Métodos numéricos para calcular el movimiento y el efecto de un gran número de partículas pequeñas
Un método de elementos discretos ( MDE ), también llamado método de elementos distintos , es cualquiera de una familia de métodos numéricos para calcular el movimiento y el efecto de una gran cantidad de partículas pequeñas. Aunque el MDE está muy relacionado con la dinámica molecular , el método generalmente se distingue por su inclusión de grados de libertad rotacionales , así como contacto con estado, deformación de partículas y geometrías a menudo complicadas (incluidos poliedros). Con los avances en la potencia informática y los algoritmos numéricos para la clasificación del vecino más cercano, se ha hecho posible simular numéricamente millones de partículas en un solo procesador. Hoy en día, el MDE se está aceptando ampliamente como un método eficaz para abordar problemas de ingeniería en materiales granulares y discontinuos, especialmente en flujos granulares, mecánica de polvos, mecánica de hielo y rocas. El MDE se ha extendido al método de elementos discretos extendido teniendo en cuenta la transferencia de calor , [1] la reacción química [2] y el acoplamiento a la CFD [3] y el FEM [4] .
Los métodos de elementos discretos requieren un uso relativamente intensivo de los recursos computacionales, lo que limita la duración de una simulación o el número de partículas. Varios códigos DEM, al igual que los códigos de dinámica molecular, aprovechan las capacidades de procesamiento en paralelo (sistemas compartidos o distribuidos) para ampliar la cantidad de partículas o la duración de la simulación. Una alternativa al tratamiento de todas las partículas por separado es promediar la física en muchas partículas y, por lo tanto, tratar el material como un continuo . En el caso de un comportamiento granular similar al de un sólido, como en la mecánica de suelos , el enfoque continuo generalmente trata el material como elástico o elasto-plástico y lo modela con el método de elementos finitos o un método sin malla . En el caso de un flujo granular similar al de un líquido o un gas, el enfoque continuo puede tratar el material como un fluido y utilizar dinámica de fluidos computacional . Sin embargo, las desventajas de la homogeneización de la física a escala granular están bien documentadas y deben considerarse cuidadosamente antes de intentar utilizar un enfoque continuo.
La familia DEM
Las diversas ramas de la familia DEM son el método de elementos distintos propuesto por Peter A. Cundall y Otto DL Strack en 1979, [5] el método de elementos discretos generalizado , [6] el análisis de deformación discontinua (DDA) (Shi 1992) y el método de elementos finitos-discretos desarrollado simultáneamente por varios grupos (por ejemplo, Munjiza y Owen). El método general fue desarrollado originalmente por Cundall en 1971 para problemas en mecánica de rocas. Williams [6] demostró que DEM podría verse como un método de elementos finitos generalizado, que permite la deformación y fracturación de partículas. Su aplicación a problemas de geomecánica se describe en el libro Métodos numéricos en mecánica de rocas . [7] La 1.ª, 2.ª y 3.ª Conferencias internacionales sobre métodos de elementos discretos han sido un punto común para que los investigadores publiquen avances en el método y sus aplicaciones. Williams y O'Connor, [8] Bicanic y Bobet et al. han publicado artículos en revistas que analizan el estado del arte (véase más abajo). En el libro The Combined Finite-Discrete Element Method se incluye un tratamiento integral del método combinado de elementos finitos y elementos discretos . [9]
Aplicaciones
El supuesto fundamental del método es que el material está formado por partículas separadas y discretas. Estas partículas pueden tener diferentes formas y propiedades que influyen en el contacto entre partículas. Algunos ejemplos son:
líquidos y soluciones, por ejemplo de azúcar o proteínas;
materiales a granel en silos de almacenamiento, como cereales;
Una simulación DEM se inicia generando primero un modelo, que da como resultado la orientación espacial de todas las partículas y la asignación de una velocidad inicial . Las fuerzas que actúan sobre cada partícula se calculan a partir de los datos iniciales y las leyes físicas y los modelos de contacto relevantes. Por lo general, una simulación consta de tres partes: la inicialización, el paso de tiempo explícito y el posprocesamiento. El paso de tiempo generalmente requiere un paso de clasificación por vecino más cercano para reducir la cantidad de pares de contacto posibles y disminuir los requisitos computacionales; esto a menudo solo se realiza periódicamente.
