dörtdal yöntemi ile 2 boyutlu düzensiz ve hibrid çözüm ağlarının
Transkript
dörtdal yöntemi ile 2 boyutlu düzensiz ve hibrid çözüm ağlarının
UHUK-2008-014 II. ULUSAL HAVACILIK VE UZAY KONFERANSI 15-17 Ekim 2008, İTÜ, İstanbul DÖRTDAL YÖNTEMİ İLE 2 BOYUTLU DÜZENSİZ VE HİBRİD ÇÖZÜM AĞLARININ SEYREKLEŞTİRİLMESİ Emel MAHMUTYAZICIOĞLU 1 TÜBİTAK-SAGE, Ankara İsmail H. TUNCER 2 ve Haluk AKSEL 3 ODTÜ, Ankara ÖZET TÜBİTAK-SAGE bünyesinde geliştirilen Euler/Navier-Stokes denklemleri tabanlı Hesaplamalı Akışkanlar Dinamiği (HAD) çözücüsü, SENSE-2D’nin hassasiyeti korunarak, akış çözümlerindeki yakınsama hızının artırılması hedeflenmektedir. Bu hedef kapsamında SENSE2D çözücüsüne çok katmanlı çözüm (İng. Multigrid) kabiliyeti kazandırılacaktır. İki boyutlu çok katmanlı çözüm uygulamalarında gerekli olan ardışık seyrekleştirilmiş çözüm ağları bu çalışma kapsamında geliştirilen dörtdal yöntemi (İng. Quadtree) ile elde edilmiştir. SENSE 2D yazılımının çok katmanlı çözüm uygulamalarında daha verimli çalışabilmesi amacı ile akı hesaplamalarında hücre döngüsü yerine kenar döngüsü kullanılmış ve çözüm algoritmaları değişken kenarlı hücre yapıları için uyumlu hale getirilmiştir. Bu çalışmada dörtdal yöntemi ile seyrekleştirilmiş çözüm ağları sunulmuş ve bu çözüm ağlarında akış çözümleri elde edilerek çok katmanlı çözüm yaklaşımının kısmi bir uygulamasına yer verilmiştir. RAE2822 kanat kesiti üzerinde gerçekleştirilen kısmi çok katmanlı çözümlemede yakınsama adımlarında 4.95 katlık, hesaplama zamanında ise 10.78 katlık bir hızlanma görülmüştür. GİRİŞ Son zamanlarda yapılan havacılık uygulamalarında Euler/Navier-Stokes denklemleri tabanlı HAD çözücüleri sıkça kullanılmaktadır. Bu çalışmalarda, çözücü doğruluğunun artırılmasına ek olarak, çözüm zamanının azaltılmasına da ihtiyaç duyulmaktadır. HAD çözümlemelerinin hızlandırması için yapılan araştırma ve incelemelerde çok katmanlı çözüm tekniğinin yüksek doğruluk ve hızlı çözümlemelere ulaşabilmek için en verimli yöntem olduğu görülmektedir [7]. Çok katmanlı çözüm yönteminde ardışık seyrekleştirilmiş çözüm ağları kullanılarak akış çözümlerindeki yakınsamanın hızlandırılması sağlanır. Bu yaklaşımın başlangıcında, sayısal hata kalıntı frekanslarının incelenmesi bulunmaktadır. Bölgesel olarak görülen veya yüksek frekanslı hataların, özellikle çözümlemelerin başlangıcında çabuk bir şekilde yok edildiği ancak genel olarak 1 Başuzman Araştırıcı, e-posta: [email protected] Prof. Dr., Havacılık ve Uzay Müh. Böl., e-posta: [email protected] 3 Prof. Dr., Makina Müh. Böl., e-posta:[email protected] 2 MAHMUTYAZICIOĞLU, TUNCER ve AKSEL UHUK-2008-014 görülen veya düşük frekanslı hataların çabuk sönümlenemediği Şekil 1’de de sunulduğu üzere görülmektedir. Şekil 1 Açık Uçlu (İng. Explicid) çözümlemelerde tipik bir yakınsama karakteristiği Çok katmanlı çözüm stratejisi bu ilk hata sönümlenmesi üzerine kurulur. Sık çözümleme ağından elde edilen çözümleme sonuçları ve hata kalıntıları kendine göre seyrek olan çözümleme ağına aktarılır. Sık çözüm ağı için düşük frekanslı olan çözüm hataları, seyrek çözüm ağlarında yüksek frekanslı