PME5325-Fundamentos da Turbulência 2016

Tamanho: px
Começar a partir da página:

Download "PME5325-Fundamentos da Turbulência 2016"

Transcrição

1 4 CAPÍLO 5 A CINEMÁICA E A DINÂMICA DA RBLÊNCIA A PARIR DA APROXIMAÇÃO EAÍICA ILIZANDO-E A EQAÇÕE BÁICA DA MECÂNICA DO FLIDO 5.. Mecansmo da rblênca Como analsar as eqações do movmento em Mecânca dos Fldos, levando em conta a trblênca como m processo aleatóro? Como se mantém a energa cnétca da trblênca? Como é o processo de prodção, dsspação e transporte de trblênca? Qas são os parâmetros estatístcos mportantes a serem determnados em m processo trblento? Porqe a vortcdade e o fenômeno de estcamento de vórtces (vorte stretchng process) são mportantes no processo de geração de trblênca? Estas são pergntas mportantes, procrando respondê-las ao longo desse capítlo. Através da trblênca etra-se energa do escoamento médo nas grandes escalas. De acordo com a teora de Kolmogorov, conforme descrta no capítlo anteror, a trblênca é transferda em m processo de cascata as menores escalas, onde ocorre a dsspação de energa, o qe leva a qestão de transferênca de energa das maores para as menores escalas. A nterpretação de todo este processo, a partr das eqações do movmento aplcadas à snas aleatóros é o qe será feto a segr. 5.. Apromação Estatístca da rblênca Em Mecânca dos Fldos, m snal aleatóro (o randômco) meddo em m escoamento qalqer, pode ser representado pela sperposção de dos movmentos: m movmento médo e m movmento fltante em torno da méda. Consderando-se valores de velocdade e pressão meddos nstantaneamente em m escoamento trblento qalqer, tem-se qe: V v wk (5.) v V v sendo: (5.) w W w p P p Em notação tensoral, tem-se qe: (5.3) p P p PME535-Fndamentos da rblênca 06 Prof. Jayme P. Ortz EPP A fgra abao mostra a representação gráfca desse processo de sperposção de movmentos.

2 5 Fgra 5.. Representação esqemátca de m snal aleatóro estaconáro. Defne-se a méda temporal de m snal aleatóro de velocdade pelas relações abao: t lm ( t) dt 0 (5.4) t lm ( ( t) ) dt 0 PME535-Fndamentos da rblênca 06 Prof. Jayme P. Ortz EPP 0 Na fgra 5. o snal aleatóro é estaconáro, e nesse caso a méda temporal pode ser dada por:

3 6 t t 0 0 ( t) dt ( ( t) ) dt 0 (5.5) sendo m ntervalo de regstro do snal, sfcentemente longo, e determnado para cada condção epermental. A fgra 5. mostra a determnação epermental do valor de feta por Ortz (98) qando da medção da trblênca resdal, a sante de estrtras de dsspação por ressalto hdrálco. O nstrmento tlzado fo m mcromolnete de mm de dâmetro, de baa resposta em freqüênca, mas qe atenda as condções de medção em ressalto hdrálco, resltando para a aqsção de dados 500 s. PME535-Fndamentos da rblênca 06 Prof. Jayme P. Ortz EPP Fgra 5.. Determnação do tempo de regstro () de snal nstantâneo de velocdade a sante de estrtras de dsspação por ressalto hdrálco

4 7 ob o ponto de vsta estatístco, poderíamos representar a méda estatístca a partr da fgra segnte: Fgra 5.3. Representação esqemátca de dversas amostras de snas aleatóros de velocdade A méda estatístca das fltações de velocdade, neste caso, é dada por: N E[ ( t) ] lm k ( t) (5.4) N k endo o processo estocástco estaconáro, o valor da méda estatístca não vara com o tempo, e sendo assm: E [ ( t) ] E[ ] (5.5) e o processo estocástco é estaconáro, com a méda temporal não varando de amostra para amostra, tem-se qe a méda temporal é gal à méda estatístca: E [ ] (5.6) Pode-se conclr, portanto, nesse caso, qe ma únca amostra representa o nverso e o processo é denomnado de Processo Estocástco Estaconáro e Ergódco PEEE Nos escoamentos trblentos ncompressíves adota-se, va de regra, a condção de PEEE. PME535-Fndamentos da rblênca 06 Prof. Jayme P. Ortz EPP 5.3. A Eqação da Contndade Admtndo-se escoamento permanente de fldo ncompressível a eqação da contndade pode ser escrta na segnte forma: 0 (5.7) onde representa o valor nstantâneo da velocdade, sando-se notação tensoral. rando-se a méda da eqação (5.7), e consderando-se a decomposção do movmento trblento em dos movmentos (médo e fltante em torno da méda), reslta:

5 8 0 ) ( Aplcando-se as regras da notação tensoral, reslta: 0 O qe mplca qe: 0 eqação da contndade para o escoamento médo (5.8) btrando a eqação (5.8) da eqação (5.7), reslta: 0 eqação da contndade para as fltações trblentas (5.9) 5.4. Eqação da Qantdade de Movmento o Eqação de Reynolds O campo de velocdades e pressões nstantâneas para m escoamento ncompressível e permanente pode ser representado pela eqação de Naver-tokes, sando-se notação tensoral, conforme escrto abao: p ν (5.0) Mltplcando-se esta eqação pela massa específca e trando-se a méda, temse qe: (5.) Analsando-se separadamente os termos desta eqação, tem-se qe: ) ( ) ( Pela propredade do cálclo tensoral menconada abao: pode-se escrever a eqação anteror como: (5.) Por otro lado: d d ) ( ) ( p PME535-Fndamentos da rblênca 06 Prof. Jayme P. Ortz EPP

6 9 (5.3) Fnalmente : P p P p ) ( (5.4) bsttndo-se as eqações (5.), (5.3) e (5.4) na eqação (5.), reslta: P (5.5) o, alternatvamente: P ν (5.6) I II III IV ermo I termo de aceleração convectva do movmento médo; ermo II termo de aceleração convectva das fltações trblentas; ermo III termo de pressão do escoamento médo; ermo IV termo de vscosdade do escoamento médo. sando-se regra de dervação, tem-se qe: Portanto: (5.7) bsttndo a eqação (5.7) na eqação (5.5) e rearranando os termos da eqação, reslta: ) ( P (5.8) I II III IV A eqação (5.8) corresponde à eqação da qantdade de movmento obtda a partr da análse estatístca, eqação essa também conhecda por eqação de Reynolds. O sgnfcado físco de cada termo desta eqação está dado abao: ermo I termo de convecção de qantdade de movmento pelo escoamento médo; ermo II termo de gradente de pressão do escoamento médo; ermo III termo de varação do escoamento médo pelas tensões vscosas; ermo IV termo de varação méda das fltações trblentas. Verfca-se, portanto, pela análse dos termos III e IV, o segnte: PME535-Fndamentos da rblênca 06 Prof. Jayme P. Ortz EPP

7 0 tensões vscosas, de acordo com a Le de Newton da vscosdade (ver eqação.7). tensões trblentas, o as chamadas ensões de Reynolds, e qe se tradzem em m tensor smétrco de segnda ordem. Portanto a análse da eqação da qantdade de movmento aplcada a m escoamento trblento, permanente e ncompressível, sando-se a apromação estatístca, leva ao aparecmento das tensões de Reynolds, com ses novos termos adconas, o qe mplca na mpossbldade do fechamento do sstema clássco de eqações (eqação de Naver- tokes em três dreções e eqação da contndade), recando-se assm no chamado closre problem menconado na lteratra. A partr desse ponto srgem os chamados modelos de trblênca qe tem o obetvo de fornecer eqações alares qe permtam calclar as tensões de Reynolds. Os prmeros modelos de trblênca srgram a partr dos trabalhos de Bossnesq em torno de 870, aplcados a escoamentos em canas, qando fo proposta ma relação entre as tensões csalhantes e a taa de deformação de m escoamento médo ndmensonal. Prandtl em 95 ncorporo essas déas ntrodzndo o conceto de comprmento de mstra para defnr a vscosdade trblenta como: ν t lm lmlm (5.9) sendo: l m o comprmento de mstra em qe ocorre a troca de qantdade de movmento, estabelecendo-se ma analoga com o movmento lvre moleclar da teora cnétca dos gases; a escala de velocdade. Admte-se, portanto, nesses modelos smplfcados, qe as tensões trblentas poderam ser obtdas a partr da segnte eqação: τ trb t (5.0) eqação essa, qe procra estabelecer ma analoga entre o movmento moleclar e o movmento trblento, o qe mtas vezes tem sdo crtcado pela lteratra (ver BRADHAW,990), onde t representa a vscosdade trblenta (eddy vscosty) qe, conforme á dsctdo, é ma propredade físca do escoamento e não do fldo. Mas precsamente, poderíamos estabelecer essa analoga, tlzando-se a Hpótese de Bossnesq apresentada abao, qe relacona tensões com taas de deformações, conforme dsctdo no capítlo : τ trb t ( ) δ k (5.) 3 sendo: δ delta de Kronecker qe vale para e zero para ; k ( 3 ) energa cnétca das fltações trblentas. A determnação epermental das tensões de Reynolds é ma das chaves do conhecmento do processo de transferênca de qantdade de movmento e PME535-Fndamentos da rblênca 06 Prof. Jayme P. Ortz EPP