En simulaciones macroscópicas pueden ser necesario tener en cuenta las siguientes fuerzas:
fricción , cuando dos partículas se tocan entre sí;
plasticidad de contacto, o retroceso, cuando dos partículas chocan;
gravedad , la fuerza de atracción entre partículas debido a su masa, que sólo es relevante en simulaciones astronómicas.
Potenciales atractivos, como cohesión , adhesión , puentes líquidos, atracción electrostática . Tenga en cuenta que, debido a la sobrecarga que supone determinar los pares de vecinos más próximos, la resolución exacta de fuerzas de largo alcance, en comparación con el tamaño de las partículas, puede aumentar el coste computacional o requerir algoritmos especializados para resolver estas interacciones.
Todas estas fuerzas se suman para encontrar la fuerza total que actúa sobre cada partícula. Se emplea un método de integración para calcular el cambio en la posición y la velocidad de cada partícula durante un cierto intervalo de tiempo a partir de las leyes de movimiento de Newton . Luego, las nuevas posiciones se utilizan para calcular las fuerzas durante el siguiente paso, y este ciclo se repite hasta que finaliza la simulación.
Los métodos de integración típicos utilizados en un método de elementos discretos son:
El método de elementos discretos se aplica ampliamente para la consideración de interacciones mecánicas en problemas de muchos cuerpos, particularmente materiales granulares. Entre las diversas extensiones del DEM, la consideración del flujo de calor es particularmente útil. En términos generales, en los métodos DEM térmicos, se considera el acoplamiento termomecánico, mediante el cual se consideran las propiedades térmicas de un elemento individual para modelar el flujo de calor a través de un medio granular macroscópico o de múltiples elementos sujeto a una carga mecánica. [12] Las fuerzas entre partículas, calculadas como parte del DEM clásico, se utilizan para determinar áreas de verdadero contacto entre partículas y, por lo tanto, modelar la transferencia conductiva de calor de un elemento sólido a otro. Otro aspecto que se considera en el DEM es la conducción, radiación y convección de calor en fase gaseosa en los espacios entre partículas. Para facilitar esto, es necesario considerar las propiedades de la fase gaseosa entre elementos en términos de presión, conductividad del gas y la trayectoria media libre de las moléculas de gas. [13]
Fuerzas de largo alcance
Cuando se tienen en cuenta fuerzas de largo alcance (normalmente la gravedad o la fuerza de Coulomb), es necesario calcular la interacción entre cada par de partículas. Tanto el número de interacciones como el coste del cálculo aumentan cuadráticamente con el número de partículas. Esto no es aceptable para simulaciones con un gran número de partículas. Una forma posible de evitar este problema es combinar algunas partículas, que están muy alejadas de la partícula en consideración, en una pseudopartícula. Consideremos como ejemplo la interacción entre una estrella y una galaxia lejana : el error que surge de combinar todas las estrellas de la galaxia lejana en una masa puntual es insignificante. Se utilizan los denominados algoritmos de árbol para decidir qué partículas se pueden combinar en una pseudopartícula . Estos algoritmos organizan todas las partículas en un árbol, un quadtree en el caso bidimensional y un octree en el caso tridimensional .
Sin embargo, las simulaciones en dinámica molecular dividen el espacio en el que se lleva a cabo la simulación en celdas. Las partículas que salen por un lado de una celda simplemente se insertan en el otro lado ( condiciones de contorno periódicas ); lo mismo ocurre con las fuerzas. La fuerza ya no se tiene en cuenta después de la llamada distancia de corte (normalmente la mitad de la longitud de una celda), de modo que una partícula no se ve afectada por la imagen especular de la misma partícula en el otro lado de la celda. Ahora se puede aumentar el número de partículas simplemente copiando las celdas.
Los algoritmos para lidiar con la fuerza de largo alcance incluyen:
Siguiendo el trabajo de Munjiza y Owen, el método combinado de elementos finitos y discretos se ha desarrollado aún más para diversas partículas irregulares y deformables en muchas aplicaciones, incluidas las tabletas farmacéuticas, [14] simulaciones de empaquetado y flujo, [15] y análisis de impacto. [16]
Ventajas y limitaciones
Ventajas
El DEM se puede utilizar para simular una amplia variedad de situaciones de flujo granular y mecánica de rocas. Varios grupos de investigación han desarrollado de forma independiente un software de simulación que coincide bien con los hallazgos experimentales en una amplia gama de aplicaciones de ingeniería, incluidos los polvos adhesivos, el flujo granular y los macizos rocosos diaclasados.