olarak belirir ve çözümleme seyrekleştirilmiş çözüm ağlarında yapılarak bu yüksek frekanslı çözüm hataları yok edilir. En seyrek çözüm ağına ulaşıldıktan sonra, seyrek çözüm ağında elde edilen çözümlemeler tekrar kendine göre sık çözüm ağına alınarak doğruluk artırılır. Bu döngü sürekli tekrarlanarak hızlı ve daha doğru akış çözümleri elde edilir. Düzenli ve kartezyen çözüm ağlarının aksine, düzensiz çözüm ağlarında bu yöntemin en büyük zorluğu ardışık seyreltilmiş çözüm ağlarının elde edilmesidir. Günümüzde bu amaç için farklı stratejiler geliştirilmiştir. Çözüm Ağı Seyrekleştirme Stratejileri Düzenli çözüm ağlarında seyrekleştirme işleminde her yönde 2 çözüm noktasından birinin atlanması ile seyrek çözüm ağı otomatik olarak elde edilebilir. Bu işlem sayesinde 2 boyutlu çözüm ağında 2:1 veya 4:1 oranında seyrek katmanlar başarılı bir şekilde oluşturulur. Düzensiz çözüm ağlarında ise seyrek çözüm ağlarını oluşturmak en zorlu aşamadır ve çeşitli yöntemler önerilmektedir. Seyrekleştirme çalışmalarında öncelikle denenmiş yaklaşımın çözüm ağının seyrekleştirilmesi yerine, seyrek bir çözüm ağı ile başlanmasının ardından hücrelerin bölünmesi ile ardışık sıklaştırılan çözüm ağlarının oluşturulması görülmektedir. Bu yöntemde transfer operatörleri kolaydır. Ancak seyrek çözüm ağından başlaması nedeni ile geometri tanımında kayıpları görülmektedir. Diğer bir yaklaşım her katmanda çeşitli seyreklik oranında birbirinden tamamen bağımsız çözüm ağı oluşturulmasıdır. Bu yaklaşımda her katmandaki çözüm ağı eniyilenmiştir, ancak düğüm noktaları ve kenarlar aynı olmadığından ardışık çözüm ağları iç içe geçmiş (İng. Nested) değildir ve katmanlar arasında kullanılan transfer operatörlerinin uygulanması zordur. Uygulanması daha kolay bir yöntem ise sık bir çözüm ağından seyrek çözüm ağlarını oluşturmak üzere düğüm noktalarının seçilmesi ve ters “Delaunay triangulation” algoritması kullanarak seyrek üçgenlerin oluşturulmasıdır. Bu yöntemde, düğüm noktaları ortak olmasına rağmen seyrekleştirilmiş çözüm ağları tam olarak iç içe geçmiş değildir ve ortak nokta seçimi yapılabilmesi için nokta seçme yöntemi oluşturulmalıdır. Uyarlanabilir (İng. Adaptive) çözüm ağı oluşturmaya dayalı yaklaşımlar da geliştirilmektedir. Ancak özellikle üç boyutlu çözüm ağlarında ve karmaşık geometrilerde kullanımı oldukça güçtür. 2 Ulusal Havacılık ve Uzay Konferansı MAHMUTYAZICIOĞLU, TUNCER ve AKSEL UHUK-2008-014 Tüm bu önerilen yöntemlerde özellikle karmaşık geometrilerin modellendiği seyrek çözüm ağlarında orjinal geometri tanımının korunması oldukça zordur. Bu problemin üstesinden gelen alternatif yöntem ise toplama-birleştirme (İng. Agglomeration) yöntemidir. Bu yöntemde tüm düğüm noktaları ve kenarlar ortak bir şekilde içi içe geçmiştir. Uygulaması kolay ve çözüm doğruluğu oldukça yüksektir. Toplama-birleştirme ile seyrekleştirme yönteminin amacı verilen sık çözüm ağından komşuların incelenerek uygun bir şekilde birleştirilmesi ile seyrek çözüm ağlarının yaratılmasıdır. Bu yöntemin en büyük dezavantajı ise bir hücrenin hangi komşuları ile birleşeceği ve böylece hangi düğüm