Análise de Camadas Perfeitamente Casadas em Simulações
Transcrição
Análise de Camadas Perfeitamente Casadas em Simulações
Ana Paula Martins Lima Análise de Camadas Perfeitamente Casadas em Simulações Bidimensionais do Método dos Volumes Finitos no Domínio da Frequência Dissertação de Mestrado Dissertação apresentada como requisito parcial para obtenção do grau de Mestre pelo Programa de Pós–graduação em Engenharia Elétrica do Departamento de Engenharia Elétrica da UFBA Orientador: Prof. Marcela Silva Novo Salvador Setembro de 2014 Todos os direitos reservados. É proibida a reprodução total ou parcial do trabalho sem autorização da universidade, do autor e do orientador. Ana Paula Martins Lima Ana Paula Martins Lima recebeu o grau de bacharel em Engenharia Elétrica pela Universidade Federal da Bahia, em julho de 2011. Em setembro de 2013, foi contratada pela Petróleo Brasileiro S.A. Petrobrás, como Engenheira de Petróleo Junior. Ficha Catalográfica Lima, Ana Paula Martins Análise de Camadas Perfeitamente Casadas em Simulações Bidimensionais do Método dos Volumes Finitos no Domínio da Frequência / Ana Paula Martins Lima; orientador: Marcela Silva Novo. — Salvador : UFBA, Departamento de Engenharia Elétrica, 2014. v., 107 f: il. ; 29,7 cm 1. Dissertação (mestrado) - Universidade Federal da Bahia, Departamento de Engenharia Elétrica. Inclui referências bibliográficas. 1. Engenharia Elétrica – Tese. 2. Camadas Perfeitamente Casadas. 3. Eletromagnetismo Computacional. 4. Método dos Volumes Finitos. 5. Número de Condição. 6. . I. Novo, Marcela Silva. II. Universidade Federal da Bahia. Departamento de Engenharia Elétrica. III. Título. CDD: 621.3 Ana Paula Martins Lima Análise de Camadas Perfeitamente Casadas em Simulações Bidimensionais do Método dos Volumes Finitos no Domínio da Frequência Dissertação apresentada como requisito parcial para obtenção do grau de Mestre pelo Programa de Pós–graduação em Engenharia Elétrica do Departamento de Engenharia Elétrica da Escola Politécnica da UFBA. Aprovada pela Comissão Examinadora abaixo assinada. Prof. Marcela Silva Novo Orientadora Departamento de Engenharia Elétrica — UFBA Prof. Vitaly Félix Rodrìguez Esquerre Universidade Federal da Bahia - UFBA Prof. Fernando Augusto Moreira Universidade Federal da Bahia - UFBA Prof. José Ricardo Bergmann Pontíficia Universidade Católica do Rio de Janeiro - PUC-Rio Salvador, 12 de Setembro de 2014. Agradecimentos A realização deste projeto foi possível apenas com a ajuda e o apoio de algumas pessoas a quem devo expressar enorme gratidão. Primeiro, à minha orientadora, Profa Marcela Silva Novo, pela orientação que tornou esta Dissertação de Mestrado uma realidade. Aos meu amigos em geral, pelo apoio e motivação nos momentos de maiores dificuldades e incertezas. Ao CNPq (Conselho Nacional de Desenvolvimento Científico e Tecnológico) pelo suporte financeiro que contribui para a viabilização deste trabalho. Finalmente, um agradecimento especial aos meus pais. À minha mãe, Edimar Leiros Martins Lima, e ao meu pai, José Antônio de Carvalho Lima, por toda a confiança e apoio incondicional durante a realização deste trabalho. Resumo Lima, Ana Paula Martins; Novo, Marcela Silva. Análise de Camadas Perfeitamente Casadas em Simulações Bidimensionais do Método dos Volumes Finitos no Domínio da Frequência. Salvador, 2014. 107p. Dissertação de Mestrado — Departamento de Engenharia Elétrica, Universidade Federal da Bahia. O objetivo principal deste trabalho é analisar a degradação do número de condição da matriz resultante da discretização das equações de Maxwell pelo método dos volumes finitos (FVM) quando camadas perfeitamente casadas (PML) são utilizadas como condição de contorno absorventes (ABC) em estruturas coaxiais. O estudo do número de condição é realizado em conjunto com o estudo do coeficiente de reflexão da PML para assegurar níveis de absorção da onda satisfatórios. A modelagem numérica é realizada através da aplicação do FVM bidimensional (FVM-2D), incorporando ao domínio computacional PMLs cilíndricas nas direções longitudinal e radial. Dois perfis de atenuação da PML foram estudados: polinomial e geométrico. Além disso, a Complex Frequency Shifted-Perfectly Matched Layer (CFSPML) também foi analisada com o objetivo de avaliar qual o tipo de PML apresenta um condicionamento melhor para um dado nível de absorção. Para fins de comparação, dois métodos iterativos foram implementados e testados: método dos gradientes biconjugados estabilizados (Bi-CGSTAB) e método generalizado dos mínimos resíduos (GMRES). Em todos os casos considerados, os dois tipos de PML apresentaram desempenho semelhante em termos de absorcão da onda e do número de condição da matriz do sistema. Embora a PML tem sido aplicada com grande sucesso em métodos no domínio do tempo, sua utilização como ABC em métodos no domínio da frequência ainda é limitada. A inclusão da PML no domínio computacional aumenta significativamente o número de condicão da matriz do sistema e consequentemente deteriora a convergência dos métodos iterativos utilizados na solução do sistema. Palavras–chave Camadas Perfeitamente Casadas. Eletromagnetismo Computacional. Método dos Volumes Finitos. Número de Condição. . Abstract Lima, Ana Paula Martins; Novo, Marcela Silva. Analysis of Perfectly Matched Layers for Bi-dimensional Finite Volume Simulations in the Frequency Domain. Salvador, 2014. 107p. MsC Thesis — Department of Electrical Engineering, Universidade Federal da Bahia. The main objective of this work is to analyze the degradation of the condition number of the matrix resulting from the discretization of Maxwell’s equations by finite volume method (FVM) when perfectly matched layers (PML) are used as absorbing boundary condition (ABC) in coaxial structures. The study of the condition number is done in conjunction with the study of the reflection coefficient of PML to ensure satisfactory levels of wave absorption. The numerical modeling is done by using a bi-dimensional finite volume method (2-D FVM) that incorporates cylindrical PMLs in the radial and longitudinal directions. This is assessed by comparing the performance of two PML loss profiles, viz., polynomial and geometric grading. Moreover, the Complex-Frequency Shifted Perfectly Matched Layer (CFS-PML) is also analyzed in order to evaluate what kind of PML has better conditioning for a given level of absorption. For comparison purposes, two iterative methods are implemented and tested: biconjugate gradient stabilized method (BiCGSATB) and generalized minimal residual method (GMRES). Although PML has been used with great success in the time domain methods, in the frequency domain its usefulness is limited. The inclusion of the PML in computational domain significantly increases the CN of the matrix of the system and consequently the convergence deteriorates. Keywords Computational Electromagnetics. Condition Number. Finite Volume Method. Perfectly Matched Layer. . Sumário 1 Introdução 1.1 Contexto 1.2 Objetivos da Dissertação 1.3 Organização da Dissertação 16 16 19 20 2 Método dos Volumes Finitos 2.1 Introdução 2.2 Formulação do Problema 2.3 Discretização 2.3.1 Definição do Domínio do Problema 2.3.2 Discretização das Esquações 21 21 21 22 23 24 3 Camadas Perfeitamente Casadas (PML) 3.1 PML Anisotrópica via Coordenadas Espaciais Complexas 3.2 Desempenho Teórico da PML 3.2.1 O Espaço Contínuo 3.2.2 O Espaço Discreto 3.3 Complex Frequency Shifted-Perfectly Matched Layer (CFS-PML) 29 30 32 32 33 37 4 Resultados Numéricos 40 4.1 Ajuste nos Parâmetros dos Métodos Iterativos e do Pré-Condicionador 41 4.2 PML na Direção Longitudinal 43 4.2.1 Validação 43 4.2.2 Estudo do Coeficiente de Reflexão Numérico 46 4.2.3 Estudo do Número de Condição 55 4.3 CFS-PML na Direção Longitudinal 61 4.3.1 Validação 61 4.3.2 Estudo do Coeficiente de Reflexão Numérico 61 4.3.3 Estudo do Número de Condição 67 4.4 Comparação entre PML e CFS-PML na Direção Longitudinal 68 4.5 PML na Direção Radial 72 4.5.1 Validação 72 4.5.2 Estudo do Coeficiente de Reflexão Numérico 74 4.5.3 Estudo do Número de Condição 83 4.6 CFS-PML na Direção Radial 88 4.6.1 Validação 88 4.6.2 Estudo do Coeficiente de Reflexão Numérico 88 4.6.3 Estudo do Número de Condição 95 4.7 Comparação entre PML e CFS-PML na Direção Radial 95 5 Conclusões 99 Referências Bibliográficas 101 A 107 Artigos publicados Lista de figuras 1.1 1.2 2.1 2.2 2.3 2.4 3.1 3.2 4.1 4.2 4.3 4.4 4.5 4.6 4.7 Configuração básica da ferramenta LWD. (a) Ferramenta convencional. (b) Ferramenta direcional. [7] Resumo do contexto e motivação deste trabalho. 17 18 Interior de um volume elementar do esquema de grades entrelaçadas para a discretização espacial dos campos EM na grade cilíndrica. Superfície constante na direção φ. Superfície constante na direção ρ. Superfície constante na direção z. 23 25 25 26 Perfil Polinomial em função do parâmetro m para PML de 10 camadas com interface em z = 0. Perfil Polinomial em função do parâmetro m para PML de 10 camadas com interface em z = 0. Geometria do problema bidimensional (2D) para aplicação da PML na direção longitudinal. Modelo computacional bidimensional (2D) com PML na direção longitudinal. Cortes transversal e longitudinal do modelo bidimensional (2D) com PML na direção longitudinal. Distribuição do campo elétrico ao longo da direção longitudinal de guia de ondas coaxial sem perdas terminado por uma PML cilíndrica na direcão z. Os métodos iterativos não utilizam précondicionamento. Os parâmetros da PML são: número de camadas da PML igual a N P M L = 8, fator de escalonamento polinomial igual a m = 2 e fator de escalonamento geométrico igual a g = 3, 2. Distribuição do campo elétrico ao longo da direção longitudinal de guia de ondas coaxial sem perdas terminado por uma PML cilíndrica na direcão z. Os métodos iterativos utilizam pré-condicionador ILU para acelerar a convergência. Os parâmetros da PML são: número de camadas da PML igual a N P M L = 8, fator de escalonamento polinomial igual a m = 2 e fator de escalonamento geométrico igual a g = 3, 2. Zoom da distribuição do campo elétrico ao longo da direção longitudinal de guia de ondas coaxial sem perdas terminado por uma PML cilíndrica na direcão z. Os métodos iterativos utilizam pré-condicionador ILU para acelerar a convergência. Região onde o campo elétrico apresenta um comportamento constante (em cima) e região mais próxima da fonte (embaixo). Coeficiente de reflexão teórico X coeficiente de reflexão numérico para valores do número de camadas da PML (NPML) diferentes, utilizando o BICGSTAB. No perfil polinomial (em cima) utiliza-se m = 2, enquanto no geométrico (embaixo) g = 3, 2. Em ambos os casos, KP M L = 1. 35 36 41 42 43 45 46 47 50 4.8 4.9 4.10 4.11 4.12 4.13 4.14 4.15 4.16 Coeficiente de reflexão teórico X coeficiente de reflexão numérico para valores do número de camadas da PML (NPML) diferentes, utilizando o GMRES. No perfil polinomial (em cima) utiliza-se m = 2, enquanto no geométrico (embaixo) g = 3, 2. Em ambos os casos, KP M L = 1. Coeficiente de reflexão teórico X coeficiente de reflexão numérico para valores do fator de escalonamento polinomial (m) e geométrico (g) diferentes. Em ambos os casos, N P M L = 6 e KP M L = 1. Coeficiente de reflexão teórico X coeficiente de reflexão numérico para valores da parte real da variável de expansão (KPML) diferentes. No perfil polinomial (em cima) utiliza-se m = 2, enquanto no geométrico (embaixo) g = 3, 2. Em ambos os casos, N P M L = 6. Coeficiente de reflexão teórico X número de condição para valores do número de camadas da PML (N P M L) diferentes. No perfil polinomial (em cima) utiliza-se m = 2, enquanto no geométrico (embaixo) g = 3, 2. Em ambos os casos, KP M L = 1. Coeficiente de reflexão teórico X número de condição para valores do fator de escalonamento polinomial (m) e geométrico (g) diferentes. Tanto para o perfil polinomial (em cima), quanto para o geométrico (embaixo), N P M L = 6 e KP M L = 1. Coeficiente de reflexão teórico X número de condição para valores da parte real da variável de expansão (KP M L) diferentes. No perfil polinomial (em cima) utiliza-se m = 2, enquanto no geométrico (embaixo) g = 3, 2. Em ambos os casos, N P M L = 6. Distribuição do campo elétrico ao longo da direção longitudinal de guia de ondas coaxial sem perdas terminado por uma CFSPML cilíndrica na direcão z. Os métodos iterativos utilizam précondicionador ILU para acelerar a convergência. Os parâmetros da CFS-PML são: número de camadas da CFS-PML igual a N P M L = 8, fator de escalonamento polinomial igual a m = 2 e fator de escalonamento geométrico igual a g = 3, 2 e αzmax = 10−5 . Zoom da distribuição do campo elétrico ao longo da direção longitudinal de guia de ondas coaxial sem perdas terminado por uma CFS-PML cilíndrica na direcão z. Os métodos iterativos utilizam pré-condicionador ILU para acelerar a convergência. Região onde o campo elétrico apresenta um comportamento constante (em cima) e região mais próxima da fonte (embaixo). Distribuição do campo elétrico ao longo da direção longitudinal de guia de ondas coaxial sem perdas terminado por uma CFSPML cilíndrica na direcão z. Os métodos iterativos utilizam précondicionador ILU para acelerar a convergência. Os parâmetros da PML são: número de camadas da CFS-PML igual a N P M L = 8, fator de escalonamento polinomial igual a m = 2 e fator de escalonamento geométrico igual a g = 3, 2 e αzmax = 10−3 . 51 52 53 58 59 60 62 63 64 4.17 Coeficiente de reflexão teórico X coeficiente de reflexão numérico para diferentes valores de α, utilizando o método BICGSTAB. No perfil polinomial (em cima) utiliza-se m = 2, enquanto no geométrico (embaixo) g = 3, 2. Em ambos os casos, N P M L = 6 e KP M L = 1. 4.18 αzmax X coeficiente de reflexão numérico para diferentes valores da parte real da variável de expansão (KPML), utilizando o método BICGSTAB. No perfil polinomial (em cima) utiliza-se m = 2, enquanto no geométrico (embaixo) g = 3, 2. Em ambos os casos, N P M L = 6. 4.19 Coeficiente de reflexão teórico X número de condição para diferentes valores de αzmax . No perfil polinomial (em cima) utiliza-se m = 2, enquanto no geométrico (embaixo) g = 3, 2. Em ambos os casos, N P M L = 6 e KP M L = 1. 4.20 αzmax X número de condição para diferentes valores da parte real da variável de expansão (KPML). No perfil polinomial (em cima) utiliza-se m = 2, enquanto no geométrico (embaixo) g = 3, 2. Em ambos os casos, N P M L = 6. 4.21 Frequência X número de condição para diferentes valores da condutividade da PML (σ). No perfil polinomial (em cima) utiliza-se m = 2, enquanto no geométrico (embaixo) g = 3, 2. Em ambos os casos, N P M L = 6, KP M L = 1 e αmax = 10−4 . 4.22 Modelo computacional bidimensional (2D) com PML na direção radial. 4.23 Cortes transversal e longitudinal do modelo bidimensional (2D) com PML na direção radial. 4.24 Distribuição do campo elétrico ao longo da direção radial de um guia de ondas coaxial sem perdas terminado por uma PML cilíndrica na direção ρ. Os métodos iterativos não utilizam précondicionamento. Os parâmetros da PML são: número de camadas da PML - N P M L = 8, fator de escalonamento polinomial - m = 2 e fator de escalonamento geométrico - g = 3, 2. 4.25 Distribuição do campo elétrico ao longo da direção radial de um guia de ondas coaxial sem perdas terminado por uma PML cilíndrica na direção ρ. Os métodos iterativos utilizam pré-condicionador ILU para acelerar a convergência. Os parâmetros da PML são: número de camadas da PML - N P M L = 8, fator de escalonamento polinomial - m = 2 e fator de escalonamento geométrico - g = 3, 2. 4.26 Zoom da distribuição do campo elétrico ao longo da direção radial de um guia de ondas coaxial sem perdas terminado por uma PML cilíndrica na direção ρ. Os métodos iterativos utilizam précondicionador ILU para acelerar a convergência. Região onde o campo elétrico apresenta um comportamento constante (em cima) e região mais próxima da fonte (embaixo). 65 66 69 70 71 73 73 75 76 77 4.27 Coeficiente de reflexão teórico X coeficiente de reflexão numérico para valores do número de camadas da PML (NPML) diferentes, utilizando o BICGSTAB. No perfil polinomial (em cima) utiliza-se m = 2, enquanto no geométrico (embaixo) g = 3, 2. Em ambos os casos, KP M L = 1. 4.28 Coeficiente de reflexão teórico X coeficiente de reflexão numérico para valores do número de camadas da PML (NPML) diferentes, utilizando o GMRES. No perfil polinomial (em cima) utiliza-se m = 2, enquanto no geométrico (embaixo) g = 3, 2. Em ambos os casos, KP M L = 1. 4.29 Coeficiente de reflexão teórico X coeficiente de reflexão numérico para valores do fator de escalonamento polinomial (m) e geométrico (g) diferentes, utilizando o BICGSTAB. Em ambos os casos, N P M L = 6 e KP M L = 1. 4.30 Coeficiente de reflexão teórico X coeficiente de reflexão numérico para valores da parte real da variável de expansão (KPML) diferentes, utilizando o BICGSTAB. No perfil polinomial (em cima) utiliza-se m = 2, enquanto no geométrico (embaixo) g = 3, 2. Em ambos os casos, N P M L = 6. 4.31 Coeficiente de reflexão teórico X número de condição para valores do número de camadas da PML (N P M L) diferentes. No perfil polinomial (em cima) utiliza-se m = 2, enquanto no geométrico (embaixo) g = 3, 2. Em ambos os casos, KP M L = 1. 4.32 Coeficiente de reflexão teórico X número de condição para valores do fator de escalonamento polinomial (m) e geométrico (g) diferentes. Tanto para o perfil polinomial (em cima), quanto para o geométrico (embaixo), N P M L = 6 e KP M L = 1. 4.33 Coeficiente de reflexão teórico X número de condição para valores da parte real da variável de expansão (KP M L) diferentes. No perfil polinomial (em cima) utiliza-se m = 2, enquanto no geométrico (embaixo) g = 3, 2. Em ambos os casos, N P M L = 6. 4.34 Distribuição do campo elétrico ao longo da direção radial de um guia de ondas coaxial sem perdas terminado por uma CFSPML cilíndrica na direção ρ. Os métodos iterativos utilizam précondicionador ILU para acelerar a convergência. Os parâmetros da CFS-PML são: número de camadas da CFS-PML - N P M L = 8, fator de escalonamento polinomial - m = 2 e fator de escalonamento geométrico - g = 3, 2 e αmax = 10−5 . 4.35 Zoom da distribuição do campo elétrico ao longo da direção radial de um guia de ondas coaxial sem perdas terminado por uma CFSPML cilíndrica na direção ρ. Os métodos iterativos utilizam précondicionador ILU para acelerar a convergência. Regiões onde o campo elétrico apresenta um comportamento constante (em cima) e região mais próxima da fonte (embaixo). 