El DEM permite un estudio más detallado de la microdinámica de los flujos de polvo de lo que suele ser posible con experimentos físicos. Por ejemplo, las redes de fuerzas formadas en un medio granular se pueden visualizar con DEM. Tales mediciones son casi imposibles en experimentos con partículas pequeñas y numerosas.
Las características generales de los contactos de transmisión de fuerza en conjuntos granulares bajo entornos de carga externa concuerdan con los estudios experimentales que utilizan el análisis de fotoestrés (PSA). [17] [18]
Desventajas
La cantidad máxima de partículas y la duración de una simulación virtual están limitadas por la capacidad computacional. Los flujos típicos contienen miles de millones de partículas, pero las simulaciones DEM contemporáneas en grandes recursos computacionales de clústeres recién ahora han podido acercarse a esta escala durante un tiempo suficientemente largo (tiempo simulado, no tiempo real de ejecución del programa).
El DEM es computacionalmente exigente, razón por la cual no ha sido tan fácil y ampliamente adoptado como enfoque continuo en las ciencias de la ingeniería computacional y la industria. Sin embargo, los tiempos de ejecución del programa real se pueden reducir significativamente cuando se utilizan unidades de procesamiento gráfico (GPU) para realizar simulaciones DEM, debido a la gran cantidad de núcleos de computación en las GPU típicas. Además, las GPU tienden a ser significativamente más eficientes energéticamente que los clústeres de computación convencionales cuando se realizan simulaciones DEM, es decir, una simulación DEM resuelta en GPU requiere menos energía que cuando se resuelve en un clúster de computación convencional. [19]
^ Peng, Z.; Doroodchi, E.; Moghtaderi, B. (2020). "Modelado de transferencia de calor en simulaciones de procesos térmicos basadas en el método de elementos discretos (DEM): teoría y desarrollo de modelos". Progreso en la ciencia de la energía y la combustión . 79, 100847: 100847. doi :10.1016/j.pecs.2020.100847. S2CID 218967044.
^ Papadikis, K.; Gu, S.; Bridgwater, AV (2009). "Modelado CFD de la pirólisis rápida de biomasa en reactores de lecho fluidizado: modelado del impacto de la contracción de la biomasa" (PDF) . Chemical Engineering Journal . 149 (1–3): 417–427. doi :10.1016/j.cej.2009.01.036.
^ Kafui, KD; Thornton, C.; Adams, MJ (2002). "Modelado de fluidos discretos partícula-continuo de lechos fluidizados gas-sólido". Chemical Engineering Science . 57 (13): 2395–2410. Bibcode :2002ChEnS..57.2395K. doi :10.1016/S0009-2509(02)00140-9.
^ Trivino, LF; Mohanty, B. (2015). "Evaluación de la iniciación y propagación de grietas en la roca a partir de ondas de tensión inducidas por explosión y expansión de gas mediante sismometría de pozos cruzados y método FEM-DEM". Revista Internacional de Mecánica de Rocas y Ciencias Mineras . 77 : 287–299. Código Bibliográfico :2015IJRMM..77..287T. doi :10.1016/j.ijrmms.2015.03.036.
^ Cundall, Peter. A.; Strack, Otto DL (1979). "Modelo numérico discreto para conjuntos granulares" (PDF) . Géotechnique . 29 (1): 47–65. doi :10.1680/geot.1979.29.1.47.
^ ab Williams, JR; Hocking, G.; Mustoe, GGW (enero de 1985). "La base teórica del método de elementos discretos". NUMETA 1985, Métodos numéricos de ingeniería, teoría y aplicaciones . Rotterdam: AA Balkema.
^ Williams, Pande y Beer 1990.
^ Williams, JR; O'Connor, R. (diciembre de 1999). "Simulación de elementos discretos y el problema del contacto". Archivos de métodos computacionales en ingeniería . 6 (4): 279–304. CiteSeerX 10.1.1.49.9391 . doi :10.1007/BF02818917. S2CID 16642399.