noktalarının silineceğinin belirlenmesidir. Yaygın olarak kullanılan nokta silme yöntemi Mavriplis tarafından geliştirilen ve genel seyrekleştirmeyi amaçlayan “Greedy type Frontal Algorithm”dir [7]. Bu algoritma bir düğüm noktasını alır ve bu düğüm noktasına komşu olan hücreleri listeler. Ardından liste içerisinden seyrek çözüm ağında istenilen açıklık oranını sağlayacak orjinal hücreleri seçer. Ardından bu yeni hücrenin bilgileri güncellenir ve bu işlem tüm çözüm ağı için tekrarlanır. Nokta seçimi konuşunda farklı yöntemler Francescatto ve Dervieux [4], Ollivier-Gooch [3], Ahlawat, Johnson ve Vanka [1], Waltz ve Löhner [2], Chan, Xu ve Zikatanov [5] ve N. Okamoto, K. Nakahashi, S. Obayashi [6] tarafından önerilmiştir. Bu çalışmada, genel seyrekleştirme yapan, birleştirme-toplama ile seyrekleştirme yönteminde kullanılmak üzere, ana çözüm ağında bulunan hücrelerden seyrek hücreyi oluşturacak yeni bir seçim yöntemi geliştirilecektir. Amaç sık çözüm ağından değişik oranlarda seyrek çözüm ağları oluşturmak ve oluşan bu çözüm ağlarında hücrelerin uygun açıklık oranlarının olmasını sağlamaktır. Seyrek çözüm ağı yaratılırken 2 boyutta dörtdal yöntemi sık çözüm ağına uygulanmış ve bu sayede ardışık çözüm ağlarının iç içe geçmesi sağlanmıştır. SENSE 2D AKIŞ ÇÖZÜCÜSÜNÜN GÜNCELLENMESİ SENSE 2D yazılımı hücre merkezli, açık ve kapalı uçlu, Roe yöntemi ile akı hesaplayan, Jacobian matris çözücüsüne sahip, birinci ve ikinci dereceden çözüm yapabilen, düzensiz ve hibrid çözüm ağlarında çalışan bir Euler/Navier Stokes çözücüsüdür. Çok katmanlı çözüm uygulamalarında çözüm ağları arası bilgi (iç içe geçmiş çözüm ağları için) kenarlarda taşınmaktadır. SENSE 2D yazılımının çok katmanlı çözüm ağı uygulamalarında daha verimli çalışması için akı hesaplamalarında hücre döngüsü yerine kenar döngüsü kullanılmıştır. Böylece yazılımın hücre merkezli yapısı bozulmamış ve tüm kenarlara akı bilgisi yüklenebilmiştir. Diğer bir gereksinim ise çözücünün üçgen ve dörtgen elemanlarına ek olarak çok kenarlı hücreleri de çözebilme ihtiyacıdır. Kenarlarda tutulan akı bilgisi ile yeni oluşan seyrek hücrelerde de çözüm yapılması amacı ile algoritmada güncelleme yapılmış, böylece SENSE-2D yazılımı çok katmanlı çözüm ağı uygulamasına uyumlu hale getirilmiştir. DÖRTDAL YÖNTEMİ İLE SEYREK ÇÖZÜM AĞLARININ OLUŞTURULMASI Dörtdal veri yapılandırması, istenilen çözünürlüğe ulaşıncaya kadar veri uzayının sürekli olarak bölünmesi prensibine dayanmaktadır. Bu hiyerarşik veri yapısı; iki boyutlu uzayda dörtdal veya üç boyutlu uzayda sekizdal (İng. Octree) yöntemi olarak isimlendirilir. Bu veri yapısı, sayısal görüntü işlenmesinde, harita ve coğrafi bilgilerin çizdirilmesinde ve robotikte giderek yaygın bir şekilde kullanılmaktadır [8]. Dörtdal Veri Yapılandırması Bölgesel tanımlamada en çok kullanılan ve alansal dörtdal olarak isimlendirilen dörtdal yöntemi, görüntüyü dört eşit dörtgene böler, bu yeni oluşan dörtgenlerde işlenebilir veri olduğu sürece dörtgenler tekrar bölünür ve alt dörtgenler oluşturulur. Alansal dörtdal yöntemi değişken hassasiyete bağlıdır. Şekil 2-a de verilen geometriyi