8 conseqüentemente do processo de trblênca. A falta de correlação entre as fltações de velocdade em das dreções ndca, por eemplo, m movmento ndmensonal, qe não caracterza processo de transferênca de qantdade de movmento o formação de trblênca. Por otro lado, os trblhões, para manterem sa energa, necesstam das tensões de deformação, sgerndo altos valores de correlação entre as fltações de velocdade. ma dscssão mas detalhada dos dversos modelos de trblênca apresentados na lteratra foge ao escopo dessa pblcação. A fgra 5.4 fo etraída de altara & Ortz (994) e mostra os resltados de tensões de Reynolds normalzados com a velocdade na entrada do ressalto, a sante de m ressalto hdrálco afogado. Os valores plotados correspondem a valores epermentas meddos com sstema LDA comparados com valores obtdos através de smlação nmérca. Observa-se qe as tensões de Reynolds são mto mas sgnfcatvas nto ao fndo, na regão crítca do ressalto (/Y ), mostrando o escoamento de retorno do perfl de velocdades, tensões essas qe dmnem bastante a sante e tendem a zero na sada do ressalto hdrálco (/Y 84), o qe caracterza ntensa trblênca no nteror do ressalto qe tende a se dsspar a sante. Fgra 5.4. Representação das tensões de Reynolds ao longo de m ressalto hdrálco afogado com Fr 8,9. A fgra 5.5 mostra o comportamento ansotrópco das fltações de velocdade nto à parede em m escoamento trblento, podendo-se observar a tendênca à sotropa, ao afastar-se da parede. A fgra 5.6 etraída de Vlalta e Ortz (000) mostra o comportamento das tensões de Reynolds nto à parede de m canal tlzando-se ága e solção polmérca PME535-Fndamentos da rblênca 06 Prof. Jayme P. Ortz EPP (polímero Iqapol de bao peso moleclar e polímero Iqapac de alto peso moleclar). Observa-se qe ocorre m amortecmento das tensões de Reynolds nto à parede qando da neção de qalqer dos polímeros e essa tendênca é mas sgnfcatva com o ncremento da concentração. Portanto os efetos das tensões vscosas passam a ser sentdos em posções mas afastadas da parede, com a ndção de efetos ansotrópcos nas componentes e v, verfcando-se ma perda de correlação entre as mesmas e, em conseqüênca, ma dmnção dos processos de transferênca de energa.

9 Fgra 5.5. Fltações de velocdade nto à parede de m escoamento trblento. PME535-Fndamentos da rblênca 06 Prof. Jayme P. Ortz EPP Fgra 5.6.Perfs de tensões de Reynolds para escoamento de ága pra e de solção polmérca em canal com Re e Re,0 4, respectvamente.

10 Eqação da Energa Cnétca do Escoamento Médo No tem anteror dedz-se a eqação de Reynolds da qantdade de movmento, representada pela eqação 5.8, consderando escoamento permanente de fldo ncompressível e admtndo força de campo desprezível. Essa eqação também pode ser escrta na segnte forma: ) ( P (5.8a) o, tlzando-se a propredade de smetra de tensores e a defnção de tensor smétrco de deformação: ) ( P δ (5.) tlzando a nomenclatra de ennekes & Lmley (97): (5.3) Portanto: (5.4) tensões médas totas no escoamento trblento. Mltplcando a eqação (5.4) por, reslta em energa cnétca por ndade de massa: (5.5) Mas, pela regra de cadea de dervação: (5.6) Note qe: (5.7) bsttndo a eqação 5.7 na eqação 5.6, reslta: P PME535-Fndamentos da rblênca 06 Prof. Jayme P. Ortz EPP

11 4 o, alternatvamente: ( ) (5.8) (5.9) I II III A eqação 5.9 corresponde a Eqação da Energa do Escoamento Médo, sendo: ermo II transporte de energa do escoamento médo, pelas tensões médas totas do escoamento trblento. ermo III trabalho de deformação do escoamento médo pelas tensões médas totas do escoamento trblento. ermo I varação da energa de trblênca do escoamento médo, por ndade de volme. A dstnção entre a transferênca espacal de energa e o trabalho de deformação é crcal para o entendmento da dnâmca da trblênca. tlzando-se os concetos das eqações 5. e 5.3, reslta: Portanto: [ Pδ ] (5.30) (5.3) I II onde: Pδ P( ) 0 representa a contrbção nla da pressão para o trabalho de deformação em m fldo ncompressível. Na eqação 5.3: termoi representa a contrbção das tensões vscosas ao trabalho de deformação, o qe sgnfca ma dsspação vscosa. Portanto a dsspação está relaconada a ma taa de deformação. termoii representa a contrbção das tensões de Reynolds ao trabalho de deformação (prodção de energa trblenta). A sbsttção da eqação 5.30 na eqação 5.9, reslta: PME535-Fndamentos da rblênca 06 Prof. Jayme P. Ortz EPP

12 5 ( P ) (5.3) I II III IV V onde: ermo I assocado ao transporte (o dstrbção) de pressão do escoamento médo; ermo II assocado ao transporte de energa do escoamento médo pelas tensões vscosas; ermo III assocado ao transporte de energa do escoamento médo pelas tensões de Reynolds; ermo IV assocado à dsspação vscosa dreta do escoamento medo; ermo V assocado à prodção de trblênca do escoamento médo. Em termos de ordem de grandeza, tem-se o segnte, para os termos da eqação 5.3: relações qe são váldas se a trblênca é caracterzada somente l pelas escalas e l. endo assm: ermov l P termo de prodção de trblênca. ermoiii l E termo de transporte de energa do escoamento médo pelas tensões de Reynolds. ermoiv D termo dsspatvo. ermoii EV termo de transporte de energa do escoamento médo pelas tensões vscosas. P l D l Re ν PME535-Fndamentos da rblênca 06 Prof. Jayme P. Ortz EPP No escoamento trblento o número de Reynolds é alto e, portanto, P>>D e sendo assm a prodção de trblênca, a partr do escoamento médo, é mto speror a dsspação vscosa dreta a partr das maores escalas. E EV l l Re ν Portanto os termos de transporte de energa do escoamento médo pelas tensões trblentos e o termo de prodção de trblênca são mportantes mecansmos na taa de varação o mdança de energa cnétca méda.

13 6 Embora a eqação da energa do escoamento médo (eqação 5.3) ale na nterpretação da dnâmca do movmento trblento, ela não contém mas nformação qe a eqação da qantdade de movmento, á qe fo obtda a partr dessa, por mera manplação Eqação da Energa Cnétca da rblênca A eqação qe governa a energa cnétca das fltações trblentas é obtda mltplcando a eqação de Naver-tokes para valores nstantâneos por, tomando-se a méda de todos os termos e sbtrando-se a eqação qe governa a energa cnétca do escoamento médo (eqação anteror). Portanto, reslta: p s s s (5.33) I II III IV V ermo I trabalho devdo ao gradente de fltações de pressão; ermo II transporte de energa pelas tensões vscosas; ermo III transporte de energa pelas fltações trblentas de velocdade; ermo IV termo de dsspação vscosa das fltações trblentas; ermo V termo de prodção de trblênca. Os termos I, II e III estão assocados a termos de transporte e representam a energa qe entra o sa do volme de controle. Estes termos, smplesmente redstrbem a energa de m ponto para otro do escoamento. Os termos IV e V estão assocados a termos de deformação do escoamento. Observa-se qe o termo de prodção de trblênca na eqação 5.3 tem snal postvo e na eqação 5.33 tem snal negatvo, o qe corresponde à transferênca de energa cnétca do escoamento médo para a trblênca e vce-versa (cascata nvertda). O termo de dsspação na eqação 5.3 é desprezível comparado com o termo de dsspação da eqação 5.33, onde a dsspação é a partr das menores escalas. Admtndo-se em prmera apromação prodção da ordem da dsspação da energa, podemos estabelecer ma ordem de grandeza para os termos da eqação 5.33: P s s PME535-Fndamentos da rblênca 06 Prof. Jayme P. Ortz EPP l s s s s Re s s