78 79 80 81 85 86 87 89 90 4.36 Distribuição do campo elétrico ao longo da direção radial de um guia de ondas coaxial sem perdas terminado por uma CFSPML cilíndrica na direção ρ. Os métodos iterativos utilizam précondicionador ILU para acelerar a convergência. Os parâmetros da CFS-PML são: número de camadas da CFS-PML - N P M L = 8, fator de escalonamento polinomial - m = 2 e fator de escalonamento geométrico - g = 3, 2 e αmax = 10−3 . 4.37 Coeficiente de reflexão teórico X coeficiente de reflexão numérico para valores de αρmax diferentes, utilizando o método BICGSTAB. No perfil polinomial (em cima) utiliza-se m = 2, enquanto no geométrico (embaixo) g = 3, 2. Em ambos os casos, N P M L = 6 e KP M L = 1. 4.38 αρmax X coeficiente de reflexão numérico para diferentes valores da parte real da variável de expansão (KPML), utilizando o método BICGSTAB. No perfil polinomial (em cima) utiliza-se m = 2, enquanto no geométrico (embaixo) g = 3, 2. Em ambos os casos, N P M L = 6. 4.39 Coeficiente de reflexão teórico X número de condição para valores de αρmax diferentes. No perfil polinomial (em cima) utiliza-se m = 2, enquanto no geométrico (embaixo) g = 3, 2. Em ambos os casos, N P M L = 6 e KP M L = 1. 4.40 αρmax X número de condição para diferentes valores da parte real da variável de expansão (KPML). No perfil polinomial (em cima) utiliza-se m = 2, enquanto no geométrico (embaixo) g = 3, 2. Em ambos os casos, N P M L = 6. 4.41 Frequência X número de condição para diferentes valores da condutividade da PML (σ). No perfil polinomial (em cima) utiliza-se m = 2, enquanto no geométrico (embaixo) g = 3, 2. Em ambos os casos, N P M L = 6, KP M L = 1 e αρmax = 10−4 . 91 92 93 96 97 98 Lista de tabelas 4.1 4.2 4.3 4.4 4.5 4.6 4.7 4.8 4.9 4.10 4.11 4.12 4.13 4.14 4.15 Dados de entrada utilizados na simulação de ajuste dos parâmetros do pré-condicionador e dos métodos iterativos. Número de iterações em função da droptol do pré-condicionador ILU. Convergência dos métodos iterativos BICGST AB e GM RES em função do número de camadas da PML (N P M L). O coeficiente de reflexão teórico utilizado é COEF = 10−6 . Convergência dos métodos iterativos BICGST AB e GM RES em função dos parâmetros m e g. O coeficiente de reflexão teórico utilizado é COEF = 10−6 . Convergência dos métodos iterativos BICGST AB e GM RES em função de KP M L. O coeficiente de reflexão teórico utilizado é COEF = 10−6 . Dados de entrada utilizados nas simulações do estudo do número de condição quando a PML é introduzida ao domínio na direção longitudinal. Convergência dos métodos iterativos BICGST AB e GM RES em função do αzmax , considerando COEF = 10−6 e KP M L = 1. Convergência dos métodos iterativos BICGST AB e GM RES em função do KP M L, considerando COEF = 10−6 e αzmax = 10−4 . Dados de entrada da validação do método FVM terminado com a PML na direção radial. Convergência dos métodos iterativos BICGST AB e GM RES em função do número de camadas da PML (N P M L). O coeficiente de reflexão teórico utilizado é COEF = 10−6 . Convergência dos métodos iterativos BICGST AB e GM RES em função dos parâmetros m e g. O coeficiente de reflexão teórico utilizado é COEF = 10−6 . Convergência dos métodos iterativos BICGST AB e GM RES em função de KP M L. O coeficiente de reflexão teórico utilizado é COEF = 10−6 . Dados de entrada utilizados nas simulações do estudo do número de condição com a PML introduzida na direção radial. Convergência dos métodos iterativos BICGST AB e GM RES em função de αρmax , considerando COEF = 10−6 e KP M L = 1. Convergência dos métodos iterativos BICGST AB e GM RES em função de KP M L, considerando COEF = 10−6 e αρmax = 10−4 44 44 54 54 54 56 67 67 72 82 82 82 83 94 94 Sumário das notações ABC - Absorbing Boundary Condition (Condição de Contorno Absorvente) Bi-CGSTAB - Biconjugate Gradient Stabilized Method (Método do Gradiente Bi-Conjugado Estabilizado) CFS-PML - Complex Frequency Shifted-Perfectly Matched Layer COEF - Coeficiente de Reflexão Teórico COEFN - Coeficiente de Reflexão Numérico CN - Condition Number (Número de Condição) FDM - Finite difference Method (Método das Diferenças Finitas) FDTD - Finite-Difference Time-Domain (Método das Diferenças Finitas no Domínio do Tempo) FETD - Finite-Element Time-Domain (Método dos Elementos Finitos no Domínio do Tempo) FVM - Finite Volume Method (Método dos Volumes Finitos) FVTD - Finite-Volume Time-Domain (Método dos Volumes Finitos no Domínio do Tempo) GMERS - Generalized Minimal Residual Method (Método Generalizado dos Mínimos Resíduos) ILU - Incomplete LU Factorization (Fatorização Incompleta LU) KPML - Parte Real da Variável de Expansão LUINC - Pré-Ccondicionador baseado em fatorização LU Incompleta LWD - Logging-While-Drilling NMM - Numerical Mode Matching (Método do Casamento de Modos) NPML - Número de Camadas da PML PEC - Perfect Electrical Conductor (Condutor Elétrico Perfeito) PML - Perfectly Matched Layer (Camadas Perfeitamente Casadas) TOE - Taxa de Onda Estacionária Nρ - Número de Volumes na Direção Radial Nφ - Número de Volumes na Direção Azimutal Nz - Número de Volumes na Direção Longitudinal µ - Permeabilidade Magnética do Meio (H/m) ϵ - Permissividade Elétrica do Meio (F/m) σ - Condutividade Elétrica do Meio (S/m) Lista de tabelas 15 J⃗s - Vetor Densidade de Corrente Elétrica (A/m2 ) ρ - Densidade de Carga Elétrica (C/m3 ) ⃗ - Vetor Intensidade de Campo Elétrico (V /m) E ⃗ - Vetor Intensidade de Campo Magnético (A/m) H ∂Ω - Contorno da Região de Interesse ∆ρ - Incremento Espacial na Direção Radial ∆z - Incremento Espacial na Direção Longitudinal S̃φ - Superfície Dual com Área dada por ∆ρ∆z Sρ - Superfície Primária com Área dada por ρi ∆φ∆z Sz - Superfície Primária com Área dada por (ρ2i+1 − ρ2i )/2 · ∆φ Iφ (i, k) - Componente da Corrente que atravessa a célula (i,k) I0 - Amplitude da Corrente de Excitação rtx - Volume da Posição da Corrente de Excitação na Direção Radial ztx - Volume da Posição da Corrente de Excitação na Direção Longitudinal sρ - Variável de Expansão Complexa na Direção Radial sz - Variável de Expansão Complexa na Direção Longitudinal ζ̃ - Variável Espacial Complexa ρ̃ - Variável Espacial Complexa na Direção Radial z̃ - Variável Espacial Complexa na Direção Longitudinal ζ0 - Interface da PML d - Espessura da PML R(θ) - Erro de Reflexão η - Impedância Característica Γ - Coeficiente de Reflexão σζ - Condutividade da PML considerando Propagação na Direção ζ m - Índice de Escalonamento Polinomial σzmax - Condutividade Máxima na PML - Perfil Polinominal g - Índice de Escalonamento Geométrica σz0 - Condutividade Máxima na PML - Perfil Geométrico αζ - Parâmetro Adicional da CFS-PML γ - Constante de Propagação Complexa 1 Introdução 1.1 Contexto A grande dependência da sociedade atual com relação ao petróleo pode ser observada no dia a dia das pessoas. É difícil encontrar um setor ou mesmo um produto que seja completamente independente deste recurso natural. Seja como combustível para o transporte motorizado (gasolina e óleo diesel) ou na composição de produtos derivados (polímeros plásticos e até medicamentos), o petróleo está enraizado no cotidiano. A descoberta de uma jazida de petróleo em uma nova área é uma tarefa que envolve um longo e dispendioso estudo e análise de dados geofísicos e geológicos das bacias sedimentares. A identificação de uma área favorável à acumulação de petróleo é realizada através de métodos geofísicos e geológicos, que, atuando em conjunto, conseguem indicar o local mais propício para a perfuração. Somente após exaustivo prognóstico do comportamento das diversas camadas do subsolo, os geólogos e geofísicos decidem propor a perfuração de um poço, que é a etapa que exige mais investimentos em todo processo de prospecção. Mundialmente, já se constatou que a descoberta de novos reservatórios de grande porte se tornará cada vez mais rara com o passar dos anos. Ou seja, há um grande interesse na indústria petrolífera no desenvolvimento de novas técnicas exploratórias que visem reduzir o custo elevado do processo de exploração e que impulssionem uma maior recuperação dos fluidos contidos nas formações. Dentre as diferentes técnicas de exploração geofísica baseadas em métodos eletromagnéticos, a técnica de perfilagem de poços conhecida por Loggingwhile-drilling (LWD) tem recebido considerável atenção na comunidade científica e nas empresas de exploração petrolífera [1–6]. A técnica LWD é de grande utilidade no geodirecionamento de poços direcionais e/ou horizontais e a sua principal vantagem é o fato de prover informações em tempo real das propriedades físicas das formações, dos parâmetros Capítulo 1. Introdução 17 geométricos dos poços (inclinação e azimute), além das propriedades mecânicas do processo de perfuração. O conjunto destas informações, quando obtido em tempo real, otimiza o processo de perfuração do poço e permite que as medidas do sensor sejam realizadas antes que o fluído de perfuração invada a formação profundamente. Desta forma, evita-se que a resposta do sensor sofra qualquer alteração durante o processo da perfuração. A configuração básica da ferramenta LWD convencional e direcional, empregando antenas em espiras perpendiculares e inclinadas em relação ao eixo da ferramenta é dada na Figura 1.1. Figura 1.1: Configuração básica da ferramenta LWD. (a) Ferramenta convencional. (b) Ferramenta direcional. [7] Com o objetivo de auxiliar no processo da perfuração de um poço, além de reduzir os custos altos na elaboração de novos protótipos e os custos envolvidos na realização de testes em campo, é extremamente importante para a indústria petrolífera que as simulações númericas dos sensores de perfilagem LWD em ambientes complexos sejam rápidas e eficientes. Entretanto, a modelagem númerica em cenários tridimensionais (3D) complexos dessas ferramentas é um problema desafiador pois a solução eficiente e precisa de campos eletromagnéticos em domínios onde a região de interesse é ilimitada em uma ou mais direções e apresenta perdas baixas é bastante complexa. A Figura 1.2 resume o contexto e motivação deste trabalho. Capítulo 1. Introdução 18 Figura 1.2: Resumo do contexto e motivação deste trabalho. Uma forma de viabilizar este tipo de modelagem é introduzir uma condição de contorno absorvente (ABC) nas fronteiras computacionais, simulando a condição de radiação de Sommerfeld no infinito. Com isso, é possível garantir que a solução do problema na região de interesse não seja contaminada por reflexões espúrias provenientes das fronteiras do domínio computacional [8]. Um tipo de ABC muito eficiente foi introduzido na literatura em 1994 por Berenger [9], denominada de camada perfeitamente casada (Perfectly Matched Layer - PML). Embora as camadas perfeitamente casadas (PMLs) têm se mostrado muito eficientes em simulações por diferenças finitas no domínio do tempo (FDTD), o comportamento deste tipo de ABC em métodos discretos no domínio da frequência, tais como elementos finitos, diferenças finitas e volumes finitos, ainda não é satisfatório. Isto é devido ao aumento do número de condição da matriz do sistema resultante da discretização das equações pertinentes quando a PML é introduzida no domínio computacional [10–12]. Deve-se observar que o problema associado ao número de condição não é devido ao método ser no domínio da frequência, e sim se o método requer a solução de um sistema matricial de larga escala. Métodos no domínio do tempo tais como, método dos volumes finitos no domínio do tempo (FVTD) ou método dos elementos finitos no domínio do tempo (FETD), requerem a solução de um sistema matricial e podem também ser afetados pelo número de condição [13]. Por outro lado, alguns métodos no domínio da frequência, tais como o método do casamento de modos (NMM) podem produzir matrizes muito menores e serem menos afetados pelo problema do número de condição [14]. Capítulo 1. Introdução 19 Cabe ressaltar que na análise de problemas de larga escala é essencial a utilização de métodos iterativos na solução do sistema de equações lineares para reduzir tempo de processamento e armazenamento em memória. Em geral, a convergência dos métodos iterativos torna-se mais pobre à medida que o número de condição da matriz do sistema aumenta. Em alguns casos, a convergência não é obtida. Tal limitação restringe a utilização de PMLs a problemas bidimensionais (2D), excluindo, portanto, uma série de aplicações onde é necessário uma modelagem tridimensional (3D). Uma breve investigação da implementação de PMLs no FVM-3D foi realizada em [7]. Inicialmente, o domínio computacional foi discretizado utilizando uma grade (Nρ , Nφ , Nz ) = (50, 4, 200), totalizando 40.000 células. Quatro camadas de PML foram incorporadas ao domínio. A condutividade do meio era igual a 10−4 S/m e a frequência de operação era 200 MHz. O método iterativo Bi-CGStab convergiu após 4.771 iterações, com tempo de processamento de 52 minutos, para a solução sem PML. Para a solução com PML, entretanto, o número de iterações necessário para convergência aumentou para 22.428, com tempo de processamento de 4 horas e 13 minutos. Em seguida, com a finalidade de observar a convergência do método, aumentou-se o domínio para (Nρ , Nφ , Nz ) = (50, 10, 200), totalizando 100.000 células. Neste caso, quando a solução por FVM com PML foi utilizada, o método iterativo não convergiu após 70.000 iterações. Recentemente, uma formulação do método dos volumes finitos tridimensional (FVM-3D) foi desenvolvida e aplicada com sucesso na simulação da resposta eletromagnética de ferramentas LWD em formações geofísicas de perdas altas [7, 15–18]. Contudo, em formações de perdas baixas, sua aplicação implica no aumento do domínio computacional. Sendo assim, para reduzir requisitos de memória e tempo de processamento, uma PML deve ser introduzida nas fronteiras deste domínio para absorver as ondas refletidas nas terminações da grade. Em [19, 20], um estudo inicial da degradação do número de condição da matriz resultante da discretização por volumes finitos das equações de Maxwell após a implementação de PMLs ao domínio computacional foi realizado. Estruturas coaxiais terminadas por PMLs longitudinais com perfil polinomial foram analisadas. 1.2 Objetivos da Dissertação Este trabalho tem como objetivo principal analisar a degradação do número de condição da matriz resultante da discretização das equações de Capítulo 1. Introdução 20 Maxwell pelo método dos volumes finitos (FVM) quando camadas perfeitamente casadas (PML) são utilizadas como condições de contorno absorventes (ABC) em estruturas coaxiais. A geometria coaxial imita o domínio computacional com um mandril metálico em torno do eixo z que é utilizado na simulação de ferramentas de perfilagens LWD. Como a análise do condicionamento da matriz não pode ser feita de forma isolada, o nível de absorção da PML também é estudado. Para realizar as análises propostas neste trabalho, o algoritmo bidimensional (2D) do FVM desenvolvido em [7] é modificado, incorporando ao domínio computacional PML nas direções longitudinal e radial. Dois perfis de atenuação da PML são estudados: polinomial e geométrico. Além disso, a Complex Frequency Shifted-Perfectly Matched Layer (CFS-PML) também será analisada com o objetivo de avaliar qual o tipo de PML apresenta um condicionamento melhor para um dado nível de absorção. Para fins de comparação, dois métodos iterativos são implementados e testados: método dos gradientes biconjugados estabilizados (Bi-CGSTAB) e método generalizado dos mínimos resíduos reinicializado (RGMRES). 1.3 Organização da Dissertação O presente trabalho é composto por 5 capítulos, sendo esta introdução o primeiro deles. No capítulo 2 é apresentado um resumo do método dos volumes finitos (FVM) e as equações discretizadas do modelo bidimensional (2D). O capítulo 3 é dedicado a apresentação da teoria das camadas perfeitamente casadas (Perfectly Matched Layers - PML). A formulação da PML utilizada é a PML anisotrópica via coordenadas espaciais complexas em coordenadas cilíndricas. No capítulo 4 são apresentados os resultados obtidos após implementação numérica do modelo em MATLAB. As conclusões do trabalho são descritas no capítulo 5, incluindo sugestões de trabalhos futuros. No Apêndice A estão listadas as publicações decorrentes da presente dissertação. 2 Método dos Volumes Finitos 2.1 Introdução O Método dos Volumes Finitos (FVM) é uma técnica numérica que discretiza a forma integral das equações que definem um problema físico [21]. Neste trabalho, as equações que governam o problema são as equações de Maxwell. A variante do FVM utilizada aqui foi introduzida na literatura em [7] e é baseada em um esquema de grades entrelaçadas desenvolvido em coordenadas cilíndricas. A escolha do sistema de coordenadas cilíndricas é feita com o objetivo de eliminar os erros de aproximação de escada (staircasing) na geometria da ferramenta LWD e do poço de perfuração. No FVM, o domínio físico do problema é decomposto em volumes elementares, onde a função incógnita é constante dentro de cada um deles. Tal característica é semelhante no método das diferenças finitas (FDM). Entretanto cabe ressaltar que o FDM é uma técnica de solução de equações diferenciais parciais, aproximando as derivadas parciais por diferenças finitas. O FVM, como dito anteriormente, discretiza a forma integral das equações governantes. Apresenta-se neste capítulo um resumo do modelo numérico bidimensional (2D) desenvolvido em [7]. 2.2 Formulação do Problema Considere-se a forma integral das equações de Maxwell dada por [22]: I ∫∫ ⃗ ⃗ ⃗ · d⃗s = 0 E · dl − iω µH C S I ∫∫ ∫∫ ⃗ · d⃗l − ⃗ · d⃗s = H (σ − iωϵ)E J⃗s · d⃗s C S S ∫∫ ∫∫∫ ⃗ ⃝ ϵE · d⃗s = ρ dv S V ∫∫ ⃗ · d⃗s = 0 ⃝ µH S (2-1a) (2-1b) (2-1c) (2-1d) Capítulo 2. Método dos Volumes Finitos 22 onde µ, ϵ, σ são a permeabilidade magnética, permissividade elétrica e condutividade elétrica do meio, respectivamente. J⃗s é o vetor densidade de corrente ⃗ eH ⃗ são os vetores intensidades elétrica e ρ é a densidade de carga elétrica. E de campo elétrico e magnético, respectivamente. Neste trabalho, os campos são harmônicos com dependência temporal da forma e−iωt . As equações (2-1) estão sujeitas a seguinte condição de contorno: ⃗ = 0 n×E (2-2) ∂Ω onde ∂Ω é o contorno da região de interesse. Esta condição representa o truncamento do domínio através da introdução de um condutor elétrico perfeito (PEC) nas fronteiras da grade computacional. Como a propagação de ondas eletromagnéticas no solo é um problema cuja região de interesse é aberta (infinita), sendo o domínio computacional truncado por PEC por limitação de armazenamento em memória, uma condição de contorno absorvente (ABC) deve ser introduzida nas fronteiras computacionais para simular a condição de radiação de Sommerfeld (campo nulo no infinito). A implementação de uma ABC do tipo camadas perfeitamente casadas (Perfectly Matched Layers - PMLs) na grade cilíndrica do FVM, objeto principal de estudo deste trabalho, será apresentada no Capítulo 3. 