örnek olarak alırsak, Şekil 2-b’de 23 e 23 binary matris oluşturulmuştur. Burada 1’ler resim elemanlarına (dolu) 0’lar ise resim dışı elemanlara (boş) denk gelmektedir. Bu işlemde ağaç dört gruba ayrılarak ağaç kademesi 4 olarak alınır ve her dörtgen eğer tam olarak 1 veya 0 değilse dört çocuğu vardır. Her çocuk, alt dörtgen olarak isimlenir ve bölünen bölgede kuzeydoğu, kuzeybatı, güneydoğu ve güneybatı olarak yönü kaydedilir. Şekil 2-d de dörtdal 3 Ulusal Havacılık ve Uzay Konferansı MAHMUTYAZICIOĞLU, TUNCER ve AKSEL UHUK-2008-014 Şekil 2 Geometri tanımlamasında kullanılan dörtgenler ve dörtdal ağaç yapısı [8]. ağacı ve Şekil 2-c’de ise ağaçta isimlendirilen dörtgenlerin görüntüleri sunulmuştur. Her aktif dörtgen (en uçta bulunan) 1 yada 0 dır. Örneğin, Şekil 2-d’de görülen ağaca göre C ailesinin (İng. Parent) 4 tane çocuğu (child) F, G, H, I olarak tanımlanmıştır. C ise A ailesinin pasif (bölünmüş) bir çocuğudur. Düzensiz İki Boyutlu Seyrek Çözüm Ağlarının Oluşturulması Birleştirme-toplama yöntemindeki amaç sık çözüm ağında bulunan hücrelerin açıklık oranı uygun olacak şekilde gruplandırılmasıdır. Bu nedenle dörtdal yöntemi kullanılmış, her aktif dörtgende en fazla dört hücre merkezi bulunacak ve birleşince kareye benzer yapılar oluşturulacak şekilde gruplandırılmıştır. Daha seyrek bir çözüm ağı oluşturulmasında ise aktif dörtgenlerin bir üst seviyesine çıkılır. Bu üst gruptan (pasif) türeyen tüm aktif dörtgenler toplanır ve birleştirilir. Bu sürecin algoritması aşağıda sunulduğu şekilde özetlenebilir. • Seyrek çözüm ağı katmanının tanımlanması veya oluşabilecek en fazla katmanın talep edilmesi, • Sık çözüm ağının, düğüm noktaları pozisyonlarının, komşu bilgilerinin ve hücre tipinin okunması (üçgen / dörtgen), • Kenarların numaralandırılması, kenarın komşu hücrelerinin kaydedilmesi ve hücre merkezlerinin bulunması, • Dörtdal algoritmasının uygulanması ve en fazla dört hücreyi barındıran aktif dörtgenlerin oluşturulması, 4 Ulusal Havacılık ve Uzay Konferansı MAHMUTYAZICIOĞLU, TUNCER ve AKSEL UHUK-2008-014 • Aktif dörtgenlerde bulunan alt grup hücrelerin birleştirilmesi, uygun olmayan hücre yapılarının düzeltilmesi ve ilk katman seyrek çözüm ağının elde edilmesi, • Aynı üst seviye dörtgenlere sahip çocuk hücrelerin gruplanması ile daha seyrek çözüm ağlarının oluşturulması. SONUÇLAR ve YORUMLAR Çalışmalarda öncelikle basit bir dörtgen geometri için hazırlanan düzensiz çözüm ağının dörtdal yöntemi kullanılarak seyrekleştirilmesi gösterilmiştir. Ardından RAE2822 kanat kesiti için oluşturulan hibrid çözüm ağı seyrekleştirilmiş ve çok katmanlı kısmi akış çözümleri elde edilmiştir. Çok katmanlı çözümlerde, sık bir çözüm ağında elde edilen çözüm değişkenleri ve kalıntıları daha seyrek bir alt çözüm ağına taşınır. Bu işlem her ardışık çözüm ağı katmanları için yapılarak en seyrek katmana ulaşılır. Ardından her katmanda akış parametreleri düzeltilerek en sık çözüm ağına geri dönülür. Bu döngü V döngüsü olarak adlandırılır. Bu ön çalışmada çok katmanlı kısmi çözümlemelerde sadece akış değişkenleri taşınarak hesaplamaların doğruluğu ve yakınsama