O objectivo do trabalho de investigação consiste no desenvolvimento e teste de métodos numéricos adaptativos, aplicáveis na resolução eficiente de modelos matemáticos diferenciais evolutivos de dimensão arbitrária, que exibam soluções com gradientes elevados localizados no tempo e no espaço, e sejam relevantes no âmbito específico da modelação de processos químicos. Para tal, idealizam-se códigos computacionais para a aplicação e teste dos algoritmos numéricos desenvolvidos. A opção de programar os algoritmos em linguagem FORTRAN deve-se principalmente ao facto desta linguagem ser extremamente adequada ao desenvolvimento de ciclos complexos de operações lógicas e/ou algébricas, característicos deste tipo de algoritmos matemáticos. Por outro lado, o recurso à versão específica FORTRAN 77 deve-se ao facto desta se revelar suficiente para uma demonstração genérica da capacidade de execução dos programas em condições triviais, definidas num ambiente de processamento referente a um laptop comercial convencional, sem grandes preocupações de optimização intensiva do esforço computacional.
De modo a testar a robustez e eficiência dos métodos, estes foram sujeitos de forma sistemática a modelos de complexidade crescente, desde exercícios de geração de malha, até à integração de problemas de equações diferenciais parciais (PDE’s) escalares e sistemas de equações diferenciais (apenas em casos unidimensionais). Os resultados disponibilizados permitem uma confirmação genérica da utilidade dos métodos para uma grande variedade de problemas que abrangem diversas áreas importantes da modelação de processos químicos como: combustão, adsorção, reacção química, mecânica de fluidos, etc; normalmente caracterizados por exibirem soluções com particularidades extremas.
Os métodos de geração de malha apresentados são baseados em estratégias de colocação nodal controladas pela detecção de oscilações ou variações bruscas em aproximações numéricas avaliadas por fórmulas de diferenças finitas, que possibilitam a especificação de dois tipos de critérios denominados por C1 e C2, respectivamente. Estes denotam uma aptidão geral muito satisfatória para a identificação, localização e acompanhamento de frentes abruptas ou descontinuidades nos perfis de solução. Simultaneamente, os algoritmos permitem o reconhecimento das regiões de menor actividade da solução onde a malha mantém a sua esparsidade apenas limitada pela definição da malha base estabelecida por defeito idealizada como garante de um suporte mínimo para a solução numérica. A escolha de aproximações de diferenças finitas para a definição de critérios de refinamento de malha deve-se exactamente a uma tentativa de exploração das suas reconhecidas limitações, ou seja da sua tendência para a introdução de anomalias sem significado físico nas soluções numéricas. Deste modo, a pesquisa desse tipo de anomalias possibilita uma estratégia simples de detecção de regiões de maior actividade da solução e, consequentemente, seleccionáveis para refinamento de malhas inicialmente estabelecidas com um nível de resolução mínimo.
A estratégia de integração numérica baseada num procedimento MOL (Method Of Lines) recorre a esquemas de estimação das derivadas espaciais de diferenças finitas (FD) ou de alta resolução (HRS) que geram sistemas de equações diferenciais ordinárias (ODE’s) resolvidos por integradores ODE na direcção temporal. Opta-se por testar a performance das aproximações FD nos procedimentos de integração MOL de modo a demonstrar a potencialidade de uma estratégia conceptualmente mais simples e directa na abordagem a exemplos problemáticos. Esta análise é complementada com o estudo de uma estratégia de discretização HRS claramente direccionada para lidar com as derivadas espaciais de primeira ordem que genericamente definem a natureza hiperbólica dos problemas diferenciais. Os resultados obtidos são geralmente satisfatórios, verificando-se melhores desempenhos dos métodos para diferenças FD descentradas que acompanhem o movimento das ondas em problemas de carácter parabólicos e procedimentos HRS no caso de exemplos essencialmente hiperbólicos. Os algoritmos revelam desempenhos aceitáveis, quer em relação a exactidão dos resultados, como do esforço computacional requerido. Assim, mostram-se bastante eficazes para uma larga gama de equações hiperbólicas e parabólicas e para problemas com condições fronteira de diversos tipos, quer estacionárias como evolutivas.
A performance dos critérios de colocação do tipo C1 e C2 é relativamente equivalente para a generalidade dos exemplos testados. No entanto, verifica-se uma tendência para uma maior sensibilidade do critério C1 que necessita tipicamente de condições mais exigentes referentes a uma escala de tolerância mais reduzida em alguns modelos, para além de uma notória propensão para ao desenvolvimento de perturbações nos perfis de solução do que o critério C2 que se revela comparativamente mais estável. Por outro lado, o critério do tipo C1 ajusta-se satisfatoriamente à integração de problemas bidimensionais.
O passo crítico dos algoritmos de integração numérica adaptativa consiste na operação de interpolação que executa a passagem da solução suportada numa malha gerada no passo temporal anterior para a solução definida sobre a malha seguinte correspondente ao passo actual. Os passos interpolativos são inevitáveis neste tipo de estratégias já que se relacionam intrinsecamente com a natureza estática do processo adaptativo seleccionado. Portanto, a qualidade do procedimento de interpolação revela-se essencial ao sucesso do método adaptativo de integração, principalmente no caso de problemas bidimensionais, onde o número de nodos potencialmente activáveis em cada passo é consideravelmente superior aos problemas unidimensionais. Esta questão demonstra-se especialmente premente em exemplos de carácter parabólico, ou seja predominantemente difusivos em que se constata que a sensibilidade do problema numérico a erros de interpolação relativamente reduzidos é muito superior, promovendo a introdução de fenómenos de instabilidade numérica nos perfis de solução. Assim, conclui-se que os modelos teoricamente menos problemáticos colocam maiores desafios de desenvolvimento de instabilidade e perturbações numéricas do que os problemas correspondentes de natureza predominantemente hiperbólica, onde a aplicação dos algoritmos adaptativos denota uma visível maior eficácia e robustez.