14 7 Para altos valores de Re s s o qe sgnfca qe a taa de deformação das fltações trblentas é mto mas rápda qe a taa de deformação do escoamento médo, o qe stfca a ndependênca estatístca entre as menores escalas (sotropa) e as maores escalas, cos movmentos não são comandados pela mesma faa de freqüênca. endo assm, as peqenas escalas de trblênca tendem a ser ndependentes dos efetos de orentação ntrodzdos pelas tensões médas de deformação, o qe eplca a sotropa nas peqenas escalas (sotropa local) Eqação da Vortcdade No capítlo a eqação da vortcdade, na forma tensoral, fo apresentada da segnte manera: dω ω ω ω ω ν (.35) dt t Por essa eqação percebe-se qe a vortcdade de m elemento fldo pode ser modfcada sea pelo stretchng do elemento, sea pelas tensões vscosas. Adotando-se a decomposção de Reynolds para a vortcdade, tem-se: ~ ω Ω ω (5.34) A sbsttção da eqação 5.34 na eqação.35, trando-se a méda dessa Ω e das fltações de eqação, condz às eqações da vortcdade méda ( Ω ) vortcdade ( ω ) ω, respectvamente representadas abao: I II III IV Ω Ω Ω ( Ω ω ) ω Ω Ω Ω ω s Ω Ω ν Ω Ω ν V VI (5.35) I termo de transporte pelas nterações velocdade-vortcdade; II termo análogo à prodção de trblênca na eqação de energa; III termo relatvo ao estcamento (stretchng) o encolhmento (shrnkng) dos vórtces pela taa de deformação méda; IV amplfcação o atenação por stretchng das componentes de fltação pelas taas de deformação das fltações; V transporte vscoso; VI dsspação. PME535-Fndamentos da rblênca 06 Prof. Jayme P. Ortz EPP

15 8 I II III IV V Ω ωω ω ( ωω ) ωω s ωω Ω ωs ω ω ν ωω ν (5.36) VI VII Onde: I gradente do termo de prodção; II transporte de vortcdade pelas fltações trblentas; III termo de stretchng pelas fltações trblentas; IV termo de stretchng pelas deformação do escoamento médo; V termo msto de prodção; VI transporte vscoso; VII dsspação Fnção de Densdade de Probabldade de m nal Aleatóro Consderando qe m snal trblento pode ser classfcado como m processo estocástco estaconáro ergódco, o nverso pode ser representado por ma únca amostra, conforme esqematzado abao: PME535-Fndamentos da rblênca 06 Prof. Jayme P. Ortz EPP Fgra 5.7 Representação esqemátca de ma sére temporal de m snal aleatóro e de sa fnção de densdade de probabldade Drante o ntervalo, o snal aleatóro (t) ca na banda de valores e d em m tempo total de dt, de modo qe:

16 9 dt dt lm B ( ) d (5.34) qe, para ser matematcamente válda tem-se qe para, B( ) d e qe corresponde ao ntervalo de tempo em qe B( ). Pode-se escrever anda: P ( ( t) d) B( ) d (5.35) omando-se a defnção da méda temporal para sfcentemente grande, conforme eqação 5.5, tem-se qe : t dt dt ( t) dt ( t) ( t) [ B( ) d] 0 t 0 No lmte para, pode-se escrever: B( ) d (5.36) defnção da méda a partr do conceto de fnção de densdade de probabldade. Analogamente poderíamos estender este conceto para os momentos de ordem speror, resltando: f ( ) f ( ) B( ) d (5.37) 5.9. Momentos de Dversas Ordens de m nal Aleatóro A eqação 5.37 permte o cálclo dos momentos de dversas ordens de m valor aleatóro de velocdade nstantânea. Removendo-se a méda reslta a eqação para os valores de fltação de velocdade: f ( ) f ( ) B( ) d (5.39) endo assm, temos para: -momento de prmera ordem (méda temporal): B( ) d 0 - momento de segnda ordem (varânca): A varânca é defnda por: σ E( ) [ E( )] ( ) Portanto: PME535-Fndamentos da rblênca 06 Prof. Jayme P. Ortz EPP B( ) d (5.40) Qe representa a méda qadrátca da fltação de velocdade, ca raz qadrada é o desvo padrão (RM) do snal aleatóro. O momento de segnda ordem não detecta ma evental falta de smetra da fnção de densdade de probabldade. - momento de tercera ordem (assmetra)

17 B( ) d (5.4) Nesta fnção representa-se a assmetra da fnção de densdade de probabldade com relação a orgem, conforme mostrado na fgra 5.8. Nessa fgra a assmetra está normalzada, resltando o coefcente de assmetra: 3 (5.4) 3 σ Observa-se qe na fgra 5.8 a assmetra é postva, porqe grandes valores postvos de fltações de velocdade são mas freqüentes do qe valores negatvos. Fgra 5.8 Fnção de densdade de probabldade com assmetra postva (etraído de ENNEKE & LMLEY,987) - momento de qarta ordem (crtose) 4 4 B( ) d (5.43) PME535-Fndamentos da rblênca 06 Prof. Jayme P. Ortz EPP O valor de crtose é grande se o valor de B() é sgnfcatvo na cada da fnção de probabldade, conforme mostrado na fgra 5.9, sendo ma medda de qanto tempo o snal gasta em níves de grande fltação. Na fgra tlza-se o coefcente de crtose, normalzado como: 4 K (5.44) σ 4

18 3 Fgra 5.9 Fnção de densdade de probabldade com peqena crtose e com grande crtose (etraído de ENNEKE & LMLEY, 987) 5.0. Fnção de Densdade de Probabldade Connta A fnção de densdade de probabldade connta defne a probabldade de qe ma varável aleatóra () caa no ntervalo e d, e, smltaneamente, ma varável aleatóra v caa no ntervalo v e vdv. Matematcamente, tem-se qe: P ( ( t) d.. e.. v v( t) v dv) B(, v) ddv (5.45) e os valores de v para m valor específco de são combnados, teorcamente tem-se : B ( ) B(, v) dv O, fando-se o valor de v, tem-se: B ( v) B(, v) d (5.46) (5.47) PME535-Fndamentos da rblênca 06 Prof. Jayme P. Ortz EPP Portanto a fnção de densdade de probabldade de prmera ordem pode ser obtda a partr da fnção de densdade de probabldade connta de acordo com as eqações acma. A representação gráfca da fnção de densdade de probabldade connta é dada na fgra 5.0, podendo-se perceber qe é representada por ma sperfíce bdmensonal.

19 3 Fgra 5.0 Representação esqemátca da fnção de probabldade connta (etraído de ENNEKE & LMLEY,987). 5.. Fnção de Correlação o Covarânca Partndo-se da defnção de fnção de densdade de probabldade connta, pode-se defnr a covarânca entre dos snas de fltações de velocdade como v v B( ) B( v) ddv (5.48) O coefcente de correlação pode ser obtdo normalzando a covarânca da segnte forma: PME535-Fndamentos da rblênca 06 Prof. Jayme P. Ortz EPP v y (5.49) v Com: ; sendo 0 não há correlação nenhma entre as y y fltações de velocdades; sendo, as fltações estão perfetamente y correlaconadas; sendo, as fltações estão perfeta e negatvamente y correlaconadas. A fgra 5. representa grafcamente esses resltados. No caso de e v serem estatstcamente ndependentes, tem-se:

20 33 v B( ) d vb( v) dv v 0 (5.50) e as fltações de velocdade não se correlaconam. Fgra 5.. Representação gráfca de valores de covarânca de snas de fltação de velocdades 5.. Fnção de Atocorrelação Enqanto a atocovarânca é ma medda de assmetra da fnção de densdade de probabldade connta, a atocorrelação revela a presença de perodcdade em m snal aleatóro. Estatstcamente, a atocorrelação é defnda como: N E[ ( t) ( t τ )] lm ( t) ( t τ ) (5.5) N Admtndo-se Processo Estocástco Estaconáro Ergódco (ntervalo de tempo de amostragem sfcentemente grande), reslta para a atocorrelação: PME535-Fndamentos da rblênca 06 Prof. Jayme P. Ortz EPP ( t) ( t τ ) ( t) ( t τ ) dt (5.5) E, nesse caso, a atocorrelação depende apenas no ntervalo (τ), como mostrado na fgra 5..