hızlanması incelenmiştir. Ayrıca çok katmanlı çözümler için geliştirilen kenar döngülü akı hesaplama metodu, hücre döngülü SENSE 2D çözücüsü ile doğrulanmıştır. Uygulama1 Çalışmalara bir dörtgen etrafına düzensiz çözüm ağı oluşturularak başlanmıştır. Çözüm ağı 976 düğüm noktası ve 1888 hücreye sahiptir (Şekil 3). Bu çözüm ağı katman 1 olarak tanımlanmış ve geliştirilen dörtdal yöntemi ile elde edilen seyreltilmiş ardışık 4 katman çözüm ağı oluşturulmuştur. Ardışık ağlar arası hücre sayısı oranı en fazla %80 olduğu durum için seyrek çözüm ağlarındaki hücre yapıları Şekil 4’de, hücre sayılarının oranları ise Tablo 1’de sunulmuştur. Seyrek çözüm ağları incelendiğinde dörtdal yönteminin doğal sonucu olarak seyrekleşen çözüm ağlarının dörtgensel/kartezyen çözüm ağlarına yakınsadığı görülmektedir. Tablo 1 Uygulama 1 için elde edilen seyrek çözüm ağlarındaki hücre sayıları ve oranları Katman Hücre Sayısı Bir üst katman çözüm ağına göre oranı Sık çözüm ağına göre oranı 1 (SIK) 1,888 %100 2 977 %51.75 %51.75 3 763 %78.10 %40.41 Şekil 3 Uygulama 1 için çözüm ağı (1,888 hücre) 5 Ulusal Havacılık ve Uzay Konferansı 4 436 %57.14 %23.09 5 262 %60.09 %13.88 MAHMUTYAZICIOĞLU, TUNCER ve AKSEL UHUK-2008-014 a. Katman 2 (977 hücre) b. Katman 3 (763 hücre) c. Katman 4 (436 hücre) d. Katman 5 (262 hücre) Şekil 4 Uygulama 1 için seyrek çözüm ağları Uygulama2 Bu uygulamada ise akış çözümlemelerinde doğrulama amaçlı olarak sıkça kullanılan RAE 2822 transonik kanat kesiti kullanılmıştır. Bu kanat kesiti çevresine sınır tabakası bulunan hybrid bir çözüm ağı hazırlanmıştır (Şekil 5). Çözüm ağı 14,783 düğüm noktasına ve 26,064 hücreye sahiptir. Kenar Döngü Yönteminin Doğrulanması: Çözüm ağının elde edilmesinin ardından hücre döngüsü ve kenar döngüsü ile 0.729 Mach sayısı, 2.31° hücum açısı ve 6.5 Milyon Reynolds sayısında elde edilen akış çözümleri karşılaştırılmıştır. Birinci derece doğruluklu, ağdasız (İng. Inviscid) çözümler elde edilmiş, kalıntı ve sürükleme kuvveti katsayı (C D ) değişimleri sırası ile Şekil 6 ve Şekil 7’de sunulmuştur. Görüldüğü üzere bu çalışmada geliştirilen kenar döngülü çözücü hücre döngülü çözücü ile eşdeğerdir. Dörtdal Yöntemi İle Seyrekleştirme: Sık çözüm ağı katman 1 olarak isimlendirilmiş, seyrek çözüm ağları arasında hücre sayısı oranı en fazla %80 olarak kabul edildiğinde ardışık seyreltilmiş 6 katman, en fazla %50 olarak kabul edildiğinde ise ardışık seyreltilmiş 4 katman çözüm ağı oluşturulmuştur. Seyrek çözüm ağlarında ki hücre sayıları ve oranları Tablo 2’de, RAE2822 kanat kesiti çevresi sık çözüm ağı ve büyütülmüş görüntüsü Şekil 8’de, dörtdal yöntemi ile elde edilen ardışık dört sıra seyrek çözüm ağları ve kanat kesiti çevresindeki ağ yapısı ise Şekil 9’de sunulmuştur. Görüldüğü üzere dörtdal yöntemi ile düzensiz ve hibrid çözüm ağlarının seyrekleştirilmesi başarı ile uygulanmıştır. 