2.3 Discretização O método dos volumes finitos (FVM) proposto em [7] e adotado neste trabalho, utiliza uma discretização espacial semelhante àquela introduzida no algoritmo de Kane Yee [23]. Cabe ressaltar que, assim como em [7], neste trabalho utiliza-se o FVM na solução da equação da onda no domínio da frequência e em coordenadas cilíndricas. A discretização adotada neste trabalho utiliza duas grades entrelaçadas denominadas de grade primária e grade dual. A grade primária é aquela que ocupa todo o domínio computacional, incluindo as fronteiras - condutor elétrico perfeito (PEC) utilizado para truncar o domínio. A grade dual tem os pontos médios de suas arestas localizados nos centros das faces dos volumes primários. As componentes dos campos elétricos discretos são definidas nos pontos médios das arestas dos volumes primários. Esta escolha é adequada tendo em vista que as condições de contorno nas fronteiras do domínio são aplicadas ao campo elétrico. As componentes dos campos magnéticos discretos, por sua vez, são definidas nos pontos médios das arestas dos volumes duais (normais às faces dos volumes primários). O posicionamento dos campos no interior de um volume elementar do esquema de grades entrelaçadas utilizado na discretização dos Capítulo 2. Método dos Volumes Finitos 23 campos eletromagnéticos (EM) na grade cilíndrica do FVM está mostrado na Figura 2.1. Hz Hϕ Ez Eϕ Hρ (i, j , k ) Eρ Figura 2.1: Interior de um volume elementar do esquema de grades entrelaçadas para a discretização espacial dos campos EM na grade cilíndrica. 2.3.1 Definição do Domínio do Problema O modelo desenvolvido em [7] é tridimensional (3D), entretanto, este trabalho restringe-se ao modelo bidimensional (2D) para o tratamento de geometrias com simetria azimutal, pois o objetivo principal do trabalho é o estudo da degradação do número de condição da matriz do sistema linear associado quando PMLs são incorporadas ao domínio computacional. Em ⃗ só tem componente problemas com simetria azimutal, o campo elétrico (E) ⃗ por na direção φ e não varia na direção azimutal. O campo magnético (H), sua vez, tem componentes nas direções ρ e z. Seja o domínio do problema contínuo (2-1) em coordenadas cilíndricas dado por (0, Lρ ) × (0, Lz ) ⊂ ℜ2 . Inicialmente, considera-se apenas a discretização na direção radial. O intervalo (0, Lρ ) é sub-dividido em Nρ volumes. Os vértices da aresta do volume primário i, que têm índices inteiros, compreende o intervalo entre os vértices ρi+1 e ρi (i = 1, ..., Nρ ). Já a aresta do volume dual i, que é definido entre vértices de índices fracionários, compreende o intervalo entre os vértices ρi+3/2 e ρi+1/2 (i = 1, ..., Nρ −1). A discretização do domínio na direção longitudinal é definida de forma semelhante e o intervalo (0, Lz ) é sub-dividido em Nz células. Capítulo 2. Método dos Volumes Finitos 24 Desta forma, o domínio computacional é constituído por Nρ × Nz volumes primários. ⃗ nos Considerando-se a localização das componentes do campo elétrico E pontos médios das arestas dos volumes primários, a componente azimutal de ⃗ é denotada por: Eφ(i,k) ; (i = 1, · · ·, Nρ ; k = 1, · · ·, Nz ). Analogamente, as E componentes radial e longitudinal do campo magnético localizadas nos pontos médios das arestas dos volumes duais, são denotadas respectivamente por: Hρ(i,k+1/2) e Hz(i+1/2,k) ; (i = 1, · · ·, Nρ − 1; k = 1, · · ·, Nz − 1). Neste trabalho, utiliza-se uma grade uniforme sendo, portanto, cada ponto da grade identificado como: i = 1, · · ·, N ; ρ P (i, k) = (i∆ρ, k∆z) k = 1, · · ·, N . z onde ∆ρ e ∆z são os incrementos espaciais nas direções radial e longitudinal. i e k referem-se aos índices nodais da grade primária. 2.3.2 Discretização das Esquações Para se discretizar as equações rotacionais de Maxwell e derivar o sistema linear associado, aplica-se a lei de Ampère sobre a superfície dual Seφ com contorno ∂ Seφ , resultando: I ∫ ∫ ∫ ∫ ⃗ ⃗ ⃗ H · dl − (σ − iωϵ)E · d⃗s = J⃗s · d⃗s (2-3) ∂ S̃φ S̃φ S̃φ onde Seφ é uma superfície cuja a área é dada por ∆ρ∆z. Utilizando-se a superfície indicada na Figura 2.2 como superfície de integração em (2-3), tem-se: ( ) ( ) Hρ(i,k+1/2) − Hρ(i,k−1/2) ∆ρ + Hz(i−1/2,k) − Hz(i+1/2,k) ∆z ( ) − σ(i,k) − ıωϵ(i,k) Eφ(i,k) ∆z∆ρ = Iφ(i,k) (2-4) onde Iφ(i,k) é a componente da corrente que atravessa a célula (i, k). O próximo passo é eliminar o campo magnético da equação (2-4) resultando em um sistema de equações lineares para campo elétrico. Para tanto, aplica-se a lei de Faraday sobre superfícies da grade primária. A componente discreta do campo magnético na direção radial é obtida discretizando-se a lei de Faraday sobre a superfície primária Sρ , com contorno ∂Sρ . Assim, tem-se: Capítulo 2. Método dos Volumes Finitos 25 z H ρ ( i ,k + 1 2 ) z i+ 1 2 H z ( i − 1 2, k ) H z ( i + 1 2, k ) Eϕ ( i ,k ) z i− 1 2 H ρ ( i ,k − 1 2 ) ρ i− 1 2 ρi ρ i+ 1 2 ρ Figura 2.2: Superfície constante na direção φ. z Eϕ ( i ,k +1) H ρ ( i ,k + 1 2 ) Eϕ ( i ,k ) Figura 2.3: Superfície constante na direção ρ. Capítulo 2. Método dos Volumes Finitos 26 Eϕ ( i ,k ) Eϕ ( i +1,k ) H z ( i + 1 2, k ) Figura 2.4: Superfície constante na direção z. I ∫ ∫ ⃗ · d⃗l − E ∂Sρ ⃗ · d⃗s = 0 µH (2-5) Sρ onde Sρ é uma superfície cuja a área é dada por ρi ∆φ∆z. Integrando-se (2-5) sobre a superfície indicada na Figura 2.3, obtém-se: ( Hρ(i,k+1/2) Hρ(i,k−1/2) ) Eφ(i,k) − Eφ(i,k+1) = ıωµ(i,k+1/2) ∆z ( ) Eφ(i,k−1) − Eφ(i,k) = ıωµ(i,k−1/2) ∆z (2-6a) (2-6b) ⃗ é determinada De forma análoga, a componente longitudinal de H discretizando-se a lei de Faraday sobre a superfície primária Sz , com contorno ∂Sz : I ∫ ∫ ⃗ ⃗ ⃗ · d⃗s = 0 E · dl − µH (2-7) ∂Sz Sz Utilizando-se a superfície indicada na Figura 2.4 como superfície de integração em (2-7), tem-se: ( Hz(i+1/2,k) Hz(i−1/2,k) ) ρi+1 Eφ(i+1,k) − ρi Eφ(i,k) ) ( = ıωµ(i+1/2,k) ρ2i+1 − ρ2i ( ) ρi Eφ(i,k) − ρi−1 Eφ(i−1,k) ( ) = ıωµ(i−1/2,k) ρ2i − ρ2i−1 (2-8a) (2-8b) Capítulo 2. Método dos Volumes Finitos 27 Substituindo-se as equações (2-8), (2-6) em (2-4), obtem-se um sistema de equações lineares da forma [A][X] = [B], onde: – [A] é uma matriz não-Hermitiana complexa - Uma matriz hermitiana deve ser quadrada e os elementos de sua diagonal principal devem ser reais. Mais abstratamente, um operador A é hermitiano se, e somente se, ele é igual ao seu operador adjunto. Quando os termos fora da diagonal não são complexo conjugados, a matriz é chamada de não-hermitiana. – [X] é o vetor incógnita (campos elétricos discretos). – [B] é a representação discreta da fonte. Sendo assim, o sistema assume a seguinte forma: [( ) ( )] Eφ(i,k) − Eφ(i,k+1) Eφ(i,k−1) − Eφ(i,k) − ∆ρ + ıωµ(i,k+1/2) ∆z ıωµ(i,k−1/2) ∆z [( )] ) ( ρi+1 Eφ(i+1,k) − ρi Eφ(i,k) ρi Eφ(i,k) − ρi−1 Eφ(i−1,k) ( ) − ( ) ∆z− ıωµ(i−1/2,k) ρ2i − ρ2i−1 ıωµ(i+1/2,k) ρ2i+1 − ρ2i ( ) σ(i,k) − ıωϵ(i,k) Eφ(i,k) ∆z∆ρ = Iφ(i,k) (2-9) Os elementos não nulos da matriz esparsa [A] são dados por: – Para l = (i − 1) + (k − 2)(Nρ − 1) onde i = 2, ..., Nρ ; k = 2, ..., Nz . 1. Para c = (i − 1) + (k − 3)(Nρ − 1) [ ( )] − ρi+1/2 − ρi−1/2 Alc = ıωµ(i,k−1/2) ∆z 2. Para c = (i − 2) + (k − 2)(Nρ − 1) [ ] ) −2ρi−1 ∆z ( 2 2 ρ − ρi−1 Alc = ıωµ(i−1/2,k) i (2-10) (2-11) 3. Para c = (i − 1) + (k − 2)(Nρ − 1) [( ) ( ) ρi+1/2 − ρi−1/2 ρi+1/2 − ρi−1/2 Alc = + + ıωµ(i,k+1/2) ∆z ıωµ(i,k−1/2) ∆z 2ρi ∆z 2ρi ∆z ( 2 )+ ( )− 2 ıωµ(i−1/2,k) ρi − ρi−1 ıωµ(i+1/2,k) ρ2i+1 − ρ2i ] ( ) ( ) σ(i,k) − ıωϵ(i,k) ∆z ρi+1/2 − ρi−1/2 (2-12) Capítulo 2. Método dos Volumes Finitos 4. Para c = (i) + (k − 2)(Nρ − 1) [ ] ) −2ρi+1 ∆z ( 2 2 Alc = ρ − ρi ıωµ(i+1/2,k) i+1 5. Para c = (i − 1) + (k − 1)(Nρ − 1) [ ( )] − ρi+1/2 − ρi−1/2 Alc = ıωµ(i,k+1/2) ∆z 28 (2-13) (2-14) ⃗ são dados por: Os elementos do vetor B I , se c = (r − 1) + (z − 2) · (N − 1); o tx tx ρ Bc = 0, caso contrário. onde Io é a amplitude da corrente de excitação. rtx e ztx são os volumes da posição da corrente de excitação na direção radial e longitudinal, respectivamente. A fonte de excitação utilizada neste trabalho consiste de uma antena em espira circular perpendicular ao eixo z. 3 Camadas Perfeitamente Casadas (PML) Um dos maiores desafios dos métodos numéricos discretos tem sido obter uma solução eficiente e precisa da propagação da onda eletromagnética em regiões sem fronteiras. Para tais problemas, uma condição de contorno absorvente (Absorbing Boundary Condition - ABC) deve ser introduzida nas fronteiras do domínio computacional para simular o infinito. Uma alternativa para realizar uma ABC é terminar a fronteira espacial com um material absorvente. Idealmente, o meio absorvente é bem fino, não apresenta reflexão para qualquer que seja a frequência e incidência da onda, altamente absorvente e eficiente no campo próximo a fonte. Na tentativa de formular uma ABC, Holland utilizou um meio absorvente convencional, não dispersivo e com perdas [24]. A limitação desta formulação está no fato de que a mesma só se aplica a ondas com incidência normal. Em 1994, Berenger eliminou o problema da limitação do ângulo de incidência da onda com a introdução de um material absorvente altamente eficiente e aplicável a ondas de incidência, polarização e frequências arbitrárias [9], denominado de camadas perfeitamente casadas (Perfectly Matched Layer PML). Berenger definiu uma nova formulação de campos-decompostos (splitfield formulation) das equações de Maxwell, onde cada componente do vetor do campo é dividida em duas novas componentes ortogonais [9]. Após os trabalhos de Berenger, muitos artigos surgiram na literatura tanto para validar a PML quanto para implementá-la no FDTD em problemas de diferentes áreas [25–45]. Estudos também foram realizados com o objetivo de melhorar o desempenho da PML [46–50], a qual mostrou desempenho superior ao de outras ABCs desenvolvidas anteriormente. Ainda em 1994, Chew e Weedon apresentaram uma formulação diferente para a teoria das PMLs em [26], aplicando-a ao domínio da frequência através de uma expansão complexa das coordenadas espaciais. Logo, foi possível facilitar a compreensão do comportamento da PML, pois se tornou mais simples a manipulação das equações matematicamente. Além disso, a partir dessa formulação, o mapeamento da PML nos sistemas de coordenadas cilíndricas e esféricas se tornou viável. Capítulo 3. Camadas Perfeitamente Casadas (PML) 30 Apesar de todo o avanço no estudo da PML, ainda faltava uma formulação que não alterasse as equações de Maxwell. Foi com esse propósito que Sacks [51] derivou a PML anisotrópica, que modifica as propriedades constitutivas dentro da região da PML. Nesta formulação, a permeabilidade e a permissividade são definidas como tensores diagonais, assegurando-se que ondas planas sejam absorvidas independente do ângulo de incidência, polarização ou frequência. A introdução de perdas nos tensores resultou em um meio absorvente perfeitamente casado. Com a formulação da PML através da expansão complexa das coordenadas espaciais e da PML anisotrópica já desenvolvidas, havia ainda a necessidade de uma formulação que reunisse as vantagens de cada uma delas. Teixeira e Chew preencheram essa lacuna derivando em [55] tensores constitutivos (em coordenadas cartesianas, cilíndricas e esféricas) para a PML anisotrópica a partir das equações de Maxwell no espaço complexo. Neste trabalho, a formulação da PML utilizada é a PML anisotrópica via coordenadas espaciais complexas em coordenadas cilíndricas desenvolvida em [55]. A implementação da PML é em coordenadas cilíndricas por apresentar maior conformidade com a geometria dos poços e ferramentas de perfilagem petrolífera. 3.1 PML Anisotrópica via Coordenadas Espaciais Complexas Conforme mencionado na introdução deste capítulo, a PML foi originalmente derivada através da introdução de condutividades, elétrica e magnética, artificialmente casadas, e através de uma divisão das componentes de campo eletromagnético em subcomponentes [9]. Uma formulação alternativa foi posteriormente dada por [26], na qual foi mostrada que a PML pode ser relacionada com uma expansão complexa das coordenadas cartesianas no domínio da freqüência. Neste trabalho, a PML cilíndrica incorporada à grade computacional do método dos volumes finitos segue a formulação derivada em [55]. A partir da expansão complexa das coordenadas espaciais, as equações de Maxwell na região da PML são modificadas para: e ×H ⃗ = −ıωϵE ⃗ ∇ e ×E ⃗ = ıωµH ⃗ ∇ e · ϵE ⃗ =0 ∇ e · µH ⃗ =0 ∇ onde (3-1a) (3-1b) (3-1c) (3-1d) Capítulo 3. Camadas Perfeitamente Casadas (PML) 31 e = 1 ∂ ⃗aρ + 1 ∂ ⃗aφ + 1 ∂ ⃗az (3-2) ∇ sρ ∂ρ sφ ∂φ sz ∂z representa o operador Nabla modificado em coordenadas cilíndricas. Nota-se que não existe PML na direção azimutal φ, logo não há expansão complexa nesta direção. Entretanto, sφ é mantido em (3-2), sendo definido por sφ = (ρ̃/ρ), como será deduzido mais adiante. Considere a variável de expansão complexa sζ dada por: sζ = κζ (ζ) + ı σζ (ζ) ωϵ0 (3-3) onde ζ = ρ, z; κζ e σζ são funções de perfil da PML. Observa-se também que κζ ≥ 1 garante que ondas evanescentes sofrerão atenuação exponencial mais rápida na região da PML e σζ ≥ 0 assegura que ondas propagantes sofrerão uma atenuação exponencial adicional. Dentro da região da PML, −ıβ σz |z| os modos de propagação longitudinais são transformados em e−κz β|z| e ωϵ0 ; √ onde β = ω µ0 ϵ0 , e similarmente para os modos radiais em termos de funções de Hankel. Assim, os modos de propagação transformados exibem decaimento exponencial dentro da PML, reduzindo portanto as reflexões espúrias das terminações da grade. Cabe ressaltar que as equações de Maxwell são um caso especial das equações (3-1) quando sζ = 1. Logo, as variáveis da expansão complexa podem ser entendidas como graus de liberdade acrescentados as equações de Maxwell. Uma maneira direta e elegante de verificar a característica de casamento perfeito (reflexão nula) que deve existir na PML é observar que as variáveis de expansão complexa são apenas um mapeamento particular das coordenadas espaciais para o espaço complexo (i.e. uma continuação analítica das variáveis espaciais) [56]. Este mapeamento é definido da seguinte forma: ) ∫ ζ ∫ ζ( σζ (ζ ′ ) ′ ′ ′ e ζ → ζ = ζ0 + (3-4) sζ (ζ )dζ = ζ0 + κζ (ζ ) + ı ωϵ0 ζ0 ζ0 de modo que 1 ∂ ∂ = (3-5) sζ ∂ζ ∂ ζ̃ em conformidade com o operador Nabla definido em (3-2). ζe representa a variável espacial complexa e ζ0 representa a interface da PML. No sistema de coordenadas cilíndricas, a lei de Faraday no espaço complexo pode ser escrita como: Capítulo 3. Camadas Perfeitamente Casadas (PML) 1 ∂Ezc ∂Eφc − ρ̃ ∂φ ∂ z̃ c ∂Eρ ∂Ezc ıωµHφc = − ∂ z̃ ∂ ρ̃ 1 ∂Eρc 1 ∂ ıωµHzc = (ρ̃Eφc ) − ρ̃ ∂ ρ̃ ρ̃ ∂φ ıωµHρc = 32 (3-6a) (3-6b) (3-6c) onde ρe e ze são as variáveis espaciais complexas definidas em (3-4). Observase que os campos em (3-6) não satisfazem as equações de Maxwell quando sζ ̸= 1, ou seja, dentro da PML. Para tornar isto mais explícito, adiciona-se o sobreescrito c nas variáveis dos campos. Da definição da variável espacial complexa ζ̃ em (3-4), tem-se ∂/∂ z̃ = (1/sz )∂/∂z e ∂/∂ ρ̃ = (1/sρ )∂/∂ρ. Se estas últimas identidades forem substituídas em (3-6), e multiplicar (3-6a) por sz (ρ̃/ρ), (3-6b) por sz sρ , e (3-6c) por sρ (ρ̃/ρ), então (3-6) pode ser reformulada da seguinte forma: [( ) ( )] ( ) ( ) 1 ∂ ρ̃ sz ∂ ρ̃Eφc c c ıωµ s ρ Hρ = (sz Ez ) − ρ sρ ρ ∂φ ∂z ρ [( ) ]( c ) ρ̃Hφ ρ ∂ ∂ ıωµ sz sρ = (sρ Eρc ) − (sz Ezc ) ρ̃ ρ ∂z ∂ρ [( ) ] [ ( c )] ) ρ̃Eφ ρ̃ sρ 1 ∂ 1 ∂ ( ıωµ (sz Hzc ) = ρ − sρ Eρc ρ sz ρ ∂ρ ρ ρ ∂ϕ (3-7a) (3-7b) (3-7c) A partir de (3-7) e de suas duais (lei de Ampère), um novo conjunto de campos definido por Eρa = sρ Eρc , Eφa = sφ Eφc e Eza = sz Ezc (similar para o campo magnético), obedece as equações de Maxwell em um meio anisotrópico de parâmetros constitutivos µ̄ = µΛ̄ e ϵ̄ = ϵΛ̄, com ( )( ) ( ) ( )( ) ρ̃ sz ρ ρ̃ sρ Λ̄ = ⃗aρ + (sz sρ )⃗aφ + ⃗az (3-8) ρ sρ ρ̃ ρ sz onde tem-se sφ = (ρ̃/ρ) de forma que o tensor (3-8) e as equações de mapeamento do campo (3-7) têm o mesmo formato das suas respectivas expressões no sistema de coordenadas Cartesianas. 3.2 Desempenho Teórico da PML 3.2.1 O Espaço Contínuo Considere uma PML de espessura d terminada por um condutor elétrico perfeito (PEC) e que uma onda incide na PML com um ângulo de incidência Capítulo 3. Camadas Perfeitamente Casadas (PML) 33 θ em relação a uma superfície normal na direção ζ. A reflexão da onda na superfície da PML pode ser computada de forma semelhante ao cálculo da reflexão em uma linha de transmissão, ou seja: R(θ) = e−2σζ ηd cos θ (3-9) onde η e σζ são a impedância característica da onda na PML e sua condutividade (considerando propagação na direção ζ), respectivamente. Computacionalmente, R(θ) é referido como “erro de reflexão"visto que consiste de uma reflexão não-física devida ao PEC que finaliza a PML. Notase que o erro de reflexão é o mesmo tanto para PML de campos-decompostos como para PML anisotrópica, uma vez que ambas suportam a mesma equação da onda. Cabe observar que este erro decresce exponencialmente com σζ e d. Contudo, o erro de reflexão aumenta com ecos(θ) , atingindo o seu pior caso para θ = 90o . Neste ângulo de incidência, tem-se R = 1 e a PML é completamente ineficiente. Para que a PML seja eficiente em simulações computacionais, R(θ) deve ser o menor possível. Cabe ressaltar que para uma PML fina σζ deve ser o mais alto possível para reduzir R(θ) a níveis aceitáveis, especialmente para valores de θ próximos de 90◦ . 3.2.2 O Espaço Discreto Classificação dos parâmetros de atenuação da PML No espaço contínuo, uma transmissão total da onda (sem reflexão) pode ocorrer na interface da PML. Entretanto, em representações discretas das equações de Maxwell, discrepâncias numéricas aparecem devido a amostragem espacial finita. Consequentemente, a implementação da PML com um único passo de descontinuidade na condutividade da PML na grade computacional leva a reflexões espúrias significativas na superfície da PML. Para reduzir este erro de reflexão, Berenger propôs que as perdas da PML ao longo da direção normal até a superfície aumentassem gradualmente a partir de zero [9]. Assumindo tal escalonamento, a PML permanece casada. Seguindo esta idéia, considere uma onda plana propagando-se na direção z e incidindo em uma PML (ângulo de incidência θ) de espessura d, terminada por PEC, cuja a interface está localizada em z = 0. Assumindo-se um perfil de condutividade da PML σz (z), o erro de reflexão é dado por: R(θ) = e−2η cos θ ∫d 0 σz (z)dz (3-10) Vários perfis foram sugeridos na literatura para escalonar σz (z) e κz (z) (parte real da expansão complexa). Os perfis mais eficientes utilizam uma Capítulo 3. Camadas Perfeitamente Casadas (PML) 34 variação polinomial ou geométrica para a perda da PML na direção longitudinal [46]. 