. A indiferena ao referencial signica que as expresses tensoriais das leis de fechamento no dependem do referencial do observador. O determinismo conrma a predibilidade do presente a partir de dados passados. Por m, satisfazer a segunda lei da termodinmica garante que a soluo possui um signicado fsico.
Para resolver as equaes para o escoamento multifsico, so ainda necessrias as condies iniciais, para especicar seu estado inicial, e as condies de contorno, para especicar como o escoamento interage com a sua vizinhana. Uma vez que as leis de fechamento, as condies iniciais e condies de contorno sejam conhecidas, o sistema de equaes do modelo multifsico est fechado e pronto para ser resolvido. Na seqncia, so apresentados maiores detalhes sobre o fechamento da modelagem multi-uido para os termos de troca de
momentum
entre fases e sobre a modelagem
da turbulncia em escoamentos multifsicos.

2.3.1 Fechamento das Foras de Interao
20
O fechamento do modelo Euleriano tem foco nos fenmenos que ocorrem na interface entre as fases. A fora interfacial de uma fase
normalmente decomposta em ter-
mos de fora de interao entre fases e presso e tenso de cisalhamento interfaciais mdias.
MI, = MI, + pI, r I,
(2.15)
A partir da decomposio colocada na Eq. 2.15 combinada Eq. 2.5, o lado direito da Eq. 2.4 (sem considerar os efeitos de turbulncia) pode ser reescrito como colocado abaixo.
(r Tlam ) + MI, + R u + S + r g = r p + (r lam ) + (pI, p ) r I, r

(2.16)
+ MI, + R u,I + S + r g
Ao admitir que os efeitos de tenso interfacial no so importantes ( I,
= 0),
possvel considerar que a presso possui localmente o mesmo valor para todas as fases,
p = pI, = p.
O termo de interao entre as fases pode considerar vrios tipos de foras interfaciais. Contudo, usualmente as principais foras so devido ao arrasto, sustentao e massa virtual. Outras foras, como a fora de Basset, so negligenciadas na grande maioria dos casos prticos [50].
O sistema multifsico pode ser modelado a partir de uma fase primria ( consistindo da fase contnua, e
= 0),
fases secundrias, onde cada uma delas representa
uma classe de partcula com volume compreendido em um intervalo especicado. A Eq. 2.17 mostra a formulao do termo de interao entre fases para a fase primria, onde
Ma , Ms
Mmv
representam respectivamente as foras devido ao arrasto,

sustentao e massa virtual.
21
(2.17)
MI,0 =
=1
Ma + Ms + Mmv I,0 I,0 I,0
Considerando que as fases secundrias no interagem entre si, hiptese razovel para sistemas diludos (r0
1),
a formulao do termo de interao entre fases ca
na forma colocada na Eq. 2.18.
MI, = Ma + Ms + Mmv I,0 I,0 I,0 = 1, . . . , n

(2.18)
Note que, a troca de quantidade de movimento entre as fases dispersa e contnua se inter-relaciona de forma oposta, como
Ma = Ma I,0 I,0
para a fora de arrasto.
Esta mesma relao vlida para as outras foras.
A decomposio apresentada nas Eqs. 2.17 e 2.18 no so sempre vlidas devido interaes no lineares entre as foras. Apesar disso, estas interaes ainda no so bem conhecidas e usualmente so pequenas o suciente para serem desprezadas. Em geral, a fora de arrasto predominante na maioria dos escoamentos bifsicos e a incluso das demais foras pode ser avaliada pela razo destas com a fora de arrasto [51]. Uma breve discusso sobre essas foras est colocada na seqncia.
Modelagem da Fora de Arrasto

A fora de arrasto aparece sempre que existe um movimento relativo entre a partcula e o uido e pode ser denida como a fora exercida pela fase contnua sobre a partcula na direo do escoamento. A teoria em que a fora de arrasto,
Ma , I,
baseada comeou com os estudos de NEWTON [52] sobre a queda livre no ar de esferas com diferentes tamanhos. Newton mediu a velocidade terminal das partculas ao solt-las do alto da catedral de St. Patrick em Londres. Com estes dados ele foi capaz de relacionar o arrasto da partcula como funo do dimetro e da velocidade terminal. Assim, Newton concluiu experimentalmente que a fora de arrasto sobre
22
a partcula proporcional ao quadrado da velocidade terminal. Posteriormente, a relao obtida por Newton foi estendida por ALLEN [53] para incluir os efeitos da massa especca das partculas e do uido na fora de arrasto. STOKES [54] chegou a este mesmo resultado de forma analtica ao negligenciar a conveco na equao de Navier-Stokes, corroborando com os resultados obtidos em [52].
A maioria dos resultados de estudos referentes fora de arrasto so apresentados em forma adimensional atravs do coeciente de arrasto, de Reynolds,
CD , que funo do nmero

A denio do nmero de
Re,
como apresentado na Fig. 2.1 [55].
Reynolds mostrada na Eq. 2.19, onde da fase contnua,
so a massa especca e viscosidade
ur = u0 up
a velocidade relativa e
o dimetro equivalente
da partcula (dimetro da esfera com o mesmo volume da partcula).
Figura 2.1: Coeciente de arrasto para esferas rgidas em funo do nmero de Reynolds (retirado de SCHLICHTING [44]).
0 |ur |d 0
Re =
(2.19)
A forma funcional da fora de arrasto tem sido objeto de intensa pesquisa e a maioria dos escoamentos multifsicos utiliza a formulao colocada na Eq. 2.20 [45], onde
CD,
refere-se ao coeciente de arrasto para a fase
, ur, = u0 u
velocidade relativa e
a rea projetada normal velocidade relativa da partcula

pertencente fase
23
(2.20)
dividida pelo volume da mesma.
1 Ma = 0 r A CD, |ur, |ur, I, 2

Sendo esferas:
A =
d2 /4 d3 /6
3 . 2d
Porm, a fsica de escoamento ao redor de partculas uidas difere de duas formas em relao ao escoamento em torno de partculas rgidas. De fato, a forma da partcula no xa. Efeitos desse tipo devem ser considerados ao calcular o coeciente de arrasto para bolhas e gotas [56, 51, 57].
Modelagem da Fora de Sustentao

Em um escoamento com campo uniforme e estacionrio, a fora de sustentao refere-se fora normal velocidade relativa do uido. O primeiro relato sobre a ao da fora de sustentao,
Ms , I,
atuando sobre uma partcula foi registrado por
POISEUILLE [58], ao constatar que as clulas do sangue permaneciam afastadas das paredes dos capilares. Porm, as causas deste fenmeno s foram esclarecidas mais de um sculo depois com o trabalho de SEGR e SILBERBERG [59]. Os dois pesquisadores estudaram o leve deslocamento radial de esferas utuantes com diferentes tamanhos suspensas em um tubo com condies de escoamento de Poiseuille devido atuao desta fora lateral sobre as partculas. A partir da, vrios trabalhos sobre a fora de sustentao foram realizados, em grande parte para escoamento em tubos e canais [60, 61].
As origens da fora de sustentao so diversas, como a presena de um gradiente de velocidade na fase contnua, a deformao e rotao da partcula (usualmente chamado de efeito Magnus) e o efeito de surfactantes presentes no meio contnuo. Em relao s aplicaes com partculas uidas, AUTON [62] mostrou que a fora de sustentao aplicada a uma bolha esfrica isolada em um escoamento estacionrio invscido proporcional ao produto vetorial da vorticidade da fase contnua e a velocidade relativa
( u0 )
ur,
entre as fases.
O autor chegou expresso colocada

na Eq. 2.21 para representar a fora de sustentao, onde sustentao da fase
24
CL,
o coeciente de
. Ms = CL, 0 r ur, ( I, u0 )
(2.21)
A Fig. 2.2 mostra a variao do coeciente de sustentao sobre uma esfera lisa e esfrica em funo do nmero de Reynolds [63].
Figura 2.2: Coeciente de sustentao para uma esfera rgida e lisa em funo do nmero de Reynolds. Linha slida: soluo analtica para escoamento invscido; linhas pontilhadas: ajuste da curva para os resultados numricos com Sr = 0, 02 () e Sr = 0, 2 ( ); linhas tracejadas: soluo analtica para creeping ow com Sr = 0, 02 e Sr = 0, 2 (retirado de LEGENDRE e MAGNAUDET [51]).
Pelos experimentos de LEGENDRE e MAGNAUDET [63], o coeciente de sustentao se torna constante (CL, escoamento invscido (Re
= 0, 5)
para o caso de uma bolha esfrica em um
> 102 ).
Quando o nmero de Reynolds inferior a
102 ,
coeciente de sustentao passa a ter uma forte dependncia com as caractersticas do escoamento ao redor da partcula [64, 65], sendo primariamente funo do da taxa adimensional de cisalhamento na fase
Re
, Sr ,
denida por:
Sr =
| u0 |d |ur, |
(2.22)
25
Dado o grande nmero de fatores que inuenciam a fora de sustentao e as dvidas ainda presentes no entendimento dos processos fsicos envolvidos, no de se espantar que no exista um modelo que realize predies com acurcia satisfatria [66]. Usualmente, os limites apresentados na Fig. 2.2 so extrapolados e admite-se que o coeciente de sustentao constante e igual a
0, 5.
Modelagem da Massa Virtual

A massa virtual de uma partcula se refere ao volume de uido que deve ser acelerado junto com a partcula, de forma que a massa total sujeita a acelerao na equao de conservao de
momentum
da partcula seja
( + CM V, 0 )
[51], onde
CM V,
o coeciente de massa virtual devido movimentao da partcula e da partcula da fase dispersa
o volume
.
creeping ow
e escoamento
Considerando as teorias de escoamento invscido, com Reynolds nito, todas levam ao valor de
CM V, = 0, 5
para partculas esfricas,
o que consistente para muitos casos de partculas slidas, bolhas e gotas. Mesmo para bolhas de ar com dimetro acima de
3, 5 mm e forma levemente elipsoidal, este
coeciente aproximadamente vlido [51].
A forma funcional da fora de massa virtual est colocada na Eq. 2.23 [38].
Mmv = CM V, 0 r I,
onde o operador
D0 u0 D u Dt Dt
(2.23)
D() a chamada derivada material ou substantiva, denida por: Dt
D() () = +u Dt t
()
(2.24)
Contudo, DREW e LAHEY [67] concluram que tanto a fora de massa virtual (Eq. 2.23) quanto a fora de sustentao (Eq. 2.21) no so indiferentes ao referencial. Porm, a sua soma objetiva, considerando o caso em que os coecientes so iguais (CL,
= CM V, ).
ENWALD
et al.
[38] ressaltam que esta aproximao

obtida para
26
aplicvel somente a uidos com baixa vorticidade. Para este caso, a Eq. 2.25
CL, = CM V, . Mmv = 0 r CM V, I, D0 u0 D u ur, ( Dt Dt CD, , CL,

e
u0 )
(2.25)
Normalmente, os coecientes
CM V,
so determinados empirica-
mente com dependncia das propriedades das partculas e das condies locais de escoamento. Maiores detalhes sobre a fsica e modelos para estes coecientes adimensionais podem ser encontrados em CLIFT
et al. [56], que apresenta uma extensa
compilao de dados experimentais para a forma e a velocidade terminal de partculas (com maior nfase no coeciente de arrasto), em LOTH [51], que realizou um timo trabalho de reviso bibliogrca dos modelos existentes para estes coecientes adimensionais para partculas slidas e uidas, e RUSCHE [66], que analisou os efeitos pertinentes s foras de arrasto e sustentao e comparou vrios modelos para simular o escoamento bifsico gs-lquido com alta frao volumtrica de gs.
2.3.2 Modelagem de Turbulncia

A modelagem da turbulncia de grande importncia na descrio correta de escoamentos multifsicos em simulaes CFD. Aps vrios trabalhos comparando simulaes laminares e turbulentas para o escoamento gs-lquido, foi possvel concluir que o modelo laminar no apropriado para representar o perl de escoamento, mesmo para baixos valores de velocidade e reteno gasosa [68, 47, 69, 70]. A anlise destes trabalhos permite concluir que as simulaes usando modelos laminares no so capazes de representar o fenmeno fsico pois os resultados no convergem em malha. Os modelos de turbulncia consideram os fenmenos de dissipao de energia que ocorrem na sub-escala da malha e, desta forma, representam os fenmenos que afetam o escoamento.
A modelagem da turbulncia geralmente comea pela decomposio de Reynolds na qual a velocidade instantnea dividida na soma de uma velocidade mdia

uma velocidade utuante
27
t.
Esta escala de
u.
Como as equaes da continuidade e de balano de
momentum
so escritas em funo da velocidade instantnea, estas podem ser rees-
critas aplicando a mdia de Reynolds para uma escala de tempo
tempo deve ser maior que a escala de tempo das utuaes de velocidade e menores que a escala de tempo do processo transiente a ser modelado. Desta forma, o termo
turb de tenso de Reynolds (T
= u u )
surge na equao de
momentum
a partir
do processo de mdia, de modo a considerar os efeitos de turbulncia. A modelagem da turbulncia tende a focar determinados efeitos e, portanto, as equaes de seus modelos podem variar de forma signicativa dependendo das hipteses assumidas em sua formulao.
Uma das abordagens para modelar a tenso de Reynolds baseada na teoria de viscosidade de BOUSSINESQ [71] onde considera-se que, assim como as tenses viscosas em um escoamento laminar, as tenses turbulentas so proporcionais ao gradiente da velocidade mdia do escoamento. Baseando-se na viscosidade laminar, Boussineq introduziu o conceito de viscosidade turbulenta como uma propriedade que depende da turbulncia local. Contudo, existe a necessidade de modelos para calcul-la. A Eq. 2.26 apresenta a formulao do tensor tenso turbulento, onde a energia cintica turbulenta e
turb
o tensor tenso residual de turbulncia.
2 Tturb = kI + turb 3 turb = 2turb D
(2.26)
A identicao dos fenmenos de turbulncia em escoamentos multifsicos teve incio a mais de duas dcadas atrs. O trabalho de MICHELE [43]
apud
BRAUER [72] deu um dos primeiros passos na modelagem ao identicar diferentes fontes de turbulncia e propr suas formulaes. Abaixo esto listadas as principais causas de gerao de turbulncia em escoamentos multifsicos.
Turbulncia de Reynolds denida pelas utuaes de velocidade, como no caso monofsico. Tambm vlido para escoamentos multifsicos, porm outros efeitos, como a utuao de fase, devem ser avaliados.
terface quando existe transferncia de massa na ltima.
28
Turbulncia de Interface ocorre pela diferena de tenso supercial na in-
Turbulncia por Deformao induzida pelo movimento da superfcie das bolhas.
Turbulncia por Interao de Populao devido s interaes entre partculas ou bolhas em movimento [73].
Ao longo dos anos, foram desenvolvidos vrios modelos para incluso dos efeitos de turbulncia em simulaes CFD monofsicas [74, 75] e apenas alguns destes foram adaptados para os casos multifsicos.
Apesar de s tratar turbulncia isotrpica, o modelo
sem dvida a abor-
dagem mais usada e aceita no tratamento de escoamentos turbulentos multifsicos [68, 47]. Este modelo introduz duas equaes de transporte adicionais no clculo, que so usadas para calcular a energia cintica turbulenta, de energia,
k,
e a taxa de dissipao
. A energia cintica afeta diretamente as diferentes escalas da estrutura
turbilhonar presentes no escoamento. As maiores estruturas so as portadores de maior quantidade de energia enquanto que as menores estruturas turbilhonares carregam menor quantidade de energia. Assim, a taxa de dissipao de energia ser resolvida de forma acoplada energia cintica deve
k,
de modo a representar a vari-
ao do tamanho das estruturas turbilhonares. A partir de
possvel calcular
a viscosidade turbulenta local, usada nas equaes de transporte de
momentum.
A equao de conservao para a energia cintica turbulenta na fase contnua,
k0 ,
pode ser escrita como colocado na Eq. 2.27, onde
o termo de produo de
energia turbulenta e
S0,k
um termo fonte que pode ser usado para implementar
efeitos de turbulncia causados por outras fontes como, por exemplo, a interao entre bolhas.
turb (r0 0 k0 ) + (r0 0 u0 k0 ) r0 lam + 0 0 t = r0 ( 0 0 ) + S0,k
k0
(2.27)

mostrada na Eq. 2.28 e o termo fonte outros efeitos de turbulncia.
29
S0,
tambm pode ser usado para modelar
A equao de conservao da dissipao de energia turbulenta 0 na fase contnua
(r0 0 0 ) + t = r0
(r0 0 u0 0 )
0
r0 lam + 0
turb 0
0
(2.28)
k0
(C 1 C 2 0 0 ) + S0,
A viscosidade turbulenta
turb 0
pode ser calculada como colocado abaixo.
turb = C 0 0
Com isso, trs incgnitas (k0 , so adicionadas ao usar o modelo
2 k0 0
(2.29)
0 e
turb ) 0
e trs equaes (Eqs. 2.27, 2.28 e 2.29)
para considerar os efeitos de turbulncia nas
simulaes, elevando o custo computacional, mas a um nvel aceitvel.
Ainda possvel incluir efeitos de turbulncia causado por outras fontes, como por exemplo, a turbulncia induzida pelas interaes entre as partculas uidas. Estes efeitos podem ser includos pela denio de velocidade utuante devido presena de bolhas ou introduzindo termos fontes adicionais. O modelo de Sato
para turbulncia induzida por bolhas [76, 77] assume que, em escoamentos gslquido, a velocidade do lquido pode ser decomposta em uma velocidade mdia (u), uma velocidade utuante devido turbulncia inerente ao lquido e independente do movimento relativo entre as bolhas e o lquido (u ) e uma velocidade utuante adicional devido presena de bolhas no escoamento (u).
u=u+u +u
(2.30)
Desta forma, a formulao de mdia de Reynolds para as equaes de balano inclui ainda novos termos devido aos efeitos de interao entre bolhas. Estes novos termos devem ser modelados de forma apropriada, fornecendo um componente adicional expresso de viscosidade turbulenta. O modelo de tenso residual turbulenta induzida por bolhas
turb ,b
[77] est colocado na Eq. 2.31
turb = 2turb D , ,b ,b
turb = b r 0 d |ur, | ,b
(2.31)

onde
30
1, 2.
O modelo consiste
uma constante emprica, usualmente com valor de
de uma correo da turbulncia pela viscosidade e baseado no conceito de comprimento de mistura de Prandtl, onde o raio da bolha usado como o tamanho de escala da turbulncia induzida pelas bolhas.
A turbulncia induzida por bolhas se mostra promissora, principalmente devido ao seu baixo custo computacional. Contudo, evidncias experimentais [78] indicam que este modelo especialmente aplicvel para escoamentos com baixa reteno gasosa, onde a inuncia entre as duas componentes da Eq. 2.30 pequeno, de forma que a superposio linear dos termos pode ser aplicada. Trabalhos mais recentes
continuam avaliando os efeitos da presena de partculas sobre a turbulncia em escoamentos multifsicos, seja por meio de anlises experimentais [79] ou numricas [80, 81].
Apenas dois trabalhos [82, 83] derivaram e estenderam o modelo de turbulncia
monofsico, desenvolvido por LAUNDER e SPALDING [74], para escoamento
multifsico. Contudo, ao derivar as equaes de
, vrios termos intercorrelacio-
nados que surgem no processo de derivao foram desprezados, principalmente pela diculdade de interpret-los sicamente.
O trabalho de CHAHED
et al.
[84] o nico na literatura que aplica o modelo
de tenso de Reynolds para escoamentos multifsicos. Este modelo separa os efeitos da tenso turbulenta na fase contnua em duas partes: uma parte considerando a turbulncia gerada pelo gradiente da velocidade mdia e pelos turbilhes formados pela movimentao das bolhas e outra parte pseudo-turbulenta induzida pelo deslocamento das partculas uidas. Cada parte determinada por uma equao de
transporte. Contudo, a complexidade deste modelo traz a necessidade de se realizar mais testes de modo a vericar melhor a sua aplicabilidade.
2.4 Anlise de Escoamentos Gs-Lquido

31
Desde o incio do sculo XX, o estudo de colunas de borbulhamento tm atrado a ateno de vrios pesquisadores. Apesar de tantos estudos na rea, o entendimento completo da uidodinmica deste equipamento nunca foi alcanado de forma que a modelagem e o aumento de escala de reatores em colunas de borbulhamento ainda no esto bem desenvolvidos. Este fato pode ser atribudo grande complexidade da hidrodinmica e sua dependncia com as propriedades fsicas de transporte destes sistemas.
De fato, como comentado no Cap. 1, escoamentos de sistemas gs-lquido so tema de pesquisa do Laboratrio de Termouidodinmica da COPPE/UFRJ, local onde este trabalho foi desenvolvido. As prximas sees apresentam os aspectos gerais da operao de uma coluna de borbulhamento e, na sequncia, uma reviso sobre os trabalhos na literatura referentes a simulaes Eulerianas deste equipamento.
2.4.1 Colunas de Borbulhamento

Colunas de borbulhamento apresentam trs tipos de regime de escoamento, chamados de homogneo, heterogneo (churn ou turbulento) e em golfada (slug ). Basicamente, para cada sistema gs-lquido, a formao e a estabilidade destes regimes dependem das velocidades superciais do gs e do lquido, do distribuidor de gs e da geometria do reator de borbulhamento [85]. A Fig. 2.3 mostra um esquema
qualitativo dos escoamentos homogneo (bolhas dispersas), heterogneo (churn ) e
slug.
Em princpio, a reteno gasosa na coluna cresce com o aumento da velocidade supercial do gs e, no caso de um distribuidor eciente (placa porosa, distribuidor com vrios orifcios, etc.), um valor mximo de reteno pode ser obtido na transio entre os regimes homogneo e heterogneo. Usando um distribuidor menos eciente
32
Figura 2.3: Representaes dos regimes de escoamento observados em colunas de borbulhamento.

(por exemplo, distribuidor com nico orifcio), no se observa um ponto mximo de reteno gasosa e as caractersticas do regime heterogneo prevalecem no sistema, mesmo para baixas velocidades superciais de gs [86, 87].
O regime homogneo caracterizado por baixas velocidades superciais de gs (uG
< 4 cm/s),
onde o tamanho de bolhas e a reteno gasosa so radialmente
uniformes, sendo que as bolhas apresentam pequenos dimetros e formas esfricas. Neste regime, a velocidade de ascenso das bolhas praticamente uniforme, com trajetria ascendente quase retilnea. Alm disso, as bolhas possuem pouca interao entre si. Desta forma, os fenmenos de quebra e coalescncia de bolhas podem ser negligenciados, no havendo uma forte recirculao de lquido na coluna.
Com o aumento da vazo de gs, o escoamento se torna instvel e o regime homogneo no consegue se manter e passa por um estado de transio [88, 89]. A transio ocorre em uma pequena faixa de velocidades superciais de gs, onde bolhas maiores formadas por coalescncia ascendem com uma velocidade maior que a das bolhas menores. Neste regime, um padro de circulao do lquido comea a se desenvolver. Para velocidades superciais de gs superiores a
12 cm/s,
possvel
33
observar uma tendncia a se estabelecer um equilbrio entre a quebra e a coalescncia das bolhas. Neste ponto o regime passa a se chamar de heterogneo e caracterizado por bolhas com diferentes formas e tamanhos e uma intensa circulao de lquido no interior da coluna. As bolhas maiores tendem a ascender pelo centro da coluna e as pequenas pela regio prxima a sua parede, mas devido circulao de lquido na coluna as ltimas podem at retornar.
Em colunas de pequeno dimetro, o regime
slug
pode ser atingido ao aumentar
a velocidade supercial do gs. Neste regime, enormes bolhas de gs, chamadas de bolhas de Taylor, ocupam quase toda a seo da coluna, sendo separadas da parede por um no lme lquido. Normalmente, estas bolhas no se estabilizam em colunas com dimetros maiores que
15 cm
[86], ocorrendo a sua quebra em bolhas menores,
ocorrendo, ento, o regime heterogneo.
2.4.2 Simulaes Eulerianas: Regime Homogneo

O grupo do Prof. Svendsen da Universidade de Trondehein, Noruega, foi responsvel pelos primeiros trabalhos de simulao uidodinmica aplicada a colunas de borbulhamento na rea de Engenharia Qumica. A evoluo no desenvolvimento
do modelo Euleriano bifsico (gs-lquido) pode ser acompanhada em uma srie de trabalhos [90, 91, 92, 93, 94]. A modelagem considerava o arrasto e a sustentao como efeitos de interao entre as fases e utilizava o modelo de turbulncia monofsico padro
[74]. Inicialmente, o modelo
foi usado para ambas as
fases e, posteriormente, apenas para a fase lquida, incluindo a turbulncia induzida pelas bolhas de forma similar ao trabalho de SATO e SEKOGUCHI [76]. Todas
as simulaes foram realizadas em geometria bidimensional axialmente simtrica e em estado estacionrio, o que foi o responsvel pela falta de sucesso do modelo em vrios aspectos.
Na mesma poca, alguns trabalhos usaram modelos Eulerianos ao considerar a turbulncia na fase gasosa empiricamente relacionada com a da fase lquida [95,

96], ou modelos do tipo
34
drift-ux,
onde h uma equao para a velocidade relativa
(slip ) entre as fases [97, 98].
Foram realizadas simulaes adotando escoamento
laminar [98, 99] e a modelagem dinmica da coluna [99, 100]. De fato, comprovouse experimentalmente que o escoamento dentro de uma coluna de borbulhamento tem comportamento catico [101].
SOKOLICHIN e EIGENBERGER [99] e BECKER
et al.
[100] utilizaram um
modelo Euleriano de dois uidos considerando as equaes de conservao de massa e
momentum
e os efeitos de arrasto, sustentao e massa virtual para interao entre
fases. O modelo foi aplicado para uma coluna de seo retangular com espessura na, permitindo considerar geometria bidimensional. Os autores realizaram, ento, simulaes dinmicas com e sem considerar escoamento turbulento na fase lquida (com a turbulncia dada via modelo
padro de LAUNDER e SPALDING [74]).
A partir destes trabalhos, foi possvel vericar que uma coluna de borbulhamento nunca atinge o estado estacionrio e que o padro de circulao na coluna pode ser obtido atravs da mdia temporal dos valores nas clulas. Determinaram ainda que o modelo
introduz 100 vezes mais dissipao viscosa do que o necessrio
para o modelo simular os dados experimentais. A partir desta anlise, os autores recomendaram a utilizao de simulaes dinmicas laminares com a viscosidade da fase lquida ajustada aos dados experimentais.
SOKOLICHIN e EIGENBERGER [47] e BORCHERS
et al.
[102] utilizaram
um modelo Euleriano para duas fases em simulaes dinmicas tridimensionais resolvendo as equaes do movimento para ambas as fases, com ou sem turbulncia (usando o modelo
) e a equao da continuidade para a fase gasosa com um termo
de disperso baseado na turbulncia (nulo no caso laminar). A velocidade relativa entre as fases foi assumida constante. Os termos convectivos de todas as equaes foram discretizados usando um esquema TVD (Total ordem.
Variation Diminishing ) de alta
A partir de comparaes com dados experimentais, foi possvel chegar s
seguintes concluses:

portamento caracterstico de um escoamento turbulento;
35
i. as simulaes bidimensionais laminares no eram independentes da malha, apresentando maior detalhamento conforme a malha era renada. Este com-
ii. as simulaes bidimensionais turbulentas no levam a solues dinmicas para o escoamento, contrapondo com os resultados obtidos experimentalmente [100];
iii. o uso do modelo tridimensional turbulento fornece solues dinmicas independentes da malha com boa predio dos resultados experimentais. Da
conclu-se que a aproximao bidimensional era responsvel pelos alto valores de dissipao viscosa obtidos pelo modelo
iv. o uso do esquema
upwind
ao invs do TVD para discretizar os termos con-
vectivos torna a soluo do modelo tridimensional turbulento estacionria, eliminando o caracter dinmico do escoamento e degradando a predibilidade da soluo numrica.
SOKOLICHIN e EIGENBERGER [47] e BORCHERS
et al.
[102] recomendam
o uso de um esquema de alta ordem para todos os termos convectivos, o modelo
para a turbulncia e simulaes tridimensionais transientes. A necessidade do
uso de simulao tridimensional transiente foi constatada tambm por MUDDE e SIMONIN [103] e PFLEGER
et al.
[68].
Outros aspectos na modelagem do escoamento em colunas de borbulhamento passaram a ser considerados com maior detalhamento. Por exemplo, as foras de interao entre as fases (arrasto, sustentao, massa virtual, disperso de gs) precisam ser consideradas e como model-las um fator muito importante [103, 68, 104, 70]. Outro ponto bastante analisado [105, 46, 104, 70, 106] refere-se importncia da turbulncia induzida pelas bolhas e se a melhor forma de representao atravs de um modelo do tipo
mixing-length
[76, 77] ou atravs de uma modicao do modelo
para o escoamento bifsico [82, 83, 107].

O trabalho de PAN
36
et al.
[77]. Contudo, os
et al.
[105] incluiu a modelagem da turbulncia induzida
pelas bolhas usando a formulao proposta por SATO
autores desprezaram os efeitos de turbulncia induzida pelo cisalhamento, assumindo que para as baixas velocidades superciais de gs fosse possvel resolver todas as escalas do escoamento. Apesar da simulao ser bidimensional, PAN
et al.
[105]
apresentaram resultados razoveis. DEEN
et al. [70] incluram o modelo de SATO e
SEKOGUCHI [76] para turbulncia induzida pelas bolhas e compararam simulaes utilizando os modelos
e LES (Large
Eddy Simulation ) de SMAGORINSKY [108]
para modelar a turbulncia da fase lquida. Na abordagem por LES so resolvidas as equaes dinmicas do escoamento para obter o campo de velocidades mdio e os maiores turbilhes, onde os efeitos dos menores turbilhes so modelados. Para isso, a escala da malha deve ser bem reduzida. Os resultados simulados usando
a abordagem por LES foram muito superiores em relao ao
, reproduzindo [109]. Para
muito bem os resultados experimentais apresentados por DEEN o modelo
et al.
, a dissipao foi to alta que a simulao tendeu para um estado
estacionrio, pois os detalhes transientes do escoamento caram contidos dentro do modelo de turbulncia.
Os trabalhos de DEEN
et al.
[104, 70] obtiveram bons resultados ao usar o
QUICK limitado para discretizar os termos convectivos das equaes ao invs do esquema TVD usado em outros trabalhos [47, 68, 106]. J MUDDE E SIMONIN [103] usaram uma discretizao de terceira ordem (porm no citam detalhes), enquanto que BERTOLA
et al.
[110] utilizaram o FLUENT para testar os esquemas BOVE
Power
Law,
QUICK e um mtodo de segunda ordem.
et al.
[111] avaliaram os
mtodos
upwind
de primeira ordem e um mtodo hbrido (FCT - combinao do
upwind
de uxo
de primeira ordem e diferenas centrais de segunda ordem) com limitador
superbee
na discretizao dos termos convectivo. Ao comparar as simula-
es com os experimentos de DEEN
et al.
[70], ca clara a perda de denio dos
resultados simulados usando o mtodo de primeira ordem. Em todos os trabalhos supracitados, o efeito da difuso numrica sobre os resultados simulados similar ao aumento da viscosidade da fase contnua. A recomendao de SOKOLICHIN
37
e EIGENBERGER [47] em usar simulaes tridimensionais transientes se mostrou apropriada e foi adotada em diversos trabalhos [103, 68, 106, 104, 70, 111]. Desta forma, para analisar a modelagem dos escoamentos necessrio considerar a simulao tridimensional com discretizao de alta ordem nos termos convectivos. Muitos trabalhos da literatura podem ser descartados usando este critrio de seleo.
Nas simulaes tridimensionais transientes do trabalho de MUDDE e SIMONIN [103] foi possvel concluir que o termo de interao para massa virtual essencial para modelar o perodo de oscilao do escoamento de uma pluma de bolhas em uma coluna de seo retangular. Como SOKOLINCHIN e EIGENBERGER [47] no incluram este termo em sua modelagem, a predio do perodo de oscilao cou comprometida.
PFLEGER
et al.
[68] levantaram a hiptese da turbulncia induzida por bolhas
ser importante, mas usaram apenas o modelo KER [106] usaram um modelo
padro. J PFLEGER e BEC-
modicado para incluir a turbulncia induzida
por bolhas, apresentando um impacto positivo sobre os pers de velocidade e negativo sobre os pers de reteno gasosa. DEEN
et al.
[70] analisaram a importncia
da turbulncia induzida por bolhas usando o modelo de SATO e SEKOGUCHI [76] e embora os resultados fossem melhores com este termo includo, o seu impacto era pequeno. O trabalho de BEHZADI
et al.
[112] estendeu o modelo
de
mistura proposto por GOSMAN
et al.
[113] para tratar a turbulncia em sistemas
com altas fraes de gs. Com base em dados experimentais, os autores chegaram a uma formulao emprica para o coeciente de resposta turbulenta
Ct
(razo entre
as utuaes de velocidade entre as fases dispersa e contnua) em funo da frao volumtrica. As simulaes usando esta formulao obtiveram resultados mais acurados comparando com dados experimentais da literatura [114, 115]. De fato, a deduo fenomenolgica de
Ct
provm das equaes de transporte de mistura para
e relaciona as viscosidades turbulentas,
turb ,
das fases contnua e dispersa. A
Eq. 2.32 apresenta a formulao para o coeciente de resposta turbulenta entre a

fase contnua
38
(2.32)
e a fase dispersa
onde
a viscosidade cinemtica.
Ct2 =
turb turb 0
0 0
Em trabalho recente, BECH [116] testou os modelos de comprimento de mistura de Prandtl,
para tratar a turbulncia em uma coluna com pequena
espessura, indicando o ltimo para melhor predizer a pluma de bolhas devido ao seu tratamento a baixos nmeros de Reynolds.
Segundo SOKOLICHIN e EIGENBERGER [47], o modelo
fornece bons
resultados para tratar a turbulncia induzida pelo cisalhamento, porm DEEN
et
al.
[70] no recomendam o seu uso em algumas escalas de escoamento, indicando
o uso de LES. BOVE
et al.
[111] seguiram essa recomendao usando VLES (Very
Large Eddy Simulation )
em suas simulaes, porm os resultados obtidos para a
velocidade axial no foram satisfatrios, em parte devido a falhas na formulao de turbulncia prximo parede. Deve-se notar que os trabalhos acima esto limitados a baixas velocidades superciais de gs (regime homogneo).
A necessidade de usar um termo de disperso na equao de conservao de massa de gs foi investigada por PFLEGER
et al.
[68] e DEEN
et al.
[70]. Ambos
trabalhos concluram que no necessrio incluir o termo de disperso de gs, porm a fora de sustentao essencial para capturar os efeitos de disperso de bolhas.
A formulao clssica para a fora de arrasto apropriada para colunas pressurizadas utilizando um fator de correo. KRISHNA e VAN BATEN [26] propuseram o uso de um fator de correo baseado na massa especca, lao do arrasto para bolhas grandes.
g /g,1atm ,
na formu-
Porm, a incluso deste fator pode afetar
signicantemente a predio da frao de gs para altas velocidades superciais de gs e presses elevadas [26]. BEHZADI
et al. [112] propuseram modicaes para as
expresses dos coecientes de arrasto e sustentao em funo da frao volumtrica de gs, estendendo a validade destas correlaes para sistemas com alta reteno gasosa. LUCAS
et al. [117] realizaram testes de estabilidade na equao de transporte

de
39
momentum
da fase lquida para avaliar os limites numricos na modelagem do
coeciente de sustentao.
Em trabalho recente, EKAMBARA
et al.
[118] compararam as abordagens 1D,
2D e 3D na simulao de colunas de borbulhamento. Os autores realizaram simulaes estacionrias em geometria cilndrica, incluindo o modelo e a transferncia de
de turbulncia
momentum
por arrasto, sustentao e massa virtual [20]. Os
resultados simulados foram comparados com experimentos em regime homogneo de borbulhamento encontrados na literatura [119, 120, 121, 122] para os pers radiais de reteno gasosa, velocidade axial, viscosidade turbulenta e tensor de Reynolds. Todos os modelos conseguem acompanhar o perl de velocidade de lquido, porm apenas o 3D capaz de obter uma representao qualitativa das outras variveis.
A questo mais importante no que concerne a modelagem de reatores em colunas de borbulhamento que todos os trabalhos citados anteriormente nesta seo trataram apenas do regime de borbulhamento homogneo, considerando que todas as bolhas tem o mesmo tamanho. Apenas um modelo que inclua a possibilidade de diferentes tamanhos de bolhas (e suas interaes, como quebra e coalescncia) pode ser usado para predizer o regime de transio e simular o regime de borbulhamento heterogneo.
2.4.3 Simulaes Eulerianas: Regime Heterogneo

De modo a tratar o regime heterogneo, KRISHNA
et al.
[123] propuseram uma
modelagem que assume a existncia de duas classes de bolhas chamadas de bolhas grandes e bolhas pequenas. Esta abordagem necessita de informaes sobre a distribuio de bolhas e velocidade supercial do gs, fornecidas atravs de correlaes de cunho experimental. Isto pode parecer uma desvantagem a princpio, mas permite que este modelo seja utilizado para qualquer sistema bifsico. Este modelo
teve um desenvolvimento em uma seqncia de trabalhos [123, 124, 26, 125] e suas caractersticas bsicas esto colocadas na seqncia.
de borbulhamento proposta por KRISHNA
40
et al.
[126] e ELLENBERGER e
A separao da velocidade supercial do gs entre as duas classes realizado pela extenso do modelo de duas fases de leitos uidizados a colunas
KRISHNA [127]. A fase lquida mais bolhas pequenas, chamada de fase densa, permanece com a sua reteno gasosa e velocidade supercial de gs do ponto de transio.
A classe de bolhas pequenas tem um dimetro assumido constante (usualmente
4 mm) e sua velocidade de ascenso dada por uma correlao emprica [128,
129].
A classe de bolhas grandes tem seu dimetro dado por uma correlao emprica e dependente do sistema bifsico. A velocidade de ascenso vem da teoria no viscosa de DAVIES e TAYLOR [130] com correes para o efeito de parede [131], para o aumento da massa especca do gs com a presso [26], e para efeito de populao, dependente do sistema bifsico [22].
O modelo consiste de suas equaes de conservao de massa e quantidade de movimento para a fase lquida e para as duas classes de bolhas. Apenas a fora de arrasto considerada entre a fase lquida e cada classe de bolhas, usando os dimetros e velocidades de ascenso das bolhas nos seus clculos. No h foras de interao entre as classes de bolhas.
O modelo
usado para modelar a turbulncia da fase lquida e as fases
de bolhas so consideradas laminares.
Para o regime homogneo, a classe de bolhas grandes eliminada. Para o regime heterogneo em lquidos viscosos e em suspenses com alta concentrao de slidos, a classe de bolhas pequenas pode ser desconsiderada [132, 133, 22].
Este modelo foi usado inicialmente em casos 2D transientes [123, 124], mas depois vericou-se que apenas a simulao 3D transiente [26, 125] consegue predizer adequadamente todos os aspectos do escoamento. A simulao 3D transiente mostrou um comportamento catico e foi capaz de prever os pers de reteno gasosa

fase com relativo sucesso.
41
e de velocidade axial da fase lquida e os coecientes de disperso axial de cada A simulao 2D transiente pode ser usada em alguns
clculos de engenharia, mas no adequada para a determinao dos coecientes de disperso axial.
O sucesso da modelagem proposta acima [123, 124, 26, 125] j indicava a tendncia futura no desenvolvimento da modelagem de colunas de borbulhamento operando em regime heterogneo. O uso de classes (limitadas a apenas duas nestes trabalhos) em sua modelagem podia ser estendida usando tcnicas de balano populacional, apresentada no Cap. 3.
Captulo 3 Modelagem de Balano Populacional

3.1 Balano Populacional
Vrios processos nas indstrias qumicas tem a distribuio de tamanho de partculas (DTP) como um fator crucial sobre a performance do equipamento e a qualidade do produto nal. Para sistemas onde houver ps, bolhas, gotas, lamas, sprays, etc., a populao de partculas ao nal do processo normalmente diferente da populao inicial. Isto torna necessrio realizar cada vez mais estudos sobre a evoluo da DTP e seus efeitos sobre o comportamento do sistema.
Normalmente, as variveis que afetam a distribuio de partculas podem ser divididas em dois grupos, nomeados como variveis externas e internas. As variveis externas,
x, {x x },
so connadas ao campo geomtrico (ou espao fsico)
analisado, ou seja ao espao de coordenadas em variveis internas,
(no mximo), enquanto que as
v, {v v },
so as propriedades intrnsecas da partcula como Deste modo, o espao de estado da
tamanho, composio, energia interna, etc.
partcula formado pelo produto cartesiano dos espaos das variveis internas e externas. A partir desta denio, HULBURTZ e KATZ [134] e VALENTAS e
AMUNDSON [135] foram os primeiros a introduzir a equao de balano populaci-
42

com fases dispersas.
43
onal para a modelagem de processos em engenharia qumica envolvendo operaes
Uma populao de partculas em um sistema fechado pode ser afetada pela nucleao, agregao, quebra e crescimento. Estes fenmenos esto associados forma como as partculas interagem entre si e com a fase contnua, incluindo o efeito do campo de escoamento sobre as propriedades das partculas. Isto leva a heterogeneidades espaciais e, portanto, a modelagem destes processos um fator importante para projetos de engenharia conveis.
O trabalho pioneiro utilizando balano populacional deduziu o modelo para agregao pura e aplicou-o a um sistema biolgico [136, 137]. A popularidade do balano populacional cresceu devido ao livro de RANDOLPH e LARSEN [138]. Apesar de estar basicamente voltado para cristalizao, este livro exps uma abordagem geral que pode ser aplicada em diversos casos, inclusive para processos de pulverizao, coagulao de aerosis e granulao. Em um livro mais recente, RAMKRISHNA [28] incluiu ainda os processos de crescimento de clulas. Seu livro estabeleceu a mo-
delagem de balano populacional como uma ferramenta bsica para ser aplicada a todos os processos que envolvem interao entre partculas.
De fato, as reas de aplicao para balano populacional so diversas e muito vastas. Por exemplo, pode-se citar sistemas biolgicos e ambientais [139], nano-
partculas [140], processos de polimerizao [141] e, por m, aplicaes uidodinmica de processos polidispersos [142], foco deste trabalho.
Esta seo apresenta os fundamentos da equao de balano populacional (EBP), fornecendo a sua formulao completa, incluindo os termos de agregao e quebra de partculas. Devido grande complexidade da modelagem da EBP, apresentam-se algumas hipteses simplicadoras de modo a aplicar esta tcnica a casos prticos.

3.1.1 Equao de Balano Populacional (EBP)
Neste momento, necessrio introduzir uma nova varivel,
44
f (x, v, t),
conhecida
como funo de densidade numrica da partcula, que quantica o nmero mdio de partculas no tempo
por unidade de volume no espao de estado.
A partir
da funo de densidade numrica, variveis importantes para sistemas polidispersos podem ser calculadas. Por exemplo, o nmero total de partculas,
NT ,
no domnio
x v
do espao de estado de partculas (x, v) dado pela Eq. 3.1.
. NT (t) =
x v
f (x, v, t) dVv dVx
(3.1)
De fato, outras densidades numricas podem ser denidas para a populao. Considerando
v(v)
como o volume da partcula no espao de estado interno
v,
densidade de volume pode ser denida como o produto volumtrica da fase dispersa incluindo todas as partculas,
v(v)f (x, v, t)
e a frao
r, mostrada na Eq. 3.2.

(3.2)
. r(x, t) =
v
v(v)f (x, v, t) dVv
Ao contrrio da densidade numrica, as densidades de massa e volume se referem quantidade de material disperso e, conseqentemente, so variveis mais relevantes em aplicaes prticas.
A equao de balano populacional est representada na Eq. 3.3 [28], onde a taxa de variao da varivel externa,
Dx
o coeciente de difuso anisotrpico e
H(x, v, t)
o termo fonte da EBP que inclui os efeitos de nucleao, crescimento,
agregao e quebra. O segundo e terceiro termos da Eq. 3.3 representam o transporte convectivo e dispersivo de partculas no espao fsico.
f (x, v, t) = x Xf (x, v, t) + t +H(x, v, t) H(x, v, t)
Dx
DT f (x, v, t) x
(3.3)
O termo fonte nucleao
pode ser dividido nos seguintes termos:
a taxa de
J(x, v, t),
a taxa de variao das propriedades da partcula
G(x, v, t)

as taxas de nascimento e morte,
45
B(x, v, t)
e
D(x, v, t)
respectivamente, que podem
ocorrer por processos de agregao, denido pelo subscrito subscrito
a, e quebra, denido pelo
b. H(x, v, t) = Ba (x, v, t) Da (x, v, t) + Bb (x, v, t) Db (x, v, t) +J(x, v, t) + G(x, v, t)

(3.4)
O termo
G(x, v, t)
refere-se a mudanas no estado das variveis internas e pode
ser interpretado como o divergente do uxo destas variveis em seu respectivo estado. A equao geral para este termo se encontra na Eq. 3.5, sendo que
representa a
taxa determinstica de variao da varivel interna e o segundo termo da equao representa a contribuio estocstica da variao.
G(x, v, t) =
Vf (x, v, t) +
Dv
DT f (x, v, t) v
(3.5)
Esta notao til pois permite quanticar os processos separadamente e, portanto, modellos de forma mais fcil e eciente. Para um equacionamento com-
pleto da EBP, um conhecimento destes processos e de sua modelagem essencial. Na seqncia so mostrados aspectos da fsica e da modelagem dos fenmenos de agregao e quebra. Detalhes sobre nucleao e crescimento de partculas sero
colocados quando for apropriado.
3.1.2 Processos de Agregao

Em uma disperso em um escoamento turbulento, as partculas se movem aleatriamente e colidem continuamente umas com as outras. Para que a coalescncia ocorra, o uido que est entre as partculas em coliso deve ser drenado at a espessura de ruptura deste lme uido. Durante o processo de drenagem, possvel que a utuao turbulenta na fase contnua seja to intensa que as partculas possam se separar por completo. Assim, nem toda coliso entre partculas necessariamente resulta em agregao. Deste modo, uma ecincia de agregao deve ser anexada ao processo

processo de agregao.
46
fsico de coliso entre partculas. A Fig. 3.1 apresenta um diagrama simplicado do
Figura 3.1: Representao do processo de agregao iniciado pela drenagem do lme uido que separa as partculas, podendo resultar (a) na agregao das partculas ou (b) na separao destas.
A freqncia de agregao no estado (x, v) e (x
a, descrita abaixo, a probabilidade de duas partculas t

com as propriedades da fase contnua,
,v )
no instante
y,
se
agreguem em um perodo de tempo de
t + dt.
ecincia de agregao
freqncia de agregao = freqncia de coliso
ou
a(, v; x , v ; y, t) = x
(, v; x , v ; y, t)(, v; x , v ; y, t) x x
(3.6)
Foram propostas diversas abordagens para modelar a freqncia de agregao em diferentes sistemas polidispersos [143, 144, 145, 146]. Estes autores propuse-
ram diferentes hipteses e teorias para basear seus modelos e, apesar disso, todos concordam com os fenmenos fsicos que afetam a agregao. A freqncia de agregao afetada principalmente por dois fatores: a freqncia de coliso de um par especco de partculas e a probabilidade da agregao ocorrer aps a coliso. O
primeiro fator depende principalmente da distribuio de tamanho da partcula e do padro de escoamento. O segundo fator depende dos aspectos que afetam o sucesso da agregao como a camada limite viscosa (ou a drenagem do lme do uido), a

deformao das partculas e o balano de energia [147].
47
As taxas de nascimento e morte por agregao, que fazem parte do termo fonte da EBP, mostrado na Eq. 3.4, so dadas por RAMKRISHNA [28] na forma:
Ba (x, v, y, t) = 1 a(, v; x , v ; y, t)f (, v, t)f (x , v , t) x x

x v
(, v) x dVv dVx (x, v)
(3.7)
Da (x, v, y, t) =
x v
onde
a(x, v; x , v ; y, t)f (x, v, t)f (x , v , t) dVv dVx
(3.8)
representa o nmero de vezes que pares idnticos foram considerados no inter1/ corrige a redundncia.
O termo
valo de integrao, de forma que
(, v)/(x, v) x
corresponde ao jacobiano da transformao de coordenadas de modo que o par de partculas que colide com as coordenadas
[, v] x
[x , v ]
gerem partculas no estado
[x, v],
sendo dado por:
1 x x1 2 x x1
1 x x2 2 x x2 3 x x2 1 v x2
. . .
1 x x3 2 x x3 3 x x3 1 v x3
. . .
1 x v1 2 x v1 3 x v1 1 v v1
. . .

. . .
1 x vn 2 x vn 3 x vn 1 v vn
. . .
(, v) x = (x, v)
3 x x1 1 v x1
. . .
(3.9)
n v x1
n v x2
n v x3
n v v1
n v vn
Vrios modelos para freqncia de agregao foram propostos na literatura e imperativo escolher aquele que apropriado para uma dada situao fsica. Contudo, a descrio sobre modelos de freqncia de agregao no ser tpico deste trabalho e detalhes sobre os mesmos sero colocados quando for necessrio.

3.1.3 Processos de Quebra
48
Diversos trabalhos na literatura tratam dos mecanismos de quebra de partculas, concluindo que a quebra pode ocorrer devido colises ou inuncia do campo de escoamento. A primeira ocorrncia mais comum em partculas slidas e seu mecanismo de quebra envolve o atrito na superfcie da partcula, onde esta lascada pela coliso com outras partculas, parede ou impelidor. Alguns modelos de quebra usando essse conceito foram propostos [148, 149, 150]. O segundo mecanismo se
aplica a partculas uidas, como bolhas ou gotas, e ocorre pela exposio destas a um campo de escoamento turbulento, o qual provoca oscilaes de forma pela ao das foras inerciais e coesivas [151, 152, 145, 153, 154, 155]. Deste modo, a quebra por turbulncia induzida pela ao de pequenos vrtices (tambm chamados de turbilhes) que bombardeiam a superfcie da partcula, causando deformaes nesta. Isto , a energia cintica do movimento turbulento da fase contnua provoca um aumento de energia supercial da partcula atravs das deformaes. A fragmentao da partcula ocorre quando o movimento turbulento fornece um aumento suciente da energia supercial para causar a quebra. O presente trabalho ter enfoque no segundo mecanismo, considerando a quebra causada pela turbulncia.
As taxas de nascimento e morte por quebra na EBP so dadas por [28]:
Bb (x, v, y, t) =
x v
(x , v , y, t)b(x , v , y, t)
(3.10)
P (x, v | x , v , y, t)f (x , v , t) dVv dVx Db (x, v, y, t) = b(x, v, y, t)f (x, v, t)

onde
(3.11)
(x , v , y, t) o nmero mdio de partculas formado pela quebra da partcula , v ) ( 2), P (x, v | x , v , y, t)

a funo de densidade de probabili-
de estado (x
dade das partculas formadas pela quebra de uma partcula de estado (x possuir o estado (x, v) e
,v )
vir a
b(x, v, y, t) a taxa especca de quebra, ou seja, a frao
de partculas no estado (x, v) que quebra em uma unidade de tempo.

