Upload
others
View
11
Download
0
Embed Size (px)
Citation preview
SEP SEIT DGIT
CENTRO NACIONAL DE INVESTIGACIÓN Y DESARROLLO TECNOLÓGICO
cenidet 6 6 ~ ~ ~ ~ ~ ~ ~ ~ ó ~ DEL MÉTODO DE LEVENBERG-
MARQUARDT Y DEL GRADIENTE CONJUGADO EN LA ESTIMACIÓN DE LA GENERACIÓN DE CALOR DE UN
APARATO DE PLACA CALIENTE CON GUARDA”
T E S I S QUE PARA OBTENER EL GRADO DE MAESTRO EN CIENCIAS EN INGENIEI~A MECÁNICA P R E S E N T A:
ING. OBED CORTÉS ABURTO
ASESORES: DR. LEONEL LIRA CORTÉS (cenidet) CENIDET M.C. ESOS P. XAMÁN VILLASEÑOR (ITQ)
0 4 - 0 4 3 8 CUERNAVACA, MORELOS MAYO DE 2004
cenídet Centro Nacional de Investigación
y Desarrollo Tecnológico
ALITORIZACI~N DE IMPRESI~N DE TESIS
Cuernavaca, Mor., a 20 de marm del 2004
C. OBED CORTES ABURTO Candidato al grado de Maestro en Ciencias en Ing. Mecánica Presente.
Después de haber atendido las indicaciones sugeridas por la Comisión Revisora de la Academia de ing. Mecánica en relación a su trabajo de tesis cuyo titulo es: Aplicación del método de Levenberg-Marquardt y del gradiente conjugado en la estimación de la generación de calor de un aparato de placa caliente con guarda" me es grato comunicarle que conforme a los heamientos establecidos para la obtención del p d o de Maestro en Ciencias en este centxo se le concede la autorización para que proceda con la impresión de su tesis.
Atentamente
Jefe del Departamento de Ing. Mecánica
C.C.P. SuMirrcción Académica Residente de la Academia de hg. Macánica Depaitamento de Secvicicr Esookns Expediaite
PROLONGACLÓN AV, PALMIRA ESQ. APATZINGÁN. COL. PAlMlRA , A.P. 5-164. CP. 62490. CUERNAVACA, MOR. -MEXICO T E W F A X (77713140637y3127613
1
1.1 1.2
1.3
1.4 1.5 1.6 1.7
2
2.1 2.2
2.3
3
3.1 3.2 3.3 3.4 3.5 3.6
Lista de Figuras Lista de Tablas Nomenclatura Resumen Abstract
i
Contenido
Página
Introducción
Introducción Áreas de aplicación de la Transferencia Inversa de Calor Estado del arte de las técnicas de solución para los problemas inversos de transferencia de calor Objetivo y Alcance Justificación y descripción del trabajo Productos y beneficios esperados Desarrollo de la tesis
Conceptos Generales
Descripción del Aparato de Placa Caliente con Guarda Dificultades en la solución de problemas inversos de transferencia de calor Clasificación de los problemas inversos de transferencia de calor
Aplicación aiel Método de Levenberg-Marquardt
Introducción Problema Directo Problema Inverso Procedimiento Iterativo Criterio de Convergencia Algoritmo Cornputacional
iv v13
viii
xi X
1
2 5
6 9
10 11 11
13
14
16
22
24
25 28 29 31 35 36
4
4.1 4.2 4.3 4.4 4.5 4.6
5
5.1 5.2 5.3
5.4
5.5
5.6
5.7
5.8
6
6.1 6.2
Página 42 Aplicación del Método del Gradiente Conjugado
Introducción Problema Directo Problema Inverso Procedimiento Iterativo Criterio de Convergencia Algoritmo Computacional
Análisis de Resultados
Introducción Funciones de Bessel Obtención de los Valores Propios de los Problemas Auxiliares (pk)
43 43 45 46 50 51
56
57 58
61
Aplicación del Método de Levenberg-Marquardt para la obtención de la Función de Generación de Calor de la Placa Caliente 64
Aplicación del Método de Levenberg-Marquardt para la obtención de la Función de Generación de Calor de la Guarda 68
Aplicación del Método del Gradiente Conjugado para la obtención de la Función de Generación de Calor de la Placa Caliente 73
Aplicación del Método del Gradiente Conjugado en la obtención de la Función de Generación de Calor de la Guarda 77
Comparación entre el Método de Levenberg-Marquardt y el Método del Gradiente Conjugado para la Placa Caliente y la Guarda del APCG 82
Conclusiones 89
Conclusiones Recomendaciones y Trabajos Futuros
90 92
Bibliografia 93
Pagina Apéndice A
A. 1 A.2
Solución del Problema Directo para la Placa Caliente 95 Solución de la Estimación de Temperaturas para la Placa Caliente 99
A.3 Solución del Problema Directo para la Guarda 101 Solución de la Estimación de Temperaturas para la Guarda 105 A.4
Apéndice B
B. 1 Concepto de Coeficiente de Sensibilidad 107 B.2 Métodos de Determinación de los Coeficientes de
Sensibilidad 108 B.2.1 Solución Directa Analítica 108 B.2.2 Método de Problema de Valor en la Frontera 108 B.2.3 Aproximación por Diferencias Finitas 110
Apéndice C
c. 1 Código para la Aplicación del Método de Levenberg- Marquardt en la Obtención de los Parámetros de la Función de Generación de Calor de la Placa Caliente
c .2 Código para la Aplicación del Método de Levenberg- Marquardt en la Obtención de los Parámetros de la Función de Generación de Calor de la Guarda
111
115
Apéndice D
D. 1 Código para la Aplicación del Método del Gradiente Conjugado en la Obtención de los Parámetros de la Función de Generación de Calor de la Placa Caliente
D.2 Código para la Aplicación del Método del Gradiente Conjugado en la Obtención de los Parámetros de la Función de Generación de Calor de la Guarda
122
126
Apéndice E
Código para la obtención de las funciones de Bessel 132 Código para la obtención de los valores propios para el caso de la Placa Caliente 135 Código para la obtención de los valores propios para el caso de la Guarda 137
E. 1 E.2
E.3
111
Figura 2.1
2.2
3.1.PC 3.1.G
3.2 4.1 5.1
5.2
5.3
5.4 5.5 5.6
5.7
5.8
5.9
5.10
Lista de Figuras
Descripción Página Componentes principales del instrumento para medir la conductividad térmica de materiales sólidos aislantes. 15 Aparato para medir la conductividad térmica de materiales sólidos aislantes. 16 Modelo fisico para la Placa Caliente del APCG. 27 Modelo fisico para la Guarda del APCG. 27 Diagrama de Flujo del Método de Levenberg-Marquardt 40
54
57
57
Diagrama de Flujo del Método del Gradiente Conjugado.
Placa Caliente obtenida por Xamán (1999).
Guarda obtenida por Xamán (1999).
Distribución de temperatura experimental y analítica para la
Distribución de temperatura experimental y analítica para la
Funciones de Bessel: Jo(x), JI(x), Yo(x) y Yi(x) obtenidas mediante la aproximación polinomial de Abramowitz y Stegun, 1972. 61 Función propia para la Placa Caliente. 62 Función propia para la Guarda. 63 Comparación entre la temperatura medida y la temperatura estimada mediante el MLM para la Placa Caliente del APCG usando una función con un parámetro. Comparación entre la temperatura medida y la temperatura estimada mediante el MLM para la Placa Caliente del APCG usando una función con dos parámetros. Comparación entre la temperatura medida y la temperatura estimada mediante el MLM para la Placa Caliente del APCG usando una función con tres parámetros. Comparación entre la temperatura medida y la temperatura estimada mediante el MLM para la Placa Caliente del APCG usando una función con cuatro parámetros. Comparación entre la temperatura medida y la temperatura estimada mediante el MLM para la Placa Caliente del APCG usando una función con cinco parámetros.
65
65
66
66
67
IV
Figura Descripción Página 5.11
5.12
5.13
5.14
5.15
5.16
5.17
5.18
5.19
5.20
5.2 1
5.22
5.23
Comparación entre la función de generación de calor usada y las funciones de generación de calor estimadas mediante el MLM para la Placa Caliente. Comparación entre la temperatura medida y la temperatura estimada mediante el MLM para la Guarda del APCG usando una función con un parámetro. Comparación entre la temperatura medida y la temperatura estimada mediante el MLM para la Guarda del APCG usando una función con dos parámetros. Comparación entre la temperatura medida y la temperatura estimada mediante el MLM para la Guarda del APCG usando una función con tres parámetros. Comparación entre la temperatura medida y la temperatura estimada mediante el MLM para Ia Guarda del APCG usando una función con cuatro parámetros. Comparación entre la temperatura medida y la temperatura estimada mediante el MLM para la Guarda del APCG usando una función con cinco parámetros. Comparación entre la función de generación de calor usada y las funciones de generación de calor estimadas mediante el MLM para el caso de la Guarda. Comparación entre la temperatura medida y la temperatura estimada mediante el MGC para la Placa Caliente del APCG
Comparación entre la temperatura medida y la temperatura estimada mediante el MGC para la Placa Caliente del APCG
Comparación entre la temperatura medida y la temperatura estimada mediante el MGC para la Placa Caliente del APCG usando una función con tres parámetros. Comparación entre la temperatura medida y la temperatura estimada mediante el MGC para la Placa Caliente del APCG
Comparación entre la temperatura medida y la temperatura estimada mediante el MGC para la Placa Caliente del APCG usando una función con cinco parámetros. Comparación entre la función de generación de calor usada y las funciones de generación de calor estimadas mediante el MGC para el caso de la Placa Caliente.
68
69
70
70
71
71
72
usando una función con un parámetro.
usando una función con dos parámetrvs.
74
74
75
usando una función con cuatro parámetros. 75
76
77
V
Figura Descripción Página 5.24
5.25
5.26
5.27
5.28
5.29
5.30
5.3 1
5.32
5.33
Comparación entre la temperatura medida y la temperatura estimada mediante el MGC para la Guarda del APCG usando una función con un parámetro. Comparación entre la temperatura medida y la temperatura estimada mediante el MGC para la Guarda del APCG usando una función con dos parámetros. Comparación entre la temperatura medida y la temperatura estimada mediante el MGC para la Guarda del APCG usando una función con tres parámetros. Comparación entre la temperatura medida y la temperatura estimada mediante el MGC para la Guarda del APCG usando una función con cuatro parámetros. Comparación entre la temperatura medida y la temperatura estimada mediante el MGC para la Guarda del APCG usando una función con cinco parámetros. Comparación entre la función de generación de calor usada y las funciones de generación de calor estimadas mediante el MGC para el caso de la Guarda. Comparación entre las temperaturas experimentales, las temperaturas analíticas (Xamán, 1999), las temperaturas estimadas con el MLM y las temperaturas estimadas con el MGC, para la Placa Caliente del APCG. Comparación entre la función de generación de calor analítica (Xamán, 19991, la función estimada con el MLM y la función estimada con el MGC, para la Placa Caliente del APCG. Comparación entre las temperaturas experimentales, las temperaturas analíticas (Xamán, 19991, las temperaturas estimadas con el MLM y las temperaturas estimadas con el MGC, para la Guarda del APCG. Comparación entre la función de generación de calor analítica (Xamán, 19991, la función estimada con el MLM y la función estimada con el MGC, para la Guarda del APCG.
78
79
79
80
80
81
83
84
85
85
VI
Lista de Tablas
Tabla 5.1
5.2 5.3
5.4
5.5
5.6
5.7
5.8
5.9
5.10
Descripción Página Primeras 10 raíces de la función propia para la Placa Caliente. PrhWmlS 10 raíces de la función propia para la Guarda. Norma de mínimos cuadrados y errores relativos máximos entre las temperaturas medidas y las temperaturas estimadas mediante el MLM para la Placa Caliente. Norma de mínimos cuadrados y errores relativos máximos entre las temperaturas medidas y las temperaturas estimadas mediante el MLM para la Guarda. Norma de mínimos cuadrados y errores relativos máximos entre las temperaturas medidas y las temperaturas estimadas mediante el MGC para la Placa Caliente. Norma de mínimos cuadrados y errores relativos máximos entre las temperaturas medidas y las temperaturas estimadas mediante el MGC para la Guarda. Comparación de las mejores aproximaciones obtenidas con los dos métodos aplicados a la Placa Caliente. Comparación de las mejores aproximaciones obtenidas con los dos métodos aplicados a la Guarda. Comparación de los parámetros y la norma de mínimos cuadrados obtenidos mediante el MLM con los obtenidos mediante el MGC al aplicarlos en la Placa Caliente del APCG. Comparación de los parámetros y la norma de mínimos cuadrados obtenidos mediante el MLM con los obtenidos mediante el MGC al aplicarlos en la Guarda del APCG.
62 63
67
72
76
81
82
83
87
88
..
Nomenclatura
Radio exterior de la Placa Caliente, radio interior de la Guarda Funciones de prueba, j = l , ..., N Covarianza de X y Y Radio exterior de la Guarda dirección de descenso Valor esperado Espesor de la Placa Caliente o de la Guarda Generación de caior en la Placa Caliente o en la Guarda Coeficiente convectivo del aire Número de mediciones transitorias del sensor Matriz de sensibilidad Coeficiente de sensibilidad Función de Bessel de primera clase y de orden cero Función de Bessel de primera clase y de orden uno Kernel Conductividad térmica Número de sensores Número de parámetros desconocidos, norma Vector de parámetros desconocidos jésimo parámetro desconocido, j = 1,. . ., N
c Función propia Coordenada radial en el sistema coordenado cilíndrico Función objetivo o funciond Tiempo Tiempo final Vector de temperaturas estimadas Temperatura ambiente Temperatura estimada al tiempo 1, , i = I , ..., I Temperatura inicial de la Placa Caliente o de la Guarda Matriz diagonal ponderada
Vlll
Y Vector de temperaturas medidas rl yo
r,
Temperatura medida ai tiempo f , i =I , ..., 1
Función de Bessel de segunda clase y de orden cero Función de Bessel de segunda clase y de orden uno
Símbolos griegos
Difusividad térmica de la Placa Caliente o de la Guarda Raíz de la ecuación de valores propios Tamafio de incremento buscado Coeficiente de combinación Función supuesta para la solución por separación de variables Función Delta de Dirac Tolerancia Matriz diagonal del método de Levenberg-Marquardt 3.14 159. .. Parámetro de amortiguamiento del método de Levenberg- Marquardt Desviación estándar de las mediciones Dirección del gradiente
Subindices
f Final G i Medición i-ésima de temperatura .¡ Parámetro jésimo m Número de sensor med PC
Perteneciente al caso de la Guarda
Posición donde se realiza la medición de un solo sensor Perteneciente al caso de la Placa Caliente
Superindices k Número de iteración T Transpuesta
IX
Resumen
En anos recientes ha crecido el interés por los Problemas Inversos de Transferencia de Calor. En principio, su carácter de "mal planteados"
era el obstáculo a vencer. Con el desarrollo de nuevos métodos para
obtener la solución de dichos problemas, ha habido un auge en las aplicaciones de tales métodos de solución.