21 34 Fgra 5.. Amostras de m snal aleatóro de velocdade mostrando os valores de fltações nos nstantes t e t-τ. A normalzação da eqação 5.5 leva ao coefcente de atocorrelação: ( t) ( t τ ) ( τ ) ( τ ) (5.53) As propredades da fnção de atocorrelação de m processo estocástco estaconáro ergódco, estão epressas abao: ó depende do ntervalo τ; R ( τ ) R ( τ ) fnção par; R ( 0) ( τ ) ; R 0) σ R ( σ ( ) ; A fnção de atocorrelação pode ser negatva. PME535-Fndamentos da rblênca 06 Prof. Jayme P. Ortz EPP 5.3. Escala Integral de empo Estatstcamente a escala ntegral de tempo é ma medda do ntervalo sobre o qal a fltação de m snal trblento (t), correlacona-se com ele mesmo, conforme epresso na eqação abao: I 0 ( τ ) d τ (5.54) Como em trblênca assme-se sempre qe a escala ntegral é fnta, tem-se, na prátca:

22 35 I 0 ( τ ) dτ (5.55) Na fgra abao a escala ntegral de tempo I é dada pelo retânglo eqvalente a área relatva ao prmero crzamento com o zero do coefcente de atocorrelação. (τ) τ λ I Fgra 5.3. Representação esqemátca da escala ntegral de tempo e da mcroescala de aylor Correlação Espacal e Escala Integral Espacal Pode-se defnr a correlação espacal (o crzada) para τ 0, admtndo-se ma únca dmensão, como: R ( ξ ) ( ) ( ξ ) (5.56) dervando a defnção do coefcente de correlação espacal, o crzada: ( ) ( ξ ) C( ξ ) (5.57) Analogamente à escala ntegral de tempo, pode-se defnr a escala ntegral espacal, qe para m tempo fnto, e consderando ndmensonaldade é dada por: L L PME535-Fndamentos da rblênca 06 Prof. Jayme P. Ortz EPP 0 C( ξ ) dξ (5.58) Novamente L deve corresponder a m retânglo de área eqvalente à área relatva ao prmero crzamento com o zero do coefcente de correlação crzada (espacal) e deve corresponder ao tamanho apromado do trblhão na dreção da medda. e admtrmos qe as pertrbações trblentas são transportadas pelo escoamento médo sem dstorção (ndependentemente do tempo), pode- se argmentar qe: ) medção c ) campo (5.59) t

23 36 sendo c a velocdade de convecção da trblênca. A hpótese apresentada na eqação 5.59, corresponde a chamada Hpótese de aylor, conhecda na lteratra por rblênca Congelada. O cálclo das escalas ntegras apresentado nas eqações acma podera ser obtdo, alternatvamente, tlzando os snas de fltações de pressão como será vsto no capítlo segnte. PME535-Fndamentos da rblênca 06 Prof. Jayme P. Ortz EPP

Energia Cinética Média

Energia Cinética Média TRBLÊNCIA Ala 3 Energa Cnétca Méda A energa cnétca méda do fldo (por ndade de massa) é defnda por: ) ( 1 W V K A eqação de transporte para K pode ser então obtda mltplcando-se a eqação RANS por : P t 1

Leia mais

Cálculo da Resistência de um Navio

Cálculo da Resistência de um Navio Resstênca e Proplsão Cálclo da Resstênca de m Nao Resstênca é obtda da soma da resstênca de atrto com a resstênca de pressão aráes a determnar: - ector elocdade, r (3) r = (,, ) = (,, ) - Pressão, p ()

Leia mais

Redes de Petri. Definições:

Redes de Petri. Definições: Redes de Petr Defnções: Uma Rede de Petr (PN) é m grafo dreto bpartdo o qal tem dos tpos de nós denomnados lgares (qe representam estados) e transções (qe representam eventos). O estado é alterado pelo

Leia mais

ESCOAMENTO TURBULENTO

ESCOAMENTO TURBULENTO ESCOAMENTO TURBULENTO a trblênca em geral srge de ma nstabldade do escoamento em regme lamnar, qando o número de Reynolds torna-se grande. As nstabldades estão relaconadas com nterações entre termos vscosos

Leia mais

FUNDAMENTOS DE TURBULÊNCIA. Agradecimentos ao Professor Aristeu da Silveira Neto Universidade Federal de Uberlândia

FUNDAMENTOS DE TURBULÊNCIA. Agradecimentos ao Professor Aristeu da Silveira Neto Universidade Federal de Uberlândia FUNDAMENTOS DE TURBULÊNCIA Agradecmentos ao Professor Arste da Slvera Neto Unversdade Federal de Uberlânda Escoamento Lamnar No regme de escoamento lamnar o fldo se move de forma save e organzada em camadas

Leia mais

Deformações na Notação Indicial

Deformações na Notação Indicial SEÇÃO DE ENSINO DE ENGENHARIA DE FORTIFICAÇÃO E CONSTRUÇÃO Pós-gradação em Engenhara de Transportes Deformações na Notação Indcal MAJ MONIZ DE ARAGÃO Campo de deslocamentos; Componentes de deformação;

Leia mais

3 Modelagem da Turbulência

3 Modelagem da Turbulência 3 Modelagem da Trblênca Segndo Pomell (1999), solções analítcas e nmércas para problemas de escoamento trblento podem ser consegdas através de város níves de aproxmação, adotando-se maor o menor descrção

Leia mais

Inicia-se este capítulo com algumas definições e propriedades para uma seqüência de funções tal como

Inicia-se este capítulo com algumas definições e propriedades para uma seqüência de funções tal como . Métodos de Resídos Ponderados. Defnções áscas Inca-se este capítlo com algmas defnções e propredades para ma seqüênca de fnções tal como x ( x ( x ( x ( (. ( 3 4 n x Tas fnções são assmdas satsfazerem

Leia mais

PME5325-Fundamentos da Turbulência 2016

PME5325-Fundamentos da Turbulência 2016 137 CAPÍTULO 6 TURBULÊNCIA EM ESTRUTURAS DE DISSIPAÇÃO DE VERTEDORES DE USINAS HIDRELÉTRICAS COM FORMAÇÃO DO RESSALTO HIDRÁULICO - ESTUDO DE CASOS. 6.1. Consderações Geras Le de Parede Os capítlos anterores

Leia mais

PME 2556 Dinâmica dos Fluidos Computacional. Aula 2 Equação da Energia, Equação Geral de Transporte e Principais Métodos de Solução

PME 2556 Dinâmica dos Fluidos Computacional. Aula 2 Equação da Energia, Equação Geral de Transporte e Principais Métodos de Solução PME 556 Dnâmca dos Fldos Comptaconal Ala Eqação da Energa Eqação Geral de Transporte e Prncpas Métodos de Solção . Eqação da Energa Total Energa Interna: dˆ c v dt Energa Total: e ˆ ˆ . Eqação da Energa

Leia mais

1. TURBULÊNCIA: FUNDAMENTOS

1. TURBULÊNCIA: FUNDAMENTOS 1. TURBULÊNCIA: FUNDAMENTOS Sergo Vçosa Möller Programa de Pós-Gradação em Engenhara Mecânca Unversdade Federal do Ro Grande do Sl svmoller@vorte.frgs.br Jorge Hgo Slvestrn Departamento de Engenhara Mecânca

Leia mais

Cálculo Vetorial / Ilka Rebouças Freire / DMAT UFBA

Cálculo Vetorial / Ilka Rebouças Freire / DMAT UFBA Cálclo Vetoral / Ila Reboças Frere / DMAT UFBA. Campos Escalares e Vetoras. Gradente. Rotaconal. Dvergênca. Campos Conservatvos..1 Campos Escalares e Vetoras Dada ma regão D do espaço podemos asocar a

Leia mais

2 - Derivadas parciais

2 - Derivadas parciais 8 - ervadas parcas Sea por eemplo: Estma-se qe a prodção semanal de ma ábrca sea dada pela nção Q 00 500 ndades onde representa o número de operáros qalcados e representa o número dos não-qalcados. Atalmente

Leia mais

PME 2556 Dinâmica dos Fluidos Computacional. Aula 9 - Modelo k-ε Standard

PME 2556 Dinâmica dos Fluidos Computacional. Aula 9 - Modelo k-ε Standard ME 556 Dnâmca dos Fldos Compaconal Ala 9 - Modelo - Sandard Decomposção de Reynolds Decomposção de Reynolds Eqações de Reynolds (1) ( ) ( ) p Eqação de Naver-Soes na forma conservava para m fldo ncompressível:

Leia mais

Algarismos Significativos Propagação de Erros ou Desvios

Algarismos Significativos Propagação de Erros ou Desvios Algarsmos Sgnfcatvos Propagação de Erros ou Desvos L1 = 1,35 cm; L = 1,3 cm; L3 = 1,30 cm L4 = 1,4 cm; L5 = 1,7 cm. Qual destas meddas está correta? Qual apresenta algarsmos com sgnfcado? O nstrumento