3.1.4 Hipteses e Simplicaes
49
O problema geral de balano populacional , certamente, de extrema complexidade, sendo vital considerar hipteses que simpliquem o equacionamento original mas mantendo os detalhes desejados. Algumas destas hipteses so intrnsecas fsica do problema, sendo natural o processo de simplicao. As hipteses fsicas e de
modelagem apresentadas abaixo so amplamente usadas na soluo da EBP e no desenvolvimento de funes de agregao e quebra [28].
Em primeiro lugar, importante destacar as simplicaes na nomenclatura das equaes. As funes de quebra e agregao possuem dependncia com as propriedades da fase contnua
y,
que podem ser, por exemplo, o campo de velocidades,
a dissipao de energia turbulenta ou mesmo as propriedades fsicas do meio contnuo. O vetor
no ser mais mostrado como um parmetro das funes, sendo
considerada implcita sua dependncia nas funes.
As Eqs. 3.7 e 3.8 para nascimento e morte por agregao envolvem trs posies diferentes, considerando duas partculas que interagem com posies tcula aglomerada em
e a par-
x.
Apesar de ser um tratamento matematicamente rigoroso, o
mesmo impraticvel e desnecessariamente complicado para aplicaes prticas de engenharia. Normalmente, considera-se que estas trs posies esto muito prximas entre si durante o processo de agregao, como
xx x
sob a hiptese de que
(3.12)
a(x, v; x , v ; y, t) = a(x, v, v , t)(x x)( x). x
(3.13)
Ao assumir que as trs posies so prximas, as Eqs. 3.7 e 3.8 so simplicadas resultando nas Eqs. 3.14 e 3.15, respectivamente.
Ba (x, v, t) =
a(x, v, v , t)f (x, v, t)f (x, v , t)

v
() v dVv (v)
(3.14)

Da (x, v, t) =
v
50
a(x, v, v , t)f (x, v, t)f (x, v , t) dVv
(3.15)
Considerando o problema multivariado, ou seja, um vetor de
variveis internas,
e a hiptese colocada na Eq. 3.13, o jacobiano de transformao de coordenadas pode ser simplicado como colocado na Eq. 3.16.
1 v v1
. . .
1 v vn
. . . (3.16)
() v = (v)
. . .
n v v1
n v vn
Note que quando o problema monovariado, isto , s possui uma varivel interna, o jacobiano de transformao de coordenadas se torna unitrio quando se trata de uma propriedade aditiva na agregao. Considere como exemplo o jacobiano para a massa
da partcula.
m + m = m, m (m m ) = =1 m (m)
(3.17)
Uma hiptese semelhante a mostrada na Eq. 3.13 pode ser estendida para a quebra. O processo de quebra ocorre em uma escala de tempo muito menor do que a evoluo da populao e, portanto, a quebra pode ser considerada instantnea. Desta maneira, as posies das partculas me
e lha
podem ser consideradas
como iguais. Esta hiptese aplicada Eq. 3.10 para nascimento por quebra resulta na Eq. 3.18.
Bb (x, v, y, t) =
v
(x, v , t)b(x, v , t)P (x, v | x, v , t)f (x, v , t) dVv
(3.18)
Por m, a deduo dos mtodos no presente trabalho lida principalmente com a EBP monovariada. Com a nalidade de apresentar a forma nal da EBP utilizando o volume da partcula,
v,
como varivel interna, a Eq. 3.19 reproduz sua verso
3.2 Tcnicas Numricas para Soluo de EBPs

((x, v
51
simplicada com os termos de quebra e coalescncia, considerando quebra binria
, t) = 2),
difuso isotrpica e
como a velocidade caracterstica associada
ao espao fsico (u
= X). ( f (x, v, t)) u

v
f (x, v, t) + t 1 = 2
0
[Dx f (x, v, t)]
a(x, v , v , t)f (x, v , t)f (x, v , t) dv
a(x, v, v , t)f (x, v, t)f (x, v , t) dv
+ 2
v
b(x, v , t)P (x, v | x, v , t)f (x, v , t) dv

(3.19)
b(x, v, t)f (x, v, t)

Existem vrias maneiras de resolver a equao de balano populacional e a metodologia apropriada depende da natureza do problema. A EBP uma equao integrodiferencial que nem sempre pode ser resolvida analiticamente e, portanto uma aproximao numrica deve ser aplicada. Solues analticas s podem ser obtidas para as situaes mais simples, usualmente no realsticas [156, 157, 158, 159, 160]. Assim, para simular casos reais, deve-se utilizar tcnicas numricas para a soluo da EBP. Estas podem ser divididas em trs categorias que so descritas e discutidas na seqncia.
3.2.1 Mtodos Estocsticos

Os mtodos estocsticos (ou de Monte Carlo) podem simular o comportamento do sistema usando tcnicas de gerao de nmeros aleatrios para calcular as funes de probabilidade do sistema [28]. Deste modo, o clculo direto das funes integrais e diferenciais substitudo pela simulao estocstica do sistema. Ao contrrio
52
da abordagem determinstica, a abordagem estocstica modela os fenmenos de nucleao, crescimento, quebra e agregao como processos discretos e aleatrios. RAMKRISHNA e BORWANKER [161, 162] introduziram a abordagem estocstica para modelar processos particulados. Estes autores mostraram que a EBP determinstica a primeira de uma srie de innitas equaes derivadas da equao para a densidade de probabilidade principal. A EBP determinstica calcula, de fato, a expectativa da funo de distribuio e descreve o comportamento mdio.
SHAH
et al.
[163] aplicou o conceito introduzido por KENDALL [164] para si-
mular quebra e agregao em sistemas dispersos, onde os intervalos de tempo so exponencialmente distribudos entre eventos de nascimento e morte em populaes monovariadas. As taxas de quebra e agregao eram proporcionais ao nmero de partculas no sistema e com mecanismos dependentes do tamanho da partcula. SWEET
et al.
[165] estendeu o equacionamento descrito em SHAH
et al.
[163] in-
corporando reaes qumicas de primeira ordem para simular um leito uidizado no isotrmico considerando apenas a coalescncia das bolhas. Este trabalho usou velocidades superciais relativamente baixas (duas vezes menor que a velocidade mnima de uidizao) pois seu objetivo foi mostrar a capacidade de simular sistemas complexos. DAS [166] desenvolveu uma soluo semi-analtica para processos de quebra e aplicou com sucesso o mtodo de Monte Carlo. DAS [166] sugere que, na ausncia de uma soluo analtica, seu algoritmo pode ser usado sem perda de generalidade dos resultados.
A soluo da EBP foi avaliada usando diferentes algoritmos estocsticos em diferentes trabalhos [167, 168]. Os testes de comparao entre as metodologias analisaram a velocidade de simulao e a magnitude dos erros sistemticos e estatsticos para determinar qual mtodo capaz de predizer a soluo com um dado erro em menor tempo.
Apesar de ser uma tcnica extremamente exvel, a quantidade de realizaes para simular adeqadamente a evoluo de uma populao extremamente alto, o

outros mtodos numricos se tornam computacionalmente exaustivos [169, 170].
53
que eleva muito o custo computacional. Contudo, uma vantagem desta abordagem a capacidade de simular EBPs multivariadas em respeito variveis internas quando
3.2.2 Mtodo dos Resduos Ponderados

O mtodo dos resduos ponderados uma tcnica geral para a soluo de equaes diferenciais parciais. Neste caso, em vez de tentar aproximar a funo que a soluo da equao, aproxima-se a funo a partir de funes conhecidas. A soluo dada pela expanso funcional da funo de distribuio em funes de base, cujos coecientes so calculados pela ponderao dos resduos das equaes usando funes peso. Forma-se, assim, um conjunto de equaes algbricas (ou diferenciais ordinrias) linearmente independentes para obter os coecientes da expanso da soluo na base de funes usada. As formulaes se diferenciam no uso de bases globais ou locais. As funes globais normalmente so usadas em problemas estacionrios e quando uma forma aproximada da soluo est disponvel. A formulao com expanso global foi usada por BHATIA e CHAKRABORTY [171] para resolver o problema da EBP estacionria com agregao e crescimento. A tcnica de
elementos nitos usa bases locais e permite solues mais gerais. Escolhas possveis para a funo peso incluem as funes delta de Dirac, resultando nos mtodos de colocao, ou as prprias funes da base resultando na formulao de Galerkin.
O primeiro trabalho utilizando a tcnica de elementos nitos para a EBP foi de GELBARD e SEINFELD [172]. Estes autores incorporaram funes polinomiais cbicas em uma formulao de colocao para resolver uma EBP dinmica com termos de agregao e crescimento de gotas em tanque agitado. O domnio da varivel interna (dimetro das gotas) foi escalonado de forma logartmica e distribudo entre elementos de tamanhos iguais. Mais tarde, este mesmo problema foi abordado por EYRE
et al.
[173] agora usando
B-splines
como funes da base na formulao de
colocao.
54
NICMANIS e HOUNSLOW [174] aplicaram o mtodo dos elementos nitos para EBP estacionrias para evitar o mau condicionamento da matriz de soluo em problemas com crescimento. A metodologia usada neste trabalho sensvel anlise de erros e a tcnica de renamento de malha das variveis internas fornece um aumento signicativo na acurcia da soluo e na ecincia computacional. Contudo, NICMANIS e HOUNSLOW [174] no abordaram problemas dinmicos.
LIU e CAMERON [175] resolveram a EBP dinmica aproximando a freqncia de agregao por uma srie de
wavelets
em sistemas com agregao, crescimento e
nucleao simultnea. O foco deste trabalho foi a predio acurada de descontinuidades, fornecendo bons resultados quando pontos sucientes de colocao (acima de 67 para o caso de freqncia de agregao constante) foram usados.
MAHONEY e RAMKRISHNA [176] aplicaram o mtodo de Galerkin em elementos nitos para sistemas com precipitao e ressaltaram as diculdades associadas s descontinuidades no integrando. RIGOPOULOS e JONES [177] resolveram a
EBP dinmica unidimensional incluindo nucleao, crescimento, quebra e agregao usando uma formulao de colocao com elementos lineares e uma aproximao
upwind
no termo de crescimento.
Recentemente, o mtodo dos resduos ponderados com base nos mnimos quadrados foi aplicado com sucesso na soluo da EBP [178, 179], considerando problemas estacionrios puramente advectivos no espao [180] e com dependncia no tempo e espao [181]. Esta metodologia se encontra em uma etapa avanada de desen-
volvimento, sendo possvel considerar o acoplamento deste mtodo com modelos multifsicos.
O mtodo de elementos nitos possui as vantagens de conseguir obter uma tima convergncia numrica com boa acurcia da soluo e existe ainda a possibilidade de adaptar a malha ao problema. Contudo, o alto custo computacional imposto pelo clculo das integrais duplas na formulao de Galerkin critico. Estes problemas aumentam quando as funes de quebra e agregao dependem de uma propriedade

de resduos ponderados pode ser encontrada na literatura [28, 182].
55
associada populao, como tempo ou espao fsico. Uma reviso sobre os mtodos
3.2.3 Mtodo das Classes

O mtodo das classes ou de ordem zero, como chamado por KOSTOGLOU e KARABELAS [183], se baseia em representar a distribuio da populao em um nmero nito de classes, formado pela diviso do domnio do tamanho das partculas e adotar um valor constante de tamanho em cada classe. Desta forma possvel transfor-
mar a EBP integro-diferencial em um sistema de equaes diferenciais com soluo numrica bem estabelecida. De acordo com KUMAR e RAMKRISHNA [184], os
mtodos de ordem zero podem ser separados em duas vertentes: os internamente consistentes e as metodologias de discretizao inconsistentes com respeito propriedade integral analisada. A consistncia interna implica que a discretizao da EBP submetida a um operador integral igual a forma discreta deste operador aplicada a EBP discretizada. A eccia desta tcnica decorre da obteno rpida e acurada de propriedades selecionadas da populao, como distribuio de massa, tamanho, etc., de acordo com a aplicao. Assim, o mtodo das classes se mostra apropriado para problemas CFD e uma reviso mais detalhada sobre este assunto descrita na seqncia.
O primeiro trabalho a usar uma discretizao da EBP utilizou uma metodologia relativamente simples, empregando o teorema do valor mdio. HOUNSLOW
et
al.
[185] estudou a coalescncia de gotas em tanques agitados usando o volume da
partcula como varivel interna discretizada em uma malha geomtrica com fator de expanso igual a
2 (i+1 = 2i ).
O autor desenvolveu um conjunto de equaes
para conservar nmero e massa de gotas em sistemas com agregao pura, como mostrado na Eq. 3.20, onde
Ni
o nmero de partculas no ponto
da malha e
ai,j

a freqncia de agregao aplicada a partculas nos pontos
56
i
e
da malha.
dNi = Ni1 dt Ni
1 2 2ji+1 ai1,j Nj + ai1,i1 Ni1 2 j=1

i1 j=1
i2
ji
imax
ai,j Nj Ni
j=1
ai,j Nj
(3.20)
A principal desvantagem deste mtodo a sua inexibilidade em termos de malha, que impossibilita o renamento das classes. Outro fator negativo a neces-
sidade de desenvolver novas equaes para conservar propriedades da distribuio diferentes de massa e nmero de partculas. LISTER
et al.
[186] estenderam o
mtodo de Hounslow possibilitando o reno em progresso geomtrica das classes (vi+1 /vi
= 21/q ,
onde
um nmero inteiro maior que zero) e HILL e NG [187]
desenvolveram equaes similares Eq. 3.20 para quebra com reno de malha. A exibilidade da malha utilizando uma formulao variada do mtodo de Hounslow foi alvo do trabalho de WYNN [188], que aplicou o mtodo a problemas com agregao e reao. Porm, WYNN [188] comenta sobre a necessidade de realizar testes de malha para vericar se existe perda de massa no ltimo intervalo de volume. Recentemente, ALEXOPOULOS
et al. [189, 190] estudaram esquemas numricos para
resolver a EBP com nucleao, crescimento e agregao simultnea usando colocao ortogonal em elementos nitos e o mtodo de Hounslow estendido por LISTER
et
al.
[186].
Nos casos onde a taxa de crescimento de partculas foi alta, os autores
apontaram algumas limitaes na acurcia da abordagem numrica proposta por HOUNSLOW
et al.
o
[185] quando comparado ao mtodo de elementos nitos.
Para
driblar
problema
de
exibilidade
da
malha,
KUMAR
RAM-
KRISHNA [184] propuseram um mtodo de discretizao com uma abordagem mais geral e exvel devido possibilidade de usar malhas mais grossas ou nas e com diferentes faixas de tamanho. Esta tcnica concentra a populao de partculas
com determinada faixa de tamanho em torno de um nico ponto (chamado piv ou abscissa), xo no espao das variveis internas, usando uma funo delta de Dirac ( ). O subdomnio entre dois pontos da malha
vi
vi+1
chamado de seo
Ii
o tamanho de partcula nesta seo representado pelo ponto na malha
(abs-

cissa) tal que
57
vi < i < vi+1 .
Uma representao esquemtica da malha pode ser
analisada na Fig. 3.2. Contudo, esta abordagem possui um problema intrnseco j que os fenmenos de quebra e agregao podem levar a partculas cuja propriedade no pertence a nenhum dos pivs representativos da malha, gerando problemas de inacurcia numrica da soluo.
Figura 3.2: Representao de como a tcnica do piv xo lida com a formao de novas partculas que no coincidem com um piv existente; limites das classes, | piv (i ), nova partcula formada por agregao ou quebra.
O conjunto de equaes necessrias para conservar o nmero e a massa das partculas usando a tcnica do piv xo est colocado abaixo, onde o delta de Kronecker e
j,k
representa
o nmero de pontos discretizados na malha.
dNi = dt Ni
jk
i1 (j +k )i+1 n n
j,k
1 [1 j,k ]i a(j , k )Nj Nk 2 i,k b(i )Nj b(i )Ni

jk
k
a(i , k )Nk +
k
(3.21)
onde
i =
i+1 (j +k ) i+1 i
quando
i (j + k ) i+1
(3.22)
(j +k )i1 i i1
quando
i1 (j + k ) i
i i1
i,k =
i+1 i
i+1 v P (v | k ) dv + i+1 i
v i1 P (v | k ) dv i i1
(3.23)
Vale ressaltar que, quando uma malha discretizada em volume com fator geomtrico igual a
2 usada, as Eqs. 3.21, 3.22 e 3.23 levam a um equacionamento idntico

et al.
[185].
ao descrito em HOUNSLOW

KUMAR
58
et al.
[191] estenderam a metodologia do piv xo [184] ao considerar
uma nova abordagem para a redistribuio de partculas geradas por agregao na malha. Este mtodo considera a mdia do volume das partculas para denir o
local onde a nova partcula gerada ser alocada. Apesar de melhorar a acurcia e possibilitar o uso de malhas mais gerais em processos de agregao pura, o mtodo limitado pois usa a formulao original [184] para tratar a quebra. Recentemente, este mtodo foi estendido para casos multivariados nas propriedades internas da partcula [192].
VANNI [193] realizou um extenso estudo comparando a acurcia, facilidade de implementao e velocidade de clculo de diversos mtodos de soluo para EBP envolvendo quebra e agregao. Os mtodos foram divididos devido exibilidade na discretizao: (i) mtodos baseados em discretizao xa [194, 185], (ii) mtodos que permitem renamento de malha [195, 196, 186, 184, 197]. Os testes de comparao adotaram diferentes combinaes de funes de quebra e agregao montando um total de
10
casos. Os mtodos propostos por GELBARD
et al.
[195] e o piv
xo de KUMAR e RAMKRISHNA [184] se mostraram mais robustos e com maior versatilidade em relao aos outros mtodos. Enquanto a implementao do mtodo de GELBARD
et al.
[195] complexa e custosa, a tcnica piv xo mais simples
e apresentou maior acurcia nos casos simulados.
KUMAR e RAMKRISHNA [198] propuseram uma nova abordagem, chamada de mtodo do piv mvel, para superar a falta de acurcia nas predies de gradientes altamente no lineares presentes na distribuio. uniformidade da distribuio em cada seo Esta tcnica permite que a no
Ii ,
provocada pelos efeitos de quebra
ou agregao, sejam considerados mudando a localizao do piv. Em outras palavras, agora os pivs so quantidades dinmicas e suas posies mudam conforme a distribuio varia. Acoplado equao de conservao do nmero de partculas, necessrio deduzir as equaes para as mudanas de posio dos pivs, que se movimentam de forma a compensar a evoluo da funo de distribuio devido as novas partculas formadas. As equaes que conservam massa e nmero pela tcnica

do piv mvel esto colocadas abaixo.
59
dNi = dt Ni
jk
vi (j +k )vi+1 imax imax
j,k
1 [1 j,k ]a(j , k )Nj Nk 2 a(i , k )Nk + (1) b(i )Nj Bi,j b(i )Ni
(3.24)
k=1
ji
1 di = dt Ni 1 Ni
onde
jk
vi (j +k )vi+1 imax ji
j,k
1 [1 j,k ][(j + k ) i ]a(j , k )Nj Nk 2
(v) (1) b(i )Nj [Bi,j i Bi,j ]
(3.25)
(1) Bi,j = (v) Bi,j =
vi+1 vi vi+1 vi
P (v | j ) dv
(3.26)
vP (v | j ) dv
Apesar da alta acurcia do mtodo, este tem alto custo computacional quando a variao da distribuio no espao fsico considerada. ATTARAKI
et al.
[199]
propuseram dois algoritmos para otimizar a localizao dos pivs na malha e minimizar o erro da discretizao da EBP aplicada a sistemas de tanques agitados em batelada ou contnuos. Estes autores usaram a tcnica do piv mvel e mostraram que as equaes de densidade numrica e as equaes do piv (Eqs. 3.24 e 3.25) poderiam ser resolvidas seqencialmente no tempo quando o nmero de classes fosse sucientemente alto.
NOPENS
et al.
[200] realizaram simulaes para comparar a velocidade de cl-
culo dos mtodos de Hounslow, piv xo e piv mvel em processos de agregao ou quebra pura e agregao e quebra simultnea usando diferentes condies iniciais. Contudo, a simplicidade das funes que representam estes fenmenos so questionveis para serem usados na avaliao da acurcia dos mtodos. Os autores no realizaram comparaes dos resultados numricos simulados com solues analticas. Para comparar as metodologias de soluo, NOPENS
et al.
[200] usaram trs

tamanhos de malha com
60
25 (grosseira), 31 e 46 (renada) classes e mediram o tempo
computacional at que a simulao atingisse o estado estacionrio. Os autores destacaram a dependncia dos resultados com o mtodo numrico utilizado e o grau de reno da malha devido ao fenmeno de encarceramento de partculas em alguma classe (fora a ltima), onde a agregao e a quebra no so mais possveis. Para
o caso de agregao e quebra combinadas, o mtodo de Hounslow atingiu o estado estacionrio mais rpido do que todos os mtodos, enquanto que o mtodo do piv mvel apresentou um alto custo computacional, aumentado proporcionalmente com o nmero de classes usadas.
KUMAR e RAMKRISHNA [201] combinaram o mtodo das caractersticas com a tcnica do piv mvel que permite a soluo da EBP transiente considerando crescimento, nucleao e agregao simultnea sem dependncia espacial. Eles mostraram os problemas de difuso/disperso numrica que ocorrem ao aplicar mtodos de discretizao simples para o termo de crescimento e que tais problemas so eliminados ao usar uma malha mvel no espao de coordenadas internas. Esta formulao foi aplicada por LEE
et al.
[202] para simular os efeitos de crescimento, quebra e
agregao de partculas em um cristalizador de sulfato de potssio. Estes autores tambm acoplaram um mtodo de adaptao da malha [203] para problemas com nucleao de modo a aumentar a acurcia da soluo. Uma formulao mais geral foi desenvolvida por CAMPOS e LAGE [15], que inclui a dependncia espacial da EBP.
O trabalho de HU
et al.
[204] desenvolve uma formulao baseada em diferen-
as nitas para resolver EBPs homogneas e monovariadas. O algoritmo parte de aproximaes por srie de Taylor da densidade de partculas para obter expresses algbricas para a evoluo temporal do nmero e volume das partculas da populao em um domnio discretizado em classes. As integrais dos termos de quebra e coalescncia devem ser avaliadas no intervalo discretizado de cada classe e, para tal, os autores usaram a quadratura de Gauss-Legendre. Foram apresentados resultados de casos com agregao e crescimento simultneos, quebra pura e crescimento e nu-
61
cleao simultnea, onde todos possuem soluo analtica. Uma tima concordncia entre os resultados numricos e analticos foi obtida, porm os fenmenos simulados e as funes de quebra e coalescncia foram muito simples. Para avaliar melhor este mtodo, mais simulaes com funes de quebra e coalescncia e situaes fsicas mais realsticas devem ser realizadas.
3.2.4 Mtodo dos Momentos

Uma outra abordagem faz uso dos momentos da distribuio de partculas para simular sistemas dispersos de forma apropriada. De modo geral, a funo de distribuio de partculas sistematicamente substituda por um conjunto de momentos de baixa ordem que so, na grande maioria dos casos, sucientes para estimar as propriedades fsicas do sistema disperso simulado [205]. O momento denido na Eq. 3.27.
de uma distribuio est
k =
vk f (x, v, t) dv
(3.27)
Os momentos fornecem detalhes importantes sobre a descrio estatstica da populao. O momento de ordem zero (k
= 0)
representa a densidade numrica
total da populao (nmero total de partculas por unidade de volume), o momento de primeira ordem (k momentos fracionais,
= 1) a conservao das variveis internas da populao, k=

1 e 3
e os
k=
2 fornecem respectivamente informaes sobre o 3
dimetro numrico mdio e a rea supercial mdia.
O mtodo dos momentos (MOM) uma tcnica promissora que possui vantagens nicas ao simular sistemas dispersos dinmicos [134, 206]. MOM uma metodologia que acompanha diretamente os momentos de baixa ordem ao invs da distribuio propriamente dita e, portanto, no necessita de maiores conhecimentos sobre a ltima. O MOM convencional formula as equaes para acompanhar a evoluo em uma forma fechada, ou seja, so equaes que s envolvem funes dos momentos. Infelizmente, este mtodo s possui forma fechada para poucos casos. Na grande

maioria das situaes, as equaes que descrevem a evoluo do momento vem momentos de maior ordem como
62
k
envol-
k+1 ,
deixando o problema sem fechamento
[134] ou com necessidade de formas matemticas especiais para representar alguns fenmenos, como, por exemplo, o crescimento controlado pela difuso e evaporao e crescimento simultneos [206]. A necessidade de uma formulao de fechamento uma restrio severa deste mtodo e a principal razo deste no ter recebido mais ateno da comunidade acadmica. Trabalhos mais recentes resgataram o mtodo dos momentos formulando novas propostas para o fechamento das equaes.
BARRETT e JHEETA
et al.
[207] formularam uma forma funcional dos mo-
mentos para o fechamento das equaes e aplicaram para o problema de agregao, condensao e remoo de partculas em aerosis. Os autores assumiram que o logaritmo neperiano do momento
ln(k )
pode ser expresso por um polinmio de ordem
em
e seus coecientes so calculados ao resolver um sistema de
p+1
equaes
diferenciais numericamente. Contudo, sabe-se que as aproximaes polinomiais possuem a tendncia de oscilar entre os valores ajustados e nem sempre os momentos da distribuio podem ser aproximados pela forma colocada pelos autores.
3.2.5 Mtodos Hbridos

Os mtodos hbridos so assim chamados pois possuem caractersticas dos mtodos das classes (discretizao da varivel interna) e dos momentos. Nesta classicao, uma abordagem intitulada
quadrature method of moments
(QMOM) foi proposta
por MCGRAW [208], onde as equaes dinmicas para a evoluo dos momentos so substitudas por um conjunto de aproximaes baseadas em quadratura. Esta formulao satisfaz a condio de fechamento para uma ampla faixa de problemas sem a necessidade de assumir uma forma matemtica especial para representar a distribuio de tamanho ou o crescimento de partculas. A essncia do fechamento baseado em quadratura encontra-se no fato de que as abscissas
e os pesos
sejam completamente especicados em termos dos momentos de menor ordem da
63
funo de distribuio. Desta forma, os pesos e abscissas representam a funo de distribuio da melhor forma possvel e, em contraste com o mtodo das classes, as abscissas podem se mover livremente por todo o domnio da varivel interna sem limitaes ou restries.
A formulao bsica proposta por MCGRAW [208] admite uma distribuio monovariada sem dependncia com variveis externas. A Eq. 3.28 mostra a aproximao dos momentos por uma quadratura com (k
pontos para
2n
momentos
= 0 . . . 2n 1). k =
0
v f (v, t) dv =
=1
k w
(3.28)
Deste modo, os primeiros abscissas e
2n
momentos podem ser determinados a partir de
pesos.
Contudo, o inverso, isto , a obteno dos pesos e abscissas
a partir dos momentos, como colocado na Eq. 3.28, requer um mtodo de soluo para equaes no lineares e este procedimento no recomendado devido ao custo computacional. Uma abordagem mais apropriada o algoritmo Produto-Diferena (PD) [209], que usa os momentos para construir uma matriz tridiagonal da qual os pesos e abscissas podem ser obtidos.
A idia bsica do QMOM calcular os termos fonte da EBP usando a quadratura, avaliando os pesos e abscissas ao longo da evoluo temporal dos momentos. MCGRAW [208] estudou a simulao monovariada do crescimento de gotas de cido sulfrico diludo em aerosis e comparou os resultados fornecidos pela soluo exata do problema com as solues numricas obtidas pelo mtodo dos momentos com fechamentos por srie de Laguerre [134] e por quadratura (QMOM) utilizando 6 momentos (0 5 ) para representar a distribuio de tamanho. A evoluo dos momentos de menor ordem,
1 2 ,
em ambos os mtodos numricos acompanharam a
soluo exata, porm somente o QMOM conseguiu acompanhar a evoluo dos momentos de maior ordem,
3 5 .
O erro em relao soluo exata pelo fechamento
de Laguerre aumenta junto com a ordem dos momentos.
MARCHISIO
et al.
[210] estenderam o QMOM para incluir a quebra de part-

partculas e funes de agregao e quebra. total de partculas (0 ) e tamanho mdio de partculas (d34
64
= 4 /3 )
foram com-
culas e analisaram diferentes combinaes de condies iniciais de distribuio de As predies de densidade numrica
paradas com a soluo rigorosa da EBP fornecida por VANNI [193] utilizando um grande nmero de classes (aproximadamente 2000). O nmero de variveis escalares necessrias para resolver a EBP pelo QMOM muito inferior comparado ao mtodo das classes obtendo a mesma acurcia.
A formulao do QMOM obtida por MARCHISIO
et al. [210] para a evoluo de
2n
momentos contendo os termos de quebra e agregao est colocada na Eq. 3.29
e a Eq. 3.30 contm os momentos da densidade de probabilidade de quebra.
1 k = t 2 +
k k ( + )k a( , )w w
=1 =1 n =1
k b( )w ( )k ( )
(3.29)
onde
k ( ) =
v k P (v | ) dv
(3.30)
Apesar de tudo, QMOM possui dois fatores limitantes: (i) se aplicado a distribuies multivariadas, o mtodo perde sua simplicidade e ecincia computacional, e (ii) ao acompanhar apenas os momentos da distribuio de partculas, o mtodo no representa de forma realstica sistemas polidispersos com forte acoplamento entre as variveis internas e as velocidades das fases. De forma a driblar esses fatores, MARCHISIO e FOX [211] apresentam uma metodologia derivada a partir do QMOM, intitulada
(DQMOM). O DQ-
MOM baseado na idia de acompanhar diretamente os pesos e abscissas presentes na aproximao de quadratura ao invs de acompanhar os momentos da distribuio propriamente ditos. Como no QMOM, a funo de distribuio unicamente aproximada como o somatrio de funes delta de Dirac multidimensionais. A Eq. 3.31 mostra a aproximao monovariada para a funo de distribuio de tamanho pela

formulao do DQMOM.
65
(3.31)
f (x, v, t) =
=1
w (x, t)[v (x, t)]
Esta forma funcional pode ser analisada como um conjunto de e cada fase caracterizada por um peso
fases dispersas
e uma abscissa
que representam a
densidade numrica e o valor da propriedade considerada em cada fase dispersa. A formulao do DQMOM se baseia na substituio da Eq. 3.31 diretamente na EBP (Eq. 3.3) que aps alguma manipulao ca na forma mostrada na Eq. 3.32, onde
= w
fase
a abscissa ponderada, e
a velocidade caracterstica associada com a
so as primeiras e segundas derivadas da funo generalizada
[v (x, t)]
=1 n
w + t
(u w ) (u )
[Dx w ] [Dx ] [Dx w ]

(3.32)
n =1
[v (x, t)]
+ t
+
=1
[v (x, t)]
n
w + t
(u w )
=1
[v (x, t)]{Dx w ( ) ( )} = H(x, v, t)
Dene-se
como termos fonte das equaes de transporte do DQMOM
para os pesos e abscissas ponderadas.
w + (u w ) t + (u ) t
Dene-se ainda
[Dx w ] = [Dx ] =
(3.33)
na seqncia.
C = Dx w ( ) ( )
(3.34)
Note que, quando no existe termo dispersivo, as fases.
assume valor nulo para todas

Eq. 3.32 que consiste em multiplic-la por
66
Usando as denies das Eqs. 3.33 e 3.34 e aplicando uma transformao na
vk
e integr-la, chega-se Eq. 3.35.
(1 k)
=1
k + k
n =1
k1 = Hk + Ck (n)
(3.35)
onde os termos fonte so denidos por
(n) Hk =
e
v k H(x, v, t) dv
(3.36)
Ck = k(k 1)
n =1
k2 C
(3.37)
A Eq. 3.35 forma um sistema linear de equaes que deve ser resolvido numericamente em cada n da malha das variveis externas em cada passo de tempo para obter os termos fontes
necessrios para resolver as Eqs. 3.33. O trabalho
de MARCHISIO e FOX [211] desenvolve a formulao para os casos de crescimento, disperso, nucleao, agregao e quebra homogneos monovariados, difuso pura monovariada e estende a agregao homognea e o crescimento com dependncia espacial para casos bivariados. Os autores ainda colocam a formulao do DQMOM para casos multivariados, contudo no apresentam testes com esta ltima.
Uma metodologia derivada do mtodo das classes chamada
Parallel Parent and et al.

[212]. O
Daugther Classes
(PPDC) foi desenvolvida recentemente por BOVE
conceito deste mtodo uma decomposio de operadores aliada ao uso de vrias malhas para as partculas nascidas. Desta forma, os efeitos de nascimento e morte (por quebra e agregao) de partculas so separados em diferentes malhas. Os
autores utilizaram funes de Dirac para decompor a funo de distribuio em trs componentes, que se referem a uma malha para as classes de partcula me, malhas para as classes de lhas geradas por quebra e
M (M + 1)/2
malhas para as
classes lhas geradas pelo processo de agregao. Essas malhas esto superpostas (paralelas) no domnio da coordenada interna. BOVE
et al.
[212] partiram de uma
discretizao por Euler explcito no tempo para obter as Eqs. 3.38, 3.39 e 3.40 referentes a cada componente da funo de distribuio, onde
N , A
()
so

respectivamente as densidades numricas de partculas para a classe me classe de lha
67
,
para a
gerada por agregao de partculas presentes nas classes me
e para a classe de lha
gerada por quebra de uma partcula presente na classe
me
. N (tn+1 ) N (tn ) = N (tn ) a( , )N (tn ) b( )N (tn ), t =1 = 1, . . . , M A (tn+1 ) A (tn ) = t 1 1 a( , )N (tn ), 2 , = 1, . . . , M,

()
(3.38)
(3.39)
v+1 B (tn+1 ) B (tn ) = b( )N (tn ) P (v | ) dv, () t v = 1, . . . , M, = 1, . . . , N B()
()
()
(3.40)
Aps resolver o sistema das Eqs. 3.38 3.40, a funo de distribuio expandida de tamanho de partculas no tempo e
tn+1
pode ser calculada pela Eq. 3.41, onde
()
so as abscissas nas malhas de agregao e quebra respectivamente.
fE (v, t
n+1
) =
=1
N (t
M N B(i)
n+1
)(v ) +
=1 =1
A (tn+1 )(v y )
+
=1 =1
() () B (tn+1 )(v z )
(3.41)
Contudo, a cada iterao no tempo necessrio expressar a funo de distribuio expandida em
classes (malha inicial para o prximo passo de integrao) e obter
os momentos da distribuio usando a Eq. 3.28. Este procedimento resulta em um sistema de equaes no lineares em
n+1 N
k,n+1 .
Os autores sugerem o mtodo
de GORDON [209] para resolver tal sistema devido sua ecincia e robustez.
BOVE
et al.
[212] compararam simulaes do PPDC com a soluo analtica de
MCCOY e MADRAS [160] e o resultado do mtodo numrico de KUMAR e RAMKRISHNA [198] para trs casos usando diferentes funes de agregao e quebra.
68
Os autores no relatam o passo de tempo adotado nas simulaes. Os resultados obtidos pelo PPDC obtiveram tima concordncia com a soluo analtica, mesmo utilizando um pequeno nmero de classes. No segundo caso analisado, foram realizadas comparaes entre os resultados obtidos pelo PPDC (2 a mtodo do piv mvel [198] (90 classes).
classes) e pelo
Neste caso, as simulaes usando dife-
rentes classes no PPDC convergiram entre si, porm com grande discordncia dos resultados fornecidos pelo mtodo do piv mvel. Os autores no comentam esse Uma
fato apesar da simplicidade das funes de quebra e agregao deste caso.
possvel soluo seria aumentar o nmero de classes no mtodo de KUMAR e RAMKRISHNA [198] para avaliar a convergncia da soluo fornecida pelo mesmo. Uma das grandes desvantagens do PPDC est em sua formulao bsica, que parte da integrao numrica por Euler explcito.
Atualmente, o desenvolvimento dos mtodos hbridos passou a focar os casos multivariados, em especial usando o QMOM e DQMOM. O primeiro estudo aplicando o QMOM em casos multivariados [213] utilizou o volume e a rea supercial das partculas como variveis internas para o caso de agregao pura. Nesta situao, os pesos e abscissas no podem ser obtidos pelo algoritmo PD e foram calculados pelo mtodo do gradiente conjugado propiciando um maior custo computacional. Os resultados utilizando 12 pontos de quadratura foram comparados simulao por Monte Carlo apresentando resultados concordantes. MCGRAW e WRIGHT [214] apresentaram uma nova metodologia derivada do QMOM para o fechamento dos momentos, chamada de Transformao da Matriz Jacobiana (TMJ), com o objetivo de tratar misturas multicomponentes em aerosis. Contudo, os autores relacionaram os momentos das composies das partculas com os momentos da distribuio total de massa e, portanto, realizaram apenas simulaes monovariadas para acompanhar a evoluo da populao.
Na sequncia de trabalhos de YOON e MCGRAW [215, 216] foi introduzida uma formulao multivariada do QMOM acoplada ao algoritmo de anlise dos principais componentes da populao [217, 218] de modo a acompanhar os momentos combi-
3.3 Acoplamento CFD-EBP
69
nados para composio das partculas. O algoritmo de anlise dos principais componentes fornece um tcnica para extrair as combinaes lineares no-correlacionadas que melhor caracterizam a funo de distribuio. Neste caso, o algoritmo usado para encontrar o nmero de pontos de quadratura e sua localizao tima para obter os momentos combinados. O mtodo aplicado a uma diversidade de exemplos como, a condensao e a coagulao multicomponente (efeitos separados) e a coagulao e sinterizao bivariada em rea e volume (efeitos combinados). Os resultados foram comparados com as simulaes numricas de WRIGHT apresentando boa concordncia.
et al.
[213]
FOX [219] demonstrou a equivalncia do DQMOM com o QMOM aplicado aos mesmos casos bivariados tratado por WRIGHT
et al.
[213]. Em casos sem depen-
dncia espacial, a soluo pelo DQMOM equivalente TMJ [214] usado para obter os momentos. Em contraste, a dependncia espacial produz termos fontes que consideram os efeitos referentes aos gradientes dos pesos e abscissas. Estes termos no podem ser desprezados na formulao bivariada do DQMOM, com pena de predizer incorretamente os momentos.
Como discutido no trabalho de DIEMER e OLSON [220], o desenvolvimento de solues ecientes baseadas no mtodo dos momentos abrir portas modelagem de processos bivariados e espacialmente no-homogneos j que o acoplamento CFDEBP usando mtodos seccionais ainda so computacionalmente intensivos. Con-
tudo, um estudo mais aprofundado dos mtodos multivariados foge do escopo deste trabalho.

Separadamente, as tcnicas numricas para CFD e EBP so campos de pesquisa muito ativos. Contudo, o acoplamento destas tcnicas se torna necessrio ao considerar de forma mais rigorosa os efeitos dos fenmenos relacionados s partculas (por
70
exemplo, quebra e agregao). Desta forma, a EBP deve ser resolvida junto com as equaes da continuidade e de balano de quantidade de movimento multifsicas. Esta seo tem o objetivo de mostrar a teoria e formulao das tcnicas de acoplamento CFD-EBP e apresentar uma reviso da literatura referente s aplicaes multifsicas acopladas ao balano populacional.
3.3.1 Fundamentos do Acoplamento

A forma mais geral do acoplamento da EBP com o modelo Euleriano multifsico considera que todas as classes de partculas so tratadas como fases dispersas completamente independentes. Assim, cada fase caracterizada por uma classe distinta com um dimetro de partcula e possui campos de velocidade e frao volumtrica prprios. De forma natural, estas caractersticas fazem com que as abordagens discretas para a soluo da EBP (mtodo das classes, por exemplo) sejam as mais apropriadas ao acoplamento com escoamentos multifsicos. Contudo, a necessidade de considerar um nmero elevado de classes (20
30)
para representar de forma
apropriada a distribuio de partculas torna esta abordagem computacionalmente exaustiva. Dessa forma, outras formulaes para o acoplamento CFD-EBP foram propostas.
A primeira tentativa em acoplar CFD e EBP foi o modelo MUSIG (MUltiple
SIze Group )
introduzida por LO [221], baseada na formulao do modelo de dois
uidos onde a fase dispersa inclui todas as classes da distribuio de partculas. A modelagem MUSIG assume que as velocidades de todas as partculas so iguais, sem dependncia com seu tamanho. Desta forma, o conjunto de equaes se reduz abordagem de dois uidos onde existe um campo de velocidade para a fase contnua e outro para a dispersa. As foras de interao entre as fases so calculadas usando o dimetro mdio de Sauter,
ds ,
de toda a fase dispersa. O dimetro mdio de Sauter
usado no clculo da fora de arrasto pode ser aproximado pela Eq. 3.42, que usa a funo de distribuio de tamanho, obtida pela equao de balano populacional,
71
Figura 3.3: Representao dos n grupos de partcula separados em uma malha discreta em tamanho e suas respectivas velocidades.
integrada no volume
ds
onde
0 0
d3 (v)f (v) dv , d2 (v)f (v) dv v.
(3.42)
d(v)
o dimetro de uma partcula com volume
A limitao do modelo MUSIG reside na sua incapacidade em predizer a dinmica de diferentes classes. Na tentativa de driblar esta limitao e seguindo a mesma
idia do modelo de KRISHNA
et al.
[123], KREPPER
et al.
[222] usou o modelo
MUSIG modicado que considera duas fases gasosas para representar separadamente a dinmica das bolhas pequenas e das bolhas grandes.
Em seguida, FRANK
et al.
[223, 224] desenvolveram o MUSIG no-homogneo
ao considerar que grupos de partculas se movem com diferentes velocidades. Neste caso, cada grupo representa uma fase dispersa do sistema polidisperso. Um esquema desta abordagem est colocado na Fig. 3.3 onde as partculas so agrupadas por tamanho em sees da malha e cada grupo possui uma velocidade distinta.
FRANK
et al.
[223, 224] sugerem que os grupos de velocidade, composto por
grupos de classes, sejam caracterizados pelo comportamento das partculas devido s foras de troca de
momentum
e disperso turbulncia. Segundo os autores, 3 ou
4 grupos de velocidade (ou fases dispersas) so sucientes para caracterizar o escoamento homogneo ou
slug
em colunas de borbulhamento. Os limites de dimetros
superior e inferior de cada grupo devem ser denidos e o dimetro mdio em cada grupo usado para calcular os termos de troca de
momentum
entre as fases. Ape-
72
Figura 3.4: Exemplo da falta de acurcia em representar a funo de distribuio usando o mtodo das classes [166] em um caso com quebra dominante.
sar de usar todo o domnio discreto do tamanho de partcula (considerando todos os grupos) para calcular os efeitos de interao entre partculas, os autores no so claros em como o dimetro mdio de cada grupo obtido.
O modelo MUSIG foi amplamente divulgado devido a sua implementao no pacote ANSYS CFX [225]. Este modelo ainda utilizado at hoje, mas bastante criticado pela sua inecincia [18]. Recentemente foi descoberto um erro na implementao da discretizao do termo de quebra [226], onde a massa conservada mas no o nmero de partculas. Segundo DAMIAN [18], a ANSYS CFX j tomou conhecimento deste problema, mas at o momento no implementou a correo. Desta forma, acredita-se que todos os trabalhos que utilizaram o MUSIG at hoje tenham sido afetados em preciso por causa deste problema.
Note que as tcnicas de acoplamento CFD apresentadas acima consideraram apenas o mtodo das classes de KUMAR e RAMKRISHNA [184] na soluo da EBP. Contudo, o uso de pivs xos limita esta tcnica e pode levar a erros grosseiros na representao da funo de distribuio. Isto ocorre na representao mostrada na Fig. 3.4, onde a funo de distribuio inicial alterada devido aos efeitos de quebra dominante.
No exemplo mostrado na Fig. 3.4, o mtodo das classes no capaz de representar corretamente a funo de distribuio pois o limite inferior das classes foi ultrapassado e vrias classes se tornaram no-representativas. Ao contrrio, os m-

se ajustam para melhor representar a funo de distribuio.
73
todos hbridos se adaptam de forma tima s mudanas na funo de distribuio devido aproximao pela quadratura tima. Desta forma, os os pesos e abscissas
As metodologias hbridas usando quadratura tambm so atrativas ao acoplamento CFD-EBP por outras razes. A primeira delas a alta acurcia dos mtodos para casos de EBP monovariadas utilizando um pequeno nmero de momentos (4 6). Outra vantagem inerente ao DQMOM que os pesos e abscissas podem ser vistos como pontos distintos no espao das variveis externas e o mtodo pode ser usado para descrever sistemas multifsicos. Assim, cada fase dispersa seria caracterizada pelas variveis de cada ponto de quadratura. O presente trabalho apresenta a comparao da acurcia e performance dos mtodos hbridos QMOM, DQMOM e PPDC. Estes resultados esto discutidos no Cap. 6. Como concluso, o DQMOM se apresenta como a tcnica mais apropriada para ser acoplada a problemas de CFD.
3.3.2 Reviso de Aplicaes usando CFD-EBP

O trabalho de OLMOS
et al.
[227] utilizou a formulao MUSIG desenvolvida por
LO [221] e implementada no CFX 4.3 para combinar as equaes de balano populacional simulao Euleriana-Euleriana de uma coluna de borbulhamento. A fase dispersa foi representada por equao de balano de
10 grupos de diferentes tamanhos, contudo apenas uma

para a fase dispersa foi resolvida. Dessa forma, as
momentum
10 classes de partculas so convectadas com a mesma velocidade mdia. O dimetro mdio de Sauter foi usado para calcular os termos de arrasto e fora de disperso turbulenta [228]. Os autores usaram o modelo clssico
para modelar a turbu-
lncia na fase contnua. A simulao foi estacionria e 2D axialmente simtrica e apenas os fenmenos de quebra e coalescncia foram considerados utilizando os modelos de LUO e SEVENDSEN [155] e PRINCE e BLANCH [229], respectivamente. Os resultados foram comparados com dados experimentais e apresentaram uma boa concordncia para o regime de borbulhamento homogneo e a faixa de transio

de regime. a acurcia dos resultados de OLMOS
74
et al.
[227].
Contudo, a restrio do modelo para as equaes de transporte para
cada classe de bolhas e a limitao da simulao bidimensional devem ter limitado
OLMOS
et al.
[230] se basearam na abordagem desenvolvida por KRISHNA
et
al.
[123] para estender seu trabalho anterior [227]. Os autores consideraram a in-
uncia das bolhas na turbulncia da fase contnua atravs dos modelos de SATO e SEKOGUCHI [76] que calcula um termo extra de viscosidade induzida pelas bolhas, e KATAOKA e SERIZAWA [82] que leva em conta a produo de turbulncia nas esteiras das bolhas. Os autores ainda consideraram as interaes entre bolhas atravs de uma correo do coeciente de arrasto, mostrada na Eq. 3.43, que utiliza um parmetro
p em sua formulao [231] a ser obtido a partir de dados experimentais, a g ,

e o coeciente de arrasto sem fator de correo,
frao volumtrica da fase gs,
Cd . Cd = Cd (1 g )p
et al.
(3.43)
A metodologia de soluo proposta por OLMOS
[230] utiliza os resultados
das simulaes de seu trabalho anterior [227] para obter as classes dominantes (e portanto os dimetros mdios) para diferentes velocidades superciais de gs e o ajuste do parmetro
atravs de dados experimentais de reteno gasosa e velocidade su-
percial de gs. Aps estas duas etapas, resolvido o modelo Euleriano-Euleriano com as equaes de conservao de
momentum
para a fase lquida e para as fases ga-
sosas com os dimetros mdios das classes dominantes e desconsiderando a interao entre as bolhas. Os resultados mostraram uma boa concordncia na transio do regime homogneo ao heterogneo. Ao aplicar os coecientes de arrasto ajustados para cada fase gasosa, foi possvel obter uma boa representao da transio entre os regimes de borbulhamento. OLMOS
et al.
[230] concluram que estes resultados
s foram possveis devido considerao da distribuio de tamanho de bolhas e as interaes entre elas e ressaltaram a importncia do uso de balano populacional para representar o regime de transio de borbulhamento. Os autores tambm colocaram que o modelo de KATAOKA e SERIZAWA [82] apresentou resultados mais

acurados na descrio da turbulncia no lquido. Em trabalho recente, CHEN
75
et al.
[27] implementaram a EBP acoplada ao mo-
delo Euleriano-Euleriano de dois uidos na tentativa de representar o regime heterogneo de borbulhamento. O modelo Euleriano bifsico descrito por PAN
et al. [105]
foi usado no trabalho considerando a abordagem ASMM e incluindo apenas a fora de arrasto [232] no termo de troca de
momentum
entre fases e o dimetro local
da bolha obtido pela soluo da EBP. Isto implica que o modelo de mistura no requer a soluo dos balanos de quantidade de movimento e massa para todas as fases, apenas para a mistura, e que todas as partculas uidas se deslocam com uma nica velocidade. A turbulncia na fase lquida foi tratada com um modelo
modicado para incluir transferncia de momento turbulento entre as fases [107] e na fase dispersa o fechamento da turbulncia feito atravs de correlaes baseadas na disperso de partculas por turbulncia homognea [233]. Os fenmenos de quebra [155] e coalescncia [234] foram considerados na EBP, contudo foi necessrio ajustar a taxa de quebra predita pelo modelo de LUO e SVENDSEN [155] com um fator de
10
vezes (b
= 10 boriginal ). k
CHEN
et al.
[27] sugerem que isto ocorre devido falta
de acurcia do modelo turbulenta.
em fornecer valores realsticos de energia de dissipao
Contudo, de acordo com ARAUJO [17], a formulao do modelo de
LUO e SVENDSEN [155] baseada em conceitos errados e pode ter sido a principal fonte de erro nas simulaes. Os autores reportaram resultados prximos ao obtido experimentalmente [235] para a velocidade axial das bolhas e a reteno gasosa em simulaes 2D e 3D.
CHEN
et al. [236] estenderam seu trabalho avaliando o efeito de diferentes mode-
los de quebra e coalescncia para obteno da distribuio de tamanho de bolhas no processo de borbulhamento heterogneo. A EBP foi resolvida pelo mtodo do piv xo [184] considerando todas as partculas com uma nica velocidade calculada pelo modelo Euleriano-Euleriano [27] e os modelos analisados para quebra foram de LUO e SVENDSEN [155] e MARTNEZ-BAZN
et al.
[237, 238] e para coalescncia de
PRINCE e BLANCH [229] e LUO [234]. Como no trabalho anterior, foi necessrio

ajustar a taxa de quebra em um fator de
76
10 vezes, fato que tira a natureza preditiva
da simulao numrica. Foram realizadas simulaes bidimensionais discretizando a EBP com uma malha xa no volume usando 16 classes com dimetros de bolha entre
mm e
32
mm. Os resultados apontam que a soluo da EBP permite uma melhor
representao dos pers de velocidade do lquido e de energia cintica turbulenta em relao simulaes usando um dimetro mdio xo, apesar de ambas ainda apresentarem discrepncias em relao ao experimento. Isto pode ser consequncia da natureza da simulao 2D que no captura todos os detalhes do escoamento. Os autores tambm ressaltaram a concordncia dos resultados simulados usando os diferentes modelos de quebra e coalescncia, que apresentaram uma distribuio unimodal do tamanho de bolhas no regime heterogneo de borbulhamento, apresentando grande discrepncia com a curva bimodal experimental [239]. Apesar disso, os resultados de reteno gasosa no foram satisfatrios.
Em seqncia, CHEN
et al.
[240] realizaram simulaes tridimensionais de colu-
nas de borbulhamento com diferentes dimetros e condies de presso e velocidades superciais de modo a operar em regime heterogneo. Os resultados simulados foram comparados com dados experimentais da literatura [241, 242, 243]. Os autores utilizaram o mesmo modelo [27], mudando o modelo de freqncia de coliso para o desenvolvido por SAFFMAN e TURNER [244]. Este trabalho avaliou trs abordagens de soluo do escoamento, sendo elas: (i) EBP com modelo de dois uidos assumindo que a velocidade de todas as fases dispersas localmente igual velocidade mdia da fase gs; (ii) EBP com ASMM, sendo que a velocidade de todas as fases de bolhas so localmente iguais velocidade da fase gasosa; (iii) EBP com ASMM com
n+1
fases, onde cada classe possui sua velocidade local calculada pelo
ASMM. Contudo, o tipo de abordagem de soluo no teve um efeito signicante nos resultados simulados para os valores mdios temporais da velocidade axial e da reteno gasosa e os autores adotaram a metodologia (i) com
9 classes para gerar os
resultados comentados a seguir. As utuaes de velocidade supercial e reteno gasosa conseguem ser capturadas, fato que no ocorre em simulaes 2D. Apesar disso, os valores numricos para a tenso turbulenta no so bem preditos e a curva

de distribuio de tamanho de bolhas ainda unimodal.
77
O primeiro trabalho que testa a capacidade do mtodo dos momentos com fechamento por quadratura para resolver problemas de escoamento acoplado EBP foi de MARCHISIO
et al.
[245]. Os autores implementaram o QMOM no cdigo CFD
comercial FLUENT para simular o escoamento turbulento com partculas slidas em um reator Taylor-Couette considerando os efeitos de quebra e coalescncia. Devido ao pequeno tamanho das partculas e sua baixa concentrao no reator foi possvel desconsiderar a inuncia da fase dispersa sobre a contnua e adotar um modelo de turbulncia monofsico. As simulaes foram comparadas com dados experimentais encontrados na literatura. Os resultados foram obtidos resolvendo o campo de escoamento monofsico at atingir o estado permanente e em seguida determinando a evoluo dinmica dos momentos
0 5
[210] em passos de
10
segundos. Diferentes
modelos de agregao, quebra e distribuio de partculas lhas foram testados e foi possvel notar claramente a dependncia do resultado na escolha destes modelos. Em outras palavras, deve-se escolher corretamente estes modelos com base na fsica do processo analisado e nas escalas de tempo e dimenso para a qual estes foram desenvolvidos. Contudo, o custo computacional para resolver a EBP no apresentou dependncia com as diferentes combinaes de modelos de quebra e coalescncia.
Em trabalho recente, PRAT e DUCOSTE [246] introduziram o QMOM no
soft-
ware
de uidodinmica PHOENICS via subrotinas em FORTRAN, denidas pelo
usurio para simular a evoluo espacial da distribuio de tamanho de ocos em um reator agitado mecanicamente. As simulaes utilizaram
momentos para ca-
racterizar a populao de partculas e foram usados os modelos de SAFFMAN e TURNER [244] e ADLER [247] para coalescncia e KUSTERS [248] para quebra binria. A cada passo de tempo da simulao transiente, os momentos so atualizados para obter os pesos e abscissas utilizando as rotinas ORTHOG e GAUCOF [249] para estruturar o algoritmo de soluo. A partir dos momentos normalizados, a rotina ORTHOG realiza o cmputo dos coecientes da matriz jacobiana usando o algoritmo de Wheeler [250] e a rotina GAUCOF extrai os pesos e abscissas da

frmula da quadratura. O trabalho de FAN
78
et al.
[251] aplica o DQMOM acoplado a um modelo multi-
uido para simular a evoluo da fase slida polidispersa considerando a quebra e agregao em um reator de leito uidizado. continuidade e de So consideradas as equaes da
momentum
para uma fase contnua e
fases dispersas, incluindo
apenas o arraste no termo de troca de
momentum
entre fases e a fora de empuxo. Os
autores adotaram modelos de quebra e agregao propcios para a dinmica de partculas em leitos uidizados baseados na teoria cintica de escoamento granular [231], porm alguns testes com funes constantes foram realizados para analisar melhor o comportamento da simulao. Os mtodos SIMPLE (Semi-Implicit
Method for
Pressure-Linked Equations tial Elimination Algorithm
[252]) de acoplamento presso velocidade e PEA (Par[253]) no tratamento do acoplamento entre fases foram
usados. Foram realizadas simulaes 2D com
4, 6 e 8 momentos apresentando resul-
tados promissores na descrio dos fenmenos de crescimento, segregao, elutriao das partculas devido quebra e agregao (apesar de no apresentarem comparaes com dados experimentais). Como j esperado, os modelos baseados na teoria cintica apresentaram maior acurcia na descrio dos fenmenos. Os autores recomendam o uso de
momentos no clculo, ponderando o tempo computacional e a
acurcia obtida nos casos analisados.
Uma caracterstica importante do trabalho de FAN
et al. [251] que a formulao
bsica do DQMOM acoplado ao modelo Euleriano-Euleriano no precisa ser alterada quando se deseja incluir outros fenmenos como transferncia de massa e/ou calor, turbulncia, reaes qumicas, etc. na simulao. Contudo, necessrio usar um
nmero maior de variveis internas. Recentemente, o modelo multi-uido de FAN
et
al.
[251] foi usado para avaliar a segregao das partculas em um leito uidizado
[254] e vericar sua validao ao comparar as simulaes com dados experimentais [255] e dados simulados usando uma abordagem lagrangeana [256]. Em comparao aos dados experimentais, as simulaes de FAN e FOX [254] conseguiram representar bem a segregao das partculas utilizando apenas
2 pontos de quadratura (caracte-
79
rizados pelas partculas grandes e pequenas). Contudo, diferenas intrnsecas entre os modelos e condies de contorno nas simulaes no permitiu uma boa comparao entre os resultados usando as abordagens multi-uido [251] e a lagrangeana [256].
ZUCCA
et al.
[257] aplicaram o DQMOM para resolver a EBP na predio da
formao de fuligem em chamas turbulentas de etileno-ar. As equaes da continuidade, conservao de quantidade de movimento e transporte de massa com reao passaram por um processo de mdia de modo a considerar a natureza turbulenta do processo. A descrio da modelagem dos termos de tenso de Reynolds (k
) e as
interaes turbulentas das espcies qumicas (modelo de densidade de probabilidade) decorrentes do processo de mdia podem ser encontradas em FOX [258]. Os efeitos de nucleao, crescimento molecular, oxidao e agregao foram includos na EBP, onde as partculas foram consideradas pequenas o suciente para no afetar o campo de escoamento na chama. Os autores usaram o FLUENT para calcular os campos de velocidade, temperatura e concentrao em simulaes bidimensionais com o DQMOM implementado via funo denida pelo usurio com
46
momentos. Foram
realizadas comparaes com dados experimentais [259] do perl de temperatura e frao volumtrica de fuligem ao longo do queimador apresentando uma concordncia satisfatria dos resultados simulados. Contudo, no existem dados sucientes
para validar a evoluo da distribuio de tamanho das partculas.
Em trabalho recente, DAMIAN [18, 260] implementou o acoplamento entre o modelo multifsico Euleriano e a EBP resolvida pelo DQMOM no ANSYS CFX atravs das rotinas de usurio em FORTRAN. Testes de vericao numrica da implementao foram realizados utilizando uma soluo analtica [160, 158], que resolve a evoluo temporal de um problema de balano populacional monovariado com ncleos de quebra e agregao simples [160]. A preciso dos esquemas temporais e advectivos na soluo da EBP usando o DQMOM foram explorados em casos transientes 0D e estacionrios 1D, onde os mtodos
Backward Euler
High Reso-
lution
se destacaram. Tambm foram realizadas simulaes bidimensionais para o
80
escoamento de uma emulso usando o acoplamento CFD-EBP completo e a abordagem MUSIG. Apesar de obter resultados bastante satisfatrios, o prprio ANSYS CFX limita as implementaes via rotinas de usurio em FORTRAN ao restringir a liberdade e a exibilidade dos cdigos. Alm disso, a documentao sobre o uso das rotinas de usurio em FORTRAN muito limitada e vaga, dicultando ainda mais o processo de implementao, modicao ou extenso destes cdigos.
Captulo 4 Pacote CFD OpenFOAM