En el presente trabajo de tesis se utilizan dos métodos, el método de Levenberg-Marquardt y el del Gradiente Conjugado, para estimar los parámetros desconocidos de una función de generación de calor basados
en mediciones de temperatura previamente hechas. Se desarrolla todo el trabajo en el sistema coordenado cilíndrico y en la dimensión radial
únicamente. Se involucran dos geometrías distintas: un disco (Placa Caliente) y una corona (Guarda) del Aparato de Placa Caliente con Guarda, un instrumento que se utiliza para obtener las conductividades térmicas de materiales aislantes. Se validan los resultados obtenidos con las
mediciones disponibles, variando la cantidad de parámetros a utilizar desde uno hasta cinco. Por último, se comparan ambos métodos y se dan las conclusiones pertinentes.
X
Abstract
In recent years interest has grown in Inverse Heat Transfer Problems. At first, their “ill-possed” character was the main obstacle. With
the advancement of solution methods for those problems, it has been a rise in the applications of such a solution methods.
In this thesis, two methods are using, Levenberg-Marquardt
method and Conjugate Gradient method, for unknown parameter estimation of the heat generation function from temperature measurements taken previously. All work is in the cylindrical coordinate system and radial dimension only. Two different geometries are used: a disc (Hot Plate) and an annulus (Guard) of the Guarded Hot Plate
Apparatus, a device for obtain thermal conductivities of isolated materials.
Results are validated with the available measurements, varying the number of parameters from one to five. At last, both methods are compared and pertinent conclusions are done.
XI
Capítulo I I Introducción
- 1.1 INTRODUCCIdN
Los Problemas Inversos de Transferencia de Calor (PIE) se basan en el uso de las mediciones de temperaturas o flujos de calor para estimar
las cantidades que se desconocen y que intervienen en el análisis de problemas fisicos en Ingeniería Térmica. Por ejemplo, los problemas inversos en conducción de calor son asociados, generalmente, con la
estimación de un flujo de calor en la frontera que se desconoce, utilizando
las mediciones de temperatura que se registran en la superficie de la
frontera.
Además, mientras que en el problema directo de Conducción de Calor se conoce la causa (flujo de calor en la frontera) y se determina el efecto (campo de temperatura en el cuerpo), en el problema inverso se
involucra la estimación de la causa a partir del conocimiento que se tiene
del efecto.
Una ventaja de los PITC es que hacen posible una colaboración
más cercana entre los investigadores teóricos y los experimentales para obtener el máximo de información sobre el problema fisico bajo estudio.
Se debe reconocer que existen dificultades en la solución de los PITC. Los PITC se clasifican matemáticamente como mal planteados
(Ozisik y Orlande, 2000) en un sentido general, ya que sus soluciones pueden convertirse en inestables, como resultado de los errores inherentes a las mediciones utilizadas en el analisis. Inicialmente, los problemas inversos no eran de interés fisico, debido a su planteamiento incorrecto.
Sin embargo, algunos métodos heuristicos de solución para los
problemas inversos, los cuales se basaban más en la pura intuición que en formalidades matemáticas, se desarrollaron en la década de los cincuenta. Más tarde, en los sesenta y setenta, la mayoría de los métodos fueron
Capítulo I, Introducción
formalizados en términos de sus capacidades para tratar con problemas inestables mal planteados.
El fundamento de hies métodos formales reside en la idea de reformular el problema inverso en términos de un problema aproximado
bien planteado, utilizando alguna técnica de regularización (estabilización).
En este sentido, los trabajos pioneros de científicos que encontraron
diferentes formas de sobrellevar las inestabilidades de los problemas
inversos incluyen a A. N. Tikhonov (1975, 1977), O. M. Alifanov (1977,
1994) y J. V. Beck (1977, 1985).
El programa espacial ha jugado un papel muy significativo en el
desarrollo de los métodos de solución para los PITC a finales de la década
de los cincuenta y principio de los sesenta. Por ejemplo, el calentamiento aerodinámico de los vehículos espaciales durante el reingreso a - la atmósfera es tan alto que la temperahira superficial del blindaje térmico
no puede medirse directamente con sensores de temperatura. Por
consiguiente, los sensores de temperatura son colocados por debajo de la
superficie caliente del blindaje y la temperatura superficial se estima mediante un análisis inverso. El análisis inverso puede usarse también en la estimación de propiedades termofisicas del blindaje durante las condiciones de operación a tales temperaturas.
La medición directa del flujo de calor en la superficie de una pared
sometida al fuego mediante el uso de los métodos convencionales es un asunto dificil; pero estimarlo mediante un análisis inverso utilizando registros transitorios de temperatura tomados en una posición específica en el interior de la superficie calentada es relativamente fácil.
En situaciones donde los métodos clásicos bien establecidos para la
estimación adecuada no pueden proveer el grado de exactitud deseada o se vuelven inaplicables, los métodos de PITC pueden ser usados.
3
Capítulo 1, Introducciái
Matemáticamente, los PITC pertenecen a la clase llamada mal
planteada, en tanto que los problemas de transferencia de calor tradicionales son bien planteados. El concepto de un problema bien planteado, originalmente introducido por Hadamard (Godunov, 1978),
requiere que su solución satisfaga las siguientes tres condiciones:
La solución debe existir (Existencia).
La solución debe ser única [Unicidad). La solución debe ser estable bajo pequeños cambios (Estable).
La existencia de una solución para un PITC puede asegurarse
mediante razonamiento fisico; por ejemplo, si hay un cambio en los valores
de la temperatura medida en un problema transitorio, existe una
característica causal, por ejemplo, una frontera con flujo de calor, que debe estimarse. Por otro lado, la unicidad de la solución de los problemas
inversos puede probarse matemáticamente para algunos casos especiales.
También, el problema inverso es muy sensible a los errores aleatorios en los datos de entrada medidos, de tal manera que se requieren métodos
especiales para su solución para satisfacer la condición de estabilidad.
Durante mucho tiempo se pensaba que, si alguna de las condiciones requeridas para el planteamiento correcto era violada, el problema no tendría solución o los resultados obtenidos por tal solución serían sin sentido, por lo que no tendría importancia práctica. Como resultado de esto, disminuyó el interés de los matemáticos, físicos e ingenieros en la solución de problemas inversos. Fueron el proceso de regularización de Tikhonov (Tihhonov y Arsenin, 1977), los métodos
iterativas de regularización de Alifanov (Alifanov, 1994) y el enfoque de estimación defunción de Beck (Beck et al., 1985) los que revitalizaron el interés en la solución de problemas inversos de transferencia de calor.
Una solución exitosa de un problema inverso generalmente
involucra su reformulación como un problema bien planteado aproximado. 4
cCqhlo I, Introducción
En la mayoría de los métodos, la solución de los PITC se obtiene en cierto sentido de un análisis por mínimos cuadrados. El proceso de regularización de Tikhonov modifica la ecuación de mínimos cuadrados
agregando términos de relajamiento para reducir los efectos de
inestabilidad de los errores de medición. En el principio iterativo de
regularización, tiene lugar una mejora secuenciai de la solución. El criterio
de convergencia para tal proceso iterativo se elige de modo que la solución
final se estabilice con respecto a los errores de los datos de entrada.
Como resultado de estos nuevos métodos de solución y la
disponibilidad de computadoras de gran capacidad y alta velocidad, se han hecho factibles las soluciones exitosas de PITC. Las pasadas tres décadas
han sido las más activas en el avance de los métodos de solución para los
PITC .
- 1.2 ÁREAS E APLICACIÓN LA TRANSFERENCIA IlpvERsA CALOR
Con el advenimiento de los modernos materiales complejos que
tienen propiedades termofisicas variables con la temperatura y la posición, el uso de los métodos convencionales para la determinación de las
propiedades termofisicas ha llegado a ser insatisfactorio. Igualmente, la operación de los asuntos industriales modernos ha llegado a ser más y más sofisticada y una estimación precisa in situ de las propiedades termofisicas llega a ser necesaria. El enfoque del problema inverso de transferencia de calor puede proveer respuestas satisfactorias para tales situaciones.
La principal ventaja de los PITC es que permite conducir
experimentos tan cercanos a las condiciones reales como sea posible. Las aplicaciones prácticas de los métodos de PITC incluyen, entre otras, las siguientes áreas específicas:
Estimación de las propiedades termofisicas de materiales (Beck y
Arnold, 1977; Beck et al., 1985). 5
e
e
e
e
e
a
e
e
m o d u c c i h
Estimación de las propiedades de radiación y las condiciones de
frontera en materiales semitransparentes absorbentes, emisores y dispersores.
Control del movimiento de la interfase sólido-líquido durante la solidificación.
Estimación de la condición interna y el flujo de calor en la frontera por
convección forzada en el interior de ductos (Bokar y Ozisik, 1995).
Estimación de la variación con respecto ai tiempo de la conductancia
de interfase desconocida entre la solidificación del metal y la fundición
del metal durante el vaciado.
Estimación de la conductancia de interíase entre superficies periódicas
en contacto.
Propiedades de radiación de superficies reflejantes de calentadores y
paneles criogénicos.
Estimación de la liberación de calor durante la fricción de dos sólidos. Conbol y optim&ción del proceso de vulcanización del caucho.
Estimación de las formas de frontera de cuerpos.
estimación de tales cantidades con los métodos Convencionales
es un asunto difícil si no es que imposible. Sin embargo, con la aplicación del análisis inverso de transferencia de calor, no sólo se pueden manejar tales problemas sino que se mejora el valor informativo de los estudios y se acelera el trabajo experimental.
- 1.3 ESTADO DEL ARTE DE M S MÉTODOS
PROBLEMAS INVERSOS TRANSFERENCIA CALOR
SOLUCI~N PARA M S
A continuación se presentan varios métodos usados para la solución de los PITC. Tales métodos requieren generalmente de la solución del problema directo asociado. Por lo tanto, es difícil presentar los métodos de solución de los problemas inversos sin referirse a la solución de los
6
Capítulo I Introduccih
problemas directos. Tales métodos pueden ser clasificados (&is& y Orlande, 2000) en los siguientes gnipos: 1. El método de ecuación integral.
2. Los métodos de trasformada integral.
3. El método de solución en series.
4. El método polinomial.
5. La transformación de la ecuación de conducción de calor en una ecuación hiperbólica.
6. Los métodos numéricos tales como diferencias finitas, elemento finito y elementos de frontera.
7. Los métodos de filtrado iterativo.
8. Los métodos de estado permanente.
9. El método secuencial de Beck de especificación de función.
10. El método de Levenberg-Marquardt para la minimización de la norma
de mínimos cuadrados.
1 1. El método de regularización de Tikhonov.
12. Los métodos iterativos de regularización para estimación de parámetros y de funciones.
13. LOS algoritmos genéticos.
El dominio temporal sobre el cual se usan las mediciones en el
análisis inverso podría ser otra forma de clasificar los métodos de solución.
Por ejemplo, la estimación del flujo de calor en la frontera f ( t ) en el
dominio temporal Os t 5 t , . Tres dominios temporales son posibles para las
mediciones usadas en la estimación de la componente de flujo de calor
~ ( r , ) en el tiempo r, < r, incluyen:
a. Hasta el tiempo t, < t , .
b. Hasta el tiempo t, < t , mas unos pocos incrementos de tiempo.
c. El completo dominio temporal O I t 5 t, .
7
Capítulo I, Introducciai
Los métodos (a) Y (b) basados en los dominios de tiempo son secuenaales en su naturaleza. LOS métodos (a) basados en las mediciones hasta permiten el ajuste exacto de las temperaturas medidas y
estimadas, si es que se usa un único sensor en el análisis. Aunque aparentemente atractivos, tienen la desventaja de que los algoritmos de
solución son sensibles a los errores de medición. El uso de las mediciones
hasta el tiempo t, más unos cuantos incrementos temporales,
originalmente propuesto por Beck et ai. (1985), mejora la estabilidad de los algoritmos secuenciales. Tal planteamiento se basa en el hecho de que la
respuesta de la temperatura se retrasa con respecto a la excitación. Sin
embargo, los métodos secuenciales (a) y (b) generalmente se convierten en
inestables conforme se utilizan incrementos de tiempo más pequeíios en el
análisis. El método del dominio temporal completo es poderoso debido a que
se puede tomar en consideración incrementos temporales más pequeños respecto a 10s métodos (a) y (b) en la solución. Esto es importante Para estimar con buena resolución las funciones desconocidas dependientes del
tiempo, tal Como el flujo de calor en la frontera. Sin embargo, 10s métodos basados en el dominio temporal completo no son tan eficientes
computacionalmente como los secuenciales.
tiempo
Por lo descrito previamente, es aparente que se han usado una
gran variedad de métodos para resolver problemas inversos de transferencia de calor. Por lo tanto, es de utiiidad eníistar algunos criterios propuestos (Alifanov, 1994; Beck et al., 1985) para la evaluación de los procedimientos de solución de los PITC: 1. L a cantidad predicha debe ser exacta si los datos de medición son
exactos. 2. El método debe ser estable con respecto a los errores de medición. 3. El método debe tener una base estadística y permitir varias
suposiciones estadísticas para los errores de medición.
e
9 4' método no debe requerir que 10s datos de entrada Se= relajados a
método debe ser estable para incrementos o intervalos de tiempo Pequefios. Esto permite una mejor resolución de la variación con el
tiemPo de la cantidad desconocida que la que permiten 10s incrementos
priori. 5 .
temporales robustos.
6. Las mediciones de temperatura de uno o más sensores deben ser permitidas.
7. El método no debe requerir primeras derivadas continuas de las
funciones desconocidas. Además, el método debe ser capaz de
recuperar las funciones que contienen discontinuidades de salto. 8. No debe requerirse el conocimiento del tiempo de inicio de la aplicación
de un flujo de calor superficial o un término de fuente desconocidos. 9. El método no debe restringirse a algún número fijo de mediciones.
10. El método debe ser capaz de manejar situaciones fisicas complejas,
incluyendo entre otras, sólidos compuestos, fronteras movibles,
propiedades dependientes de la temperatura, modos combinados de transferencia de calor, problemas multidimensionales Y geometrías
irregulares. 1 1. ~1 método debe ser robusto para programarse en ComPuUdora.
12. ~1 costo de cálculo debe ser moderado.
13. ~1 no debe tener una gran habilidad en las Matemáticas Para
usar el método. 14. ~1 método debe permitir la extensión a más de Una incógnita.
1.4 OBJETIVO ALCANCE
El objetivo de esta tesis es estimar una función de generación de
calor para la Placa Caliente y la Guarda de un Aparato de Placa Caliente con Guarda. Dicha función deberá generar un ajuste más exacto con las temperaturas medidas experimentalmente de todos los resultados que se obtengan.
9
Capítulo I I Introducciái
Se aplican dos métodos para la determinación de los parámetros (el Método de Levenberg-Marquardt y el Método del Gradiente Conjugado) que
son necesarios para la solución de un problema de Conducción de Calor,
en el cual se conoce la distribución de temperaturas obtenida mediante
mediciones experimentales realizadas por Xamán (1999).
Los modelos se aplicarán al Aparato de Placa Caliente con Guarda
para obtener la función de generación de calor. La validación se obtendrá al mismo tiempo, ya que se utilizan los valores medidos
experimentalmente. Todo el desarrollo matemático será planteado en
coordenadas cilíndricas y en una dimensión.
- 1.5 JUSTIFICACI6N DESCRIPCI~N E L TRABAJO
En años recientes, ha crecido el interés en la teoría y las
aplicaciones de los problemas inversos de transferencia de calor, que se
puede asegurar se encuentran en casi todas las ramas de la ciencia y la
ingeniería. En situaciones donde los métodos de estimación clásicos no pueden proveer el grado de exactitud deseada, las técnicas de PITC pueden
ser usadas.