1. Escalonamento Polinomial O escalonamento polinomial adotado neste trabalho é dado por: ( z )m σ max d ( z) z m κz (z) = 1 + (κmax − 1) z d σz (z) = (3-11a) (3-11b) onde m é o índice do escalonamento polinomial. Nota-se que neste tipo de escalonamento o valor de σz aumenta de zero em z = 0 (interface da PML) até σzmax em z = d (fronteira PEC). De forma análoga, κz aumenta de um em z = 0 até κmax em z = d. z Substituindo (3-11) em (3-10), obtém-se: R(θ) = e−2ησz max d cos θ/(m+1) (3-12) Cabe ressaltar que valores elevados de m leva a uma distribuição de σz (z) relativamente plana perto da região da PML. Contudo, no interior da PML, σz aumenta mais rapidamente do que para valores baixos de m. Nesta região, as amplitudes do campo são substancialmente reduzidas e reflexões devidas a erro de discretização interferem menos. Tipicamente, 3 ≤ m ≤ 4 são considerados valores ótimos para simulações no método das diferenças finitas no domínio do tempo (FDTD) [32, 46, 47, 53]. Os parâmetros da PML podem ser rapidamente determinados para um dado erro estimado. Por exemplo, sejam m, d e o erro desejado R(0) conhecidos. Então, a partir de (3-12), σzmax é dado por: σzmax = − (m + 1) ln[R(0)] 2ηd (3-13) A Figura 3.1 ilustra o perfil polinomial para uma PML de 10 camadas com interface em z = 0. 2. Escalonamento Geométrico O perfil geométrico de perda da PML adotado é o seguinte [47]: ( 1 )z σz (z) = g ∆z σz0 ( 1 )z κz (z) = g ∆z (3-14a) (3-14b) Capítulo 3. Camadas Perfeitamente Casadas (PML) 35 0.012 m=1 m=2 m=3 m=4 m=5 0.01 σz(z) 0.008 0.006 0.004 0.002 0 0 1 2 3 4 5 z 6 7 8 9 10 Figura 3.1: Perfil Polinomial em função do parâmetro m para PML de 10 camadas com interface em z = 0. onde σz0 é a condutividade da PML em sua interface, g é o fator de escalonamento e ∆z é o incremento espacial do FVM. Aqui, a d condutividade da PML aumenta de σz0 , em sua interface, para g ∆ σz0 , na fronteira do PEC. Substituindo-se (3-14) em (3-10) resulta em: ( ) d −2ησz0 ∆z g ∆z −1 R(θ) = e cos θ/ ln g (3-15) Ressalta-se que σz0 deve ser pequeno para minimizar o erro de discretização inicial e a métrica g > 1 governa a taxa de aumento da condutividade dentro da PML. Valores elevados de g tornam o perfil da condutividade plano próximo a z = 0, aumentando o valor no interior da PML. Normalmente, g, d e R(0) são pré-determinados. Dessa forma, tem-se: σz0 = − ln[R(0)] ln(g) ( d ) ∆z 2η∆z g − 1 (3-16) A Figura 3.2 ilustra o perfil geométrico para uma PML de 10 camadas com interface em z = 0. Cabe observar que neste trabalho foram implementadas PMLs nas direções longitudinal e radial. O escalonamento utilizado na direção radial é idêntico ao da direção longitudinal. Portanto, para PML radial, utiliza-se os mesmos escalonamentos apresentados nas equações de (3-11) a (3-16), apenas com a mudança da variável de z para ρ. Capítulo 3. Camadas Perfeitamente Casadas (PML) 36 0.025 g=2.0 g=2.4 g=2.8 g=3.2 g=3.4 0.02 σz(z) 0.015 0.01 0.005 0 0 1 2 3 4 5 z 6 7 8 9 10 Figura 3.2: Perfil Polinomial em função do parâmetro m para PML de 10 camadas com interface em z = 0. Erro de Discretização O projeto de uma PML eficiente requer um equilíbrio entre o erro de reflexão teórico, R(θ), e o erro de discretização numérico. Por exemplo, (3-13) fornece σzmax para R(0) e m pré-determinados. Se σzmax é pequeno, a reflexão primária da PML é proveniente da PEC. A equação (3-10) fornece uma aproximação precisa do erro de reflexão para este caso. Contudo, normalmente define-se o valor de σzmax o maior possível visando minimizar R(θ). Infelizmente, se σzmax é muito elevado, o erro de discretização devido a aproximação do método numérico domina, e o erro de reflexão real é de ordem de grandeza superior ao que (3-10) prediz. Consequentemente, há uma escolha ótima para σzmax que equilibra a reflexão da PEC e o erro de discretização. Cabe ressaltar que Berenger postulou que o maior erro de discretização manifestado como reflexão ocorre em z = 0, na interface da PML [46, 47]. Qualquer energia de onda que penetrar mais na PML e for refletida, sofre atenuação antes e depois do ponto de reflexão, e tipicamente não é uma grande contribuição. Portanto, é aconselhável minimizar a descontinuidade em z = 0. Como discutido anteriormente, uma maneira de obter tal característica é tornar mais plano o perfil de perda da PML em z = 0. Contudo, se o aumento da perda com a profundidade for muito rápido, reflexões no interior da PML podem predominar. Capítulo 3. Camadas Perfeitamente Casadas (PML) 37 3.3 Complex Frequency Shifted-Perfectly Matched Layer (CFS-PML) O desempenho da PML, até o momento, levou em consideração apenas a absorção da onda propagante com ângulos de incidência próximo da normal. Entretanto, já foi observado que, em implementações numéricas da PML no método das diferenças finitas no domínio do tempo (FDTD), podem ocorrer reflexões espúrias nos casos onde a onda incide na PML com ângulos de incidência quase rasantes. Tal comportamento é observado quando a PML finaliza um domínio muito longo. Além disso, indícies de reflexão altos podem ocorrer quando a onda é evanescente. Isto ocorre quando a fronteira da PML está localizada muito perto de uma singularidade do campo, por exemplo, próximo a uma borda ou canto metálico ou na região de campo próximo de uma antena. Em geral, a PML é projetada para absorver ondas propagantes e ondas evanescentes. Entretanto, para se ter uma maior compreensão das vantagens e desvantagens na utilização da CFS-PML como ABC, faz-se necessário compará-la com a PML quanto ao nível de absorção. Pela teoria eletromagnética, tem-se que o coeficiente de reflexão quando uma onda incide do meio 1 (meio sem perdas) para o meio 2 (PML) é dado por: Γ= η1 − η2 η1 + η2 (3-17) sendo √ η1 = µ1 ϵ1 ) σ∗ v ( u u µ2 1 + ζ ıωµ2 u ) η2 = t ( σ ϵ2 1 + ıωϵζ2 (3-18a) (3-18b) onde µ1 e µ2 são a permeabilidade magnética dos meios 1 e 2, respectivamente; ϵ1 e ϵ2 são a permissividade √ 1 e 2, respectivamente. √ elétrica √ dos meios µ1 µ2 µo Considerando que = = e observando que a interface ϵ1 ϵ2 ϵo entre o meio sem perdas e a PML é na grade primária, ou ( seja, apenas ) as σ∗ componentes do campo elétrico estão presentes, deduz-se que 1 + ıωµ2 = 1. Sendo assim, após substituir (3-18) em (3-17) e realizar algumas manipulações matemáticas, obtém-se a seguinte relação para o coeficiente de reflexão: Capítulo 3. Camadas Perfeitamente Casadas (PML) √ ω+ Γ= √ ω+ σζ ıϵo − σζ ıϵo + √ √ 38 ω (3-19) ω σ Através da equação (3-19) pode-se observar que quando ω ≫ ıϵζo (freσ quências altas), Γ ≈ 0. Para o caso em que ω ≪ ıϵζo (frequências baixas), tem-se Γ ≈ 1. Uma razão para o valor alto do coeficiente de reflexão em frequências baixas é o fato da variável de expansão, sζ , ter um pólo na frequência zero. Ou seja, sζ → −ı∞ quando ω → 0. Contudo, este problema pode ser contornado deslocando o pólo da origem para o plano complexo esquerdo. Sendo assim, uma opção para a expressão da variável de expansão que tem se mostrado muito eficiente é dada por [36,50]: σζ (ζ) (3-20) αζ (ζ) + ıωϵo onde κζ ≥ 1, σζ ≥ 0 e αζ ≥ 0. Esta escolha tem se mostrado causal e estável [51]. A expressão para sζ dada em (3-20) vem sendo referenciada como variável de expansão da CFS-PML (Complex Frequency-Shifted - Perfectly Matched Layer ) [36,37,43]. Substituindo-se (3-20) em (3-17), obtém-se o coeficiente de reflexão quando o meio 2 é preenchido pela CFS-PML. Assumindo-se as mesmas condições para o caso anterior (PML convencional), ou seja, na interface entre o meio(1 e a CFS-PML ) existam apenas componentes de campos elétricos, tém-se σζ∗ que 1 + αζ +ıωµ2 = 1. Após algumas manipulações matemáticas, tem-se: √ σζ 1 + αζ +ıωϵ −1 o ΓCF S = √ (3-21) σζ 1 + αζ +ıωϵ + 1 o sζ = κζ (ζ) + α Mais uma vez, é possível notar que em frequências altas, ω ≫ ϵoζ , o coeficiente de reflexão tende a zero, Γ → 0. Por outro lado, em frequências σ baixas e assumindo-se que αζζ ≪ 1, resulta: σζ (3-22) 4αζ Comparando (3-22) com (3-19), observa-se que em frequências baixas o erro devido às reflexões é reduzido significativamente ao substituir a PML pela CFS-PML. Para um completo entendimento do desempenho de absorção da CFSPML, é relevante analizar a atenuação da onda propagante dentro dela. Assumindo-se que a onda tenha uma constante de propagação complexa, γ = α + ıβ, onde α representa a atenuação; e que a variável de expansão ΓCF S |baixaf requencia ≈ Capítulo 3. Camadas Perfeitamente Casadas (PML) 39 seja dada por (3-20), a dependência exponencial da onda na direção ζ pode ser expressa como: e ( −(α+ıβ) κζ + α σζ ζ +ıωϵo ) ζ =e ( − ακζ +ıβκζ +α α σζ σζ +ıβ α +ıωϵ o ζ +ıωϵo ζ ) ζ (3-23) Observa-se, por inspeção de (3-23), que κζ aumenta a atenuação da α onda incidente na CFS-PML. Nota-se também que quando w ≫ ϵoζ , a CFSα PML absorve na mesma proporção da PML. Entretanto, para w ≪ ϵoζ , a condutividade da CFS-PML não oferece atenuação adicional. De fato, se a onda for puramente propagante (α = 0), a CFS-PML produz muito pouca atenuação em frequências baixas. Como consequência, enquanto a CFS-PML reduz significativamente o erro de reflexão em frequências baixas, ondas propagantes dentro da CFSPML podem ser menos atenuadas. Felizmente, este dilema pode ser resolvido com um bom escalonamento de αζ . Como previsto, a partir de (3-21) e (3-22), αζ deve ter valor elevado perto da interface meio / CFS-PML, uma vez que σ o coeficiente de reflexão é reduzido quando αζζ ≪ 1. Dentro da CFS-PML, αζ deve ser decrescente para que o espectro de frequências baixas da onda que se propaga na CFS-PML possa ser atenuado adequadamente. Logo, αζ deve ter o seu valor máximo na interface do meio / CFS-PML e decair até zero. Tendo em mente essas condições, neste trabalho utiliza-se o seguinte escalonamento para αζ : ( d−ζ )m α 0≤ζ≤d ζ,max d αζ = (3-24) 0 caso contrário. onde a interface entre o meio e a CFS-PML encontra-se em ζ = 0. m é o fator de escalonamento e d é a espessura da CFS-PML. 4 Resultados Numéricos Os modelos teóricos desenvolvidos nas seções anteriores foram implementados em Matlab para simular computacionalmente a distribuição de campos eletromagnéticos em geometrias coaxiais bi-dimensionais (2D) terminadas por condicões de contorno absorventes (ABC) do tipo camadas perfeitamente casadas (Perfectly Matched Layer - PML). A geometria coaxial 2D imita a geometria das ferramentas de perfilagem de poços petrolíferos logging-whiledrilling (LWD). Entretanto, como mencionado nos capítulos anteriores, o objetivo principal desta dissertação e, portanto, das simulações aqui realizadas, é analisar o coeficiente de reflexão e a degradação do número de condição da matriz resultante da discretização das equações de Maxwell pelo método dos volumes finitos (FVM) no domínio da frequência quando PML são incorporadas ao domínio computacional. Dois tipos de PML cilíndricas foram analisadas: PML (anisotrópica via coordenadas stretching) e CFS-PML (Complex frequency shifted -PML). Além disso, para efeitos de comparação, dois perfis de escalonamento da condutividade no interior da PML são implementados: perfil polinomial e perfil geométrico. O sistema de equações lineares resultante é resolvido por dois métodos iterativos: Método do Gradiente Bi-Conjugado Estabilizado (BICGSTAB) e o Método Generalizado dos Mínimos Resíduos (GMRES). Para acelerar a convergência da solução, utiliza-se pré-condicionadores baseados em fatorização LU incompleta (LUINC). Ambos os métodos iterativos e os précondicionadores fazem parte do toolbox do Matlab. As simulações são realizadas em um PC com processador Intel Core i7 3,4 GHz e 32Gb RAM. As ferramentas de perfilagem de poços LWD operam na faixa de 100 kHz a 4 MHz, sendo 2 MHz a frequência comercial. A menos que mencionado, a frequência utilizada nas simulações desta dissertação é 2 MHz. Além disso, a permissividade relativa e a permeabilidade relativa do meio são consideradas unitárias em todas as simulações. A Figura 4.1 ilustra a geometria do problema físico. Neste caso, considerase uma região interior (sem perdas), denominada formação, limitada por Capítulo 4. Resultados Numéricos 41 Figura 4.1: Geometria do problema bidimensional (2D) para aplicação da PML na direção longitudinal. uma superfície cilíndrica metálica (condutor elétrico perfeito), com o eixo coincidente com o eixo dos z e raio interno ρ = ρ1 . A região que compreende a formação é ilimitada nas direções radial e longitudinal. Essa geometria imita o cenário da ferramenta de perfilagem operando em um poço de perfuração cujo raio interno é ρ1 = 0, 1016m. 4.1 Ajuste nos Parâmetros dos Métodos Iterativos e do Pré-Condicionador Para um melhor desempenho do pré-condicionador e dos métodos iterativos aqui utilizados, é necessário que seus valores de entrada sejam os mais adequados possíveis. Para realizar tal ajuste foi utilizada a geometria do problema com a PML na direção longitudinal. Considera-se uma região interior (sem perdas) a duas superfícies cilíndricas metálicas (condutores elétricos perfeitos), com o eixo coincidente com o eixo dos z, ρ = ρ1 e ρ = ρ2 , respectivamente. Essa geometria imita o cenário da ferramenta de perfilagem operando em um poço de perfuração cujo raio interno é ρ1 = 0, 1016m. O raio externo que termina a região de interesse é ρ2 = 110, 1016m. Como a região é ilimitada em z, para desenvolvimento do modelo numérico, a região é terminada em z = z1 e z = z2 por PML. A Figura 4.2 ilustra o domínio do modelo computacional simulado, incluindo uma PML longitudinal de espessura d. A espessura da PML compreende o número de células na PML multiplicado pelo tamanho da célula. Os cortes transversal e longitudinal do modelo computacional é mostrado na Figura 4.3. A Tabela 4.1 apresenta os valores iniciais utilizados na simulação. Capítulo 4. Resultados Numéricos 42 Figura 4.2: Modelo computacional bidimensional (2D) com PML na direção longitudinal. As funções do pré-condicionador e dos métodos iterativos no Matlab apresentam a seguinte forma: – [M 1, M 2] = luinc(A, droptol) – [x, iter] = bicgstab(A, b, tol, maxit, M 1, M 2) – [x, iter] = gmres(A, b, tol, maxit, M 1, M 2) Inicialmente foram definidos alguns valores de entrada para essas funções. As matrizes A e b são definidas pelo problema, fazendo parte do sistema de equações lineares [A][x] = [b], no qual a solução que se deseja obter é o vetor incógnita x. Para que esta solução seja a mais precisa possível, é definida uma tolerância (critério de parada) para os métodos iterativos bem exigente, tol = 10−12 . As matrizes M 1 e M 2 são obtidas do pré-condicionador, sendo matrizes triangular inferior e superior, respectivamente. O número máximo de iterações adotado para os métodos iterativos BICGST AB e GM RES é de maxit = 3.000. Para acelerar a convergência dos métodos é necessário definir também valores apropriados para a tolerância de descarte (drop tolerance - dtol ) utilizada na fatorização incompleta LU (ILU). Sabe-se que a escolha ótima deste parâmetro não é trivial, em especial em problemas mal-condicionados, sendo fortemente dependente da matriz do problema. Com o objetivo de utilizar nas simulações futuras um valor razoável para droptol, foi realizado um estudo do número de iterações em função da droptol. Capítulo 4. Resultados Numéricos 43 Figura 4.3: Cortes transversal e longitudinal do modelo bidimensional (2D) com PML na direção longitudinal. Os resultados estão na Tabela 4.2. Observa-se que a medida que a droptol diminui, o número de iterações necessário para convergência também diminui. Cabe ressaltar que o método pode convergir ou não para a solução correta e, portanto, adota-se um valor intermédiário (e não aquele com o menor número de iterações) para este parâmetro, ou seja, droptol = 10−3 . Com todos os parâmetros do pré-condicionador e dos métodos iterativos definidos inicialmente, passa-se para a próxima etapa, que consiste na validação do método FVM. 4.2 PML na Direção Longitudinal 4.2.1 Validação Para validar o modelo 2D FVM com PML na direção longitudinal, o algoritmo é aplicado a um guia de ondas coaxial sem perdas terminado por uma PML cilíndrica na direcão z. Os resultados númericos são comparados com os resultados obtidos através de soluções analíticas. A geometria do problema está ilustrada nas Figuras 4.2 e 4.3. Os dados iniciais utilizados nesta simulção estão contidos na Tabela 4.1. A Figura 4.4 apresenta a distribuição do campo elétrico ao longo da direção longitudinal do guia em questão. Nesta simulação, utiliza-se os métodos GM RES e BICGST AB sem pré-condicionamento. Para fins de comparação, neste caso, assim como no restante do trabalho, dois perfis de escalonamento para a condutividade da PML são utilizados: polinomial e geométrico. Observa- Capítulo 4. Resultados Numéricos 44 Tabela 4.1: Dados de entrada utilizados na simulação de ajuste dos parâmetros do pré-condicionador e dos métodos iterativos. Número de células em ρ Número de células em z Existência da PML na direção ρ Existência da PML na direção z Número de camadas PML Fator de escalonamento polinomial Fator de escalonamento geométrico Valor máximo da parte real da coordenada stretching Célula da fonte em ρ Célula da fonte em z Célula do ponto de observação em ρ Célula do ponto de observação em z Tamanho da célula em ρ Tamanho da célula em z Condutividade do meio Coeficiente de reflexão teórico máximo αmax 50 300 Não Sim 8 2 3,2 1 10 150 40 5 2,2 m 5m 0 10−6 0 Tabela 4.2: Número de iterações em função da droptol do pré-condicionador ILU. droptol 10−1 10−2 10−3 10−4 10−5 10−6 ITERAÇÕES BICGSTAB Sem PML Polin. Geom. 2.163 2.332 2.391 216 337 352 82 103 110 14 18 18 4 3 3 2 2 2 ITERAÇÕES GMRES Sem PML Polin. Geom. 412 418 417 129 138 132 60 60 60 19 23 22 7 7 7 4 4 4 se que, apesar da ausência do pré-condicionador, o método GM RES conseguiu convergir para o resultado correto após 1.637 e 1.333 iterações, para o perfil polinomial e geométrico, respectivamente. A simulação demorou 691 segundos, aproximadamente. Entretanto, o método BICGST AB não conseguiu obter o mesmo êxito e, após 143 (perfil polinomial) e 145 (perfil geométrico) iterações, o método convergiu para o resultado errado. Neste caso, a simulação levou aproximadamente 7 segundos para terminar. Em seguida, realiza-se a mesma simulação, mas utilizando o précondicionador ILU em conjunto com os métodos iterativos na solução do sistema linear. A Figura 4.5 mostra a distribuição do campo elétrico ao longo da direção longitudinal para este caso. Nesta simulação, inclui-se a resposta da distribuição do campo quando a PML não está incorporada ao domínio, ou seja, Capítulo 4. Resultados Numéricos 45 1.5 Solução Analítica Com PML Polinomial − BICGSTAB Com PML Geométrica − BICGSTAB Com PML Polinomial − GMRES Com PML Geométrica − GMRES |E|(V/m) 1 0.5 0 0 500 1000 1500 z(m) Figura 4.4: Distribuição do campo elétrico ao longo da direção longitudinal de guia de ondas coaxial sem perdas terminado por uma PML cilíndrica na direcão z. Os métodos iterativos não utilizam pré-condicionamento. Os parâmetros da PML são: número de camadas da PML igual a N P M L = 8, fator de escalonamento polinomial igual a m = 2 e fator de escalonamento geométrico igual a g = 3, 2. a região de interesse é terminada por condutores elétricos perfeitos na direção longitudinal. Observa-se que quando a PML não está presente, a distribuição de campo elétrico apresenta um comportamento estacionário, como era esperado. Para o caso onde a PML está terminando o guia, o erro entre a solução numérica e a analítica é praticamente desprezível, não excedendo a 0,25%. Ambos os métodos convergiram, sendo o BICGST AB após 120 (perfil polinomial) e 102 (perfil geométrico) iterações, com um tempo de processamento de 5 segundos aproximadamente. Já o GM RES convergiu após 58 iterações (para ambos os perfis) em 3 segundos. Observa-se o número de iterações e o tempo de processamento foram reduzidos em comparação a simulação sem o pré-condicionador ILU. Para melhor visualização dos resultados, a Figura 4.6 apresenta um zoom em duas regiões do domínio, a primeira onde o campo é praticamente constante e a segunda região mais próxima da fonte, onde a intensidade de campo é mais elevada. Capítulo 4. Resultados Numéricos 46 Solução Analítica Com PML Polinomial − BICGSTAB Com PML Geométrica − BICGSTAB Com PML Polinomial − GMRES Com PML Geométrica − GMRES Sem PML 6 5 |E|(V/m) 4 3 2 1 0 0 500 1000 1500 z(m) Figura 4.5: Distribuição do campo elétrico ao longo da direção longitudinal de guia de ondas coaxial sem perdas terminado por uma PML cilíndrica na direcão z. Os métodos iterativos utilizam pré-condicionador ILU para acelerar a convergência. Os parâmetros da PML são: número de camadas da PML igual a N P M L = 8, fator de escalonamento polinomial igual a m = 2 e fator de escalonamento geométrico igual a g = 3, 2. 