4.1 Introduo
No h dvidas que os pacotes CFD so ferramentas que fornecem grandes vantagens e uma maior facilidade na anlise de diversos tipos de escoamentos. A importncia dos pacotes CFD tm crescido muito nos ltimos anos devido conabilidade e rapidez com que os resultados so obtidos, alm da economia frente a testes experimentais. Este fato se deve aos avanos no desenvolvimento da modelagem
dos fenmenos fsicos, das tcnicas numricas para solucionar o problema e do aumento do poderio computacional. Como consequncia, alm da facilidade de uso, o constante aprimoramento das tcnicas e metodologias presentes nos cdigos so considerados pontos cruciais em CFD. Desta forma, interessante que o usurio possa interagir intimamente com o pacote, possibilitando a extenso do cdigo e aprimorando a ferramenta ou mesmo implementando novas formas de solucionar um problema especco.
O pacote CFD OpenFOAM surge como uma tima opo para a soluo de uma grande variedade de problemas. Alm disso, este pacote distribudo gratuitamente e junto com seu cdigo fonte e, portanto, permite uma interao mais profunda com
81
4.1 Introduo
assim como a metodolgia numrica utilizada em sua implementao.
82
Alm disso,
o usurio. Este captulo apresenta as origens do desenvolvimento do OpenFOAM,
detalhes sobre a interpretao da linguagem de programao pelo pacote e seu uso para a soluo de problemas CFD so apresentados na sequncia. Por m, um
estudo dos modelos multifsicos j implementados no OpenFOAM realizado, com uma anlise mais aprofundada da abordagem bifsica Euleriana.
4.1.1 Origem do OpenFOAM

Quando se inicia um projeto de construo de um cdigo CFD, interessante estrutur-lo de forma que se torne geral o suciente para que outras pessoas possam us-lo no futuro como uma ferramenta convel, eciente e de fcil manipulao. Esta preocupao envolveu os pensamentos dos ento alunos do
Imperial College,
Henry Weller e Hrvoje Jasak quando, em 1993, combinaram esforos para desenvolver o cdigo do FOAM (Field
Operation and Manipulation ) para operar e manipular
campos tensoriais visando sua aplicao uidodinmica computacional. A tecnologia do FOAM baseada em um conjunto eciente e exvel de mdulos escritos em C++ que so usados com o intuito de construir: (i)
solvers 1
para resolver pro-
blemas especcos de engenharia que envolvam campos vetoriais, (ii) utilitrios para realizar tarefas de pr e ps-processamento, que vo de uma simples manipulao de dados visualizao e construo e processamento de malhas, e (iii) bibliotecas de expanso usadas pelos fsicos.
solvers
e utilitrios, tal como uma biblioteca de modelos
Ao longo dos ltimos anos, o FOAM vinha sendo desenvolvido em uma linha comercial pela empresa inglesa Nabla, com a idia de fornecer ao usurio nal uma ferramenta para simulaes CFD de processos sicamente complexos e oferecendo servios de consultoria sobre o uso do
software
e implementao de novos
solvers
com
1 Solvers
so arquivos executveis construdos a partir do cdigo fonte e das bibliotecas do
OpenFOAM.
4.1 Introduo
abordagem comercial no era a ideal. Assim, em FOAM se tornou de domnio pblico sobre a GPL (Gnu
83
10 de dezembro de 2004 o cdigo do
Public License ) e o programa
modelagem complexa. Contudo, os desenvolvedores chegaram a concluso de que a
passou a ser chamado de OpenFOAM (referente ao cdigo ser aberto). Segundo os desenvolvedores, esta nova fase de desenvolvimento do cdigo comea com o m de sua abordagem comercial, reconhecendo que o OpenFOAM essencialmente uma ferramenta de pesquisa e que o futuro do cdigo s pode ser garantido atravs de colaboraes e interaes com o meio acadmico.
Desde que seu cdigo foi liberado, a comunidade cientca tm tratado o OpenFOAM com muito interesse, testando-o para casos
benchmark,
utilizando em proje-
tos de pesquisa e propondo inmeras colaboraes para o desenvolvimento do cdigo. Foi criado um grupo de discusso na internet sobre o OpenFOAM para discutir aspectos de uso, implementao de cdigo e anlise numrica do
software
aberto. Um
comentrio do Prof. Jasak em especial reete a situao atual do OpenFOAM: incrvel a popularidade que o OpenFOAM est recebendo da comunidade cientca. O cdigo est se espalhando como um poderoso vrus na internet. certo que,
se o objetivo de usar o cdigo em um ambiente de colaboraes for alcanado, o OpenFOAM ter grandes chances de crescer e se tornar uma das maiores plataformas de CFD em cdigo aberto da prxima gerao. De fato, grandes empresas multinacionais, como AUDI, Airbus, Bayer, Shell, Honda, entre outras, j visualizaram seu pontecial e utilizam o OpenFOAM no desenvolvimento de projetos de alta tecnologia.
O trabalho aqui apresentado se iniciou junto com o lanamento da verso
1.0 do
OpenFOAM e acompanhou sua evoluo ao longo das novas verses. No momento da escrita deste documento, a ltima verso era a desenvolvimento nal dos cdigos.
1.4.1,
sendo esta a utilizada no
4.2 Estrutura da Metodologia Numrica

84
O OpenFOAM possui implementaes numricas especcas para a soluo de equaes diferenciais parciais e entender seu funcionamento vital para a implementao (ou extenso) dos cdigos. Portanto, esta seo apresenta a metodologia da discretizao e soluo numrica das equaes de transporte e sua interpretao pelo OpenFOAM.
4.2.1 Discretizao por Volumes Finitos

A metodologia numrica aplicada na discretizao das equaes no OpenFOAM baseada primariamente no mtodo dos volumes nitos [261, 262, 182, 263, 264]. O termo discretizao se refere aproximao de um problema em um domnio contnuo por elementos discretos. O mtodo dos volumes nitos, assim como o mtodo das diferenas e elementos nitos, so aplicados na discretizao do espao fsico e temporal. O primeiro tipo de discretizao considera a diviso do domnio do espao em um conjunto de volumes de controle interconectados entre si (contguos) ou com o contorno do domnio. A discretizao do espao fsico constri a chamada malha computacional. De forma similar, a discretizao temporal aplicada a problemas transientes partindo de uma condio inicial e subdivide seu domnio em um nmero nito de intervalos no tempo. Uma representao de um domnio discretizado est colocada na Fig. 4.1.
Um volume de controle composto por um conjunto de faces, que por sua vez composta por um conjunto de arestas. As faces podem conectar dois volumes de controle ou um volume de controle ao contorno do domnio. A Fig. 4.2 apresenta as variveis relevantes na interconexo de dois volumes de controle vizinhos,
N.
Note que pela Fig. 4.2 o vetor
normal face
f P
e sua magnitude igual para o vizinho
rea da face. Este vetor aponta do volume de interesse
N.
O vetor
85
Figura 4.1: Discretizao nos domnios de espao e tempo (retirado de RUSCHE [52]).
Figura 4.2: Parmetros na discretizao por volumes nitos (retirado de RUSCHE [52]).
unitrio
n normal face denido como n = P

e
S enquanto que a distncia |S|
d entre o
centro dos volumes ortogonal quando
denida como
d = xN xP .
Uma malha considerada
paralelo ao vetor
em cada face da malha.
Um ponto importante na discretizao a alocao do campo de variveis na malha. Usualmente, todas as variveis dependentes (efetivamente solucionadas)
so alocadas no centro dos volumes. Este tipo de alocao, denominado arranjo colocalizado, se torna a escolha mais bvia pela sua simplicidade de controle dos ndices da malha na implementao computacional. Contudo, problemas de oscilao e
avaliao do gradiente de presso podem aparecer no arranjo co-localizado [262]. Porm, com os avanos das tcnicas numricas [265, 266] estes problemas foram

CFD, inclusive no OpenFOAM.
86
resolvidos e, desde ento, o arranjo co-localizado usado na maioria dos cdigos
O processo de discretizao por volumes nitos transforma as equaes diferenciais de variveis contnuas em um sistema de equaes algbricas correspondente. Partindo de uma equao de transporte para uma varivel
tensorial genrica
() + t
onde e
(u) =
( ) + S ()
(4.1)
a massa especca,
o campo de velocidade,
o coeciente de difuso
S ()
o termo fonte, sua discretizao por volumes nitos obtida integrando-a
sobre um volume de controle
VP
e em um intervalo de tempo.
t+t t t+t t VP
() dV + t
VP
VP
(u) dV
dt = dt
(4.2)
( ) dV +
VP
S () dV
O teorema de Gauss usado para converter as integrais em volume dos termos derivativos no espao em integrais sobre a superfcie controle.
no contorno dos volumes de
) dV =
dS
(4.3)
O teorema de Gauss utilizado na Eq. 4.2 para aproximar seus termos pelo somatrio dos uxos das propriedades pelas faces do volume de controle. procedimento detalhado na sequncia. Este
O termo convectivo
(u)
da Eq. 4.2 aproximado convertendo as integrais
em volume em superfcie usando o teorema de Gauss e somando-as em todo o volume de controle:
(u) dV =
dS (u)
f
S (u)f f (F,M,) F f (F,M,)

f
(4.4)
=
onde
o uxo mssico atravs da face
denido como
F = S (u)f .
O valor da
propriedade na face
f (F,M,)
pode ser obtido usando uma funo de interpolao

M
controle e seus vizinhos, alm de requerer o uxo parmetros
87
F
sobre a face
pr-denida. Esta ltima usualmente utiliza informaes do prprio volume de
e um ou mais
para efetuar a interpolao.
Existem vrios mtodos de interpola-
o, entre os quais pode-se citar as abordagens de interpolao linear (diferenas centrais),
upwind,
QUICK, MUSCL, TVD (Total
Variation Diminishing )
e NVD
(Normalised
Variable Diagram ).
A formulao destes mtodos encontram-se em v-
rios trabalhos [264, 263, 262, 267] e suas formulaes s sero abordadas quando for necessrio.
Da mesma forma, o termo difusivo teorema de Gauss:
( )
da Eq. 4.2 aproximado usando o
V
considerando
( ) dV =
dS ( )
f
f (S
f )
(4.5)
como uma varivel escalar.
Em malhas ortogonais, o gradiente
pode ser obtido pela expresso
N P . |d|
(4.6)
Usando a Eq. 4.6, o gradiente de
avaliado na face calculado usando os dois
valores centrais localizados entre a face
f.
Como alternativa, a discretizao do
gradiente pode ser calculada usando o teorema de Gauss para a integral no volume:
V
onde o valor de
dV =
dS
f
Sf
(4.7)
obtido atravs de uma funo de interpolao.
Termos fontes, como de
S ()
mostrado na Eq. 4.2, podem ser funes genricas
Assim, estes termos so linearizados antes da discretizao
S () = SI + SE
sendo que
(4.8)
SI
SE
podem ser dependentes de
Este termo integrado no volume
de controle resulta em:
S () dV = SI P VP + SE VP
(4.9)

ser reescrita usando as Eqs. 4.4, 4.5 e 4.9:
88
Ao assumir que os volumes de controle no variam com o tempo, a Eq. 4.2 pode
t+t t t+t t
() t
VP +
f f )
F f (F,M,) dt = + (SI P + SE )VP dt

(4.10)
f (S
f
A expresso acima usualmente dita como a forma semi-discretizada da equao de transporte [263, 66].
Assumindo uma variao linear de
(t)
no tempo [263], a discretizao da deri-
vada no tempo mostrada na Eq. 4.10 e a integral no tempo podem ser calculadas diretamente como
() t
t+t t
onde
=
P
n n 0 0 P P P P t
(4.11)
1 (t) dt = (0 + n )t 2
(4.12)
n = (t+t) representa o novo valor de para passo de tempo a ser resolvido 0 = (t) o valor no passo anterior.
Utilizando as Eqs. 4.10, 4.11 e 4.12,
enquanto
obtm-se a forma discretizada, temporal e espacial, da Eq. 4.1.
n 0 1 P P VP + t 2 + 1 2
F n n(F,M,) f
f
1 2 1 2
n S ( f
f
n f ) 0 f )
F 0 0 (F,M,) f
f
0 S ( f
f
1 n 1 n 0 0 (SE + SE )VP + (SI n + SI 0 )VP = P P 2 2
(4.13)
A formulao da discretizao temporal apresentada na Eq. 4.13 o mtodo de segunda ordem de Crank-Nicholson. Este mtodo requer os valores de
no
volume de controle e nas suas faces no instante de tempo a ser resolvido e passado. Os valores nas faces so calculados a partir dos valores no centro dos volumes em cada lado da face e usando mtodos adequados para a interpolao dos termos convectivos e difusivos.

4.2.2 Sistema Algbrico de Equaes
De fato, o objetivo obter o novo valor de do valor de
89
Como
P .
f tambm dependem
nos volumes vizinhos, a Eq. 4.13 pode ser representada como uma
equao algbrica vlida para o volume
P. aN n = bP N
(4.14)
aP n + P
N
Ao considerar todos os volumes de controle da malha, a Eq. 4.14 pode ser escrita como um sistema algbrico de equaes,
A = b
onde
(4.15)
uma matriz esparsa com coecientes diagonais
aP
e no-diagonais
aN ,
enquanto que
so respectivamente os vetores das variveis
e os termos
fontes referentes ao centro dos volumes. A matriz matrizes contendo apenas os coecientes diagonais
A D
pode ser decomposta em duas e os no-diagonais
N , tal que:
(4.16)
A=D+N
Portanto, a estrutura da matriz de coecientes
pode variar dependendo da
dimenso do problema, da forma de discretizao das equaes e da ordenao dos volumes de controle na malha. A estrutura da matriz um parmetro importante na escolha do mtodo mais apropriado para resolver o sistema linear. Em aplicaes CFD, cerca de
20%
do tempo de computao necessrio para resolver um dado
problema est associado soluo de sistema linear. Os outros obteno das equaes discretizadas.
80% esto associados
Os mtodos numricos para soluo de sistemas lineares podem ser divididos em duas classes: diretos e iterativos. Os mtodos diretos determinam a soluo exata, a menos de erros de truncamento, em um nmero nito de operaes matriciais. Eles so indicados para sistemas lineares com um nmero no muito de grande de equaes (at algumas centenas) ou com uma matriz do sistema cuja estrutura permita

ocorre por dois motivos.
90
um mtodo especial de soluo. A limitao destes mtodos a sistemas pequenos Primeiro, o nmero de operaes (matemticas) cresce
muito rapidamente com o tamanho do sistema, o que aumenta o custo computacional superlinearmente. Alm disso, o alto nmero de operaes leva ao aumento dos erros de truncamento, o que degrada a acurcia da soluo.
Os mtodos iterativos foram desenvolvidos para superar as decincias dos mtodos diretos no tratamento de grandes sistemas. Os mtodos iterativos tambm
ganharam espao devido a sua facilidade de implementao em computadores de alto desempenho com memria compartilhada ou distribuda (supercomputadores e
clusters ),
quando comparado aos mtodos diretos. Alguns dos mtodos iterativos,
como o Gauss-Seidel, o Gradiente Conjugado (CG) e suas variantes e o
Algebraic
Multigrid
(AMG) podem ser citados [268] e esto implementados no OpenFOAM.
4.2.3 Notao da Formulao Discreta

O processo de discretizao pode ser efetuado de forma implcita ou explcita, onde a primeira utilizada para construir o sistema linear atravs da discretizao. J segunda forma realiza os clculos da operao de forma explcita, usando os valores de
no instante atual.
RUSCHE [66]
apud
WELLER [269] introduziu uma notao
especca para volumes nitos que permite especicar o tratamento aplicado no processo de discretizao.
Com isso, a discretizao de um operador rador
representada por
L[]
. O ope-
pode ser derivativo no espao ou no tempo, ou mesmo um termo fonte que
possui tratamento implcito. A varivel dependente
colocada entre colchetes deve
ter tratamento implcito e ser idntica em todos os termos da equao. Por outro lado, os termos discretizados de forma explcita no so representados entre colchetes. Assim, as operaes implcitas e explcitas podem ser diferenciadas usando esta notao. Um resumo apresentado na Tabela 4.1.

Tabela 4.1: Notao da discretizao por volumes nitos.
Termo Notao por volumes nitos Termo discretizado
91
Derivada no tempo
[] t
n n 0 0 P P P P t f
VP
Convectivo
(F []f (F,M,) ) ( []) SI [] SE
F f (F,M,) F f (F,M,)
f
Difusivo
Divergente
S 0 f
f
Gradiente no volume
S0 f
Fonte Implcito
SI VP n SE VP
Fonte Explcito
Seguindo a notao mostrada na Tabela 4.1, o sistema linear obtido pela discretizao da equao de transporte (Eq. 4.1) pode ser escrita como colocado abaixo.
A :=
[] + t
(F []f (F,M,) )
( []) SI [] SE
(4.17)
Note que a equao discretizada para cada volume de controle idntica quela mostrada na Eq. 4.2.
Uma vez que o sistema linear montado, pode-se denir operadores especiais para extrair os coecientes da matriz e seus termos fonte usando respectivamente
AA A
AS b.
Da mesma forma, matrizes contendo os coecientes diago-
nais e no diagonais tambm podem ser obtidas a partir de respectivamente.
AD D
AN N
O operador H,
AH ,
denido na sequncia, usado exaustivamente nos algorit-
mos numricos do OpenFOAM. Sua denio parte do mtodo iterativo de Jacobi para obteno de uma soluo aproximada das equaes discretizadas como mostrado na Eq. 4.18.
A1 AH D
(4.18)
4.3 Conceitos de Programao

Logo, o operador H pode ser obtido utilizando as Eqs. 4.16 e 4.18.
92
(4.19)
AH = AS AN
Denitivamente, o conhecimento das equaes, modelos, mtodos de discretizao, soluo e algoritmos muito mais importante que os conceitos de programao. Com esse ponto de vista, recomendo fortemente que o leitor interessado em desenvolver cdigos no OpenFOAM estude a fundo o trabalho de JASAK [263]. Este ltimo apresenta detalhadamente vrios aspectos sobre a formulao numrica, incluindo a metodologia de discretizao, condies de contorno, etc., e a teoria dos algoritmos implementados, como o acoplamento presso-velocidade, correo dos uxos em malhas no estruturadas, etc., implementados no OpenFOAM. Toda a implementao do cdigo baseada na teoria apresentada em JASAK [263].

Uma das diculdades inerentes deste trabalho passar ao leitor os conceitos e a sintaxe bsica de programao no OpenFOAM, seja ele leigo em programao ou no. Existem vrias fontes disponveis para o estudo de C++, mas o autor destaca os livros de DEITEL e DEITEL [270] e YANG [271] pela didtica clara e exemplos aplicados. Atualmente, as fontes sobre programao no OpenFOAM esto em seus manuais (User's
Guide
Programmer's Guide ) Wiki 2 ).
e em uma enciclopdia virtual
gratuita e comunitria (pgina tipo
Apesar de serem o ponto de partida,
estas fontes ainda no so sucientes para que o usurio iniciante seja capaz de escrever seu prprio
solver,
sendo necessrio um certo esforo para estudar os cdigos
existentes, a estrutura e o funcionamento dos algoritmos implementados.
2O
termo Wiki usado para designar uma coleo de documentos criados e editados de forma
colaborativa em uma pgina da internet. Assim, os visitantes podem modicar os documentos, corrigindo erros, complementando idias e novas informaes. O Wiki do OpenFOAM est hospedado em: http://openfoamwiki.net/index.php/Main_Page

na programao usando as bibliotecas do OpenFOAM.
93
Esta seo descreve os conceitos bsicos sobre orientao a objetos e sua aplicao
4.3.1 Orientao a Objetos e C++

A maior vantagem na abordagem aplicada orientao a objetos remover algumas das falhas encontradas na abordagem seqencial ou contnua. Na abordagem orientada a objetos, os dados so tratados como elementos crticos do programa, chamados objetos, e no permitido alter-los livremente. Os objetos so associados a funes que os acessam e operam, protegendo-os de modicaes por uso de funes externas. Uma grande vantagem na abordagem de orientao a objetos a reusabilidade do cdigo.
Para melhor entendimento da linguagem orientada a objetos, os conceitos de objetos, classes, abstrao de dados e encapsulamento, herana e polimorsmo esto colocados na seqncia.
Objetos so as entidades bsicas de um sistema orientado a objeto. A programao analisada em termos de objetos e na forma de comunicao entre eles. Quando um programa executado, os objetos interagem uns com os outros por envio de mensagens, mesmo sem que estes tenham conhecimento sobre detalhes dos dados ou cdigo. As classes formam uma coleo de objetos similares entre si.
A abstrao se refere ao ato de representar aspectos essenciais do programa sem incluir detalhes ou explicaes bsicas de programao. Classes usam o conceito de abstrao e so denidas como uma lista de atributos abstratos. O armazenamento de dados e funes em uma nica unidade, entitulada como classe, chamado encapsulamento. Com isso, os dados no podem ser acessados diretamente e somente as funes encapsuladas na classe podem acess-los.
Herana o processo no qual os objetos podem adquirir as propriedades de
94
objetos de outras classes. Esta caracterstica proporciona a reusabilidade do cdigo, como adicionar novas propriedades a uma classe existente sem modic-la. Para tal, deriva-se uma nova classe a partir de uma j existente. A nova classe ter aspectos combinados das duas classes.
Por m, o polimorsmo caracteriza a habilidade de realizar operaes com diferentes comportamentos em situaes diversas. O comportamento da operao depende do tipo de dado usado na operao. O polimorsmo usado extensivamente na implementao da herana do cdigo.
Tendo sido colocado essas informaes, pode-se descrever algumas vantagens da programao orientada a objetos em relao s abordagens convencionais, como:
Fornecer uma estrutura modular para programas, facilitando a denio de tipos de dados abstratos onde detalhes da implementao esto escondidos e a unidade possui uma interface claramente denida.
Tornar mais fcil a manuteno e a modicao de cdigos, assim como novos objetos podem ser criados com pequenas diferenas entre os existentes.
Fornecer uma boa estrutura para bibliotecas de cdigos onde os componentes de um software podem ser facilmente adaptados e modicados pelo programador.
Para entender o funcionamento das bibliotecas do OpenFOAM necessrio ter um conhecimento prvio de C++, a linguagem base do OpenFOAM. Esta uma linguagem orientada a objetos e, portanto possui todas as caractersticas descritas acima. Por ser baseada na linguagem precursora C, C++ uma linguagem de programao apropriada para trabalho cientco, devido rapidez com que os clculos so efetuados. Contudo, as propriedades inerentes orientao a objetos em C++ propiciam uma perda de cerca de
10%
na velocidade de processamento em relao
linguagem C. Esta perda na ecincia pode variar dependendo da conscientizao do programador em relao efetividade computacional. MALAN e LEWIS [272]
95
realizaram um estudo sobre a aplicabilidade de cdigos escritos em C++ na construo de algoritmos ecazes em clculos de problemas CFD, aplicando algoritmos que reduzem o trfego de dados e balanceando o polimorsmo do cdigo com a ecincia computacional.
4.3.2 Interpretao da Linguagem pelo OpenFOAM

A grande vantagem do uso da linguagem matemtica a ecincia em expressar conceitos abstratos. Por exemplo, no escoamento de um uido, o termo campo
de velocidade possui um signicado mesmo sem qualquer meno natureza do escoamento ou qualquer dado especco de velocidade. O termo encapsula a idia de movimento com direo e magnitude e a relao com outras propriedades fsicas. Na matemtica, pode-se representar o campo de velocidades por um nico smbolo, por exemplo,
u, e expressar certos conceitos usando smbolos, por exemplo, o campo |u|.

Assim, se torna possvel expressar conceitos
de magnitude de velocidade como complexos com extrema clareza.
As equaes da mecnica do contnuo so usualmente apresentadas como equaes diferenciais parciais em 3 dimenses no espao e com variao no tempo. Estas equaes contm conceitos de escalares, vetores, tensores e seus respectivos campos, e envolvem lgebra tensorial, clculo tensorial e sistemas de unidades. A soluo
destas equaes envolve procedimentos de discretizao, representao de matrizes e implementao de algoritmos de soluo de sistemas de equaes lineares. A tcnica de orientao a objetos usada pelo OpenFOAM permitiu criar de tipos de dados muito prximos aos usados na mecnica do contnuo, e a tcnica de sobrecarregamento de operadores permitiu que a simbologia matemtica usual fosse aplicada para operaes bsicas.
As classes implementadas no OpenFOAM declaram tipos e operaes associadas que fazem parte da linguagem matemtica utilizada na engenharia e no meio cientco. O campo de velocidades apresentado anteriormente pode ser representado

no cdigo de programao pelo smbolo pode ser
96
U
e a magnitude do campo de velocidade
mag(U).
A velocidade um campo vetorial e, portanto, deve existir, em
um cdigo com orientao a objetos, uma classe
velocidade pode ser visto como um objeto da classe
vectorField vectorField
. Ento, o campo de .
A clareza no uso de objetos na programao para representar objetos fsicos e entidades abstratas no deve ser subestimada. A estrutura das classes restringe o desenvolvimento do cdigo dentro das prprias classes, tornando o cdigo mais fcil de manipular. Novas classes podem herdar propriedades de outras classes, por exemplo, um
Field
vectorField
e
pode ser derivado de uma classe
vector
e uma classe de forma que , como
Field<Type> scalar vector tensor

a classe , ao cdigo.
C++ fornece um mecanismo chamado de classes
template,
pode representar um campo de qualquer . As caractersticas gerais da classe
<Type>
template
so passadas
para qualquer classe criada a partir deste
template.
Os
templates
e a herana redu-
zem a duplicao de cdigo e criam hierarquias de classe que impe uma estrutura
Assim, utilizando as classes do OpenFOAM, a sintaxe de escrita dos
solvers
se
assemelha soluo de equaes diferenciais parciais. Por exemplo, a Eq. 4.20
u + t
(u)
(u) = p
(4.20)
representada pelo cdigo em C++
solve ( fvm::ddt(rho,U) + fvm::div(phi,U) - fvm::laplacian(mu,U) == - fvc::grad(p) );
4.3 Conceitos de Programao templates fvm fvc

onde os e com a funo de classe
97
referem-se respectivamente a operaes de discretizao
implcita e explcita usando volumes nitos. O sistema linear resultante resolvido
solve
Os cdigos dos
solvers
so seqenciais j que representam um algoritmo de solu-
o e suas equaes, que so seqenciais por natureza. No ponto de vista do autor, os usurios no necessitam de um grande conhecimento de programao orientada a objetos e C++ para alterar cdigos simples, mas devem conhecer os princpios por trs da orientao a objetos e ter um conhecimento bsico da sintaxe de C++. Contudo, os conceitos de programao so necessrios a medida que a complexidade da modelagem e seu algoritmo de soluo aumenta. Fato comum em se tratando de problemas CFD.
4.3.3 Implementao de Cdigos CFD

Como mencionado anteriormente, as classes e e operaes sobre variveis.
templates 3
podem encapsular tipos
As classes devem ser declaradas no incio do cdigo
atravs de bibliotecas para que seja possvel usar e acessar os comandos presentes na mesma. A principal biblioteca do OpenFOAM est declarada em
fvCFD.H
pois
agrega vrias outras bibliotecas que so importantes para o pleno funcionamento do cdigo. Em conjunto, estas bibliotecas so capazes de alocar, manipular e operar variveis de campo interpretadas pelo OpenFOAM.
Na execuo de um cdigo CFD no OpenFOAM, primeiramente a geometria e a malha computacional so alocadas usando a classe
polyMesh
, que armazena
informaes topolgicas e geomtricas da malha. Estes dados podem ser atualizados durante a simulao, tendo liberdade para apagar informaes sobre os volumes de controle (volume, rea da faces, posio do centro do volume/face, etc.) e recalcullas quando for necessrio. Assim, possvel apagar ou modicar dados referentes
3A
partir desse momento, para qualquer meno s classes deve-se incluir os templates implici-
tamente.

mveis). A classe
98 polyMesh
que inclui dados adicionais
a mudanas topolgicas (renamento de malha) ou geomtricas (malhas polidricas
fvMesh
uma extenso da
necessrios para a discretizao por volumes nitos.
Em adio, as variveis de campo e seus contornos so alocadas em posies especcas da malha como centro, faces ou vrtices dos volumes de controle usando a classe
rentes malha (
geometricField<Type> fvMesh
. Note que a classe
. Esta ltima construda a partir das classes refe-
) e ao campo alocado no interior e no contorno da geometria,
respectivamente denidas pelas classes
eld<Type>
Field<Type> geometricBoundaryFigeometricField<Type>
e
herda as propriedades
das classes com a qual construda. De fato, esta classe renomeada para distiguir a posio onde os campos so alocados na malha, denidos como:
volField<Type> surfaceField<Type>
de controle.
o campo est alocado no centro dos volumes de controle.
o campo est alocado nas superfcies dos volumes
pointField<Type>
o campo est alocado nos vrtices da malha.
Como citado anteriormente, a discretizao das equaes realizada pelo mtodo dos volumes nitos e as classes
fvm fvc
e
so responsveis pela aproximao dos
termos derivativos das variveis tensoriais calculadas. Apesar destas classes possurem o mesmo propsito, suas aplicaes so diferentes. A classe
fvm
rene funes
para realizar operaes implcitas de discretizao, armazenando os resultados em uma matriz esparsa denida pela classe a classe
fvm
fvMatrix<Type>
. Em outras palavras,
discretiza implicitamente os termos e constri um sistema de equa-
es lineares. Esta classe capaz de realizar todas as operaes que envolvem colocadas na Tabela 4.1.
Por outro lado, a classe
fvc
agrupa funes para calcular operaes explcitas de Assim, esta classe pode realizar
discretizao dos termos presentes nas equaes.
clculos explcitos diretos e seu resultado pode ser usado diretamente no cdigo ou
99
Figura 4.3: Operaes da classe (
fvm) e explcitas (fvc).
geometricField<Type> usando operaes implcitas
mesmo alocado no termo fonte do sistema linear. Estas operaes de discretizao envolvem as variveis de campo no instante atual, omtrico
geometricField<Type>
0 ,
e retornam um campo ge-
. O OpenFOAM fornece funes para realizar
outras operaes explcitas alm daquelas colocadas na Tabela 4.1, como o rotacional de um campo e a mdia ponderada no volume de controle obtida a partir dos valores nas faces.
A Fig. 4.3 mostra as diferenas no uso e resultados das classes sobre um
geometricField<Type>
fvm fvc
e
operando
Uma vez que o sistema linear denido pela classe trudo, este pode ser resolvido pela funo de classe
fvMatrix<Type> solve
cons-
. Assim como os mtodos
e funes de interpolao usadas na discretizao das equaes, o mtodo numrico para a soluo do sistema linear denido em tempo de execuo. Assim, o usurio pode escolher livremente os mtodos usados atravs dos arquivos de congurao do caso simulado.
Todos os cdigos implementados no OpenFOAM utilizam os conceitos de programao apresentados nesta seo. Maiores detalhes sobre programao e estrutura de classes no OpenFOAM podem ser encontrados no
Programmer's Guide.
4.4 Escoamento Multifsico no OpenFOAM

100
O desenvolvimento do escoamento multifsico no OpenFOAM teve incio com as pesquisas realizadas no Imperial College [273, 274, 275, 276, 66, 277]. Nesta sequncia de trabalhos foram tratados diversos assuntos, entre os quais a modelagem de escoamentos slido-lquido [273, 277], lquido-lqudo [276, 275] e gs-lquido [274, 66]. Desta forma, o OpenFOAM foi utilizado principalmente como ferramenta computacional [263] para a implementao de novos cdigos e para a validao dos algoritmos numricos multifsicos comparados a dados experimentais [66, 275, 277, 276].
A verso
1.4.1
do OpenFOAM possui cdigos especcos para a simulao de
escoamentos multifsicos incompressveis. Uma breve reviso das diferentes abordagens para modelagem multifsica no OpenFOAM apresentada nesta seo, com nfase no modelo Euleriano bifsico de RUSCHE [66].
4.4.1 Abordagens Implementadas

Existem trs abordagens de modelagem de escoamento multifsico implementadas no OpenFOAM e todas j foram comentadas no Cap. 2. So elas as abordagens Lagrangeana, Euleriana e VOF (Volume
Of Fluid ).
A primeira abordagem aplicada
para a soluo de escoamentos com pulverizadores (sprays ), onde as partculas so tratadas de forma Lagrangeana. O
solver dieselFoam
e suas variantes so utiliza-
dos basicamente em problemas de combusto e por isso no esto enquadrados na categoria de modelagem multifsica pelos desenvolvedores do OpenFOAM.
A abordagem VOF aplicada para o acompanhamento de superfcie livre, considerando uma funo colorao em dada posio
F (x, y, z, t) para indicar t.
a frao de uido presente
(x, y, z)
e instante
Dessa forma, possvel acompanhar o des-
locamento da interface, considerando que esta advectada com a velocidade local do uido. O
solver
bsico usando VOF o
interFoam,
porm este possui variantes

que incluem modelos de turbulncia LES (Large
101
Eddy Simulation )
e RAS (Rey-
nolds Average Simulation ).
Contudo, estes modelos consideram apenas escoamen-
tos bifsicos. Em sua ltima verso, a verso multifsica do
interFoam,
chamada
multiphaseInterFoam,
A abordagem
foi lanada e pode tratar
fases diferentes.
Euleriana-Euleriana
considera
que
as
fases
so
interpene-
trantes entre si e introduz o conceito de frao volumtrica na modelagem. Os
solvers
implementados
no
OpenFOAM
que
usam
esta
abordagem
so Os
settlingFoam, bubbleFoam, twoLiquidMixingFoam e twoPhaseEulerFoam.

vers settlingFoam
e
sol-
twoLiquidMixingFoam so indicados para simular respectiva-
mente a deposio de uma fase dispersa em meio contnuo e a misturao de duas fases lquidas. J os
solvers bubbleFoam e twoPhaseEulerFoam so os mais apropri-
ados para simular escoamentos dispersos, j que os termos de troca de quantidade de movimento entre as fases (arrasto, sustentao e massa virtual) esto includos em sua modelagem.
Na verdade, o desenvolvimento do do cdigo do
twoPhaseEulerFoam
basea-se na extenso
bubbleFoam
e, portanto, retm as caractersticas bsicas do ltimo.
Ambos consideram o modelo bifsico Euleriano descrito em RUSCHE [66] e utilizam o modelo
para tratar a turbulncia. No caso, o
permite ainda que o usurio escolha diferentes modelos para o coeciente de arrasto e inclui a modelagem da teoria cintica granular [231] utilizada em escoamentos gsslido. A modelagem deste ltimo tpico no ser revisada devido a sua aplicao especca e fora do contexto desse trabalho. Devido sua implementao mais
geral, a prxima seo se dedica a explicar com mais detalhes a modelagem do
solver twoPhaseEulerFoam.
4.4.2 Modelo Euleriano Bifsico

O equacionamento da modelagem Euleriana implementada no
twoPhaseEulerFoam
est descrita no trabalho de RUSCHE [66]. A formulao para a modelagem mul-

DOPAZO [278] e estendido por WELLER [269]
102
RUSCHE [66]. No processo
tifsica baseada no processo de mdia condicional proposta originalmente por
apud
de mdia condicional, as equaes so multiplicadas por uma funo indicadora (1 na fase dispersa
na contnua) antes de aplicar as tcnicas usuais de mdia.
As Eqs. 4.21 e 4.22 apresentam as equaes que compem a modelagem Euleriana, obtidas pelo processo de mdia condicional, considerando fases incompressveis e sem troca de massa entre fases:
r + t (r u ) + t
(r u ) = 0 r p M + + r g
e tenso
(4.21)
(r u u ) =
(r ef f )
(4.22)
onde os termos de troca de
momentum M
ef f , o qual combina os termos
de tenso de Reynolds e viscosa, so originados do processo de mdia e necessitam de fechamento. De fato, as foras de arrasto, sustentao e massa virtual esto
implementados no
twophaseEulerFoam, que permite a escolha de diferentes modelos

Md = Mc , d
para coeciente de arrasto [232, 279, 38]. Considerando apenas duas fases, a troca de quantidade de movimento entre as fases representa a fase dispersa e onde o subescrito
a contnua.
A modelagem de turbulncia descrita em RUSCHE [66] deriva do trabalho de GOSMAN
et al.
[113], que consiste do modelo
com termos fontes adicionais
que incorporam efeitos da fase dispersa na turbulncia. As equaes modicadas do modelo
esto colocadas na seqncia.
kc + (uc t c + (uc t
)kc (
(
ef c f
ef c f k c)
kc ) = Pc =
c
+ Sk
(4.23)
) c
kc
(C1 Pc C2 c ) + S Pc ,
(4.24)
A produo de energia cintica turbulenta representada por efetiva da fase contnua
a viscosidade
2
ef c f
calculada por
ef c c f = c + turb , onde turb = C kc .
As

constantes
103
k
e
C1
C2
assim como os nmeros de Schmidt
permanecem inaltera-
dos em relao ao modelo monofsico. Na implementao do RUSCHE [66] considera os termos fonte bifsicos adicionais
twoPhaseEulerFoam,
Sk
e
nulos, devido
a problemas de singularidade. Isto gera uma contradio em relao ao modelo de GOSMAN dispersa.
et al. [113],
j que os termos fonte contribuem para a turbulncia da fase
RUSCHE [66] destaca que ainda devem ser realizados testes numricos
para avaliar o modelo completo de GOSMAN
et al.
[113].
Por m, a tenso de Reynolds
ef f
para uma fase genrica
obtida pela
hiptese de BOUSSINESQ [71], como mostra a Eq. 4.25.
ef ef f = f
u +
2 u t I 3
2 + Ik 3
(4.25)
Contudo, a implementao do modelo de dois uidos aplicada sem as devidas manipulaes pode gerar singularidades e instabilidades numricas nas equaes. De fato, a Eq. 4.22 se torna singular no limite em que
r 0.
Desta forma, alguns
truques numricos devem ser usados para evitar este problema, como limitar modo que
de
r , onde 0 <
1.
Estes detalhes esto descritos em RUSCHE [66].
A metodologia numrica de soluo para o equacionamento descrito acima baseado no algoritmo PISO [280] para o acoplamento presso velocidade. Basicamente, o PISO consiste de uma etapa de predio de
momentum
e um lao de correo, no
qual a equao da presso baseada na equao da continuidade volumtrica resolvida e a quantidade de movimento corrigida com base na mudana de presso. Para compor o algoritmo, equaes de presso, frao volumtrica e de correo de
momentum
devem ser derivadas, de modo similar ao descrito em JASAK [263].
De fato, esta formulao mais apropriada para o desenvolvimento de novos cdigos para a simulao de escoamentos polidispersos. Portanto, todos os detalhes da formulao numrica do
twophaseEulerFoam so abordados apenas no Cap. 5, onde
o desenvolvimento de novas metodologias para escoamento multifsico polidisperso so analisadas considerando a extenso do cdigo bifsico de RUSCHE [66].
Captulo 5 Desenvolvimento das Metodologias

5.1 Introduo
Neste captulo esto descritas as etapas referentes ao desenvolvimento dos mtodos para o acoplamento do modelo multifsico Euleriano com as tcnicas de balano populacional visando a simulao de escoamentos polidispersos. As metodologias
foram implementadas usando a ferramenta CFD de cdigo-livre OpenFOAM.
Todos os conceitos apresentados nos captulos anteriores deste trabalho esto, enm, agregados aqui. De forma natural, o desenvolvimento ocorre em etapas onde a complexidade de modelagem e sua implementao numrica aumentam de forma gradual. A elaborao das abordagens multifsicas so baseadas no trabalho de
RUSCHE [66], que props e desenvolveu o modelo Euleriano bifsico implementado no OpenFOAM.
Portanto, a formulao numrica do modelo bifsico deve ser analisada primeiramente para entender e acompanhar as prximas etapas de desenvolvimento. Estas etapas esto colocadas na seo seguinte, onde so abordados os aspectos de formulao e implementao dos algoritmos no OpenFOAM.
104
5.2 Formulao Numrica do Modelo Bifsico

mrica e sua implementao no OpenFOAM so apresentados.
105
A primeira etapa do desenvolvimento refere-se soluo da Equao de Balano Populacional (EBP) usando o DQMOM [211], onde os detalhes da formulao nu-
Considerando que todas as fases dispersas possuem apenas um campo de velocidade, a soluo da EBP desenvolvida na etapa anterior pde, ento, ser incorporada ao modelo bifsico de RUSCHE [66]. Esta a estratgia MUSIG para o acoplamento CFD-EBP.
A implementao do modelo multi-uido Euleriano se torna necessria uma vez que ainda no existe tal cdigo no OpenFOAM. Sua elaborao parte da extenso do modelo de RUSCHE [66], considerarando apenas uma fase contnua e dispersas.
fases
Neste caso, cada fase possui seu prprio campo de velocidade, frao
volumtrica e dimetro caracterstico.
Em sua etapa nal de desenvolvimento, a soluo da EBP pelo DQMOM acoplada ao modelo multi-uido elaborado na etapa anterior. Dessa forma, os efeitos de interao entre partculas, como a quebra e agregao, so capazes de afetar localmente as propriedades da populao, como dimetro e frao volumtrica.

De modo geral, apenas os detalhes bsicos da formulao numrica do modelo bifsico implementado no OpenFOAM esto colocados nesta seo. Sua modelagem j foi apresentada no Cap. 4 e maiores informaes podem ser encontradas em RUSCHE [66].
A formulao numrica do modelo bifsico aplicada para uma fase genrica
vlida para a fase dispersa ou contnua. Especicamente para descrever a modelagem bifsica, a fase dispersa representada por
=d
=c
para a fase contnua.

De fato, o algoritmo implementado no
106
inclui a for-
mulao da teoria cintica de escoamento granular aplicada exclusivamente para a simulao de sistemas slido-gs [231]. Devido ao foco deste trabalho, os detalhes desta formulao no so considerados.
5.2.1 Equaes Multifsicas

RUSCHE [66] parte de uma verso incompressvel da equao multi-uido, obtida pela diviso da equao de conservao de quantidade de movimento multifsica, Eq. 4.22, pela massa especca
e pela frao volumtrica
r ,
considerando
d, c. u + u t u + ( ef f ) + M r 1 ef f = p+ +g r r
(5.1)
Utilizando a denio de
ef f ,
mostrada na Eq. 4.25, e aps algumas manipula-
es, a Eq. 5.1 pode ser expressa como:
u + t +
(u u ) u (
u )
r r ef ef u + u f f 2 u r r r 1 M +g ( ef f C ) + ef f C = p+ r r
ef f ef f C
est descrita na Eq. 5.3.
(5.2)
onde a correo do tensor de Reynolds
2 ef ef f C = f ( u )t I 3
2 u + k I 3
(5.3)
Neste primeiro momento, apenas o lado esquerdo da Eq. 5.2 discretizado, sendo que apenas os termos envolvendo
so tratados implicitamente e os restantes por
operaes explcitas. Utilizando a notao de volumes nitos colocada na Tabela 4.1, a forma discretizada do lado esquerdo da Eq. 5.2, representada por
descrita

como:
107
)[u ]
f r
=
onde
[u ] + t
ef ff ef ff 2
( [u ]) (
f r
rf +
[u ]
ef + ff
rf +
[u ]
(5.4)
([u ]) + ,
ef f C +
r ef f C r + = S (u )f
J
o uxo volumtrico da fase
denido como
e o subscrito representa a
representa a interpolao da varivel ao centro das faces.
mdia na rea da frao volumtrica avaliada nas faces do volume de controle e (0
<
1)
usado para limitar a frao volumtrica,
r ,
com o intuito de
evitar problemas numricos quando a frao tende a zero.
A Eq. 5.2 pode ser reescrita em uma forma semi-discretizada para
= d, c.
(5.5)
+g r
Por sua vez,
representa a discretizao dos termos de interao entre fases, Um tratamento especial
como as foras de arrasto, sustentao e massa virtual.
na discretizao de cada destas foras necessrio para evitar problemas de convergncia numrica. Dessa forma, as foras de arrasto e massa virtual recebem um tratamento semi-implcito, enquanto que a fora de sustentao discretizada por operaes explcitas. A expresso com a formulao discretizada resultante para a fase dispersa,
d ,
est colocada na sequncia,
a s d = Kd (uc [ud ] ) + Kd ur ( mv + Kd
onde
u)
(5.6)
Dd [ud ] Dc uc Dt Dt
e os termos
u = rd ud +rc uc , ur = ud uc
a s Kd , Kd
mv Kd
so fatores multiplica-
tivos que envolvem respectivamente os coecientes das foras de arrasto, sustentao e massa virtual. RUSCHE [66, 112] utiliza frmulas para esses fatores de modo a considerar a inverso de fases. Contudo, a formulao descrita por RUSCHE [66] e a implementada no OpenFOAM so ligeiramente diferentes e no existe documentao sobre os motivos dessa mudana no cdigo. As equaes efetivamente

implementadas no cdigo esto colocadas abaixo.
108
(5.7) (5.8) (5.9)
a Kd = rc rd s Kd
3 c CD |ur | 4 dd = rc rd CL (rc c + rd d )
mv Kd = rc rd c CM V
Os detalhes sobre a inverso de fase e seu efeito sobre as foras de interao podem ser encontrados na literatura [66, 112]. Por m, o termo de troca de quantidade de movimento referente fase contnua expresso como
c = d .
Os termos discretizados implicitamente so incorporados equao discretizada
mostrada na Eq. 5.4, assim como as formas explcitas da fora de sustentao Neste processo, obtm-se a equao discretizada corrigida,
e massa virtual.
C ,
denida abaixo para a fase dispersa
= d, [ud ]
f s Kd rd d
C = d + d
e para a fase contnua
a Kd rd d
r (
)
(5.10)
mv Kd rd d
Dc uc Dt
Dd [ud ] Dt
= c,
a Kd rc c
C = c + c +
mv Kd
[uc ] +
s Kd rc c
r (
.
)
(5.11)
rc c
Dc [uc ] Dt
Dd ud Dt
Portanto, a equao semi-discretizada, mostrada na Eq. 5.5, pode ser reescrita usando as Eqs. 5.10 e 5.11 para a fase dispersa
C = d
e contnua
p d p c
a Kd uc + g rd d
(5.12)
C = c
a Kd ud + g rc c
(5.13)
Contudo, a soluo direta da Eq. 5.5 no garante a continuidade de massa no sistema. Tal objetivo pode ser alcanado atravs da deduo de uma equao para
109
presso obtida de tal forma que a equao da continuidade seja obedecida. A convergncia desta equao atingida pela correo dos uxos volumtricos nas faces dos volumes de controle. De forma iterativa, os uxos corrigidos so usados para obter um campo de presso atualizado at obter sua convergncia.
As equaes de correo so derivadas a partir da Eqs. 5.12 e 5.13, que podem ser expressas usando os operadores matriciais diagonal
()D
e H
()H
aplicados matriz
provinda da discretizao de
C .
Tais operadores foram denidos previamente
na Seo 4.2.3. Para a fase dispersa:
(Ad )D ud = (Ad )H
p d
a Kd uc + g rd d
(5.14)
O rearranjo da Eq. 5.14 fornece uma equao de correo para a quantidade de movimento, que para a fase dispersa :
a (Ad )H p Kd 1 ud = + uc + g (Ad )D d (Ad )D rd d (Ad )D (Ad )D
(5.15)
Seguindo o mesmo procedimento colocado acima, a deduo para a equao de correo para a fase contnua trivial.
5.2.2 Equao da Presso

A formulao da equao da presso deve ser obtida considerando a continuidade das fases. De forma geral, utiliza-se a equao da continuidade da mistura, obtida pelo somatrio da equao da continuidade, mostrada na Eq. 4.21, de todas as fases. Desta forma, possvel obter apenas uma nica expresso para a presso.
Sua formulao parte, ento, da equao da continuidade da mistura interpolada no centro da face
f. (rdf d + rcf c ) = 0
(5.16)
Os uxos volumtricos, obtidos pela interpolao da Eq. 5.15 ao centro da face

f,
so denidos abaixo.
110
fp
(5.17)
=
onde
1 (A )D = d)
|S|
f
como
expresso para a fase dispersa (
= d
e
(Ad )H (Ad )D
S+
f
1 (Ad )D
gS+
f
a Kd rd d (Ad )D
(5.18)
para a fase contnua (
= c)
como
= c
(Ac )H (Ac )D
S+
f
1 (Ac )D
gS+
f
a Kd rc c (Ac )D
(5.19)
Os uxos volumtricos de ambas as fases so substitudos diretamente na Eq. 5.16 e resultam na equao da presso colocada abaixo.
(Dp p) =
onde
(rdf + rcf ) d c
(5.20)
Dp = rdf
1 d (Ad )D
+ rcf
1 c (Ac )D
(5.21)
A equao da presso, mostrada na Eq. 5.20, discretizada como um termo difusivo implcito.
(Dp [p]) =
(rdf + rcf ) d c
(5.22)
Assim, o campo de presso da mistura obtido de forma a garantir a continuidade dos uxos volumtricos da mistura. Esta forma de acoplamento entre os campos de presso e velocidade das fases cacarcteriza o algoritmo PISO [280].
5.2.3 Equao da Frao Volumtrica

As fraes volumtricas so obtidas atravs da equao da continuidade de cada fase, mostrada na Eq. 4.21. Sua discretisao deve ser eciente, levar a resultados conservativos e que respeitem os limites fsicos da frao volumtrica (0
r 1).
111
Ao longo dos anos, vrias abordagens de soluo da frao volumtrica foram propostas e, usualmente, estas apresentavam problemas de divergncia numrica, na conservao da frao volumtrica e ao limitar seus valores. De modo a evitar esses problemas, RUSCHE [66] utilizou a formulao de WELLER [269]
apud
RUS-
CHE [66], que re-arranja a Eq. 4.21 de forma que seja conservativa para todos os termos e limite
em ambos contornos inferior e superior. A expresso resultante
est colocada abaixo,
rd + t
onde
( rd ) + u
[ur rd rc )] = 0
(5.23)
u = rd ud + rc uc
rc = 1 rd .
De fato, esta abordagem fornece ainda um
acoplamento implcito entre as fases atravs da velocidade relativa (ur
= ud uc ). rd
como:
A discretisao da Eq. 5.23 realizada de forma implcita em termos de
[rd ] + t
onde
([rd ](r ,M ) ) + r = d c .
(rd [rd ](r ,M ) ) = 0
(5.24)
rd = rcf (r ,M ) r
O segundo termo da Eq. 5.24 respeita os limites da frao uma vez que o uxo volumtrico da mistura satisfaz a continuidade. No terceiro termo, os limites de
rd rd
so respeitados usando para a face e
na discretizao do termo convectivo para interpolar
na interpolao de
rc .
Desta forma, a conservao da frao
volumtrica em ambas as fases depende fortemente do mtodo de interpolao usado. Portanto, o uso de mtodos de interpolao de alta ordem com limitadores de uxo, como TVD ou NVD [263, 267] so requeridos nesta abordagem.
A no linearidade de
rd , presente no terceiro termo da Eq. 5.24, tratada atravs
de um processo de soluo iterativo. Dessa forma, a Eq. 5.24 resolvida iterativamente at atingir convergncia em
rd .
RUSCHE [66] ressalta que este processo no
sempre convergente sendo necessrio utilizar baixos nmeros de
Courant (Co).
Isto no apresenta grandes limitaes, pois baixos valores de passo de tempo j so necessrios para a acurcia de simulaes transientes.