Debido a que la mayoría del trabajo desarrollado se basa en soluciones analíticas que son perturbadas para validar el método, es necesario aplicarlo a una situación real con datos experimentales para poder analizar el comportamiento del método de solución.
La solución del problema se obtendrá mediante la implementación de dos métodos que se consideran generales, versátiles y directos (Ozisik y Orlande, 2000). Estos son:
1. El Método de Levenberg-Marquardt (MLM) para estimación de parámetros.
2. El Método de Gradiente *Conjugado (MGC) para estimación de parámetros.
1 0
Capítulo I I Introducción En cada caso se estiman los parámetros de las funciones de
generación de calor para el Aparato de Placa Caliente con Guarda, a partir
de las temperaturas medidas en la frontera de la Placa Caliente y de la
Guarda, a distintos tiempos y con condiciones de frontera conocidas.
Se utilizarán para esto las mediciones realizadas en el trabajo desarrollado por Xamán (1999). Se analizarán los resultados para ambos
casos y se compararán para decidir qué método presenta la mejor
estimación de los parámetros utilizados en la función de generación de
calor.
Se realizará un análisis de cada uno de los métodos implementados
y sus respectivas soluciones. Por último, los modelos para la
determinación de la generación de calor por el método inverso se validarán
mediante la comparación con la función de generación que se utilizó en el trabajo desarrollado previamente (Xamán, 1999).
- 1.6 PRODUCTOS BENEFICIOS ESPERADOS
Como resultado de este trabajo de tesis se obtiene lo siguiente:
a) Una implantación del método inverso para la obtención de la función de generación de calor a partir de un campo de temperatura en el Aparato de Placa Caliente con Guarda.
b) Un mayor entendimiento de los procesos relacionados con la determinación de la conductividad térmica en el Aparato de Placa Caliente con Guarda.
1.7 DESARROLU) DE LA TESIS
En el siguiente capítulo se presentarán algunos conceptos generales sobre la solución de problemas inversos en conducción de calor. Posteriormente, se realizará la descripción del problema directo, su planteamiento y solución. En los capítulos subsiguientes se desarrollará
1 1
Capitulo I I Introducción
paso a paso la aplicación de los métodos de solución en la determinación
de los parámetros de la función de generación de calor (MLM y MGC). En
el Capítulo 5 se analizarán los resultados obtenidos con cada método.
Por Último, se presentan las conclusiones pertinentes en vista de
los resultados obtenidos y se plantearán algunos detalles a tener en
cuenta en futuras investigaciones, basados en los métodos de solución del
problema inverso en el Aparato de Placa Caliente con Guarda.
12
- 2.1 DESCRIPCI~N DEL APARATO -- DE h Estudios sobre la determinación de la conductividad térmica de
materiales aislantes y de construcción se han incrementado en recientes
anos para un amplio rango de temperaturas debido a que nuevos
materiales son desarrollados y nuevas aplicaciones de los materiales
existentes son encontradas.
Muchos de los métodos comunes para determinar la conductividad
térmica de materiales aislantes y de construcción son basados sobre mediciones en estado permanente en una dimensión.
Existen dos tipos de métodos de estado permanente, absolutos y comparativos. La elección del método depende de factores Interrelacionados (exactitud deseada, rango de temperatura a ser cubierta, clase de espécimen, costo total, fabricación, etc.).
En general el método absoluto e s más exacto que el método
comparativo. Entre los métodos absolutos, el de placa caliente con guarda es el más ampliamente usado y el método más exacto para determinar la conductividad térmica sobre el rango de interés, este método ha sido adoptado por la American Sociew for Testing and Materials como un método estándar (ASTM, 1973).
La estructura básica de la placa caliente con guarda, la cual puede
ser horizontal o vertical, se muestra esquemáticamente en la figura 2.1.
Para cubrir la necesidad que se tiene por conocer los valores de las propiedades termofisicas de los materiales que se emplean en México, principalmente aislantes en edificaciones y en sistemas térmicos, en el Centro Nacional de Investigación y Desarrollo Tecnológico (Cenidet) se desarrolló un instrumento primario para determinar la conductividad térmica de materiales aislantes de construcción que se fabrican o comercializan comúnmente en el país, este aparato se denomina como
1 4
aparato de placa caliente con guarda APCG-CENIDET (figura 2.2) (Salazar,
1997).
-
I- 4 r Q e Y
I I Figura 2.1. Componentes principales del instrumento para medir la conductividad
térmica de materiales sólidos aislantes.
El objetivo del presente trabajo es estimar la función de generación de calor en la placa caliente y en la guarda del APCG, esto es con la
finalidad de obtener una generación de calor representativa. La función de
tener una guarda en el APCG es el de evitar las pérdidas de calor que pueda tener la placa caliente por el borde, por lo tanto para evitar estas pérdidas se necesita que la guarda tenga la misma temperatura que la placa caliente.
El APCG es un aparato primario que se usa para medir la
resistencia y la conductividad térmica aparente de materiales aislantes. En
la figura 2.1 se muestran las principales características de un APCG. El plato caliente y el plato frío mantienen las condiciones de frontera de temperatura constante en las superficies superior e inferior de la muestra. En el caso ideal, el flujo de calor e s unidimensional a través de la muestra, del plato caliente al plato frío en la dirección z (normal a la superficie de los platos). Bajo estas condiciones, el cálculo de la conductividad térmica
1 5
Capíhlo 2. Conceptos 6eneraIes aparente &, o la resistencia térmica, R,=L/&, se puede determinar a
partir del calor generado en el área de medición del plato caliente Qo, las ~.
temperaturas de los platos calientes y frío, TC y TF, el espesor de la
muestra L, y el área A (Lira, 1997).
2.2 DIFICULTADES E SOLUCI6N DE u>S PROBLEMAS INVERSOS E
TRANSFERENCIA E CALOR
La solución del problema inverso llega a ser muy sensible a los errores de medición de los datos de entrada ya que depende de la posición del sensor y de las oscilaciones. Debido a que la exactitud de la solución obtenida mediante el análisis inverso es afectada por los errores involucrados en las mediciones de temperatura, será instructivo presentar las ocho suposiciones generales propuestas por Beck et al. (1985) respecto a la descripción estadística de tales errores. Los errores deben cumplir lo siguiente: 1. Los errores son aditivos, esto es,
r, =T, + E ,
1 6
donde ? es la temperatura medida, T es la temperatura actual y E, es
el error aleatorio.
2. LOS errores de temperatura E, tienen una media de cero, esto es,
E(&,)= O
donde E(.) es el operador de valor esperado. Se dice que los errores son
neu trales. 3. Los errores tienen una varianza constante, esto es,
a: =E{Y, - ~ ( q ) r } = c r ~ =constante
lo que significa que la varianza de es independiente de la medición.
4. Los errores asociados con mediciones diferentes no están
correlacionados. Dos errores de medición E, y E, donde i f J , no están
correlacionados si la covarianza de E, y es cero, esto es,
~ V ( ~ , E ~ ) = E [ E , - E ( E ~ ) J ) = o para i # j
tal es el caso si los errores E, y si no tienen efecto en o no se
relacionan con el otro. 5 . Los errores de medición tienen una distribución normal (gaussiana). Al
tomar en consideración las suposiciones 2, 3 y 4 de arriba, la función
de distribución de probabilidad de E, está dada por:
6. Los parámetros estadísticos que describen a E , , tal como cr, son
conocidos. 7. Las únicas variables que contienen errores aleatonos son las
mediciones de temperatura. Los tiempos y posiciones medidos, las dimensiones del cuerpo calentado y toda otra cantidad que aparece en la formulación del problema inverso son todas conocidas.
8. No existe información a priori respecto a las cantidades a ser estimadas, las cuales pueden ser parámetros o funciones. Si tal
1 7
S m e h úen~-&5
información existe, puede utilizarse para obtener estimaciones
mejoradas.
Las ocho suposiciones anteriores se aplican pocas veces en los
experimentos reales. Tal es el caso si las magnitudes de los errores de
medición son considerablemente desiguales, o si las desviaciones estándar
o, son también diferentes.
Generalmente, los problemas inversos se resuelven minimizando
una función objetivo con dgÚn método de estabilización utilizada en el
procedimiento de estimación. Si todas las ocho suposiciones estadísticas
son válidas, la finción objetivo, S, que provee la mínima variación de la
estimación es la norma ordinaria de mínimos cuadrados (Beck y Arnold, 1977) (por ejemplo, la suma de los residuos cuadrados) definida como
s =(Y - T ~ ( Y - T)
donde Y y T son los vectores que contienen las temperaturas medidas y las estimadas, respectivamente, y el superindice T indica que es la
transpuesta del vector. Las temperaturas estimadas se obtienen de la solución del problema directo con las estimaciones de las cantidades
desconocidas. Se consideran los siguientes tres casos particulares:
a. Cuando en el análisis inverso se utilizan las lecturas transitorias de
un único sensor tomadas en los tiempos z i , i = 1,. ..,I, la transpuesta del
vector de los residuos, (Y - TY , está dada por
I
I I
i
I ~
I
!
!
!
!
(2.2.1) !
!
! I
!
i
y la norma de mínimos cuadrados, ecuación (2.2.1), puede escribirse
como
(2.2.2.a)
I
s =(Y - T ~ ( Y - T ) = ~ ( K -T? i=l
i a
(2.2.2.b)
Capitulo 2. conceptos Generales
b. Cuando en el análisis inverso se utilizan las lecturas transitorias de múltiples sensores, la transpuesta del vector de los residuos está dada
Por
donde, para el tiempo t i , (r - $) es un vector columna de longitud igual
al número de sensores, M , esto es,
(< - q ) = (rl - TI, q2 - K 2 , .. ., YM - T M )
(2.2.3.a)
(2.2.3.b)
en la ecuación (2.2.3.b), el primer subíndice se refiere al tiempo 1, y el
segundo se refiere al número de sensor. Así, la norma ordinaria de mínimos cuadrados, ecuación (2.2.1), puede escribirse como
M I
s = (Y - TY (Y - T) = C C ( K ~ - qJ (2.2.3.c) m=l ,=I
c. Si los valores de las desviaciones estándar de las mediciones son
bastante diferentes, el método ordinario de mínimos cuadrados no
tenderá a un estimado mínimo de la variarmi. En tal caso, la función
objetivo está dada por la mrma ponderada de mínimos cuadrados, S, , definida como
s, = ( Y - T ~ w ( Y - T )
donde W es una matriz diagonal pondemda. Tal matriz se toma
comúnmente como la inversa de la matriz de covarianza de los errores de medición, en los casos donde las otras hipótesis estadísticas sean válidas. Suponiendo que están disponibles las mediciones de un único sensor, la matriz ponderada W está dada entonces por:
W =
(2.2.4)
(2.2.5)
1 9
____l_ Capítulo 2. C m & Ge~raies
y S, dada por la ecuación (2.2.4) puede escribirse en forma expiicita
como:
donde a, es la desviación estándar de la medición r; al tiempo r, . Similarmente, para casos que envuelven M sensores, la ecuación (2.2.4) puede escribirse como
donde a,, es la desviación estándar de la medición qm del sensor m al
tiempo 1, .
Si el problema inverso de transferencia de calor involucra
solamente la estimación de unos cuantos parámetros desconocidos, tales
como la estimación de un valor de la conductividad térmica a partir de las mediciones transitorias de temperatura en un sólido, el uso de la norma ordinaria de mhimos cuadrados dada por las ecuaciones (2.2.2.b) o (2.2.3.c) puede ser estable. Sin embargo, si el problema inverso involucra la estimación de un gran número de parámetros, tales como la recuperación de los componentes desconocidos de flujo de calor transitorio
/ @ , ) = A en los tiempos t , , i=1 , ..., I , pueden ocurrir oscilaciones y
desviaciones en la solución. Un método para reducir tales inestabilidades
es usar el procedimiento llamado regu2arización de TXkhonov (Tikhonov y Arsenin, 1977), el cual modifica la norma de mínimos cuadrados al aumentarle un término tal que
(2.2.6.a)
(2.2.6.b)
(2.2.7)
donde a"(>O) es el parámetro de regularización y la segunda suma de la
derecha es el término de regularización de orden cero en el dominio
20
completo. En la ecuación (2.2.7), f ; es el flujo de calor al tiempo t i , el cual
se supone constante en el intervalo (ti -%)<t <(ti t?), donde At es el
intervalo de tiempo entre dos mediciones consecutivas. Los valores
elegidos para el parámetro de regularízación a' influyen en la estabilidad
de la solución conforme la minimización de la ecuación (2.2.7) se realiza.
Conforme a* -+O la solución puede mostrar un comportamiento oscilatorio
y convertirse en inestable, debido a que la sumatoria de los términos de 1;'
podría alcanzar valores grandes y las temperaturas estimadas tienden a ser del mismo orden de las temperaturas medidas. Por el otro lado, con
valores grandes de a* la solución se amortigua y se desvía del resultado
exacto.
El procedimiento de regularización de primer orden en dominio
completo para un sensor único, involucra la minimización modificada de la siguiente norma de mínimos cuadrados:
> = I *=I
Cuando a'+O, se obtienen valores del mismo orden entre las
temperaturas medidas y las temperaturas estimadas conforme se realiza la
minimización de Sb(t)] y la solución del problema inverso se convierte en
inestable. Para valores grandes de a*, la segunda sumatoría en la
ecuación (2.2.8) es dominante, los componentes de flujo de calor 1;
tienden a convertirse en constantes para z=i,2, ..., I , esto es, la primera
derivada de f ( t ) tiende a cero y la solución del problema inverso se relaja.
Las inestabilidades en la solución pueden relajarse mediante la
selección adecuada del valor de a'. Tikhonov y Arsenin (1977) sugirieron
que a' debería seleccionarse de tal forma que el valor mínimo de la
función objetivo fuera igual a la suma de los cuadrados de los errores
CENIDET 2 1
(2.2.8)
esperados para las mediciones. Afortunadamente, en muchos casos puede
usarse un rango relativamente amplio de valores para a’.
El método de regularización descrito arriba puede relacionarse a los métodos amortiguados de mínimos cuadrados (Beck y Arnold, 1977; Beck
et al., 1985), tal como el debido a Levenberg y a Marquardt, llamado
“Método de Leuenberg-Marquardt”. Este método iterativo para la estimación
de parámetros no lineales ha sido aplicado a la solución de varios
problemas inversos de transferencia de calor.
Un método alternativo para el esquema de regularización descrito
arriba es el uso de los Métodos de Regularización Remtiua de Alifanov (1994). En estos métodos, el número de iteración juega el papel del
parámetro de regularización a. y el criterio de convergencia se elige de
modo que se obtengan soluciones razonablemente estables. Por lo tanto,
no hay necesidad de modificar la función objetivo original, contrario al método de Tikhonov. El método de regularización iterativa es g e n e d y puede ser aplicada a ambas estimaciones, de pa rhe t ro s y de funciones, así como a problemas inversos lineales y no l i ndes .
- 2.3 CLASIFICACI~N DE LOS PROBLEBIAS INVERSOS pg TRANSFERENCIA DE - CALOR
La mayoría de los trabajos sobre la solución de PITC-s tienen que ver con la conducción de calor en geometrías unidimensionales. La aplicación de los métodos de análisis inverso a problemas multidimensionales, así como a problemas que involucran convección y radiación, es más reciente.