^ Munjiza, Ante (2004). El método combinado de elementos finitos y discretos . Chichester: Wiley. ISBN978-0-470-84199-0.
^ Alizadeh, Mohammadreza; Hassanpour, Ali; Pasha, Mehrdad; Ghadiri, Mojtaba; Bayly, Andrew (1 de septiembre de 2017). "El efecto de la forma de la partícula en la segregación prevista en mezclas binarias de polvos" (PDF) . Tecnología de polvos . 319 : 313–322. doi :10.1016/j.powtec.2017.06.059. ISSN 0032-5910.
^ Behjani, Mohammadreza Alizadeh; Motlagh, Yousef Ghaffari; Bayly, Andrew; Hassanpour, Ali (7 de noviembre de 2019). "Evaluación del rendimiento de mezclado de mezclas de polvos farmacéuticos en un mezclador continuo utilizando el método de elementos discretos (DEM)". Tecnología de polvos . 366 : 73–81. doi :10.1016/j.powtec.2019.10.102. ISSN 0032-5910. S2CID 209718900. Archivado desde el original el 21 de febrero de 2020.
^ Gan, Yixiang; Hernández, Francisco; Hanaor, Dorian; Annabattula, Ratna; Kamlah, Marc; Pereslavtsev, Pavel (2014). "Análisis de elementos térmicos discretos de una manta reproductora sólida de la UE sometida a irradiación de neutrones". Ciencia y tecnología de fusión . 66 (1): 83–90. arXiv : 1406.4199 . Código Bib : 2014FuST...66...83G. doi :10.13182/FST13-727. S2CID 51903434.
^ Tsory, Tal; Ben-Jacob, Nir; Brosh, Tamir; Levy, Avi (2013). "Modelado térmico DEM-CFD y simulación de transferencia de calor a través de lecho empacado". Tecnología de polvos . 244 : 52–60. doi :10.1016/j.powtec.2013.04.013.
^ Lewis, RW; Gethin, DT; Yang, XS; Rowe, RC (2005). "Un método combinado de elementos finitos y discretos para simular la formación de comprimidos de polvos farmacéuticos". Revista internacional de métodos numéricos en ingeniería . 62 (7): 853. arXiv : 0706.4406 . Código Bibliográfico :2005IJNME..62..853L. doi :10.1002/nme.1287. S2CID 122962022.
^ Gethin, DT; Yang, XS; Lewis, RW (2006). "Un esquema de elementos finitos y discretos bidimensional combinado para simular el flujo y la compactación de sistemas que comprenden partículas irregulares". Métodos informáticos en mecánica aplicada e ingeniería . 195 (41–43): 5552. Bibcode :2006CMAME.195.5552G. doi :10.1016/j.cma.2005.10.025.
^ Chen, Y.; May, IM (2009). "Elementos de hormigón armado sometidos a impactos de peso por caída". Actas del ICE - Estructuras y edificios . 162 : 45–56. doi :10.1680/stbu.2009.162.1.45.
^ SJ Antony (2007). "Vínculo entre las propiedades de partículas individuales y las propiedades macroscópicas en conjuntos de partículas: papel de las estructuras dentro de las estructuras". Philosophical Transactions of the Royal Society of London, Series: A . 356 : 2879–2891.
^ SJ Antony, D. Chapman, J. Sujatha y T. Barakat (2015). "Interacción entre las inclusiones de diferentes tamaños y su proximidad a los límites de las paredes en la naturaleza de su distribución de tensiones dentro de las inclusiones dentro del empaque de partículas". Tecnología de polvos . 286 : 286, 98–106.{{cite journal}}: CS1 maint: multiple names: authors list (link)
^ He, Yi; Bayly, Andrew E.; Hassanpour, Ali; Muller, Frans; Wu, Ke; Yang, Dongmin (1 de octubre de 2018). "Un método SPH-DEM acoplado basado en GPU para el flujo de partículas-fluidos con superficies libres". Tecnología de polvos . 338 : 548–562. doi : 10.1016/j.powtec.2018.07.043 . ISSN 0032-5910.
Bibliografía
Libro
Bicanic, Ninad (2004). "Métodos de elementos discretos". En Stein, Erwin; De Borst; Hughes, Thomas JR (eds.). Enciclopedia de Mecánica Computacional . vol. 1. Wiley. ISBN 978-0-470-84699-5.