5.2.4 Modelo k para Turbulncia
A turbulncia na fase contnua resolvida com o modelo
112
k
, cuja formulao foi
mostrada nas Eqs. 4.23 e 4.24. Note que a turbulncia s resolvida se ativada pelo usurio.
[kc ] + t
(c [kc ])
(c )[kc ]
ef c f k
[kc ]) =
c
Pc [ c ] + t (c [ c ]) (c )[ c ] C 1 Pc
ef c f ( c
kc
[kc ]
(5.25)
[ c ]) =
c
kc
C2
kc
[ c]
(5.26)
Por m, a viscosidade efetiva calculada para ambas as fases como
ef f =
+ turb
com
= d, c,
onde
c turb = C kc .
5.2.5 Implementao e Algoritmo de Soluo

O modelo Euleriano bifsico de RUSCHE [66] est implementado no
solver
twoPhaseEulerFoam.
Considerando as denies da linguagem de programao no
OpenFOAM (ver Seo 4.3), os campos vetoriais, como a velocidade, e escalares, como as fraes volumtricas,
templates
volVectorField volScalarField
e
, so armazenados usando, respectivamente, os . Assim, essas variveis so armaze-
nadas no centro dos volumes de controle. Enquanto isso, os uxos volumtricos so variveis escalares armazenadas no centro das faces dos volumes e, portanto, so declarados com o
template
surfaceScalarField
. Por m, o
template
phaseModel
1 apresenta
armazena as propriedades fsicas, como viscosidade e massa especca de cada fase.
Uma vez tendo denido as variveis de campo e suas propriedades fsicas, as etapas para soluo do modelo bifsico podem ser denidas. O Algoritmo as etapas de soluo at o nal da simulao em
tf im , como implementadas no solver
twoPhaseEulerFoam.
5.2 Formulao Numrica do Modelo Bifsico Algoritmo 1
113
Metodologia para o
1. Incio da simulao.
2. Leitura de dados da malha, campos de velocidade, frao volumtrica e propriedades fsicas.
3. Lao do passo de tempo
tn . Na
passos.
3.1 Lao para convergncia da frao volumtrica com
3.1.1 Soluo da frao volumtrica para a fase dispersa, Eq. 5.24, e contnua,
rc = 1 rd . .
3.2 Clculo dos termos de interao entre fases,
3.3 Discretizao do lado esquerdo da equao de transporte de quantidade de movimento,
C ,
pelas Eqs. 5.4, 5.10 e 5.11 para
= d , c.
3.4 Clculo dos operadores matriciais
(A )D
(A )H . Np
passos.
3.5 Lao PISO para o acoplamento presso velocidade com 3.5.1 Soluo da equao da presso pela Eq. 5.22.
3.5.2 Correo dos uxos volumtricos, Eq. 5.17, e velocidades, Eq. 5.15. 3.5.3 Clculo das fraes volumtricas com o procedimento descrito no item 3.1 (s efetuado se estiver ativado pelo usurio). 3.6 Clculo das Eqs. 5.25 e 5.26 para turbulncia (s efetuado se estiver ativado pelo usurio). 3.7 Volta ao item
para
n = n + 1. tn = tf im .
4. Fim da simulao quando
5.3 Balano Populacional no OpenFOAM

gncia dos laos de correo. iteraes nos laos, sendo
114
Np
para o aco-
Por losoa, o OpenFOAM no usa um critrio de erro para vericar a converAssim, ca a cargo do usurio denir o nmero de passos para a frao volumtrica e
Na
plamento PISO. Isso um ato que pode comprometer a simulao quando mais interaes seriam necessrias para atingir convergncia. De fato, os erros associados a essa varivel seriam propagados na malha e no tempo levando a resultados inacurados.
Na etapa 3.5.3 do Algoritmo
1, novos valores das fraes volumtricas so obtidos
com os campos atualizados de presso e velocidade. Assim, esta etapa permite incluir os efeitos da correo das fraes volumtricas no acoplamento PISO.

Como apresentado no Cap. 3, o mtodo numrico hbrido
Direct Quadrature Method
Of Moments
[211], chamado DQMOM, foi escolhido como metodologia base para a
soluo da equao de balano populacional neste trabalho. Nesta primeira etapa, a soluo da EBP usando o DQMOM implementada no OpenFOAM como um novo
solver
chamado
pbeFoam.
5.3.1 Formulao do DQMOM

Uma das vantagens intrnsecas do DQMOM que cada fase dispersa pode ser caracterizada por sua densidade numrica, chamada funo peso considerada, chamada abscissa
w ,
e a varivel interna
Em sua formulao, equaes de transporte para
os pesos e para as abscissas ponderadas, denidas como das para cada fase dispersa.
= w ,
so deriva-
A derivao e formulao do DQMOM foi discutida
previamente na Seo 3.2.5 deste trabalho.
Neste trabalho, o transporte dos pesos e abscissas ponderadas considerado pu-

suas equaes de transporte cam na forma colocada abaixo, onde velocidade associada cada ponto de quadratura.
115
u
representa a
ramente advectivo, devido natureza do escoamento usualmente tratado. Portanto,
w + t + t
(u w ) = (u ) = = 1, . . . , n
(5.27) (5.28)
Os termos fonte das Eqs. 5.27 e 5.28 so obtidos atravs da soluo do sistema linear colocado da Eq. 5.29.
(1 k)
=1
+k
=1
k1 (n) = Hk
(5.29)
k = 0, . . . , n 1
O termo fonte
(n) Hk
do sistema linear acima agrega os efeitos de interao entre
partculas. Considerando apenas os efeitos de quebra e agregao de partculas na formulao do DQMOM, este termo fonte expresso como:
(n) = 1 Hk 2 +
k k ( + )k a( , )w w
=1 =1 n
k b( )w ( )k ( )
(5.30)
=1
Observe que o sistema linear colocado na Eq. 5.29 deve ser resolvido para cada volume da malha computacional. Aps a etapa de soluo do sistema linear, os
termos fontes das Eqs. 5.27 e 5.28 so obtidos para todo o domnio e os campos escalares de pesos e abscissas ponderadas nalmente podem ser resolvidos.
5.3.2 Implementao Numrica

As abscissas e pesos so representados como campos escalares distribudos no centro dos volumes de controle da malha computacional. Contudo, cada ponto de quadratura
possui seu prprio campo de abscissas e pesos.
Na linguagem do OpenFOAM,
116
PtrList<volScalarField> com n elementos. Cada seta representa um ponteiro indicando o local onde cada volScalarField est alocado
Figura 5.1: Representao de um template na memria.
cada campo uma varivel do tipo
volScalarField
e deve ser denida para cada
.
Em uma implementao mais geral, o nmero de pontos de quadratura deve ser denido em tempo de execuo e, portanto, surge a necessidade de usar uma lista que aloque na memria utiliza o do tipo
template
PtrList<T>
campos de variveis do mesmo tipo. Para tal, o OpenFOAM para construir uma lista de classes (ou
templates )
. Na verdade, este
template
localizar os endereos das classes o
classes do tipo
PtrList<T> T
n
prov uma lista de ponteiros usados para
alocadas seqencialmente na memria. Assim,
fornece fcil acesso, armazenamento e manipulao de uma lista de .
Assim, todas as variveis do DQMOM, como pesos, abscissas, abscissas ponderadas e os termos fontes das Eqs. 5.27 e 5.28, foram programados como listas com
PtrList<volScalarField>
elementos usando o
template
PtrList<T>
Por exemplo, a denio de
para as abscissas declara uma lista de ponteiros que lo-
caliza o endereo na memria de endereados ao
volScalarField
volScalarField
. Neste caso, os ponteiros sero
referente s abscissas de cada ponto de quadratura.
A Fig. 5.1 mostra como o na memria.
template
PtrList<T>
estrutura e localiza as classes
As funes de quebra,
b( ), e agregao, a( , ), ambas presentes na Eq. 5.29,
so implementadas usando um recurso de programao C++ chamado declarao
5.4 Abordagem MUSIG virtual

em tempo de execuo.
117
. Este recurso permite que diferentes funes com o mesmo propsito sejam
implementadas, mas apenas uma delas usada no momento de execuo do cdigo. Ou seja, diferentes modelos podem ser programados e a escolha do desejado ocorre As contribuies dos efeitos de quebra e agregao so
calculadas para cada volume de controle.
Uma vez tendo declarado as variveis e funes pertinentes, o algoritmo do DQMOM pode ser efetuado. De fato, necessrio criar um lao em que as variveis possam ser acessadas em cada um dos volumes de controle da malha de modo a montar e resolver o sistema linear colocado na Eq. 5.29. Este sistema resolvido de forma direta por decomposio LU, mtodo j implementado no OpenFOAM, e sua soluo fornece os termos fontes das equaes de transporte do DQMOM, e
em cada volume de controle da malha.
Os termos fontes de cada ponto de
quadratura so declarados armazenados acessando seus endereos de memria referentes posio do volume na malha. Ao nal do lao, os termos fonte so, enm, reconstrudos para todo o domnio.
As Eqs. 5.27 e 5.28 so resolvidas diretamente, discretizando implicitamente todos os termos derivativos, enquanto que os termos fonte so tratados de forma explcita. A forma discretizada das Eqs. 5.27 e 5.28 esto colocadas na sequncia:
[w ] + t [ ] + t
onde
( [w ]f (,M,) ) = ( [ ]f (,M,) ) =
(5.31)
(5.32)
= S (u )f .
Por m, as etapas de soluo do
pbeFoam
esto descritas no Algoritmo
2.
5.4 Abordagem MUSIG

Esta abordagem acopla ao modelo bifsico [66] o uso de balano populacional para calcular as propriedades da populao. Esta se resume abordagem MUSIG [221]
5.4 Abordagem MUSIG
118
Algoritmo 2
Metodologia para o
solver pbeFoam.
2. Leitura de dados da malha, campos de pesos e abscissas ponderadas e propriedades fsicas.
tn .
3.1 Lao varrendo todos os volumes de controle da malha. 3.1.1 Clculo das funes de quebra e agregao. Clculo do termo fonte
(n) Hk
(Eq. 5.30).
3.1.2 Soluo do sistema linear (Eq. 5.29) usando decomposio LU. 3.1.3 Armazenamento de
em cada volume de controle.
3.2 Reconstruo dos termos fonte,
o domnio como listas de ponteiros ( cada ponto de quadratura.
das Eqs. 5.27 e 5.28 em todo ) para
3.3 Discretizao e soluo das equaes de transporte do DQMOM, Eqs. 5.31 e 5.32, para
tn . = /w . n = n + 1. tn = tf im .
3.4 Clculo das abscissas 3.5 Volta ao item 3 para
5.4 Abordagem MUSIG

locidade para todas as classes de partculas, independente de seu tamanho. formulao foi analisada previamente na Seo 3.3.1 deste trabalho.
119
Esta
para acoplamento CFD-EBP, onde assume-se que existe apenas um campo de ve-
De fato, a frao volumtrica da fase,
r , assim como o dimetro mdio de Sauter,
ds ,
so variveis importantes na modelagem bifsica. A primeira varivel usada
nas equaes da continuidade e balano de quantidade de movimento das fases. Por sua vez, o dimetro de Sauter usado no clculo dos termos de troca de entre as fases.
momentum
Utilizando o volume da partcula como varivel interna da EBP
possvel obter expresses para
rd
ds ,
como mostrado na sequncia.
Considerando partculas esfricas, o dimetro de Sauter obtido aproximando a Eq. 3.42 por quadratura.
ds =
0 0
d3 f (x, v, t) dv d2 f (x, v, t) dv
1/3
n =1 w 2/3 n =1 w
(5.33)
Ao aproximar a expresso para a frao global da fase dispersa, apresentada na Eq. 3.2 (Cap. 3), com a quadratura de Gordon, a Eq. 5.34 obtida considerando fases dispersas.
rd =
=1
r =
vf (x, v, t) dv
=1
w =
=1
(5.34)
Pela Eq. 5.34, nota-se que cada abscissa ponderada , de fato, a prpria frao volumtrica de cada fase dispersa. Assim, a equao de transporte de
mostrada
na Eq. 5.28, pode ser reescrita usando a mesma abordagem colocada na Eq. 5.23 [66]. Sua formulao parte da velocidade da mistura, velocidade relativa entre as fases, para explicitar
u = ud
n =1
+ rc uc ,
e da
ur = ud uc .
Utilizando a velocidade da mistura
ud
e a velocidade relativa para eliminar
uc
da expresso, chega-se
Eq. 5.35 aps as devidas manipulaes.
ud = u + ur ur
=1
= u + rc ur
(5.35)
Ao substituir a velocidade da fase dispersa, mostrada na Eq. 5.35, na Eq. 5.28, a equao de transporte para a abscissa ponderada usada na abordagem MUSIG
5.5 Modelagem Multi-uido e EBP

obtida.
120
(ur rc ) = = 1, . . . , n
(5.36)
+ t
(u ) +
A discretizao da Eq. 5.36 realizada de forma implcita em termos de termo fonte explcito.
[ ] t
+ +
([ ]f (r ,M,) ) (r rcf (r ,M ) [ ]f (r ,M,) ) =

(5.37)
5.4.1 Implementao Numrica

Com a soluo do DQMOM j implementada na Seo 5.3, a extenso do bifsico
solver
twoPhaseEulerFoam
solver,
se torna simples.
Esta abordagem implementada
como um novo
chamado
musigFoam.
As etapas de soluo so as mesmas
propostas originalmente por RUSCHE [66], mostradas no Algoritmo o item
1, substituindo
3.1,
para soluo da frao volumtrica, pelo Algoritmo
3. 1,
so calcu-
Todos os termos dependentes do dimetro, presentes no Algoritmo lados agora usando o dimetro de Sauter, calculado na etapa
3.1.5
do Algoritmo
3.

Em muitos casos, considerar apenas duas fases e um dimetro mdio para todas as partculas no adequado para caracterizar sistemas mais complexos. Alm disso, com esta abordagem no possvel representar sistemas contendo fases dispersas com propriedades fsicas diferentes entre si. Assim, o modelo Euleriano multi-uido foi implementado tendo o modelo bifsico [66], apresentado na Seo 5.2, como base. Nesta abordagem, consideram-se
n fases dispersas e apenas uma fase contnua, onde
5.5 Modelagem Multi-uido e EBP Algoritmo 3

etapa
121
Clculo das propriedades da populao pelo DQMOM em substituio
3.1
do Algoritmo
1.
3.1.1 Lao varrendo todos os volumes de controle da malha.
3.1.1.1 Clculo das funes de quebra e agregao. Clculo do termo fonte (Eq. 5.30). 3.1.1.2 Soluo do sistema linear (Eq. 5.29) usando decomposio LU. 3.1.1.3 Armazenamento de
(n) Hk
em cada volume.
3.1.2 Reconstruo dos termos fonte, como listas de ponteiros ( quadratura.
e , das Eqs. 5.27 e 5.36 em todo o domnio

) para cada ponto de
3.1.3 Discretizao e soluo das equaes de transporte do DQMOM, Eqs. 5.31 e 5.37.
3.1.4 Clculo das abscissas
= /w . rd
e
3.1.5 Clculo das propriedades da populao, Eqs. 5.34 e 5.33.
ds ,
usando respectivamente as
cada fase possui seu prprio campo de velocidade, frao volumtrica e dimetro caracterstico. Este ltimo constante no tempo e em todos os pontos do domnio espacial.
Com o intuito de incluir os efeitos de interao entre partculas no modelo multifsico, a implementao do seu acoplamento soluo da EBP usando o DQMOM foi realizada. Assim, as fraes volumtricas e dimetros caractersticos de cada
uma das fases dispersas so obtidas atravs da soluo da EBP. Neste caso, estas variveis podem sofrer variaes no espao devido aos efeitos de quebra e agregao de partculas.
As prximas sees apresentam a modelagem multi-uido e sua extenso para

FOAM so descritas.
122
a abordagem multifsica polidispersa. Em seguida, suas implementaes no Open-
5.5.1 Equao de Conservao Multifsica

A equao para conservao de quantidade de movimento multifsica, mostrada na Eq. 5.1, usada por RUSCHE [66] tambm se aplica ao modelo multi-uido incompressvel, considerando
= 0, . . . , n.
Sua forma semi-discretizada est mostrada na
Eq. 5.4. Nas abordagens multifsicas, o subscrito enquanto que
=0
refere-se fase contnua
= 1, . . . , n
representa a fase dispersa.
Na modelagem usada neste trabalho, apenas a troca de
momentum
pela interface
entre as fases contnua e dispersas foram consideradas. Desta forma, o termo de troca de quantidade de movimento para a fase contnua possui a contribuio das dispersas, como
fases
M0 =
=1
onde
(5.38)
o termo de troca de momentum para a fase dispersa,
M = Ma + Ms + Mmv
considerando as foras de arrasto, sustentao e massa virtual.
(5.39)
A modelagem e discretizao dos termos de interao entre fases requer um tratamento especial, mostrado na prxima seo.
Termos de Interao entre Fases

O termo de interao entre fases, considerando as foras colocadas na Eq. 5.39, escrita para a fase dispersa como:
a s M = r K [u0 u ] + r K ur, ( mv + r K
u0 )
(5.40)
D0 u0 D u Dt Dt

onde
123
ur, = u0 u
e os termos multiplicadores esto denidos na Eq. 5.41, sob a
hiptese de partculas esfricas.
a K =
3 0 CD, |ur, |, 4 d
s K = 0 CL, ,
mv K = 0 CM V,
(5.41)
Os termos multiplicadores apresentados na Eq. 5.41 diferem da formulao usada por RUSCHE [66]. Desta forma, a formulao usual das foras de interao foi
adotada neste trabalho [56, 51, 38], pois considera-se que as fases so bem denidas e no existe inverso de fases.
O termo de troca de quantidade de movimento para a fase contnua expresso considerando sua interao com todas as fases dispersas, sendo derivado diretamente atravs das Eqs. 5.38, 5.39 e 5.40
M0 =
=1 n
a r K [u
u0 ]
=1
s r K ur, (
u0 )
(5.42)
+
=1
mv r K
D u D0 u0 Dt Dt
Como no modelo bifsico de RUSCHE [66], os termos de troca de quantidade de movimento entre fases so discretizados de forma semi-implcita (ver Seo 5.2.1). Assim, a velocidade presente no termo de arrasto e na derivada substantiva da massa virtual recebe tratamento implcito para a fase considerada. Por sua vez, os termos de sustentao e a derivada susbstantiva na massa virtual referente outra fase so discretizados de forma explcita. Seguindo a mesma metodologia mostrada na Seo 5.2.1, a forma discretizada do lado esquerdo da equao de conservao de quantidade de movimento multifsica, Eq. 5.4, obtida para as fases contnua (
= 0)
e dispersas (
= 1, . . . , n).
n f
C 0
= 0 + + 1 r0 0
1 r0 0
n f =1
[u0 ]
=1
a rf Kf
1 r0 0
n f =1
s rf Kf r, (
)
(5.43)
mv rf Kf
D0 [u0 ] Dt
D u Dt

C = +
mv K a K f
124
s K f
[ud ] D0 u0 Dt
f
r, (
)
(5.44)
D [u ] Dt
A forma corrigida e semi-discretizada da equao de quantidade de movimento,
C ,
obtida para as fases contnua e dispersas so escritas como mostrado respecti-
vamente nas Eqs. 5.45 e 5.46.
C = 0
p 0
+g+ p
1 r0 0
n =1
d r K u
(5.45)
C =
+g+
d K u0
(5.46)
As equaes de correo para a quantidade de movimento das fases so obtidas usando o mesmo procedimento aplicado ao modelo Euleriano bifsico (Seo 5.2.1). As equaes de correo para as fases dispersa e contnua esto colocadas respectivamente nas Eqs. 5.47 e 5.48.
u = u0 =
a (A )H p 1 K + g+ u0 (A )D (A )D (A )D (A )D n =1 a r K u
(5.47)
p 1 1 (A0 )H + g+ (A0 )D 0 (A0 )D (A0 )D r0 0 (A0 )D
(5.48)
Contudo, sabe-se que a soluo das equaes apresentadas acima no garante a continuidade. Desta forma, a equao multifsica da presso deve ser formulada de forma a satisfazer a continuidade.
5.5.2 Equao Multifsica da Presso

A soluo da equao da presso fornece correes para atualizar iterativamente os campos de presso, uxos volumtricos e velocidades, de forma que a continuidade seja respeitada [66]. Para tal, a equao incompressvel da continuidade da mistura avaliada nas faces dos volumes de controle usada na abordagem multifsica.
=0
rf
=0
(5.49)

Os uxos volumtricos,
125
e.,
so obtidos pela interpolao das equaes de cor-
reo, Eqs. 5.47 e 5.48, para o centro das faces, i. geral, os uxos volumtricos para na Eq. 5.50.
= S (u )f .
De forma
= 0, . . . , n 1 (A )D = 0),
como
podem ser escritos como mostrado
=
onde
|S|
f
fp
(5.50)
refere-se fase contnua (
= 0
e
(A0 )H (A0 )D
S+
f
1 (A0 )D
gS+
f
1 r0 0 (A0 )D
n f =1
a rf Kf
(5.51)
expresso para as fases dispersas (
= 1, . . . , n) gS+
f a K (A )D
(A )H (A )D
S+
f
1 (A )D
0 .
(5.52)
A equao multifsica para presso construda ao substituir os uxos volumtricos das fases contnua e dispersas, mostrados nas Eqs. 5.50, 5.51 e 5.52, na Eq. 5.49. A equao resultante mostrada abaixo.
(Dp p) =
onde
r0f 0
n
+
=1
rf 1 (A )D
(5.53)
Dp = r0f
1 0 (A0 )D
+
f =1
rf
(5.54)
Assim como na abordagem bifsica, a equao multifsica para a presso, mostrada na Eq. 5.53, discretizada de forma implcita como um termo difusivo.
O campo de presso para a mistura determinado considerando a continuidade dos uxos volumtricos. Estes uxos, mostrados na Eq. 5.50, so corrigidos aps
a soluo da presso, usando a Eq. 5.53, onde um procedimento iterativo PISO necessrio para atingir convergncia entre estes campos [263].
5.5.3 Equao para a Frao Volumtrica Multifsica

A equao para a frao volumtrica multifsica foi derivada de forma similar proposta em RUSCHE [66]. A partir da velocidade da mistura,
u =
n =0 r u ,

uma expresso para
126
n
foi obtida
u = u + r0 ur,0 +
i=
usando a velocidade relativa entre fases
i=1
ri ur,i ur,i = u ui .
(5.55)
ur,0 = u u0
A expresso para
u ,
apresentada na Eq. 5.55, foi substituda na equao in-
compressvel da continuidade da fase para as fraes volumtricas.
, Eq. 4.21, resultando na equao multifsica

n
r + t
( r ) + u
(r0 ur,0 r ) +
ri ur,i r = 0
(5.56)
i=
i=1
Note que, esta formulao propicia o acoplamento entre as fases contnua e dispersas atravs das velocidades relativas presentes na Eq. 5.56.
A discretizao da Eq. 5.56 totalmente implcita em relao
r .
Note que
a no-linearidade das fraes volumtricas na Eq. 5.56 requer um procedimento iterativo para atingir convergncia.
[r ] t
([r ](r ,M ) ) + (r0f r,0 [r ](r ,M ) ) n + rif r,i [r ](r ,M ) = 0

i=
i=1
(5.57)
onde o uxo relativo entre as fases dispersa e contnua fases dispersas
r,0 = 0
e entre as
r,i = i .
5.5.4 Acoplamento CFD-EBP Multifsico

O acoplamento do modelo multi-uido soluo do balano populacional realizado usando os pesos e abscissas do DQMOM para obter as informaes da populao de partculas.

Como visto na Eq. 5.34, cada abscissa ponderada, mtrica da fase dispersa para a classe
127
,
a prpria frao voluSeguindo o mesmo procedimento aplicado
equao da frao volumtrica multifsica, a equao de transporte do DQMOM para a abscissa ponderada, Eq. 5.28, foi modicada como mostra a Eq. 5.58.
+ t
n
( ) + u
(ur,0 )
(
i=1
i ur,0 ) +
i ur,i =
(5.58)
i=
i=1
No modelo multifsico polidisperso, a soluo do sistema linear do DQMOM, mostrado na Eq. 5.29, fornece os termos fonte para as equaes de transporte dos pesos e das fraes volumtricas das fases dispersas (abscissas ponderadas), mostradas respectivamente nas Eqs. 5.27 e 5.58. Uma vez que a soluo da quadratura obtida, os termos de interao entre fases so calculados em cada volume de controle da malha usando o dimetro caracterstico das fases dispersas, partculas esfricas.
d , considerando
d =
1/3
(5.59)
Por m, a Eq. 5.58 discretizada de forma implcita em termos de rando
conside-
como um termo fonte explcito.
[ ] t
+ +
([ ]f (r ,M,) ) +
n
(r,0 [ ]f (r ,M,) )
(
i=1 n
if r,0 [ ]f (r ,M,) ) if r,i [ ]f (r ,M,) =
(5.60)
i=
i=1
5.5.5 Implementao das Abordagens

Como nos desenvolvimentos anteriores, implementar este e alocar uma lista de a classe
PtrList<T>
a classe
ponteiros
sobre
foi usada para . Neste caso,
template
tambm foi usado para alocar o resultado da discretizao das

n
equaes de conservao para as fases dispersas. Desta forma, os
128 PtrList<volVectorField>
campara as fraes volumtricas e
PtrList<volScalarField> PtrList<surfaceScalarField>
para as velocidades, posta por RUSHE [66], mostrado no Algoritmo
pos referentes s fases dispersas so denidos como
para os uxos volumtricos.
A soluo dos modelos multifsicos segue etapas similares s da metodologia pro-
1.
Contudo, o nmero de iteraes
nos laos de convergncia no algoritmo bifsico eram xos e denidos pelo usurio. Em contraste, um critrio misto entre as tolerncias absoluta, mostrado na Eq. 5.61 para uma varivel genrica
abs ,
e relativa,
rel ,
foi implementado nos
solvers
multifsicos para controlar os laos de convergncia. pelo usurio.
As tolerncias so denidas
= max
|it it1 | < rel abs + |it | rel
(5.61)
A implementao destas abordagens no OpenFOAM gerou dois novos o
solvers,
multiPhaseEulerFoam,
n+1
que a extenso do modelo bifsico para a formulao
multi-uido com
fases, e o
multiPhasePbeFoam,
4
que acopla os efeitos entre
partculas ao primeiro.
O Algoritmo
apresenta as etapas de soluo do
solver
multiPhaseEulerFoam
at o nal da simulao em
tf im .
O acoplamento da soluo da EBP pelo DQMOM ao modelo multi-uido ocorre na etapa
3.1
do Algoritmo
4,
onde a frao volumtrica das fases calculada. No
acoplamento CFD-EBP, os efeitos de interao entre partculas so includos nesta etapa com a soluo do DQMOM. Portanto, a soluo do igual quela apresentada no Algoritmo
solver multiPhasePbeFoam
4,
com substituio da etapa
3.1
pela
soluo do DQMOM apresentada no Algoritmo
5.
O desenvolvimento do modelo multifsico e seu acoplamento com a EBP usando DQMOM foi apresentado na reu na Inglaterra.
OpenFOAM International Conference 2007,
que ocor-
Maiores detalhes de sua implementao no OpenFOAM esto
descritos no artigo da conferncia, exposto no Apndice C.
5.5 Modelagem Multi-uido e EBP Algoritmo 4

Metodologia para a
129
do modelo multi-uido no
soluo
solver
multiPhaseEulerFoam.
2. Leitura de dados da malha, campos de velocidade, frao volumtrica e propriedades fsicas.
tn .
3.1 Lao para convergncia da frao volumtrica at atingir a tolerncia especicada para a frao volumtrica global da fase dispersa, Eq. 5.61, ou
Na
passos no mximo.
3.1.1 Soluo da frao volumtrica para a fase dispersa, Eq. 5.57, e contnua,
r0 = 1
n =1 r .
3.2 Clculo dos termos de interao entre fases para as fases dispersas, Eq. 5.40, e para a contnua, Eq. 5.42. 3.3 Discretizao do lado esquerdo da equao de transporte de quantidade de movimento,
C ,
pelas Eqs. 5.43 e 5.44 para
= 0, . . . , n.
3.4 Clculo dos operadores matriciais
(A )D
(A )H .
3.5 Lao PISO para o acoplamento presso velocidade at que a condio da Eq. 5.61 seja satisfeita para a presso ou
Np
iteraes no mximo.
3.5.1 Soluo da forma discretisada da equao multifsica da presso, Eq. 5.53. 3.5.2 Correo dos uxos volumtricos, Eqs. 5.50, 5.51 e 5.52, e velocidades, Eqs. 5.47 e 5.48. 3.5.3 Clculo das fraes volumtricas com o procedimento descrito no item
3.1
(s efetuado se estiver ativado pelo usurio).
3.6 Clculo das Eqs. 5.25 e 5.26 para turbulncia (s efetuado se estiver ativado pelo usurio). 3.7 Volta ao item
para
n = n + 1. tn = tf im .
130
Algoritmo 5
etapa
Clculo das propriedades da populao pelo DQMOM em substituio
3.1
do Algoritmo
4.
3.1.1 Lao varrendo todos os volumes de controle da malha.
3.1.1.1 Clculo das funes de quebra e agregao. Clculo do termo fonte (Eq. 5.30). 3.1.1.2 Soluo do sistema linear (Eq. 5.29) usando decomposio LU. 3.1.1.3 Armazenamento de
(n) Hk
para cada volume de controle.
3.1.2 Reconstruo dos termos fonte, como listas de ponteiros ( quadratura.
e , das Eqs. 5.27 e 5.58 em todo o domnio

) para cada ponto de
3.1.3 Discretizao e soluo das equaes de transporte do DQMOM, Eqs. 5.31 e 5.60.
3.1.4 Clculo das abscissas
= /w . r
e
3.1.5 Clculo das propriedades caractersticas da fase dispersa, respectivamente as Eqs. 5.34 (r
d ,
usando
= )
e 5.59.
Captulo 6 Resultados e Discusso

6.1 Introduo
O desenvolvimento das metodologias para escoamento polidisperso foram realizadas em etapas bem distintas. Em cada uma destas etapas, foram gerados resultados
importantes para indicar os rumos deste trabalho.
Na sequncia, so apresentados os resultados para a avaliao dos mtodos hbridos para soluo da EBP, indicando os fatores pelos quais o DQMOM se destacou. Em seguida, os resultados da implementao do DQMOM no OpenFOAM, avaliado em casos 0D transientes e 1D estacionrios, e para o acoplamento MUSIG so apresentados. Por m, so mostrados os resultados para a implementao multifsica no OpenFOAM e a abordagem com acoplamento CFD-EBP.
6.2 Comparao e Avaliao dos Mtodos Hbridos

Uma avaliao dos mtodos hbridos QMOM [208], DQMOM [211] e PPDC [212] foi realizada visando a escolha do melhor mtodo numrico para a soluo da EBP. A
131
132
acurcia destes mtodos foi testada comparando seus resultados com solues analticas [158, 160] aplicadas a problemas transientes de agregao e quebra simultnea e equivalente, quebra dominante e agregao dominante sem dependncia espacial. O mtodo das classes de piv xo [184] tambm foi avaliado, com o intuito de vericar seu comportamento frente aos mtodos hbridos. Um simulador de balano populacional foi implementado em FORTRAN 90 para avaliar esses mtodos.
O resultado desta comparao propiciou a elaborao de um artigo, submetido recentemente para publicao. A verso de submisso do trabalho se encontra no Apndice A.
A anlise dos resultados apresentados no Apndice A mostrou a grande superioridade em acurcia dos mtodos QMOM e DQMOM. De modo geral, estes dois mtodos se comportam de forma similar, atingindo tima acurcia ao avaliar os erros relativos dos momentos da distribuio,
R,k .
(a)
R,k =
k (t) k (t) k (t)

(a)
(6.1)
A Fig. 6.1 apresenta o comportamento dos erros relativos dos momentos para o caso de quebra dominante usando o QMOM, DQMOM, PPDC e o mtodo das classes (MoC).
Contudo, verica-se pela comparao dos resultados apresentados na Fig. 6.1(a) que, como o QMOM integra diretamente os momentos, seus erros relativos so inferiores aos obtidos pelo DQMOM para os dois primeiros momentos. O erro associado aproximao da quadratura no clculo destes momentos afeta a acurcia do DQMOM. Para os momentos de maior ordem, as acurcias do QMOM e DQMOM so bastante similares, como mostra a Fig. 6.1(b). De fato, a diferena de preciso no inuencia a acurcia global de ambos mtodos nos casos analisados.
Em contraste, verica-se pelas Figs. 6.1(c) e (d) que os erros relativos dos momentos obtidos usando os mtodos PPDC e MoC so maiores dos que aqueles obtidos pelo QMOM e DQMOM.

10-1 10
-8
133
DQMOM 10-2
10-9 10 10
-10 -11
R,k -12 10 10
-13
10 R,k n 3 6 QMOM
-3
n 3 6 k=2 k=3
10-14 10 10
-15 -16
10-4
k=0 k=1 0 0.2 0.4 t
0.6
0.8
10
-5
0.2
0.4 t
0.6
0.8
(a)
10-1 10-1
(b)
10-2 R,k 10-3
k=0 k=1 k=2 k=3
10-2 n 3 4 6 R,k 10-3 55 102 n
k=0 k=1 k=2 k=3 0.4 t 0.6 0.8 1
10-4
0.2
0.4 t
0.6
0.8
10-4
0.2
(c)
(d)
Figura 6.1: Erro relativo dos momentos no caso de quebra dominante para os momentos de menor ordem, 0 1 , (a) e maior ordem, 2 3 , (b) usando o QMOM e DQMOM, PPDC (c) e MoC (d).
Uma das limitaes do PPDC est no fato deste apresentar falsa convergncia em seus resultados. Neste caso, a soluo numrica usando diferentes pontos de
quadratura converge entre si, mas no com a soluo analtica. Este comportamento pode ser vericado na Fig. 6.2, onde os resultados numricos dos momentos
no convergem para a soluo analtica ao usar diferentes valores de pontos de quadratura.
Para vericar o comportamento global dos mtodos, deniu-se um erro mdio envolvendo os seis primeiros momentos,
=
onde o superscrito
1 6T
k (tl ) k (tl ) k (tl )

(a)
(a)
2
(6.2)
l=1 k=0
(a) refere-se ao valor analtico do momento [158, 160] e T
nmero

6 5 k=3 4 k 3 2 k = 0, 1 1 0 1 2 t 3 4 5 3 6 n k(a)
134
k=2
Figura 6.2: Comportamento de falsa convergncia obtido pelo PPDC com 3 e 6 pontos de quadratura em um caso de quebra e agregao equivalentes.
total de amostragens de
tendo o subscrito
referindo-se ao valor amostrado.
A Fig. 6.3 apresenta o erro mdio obtido pelos mtodos hbridos e pelo MoC aplicados a casos de quebra dominante e agregao dominante.
possvel vericar pela Fig. 6.3 que o comportamento global do QMOM e DQMOM so idnticos e sua acurcia aumenta rapidamente com o nmero de pontos de quadratura usados. Como o PPDC apresenta uma falsa convergncia, sua acurcia pouco afetada pelo nmero de pontos de quadratura. De fato, at o mtodo das classes se torna mais acurado que o PPDC, quando cerca de usadas.
150-200
classes so
Por m, os testes de tempo de computao, apresentados no Apndice A, usando diferentes pontos de quadratura indicaram o DQMOM como o mtodo mais eciente usando at
pontos.
Usando mais pontos de quadratura, o PPDC se torna
mais eciente que os outros mtodos. Contudo, o DQMOM possui melhor acurcia que este ltimo. Alm disso, o uso
4-6
pontos de quadratura j suciente para
representar bem as principais propriedades da distribuio.
Em adio, para casos com dependncia espacial, cada peso e abscissa se com-
6.3 Avaliao do DQMOM e Acoplamento MUSIG

50 no. de classes 100 150 200 101 (%)
135
10
QMOM DQMOM PPDC MoC 3 4 5 6
10-1
pontos de quadratura
(a) no. de classes 100 150
50 101 (%) 100
200
10-1 10-2 10
-3
10-4
pontos de quadratura
(b)
Figura 6.3: Erro global mdio obtido para os casos de (a) quebra dominante e (b) agregao dominante.
porta como uma varivel escalar que se propaga com seu prprio campo de velocidade. Essas variveis podem ser associadas a cada fase dispersa em um escoamento multifsico, utilizando suas velocidades nas equaes de transporte de pesos e abscissas. Portanto, o DQMOM se apresenta como o mtodo mais indicado para a
implementao do acoplamento CFD-EBP.

Uma vez tendo denido o mtodo numrico a ser usado, iniciou-se a etapa de implementao no OpenFOAM. O DQMOM foi implementado (detalhes na Seo 5.3)

gerando o
136
solver pbeFoam.
Contudo, surge a necessidade de vericar se o DQ-
MOM foi implementado corretamente no OpenFOAM. Para tal, foram realizadas simulaes 0D transientes e 1D estacionrios usando
pontos de quadratura e seus
resultados foram comparados com a soluo analtica de LAGE [158] para o caso de quebra e agregao equivalentes e MCCOY e MADRAS [160] para os casos de quebra e de agregao dominantes.
Nestas simulaes, os processos de quebra e de agregao entre partculas so caracterizados por modelos irreais [158, 160],
1 1 a(v, v ) = 1, b(v) = ()2 v, P (v | v ) = , (v) = 2 2 v

onde
(6.3)
() = NT ()/NT (0)
o parmetro que controla o efeito de quebra ou de
agregao dominante. Por sua vez,
NT ()
NT (0)
so respectivamente o nmero
total de partculas no domnio no nal e no incio do processo. Portanto, para os processos com quebra dominante e dominante.
() > 1
() < 1
para casos com agregao
De modo a vericar a aplicao do DQMOM em escoamentos, o acoplamento MUSIG foi testado para casos de quebra ou de agregao dominante em uma geometria de um canal com expanso em degrau (backward
facing step
- BFS) bidi-
mensional. A mistura bifsica utilizada foi uma emulso ctcia de gua em leo. Nestas simulaes, os casos de quebra e de agregao dominantes foram simulados usando respectivamente
() = 6
0, 1.
Em sua dissertao de mestrado, DAMIAN [18] implementou a soluo da EBP pelo DQMOM no ANSYS CFX via rotinas de usurio (em FORTRAN). Dessa forma, foi possvel comparar os resultados obtidos pelo OpenFOAM com o ANSYS CFX. Os resultados desta comparao foram apresentados no
International Conference
of Multiphase Flow
2007 [281], que ocorreu em Leipizg, Alemanha, cujo artigo se Uma verso aprimorada deste trabalho foi submetido e
encontra no Apndice B.
aceito recentemente para publicao [260].

6.3.1 Soluo da EBP no OpenFOAM
137
Estas simulaes foram realizadas com o objetivo de realizar uma vericao rigorosa da acurcia da implementao do DQMOM no OpenFOAM. Em outras palavras, o interesse se concentra na acurcia da integrao no tempo ou espao das equaes de transporte do DQMOM. Portanto, o erro da aproximao por quadratura foi excludo das comparaes apresentadas nesta seo. Para tal, a EBP homognea
aplicada ao DQMOM fornece um sistema de equaes diferenciais ordinrias para os pesos e abscissas
dw = , dt
d = , dt
= 1...n
(6.4)
cuja soluo foi implementada em um cdigo numrico escrito em FORTRAN 90, usado para gerar os resultados apresentados na Seo 6.2, com a rotina DASSL [282] para integrao no tempo.
O algoritmo adaptativo para o passo de tempo e ordem de integrao numrica na DASSL em conjunto com um exigente critrio para convergncia das equaes (tolerncias absolutas e relativas de
1010 e 1012 , respectivamente) forneceram uma
soluo numrica virtualmente livre de erros de integrao numrica. Neste caso, o estado estacionrio para a soluo numrica do caso de quebra e agregao equivalentes [160] considerada a soluo analtica para os pesos,
wi
(a)
, e abscissas,
(a)
Sem dvida, esta soluo numrica ainda contm os erros associados a aproximao por quadratura do DQMOM. Portanto, ao comparar os resultados provindos da implementao do DQMOM no OpenFOAM com a soluo analtica da DASSL, apenas os erros associados integrao no tempo e espao so mostrados [18].
De fato, as condies de simulao para o caso transiente foram as mesmas usadas na Seo 6.2. Usando os mtodos de Euler explcito e Crank-Nicholson e um passo de tempo de
103 s,
a acurcia das simulaes foi mensurada atravs de um erro
mdio, mostrado na Eq. 6.5.
1 2nM
j=1 i=1
|w(a) w | i,j i,j (a) w

i,j
(a) |i,j
i,j |
(a)

(6.5)
i,j

equivalentes, (b) quebra dominante e (c) agregao dominante.
Casos
138
Tabela 6.1: Erros mdios nas simulaes transientes para os casos de (a) quebra e agregao
t (%)
Euler Crank-Nicholson
0, 00015 0, 58 0, 0094
0, 000045 6, 26 0, 029 j
representa
onde
o nmero total de amostras retiradas no tempo e o subscrito
o valor amostrado.
Em todos os casos analisados, uma tima acurcia foi obtida ao usar o mtodo de Euler. Contudo, o mtodo de Crank-Nicholson apresentou erros maiores do que os obtidos pelo Euler, devido ao seu comportamento oscilatrio quando o passo de tempo usado no pequeno o suciente. Os resultados do erro mdio esto colocados na Tabela 6.1.
A soluo unidimensional obtida pelo OpenFOAM pde ser comparada com a soluo transiente de MCCOY e MADRAS [160] atravs de uma transformao de domnio,
d = dt
utilizando uma velocidade nho
uz
d = dz
(6.6)
uz
de propagao das variveis no domnio 1D com tama-
L = 1 m.
Desta forma,
L/uz
representa o tempo advectivo para a propagao
da soluo da EBP pelo domnio 1D. Por consequncia,
uz
pode ser escolhido de
forma que as variveis do DQMOM apresentem pers estacionrios ao longo da coordenada
que sejam iguais aos pers das simulaes transientes.
Considerando que os valores estacionrios para os pesos e abscissas nas simulaes transientes so atingidos em
0.5 s para o caso de quebra dominante e 40 s para uz

para cada caso
o caso de agregao dominante, possvel calcular as velocidades

dominante usando diferentes mtodos de interpolao.
OpenFOAM Caso
139
Tabela 6.2: Erro mdio (%) para as simulaes 1D no casos de (b) quebra e (c) agregao
Esquema advectivo
QUICK
0, 11 0, 47 1, 05 4, 85 1, 44 1, 26 1, 30 1, 26 0, 36 1, 31
UD
G 0.2
G 0.6
G 1.0
atravs dos tempos advectivos
L/uz .
Assim, os campos de velocidade
uz ,
constante para os
e denido para todo o domnio, foram calculados como
2 m/s
0.025 m/s
casos de quebra dominante e agregao dominante, respectivamente. desta operao esto colocados no Apndice B.
Os detalhes
Ao analisar a soluo unidimensional, nota-se que variaes na soluo de apenas uma varivel pode propagar erros para todas as outras variveis do DQMOM. Isto ocorre pois o sistema linear do DQMOM agrega todas as informaes das variveis, afetando-as e podendo, inclusive, levar divergncia da simulao. O reno da
malha pode ser essencial para atenuar estas variaes e evitar a divergncia da soluo nestes casos. Outra soluo a ser considerada a anlise da discretizao do termo convectivo das equaes de transporte do DQMOM. De fato, estas equaes so puramente advectivas e, portanto, funes de interpolao de alta ordem e com limitadores de uxo fornecem os melhores resultados. Os mtodos QUICK e GAMMA (G
Upwind
(UD),
1 )
foram testados para os casos de quebra e de agregao
dominantes usando respectivamente malhas com
500
100
volumes.
Para o OpenFOAM, a funo de interpolao QUICK apresentou os menores
1O
parmetro um fator de blending entre os mtodos UD e diferena central [263].
140
Figura 6.4: Dimenses paramtricas e nome dos contornos da geometria BFS, onde L =
11H , l = H e h = H/2 sendo H = 0, 01 m para o caso de quebra e H = 0, 1 m para
agregao dominante.
erros mdios. Contudo, sabe-se que funes com limitadores de uxo so capazes de minimizar a difuso numrica e oscilaes. GAMMA com fator Levando isso em conta, a funo
=1
[263] se apresentou como a mais indicada para ser usada
na discretizao do DQMOM aplicado a escoamentos.
Com base nos testes apresentados acima e sua comparao com resultados analticos, garante-se que o DQMOM foi implementado corretamente no OpenFOAM.
6.3.2 Escoamento em emulso usando o modelo MUSIG

As simulaes foram realizadas em uma geometria BFS, cujas dimenses esto mostradas na Fig. 6.4, discretizada com malhas hexadricas e mista tetra-prismticas com aproximadamente 4000, 8000 e 16000 volumes de controle.
Conforme foi discutido no Apndice B, esta geometria foi utilizada devido sua simplicidade e por possuir zonas de recirculao. Apenas a fora de arrasto foi considerada nestas simulaes e em condies de escoamento laminar (modelo de turbulncia desativado nas simulaes). Alm disso, as mesmas funes de quebra e de agregao simples [160], mostradas na Eq. 6.3, foram usadas. As propriedades fsicas e condies de entrada usadas nas simulaes esto listados na Tabela 6.3.
A varivel interna adotada neste caso o volume da partcula, sendo que o domnio interno do BFS possui partculas com um dimetro mdio de Sauter de

Tabela 6.3: Propriedades fsicas e condies de entrada para a mistura bifsica.
Prop. Fsicas leo gua
141
(kg m3 )
900
1000 1 106
(kg m1 s1 ) 1 105
Varivel
Condies de entrada
ds (m) r 50 m
(-)
50 0, 1
0, 9
como a condio inicial. Nos primeiros testes de simulao com o MUSIG,
apareceram problemas numricos na preciso do clculo do DQMOM. Deste modo, formas adimensionais dos pesos e abscissas foram usadas com sucesso para evitar estes problemas. Assim, todo o algoritmo do DQMOM utiliza variveis adimen-
sionais que devem ser convertidas sua forma dimensional para calcular a frao volumtrica e o dimetro de Sauter usados no modelo bifsico. As Eqs. 6.7 e 6.8 mostram respectivamente a adimensionalizao dos pesos e abscissas,
w = =
onde
1 wf NT (0) NT (0) f rd (0)
(6.7)
(6.8)
NT (0)
o nmero total de partculas no domnio (momento zero),
rd (0)
a frao volumtrica global da fase dispersa (primeiro momento), ambas avaliadas no instante inicial ou na entrada do domnio. Por sua vez, os superscritos
representam, respectivamente, as variveis dimensioanis e adimensionais. Maiores detalhes sobre o processo de adimensionalisao se encontram no Apndice B.
Os valores iniciais das variveis do DQMOM foram obtidas pela condio estacionria dos pesos e abscissas obtidos pela soluo da DASSL para o caso de quebra e agregao equivalentes [160]. Este procedimento foi discutido na Seo 6.3.1 do presente trabalho.
Todas as simulaes foram realizadas usando o mtodo implcito de Crank Ni-
142
(a)
(b)
Figura 6.5: Contorno do dimetro de Sauter, ds , para os casos de (a) quebra e (b) agregao dominante.
cholson para integrao no tempo com passo de tempo adaptativo, controlado de tal forma que o nmero de Courant mximo na malha seja
0, 3.
Os termos advectivos
das equaes de transporte foram aproximados usando o mtodo de interpolao Gamma, com
=1
[263]. O algoritmo PISO para acoplamento presso velocidade
teve como critrio de parada um erro absoluto na presso de tradricas, [263].
0, 01 e, para malhas te-
3 iteraes foram usadas para a correo de no-ortogonalidade da malha
Os resultados do contorno do dimetro de Sauter, para os casos de quebra e de agregao dominantes usando a malha hexadrica mais renada, esto colocados na Fig. 6.5.
A distribuio de tamanho de partculas advectada com o uido e suas mudanas so causadas pelos efeitos de quebra ou de agregao. Assim, o grau de mudana na distribuio proporcional ao tempo de residncia das partculas. Como observado nos resultados colocados na Fig. 6.5, as partculas que cam presas no interior

48 46 44 42 40 38 0 0.002 0.004 H 0.006 0.008 0.01 16k 8k 4k 16k 8k 4k Tetra Hexa
143
ds (m)
(a)
90 85 80 ds (m) 75 70 65 60 55 0 Hexa 16k 8k 4k 0.02 Tetra 16k 8k 4k 0.04 H 0.06 0.08 0.1
(b)
Figura 6.6: Convergncia em malha para os casos de (a) quebra e (b) agregao usando malhas hexadricas e tetra-prismticas.
das zonas de recirculao apresentam, como esperado, altas taxas de interao.
De modo a vericar a convergncia da malha, os resultados do dimetro de Sauter amostrados em uma linha vertical (alocada na regio do primeiro vrtice, em
x = 1, 25H )
usando as malhas hexa e tetra-prismticas esto colocados na Fig. 6.6.
Como vericado na Fig. 6.6, os piores resultados foram obtidos usando a malha tetra-prismtica. De fato, o formato da malha construda foi a principal razo deste comportamento ruim. Para que a formulao de volumes nitos implementada no OpenFOAM fornea um resultado mais acurado, o vetor que liga o centro do volume
144
Figura 6.7: Ilustrao da converso de um grupo de elementos tetradricos em um volume de controle polidrico.
e da face deve ser preferencialmente normal face. Se a no-ortogonalidade entre o vetor e o centro da face for alta, o OpenFOAM pode ter diculdades em corrigir os uxos e, consequentemente, levar a resultados inacurados. A converso da malha tetra-prisma para polidrica (dual
mesh ),
ilustrada na Fig. 6.7, interessante pois
alinha o uxo normal a face com o centro dos volumes de controle.
Contudo, a ferramenta de converso no pode ser aplicada a malhas bidimensionais no OpenFOAM e, portanto, o uso de malhas polidricas no foi testado para este caso. Porm, deve-se ressaltar que um estudo mais aprofundado da soluo do DQMOM usando malhas polidricas deve ser efetuado no futuro.
Por m, a implementao do DQMOM no OpenFOAM foi vericada com sucesso e sua extenso no acoplamento MUSIG pde ser avaliada comparadno resultados de dois pacotes CFD diferentes. Os resultados obtidos em ambos os pacotes apresentaram pequenas diferenas entre si devido aos detalhes de implementao especcos a cada cdigo. De modo geral, no foram vericados problemas na soluo numrica do DQMOM, pricipalmente pela escolha correta da funo de interpolao. De fato, durante os testes iniciais das simulaes com o acoplamento MUSIG usando a funo QUICK nas variveis do DQMOM, foram notados problemas de divergncia numrica que levaram a erros de execuo de ponto utuante no cdigo. Nestes
casos, o uso de funes de interpolao com limitadores de uxo foi crucial para o sucesso das simulaes.
importante ressaltar que as equaes de transporte do DQMOM convergiram
6.4 Escoamento Multifsico Polidisperso

lineares provindos da discretizao do DQMOM fosse atingida.
145
Isto indica que
mais rpido que as equaes que regem o escoamento. Em cada passo de tempo, poucas iteraes foram necessrias para que a tolerncia na soluo dos sistemas
os parmetros numricos, como reno de malha e passo de tempo adotado, pouco afetaram a soluo do DQMOM e eram principalmente controlados pelas equaes do escoamento bifsico.
Maiores detalhes sobre os resultados das simulaes do MUSIG usando o OpenFOAM e sua comparao com o ANSYS CFX esto colocados no Apndice B.

As simulaes multifsicas foram realizadas usando a mesma geometria BFS (H
0, 01 m) da simulao apresentada na Seo 6.3.2.
Porm, apenas a malha hexadrica
mais renada (com cerca de 16 mil volumes) foi utilizada neste caso. Novamente, apenas a fora de arrasto entre as fases foi considerada. Em primeiro lugar, tem-se como objetivo vericar a implementao multifsica no OpenFOAM e suas capacidades. Em seguida, o acoplamento do analisado.
solver
multifsico com balano populacional
As simulaes foram realizadas usando o mtodo de Crank Nicholson para integrao no tempo com passo de tempo adaptativo e controlado pelo nmero de Courant mximo menor que
0, 3.
Os termos convectivos das equaes de transporte
do DQMOM foram aproximdas usando o mtodo Gamma [263] com coeciente igual a
1.
A convergncia no acoplamento presso velocidade foi atingida assumindo
uma tolerncia de
108
no critrio misto (Eq. 5.61) sobre a presso.
Parte dos resultados contidos nesta seo foram apresentados na
OpenFOAM
International Conference 2007,
cujo artigo se encontra no Apndice C.