Los problemas inversos de transferencia de calor pueden clasificarse de acuerdo con la naturaleza del proceso de transferencia de calor, como:
Conducción.
Convección (forzada o natural).
Radiación superficial.
Conducción y radiación simultáneas. Conducción y convección simultáneas.
Radiación con la participación de algún medio.
Cambio de fase (fundición o solidificación).
Otra clasificación basada en el tipo de característica causal a ser
estimada es: Condiciones de frontera.
Propiedades termofisicas.
Condición inicial.
Término fuente.
Caractensticas geométricas de un cuerpo calentado.
Los problemas inversos de transferencia de calor pueden ser en
una, dos o tres dimensiones. También pueden ser lineales o no lineales.
Los siguientes dos capítulos se enfocarán a la aplicación del método
de Levenberg-Marquardt para estimación de parámetros y en el método de Alifanov de regularización iterativa para estimación de parámetros, el
método del Gradiente Conjugado, para la estimación de la función de generación de calor en el APCG. Estos métodos son estables, poderosos y directos y pueden aplicarse a la solución de una gran variedad de problemas inversos de transferencia de calor (Ozisik y Orlande, 2000). Estos métodos cumplen con la mayoría de los criterios mencionados en esta sección, relativos a la evaluación de los procedimientos de solución de problemas inversos.
23
_. 3.1 ~NTRODUCCI~N
El método de Levenberg-Marquardt (MLM) es un método iterativo para resolver problemas no lineales de estimación de pa-ámetros por
mínimos cuadrados. La técnica fue derivada primero por Levenberg modificando la norma ordinaria de mínimos cuadrados. Más tarde,
Marquardt derivó básicamente la misma técnica mediante una estrategia
diferente. La intención de Marquardt fue obtener un método que tendiera al método de Gauss en la vecindad del mínimo de la norma ordinaria de mínimos cuadrados y que tendiera al método del descenso infinito en la
proximidad de la consideración inicial. El Método de Levenberg-Marquardt ha sido aplicado (Beck y Arnold en 1977; Beck et al. en 1985; Ozisik en
1993) a la solución de una variedad de problemas inversos que involucran la estimación de parámetros desconocidos.
La técnica es eficiente para resolver problemas lineales y no lineales
de estimación de parámetros. Sin embargo, pueden surgir dificultades en los problemas no lineales de estimación que involucran un gran número de parámetros desconocidos, debido al tiempo consumido en el cálculo de
la matriz de sensibilidad.
El MLM, originalmente disefiado para la aplicación a problemas no lineales de estimación de parámetros, también ha sido aplicado exitosamente a la solución de problemas lineales que son mal planteados y no permiten la aplicación de algoritmos lineales.
L a solución de problemas inversos de transferencia de calor con el MLM puede ordenarse apropiadamente en los siguientes pasos básicos:
Problema Directo
Problema Inverso
Procedimiento Iterativo
b Criterio de Convergencia
Algoritmo Cornputacional
A continuación se muestran los detalles de cada uno de estos pasos conforme se aplican a la solución de un problema inverso de conducción de calor, involucrando la siguiente situación fisica:
Se tiene un APCG para medir la conductividad térmica en materiales de prueba. La placa caliente del APCG se calienta con una
resistencia posicionada en rpc = 0.0538 m, la placa caliente se encuentra a
una temperatura inicial T, =302.38 K para un tiempo t = O s, para un
tiempo t > O la frontera de la placa caliente en r = b = 0.0762 m disipa calor
por convección a un medio a temperatura Ta =302.38 K. La guarda del
APCG se calienta con una resistencia posicionada en ro =0.0983 m, la
guarda se encuentra a una temperatura inicial T, =300.39 K para un
tiempo t = O s, para un tiempo t > O las fronteras de la guarda en
r = b = 0.0762 m y r = d = O. 1524 m disipan calor por convección a un medio
a temperatura To =300.39 K. Los diagramas de la placa caliente y de la
guarda se muestran en las figuras 3.1. De aquí en adelante, las ecuaciones y figuras referentes a la placa caliente llevarán al final las letras PC y las de la guarda G, análogamente, los subindices se indicarán con las mismas letras. Por el contrario, si no se indica ninguna de estas, quiere decir que
las expresiones y figuras son válidas tanto para la PC como para la G.
26
27
C ~ í t u i o 5, Aplicación del Método de Levenberq-Maqua.&
- 3.2 PROBLEMA DIRECTO
La formulación matemática del problema directo de conducción de
calor está dada por las siguientes ecuaciones:
Placa Caliente
r = b , t > O i3T 8r
k- t hT = hT,
T = T , O l r l b , t = O
Guarda
3T i3r
- k- + hT = hT,
8T i3r
k- t hT = hT,
T = T ,
r = b , t > O
r = d , t > O
b s r l d , t = O
La solución para el problema anterior se presenta en el Apéndice A
(ecuaciones A.1.21 y A.3.21), en el cual la solución analítica obtenida se expresa como:
(3.2.1.PC)
(3.2.1.G)
(3.2.2.PC)
za
donde
b2 N = - 2
(3.2.2.G)
(3.2.3.a.PC)
(3.2.3.a.G)
Ro @> r ) = J o elk) (3.2.4.b.PC)
(3.2.4.b.G)
Posteriormente, se muestra el resultado de la integral que involucra el término de generación de calor.
3.3 PROBLEMA ~IWERSO
Para el problema inverso considerado de interés aquí, el término de generación de calor gp( i ) variable en el tiempo es el que se considera
desconocido. Para su estimación se utiliza la información obtenida mediante mediciones de temperatura transitoria tomadas en la posición
r = r,, , en los tiempos ti , i = 1,2 ,..., I .
Para la solución del presente problema inverso, se considera la función desconocida de generación de calor gp( i ) parametrizada en la
Capítulo 3. Aplicac~h del Método de Levenberq-Maquardt
siguiente forma lineal:
g, (4 = cp,cj (4 N
(3.3.1.a) ]=I
aquí, PI son los parámetros desconocidos y C j ( t ) son funciones de prueba
conocidas (por ejemplo, polinomiales, de B-splines, etc.). Además, el número total de parámetros, N , se especifica.
Para este trabajo se considera una aproximación polinomiai con 5 parámetros, la cual se expresa como:
g p ( f ) = p, + Pz' + < f Z + P4" + P5f4 (3.3.1 .b)
El problema dado por las ecuaciones (3.2.1) con g,(t) desconocido,
aunque parametrizada como se muestra en la ecuación (3.3.1), es un
problema inverso de conducción de calor en el cual los coeficientes P, van
a ser estimados. La solución de este problema inverso de conducción de
calor para la estimación de los N parámetros desconocidos P I ,
j = 42,. . ., N , se basa en la minimización de la n o m ordinaria de mínimos
cuadrados dada por (ver ecuación 2.2.2.b):
donde
S p' = [G P, ... f " ] = Vector de parámetros desconocidos T(P) T(P , t , ) = Temperatura estimada al tiempo 1,
x = Y @ , ) = Temperatura medida al tiempo 1,
N = Número total de parámetros desconocidos I = Número total de mediciones, donde I > N
= Suma de los cuadrados de la función objetivo o error
(3.3.2. a)
30
Caohlo 5. Aolicziái del Método de Levenbera-Ma-mardt
Las temperaturas estimadas T(P) son obtenidas a partir de la
solución del problema directo en la posición de medición, rmcd, usando el
estimado actual de los parámetros desconocidos P, , j = 42, ..., N .
La ecuación (3.3.2.a) puede escribirse en forma matricial como (ver ecuación 2.2.1):
S(P) = [Y - T(P)r [Y - T(P)] (3.3.2.b)
donde el superíndice T indica la transpuesta y [Y -T(P)p se define como:
[Y -T(P)r -[Y, -7', Y, -T2 ... $ -T,] (3.3.3)
- 3.4 PROCEDIMIENTO ITERATWO Para minimizar la norma de mínimos cuadrados dada por las
ecuaciones (3.3.2), se necesita igualar a cero las derivadas de S(P) con
respecto a cada uno de los parámetros desconocidos [P, P2 ... PN], esto
es:
'Tal condición, es necesaria para la minimización de S(P), la cuál
puede representarse en notación matricial igualando a cero el gradiente de
S(P) con respecto al vector de parámetros P , esto es:
VS(P)=2 -a [Y-T(P)]=O [ .PI
(3.4.i.a)
(3.4.1.b)
donde
3 1
r a 1.
(3.4.2)
La matriz Jacobians o de Sensibilidad, J(P), se define como la
transpuesta de la ecuación (3.4.2), esto es:
JW=[ @(P) ap ] En forma explicita, la matriz de sensibilidad se escribe como:
JW=[ óTT(P) ap ] =
donde
N I
Los elementos de la matriz de sensibilidad se llaman Coeficientes de Sensibilidad. Por lo tanto, el coeficiente de sensibilidad J , es definido
como la primera derivada de la temperatura estimada al tiempo f, con
respecto al parámetro P, , esto es:
= Número total de parámetros desconocidos = Número total de mediciones
(3.4.3.a)
(3.4.3.b)
a7; 'I ap,
J . . =- (3.4.3.c)
Usando la definición de la matriz de sensibilidad dada por la ecuación (3.4.3.a), la ecuación (3.4.1.b) se convierte en
- 25 ( P l y - T(P)] = O (3.4.4)
En los problemas inversos lineales la matriz de sensibilidad no es
una función de los parámetros desconocidos. En tal caso, la ecuación (3.4.4) puede resolverse en forma explicita para el vector de parámetros
desconocidos P como (Beck y Arnold, 1977):
P = (J~J)-' JTY (3.4.5)
En el caso de un problema inverso TU) lineal, la matriz de sensibilidad tiene alguna dependencia funcional sobre el vector de parámetros desconocidos P . La solución de la ecuación (3.4.4) para problemas de estimación no lineales requiere entonces un procedimiento iterativo, el cual se obtiene linealizando el vector de las temperaturas
estimadas, T(P), con un desarrollo en series de Taylor alrededor de la
solución actual P' en la iteración k . Tal linealización está dada por
T(P) = T ( P ~ ) + J~ (P - P*) (3.4.6)
donde T(Pk) y J k son las temperaturas estimadas y la matriz de
sensibilidad evaluadas en la iteración k , respectivamente. La ecuación
(3.4.6) se sustituye en la ecuación (3.4.4) y la expresión resultante se reacomoda para obtener el vector de parámetros desconocidos P (Beck y Arnold, 1977):
P'" = P' +[(Jkr J* ]'(J'T [Y - T(Pk)] (3.4.7)
La ecuación anterior es resuelta en forma iterativa, este procedimiento es conocido como el método de Gauss. Tal método es una aproximación del método de Newton (o de Newton-Raphson).
33
Se aprecia que la ecuación (3.4.5), así como la implementación del procedimiento iterativo necesario de la ecuación (3.4.7), necesitan que la
matriz J ~ J no sea singular, o
donde I.1 es el determinante.
La ecuación (3.4.8) es conocida como la Condición de Confiabilidad,
esto es, si el determinante de JTJ es cero, o incluso muy pequeiío, los
parámetros P,, para j = i , ..., N , no se pueden determinar usando el
procedimiento iterativo de la ecuación (3.4.7).
Los problemas que satisfacen (JTJIi-O se denominan mal
planteados. Los problemas inversos de transferencia de calor son generalmente mal planteados, especialmente cerca de la suposición inicial usada para los parámetros desconocidos, creando dificultades en la aplicación de las ecuaciones (3.4.5) o (3.4.7). El MLM permite sobrellevar las dificultades mencionadas previamente utilizando un procedimiento iterativo en la forma:
P '+' = P' + [(J' Jk + pkO' ]' (J' [U - T(P' )] donde
p' es un escalar positivo llamado parámetm de amortiguamiento, y f ik es una matriz diagonal.
El propósito del término matricial ,u*R*, incluido en la ecuación
(3.4.9), es amortiguar las oscilaciones y las inestabilidades debidas al carácter mal planteado del problema, haciendo sus componentes grandes en comparación con los componentes de J T J . El parámetro de amortiguamiento se hace grande al comienzo de las iteraciones, debido a que el problema es por lo general mal planteado en la región alrededor de
34
(3.4.8)
(3.4.9)
C+tulo 3. ~ l i c x i ó n del Método de Leverberq-Mirquardt - -~ la suposición inicial utilizada para el procedimiento iterativo, la cual puede estar bastante alejada de los parámetros exactos. Con tal estrategia, no se
necesita que la matriz J'J no sea singular en el comienzo de las
iteraciones y el MLM tiende al Método de Descenso Infinito, esto es, se toma un intervalo demasiado pequeño en la dirección negativa del gradiente. El
parámetro ,u' se reduce entonces gradualmente conforme el procedimiento
de iteración avanza hacia la solución del problema de estimación de parámetros y entonces el MLM tiende al Método de Gauss dado por la
ecuación (3.4.7) (Beck y Arnold, 1977).
- 3.5 CRITERIO CONVERGENCIA
El siguiente criterio fue sugerido por Dennis y Schnabel(l983) para detener el procedimiento iterativo del MLM dado por la ecuación (3.4.9):
(3.5.1 .a)
(3.5.1. b)
(iii) I/P'+' - P * I ~ < z3 (3.5.l.c)
donde E , , E* y z3 son tolerancias prescritas por el usuario y (I.l( es la norma
vectorial euclideana, esto es, nxii= (xrx)' , donde el superíndice T simboliza
la transpuesta.
El criterio dado por la ecuación (3.5.1.a) prueba si la norma de mínimos cuadrados es lo suficientemente pequena, lo que se espera suceda en la vecindad de la solución del problema. Similarmente, la ecuación (3.5.1.b) verifica si la norma del gradiente de S(P) es lo
suficientemente pequeño, debido a que se espera que se desvanezca en el punto donde S(P) es mínimo. Aunque tal condición de que el gradiente se
desvanezca también es válida para los máximos y los puntos de inflexión
de S(P), es muy dificil que el MLM converja hacia tales puntos. El último
criterio dado por la ecuación (3.5.l.c) resulta del hecho de que los cambios 35
Capítulo 3. Apliaión del Método de Leve&rq-Ma-quar&
en el vector de parámetros son muy pequeños cuando el método ha convergido. El uso de un criterio de convergencia basado en los pequeños
cambios de la norma de mínimos cuadrados S(P) podna usarse también
(Beck y Arnold, 1977; Dennis y Schnabel, 1983).
- 3.6 ALGORITMO COMPUTACIOHAL Se pueden encontrar diferentes versiones del MLM en la literatura,
dependiendo de la elección de la matriz diagonal Cl y de la forma elegida
para la variación del parámetro de amortiguamiento p'. En esta tesis se utilizará un procedimiento (Ozisik y Orlande, 2000) con la matriz diagonal
f i k tomada como
f i k = dlag[(~k J' J (3.6.1)
Se considera que las mediciones de temperatura Y = (q ,Y2 , ...,<) están dadas en los tiempos t , , #=], . . . , I . También, se considera
inicialmente Po para el vector de parámetros desconocidos P. Se elige un
valor (Ozisik y Orlande, 2000) para pa (0.00 1) y k = O . Entonces:
Paso 1. Resolver el problema directo de conducción de calor dado
por las ecuaciones (3.2.1) con la estimación disponible de P' para obtener
el vector temperatura T(P')=(~; T, ... T ) . El desarrollo de la solución para el problema directo se presenta en
el Apéndice A y son dadas por las ecuaciones (A.2.3 y A.4.2) las cuales se transcriben como:
36
(3.6.2.PC)
(3.6.2.G)
donde
37
b2 h Z + p 2 k 2 “=y[ p 2 k 2 ].1o@b) (3.6.3.a.PC)
(3.6.3.a.G)
(3.6.4.b.PC)
(3.6.4.b.G)
Paso 2. Calcular S(Px) mediante la ecuación (3.3.2.b).