Griebel, Michael; et al. (2003). Simulación numérica en el Moleküldynamik . Berlín: Springer. ISBN 978-3-540-41856-6.
Williams, JR; Hocking, G.; Mustoe, GGW (enero de 1985). "La base teórica del método de elementos discretos". NUMETA 1985, Métodos numéricos de ingeniería, teoría y aplicaciones . Rotterdam: AA Balkema.
Williams, JR; Pande, G.; Beer, JR (1990). Métodos numéricos en mecánica de rocas . Chichester: Wiley. ISBN 978-0471920212.
Radjai, Farang; Dubois, Frédéric, eds. (2011). Modelado de elementos discretos de materiales granulares. Londres: Wiley-ISTE. ISBN 978-1-84821-260-2.
Pöschel, Thorsten; Schwager, Thoms (2005). Dinámica granular computacional: modelos y algoritmos . Berlín: Springer. ISBN 978-3-540-21485-4.
Periódico
Bobet, A.; Fakhimi, A.; Johnson, S.; Morris, J.; Tonon, F.; Yeung, M. Ronald (noviembre de 2009). "Modelos numéricos en medios discontinuos: revisión de avances para aplicaciones de mecánica de rocas". Revista de ingeniería geotécnica y geoambiental . 135 (11): 1547–1561. doi :10.1061/(ASCE)GT.1943-5606.0000133.
Cundall, PA; Strack, ODL (marzo de 1979). "Un modelo numérico discreto para conjuntos granulares". Géotechnique . 29 (1): 47–65. doi :10.1680/geot.1979.29.1.47.
Kafashan, J.; Wiącek, J.; Abd Rahman, N.; Gan, J. (2019). "Modelado de formas de partículas bidimensionales para simulaciones DEM en ingeniería: una revisión". Materia granular . 21 (3): 80. doi :10.1007/s10035-019-0935-1. S2CID 199383188.
Kawaguchi, T.; Tanaka, T.; Tsuji, Y. (mayo de 1998). "Simulación numérica de lechos fluidizados bidimensionales utilizando el método de elementos discretos (comparación entre los modelos bidimensionales y tridimensionales)". Tecnología de polvos . 96 (2): 129–138. doi :10.1016/S0032-5910(97)03366-4. Archivado desde el original el 2007-09-30 . Consultado el 2005-08-23 .
Williams, JR; O'Connor, R. (diciembre de 1999). "Simulación de elementos discretos y el problema del contacto". Archivos de métodos computacionales en ingeniería . 6 (4): 279–304. CiteSeerX 10.1.1.49.9391 . doi :10.1007/BF02818917. S2CID 16642399.
Zhu, HP; Zhou, ZY; Yang, RY; Yu, AB (julio de 2007). "Simulación de partículas discretas de sistemas particulados: desarrollos teóricos". Chemical Engineering Science . 62 (13): 3378–3396. Bibcode :2007ChEnS..62.3378Z. doi :10.1016/j.ces.2006.12.089.
Zhu, HP; Zhou, ZY; Yang, RY; Yu, AB (2008). "Simulación de partículas discretas de sistemas particulados: una revisión de las principales aplicaciones y hallazgos". Chemical Engineering Science . 63 (23): 5728–5770. Bibcode :2008ChEnS..63.5728Z. doi :10.1016/j.ces.2008.08.006.
Actas
Shi, Gen‐Hua (febrero de 1992). "Análisis de deformación discontinua: un nuevo modelo numérico para la estática y dinámica de estructuras de bloques deformables". Cálculos de ingeniería . 9 (2): 157–168. doi :10.1108/eb023855.
Williams, John R.; Pentland, Alex P. (febrero de 1992). "Superquadrics and Modal Dynamics For Discrete Elements in Interactive Design". Cálculos de ingeniería . 9 (2): 115–127. doi :10.1108/eb023852.
Williams, John R.; Mustoe, Graham GW, eds. (1993). Actas de la 2.ª Conferencia Internacional sobre Métodos de Elementos Discretos (DEM) (2.ª ed.). Cambridge, MA: IESL Publications. ISBN 978-0-918062-88-8.