Leia mais

PME5325-Fundamentos da Turbulência 2016

PME5325-Fundamentos da Turbulência 2016 35 CAPÍTULO ALGUMAS CONSIDERAÇÕES SOBRE A CINEMÁTICA E A DINÂMICA DOS FLUIDOS.. Teora do Movmento Elementar da Partícula Fluda.... Movmento de uma Partícula Fluda O movmento elementar de uma partícula,

Leia mais

Derivada Direcional e gradiente no plano

Derivada Direcional e gradiente no plano Dervada Dreconal e gradente no plano Sea m campo escalar no plano descrto por ma nção derencável a das varáves. Assm se =(,, então é o valor do campo escalar no ponto P=(,.Sea L ma reta no plano. Qando

Leia mais

MODELO ESPECTRAL DE HEISENBERG APLICADO AO DECAIMENTO DA TURBULÊNCIA NA CAMADA RESIDUAL

MODELO ESPECTRAL DE HEISENBERG APLICADO AO DECAIMENTO DA TURBULÊNCIA NA CAMADA RESIDUAL UNIVERSIDADE FEDERAL DE SANTA MARIA CENTRO DE CIÊNCIAS NATURAIS E EXATAS PROGRAMA DE PÓS-GRADUAÇÃO EM FÍSICA MODELO ESPECTRAL DE HEISENBERG APLICADO AO DECAIMENTO DA TURBULÊNCIA NA CAMADA RESIDUAL TESE

Leia mais

Texto 03: Campos Escalares e Vetoriais. Gradiente. Rotacional. Divergência. Campos Conservativos.

Texto 03: Campos Escalares e Vetoriais. Gradiente. Rotacional. Divergência. Campos Conservativos. 1 Unversdade Salvador UNIFACS Crsos de Engenhara Cálclo IV Profa: Ila Reboças Frere Cálclo Vetoral Teto 03: Campos Escalares e Vetoras. Gradente. Rotaconal. Dvergênca. Campos Conservatvos. Campos Escalares

Leia mais

3 Modelagem Estatística Clássica Modelos de Duas Equações κ-ε

3 Modelagem Estatística Clássica Modelos de Duas Equações κ-ε Modelagem Estatístca Clássca Modelos de Das Eqações - No últmo capítlo, constato-se qe, ao se realzar a méda de Reynolds nas eqações de Naver-Stokes, componentes do tensor de tensão de Reynolds ( τ ρ )

Leia mais

Cap. IV Análise estatística de incertezas aleatórias

Cap. IV Análise estatística de incertezas aleatórias TLF 010/11 Cap. IV Análse estatístca de ncertezas aleatóras Capítulo IV Análse estatístca de ncertezas aleatóras 4.1. Méda 43 4.. Desvo padrão 44 4.3. Sgnfcado do desvo padrão 46 4.4. Desvo padrão da méda

Leia mais

MECÂNICA CLÁSSICA. AULA N o 7. Teorema de Liouville Fluxo no Espaço de Fases Sistemas Caóticos Lagrangeano com Potencial Vetor

MECÂNICA CLÁSSICA. AULA N o 7. Teorema de Liouville Fluxo no Espaço de Fases Sistemas Caóticos Lagrangeano com Potencial Vetor 1 MECÂNICA CLÁSSICA AULA N o 7 Teorema de Louvlle Fluo no Espaço de Fases Sstemas Caótcos Lagrangeano com Potencal Vetor Voltando mas uma ve ao assunto das les admssíves na Físca, acrescentamos que, nos

Leia mais

3 Animação de fluidos com SPH

3 Animação de fluidos com SPH 3 Anmação de fludos com SPH O SPH (Smoothed Partcle Hydrodynamcs) é um método Lagrangeano baseado em partículas, proposto orgnalmente para smulação de problemas astrofíscos por Gngold e Monaghan (1977)

Leia mais

Departamento de Informática. Modelagem Analítica do Desempenho de Sistemas de Computação. Modelagem Analítica. Disciplina: Variável Aleatória

Departamento de Informática. Modelagem Analítica do Desempenho de Sistemas de Computação. Modelagem Analítica. Disciplina: Variável Aleatória Departamento de Informátca Dscplna: do Desempenho de Sstemas de Computação Varável leatóra Prof. Sérgo Colcher colcher@nf.puc-ro.br Varável leatóra eal O espaço de amostras Ω fo defndo como o conjunto

Leia mais

DECAIMENTO DA TURBULÊNCIA NA CAMADA SUPERFICIAL

DECAIMENTO DA TURBULÊNCIA NA CAMADA SUPERFICIAL UNIVERSIDDE FEDERL DE SNT MRI CENTRO DE CIÊNCIS NTUTRIS E EXTS PROGRM DE PÓS-GRDUÇÃO EM FÍSIC DECIMENTO D TURULÊNCI N CMD SUPERFICIL DISSERTÇÃO DE MESTRDO Lz Edardo Mederos Santa Mara RS rasl 005 DECIMENTO

Leia mais

2 Principio do Trabalho Virtual (PTV)

2 Principio do Trabalho Virtual (PTV) Prncpo do Trabalho rtual (PT)..Contnuo com mcroestrutura Na teora que leva em consderação a mcroestrutura do materal, cada partícula anda é representada por um ponto P, conforme Fgura. Porém suas propredades

Leia mais

R X. X(s) Y Y(s) Variáveis aleatórias discretas bidimensionais

R X. X(s) Y Y(s) Variáveis aleatórias discretas bidimensionais 30 Varáves aleatóras bdmensonas Sea ε uma experênca aleatóra e S um espaço amostral assocado a essa experênca. Seam X X(s) e Y Y(s) duas funções cada uma assocando um número real a cada resultado s S.

Leia mais

Trabalho e Energia. Curso de Física Básica - Mecânica J.R. Kaschny (2005)

Trabalho e Energia. Curso de Física Básica - Mecânica J.R. Kaschny (2005) Trabalho e Energa Curso de Físca Básca - Mecânca J.R. Kaschny (5) Lembrando nosso epermento de queda lvre... z z 1 v t 1 z = z - v t - gt ( ) z- z v = g = t Contudo, se consderarmos obtemos: v z z 1 t

Leia mais

NOÇÕES SOBRE CORRELAÇÃO E REGRESSÃO LINEAR SIMPLES

NOÇÕES SOBRE CORRELAÇÃO E REGRESSÃO LINEAR SIMPLES NOÇÕES SOBRE CORRELAÇÃO E REGRESSÃO LINEAR SIMPLES 1 O nosso objetvo é estudar a relação entre duas varáves quanttatvas. Eemplos:. Idade e altura das cranças.. v. Tempo de prátca de esportes e rtmo cardíaco

Leia mais

CAPÍTULO 2 DESCRIÇÃO DE DADOS ESTATÍSTICA DESCRITIVA

CAPÍTULO 2 DESCRIÇÃO DE DADOS ESTATÍSTICA DESCRITIVA CAPÍTULO DESCRIÇÃO DE DADOS ESTATÍSTICA DESCRITIVA. A MÉDIA ARITMÉTICA OU PROMÉDIO Defnção: é gual a soma dos valores do grupo de dados dvdda pelo número de valores. X x Soma dos valores de x número de

Leia mais

7 Tratamento dos Dados

7 Tratamento dos Dados 7 Tratamento dos Dados 7.. Coefcentes de Troca de Calor O úmero de usselt local é dado por h( r )d u ( r ) (7-) k onde h(r), o coefcente local de troca de calor é h( r ) q''- perdas T q''- perdas (T( r

Leia mais

Leis de conservação em forma integral

Leis de conservação em forma integral Les de conservação em forma ntegral J. L. Balño Departamento de Engenhara Mecânca Escola Poltécnca - Unversdade de São Paulo Apostla de aula Rev. 10/08/2017 Les de conservação em forma ntegral 1 / 26 Sumáro

Leia mais

CARACTERÍSTICAS DA TURBULÊNCIA ASSOCIADAS A EVENTOS DE VENTO NORTE NA REGIAO CENTRAL DO RIO GRANDE DO SUL

CARACTERÍSTICAS DA TURBULÊNCIA ASSOCIADAS A EVENTOS DE VENTO NORTE NA REGIAO CENTRAL DO RIO GRANDE DO SUL CARACTERÍSTICAS DA TURBULÊNCIA ASSOCIADAS A EVENTOS DE VENTO NORTE NA REGIAO CENTRAL DO RIO GRANDE DO SUL Mara Crstna Andres Arbage 1, Gervaso Annes Degraza 1, Osvaldo Lz Leal de Moraes, Otavo Costa Acevedo

Leia mais

4 Discretização e Linearização

4 Discretização e Linearização 4 Dscretzação e Lnearzação Uma vez defndas as equações dferencas do problema, o passo segunte consste no processo de dscretzação e lnearzação das mesmas para que seja montado um sstema de equações algébrcas