4.2.2 Estudo do Coeficiente de Reflexão Numérico Um dos parâmetros utilizados para estudar o desempenho da PML é o coeficiente de reflexão teórico (COEF ). Entretanto, ao se implementar computacionalmente a PML, torna-se relevante analisar o coeficiente de reflexão numérico (COEF N ), pois nele estão inseridos tanto os erros devido a discretização quanto aqueles inerentes a própria implementação computacional. Para estudar a variação do COEF N em relação ao COEF , considera-se o mesmo cenário utilizado na validação. O cálculo do COEF N é realizado a partir da taxa de onda estacionária (T OE), que pode ser obtida através da razão entre as amplitudes máximas e mínimas do campo elétrico em uma configuração de onda estacionária. Neste trabalho, estas amplitudes são tomadas em uma região do domínio físico onde a distribuição de campo elétrico não sofra tanta influência da fonte e das camadas da PML. Para fins do cálculo do COEFN, os campos foram amostrados no intervalo 150m ≤ z ≤ 665m. Capítulo 4. Resultados Numéricos 47 0.769 Solução Analítica Com PML Polinomial − BICGSTAB Com PML Geométrica − BICGSTAB Com PML Polinomial − GMRES Com PML Geométrica − GMRES Sem PML 0.768 |E|(V/m) 0.767 0.766 0.765 0.764 0.763 150 200 250 300 350 z(m) 400 450 500 550 1.1 Solução Analítica Com PML Polinomial − BICGSTAB Com PML Geométrica − BICGSTAB Com PML Polinomial − GMRES Com PML Geométrica − GMRES Sem PML 1.05 |E|(V/m) 1 0.95 0.9 0.85 0.8 0.75 640 660 680 700 720 740 z(m) 760 780 800 820 Figura 4.6: Zoom da distribuição do campo elétrico ao longo da direção longitudinal de guia de ondas coaxial sem perdas terminado por uma PML cilíndrica na direcão z. Os métodos iterativos utilizam pré-condicionador ILU para acelerar a convergência. Região onde o campo elétrico apresenta um comportamento constante (em cima) e região mais próxima da fonte (embaixo). 840 Capítulo 4. Resultados Numéricos 48 Sendo assim, com exceção dos dados que variam em cada simulação, os dados de entrada são idênticos aos utilizados na validação e apresentados na Tabela 4.1. Aqui são feitas três análises, cada uma variando um dado parâmetro da PML, são eles: o número de camadas da PML (N P M L), o fator de escalonamento do perfil polinomial (m) e do geométrico (g) e a parte real da variável de expansão (KP M L). Cabe ressaltar que na validação os valores obtidos para o COEF N foram 6, 5843 × 10−4 e 1, 7670 × 10−3 , para os perfis polinomial e geométrico, respectivamente. As Figuras 4.7 e 4.8 mostram a variação do COEF N em relação ao COEF para valores de N P M L diferentes. Utiliza-se na solução do sistema de equações lineares o método do BICGST AB + ILU e o método GM RES + ILU , respectivamente. São apresentados os resultados tanto para o perfil polinomial, quanto para o geométrico. Pode-se concluir para ambos os casos que, a medida que o N P M L aumenta, o COEF N diminui, como esperado. Contudo, para um valor de COEF N desejável, na ordem de grandeza obtida na validação, observa-se que o N P M L não influencia quando N P M L ≥ 4 para o perfil polinomial e N P M L ≥ 6 para o geométrico. Além disso, nota-se que para perfis de escalonamento iguais os métodos iterativos apresentaram resultados idênticos. Por isso, a partir deste ponto os resultados serão apresentados somente para o método BICGST AB + ILU , visando reduzir o número de resultados repetidos. A Figura 4.9 apresenta o COEF N em função do COEF para valores de m e g diferentes. No caso polinomial, observa-se que para m > 1 e COEF ≥ 10−6 , o valor do COEF N é praticamente o mesmo para qualquer valor de m. Porém, para COEF ≤ 10−6 e m ̸= 1, há uma pequena variação no COEF N , mas a ordem de grandeza se mantem igual e de acordo com o obtido na validação. Já no geométrico, quanto maior for o fator de escalonamento, menor será o COEF N e para COEF ≥ 10−4 , COEF N é independente de g. Além disso, para COEF < 10−4 a ordem de grandeza do COEF N se mantem concordando com o valor obtido na validação, apresentando uma pequena variação em função de g. A Figura 4.10 mostra a variação do COEF N em relação ao COEF para valores de KP M L diferentes. Para o caso polinomial, nota-se uma maior independência do COEF N em relação ao KP M L do que é apresentado para o caso geométrico. Observa-se ainda que, para o caso geométrico e para COEF ≤ 10−6 (onde o KP M L influencia no COEF N ), os valores de COEF N tendem a diminuir com o aumento de KP M L. Entretanto, para valores de KP M L ≥ 4 esse comportamento modifica e o valor de COEF N aumenta chegando a 4 × 10−3 para KP M L = 10. Capítulo 4. Resultados Numéricos 49 A convergência dos métodos iterativos para cada um dos estudos realizados nessa seção é apresentada nas Tabelas 4.3-4.5. O coeficiente de reflexão teórico utilizado é COEF = 10−6 . Observa-se que nos três estudos, para cada método analisado separadamente, os perfis polinomial e geométrico apresentam número de iterações próximos. Contudo, o método GM RES apresentou convergência mais rápida em comparação ao BICGST AB. Capítulo 4. Resultados Numéricos 50 Perfil polinomial da PML na direção longitudinal 0 Coeficiente de Reflexão Numérico 10 −1 10 −2 10 −3 10 NPML=2 NPML=4 NPML=6 NPML=8 NPML=10 −4 10 −12 10 −10 10 −8 10 −6 −4 10 10 Coeficiente de Reflexão Teórico −2 0 10 10 Perfil geométrico da PML na direção longitudinal 0 Coeficiente de Reflexão Numérico 10 −1 10 −2 10 −3 10 NPML=2 NPML=4 NPML=6 NPML=8 NPML=10 −4 10 −12 10 −10 10 −8 10 −6 −4 10 10 Coeficiente de Reflexão Teórico −2 10 Figura 4.7: Coeficiente de reflexão teórico X coeficiente de reflexão numérico para valores do número de camadas da PML (NPML) diferentes, utilizando o BICGSTAB. No perfil polinomial (em cima) utiliza-se m = 2, enquanto no geométrico (embaixo) g = 3, 2. Em ambos os casos, KP M L = 1. 0 10 Capítulo 4. Resultados Numéricos 51 Perfil polinomial da PML na direção longitudinal 0 Coeficiente de Reflexão Numérico 10 −1 10 −2 10 −3 10 NPML=2 NPML=4 NPML=6 NPML=8 NPML=10 −4 10 −12 10 −10 10 −8 10 −6 −4 10 10 Coeficiente de Reflexão Teórico −2 0 10 10 Perfil geométrico da PML na direção longitudinal 0 Coeficiente de Reflexão Numérico 10 −1 10 −2 10 −3 10 NPML=2 NPML=4 NPML=6 NPML=8 NPML=10 −4 10 −12 10 −10 10 −8 10 −6 −4 10 10 Coeficiente de Reflexão Teórico −2 10 Figura 4.8: Coeficiente de reflexão teórico X coeficiente de reflexão numérico para valores do número de camadas da PML (NPML) diferentes, utilizando o GMRES. No perfil polinomial (em cima) utiliza-se m = 2, enquanto no geométrico (embaixo) g = 3, 2. Em ambos os casos, KP M L = 1. 0 10 Capítulo 4. Resultados Numéricos 52 Perfil polinomial da PML na direção longitudinal 0 Coeficiente de Reflexão Numérico 10 −1 10 −2 10 −3 10 m=1 m=2 m=3 m=4 m=5 −4 10 −12 10 −10 10 −8 10 −6 −4 10 10 Coeficiente de Reflexão Teórico −2 0 10 10 Perfil geométrico da PML na direção longitudinal 0 Coeficiente de Reflexão Numérico 10 −1 10 −2 10 −3 10 g=2 g=2.4 g=2.8 g=3.2 g=3.4 −4 10 −12 10 −10 10 −8 10 −6 −4 10 10 Coeficiente de Reflexão Teórico −2 10 Figura 4.9: Coeficiente de reflexão teórico X coeficiente de reflexão numérico para valores do fator de escalonamento polinomial (m) e geométrico (g) diferentes. Em ambos os casos, N P M L = 6 e KP M L = 1. 0 10 Capítulo 4. Resultados Numéricos 53 Perfil polinomial da PML na direção longitudinal 0 Coeficiente de Reflexão Numérico 10 −1 10 −2 10 KPML=1 KPML=2 KPML=3 KPML=4 KPML=5 KPML=6 KPML=7 KPML=8 KPML=9 KPML=10 −3 10 −4 10 −12 10 −10 10 −8 10 −6 −4 10 10 Coeficiente de Reflexão Teórico −2 0 10 10 Perfil geométrico da PML na direção longitudinal 0 Coeficiente de Reflexão Numérico 10 −1 10 −2 10 KPML=1 KPML=2 KPML=3 KPML=4 KPML=5 KPML=6 KPML=7 KPML=8 KPML=9 KPML=10 −3 10 −4 10 −12 10 −10 10 −8 10 −6 −4 10 10 Coeficiente de Reflexão Teórico −2 10 Figura 4.10: Coeficiente de reflexão teórico X coeficiente de reflexão numérico para valores da parte real da variável de expansão (KPML) diferentes. No perfil polinomial (em cima) utiliza-se m = 2, enquanto no geométrico (embaixo) g = 3, 2. Em ambos os casos, N P M L = 6. 0 10 Capítulo 4. Resultados Numéricos 54 Tabela 4.3: Convergência dos métodos iterativos BICGST AB e GM RES em função do número de camadas da PML (N P M L). O coeficiente de reflexão teórico utilizado é COEF = 10−6 . ITERAÇÕES BICGST AB NPML Polinomial Geométrico ITERAÇÕES GM RES Polinomial Geométrico 2 100 106 60 60 4 118 104 61 60 6 106 96 60 60 8 103 110 60 60 10 127 110 62 60 Tabela 4.4: Convergência dos métodos iterativos BICGST AB e GM RES em função dos parâmetros m e g. O coeficiente de reflexão teórico utilizado é COEF = 10−6 . ITERAÇÕES BICGST AB ITERAÇÕES GM RES m Polinomial g Geométrico m Polinomial g Geométrico 1 116 2 117 1 60 2 61 2 106 2,4 129 2 60 2,4 61 3 110 2,8 113 3 60 2,8 61 4 133 3,2 96 4 61 3,2 60 5 97 3,4 97 5 60 3,4 60 Tabela 4.5: Convergência dos métodos iterativos BICGST AB e GM RES em função de KP M L. O coeficiente de reflexão teórico utilizado é COEF = 10−6 . ITERAÇÕES BICGST AB KPML Polinomial ITERAÇÕES GM RES Geométrico Polinomial Geométrico 1 106 96 60 60 2 109 119 60 60 3 108 115 60 60 4 100 110 60 61 5 102 112 60 61 6 107 105 61 61 7 111 109 61 61 8 115 106 61 61 9 110 108 61 61 10 94 116 61 61 Capítulo 4. Resultados Numéricos 55 4.2.3 Estudo do Número de Condição No campo da análise numérica, o número de condição (CN ) de uma função em relação a um argumento expressa o quanto a função pode variar quando pequenas mudanças no argumento ocorrem. A “função"é a solução de um problema e o “argumento"é o dado. Um problema com número de condição baixo é considerado bem-condicionado, enquanto que um problema com número de condição elevado, mal-condicionado. Cabe ressaltar que o número de condição é dependente do problema. O número de condição associado com o sistema de equações lineares Ax = b define o quanto a solução x será precisa após a solução ser aproximada. Isto se dá antes dos efeitos do erro de arredondamento serem levados em consideração. O número de condição é uma propriedade da matriz, não do algoritmo ou da precisão do PC utilizado para resolver o sistema. Pode-se pensar no número de condição como sendo a taxa na qual a solução, x, varia quando b também varia. Portanto, se o número de condição é alto, mesmo um pequeno erro em b pode ocasionar um elevado erro em x. Por outro lado, se o número de condição for pequeno, então o erro em x não será muito maior do que o erro em b. O número de condição é definido mais precisamente como a máxima taxa do erro relativo em x dividido pelo erro relativo em b. Seja e o erro em b. Assumindo-se que A é uma matriz quadrada, o erro na solução A−1 b é A−1 e. A taxa do erro relativo na solução com o erro relativo em b é dada por: ( −1 ) ( ) ∥A−1 e∥/∥A−1 b∥ ∥A ∥ ∥b∥ = · (4-1) ∥e∥/∥b∥ ∥e∥ ∥A−1 b∥ O valor máximo (para b e e não nulos) é o produto das duas normas: κ(A) = ∥A∥ · ∥A−1 ∥ (4-2) A mesma definição é usada para qualquer norma consistente. Este número aparece com frequência na álgebra linear numérica, sendo chamado de número de condição da matriz. Obviamente, esta definição depende da escolha da norma. No presente trabalho, foi escolhida a norma-2 para o cálculo do número de condição, resultando em: σmax (A) (4-3) σmin (A) onde σmax (A) e σmin (A) são valores singulares máximo e mínimo de A, respectivamente. Como o objetivo do trabalho é estudar a degradação do número de condição da matriz do sistema quando PMLs são incorporadas ao modelo κ(A) = Capítulo 4. Resultados Numéricos 56 computacional, diferentes simulações foram realizadas. Cabe observar que o estudo do número de condição deve ser feito em conjunto com o estudo do coeficiente de reflexão da PML, para assegurar que a PML esteja oferecendo níveis de absorção satisfatórios. A Tabela 4.6 lista os valores iniciais utilizados para as simulações que seguem. Os parâmetros que variam em cada simulação serão mencionados no texto. De forma semelhante ao estudo do COEFN, aqui são realizadas três análises: variando N P M L, m/g e KP M L. Tabela 4.6: Dados de entrada utilizados nas simulações do estudo do número de condição quando a PML é introduzida ao domínio na direção longitudinal. Número de células em ρ 50 Número de células em z 50 Existência da PML na direção ρ Não Existência da PML na direção z Sim Número de camadas PML 6 Fator de escalonamento polinomial 2 Fator de escalonamento geométrico 3,2 Valor máximo da parte real da coordenada stretching 1 Célula da fonte em ρ 10 Célula da fonte em z 25 Tamanho da célula em ρ 2,2 m Tamanho da célula em z 7,5 m Condutividade do meio 0 Coeficiente de reflexão teórico máximo αzmax 10−6 0 A Figura 4.11 mostra a variação do CN em relação ao COEF para valores de N P M L diferentes. Para o perfil polinomial, observa-se que quanto maior o número de camadas, menor o número de condição, contudo a ordem de grandeza deste não varia. Já no perfil geométrico, para N > 2, o número de camadas não interfere no número de condição. Além disso, com o decréscimo do COEF , que como visto anteriormente acarreta na queda do valor do COEF N , há um aumento do CN . Este comportamento é indesejado, pois apesar das reflexões númericas diminuirem, o condicionamento do problema piora. A Figura 4.12 mostra a variação do CN em relação ao COEF para valores de m e de g diferentes. Nota-se para o perfil polinomial que quanto menor o valor de m, menor o número de condição, entretanto a ordem de grandeza do CN não modifica. No perfil geométrico, percebe-se que g não Capítulo 4. Resultados Numéricos 57 influencia no CN . Como no caso anterior, observa-se que com o decréscimo do COEF, há o aumento do CN. A Figura 4.13 mostra a variação do CN em relação ao COEF para valores de KP M L diferentes. Em ambos os perfis, observa-se que o CN depende do KP M L para valores de COEF mais elevados, ou seja, em uma região de não interesse. Para valores de COEF ≤ 10−6 , KP M L não influencia tanto o CN , que apresenta valores maiores quanto menor for o COEF . Capítulo 4. Resultados Numéricos 58 Perfil polinomial da PML na direção longitudinal 5 10 Número de Condição NPML=2 NPML=4 NPML=6 NPML=8 NPML=10 4 10 3 10 −12 10 −10 10 −8 10 −6 −4 10 10 Coeficiente de Reflexão Teórico −2 0 10 10 Perfil geométrico da PML na direção longitudinal 5 10 Número de Condição NPML=2 NPML=4 NPML=6 NPML=8 NPML=10 4 10 3 10 −12 10 −10 10 −8 10 −6 −4 10 10 Coeficiente de Reflexão Teórico −2 10 Figura 4.11: Coeficiente de reflexão teórico X número de condição para valores do número de camadas da PML (N P M L) diferentes. No perfil polinomial (em cima) utiliza-se m = 2, enquanto no geométrico (embaixo) g = 3, 2. Em ambos os casos, KP M L = 1. 0 10 Capítulo 4. Resultados Numéricos 59 Perfil polinomial da PML na direção longitudinal 5 10 Número de Condição m=1 m=2 m=3 m=4 m=5 4 10 3 10 −12 10 −10 10 −8 10 −6 −4 10 10 Coeficiente de Reflexão Teórico −2 0 10 10 Perfil geométrico da PML na direção longitudinal 5 10 Número de Condição g=2 g=2.4 g=2.8 g=3.2 g=3.4 4 10 3 10 −12 10 −10 10 −8 10 −6 −4 10 10 Coeficiente de Reflexão Teórico −2 10 Figura 4.12: Coeficiente de reflexão teórico X número de condição para valores do fator de escalonamento polinomial (m) e geométrico (g) diferentes. Tanto para o perfil polinomial (em cima), quanto para o geométrico (embaixo), N P M L = 6 e KP M L = 1. 0 10 Capítulo 4. Resultados Numéricos 60 Perfil polinomial da PML na direção longitudinal 5 Número de Condição 10 4 10 3 10 −12 10 KPML=1 KPML=2 KPML=3 KPML=4 KPML=5 KPML=6 KPML=7 KPML=8 KPML=9 KPML=10 −10 10 −8 10 −6 −4 10 10 Coeficiente de Reflexão Teórico −2 10 0 10 Pefil geométrico da PML na direção longitudinal 5 Número de Condição 10 4 10 3 10 −12 10 KPML=1 KPML=2 KPML=3 KPML=4 KPML=5 KPML=6 KPML=7 KPML=8 KPML=9 KPML=10 −10 10 −8 10 −6 −4 10 10 Coeficiente de Reflexão Teórico −2 10 Figura 4.13: Coeficiente de reflexão teórico X número de condição para valores da parte real da variável de expansão (KP M L) diferentes. No perfil polinomial (em cima) utiliza-se m = 2, enquanto no geométrico (embaixo) g = 3, 2. Em ambos os casos, N P M L = 6. 