S(P) = [Y - T(P)]T [Y - T(P)] (3.6.5)
Paso 3. Calcular la matriz de sensibilidad J’ definida por la
ecuación (3.4.3.a) y entonces la matriz IZR dada por la ecuación (3.6.1)
usando los valores actuales de P” La matriz de sensibilidad se obtuvo en el Apéndice B.
(3.6.6.a)
38
f l k =dzag[JkJJk]
Paso 4. Resolver el siguiente sistema lineal de ecuaciones algebraicas, obtenido mediante el procedimiento iterativo del MLM,
ecuación (3.4.9):
(3.6.7)
pa'' = Pk + [(J* Jk +,ukQZr ]'(.Jkr [Y - T(P')] (3.6.8.a)
[J*JJ' +,u"Q'bP' =(JkT[Y-T(Pk)]
para calcular APk = Pk+' - Pk .
(3.6.8.b)
Paso 5. Calcular la nueva estimación P'+' como
pk+' = p' + APk
Paso 6. Resolver el problema directo (3.2.1) con la nueva
estimación Pk+' para encontrar T(P"'I). Entonces, calcular S(P*+'), como se
definió en la ecuación (3.6.4).
(3.6.9)
39
+ 1. Calcular APk resolviendo
Sustituir p' por 0 .1p~
I I
Sus ituir R por X+1
Calcular [I Sustituir
40
Capítulo 3. Apliaiái del Método de Leve&rq-Maquxdt
Paso 7. Si S(P"")>S(P'), sustituir p' por lop' (Ozisik y Orlande,
2000) y regresar ai paso 4.
Paso 8. Si S(P'")<S(P*), aceptar la nueva estimación P"'l y
sustituir p' por 0 . 1 ~ ~ (Ozisik y Orlande, 2000).
Paso 9. Verificar el criterio de convergencia dado por las ecuaciones (3.5.I.a-c), detener el procedimiento iterativo si se satisface alguno de ellos; en caso contrario sustituir k por k +1 y regresar al paso 3.
El diagrama de flujo del método de Levenberg-Marquardt está
representado en la figura 3.2.
Los resultados obtenidos mediante este método se anaiizarán en el
Capítulo 5 en comparación con el método del gradiente conjugado y la solución teórica obtenida por Xamán (1999).
El código con el cual se obtuvieron los resultados se presenta en el
Apéndice C.
A continuación se desarrollará el método del Gradiente Conjugado.
4 1
- 4.1 ~NTRODUCCI~N
El método del Gradiente Conjugado (MGC) es una técnica iterativa directa para resolver problemas inversos lineales y no lineales de estimación de parámetros. En el procedimiento iterativo del MGC, en cada iteraciónpe toma un tamaño de intervalo ajustable a lo largo de la dirección'de descenso para minimizar la función objetivo. L a dirección de
descenso se obtiene como una combinación lineal de la dirección negativa
del gradiente en la iteración actual con la dirección de descenso de la iteración previa. La combinación lineal e s tal que el ángulo resultante entre la dirección de descenso y la dirección negativa del gradiente sea menor que 90' y se asegure la minimización de la función objetivo. El MGC
con un criterio de convergencia apropiado pertenece a la clase de técnicas de regularización iterativas, en las cuales el número de iteraciones se elige
de modo que se obtengan soluciones estables para el problema inverso.
$
De modo similar al MLM, la aplicación del MGC a problemas inversos de transferencia de calor de estimación de parámetros puede organizarse en forma conveniente en los siguientes pasos:
Problema Directo
Problema Inverso
Procedimiento Iterativo
Criterio de Convergencia
Algoritmo Computacional A continuación se presentan los detalles de cada uno de estos
pasos conforme se aplican a la solución de un problema inverso de conducción de calor, involucrando la misma situación fisica que en el MLM.
4.2 PROBLEMA DIRECTO
Nuevamente, la formulación matemática de este problema de conducción de calor está dada por las siguientes ecuaciones:
43
Cqítulo 4. Apl ia ión del Método del liradiente Conjuqada
Placa Caliente
l?T dr
k - + h T = h T , r = b , i > O
T = T , O s r l b , t = O
Guarda
dT dr
k - + h T = h T a
T = T ,
r = d , t > O
b < r < d , / = O
La solución para dicho problema se obtuvo en el Apéndice A como:
(4.2.1.PC)
(4.2.1 .G)
(4.2.2.PC)
44
T(r, t ) = hd . To p2kN ___. &@r)- &@). e-na"
donde /? se obtiene del siguiente problema de valor propio:
/ ? 4 @ b ) - W m = 0
y además
(4.2.2.G)
(4.2.3.PC)
(4.2.3.G)
(4.2.4.a.PC)
(4.2.4.a.G)
(4.2.4.b.G)
La integral que involucra el término de generación de calor ha quedado pendiente para el algoritmo computacional.
4.3 PROBLEMA INVERSO Para el problema inverso de interés en el presente proyecto, el
término de generación de calor g,(t) variable en el tiempo se deja como
desconocido y se considera que están disponibles para el análisis las 45
mediciones de temperatura transitoria tomadas en la posición r = r,,<, , en
los tiempos ti , i = i,2,.. . , I .
Para la solución de tal problema inverso, se supone la función desconocida de generación de calor g,(t) parametrizada en la siguiente
forma lined:
(4.3.1)
La estimación de la función desconocida g, ( f ) se reduce entonces a la
estimación de los N parámetros desconocidos P, , j = 1,2, ..., A'. Tal
problema de estimación de parámetros se resuelve mediante la minimización de la norma ordinaria de mínimos cuadrados:
S(P) = [Y - T(P)r [Y - T(P)] (4.3.2)
En este caso para la función de generación de calor, se tiene una aproximación polinomial con 5 parámetros, la cual se expresa como:
g , ( t )= t +f, . t + P , . t * +f, . t '+P, - t 4 (4.3.3)
4.4 PROCEDIMIENTO ITERATIVO El procedimiento iterativo del MGC para la minimización de la
norma S(P) está dado por
pk+' = P k - pkdk (4.4.1)
donde p k es el tamaño de incremento buscado, dk es la dirección de
descenso y el superíndice k es el número de las iteraciones. La dirección
de descenso es una combinación de la dirección del gradiente, VS(Pk), y la
dirección de descenso de la iteración previa, dk-'. Está dada como:
dk =VS(P')+y'd" (4.4.2)
46
Existen diferentes expresiones (Alifanov, 1994) para el coeficiente
de combinación y k . Una de ellas es la expresión de Polak-Ribiere, la cuál
está dada en la forma:
Y k = para k = 1,2,. . , ,=I
con yo = O para k = O
otra expresión es la de Fletcher-Reeves, dada como:
Y k = N=’ c [vs(pk-I)I. i=l
con yo = O
para k = 1,2,. . .
para k = O
(4.4.3.a)
(4.4.3.b)
Aquí, lVS(Pk))l es E - n’mo componente de la d i reccn del gradiente
evaluado en la iteración k . La expresión para la dirección del gradiente se obtiene derivando la ecuación (4.3.2) con respecto a los parámetros desconocidos P , esto es:
Vs(Pk)=-2(Jkr[Y -T(P”)] (4.4.4.a)
Donde Jk es la matriz de sensibilidad definida mediante la
ecuación (3.4.3.a). El j-ésimo componente de la dirección del gradiente puede obtenerse en forma explícita como:
para j = l , ..., If
Cualquiera de las dos expresiones (4.4.3) para el cálculo del
coeficiente de combinación y’ asegura que el ángulo entre la dirección de
descenso y la dirección negativa del gradiente sea menor de go”, de modo que la función S(P) se minimiza. Ambas son equivalentes en problemas
47
(4.4.4.b)
lineales de estimación, pero hay alguna evidencia de que la expresión de Polak-Ribiere provee una mejor convergencia en los problemas no lineales de estimación (Press et al., 1992).
Se aprecia que si y' = O para todas las k iteraciones, la dirección de
descenso se convierte en la dirección de gradiente en la ecuación (4.4.2) y se obtiene el método del descenso infinito. Aunque más simple, el método del descenso infinito no converge tan rápido como el MGC.
El tamaiio de incremento buscado p k que aparece en la ecuación
(4.4.1) se obtiene minimizando la función S(Pk+') con respecto a a" esto
es:
min S(Pk")= mjn [Y - T(PC+')r [Y - T(Pk")] P'
(4.4.S.a)
Sustituyendo Pk+' como se da en la ecuación (4.4.1) en la ecuación (4.4.5), se obtiene:
minS(Pk+")=n$n[Y P> -T(Pk -/3*dk)r[Y -T(Pk - P k d k ) ] (4.4.5.b)
lo cual puede escribirse, para los casos que involucran un solo sensor, como
I
rninS(P"')=mjn~[Y,-T(P' -/3'dk)P p' i=l
donde I es el número de mediciones.
Para linealizar el término T,(Pk-pkdk), se usa una expansión en
series de Taylor en la forma:
(4.4.S.c)
(4.4.6.a)
o, en forma vectorial: 48
donde
Al sustituir la ecuación (4.4.6.b) en la ecuación (4.4.5.c) y realizar
la minimización con respecto a p’ , se obtiene la siguiente expresión para
el tamafio de incremento buscado:
también, al usar la definición de la matriz de sensibilidad Jk dada por la
ecuación (3.4.3.a), la expresión para Pk puede escribirse en forma
matricial como:
Después de calcular la matriz de sensibilidad J’ , la dirección del
gradiente VS(P’), el coeficiente de combinación y’ y el tamafio de
incremento buscado p’, el proceso iterativo necesario para la ecuación
(4.4.1) termina hasta que satisfaga un criterio de convergencia basado en el Principio de Discrepam’a descrito en el siguiente apartado. La matriz de sensibilidad puede calcularse usando uno de los métodos descritos en el Apéndice A.
(4.4.6.b)
(4.4.7)
(4.4.8.a)
(4.4.8.b)
49
Capít4h 4 Aplicarión del Mitodo del 6radiet-k Conjugado
4.5 CRITERIO E CONVERGENCIA
El procedimiento iterativo necesario para las ecuaciones (4.4.1-
4.4.3), con el tamaño de incremento buscado pk dado por la ecuación
(4.4.8.b), no hace estable al MGC como para minimizar la función objetivo (4.3.2) y entonces clasificarlo como bien planteado. Tal es el caso debido a los errores aleatorios inherentes en las mediciones de temperaturas.
Conforme las temperaturas estimadas se aproximan a las temperaturas medidas que contienen errores, durante la minimización de la función (4.3.2), pueden aparecer oscilaciones en la solución del problema inverso, resultando en un carácter mal planteado para el problema inverso. Sin
embargo, el MGC se puede convertir en bien planteado si se utiliza el Principio de Discrepancia (Alifanov, 1994) para detener el procedimiento iterativo.
En el principio de discrepancia, el procedimiento iterativo se detiene cuando se satisface el siguiente criterio:
S(Pk+I)< E (4.5.1)
donde el valor de la tolerancia E se escoge de forma que se obtengan
soluciones estables. En este caso, se detiene el procedimiento iterativo cuando los residuos entre las temperaturas medidas y las estimadas son del mismo orden de magnitud que los errores de medición, esto es:
donde a, es la desviación estándar del error de medición al tiempo t i . Para
desviaciones estándar constantes, esto es, o, = a =constante, se puede
obtener el siguiente valor para E sustituyendo la ecuación (4.5.2) en la
ecuación (4.3.2) :
(4.5.2)
50
(4.5.3)
La consideración mencionada arriba para los residuos de temperatura en el principio de discrepancia, también fue usada por
Tikhonov (Alifanov, 1994) para encontrar el parámetro de regularización
Óptimo. Tal procedimiento permite que el MGC tenga un carácter iteratiuo de regulalización Si se considera que las mediciones no contienen errores, la tolerancia E puede elegirse como un número pequeno, debido a que el
valor mínimo esperado para la función objetivo (4.3.2) es cero.
4.6 ALGORITMO COMWTACIONAL Se considera que las mediciones de temperatura Y = (q ,Y2 , ..., Y,)
están dadas en los tiempos t i , i =1, ..., I , y que se tiene disponible el campo
inicial Po para el vector de parámetros desconocidos P. Inicialmente k = O ,
para el inicio del proceso iterativo con los siguientes pasos:
Paso 1. Resolver el problema directo de transferencia de calor
(4.2.1) mediante la estimación disponible de Pk y obtener la distribución
de las temperaturas estimadas T(Pk)=(T,,T2, ...,T,). Del Apéndice A se tiene:
(4.6.1 .PC)
5 1
(4.6.1.G)
Paso 2. Verificar el criterio de convergencia dado por la ecuación (4.5.1). Continuar si no se satisface.
S(P*+')< E (4.6.2)
Paso 3. Calcular la matriz de sensibilidad J* definida mediante la ecuación (3.4.3.a). Esta se obtuvo en el Apéndice B como:
JW=[ mT ap (P) j ' (4.6.3)
(4.6.4.PC)
Paso 4. Determinados J k , Y y T(Pk), calcular la dirección del
gradiente VS(Pk) de la ecuación (4.4.4.a) y posteriormente, el coeficiente de
combinación y' de cualquiera de las ecuaciones (4.4.3.a) o (4.4.3.b):
VS(P')= -2(Jkr [Y -T(Pk)]
Expresión de Polak-Ribiere:
c{vs(Pq [vs(Pk)-vs(Pk-')],} para k=1,2, ... k I = ]
Y =
j='
con yo = 0
Expresión de Fletcher-Reeves:
para k = O
para k = 1,2,.. .
para k = O
(4.6.4.G)
(4.6.5)
(4.6.6.a)
(4.6.6.b)
con yo = 0
53
Capítulo 4. Aplicación del Método del 6radienk Cmjuqado - - - INICIO
Calcular J k
4
VX[PE) y k Calcular
4 Calcular
dk
4
P E 4
Calcular Ph+'
4
Calcular
Sustituir k por k + l
Figura 4.1. Diagrama de Flujo del Método del Gradiente Conjugado.
Paso 5. Calcular la dirección de descenso d' mediante la ecuación (4.4.2) :
d' = VS(P')+y'd'-' (4.6.7)
54
Capítulo 4. Aplicación del Método del Giradiente Conjuqado
Paso 6. Determinados Jk , Y , T(Pk) y d', calcular el tamaño de
incremento buscado p k a partir de la ecuación (4.4.8.b):
[Jkdkr[T(Pk)-Y] [Jkdkr[Jkdk]
[3k = (4.6.8)
Paso 7. Con P', p' y d' , calcular la nueva estimación Pkc' de la
ecuación (4.4.1):
(4.6.9) P k+l =pk-bkdk
Paso 8. Sustituir kpor k + l y regresar al paso 1.