Leia mais

1. Quantidade de dinheiro doado para caridade: muitas pessoas não fazem este tipo de doação. Uma parcela expressiva dos

1. Quantidade de dinheiro doado para caridade: muitas pessoas não fazem este tipo de doação. Uma parcela expressiva dos Tópcos em Econometra I Ala /7/23 Modelo Tobt para solção de canto Eemplos Solções de canto. Qantdade de dnhero doado para cardade: mtas pessoas não fazem este tpo de doação. Uma parcela epressva dos dados

Leia mais

X = 1, se ocorre : VB ou BV (vermelha e branca ou branca e vermelha)

X = 1, se ocorre : VB ou BV (vermelha e branca ou branca e vermelha) Estatístca p/ Admnstração II - Profª Ana Cláuda Melo Undade : Probabldade Aula: 3 Varável Aleatóra. Varáves Aleatóras Ao descrever um espaço amostral de um expermento, não especfcamos que um resultado

Leia mais

2 Análise de Campos Modais em Guias de Onda Arbitrários

2 Análise de Campos Modais em Guias de Onda Arbitrários Análse de Campos Modas em Guas de Onda Arbtráros Neste capítulo serão analsados os campos modas em guas de onda de seção arbtrára. A seção transversal do gua é apromada por um polígono conveo descrto por

Leia mais

3 Método Numérico. 3.1 Discretização da Equação Diferencial

3 Método Numérico. 3.1 Discretização da Equação Diferencial 3 Método Numérco O presente capítulo apresenta a dscretação da equação dferencal para o campo de pressão e a ntegração numérca da expressão obtda anterormente para a Vscosdade Newtonana Equvalente possbltando

Leia mais

3 Metodologia de Avaliação da Relação entre o Custo Operacional e o Preço do Óleo

3 Metodologia de Avaliação da Relação entre o Custo Operacional e o Preço do Óleo 3 Metodologa de Avalação da Relação entre o Custo Operaconal e o Preço do Óleo Este capítulo tem como objetvo apresentar a metodologa que será empregada nesta pesqusa para avalar a dependênca entre duas

Leia mais

2 Incerteza de medição

2 Incerteza de medição 2 Incerteza de medção Toda medção envolve ensaos, ajustes, condconamentos e a observação de ndcações em um nstrumento. Este conhecmento é utlzado para obter o valor de uma grandeza (mensurando) a partr

Leia mais

Notas Processos estocásticos. Nestor Caticha 23 de abril de 2012

Notas Processos estocásticos. Nestor Caticha 23 de abril de 2012 Notas Processos estocástcos Nestor Catcha 23 de abrl de 2012 notas processos estocástcos 2 O Teorema de Perron Frobenus para matrzes de Markov Consdere um processo estocástco representado por um conunto

Leia mais

Termo-Estatística Licenciatura: 4ª Aula (08/03/2013)

Termo-Estatística Licenciatura: 4ª Aula (08/03/2013) Termo-Estatístca Lcencatura: 4ª Aula (08/03/013) Prof. Alvaro Vannucc RELEMBRADO Dstrbução dscreta (hstogramas) x contínua (curvas de dstrbução): Dada uma Função de Dstrbução de Densdade de Probabldade,

Leia mais

Eventos coletivamente exaustivos: A união dos eventos é o espaço amostral.

Eventos coletivamente exaustivos: A união dos eventos é o espaço amostral. DEFINIÇÕES ADICIONAIS: PROBABILIDADE Espaço amostral (Ω) é o conjunto de todos os possíves resultados de um expermento. Evento é qualquer subconjunto do espaço amostral. Evento combnado: Possu duas ou

Leia mais

Covariância na Propagação de Erros

Covariância na Propagação de Erros Técncas Laboratoras de Físca Lc. Físca e Eng. omédca 007/08 Capítulo VII Covarânca e Correlação Covarânca na propagação de erros Coefcente de Correlação Lnear 35 Covarânca na Propagação de Erros Suponhamos

Leia mais

INTRODUÇÃO À CALIBRAÇÃO MULTIVARIADA

INTRODUÇÃO À CALIBRAÇÃO MULTIVARIADA INTRODUÇÃO À CALIBRAÇÃO MULTIVARIADA APLICAÇÃO NO CONTROLE DE QUALIDADE DE FÁRMACOS Prof. Dr. Marcelo Martns de Sena MÓDULO 04 Undade Unverstára de Cêncas Eatas e Tecnológcas UnUCET Anápols 1 MÓDULO 04

Leia mais

Eletromagnetismo Aplicado

Eletromagnetismo Aplicado letromagnetsmo Aplcado Undade 5 Propagação de Ondas letromagnétcas em Meos Ilmtados e Polaração Prof. Marcos V. T. Heckler Propagação de Ondas letromagnétcas e Polaração 1 Conteúdo Defnções e parâmetros

Leia mais

Curso de extensão, MMQ IFUSP, fevereiro/2014. Alguns exercício básicos

Curso de extensão, MMQ IFUSP, fevereiro/2014. Alguns exercício básicos Curso de extensão, MMQ IFUSP, feverero/4 Alguns exercíco báscos I Exercícos (MMQ) Uma grandeza cujo valor verdadero x é desconhecdo, fo medda três vezes, com procedmentos expermentas dêntcos e, portanto,

Leia mais

Asas Finitas Escoamento permamente e incompressível

Asas Finitas Escoamento permamente e incompressível Escoamento permamente e ncompressível Caracterzação geométrca da asa - Espessura fnta muto menor do que a envergadura e a corda - Forma geométrca determnada por: a) Planta (varação de corda e ângulo de

Leia mais

2. VARIÁVEIS ALEATÓRIAS

2. VARIÁVEIS ALEATÓRIAS VARIÁVEIS ALEATÓRIAS 0 Varável aleatóra Ω é o espaço amostral de um epermento aleatóro Uma varável aleatóra é uma função que atrbu um número real a cada resultado em Ω Eemplo Retra- ao acaso um tem produzdo

Leia mais

ESTUDO COMPARATIVO ENTRE OS MODELOS LES E DES PARA SIMULAÇÃO DE ESCOAMENTO COMPRESSÍVEL TURBULENTO

ESTUDO COMPARATIVO ENTRE OS MODELOS LES E DES PARA SIMULAÇÃO DE ESCOAMENTO COMPRESSÍVEL TURBULENTO NELSON PEDRÃO ESTUDO COMPARATIVO ENTRE OS MODELOS LES E DES PARA SIMULAÇÃO DE ESCOAMENTO COMPRESSÍVEL TURBULENTO Dssertação apresentada à Escola Poltécnca da Unversdade de São Palo para obtenção do títlo

Leia mais

Notas de Aula de Probabilidade A

Notas de Aula de Probabilidade A VII- VARIÁVEIS ALEATÓRIAS UNIDIMENSIONAIS. 7. CONCEITO DE VARIÁVEIS ALEATÓRIAS: Informalmente, uma varável aleatóra é um característco numérco do resultado de um epermento aleatóro. Defnção: Uma varável

Leia mais

CIRCUITOS RESISTIVOS

CIRCUITOS RESISTIVOS Temátca Crctos Eléctrcos Capítlo nálse de Crctos Lneares CICITOS ESISTIVOS INTODÇÃO Nesta secção apresentamse dversas metodologas para resolção de crctos lneares tas como o método geral, a smplfcação do

Leia mais

Fluido Perfeito/Ideal

Fluido Perfeito/Ideal ν ref ref e L R scosdade do fludo é nula, ν0 - Número de Renolds é nfnto Admtndo que a conductbldade térmca é 0 s s s t s s t s Ds Admtndo que a conductbldade térmca é sufcentemente pequena para que se

Leia mais

4 Critérios para Avaliação dos Cenários

4 Critérios para Avaliação dos Cenários Crtéros para Avalação dos Cenáros É desejável que um modelo de geração de séres sntétcas preserve as prncpas característcas da sére hstórca. Isto quer dzer que a utldade de um modelo pode ser verfcada

Leia mais

INTRODUÇÃO À ASTROFÍSICA

INTRODUÇÃO À ASTROFÍSICA Introdução à Astrofísca INTRODUÇÃO À ASTROFÍSICA LIÇÃO 7: A MECÂNICA CELESTE Lção 6 A Mecânca Celeste O que vmos até agora fo um panorama da hstóra da astronoma. Porém, esse curso não pretende ser de dvulgação

Leia mais

2 Formulação do Problema

2 Formulação do Problema Formação do Proema.. Modeo de Agst O prmero modeo a ser anasado é casscamente conhecdo como Modeo de Agst, Agst 964. Na teratra encontram-se dversos estdos sore a estadade do modeo de Agst so carga estátca