0 10 Capítulo 4. Resultados Numéricos 61 4.3 CFS-PML na Direção Longitudinal 4.3.1 Validação Para validar o modelo 2D FVM com CFS-PML na direção longitudinal, considera-se o mesmo guia de ondas coaxial sem perdas terminado com PML utilizado na seção anterior. Sendo assim, para a validação do modelo que utiliza CFS-PML terminando o guia, o único parâmetro que varia na Tabela 4.1 é o valor de αzmax , que passa a assumir valores diferentes de zero na CFS-PML. A Figura 4.14 apresenta a distribuição do campo elétrico ao longo da direção longitudinal do guia coaxial terminado por CFS-PML. Nesta simulação, assume-se αzmax = 10−5 , que é um valor menor que ωϵo . Observa-se uma concordância excelente entre a solução numérica e a solução analítica. O erro é melhor observado na Figura 4.15, que mostra um zoom nas regiões onde a intensidade de campo é mais elevada. Neste caso o erro não excede a 0,10%. Na região onde o campo é praticamente constante, o erro observado é menor que 0,23%. A convergência do método BICGST AB foi obtida após 125 (perfil polinomial) e 104 (perfil geométrico) iterações, levando aproximadamente 5 segundos para terminar a simulação. Enquanto o método GM RES levou 3 segundos aproximadamente para convergir após 60 (perfil polinomial) e 58 (perfil geométrico) iterações. Em seguida, realiza-se a mesma simulação mas agora utilizando αzmax = 10−3 , ou seja, um valor maior ωϵo . A Figura 4.16 apresenta os resultados desta simulação. Nota-se que os dois métodos iterativos convergiram para resultados bastante discrepantes da solução analítica. Isto deve-se ao fato de que no limite ω ≪ αzmax /ϵo , a condutividade da CFS-PML não oferece atenuação adicional para a estrutura. 4.3.2 Estudo do Coeficiente de Reflexão Numérico De forma análoga ao que foi realizado no estudo da PML, para estudar a variação do COEF N em relação ao COEF quando a CFS-PML está incorporada ao domínio, considera-se o mesmo cenário utilizado na validação. Sendo assim, com exceção dos dados que variam em cada simulação, os valores iniciais são idênticos aos apresentados na Tabela 4.1. Tendo em vista que a CFS-PML apresenta um parâmetro a mais em relação a PML, αzmax , aqui são realizadas duas simulações para estudar a influência deste no COEF N . Capítulo 4. Resultados Numéricos 62 1.2 Solução Analítica Polinomial − BICGSTAB Geométrica − BICGSTAB Polinomial − GMRES Geométrica − GMRES 1 |E|(V/m) 0.8 0.6 0.4 0.2 0 0 500 1000 1500 z(m) Figura 4.14: Distribuição do campo elétrico ao longo da direção longitudinal de guia de ondas coaxial sem perdas terminado por uma CFS-PML cilíndrica na direcão z. Os métodos iterativos utilizam pré-condicionador ILU para acelerar a convergência. Os parâmetros da CFS-PML são: número de camadas da CFSPML igual a N P M L = 8, fator de escalonamento polinomial igual a m = 2 e fator de escalonamento geométrico igual a g = 3, 2 e αzmax = 10−5 . Inicialmente, analisa-se o comportamento do COEFN em função do COEF variando αzmax . A Figura 4.17 apresenta os resultados desta simulação. Como esperado, para valores de αzmax > ωϵo , a CFS-PML não absorve a onda e, portanto, apresenta valores de COEF N elevados. Em ambos os perfis (polinomial e geométrico), para αzmax < 10−4 , a CFS-PML apresenta o mesmo nível de absorção que a PML convencioanl (αzmax = 0). Há uma pequena diferença entre valores de COEF N quando αzmax = 10−4 , entretanto esta diferença não é significativa, pois os valores permanecem na mesma ordem de grandeza. Em seguida, fixa-se o valor de COEF em COEF = 10−6 , variando os valores de αzmax e KP M L. Esses dois parâmetros influenciam na parte real da variável complexa de expansão. Cabe ressaltar que na validação, para αzmax = 10−5 , os valores de COEF N obtidos foram 6, 7617 × 10−4 e 1, 7663 × 10−3 , para os perfis polinomial e geométrico, respectivamente. Capítulo 4. Resultados Numéricos 63 0.769 Solução Analítica Polinomial − BICGSTAB Geométrica − BICGSTAB Polinomial − GMRES Geométrica − GMRES 0.768 |E|(V/m) 0.767 0.766 0.765 0.764 0.763 150 200 250 300 350 z(m) 400 450 500 550 1 Solução Analítica Polinomial − BICGSTAB Geométrica − BICGSTAB Polinomial − GMRES Geométrica − GMRES 0.95 |E|(V/m) 0.9 0.85 0.8 0.75 640 660 680 700 720 740 z(m) 760 780 800 820 Figura 4.15: Zoom da distribuição do campo elétrico ao longo da direção longitudinal de guia de ondas coaxial sem perdas terminado por uma CFSPML cilíndrica na direcão z. Os métodos iterativos utilizam pré-condicionador ILU para acelerar a convergência. Região onde o campo elétrico apresenta um comportamento constante (em cima) e região mais próxima da fonte (embaixo). 840 Capítulo 4. Resultados Numéricos 64 1.2 Solução Analítica Polinomial − BICGSTAB Geométrica − BICGSTAB Polinomial − GMRES Geométrica − GMRES 1 |E|(V/m) 0.8 0.6 0.4 0.2 0 0 500 1000 1500 z(m) Figura 4.16: Distribuição do campo elétrico ao longo da direção longitudinal de guia de ondas coaxial sem perdas terminado por uma CFS-PML cilíndrica na direcão z. Os métodos iterativos utilizam pré-condicionador ILU para acelerar a convergência. Os parâmetros da PML são: número de camadas da CFS-PML igual a N P M L = 8, fator de escalonamento polinomial igual a m = 2 e fator de escalonamento geométrico igual a g = 3, 2 e αzmax = 10−3 . A Figura 4.18 mostra a variação do COEF N em relação ao αzmax para valores de KP M L diferentes. Observa-se que para ambos os perfis e αzmax > 10−4 , o COEF N não varia com o KP M L e, como esperado, apresenta valores de COEFN elevados. O COEFN não apresentou variação em função de αzmax e KPML no perfil polinomial. Contudo, no perfil geométrico, para αzmax ≤ 10−4 , há uma pequena variação do COEF N em função do KP M L. As Tabelas 4.7 e 4.8 apresentam a convergência dos métodos iterativos em função de αzmax e KP M L. Observa-se que, novamente, o método GM RES mostrou ter desempenho melhor comparado ao BICGST AB em ambos os perfis. Além disso, o método BICGST AB não convergiu em alguns casos quando o perfil polinomial foi utilizado. Capítulo 4. Resultados Numéricos 65 Perfil polinomial da CFS−PML na direção longitudinal 0 Coeficiente de Reflexão Numérico 10 −1 10 −2 10 αmax=1e−2 αmax=1e−3 −3 αmax=1e−4 10 αmax=1e−5 αmax=1e−6 αmax=0 −4 10 −12 10 −10 10 −8 10 −6 −4 10 10 Coeficiente de Reflexão Teórico −2 0 10 10 Perfil geométrico da CFS−PML na direção longitudinal 0 Coeficiente de Reflexão Numérico 10 −1 10 α =1e−2 max −2 10 αmax=1e−3 α =1e−4 max αmax=1e−5 αmax=1e−6 α 10 −12 10 =0 max −3 −10 10 −8 10 −6 −4 10 10 Coeficiente de Reflexão Teórico −2 10 Figura 4.17: Coeficiente de reflexão teórico X coeficiente de reflexão numérico para diferentes valores de α, utilizando o método BICGSTAB. No perfil polinomial (em cima) utiliza-se m = 2, enquanto no geométrico (embaixo) g = 3, 2. Em ambos os casos, N P M L = 6 e KP M L = 1. 0 10 Capítulo 4. Resultados Numéricos 66 Perfil polinomial da CFS−PML na direção longitudinal 0 Coeficiente de Reflexão Numérico 10 −1 10 −2 10 KPML=1 KPML=2 KPML=3 KPML=4 KPML=5 KPML=6 KPML=7 KPML=8 KPML=9 KPML=10 −3 10 −4 10 −7 10 −6 10 −5 10 −4 10 Alfa Máximo −3 10 −2 −1 10 10 Perfil geométrico da CFS−PML na direção longitudinal 0 Coeficiente de Reflexão Numérico 10 −1 10 −2 10 KPML=1 KPML=2 KPML=3 KPML=4 KPML=5 KPML=6 KPML=7 KPML=8 KPML=9 KPML=10 −3 10 −4 10 −7 10 −6 10 −5 10 −4 10 Alfa Máximo −3 10 −2 10 Figura 4.18: αzmax X coeficiente de reflexão numérico para diferentes valores da parte real da variável de expansão (KPML), utilizando o método BICGSTAB. No perfil polinomial (em cima) utiliza-se m = 2, enquanto no geométrico (embaixo) g = 3, 2. Em ambos os casos, N P M L = 6. −1 10 Capítulo 4. Resultados Numéricos 67 Tabela 4.7: Convergência dos métodos iterativos BICGST AB e GM RES em função do αzmax , considerando COEF = 10−6 e KP M L = 1. ITERAÇÕES BICGST AB ITERAÇÕES GM RES αzmax Polinomial Geométrico Polinomial Geométrico 0 106 96 60 60 10−6 112 100 60 60 −5 10 109 107 61 60 10−4 — 97 64 60 −3 10 — 108 72 62 10−2 82 91 61 61 Tabela 4.8: Convergência dos métodos iterativos BICGST AB e GM RES em função do KP M L, considerando COEF = 10−6 e αzmax = 10−4 . ITERAÇÕES BICGST AB ITERAÇÕES GM RES KP M L Polinomial Geométrico Polinomial Geométrico 1 — 97 64 60 2 625 97 63 60 3 419 124 62 60 4 — 112 62 60 5 233 117 62 60 6 146 122 62 61 7 151 96 61 61 8 121 110 61 61 9 116 104 60 61 10 112 118 60 61 4.3.3 Estudo do Número de Condição Para realizar o estudo do número de condição (CN) quando a CFS-PML está terminando um guia coaxial sem perdas na direção longitunial, os mesmos dados iniciais do estudo da PML convencional são utilizados, excetuando-se os parâmetros que variam em cada simulação. Esses dados estão listados na Tabela 4.6. Os parâmetros que vão variar nas simulações apresentadas nesta seção são: αzmax e KP M L. A Figura 4.19 mostra a variação do CN em relação ao COEF para valores de αzmax diferentes. Observa-se que para αzmax ≤ 10−4 , o CN não Capítulo 4. Resultados Numéricos 68 apresenta variação. Quando αzmax = 10−2 , nota-se redução de uma ordem de grandeza no CN em comparação ao valor obtido no estudo da PML convencional. Entretanto, como visto anteriormente na Figura 4.17, o valor do COEF N é elevado neste caso. A Figura 4.20 ilustra a variação do CN em relação ao αmax para valores de KP M L diferentes. Observa-se que para αzmax ≤ 10−4 , o CN não depende de KP M L. Além disso, observa-se que o CN apresenta um comportamento aleatório para αzmax ≥ 10−4 . Entretanto, para esses valores de αzmax a CFSPML não está oferencendo níveis adicionais de absorção da onda e, portanto, os menores CN obtidos nesta região não são utilizáveis. 4.4 Comparação entre PML e CFS-PML na Direção Longitudinal Nas seções anteriores, PML e CFS-PML foram analisadas separadamente em função dos seus parâmetros. Aqui, realiza-se um estudo comparativo entre PML e CFS-PML em função da frequência. Os dados iniciais das simulações a seguir estão apresentados na Tabela 4.6, excetuando-se aqueles que variam em cada simulação. A Figura 4.21 mostra o CN em função da frequência para valores da condutividade do meio (σ) diferentes. A faixa de frequências de operação das ferrramentas de perfilagem LWD é de 100 kHz a 4 MHz, sendo 2 MHz a frequência comercial. Observa-se que ambas, PML e CFS-PML, apresentam o mesmo CN na frequência comercial da ferramenta. Tal comportamento é verificado também na faixa de frequência mais alta da ferramenta. Entretanto, para frequências mais baixas, a PML apresenta valores de CN mais baixo que a CFS-PML. Nota-se também um comportamento análogo quando σ = 0 na faixa de frequências mais alta, que é devido aos efeitos da discretização uma vez que o tamanho da célula neste caso é calculado em função do comprimento de onda. Quando o meio tem perdas, o tamanho da célula é calculado em função da constante de penetração (skin depth) que é bem menor que o comprimento de onda. Capítulo 4. Resultados Numéricos 69 Perfil polinomial da CFS−PML na direção longitudinal 6 10 αmax=1e−2 αmax=1e−3 αmax=1e−4 αmax=1e−5 αmax=1e−6 Número de Condição 5 10 αmax=0 4 10 3 10 −12 10 −10 10 −8 10 −6 −4 10 10 Coeficiente de Reflexão Teórico −2 0 10 10 Perfil geométrico da CFS−PML na direção longitudinal αmax=1e−2 5 10 αmax=1e−3 αmax=1e−4 αmax=1e−5 Número de Condição αmax=1e−6 αmax=0 4 10 −12 10 −10 10 −8 10 −6 −4 10 10 Coeficiente de Reflexão Teórico −2 10 Figura 4.19: Coeficiente de reflexão teórico X número de condição para diferentes valores de αzmax . No perfil polinomial (em cima) utiliza-se m = 2, enquanto no geométrico (embaixo) g = 3, 2. Em ambos os casos, N P M L = 6 e KP M L = 1. 0 10 Capítulo 4. Resultados Numéricos 70 Perfil polinomial da CFS−PML na direção longitudinal 6 10 Número de Condição 5 10 4 10 3 10 −7 10 KPML=1 KPML=2 KPML=3 KPML=4 KPML=5 KPML=6 KPML=7 KPML=8 KPML=9 KPML=10 −6 10 −5 10 −4 10 Alfa Máximo −3 10 −2 10 −1 10 Perfil geométrico da CFS−PML na direção logitudinal 6 10 Número de Condição 5 10 4 10 3 10 −7 10 KPML=1 KPML=2 KPML=3 KPML=4 KPML=5 KPML=6 KPML=7 KPML=8 KPML=9 KPML=10 −6 10 −5 10 −4 10 Alfa Máximo −3 10 −2 10 Figura 4.20: αzmax X número de condição para diferentes valores da parte real da variável de expansão (KPML). No perfil polinomial (em cima) utiliza-se m = 2, enquanto no geométrico (embaixo) g = 3, 2. Em ambos os casos, N P M L = 6. −1 10 Capítulo 4. Resultados Numéricos 71 Perfil polinomial da PML e da CFS−PML na direção longitudinal 10 10 com PML / σ=0 com PML / σ=0.0005 com PML / σ=0.001 com CFS−PML / σ=0 com CFS−PML / σ=0.0005 com CFS−PML / σ=0.001 sem PML / σ=0 sem PML / σ=0.0005 sem PML / σ=0.001 8 Número de Condição 10 6 10 4 10 2 10 0 10 −1 10 0 1 10 Frequência (MHz) 10 Perfil geométrico da PML e da CFS−PML na direção longitudinal 10 10 com PML / σ=0 com PML / σ=0.0005 com PML / σ=0.001 com CFS−PML / σ=0 com CFS−PML / σ=0.0005 com CFS−PML / σ=0.001 sem PML / σ=0 sem PML / σ=0.0005 sem PML / σ=0.001 8 Número de Condição 10 6 10 4 10 2 10 0 10 −1 10 0 10 Frequência (MHz) Figura 4.21: Frequência X número de condição para diferentes valores da condutividade da PML (σ). No perfil polinomial (em cima) utiliza-se m = 2, enquanto no geométrico (embaixo) g = 3, 2. Em ambos os casos, N P M L = 6, KP M L = 1 e αmax = 10−4 . 1 10 Capítulo 4. Resultados Numéricos 72 Tabela 4.9: Dados de entrada da validação do método FVM terminado com a PML na direção radial. Número de células em ρ 100 Número de células em z 80 Existência da PML na direção ρ Sim Existência da PML na direção z Não Número de camadas PML 8 Fator de escalonamento polinomial 2 Fator de escalonamento geométrico 3,2 Valor máximo da parte real da coordenada stretching 1 Célula da fonte em ρ 51 Célula da fonte em z 35 Célula do ponto de observação em ρ 5 Célula do ponto de observação em z 41 Tamanho da célula em ρ 5m Tamanho da célula em z 1,5 m Condutividade do meio 0 Coeficiente de reflexão teórico máximo 10−6 αmax 0 4.5 PML na Direção Radial 4.5.1 Validação Para validar o modelo 2D FVM com PML na direção radial, novamente o algoritmo é aplicado a um guia de ondas coaxial sem perdas mas agora terminado com uma PML na direção ρ. Tal geometria é conhecida como guia de ondas coaxial radial. Os resultados numéricos são comparados com soluções analíticas. A geometria do problema está mostrada nas Figuras 4.22 e 4.23. Os dados iniciais utilizados na simulação estão na Tabela 4.9. A Figura 4.24 apresenta a distribuição do campo elétrico ao longo da direção radial do guia em questão. Nesta simulação, utiliza-se os métodos GMRES e BICGSTAB sem pré-condicionamento. Para fins de comparação, dois perfis de escalonamento para a condutividade da PML são utilizados: polinomial e geométrico. Assim como na validação da PML longitudinal, no caso da PML radial, o método GMRES também conseguiu convergir para o resultado correto após 1.319 e 1.066 iterações, para perfis polinomial e geométrico respectivamente. A simulação levou 292 segundos aproximadamente. Entretanto, o método BICSTAB não teve o mesmo êxito e convergiu para o resultado errado após 161 (polinomial) e 120 (geométrico) iterações. Neste caso, a simulação levou 1 segundo apenas para terminar. Capítulo 4. Resultados Numéricos 73 Figura 4.22: Modelo computacional bidimensional (2D) com PML na direção radial. Figura 4.23: Cortes transversal e longitudinal do modelo bidimensional (2D) com PML na direção radial. Em seguida, realiza-se a mesma simulação, mas utilizando o précondicionador ILU em conjunto com os métodos iterativos na solução do sistema linear. A Figura 4.25 mostra a distribuição de campo elétrico ao longo da direção radial. Nesta simulação, inclui-se a resposta da distribuição do campo quando a PML não está incorporada ao domínio. Nota-se que na ausência da PML, a distribuição do campo elétrico apresenta um comportamento estacionário, como esperado. No caso onde a PML termina o guia, o erro entre as soluções numérica e analítica é praticamente desprezível. Os dois métodos Capítulo 4. Resultados Numéricos 74 convergiram, sendo o BICSTAB após 47 (polinomial) e 34 (geométrico) iterações, com um tempo de processamento de 1,6 segundo aproximadamente. Já o GMRES convergiu após 34 (polinomial) e 33 (geométrico) iterações em aproximadamente 1,8 segundo. Como esperado, o número de iterações e o tempo de processamento foram reduzidos em comparação a simulação sem o pré-condicionador ILU. A Figura 4.26 ilustra um zoom em duas regiões do domínio: região próxima da fonte e região onde o campo é praticamente constante. 4.5.2 Estudo do Coeficiente de Reflexão Numérico Para estudar a variação do coeficiente de reflexão numérico, considera-se o mesmo cenário utilizado na validação. Para fins de cálculo do COEF N , os campos são amostrados no intervalo 350m ≤ ρ ≤ 450m. Sendo assim, com exceção dos dados que variam em cada simulação, os dados de entrada são idênticos aos utilizados na validação e apresentados na Tabela 4.9. Aqui são feitas três análises, cada uma variando um dado parâmetro da PML, são eles: o número de camadas da PML (NPML), o fator de escalonamento do perfil polinomial (m) e do geométrico (g) e a parte real da variável de expansão (KPML). Cabe ressaltar que na validação os valores obtidos para o COEF N foram 6, 3656 × 10−2 e 6, 3300 × 10−2 , para os perfis polinomial e geométrico, respectivamente. As Figuras 4.27 e 4.28 mostram a variação do COEF N em relação ao COEF para valores de N P M L diferentes. Utiliza-se na solução do sistema de equações lineares o método BICGSTAB+ILU e o método GMRES+ILU, respectivamente. São apresentados os resultados tanto para o perfil polinomial quanto para o geométrico. Pode-se concluir para ambos os perfis que para N P M L > 2, o COEF N independe do número de camadas da PML (N P M L) e do coeficiente de reflexão teórico (COEF ). Além disso, nota-se que para perfis de escalonamento iguais, os métodos iterativos apresentaram resultados idênticos. Por isso, daqui para frente os resultados serão apresentados somente para o método BICGSTAB+ILU, visando reduzir o número de resultados repetidos. A Figura 4.29 apresenta a variação do COEF N em relação ao COEF para valores de m e de g diferentes. Capítulo 4. Resultados Numéricos 75 18 Solução Analítica Com PML Polinomial − BICGSTAB Com PML Geométrica − BICGSTAB Com PML Polinomial − GMRES Com PML Geométrica − GMRES 16 14 |E|(V/m) 12 10 8 6 4 2 0 0 50 100 150 200 250 ρ(m) 300 350 400 450 Figura 4.24: Distribuição do campo elétrico ao longo da direção radial de um guia de ondas coaxial sem perdas terminado por uma PML cilíndrica na direção ρ. Os métodos iterativos não utilizam pré-condicionamento. Os parâmetros da PML são: número de camadas da PML - N P M L = 8, fator de escalonamento polinomial - m = 2 e fator de escalonamento geométrico - g = 3, 2. Para ambos os perfis, o COEF N independe do fator de escalonamento. Além disso, para COEF ≤ 10−3 , a ordem de grandeza do COEF N se mantém de acordo com os valores obtidos na validação. A Figura 4.30 apresenta o COEF N em função do COEF para valores de KP M L diferentes. De forma análoga à analise dos outros parâmetros da PML, o COEF N não é influenciado pela variação do KP M L. E, novamente, para COEF ≤ 10−3 , o valor do COEF N se mantém inalterado, assumindo sempre um valor semelhante ao da validação. Uma análise sobre a convergência dos métodos iterativos, para os estudos realizados nessa seção, é apresentada nas Tabelas 4.10, 4.11 e 4.12 para COEF = 10−6 . Observa-se nos três casos que, quando o perfil geométrico é utilizado, BICGST AB e GM RES convergem praticamente com o mesmo número de iterações. Entretanto, com o perfil polinomial, uma pequena variação no número de iterações é observada. 