Upload
internet
View
106
Download
4
Embed Size (px)
Citation preview
Otimização do Método Otimização do Método MultigridMultigrid Geométrico Geométrico em Transferência de em Transferência de CalorCalor
Dr. Sc. MARCIO AUGUSTO VILLELA Dr. Sc. MARCIO AUGUSTO VILLELA PINTO PINTO
I Seminário de Multigrid de 2008 I Seminário de Multigrid de 2008 LENA - UFPRLENA - UFPRCuritiba – 17/04/2008Curitiba – 17/04/2008
2
Roteiro da apresentação- Introdução;
- Fundamentação teórica;
- Motivação;
- Objetivos;
- Revisão bibliográfica;
- Dados de implementação;
- Problemas abordados:
- unidimensionais lineares e não-linear;
- bidimensional linear (isotrópico);
- bidimensional linear (anisotrópico);
- Conclusões gerais;
- Contribuições;
- Trabalhos futuros.
3
Introdução
- Modelos matemáticos na dinâmica dos fluidos computacional recaem em equações diferenciais que geralmente não têm soluções analíticas conhecidas;
- Técnicas utilizadas: experimental, teórica e numérica.
- Estas eq. diferenciais são discretizadas resultando emum conjunto de equações algébricas do tipo:
- Problemas práticos; Características da matriz A;
- Erros; Métodos diretos X Métodos iterativos.
bAx
4
Introdução
Queda do resíduo para o solver GS e 4 tamanhos de malhas
5
Introdução
Fonte: http://www.math.utah.edu/~eagan/multigrid.html
6
Fundamentação teórica
Engrossamento: (engross. Padrão, r = 2)h
Hr
7
Fundamentação teórica
Engrossamento: e (semi-engrossamento)
y
x
h
hRA
1yr
h
H
x
xx h
hr
Anisotropia geométrica:
x
xx h
Hr
Isotropia N = 9x9; RA = 1 Anisotropia N = 5x9; RA = 2
8
Resolver Au=f com u0 , calcular o resíduo (r) e restringir
Resolver Ae=rprolonga a correção (e)
Resolver Au=f e Resolver Au=f e verificar a convergênciaverificar a convergência hh
2h
4hh
8hh
Resolver Ae=r calcular o resíduo e restringir
Corrige (Corrige (ee) e Resolve Ae=r) e Resolve Ae=rProlonga a correção (Prolonga a correção (ee))
Ciclo V: Esquema CS
Fundamentação teórica
9
Resolver A(u)=f com u0 , restringe o resíduo (r) e a solução (v)
Resolver A(u)=A(v)+r e prolonga a correção (e=u-v)
Resolver Au=f e Resolver Au=f e verificar a convergênciaverificar a convergência hh
2h
4hh
8hh
Resolver A(u)=A(v)+r restringe o resíduo e a solução
Corrigir (v) e Resolver Au=fCorrigir (v) e Resolver Au=f Prolonga a correção Prolonga a correção
Fundamentação teórica
Esquema FAS
10
Objetivos
Objetivos gerais:- Utilizar o método multigrid para melhorar a taxa de convergência em problemas lineares e não-lineares, uni e bidimensionais.- Utilizar o método multigrid para melhorar a taxa de convergência em problemas anisotrópicos.
Objetivos específicos:- Comparar os esquemas CS e FAS para as equações de difusão, advecção-difusão e Burgers em malhas isotrópicas.- Comparar algoritmos baseados em engrossamento padrão e semi-engrossamento em malhas anisotrópicas.
11
Revisão bibliográfica
- Razões de engrossamento: - Brandt (1977): r = 2, 3 e 3/2; - Briggs et al. (2000): r ≠ 2 desvantagem; - Stüben (1999, 2001): r = 2 e 4 em anisotropias.
- CS e FAS: - Yan e Thiele (1998): Variante do FAS; - Mesquita e de-Lemos (2004): CS para não-linear.
- Semi-engrossamento: - Mulder (1989): SE múltiplo; - Montero et al. (2001): plano EP x plano SE; - Zhang (2002): SE parcial; - Larsson et al. (2005): SE condicional para Eq. Poisson.
12
Dados de implementação
- Linguagem: FORTRAN/95;
- Multigrid: Geométrico;
- Suavizadores: TDMA, El_Gauss, GS, MSI, ADI;
- Engrossamento: r = 2, 3, 4 e 5;
- RA: 1/1024, 1, 2, 16, 128, 1024 e 8192;
- Restrição: Injeção;
- Prolongação: Interpolação linear (1D) e bilinear (2D);
- Critério de parada: ;
- Estimativas inicias e tolerâncias (padrão): , .710
1
1
)0(
)(
R
kR
0
v
13
Dados de implementação
- Outras estimativas iniciais: e
- Outras tolerâncias: e
- Quem é ? Quem é ?