El diagrama de flujo del Método del Gradiente Conjugado está representado en la figura 4.1.
Los resultados obtenidos mediante este método se analizarán en el
capítulo 5 , al compararlos con el método de Levenberg-Marquardt y la
solución teórica obtenida por Xamán (1999).
El código desarrollado para el MGC se presenta en el Apéndice D.
A continuación se presentan los resultados obtenidos con el método de Levenberg-Marquardt y el método del Gradiente Conjugado.
5 5
- capítulo 5 , Adisis de k5ultados - - 5.1 ~NTRODUCCI~N
En este capítulo se presentan los resultados obtenidos con el MLM
y el MGC, se comparan con los reportados por Xamán (1999) y se comparan ambos métodos entre sí. Los resultados experimentales y
teóricos obtenidos por Xamán se muestran en las siguientes figuras:
m o im m 3m nm 5.33 Em
t (min)
Figura 5.1. Distribución de temperatura experimental y anaiítica para la Placa Caliente obtenida por Xamán (1999).
316,
t (min)
Figura 5.2. Distribución de temperatura experimental y anaiítica para la Guarda obtenida por X m á n (1999).
57
Los resultados presentados en las figuras 5.1 y 5.2 correspondieron a una generación de calor de 5 W para la placa caliente y de 3 W para la guarda.
Para obtener los resultados de Xamán (1999) es necesario realizar algunos cálculos que se muestran en las secciones 5.2 y 5.3. También se muestran los resultados experimentales que fueron medidos y se comparan los resultados de los distintos cams contra los resultados del modelo analítico o experimental en los casos que se cuenta con ellos.
- 5.2 FUNCIONES E BESSEL Lo primero que se debe verificar es la implementación de las
funciones de Bessel, debido a que son requeridas para la presente solución de los PITC-s.
Las aproximaciones que se utilizaron para las funciones de Bessel
están basadas en las aproximaciones polinomiales reportadas por Abramowitz y Stegun (1972), las cuales se calculan mediante las siguientes fórmulas:
Para -31rS3
J0(x)=1-2.2499997 (5.2.1)
+ 0.0002100 - +E (3)” Con IEl < 5 x 10-8
58
Jn(x)+0.36746691+0.60559366(~)z -0.74350384(:) 4
X
Con IEJ < 1.4 x 10-8
f, = 0.79788456 - 0.00000077 - 0.00552740 - - 0.00009512 - (2)’ ir)’
Con
Para
f, = 0.79788456 - 0.00000077 - 0.00552740 - - 0.00009512 - (2)’ ir)’ Con 181 < 1 . 6 ~ 1 0 - ~
Bo =x-0.78539816-0.04166397
181 < 7 x
Con 181 < 1 . 6 ~ 1 0 - ~
Bo =x-0.78539816-0.04166397
181 < 7 x
- 3 5 x 1 3
Con JEJ < 1.3 x 1 o-8 59
(5.2.2)
(5.2.3)
(5.2.4)
Para 0 < x í 3
J,(x)-0.6366198+0.2212091
(5.2.5) n
Con 1&1<1 .1Xlo - ’
Para 3 l X < o o
J , (x) = x- ’ j , cose, , Y, (x) = sin e,
J ; =0.79788456+0.0000015
Con bI< 4 x IO-*
8, = x-2.35619449+0.1249961
+ 0.00074348 - + (I)’ Con I E ~ < 9 x i0”
(5.2.6)
El código utilizado para generar las funciones de Bessel se presenta en el apéndice E. La gráfíca obtenida es la siguiente:
60
c. . "1 . . ~ ...._
Figura 5.3. Funciones de BeSSel: Jo(x), JI(x), Yo(x) y YI(x) obtenidas mediante la aproximación poiinomid de Abramowitz y Stegun (1972).
Las curvas presentadas en la figura 5.3 son cualitativamente similares a las gráíkas reportadas por Abmowitz y Stegun (1972) y azisik (1993).
5.3 OBTENCIÓN DE LOS VALORES PROPIOS DE LOS PROBLEMAS
AUXILIARES &J - Al resolver los problemas directos para la placa caliente y para la
guarda se ha planteado el problema auxiliar de valor propio para cada uno de ellos, donde se necesitan encontrar dichos vaiores propios. La ecuación de valores propios para la placa caliente se presenta en el apéndice A
(ecuación A. 1.10) como:
P 4 @b)-hJ, @b) = 0 (5.3.1)
Análogamente para la guarda está dada por (ver apéndice A):
(5.3.2)
6 1
CqÍtulo 5, M i s i 5 de k5uKados
para cada caso se obtuvieron mediante los códigos
mostrados en el apéndice E. Las gráficas resultantes se muestran a continuación, principiando por la Placa Caliente.
- ~~
Los valores de
Raíz B E m r absoluto 1 1.34 1228027143299 2.4869~10-’4
2 50.30276271525698 3.7570~ 10-12
3 92.0778483039 1088 5.0449~ 10-12
-
a
Figura 5.4. Función propia para la Placa Caliente.
De acuerdo con el análisis realizado por Xamán (1999), el utilizar dos o más raíces no contribuye significativamente a la solución del
problema, tanto para la placa caliente como para la guarda.
4 I 133.5168259445141 I 6.0625~ 10-11 5 I 174.8567506543733 I 6.9327~ 10-’1
6 I 216.1541671630886 I 9.2461~10-1’ 7 I 257.4294633721200 I 1.oo88X10-~0
I 8 I 298.6917869989557 I 1.0865~10-10 I I 9 I 339.9458531355057 I 7.7270~10-” I I 10 I 381.1943388896752 I 1.2272~ 10-10 I
62
Cqítulo 5. hdi515 de kesultados
La figura 5.5 presenta las curvas para la función propia de la
--- - - Guarda.
Raíz 1 2 3
In 50
B Error absoluto 1.341493885958581 4.3077~ 10-14 4 1.99 12 144 1594693 2 .6645~ 10-15 82.86074956162661 2 .6645~ 10-15
Y
(d
Figura 5.5. Función propia para la Guarda.
I
I ~~
I
4 I 123.9575730375151 I 2.4869~10-'4 I 5 I 165.1185292250524 I 2.5535~10-14 I I 6 1 206.3060172346982 I 2.5313~10-14 I I 7 I 247.5069630630344 I 3.0642~10-14 I I 8 I 288.7156570236181 I 2.9976~10-'4 I
9 I 329.9292150761596 I 2 .9088~10- '~ 10 I 371.1460250768804 I 2.97s4x 1 0 ' 4
A continuación se presenta el análisis de los resultados obtenidos con el MLM.
63
- 5.4 APLICACI6N =TOW> LEVENBERG-MARQUARDT PARA LA
OBTENCI62P DE LA FUNCI6N E GEIYERACI6N E CALOR DE LA
PLACA CALIENTE
Como se mencionó previamente, en la placa caliente del APCG se utilizó una generación de calor mediante electricidad de 5 W. Al utilizar el MLM para estimar los parámetros de la función de generación de calor se
utilizaron desde uno hasta cinco parámetros. Los resultados obtenidos se presentan en las siguientes ecuaciones:
g,( t )= 261.420918486553
g , (1) = 279.95 173 1636523 - 0.00107445934793919t
g,( t )= 299,14460126386- 0.004132651 5584687t + 8.68571001291067 x 10-8t2
g4(t)= 318.710689444206-0.009960675616769031+4.83075677375673xlO~’t2 - 7.37468716488945 x i O - ” f 3
g , ( t ) = 332.978 15372759 - 0.0167039593983905f + 1.2784144215005 x 10-6iZ
- 4,0980756707161 x IO-’’ t’ + 4.63572450395972 x lO-I6t4
(5.4.1)
(5.4.2)
(5.4.3)
(5.4.4)
(5.4.5)
En las figuras 5.6-5.10 se puede apreciar la comparación entre la distribución de las temperaturas medidas y la distribución de las temperaturas estimadas usando cada una de las funciones anteriores:
64
Figura 5.6. Comparación entre. la temperatura medida y la temperatura estimada mediante el MLM para la Placa Caliente del APCG usando una función con un
parámetro.
Figura 5.7. Comparación entre la temperatura mediday la temperatura estimada mediante el MLM para la Placa Caiiente del APCG usando una función con dos
parámetros.
6 5
Figura 5.8. Comparación entre la temperatura medida y la temperatura estimada mediante el MLM para la placa Caliente del APCG usando una función con tres
parámeims.
"1
Figura 5.9. Comparación entre la temperatura medida y la temperatura estimada mediante el MLM para la Piaca Caliente del AFCG usando una función con cuatro
parámeims.
66
. TEMPERATUñAMEOIDA -TEMPERATURA ESnMWn
Parámetros
1 2 3 4 5
Xamán
Figura 5.10. Comparación entre la temperatura mediday la temperatura estimada mediante el MLM para la Placa Caliente del AFCG usando una función con cinco
parámetms.
Error Relativo Norma de mínimos
1.55 1891.6393 1.28 1 132.1776 1.05 865.1679 1.00 758.5912 0.97 733.9622 1.38 1597.4177
Máximo ph) cuadrados
En la tabla 5.3 se muestran los errores relativos máximos y la norma de mínimos cuadrados de las temperaturas estimadas mediante el MLM:
Tabla 5.3. Norma de -os cuadrados y errores relativos m h o s entre las temperaturas medidas y las temperaturas estimadas mediante el MLM para la Placa
Al analizar la tabla 5.3 se puede apreciar que la estimación con cinco parámetros es la que menor error y menor norma de mínimos cuadrados tiene. La solución analítica presentada por Xamán (1999), tiene un error y una norma que la colocan entre las estimaciones con uno y con dos parámetros.
67
- Capítulo 5 , Análisis de Ke5ukdos
En la figura 5.11 se pueden apreciar las curvas de las funciones de
- - generación de calor obtenidas también con las ecuaciones 5.4.1-5.4.5.
s 4
6 2
6
5 8
5 6
z *. w
5 2
5
4 8
4 5
4 4
-0ENEWi6N DE CALOR U- -UN PARAMETRO -DOS PARAMETROS -TRES PARAMETROS -CUATRO PARAMETROS -CINCO PARAMETROS
Figura 5.11. Comparación entre la función de generación de calor usada y las funciones de generación de calor estimadas mediante el MLM para la Placa Caliente.
En la figura 5.11 se puede apreciar que la función de generación de calor estimada con un parámetro es la que representa con mayor exactitud la generación de calor utilizada por Xamán (1999).
Sin embargo, se debe recordar que, cuando se aplica un método de
solución inverso, no se tienen datos sobre la función de generación de calor utilizada. Por lo tanto la decisión de cuái estimación es más exacta depende de los errores relativos de las temperaturas estimadas.
5.5 APLICACION DEL M&”ODO E LEVENBERGMARQUARDT PARA LA
GENERACI~N E CALoR DE LA OBTENCI6N DE LA FUNCIdN
GUARDA
Al principio de este capítulo se mencionó que la generación de calor utilizada para el caso de la Guarda fue de 3 W. A continuación, se muestran los resultados obtenidos para diferentes números de parámetros
68
- en la determinación de la función de generación de calor de la Guarda utilizando el MLM.
g, ( t )= 390.473427722595 (5.5.1)
g2(t) = 467.438592563 193 -0.0179475164485702t (5.5.2)
g3(f)= 515.48504895845-0.0473339237594615r+3.13447620466826~10-~r~ (5.5.3)
g,(t) = 508.743870501761 - 0.039761912562501 If + 1.233857291 338 1 x 1 0-6f2 (5.5.4) + 1.2993638084207~10”~f~
gs(t) = 479.95876365591 + 0.01 10621687297178t -2.072508750821 15x 10”f2 (5.5.5) + 3.5 15671 72449916~ 10-’f3 - 1.70179454741608 x 1 0.l3f
Las figuras 5.12-5.16 representan las curvas obtenidas para las temperaturas medidas y las temperaturas estimadas mediante el MLM para la guarda del APCG:
316 - 315 - 314 - 313 - 312 - 311 . 310 - g s -
E ls- I-
307 - 306-
305-
3 0 4 - 303 -
. TEMPERATURA MEOlOA - TEMPERATURA ESTIMADA .-
o an ,am ,am 2 m m 36m 12m 4 8 0 54m 6mD 6600 ,am 78m 8400 sno 9600 102
t (S)
Figura 5.12. Comparación entre la temperatura medida y la temperatura estimada mediante el MLM para la Guarda del AF’CG usando una función con un parámetro.
f (S)
Figura 5.13. Comparación entre la temperatura medida y la temperatura estimada mediante el MLM para la Guarda del APCG usando una función con dos parámetros.
315 316 1
Figura 5.14. comparación entre la temperatura medida y la temperatura estimada mediante el MLM para la Guarda del APCG usando una función con tres parámetros.
7 0
Figure 5.15. Comparación entre la temperatura mediday la temperatura estimada mediante el MLM para la Guarda del APCG usando una función con cuatro
parámetros.
Figure 5.16. Comparación entre la temperatura medida y la temperatura estimada mediante el MLM para la Guarda del APCG usando una función con cinco parámetros
Los valores máximos del error relativo y la norma de mínimos cuadrados para cada estimación de la función de generación de calor aplicando el MLM se presentan en la tabla 5.4.
7 1
- Capítulo 5, Análisis de Ke?esukados - Tabla 5.4. Norma de mínimos cuadrados y errores relativos máximos entre las
temperaturas medidas y las temperaturas estimadas mediante el MLM para la Guarda. 1 Parametros 1 Error Relativo 1 Norma de mínimos I
Máximo (%) cuadrados 1 0.52 200.5644 2 0.24 28.4137
- 3 0.1876 13.5918 4 0.188 13.5019 5 0.190 12.8747
XaUlán 0.44 143.6557
De la tabla 5.4 se desprende que la estimación dada por la función de generación de calor con tres parámetros es la que menor error presenta entre las temperaturas medidas y las temperaturas estimadas. Sin
embargo, la norma de mínimos cuadrados es menor para la estimación con cinco parámetros.
La solución analítica reportada por Xamán (1999), nuevamente
queda posicionada entre las estimaciones con uno y con dos parámetros.
A continuación, se muestran las curvas para la función de generación de calor. Estas curvas se obtuvieron mediante las ecuaciones 5.5.1-5.5.5.
..2 . -GENERAaON DE C U R uSA0)n -UN PM&ETRO -nos PARAMETROS -TRES PARAMETROS
-CINCO PARAMETROS
3.8
3.6 -CUATRO PARAMETROS
3 . 4
E 3.2 o
3
2.8
2.6
2.4
2.2 o an r n a ,Em 24m 3aa 38a 4- - ym ara 6333 Rm 7 m BID0 am sm *ox
t (e Figura 5.17. Comparación entre la función de generación de calor usada y las funciones de generación de calor estimadas mediante el MLM para el caso de la
Guarda.
7 2
Cp’tcllo 5 , mi515 de k~ultados
Nuevamente, se puede observar que la estimación con un parámetro es la que representa con mayor exactitud la solución analítica presentada por X a m á n (1999).