500 Capítulo 4. Resultados Numéricos 76 160 Solução Analítica Com PML Polinomial − BICGSTAB Com PML Geométrica − BICGSTAB Com PML Polinomial − GMRES Com PML Geométrica − GMRES Sem PML 140 120 |E|(V/m) 100 80 60 40 20 0 0 50 100 150 200 250 ρ(m) 300 350 400 450 Figura 4.25: Distribuição do campo elétrico ao longo da direção radial de um guia de ondas coaxial sem perdas terminado por uma PML cilíndrica na direção ρ. Os métodos iterativos utilizam pré-condicionador ILU para acelerar a convergência. Os parâmetros da PML são: número de camadas da PML - N P M L = 8, fator de escalonamento polinomial - m = 2 e fator de escalonamento geométrico - g = 3, 2. 500 Capítulo 4. Resultados Numéricos 77 10 Solução Analítica Com PML Polinomial − BICGSTAB Com PML Geométrica − BICGSTAB Com PML Polinomial − GMRES Com PML Geométrica − GMRES Sem PML 9 8 7 |E|(V/m) 6 5 4 3 2 1 0 250 300 350 ρ(m) 400 450 500 18 Solução Analítica Com PML Polinomial − BICGSTAB Com PML Geométrica − BICGSTAB Com PML Polinomial − GMRES Com PML Geométrica − GMRES Sem PML 16 14 |E|(V/m) 12 10 8 6 4 2 0 0 50 100 ρ(m) 150 200 Figura 4.26: Zoom da distribuição do campo elétrico ao longo da direção radial de um guia de ondas coaxial sem perdas terminado por uma PML cilíndrica na direção ρ. Os métodos iterativos utilizam pré-condicionador ILU para acelerar a convergência. Região onde o campo elétrico apresenta um comportamento constante (em cima) e região mais próxima da fonte (embaixo). 250 Capítulo 4. Resultados Numéricos 78 Perfil polinomial da PML na direção radial 0 Coeficiente de Reflexão Numérico 10 −1 10 NPML=2 NPML=4 NPML=6 NPML=8 NPML=10 −2 10 −12 10 −10 10 −8 10 −6 −4 10 10 Coeficiente de Reflexão Teórico −2 0 10 10 Perfil geométrico da PML na direção radial 0 Coeficiente de Reflexão Numérico 10 −1 10 NPML=2 NPML=4 NPML=6 NPML=8 NPML=10 −2 10 −12 10 −10 10 −8 10 −6 −4 10 10 Coeficiente de Reflexão Teórico −2 10 Figura 4.27: Coeficiente de reflexão teórico X coeficiente de reflexão numérico para valores do número de camadas da PML (NPML) diferentes, utilizando o BICGSTAB. No perfil polinomial (em cima) utiliza-se m = 2, enquanto no geométrico (embaixo) g = 3, 2. Em ambos os casos, KP M L = 1. 0 10 Capítulo 4. Resultados Numéricos 79 Perfil polinomial da PML na direção radial 0 Coeficiente de Reflexão Numérico 10 −1 10 NPML=2 NPML=4 NPML=6 NPML=8 NPML=10 −2 10 −12 10 −10 10 −8 10 −6 −4 10 10 Coeficiente de Reflexão Teórico −2 0 10 10 Perfil geométrico da PML na direção radial 0 Coeficiente de Reflexão Numérico 10 −1 10 NPML=2 NPML=4 NPML=6 NPML=8 NPML=10 −2 10 −12 10 −10 10 −8 10 −6 −4 10 10 Coeficiente de Reflexão Teórico −2 10 Figura 4.28: Coeficiente de reflexão teórico X coeficiente de reflexão numérico para valores do número de camadas da PML (NPML) diferentes, utilizando o GMRES. No perfil polinomial (em cima) utiliza-se m = 2, enquanto no geométrico (embaixo) g = 3, 2. Em ambos os casos, KP M L = 1. 0 10 Capítulo 4. Resultados Numéricos 80 Perfil polinomial da PML na direção radial 0 Coeficiente de Reflexão Numérico 10 −1 10 m=1 m=2 m=3 m=4 m=5 −2 10 −12 10 −10 10 −8 10 −6 −4 10 10 Coeficiente de Reflexão Teórico −2 0 10 10 Perfil geométrico da PML na direção radial 0 Coeficiente de Reflexão Numérico 10 −1 10 g=2 g=2.4 g=2.8 g=3.2 g=3.4 −2 10 −12 10 −10 10 −8 10 −6 −4 10 10 Coeficiente de Reflexão Teórico −2 10 Figura 4.29: Coeficiente de reflexão teórico X coeficiente de reflexão numérico para valores do fator de escalonamento polinomial (m) e geométrico (g) diferentes, utilizando o BICGSTAB. Em ambos os casos, N P M L = 6 e KP M L = 1. 0 10 Capítulo 4. Resultados Numéricos 81 Perfil polinomial da PML na direção radial 0 Coeficiente de Reflexão Numérico 10 KPML=1 KPML=2 KPML=3 KPML=4 KPML=5 KPML=6 KPML=7 KPML=8 KPML=9 KPML=10 −1 10 −2 10 −12 10 −10 10 −8 10 −6 −4 10 10 Coeficiente de Reflexão Teórico −2 10 0 10 Perfil geométrico da PML na direção radial 0 Coeficiente de Reflexão Numérico 10 KPML=1 KPML=2 KPML=3 KPML=4 KPML=5 KPML=6 KPML=7 KPML=8 KPML=9 KPML=10 −1 10 −2 10 −12 10 −10 10 −8 10 −6 −4 10 10 Coeficiente de Reflexão Teórico −2 10 Figura 4.30: Coeficiente de reflexão teórico X coeficiente de reflexão numérico para valores da parte real da variável de expansão (KPML) diferentes, utilizando o BICGSTAB. No perfil polinomial (em cima) utiliza-se m = 2, enquanto no geométrico (embaixo) g = 3, 2. Em ambos os casos, N P M L = 6. 0 10 Capítulo 4. Resultados Numéricos 82 Tabela 4.10: Convergência dos métodos iterativos BICGST AB e GM RES em função do número de camadas da PML (N P M L). O coeficiente de reflexão teórico utilizado é COEF = 10−6 . ITERAÇÕES BICGSTAB ITERAÇÕES GMRES NPML Polinomial Geométrico Polinomial Geométrico 2 48 36 36 35 4 38 36 36 35 6 43 35 37 35 8 47 35 37 35 10 42 34 37 35 Tabela 4.11: Convergência dos métodos iterativos BICGST AB e GM RES em função dos parâmetros m e g. O coeficiente de reflexão teórico utilizado é COEF = 10−6 . ITERAÇÕES BICGSTAB ITERAÇÕES GMRES m Polinomial g Geométrico m Polinomial g Geométrico 1 45 2 42 1 37 2 37 2 43 2,4 37 2 37 2,4 37 3 38 2,8 37 3 37 2,8 35 4 39 3,2 35 4 37 3,2 35 5 34 3,4 36 5 35 3,4 36 Tabela 4.12: Convergência dos métodos iterativos BICGST AB e GM RES em função de KP M L. O coeficiente de reflexão teórico utilizado é COEF = 10−6 . ITERAÇÕES BICGSTAB ITERAÇÕES GMRES KPML Polinomial Geométrico Polinomial Geométrico 1 43 35 37 35 2 51 39 37 36 3 43 37 37 36 4 41 38 36 36 5 38 36 37 36 6 37 35 37 36 7 36 36 37 37 8 39 35 36 37 9 37 35 37 37 10 39 37 36 37 Capítulo 4. Resultados Numéricos 83 4.5.3 Estudo do Número de Condição Como dito anteriormente, o objetivo deste trabalho é estudar a degradação do número de condição (CN ) da matriz do sistema quando PMLs são incorporadas ao modelo computacional. Entretanto, cabe observar que o estudo do CN deve ser realizado em conjunto com o estudo do coeficiente de reflexão numérico da PML (COEF N ) de forma a assegurar que a PML esteja oferecendo níveis de absorção satisfatórios. A Tabela 4.13 lista os valores iniciais utilizados para as simulações que seguem. Os parâmetros que variam em cada simulação serão mencionados no texto. Analogamente ao estudo do COEF N , aqui serão realizadas três análises: variando N P M L, m/g e KP M L. Tabela 4.13: Dados de entrada utilizados nas simulações do estudo do número de condição com a PML introduzida na direção radial. Número de células em ρ 50 Número de células em z 50 Existência da PML na direção ρ Sim Existência da PML na direção z Não Número de camadas PML 6 Fator de escalonamento polinomial 2 Fator de escalonamento geométrico 3,2 Valor máximo da parte real da coordenada stretching 1 Célula da fonte em ρ 25 Célula da fonte em z 25 Tamanho da célula em ρ 7,5 m Tamanho da célula em z 1,5 m Condutividade do meio 0 Coeficiente de reflexão teórico máximo αmax 10−6 0 A Figura 4.31 apresenta o CN em função do COEF para valores do N P M L diferentes. Para o perfil polinomial, observa-se que quanto maior o número de camadas, menor o número de condição, contudo a ordem de grandeza deste não varia. Já no perfil geométrico, para N P M L > 2, o número de camadas não interfere no número de condição. A Figura 4.32 mostra a variação do CN em relação ao COEF para valores de m e de g diferentes. Observa-se para o perfil polinomial que quanto menor o valor de m, menor o número de condição. Contudo, a ordem Capítulo 4. Resultados Numéricos 84 de grandeza do CN não modifica. No perfil geométrico, nota-se que g não influencia no CN . A Figura 4.33 apresenta a variação do CN em relação ao COEF para valores de KP M L diferentes. Em ambos os perfis, observa-se que o CN varia (embora não significativamente) em função do KP M L para valores mais elevados de COEF . Cabe ressaltar que nos três estudos descritos acima, o CN aumenta com o decréscimo de COEF . Tal comportamento é indesejável, pois apesar das reflexões diminuirem, o condicionamento do problema piora. Capítulo 4. Resultados Numéricos 85 Perfil polinomial da PML na direção radial 6 10 Número de Condição NPML=2 NPML=4 NPML=6 NPML=8 NPML=10 5 10 4 10 −12 10 −10 10 −8 10 −6 −4 10 10 Coeficiente de Reflexão Teórico −2 0 10 10 Perfil geométrico da PML na direção radial 6 10 Número de Condição NPML=2 NPML=4 NPML=6 NPML=8 NPML=10 5 10 4 10 −12 10 −10 10 −8 10 −6 −4 10 10 Coeficiente de Reflexão Teórico −2 10 Figura 4.31: Coeficiente de reflexão teórico X número de condição para valores do número de camadas da PML (N P M L) diferentes. No perfil polinomial (em cima) utiliza-se m = 2, enquanto no geométrico (embaixo) g = 3, 2. Em ambos os casos, KP M L = 1. 0 10 Capítulo 4. Resultados Numéricos 86 Perfil polinomial da PML na direção radial 6 10 Número de Condição m=1 m=2 m=3 m=4 m=5 5 10 4 10 −12 10 −10 10 −8 10 −6 −4 10 10 Coeficiente de Reflexão Teórico −2 0 10 10 Perfil geométrico da PML na direção radial 6 10 Número de Condição g=2 g=2.4 g=2.8 g=3.2 g=3.4 5 10 4 10 −12 10 −10 10 −8 10 −6 −4 10 10 Coeficiente de Reflexão Teórico −2 10 Figura 4.32: Coeficiente de reflexão teórico X número de condição para valores do fator de escalonamento polinomial (m) e geométrico (g) diferentes. Tanto para o perfil polinomial (em cima), quanto para o geométrico (embaixo), N P M L = 6 e KP M L = 1. 0 10 Capítulo 4. Resultados Numéricos 87 Perfil polinomial da PML na direção radial 6 Número de Condição 10 5 10 4 10 −12 10 KPML=1 KPML=2 KPML=3 KPML=4 KPML=5 KPML=6 KPML=7 KPML=8 KPML=9 KPML=10 −10 10 −8 10 −6 −4 10 10 Coeficiente de Reflexão Teórico −2 10 0 10 Perfil geométrico da PML na direção radial 6 Número de Condição 10 5 10 4 10 −12 10 KPML=1 KPML=2 KPML=3 KPML=4 KPML=5 KPML=6 KPML=7 KPML=8 KPML=9 KPML=10 −10 10 −8 10 −6 −4 10 10 Coeficiente de Reflexão Teórico −2 10 Figura 4.33: Coeficiente de reflexão teórico X número de condição para valores da parte real da variável de expansão (KP M L) diferentes. No perfil polinomial (em cima) utiliza-se m = 2, enquanto no geométrico (embaixo) g = 3, 2. Em ambos os casos, N P M L = 6. 0 10 Capítulo 4. Resultados Numéricos 88 4.6 CFS-PML na Direção Radial 4.6.1 Validação Para validar o modelo 2D FVM com CFS-PML na direção radial, considera-se o mesmo guia utilizado no estudo realizado na seção anterior. Sendo assim, para validação do modelo que utiliza CFS-PML terminando um guia de ondas coaxial radial, o único parâmetro que varia na Tabela 4.9 é o valor de αρmax . A Figura 4.34 apresenta a distribuição do campo elétrico ao longo da direção radial do guia coaxial radial terminado por CFS-PML. Nesta simulação, assume-se αρmax = 10−5 , que é um valor menor que ωϵ0 . Observa-se uma concordância excelente entre a solução numérica e a solução analítica. O erro é melhor observado na Figura 4.35, que mostra um zoom em duas regiões do domínio: região próxima da fonte, onde a intensidade do campo é mais elevado e região onde o campo é praticamente constante. Na região próxima a fonte, o erro não excede a 0,08%. Na região onde o campo é praticamente constante, o erro é menor que 0,15%. A convergência do método BICGST AB foi obtida após 50 (polinomial) e 37 (geométrico) iterações. O método GM RES, por sua vez, convergiu após 35 (polinomial) e 33 (geométrico) iterações. O tempo de processamento dos dois métodos foi semelhante, levando aproximadamente 2 segundos para convergir. Em seguida, realiza-se a mesma simulação mas agora utilizando αρmax = 10−3 , ou seja, um valor maior que ωϵ0 . A Figura 4.36 apresenta os resultados desta simulação. Nota-se que os dois métodos iterativos convergiram para valores discrepantes da soluação analítica. Isto deve-se ao fato de que no limite ω ≪ αρmax /ϵ0 , a condutividade da CFS-PML não oferece atenuação adicional para a estrutura. 4.6.2 Estudo do Coeficiente de Reflexão Numérico De foma análoga ao que foi realizado no estudo da PML, para estudar a variação do COEFN em relação ao COEF quando a CFS-PML está incorporada ao domínio, considera-se o mesmo cenário utilizado na validação. Sendo assim, com exceção dos dados que variam em cada simulação, os valores iniciais são idênticos aos apresentados na Tabela 4.9. Capítulo 4. Resultados Numéricos 89 18 Solução Analítica Polinomial − BICGSTAB Geométrica − BICGSTAB Polinomial − GMRES Geométrica − GMRES 16 14 |E|(V/m) 12 10 8 6 4 2 0 0 50 100 150 200 250 ρ(m) 300 350 400 450 Figura 4.34: Distribuição do campo elétrico ao longo da direção radial de um guia de ondas coaxial sem perdas terminado por uma CFS-PML cilíndrica na direção ρ. Os métodos iterativos utilizam pré-condicionador ILU para acelerar a convergência. Os parâmetros da CFS-PML são: número de camadas da CFSPML - N P M L = 8, fator de escalonamento polinomial - m = 2 e fator de escalonamento geométrico - g = 3, 2 e αmax = 10−5 . Tendo em vista que a CFS-PML apresenta um parâmetro a mais em relação a PML, αρmax , aqui são realizadas duas simulações para estudar a influência deste no COEF N . Inicialmente, analisa-se o comportamento do COEF N em função do COEF variando αρmax . A Figura 4.37 apresenta os resultados dessa simulação. Como esperado, para valores de αρmax > ωϵ0 , a CFS-PML não absorve a onda e, portanto, apresenta valores de COEF N elevados. Em ambos os perfis (polinomial e geométrico), para αρmax ≤ 10−4 , a CFS-PML apresenta o mesmo nível de absorção que a PML convencional (αρmax = 0). Em seguida, fixa-se o valor de COEF em COEF = 10−6 , variando os valores de αρmax e KP M L. Esses dois parâmetros influenciam na parte real da variável complexa de expansão. Cabe ressaltar que na validação, para αρmax = 10−5 , os valores obtidos para o COEF N foram 6, 3648 × 10−2 e 6, 3300 × 10−2 , para os perfis polinomial e geométrico, respectivamente. 500 Capítulo 4. Resultados Numéricos 90 10 Solução Analítica Polinomial − BICGSTAB Geométrica − BICGSTAB Polinomial − GMRES Geométrica − GMRES 9 8 7 |E|(V/m) 6 5 4 3 2 1 0 250 300 350 ρ(m) 400 450 500 18 Solução Analítica Polinomial − BICGSTAB Geométrica − BICGSTAB Polinomial − GMRES Geométrica − GMRES 16 14 |E|(V/m) 12 10 8 6 4 2 0 0 50 100 ρ(m) 150 200 Figura 4.35: Zoom da distribuição do campo elétrico ao longo da direção radial de um guia de ondas coaxial sem perdas terminado por uma CFSPML cilíndrica na direção ρ. Os métodos iterativos utilizam pré-condicionador ILU para acelerar a convergência. Regiões onde o campo elétrico apresenta um comportamento constante (em cima) e região mais próxima da fonte (embaixo). 250 Capítulo 4. Resultados Numéricos 91 A Figura 4.38 mostra a variação do COEF N em relação ao αρmax para valores de KP M L diferentes. Observa-se que para ambos os perfis e αρmax ≤ 10−4 , o COEF N não varia com KP M L. Para αρmax > 10−4 , há uma pequena variação do COEF N em função do KP M L. As Tabelas 4.14 e 4.15 apresentam a convergência dos métodos iterativos em função de αρmax e KP M L. Os dois métodos mostraram convergência semelhante. 18 Solução Analítica Polinomial − BICGSTAB Geométrica − BICGSTAB Polinomial − GMRES Geométrica − GMRES 16 14 |E|(V/m) 12 10 8 6 4 2 0 0 50 100 150 200 250 ρ(m) 300 350 400 450 Figura 4.36: Distribuição do campo elétrico ao longo da direção radial de um guia de ondas coaxial sem perdas terminado por uma CFS-PML cilíndrica na direção ρ. Os métodos iterativos utilizam pré-condicionador ILU para acelerar a convergência. Os parâmetros da CFS-PML são: número de camadas da CFSPML - N P M L = 8, fator de escalonamento polinomial - m = 2 e fator de escalonamento geométrico - g = 3, 2 e αmax = 10−3 . 500 Capítulo 4. Resultados Numéricos 92 Perfil polinomial da CFS−PML na direção radial 0 Coeficiente de Reflexão Numérico 10 −1 10 αmax=1e−2 α =1e−3 α =1e−4 max max αmax=1e−5 α =1e−6 α =0 max max −2 10 −12 10 −10 10 −8 10 −6 −4 10 10 Coeficiente de Reflexão Teórico −2 0 10 10 Perfil geométrico da CFS−PML na direção radial 0 Coeficiente de Reflexão Numérico 10 −1 10 αmax=1e−2 α =1e−3 α =1e−4 max max αmax=1e−5 α =1e−6 α =0 max max −2 10 −12 10 −10 10 −8 10 −6 −4 10 10 Coeficiente de Reflexão Teórico −2 10 Figura 4.37: Coeficiente de reflexão teórico X coeficiente de reflexão numérico para valores de αρmax diferentes, utilizando o método BICGSTAB. No perfil polinomial (em cima) utiliza-se m = 2, enquanto no geométrico (embaixo) g = 3, 2. Em ambos os casos, N P M L = 6 e KP M L = 1. 0 10 Capítulo 4. Resultados Numéricos 93 Perfil polinomial da CFS−PML na direção radial 0 Coeficiente de Reflexão Numérico 10 −1 10 KPML=1 KPML=2 KPML=3 KPML=4 KPML=5 KPML=6 KPML=7 KPML=8 KPML=9 KPML=10 −2 10 −7 10 −6 10 −5 10 −4 10 Alfa Máximo −3 10 −2 −1 10 10 Perfil geométrico da CFS−PML na direção radial 0 Coeficiente de Reflexão Numérico 10 −1 10 KPML=1 KPML=2 KPML=3 KPML=4 KPML=5 KPML=6 KPML=7 KPML=8 KPML=9 KPML=10 −2 10 −7 10 −6 10 −5 10 −4 10 Alfa Máximo −3 10 −2 10 Figura 4.38: αρmax X coeficiente de reflexão numérico para diferentes valores da parte real da variável de expansão (KPML), utilizando o método BICGSTAB. No perfil polinomial (em cima) utiliza-se m = 2, enquanto no geométrico (embaixo) g = 3, 2. Em ambos os casos, N P M L = 6. −1 10 Capítulo 4. Resultados Numéricos 94 Tabela 4.14: Convergência dos métodos iterativos BICGST AB e GM RES em função de αρmax , considerando COEF = 10−6 e KP M L = 1. ITERAÇÕES BICGSTAB ITERAÇÕES GMRES α Polinomial Geométrico Polinomial Geométrico 10−2 35 32 34 34 10−3 34 36 36 36 −4 10 43 40 38 35 10−5 48 35 37 35 −6 10 48 39 37 35 0 43 35 37 35 Tabela 4.15: Convergência dos métodos iterativos BICGST AB e GM RES em função de KP M L, considerando COEF = 10−6 e αρmax = 10−4 ITERAÇÕES BICGSTAB KPML Polinomial ITERAÇÕES GMRES Geométrico Polinomial Geométrico 1 43 40 38 35 2 42 40 37 36 3 44 40 37 36 4 55 37 37 36 5 40 33 37 36 6 39 37 37 36 7 38 40 37 36 8 39 40 37 36 9 35 40 37 36 10 36 38 37 36 Capítulo 4. Resultados Numéricos 95 4.6.3 Estudo do Número de Condição Para realizar o estudo do número de condição (CN) quando a CFS-PML está terminando um guia coaxial sem perdas na direção radial, os mesmos dados iniciais do estudo da PML convencional são utilizados, excetuando-se os parâmetros que variam em cada simulação. Esses dados estão listados na Tabela 4.13. Os parâmetros que vão variar nas simulações apresentadas nesta seção são: αρmax e KP M L. A Figura 4.39 mostra a variação do CN em relação ao COEF para valores de αρmax diferentes. Observa-se que para αρmax ≤ 10−4 , o CN decai com o aumento do COEF mas se mantém superior aos valores para αρmax > 10−4 . Entretanto, para αρmax > 10−4 (valores de CN mais baixos), foi visto anteriormente que o COEF N é elevado. A Figura 4.40 apresenta o CN em função do COEF para valores de KP M L diferentes. Observa-se que para αρmax ≤ 10−4 , o CN não depende de KP M L. Além disso, nota-se que o CN apresenta um comportamento aleatório para αρmax > 10−4 . Entretanto, para esses valores de αρmax , a CFS-PML não está oferecendo níveis adicionais de absorção da onda e, portanto, os menores CN obtidos nesta região não são utilizáveis. 