6 Ulusal Havacılık ve Uzay Konferansı MAHMUTYAZICIOĞLU, TUNCER ve AKSEL UHUK-2008-014 Şekil 5 RAE2822 kesiti etrafındaki hibrid çözüm ağı yapısı Şekil 6 Çözüm kalıntı değişimi 7 Ulusal Havacılık ve Uzay Konferansı MAHMUTYAZICIOĞLU, TUNCER ve AKSEL UHUK-2008-014 Şekil 7 Sürükleme kuvveti katsayısının (C D ) değişimi Tablo 2 Uygulama 2 için elde edilen seyrek çözüm ağlarındaki hücre sayıları ve oranları Katman 1 (SIK) 2 3 4 5 6 7 Hücre Sayısı 26,064 13,749 10,837 8,020 5,319 2,876 1,607 Bir üst katman çözüm %52.75 %78.82 %74.01 %66.32 %54.07 %55.88 ağına göre oranı Sık çözüm ağına göre %100 %52.75 %41.58 %30.77 %20.41 %11.05 %6.17 oranı Hücre Sayısı 26,064 13,749 5,775 2,802 1,229 Bir üst katman çözüm %52.75 %42.00 %48.52 %43.86 ağına göre oranı Sık çözüm ağına göre %100 %52.75 %22.16 %10.75 %4.72 oranı Şekil 8 Uygulama 2 için çözüm ağı (26,064 hücre) 8 Ulusal Havacılık ve Uzay Konferansı MAHMUTYAZICIOĞLU, TUNCER ve AKSEL UHUK-2008-014 a. Katman 2 Çözüm Ağı (13,749 hücre) b. Katman 3 Çözüm Ağı (5,775 hücre) c. Katman 4 Çözüm Ağı (2,802 hücre) d. Katman 5 Çözüm Ağı (1,229 hücre) Şekil 9 Uygulama 2 için seyrek çözüm ağları 9 Ulusal Havacılık ve Uzay Konferansı MAHMUTYAZICIOĞLU, TUNCER ve AKSEL UHUK-2008-014 Seyrekleştirilmiş Ağlarda Akış Çözümlemeleri (Çok Katmanlı Kısmi Çözüm Uygulaması): Şekil 5’de sunulan 26,064 hücreli temel çözüm ağında 0.729 Mach sayısı, 2.31° hücum açısı ve 6.5 Milyon Reynolds sayısında akış çözümü elde edilmiştir. Bu çözümde 300,000 zaman adımı gidilmiş ve 2.73 boyutsuz çözüm zamanına ulaşılmıştır. Ardından 5 katmanlı kısmi çözümlerin aynı boyutsuz çözüm zamanına ulaşılabilmesi için her katmanda eşit adım ve her katmanda eşit boyutsuz zaman gidilerek çözümlemeler elde edilmiştir. Çok katmanlı çözümlemeler temel çözümlemeler ile aynı koşullarda çözülmüştür. Temel ve çok katmanlı çözümlemelerde kullanılan çözüm adımı ve çözüm zamanı bilgileri Tablo 3’de sunulmaktadır. Tablo 3 Hesaplama zamanları Temel çözüm Boyutsuz Çözüm Zaman Adımları 0.83 10-5 Boyutsuz Toplam Çözüm Zamanı Toplam Çözüm Adımları 2.7315 300,000 Çok katmanlı çözüm (eşit çözüm adımı) 0.83 10-5 1.37 10-5 2.90 10-5 8.38 10-5 8.38 10-5 2.72266 60,600 Çok katmanlı çözüm (eşit boyutsuz zaman) 0.83 10-5 1.37 10-5 2.90 10-5 8.38 10-5 8.38 10-5 2.75 129,951 Bu üç durumun kalıntı değerlerinin boyutsuz çözüm zamanına ve adımına göre değişim grafikleri Şekil 10’da sunulmuştur. Çok katmanlı çözümlerde çözümün oldukça hızlı bir şekilde yakınsadığı ve eşit boyutsuz zamanda elde edilen çok katmanlı çözümlemelerin kalıntı değerinin en düşük olduğu görülmektedir. Bu çözümlemelerde elde edilen kanat kesiti yüzeyinde oluşan basınç dağılımları (Cp) referans değerler ile karşılaştırılmış ve Şekil 11’de verilmiştir. Birinci doğruluk derecesinde ve ağdasız elde edilen bu çözümlemelerin referans değerlere oldukça yaklaştığı; en yakın sonucun ise temel çözüm ile birlikte eşit boyutsuz zaman ile elde edilen çok katmanlı çözüm olduğu görülmektedir. Şekil 12’de ise bu üç durumda kanat kesiti etrafında oluşan basınç dağılımları verilmekte, eşit çözüm adımı ile elde edilen çözümün hesaplama zamanı da göz önüne alındığında oldukça iyi sonuç verdiği anlaşılmaktadır. Temel ve çok katmanlı çözümlerin çözüm adımları ve hesaplama zamanları ise Tablo 4’de sunulmuştur. Temel çözüme göre hesaplama zamanı iyileşme oranlarına