6.4.1 Simulaes Multifsicas
146
Neste ponto, o principal objetivo vericar a implementao do modelo Euleriano multifsico no OpenFOAM, como colocado na seo seguinte.
Vericao da Implementao
Como primeira avaliao, deve-se vericar se o de forma correta.
solver
multifsico foi implementado
Para tal, pode-se comparar seus resultados usando
n = 2
com
aqueles obtidos com o
solver
bifsico de RUSCHE [66].
Em adio, simulaes
multifsicas usando vrias fases dispersas com propriedades fsicas iguais entre si tambm podem ser usadas para vericar o cdigo. Neste caso, as fraes volumtricas das fases dispersas devem ser iguais e denidas de tal forma que sua soma seja igual frao volumtrica global denida no solver bifsico. Assim, a frao volumtrica das fases dispersas so calculadas dividindo a frao volumtrica global pelo nmero de fases dispersas utilizadas. Considerando a frao volumtrica global no
twoPhaseEulerFoam
r = 0, 1, 0, 05
e
como
ra = 0, 1,
deniu-se as fraes no e
solver
multifsico
como
0, 025
para
n = 2, 3
5,
respectivamente.
Dois casos foram analisados, sendo que o primeiro considera que as fraes volumtricas e os dimetros caractersticos das fases no interior do domnio possuem o mesmo valor denido na entrada da geometria. J o segundo caso considera que estas variveis so nulas no interior do domnio. Estes casos so referenciados respectivamente como Caso I e II. Os valores de frao volumtrica e presso obtidos pelos
solvers twoPhaseEulerFoam e multiPhaseEulerFoam,
retirados de uma linha verti-
cal posicionada na altura do primeiro vrtice do BFS (x na Fig. 6.8.
= 1, 25H ), esto mostrados
possvel vericar uma excelente concordncia entre os pers de frao volumtrica global e presso obtidos nas Figs. 6.8(a) e 6.8(b) usando ambos
solvers.
Neste
caso, o domnio interno j est preenchido pela emulso e, portanto, nota-se apenas

0.1015 0.101 0.1005 0.1 r 0.0995 0.099 0.0985 0.098 0.0975 0.097 0 0.002 0.004 V n=2 n=3 n=5 T-F Euler 0.006 0.008 0.01 -300 -400 -500 0 0.002 0.004 V n=2 n=3 n=5 T-F Euler 0.006 0.008 p Caso I 100 0 -100 -200 Caso I
147
0.01
(a)
0.12 -630 0.1 0.08 r 0.06 0.04 0.02 0 0 0.002 0.004 V n=2 n=3 n=5 T-F Euler 0.006 0.008 0.01 p Caso II -640 -650 -660 -670 0 0.002 Caso II
(b)
n=2 n=3 n=5 T-F Euler 0.004 V 0.006 0.008 0.01
(c)
(d)
Figura 6.8: Pers verticais de de fases.
n =1 r
e p para o Casos I, (a) e (b), e II, (c) e (d), usando
o solver twoPhaseEulerFoam (T-F Euler) e o cdigo multifsico com diferentes nmeros n
pequenas variaes na frao volumtrica global. O mesmo no ocorre no Caso II, uma vez que a emulso preenche o domnio gerando zonas com alto gradiente de frao volumtrica. De fato, as variaes de frao volumtrica foram calculadas de forma acurada em ambos os casos, como mostram as Figs. 6.8(a) e 6.8(c).
A soluo para o perl de presso apresentou tima concordncia entre as abordagens no Caso I, como mostra a Fig. 6.8(b). Por outro lado, o perl de presso no Caso II apresentou pequenos desvios entre as solues, como vericado na Fig. 6.8(d). A ordem de magnitude destes desvios de quase
0, 9%
para
n = 5,
sendo que estes
foram causados por falta de preciso na malha.
Contudo, os desvios na presso
no afetaram o campo de velocidade das fases, como mostrado nas Figs. 6.9(a) e 6.9(b), onde os componentes
da velocidade de mistura (u
n =0 ra ua ) so

1.25 1 0.75 Ux 0.5 0.25 0 -0.25 0 0.002 0.004 V 0.006 0.008 0.01 -0.05 0 0.002 0.004 V 0.006 0.008 0.01 n=2 n=3 n=5 T-F Euler Uy Caso II 0 0.025 n=2 n=3 n=5 T-F Euler
148
-0.025 Caso II
(a)
(b)
Figura 6.9: Pers verticais dos componentes (a) x e (b) y da velocidade da mistura para o Caso II.
apresentados respectivamente.
Analisando os resultados apresentados acima, possvel concluir que a implementao do cdigo multifsico (multiPhaseEulerFoam) foi realizada com sucesso.
Outros testes de simulao foram realizados para vericar o efeito da fora de arrasto sobre o escoamento no BFS. Estes resultados se encontram no Apndice C.
6.4.2 Simulaes de Escoamentos Polidispersos

Nesta etapa, a implementao da extenso do cdigo multifsico acoplado soluo da EBP usando o DQMOM vericada analisando resultados de simulaes. Em seguida, foram realizados testes para avaliar o custo computacional extra associado ao acoplamento CFD-EBP em relao ao
solver
multifsico.
Cdigo com Acoplamento CFD-EBP

Assim como nas simulaes usando MUSIG (Seo 6.3.2), as formas adimensionais dos pesos e abscissas, mostradas respectivamente nas Eqs. 6.7 and 6.8, foram usados nas simulaes de modo a evitar problemas numricos. Da mesma forma, a

[160] mostradas na Eq. 6.3 foram usadas nestas simulaes, com respectivamente.
149
() = 6
e
condio inicial para o DQMOM foi obtida usando a soluo analtica provinda da soluo numrica da DASSL. Alm disso, as funes de quebra e de agregao
0, 1
Aps as devidas converses dimensionais, os dimetros caractersticos e as fraes volumtricas podem ser obtidos atravs da aproximao de quadratura. Assim, a Eq. 5.59 fornece
sobre a hiptese de partculas esfricas e a Eq. 5.34 obtm a
frao volumtrica global da fase dispersa fase dispersa
n =1 r , e a frao volumtrica de cada
. NT (0),
foi denida como
Neste caso, a densidade numrica total de partculas,
2, 1 1012 m3
calculada atravs de uma expresso provinda do processo de adimen-
sionalizao e envolvendo o dimetro mdio da distribuio e a frao volumtrica global da fase dispersa (detalhes nos Apndices B e C). As simulaes foram realizadas considerando as mesmas propriedades fsicas mostradas na Tabela 6.3 e as condies iniciais das variveis no interior do domnio denidas como as mesmas na entrada do mesmo. Ou seja, as mesmas condies utilizadas no Caso I da Seo 6.4.1. O tempo total de simulao para os casos de quebra e de agregao foi de
0, 1 s.
Usando as condies expostas acima e
4 pontos de quadratura, os valores iniciais d1 = 33, 125, d2 = 57, 478, d3 = r1 = 0, 026904, r2 =
dimensionais para os dimetros caractersitcos so
78, 018
d4 = 98, 392 m,
e
e para as fraes volumtricas so
0, 061219, r3 = 0, 011652
r4 = 0, 000224.
Os grcos de contorno de dimetro caracterstico e de frao volumtrica das fases dispersas Fig. 6.10.
obtidas para o caso de quebra dominante so mostrados na
O caso de quebra dominante foi simulado com sucesso, onde o efeito do aprisionamento das partculas nos vrtices pode ser observado na Fig. 6.10. Nota-se
150
(a)
(b)
Figura 6.10: Grcos de contorno para as (a) fraes volumtricas e (b) dimetros caractersticos das fases 1 e 3 no caso de quebra dominante.

as partculas comeam a quebrar propiciando a queda da frao volumtrica longo das linhas de uxo do escoamento. Por sua vez, a fase
151
r3
ao
que os grcos de contorno dos dimetros caractersticos so bastante parecidos, apesar de possurem faixas de tamanho diferentes. J no canal de entrada do BFS,
incorpora as part-
culas originrias da quebra nas outras fases e, portanto, sua frao volumtrica se comporta de modo oposto
r3 .
Deve-se notar que a quebra das partculas na fase
mais intensa que na primeira fase. Isto ocorre pois a funo de quebra, mostrada na Eq. 6.3, proporcional ao tamanho da partcula.
O contorno dos dimetros caractersticos e as fraes volumtricas das fases
para o caso de agregao dominante so mostrados na Fig. 6.11.
Nota-se pelos resultados na Fig. 6.11 que as partculas se agregam continuamente ao longo do escoamento devido ao uso de uma funo de agregao constante (Eq. 6.3). Portanto, as maiores partculas no domnio so aquelas que cam presas nos vrtices. Por sua vez, as fraes volumtricas apresentam comportamento oposto ao vericado no caso de quebra dominante. Com a agregao das partculas, a frao volumtrica da fase
diminui conforme a da fase
aumenta. Isto ocorre
pois os maiores dimetros da distribuio se concentram nas fases
4.
Em concluso, os testes de simulao de escoamento polidisperso foram realizados com sucesso para os casos de quebra e de agregao de partculas.
Ecincia de Paralelismo
A ecincia de paralelizao dos cdigos para o escoamento multifsico e do acoplamento CFD-EBP foram avaliados em uma mquina Intel Quad Core Q6600 2.4 GHz com o sistema operacional Linux 64 bits. As simulaes foram realizadas usando
n = 5,
com condies e parmetros idnticos ao Caso I (Seo 6.4.1) e usando uma
malha renada com 78000 volumes.
O algoritmo do gradiente biconjugado com precondicionador diagonal LU in-
152
(a)
(b)
Figura 6.11: Grcos de contorno para as (a) fraes volumtricas e (b) dimetros caractersticos das fases 1 e 3 no caso de agregao dominante.

1 10
5
153
8 104 Tempo Exec. (s) 6 10

4
Caso I 5 fases Core 2 QUAD Q6600 2.4 GHz cdigo multifsico acoplamento CFDEBP
4 104 2 10 0 10
4
2 N cpu
Figura 6.12: Tempo computacional de simulaes seriais e paralelas (Ncpu) usando os cdigos para escoamento multifsico com e sem o acoplamento com balano populacional.
completo foi usado na soluo de todos os sistemas lineares provindos de equaes discretizadas, considerando uma tolerncia de
1010 .
Apenas para a soluo da
equao da presso utilizou o precondicionador diagonal Cholesky incompleto com tolerncia de malha.
5 108 .
O algoritmo METIS [283] foi usado na decomposio da
Os tempos computacionais de simulaes seriais (1 processador) e paralelas usando os
solvers multiPhaseEulerFoam
multiPhasePbeFoam
com
n = 5
esto
colocados na Fig. 6.12.
A partir do tempo computacional mostrado na Fig. 6.12, verica-se que a simulao em paralelo usando
2 processadores foi 1, 77 e 1, 82 mais rpida que as rodadas
seriais nos cdigos multifsico e CFD-EBP, respectivamente. Por sua vez, as simulaes usando
4 processadores foram 2, 77 e 3, 27 vezes mais rpidas que as simulaes

solvers.
Esta uma clara evidncia que a paralelizao No algoritmo de
seriais para estes mesmos do
multiPhasePbeFoam mais efetiva do que o cdigo multifsico.
CFD-EBP acoplado, a soluo do sistema linear do DQMOM, mostrado na Eq. 5.29,
154
computacionalmente custoso uma vez que o mesmo avaliado em cada volume da malha usando um mtodo LU de soluo matricial. Contudo, a soluo do sistema linear do DQMOM s necessria para os volumes presentes respectivamente nos domnios decompostos da malha. Portanto, no existe comunicao entre os processadores na soluo deste sistema linear, o que concede ao cdigo de CFD-EBP melhor taxa de paralelizao.
Mesmo assim, a diferena entre o custo computacional em simulaes seriais usando os dois cdigos um fator de difere daquele obtido por FAN
2, 03
em favor do multifsico. Este resultado
et al. [251], que reportou que o custo extra da soluo
do sistema linear do DQMOM aumentou em apenas
18% o tempo computacional em

et al.
[251]
relao ao seu cdigo multifsico. Apesar disso, deve-se notar que FAN
utilisaram funes de quebra e de agregao constantes e uma malha computacional muito grosseira (750 volumes), o que pode tornar seus resultados no equivalentes aos obtidos no presente trabalho. Por m, a diferena entre os custos computacionais usando os dois cdigos diminui devido paralelizao do sistema linear do DQMOM. Como foi vericado na Fig. 6.12, o cdigo para escoamento multifsico e
1, 97, 1, 87
1, 72
vezes mais rpido que o
solver multiPhasePbeFoam
ao usar respectivamente
dois, trs e quatro processadores.
Captulo 7 Concluses e Sugestes

7.1 Resumo do Trabalho e Concluses
A presente tese atingiu com sucesso o objetivo de desenvolver mtodos para a simulao de escoamentos polidispersos acoplando um modelo Euleriano multifsico soluo da equao de balano populacional (EBP). A implementao destas metodologias foi realizada no pacote CFD OpenFOAM, escrito em C++ e com cdigo fonte aberto. Partindo do modelo Euleriano bifsico [66] previamente implementado no OpenFOAM, o desenvolvimento foi realizado em etapas graduais. De fato, estas etapas foram a soluo da EBP usando o mtodo DQMOM e o desenvolvimento do modelo multifsico. Por m, com a integralizao destes chegou-se, enm, a uma ferramenta computacional para a simulao de escoamentos multifsicos polidispersos considerando
fases dispersas.
Um estudo preliminar com base na reviso da literatura foi realizado para vericar os modelos multifsicos existentes e selecionar a formulao mais propcia para o desenvolvimento do trabalho. O modelo multifsico Euleriano se mostrou
como o mais indicado, pois o uso de variveis mdias permite o acoplamento com a soluo da EBP, e devido a sua generalidade de aplicaes [30, 38, 39]. Neste
155
156
modelo, existe a necessidade de modelar a troca de quantidade de movimento entre as fases. Contudo, questes importantes para a reproduo de escoamentos multifsicos polidispersos realsticos como a modelagem da turbulncia e formulao dos coecientes presentes no termos de troca de quantidade de movimento no foram investigados. De fato, o foco do presente trabalho se concentra no desenvolvimento da metodologia de acoplamento CFD-EBP e sua implementao no OpenFOAM.
Portanto, a escolha de um mtodo numrico eciente para a soluo da EBP eciente crucial para a metodologia de acoplamento. A partir da reviso bibliogrca, verica-se claramente a superioridade das abordagens hbridas para a soluo numrica da EBP. Os mtodos hbridos incorporam propriedades do mtodo das classes, como a discretizao das variveis internas (volume, massa, concentrao, etc.), e o uso de momentos para caracterizar a distribuio de partculas [208]. Contudo, a grande vantagem dos mtodos hbridos recai no uso da quadratura de Gordon [209]. Neste caso, os pesos e abscissas aproximam as integrais da funo de distribuio da melhor forma possvel e, em contraste com o mtodo das classes, as abscissas podem se mover livremente por todo o domnio da varivel interna sem limitaes ou restries. Alm disso, poucos pontos de quadratura so necessrios para representar os principais momentos da distribuio.
Dessa forma, foi realizado um estudo para determinar a acurcia numrica e sua ecincia computacional dos mtodos hbridos existentes na literatura, o QMOM [208], DQMOM [211] e PPDC [212]. Os testes foram realizados para casos de quebra e agregao equivalentes, quebra dominante e agregao dominante, comparando os resultados numricos obtidos com solues analticas [158, 160]. Vericou-se que
a soluo do PPDC apresenta erros numricos severos causados, principalmente, por usar uma separao de operadores baseado no mtodo de integrao de Euler explcito. similar. De modo geral, o QMOM e DQMOM apresentaram acurcia bastante Contudo, vericou-se que que a ecincia computacional do DQMOM
superior do QMOM. Portanto, possvel concluir que o DQMOM se apresenta atualmente como o mtodo numrico mais indicado para ser usado como base deste

trabalho.
157
A anlise das tcnicas de acoplamento CFD-EBP mostrou que o mtodo das classes com piv xo usado com frequncia nos trabalhos da literatura. No acoplamento completo do mtodo das classes com o modelo Euleriano multifsico, cada fase representada por uma classe. Esta abordagem computacionalmente intensiva devido ao grande nmero de classes necessrios para bem representar a funo de distribuio de partculas. Portanto, formas simplicadas de acoplamento CFDEBP foram propostas, como o MUSIG homogneo [221] e no-homogneo [223, 224]. Porm, estas abordagens so bastante criticadas devido a sua inecincia.
A abordagem Euleriana multifsica acoplada ao DQMOM vivel pois cada fase representada por um ponto de quadratura e, portanto, seriam necessrias poucas fases para representar bem os principais momentos da distribuio de partculas. Alm disso, o DQMOM adapta os pesos e abscissas para melhor representar os momentos da distribuio, evitando a perda de preciso causada pelo truncamento do domnio das variveis internas que usualmente ocorre no mtodo de piv xo. Devido as suas vantagens em relao as outras tcnicas, a abordagem de acoplamento CFD-EBP usando o DQMOM foi utilizada no presente trabalho.
Visando implementar o acoplamento CFD-EBP no OpenFOAM, foi realizada uma reviso sobre as capacidades e limitaes das metodologias numricas reunidas neste pacote CFD. Em concluso, a facilidade de uso, as formulaes numricas implementadas, como o mtodo dos volumes nitos e soluo de sistemas lineares, e, principalmente, a liberdade em manipular seu cdigo fonte, tornaram o OpenFOAM propcio para a execuo do presente trabalho. Portanto, estudar a programao das classes e cdigos.
templates
no OpenFOAM , logicamente, vital para a implementao dos
No incio deste trabalho, a documentao sobre programao no Open-
FOAM era escassa e provinda, principalmente, da lista de discusso dos usurios na internet. Dessa forma, o esforo para aprender e estudar o cdigo fonte foi considervel devido variedade de classes e complexidade do problema a ser tratado.
158
Apesar disso, as fontes de informao sobre o OpenFOAM so hoje abundantes na internet, em trabalhos tcnicos e cientcos. De fato, as funes implementadas no cdigo so poderosas e bastante variadas, sendo capazes de tratar quase todo problema que envolva campos tensoriais. Por m, conclui-se que o OpenFOAM uma tima ferramenta para o desenvolvimento de cdigos CFD, sem a limitao e falta de liberdade imposta por programas comerciais de cdigo fechado.
Neste trabalho, a implementao do balano populacional considerou um problema monovariado, empregando o volume das partculas para a descrio da distribuio de tamanhos, considerados apenas os efeitos de quebra e agregao.
Os modelos multifsicos Eulerianos foram desenvolvidos com base no trabalho de RUSCHE [66], que formulou a abordagem bifsica implementada no OpenFOAM, chamada troca de
twoPhaseEulerFoam,
para fases incompressveis. Neste caso, as foras de
momentum
entre as fases so calculadas por um dimetro mdio, constante
durante toda a simulao. Portanto, as metodologias aqui desenvolvidas estendem este modelo bifsico para considerar os efeitos de polidisperso usando
n+1
fases.
O desenvolvimento ocorreu em etapas, onde a complexidade da modelagem aumentava gradualmente. Os detalhes sobre o uso das classes e
templates
em C++ para
implementao dos cdigos tambm foram apresentados neste trabalho de tese. Ao nal do desenvolvimento e implementao dos cdigos, quatro novos gerados:
solvers
foram
pbeFoam, contendo a soluo da EBP pelo DQMOM, que utilizado em todos

os outros
solvers.
Os termos fontes das equaces de transporte dos pesos
e abscissas ponderadas so obtidas atravs da soluo do sistema linear do DQMOM em cada volume da malha. A decomposio LU foi usada na soluo do sistema linear.
musigFoam, onde o pbeFoam foi acoplado ao cdigo bifsico [66].
Nesta aborda-
gem, todas as partculas presentes na fase dispersa possuem o mesmo campo de velocidade. Em adio, o coeciente da fora de arrasto foi calculado usando

o dimetro mdio de Sauter obtido pela soluo da EBP.
159
caracterizado pela extenso do modelo incompress-
vel bifsico [66] de modo a considerar uma fase contnua e
fases dispersas.
Neste caso, cada fase dispersa possui seu prprio campo de velocidade e frao volumtrica. domnio. Contudo, o dimetro caracterstico constante em todo o
multiPhasePbeFoam,
e
construdo visando o acoplamento dos
solvers pbeFoam
multiPhaseEulerFoam
para a simulao de escoamentos multifsicos polios dimetros das fases
dispersos. Diferente do
solver multiPhaseEulerFoam,
dispersas so caracterizados por campos escalares. Neste caso, os dimetros caractersticos das fases dispersas so afetados diretamente pelos efeitos de interao entre partculas, como quebra e agregao.
A implementao do DQMOM no OpenFOAM, chamada
pbeFoam,
foi testada
em casos transientes 0D e estacionrios 1D. Neste ltimo caso, a convergncia dos resultados na malha e a acurcia de diferentes funes de interpolao para o termo convectivo das equaes de transporte de DQMOM foram avaliadas. Os resultados numricos foram comparados com a soluo analtica de MCCOY e MADRAS [160] para casos de quebra e agregao dominante, apresentando tima acurcia da soluo numrica. Nos casos unidimensionais, o mtodo de interpolao QUICK se
destacou pela sua acurcia. Contudo, sabe-se que funes com limitadores de uxo so capazes de minimizar a difuso numrica e as oscilaes. Como as equaes do DQMOM utilizadas neste trabalho possuem o comportamento hiperblico, a funo GAMMA com fator
= 1
[263] se apresentou como a mais indicada, entre
as testadas, para ser usada na discretizao do DQMOM em acoplamentos CFDEBP. Considerando os resultados discutidos acima, concluiu-se que o implementado corretamente.
pbeFoam
foi
Simulaes transientes com efeitos de quebra e agregao dominante foram realizadas para avaliar a abordagem MUSIG. Nestes casos foi utilizada uma emulso

panso em degrau (backward
160
de gua em leo escoando em uma geometria bidimensional de um canal com ex-
facing step
- BFS). Vericou-se que, para cada passo
de tempo, as equaes de transporte do DQMOM convergem mais rpido que as equaes que regem o escoamento. Em comparao com o pacote comercial ANSYS CFX, houve concordncia entre os resultados obtidos para os dimetro de Sauter (ver Apndice B). De fato, nos testes feitos com malhas hexadricas e tetra-prismticas mistas, as primeiras apresentaram melhores resultados. De fato, o uso de malhas tetradricas no OpenFOAM deve ser considerado com cuidado.
Os cdigos
multiPhaseEulerFoam e multiPhasePbeFoam tambm foram avalia-
dos usando a geometria BFS com a emulso gua-leo. A implementao do cdigo multifsico foi vericada simulando escoamentos bifsicos e comparando seus resultados com os obtidos para o simulado considerando
solver
multifsico foi
2, 3
fases dispersas com valores de frao volumtrica e
propriedades fsicas iguais. Alm disso, a frao volumtrica global das fases dispersas igual frao volumtrica da fase dispersa na emulso. A concordncia dos resultados obtidos pelas duas abordagens vericam a programao correta do cdigo multifsico. As simulaes polidispersas apresentaram o comportamento esperado, onde as fraes volumtricas das fases dispersas so alteradas de acordo com o efeito dominante da interao entre partculas.
Os
tempos
de
computao foram avaliados,
dos
solvers
multiPhaseEulerFoam
multiPhasePbeFoam
conferindo ao primeiro maior ecincia.
Isto se deve ao custo extra de computao do DQMOM no
multiPhasePbeFoam.
Porm, a paralelizao do cdigo CFD-EBP bem mais eciente do que a do
volume a volume.
pois a soluo do sistema linear do DQMOM realizada
Note que o presente trabalho focou o desenvolvimento da metodologia e de sua implementao, visando obter ferramentas computacionais para a simulao de escoamentos multifsicos polidispersos. Com as ferramentas produzidas neste trabalho,
7.2 Sugestes para Trabalhos Futuros

multifsicos.
161
abre-se novas fronteiras para o tratamento dos problemas prticos em processos

Tendo em vista os resultados obtidos, algumas sugestes para continuao do presente trabalho so propostas. Em relao aos avanos numricos associados implementao do acoplamento CFD-EBP, sugere-se que novos estudos enfoquem:
Implementao de mtodos para a EBP multivariada, sendo o prximo passo no desenvolvimento das tcnicas para a simulao de escoamentos multifsicos polidispersos.
Implementao de outras abordagens para o acoplamento presso-velocidade em escoamentos multifsicos [284] nos cdigos desenvolvidos, avaliando a performance destes algoritmos aplicada ao modelo multifsico polidisperso. Este um ponto importante nas simulaes CFD com algoritmos de acoplamento segregado.
Implementao dos efeitos de crescimento e nucleao de partculas, de modo a caracterizar fenmenos de mudana de fase.
Extenso da metodologia do PPDC, visando eliminar os erros associados integrao no tempo. Para tal, deve-se considerar o uso de um mtodo de
separao de operadores de mais alta ordem em sua formulao.
Visando a simulao de escoamentos polidispersos realsticos, a modelagem de alguns fenmenos devem ser investigadas.
Modelos para a quebra e agregao de partculas so as principais fontes de erros nas simulaes polidispersas. Segundo ARAUJO [17], muitos dos modelos presentes na literatura partem de conceitos de formulao errados. Desta

para a estimao de parmetros destes modelos.
162
forma, mais estudos sobre o desenvolvimento dos modelos devem ser realizados. Apesar disso, simulaes CFD tridimensionais podem fornecer dados
Termos de troca de quantidade de movimento entre as fases. Ainda h muita divergncia na literatura sobre a formulao correta das foras e sua inuncia no escoamento.
Estudo da turbulncia em escoamentos multifsicos. Sabe-se da inuncia da turbulncia na descrio do perl de escoamento e da dinmica dos fenmenos de interao entre partculas, porm ainda existem muitas dvidas em sua formulao.
Referncias Bibliogrcas
[1] KRISHNA, R., ELLENBERGER, J., MARETTO, C., Flow Regime Transition in Bubble Columns,
International Communications in Heat and Mass
Transfer ,
v. 26, n. 4, pp. 467475, 1999.
[2] RAMKRISHNA, D., MAHONEY, A. W., Population balance modeling. Promise for the future, 2002.
Chemical Engineering Science ,
v. 57, pp. 595606,
[3] SCARLETT, B., Particle Populations - to balance or not to balance, that is the question!
Powder Technology ,
v. 125, pp. 14, 2002.
[4] LAGE, P. L. C., ESPSITO, R. O., Experimental determination of bubble size distributions in bubble columns: Prediction of mean bubble diameter and gas hold up,
Powder Technology ,
v. 101, n. 2, pp. 142150, 1999.
[5] RIBEIRO JR., C. P., LAGE, P. L. C., Experimental study on bubble size distributions in a direct-contact evaporator,
Brazilian Journal of Chemical
Engineering ,
v. 21, n. 1, pp. 6981, 2004.
[6] RIBEIRO JR., C. P., LAGE, P. L. C., Direct-contact evaporation in the homogeneous and heterogeneous bubbling regimes. Part I: experimental analysis,
International Journal of Heat and Mass Transfer ,
v. 47, n. 17-18,
pp. 38253840, 2004.
[7] SILVA, M. O., SILVA, M. V. L. R., LAGE, P. L. C., On the Usage of Conductivity Sensors to Measure Gas Phase Fraction in Bubble Columns. In:
163
Escoamento Multifsico Lquido-Gs ,
2008.
164
v. CDROM, pp. 17, Florianpolis,
EBECEM 2008 1o Encontro Brasileiro sobre Ebulio, Condensao e
[8] RIBEIRO JR., C. P., BORGES, C. P., LAGE, P. L. C., Modelling of directcontact evaporation using a simultaneous heat and multicomponent masstransfer model for superheated bubbles, v. 60, n. 6, pp. 17611772, 2005.
[9] RIBEIRO JR., C. P., LAGE, P. L. C., Gas-Liquid Direct-Contact Evaporation: A Review, 1107, 2005.
Chemical Engineering and Technology ,
v. 28, n. 10, pp. 1081
[10] LAGE, P. L. C., CAMPOS, F. B., Advances in Direct Contact Evaporator Design, 2004.
Chemical Engineering and Technology ,
v. 27, n. 1, pp. 9196,
[11] SILVA, L. F. L. R., FONTES, C. E., LAGE, P. L. C., Front tracking in recirculating ows: a comparison between the TVD and RCM methods in solving the VOF equation,
Brazilian Journal of Chemical Engineering ,
v. 22, n. 1, pp. 105116, 2005.
[12] MONTEAGUDO, J. E. P., LAGE, P. L. C., Cross-Properties Relations in 3D Percolation Networks: I. Network Characteristic Length Determination,
Transport in Porous Media ,
v. 61, n. 2, pp. 143156, 2005.
[13] MONTEAGUDO, J. E. P., LAGE, P. L. C., Cross-Properties Relations in 3D Percolation Networks: II. Network Permeability,
Transport in Porous
Media ,
v. 61, n. 3, pp. 259274, 2005.
[14] MONTEAGUDO, J. E. P., SILVA, L. F. L. R., LAGE, P. L. C., Scaling laws for network model permeability: lation with solid deposition, pp. 18151829, 2003. application to wellbore oil ow simuv. 58, n. 9,
formulation, 2003.
165
v. 58, n. 12, pp. 27252744,
[15] CAMPOS, F. B., LAGE, P. L. C., A numerical method for solving the transient multidimensional population balance equation using an Euler-Lagrange
[16] RIBEIRO JR., C. P., LAGE, P. L. C., Population balance modeling of bubble size distributions in a direct-contact evaporator using a sparger model,

[17] ARAUJO, J. F. M.,
v. 59, n. 12, pp. 23632377, 2004.
Estudo dos modelos de quebra e coalescncia para escoMaster's Thesis, Universidade Federal do Rio de
amentos polidispersos ,
Janeiro, PEQ/COPPE, RJ, Brasil, 2006.
[18] DAMIAN, R. B.,
Simulao CFD de Escoamentos Multifsicos Polidispersos

Master's Thesis, Universidade Federal do
usando Balano Populacional ,
Rio de Janeiro, PEQ/COPPE, RJ, Brasil, 2007.
[19] DUDUKOVIC, M. P., LARACHI, F., MILLS, P. L., Multiphase Reactors revisited,
v. 54, pp. 19751995, 1999.
[20] JOSHI, J. B., Computational ow modelling and design of bubble column reactors,
v. 56, pp. 58935933, 2001.
[21] KRISHNA, R., ELLENBERGER, J., SIE, S. T., Reactor development for conversion of natural gas to liquid fuels: A scale-up strategy relying on the hydrodynamics analogies, pp. 20412050, 1996.
v. 51, n. 10,
[22] KRISHNA, R., URSEANU, M. I., VAN BATEN, J. M., et al., Inuence of scale on the hydrodynamics of bubble columns operating in the churn-turbulent regime: Experiments vs. Eulerian simulations,
Chemical Engineering Sci-
ence ,
v. 54, pp. 49034911, 1999.
[23] LAPIN, A., LBBERT, A., Numerical simulations of the dynamics of twophase gas-liquid ows in bubble columns, v. 49, pp. 36613674, 1994.
model,
166
v. 52, n. 9, pp. 14291458, 1997.
[24] DELNOIJ, E., LAMMERS, F. A., KUIPERS, J. A. M., et al., Dynamic simulation of dispersed gas-liquid two-phase ow using a discrete bubble
[25] DREW, D. A., Mathematical modeling of two-phase ow,
Annual Reviews in
Fluid Mechanics ,
v. 15, pp. 261291, 1983.
[26] KRISHNA, R., VAN BATEN, J. M., Eulerian simulations of bubble columns operating at elevated pressures in the churn turbulent ow regime,
Che-
mical Engineering Science ,
v. 56, pp. 6249 6258, 2001.
[27] CHEN, P., SANYAL, J., DUDUKOVIC, M. P., CFD modeling of bubble columns ows: implementation of population balance,
Chemical Enginee-
ring Science ,
v. 59, pp. 5201 5207, 2004.
[28] RAMKRISHNA, D.,
Population Balances Theory and Applications to PartiAcademic Press: Nova York, 2000.
culate Systems in Engineering .
[29] BAUER, M., EIGENBERGER, G., Multiscale modeling of hydrodynamics, mass transfer and reaction in bubble column reactors,
Chemical Engine-
ering Science ,
[30] ISHII, M., 1975.
v. 56, n. 3, pp. 1067 1074, 2001.
Thermo-uid Dynamic Theory of Two-phase Flow .
Eyrolles: Paris,
[31] VAN WACHEM, B. G. M., ALMSTEDT, A. E., Methods for multiphase computational uid dynamics, 98, 2003.
Chemical Engineering Journal ,
v. 96, pp. 81
[32] DELNOIJ, E., KUIPERS, J. A. M., VAN SWAAIJ, W. P. M., A threedimensional CFD model for gas-liquid bubble columns,
Chemical En-
gineering Science ,
v. 54, n. 13-14, pp. 22172226, 1999.
[33] CROWE, C., SOMMERFIELD, M., YUTAKA, T.,
Multiphase Flows with Dro-
plets and Particles .
CRC Press, 1998.
turbulence interaction, n. 2, pp. 187200, 1999.
167
International Journal of Multiphase Flow ,
v. 25,
[34] LI, C., MOSYAK, A., HETSRONI, G., Direct numerical simulation of particle-
[35] DRUZHININ, O. A., ELGHOBASHI, S. E., A Lagrangian-Eulerian Mapping Solver for Direct Numerical Simulation of Bubble-Laden Turbulent Shear Flows Using the Two-Fluid Formulation,
Journal of Computational Phy-
sics ,
v. 154, n. 1, pp. 174196, 1999.
[36] BOIVIN, M., SIMONIN, O., SQUIRES, K. D., Direct numerical simulation of turbulence modulation by particles in isotropic turbulence,
Journal of
Fluid Mechanics ,
v. 375, pp. 235263, 1998.
[37] SUSSMAN, M., PUCKETT, E. G., A Coupled Level Set and Volume-of-Fluid Method for Computing 3D and Axisymmetric Incompressible Two-Phase Flows, 2000.
Journal of Computational Physics ,
v. 162, n. 2, pp. 301 337,
[38] ENWALD, H., PEIRANO, E., ALMSTEDT, A.-E., Eulerian two-phase ow theory applied to uidization,
v. 22, n. Supp. 1, pp. 2166, 1996.
[39] DREW, D. A., PASSMAN, S. L., Springer, 1999.
Theory of Multicomponent Fluids .
1st ed.
[40] ISHII, M., HIBIKI, T.,
Thermo-Fluid Dynamics of Two-Phase Flow .
1st ed.
Springer: Nova York, EUA, 2006.
[41] MANNINEN, M., TAIVASSALO, V., KALLIO, S.,
On the mixture model for
multiphase ow ,
1996.
Tech. Rep. 288, Technical Research Centre of Finland,
[42] BIRD, R. B., STEWART, W. E., LIGHTFOOT, E. N., John Wiley & Sons Inc.: Nova York, 1960.
Transport Phenomena .
[43] MICHELE, V.,
168
Ph.D. Thesis, Te-
CFD modeling and measurement of liquid ow structure and
phase holdup in two- and three-phase bubble columns ,
chnischen Universitt Carolo-Wilhelmina zu Braunschweig, 2002.
[44] BRENNEN, C. E.,
Fundamentals of Multiphase Flow .
1st ed.
Cambridge
University Press, 2005.
[45] BOVE, S.,
Computational uid dynamics of gas-liquid ows including bubble

Ph.D. Thesis, Esbjerg Institute of Engineering, Di-
population balances ,
namarca, 2005.
[46] SANYAL, J., VSQUEZ, S., ROY, S., et al., Numerical simulation of gas-liquid dynamics in cylindrical bubble column reactors,
Chemical Engineering
Science ,
v. 54, pp. 50715083, 1999.
[47] SOKOLICHIN, A., EIGENBERGER, G., Applicability of the standard kturbulence model to the dynamic simulation of bubble columns: I. Detailed numerical simulations, pp. 22732284, 1999. Part v. 54,
[48] LAPIN, A., MAUL, C., JUNGHANS, K., et al., Industrial-scale bubble column reactors: gas-liquid ow and chemical reaction, v. 56, n. 1, pp. 239 246, 2001.
Science ,
[49] CARTLAND GLOVER, G. M., GENERALIS, S. C., The modelling of buoyancy driven ow in bubble columns,
Chemical Engineering and Pro-
cessing ,
v. 43, n. 2, pp. 101 115, 2004.
[50] FORD, B., LOTH, E., Forces on ellipsoidal bubbles in a turbulent shear layer,
Physics of Fluids ,
v. 10, n. 1, pp. 178188, 1998.
[51] LOTH, E., Numerical approaches for motion of dispersed particles, droplets and bubbles, 223, 2000.
Progress in Energy and Combustion Science ,
v. 26, pp. 161
[52] NEWTON, I.,
169
Societatis Re-
Philosophiae Naturalis: Principia Mathematica .
galis Sodali, 1686.
[53] ALLEN, H. S., The motion of a sphere in a viscous uid, In:
Philosophical
Magazine ,
v. 50, pp. 323338, 1900.
[54] STOKES, G. G., On the Eect of the Internal Friction of Fluids on the Motion of Pendulums, 106, 1851.
Cambridge Philosophical Society Transactions , v. 9, pp. 8
[55] SCHLICHTING, H., 1979.
Bondary-Layer Theory .
7th ed. McGraw-Hill: Nova York,
[56] CLIFT, R., GRACE, J. R., WEBER, M. E., Academic Press: Londres, 1978.
Bubbles, Drops and Particles .
[57] SIMONNET, M., GENTRIC, C., OLMOS, E., et al., Experimental determination of the drag coecient in a swarm of bubbles,
Science ,
v. 62, n. 3, pp. 858866, 2007.
[58] POISEUILLE, J. L. M., Recherches experimentales sur le mouvement des liquides dans les tubes de trs petits diametres, In: pp. 112115, Academie des Sciences, 1841.
Comptes Rendus , v. 12,
[59] SEGR, G., SILBERBERG, A., Behaviour of macroscopic rigid spheres in Poiseuille ow Part 1. Determination of local concentration by statistical analysis of particle passages through crossed light beams,
Journal f Fluid
Mechanics ,
v. 14, pp. 115135, 1962.
[60] COX, R. G., MASON, S. G., Suspended Particles in Fluid Flow Through Tubes,
Annual Review of Fluid Mechanics ,
v. 3, pp. 291316, 1971.
[61] TSUJI, Y., MORIKAWA, Y., SHIOMI, H., LDV measurements of an air-solid two-phase ow in a vertical pipe, pp. 417434, 1984.
Journal of Fluid Mechanics ,
v. 139,
[62] AUTON, T. R., The lift force on a spherical body in a rotational ow,
170
Journal
v. 183, pp. 199218, 1987.
of Fluid Mechanics ,
[63] LEGENDRE, D., MAGNAUDET, J., The lift force on a spherical bubble in a viscous linear shear ow, 1998.
Journal of Fluid Mechanics , v. 368, pp. 81126,
[64] MCLAUGHLIN, J. B., Inertial migration of a small sphere in linear shear ows,
v. 224, pp. 261274, 1991.
[65] LEGENDRE, D., MAGNAUDET, J., A note on the lift force on a spherical bubble or drop in a low-Reynolds-number shear ow, v. 9, n. 1, pp. 35723574, 1997.
Physics of Fluids ,
[66] RUSCHE, H.,
Computational uid dynamics of dispersed two-phase ows at

Ph.D. Thesis, Imperial College of Science, Techno-
high phase fractions ,
logy and Medicine, Londres, Reino Unido, 2002.
[67] DREW, D. A., LAHEY, R. T., Some supplemental analysis concerning the virtual mass and lift force on a sphere in a rotating and straining ow,
v. 16, pp. 11271130, 1990.
[68] PFLEGER, D., GOMES, S., GILBERT, N., et al., Hydrodynamic simulations of laboratory scale bubble columns fundamental studies of the Eulerian-Eulerian modelling approach, v. 54, pp. 50915099, 1999.
[69] SUNDARESAN, S., Modeling the Hydrodynamics of Multiphase Flow Reactors: Current Status and Challenges, 1105, 2000.
AIChE Journal , v. 46, n. 6, pp. 1102
[70] DEEN, N. G., SOLBERG, T., HJERTAGER, B. H., Large eddy simulation of the gas-liquid ow in a square cross-sectioned bubble column,
Chemical
Engineering Science ,
v. 56, pp. 6341 6349, 2001.
[71] BOUSSINESQ, J., Thorie de l'coulement Tourbillant,
171
Mem. Prsents par
v. 23, pp. 4650, 1877.
Divers Savants Acad. Sci. Inst. Fr.,
[72] BRAUER, H., Turbulenz in mehrphasigen Strmungen, v. 51, n. 10, pp. 934948, 1979.
Chem. Ing. Tech.,
[73] TSUCHIYA, K., OHSAKI, K., TAGUCHI, K., Large and Small Bubble Interaction Patterns in a Bubble Column,
International Journal of Mul-
tiphase Flow ,
v. 22, n. 1, pp. 121132, 1996.
[74] LAUNDER, B., SPALDING, D., The numerical computation of turbulent ows,
Computer Methods in Applied Mechanics and Engineering ,
v. 3,
pp. 269289, 1974.
[75] WILCOX, D. C., 1994.
Turbulence Modeling for CFD .
DCW Industries: California,
[76] SATO, Y., SEKOGUCHI, K., Liquid velocity distribution in two-phase bubble ow,
v. 2, pp. 7995, 1975.
[77] SATO, Y., SADATOMI, M., SEKOGUCHI, K., Momentum and heat transfer in two-phase bubble ow - I Theory,
International Journal of Multiphase
Flow ,
v. 7, pp. 167177, 1981.
[78] LANCE, M., BARAILLE, J., Turbulence in the liquid phase of a uniform bubbly air-water ow model for bubbly two-phase ow,
Journal of Fluid
Mechanics ,
v. 222, pp. 95118, 1991.
[79] CUI, Z., FAN, L. S., Turbulence energy distributions in bubbling gas-liquid and gas-liquid-solid ow systems, pp. 1755 1766, 2004.
v. 59,
[80] KAJISHIMA, T., Inuence of particle rotation on the interaction between particle clusters and particle-induced turbulence,
International Journal
of Heat and Fluid Flow ,
v. 25, pp. 721728, 2004.
v. 62, pp. 41464157, 2007.
172
[81] LUCAS, D., KREPPER, E., PRASSER, H.-M., Use of models for lift, wall and turbulent dispersion forces acting on bubbles for poly-disperse ows,
[82] KATAOKA, I., SERIZAWA, A., Basic equations of turbulence in gas-liquid two-phase ow,
v. 15, n. 5,
pp. 843855, 1989.
[83] LOPEZ DE BERTODANO, M., LAHEY, R. T., JONES, O. C., Development of a kmodel for bubbly two-phase ow,
Journal of Fluids Engineering ,
v. 116, pp. 128134, 1994.
[84] CHAHED, J., ROIG, V., MASBERNAT, L., Eulerian-Eulerian two-uid model for turbulent gas-liquid bubbly ows,
International Journal of Multiphase
Flow ,
v. 29, pp. 2349, 2003.
[85] WILD, G., PONCIN, S., LI, H.-Z., et al., Some Aspects of the Hydrodynamics of Bubble Columns,
International Journal of Chemical Reactor Engine-
ering ,
v. 1, n. R7, pp. 1 36, 2003.
[86] DECKWER, W. D., LTD, 1992.
Bubble Column Reactors .
2nd ed.
John Wiley & Sons
[87] CAMARASA, E., VIALA, C., PONCIN, S., et al., Inuence of coalescence behaviour of the liquid and of gas sparging on hydrodynamics and bubble characteristics in a bubble column, v. 38, n. 4-6, pp. 329344, 1999.
Chemical Engineering and Processing ,
[88] CHEN, R. C., REESE, J., FAN, L. S., Flow structure in a three-dimensional bubble column and three-phase uidized bed, pp. 10931104, 1994.
AIChE Journal , v. 40, n. 7,
[89] ZAHRDNK, J., FIALOV, M., RUZICKA, M., et al., Duality of the gas-liquid ow regimes in bubble column reactors, v. 52, n. 21-22, pp. 38113826, 1997.
approach,
173
v. 45, pp. 23252332, 1990.
[90] TORVIK, R., SVENDSEN, H. F., Modelling of slurry reactors. A fundamental
[91] SVENDSEN, H. F., JACKOBSEN, H. A., TORVIK, R., Local ow structures in internal loop and bubble column reactors,
Science ,
v. 47, pp. 32973304, 1992.
[92] JACKOBSEN, H. A., SVENDSEN, H. F., HJARBO, K. W., On the prediction of local ow structures in internal loop and bubble column reactors using a two uid model, S536, 1993.
Computers and Chemical Engineering , v. 17S, pp. S531
[93] GREVSKOTT, S., SANNS, B. H., DUDUKOVIC, M. P., et al., Liquid circulation, bubble size distributions, and solid movement in two- and threephase bubble columns, 1713, 1996.
v. 51, pp. 1703
[94] JAKOBSEN, H. A., SANNS, B. H., GREVSKOTT, S., et al., Modeling of bubble driven vertical ows,
Industrial and Engineering Chemical Rese-
arch ,
v. 36, pp. 40524074, 1997.
[95] GRIENBERGER, J., HOFMANN, H., Investigation and modelling of bubble columns,
v. 42, pp. 22152220, 1992.
[96] HILLMER, G., WEISMANTEL, L., HOFMANN, H., Investigations and modelling of slurry bubble columns, pp. 837843, 1994.
v. 49,
[97] RANADE, V. V., Flow in bubble columns: some numerical experiments,
Che-
mical Engineering Science ,
v. 47, pp. 18571869, 1992.
[98] CELIK, I., WANG, Y.-Z., Numerical simulation of circulation in gas-liquid column reactors: isothermal, bubbly, laminar ow,
of Multiphase Flow ,
v. 20, n. 6, pp. 10531070, 1994.
v. 49, n. 24B, pp. 57355746, 1994.
174
[99] SOKOLICHIN, A., EIGENBERGER, G., Gas-liquid ow in bubble columns and loop reactors: Part I. Detailed modelling and numerical simulation,
[100] BECKER, S., SOKOLICHIN, A., EIGENBERGER, G., Gas-liquid ow in bubble columns and loop reactors: Part II. Comparison of detailed experiments and ow simulations, 24B, pp. 57475762, 1994.
v. 49, n.
[101] DEVANATHAN, N., DUDUKOVIC, M. P., LAPIN, A., et al., Chaotic ow in bubble column reactors, 2667, 1995.
v. 50, pp. 2661
[102] BORCHERS, O., BUSCH, C., SOKOLICHIN, A., et al., Applicability of the standard kturbulence model to the dynamic simulation of bubble co-
lumns. Part II. Comparison of detailed experiments and ow simulations,
v. 54, pp. 59275935, 1999.
[103] MUDDE, R. F., SIMONIN, O., Two- and three-dimensional simulations of a bubble plume using a two-uid model, v. 54, pp. 50615069, 1999.
[104] DEEN, N. G., SOLBERG, T., HJERTAGER, B. H., Numerical Simulation of the Gas-Liquid Flow in a Square Cross-sectioned Bubble Column. In:
CHISA 14th International Congress of Chemical and Process Engineering ,

Praga, Republica Tcheca, 2000.
[105] PAN, Y., DUDUKOVIC, M. P., CHANG, M., Dynamic simulation of bubbly ow in bubble columns, 2489, 1999.
v. 54, pp. 2481
[106] PFLEGER, D., BECKER, S., Modelling and simulation of the dynamic ow behavior in a bubble column, pp. 1737 1747, 2001.
v. 56,
del for two-phase ows,
175
Physics of Fluids ,
v. 26, n. 4, pp. 931938, 1983.
[107] ELGHOBASHI, S. E., ABOU-ARAB, T. W., A two-equation turbulence mo-
[108] SMAGORINSKY, J., General circulation experiments with the primitive equations: I. the basic equations, 164, 1963.
Mon. Weather Review ,
v. 91, pp. 99
[109] DEEN, N. G., HJERTAGER, B. H., SOLBERG, T., Comparison of PIV and LDA Measurement Methods applied to the gas-liquid ow in bubble column. In:
10th International Symposium on Applications of Laser

Lisboa, Portugal, 2000.
Techniques to Fluid Mechanics ,
[110] BERTOLA, F., VANNI, M., BALDI, G., Application of Computational Fluid Dynamics to Multiphase Flow in Bubble Columns,
of Chemical Reactor Engineering ,
v. 1, n. A3, pp. 114, 2003.
[111] BOVE, S., SOLBERG, T., HJERTAGER, B. H., Numerical aspects of bubble column simulations,
International Journal of Chemical Reactor Engine-
ering ,
v. 2, n. A1, pp. 122, 2004.
[112] BEHZADI, A., ISSA, R. I., RUSCHE, H., Modelling of dispersed bubble and droplet ow at high phase fractions, pp. 759770, 2004.
Chemical Engineering Science , v. 59,
[113] GOSMAN, A. D., ISSA, R. I., LEKAKOU, C., et al., Multidimensional modelling of turbulent two-phase ows in stirred vessels, v. 38, n. 12, pp. 19461956, 1992.
A.I.Ch.E. Journal ,
[114] BEL F'DHILA, R., MASBERNAT, L., SUZANNE, C., Measurements in two-phase bubbly ows in complex geometries, In:
Phase-Interface
Phenomena in Multiphase Flow ,