4.7 Comparação entre PML e CFS-PML na Direção Radial Nas seções anteriores, PML e CFS-PML foram analisadas separadamente em função dos seus parâmetros. Aqui, realiza-se um estudo comparativo entre elas em função da frequência. Os dados iniciais das simulações a seguir estão apresentados na Tabela 4.13, excetuando-se aqueles que variam em cada simulação. A Figura 4.41 apresenta o CN em função da frequência para valores da condutividade do meio (σ) diferentes. A faixa de frequência das ferramentas de perfilagem LWD é de 100 kHz a 4 MHz, sendo 2 MHz a frequência comercial. Observa-se que ambas, PML e CFS-PML, apresentam o mesmo CN na frequência comercial da ferramenta. Tal comportamento também é verificado na faixa de frequências mais alta. Entretanto, para frequências mais baixas, a PML apresenta valores de CN mais baixos que a CFS-PML. Nota-se também um comportamento aleatório quando σ = 0 na faixa de frequências mais alta que é devido aos efeitos da discretização. Capítulo 4. Resultados Numéricos 96 Perfil polinomial da CFS−PML na direção radial 6 10 αmax=1e−2 αmax=1e−3 αmax=1e−4 αmax=1e−5 Número de Condição αmax=1e−6 αmax=0 5 10 4 10 −12 10 −10 10 −8 10 −6 −4 10 10 Coeficiente de Reflexão Teórico −2 0 10 10 Perfil geométrico da CFS−PML na direção radial 6 10 αmax=1e−2 αmax=1e−3 αmax=1e−4 αmax=1e−5 Número de Condição αmax=1e−6 αmax=0 5 10 4 10 −12 10 −10 10 −8 10 −6 −4 10 10 Coeficiente de Reflexão Teórico −2 10 Figura 4.39: Coeficiente de reflexão teórico X número de condição para valores de αρmax diferentes. No perfil polinomial (em cima) utiliza-se m = 2, enquanto no geométrico (embaixo) g = 3, 2. Em ambos os casos, N P M L = 6 e KP M L = 1. 0 10 Capítulo 4. Resultados Numéricos 97 Perfil polinomial da CFS−PML na direção radial 6 Número de Condição 10 5 10 4 10 −7 10 KPML=1 KPML=2 KPML=3 KPML=4 KPML=5 KPML=6 KPML=7 KPML=8 KPML=9 KPML=10 −6 10 −5 10 −4 10 Alfa Máximo −3 10 −2 10 −1 10 Perfil geométrico da CFS−PML na direção radial 6 Número de Condição 10 5 10 4 10 −7 10 KPML=1 KPML=2 KPML=3 KPML=4 KPML=5 KPML=6 KPML=7 KPML=8 KPML=9 KPML=10 −6 10 −5 10 −4 10 Alfa Máximo −3 10 −2 10 Figura 4.40: αρmax X número de condição para diferentes valores da parte real da variável de expansão (KPML). No perfil polinomial (em cima) utiliza-se m = 2, enquanto no geométrico (embaixo) g = 3, 2. Em ambos os casos, N P M L = 6. −1 10 Capítulo 4. Resultados Numéricos 98 Perfil polinomial da PML e da CFS−PML na direção radial 12 10 com PML / σ=0 com PML / σ=0.0005 com PML / σ=0.001 com CFS−PML / σ=0 com CFS−PML / σ=0.0005 com CFS−PML / σ=0.001 sem PML / σ=0 sem PML / σ=0.0005 sem PML / σ=0.001 10 Número de Condição 10 8 10 6 10 4 10 2 10 −1 10 0 1 10 Frequência (MHz) 10 Perfil geométrico da PML e da CFS−PML na direção radial 12 10 com PML / σ=0 com PML / σ=0.0005 com PML / σ=0.001 com CFS−PML / σ=0 com CFS−PML / σ=0.0005 com CFS−PML / σ=0.001 sem PML / σ=0 sem PML / σ=0.0005 sem PML / σ=0.001 10 Número de Condição 10 8 10 6 10 4 10 2 10 −1 10 0 10 Frequência (MHz) Figura 4.41: Frequência X número de condição para diferentes valores da condutividade da PML (σ). No perfil polinomial (em cima) utiliza-se m = 2, enquanto no geométrico (embaixo) g = 3, 2. Em ambos os casos, N P M L = 6, KP M L = 1 e αρmax = 10−4 . 1 10 5 Conclusões Neste trabalho foi analisada a degradação do número de condição da matriz resultante da discretização das equações de Maxwell pelo método dos volumes finitos (FVM) quando camadas perfeitamente casadas (PML) são utilizadas como condição de contorno absorventes (ABC) em estruturas coaxiais. O estudo do número de condição foi realizado em conjunto com o estudo do coeficiente de reflexão da PML para assegurar níveis de absorção da onda satisfatórios. Para realizar as análises propostas, o modelo bidimensional (2D) do FVM desenvolvido em [7] é modificado, incorporando ao domínio computacional PMLs cilíndricas nas direções longitudinal e radial. Dois perfis de atenuação da PML foram estudados: polinomial e geométrico. As análises foram realizadas variando o número de camadas da PML, os coeficientes dos perfis, os parâmetros da PML e o coeficiente de reflexão teórico. Além disso, a Complex Frequency Shifted-Perfectly Matched Layer (CFSPML) também foi analisada com o objetivo de avaliar qual o tipo de PML que apresenta um condicionamento melhor para um dado nível de absorção. Para fins de comparação, dois métodos iterativos foram implementados e testados: método dos gradientes biconjugados estabilizados (Bi-CGSTAB) e método generalizado dos mínimos resíduos(GMRES). Ambos, BI-CGSTAB e RGMRES, apresentaram convergência semelhante. Em alguns casos, o RGMRES apresentou desempenho superior. Observa-se que, em ambas as direções (radial e longitudinal), PML e CFS-PML apresentam o mesmo CN na frequência comercial da ferramenta de perfilagem LWD (Logging-while-drilling). Tal comportamento é verificado também na faixa de frequência mais alta. Entretanto, para frequências mais baixas, a PML apresenta valores de CN mais baixo que a CFS-PML. Em todos os casos considerados, os dois tipos de PML apresentaram desempenho semelhante em termos de absorção da onda e do número de condição da matriz do sistema. Cabe observar que a medida que o coeficiente de reflexão aumenta o número de condição diminui em todos os casos estudados. Capítulo 5. Conclusões 100 Embora a PML tenha sido aplicada com grande sucesso em métodos no domínio do tempo, em especial no método das diferenças finitas no domínio do tempo (FDTD), sua utilização como ABC em métodos no domínio da frequência ainda é limitada. A inclusão da PML no domínio computacional aumenta significativamente o número de condição da matriz do sistema e consequentemente deteriora a convergência dos métodos iterativos utilizados na solução do sistema. Portanto, a menos que uma PML bem condicionada seja desenvolvida, a utilizacão de PMLs em simulações tridimensionais (3D) de larga escala é limitada. Em termos de trabalhos futuros, sugere-se o desenvolvimento de précondicionadores específicos para sistemas lineares oriundos da discretização das equações de Maxwell quando PMLs são incorporadas nas extremidades do domínio computacional. Referências Bibliográficas [1] GOUILLOUD, M. M. A.; LEVY, A.. High frequency eletromagnetic welogging methods and apparatus. U.S. Patent 3.551.797, Janeiro 2001. 1.1 [2] HUE, Y. K.; TEIXEIRA, F. L.; SAN MARTIN, L.; BITTAR, M.. Modeling of em logging tools in arbitrary 3-D borehold geometries using PML-FDTD. IEEE Trans. Geosci. Remote Sens., vol. 2, pp. 78-81, Janeiro 2005. 1.1 [3] HUE, Y. K.; TEIXEIRA, F. L.; SAN MARTIN, L.; BITTAR, M.. Threedimensional simulation of exxentric LWD tool response in boreholes through dipping formations. IEEE Trans. Geosci. Remote Sens., vol. 43, pp. 257-268, Fevereiro 2005. 1.1 [4] HOU, J.; BITTAR, M. S.; HU, G.. 3D simulation of LWD directional resistivity tool response using FDTD potential formulations. 76th Annual International Meeting, Expanded Abstracts, pp. 396-400, Fevereito 2006. 1.1 [5] HOU, J.; MALLA, R. K.; TORRES-VERDIN, C.. Finite-difference simulation of borehole em measurements in 3D anisotropic media using coupled scalar-vector potentials. Geophysics, vol. 71, pp. 225233, 2006. 1.1 [6] TEIXEIRA, F. L.; LEE, H. O.. Cylindrical FDTD analysis of LWD tools through anisotropic dipping-layered earth media. IEEE Trans. Geosci. Remote Sens., vol. 45, no. 2, pp. 383-388, 2007. 1.1 [7] NOVO, M. S.. Análise numérica de sensores eletromagnéticos de prospecção petrolífera utilizando o método dos volumes finitos. Pontifícia Universidade Católica do Rio de Janeiro, Departamento de Engenharia Elétrica, Tese de Doutorado, Agosto 2007. (document), 1.1, 1.1, 1.2, 2.1, 2.3, 2.3.1, 5 [8] TAFLOVE, A.. Computational electrodynamics: The finitedifference time-domain method. Artech House, MA, 2005. 1.1 Referências Bibliográficas 102 [9] BERENGER, J. P.. A perfectly matched layer for the absorption of electromagnetic waves. Journal of Computational Physics, vol. 114, no. 2, pp. 185-200, 1994. 1.1, 3, 3.1, 3.2.2 [10] JIN, J. M.; CHEW, W. C.. PML and ABC for finite element analysis of scattering problems. Micro. and Opt. Tech. Lett., vol. 12, pp. 192-197, Julho 1996. 1.1 [11] BROTOS, Y. Y.; VOLAKIS, J. L.. Perfectly matched layer termination for finite element meshes: implementation and application. Micro. and Opt. Tech. Lett., vol. 23, pp. 166-172, Novembro 1999. 1.1 [12] STUPFEL, B.. A study of the condition number of various finite element matrices involved in the numerical solution of Maxwell’s equations. IEEE Trans. Antennas Propagat., vol. 52, pp. 3048-3059, Novembro 2004. 1.1 [13] UM, E. S.; HARRIS, J. M.; ALUMBAUGH, D. L.. An iterative finiteelement time-domain method for simulating three-dimensional electromagnetic diffusion in earth. Geophysical Journal International, vol. 190, no. 2, pp. 871-886, Agosto 2012. 1.1 [14] HUE, Y-K; TEIXEIRA, F. L.. Numerical Mode-Matching Method for Tilted-Coil Antennas in Cylindrically Layered Anisotropic Media With Multiple Horizontal Beds. IEEE Transactions on Geoscience and Remote Sensing, vol. 45, no.8, pp. 2451-2462, 2007. 1.1 [15] NOVO, M. S.; DA SILVA, L. C.; TEIXEIRA, F. L.. Finite volume modeling borehol electromagnetic logging in 3-D anisotropic formations using coupled scalar-vector potentials. IEEE Antennas and Wireless Propagation Letters, vol. 6, pp. 549-552, 2007. 1.1 [16] NOVO, M. S.; DA SILVA, L. C.; TEIXEIRA, F. L.. Comparison of coupled-potentials and field-based finite-volume techniques for modeling of borehole em tools. IEEE Geoscience and Remote Sensing Letters, vol. 5, pp. 209-211, 2008. 1.1 [17] NOVO, M. S.; DA SILVA, L. C.; TEIXEIRA, F. L.. Three-dimensional finite volume analysis of directional resistivity logging tools. IEEE Transactions on Geoscience and Remote Sensing, vol. 48, pp. 1151-2010, Março 2010. 1.1 [18] NOVO, M. S.; DA SILVA, L. C.; TEIXEIRA, F. L.. A comparative analysis of krylov solvers for three-dimensional simulations of borehole Referências Bibliográficas 103 sensors. IEEE Geoscience and Remote Sensing Letters, vol. 8, pp. 98-102, Janeiro 2010. 1.1 [19] LIMA, A. P. M.. Análise de absorvedores do tipo PML no domínio da frequência. Universidade Federal da Bahia, Departamento de Engenharia Elétrica, Trabalho Final de Graduação, Julho 2011. 1.1 [20] RIBEIRO, L. F.; NOVO, M. S.. Analysis of the cylindrical PML ABC for 2-D finite volume simulations in the frequency domain. Proceedings of 2011 SBMO/IEEE MTT-S International Microwave and Optoelectronics Conference, 2011. 1.1 [21] LEVEQUE, R. J.. Finite volume methods for hyperbolic problems. Cambridge University Press, 2004. 2.1 [22] BALANIS, C. A.. Advanced Electromagnetics Engineering. Wiley, 1989. 2.2 [23] YEE, K. S.; FANG, J.. Numerical solution of initial boundary value problems involving Maxwell’s equations in isotropic media. IEEE Trans. Antennas Propagat., vol. 14, pp. 302-307, 1966. 2.3 [24] HOLLAND, R.; WILLIAMS, J.. Total-field versus scattered-field finite-difference. IEEE Trans. Nuclear Science, vol. 30, pp. 4583-4587, 1983. 3 [25] KATZ, D. S.; THIELE, E. T.; TAFLOEV, A.. Validation and extension to three-dimensions of the Berenger PML absorbing boundary condition for FDTD meshes. IEEE Microwave and Guided Wave Letters, vol. 4, pp. 268-270, 1994. 3 [26] CHEW, W. C.; WEEDON, W. H.. A 3D perfectly marched medium from modified Maxwell1s equations with stretched coordinates. IEEE Microwave and Guided Wave Letters, vol. 7, pp. 599-604, 1994. 3, 3.1 [27] MITTRA, R.; PEKEL, U.. A new look at the perfectly matched layer (PML) concept for the reflectioless absorption of electromagnetic waves. IEEE Microwave and Guided Wave Letters, vol. 5, pp. 84-87, 1995. 3 [28] ANDREW, W. V.; BALANIS, C. A.; TIRKAS, P. A.. A comparison of the Berenger perfectly matched layer and the Lindman higherorder ABCs fot the FDTD method. IEEE Microwave and Guided Wave Letters, vol. 5, pp. 192-194, 1995. 3 Referências Bibliográficas 104 [29] CAI, M; ZHOU, H.. Proof of perfectly matched layer conditions in three dimensions. Electronics Letters, vol. 31, pp. 1675-1676, 1995. 3 [30] NEHRBASS, J. W.; LEE, J. F.; LEE, R.. Stability analysis for perfectly matched layered absorbers. Electromagnetics, vol. 16, pp. 385-389, 1996. 3 [31] WU, Z.; FANG, J.. High-performance PML algorithms. Microwave and Guided Wave Letters, vol. 6, pp. 335-337, 1996. 3 IEEE [32] WITTWER, D. C.; ZIOLKOWSKI, R. W.. How to design the imperfect Berenger PML. Electromagnetics, vol. 16, pp. 465-468, 1996. 3, 1 [33] VEIHL, J. C.; MITTRA, R.. An efficient implementation of Berenger’s perfectly matched layer (PML) for finite-difference time-domain mesh truncation. IEEE Microwave and Guided Wave Letters, vol. 6, pp. 94-96, 1996. 3 [34] MOERLOOSE, J.; STUCHLEY, M. A.. Reflection analysis of PML ABC’s for low-frequency applications. IEEE Microwave and Guided Wave Letters, vol. 6, pp. 177-179, 1996. 3 [35] REUTER, C. E.; JOSEPH, R. M.; THIELE, E. T.; KATZ, D. S.; TAFLOVE, A.. Ultrawideband absorbing boundary condition for termination of waveguiding structures in FDTD simulations. IEEE Microwave and Guided Wave Letters, vol. 4, pp. 344-345, 1994. 3 [36] CHEN, J. C.; LI, K.. Quartic perfectly matched layers for dielectric waveguides an gratings. Microwave and Optical Technology Letters, vol. 10, pp. 319-323, 1995. 3 [37] WU, Z.; FANG, J.. Numerical implementation and performance of perfectly matched layer boundary condition for waveguide structures. IEEE Trans. Microwave Theory and Techniques, vol. 43, pp. 2676-2683, 1995. 3 [38] FANG, J.; WU, Z.. Generalized perfectly matched layer - an extension of Berenger’s perfectly matched layer boundary condition. IEEE Microwave and Guided Wave Letters, vol. 5, pp. 451-453, 1995. 3 [39] BERNABEU VERDU, J.; GILLARD, R; MOUSTADIR, K.; CITERNE, J.. An extension of the PML technique to the FDTD analysis of multilayer planar circuits and antennas. Microwave and Optical Technology Letters, vol. 10, pp. 323-327, 1995. 3 Referências Bibliográficas 105 [40] PASIK, M. F.; AGUIRRE, G.; CANGELLARIS, A. C.. Application of the PML absorbind boundary condition to the analysis of patch antennas. Electromagnetics, vol. 16, pp. 435-449, 1996. 3 [41] GEDNEY, S. D.. An anisotropic PML absorbing media for FDTD simulation of fields in lossy dispersive media. Electromagnetics, vol. 16, pp. 399-415, 1996. 3 [42] LAU, Y. C.; LEONG, M. S.; KOOI, P. S.. Extension of Berenger’s PML boundary condition in matching lossy medium and evanescentwaves. Electronics Letters, vol. 32, pp. 974-976, 1996. 3 [43] FANG, J.; WU, Z.. Generalized perfectly matched layer for the absorption of propagating and evanescent waves in lossless and lossy media. IEEE Trans. Microwave Theory and Techniques, vol. 14, pp. 2216-2222, 1996. 3 [44] LIU, Q. H.. An FDTD algorithm with perfectly matched layers for conductive media. Microwave and Optical Technology Letters, vol. 14, pp. 134-137, 1997. 3 [45] RODEN, J. A.; GEDNEY, S. D.; KESLER, M. P.; MALONEY, J. G.; HAMRS, P. H.. Time-domain analysis of periodic structures at oblique incidence: Orthogonal and nonorthogonal FDTD implementations. IEEE Trans. Microwave Theory and Techniques, vol. 46, pp. 420-427, 1998. 3 [46] BERENGER, J. P.. Perfectly matched layer for the FDTD solution of wave-structure interaction problems. IEEE Trans. Antennas and Propagation, vol. 51, pp. 110-117, 1996. 3, 3.2.2, 1, 3.2.2 [47] BERENGER, J. P.. Improved PML for the FDTD solution of wavestructure interaction problem. IEEE Trans. Antennas and Propagation, vol. 45, pp. 466-473, 1997. 3, 1, 2, 3.2.2 [48] FANG, J.; WU, Z.. Closed-form expression of numerical reflection coefficient at PML interfaces and optimization of PML performance. IEEE Microwave and Guided Wave Letters, vol. 6, pp. 332-334, 1996. 3 [49] SULLIVAN, D. M.. A simplified PML for use with the FDTD method. IEEE Microwave and Guided Wave Letters, vol. 6, pp. 97-99, 1996. 3 Referências Bibliográficas 106 [50] SULLIVAN, D. M.. An unsplit step three-dimensional PML for use with the FDTD. IEEE Microwave and Guided Wave Letters, vol. 7, pp. 184-186, 1997. 3 [51] SACKS, Z. S.; KINGSLAND, D. M.; LEE, R.; JIN-FA LEE. A perfectly matched anisotropic absorber for use as an absorbing boundary condition. IEEE Trans. Antennas and Propagation, vol. 43, pp. 1460-1463, 1995. 3 [52] GEDNEY, S. D.. An anisotropic perfectly matched layer absorbing media for the truncation of FDTD lattices. Technical Report EMG95-006, Department of Electrical Engineering, University of Kentucky, Maio 1995. [53] GEDNEY, S. D.. An anisotropic perfectly matched layer absorbing media for the truncation of FDTD lattices. IEEE Trans. Antennas and Propagation, vol. 44, pp. 1630-1639, 1996. 1 [54] ZIOLKOWSKI, R. W.. Time-derivative Lorentz materials and their utilization as electromagnetic absorbers. Physical Review E, vol.55, pp. 7696-7703, pt. B, 1997. [55] TEIXEIRA, F. L.; CHEW, W. C.. Systematic derivation of anisotropic PML absorbing media in cylindrical and spherical coordinates. IEEE Microwave and Guided Wave Letters, vol. 7, pp. 371-373, 1997. 3, 3.1 [56] CHEW, W. C.; JIN, J. M.; MICHIELSSEN, E.. Complex coordinate stretching as a generalized absorbingboundary condition. Microwave and Optical Technology Letters, vol. 15, pp. 363-369, 1997. 3.1 [57] GEDNEY, S. D.. The perfectly matched layer absorbing medium. Chapter 5 in Advances in Computational Electrodynamics: The FiniteDifference Time-Domain Method, Taflove, A., ed., Norwood, MA, Artech House, 1998. A Artigos publicados Neste apêndice encontra-se a lista de publicações decorrentes da pesquisa realizada durante a presente dissertação de mestrado. Artigos em Periódicos 1. A. P. M. Lima and M. S. Novo, “A comparative Analysis of Cylindrical CFS-PML ABC for Finite Volume Simulations in the Frequency Domain”, Journal of Microwaves, Optoelectronics and Electromagnetic Applications, accepted for publication. Artigos em Congressos 1. A. P. M. Lima and M. S. Novo,“Analysis of Cylindrical CFS-PML ABC for 2-D Finite Volume Simulations in the Frequency Domain”, SBMO / IEEE-MTTS International Microwave and Optoelectronics Conference IMOC 2013, Rio de Janeiro, RJ, Brazil, 4 a 7 de agosto, 2013. 2. A. P. M. Lima and M. S. Novo,“Performance of Cylindrical CFS-PML in the Frequency Domain: A Study of Radial CFS-PML in Coaxial Structures”, SBMO / IEEE-MTTS International Microwave and Optoelectronics Conference - IMOC 2013, Rio de Janeiro, RJ, Brazil, 4 a 7 de agosto, 2013. 3. A. P. M. Lima and M. S. Novo, “Desempenho de PML cilíndricas no domínio da frequência: um estudo de PML radial em estruturas coaxiais”, XIV Simpósio Brasileiro de Microondas e Optoeletrônica & IX Congresso Brasileiro de Eletromagnetismo, João Pessoa, PB, Brasil, 5 a 8 de agosto, 2012.