Leia mais

Ajuste de um modelo linear aos dados:

Ajuste de um modelo linear aos dados: Propagação de erros Suponhamos que se pretende determnar uma quantdade Z, a partr da medda drecta das grandezas A, B, C,, com as quas se relacona através de Z = f(a,b,c, ). Se os erros assocados a A, B,

Leia mais

TURBULÊNCIA COQ-744 Aula 1. Profa. Tânia Suaiden Klein

TURBULÊNCIA COQ-744 Aula 1. Profa. Tânia Suaiden Klein TURBULÊNCIA COQ-744 Aula 1 Profa. Tâna Suaden Klen tana@eq.ufrj.br Introdução Expermento de Reynolds Introdução Lamnar Turbulento Lamnar Turbulento Introdução Conclusões do Expermento de Reynolds: Defnu-se

Leia mais

Aula Características dos sistemas de medição

Aula Características dos sistemas de medição Aula - Característcas dos sstemas de medção O comportamento funconal de um sstema de medção é descrto pelas suas característcas (parâmetros) operaconas e metrológcas. Aqu é defnda e analsada uma sére destes

Leia mais

8 Soluções Não Ideais

8 Soluções Não Ideais 8 Soluções Não Ideas 8.1 Convenções para o coefcente de atvdade na escala de frações molares Para a solução deal temos ln x onde é função apenas da pressão e temperatura. Fo anterormente mostrado que todas

Leia mais

4 ANÁLISE DE CONFIABILIDADE COM ANÁLISE LIMITE

4 ANÁLISE DE CONFIABILIDADE COM ANÁLISE LIMITE 4 ANÁLISE DE CONIABILIDADE COM ANÁLISE LIMITE A avalação da segurança das estruturas geotécncas tem sdo sempre um dos objetvos da Engenhara Geotécnca. A forma convenconal de quantfcar a segurança de uma

Leia mais

CORRELAÇÃO E REGRESSÃO

CORRELAÇÃO E REGRESSÃO CORRELAÇÃO E REGRESSÃO Constata-se, freqüentemente, a estênca de uma relação entre duas (ou mas) varáves. Se tal relação é de natureza quanttatva, a correlação é o nstrumento adequado para descobrr e medr

Leia mais

Prof. Lorí Viali, Dr.

Prof. Lorí Viali, Dr. Prof. Lorí Val, Dr. val@mat.ufrgs.br http://www.mat.ufrgs.br/~val/ É o grau de assocação entre duas ou mas varáves. Pode ser: correlaconal ou expermental. Prof. Lorí Val, Dr. UFRG Insttuto de Matemátca

Leia mais

1º Exame de Mecânica Aplicada II

1º Exame de Mecânica Aplicada II 1º Exame de Mecânca Aplcada II Este exame é consttuído por 4 perguntas e tem a duração de três horas. Justfque convenentemente todas as respostas apresentando cálculos ntermédos. Responda a cada pergunta

Leia mais

Introdução à Análise de Dados nas medidas de grandezas físicas

Introdução à Análise de Dados nas medidas de grandezas físicas Introdução à Análse de Dados nas meddas de grandezas físcas www.chem.wts.ac.za/chem0/ http://uregna.ca/~peresnep/ www.ph.ed.ac.uk/~td/p3lab/analss/ otas baseadas nos apontamentos Análse de Dados do Prof.

Leia mais

3 Modelo Matemático. (a) vista superior da construção do protótipo. (b) vista lateral da construção do protótipo

3 Modelo Matemático. (a) vista superior da construção do protótipo. (b) vista lateral da construção do protótipo 3 Modelo Matemátco Neste capítulo, são detalhados os modelos matemátcos utlzados para o desenvolvmento do trabalho. O presente estudo consste em analsar numercamente o campo de velocdades no modelo em

Leia mais

Teoria Elementar da Probabilidade

Teoria Elementar da Probabilidade 10 Teora Elementar da Probabldade MODELOS MATEMÁTICOS DETERMINÍSTICOS PROBABILÍSTICOS PROCESSO (FENÓMENO) ALEATÓRIO - Quando o acaso nterfere na ocorrênca de um ou mas dos resultados nos quas tal processo

Leia mais

Programa do Curso. Sistemas Inteligentes Aplicados. Análise e Seleção de Variáveis. Análise e Seleção de Variáveis. Carlos Hall

Programa do Curso. Sistemas Inteligentes Aplicados. Análise e Seleção de Variáveis. Análise e Seleção de Variáveis. Carlos Hall Sstemas Intelgentes Aplcados Carlos Hall Programa do Curso Lmpeza/Integração de Dados Transformação de Dados Dscretzação de Varáves Contínuas Transformação de Varáves Dscretas em Contínuas Transformação

Leia mais

É o grau de associação entre duas ou mais variáveis. Pode ser: correlacional ou experimental.

É o grau de associação entre duas ou mais variáveis. Pode ser: correlacional ou experimental. Prof. Lorí Val, Dr. val@mat.ufrgs.br http://www.mat.ufrgs.br/~val/ É o grau de assocação entre duas ou mas varáves. Pode ser: correlaconal ou expermental. Numa relação expermental os valores de uma das

Leia mais

Ao se calcular a média, moda e mediana, temos: Quanto mais os dados variam, menos representativa é a média.

Ao se calcular a média, moda e mediana, temos: Quanto mais os dados variam, menos representativa é a média. Estatístca Dscplna de Estatístca 0/ Curso de Admnstração em Gestão Públca Profª. Me. Valéra Espíndola Lessa e-mal: lessavalera@gmal.com Meddas de Dspersão Indcam se os dados estão, ou não, prómos uns dos

Leia mais

Vibrações Aleatórias Dinâmica Estocástica

Vibrações Aleatórias Dinâmica Estocástica Vbrações leatóras Dnâmca Estocástca pontamentos da Dscplna de Dnâmca e Engenhara Sísmca Mestrado em Engenhara de Estruturas Insttuto Superor Técnco João J. R. T. de zevedo 996 ÍNDICE Pág. - Introdução.

Leia mais

Resumos Numéricos de Distribuições

Resumos Numéricos de Distribuições Estatístca Aplcada à Educação Antono Roque Aula Resumos umércos de Dstrbuções As representações tabulares e grácas de dados são muto útes, mas mutas vezes é desejável termos meddas numércas quanttatvas

Leia mais

Engenharia Civil/Mecânica Cálculo 3-3º semestre de 2012 Profa Gisele A.A. Sanchez

Engenharia Civil/Mecânica Cálculo 3-3º semestre de 2012 Profa Gisele A.A. Sanchez Engenhara Cvl/Mecânca Cálclo - º semestre de 01 Proa Gsele A.A. Sanchez 4ª ala: Dervadas Dreconas e Gradente Gradentes e dervadas dreconas de nções com das varáves As dervadas parcas de ma nção nos dão

Leia mais

Os modelos de regressão paramétricos vistos anteriormente exigem que se suponha uma distribuição estatística para o tempo de sobrevivência.

Os modelos de regressão paramétricos vistos anteriormente exigem que se suponha uma distribuição estatística para o tempo de sobrevivência. MODELO DE REGRESSÃO DE COX Os modelos de regressão paramétrcos vstos anterormente exgem que se suponha uma dstrbução estatístca para o tempo de sobrevvênca. Contudo esta suposção, caso não sea adequada,

Leia mais

Probabilidade e Estatística I Antonio Roque Aula 4. Resumos Numéricos de Distribuições

Probabilidade e Estatística I Antonio Roque Aula 4. Resumos Numéricos de Distribuições Probabldade e Estatístca I Antono Roque Aula Resumos umércos de Dstrbuções As representações tabulares e grácas de dados são muto útes, mas mutas vezes é desejável termos meddas numércas quanttatvas para

Leia mais

CAPITULO II - FORMULAÇAO MATEMATICA

CAPITULO II - FORMULAÇAO MATEMATICA CAPITULO II - FORMULAÇAO MATEMATICA II.1. HIPOTESES BASICAS A modelagem aqu empregada está baseado nas seguntes hpóteses smplfcadoras : - Regme permanente; - Ausênca de forças de campo; - Ausênca de trabalho

Leia mais

5 Otimização de Dimensões

5 Otimização de Dimensões 5 Otmzação de Dmensões 5.1 Consderações Geras O desejo de se obter o projeto deal, consderando aspectos relaconados com o consmo, desempeno o efcênca, tas como qantdades mínmas de peso, volme, massa, sempre

Leia mais

Trabalho e Energia. Definimos o trabalho W realizado pela força sobre uma partícula como o produto escalar da força pelo deslocamento.