Washington, 1991.
pp. 245257, Hemisphere Publ. Corp.:
[115] LANCE, M., MARI, J. L., MOURSALI, E., et al., Experimental study of turbulent bubbly shear ows, v. 141-142, pp. 5170, 1996.
Chemical Engineering Communications ,
[116] BECH, K., Dynamic simulation of a 2D bubble column,
176
Chemical Enginee-
ring Science ,
v. 60, pp. 52945304, 2005.
[117] LUCAS, D., PRASSER, H.-M., MANERA, A., Inuence of the lift force on the stability of a bubble column, pp. 36093619, 2005.
v. 60,
[118] EKAMBARA, K., DHOTRE, M. T., JOSHI, J. B., CFD simulations of bubble column reactors: 1D, 2D and 3D approach,
Science ,
v. 60, pp. 67336746, 2005.
[119] MENZEL, T., WEIDE, T., STAUDACHER, O., et al., Reynolds shear stress modeling of bubble column reactors,
Industrial and Engineering Chemis-
try Research ,
v. 29, pp. 988994, 1990.
[120] DEVANATHAN, N., MOSLEMIAN, D., DUDUKOVIC, M. P., Flow mapping in bubble columns using CARPT, v. 45, pp. 22852291, 1990.
[121] CHEN, J., KEMOUN, A., AL-DAHHAN, M. H., et al., Comparative hydrodynamics study in a bubble column using computer-automated radioactive particle tracking (CARPT)/computed tomography (CT) and particle image velocimetry (PIV), 13-14, pp. 21992207, 1999.
v. 54, n.
[122] KULKARNI, A. A.,
Transport phenomena and non-linear dynamics in mulPh.D. Thesis, University of Mumbai, India, 2003.
tiphase systems ,
[123] KRISHNA, R., URSEANU, M. I., VAN BATEN, J. M., et al., Rise velocity of a swarm of large gas bubbles in liquids, v. 54, pp. 171183, 1999.
[124] KRISHNA, R., VAN BATEN, J. M., URSEANU, M. I., Three-phase Eulerian simulations of bubble column reactors operating in the churn-turbulent regime: a scale up strategy, 3286, 2000.
v. 55, pp. 3275
ting in the churn turbulent regime, pp. 503 512, 2001.
177
v. 56,
[125] VAN BATEN, J. M., KRISHNA, R., Eulerian simulations for determination of the axial dispersion of liquid and gas phases in bubble columns opera-
[126] KRISHNA, R., ELLENBERGER, J., HENNEPHOF, D. E., Analogous description of gas-solid uidized beds and bubble columns,
Chemical Engi-
neering Journal ,
v. 53, pp. 89101, 1993.
[127] ELLENBERGER, J., KRISHNA, R., A unied approach to the scaleup of gas solid uidized and gas-liquid bubble column reactors,
Chemical En-
gineering Science ,
v. 49, pp. 53915411, 1994.
[128] HARMATHY, T. J., Velocity of large drops and bubbles in media of innite or restricted extent,
AIChE Journal ,
v. 6, n. 2, pp. 281 288, 1960.
[129] MENDELSON, H. D., The prediction of bubble terminal velocities from wave theory,
AIChE Journal ,
v. 13, pp. 250253, 1967.
[130] DAVIES, R. M., TAYLOR, G. I., The mechanics of large bubbles rising through extended liquids and through liquids in tubes,
Proceedings of the
Royal Society of London ,
v. A200, pp. 375390, 1950.
[131] COLLINS, R., The eect of a containing cylindrical boundary on the velocity of a large gas bubble in a liquid, pp. 97112, 1967.
v. 28,
[132] KRISHNA, R., ELLENBERGER, J., Gas hold-up in bubble column reactors operating in the churn-turbulent ow regime, pp. 26272634, 1996.
AIChE Journal ,
v. 42,
[133] KRISHNA, R., DE SWART, J. W. A., ELLENBERGER, J., et al., Gas holdup in slurry bubble columns,
AIChE Journal ,
v. 43, pp. 311316, 1997.
mechanical formulation, 574, 1964.
178
v. 19, pp. 555
[134] HULBURT, H., KATZ, S., Some problems in particle technology. A statistical
[135] VALENTAS, K. J., AMUNDSON, A. R., Breakage and coalescence in dispersed phase systems,
Industrial and Engineering Chemistry: Fundamentals ,
v. 5, n. 4, pp. 533542, 1966.
[136] SMOLUCHOWSKI, M., Drei Vortrge ber Diusion, Brownsche Molekularbewegung und Koagulation von Kolloidteilchen, pp. 585599, 1916.
Phys. Zeitchr.,
v. 17,
[137] SMOLUCHOWSKI, Versuch einer mathematischen Theorie der Koagulationkinetik kolloider Lsungen, pp. 129168, 1917.
Zeitschrift fur Physikalische Chemie ,
v. 92,
[138] RANDOLPH, A. D., LARSON, M. A.,
Theory of Particulate Processes .
2nd
ed. Academic Press: Nova York, EUA, 1988.
[139] MANTZARIS, N. V., A cell population balance model describing positive feedback loop expression dynamics, v. 29, n. 4, pp. 897909, 2005.
Computers and Chemical Engineering ,
[140] SCHWARZERA, H.-C., SCHWERTFIRMB, F., MANHARTB, M., et al., Predictive simulation of nanoparticle precipitation based on the population balance equation, 181, 2006.
Chemical Engineering Science , v. 61, n. 1, pp. 167
[141] SMAGALAA, T. G., MCCOY, B. J., Population balance modeling of polymer branching and hyperbranching, pp. 317, 2006.
Chemical Engineering Science , v. 61, n. 1,
[142] NERE, N. K., RAMKRISHNA, D., Solution of population balance equation with pure aggregation in a fully developed turbulent pipe ow,
Chemical
v. 61, n. 1, pp. 96103, 2006.
arising from thermal agitation, pp. 11391144, 1936.
179
Transaction of Faraday Society ,
v. 32,
[143] HARPER, W. R., An exact theory of the coagulation of spherical particles
[144] HOWARTH, W. J., Coalescence of drops in a turbulent ow eld,
Chemical
v. 19, n. 1, pp. 3338, 1964.
[145] COULALOGLOU, C. A., TAVLARIDES, L. L., Description of interaction processes in agitated liquid-liquid dispersions,
Chemical engineering Sci-
ence ,
v. 32, pp. 12891297, 1977.
[146] PARICHAY, K. D., KUMAR, R., RAMKRISHNA, D., Coalescence of drops in stirred dispersion. A white noise model for coalescence,
Chemical En-
gineering Science ,
v. 42, n. 2, pp. 213220, 1987.
[147] LIU, L. X., LITSTER, J. D., IVESON, S. M., et al., Coalescence of Deformable Granules in Wet Granulation Processes, pp. 529 539, 2000.
AIChE Journal ,
v. 46, n. 3,
[148] CAMPBELL, G. M., WEBB, C., On predicting roller milling performance: Part I: the breakage equation, 242, 2001.
Powder Technology ,
v. 115, n. 3, pp. 234
[149] CAMPBELL, G. M., BUNN, P. J., WEBB, C., et al., On predicting roller milling performance: Part II. The breakage function, v. 115, n. 3, pp. 243 255, 2001.
Powder Technology ,
[150] DAVIS, On the statistics of ramdomly broken objects,
Science ,
v. 44, n. 9, pp. 17991805, 1989.
[151] HINZE, J. O., Fundamentals of the hydrodynamic mechanism of splitting in dispersions processes,
AIChE Journal ,
v. 1, n. 3, pp. 289295, 1955.
[152] SHINNAR, R., On the behavior of liquid dispersions in mixing vessels,
Jour-
nal of Fluid Mechanics ,
v. 10, pp. 259275, 1961.
persions,
180
v. 34, n. 2, pp. 257265, 1979.
[153] NARSIMHAN, G., GUPTA, J. P., RAMKRISHNA. D., A model for transitional breakage probability of droplets in agitated lean liquid-liquid dis-
[154] TSOURIS, C., TAVLARIDES, L. L., Breakage and coalescence models for drops in turbulent dispersions,
AIChE Journal , v. 40, pp. 395406, 1994.
[155] LUO, H., SVENDSEN, H. F., Theoretical model for drop and bubble breakup in turbulent dispersions,
AIChE Journal , v. 42, n. 5, pp. 12251233, 1996.
[156] VIGIL, R. D., ZIFF, R. M., On the stability of coagulation-fragmentation population balances,
Journal of Colloid and Interface Science ,
v. 133,
n. 1, pp. 257264, 1989.
[157] PATIL, D. P., ANDREWS, J. R. G., An analytical solution to continuous population balance model describing oc coalescence and breakage - A special case, 1998.
Chemicla Engineering Science ,
v. 53, n. 3, pp. 599601,
[158] LAGE, P. L. C., Comments on the An analytical solution to the population balance equation with coalescence and breakage the special case with constant number of particles by D.P. Patil and J.R.G. Andrews [Chemical Engineering Science 53(3) 599601], v. 57, n. 57, pp. 42534254, 2002.
[159] DIEMER, R. B., OLSON, J. H., A moment methodology for coagulation and breakage problems: Part 1 analytical solution of the steady-state population balance, 2002.
Chemical Engineering Science , v. 57, pp. 21932209,
[160] MCCOY, B. J., MADRAS, G., Analytical solution for a population balance equation with aggregation and fragmentation,
ence ,
v. 58, pp. 30493051, 2003.
balance I, 1973.
181
v. 28, n. 7, pp. 14231435,
[161] RAMKRISHNA, D., BORWANKER, J. D., A puristic analysis of population
[162] RAMKRISHNA, D., BORWANKER, J. D., A puristic analysis of population balance II, 1974.
v. 29, n. 8, pp. 1711 1721,
[163] SHAH, B. H., RAMKRISHNA, D., BORWANKER, J., Simulation of particulate systems using the concept of the interval of quiescence,
AIChE
Journal ,
v. 23, pp. 897 904, 1977.
[164] KENDALL, D., Stochastic Processes and Population Growth,
Journal of the
Royal Statistical Society. Series B ,
v. 11, pp. 230282, 1949.
[165] SWEET, I. R., GUSTAFSON, S. S., RAMKRISHNA, D., Population Balance Modelliing of Bubbling Fluidized Bed Reactors - I. Well-stirred dense phase,
v. 42, n. 2, pp. 341351, 1987.
[166] DAS, P. K., Monte Carlo simulation of drop breakage on the basis of drop volume, 1996.
Computer and Chemical Engineering ,
v. 20, n. 3, pp. 307313,
[167] GOODSON, M., KRAFT, M., Simulation of coalescence and breakage: an assessment of two stochastic methods suitable for simulating liquid-liquid extraction,
v. 59, pp. 3865 3881, 2004.
[168] ZHAO, H., MAISELS, A., MATSOUKAS, T., et al., Analysis of four Monte Carlo methods for the solution of population balances in dispersed systems,
Powder Technology ,
v. 173, pp. 3850, 2007.
[169] IRIZARRY, R., Fast Monte Carlo methodology for multivariate particulate systems - I: Point ensemble Monte Carlo, v. 63, pp. 95110, 2008.
systems - II: 2008.
182
[170] IRIZARRY, R., Fast Monte Carlo methodology for multivariate particulate
-PEMC, Chemical Engineering Science , v. 63, pp. 111121,
[171] BHATIA, S. K., CHAKRABORTY, D., Modied MWR approach: Application to agglomerative precipitation, 878, 1992.
AIChE Journal , v. 38, n. 6, pp. 868
[172] GELBARD, F., SEINFELD, J. H., Numerical solution of the dynamicequation for particulate systems, pp. 357375, 1978.
Journal of Computational Physics ,
v. 28,
[173] EYRE, D., WRIGHT, C. J., REUTER, G., Spline-collocation with adaptative mesh grading for solving the sthocastic collection equation,
Journal of
Computational Physics ,
v. 78, pp. 288304, 1988.
[174] NICMANIS, M., HOUNSLOW, M. J., Finite-element methods for steadystate population balance equations, 2272, 1998.
AIChE Journal ,
v. 44, pp. 2258
[175] LIU, Y., CAMERON, I. T., A new wavelet-based method for the solution of the population balance equation, pp. 5283 5294, 2001.
Chemical Enginering Science ,
v. 56,
[176] MAHONEY, A. W., RAMKRISHNA, D., Ecient solution of population balance equation with discontinuities by nite elements,
Chemical Engi-
neering Science ,
v. 57, pp. 11071119, 2002.
[177] RIGOPOULOS, S., JONES, A. G., Finite-Element Scheme for Solution of the Dynamic Population Balance Equation, pp. 1127 1139, 2003.
AIChE Journal ,
v. 49, n. 5,
[178] DORAO, C. A., JAKOBSEN, H. A., Application of the least square method to population balance problems, v. 30, n. 3, pp. 535547, 2006.
for solving population balance problems in
183
Rd+1 , Chemical Engineering
[179] DORAO, C. A., JAKOBSEN, H. A., Application of the least square method
Science ,
v. 61, n. 15, pp. 50705081, 2006.
[180] DORAO, C. A., JAKOBSEN, H. A., Least-squares spectral method for solving advective population balance problems,
Journal of Computational
and Applied Mathematics ,
v. 201, n. 1, pp. 247257, 2007.
[181] DORAO, C. A., JAKOBSEN, H. A., Time-space-property least squares spectral method for population balance problems,
ence ,
v. 62, n. 5, pp. 13231333, 2007.
[182] PINTO, J. C., LAGE, P. L. C.,
Mtodos Numricos em Problemas de Enge-
nharia Qumica .
E-papers: Brasil, RJ, 2001.
[183] KOSTOGLOU, M., KARABELAS, A. J., Evaluation of zero order methods for simulating particle coagulation,
Journal of Colloid and Interface Sci-
ence ,
v. 163, pp. 420431, 1994.
[184] KUMAR, S., RAMKRISHNA, D., On the solution of population balance equations by discretization - I. a xed pivot technique,
Chemical Engi-
neering Science ,
v. 51, n. 8, pp. 13111332, 1996.
[185] HOUNSLOW, M. J., RYALL, R. L., MARSHALL, V. R., A discretized population balance for nucleation, growth and aggregation, v. 34, n. 11, pp. 18211832, 1988.
AIChE Journal ,
[186] LISTER, J. D., SMITH, D. J., HOUNSLOW, M. J., Adjustable discretized population balance for growth and aggregation, n. 3, pp. 591603, 1995.
AIChE Journal ,
v. 41,
[187] HILL, P., NG, K., New discretisation procedure for the breakage equation,
AIChE Journal ,
v. 41, n. 5, pp. 12041216, 1995.
and Four-Parameter Summary, 588, 2004.
184
AIChE Journal ,
v. 50, n. 3, pp. 578
[188] WYNN, E. J. W., Simulating Aggregation and Reaction: New Hounslow DPB
[189] ALEXOPOULOS, A. H., ROUSSOS, A. I., KIPARISSIDES, C., Part I: dynamic evolution of the particle size distribution in particulate processes undergoing combined particle growth and aggregation,
Chemical Engi-
neering Science ,
v. 59, pp. 5751 5769, 2004.
[190] ALEXOPOULOS, A. H., ROUSSOS, A. I., KIPARISSIDES, C., Part II: dynamic evolution of the particle size distribution in particulate processes undergoing particle nucleation, growth and aggregation,
Chemical Engi-
neering Science ,
v. 60, pp. 4157 4169, 2005.
[191] KUMAR, J., PEGLOW, M., WARNECKE, G., et al., Improved accuracy and convergence of discretized population balance for aggregation: The cell average technique, 3342, 2006.
v. 61, pp. 3327
[192] KUMAR, J., PEGLOW, M., WARNECKE, G., et al., The cell average technique for solving multi-dimensional aggregation population balance equations, No prelo doi: 10.1016/j.compchemeng.2007.10.001, 2007.
[193] VANNI, M., Approximate population balance equations for aggregationbreakage processes, pp. 143 160, 2000.
Journal of Colloid and Interface Science ,
v. 221,
[194] BATTERHAM, R. J., HALL, J. S., BARTON, G., Pelletizing kinetics and simulation of full-scale balling circuits. In:
3rd International Symposium
on Agglomeration ,
v. A136, Nrnberg, Alemanha, 1981.
[195] GELBARD, F., TAMBOUR, Y., SEINFELD, J. H., Sectional representation of simulating aerosol dynamics,
Journal of Colloids and Interface
Science ,
v. 76, pp. 541556, 1980.
Balance in Crystallization and Agglomeration,
185
[196] MARCHAL, P., DAVID, R., KLEIN, J. P., et al., Crystallization and Precipitation Engineering I. An Ecient Method for Solving Population
ence ,
v. 43, n. 1, pp. 59 67, 1988.
[197] VANNI, M., Discretization procedure for the breakage equation,
AIChE
Journal ,
v. 45, pp. 916919, 1999.
[198] KUMAR, S., RAMKRISHNA, D., On the solution of population balance equations by discretization - II. a moving pivot technique,
Chemical En-
gineering Science ,
v. 51, n. 8, pp. 13331342, 1996.
[199] ATTARAKIH, M. M., BART, H. J., FAQIR, N. M., Optimal moving and xed grids for the solution of discretized population balance in batch and continuous systems: droplet breakage,
v. 58, pp. 1251 1269, 2003.
[200] NOPENS, I., BEHEYDT, D., VANROLLEGHEM, P. A., Comparison and pitfalls of dierent discretised solution methods for population balance models: a simulation study, pp. 367377, 2005.
Computers and Chemical Engineering , v. 29,
[201] KUMAR, S., RAMKRISHNA, D., On the solution of population balance equations by discretization III. Nucleation, growth and aggregation of particles,
v. 52, pp. 46594679, 1997.
[202] LEE, G., YOON, E. S., LIM, Y. I., et al., Adaptative mesh method for the simulation of crystallization processes including agglomeration and breakage: the potassuim sulfate system,
Industrial and Engineering Chemis-
try Research ,
v. 40, pp. 6228 6235, 2001.
[203] HUANG, W., REN, Y., RUSSELL, R. D., Moving Mesh Methods Based on Moving Mesh Partial Dierential Equations,
Journal of Computational
Physics ,
v. 113, n. 2, pp. 279290, 1994.
dynamic population balance equations, pp. 30003006, 2005.
186
AIChE Journal ,
v. 51, n. 11,
[204] HU, Q., ROHANI, S., JUTAN. A., New numerical method for solving the
[205] FRIEDLANDER, S. K.,
Smoke, dust and haze .
Wiley: Nova York, 1977.
[206] MCGRAW, R., SAUNDERS, J. H., A condensation feedback mechanism for oscillatory nucleation and growth, pp. 367380, 1984.
Aerosol Science and Technology ,
v. 3,
[207] BARRETT, J. C., JHEETA, J. S., Improving the accuracy of the moments method for solving the aerosol general dynamic equation,
Journal of Ae-
rosol Science ,
[208] MCGRAW, R.,
v. 27, n. 8, pp. 11351142, 1996.
Description of the aerosol dynamics by the quadrature
method of moments, 265, 1997.
Aerosol Science and Technology ,
v. 27, pp. 255
[209] GORDON,
R.
G.,
Error
bounds
in
equilibrium
statistical
mechanics,
A.I.Ch.E. Journal ,
v. 9, n. 5, pp. 655663, 1968.
[210] MARCHISIO, D. L., VIGIL, R. D., FOX, R. O., Quadrature method of moments for aggregation-breakage processes,
Journal of Colloid and Inter-
face Science ,
v. 258, pp. 322334, 2003.
[211] MARCHISIO, D. L., FOX, R. O., Solution of the population balance equation using the direct quadrature method of moments,
Journal of Aeorosol
Science ,
v. 36, pp. 4373, 2005.
[212] BOVE, S., SOLBERG, T., HJERTAGER, B. H., A novel algorithm for solving population balance equations: The parallel parent and daughter classes. Derivation, analysis and testing, pp. 1449 1464, 2005.
v. 60,
[213] WRIGHT, D. L., MCGRAW, R., ROSNER, D. E., Bivariant extension of the quadrature method of moments for modeling simultaneous coagulation
and sintering of particle populations,
187
Journal of Colloid and Interface
Science ,
v. 236, pp. 242 251, 2001.
[214] MCGRAW, R., WRIGHT, D. L., Chemically resolved aerosol dynamics for internal mixtures by the quadrature method of moments,
Journal of Ae-
rosol Science ,
v. 34, pp. 189 209, 2003.
[215] YOON, C., MCGRAW, R., Representation of generally mixed multivariate aerosols by the quadrature method of moments: I. Statistical foundation,
Journal of Aerosol Science ,
v. 35, pp. 561576, 2004.
[216] YOON, C., MCGRAW, R., Representation of generally mixed multivariate aerosols by the quadrature method of moments: II. Aerosol dynamics,
v. 35, pp. 577598, 2004.
[217] JOHNSON, R. A., WICHERN, D. W.,
Applied multivariate statistical analy-
sis .
Prentice-Hall: Upper Saddle River, NJ, 1992.
[218] DIAMANTARAS, K. I., KUNG, S. Y.,
Principal component neural networks:
Theory and applications .
Wiley: Nova York, 1996.
[219] FOX, R. O., Bivariate direct quadrature method of moments for coagulation and sintering of particle populations, n. 11, pp. 15621580, 2006.
v. 37,
[220] DIEMER JR., R. B., OLSON, J. H., Bivariate moment methods for simultaneous coagulation, coalescence and breakup, v. 37, n. 3, pp. 363385, 2006.
[221] LO, S.,
Application of the musig model to bubbly ows , Tech. Rep. AEAT-1096,
AEA Technology, 1996.
[222] KREPPER, E., LUCAS, D., PRASSER, H.-M., On the modelling of bubbly ow in vertical pipes, 611, 2005.
Nuclear Engineering and Design ,
v. 235, pp. 597
067.1067.14, Bled, Eslovnia, 2005.
188
[223] FRANK, T., ZWART, P. J., SHI, J.-M., et al., Inhomogeneous MUSIG Model - a Population Balance Approach for Polydispersed Bubbly Flows. pp.
[224] FRANK, T., ZWART, P. J., KREPPER, E., et al., Validation of CFD models for mono- and polydisperse air-water two-phase ows in pipes,
Nuclear
Engineering and Design ,

[225] ANSYS INC.,
v. 238, pp. 647659, 2008.
ANSYS CFX-11.0 User Manual ,
2007.
[226] LAGE, P. L. C., The quadrature method of moments for continuous thermodynamics, 799, 2006.
Computers and Chemical Engineering , v. 31, n. 7, pp. 782
[227] OLMOS, E., GENTRIC, C., VIAL, C., et al., Numerical simulation of multiphase ow in bubble column reactors. Inuence of bubble coalescenec and break-up, 2001.
v. 56, pp. 6359 6365,
[228] KURUL, N., PODOWSKI, M. Z., Multi-dimensional eects in sub-cooled boiling. In:
9th heat transfer conference ,
1990.
[229] PRINCE, M. J., BLANCH, H. W., Bubble coalescence and breakup in airsparged bubble columns,
AIChE Journal ,
v. 36, pp. 14851499, 1990.
[230] OLMOS, E., GENTRIC, C., MIDOUX, N., Numerical description of ow regime transitions in bubble column reactors by a multiple gas phase model,

[231] GIDASPOW, D., Diego, 1994.
v. 58, pp. 2113 2121, 2003.
Multiphase Flow and Fluidization .
Academic Press:
San
[232] SCHILLER, L., NAUMANN, A., ber die grundlegenden berechungen bei der schwerkraftbereitung, 320, 1933.
Z. Vereins deutcher Ing., v. 77, n. 12, pp. 318
[233] TCHEN, C. M.,
189
Ph.D. Thesis, TU
Mean value and correlation problems connected with the mo-
tion of small particles suspended in a turbulent uid ,

Delft, Holanda, 1947.
[234] LUO, H.,
Coalescence, breakup and liquid circulation in bubble column reacPh.D. Thesis, University of Trondheim, Trondheim, Noruega, 1993.
tors ,
[235] KUMAR, S. B., MOSLEMIAN, D., DUDUKOVIC, M. P., Gas-holdup measurements in bubble columns using computed tomography, v. 43, n. 6, pp. 14141425, 1997.
AIChE Journal ,
[236] CHEN, P., SANYAL, J., DUDUKOVIC, M. P., Numerical simulation of bubble columns ows: eect of dierent breakup and coalescence closures,
v. 60, pp. 10851101, 2005.
[237] MARTNEZ-BAZN, C., MONTAS, J. L., LASHERAS, J. C., On the breakup of an air bubble injected into a fully developed turbulent ow. Part 1. Breakup frequency, 182, 1999.
v. 401, pp. 157
[238] MARTNEZ-BAZN, C., MONTAS, J. L., LASHERAS, J. C., On the breakup of an air bubble injected into a fully developed turbulent ow. Part 2. Size PDF of the resulting daughter bubbles,
Journal of Fluid
Mechanics ,
v. 401, pp. 183207, 1999.
[239] RIBEIRO JR., C. P.,
Desenvolvimento de um Processo Combinado de Evapo-
rao por Contato Direto e Permeao de Vapor para Tratamento de Sucos , Ph.D. Thesis, Universidade Federal do Rio de Janeiro, PEQ/COPPE,
RJ, Brasil, 2005.
[240] CHEN, P., DUDUKOVIC, M. P., SANYAL, J., Three-Dimensional Simulation of Bubble Column Flows with Bubble Coalescence and Breakup,
AIChE Journal ,
v. 51, n. 3, pp. 696712, 2005.
in bubble columns with internals, pp. 21872197, 1999.
190
v. 54,
[241] CHEN, J., LI, F., DEGALEESAN, S., et al., Fluid dynamic parameters
[242] ONG, B.,
Experimental investigation of bubble column hydrodynamics Eect
of elevated pressure and supercial gas velocity , Ph.D. Thesis, Washington

University, St. Louis, MO, 2003.
[243] SHAIKH, A., RADOS, N., AL-DAHHAN, M. H., Phase Distribution in a High Pressure Slurry Bubble Column via Computed Tomography. In:
4th Middle East Rening and Petrochemical Exhibition and Conference ,

Manama, Bahrain, 2003.
[244] SAFFMAN, P. G., TURNER, J. S., On the collisions of drops in turbulent clouds,
v. 1, pp. 1630, 1956.
[245] MARCHISIO, D. L., VIGIL, R. D., FOX, R. O., Implementation of the quadrature method of moments in CFD codes for aggregation-breakage problems,
v. 58, pp. 33373351, 2003.
[246] PRAT, O. P., DUCOSTE, J. J., Modeling spatial distribution of oc size in turbulent processes using the quadrature method of moment and computational uid dynamics, 2006.
v. 61, pp. 7586,
[247] ADLER, P., Heterocoagulation in shear ow,
Journal of Colloids and Inter-
face Science ,
v. 83, n. 1, pp. 106115, 1981.
[248] KUSTERS, K. A.,
The inuence of turbulence on aggregation of small particles
in agitated vessels , Ph.D. Thesis, University of Eindhoven, Holanda, 1991.

[249] PRESS, W. H., FLANNERY, B. P., TEUKOLSKY, S. A., et al.,
Numerical
Cam-
Recipes The Art of Scientic Computing (FORTRAN version) .

bridge University Press: Cambridge, 1990.
sian quadrature with nonclassical weights, pp. 423426, 1990.
191
Computers in Physics ,
v. 4,
[250] PRESS, W. H., TEUKOLSKY, S. A., Orthogonal polynomials and gaus-
[251] FAN, R., MARCHISIO, D. L., FOX, R. O., Application of the direct quadrature method of moments to polydisperse gas-solid uidised beds,
Powder
Technology ,
v. 139, pp. 7 20, 2004.
[252] PATANKAR, S. V., SPALDING, D. B., A calculation procedure for heat, mass and momentum transfer in three-dimensional parabolic ows,
Inter-
national Journal of Heat and Mass Transfer ,

1972.
v. 15, n. 10, pp. 17871806,
[253] SPALDING, D. B., Numerical computation of multi-phase uid ow and heat transfer, In:
Recent Advances in Numerical Methods in Fluids ,
v. 1, pp.
3968, Pineridge Press, 1980.
[254] FAN, R., FOX, R. O., Segregation in polydisperse uidized beds: Validation of a multi-uid model, 285, 2008.
Chemical Engineering Science , v. 63, n. 1, pp. 272
[255] GOLDSCHMIDT, M. J. V., LINK, J. M., MELLEMA, S., et al., Digital image analysis measurements of bed expansion and segregation dynamics in dense gas-uidized beds, 2003.
Powder Technology ,
v. 138, pp. 135159,
[256] DAHL, S. R., HRENYA, C. M., Size segregation in gas-solid uidized beds with continuous size distributions, pp. 66586673, 2005.
v. 60,
[257] ZUCCAA, A., MARCHISIO, D. L., BARRESIA, A. A., et al., Implementation of the population balance equation in CFD codes for modelling soot formation in turbulent ames, pp. 8795, 2006.
Chemical Engineering Science , v. 61, n. 1,
[258] FOX, R.,
192
Cambridge Uni-
Computational models for turbulent reacting ows .
versity Press, 2003.
[259] KENT, J. H., HONNERY, D., Soot and mixture fraction in turbulent diffusion ames, 1987.
Combustion Science and Technology ,
v. 54, pp. 383397,
[260] SILVA,
L.
F.
L.
R.,
DAMIAN,
R.
B.,
LAGE,
P.
L.
C.,
Implemen-
tation and analysis of numerical solution of the population balance equation in CFD packages,
v. doi:10.1016/j.compchemeng.2008.03.007, 2008.
[261] PATANKAR, S. V.,
Numerical Heat Transfer and Fluid Flow .
Taylor & Fran-
cis Group: Nova York, 1980.
[262] MALISKA, C. R.,
Transferncia de Calor e Mecnica dos Fluidos Computa-
cional .
[263] JASAK, H.,
2nd ed. LTC: Rio de Janeiro, 2004.
Error analysis and estimation for the nite volume method with
Ph.D. Thesis, Imperial College of Science, Te-
applications to uid ows ,
chnology and Medicine, Londres, Reino Unido, 1996.
[264] VERSTEEG, H. K., MALALASEKERA, W.,
An introduction to computatiLongman Scientic and
onal uid dynamics - The nite volume method .

Technical: Reino Unido, 1995.
[265] RHIE, C. M., CHOW, W. L., A numerical study of the turbulent ow past an isolated airfoil with trailing edge separation,
American Institute of
Aeronautics and Astronautics ,
v. 21, n. 11, pp. 15251532, 1983.
[266] PERIC, M., KESSLER, R., SCHEUERER, G., Comparison of Finite Volume Numerical Methods with Staggered and Colocated Grids,
Computers and
Fluids ,
v. 16, n. 4, pp. 389403, 1988.
[267] TORO, E. F.,
Riemann Solvers and Numerical Methods for Fluid Dynamics:

2nd ed. Springer: Nova York, 1999.
A Practical Introduction .
[268] SAAD, Y.,
193
2nd ed. SIAM, 2003.
Iterative Methods for Sparse Linear Systems .
[269] WELLER, H. G.,
Derivation, modelling and solution of the conditionally aveTech. Rep. TR/HGW/02, Nabla Ltd.,
raged two-phase ow equations ,

2002.
[270] DEITEL, P. J., DEITEL, H. M., Hall, 2007.
C++ How to Program .
6th ed.
Prentice
[271] YANG, D.,
C++ and Object-Oriented Numeric Computing for Scientists and

Springer: Nova York, 2001.
Engineers .
[272] MALAN, A. G., LEWIS, R. W., On the development of high-performance C++ object-oriented code with application to an explicit edge-based uid dynamics scheme, 2004.
Computers and Fluids ,
v. 33, n. 10, pp. 1291 1304,
[273] POLITIS, S.,
Prediction of Two-Phase Solid-Liquid Turbulent Flow Stirred
Vessels ,
Ph.D. Thesis, University of London, Imperial College, 1989.
[274] OLIVEIRA, P. J.,
Computer Modelling of Multidimensional Multiphase Flow

Ph.D. Thesis, University of London, Im-
and Application to T-Junctions ,

perial College, 1992.
[275] HILL, D. P.,
The Computer Simulation of Dispersed Two-Phase Flows , Ph.D.
Thesis, Imperial College of Science, Technology and Medicine, Londres, Reino Unido, 1998.
[276] UBBINK, O.,
Numerical Prediction of Two Fluid Systems with Sharp Interfa-
ces ,
Ph.D. Thesis, Imperial College of Science, Technology and Medicine,
Londres, Reino Unido, 1997.
[277] BRENNAN, D.,
The Numerical Simulation of Two-Phase Flows in Settling
Tanks ,
Ph.D. Thesis, Imperial College of Science, Technology and Medi-
cine, Londres, Reino Unido, 2001.
[278] DOPAZO, C., On conditional avarages for intermittent turbulent ows,
194
Jourv. 81, n. 3, pp. 433 438, 1977.
nal of Fluid Mechanics ,
[279] WEN, C. Y., YU, Y. H., Mechanics of uidization, In:
Chem. Eng. Prog.
Symp. Ser.,
v. 62, pp. 100111, 1966.
[280] ISSA, R. I., Solution of the implicitly discretised uid ow equations by operator-splitting, 65, 1986.
Journal of Computational Physics , v. 62, n. 1, pp. 40
[281] SILVA, L. F. L. R., DAMIAN, R. B., LAGE, P. L. C., Implementation and analysis of numerical solution of the population balance equation in CFD packages. In:
available on CD ,
Leipzig, Alemanha, 2007.
[282] PETZOLD, L. R.,
A description of DASSL: A dierential algebraic system
solver ,
Sand82-8637, Sandia National Laboratories, 1982.
[283] KARYPIS, G., KUMAR, V., A fast and high quality multilevel scheme for partitioning irregular graphs, v. 20, n. 1, pp. 359 392, 1999.
SIAM Journal on Scientic Computing ,
[284] KAREMA, H., LO, S., Eciency of interphase coupling algorithms in uidized bed conditions,
Computers and Fluids ,
v. 28, pp. 323360, 1999.
Apndice A Comparao dos Mtodos de Soluo para EBP

A.1 Informaes sobre o Apndice
Este trabalho foi submetido recentemente para publicao em um peridico.
195
Comparison of the accuracy and performance of quadrature-based methods for population balance problems with simultaneous breakage and aggregation
L.F.L.R. Silva, R.C. Rodrigues, J.F. Mitre and P.L.C. Lage
Programa de Engenharia Qu mica COPPE, Universidade Federal do Rio de Janeiro, PO Box 68502, Rio de Janeiro, RJ, 21941-972 Brazil
Abstract Simulations of polydisperse multiphase ows must include the eects of particle breakage and aggregation, which requires the solution of the population balance equation (PBE). Therefore, the analysis of the existing numerical techniques to solve the PBE regarding their eciency and accuracy is paramount to their implementation in CFD codes. This work focused on analyzing the three quadraturebased methods available in the literature (QMOM, DQMOM and PPDC) in terms of eciency and accuracy and against the classical method of classes. Analytical solutions were used to derive test cases from dominant breakage to dominant aggregation. The methods were evaluated in terms of moment accuracy and convergence. The computational costs were evaluated for all cases. It was veried that PPDC has poor convergence and is not adequate. For all cases, the QMOM and DQMOM presented similar accuracy which was the best one achieved, but the DQMOM was always the most ecient method. Key words: population balance, aggregation, breakage, QMOM, DQMOM, PPDC
Introduction
Disperse multiphase ow occurs in several equipment used in the modern chemical industry, as bubble columns, slurry reactors, liquid-liquid extractors
Corresponding author. Tel: +55-21-2562-8346; Fax: 55-21-2562-8300. Email address: paulo@peq.coppe.ufrj.br (P.L.C. Lage). Preprint submitted to Elsevier Science 28 May 2008
and spray towers. The complex interactions among the particles play an important role in such ows by changing the dynamical behavior of the particle population properties and the ow. The proper modelling of these systems involves the solution of the population balance equation (PBE). The PBE is the conservation equation for the mean number density distribution function of particles, f (v, t), whose dimensions depend on the particle properties, v, considered as distribution variables. For an unique particle property, the problem is called monovariated, as described by Hulburt and Katz (1964) and Ramkrishna (2000), and the PBE is given by: f (v, t) + V (v, t)f (v, t) = H(v, t) t v (1)
where v is the particle property, V (v, t) is the time variation of the particle property for particles with property v and H(v, t) is the net number rate of particles generated with property v by unit volume of the particle space. For a problem without physical space variations where v is the particle volume with L3 units, as in the present work, the units of f (v, t), V (v, t) and H(v, t) are L3 , (L3 T 1 ) and (T L3 )1 , respectively. The last term of Eq. (1) usually involves integral functionals of f (v, t) due to the breakage and aggregation processes, turning it into an integro-dierential equation. Therefore, analytical solutions can only be obtained in very simple cases, making numerical methods essential to solve the PBE for most practical applications. 1.1 Numerical Methods for the PBE
There are several numerical techniques available to solve Eq.(1), such as the Monte Carlo method (Ramkrishna and Borwanker, 1973, 1974), weighted residuals based methods (Gelbard and Seineld, 1978), the method of classes (MoC) (Hounslow et al., 1988; Kumar and Ramkrishna, 1996a,b; Vanni, 1999) and the method of moments (MOM) (Hulburt and Katz, 1964; McGraw and Saunders, 1984). These numerical techniques are summarized in Ramkrishna (2000), but all of them are too time-consuming for coupling to CFD simulations. From these techniques, the MoC is considered an usually acceptable balance between accuracy and computational eort for monovariate population balance problems. In the MoC, the continuous range of the internal coordinate, v, is partitioned into a nite series of contiguous intervals dened by vi and vi+1 , i = 0, . . . , n. The [vi , vi+1 ] interval is the i class, in which a single property value, the pivot or abscissa i , is used to represent all particles belonging 2
to this interval. This discretization process transforms the integro-dierential PBE into a set of dierential equations that can be solved by standard solvers. There are several MoC variants, which mainly dier on the choice of the discretization grid and on the properties that are assumed to be conserved during the discretization. The classic formulation of MoC (Ramkrishna, 2000) utilizes xed pivots to discretize the particle domain, generating a set of dierential equations to be solved for the particle number density in each interval, Ni . In the MOM, a solution is sought for the lower-order moments of the number density distribution function which are sometimes sucient to provide a statistical description of the particulate system (Friedlander, 1977). The k th moment of a distribution is dened as:
k =
0
v k f (v, t) dv,
k = 0, . . . ,
(2)
The method is based on the PBE integration with the operator 0 v k dv, giving dierential equations for the moments. At this point the MOM weakness appears, because, except for very special cases, high-order moments are present in the dierential equations for the lower-order moments. This closure problem has to be dealt with closure laws for some of the largest moments, which are approximated relations that allows the calculation of the largest moments (k , k n) that appears in the set of dierential equations for the rst n moments (k , k = 0, .., n 1). This lack of closure is a severe drawback to the MOM, because it introduces an unknown error in the solution. This was the main reason that make the MOM unpopular in the academic community for several decades. McGraw (1997) proposed the Quadrature Method of Moments (QMOM) that solves the closure problem by approximating the terms in the integrated PBE by a Gaussian quadrature that can be calculated using only those lower-order moments of the distribution function which are been solved for. The essence of this approach lies in determining this Gaussian quadrature whose weight function is the unknown distribution function. This can be done representing the distribution function with a set of delta functions with weight functions wi and abscissas i (Lanczos, 1988), f (v, t) =
i=1
wi [v i ]
(3)
which, when substituted on Eq. (2) for the rst 2n moments, leads to 2n 3
equations for wi and i : k =

n i=1
ik wi ,
k = 0, . . . , 2n 1
(4)
Thus, if the PBE is solved for the 2n rst moments, they can be used to calculate the n weights and n abscissas for the quadrature closure. However, the numerical solution of Eq. (4) is computationally expensive. Fortunately, there exists the Product Dierence Algorithm (PDA), proposed by Gordon (1968), that is an ecient approach to evaluate the quadrature in which the moments are used to build a tri-diagonal matrix whose eigenvalue problem solution calculates the weights and abscissas. Using the same idea of a quadrature closure, Marchisio and Fox (2005) developed the Direct Quadrature Method of Moments (DQMOM). The DQMOM assumes the existence of a Gaussian quadrature, shown in Eq. (3), which is thus substituted into the PBE giving, after convenient integration using the operator 0 v k dv, dierential equations for the weights and abscissas. Solving directly for the quadrature rule, the DQMOM avoids the extra load of the PDA, which is necessary for the QMOM. The PDA is necessary only for initialization. During integration, the weights and abscissas evolve as the particle distribution function changes. Recently, Bove et al. (2005) formulated the Parallel Parent and Daughter Classes (PPDC) method to solve the PBE that also uses the Gaussian quadrature given by Gordon (1968). The PPDC method uses an operator splitting of the explicit Euler time marching method and several grids for the particle property space. Particle death events occurs in the parent particle grid whereas birth events due to breakage and aggregation of particles are represented in an one-grid-per-event-type basis. Thus, the distribution functions for the parent and daughters particles are represented by series of Dirac delta functions, as given by Eq. (3), each one evolving in a dierent grid. The parent particle distribution function is assumed to be the Gaussian-Gordon quadrature. Thus, there is one grid for the parent particles with n classes, n grids for the daughters formed by breakage, one for each i-class parent particle, i = 1, . . . , n, and n(n 1)/2 grids for the daughters generated by aggregation of two parent particles, one for each combination of i and j parent classes, i, j = 1, . . . , n. These grids are called parallel because death and corresponding birth events occur simultaneously in them. A characteristic of the PPDC method, which is analyzed in the present work, is the need to dene the grids associated to the birth by breakage in terms of number of classes and their pivot positions. The PPDC method regenerates the Gordon-Gaussian quadrature of the overall particle distribution at the end of the time step by summing up the moments of the parent and daughter particle distribution functions and then the PDA. 4
From the above, it is clear that QMOM, DQMOM and PPDC share one main characteristic: the closure of each method is given by a Gaussian quadrature whose weight is the number density distribution function of particles. When this quadrature rule is needed, all methods use the PDA algorithm of Gordon (1968) that needs the moments of the distribution function. Due to the quadrature rule, all of these methods has a discrete representation of the particle distribution function given by Eq. (3), which make them similar to the MoC. Bove et al. (2005) themselves considered their method as a nonstandard MoC. In the authors point of view, these three methods can be seen as hybrid methods, as they give a discrete representation of the number density distribution function but with the accuracy of a Gaussian quadrature. 1.2 Scope and aim
The convergence of these hybrid methods have been analyzed in the original contributions (McGraw, 1997; Marchisio and Fox, 2005; Bove et al., 2005) but their numerical eciencies have never been compared quantitatively. The objective of the present work is to quantitatively compare the computational eciency of the QMOM, DQMOM and PPDC method among themselves and against the classical MoC of Kumar and Ramkrishna (1996a).
Comparison framework
The best way to compare numerical methods is against analytical solutions, when the true numerical error can be easily evaluated, because there is no point in comparing numerical methods using their solutions for a given problem with dierent accuracies. Although with some limitations, analytical solutions for the PBE considering simultaneous breakage and coalescence are indeed available from the literature (Patil and Andrews, 1998; Lage, 2002; McCoy and Madras, 2003). Patil and Andrews (1998) obtained an analytical solution for a special case where the total number of particles is constant. Latter, Lage (2002) corrected a simplication error in the deduction of Patil and Andrews (1998), obtaining a simpler expression for the analytical solution. McCoy and Madras (2003) derived an analytical solution for a more general case, where the total number of particles is not constant, but using a dierent initial condition. The present work uses the PBE problems whose analytical solutions are given by Lage (2002) and McCoy and Madras (2003) to verify the convergence, accuracy and computational eciency of the MoC, QMOM, DQMOM and PPDC 5
method. Cases with dominant breakage, dominant aggregation and constant number of particles (invariant) were used. Firstly, the convergence of the numerical moments using dierent number of classes and quadrature points was evaluated for these cases. Then, the transient behavior of the relative errors of the moments was analyzed. As the PPDC method is based on the explicit Euler method, the other methods were also solved using this time scheme for comparison. Finally, the computational eciency of the numerical solutions were compared by determining the computational time for solutions with similar accuracy. 2.1 The PBE problems
Patil and Andrews (1998) analyzed the simultaneous breakage and aggregation PBE for a mono-variate distribution function in particle volume, f (v, t), that is given by: df (v, t) 1 = dt 2
0 v
a(v v , v )f (v v , t)f (v , t) dv a(v, v )f (v, t)f (v , t) dv (v )b(v )P (v | v )f (v , t) dv b(v)f (v, t) (5)
+
v
where a(v, v ) is the aggregation frequency, (v) is the mean number of particles formed by breakage, b(v) is the breakage frequency and P (v | v ) is the probability density function of a particle of volume v generated by breakup of a particle of volume v . The PBE shown in Eq. (5) is subjected to the following initial conditions: f (v, 0) = 0 (0) or 0 (0) f (v, 0) = 0 (0) 2 1 (0)
2
0 (0) 0 (0) v e 1 (0) 1 (0)
(6)
ve
2 0 (0) v
1
(0)
(7)
where 0 (0) and 1 (0) are the initial zero and rst-order moments. Due to mass conservation, 1 is constant for the considered problems. 6
The breakage and coalescence frequencies, the breakage mean number and the probability function adopted by Patil and Andrews (1998) are shown below: (v) = 2, b(v) = Sv, S = constant (8) (9) (10)
a(v v , v ) = C, P (v | v ) = 1 v
C = constant
Patil and Andrews (1998) introduced the following dimensionless variables ( ) = 0 (t) , 0 (0) = v0 (0) , 1 = 0 (0)Ct, (, ) = f (v, t)1 [0 (0)]2 (11)
which turns Eq. (5) into: 1 = t 2
( x, )(x, ) dx (, )( )
0 2
+ [()]
(x, ) dx
[()]2 (, ) 2
(12)
with initial conditions (, 0) = e or (, 0) = 4e2 , where () = 2S1 /C/0 (0) (15) (14) (13)
is the steady-state solution of the dimensionless particle number density. Thus, when () = 1, the number density and the total number of particles are constant. The dimensionless formulation presented in Eqs. (12), (13) and (14) were used by Patil and Andrews (1998), Lage (2002) and McCoy and Madras (2003) to obtain their analytical solutions. If the initial distribution is normalized, 0 (0) = 1, and with 1 = 1, the dimensionless variables are identical to its dimensional form when C = 1.0. In 7
this case, it is possible to relate S directly to () by simplifying Eq. (15) to: 1 S = [()]2 2 (16)
Assuming these conditions, the dimensionless and dimensional solutions can be compared directly. Therefore, the following description of the numerical methods was carried out in the dimensional form.
2.2
Analytical solutions
2.2.1 Solution of Lage (2002) The analytical solutions proposed by Patil and Andrews (1998) and Lage (2002) assumed no variation on the total number of particles, that is, ( ) = () = 1, . They managed to derive analytical solutions for the initial conditions given by Eq. (13) and (14). The former was shown to be a steadystate solution. The latter initial condition gives a transient solution whose simplied form given by Lage (2002) is: (a) (, ) = K1 ( ) + pi ( )K2 ( ) pi ( ) e , > 0 L2 ( ) + 4pi ( ) i=1
2
(17)
where K1 ( ) = 7 + + e K2 ( ) = 2 2e L2 ( ) = 9 + e 1 p1,2 ( ) = (e 9) d( ) 4 d( ) = 2 + (10 2e ) + 25 26e + e2
(18)
The analytical moments are obtained through their denition, Eq. (2), as: k ( ) =
(a)
(2+k) k
2 2 k1 K1 ( )+pi ( )K2 ( ) (k i=1 [pi ( )] L2 ( )+4pi ( )
for = 0 + 1) for > 0
(19)
2.2.2
Solution of McCoy and Madras (2003)
McCoy and Madras (2003) treated the general case where the total number of particles is not constant, (0) = (). Thus, () can assume arbitrary values, that represents systems with predominant breakage (() > 1) or aggregation (() < 1). For the initial condition given by Eq. (14), they could not nd a closed-form solution. For the initial condition given by Eq. (13), they managed to derive the following solution: (a) (, ) = 2 ( )e( ) where ( ) = () 1 + () tanh(() /2) () + tanh(() /2) (21) (20)
whose moments, for any nite (), are given by:

(a) k ( ) 1 () + tanh( 2 () ) = ()(1 + () tanh( 1 () )) 2 k1
(k + 1), for 0 (22)
Numerical techniques
This section describes the MoC, QMOM, DQMOM and PPDC numerical formulations applied to Eq. (5). 3.1 The method of classes
In the MoC of Kumar and Ramkrishna (1996a), only two population properties can be conserved which are usually taken to be the zero and rst moments. The zero order sectional moment, Ni , represents the number of particles in class i while the rst moment conserves the chosen internal variable, which is the volume, v, in the present case. In fact, Ni includes all the particles with properties between vi and vi+1 (vi < i < vi+1 , i is the pivot) and is given by
vi+1
Ni =
vi
f (v, t)dv,
i = 1...n
(23)
Eq. (5) is integrated in the [i1 , i+1 ] interval and, after some manipulations (Ramkrishna, 2000), the following system of equations is obtained: 9
dNi = dt +
kj
k,j=1
(1 0.5kj ) kji a(k , j )Nk Nj Ni
n k=1
Nk a(k , i ) (24)
i1 (k +j )i+1 n k=i
i,k b(k )Nk Ni b(i )
where and are grid dependent functions of the variables which, in the case of number and volume conservation, are given by: kji = i i1 i+1 (j +k )
i+1 i
(j +k )i1
for i1 (j + k ) i for i (j + k ) i+1
(25)
i+1
ik =
i
i+1 v P (v | k ) dv + i+1 i
i1
v i1 P (v | k ) dv i i1
(26)
In order to provide better evaluations of the cases with dominant breakage or dominant aggregation, geometric grids were used. The grid ends were dened in order to avoid excessive truncation error of the initial distribution function, keeping the relation n /1 = 108 . The following geometric rule was used to construct the pivots: i+1 = si for i = 0, . . . , n (27)
where s is the geometric parameter used to control the number of classes, whose value was chosen between 1.05 and 2. Only the i , i = 1, . . . , n were active pivots. 0 and n+1 were calculated to evaluate the limits of each class by: vi = i1 + i , 2 i = 1, . . . , n + 1 (28)
Due to the choice of the conserved properties, it is not possible to conserve the moments k , k > 1, but it is still possible to calculated them from the solution: k =
n i=1
ik Ni
(29)
Further details about this method and its formulation can be found in Ramkrishna (2000) and Campos and Lage (2003). 10
3.2
Quadrature method of moments
The PBE, given by Eq. (5), is operated with 0 v k dv, and the right-hand sides of the resulting equations are approximated by using the Gordon-Gaussian quadrature, giving the following QMOM moment equations: dk (t) (n) = Hk , dt where
k (n) 1 Hk = [(i + j )k ik j ]a(i , j )wi wj 2 i=1 j=1 n n
k = 0, . . . , 2n 1
(30)
+ and
n i=1
b(i )wi [(i )k (i ) ik ]
(31)
k (i ) =
0
v k P (v | i ) dv
(32)
i For the present PBE problems, Eq. (10) leads to k (i ) = k+1 . The PDA implementation used in this work was the one given by Lage (2007) that gains numerical precision by representing real numbers in critical computations in the algorithm by using dierent variables for their mantissa and exponents.
3.3
Direct quadrature method of moments
The substitution of Eq. (3) into the PBE, Eq. (5), followed by operation with k 0 v dv results in the dierential equations for the weights and weightedabscissas, i = wi i , given by: dwi = i , dt di = dt
i,
i = 1, . . . , n i = 1, . . . , n
(33) (34)
together with the following system of 2n linear equations: (1 k)

n i=1
ik i
+k
n i=1
ik1
(n) = Hk ,
k = 0, . . . , 2n 1
(35)
11
which is solved for the source terms of Eqs. (33) and (34), i and i , i = 1, . . . , n. It should be noted that the independent vector of the linear system, (n) Hk , is the same as in QMOM, given by Eq. (31) for simultaneous aggregation and breakage. In the DQMOM solution, the linear system given by Eq. (35) is solved and coupled to the solution of the dierential equations given by Eqs. (33) and (34). From a given distribution function, the PDA is used to generate the initial conditions of wi and i , i = 1, . . . , n. 3.4 Parallel parent and daughter classes method
The time discretization used in PPDC is the explicit Euler method which implies that the source terms in the PBE due to aggregation and breakage processes, referred here as superscript a and b, respectively, are evaluated using the distribution function at the beginning of the time step. Denoting the terms of birth and death of particles by the subscripts B and D, respectively, the time-discretized PBE can be written as: f (v, tn+1 ) f (v, tn ) a a = HB (v, tn ) + HD (v, tn ) t b b + HB (v, tn ) + HD (v, tn )
(36)
In order to complete the PBE splitting, the distribution function is decomposed into several series of Dirac delta functions for the several parallel grids:
n i=1 n n
fe (v, t) = +
Ni (t)[v i ] +
(i)
i=1 j=1 (i)
Aij (t)[v yij ] (37)
n N B(i) i=1 k=1
Bk (t)[v zk ]
Ni and i are, respectively, the number densities and pivots for the classes in the parent grid. For each i and j, i, j = 1, . . . , n, Aij is the number density at pivot yij = i + j , that denes the daughter grid due to aggregation of particles belonging to the i and j parent classes. One daughter grid is dened (i) for the breakage of each parent class i, with Bk being the number densities (i) at the pivots zk [0, i ). N B(i) are the number of classes in such grids. Mass (or volume) conservation imposes a restriction upon the grids for the daughter particles due to breakage. For binary breakage ( = 2), the death of one parent particle with volume i results in the birth of two breakage daughter 12
particles with volumes i and (1 )i (0 1). Thus, a symmetric grid in the form zk = k i ,
(i) (i)
0 k 1
(i)
and k = 1 N B(i)+1k
(i)
(i)
(38)
suces for mass conservation. However, it is still necessary to dene the value of N B(i). The original work of Bove et al. (2005) used an uniform rule to construct the daughter breakage grids, that is, they set: N B(i) = c, c = constant (39)
Since the daughter classes must be empty at the beginning of the time interval [tn , tn+1 ], then Aij (tn ) = Bk (tn ) = 0,
(i)
i, j, k
(40)
Combining Eqs. (36) and (37) and using Eq. (40), the numerical densities at tn+1 can be obtained by:
n j=1
Ni (tn+1 ) = Ni (tn ) + Ni (tn )
a(i , j )Nj (tn ) b(i )Ni (tn ) t i = 1, . . . , n
(41)
Aij (tn+1 ) =
(i)
1 1 ij a(i , j )Ni (tn ) t, i, j = 1, . . . , n, j i 2
(42)
Bk (tn+1 ) = [i b(i )Ni (tn )(i )] t, i = 1, . . . , n, k = 1, . . . , N B(i) (43) where

