Grupo2 - Ondas1: mudanças entre as edições

De Física Computacional
Ir para navegação Ir para pesquisar
Linha 59: Linha 59:
Neste método utilizamos os pontos intermediários da discretização. Para v temos
Neste método utilizamos os pontos intermediários da discretização. Para v temos


<math> \frac{ v_{j}^{n+\frac{1}{2}} -  v_{j}^{n-\frac{1}{2}}}{\Delta t} = \frac{ w_{j+\frac{1}{2}}^{n} -  w_{j-\frac{1}{2}}^{n} }{\Delta x}   </math>,
<math> \frac{ v_{j}^{n+\frac{1}{2}} -  v_{j}^{n-\frac{1}{2}}}{\Delta t} = \frac{ w_{j+\frac{1}{2}}^{n} -  w_{j-\frac{1}{2}}^{n} }{\Delta x} \Rightarrow v_{j}^{n+\frac{1}{2}} =  v_{j}^{n-\frac{1}{2}} + \frac{\Delta t}{\Delta x} (w_{j+\frac{1}{2}}^{n} - w_{j-\frac{1}{2}}^{n} ) </math>,
 
<math> v_{j}^{n+\frac{1}{2}} =  v_{j}^{n-\frac{1}{2}} + \frac{\Delta t}{\Delta x} (w_{j+\frac{1}{2}}^{n} - w_{j-\frac{1}{2}}^{n} ) </math>,


Para w temos
Para w temos


<math>  \frac{ v_{j+1}^{n+\frac{1}{2}} -  v_{j}^{n+\frac{1}{2}}}{\Delta x} = \frac{ w_{j+\frac{1}{2}}^{n+1} -  w_{j+\frac{1}{2}}^{n} }{\Delta t}   </math>,
<math>  \frac{ v_{j+1}^{n+\frac{1}{2}} -  v_{j}^{n+\frac{1}{2}}}{\Delta x} = \frac{ w_{j+\frac{1}{2}}^{n+1} -  w_{j+\frac{1}{2}}^{n} }{\Delta t} \Rightarrow w_{j+\frac{1}{2}}^{n+1} =  w_{j+\frac{1}{2}}^{n} + \frac{\Delta t}{\Delta x} \Big(v_{j+1}^{n+\frac{1}{2}} - v_{j}^{n+\frac{1}{2}}\Big) </math>,
 
<math> w_{j+\frac{1}{2}}^{n+1} =  w_{j+\frac{1}{2}}^{n} + \frac{\Delta t}{\Delta x} \Big(v_{j+1}^{n+\frac{1}{2}} - v_{j}^{n+\frac{1}{2}}\Big) </math>,


Para u temos
Para u temos


<math>  v_{j}^{n+\frac{1}{2}} = \frac{\partial u}{\partial t} \Big|_{j}^{n+\frac{1}{2}} = \frac{ u_{j}^{n+1} - u_j^n}{\Delta t}  </math>,
<math>  v_{j}^{n+\frac{1}{2}} = \frac{\partial u}{\partial t} \Big|_{j}^{n+\frac{1}{2}} = \frac{ u_{j}^{n+1} - u_j^n}{\Delta t} \Rightarrow u_{j}^{n+1} = u_j^n + v_{j}^{n+\frac{1}{2}} \Delta t</math>,
 
<math> u_{j}^{n+1} = u_j^n + v_{j}^{n+\frac{1}{2}} \Delta t</math>,


Juntando todas elas temos
Juntando todas elas temos


<math>  u_{j}^{n+1} = 2u_{j}^{n} - u_{j}^{n-1} + \frac{(\Delta t)^2}{(\Delta x)^2}(u_{j+1}^{n} - 2u_{j}^{n} + u_{j-1}^{n}) </math>,
<math>  u_{j}^{n+1} = 2u_{j}^{n} - u_{j}^{n-1} + \frac{(\Delta t)^2}{(\Delta x)^2}(u_{j+1}^{n} - 2u_{j}^{n} + u_{j-1}^{n}) </math>,
o que é equivalente a discretizarmos a equação da onda diretamente, utilizando que, para uma função f(x), <math> \frac{d^2f}{dx^2}\Big|_j = \frac{f_{j-1} - 2f_j + f_{j+1}}{(\Delta x)^2}</math>,
sendo j a discretização em x.


===Método de Lax-Wendroff de Dois Passos===
===Método de Lax-Wendroff de Dois Passos===

Edição das 07h05min de 24 de outubro de 2017

Introdução

A modelagem numérica vem se tornando cada vez mais uma ferramenta indispensável para um engenheiro. Tal modelagem pode trazer informações importantes para entender como melhor abordar o desenvolvimento de um projeto, neste caso, um que envolva ondas. Nós, como futuros engenheiros físicos, pensamos em trazer um problema mais "concreto", de engenharia costeira e portuária, que pode ou não surgir em nossas vidas profissionais mas cujo método de solução certamente estará presente. Aqui será apresentado um modelo baseado em uma condição inicial e um perfil topográfico do local estudado que descreve a evolução temporal de uma onda.

Para testarmos os diferentes métodos, utilizaremos a equação da onda em uma dimensão, que é uma equação diferencial parcial de segunda ordem, para modelarmos uma corda:

em que é o deslocamento vertical da corda e , com o comprimento da corda.