Trabalho e Energia. Definimos o trabalho W realizado pela força sobre uma partícula como o produto escalar da força pelo deslocamento. Trabalho e Energa Podemos denr trabalho como a capacdade de produzr energa. Se uma orça eecutou um trabalho sobre um corpo ele aumentou a energa desse corpo de. 1 OBS: Quando estudamos vetores vmos que

Leia mais

Ao se calcular a média, moda e mediana, temos: Quanto mais os dados variam, menos representativa é a média.

Ao se calcular a média, moda e mediana, temos: Quanto mais os dados variam, menos representativa é a média. Estatístca Dscplna de Estatístca 0/ Curso Superor de tecnólogo em Gestão Ambental Profª. Me. Valéra Espíndola Lessa e-mal: lessavalera@gmal.com Meddas de Dspersão Indcam se os dados estão, ou não, prómos

Leia mais

3 A técnica de computação intensiva Bootstrap

3 A técnica de computação intensiva Bootstrap A técnca de computação ntensva ootstrap O termo ootstrap tem orgem na expressão de língua nglesa lft oneself by pullng hs/her bootstrap, ou seja, alguém levantar-se puxando seu própro cadarço de bota.

Leia mais

Cap. 6 - Energia Potencial e Conservação da Energia Mecânica

Cap. 6 - Energia Potencial e Conservação da Energia Mecânica Unversdade Federal do Ro de Janero Insttuto de Físca Físca I IGM1 014/1 Cap. 6 - Energa Potencal e Conservação da Energa Mecânca Prof. Elvs Soares 1 Energa Potencal A energa potencal é o nome dado a forma

Leia mais

TEORIA CINÉTICA DOS GASES

TEORIA CINÉTICA DOS GASES TEORIA CIÉTICA DOS GASES Hpóteses: y t A z ; V ta q = m de uma molécula antes da colsão q = -m depos da colsão q m De todas as moléculas V taˆ V m Atˆ p F A A q t V m ou que pv m em todas as moléculas

Leia mais

Estatística II Antonio Roque Aula 18. Regressão Linear

Estatística II Antonio Roque Aula 18. Regressão Linear Estatístca II Antono Roque Aula 18 Regressão Lnear Quando se consderam duas varáves aleatóras ao mesmo tempo, X e Y, as técncas estatístcas aplcadas são as de regressão e correlação. As duas técncas estão

Leia mais

Covariância e Correlação Linear

Covariância e Correlação Linear TLF 00/ Cap. X Covarânca e correlação lnear Capítulo X Covarânca e Correlação Lnear 0.. Valor médo da grandeza (,) 0 0.. Covarânca na propagação de erros 03 0.3. Coecente de correlação lnear 05 Departamento

Leia mais

2. Introdução à Condução de Calor (Difusão de Calor)

2. Introdução à Condução de Calor (Difusão de Calor) 7. Introdução à Condução de Calor (Dfusão de Calor) Neste tem serão apresentados os processos de dfusão e convecção de grandezas físcas. presenta-se uma dedução das equações geras de balanço un e trdmensonal.

Leia mais

Variáveis Aleatórias

Variáveis Aleatórias Unversdade Federal do Pará Insttuto de Tecnologa Estatístca Aplcada I Prof. Dr. Jorge Teóflo de Barros Lopes Campus de Belém Curso de Engenhara Mecânca /08/06 7:39 ESTATÍSTICA APLICADA I - Teora das Probabldades

Leia mais

Elementos de Estatística e Probabilidades II

Elementos de Estatística e Probabilidades II Elementos de Estatístca e Probabldades II Varáves e Vetores Aleatóros dscretos Inês Das 203 O prncpal objetvo da deste documento é fornecer conhecmentos báscos de varáves aleatóras dscretas e pares aleatóros

Leia mais

Determinação da Incerteza de Medição na Calibração da Área de Aberturas Circulares RESUMO

Determinação da Incerteza de Medição na Calibração da Área de Aberturas Circulares RESUMO Prodto & Prodção, vol. 11, n. 1, p. 70-79, fev. 010 Edção Metrologa Determnação da Incerteza de Medção na Calbração da Área de bertras Crclares Pedro B. Costa Wellngton S. Barros Insttto Naconal de Metrologa

Leia mais

Representação e Descrição de Regiões

Representação e Descrição de Regiões Depos de uma magem ter sdo segmentada em regões é necessáro representar e descrever cada regão para posteror processamento A escolha da representação de uma regão envolve a escolha dos elementos que são

Leia mais

Estatística Aplicada II CORRELAÇÃO. AULA 21 07/11/16 Prof a Lilian M. Lima Cunha

Estatística Aplicada II CORRELAÇÃO. AULA 21 07/11/16 Prof a Lilian M. Lima Cunha 09//06 Estatístca Aplcada II CORRELAÇÃO AULA 07//6 Prof a Llan M. Lma Cunha CORRELAÇÃO: Identfcar a estênca ou não de assocação lnear entre varáves: -Preço de um produto em regões; -Frete e Km percorrdo;

Leia mais

MODELOS DE REGRESSÃO PARAMÉTRICOS

MODELOS DE REGRESSÃO PARAMÉTRICOS MODELOS DE REGRESSÃO PARAMÉTRICOS Às vezes é de nteresse nclur na análse, característcas dos ndvíduos que podem estar relaconadas com o tempo de vda. Estudo de nsufcênca renal: verfcar qual o efeto da

Leia mais

Figura 8.1: Distribuição uniforme de pontos em uma malha uni-dimensional. A notação empregada neste capítulo para avaliação da derivada de uma

Figura 8.1: Distribuição uniforme de pontos em uma malha uni-dimensional. A notação empregada neste capítulo para avaliação da derivada de uma Capítulo 8 Dferencação Numérca Quase todos os métodos numércos utlzados atualmente para obtenção de soluções de equações erencas ordnáras e parcas utlzam algum tpo de aproxmação para as dervadas contínuas

Leia mais

AULA 4. Segundo Quartil ( Q observações são menores que ele e 50% são maiores.

AULA 4. Segundo Quartil ( Q observações são menores que ele e 50% são maiores. Estatístca Aplcada à Engenhara AULA 4 UNAMA - Unversdade da Amazôna.8 MEDIDA EPARATRIZE ão valores que separam o rol (os dados ordenados) em quatro (quarts), dez (decs) ou em cem (percents) partes guas.

Leia mais

Escoamento em Regime Turbulento Aproximações de Reynolds (RANS equations)

Escoamento em Regime Turbulento Aproximações de Reynolds (RANS equations) Méda emporal aplcada às varáves dependenes e aos prncípos de conservação lm T o T o d T Φ represena qalqer ma das varáves dependenes (escoameno ncompressível,v,w,p) Mesrado Inegrado em Engenhara Mecânca

Leia mais

3 Elementos de modelagem para o problema de controle de potência

3 Elementos de modelagem para o problema de controle de potência 3 Elementos de modelagem para o problema de controle de potênca Neste trabalho assume-se que a rede de comuncações é composta por uma coleção de enlaces consttuídos por um par de undades-rádo ndvdualmente

Leia mais

AEP FISCAL ESTATÍSTICA

AEP FISCAL ESTATÍSTICA AEP FISCAL ESTATÍSTICA Módulo 11: Varáves Aleatóras (webercampos@gmal.com) VARIÁVEIS ALEATÓRIAS 1. Conceto de Varáves Aleatóras Exemplo: O expermento consste no lançamento de duas moedas: X: nº de caras

Leia mais

CURSO A DISTÂNCIA DE GEOESTATÍSTICA

CURSO A DISTÂNCIA DE GEOESTATÍSTICA CURSO A DISTÂNCIA DE GEOESTATÍSTICA Aula 6: Estaconardade e Semvarânca: Estaconardade de a. ordem, Hpótese ntríseca, Hpótese de krgagem unversal, Crtéros para escolha, Verfcação, Representatvdade espacal,

Leia mais

Mecânica. Sistemas de Partículas

Mecânica. Sistemas de Partículas Mecânca Sstemas de Partículas Mecânca» Sstemas de Partículas Introdução A dnâmca newtonana estudada até aqu fo utlzada no entendmento e nas prevsões do movmento de objetos puntformes. Objetos dealzados,

Leia mais

ESTUDO NUMÉRICO E EXPERIMENTAL DO ESCOAMENTO TURBULENTO EM MODELOS FLORESTAIS

ESTUDO NUMÉRICO E EXPERIMENTAL DO ESCOAMENTO TURBULENTO EM MODELOS FLORESTAIS 16º POSMEC Unversdade Federal de Uberlânda Facldade de Engenhara Mecânca ESTUDO NUMÉRICO E EXPERIMENTAL DO ESCOAMENTO TURBULENTO EM MODELOS FLORESTAIS Lcano Gonçalves Noleto lcanonoleto@nb.br Casmro Cala

Leia mais