- P
- 5.6 APLICACI~N DEL WTODO DEL GIUDIENTE CONJUGADO EN LA
OBTENCl6N DE LA FUNCIÓN GENERACI~N CALOR DE LA
PLACA CALIENTE
AI estimar los parámetros de la función de generación de calor
mediante el MGC se obtuvieron resultados muy similares a los obtenidos mediante el MLM. A continuación, se presentan las ecuaciones 5.6.1-5.65 que corresponden a la estimación con uno hasta cinco parámetros para la Placa Caliente del APCG:
g, (f)= 261.42091 8486553
g, (t) = 279.95 173 1636524 - 0.0010744S934793922t
(5.6.1)
(5.6.2)
g, ( t )= 299.14460125556 - 0.0041326S15S746091t + 8.68571 O01 03533 1 x 1 0-*f2 (5.6.3)
g4(t) = 3 18.742679702295 - 0.0099630199266071 It + 4.85509865923229 x 1 Oe7t2 (5.6.4)
-7.4588111901 1 2 7 5 ~ 1 0 ~ ‘ ~ t ’
gs(t)= 4.496906051773 16x IO” +0.105046812590406f - 1.10516768701 57 x 10-5t2 (5.6.5)
+ 4.2827324939 1 197 x 1 O”’f3 - 5.52972463489 129 x 1 O”’t4
En las figuras 5.18-5.22 se presenta la comparación entre las temperaturas medidas y las temperaturas estimadas mediante el MGC.
73
345
340
a5
m
$z 325 I-
320
315
310
3%
m
. TEMPEnATURA MEDIM - TEMPERATURA ESTIMADA
Figura 5.18. Comparación entre la temperatura medida y la temperatura estimada mediante el MGC para la Placa Caliente del APCG usando una función con un
parámetro.
Figura 5.19. Comparación entre la temperatura medida y la temperatura estimada mediante el MGC para la Placa Caliente del APCG usando una función con dos
parámetros.
74
. TEMPERATURA MEDIDA - TEMPERATURA E C T I W A
rn o 3xa 6ooo smo lam 1- 1 m 2 1 m 24000 nao urn0 33x0 36om
t (5)
Figura 5.20. Comparación entre la temperatura mediday la temperatura estimada mediante el MGC para la Placa Caliente del AF'CG usando una función con tres
parámetros.
- TEMPERATURA MEDIDA - TEMPERATURA E S n M
o 3xa 6om san 12000 1- leas 2 1 m uom nmo 3 m o 33mo smm t (SI
Figura 5.21. Comparación entre la temperatura mediday la temperatura estimada mediante el MGC para la Placa Caliente del APCG usando una función con cuatro
parámetros.
7 5
. TEMPERATURA MEDlM - TEMPERATURA ESTIMADA
M á x i m o (?h) cuadrados 1 1.55 1891.6393 2 1.28 1132.1776 3 1 .O5 865.1679
- 4 1.00 758.9380 5 3.69 8862.2439
Xamán 1.38 1597
Figura 5.22. Comparación entre la temperatura mediday la temperatura estimada mediante el M G C para la Placa Caliente del APCG usando una función con cinco
parámehs.
Ahora se presentan los valores de los errores relativos máximos y la norma de mínimos cuadrados para cada estimación hecha con el MGC. La
tabla 5.5 presenta los resultados.
Tabla 5.5. Norma de mínimos cuadrados y errores relativos máximos entre las temperaturas medidas y las temperaturas estimadas mediante el M G C para la Placa
Caliente. I Parámetros I Error Relativo I Norma de mínimos I
En la tabla se puede apreciar la gran similitud que existe entre los resultados obtenidos con el MLM y el MGC. También es de interés apreciar que el error y la norma de la solución analítica presentada por Xamán (1999) sigue estando entre los errores y las normas de las estimaciones con uno y dos parámetros. La estimación con cuatro parámetros es, por lo tanto, la mejor estimación obtenida con el MGC para la Placa Caliente,
76
Capítulo 5 , Análisis de Eeesultados - Se presenta una discrepancia cuando se utilizan cinco parámetros.
Para este caso, el error aumenta. Al analizar la figura 5.22, se aprecia la
razón por la cual es mayor el error: el MGC con cinco parámetros no converge hacia los valores medidos. Esto se aprecia también en las curvas de la función de generación de calor que se muestran en la figura 5.23.
6.4 - 6.2 - -OENE-I~N DE CALOR u-
C"*TRO PARAMETROS
O 3000 am saa im ism im 21om 2 u m nom m ~ l l l 36000
t (e Figura 5.23. Comparación entre la función de generación de calor usada y las
funciones de generación de calor estimadas mediante el MGC para el caso de la Placa Caliente.
En la figura 5.23 se aprecia cómo la estimación de la generación de
calor con cinco parámetros diverge con respecto ai valor utilizado por xamán (1999).
- 5.7 APLICACIdN METODO GRADIENTE CONJUGADO PARA LA
CALOR DE LA OBTENCI6N DE LA FUNCI~N w GEHERACIÓN
GUARDA
A continuación, se presentan las funciones de generación de calor
obtenidas con varios parámetros mediante el MGC para la Guarda del APCG. Las ecuaciones 5.7.1-5.7.5 muestran estas funciones.
g p ( í ) = 390.473427722595 (5.7.1)
77
g,(t) = 467.438592563 193 - 0.0179475 164485702f (5.7.2)
g,(t) = 51 5.48504901395 - 0.047333923788972451 +3.13447620757063 x10 -6 f (5.7.3)
(5.7.4) g4(t)= 508.9467950736- 0.0399565593074995t + 1.278143041 19027 x 10-6t2
+ 1.271 1023626201 2 x 10-'ot'
g , ( f ) = 0.001 16458785733023+0.727063225737215f - 2.97985335186853 x 104f2 (5.7.5)
+ 4.303 11252642484 x w 8 t 3 -2.0413848073 1105 ~ 1 0 . ~ ~ 1 ~
En las figuras 5.24-5.28 se presentan las comparaciones entre las temperaturas medidas y las temperaturas estimadas mediante el MGC
para la Guarda del APCG:
. TEMPERATURA MEDIDA -TEMPERATURA ESTIM"DA
Figura 5.24. Comparación entre la temperatura medida y la temperatura estimada mediante el MGC para la Guarda del AFCG usando una función con un parámetro.
116-
3- - - TEMPEWTURA M E O l M -TEMPERnTURA ESTIMADA
o 600 im iam 2400 3- 3603 4200 4800 5400 6nn 6603 7x10 mm 8400 smo 9600 iomc t (S)
FIgura 5.25. Comparación en* la temperatura medida y la temperatura estimada mediante el M G C para la Guarda del APCG usando una función con dos parámetros
316
315
314
313
312
31 1
310
919 e 318 I-
307
. . .
. TEMPERATURA MEDIDA -TEMPEMTURn ESTlMAOA
llD o 600 tm iem 2 m a00 3603 ,200 rn ym 60(0 6603 7x0 78m mm aim san l o x
t (8)
Figura 5.26. Comparación entre la temperatura medida y la temperatura estimada mediante el MGC para la Guarda del APCG usando una función con tres parámetros.
7 9
/
Figura 5.27. Comparación entre la temperatura medida y la temperatura estimada mediante el MGC para la Guarda del AFCG usando una función con cuatro
parámetros.
t (e
Figura 5.28. Comparación entre la temperatura mediday la temperatura estimada mediante el MGC para la Guarda del APCG usando una función con cinco parámetros.
Se pueden apreciar ciertas discrepancias cuando se utilizan cinco parámetros para estimar la función de generación de calor. En la tabla 5.6 se muestran los errores relativos máximos y la norma de mínimos
Capítulo 5 , Puiálisis de Resultados
cuadrados para los diferentes parámetros utilizados.
Tabla 5.6. Norma de mínimos cuadrados y errores relativos máximos entre las temperaturas medidas y las temperaturas estimadas mediante el MGC para la Guarda.
1 Parámetros I Error Relativo 1 Norma de mínimos 1 1 2 3 4 5
X¿Ullán
Máximo (%) cuadrados 0.52 200.5644 0.24 28.4137 0.1876 13.5918 0.188 13.5020 0.58 126.8990 0.44 143.6557
Como se aprecia en la tabla 5.6, el error y la norma del resultado presentado por Xamán (1999) lo colocan entre los errores y las normas de las estimaciones con uno y con dos parámetros. La solución con menor error es la estimada con tres parámetros. Sin embargo, la menor norma de mínimos cuadrados se obtiene con la estimación con cuatro parámetros.
Las curvas de la función de generación de calor se muestran en la figura 5.29. En esta figura se puede apreciar la diferencia entre cada una de las funciones y como la función estimada con cinco parámetros diverge del valor utilizado experimentalmente.
4 3 - O E N E ~ A C I ~ N DE c a m USADA -UN PARAMETRO
1 1 -00s PARAMEmOS
39 -CUATRO PARAMEmOS -TRES PARAMETROS
-CINCO PARAMETROC 3 7
e 3 5 u 3 3
3 1
2 s
2 1
2 5
23
2 1 o m 1 m 1
t (S)
Figura 5.29. Comparación entre la función de generación de calor usada y las funciones de generación de calor estimadas mediante el MGC para el caso de la
Guarda. E l
- 5.8 C0MPARACIÓN ENTRE MÉTODO LEVENBERG-MARQUARDT Y -
& MÉTODO DEL GRADIENTE ~ N J U G A D O pARA PLACA
CALIENTE u GUARDA DEL APCG Por lo regular, no se tiene disponible la función de generación de
calor. En esos casos, la mejor aproximación que se utiliza es la que tiene la menor norma de mínimos cuadrados o el menor error. Para el MLM
aplicado a la Placa Caiiente la mejor aproximación se obtiene con cinco parámetros y aplicado a la Guarda es iguai, con cinco parámetros. Si se trata del MGC, la mejor aproximación se obtiene en la Placa Caliente con cuatro parámetros y en la Guarda con cuatro parámetros.
MLM
En las tablas 5.7 y 5.8 se comparan las mejores aproximaciones obtenidas por ambos métodos cuando se aplican a la Placa Caliente y a la Guarda, respectivamente.
MGC
Tabla 5.7. Comparación de las mejores aproximaciones obtenidas con los dos métodos a~iicados a la Placa Calimte.
I: p2
332.97815372759 3 18.742679702295
-16.7039593983905 x 10-3 -9.9630199266071 x 10-3
8 4
127.84144215005 x 10-8 48.5509865923229 x 10-8
-40.980756707161 x 10-*2 -7.4588111901 1275 x 10-12
I
Norma de mínimos cuadrados I 733.9622 758.9380
Capítulo 5 , Análisis de Rewitados
Parámetros
4 4 P,
Guarda MLM MGC
479.95876365591 508.9467950736
11.0621687297178 x 10-3
-20.72508750821 15 x 10-6
-39.9565593074995 x 10-3
1.278143041 19027 x 10-6
P, 1 35.1567172449916~ 10-101 1.2~10236s62012 x 10-10)
Error relativo máximo ~ ~ - 1 I -1.70179454741608~ 10-131 I e
o. 190 % 0.188 % Norma de mínimos cuadrados I 12.8747
En la figura 5.30 se muestran las temperaturas experimentales, las temperaturas analíticas reportadas por Xamán (1999), la mejor estimación
de temperaturas con el MLM y la mejor estimación de temperaturas con el MGC cuando se aplican a la Placa Caliente del APCG.
13.5020
En la figura 5.31 se compara la función de generación de calor reportada por Xamán (1999), la función estimada con el MLM y la función estimada con el MGC para la Placa Caliente del APCG.
o mo am ¶m lam 15ooo lam 21mm 24073 2x03 amo 33ooo 38ooo
f (S)
Figura 5.30. Comparación entre las temperaturas experimentales, las temperaturas analíticas (Xamán, 1999), las temperaturas estimadas con el MLM y las temperaturas
estimadas con el MGC, para la Placa Caliente del APCG.
83
Caoítulo 5, Análisis de t&sultados
5.4 ,
- A N A L ~ C A - MLM -MGC
11 O 3ni) ano nno ixao isom ,8000 21mo 2 m no03 mm moo 383a1
f (S)
Figura 5.31. Comparación entre la función de generación de calor anaiitica (Xamán, 1999), la función estimada con el MLM y la función estimada con el MGC, para la Placa
Caliente del APCG.
En la figura 5.32 se comparan las temperaturas experimentales, las temperaturas analíticas reportadas por Xamán (1999), las temperaturas estimadas con el MLM y las temperaturas estimadas con el MGC cuando se aplican a la Guarda del APCG.
En la figura 5.33 se hace la comparación correspondiente a la función de generación de calor analítica reportada por Xamán (1999), la función estimada con el MLM y la función estimada con el MGC cuando se aplican a la Guarda del APCG.
Caoítulo 5 , Análisis de Keesultados
t (S)
Figura 5.32. Comparación entre las temperaturas experimentales, las temperaturas analíticas (Xamán, 1999), las temperaturas estimadas con el MLM y las temperaturas
estimadas con el MGC, para la Guarda del APCG.
MLM -MGC -
Figura 5.33. Comparación entre la función de generación de calor analítica (Xamán, 1999), la función estimada con el MLM y la función estimada con el MGC, para la
Guarda del APCG.
8 5
Capítulo 5 , M i s i 5 de k 5 u k
En las figuras 5.30 a 5.33 se puede apreciar lo siguiente:
Las temperaturas estimadas mediante el MLM y el MGC se ajustan con un mejor grado de exactitud a las temperaturas medidas experimentalmente que la solución analítica reportada por Xamán (1999).
Las funciones de generación de calor estimadas mediante el MLM
y el MGC no convergen hacia la función analítica reportada por xamán (1999).
En el caso de la Placa Caliente hay cierto rango de valores donde las funciones de generación de calor estimadas se aproximan a la función analítica y como en un PITC no se conoce la función de generación de calor, ya que es la que se está estimando, se puede decir que representan con bastante exactitud el fenómeno que
estamos estimando.
Para la Guarda se aprecia una gran similitud entre las
temperaturas y las funciones de generación de calor estimadas con el MLM y las estimadas con el MGC.
Resumiendo los valores obtenidos en la aplicación del MLM y del MGC se presentan las tablas 5.9 y 5.10.
En el capítulo siguiente se presentan las conclusiones finales del presente trabajo de tesis.
86
m u
Parámetros utilizados en el caso de la Placa
Caliente
LM Cinco
GC
Tabla 5.9. Comparación de los parámetros y la norma de minimos cuadrados obtenidos mediante el MLM con los obtenidos mediante el MGC ai aplicarlos en la Placa Caliente del APCG.
Parámetro
T I Pa P3 P4 R x10" X l O * xlO-'= xlO-'E Pi
332.97815372759 -16.7039593983905 127.84144215005 -40.980756707161 4.63572450395972 733.962237440012
4.49690605177316~10~' 105.046812590406 -1105.1676ñ70157 428.273249391137 -55.2972463489129 8862.24398843898
LM h a t r o
GC
LM Tres
GC
758.591 272230575 318.710689444206 -9.96067561576903 48.3075677375673 -7.37468716488945
318.742679702295 -9.96301992660710 48.5509865923229 -7.45881119011275 758.938021366423
299.14460126386 -4.13265155846870 8.68571001291067 865.167921895700
86 5.167 92 189 5637 299.14460125556 -4.13265155746091 8.68571001035331
Dos
Uno
LM 2?9.951731636523 -1.07445934793319 1132. 17766300123
GC 279.951731636524 -1.07445934793922 11 32.17 76630 0123
LM 261.420918486553 18 91.63 93687 2665 .