Admitindo ,

.

Uma vez que os métodos citados abaixo são para equações de primeira ordem, é necessário separarmos a equação em um sistema de equações, fazendo a substituição e :

As condições de contorno são (pontas fixas), e as condições iniciais são e

Algoritmos

Apresentaremos aqui três abordagens diferentes para a solução da equação diferencial parcial apresentada, e após, seus respectivos erros associados. A respeito das discretizações, corresponde à posição, e representa o tempo.

Método de Lax-Friedrichs

Esse método consiste em discretizar as equações no esquema FTCS, ou seja

,


,

Entretanto, ao se realizar uma análise de estabilidade de Von Neumann, conclui-se que esse método é instável. Para torná-lo estável, é necessário trocarmos os termos e por suas médias espaciais


,


,

,

Embora as médias espaciais sejam necessárias para a estabilidade do método, elas introduzem um problema: surge um efeito chamado de dissipação numérica, ou seja, a amplitude da solução diminui com o tempo. Isso pode ser observado através da análise de Von Neumann ou de uma investigação da equação do esquema Lax-Friedrichs. Por este método, observa-se que ao inserirmos as médias, mudamos a equação original do problema, pois agora há também um termo do tipo difusivo (uma derivada segunda).

Agora vamos unir todas as equações, para que no programa possamos iterar apenas uma equação ao invés de três.


.

Método de Leapfrog

Neste método utilizamos os pontos intermediários da discretização. Para v temos

,

Para w temos

,

Para u temos

,

Juntando todas elas temos

,

o que é equivalente a discretizarmos a equação da onda diretamente, utilizando que, para uma função f(x), ,

sendo j a discretização em x.

Método de Lax-Wendroff de Dois Passos

,

,

Para w resulta em:

,

Agora encontraremos a equação para v:

,

Sendo que:

,

,

Para v resulta em:

,

E finalmente temos a equação unificada das outras em u:

,

Análise de erros e estabilidade

A análise de erros se torna mais evidente durante a escolha do parâmetro , onde . Valores grandes trazem pouca acurácia, e valores pequenos necessitam de muito poder de computação (tempo e dinheiro). Trazemos problemas mais simplificados como um "guia" de escolha do parâmetro.

A partir do cálulo da solução analítica da equação da onda, podemos calcular quanto o valor obtido pelos métodos difere da solução real, o que leva a uma visualização do erro corrente em cada método de integração.

Comparação do erro global entre os três métodos estudados

Podemos observar a ordem com que os erros crescem à medida que o parâmetro k se torna maior. Lembrando que os valores da constante são determinados pela discretização do espaço e do tempo.

Simulação de Propagação de Onda 2D Dependente de Topografia

O modelo mais simples parte da equação da onda [1], acrescentando o termo .

,


Sendo uma representação da profundidade em águas calmas. Em uma situação real, pode-se obtê-la por mapeamento eletrônico do terreno por sistema de sonar.

Exemplo de mapeamento de terreno sub - calota polar feito por AUV (autonomous underwater vehicle)

Como primeira abordagem visando uma análise em 2D, a integração da equação em 1D (mesmo sendo uma situação muito idealizada) já traz resultados interessantes. Podemos observar, por exemplo, que a amplitude da onda cresce perto da costa. Esta informação por si só ajuda na construção de proteção contra quebra de ondas, pois é obtido o tamanho que as mesmas atingem.

Simulação em 1D de ondas perto da margem

É importante notar o quão poderosa é a integração de equações parciais na vida de um engenheiro.

A dependência em de permite um modelo no qual o terreno se modifica com o tempo. Isto é, pode-se observar o efeito que o deslocamento de placas tectônicas, deslizamentos, e até explosões provocam no comportamento das ondas na costa de um país e o reconhecimento de áreas críticas.

Estendendo o algoritmo do Leap-Frog à situação 2D, obtemos, para uma dada condição inicial e , onde é uma constante:

Simulação em 2D de ondas em águas com profundidade constante, visão de cima
Simulação em 2D de onda em águas com profundidade constante, visão em ângulo


Podemos então, analisar como a mesma condição inicial se porta quando descreve uma gaussiana na origem:


Simulação em 2D de ondas em águas com gaussiana na origem, visão de cima
Simulação em 2D de onda em águas com gaussiana na origem, visão em ângulo

Bibliografia

1"The Wave Equation in 1D and 2D," por Knut–Andreas Lie, Dept. of Informatics, University of Oslo; disponível em: [1]; Último acesso em 23/10/2017.

2"Digital terrain mapping of the underside of sea ice from a small AUV," por Wadhams, M. J. Doble; disponível em: DOI: 10.1029/2007GL031921 ; Último acesso em 23/10/2017.

2 Press, William H.; Teukolsky, Saul A.; Vetterling, William T.; Flannery, Brian P. (2007). Numerical Recipes: The Art of Scientific Computing (3rd ed.). New York: Cambridge University Press. ISBN 978-0-521-88068-8.

2 "Métodos Computacionais da Física C - Aula 2 - 2016/1" por Heitor C. M. Fernandes, Instituto de Física, UFRGS; Último acesso em 23/10/2017.