- Quem é ? Quem é ?
ótimoITI
ótimoL
CPUt
máximoL
1,...,1v 2/1,...,2/1v
410 1010
14
Problemas unidimensionais lineares e não-linear
O problema linear de transferência de calor unidimensional pode ser modelado pelas equações diferenciais ordinárias:
Equação de difusão:
Equação de advecção-difusão:
1)1(,0)0(
10,2
2
TT
xxfdx
Td
1)1(,0)0(
10,2
2
TT
xdx
Td
dx
dTPe
15
O problema não-linear de escoamento unidimensional pode ser modelado pela equação diferencial ordinária:
Equação de Burgers:
1)1(,0)0(
10,2
22
uu
xSdx
ud
dx
duRe
2
2
1
12Re
RexRexRe
e
eeeReS
Problemas unidimensionais lineares e não-linear
16
Escopo
- Itens abordados (influência): - Número de incógnitas;
- Iterações internas;
- Níveis de malhas;
- Razões de engrossamento;
- Esquemas CS e FAS.
17
- Número de elementos (1D):
r 2 3 4 5
N mínimo 2 2 2 2
N máximo 8.388.608 9.565.938 8.388.608 3.906.250
18
Problema bidimensional linear (isotrópico)
O problema linear de condução de calor bidimensional pode ser modelado pela equação diferencial parcial:
Equação de Laplace:
xsenxTyTyTxT
yxy
T
x
T
)1,(,0),1(),0()0,(
1,0,02
2
2
2
19
Escopo
- Itens abordados (influência): - Número de incógnitas;
- Iterações internas;
- Níveis de malhas;
- Razões de engrossamento;
- Solvers;
- Esquemas CS e FAS.
20
- Número de incógnitas (2D, iso):
r NN mínimo mínimo NN máximo máximo
SG 3x3 = 9 513x513 = 263169
2 3x3 = 9 2049x2049 = 4198401
3 3x3 = 9 1459x1459 = 2128681
4 3x3 = 9 2049x2049 = 4198401
5 3x3 = 9 1251x1251 = 1565001
21
Problema bidimensional anisotrópico: Escopo
- Malhas: isotrópicas e anisotrópicas;
- Várias razões de aspecto para anisotropia;
- Algoritmos para anisotropia: EP, SE, EP-SE e SE-EP.
- Itens abordados (influência): - Iterações internas; - Razão de aspecto; - Número de incógnitas; - Algoritmos.
22
- Número de incógnitas (2D, aniso):
RA NN mínimo mínimo NN máximo máximo
1/1024 4097x5 16385x17
1 129x129 2049x2049
2 65x129 2049x4097
16 17x257 513x8193
128 5x513 129x16385
1024 5x4097 33x32769
8192 5x32769 17x131073
23
Conclusões gerais
- O esquema FAS (r = 3) é mais rápido que o CS (r = 2) para problemas lineares e não linear, 1D e 2D;
- ITI afeta o significativamente o tempo de CPU; e o esquema utilizado (CS ou FAS) e a dimensão do problema influenciam no ;
- L afeta o significativamente o tempo de CPU; e o esquema utilizado (CS ou FAS) não tem muita influência no ;
- O solver MSI é mais rápido que GS e ADI para os esquemas CS e FAS;
ótimoITI
ótimoL
24
Conclusões gerais
- O algoritmo SE-EP (dentre os algoritmos que foram testados) resulta em menor tempo de CPU para problemas anisotrópicos com ou ;
- Grande variação de RA resulta em pequena variação do . para o algoritmo SE-EP .
1RA1RA
ótimoITI
25
Trabalhos atuais e futuros
- Ciclos e Roteiros (Fabiane, Marcio e Marchi);
- Outras Anisotropias Geométricas (Fabiane, Marcio e Marchi);
- Anisotropia Física (Roberta, Marcio e Marchi);
- Multigrid Algébrico em problemas difusivos e advectivos (Roberta, Marcio e Marchi).
26
Trabalhos atuais e futuros
- Problemas difusivos 1D e 2D com o uso de Volumes Finitos (Rafael, Marcio e Marchi);
- Anisotropia Geométrica (Partial Semicoarsening - Zhang) com razão de engrossamento agressiva (Marcio e Marchi).
Otimização do Método Otimização do Método MultigridMultigrid Geométrico Geométrico em Transferência de em Transferência de CalorCalor
Dr. Sc. MARCIO AUGUSTO VILLELA Dr. Sc. MARCIO AUGUSTO VILLELA PINTO PINTO
I Seminário de Multigrid de 2008 I Seminário de Multigrid de 2008 LENA - UFPRLENA - UFPRCuritiba – 17/04/2008Curitiba – 17/04/2008