vk+1
(i)
(i ) =
(i) vk
P (v | i ) dv
(44)
which can be evaluated using Eq. (10) as (i ) =
vk+1 1 (i) i vk
(i)
dv =
vk+1 vk i
(i)
(i)
From Eq. (37), the moments at tn+1 can be calculated by: k (tn+1 ) =
n i=1
ik Ni (tn+1 ) +
i=1 j=1
k yij Aij (tn+1 )
13
n N B(i) i=1 k=1
[zk ]k Bk (tn+1 ),
(i)
(i)
k = 0, . . . , 2n 1
(45)
which are then used in the PDA to determine Ni and i at tn+1 . Thus, the parent classes are rebuild from the moments calculated in Eq. (45) at every time step.
Numerical Procedure
A PBE solver was programmed in FORTRAN 90 and the source code was compiled with gfortran-4.1 using -O3 high optimization ag and double precision variables. The function used in the analytical solutions and its initial conditions, shown in Eqs. (19) and (22), were calculated with the gammln subroutine described in the Numerical Recipes book (Press et al., 1990). The eigenvalues and eigenvectors of the tri-diagonal matrix in PDA were obtained through the imtql2 subroutine (Smith et al., 1976), downloaded from the NetLib website. The DQMOM linear system, shown in Eq. (35), was solved through Gaussian elimination using the gausslin subroutine (Pinto and Lage, 2001). The DASSL routine (Petzold, 1982) was also used for time integration of the systems of dierential equations. In all cases simulated using DASSL, the values of absolute and relative tolerances in the code were set to 1010 and 1012 , respectively.
Numerical Results
Three PBE cases were selected for the method comparison: (i) the one for each Lage (2002) gave the analytical solution, Eq. (19), in which breakage and aggregation are equally important (() = 1), (ii) the problem solved by McCoy and Madras (2003), as given by Eq. (22), for dominant breakage (() = 10) and (iii) this same problem but for dominant aggregation (() = 101 ). In the following, these cases are referred as cases I, II and III. It should be noted that 1 is constant in all cases due to mass conservation. Besides, number conservation occurs in case I, that leads to a constant 0 . Only the rst 4 to 6 moments of the distribution were considered in comparing the numerical methods. This was considered enough for comparing the lower-order approximations that need to be used in PBE-CFD coupled solution. The MoC was tested with 3 dierent grids using s = 1.4, 1.2 and 1.1 in Eq. (27) which resulted in geometric meshes with 55, 102 and 194 classes, respectively. Grid endpoints were somewhat dierent for each case, being n 14
equal to 100, 10 and 140 for cases I, II and III, respectively. In addition, the daughter breakage grid in PPDC was discretized using Eq. (39) with c = 5. First, the moments obtained by the numerical solutions with the MoC, QMOM, DQMOM and PPDC method were compared to the analytical solutions in order to evaluate the convergence of the moments using dierent number of quadrature points or classes. Since a good evaluation of the methods accuracies is essential, several error denitions were used. The relative error of the k th moment, R,k , dened by Eq. (46), provides a good description of the transient numerical accuracy of the methods. R,k (t) = k (t) k (t) k (t)
(a) (a)
(46)
As dened in Eq. (47), P is the mean error of the rst N moments of the distribution at each time instant. P (t) = 1 N
N 1 k=0
2 (t) R,k
(47)
The relative mean error (RME), given by Eq. (48), was used as a representative way to evaluate the mean transient behavior of the rst N moments. In Eq. (48), T is the number of solution samples considered during the transient simulation. = 1 NT
T N 1 l=1 k=0
2 (tl ) = R,k
1 T
T l=1
P (tl )
(48)
Finally, all the simulations were carried out until all moments reach steadystate values. 5.1 Time step convergence
The rst results shown in this work aim to evaluate the time step convergence for the quadrature-based methods. Since PPDC is derived with an explicit Euler discretization in time, an independent time-step solution is required for the proper evaluation and comparison of the methods. Thus, a mean error formulation involving only the rst four moments of the distribution (N = 4), shown in Eq. (47), was used to evaluate the Euler time step integration error for the QMOM, DQMOM and PPDC simulations. All cases were integrated 15
using the hybrid methods with the explicit Euler scheme using dierent time steps and 3 quadrature points. The QMOM and DQMOM simulations were performed using the DASSL subroutine as well. The latter uses a backward dierentiation formula with an adaptive time step to achieve a prescribed tolerance. Since the DASSL relative and absolute tolerances used in this work are very small, DASSL results can be seen as a reference solution for comparing the solutions obtained with the Euler method. As long as PPDC can not be integrated with DASSL, the inuence of the Euler time step over the PPDC precision was tested until the time step convergence was achieved. The mean instantaneous errors for case I simulations with all hybrid methods are shown in Figure 1. The results shown in Fig. 1(a) show dierent behaviors between the QMOM and DQMOM only for large time steps and specially at the beginning of the simulation, when the DQMOM error is larger. The behaviors of the QMOM and DQMOM errors tend to become similar as the time step is reduced until convergence. Their numerical solution using the Euler method converges to the DASSL results for t = 104 s. It should be noted that the DASSL results have no appreciable time integration error, being the simulations results with QMOM and DQMOM almost identical. Therefore, the error seen in Fig. 1(a) for DASSL simulations are solely caused by the quadrature approximation. Therefore, although using the same quadrature approximation, the DQMOM does not solve the problem in terms of the moments, existing a non-linear interaction that increases the DQMOM error for large time steps in the integration using the Euler method. On the other hand, the PPDC method accuracy depends heavily on the time step, as shown in Fig. 1(b). Its solution became independent of the time step for t = 106 s. This clearly indicates that the main source of error is the operator splitting. At the steady state is approached, t 10s, the error in the converged PPDC method is about twice larger than the QMOM and DQMOM errors. Figures 2 and 3 shows the results for the simulations of cases II and III, respectively. Comparing the error magnitudes to those show in Fig. 1, it can be seen that the errors are the largest for case II and the smallest for case III. This shows that the numerical solution of the breakage phenomena is the largest source of error in these methods. The convergence behavior of the results obtained by all methods using Euler integration shows the same trends. The QMOM and DQMOM simulation results obtained by Euler integration for case III also converged to their DASSL simulation results for t = 104 s, as in case I, whereas this happened only for t = 105 s for case II. The convergence of the PPDC method occurred for t = 105 s for case III but only for t 107 s for case III. It is not shown here, but the same convergence analysis was evaluated using 4 16
quadrature points. Basically the same behaviors for the numerical errors and the t convergence were obtained, showing that the present results are not appreciably aected by the chosen number of quadrature points.
5.2
Evaluation of the numerical errors
The comparison between the relative errors of the rst four moments of the distribution, obtained by Eq. 46, using dierent number of classes (MoC) and quadrature points (QMOM, DQMOM and PPDC) is shown in this section. In order to minimize the time integration errors, the DASSL subroutine was used to integrate QMOM and DQMOM while the PPDC method was integrated with the explicit Euler scheme using t = 106 s. The moments were obtained using 3, 4 and 6 quadrature points for QMOM, DQMOM and PPDC. Since the MoC results are also evaluated in this section, it is possible to compare the accuracy between a xed pivot method and the hybrid methods with their adaptive pivot positioning. The MoC was employed using geometric grids as described in Section 5. The comparison of the moment relative errors for the solution of case I is presented in Fig. 4, where it is clear that QMOM and DQMOM errors are much lower than those obtained with PPDC and MoC. A better comparison between QMOM and DQMOM accuracies can be made from Figs. 4(a) and 4(b). Since the number, 0 , and the volume, 1 , of particles are constant for case I, these lower moments present a very dierent behavior for the QMOM and DQMOM solutions. While QMOM provides relative errors in the order of machine accuracy ( 1015 ) for these two moments, DQMOM shows relative errors in the order of the tolerances imposed in DASSL integration (1010 1012 ). This comes from the fact that DQMOM solves for the weights and abscissas that are not constant along time even though 0 and 1 are. On the other hand, the errors of the higher moments, 2 and 3 , obtained by QMOM and DQMOM are almost identical. In fact, the curves of 2 and 3 shown in Figs. 4(a) and 4(b) coincide if put together in the same graph. Furthermore, the accuracy of these moments increased as more quadrature points were used. Dierently from the QMOM and DQMOM results, Figure 4(c) shows that the accuracy of the moments obtained using the PPDC method are hardly aected by the number of quadrature points. In contrast, when the number of classes in the MoC was increased, the relative errors of the moments dropped by an almost constant factor, as shown in Fig. 4(d). In MoC, the error of 1 is constant as the moment itself and its accuracy is increased with grid renement. Compared with PPDC method results, MoC was able to achieve lower relative errors for 2 and 3 when using 102 classes. 17
The moment relative errors using the PPDC method should decrease as the number of quadrature points was increased. Instead of this expected behavior, the moment errors remain nearly the same independently of n, which indicates a false convergence behavior. In this case, the numerical moments achieve convergence for increasing n but they are dierent from the analytical solution. This is conrmed in Figure 5, where the analytical moments are compared with those obtained by PPDC with 3 and 6 quadrature points. From this gure, it can be noted that the numerical results of 3 achieve the same accuracy independently of n and both quadrature approximations do not follow the analytical results. Thus, the PPDC method was not able to achieve convergence of the moments in case I. In case II, the number of particles, 0 , is not constant due the dominant breakage. The relative errors of the simulations for case II are shown in Fig. 6. Again, QMOM and DQMOM achieved very small errors for the rst two moments and the errors for the higher moments, 2 and 3 , were basically the same for both methods. Thus, for a better readability, Fig. 6(a) only shows the lower moments, 0 and 1 , obtained by using QMOM and DQMOM. Since the latter methods obtained the same values for the higher moments, Fig. 6(b) shows their results only for DQMOM with n = 3 and 6. Finally, Figs. 6(c) and 6(d) present respectively the numerical errors for the PPDC and MoC methods. As in case I, QMOM also evaluates the constant 1 with errors near the machine precision but the 0 relative errors are in the order of the DASSL tolerances, varying negligibly with n, as seen in Fig. 6(a). On the other hand, the 0 and 1 relative errors obtained with DQMOM are two orders of magnitude larger than the DASSL tolerances, indicating that there is error accumulation due to the fast varying distribution in this dominant breakage case. In contrast, the accuracy of 2 and 3 greatly increases with n, as can be seen in Fig. 6(b). The moment relative errors obtained by the PPDC method, shown in Fig. 6(c), are almost independent on the number of quadrature points. There is a increase in accuracy by increasing n only for 2 . In addition, 0 and 1 relative errors are accumulating in time, indicating that the chosen time step is still somewhat large. The relative errors for the higher moments have similar values for the QMOM and DQMOM errors for n = 3 but are much larger for n = 6. This lack of proper convergence indicates that, as in case I, the PPDC method leads to a false convergence behavior. Figure 6(d) shows that MoC results show a better performance than PPDC in this case. As in case I, moment accuracy in MoC is improved by a constant factor as the grid is rened. Fig. 7 presents the relative errors of the moments for case III using QMOM, DQMOM, PPDC and MoC. As observed in Fig. 7(a) and (b), the behaviors of 18
the errors of the lower moments, 0 and 1 , obtained by QMOM and DQMOM are similar to those of case II. The DQMOM errors for 0 and 1 and the QMOM error for 0 stay around 108 , being controlled by DASSL tolerances, whereas the QMOM error for 1 is near to machine precision. Both QMOM and DQMOM obtained the same accuracy for the higher moments although some dierences could be noticed for n = 6. From Fig. 7(c), the relative moment errors obtained by the PPDC method also show lack of proper convergence as n is increased. Besides, error accumulation is present for all moments. Figure 7(d) shows that MoC gives the worst solution among all analyzed methods for case III, showing its diculty in representing fast aggregation processes. The analysis of the RME, dened in Eq. (48), can provide an overall perspective regarding the convergence rate of the methods. Figures 8, 9 and 10 presents the RME obtained for all methods using the rst 6 moments and T = 1000 time samples for cases I, II and III, respectively. For the hybrid methods, the number of quadrature points was chosen to be 3, 4 and 6, and for the MoC, three geometrical grids were chosen that basically double the number of pivots between successive grids. As noticed in Figs. 8-10, the global behavior of QMOM and DQMOM are very similar. They basically reached the same RME values for all cases. Thus, the small dierences in their accuracies are not relevant to the overall behavior. Moreover, QMOM/DQMOM presented the largest convergence rate for all cases, reaching very low values for the RME. For all cases, PPDC have the smallest convergence rate, even when compared to the MoC. In fact, MoC using the most rened grid was able to achieve better RME values than PPDC in all cases. The accuracy of MoC was almost the same for all simulated cases since the grid was properly adjusted for each case. 5.3 Computational Time
An evaluation of the computational time of QMOM, DQMOM and PPDC is shown in this section. The gfortran 4.0 intrinsic subroutine CPU TIME was used to return the elapsed CPU time in seconds, accurate to the millisecond. The tests were realized using the explicit Euler method with t = 105 s which was chosen in order to provide a good balance between accuracy and the proper comparison between all methods. It should be noted that in PBE-CFD coupled simulations of polydisperse multiphase ows, low order methods are usually employed what makes our choice of integration method quite adequate. The computational eort of each hybrid method was evaluated for n = 2 to 10. The tests were evaluated for case I with 5 s of simulation time and using 19
an Intel Core 2 Duo 6600 2.4 MHz processor with Linux operational system. The computational time of the methods is shown in Fig. 11. Indeed, DQMOM is much faster than the other methods in most of the simulations, because the extra eort of the PDA increases the computational time of the PPDC method and QMOM. Figure 11 shows that the computation eorts of the QMOM and PPDC method were very similar for n 6. For higher values of n, the increase of the computational eort was not so severe for PPDC as for the other methods. As a matter of fact, PPDC presented the best computational time for n 9. However, as seen in the previous section, the numerical solution of PPDC is extremely dependent on the time step and lacks proper convergence with the number of quadrature points. Therefore, its usage is not recommended. Both QMOM and DQMOM can provide an accurate solution using higher values of time steps which results in faster simulations. Moreover, QMOM and DQMOM can use other time integration approaches than the explicit Euler method, such as a BDF method. The computational time of QMOM and DQMOM for case I using the DASSL routine are shown in Fig. 12. As expected, the simulations integrated with DASSL are much faster than those using the explicit Euler method, reported in Fig. 11. However, when using n = 10 the DASSL routine presented an error during the integration of DQMOM whereas the QMOM solution was interrupted due to loss of precision in the PDA. As noticed in Fig. 12, the DASSL routine had diculties to integrate the DQMOM solution using n = 9, which led to a substantial increase in the computational time. The MoC was not considered in the previous tests since its computational eort to solve the PBE is huge when compared to the other methods. For instance, MoC solution with 102 classes for case I takes more than 3 seconds using the DASSL routine and nearly 490 seconds using the explicit Euler with t = 105 s.
Conclusions
All three quadrature-based methods available in the literature, QMOM, DQMOM and PPDC, and the method of classes, MoC, were successfully compared for population balance problems with simultaneous breakage and aggregation. Three cases were setup with equivalent breakage and aggregation, dominant breakage and dominant aggregation, referred as cases I, II and III, respectively. The numerical results were compared against the Lage (2002) and McCoy and Madras (2003) analytical solutions. The QMOM, DQMOM and MoC were integrated in time using the backward dierence formula (BDF) implemented in 20
the DASSL routine (Petzold, 1982) and also using the explicit Euler method, needed for the PPDC method. The convergence of all quadrature-based methods regarding the time step used in time integration was evaluated. Both QMOM and DQMOM could easily achieved converged solutions. On the other hand, very small time steps were necessary to achieve an time-step independent solution with the PPDC method, indicating that the error is mainly due to the existing operator splitting. All methods were analyzed regarding their convergence regarding the number of particle classes, n. Although QMOM and DQMOM presented some dierences in the convergence behaviors of the distribution moments, their overall behavior is basically the same, showing the largest convergence rate with n. However, the PPDC method showed poor convergence, showing only minor improvements in the solutions when n was increased. The convergence rate is so small that a false convergence can easily be inferred if an analytical solution is not available. The MoC was able to achieve a better accuracy than the PPDC method with a good convergence rate. Finally, the computational eort of each quadrature-based method was evaluated for dierent n values, using the explicit Euler method for the time integration. The DQMOM was shown to be the most ecient for n 8 and the PPDC presented the best eciency for n > 8. However, the PPDC solution for the same n value is much less accurate than the DQMOM solution. In addition, the computational eort of both QMOM and DQMOM was evaluated using the DASSL routine for integration, and DQMOM was also the most ecient method. From the above comments, it can be conclude that the simulations using the PPDC method strongly suer from numerical errors. The error in the operator splitting requires a very small timestep in the explicit Euler integration method which leads to accumulation of truncation error. This makes the present version of PPDC inadequate. It can also be concluded that the DQMOM is the more ecient method for lower order moment approximations and it is recommended for coupling population balance solutions to CFD simulations.
Acknowledgments The authors would like to thank CNPq (grant no. 301548/2005-6) and FAPERJ for partially funding this research. L.F.L.R. Silva would also like to acknowledge the nancial support given by Chemtech. 21
References Bove, S., Solberg, T., Hjertager, B. H., 2005. A novel algorithm for solving population balance equations: the parallel parent and daughter classes. Derivation, analysis and testing. Chemical Engineering Science 60, 1449. Campos, F., Lage, P., 2003. A numerical method for solving the transient multidimensional population balance equation using an euler-lagrange formulation. Chemical Engineering Science 58, 2725. Friedlander, S., 1977. Smoke, Dust and Haze. John Wiley & Sons Inc. Gelbard, F., Seineld, J., 1978. Numerical solution of the dynamic equation for particulate systems. Journal of Computational Physics 28, 357. Gordon, R., 1968. Error bounds in equilibrium statistical mechanics. Journal of Mathematical Physics 9 (5), 655. Hounslow, M., Ryall, R., Marshall, V., 1988. A discrete population balance for nucleation, growth and aggregation. A.I.Ch.E. Journal 34 (11), 1821. Hulburt, H., Katz, S., 1964. Some problems in particle technology. A statistical mechanical formulation. Chemical Engineering Science 19, 555. Kumar, S., Ramkrishna, D., 1996a. On the solution of population balance equations by discretization - I. A xed pivot technique. Chemical Engineering Science 51 (8), 1311. Kumar, S., Ramkrishna, D., 1996b. On the solution of population balance equations by discretization - II. A moving pivot technique. Chemical Engineering Science 51 (8), 1333. Lage, P., 2002. Comments on the An analytical solution to the population balance equation with coalescence and breakage the special case with constant number of particles by D.P. Patil and J.R.G. Andrews [Chemical Engineering Science 53(3) 599601]. Chemical Engineering Science 57, 4253. Lage, P., 2007. The quadrature method of moments for continuous thermodynamics. Computers & Chemical Engineering 31 (7), 782799. Lanczos, C., 1988. Applied analysis. Dover. Marchisio, D., Fox, R., 2005. Solution of population balance equations using the direct method of moments. Journal of Aerosol Science 36, 43. McCoy, B., Madras, G., 2003. Analytical solution for a population balance equation with aggregation and fragmentation. Chemical Engineering Science 58, 3049. McGraw, R., 1997. Description of aerosol dynamics by the quadrature method of moments. Aerosol Science and Technology 27, 255. McGraw, R., Saunders, J., 1984. A condensation feedback mechanism for oscilatory nucleation and growth. Aerosol Science and Technology 3, 367. Patil, D., Andrews, J., 1998. An analytical solution to the population balance equation with coalescence and breakage - the special case with constant number of particles. Chemical Engineering Science 53 (3), 599. Petzold, L., 1982. A description of DASSL: A dierential/algebraic system solver. Tech. rep., Sandia National Laboratories. Pinto, J., Lage, P., 2001. Mtodos Numricos em Problemas de Engenharia e e 22
Qu mica. E-papers. Press, W., B.P., F., Teukolsky, S., Vetterling, W., 1990. Numerical Recipes The Art of Scientic Computing (FORTRAN version). Cambridge University Press. Ramkrishna, D., 2000. Population Balances Theory and Applications to Particulate Systems in Engineering. Academic Press, San Diego. Ramkrishna, D., Borwanker, J., 1973. A puristic analysis of population balance - I. Chemical Engineering Science 28, 1423. Ramkrishna, D., Borwanker, J., 1974. A puristic analysis of population balance - II. Chemical Engineering Science 29, 1711. Smith, B. T., Boyle, J. M., Dongarra, J. J., Garbow, B. S., Ikebe, Y., Klema, V. C., Moler, C. B., 1976. Matrix Eigen-system Routines EISPACK Guide. Springer-Verlag. Vanni, M., 1999. Discretization procedure for the breakage equation. A.I.Ch.E. Journal 45 (4), 916.
23
Figure Captions
510-3 410
-3
DASSL t = 10-2 t = 10-3 t = 10-4 DQMOM QMOM
310-3 P 210
-3
110-3 010
0
Case I
0.01
0.1 t
10
(a)
10-1 Case I PPDC
10-2
t = 10-4 t = 10-5 t = 10-6 t = 10-7 t = 10 0 5 t 10 15
-3
10-3
(b)
Fig. 1. Moment mean errors for case I using (a) QMOM, DQMOM (b) and PPDC.
24
410-2 DASSL t = 10-3 t = 10-4 t = 10-5 Case II DQMOM QMOM

0
310
-2
P 210-2
110
-2
010 0.001
0.01 t
0.1
(a)
100 Case II PPDC
10
-1
10-2
10-3 10-4 -5 10-6 10-7 10 0
0.2
0.4 t
0.6
0.8
(b)
Fig. 2. Moment mean errors for case II using (a) QMOM, DQMOM and (b) PPDC.
25
410-3 Case III 310-3 P 210-3 DQMOM QMOM
110
-3
DASSL -2 t = 10-3 t = 10-4 t = 10 0 5 10 15 20 t 25 30 35 40
010
(a)
10-2
P 10-3 Case III PPDC 10-4 0 5 10 15
t = 10 t = 10-4 t = 10-5 t = 10-6 t = 10-7
-3
20 t
25
30
35
40
(b)
Fig. 3. Moment mean errors for case III using (a) QMOM, DQMOM and (b) PPDC.
26
10-2 10-4 10-6 10-8 R,k 10-10 10

-12
Case I
10-2 10
-4
Case I
10-6 R,k k=0 k=1 k=2 k=3 n 3 4 6 10-8 10-10 10

-12
k=0 k=1 k=2 k=3
10-14 10
-16
n 3 4 6 0 1 2 t 3 4 5
2 t
(a)
10 10 R,k 10 10 10
-4 -2
(b)
10-1 Case I 10
-2
-3
k=0 k=1 k=2 k=3
3 4 6
R,k 10-3 10
-4
Case I n 55 102 k=0 k=1 k=2 k=3 2 t 3 4 5
-5
-6
10-5 0 1 2 t 3 4 5 0 1
(c)
(d)
Fig. 4. Relative errors of the moments for case I using (a) QMOM, (b) DQMOM, (c) PPDC and (d) MoC.
6 5
Case I
k=3 4 k 3 2 3 6
n analytical
k=2 k = 0, 1 1 0 1 2 t
Fig. 5. Comparison between the analytical and numerical moments using PPDC with 3 and 4 quadrature points.
27
10 10 10
-8
-1
DQMOM
-9
Case II 10
-2
10-10 10-11 R,k -12 10 10-13 10-14 10 10

-15 -16
10-3 R,k n Case II k=0 k=1 0 0.2 0.4 t 3 6 QMOM 10-4 3 6
k=2 k=3 0.8 1 10

-5
0.6
0.2
0.4 t
0.6
0.8
(a)
10-1 Case II 10-1
(b)
10-2 R,k 10-3
k=0 k=1 k=2 k=3
10-2 n 3 4 6 R,k 10-3 55 102 Case II n k=0 k=1 k=2 k=3 0.6 t 0.8 1
10-4
0.2
0.4 t
0.6
0.8
10-4
0.2
0.4
(c)
(d)
Fig. 6. Relative errors of moments for case II using QMOM (a), DQMOM (b), PPDC (c) and MoC (d).
28
10 10 10
-2 -4 -6
Case III
10-2 10-3 10-4 10-5

-6 R,k10 -7 10
Case III
R,k 10-10 10-12 10-14 10-16 0 5 10 n 3 4 6 20 t 25 k=0 k=1 k=2 k=3 30 35 40
10-8
10-8 10-9 10-10 10-11 0 5 10 15 n 3 4 6 20 t 25 k=0 k=1 k=2 k=3 30 35 40
15
(a)
10
-2
(b)
10-1
-2
Case III k=0 k=1 k=2 k=3
10-3 n R,k 10
-4
10
10-5 10-6 10-7
3 4 6
R,k
10-3 10-4 10-5

-6
55 102 Case III
k=0 k=1 k=2 k=3
10
15
20 t
25
30
35
40
10
10
15
20 t
25
30
35
40
(c)
(d)
Fig. 7. Relative errors of moments for case III using QMOM (a), DQMOM (b), PPDC (c) and MoC (d).
50 101 100
number of classes 100 150
200
(%)
10-1 10-2 10-3 QMOM DQMOM PPDC MoC 3 4 5 6
quadrature points
Fig. 8. Results for the RME (%) using QMOM, DQMOM, PPDC and MoC simulated for case I using dierent number of classes/quadrature points.
29
50
200
101 (%) 100
10-1
quadrature points
Fig. 9. Results for the RME (%) in case II using QMOM, DQMOM, PPDC and MoC simulated using dierent number of classes/quadrature points.
50 101 (%) 100
200
10-1 10-2 10-3 10-4 QMOM DQMOM PPDC MoC 3 4 5 6
quadrature points
Fig. 10. RME results (%) for case III using QMOM, DQMOM, PPDC and MoC simulated using dierent number of classes/quadrature points.
30
10
Case I CPU Time (s)
101
100 2 3 4 5 6 n
QMOM DQMOM PPDC 7 8 9 10
Fig. 11. Computational time of the simulations using QMOM, DQMOM and PPDC for case I using the explicit Euler method with t = 105 s.
101 Case I
CPU Time (s)
100
QMOM DQMOM
10-1 2 3 4 5 n
Fig. 12. Computational time of QMOM and DQMOM simulated with the DASSL routine.
31
Apndice B Avaliao e Implementao da EBP e MUSIG

B.1 Informaes sobre o Apndice
O trabalho apresentado neste anexo foi apresentado na
International Conference
Uma verso
of Multiphase Flow
2007 [281], que ocorreu em Leipizg, Alemanha.
aprimorada deste trabalho foi aceita recentemente para publicao [260].
227
694
6th International Conference on Multiphase Flow, ICMF 2007, Leipzig, Germany, July 9 13, 2007
Implementation and analysis of numerical solution of the population balance equation in CFD packages
Silva L.F.L.R., Damian R.B. and Lage P.L.C.

Programa de Engenharia Qumica, COPPE, Universidade Federal do Rio de Janeiro P. O. Box 68502, 21941-972, Rio de Janeiro, RJ, Brazil paulo@peq.coppe.ufrj.br Keywords: Population balance, DQMOM, ANSYS CFX, OpenFOAM
Abstract Simulation of polydisperse ows must include the effects of particle-particle interaction, as breakage and aggregation, coupling the population balance equation (PBE) with the multiphase modelling. In fact, the implementation of efcient and accurate new numerical techniques to solve the PBE is necessary. The Direct Quadrature Method of Moments (Marchisio & Fox 2005), known as DQMOM, came into view as a promissing choice for this implementation. DQMOM is a further development from QMOM (McGraw 1997), a moment-based method that uses an optimal adaptive quadrature closure. In the present work, DQMOM was implemented in two CFD packages: the commercial ANSYS CFX code, through FORTRAN subroutines, and the open-source OpenFOAM code, by directly coding the PBE solution. Transient zero-dimensional and steady one-dimensional simulations were performed in order to explore the PBE solution accuracy using several interpolation schemes. Simulation cases with dominant breakage, dominant aggregation and invariant solution (equivalent breakage and aggregation) were simulated and validated against an analytical solution (McCoy & Madras 2003). The solution of the population balance equation was then coupled to the two-uid model, considering that all particles classes share the same velocity eld. Momentum exchange terms were evaluated using the local instantaneous Sauter mean diameter of the size distribution function. The two-dimensional tests were performed in a backward facing step geometry where the vortex zones traps the particles and provides high rates of breakage and aggregation. Introduction The Computational Fluid Dynamic (CFD) simulations have been used with great success in chemical engineering applications. Nowadays, CFD analysis allows the reproduction of local details in three-dimensional domains in equipments and the treatment of processes with complex physics as multiphase, turbulent and reactional ows. However, the Direct Numeric Simulation (DNS) of these ows in industrial scale are still intractable. Therefore, statistical averaging modelling approaches are necessary to reduce the computational effort. One of these modelling approaches for multiphase ows is the multiuid model, also called the Eulerian multiphase ow model, in which conservation equations are derived for each relevant mean variable eld of each phase (momentum, energy, turbulence energy, mass concentration, etc.) (Ishii 1975; Drew & Prassman 1999). In the statistical averaging process, interphase exchange terms are produced, which need to be modeled considering a characteristic length scale of the interface. Dispersed multiphase ows are those in which one phase is a connect domain and all the others phases are dispersed in the form of small elements, the particles, used here for drops, bubbles or solid particles. In these cases, particle diameter characterises the interphase length scale and it is commonly used in modelling all interphase exchange terms which give the interactions between the particles and the continuous phase. However, they do not consider the particleparticle interactions. In dispersed ows, the particles interact among themselves. They collide and may aggregate. They can be broken due to collisions or due to interaction with the continuous phase ow. Therefore, the occurrence of particles with different sizes are more a rule than an exception in a dispersed ow. In actual applications, the particles in a dispersed multiphase ow are different due to several properties: size, shape, composition, energy content, etc. When the particles cannot be assumed to be equal, the ow is called a polydisperse multiphase ow. There are two challenges in modelling dispersed ows: the exchange of momenta between particles due to collisions, which is important for dense solid particle ows (granular ows), and the changes of all other particle properties due to particle breakage and aggregation, which is paramount in uid particles ows. The former problem is analysed by modelling each collision in the discrete element method (Bertrand et al. 2005) or by including their statistical averaged inuence in the multiuid model as in the theory of granular ows (Gidaspow 1994). The latter problem is analysed by population balance (PB) (Ramkrishna 2000), which
694
includes the statistically averaged effect of breakage and aggregation on the particle population. Population balance has shown to be a powerful tool to describe the evolution of particle distributions in different pieces of equipment for decades. Besides the modelling of the phenomena which change the number of particles (breakage, aggregation and nucleation), it can also accounts for any variation of a particle property due to its interaction to the continuous phase. Recently, much research has been carried out on the coupling of the solution of the population balance equation (PBE) to CFD software. The main limitation of this coupling is the extra computational effort for PBE solution. Classical numerical techniques to solve the PBE, as Monte Carlo or sectional methods, are very computational expensive. Therefore, efcient and accurate new numerical methods are necessary. The Direct Quadrature Method of Moments (DQMOM) (Marchisio & Fox 2005) came into view as a promising choice for the PBE-CFD coupling. DQMOM was inspired by QMOM (McGraw 1997), a moment-based method that uses an optimal adaptive quadrature closure. DQMOM avoids the moment balance equations of QMOM. The main advantage of QMOM/DQMOM is that few abscissas are necessary to accurately describe a particle distribution due to the optimal quadrature closure. Since this leads to moving pivots, when the DQMOM solution of the PBE is coupled to CFD simulations, each point in the physical domain has its own quadrature abscissas and weights to describe the particle distribution. The accuracy gain thus obtained enables that DQMOM can be used in PBE-CFD simulations without increasing too much the computational effort as previous techniques do. Marchisio & Fox (2005) presented the DQMOM technique, showing its efciency against previous techniques. DQMOM was used to the PBE-CFD simulations of a polydisperse gassolid uidised bed using the FLUENT package (Fan et al. 2004) and was recently applied to simulate ows with bivariate particle distributions (Fox 2006). Besides the PBE-CFD coupling, another great challenge on the simulation of polydisperse ows are the breakage and aggregation modelling. Arajo (2006) showed that the current available breakup and coalescence models for gas-liquid ows are not completely adequate. For instance, a simulation of a bubble column ow must consider several difcult modelling issues as turbulence in two-phase ow, momentum interphase exchange forces (drag, lift, virtual mass, wall lubrication and turbulent dispersion forces) and the PBE solution with adequate breakage and coalescence models. Note that experimental validations of this kind of ow are very difcult due to the fact that too many modelling uncertainties are present. The present work is focused on the investigation of the numerical behaviour of the coupled DQMOM solution in CFD codes. For the present time, no attention will be given to realistic breakage and aggregation models and neither to the adequacy of the modelling of the momentum interphase exchange forces. Rigorous numerical verication steps were followed to learn how this coupling behaves in order to guarantee numerical accuracy of the PBE solution in CFD codes before moving ahead to the other modelling stages.
The numerical verication were performed using the analytical solution of McCoy & Madras (2003), which solves the monovariate PBE for a transient zero-dimensional problem considering simple breakup and aggregation models. Cases with dominant breakage, dominant aggregation and the invariant solution (equivalent breakage and aggregation) were considered. First, transient zero-dimensional simulations were performed in order to check the time integration accuracy of the CFD codes. Next, the time dependent zero-dimensional solution was transformed to a steady onedimensional solution considering a uniform velocity eld. This allowed the analysis of several advection schemes and mesh convergence. Finally, in order to verify the multidimensional behaviour of the implementation, a ctitious two-dimensional emulsion ow through a Backward Facing Step (BFS) geometry was simulated using the same simple models for breakage and aggregation. Nomenclature A a(v, v , t) b(v, t) CD D ds f (x, v, t) g H(x, v, t) k M N n P (v | v ) p r T t u v x wi Greek letters k i i , i (v) cross section area divided by the volume of the particle (m1 ) aggregation frequency (m3 s1 ) breakage frequency (s1 ) coefcient of interphase drag force deformation tensor of phase (kg m1 s2 ) Sauter mean diameter (m) particle distribution function (m6 ) gravitational eld (m s2 ) PBE source term (m6 s1 ) turbulent kinetic energy (m s2 ) interphase force acting on phase (kg m2 s2 ) number of phases number of quadrature points conditional probability for generating a daughter particle of volume v once a particle of volume v has broken (m3 ) pressure (kg m1 s2 ) fraction of phase tension tensor of phase (kg m1 s2 ) time (s) velocity eld of phase (m s1 ) volume of particle (m3 ) external variables, spatial coordinates (m) quadrature weight (m3 ) mean relative error Gamma function moment k of distribution weighted abscissa (i = i wi ) dynamic viscosity of phase (kg m1 s1 ) kinematic viscosity of phase (m2 s1 ) density of phase (kg m3 ) viscous tension tensor of phase (kg m1 s2 ) DQMOM source terms mean number of particles formed due to the
694
i Subscripts c d r Superscripts (a) D ef f f lam turb
breakage of a particle with volume v quadrature abscissa (m3 ) continuous phase dispersed phase relative analytical solution drag effective dimensional variable dimensionless variable laminar turbulent
The formulation of Eqs. 3 and 4 is used in the twoPhaseEulerFoam solver of OpenFOAM and that given by Eqs. 6 and 7 is used in CFX. In Eq. 2, M represents the momentum exchange through the interface or a force per unit volume acting on phase . This force is usually decomposed as interaction forces responsible for drag, lift and virtual mass, among others. As commented before, there is no general agreement on the literature about the modeling of M . In order to avoid additional modelling uncertainty, it was decided to include only the drag force in M because it is usually the dominant force and both ANSYS CFX and OpenFOAM use exactly the same correlation. Considering a two-phase ow in which = c represents the continuous phase and = d the dispersed phase, the drag force is modelled as shown in Eq. 9. MD = c 1 rd Ad c CD |ur | ur 2 (9)
Two-uid Model The two-uid model is based on the mean mass and momentum conservation equations to describe the dynamic behaviour of the two-phase ow. These equations are obtained through average procedures, which usually are the time average or the ensemble average. The average procedure introduces the average occurrence of phase , r , which is known as the phase fraction. Due the average procedure, additional terms appears in the mean conservation equations which need to be modeled. These terms represent the phenomena that occurs on scales smaller than the averaging scale. Details about the theory and formulation of the two-uid model can be found in Ishii (1975), Drew & Prassman (1999) and Bove (2005). Assuming that the interfacial tension effects are not important, it is possible to consider that all phase share the same pressure eld. In this case, the average two-uid equations are given by: (r ) + t (r u ) t + + (r u ) = 0 (r Tef f ) (2) (1)
where ur = ud uc is the relative disperse phase velocity, Ad is the particle projected area normal to the relative velocity divided by the particle volume and, for spherical particles, Ad simplies as: Ad = d2 /4 3 d 3 /6 = 2d dd d (10)
The drag coefcient, CD , is usually obtained through correlations which are dependent on the particle size. The Schiller & Naumann (1933) correlation, shown in Eq. 11, is used in this work. CD = 0.44
0.687 24(1+0.15Red ) Red
if Red < 1000 if Red > 1000
(11)
where the particle Reynolds number is shown below. Red = c rc |ud uc |dd d (12)
(r u u ) = M + r g
For the approximation that all particles have the same velocity eld, the interaction force is determined using the Sauter mean diameter, ds , of the particle size distribution (PSD). Population Balance and DQMOM A propper way of modelling the evolution of the properties of a relatively large number of particles in a two-phase ow, including the phenomena of aggregation and breakage, is by using population balance. This implies the application of the principle of conservation to the number of particles, deriving an equation in terms of the particle distribution function (PDF), f , which is called the population balance equation (PBE). The PDF depends on time, external variables, which are the physical space coordinates, and internal variables, which can be any particle property (mass, volume, area, species concentration, energy, etc.). In order to couple to CFD simulations, the monovariate case of interest in the one in which the particles are distributed by their mass or volume. The
where Tef f represents the effective tensor composed by the mean viscous and turbulent tensors of phase , which is usually modelled using the Newtonian functional form: Tef f
ef f ef = p I + f ef = f 2D
(3) 2 ( 3 2 u ) I k I (4) 3
1 u + ( u )t (5) 2 In Eq. 4, k stands for the turbulent kinetic energy of phase . For turbulent ows, Eqs. 3 and 4 can be written in a different form by the denition of the modied pressure, p: D = Tef f f ef p = = = I + f p ef ef 2 f D 2 ef 2 p + k + f ( 3 3 (6) (7) u ) (8)
694
general form of the monovariated PBE (in volume, v) including particle breakage and aggregation is given by Eq. 13 (Ramkrishna 2000). f (x, v, t) + t
x
wi (x, t) + t
[ud,i wi (x, t)] = i ,
i = 0, . . . , n (18)
[ud f (x, v, t)] = H(x, v, t)
(13)
In Eq. 13, the source term H(x, v, t) includes the birth and death rates due aggregation and breakage processes, as dened below H(x, v, t) = 1 2
v
a(v v , v )f (v v , t)f (v , t) dv
i (x, t) + [ud,i i (x, t)] = i , i = 0, . . . , n (19) t The solution of Eqs. 17, 18 and 19 are fully coupled. In order to solve the partial differential equations, Eqs. 18 and 19, in the (t, x) domain, the linear system, Eq. 17, must be solved at every point of this domain to give the source terms i and i . (n) The term Hk in Eq. 17 is the k moment of the source term given by Eq. 14 approximated by the n-point quadrature. This term incorporates the aggregation and breakage effects and is given by: (n) Hk = + 1 2
n i=1 n n k k [(i + j )k i j ]a(i , j )wi wj
a(v, v )f (v, t)f (v , t) dv
i=1 j=1 k b(i )wi [(i )k (i ) i ],
+
v
(v )b(v )P (v | v )f (v , t) dv b(v)f (v, t), (14)
(20)
where a(v, v ) is the aggregation frequency, (v) is the mean number of particles formed by breakage, b(v) is the breakage frequency and P (v | v ) is the conditional probability of generating a particle of volume v once a particle of volume v has broken. As seen in Eqs. 13 and 14, the PBE forms an integro-differential equation and a proper method is necessary to its solution. The Direct Quadrature Method of Moments (DQMOM) (Marchisio & Fox 2005) considers a quadrature closure approximation for the integrals of the distribution function in the space of internal variables in terms of Dirac delta functions. For a monovariate problem, the representation of the distribution function is shown in Eq. 15, where i and wi are, respectively, the quadrature abscissas and weights, being scalar elds in the physical space.
n
where k (i ) is dened as k (i ) =
i 0
v k P (v | i ) dv
(21)
Application of DQMOM to more general cases can be found in Marchisio & Fox (2005). Once the solution is known, any population property can be calculated. The disperse phase fraction, rd , is of interest as well as the Sauter mean diameter, ds . Due to the assumption that ud,i = ud , i, the latter was used to evaluate the interphase forces. Using the quadrature approximation, Eqs. 22 gives rd , whereas Eq. 23 gives ds under the assumption of spherical particles. rd =
0 0 0 n n
vf (x, v, t) dv
i=1
i wi =
i=1 1/3
(22)
f (x, v, t) =
i=1
wi (x, t)[v i (x, t)]
(15) ds =
The moments of the distribution function can be approximated using Eq. 15 as shown below. k =
0
d3 f (x, v, t) dv d2 f (x, v, t) dv
n i=1 i wi 2/3 n i=1 i wi
(23)
v k f (v, t) dv
n i=1
k i wi ,
k = 0, . . . , 2n 1
CFD Packages The DQMOM algorithm was implemented in both ANSYS CFX and OpenFOAM frameworks and then used to simulate the zero and one-dimensional verication cases. Further, the coupling of PBE with a two-phase ow considering a single velocity eld for the disperse phase was also simulated. This section briey presents the CFD packages and also explains the CFD-PBE coupling implementation. ANSYS CFX is a commercial multipurpose CFD code currently developed by ANSYS Inc. The CFX numerical kernel uses the Element Based Finite Volume (EbFVm) method to treat generalised unstructured meshes in Cartesian coordinates. The discrete system of linearised equations is solved using the Algebraic Multigrid (AMG) method accelerated by the Incomplete Lower Upper (ILU) factorisation technique. The Pressure-Velocity coupling is carried out in a single cell
(16) The quadrature approximation given by Eq. 15 can be substituted in the PBE (Eq. 13). The resulting equation involves the derivatives of the Dirac delta distribution, but it can be integrated to give a relation between ordinary functions. If it is operated with v k dv, k = 0, . . . , 2n 1, the linear system of equations given by Eq. 17 is obtained after some manipulation (details is Marchisio & Fox 2005), together with transport equations for the weights and weighted abscissas (i = wi i ), which are given in Eqs. 18 and 19.
n
(1k)
i=1
k i i +k
n i=1
k1 (n) i i = Hk ,
k = 0, . . . , 2n1 (17)
694
of the collocated grid using a Rhie and Chow like formulation. This solution approach uses a fully implicit discretisation of the equations. In steady state solutions, the false time step technique is applied to the solution relaxation (Raw 1994). In ANSYS CFX, due to the EbFVm, the control volume is generated around each mesh node by connecting all the neighbour element centres and corresponding edge centres by planes, forming a polyhedron. This approach leads to a higher numerical accuracy, because it has many more integration points per control volume (24 for a hexahedral volume and 60 for a tetrahedral volume) than the classical nite volume method (Raw 1994). ANSYS CFX has the full Eulerian-Eulerian multiphase formulation, which consist on separated variable elds (velocity, energy, turbulence, mass concentration, ...) for each phase, but restricted to the fact that all phases have to share the same pressure eld. The preliminary DQMOM implementation in ANSYS CFX presented in this work considers that all particles share the same velocity eld. Thus, only two phases were considered: one continuous and one disperse phases. The disperse phase contains all particles, independently of their sizes. The transport equations for weights and weighted abscissas for the n-point quadrature, Eqs. 18 and 19, are implemented in ANSYS CFX as additional transported variables in the dispersed phase, which have only temporal, advective and source terms. No diffusive term was present, leading to equations with hyperbolic behaviour. Therefore, special care was taken to verify the accuracy of the advection schemes used in this work. Using FORTRAN subroutines, i and i , which are the source terms of the DQMOM additional variables transport equations, are calculated for each mesh node from the solution of the linear system given by Eq. 17. The solution of these additional transport equation tracks the DQMOM weights and abscissas thought the space and time. However, initial elds for the weights and abscissas of the particle size distribution must be given. One can specify them directly or resort to the Product-Difference Algorithm (PDA) proposed by Gordon (1968), which can calculate the weights and abscissas from the rst 2n moments of the particle distribution function which must be given. These can be easily calculated if the initial PDF is known. OpenFOAM (Field Operation And Manipulation) is a free source CFD package written in C++ which uses classes and templates to manipulate and operate scalar, vectorial and tensorial elds (Weller et al. 1998). Thus, OpenFOAM can interpretate the true meaning of a eld, encapsulating the idea of magnitude and direction of a vector, for instance. Combined with implementations of adequate numerical methods to the discretisation of partial differential equations and to the solution of the resulting linear systems, OpenFOAM is as a good choice to handle CFD problems. Besides, its opensource characteristics is an advantage in the implementation of any addition or modication in the code. The OpenFOAM nite volume approach in each control volume is performed using the Gauss theorem to transform the volume integrals of ux divergence into surface integrals
S P
f O
NO
Figure 1: OpenFOAM non-orthogonality treatment that uses the decomposition of S in the O and NO vectors (S = O + NO). of normal uxes. This leads to a ux discretisation which is the sum of normal uxes evaluated at each volume face centres by interpolation from the neighbour volume centres. This is quite suitable for orthogonal meshes, but needs correction for non-orthogonal grids. Jasak (1996) implemented an iterative procedure to correct the face uxes due to the mesh non-orthogonality. Thus, OpenFOAM separate the ux in two parts known as the orthogonal and non-orthogonal contributions. For instance, the volume integral of 2 leads to the surface integral of S which has to be evaluated at all volume faces. For a given face with area S, the integrated term is S ( )f , where S = S S. Eq. 25 shows its vector decomposition in the orthogonal contribution, easily calculated, and the non-orthogonal correction. S ( )f = O ( )f + NO ( )f (24)
orthogonal part non-orthogonal part Fig. 1 shows the vectors S, O and NO for the ux evaluation at face f whose neighbour volumes have centres given by points P e N . The non-orthogonal contribution is explicitly evaluated and the number of iterative ux corrections may be set by the user. Several numerical ux interpolation schemes are available in OpenFOAM, including upwind, central difference, QUICK and ux limiters schemes. Also, many numerical methods for solving linear systems are available, as GaussSiedel, AMG and variants of the conjugated gradient methods. The PBE was implemented in OpenFOAM as a new solver called pbeFoam following exactly the DQMOM algorithm (Eqs. 17, 18 and 19) explained previously in this work. Thus, the coupled CFD-PBE solver was implemented adapting an existing two-phase ow solver (twoPhaseEulerFoam) using the pbeFoam solver. The twoPhaseEulerFoam solver handles incompressible two-phase ows (Rusche 2002). This solver is implemented considering the drag, turbulent drag, lift and virtual mass interphase forces and it may utilise the modied k turbulent model of Gosman (1992). It uses the PISO algorithm for the velocity-pressure coupling proposed by Issa (1986). The interphase drag terms are calculated using a particle diameter which is constant through the simulation. For more details on the numerical algorithms and approximations for the two-phase modelling in OpenFOAM, the reader is encouraged to read Jasak (1996) and Rusche (2002). This work improves the actual twoPhaseEulerFoam solver including the solution of the PBE using DQMOM. For
694
an incompressible dispersed phase, Eq. 1 implies to: rd + t (rd ud ) = 0 (25)
conservation upon breakage and aggregation, to dene the following dimensionless variables: ( ) = = 0 (0)Ct, 0 (t) , 0 (0) = v0 (0) , 1 f (v, t)1 [0 (0)]
2
Since there is mass conservation in the breakage and aggregan tion processes, i=1 i = 0, and the sum for all i of Eq. 19 gives Eq. 25. Rusche (2002) utilises Eq. 25 as re-arranged by Weller (2002) in a conservative and bounded form for all rd (0 rd 1) given by Eq. 26. rd + t ( rd ) + u [ur rd (1 rd )] = 0 (26)
(, ) =
(33)
Using these variables, the PBE became (, ) t 1 ( x, )(x, ) dx 2 0 (, )( ) = + [()]