bakıldığında eşit çözüm adımında elde edilen çok katmanlı çözümün 10.78 kat, eşit boyutsuz zamanda elde edilen çok katmanlı çözümün ise 3.28 kat daha hızlı olduğu ve çok daha düşük kalıntı değerlerine sahip oldukları görülmektedir. Şekil 13’de ise çok katmanlı çözümlemelerde seyrek katmandan başlayarak akış düzelmeleri kanat kesiti etrafı oluşan basınç dağılımı ile gösterilmiştir. Basınç dağılımlarında seyrek çözüm ağlarında yer alan büyük hücrelerin farkedilebildiği gözlenmektedir. Sonuç olarak çok katmanlı çözüm yaklaşımının kısmi sonuçları incelendiğinde hesaplama zamanı ve doğruluğu açısından çalışmanın etkin ve başarılı olduğu görülmektedir. Bu çalışmanın devamında akış çözümlerinin yanı sıra, kalıntı değerleri de çözüm ağları arasında aktarılacak, çözücünün güncellemeleri sırasında çözüm ağları arası transfer operatörleri oluşturulacak ve V döngüsü oturtturularak SENSE 2D yazılımına çok katmanlı çözüm kabiliyeti kazandırılacaktır. 10 Ulusal Havacılık ve Uzay Konferansı MAHMUTYAZICIOĞLU, TUNCER ve AKSEL UHUK-2008-014 Şekil 10 Kalıntı grafikleri Şekil 11 RAE 2822 kanat kesiti yüzeyindeki basınç dağılımı Temel çözüm Çok katmanlı çözüm (eşit çözüm Çok katmanlı çözüm (eşit adımı) boyutsuz zaman) Şekil 12 RAE 2822 kanat kesiti etrafı basınç dağılımı 11 Ulusal Havacılık ve Uzay Konferansı MAHMUTYAZICIOĞLU, TUNCER ve AKSEL UHUK-2008-014 Tablo 4 Hesaplama zaman karşılaştırılması Çok katmanlı çözüm (eşit boyutsuz zaman) 2.75 -4.096 12,586 Temel çözüm Çok katmanlı çözüm (eşit çözüm adımı) Boyutsuz Çözüm Zamanı Kalıntı 2.7315 -2.597 2.72266 -3.4505 Hesaplama Zamanı (sn) 41,237 3,825 - 4.95 kat 2.31 kat 10.78 kat 3.28 kat Temel Çözüme Göre Çözüm Adımı İyileşme Oranları Temel Çözüme Göre Hesaplama Zamanı İyileşme Oranları - a. Katman 5 b. Katman 4 12 Ulusal Havacılık ve Uzay Konferansı MAHMUTYAZICIOĞLU, TUNCER ve AKSEL UHUK-2008-014 Katman 3 Katman 2 Şekil 13 Sık ve seyrek çözüm ağlarının basınç dağılımları Kaynaklar [1] S. Ahlawat, R. Johnson, S.P. Vanka. Object Based Library for 3D Unstructured Grid Representation and Volume Based Agglomeration, AIAA 2006-888, 2006 [2] J. Waltz, R.Löhner. A Grid Coarsening Algorithm for Unstructured Multigrid Applications, AIAA 20000925, Ocak 2000 [3] C.F. Ollivier-Gooch. Robust Coarsening of Unstructured Meshes for Multigrid Methods, AIAA-99-3250, 1998 [4] J. Francescatto, A. Dervieux. A Semi-coarsening Strategy for Unstructured Multigrid Based on Agglomeration, International Journal for Numerical Methods in Fluids 26: 927–957, 1998 [5] T. F. Chan, J. Xu, L. Zikatanov. An Agglomeration Multigrid Method for Unstructured Grids Contemporary Mathematics, Volume 218, 1998 [6] N. Okamoto, K. Nakahashi, S. Obayashi. A Coarse Grid Generation Algorithm for Agglomeration Multigrid Method on Unstructured Grids, AIAA-98-0615, 1998 [7] D.J. Mavriplis. Çok katmanlı çözüm ağı Techniques for Unstructured Meshes, ICASE raporu N0: 95-27, NASA Contractor Report 195070, Nisan 1995. [8] H HADet. The Quadtree and Related Hierarchical Data Structures, Computing Surveys, Vol. 16, No.2, Haziran 1984 13 Ulusal Havacılık ve Uzay Konferansı