2
where u = rc uc + rd ud . In fact, this approach implicitly couples the phases through the relative velocity (ur = ud uc ). As seen in Eq. 22, each weighted abscissa i is actually the fraction of the disperse phase represented by class i. Therefore, following Rusche (2002), Eq. 19 was implemented as expressed in the form given by Eq. 27. i + t ( i ) + u [ur (1 rd )i ] = i (27)
(x, ) dx (34)
2 [()] (, ) 2 (, 0) = e
with the following initial condition: (35)
whose analytical solution is (McCoy & Madras 2003): (a) (, ) = 2 ( )e( ) , 1 + () tanh(() /2) ( ) = () () + tanh(() /2) (36)
Therefore, in the coupled CFD-PBE solver, the disperse phase fraction is obtained summing up the n weighted abscissas as given by Eq. 22. Once the quadrature is known, the interphase forces are calculated using the Sauter mean diameter evaluated by Eq. 23. McCoy & Madras (2003) Solution McCoy & Madras (2003) developed an analytical solution for the monovariated homogeneous PBE given by df (v, t) dt = + 1 2
0 v 0
where () = 2S1 /C/0 (0) is the steady-state solution of the dimensionless particle number density. From Eq. 36, the moments of the dimensionless distribution function can be evaluated as:
(a) k ( )
a(v v , v )f (v v , t)f (v , t) dv
(37) whereas the initial moments of the dimensionless distribution are given by (a) k (0) = (1 + k) (38) Thus, when () = 1, the solution is invariant with time. This happens when the expression 0 (0) = 2S1 /C is satised, leading to a process with same intensity for breakage and aggregation. Thus, since () can assume arbitrary values, this solution may represent systems with dominant breakage (() > 1) or dominant aggregation (() < 1). Simulation Results In order to evaluate the numerical code implemented into the CFD packages, different cases were simulated and compared against the analytical solution of McCoy & Madras (2003). For the numerical tests, a f distribution with 0 (0) = 1 = 1 can be used. In this case, if C = 1 is also set, then S = ()2 /2. Therefore, the dimensional PBE problem solved for this distribution with: 1 1 ()2 v, P (v | v ) = , (v) = 2 2 v (39) has a dimensional solution which is numerically equal to the dimensionless analytical solution of McCoy & Madras a(v, v ) = 1, b(v) =
()(1 + () tanh( () )) 2
() + tanh( () ) 2
k1
(k + 1)
a(v, v )f (v, t)f (v , t) dv (v )b(v )P (v | v )f (v , t) dv (28)
b(v)f (v, t)
for the following initial condition and breakage and aggregation kernels: f (v, 0) = (v) = 2, 0 (0)2 0 (0) v e 1 (0) 1 (0) S = constant (29) (30) (31) (32)
b(v) = Sv,
a(v v , v ) = C,
C = constant 1 v
P (v | v ) =
McCoy & Madras (2003) used the initial number of par ticles, 0 (0) = 0 f (x, v, t) dv, and the total particle vol ume, 1 = 0 vf (x, v, t) dv, which is constant by volume
694
(2003). By choosing the values of () cases with different behaviour can be obtained. Three cases were considered: (a) the invariant solution (() = 1), (b) the breakage dominant solution (() = 10) and (c) the aggregation dominant solution (() = 0.1). The McCoy & Madras (2003) analytical solution gives the moments of the distribution, k , in Eq. 37. The DQMOM solution provides the n weights and abscissas, which can be used to approximate the 2n rst moments of the distribution used in the DQMOM algorithm. When comparing these two sets of moments, two different kinds of error emerge. The rst kind of error is related to the quadrature approximation (Eq. 16) of the DQMOM method, which is reduced dramatically with the increase of the number of quadrature points (Marchisio & Fox 2005). The second kind of error is related to the time-integration of the differential equation. In previous works (Marchisio & Fox 2005; Fan et al. 2004), the convergence of DQMOM with the quadrature order has already been proved, showing that 3 4 quadrature points are usually sufcient to obtain an accurate solution for CFD simulations. In the present work, our goal is a rigorous verication of the accuracy of DQMOM implementations in CFD codes. That is, our focus was in the accuracy of the time or space integration of the DQMOM equation. Therefore, we excluded the quadrature error from the present comparison and carried out all the simulations using n = 4. In order to perform this exclusion, the DQMOM method was applied to Eq. 13, generating a set of ordinary differential equations for weights and abscissas: dwi = i , dt di = i , dt i = 1...n (40)
101
Analytical OpenFOAM CFX i=4 i=3
100
10-1 0 0.2 0.4 t 0.6
i=2 i=1 0.8 1
Figure 2: Comparison of the abscissas obtained from ANSYS CFX and OpenFOAM in the 0D simulations for case (b).
100 10-1
-2 wi 10
i=1
Analytical OpenFOAM CFX i=2 i=3 i=4
10-3 10-4 10-5 0 10 20 t
30
40
which were implemented in a separated numerical code, which uses the DASSL routine (Petzold 1982) for the time integration. The adaptive time step and integration order procedure of DASSL together with a very strict criteria for convergence (absolute and relative tolerances of 1010 and 1012 , respectively) led to a numerical solution for the 4point quadrature case virtually free of numerical integration (a) error. This was called the analytical solution, wi and (a) i . Of course, this numerical solution still has the DQMOM quadrature error. Therefore, when the results from a DQMOM implementation in a CFD code are compared to this DASSL solution, only integration errors in time or space are shown. Transient zero-dimensional simulations The transient zero-dimensional simulations were carried out integrating in time Eqs. 18 and 19 for a null velocity eld. Thus, the DQMOM transport equations were numerically solved as simple ordinary differential equations using the explicit Euler method for OpenFOAM and the 2nd order Backward Differencing Scheme (BDS) for ANSYS CFX. The chosen transient schemes were the default ones for each CFD package. An invariant numerical solution was reached when using a constant time step of 103 s in both codes. Figs. 2 and 3 show the comparison between the analytical abscissas and weights (DASSL solution) and their values obtained
Figure 3: Comparison of the weights obtained from ANSYS CFX and OpenFOAM in the 0D simulations for case (c). through ANSYS CFX and OpenFOAM for cases (b) and (c), respectively. From theses gures, the numerical results using both codes are in excellent agreement to the analytical solution. A more detailed analysis of the solution errors can be done by dening the overall mean relative error (OMRE), t : 2 (a) M n |wi,j wi,j | 1 2 t = (a) 2nM j=1 i=1 wi,j 2 (a) |i,j i,j | (41) + (a)
i,j
where M is the number of samples regularly taken from the transient simulation and the subscript j represents the time sample. Considering M = 1000, the OMRE results for cases (a), (b) and (c) using ANSYS CFX and OpenFOAM are shown in Table 1. Analysing the OMRE results shown in Table 1, the OpenFOAM performance was very good, with its OMRE results
694
Table 1: ANSYS CFX and OpenFOAM OMRE for zerodimensional simulations of cases (a), (b) and (c). Cases t (%) CFX OpenFOAM 4 a 1.52 10 5.12 105 b 0.21 0.58 c 9.55 103 3.63 106 reaching 105 106 accuracy. On the other hand, ANSYS CFX performance was not good. Even though the software claims to use the second-order BDS integration scheme, its OMRE results are not accurate, being in the 103 104 range for cases (a) and (c) and reaching the surprisingly large value of 0.56 for case (b), the breakage dominant solution. As this code in not open-source, it was not possible to verify the source of this large error. Steady-state one-dimensional simulations Although the analytical solution was given for the transient zero-dimensional PBE, it can also be used to verify onedimensional simulations by transforming the time dependent PBE into a steady uniform-velocity one-dimensional PBE, as shown below for a general variable . d = dt = uz d = dz (42)
For a domain with length L in the z direction, L/uz represents the advective time in the propagation of the PBE solution into the domain. From Figs. 2 and 3, it is possible to estimate the time necessary for the abscissas and weights to reach their steady-state values. Therefore, uz can be chosen in order to these variables present proles along the z coordinate in the steady-state one-dimensional simulation that are equal to their transient proles in the transient zero-dimensional simulation. This work used the one-dimensional geometry shown in Fig. 4, 1 m long in z direction and with edges of 0.1 m in the normal directions. ANSYS CFX simulations needed a 3D domain but OpenFOAM simulations were carried out in a 2-D domain (0.1 1 m). Of course, due to the 1-D nature of the problem, the mesh had only one volume in the normal directions. According to Fig. 4, the boundary conditions for all DQMOM variables consists of specied value at the inlet and zero gradient for the others patches. The uz velocity eld is constant and specied for the whole domain in z direction. In order to avoid numerical inconsistencies during DQMOM calculations, the initial elds of the weights and abscissas
were set to be uniform and equal to the corresponding inlet condition. From Figs. 2 and 3 the steady-state solution is approximately reached in 0.5 s for case (b) and 40 s for case (c). Thus, equating those values to the advective times L/uz , uz values were calculated to be 2 m/s for case (b) and 0.025 m/s for case (c). The steady-state solution approach was nearly the same for each code. ANSYS CFX uses, by default, a false transient relaxation method for the steady-state simulations. In OpenFOAM, a transient run were adopted until the steadystate pattern was reached. Thus, the total simulation time in OpenFOAM were set as 0.5 s for case (b) and 40 s for case (c), which guarantees the DQMOM variables advection through the whole 1D domain. Besides of that, a maximum residual criterion was used to ensure the steady-state convergence in both codes. Usually, 1000-10000 time steps were necessary to obtain convergence in cases (b) and (c). A mesh convergence analysis was made for the results of both packages using the OMRE, as dened in Eq. 41, but now M is the number of volumes in the mesh. It was assumed that the mesh convergence was achieved when the resultant OMRE was lower than 1%. The advection terms of the DQMOM transport equations were discretised using high resolution numerical schemes with ux limiters. The numerical schemes used to evaluate the mesh convergence are based on a blending between rst order upwind (UD) and second order approaches, as explained below for both packages. Advective terms are interpolated in ANSYS CFX using advection schemes based on the blend factor, , and can be cast in the form: ip = U D + r (43)
Figure 4: The mesh with 100 volume used in the onedimensional steady simulations. Boundary patches and z orientation are also shown.
where U D is the value at the upwind node, r is the vector from the upwind node to the integration point ip and is the numerical approximation of the gradient at the upwind node. When is zero, the advection scheme yields the rst order upwind scheme. When is one, the solution is the second order accurate upwind scheme. The quantity r, called the Numerical Advection Correction (NAC), may be viewed as an anti-diffusive correction applied to the upwind scheme. The ANSYS CFX user can specify a constant value for or use the High Resolution (HR) advection scheme. This scheme chooses automatically a based on ux limiters in order to avoid oscillation in the solution in regions with large gradients. In other regions, the HR scheme keeps equal to 1 (Barth & Jesperson 1989), to maintain second-order accuracy. This scheme is a quasi-second-order-accurate advection scheme which avoids numeric oscillations. For the OpenFOAM simulations, the Gamma scheme developed by Jasak (1996), based on the Normalised Variable Diagram (NVD), was used. This scheme uses a smoothing coefcient (0.1 < < 0.5) to blend the rst order upwind (UD) and the central difference (CD) schemes. The larger the value of , the larger the blending introduced between these schemes and the smoother the transition between them. Its implementation in OpenFOAM used the factor = 2
694
Table 2: OMRE results (%) using uniform meshes for simulations with ANSYS CFX and OpenFOAM for case (b). Software Number of volumes (advective scheme) 250 500 750 CFX (HR) 1.76 0.10 0.05 OF (G1) 4.39 0.36 0.27 as input. The simulations using the advection scheme were referred in the present work by a G followed by the (0.2 < < 1) value employed. Due its invariant behaviour, the one-dimensional simulations for case (a) presented mesh independent results, differing from the analytical solution only due to machine precision errors. As expected for constant elds, the use of different interpolation functions presented minimum effects. Therefore, the analysis of mesh convergence and advective interpolation functions are presented only for cases (b) and (c). The rst convergence tests were performed with very coarse uniform meshes (25-50 volumes). Due to the fast breakage dynamics originated by its linear kernel, case (b) did not converge in these coarse meshes, presenting large oscillations rates. The w3 and w4 variables showed a large gradient near the inlet boundary which might have contributed for the divergence problem. In fact, the coupling introduced by the DQMOM linear system, Eq. 17, leads to divergence even if only one of the DQMOM variables is not well approximated. More rened meshes were then used to achieve convergence. At least 250 volumes were necessary in both CFD packages to reach a convergent steady-state in case (b). The OMRE results for case (b) using uniform hexaedrical (orthogonal) meshes with 250, 500 and 750 volumes are shown in Table 2. Table 2 shows that overall convergence was achieved for case (b) in the meshes with 500-750 volumes for the simulations using both softwares. However, the simulations with different packages present convergence differences in
102 101 100 10-1 wi 10
-2
Table 3: OMRE results (%) using uniform meshes for simulations with ANSYS CFX and OpenFOAM for case (c). Software Number of volumes (advective scheme) 25 50 100 CFX (HR) 2.31 1.06 0.37 OF (G1) 2.87 1.31 0.33 the OMRE values. Fig. 5 shows the solutions obtained by ANSYS CFX and OpenFOAM for the 250-volume mesh. It is clear that the region with the oscillatory behaviour near the inlet is largely responsible for the OMRE values. Therefore, the differences in the convergence patterns for the results obtained using the two softwares are related to the different advective schemes used by each one. The usage of local values based on ux limiters by the HR scheme in ANSYS CFX is surely the responsible of its slightly better convergence behaviour than the constant coefcient simulations of OpenFOAM. The lack of convergence for case (b) in coarse meshes is also explained by this oscillatory behaviour of the numerical solution near the inlet. Similar convergence tests were performed for case (c), for which convergence was achieved in coarse meshes. Table 3 shows the convergence of OMRE results for case (c). It is clear that convergence was achieved for the uniform meshes with 50-100 volumes. Although not shown here, differently from case (b), the weight and abscissa proles did not show a region with large gradients near the inlet. Thus, convergence was much easily achieved for case (c) than for case (b). Analysis of different advection schemes Considering the above convergence analysis, the 50 and 500 volume meshes were chosen for cases (b) and (c), respectively, to evaluate different advective schemes implemented in OpenFOAM and ANSYS CFX. For the latter, three schemes with different xed values of the blend factor were tested, being referred by BF followed by the value. In ANSYS CFX, the High Resolution and QUICK interpolations schemes were also compared. The schemes tested in OpenFOAM included the Gamma scheme, with different coefcients, and the QUICK and UD schemes. Details of these interpolation schemes can be found elsewhere (Barth & Jesperson 1989; Jasak 1996; Versteeg & Malalasekera 1995). Tables 4 and 5 present the OMRE results for ANSYS CFX and OpenFOAM, respectively.
Analytical OpenFOAM 250 CFX 250
i=1 i=2 i=3
10-3 10
-4
i=4
10-5
0.05
0.1 z
0.15
0.2
0.25
Figure 5: ANSYS CFX and OpenFOAM simulations in the 250-volume mesh for case (b): numerical oscillations in the weights solutions near the inlet.
Table 4: OMRE (%) results for ANSYS CFX simulations of cases (b) and (c) using different advection schemes. ANSYS CFX Case Advection scheme b c QUICK 0.04 0.36 HR 0.10 1.06 BF 0.0 (UD) 1.06 4.55 BF 0.75 0.25 1.65 BF 1.0 0.18 0.61
694
Table 5: OMRE (%) results for OpenFOAM simulations of cases (b) and (c) using different advection schemes. OpenFOAM Case Advection scheme b c QUICK 0.11 0.47 UD 1.05 4.85 G 0.2 1.44 1.26 G 0.6 1.30 1.26 G 1.0 0.36 1.31 Tables 4 and 5 shows expected behaviours for simulations in sufciently rened meshes. Second-order accurate methods, QUICK and BF 1.0, gave the smallest values of OMRE irrespectively of case and software, except for the HR scheme of ANSYS CFX in the simulation of case (b), for which the HR scheme is slightly better than BF 1.0. This is caused by the existence of numerical oscillations for this case, as shown before. The rst order accurate UD method gave the worst results for the ANSYS CFX simulations. Curiously, the Gamma scheme in OpenFOAM simulation of case (b) was worse than the UD method for two values of . This should also be an effect of the numerical oscillations still present in this mesh. It is also interesting to note that the advection schemes that are similarly implemented in both softwares, QUICK and UD, gave basically the same value of OMRE for both cases. In general, a blending interpolation scheme with ux limiter is preferred, minimising the occurrence of numerical diffusion and oscillations. Considering the balance between numerical robustness and accuracy, the better choices for the advective scheme are the HR scheme for ANSYS CFX and the Gamma scheme with = 1 for OpenFOAM. Emulsion Flow in 2D Backward Facing Step This section presents the results of a two-dimensional test case that was proposed to evaluate the performance of the implemented PBE solution in a multi-dimensional ow eld with strong gradients. The well-known ow through a twodimensional backward facing step (BFS) was chosen due to its simplicity and the presence of circulation zones with steep gradients in laminar ow. The considered two-phase mixture consists of a water in oil emulsion. The breakup and coalescence between the water droplets was considered using the same non-physical models of the McCoy & Madras (2003) analytical solution. It should be emphasised that this was not a validation case as
Figure 6: The 2D BFS with parametric dimensions and boundary patches. no experimental data was available for comparison. Therefore, the breakage and coalescence models are immaterial in this numerical convergence test. Besides, the McCoy & Madras (2003) simple breakup and aggregation kernels do not depend on ow variables, as the turbulent energy dissipation or shear stress, which make them adequate to compare the results of different softwares in laminar ow, without the uncertainties in the implementation of turbulent models. In these simulations, all particles share the same velocity eld. This assumption is reasonable for small droplets in a liquid-liquid ow with small density difference. As the particle size distribution is advected by the ow, droplet breakage and coalescence cause its evolution. Therefore, the degree of PSD change is proportional to the disperse phase residence time. The interphase forces between the continuous and the disperse phases were calculated using the Sauter mean diameter of the particle size distribution obtained through the population balance calculation. Therefore, the Sauter mean diameter is the only inuence of the PBE solution in the CFD simulation of the two phase ow. The physical properties of the liquid-liquid dispersion and the inlet conditions for the Sauter mean diameter and the disperse phase fraction are shown in Table 6, being based on actual water-in-oil emulsions. The BFS geometry, dimensions and boundary patches are shown in Fig. 6. In the chosen BFS geometry, L = 11H, l = H and h = H/2. H values are shown in Table 7. The simulations were performed in quadrilateral and triangular-quadrilateral meshes as shown in Fig. 7, which are called the hexahedral (hexa) and tetrahedral (tetra) meshes, respectively, due to the common practise. The mesh conver-
Table 6: Physical properties and inlet conditions of the twophase mixture. Physical Properties oil water (kg m3 ) 900 1000 (kg m1 s1 ) 1 105 1 106 Variable Inlet condition ds (m) 50 r (-) 0.9 0.1
Figure 7: Hexahedral and tetrahedral meshes applied to the BFS geometry.
10
694
Table 7: Simulation Parameters for dominant breakup and aggregation situations. Simulation Parameters () = 6 () = 0.1 Channel Height, H [m] 0.01 0.1 Inlet Velocity [m/s] 0.1 0.01 Simulation Time [s] 0.1 10 gence test on each mesh type was performed using meshes with 4000, 8000 and 16000 elements. Cases with dominant breakage and dominant aggregation were investigated. All case assumed an inlet PDF given by Eq. 29. The ow was laminar, with a Reynolds number of 100 for the continuous phase, in order to avoid possible implementation differences between the turbulence models in the two codes. Also, in order to avoid different implementations of the interphase momentum forces and to get sharper proles, the drag force, with the Schiller & Naumann (1933) correlation for CD , was the only interphase force considered in all simulations. On the previous zero and one-dimensional simulations, the dimensional DQMOM results could be directly compared with the dimensionless analytical solution due the choice of the PBE parameters values in Eq. 33. For the general implementation of the PBE solution, it was veried that a dimensionless DQMOM formulation was benecial to avoid numerical truncation problems due to the very small values assumed by the dimensional weights. The relations between the dimensional and dimensionless abscissas and weights are based on the dimensionless relations shown in Eq. 33. For the abscissas, Eq. Eq. 33 gives directly: 0 v = 1
i f 0 i = 1
Figure 8: Sauter mean diameter contour plot in the nest hexahedral mesh for the case with dominant breakage using ANSYS CFX.
Figure 9: Sauter mean diameter contour plot in the nest hexahedral mesh for the case with dominant breakage using OpenFOAM. them for the CFD-PBE coupling. These relations are easily derived from Eqs. 33 and 46 and they are given in Eqs. 47 and 48.
n
rd = 1
i=1
i wi
(47)
(44)
61 ds = 0
1 3
n i=1 i wi n i=1 i
2 3
wi
(48)
For the weights, the following derivation establishes the required relation.
0 wi =
(, ) d 1 0
n i=1 f wi
= =
n i=1
1 0
f (v, t) dv
or (45)
wi =
1 f w 0 i
In these equations, 0 and 1 are conveniently chosen constants, usually associated to the dimensional PDF at a boundary or initial condition. In fact, the rst moment 1 is the disperse phase fraction, rd , and the inlet value given in Table 6 was used. The zero moment 0 can be related to the Sauter mean diameter of the inlet distribution, whose value is also given in Table 6. Manipulating Eq. 23 with Eq. 33 denitions and using the PDF of the inlet condition in dimensionless form, Eq. 35, the value of 0 can be calculated from ds as follows: 61 (46) Using the dimensionless abscissas and weights in the DQMOM algorithm, it is convenient to calculate the disperse phase fraction and the Sauter mean diameter directly from 61 ds = 0 3 0 = 2ds
2 3
1 3
e d 0 2/3 e d 0
As shown in the zero and one-dimensional simulations, the PDF evolves in the dominant breakage case much faster than in the aggregation case. Thus, in order to use adequate advective times for the BFS ow and the same Reynolds number for both cases, different geometry and velocity scales had to be used, as shown in Table 7. The one-dimensional simulations showed that the simulation of the dominant breakup case (b) required a much ner mesh that the simulation of the dominant aggregation case (c). It was then decided to use a smaller breakage rate (() = 6) for the two-dimensional ow simulations in the BFS geometry in order to use the same meshes for the cases with dominant breakup and dominant aggregation, although in different scales. Transient ow simulations were performed, starting from a stagnant ow with the same properties of the inlet. The simulation results at the chosen total simulation time were compared. As the BFS ow has large gradients caused by its recirculation zones, numerical weakness in the solution using different meshes in both software could be visualised. In ANSYS CFX, the transient simulations were performed using the BFS with a total of 1000 time steps using a coefcient loop convergence criterion of 104 in the maximum residual of the discretized equations. The HR scheme was used for the advection terms. In OpenFOAM, the simulations were carried out using the implicit Crank Nicholson scheme for time integration with
11
694
Figure 10: Sauter mean diameter contour plot in the nest hexahedral mesh for the case with dominant aggregation using ANSYS CFX.
Figure 12: Sauter mean diameter contour plot in the nest tetrahedral mesh for the case with dominant breakage using ANSYS CFX.
Figure 11: Sauter mean diameter contour plot in the nest hexahedral mesh for the case with dominant aggregation using OpenFOAM. adaptive time step, which was controlled to keep the maximum mesh Courant number below 0.3. The advective terms were interpolated with the Gamma scheme with = 1. The PISO algorithm was performed until the absolute error in the pressure over the iterations was lower than 0.01 and, for tetrahedral meshes, 13 iterations were used in the non-orthogonal face ux correction loop. The following Figures 8, 9, 10 and 11 show contour plots of the Sauter mean diameter at the nal simulation time using the nest hexahedral mesh. It is possible to observe that both codes calculated solutions for each of the cases that are different. As commented before, the PSD evolution mainly depends on the residence time of the disperse phase. Therefore, the Sauter mean diameter eld is directly dependent on the disperse ow pathlines. Moreover, as both solvers gave the same solution for the one-dimensional steady-state cases, it could be inferred that the differences in the results obtained by both codes are caused by differences in their velocity eld solutions caused by time integration error or incomplete mesh convergence. Tetrahedral meshes were also tested in order to investigate their behaviour. In the ds contour plots given in Figures 12 and 13, it can be observed that the solution is poorer for tetrahedral meshes. The gradients and ow structures are not well captured as in the hexahedral meshes, specially for the OpenFOAM solution. In order to investigate the mesh convergence more carefully, ds proles along straight lines were analysed, which are shown in Figure 14. Figures 15 and 17 compare the Sauter mean diameter results extracted along the horizontal line in the middle of the channel inlet in the direction of the main stream using the nest meshes. Figures 16 and 18 show similar results extracted along the vertical line normal to the main stream that crosses the main recirculation zone. Analysing Figures 15, 16, 17 and 18, it can be observed that the tetrahedral solutions for both cases have lower qual-
Figure 13: Sauter mean diameter contour plot in the nest tetrahedral mesh for the case with dominant breakage using OpenFOAM. ity. The convergence of the results along the horizontal line have a good agreement because they represent the particle distribution evolution along the main ow direction in a region with small velocity gradients. However, the convergence along the vertical line, which crosses the main recirculation zone and the shear layer, is worse, showing different convergence behaviours for each code. Regardless of the fact that each code presented a different ow solution, when analysing the results individually, it is possible to observe that each code tends to converge with mesh renement. The charts given in Figures 19 and 20 show the mesh convergence in the vertical line for ANSYS CFX whereas Figures 21 and 22 present the mesh convergence results for OpenFOAM. The ANSYS CFX results showed a clear mesh convergence behaviour, which was slightly better for hexahedral meshes. In OpenFOAM, hexahedral meshes also presented a good mesh convergence, but tetrahedral meshes performed much worse. This different behaviour is even more pronounced for the dominant aggregation case. In ANSYS CFX, as commented before, the control volume is constructed around each mesh node. Therefore, tetrahedral meshes have fewer nodes than elements, whereas in hexahedral meshes, both quantities are nearly the same. For the tetrahedral meshes used in this work, the number of nodes was almost half of the number of elements. Thus, these tetrahedral meshes have almost half of the control volumes of a hexahedral mesh with the same number of elements
Figure 14: Position of the vertical and horizontal lines used in the mesh convergence studies.
12
694
50 49 48 ds (m) 47 46 45 44 0 OpenFOAM hexa tetra 0.005 ANSYS CFX hexa tetra 0.01 L 0.015 0.02 0.025 ds (m) Case (b)
70 OpenFOAM hexa tetra ANSYS CFX hexa tetra Case (c)
65
60
55
50 0 0.05 0.1 L 0.15 0.2 0.25
Figure 15: Comparison between ANSYS CFX and OpenFOAM results using the nest meshes along horizontal line for the case with dominant breakage.
48 46 44 42 40 38 ANSYS CFX hexa tetra
Figure 17: Comparison between ANSYS CFX and OpenFOAM results using the nest meshes along horizontal line for the case with dominant aggregation.
90 85 80 ds (m) 75 70 65 60 55 ANSYS CFX hexa tetra OpenFOAM hexa tetra Case (c)
ds (m)
OpenFOAM hexa tetra Case (b)
0.002
0.004 H
0.006
0.008
0.01
0.02
0.04 H
0.06
0.08
0.1
Figure 16: Comparison between ANSYS CFX and OpenFOAM results using the nest meshes along vertical line for the case with dominant breakage. in ANSYS CFX discretization. Despite the higher numerical accuracy of integration for a polyhedral control volume around a tetrahedral node due to the larger number of integration points, the fewer number of control volumes made the accuracy of the results for the 16K-elements tetrahedral mesh be a little worse than those for the 16K-elements hexahedral mesh. In OpenFOAM, the treatment of the nonorthogonalities present on tetrahedral meshes could be considered the reason to the worse performance of these meshes. For tetrahedral meshes, OpenFOAM would require more rened meshes to achieve convergence. As commented before, the simulation results for the Sauter mean diameter obtained using both codes have some differences mainly caused by the ow solution, which depends on specic details of the numerical implementation of each code. Moreover, no strong numerical weakness was found in the solution of the DQMOM transport equations, because, in general, the DQMOM variables converged easier than the uid ow solution. The correct choice of advection schemes based on ux limiters can be pointed out as the key for the success of these simulations.
Figure 18: Comparison between ANSYS CFX and OpenFOAM results using the nest meshes along vertical line for the case with dominant aggregation. Conclusions The present work carried out the implementation of the DQMOM method in two different CFD codes. An extensive work on the numerical verication of the coupled solution behaviour was accomplished. An analytical solution for a homogeneous time dependent population balance problem with simple models for breakage and aggregation was used for the comparisons. Important issues as mesh renement, transient and advective schemes specic of each CFD code were also analysed. In order to investigate the errors associated to the solution of the DQMOM transport equations, the quadrature error was suppressed. The error analysis utilised the RMS average of the relative error over all simulated results. The zero-dimensional analysis, designed to evaluate the time integration accuracy, concluded that the explicit Euler method of OpenFOAM performed very well. However, the second order implicit Euler method, default method in ANSYS CFX, showed signicant integration errors. As the DQMOM transport equations have hyperbolic behaviour, a special attention was dedicated to the advective
13
694
48 46 44 42 40 38 0
16k 8k 4k 16k 8k 4k
48 Tetra 46 Hexa ds (m) 44 42 40 38 0.002 0.004 H 0.006 0.008 0.01 0
16k 8k 4k 16k 8k 4k
Tetra
Hexa
ds (m)
Case (b) ANSYS CFX
Case (b) OpenFOAM
0.002
0.004 H
0.006
0.008
0.01
Figure 19: Mesh convergence test for ANSYS CFX along the vertical line for the case with dominant breakage. schemes used in the solution of the one-dimensional steadystate PBE. After a successful mesh renement study, the analysis of the advection schemes were accomplished using the intermediate meshes. The quasi-second-order-accurate advection schemes based on ux limiters (High Resolution in ANSYS CFX and Gamma with = 1 in OpenFOAM) and the second-order accurate QUICK scheme performed very well. In fact, QUICK performed slight better than the HR or G1. ANSYS CFX also showed slightly better results than OpenFOAM. Since the ux-limited advection schemes are more robust, they were chosen for performing some twodimensional two-phase ow simulations. Simulations of transient two-dimensional laminar ows of a water-in-oil emulsion through a backward facing step were performed. The convergence of the DQMOM solution was faster than the equations of motion, showing that the time step and the mesh renement are still controlled by the uid ow. Each software showed visibly different results in the meshes analysed. Individually, each software showed fairly good mesh convergence. For both codes, hexahedral meshes produced better results than the tetrahedral ones. In ANSYS CFX, this was ex-
Figure 21: Mesh convergence test for OpenFOAM along the vertical line for the case with dominant breakage.
plained due to the lower number (about half) of control volumes found in tetrahedral mesh with the number of elements kept xed. In OpenFOAM, the worse results for the tetrahedral meshes could be explained by some weakness of its iterative explicit ux-correction method for non-orthogonal meshes. The implementations of the DQMOM algorithm in the two CFD codes were veried. No strong difcult were found in solving the hyperbolic DQMOM transport equations. These implementations are reliable enough to be applied in actual ow simulations with realistic breakup and aggregation models.
Acknowledgements The authors would like to thank CNPq (grant no. 301548/2005-6). L.F.L.R. Silva would also like to acknowledge the nancial support given by Chemtech.
90 85 80 ds (m) 75 70 65 60 55 0 0.02 0.04 H 0.06 0.08 0.1 Hexa 16k 8k 4k Tetra 16k 8k 4k ds (m) Case (c) ANSYS CFX
90 85 80 75 70 65 60 55 0 0.02 0.04 H 0.06 0.08 0.1 Hexa 16k 8k 4k Tetra 16k 8k 4k Case (c) OpenFOAM
Figure 20: Mesh convergence test for ANSYS CFX along the vertical line for the case with dominant aggregation.
Figure 22: Mesh convergence test for OpenFOAM along the vertical line for the case with dominant aggregation.
14
694
References Arajo, J.F.M. Study of break-up and coalescence models for disperseds ows. Master Thesis (in Portuguese), PEQ/COPPE/UFRJ, Brazil (2006) Barth, T.J. & Jesperson, D.C. The design and application of upwind schemes on unstructured meshes. Technical Report AIAA Paper 89-0366 (1989) Bertrand, F., Leclaire, L.-A. & Levecque, G. DEM-based models for the mixing of granular materials. Chemical Engineering Science, Volume 60, 2517 2531 (2005) Bove, S. Computational uid dynamics of gas-liquid ows including bubble population balances. PHD Thesis, Esbjerg Institute of Engineering, Denmark (2005) Drew, D.A. & Passman, S.L. Theory of Multicomponent Fluids. Springer, 1st Ed. (1998) Enwald, H., Peirano, E. & Almstedt, A.E. Eulerian twophase ow theory applied to uidization. International Journal of Multiphase Flow, Volume 22, Suppl. 21 66 (1996) Fan, R. & Marchisio, D.L. & Fox, R.O. Application of the direct quadrature method of moments to polydisperse gassolid uidised beds. Powder Technology, Volume 139, 7 20 (2004) Fox, R.O. Bivariate direct quadrature method of moments for coagulation and sintering of particle populations. Journal of Aeorosol Science, Volume 37, 1562 1580 (2005) Issa, R.I. Solution of the implicitly discretised uid ow equations by operator-splitting. Journal of Computational Physics, Volume 62, Number 1, 40 65 (1986) Ishii, M. Thermo-uid Dynamic Theory of Two-phase Flow. Eyrolles, Paris (1975) Jasak, H. Error analysis and estimation for the nite volume method with applications to uid ows. PHD Thesis, Imperial College of Science, Technology and Medicine, UK (1996) Gidaspow, D. Multiphase Flow and Fluidization. Academic Press, San Diego (1994) Gordon, R.G. Error bounds in equilibrium statistical mechanics. A.I.Ch.E. Journal, Volume 9, Number 5, 655 663 (1968) Gosman, A.D., Issa, R.I., Lekakou, C., Looney, M.K. & Politis, S. Multidimensional modelling of turbulent two-phase ows in stirred vessels. A.I.Ch.E. Journal, Volume 38, Number 12, 1946 1956 (1992) Marchicio, D.L. & Fox, R.O. Solution of the population balance equation using the direct quadrature method of moments. Journal of Aeorosol Science, Volume 36, 43 73 (2005)
McCoy, B.J. & Madras, G. Analytical solution for a population balance equation with aggregation and fragmentation. Chemical Engineering Science, Volume 58, 3049 3051 (2003) McGraw, R. Description of the aerosol dynamics by the quadrature method of moments. Aerosol Science and Technology, Volume 27, 255 265 (1997) Petzold, L.R. A description of DASSL: A differential/algebraic system solver. Technical Report SAND82-8637, Sandia National Laboratories (1982) Ramkrishna, D. Population Balances Theory and Applications to Particulate Systems in Engineering. Academic Press, New York (2000) Raw, M.J. A coupled algebraic multigrid method for the 3D Navier-Stokes equations. 10th GAMM Seminar, Kiel (1994) Rusche, H. Computational uid dynamics of dispersed twophase ows at high phase fractions. PHD Thesis, Imperial College of Science, Technology and Medicine, UK (2002) Schiller, L. & Naumann, A. ber die grundlegenden berechungen bei der schwerkraftbereitung. Z. Vereins deutcher Ing., Volume 77, Number 12, 318 320 (1933) Versteeg, H.K. & Malalasekera, W. An introduction to computational uid dynamics - The nite volume method. Longman Scientic & Technical, UK (1995) Weller, H.G., Tabor, G., Jasak, H. & Fureby, C. A tensorial approach to continuum mechanics using object-oriented techniques. Computers in Physics, Volume 12, Number 6, 620 631 (1998) Weller, H.G. Derivation, modelling and solution of the conditionally averaged two-phase ow equations. Technical Report TR/HGW/02, Nabla Ltd. (2002)
15
Apndice C Modelagem e Implementao do Modelo Polidisperso

C.1 Informaes sobre o Apndice
O artigo colocado na sequncia foi apresentado na
OpenFOAM International Confe-
rence 2007,
que ocorreu em Old Windsor, Reino Unido. Contudo, alguns pequenos
erros foram observados no manuscrito e permaneceram na verso aceita e divulgada no congresso. Desta forma, uma errata com referncia ao artigo colocada abaixo.
C.1.1 Errata
Os erros esto organizados por tens referenciando o local onde estes ocorrem no manuscrito.
1. Leia-se OpenFOAM is a good choice to. . . na seo stima linha.
4,
primeiro pargrafo,
2. Leia-se . . .construction of the resulting linear system.
na seo
4,
segundo
243
C.1 Informaes sobre o Apndice

pargrafo, sexta linha. 3. Leia-se The following equation is used as an example. . . na seo pargrafo, stima linha.
244
4,
segundo
c 4. Leia-se
= . . .
c e 0
= . . .
repectivamente nas Eqs. 24 e 25. Neste caso,
estas so as formas complementares de
onde
c = + c 0
Kf [u ] e n 1 = 0 + rf Kf [u0 ] r0 0 =1 4.5
do algoritmo colocado na pgina
5. Leia-se . . ., back to step 4. na etapa
9.
6. Leia-se . . .dierent approaches validated. . . na seo sexta linha.
4,
segundo pargrafo,
No presente momento, este trabalho est sendo estendido para ser submetido para publicao em uma revista cientca.
Implementation of an Eulerian Multi-phase Model in OpenFOAM and its Application to Polydisperse Two-Phase Flows
Silva L.F.L.R. and Lage P.L.C. Programa de Engenharia Qu mica, COPPE, Universidade Federal do Rio de Janeiro Rio de Janeiro/RJ, P.O. Box 68502, 21941-972, Brazil
paulo@peq.coppe.ufrj.br
Keywords: Multiphase modeling, Population balance, DQMOM
Abstract Simulation of polydisperse ows must include the eects of particle-particle interaction, as breakage and aggregation, coupling the population balance equation (PBE) with the multi-phase modelling. In fact, the implementation of ecient and accurate new numerical techniques to solve the PBE is necessary. The Direct Quadrature of Moments (Marchisio & Fox 2005), known as DQMOM, came into view as a promissing choice for this implementation. DQMOM is a momentbased method that uses an optimal adaptive quadrature closure whereas only a few quadrature points are usually necessary to obtain an accurate solution. Recently, Silva et al. (2007) extended the current OpenFOAM two-phase Eulerian model (Rusche 2002) using the PBE solved with DQMOM. In this case, all particles classes shared the same velocity eld and the momentum exchange terms were evaluated using the local instantaneous Sauter mean diameter of the size distribution function. Finally, transient simulations of a water-in-oil emulsion in a backward facing step geometry were performed considering simplied breakage and coalescence kernels. In the present work, the Rusche (2002) two-phase formulation was extended to a multi-phase approach (n dispersed and 1 continuous phases) and then coupled with the PBE solution by DQMOM. Each one of the disperse phases has its own velocity eld. In the present implementation, only the interfacial momentum exchange between the continuous and the disperse phases were considered. This work intends to focus on the multi-phase formulation and the issues regarding the PBE solution by DQMOM. In addition, details of the multi-phase and CFD-PBE coupling algoritms and OpenFOAM programming are provided. Moreover, simulations evaluating the multi-phase code were performed where the same simple breakage and aggregation kernels used by Silva et al. (2007) were used in the CFD-PBE simulations.
Introduction
The Computational Fluid Dynamic (CFD) simulations have been used with great success in many elds of engineering. The simulation of polydisperse ows, which must include the eects of particle-particle interactions, is an intensive eld of CFD research. One of the modeling approachs of polydisperse ows include the coupling of the Eulerian multi-phase model and the population balance equation. Recently, Silva et al. (2007) investigated the numerical behavior of the coupled solution of DQMOM (Marchisio & Fox 2005) using the commercial ANSYS CFX and open-sorce OpenFOAM CFD packages. The authors rst evaluated the solution of DQMOM in transient 0D and steady-state 1D simulations, comparing the results with the McCoy & Madras (2003) analytical solution. Equivalent breakage and aggregation, dominant breakage and dominant aggregation simulations were performed. Next, the PBE solution was coupled with the two-phase ow using the simplied breakage and aggregation kernels of McCoy & Madras (2003). In this approach, all the particles shared the same velocity eld and the interphase forces were calculated using the mean Sauter diameter obtained using the PBE variables. Dominant breakage and aggregation simulations were conducted in a backward facing-step (BFS) geometry presenting a good agreement among the CFD packages. In the present work, the incompressible two-phase code (Rusche 2002) currently implemented in OpenFOAM-1.4 was extended to handle n + 1 phases, considering one continuous and n disperse phases. In addition, the CFD-PBE coupling using DQMOM was implemented for this multi-phase approach. In the present approach, each phase has its own velocity and diameter eld. The formulation and details of code programming are presented in this work. As in Silva et al. (2007), numerical tests of the multiphase code were performed in a BFS geometry using a two-phase mixture. These results were compared with the simulation results of the twoPhaseEulerFoam solver. Numerical tests using three-phase systems and parallel simulations were performed as well. Finally, the CFD-PBE coupling was simulated using the same simple models for breakage and aggregation of Silva et al. (2007).
Eulerian multi-phase model
The multi-phase model is based on the mean mass and momentum conservation equations to describe the dynamic behaviour of the multi-phase ow. These equations are obtained through average procedures, which introduces the average occurrence of phase , r , known as the phase fraction. Due to the average procedure, additional terms appears in the mean conservation equations which need to be modeled. These terms represent the phenomena that occurs on scales smaller than the averaging scale. Details about the theory and formulation of the multi-phase model can be found in Ishii (1975), Drew & Prassman (1999) and Bove (2005). Assuming that the interfacial tension eects are not important, it is possible to consider that all phases share the same pressure eld. In this case, the average multi-phase equations are given by: (r ) + (r u ) = 0 (1) t
(r u ) + t
(r u u ) =
(r Tef f ) + M + r g
(2)
where Tef f represents the eective tensor composed by the mean viscous and turbulent tensors of phase , which is usually modelled using the Newtonian functional form:
ef Tef f = p I + f ef ef f = f 2D
(3) 2 ( 3 2 u ) I k I 3 (4)
1 u + ( u )t (5) 2 where k , in Eq. 4, stands for the turbulent kinetic energy of phase . In this work, n + 1 phases are considered where there is one continuous phase, referred with subscript 0, and n disperse phases. In Eq. 2, M represents the momentum exchange through the interface or a force per unit volume acting on phase . This force is usually decomposed as interaction forces responsible for drag, lift and virtual mass, among others (Rusche 2002). In this work, only the drag force is considered since it is the dominant force in the analyzed cases of this work. The drag force for the disperse phase is modelled as shown in Eq. 6. D = 1 M = r A 0 CD, |ur, | ur, (6) 2 where ur, = u0 u is the relative disperse phase velocity, A is the particle projected area normal to the relative velocity divided by the particle volume and, for spherical particles, A simplies as: d2 /4 3 A = 3 = (7) d /6 2d The drag coecient, CD, , is usually obtained through correlations which are dependent on the particle size, d . The Schiller & Naumann (1933) correlation is used in this work. Finally, only the interfacial momentum exchange between the continuous and the disperse phases were considered, i.e., M0 = n M . =1
Population balance and DQMOM
The general form of the monovariated PBE (in volume, v) including particle breakage and aggregation is given by Eq. 8 (Ramkrishna 2000). f (x, v, t) + x [ f (x, v, t)] = H(x, v, t) u (8) t In Eq. 8, the source term H(x, v, t) includes the birth and death rates due aggregation and breakage processes, as dened below 1 H(x, v, t) = 2 +
v v
a(v v , v )f (v v , t)f (v , t) dv
0
a(v, v )f (v, t)f (v , t) dv
(v )b(v )P (v | v )f (v , t) dv b(v)f (v, t), 3
(9)
where a(v, v ) is the aggregation frequency, (v) is the mean number of particles formed by breakage, b(v) is the breakage frequency and P (v | v ) is the conditional probability of generating a particle of volume v once a particle of volume v has broken. As seen in Eqs. 8 and 9, the PBE forms an integro-dierential equation and a proper method is necessary to its solution. The Direct Quadrature Method of Moments (DQMOM) (Marchisio & Fox 2005) considers a quadrature closure approximation for the integrals of the distribution function in the space of internal variables in terms of Dirac delta functions. For a monovariate problem, the representation of the distribution function is shown in Eq. 10, where and w are, respectively, the quadrature abscissas and weights, being scalar elds in the physical space.
n
f (x, v, t) =
=1
w (x, t)[v (x, t)]
(10)
The quadrature approximation given by Eq. 10 can be substituted in the PBE (Eq. 8). The resulting equation involves the derivatives of the Dirac delta distribution, but it can be integrated to give a relation between ordinary functions. If it is operated with v k dv, k = 0, . . . , 2n 1, the linear system of equations given by Eq. 11 is obtained after some manipulation (details in Marchisio & Fox 2005), together with transport equations for the weights and weighted abscissas ( = w ), which are given in Eqs. 12 and 13.
n
(1 k)
=1
+k
=1
k1 (n) = Hk ,
k = 0, . . . , 2n 1
(11)
w (x, t) + [u w (x, t)] = i , = 1, . . . , n (12) t (x, t) + [u (x, t)] = , = 1, . . . , n (13) t The solution of Eqs. 11, 12 and 13 are fully coupled. In order to solve the partial dierential equations, Eqs. 12 and 13, in the (t, x) domain, the linear system, Eq. 11, must be solved at every point of this domain to give the source terms and . (n) The term Hk in Eq. 11 is the k moment of the source term given by Eq. 9 approximated by the n-point quadrature. This term incorporates the aggregation and breakage eects and is given by: (n) 1 Hk = 2
n n k k [( + )k ]a( , )w w + n =1 k b( )w [( )k ( ) ],(14)
=1 =1
where k ( ) is dened as k ( ) =
0
v k P (v | ) dv
(15)
Once the solution is known, any population property can be calculated. The disperse phase fraction, r , is of interest as well as the phase diameter, d . Using the quadrature approximation, Eq. 16 gives d under the assumption of spherical particles d = 6 4
1/3
(16)
whereas Eq. 17 gives the global volumetric fraction of the disperse phase
n
n =1 r ,
r =
=1
vf (x, v, t) dv
=1
w =
=1
(17)
and the volumetric fraction for the disperse phase is .
The OpenFOAM CFD package
OpenFOAM (Field Operation And Manipulation) is a free source CFD package written in C++ which uses classes and templates to manipulate and operate scalar, vectorial and tensorial elds (Weller et al. 1998). Thus, OpenFOAM can interpretate the true meaning of a eld, encapsulating the idea of magnitude and direction of a vector, for instance. Combined with implementations of adequate numerical methods to the discretisation of partial dierential equations and to the solution of the resulting linear systems, OpenFOAM is as a good choice to handle CFD problems. Besides, its open-source characteristics is an advantage in the implementation of any addition or modication in the code. OpenFOAM provides two static functions, fvm and fvc, to discretise the dierential operators of the eld, e.g., 2 , and /t. The rst function is used to disctretise implicit derivatives resulting in a linear system to be solved. In fact, the implicit source terms of the linear system can be dened using the fvm function as well. Therefore, the fvm function provides the PDE discretisation using the nite volume method and the construction of resulting linear system. On the other hand, the fvc function calculates explicit derivatives and can be used anywhere in the code. The following equation as an example and to show the notation of these functions in this work. u + t (u)
2
(u) = p
(18)
Eq. 18 must be discretised in terms of u using the fvm function and p as an explicit source term with the fvc function. For instance, the notation for an implicit discretisation is [u] where represents the dierential operator discretised in terms of the [u] variable. The explicit operation is referred with the underlined notation over the operator. Thus, the discretisation of the Eq. 18 is: [u] + t ([u])
2
([u]) = p
(19)
For further informations about these discretisation procedures, the reader should read the Programmers Guide available with OpenFOAM.
Implementation of the multi-phase code
The formulation of the multi-phase model presented in this work is based on Rusche (2002). In fact, Rusche (2002) describes the solution procedure using a multi-phase approach for the momentum equations and uses the interphase forces and the pressure correction algorithm specically for two-phase ows. Thus, only the interphase forces and the pressure correction were modied for the multi-phase approach. The momentum 5
equations are briey presented in this work, but further details about them can be found on Rusche (2002)1 .
5.1
Multi-phase equations
Rusche (2002) utilises the phase intensive version of the incompressible momentum equation which is obtained dividing Eq. 2 by and r considering = 0, . . . , n. u + u t u +
ef ( f ) +
r ef f 1 M = p+ +g r r
(20)
Rusche (2002) describes in details the manipulation and discretisation procedure of the l.h.s. of Eq. 20 (see section 3.2.2, pg. 109 of Rusche 2002) which results in semidiscretised equation shown below. = p + +g r (21)
where and refer respectively to the discretised forms of the l.h.s. of Eq. 20 and the interphase term. The interphase term is discretised semi-implicity as source terms (see pg. 114 of Rusche 2002). Thus, the drag force of the disperse phases is = rf Kf (u0 [u ]) (22)
where K = 1 0 A CD, |ur, | and the subscript f represents the interpolation to the face 2 centres. Similarly, the interphase term for the continuous phase is
n
0 =
=1
rf Kf ([u0 ] u )
(23)
The implict source terms of Eqs. 22 and 23 are included in the discretised l.h.s., , for the continuous ( = 0) and disperse ( = 1, . . . , n) phases resulting in the semi-discretised forms shown below. p K = + u0 + g (24) 1 0 = + 0 r0 0 p
n
r K u + g
=1
(25)
The solution of the above equations does not garantee the continuity. It can be achieved by correcting the velocities using an update pressure eld, which is chosen such that continuity is satised.
5.2
Phase momentum correction equation
The pressure equation is derived from the semi-discretised form of the momentum equations shown in Eq. 21, (A )D u = (A )H
1
K u0 + g
(26)
Several thesis related with OpenFOAM can be found at http://foamcfd.org/resources/theses.html
where A denotes the system of linear equations arising from the discretisation of the momentum equation whereas the ()D operator represents the diagonal coecients of the matrix and ()H is the H operator. The H operator is an approximated solution of the linear system obtained from the discretised equations that includes only the o-diagonal terms of the matrix. Further details about this operations can be found in Jasak (1996) and Rusche (2002). Eq. 26 can be re-arranged to provide the phase momentum correction equation for the disperse phases. u = (A )H p K 1 + u0 + g (A )D (A )D (A )D (A )D (27)
Consequently, the momentum correction equation for the continuous phase can be derived using the same procedure and it is shown in Eq. 28. u0 = (A0 )H p 1 + (A0 )D 0 (A0 )D r0 0 (A0 )D
n
r K u +
=1
1 g (A0 )D
(28)
5.3
The pressure equation
The solution of the pressure equation provides corrections for updating the pressure, uxes and velocities so that continuity is obeyed. Rusche (2002) combined the volumetric continuity equation, shown in Eq. 1, into one to obtain an expresion for the mixture pressure. In the multi-phase approach, the mixture continuity equation evaluated at the cell faces is shown below.
n
r0f 0 +
=1
rf
=0
(29)
The volumetric phase uxes, , are obtained interpolating the momentum correction equations, Eqs. 27 and 28, to the face centres. In a general form, the volumetric ux for = 0, . . . , n is shown in Eq. 30. = 1 (A )D |S|
f fp
(30)
where is expressed for the dispersed phases ( = 1, . . . , n) as = (A )H (A )D S+

f
K (A )D
0 +
1 (A )D
gS
f
(31)
and for the continuous phase ( = 0) as 0 0 = (A0 )H (A0 )D S+

f
1 r0 0 (A0 )D
n f =1
rf Kf +
1 (A0 )D
gS
f
(32)
The pressure equation is constructed by substituting the volumetric uxes of the continuous and disperse phases, shown in Eqs. 30, 31 and 32, into Eq. 29. The resulting equation is discretised implicitly as a diusion term. r0f 1 0 (A0 )D
n
+
f =1
rf
1 (A )D 7
[p] =
f
r0f 0
+
=1
rf
(33)
The mixture pressure eld is determined considering the validity of the continuity of the volumetric uxes. The phase uxes, shown in Eq. 30, are corrected after the solution of the pressure through Eq. 33 where an iterative procedure is necessary to achieve convergence.
5.4
The volumetric fraction equation
Rusche (2002) utilises Eq. 1 as re-arranged by Weller (2002) in a conservative and bounded form (see section 3.2.6 of Rusche 2002). The multi-phase equation for the volumetric fraction was derived similarly, using the mixture velocity, dened as u = n r u , to obtain an expression for u . =0
n
u = u + r0 ur,0 +
i=
i=1
ri ur,i
(34)
using the phase relative velocities ur,0 = u u0 and ur,i = u ui . The expression for u presented by Eq. 34 is substituted into the incompressible form of Eq. 1 resulting the multi-phase volumetric fraction equations. r + t ( r ) + u (r0 ur,0 r ) +
n
ri ur,i r = 0
(35)
i=
i=1
The non-linear characteristic of the multi-phase volmetric fraction equations requires iteration to achieve convergence. The discretised form of Eq. 35 is shown below. n [r ] + ([r ]) + (r0f r,0 [r ]) + rif r,i [r ] = 0 (36) t i=1
i=
5.4.1
The multi-phase CFD-PBE coupling
The coupling of the multi-phase code and the population balance is acomplished using the weights and abscissas to obtain important informations of the disperse phase population properties. As seen in Eq. 17, each weighted abscissa is actually the fraction of the disperse phase represented by class . Therefore, following the same procedure applied to the multi-phase volumetric fraction equation, Eq. 13 was implemented as expressed in the form given by Eq. 37. + t
n
( ) + u
(ur,0 )
(
i=1
i ur,0 ) +
i ur,i =
(37)
i=
i=1
Therefore, in the coupled CFD-PBE solver, the solution of the DQMOM linear system, shown in Eq. 11, provides the source terms for the weights and disperse phase fractions (weighted abscissas) transport equations, shown respectively in Eqs. 12 and 37. Once the quadrature is known, the interphase forces are calculated in each grid cell using the disperse phase characteristic diameter evaluated by Eq. 16. 8
5.5
Algorithm of solution
The sequence of solution of the multi-phase code implemented in OpenFOAM is summarised next. 1. Solve the volumetric fraction for the disperse phases. (a) Using the multi-phase code, Eq. 36. (b) Using the CFD-PBE coupling, Eqs. 11, 12 and 37. (b.1) Calculate the volumetric fraction and the characteristic diameter, Eqs. 17 and 16. 1.1 Convergence loop for the volumetric fractions, back to step 3. 1.2 Calculate the continuous phase fraction, r0 = 1
n =1 r .
2. Evaluation of the drag coecient using Schiller & Naumann (1933). 3. Discretisation of the phase momentum equations, l.h.s. of Eqs. 24 and 25. 4. PISO-loop. 4.1 Calculate the (A )D and (A )H operators. 4.2 Construction and solution of the pressure equation, Eq. 33. 4.3 Update the volumetric phase uxes, Eqs. 30 and 31 or 32. 4.4 Update the phase velocities, Eqs. 27 and 28. 4.5 Convergence loop for the pressure, back to step 6. Usually, the user must dene how many steps are necessary for the convergence of the volumetric fractions (step 1) and the coupling of pressure-velocity (step 4) loops. In constrast to this approach, a mixed absolute and relative tolerance, shown in Eq. 38, was implemented in this work to control and stop the convergence loop where the stop criteria must be set by the user. |it it1 | = max (38) 1 + |it | The twoPhaseEulerFoam programming was extended to handle n + 1 phases using the PtrList<T> C++ template to construct an array of classes or templates of type T. This template is a list of pointers used to locate the T classes allocated sequentially in the computer memory. Thus, the PtrList<T> template provides an easy access, storage and manipulation of the T classes array. All the disperse phase variables, such as transport properties (density, kinematic viscosity and diameter), PBE variables and volumetric fractions, velocities and uxes elds, were programmed as arrays with n elements using the PtrList<T> template. For instance, a single volumetric fraction is dened using a volScalarField template whereas the PtrList<volScalarField> declares a list of pointers which locates the adress in memory of n volScalarField templates. In this case, each pointer will be addressed to each allocated volumetric phase volScalarField. On the other hand, the continuous phase was not included in the PtrList<T> template array only to provide a better distinction of the continuous and n disperse phases in the code. 9
Figure 1: The 2D BFS with parametric dimensions and boundary patches. Table 1: Physical properties and inlet conditions of the two-phase mixture. Physical Properties oil water 3 (kg m ) 900 1000 (m s2 ) 1 105 1 106 Variable Inlet condition 1 uIN (m s ) 1 1 d (m) 50 r (-) 0.9 0.1
Numerical simulations
This section presents the results of a two-dimensional test case that was proposed to evaluate the performance of the implemented multi-phase code and the CFD-PBE solution in a multi-dimensional ow eld with strong gradients.The well-known ow through a twodimensional backward facing step (BFS) was chosen due to its simplicity and the presence of circulation zones with steep gradients in laminar ow. The BFS geometry, dimensions and boundary patches, shown in Fig. 1, was used by Silva et al. (2007). In the BFS geometry, L = 11H, l = H and h = H/2, considering H = 0.01 m for all simulations. A two-phase mixture consisting of a water in oil emulsion was used in the simulations (Silva et al. 2007). The physical properties of the liquid-liquid dispersion and the inlet conditions for the Sauter mean diameter and the global disperse phase fraction are shown in Table 1, being based on actual water-in-oil emulsions. Silva et al. (2007) performed mesh convergence tests using meshes with 4000, 8000 and 16000 elements for hexahedral and tetrahedral meshes. In this work, only the nest hexaedral mesh was used in the simulations. All the simulations were carried on using the implicit Crank Nicholson scheme for time integration with adaptive time step, which was controlled to keep the maximum mesh Courant number below 0.3. The advective terms were interpolated with the Gamma scheme with coecient equal 0.5 (Jasak 1996). The iterative convergence procedures were performed until the mixed error, shown in Eq. 38, achieved values lower than the specied tolerances of 108 and 107 for the pressure and volumetric fraction respectively. Since the main ow was laminar, no turbulence model was used. The srt simulations were performed to verify the implementation of the multi-phase code in OpenFOAM considering the emulsion ow and comparing its results with the two-phase solver. Next, simulations including one more disperse phase, denser and more viscous than the others, were tested using dierent characteristic diameters in order to 10
increase the drag force. Finally, the multi-phase CFD-PBE coupling was simulated for dominant breakage and dominant aggregation cases using simplied kernels (Silva et al. 2007).
6.1
Verication of the multi-phase code
The simpler way to verify the multi-phase code is comparing its simulation results using n = 2 with those obtained by the two-phase solver implemented in OpenFOAM. In addition, simulations using more phases can also be used to verify the multi-phase code when using the same transport properties for the n disperse phases and the phase volumetric fraction are equally set with the value obtained by the division of the global volumetric fraction by n. In this case, the uidynamics and the global volumetric fraction of the disperse phase, n r , should present the same simulated results when using dierent =1 number of phases. The simulation of two dierent situations were analysed to verify the multi-phase code. In the rst situation, the inital conditions of r and d into the domain were set as the same as the inlet, as shown in Table 1. On the contrary, these variables were set as zero into the domain for the second instance. These situations are respectively referred as cases I and II with 0.01 s and 0.1 s of simulation time. Thus, simulations using n = 2, 3 and 5 were performed using respectively r = 0.1, 0.05 and 0.025, and using the water transport properties shown in Table 1 for the n disperse phases. In addition, the gravity force was not considered in the simulation tests. The results shown in this section were extracted from a vertical line poistioned at x = 0.0125 m into the channel (crossing the BFS recirculation zone). The following results presents the comparison of the global volumetric fraction of the disperse phase and the pressure elds obtained using the twoPhaseEulerFoam code and the multi-phase code. An excelent agreement on the solutions of the multi-phase code and the twoPhaseEulerFoam solver can be observed in Figs. 2(a) and (b). It is a clear evidence of a successful modeling and programming of the multi-phase approach. Since the whole domain is already lled with the emulsion mixture in case I, only minor variations of the global volumetric fraction caused by the recirculation ow should be noticed. As seen in Fig. 2(a), these small variations were accurately solved when using the multi-phase code. For case II, the two-phase emulsion is lling the domain and gradients on the volumetric fraction should appear. Similarly as case I, the variations of the global volumetric fraction were simulated accurately in case II. The solution of the pressure vertical proles in case II presented small deviations, as seen in Fig. 2(d). Compared with the twoPhaseEulerFoam solution, the order of magnitude of these deviations is almost 0.9% for n = 5 and, as observed in Fig. 2(d), it does not follow a pattern when increasing n. These dierences are probably caused due to minor numerical errors during the solution of the pressure equation despite of the small convergence errors used in the simulation. Although, it does not aect the velocity eld which magnitude is shown in Fig. 3 for case II.
6.2
Eects of increasing the drag force
In order to evaluate the capabilities of the multi-phase solver, a three-phase emulsion was considered including in the oil-water mixture a cticious denser and more viscous liquid, 11
0.1015 0.101 0.1005 0.1 r 0.0995 0.099 0.0985 0.098 0.0975 0.097 0 0.002 0.004 V n=2 n=3 n=5 T-F Euler 0.006 0.008 0.01 p Case I
100 0 -100 -200 -300 -400 -500 0 0.002 0.004 V n=2 n=3 n=5 T-F Euler 0.006 0.008 0.01 Case I
(a)
0.12 -630 0.1 0.08 r 0.06 0.04 0.02 0 0 0.002 0.004 V n=2 n=3 n=5 T-F Euler 0.006 0.008 0.01 p Case II -640 -650 -660 -670 0 0.002 Case II
(b)
n=2 n=3 n=5 T-F Euler 0.004 V 0.006 0.008 0.01
(c)
(d)
Figure 2: Vertical proles of n r and p for cases I, (a) and (b), and II, (c) and (d), =1 using the twoPhaseEulerFoam code and the multi-phase code with dierent number of phases. named phase L, which transport properties are = 3000 kg/m3 and = 105 m/s2 . The simulations were conducted using n = 5 with the multi-phase solver and considering the oil as the continuous phase, which transport properties are in the Table 1, and the other as disperse phases. As in section 6.1, the volumetric fractions were set with the same value, r = 0.025, for all the disperse phases. At this time, the subscripts 1 and 2 refer to the water and 3 and 4 refer to the L phases. In addition, each disperse phase has dierent characteristc diameter with values d1 = 40, d2 = 80, d3 = 120 and d4 = 160 m. As in case II of section 6.1, the domain was empty in the simulations and the total simulation time was 0.1 s. In addition, the gravity force was now included in these simulations with 9.8 m/s2 in the y axis direction. The countour plots of the volumetric fractions in a section of the domain are shown in Fig. 4. As observed in Fig. 4, the water volumetric fractions suer only minor changes when comparing the r1 and r2 contour plots. This is mainly caused due to the drag force against the continuous phase. On the other hand, the drag force on the L phase is more intense due to the higher values of the diameters and it aected the solutions of r3 and r4 dierently. In fact, a settleling of the denser phase occurs on the lower wall just before the expansion of the channel and below the greater recirculation zone. Moreover, due to its high viscosity the L phase is more resistent to be carried with the ow, and as consequence, it is not entrapped into the vortices as the water is. 12
1.25 1 0.75 |U| 0.5 0.25 0 0 0.002 0.004 V 0.006 0.008 0.01 n=2 n=3 n=5 T-F Euler Case II
Figure 3: Vertical proles of the velocity magnitude in case II using the twoPhaseEulerFoam code and the multi-phase code with dierent number of phases.
6.3
CFD-PBE simulations
Finally, the two-phase emulsion was tested using the multi-phase with CFD-PBE coupling approach. The simulations performed in this work used the same conditions used by Silva et al. (2007). In this simulations, the breakup and coalescence between the water droplets was considered using the same non-physical models of the McCoy & Madras (2003), 1 1 a(v, v ) = 1, b(v) = ()2 v, P (v | v ) = , (v) = 2 2 v (39)
where () is the parameter which controls the breakage or aggregation dominance eect. As in Silva et al. (2007), the breakage and aggregation cases were simulated using respectively () = 6, 0.1. The multi-phase CFD-PBE cases were simulated with 5 phases and, as a result, the DQMOM formulation used 4 quadrature points. The dimensionless weights and weighted absicssas were used in the simulations (Silva et al. 2007). Although, the volumetric fraction and the characteristic diameter obtained through the DQMOM variables were converted to the dimensional form to be used in the multi-phase momentum equations as shown in Silva et al. (2007). As in case I (section 6.1), the initial condition of the variables into the domain are the same as the inlet. The initial condition for the DQMOM variables were set by McCoy & Madras (2003) where the characteristic diameters were calculated using the dimensional abscissas (see Eq. 16), obtaining d1 = 33.125, d2 = 57.478, d3 = 78.018 and d4 = 98.392 m. The total simulation time for the breakage case was 0.1 s. The countour plot of the characteristic diameter and the volumetric fraction of phases 1 and 3 simulated with dominant breakage are shown in Fig. 5. As seen in Fig. 5, the breakage case were succesfully simulated where the particles are entrapped into the recirculation zones. In addition, the distribution of the particles are quite similar among phases 1 and 3 despiste of the dierent phase sizes. The breakage in phase 3 is more intense than phase 1 since the breakage kernel, shown in Eq. 39, is linearly dependent with the particle size. On the other hand, the occurrence of phase 1 is higher than phase 3. 13
Figure 4: Countour plots of the disperse phases volumetric fractions.
14
Figure 5: Countour plots of the volumetric fractions and characteristic diameters for phases 1 and 3 for the breakage case.
15
The aggregation rate is much slower than the breakage, thus a longer simulation time of 1 s was used. The diameter and volumetric fraction of phases 1 and 3 are shown in Fig. 6. In this case, the ow reached the steady state and the recirculation zones are well dened, as seen in Fig. 6. The particles aggregates continualy into the domain where the particle size distribution mainly depends on the residence time of the disperse phase. In conclusion, the rst simulation tests of the multi-phase CFD-PBE coupling code performed very well for the breakage and aggregation cases.
Conclusions
The formulation of the multi-phase model based on Rusche (2002) and the CFD-PBE coupling using DQMOM was presented in this work. The discretisation procedure and the pressure velocity coupling was formulated for the multi-phase model. As well, details of the algorithm and the programming of the multi-phase code in OpenFOAM are provided in this work. The multi-phase code was tested simulating two-phase ows and comparing the its simulated results with the OpenFOAM two-phase solver. The multi-phase code was simulated using 2, 3 and 5 equal disperse phases. The agreement of the solutions using the dierent approachs validated the multi-phase programming. The eect of the drag force was evaluated considering a three-phase liquid system with dierent diameters. The density and viscosity dierences were noticed in the simulations where the denser phase settled in the lower wall of the geometry. The rst simulation tests using the coupled CFD-PBE multi-phase approach implemented in OpenFOAM were successfully done. These implementations are reliable enough to be applied in actual ow simulations with realistic breakup and aggregation models. As noticed by Silva et al. (2007), no strong dicult were found in solving the hyperbolic DQMOM transport equations when using dierent velocity elds.
Acknowledgements
The authors would like to thank CNPq (grant no. 301548/2005-6). L.F.L.R. Silva would also like to acknowledge the nancial support given by Chemtech.
References
Bove, S. Computational uid dynamics of gas-liquid ows including bubble population balances. PHD Thesis, Esbjerg Institute of Engineering, Denmark (2005) Drew, D.A. & Passman, S.L. Theory of Multicomponent Fluids. Springer, 1st Ed. (1998) Ishii, M. Thermo-uid Dynamic Theory of Two-phase Flow. Eyrolles, Paris (1975) Jasak, H. Error analysis and estimation for the nite volume method with applications to uid ows. PHD Thesis, Imperial College of Science, Technology and Medicine, UK (1996) 16
Figure 6: Countour plots of the volumetric fractions and characteristic diameters for phases 1 and 3 for the dominant aggregation case.
17
Marchicio, D.L. & Fox, R.O. Solution of the population balance equation using the direct quadrature method of moments. Journal of Aeorosol Science, Volume 36, 43 73 (2005) McCoy, B.J. & Madras, G. Analytical solution for a population balance equation with aggregation and fragmentation. Chemical Engineering Science, Volume 58, 3049 3051 (2003) Ramkrishna, D. Population Balances Theory and Applications to Particulate Systems in Engineering. Academic Press, New York (2000) Rusche, H. Computational uid dynamics of dispersed two-phase ows at high phase fractions. PHD Thesis, Imperial College of Science, Technology and Medicine, UK (2002) Schiller, L. & Naumann, A. Uber die grundlegenden berechungen bei der schwerkraftbereitung. Z. Vereins deutcher Ing., Volume 77, Number 12, 318 320 (1933) Silva, L.F.R., Damian, R.B. & Lage, P.L.C. Implementation and analysis of numerical solution of the population balance equation in CFD packages. International Conference on Multiphase Flow, available on CD (2007) Weller, H.G., Tabor, G., Jasak, H. & Fureby, C. A tensorial approach to continuum mechanics using object-oriented techniques. Computers in Physics, Volume 12, Number 6, 620 631 (1998) Weller, H.G. Derivation, modelling and solution of the conditionally averaged two-phase ow equations. Technical Report TR/HGW/02, Nabla Ltd. (2002)
18

Luiz Fernando Lopes Rodrigues Silva

Uploaded by

Document Information

Original Title

Copyright

Available Formats

Share this document

Share or Embed Document

Sharing Options

Did you find this document useful?

Is this content inappropriate?

Copyright:

Available Formats

Luiz Fernando Lopes Rodrigues Silva

Uploaded by

Copyright:

Available Formats

DESENVOLVIMENTO DE METODOLOGIAS PARA SIMULAO DE ESCOAMENTOS POLIDISPERSOS USANDO CDIGO LIVRE