1891.63935872665 GC 261.420918486553
m m
Parámetros utilizados en e l caso
Tabla 5.10. Comparación de los parámeiros y la norma de mínimos cuadrados obtenidos mediante el MLM con los obtenidos mediante el MGC al aplicarlos en la Guarda del APCG
Parámetro
LM
GC
LM
Guarda dela I Pi
479.95876365591 11.0621687297178 -20.7250875082115 35.1567172449916 -1.70179454741608 12.8747912899719
1.1645878573302~10~'~ 727.063225737215 -297.985~i5186853 430.311252642484 -20.4138480731105 126.89901831866
508.743870501761 -39.7619125625011 1.2338572913381 1.2993638084207 13.5019482848042
- Cinco
-
GC
LM Tres
GC
Pa x10-3
508.9467950736 -39.9565593074995 1.278143041190Z7 1.27110236262012 13.5020071594854
515.48504895845 -47.3339237594615 3.13447620466826 13.5918856152074
515.48504901395 -47.33392378897245 3.13447620757063 13.5918856152072
P3 x10"
LM Dos
GC
P4 x10-'0
467.438592563133 -17.9475164485702 28.4137238577033
467.438592563193 -17.9475164485702 28.4137238577033
P, x1013
LM Uno
GC
390.473427722595 200.564439791679
390.473 42 772 25 95 200.564439791679
6.1 CONCLUSIONES
Se aplicaron dos métodos de solución para problemas inversos de transferencia de calor, el Método de Levenberg-Marquardt y el Método del Gradiente Conjugado, a la Placa Caliente y a la Guarda del Aparato de
Placa Caliente con Guarda. El modelo físico involucra la ecuación de conducción de calor en coordenadas cilíndricas unidimensionales con condiciones de frontera convectivas y función de generación de calor desconocida. Se estima la función de generación de calor mediante una función polinomial con 1, 2, 3 , 4 y 5 parámetros. En el presente trabajo se utilizaron datos experimentales, a diferencia de Ozisik y Orlande (ZOOO),
que utilizan soluciones analíticas perturbadas.
Se estimaron cinco funciones para observar cual presentaba un
mejor ajuste con las mediciones experimentales de temperatura. Aún cuando existía una función para validar los resultados, normalmente no es
así. Además, la solución analítica no se ajustaba a los datos experimentales. Por lo tanto, se calculó el error relativo máximo y la norma de mínimos cuadrados para cada caso y así se pudo decidir cuál estimación es mejor para cada método.
En particular, se apreció que para la Placa Caliente se obtienen las mejores estimaciones con funciones de cinco parámetros para el MLM, y cuatro para el MGC. Para la Guarda las mejores estimaciones se obtienen
de igual manera.
Las estimaciones obtenidas mediante los métodos aplicados mostraron un error relativo máximo menor que el error de las soluciones
analíticas presentadas por Xamán (1999).
Sin duda, con los datos observados en este trabajo de tesis se puede apreciar que es mejor el Método de Levenberg-Marquardt para la
solución de Problemas Inversos de Conducción de Calor. El MGC no
90
Capítulo 6. Co~Iu5ianes
converge cuando utilizamos cinco parámetros en la estimación, mientras que el MLM converge mejor conforme se utiliza mayor cantidad de parámetros.
-- - -
Sin embargo, se debe recalcar que tan solo se utilizó una de las modalidades del MGC, en este caso la más parecida al MLM, para poder comparar ambos métodos.
Existen otros dos métodos del Gradiente Conjugado los cuales son: el Método del Gradiente Conjugado con Problema Adjunto para estimación de parámetros y el Método del Gradiente Conjugado con Problema Adjunto
para estimación de función. También se intentó aplicar estos métodos a la solución del problema, pero se encontraron ciertas dificultades en la implementación del código. Se dan a conocer como aportación a quienes deseen en el futuro trabajar con alguno de esos métodos.
La principal dificultad es el cambio que se hace en la consideración de las funciones, de discretas a continuas. Esto hace que en el análisis aparezcan integrales en lugar de sumatorias. Teóricamente no hay gran
relevancia, pero al implementar los códigos los valores no convergían a causa de la necesidad de un buen algoritmo para realizar las integraciones. El tiempo de duración del presente proyecto no permitió que
se pudieran obtener resultados concretos.
Otra dificultad más, se halla en el análisis teórico al hacer el
cambio de variable temporal, ya que en la literatura se menciona que hay que hacerlo, pero no se muestran los detalles de su implementación. Esto permanece incierto en cuanto a la forma en que se hizo.
Por último, está el hecho de los resultados son válidos dentro de cierto rango, por lo cual se sugiere tener mediciones disponibles para tiempos anteriores y posteriores al rango de interés.
9 1
Capítulo 6, Co~lusiows
Se debe hacer notar que el Método de Levenberg-Marquardt se encontró más flexible y fácil de implementar que el Método del Gradiente Conjugado.
- ___
- 6.2 RECOMENDACIONES x TRABAJOS FUTUROS Sin duda es de esperar que este trabajo de tesis sea de mucha
utilidad para aquellos que deseen utilizar estos métodos. Se ha tratado de especificar muchos detalles en el desarrollo teórico de la solución del problema. Sobretodo, se ha hecho una aplicación en coordenadas cilíndricas que dificilmente se hallará en algún otro trabajo desarrollado anteriormente.
También hay trabajo que queda pendiente a posteriori. Se reseñan
a continuación algunos de los que se han pensado:
Estimación de propiedades térmicas de materiales (e.g., conductividad térmica).
Aplicación a problemas en coordenadas cilíndricas en dos
dimensiones.
Incorporación de otros tipos de condiciones de frontera o
condiciones iniciales.
Utilizar más sensores en diferentes posiciones para obtener una
estimación con mayor grado de exactitud.
Limitar el rango de confiabilidad del método de solución dentro
de una zona de interés particular.
Bibliografía
Abramowitz, M. y I. Stegun, Handbook of Mathematical Functions with Formulas, Graphs and Mathematical Tables, Dover, New York, 1972.
Alifanov, O., “Determination of Head Loads from a Solution of the
Nonlinear Inverse Problem”, High Temperature, 15, 498-504, 1977.
Alifanov, O., Inverse Heat Transfer Problems, Springer-Verlag, New York, 1994.
ASTM, “ASTM-C- 177-97 Standard Test Method for Steady-State Thermal Properties by means of the Guarded-Hot-Plate Apparatus”, American Society for Testing and Materials, 1993 Annual Book of ASTM Standard, Vol. 04.06, Standard ANSIIASTM C-177-93, Philadelphia, pp. 1-18, 1993.
Beck, J. y K. Arnold, Parameter Estimation in Engineering and Science, Wiley Interscience, New York, 1977.
Beck, J., B. Blackwell y C. St. Clair, Inverse Heat Condudion ill-Posed Problems, Wiley Interscience, New York, 1985.
Bokar, J. y N. Ozisik, “An Inverse Analysis for Estimating the Time Varying Inlet Temperature in Laminar Flow Inside a Parallel Plate Duct”, Int. J. Heat Mass Transfer, 38, 39-45, 1995
Dennis, J. y R. Schnabel, Numerical Methods for Unconstrained Optimization and Nonlinear Equations, Prentice Hall, 1983.
Godunov, S., EcuaQ‘ones de la Física Matemática, Mir, Moscú, 1978.
Lira L., “Diseno y Construcción de un Instrumento para Medir la
Condudiuidad Térmica de Materiales Sólidos Aislantes“, Memorias del I1 Congreso de ANIIM, Chihuahua, Chih., pp 10 1- 105, 1997.
Ozisik, N., BoundaTy Value Problems of Heat Conduction, Dover, New York, 1989.
Ozisik, N,, Heat Conduction, Wiley, New York, 1993.
Ozisik, N. y H. Orlande, Inverse Heat Transfer: fundamentals and applications, Taylor &, Francis. New York, 2000.
Press, W., B. Flannery, S. Teukolsky y W. Wetterling, Numerical Recipes, Cambridge University Press, New York, 1992.
Salazar R., “Diseño, Construcción y Caracterización de un Equipo para Medir Conductiuidad Térmica de Materiales Aislantes en el Intervalo de Temperatura de -75°C a 250°C; Tesis de Maestría en Ciencias, CENIDET, Cuernavaca, Mor., México, Julio 1997.
Tikhonov, A., ‘Inverse Problems in Heat Conduction”, J. Eng. Phys., 29,
8 16-820, 1975.
Tikhonov, A. y V. Arsenin, Solution of ill-Posed Problems, Winstons & Sons,
Washington, D. C., 1977.
Xamán, J., “Análisis de la Transferencia de Calor de un Aparato para determinar la Conduch‘uidad Térmica de Matenales Aislantesq Tesis de Maestna en Ciencias, CENIDET, Cuernavaca, Mor., México, Agosto 1999.
9 4
A.1 SOLUCI~N DEL PROBLEMA DIRECTO PARA u PLACA CALEXTE -- El problema directo para la placa caliente está definido de la
siguiente forma:
O < r < b , t > O dZT 1 dT g( t ) .6(r -r ) 1 aT dr2 r dr 2 d r a di
1 -+--+ -
aT ar
k- + hT = hT, r = b . t > O
T = T , O l r l b . t = O
La solución para dicho problema se obtiene mediante el método de
la transformada integral de la siguiente manera (Ozisik, 1989):
Transformada integral b
T@,,t) = 1.‘. KO@,,,, r’). í“(r‘,z). dr‘ ,‘=O
Fórmula de inversión T(r,r)= ~ K o @ m , r ) . ~ ( / 3 , , , , t ) ,,,=I
Se obtiene el problema auxiliar de valores propios al utilizar la
versión homogénea del problema y aplicarle las siguientes identidades:
T(r, 1 ) = R(r). r(t), aT dR -=r-, ar dr
d2T d 2 R dr2
-=r--,
aT - = R - at dt
d 2 R 1dR 1 di r2+r--= R-- dr r dr a di
(A. 1.1)
(A.1.2)
(A.1.3)
(A.1.4)
(A.1.5.a)
9 5
1 d2R 1dR 1 1 CiT R [ dr2 +y%) =r( a,)=-p2 d 2 R 1 dR dr2 r d r
-~
-+-- = -P2R
d2R 1dR dr2 r dr - + - - + P 2 R O
la cual tiene la siguiente condición de frontera:
dR dr
k-+hR=O r = b
(A. 1.5. b)
(A. 1.6.a)
(A.1.6.b)
(A. 1.7)
De donde se obtiene la siguiente solución, en la cual se debe tener presente que la placa caliente involucra el origen donde se tiene un valor finito, tomando esto en cuenta la solución se expresa como:
Ro 6.1 = CIJO @r) (A. 1.8)
Aplicando la condición de frontera dada por la ecuación (A. l .7) , se obtiene
la siguiente solución:
n, ( D 7 ) = J o b ) (A. 1.9)
donde /3 se obtiene del siguiente problema de valor propio:
P ~ , c 8 b ) - ~ o c 8 4 = 0 (A. 1.10)
De acuerdo con el análisis realizado por Xamán (1999) no hay necesidad de utilizar más que la primera raíz, /3 , debido a que la contribución a la
distribución de temperaturas al incluir un segunda raíz es despreciable.
La norma se obtiene de la siguiente manera:
b
N , = jr‘ .R;@,r’) .dr’ ,‘=O
También, se puede expresar como:
(A. 1.11)
96
Al aplicar la ecuación (A. 1.10) se obtiene:
Con la norma, se determina el kernel K O ( p , r ) como
(A. I . i 2)
(A. 1.13)
(A.1.14)
Generalizando se puede compactar el kernel como:
KO @> r ) = CO (A. 1.15)
donde c0@) representa una función de Bessel de primera o segunda clase
o alguna combinación lineal de ellas.
Si se aplica la transformada integral a las ecuaciones (A.l.l), se obtiene:
donde
con lo cual, se tienen las siguientes ecuaciones diferenciales
(A. 1.16)
(A.1.17.a)
(A. 1.17.b)
(A.1.18.a)
97
ordenando los términos, resulta
(A. 1.18.b)
tomando la transformada integral de la condición inicial del problema (A. 1. l), se obtiene
La solución de la ecuación (A.1.18.b) sujeta a la condición inicial
(A.1.18.c) es directa y permite tener la transformada integral de la
temperatura T'@,t) . Si se sustituye la transformada integral resultante en
la fórmula de inversión (A. 1.3), se obtiene la solución del problema (A. 1. I)
de conducción de calor no homogéneo de condición de frontera como:
Finalmente, desarrollando toda la solución, se tiene:
hbTo e-uszr .co@r). -co @b) T(r, t ) =
P2k
.c, @b). dt ' a . bhT, k
: +,-UP" .Cop.). J
+ e - a ~ * l .c0@,). j e u ~ 2 "
1%
t ' 4 2 d
AI realizar las integrales, resulta ia expresión para T ( ~ , z ) como:
(A. 1.20)
Donde
N = -[ b 2 h2++P2k2 );@b) 2 p 2 k 2
(A. 1.21)
(A.1.22.a)
% @ 7 ) = J o o a > (A.1.22.b)
A.2 SOLUCIÓN DE LA ESTIMACI~N rn TEMPERATURAS PARA LA PLACA
CALIENTE
Para la solución del problema inverso, se considera la función desconocida de generación de calor gp( i ) parametrizada en la siguiente
forma lineal
(A.2.1.a)
Donde, P, son los parámetros desconocidos y Cl ( t ) son las funciones de
prueba conocidas (por ejemplo, polinomiales, de B-splines, etc). Además, el número total de parámetros, N , se especifica.
En este caso, se tiene una aproximación polinomial con 5 parámetros, lo cual se expresa como:
gp( t ) = 4 + P2t + P3t2 + P4/3 + P5t4 (A.2.1 .b)
En este caso, se necesita resolver la integral dada por:
t
jeUB''' . g(t'). d/' (A.2.2.a) !'=O
99
/edz1' . (4 + P2f' + P3tI2 + 4tI3 + PStf4). dt' 1 ' 4
(A.2.2.b)
(A.2.2.e)
(A.2.3)
1 O 0
Esta solución, es la expresión que se utiliza en la estimación de los parámetros.
A.3 SOLUCI~N DEL PROBLEBIA DIRECTO PARA -- LA GUARDA La formulación matemática del problema directo de conducción de
calor para la guarda está dada por las siguientes ecuaciones:
-+--+ i ü~ g( t ) .S(r -r 2 ) - i 81- 8~ b < r < d , t > O 3’ r dr 27th a at
- k - + h T = h T a f3T ar
r = b , t > O (A.3.1)
k- + aT hT = hT, r = d , t > O
T=T, b S r I d , t = O ar
La solución para dicho problema se obtiene mediante el método de
la transformada integral de la siguiente manera (Ozisik, 1989):
Transformada integral
Fórmula de inversión T(r , t )= fK ,@, , r ) .T@, , t )
d
T@,,t) = Ir’ .Ko(&r’). T(r’, t) . dr’ r‘=b
I F 1
Se obtiene el problema auxiliar de valor propio al utilizar la versión homogénea del problema de la siguiente manera:
T(r, 1 ) = R(r). r(i),
ar dr at dt
d 2 R 1dR 1 & r 7 + r - - = R - - dr r dr a dt
- = R -
(A.3.2)
(A.3.3)
(A.3.4)
(A. 3.5. a)
1 0 1
d 2 R 10% dr2 r dr
d2R 1dR - + - - + p 2 R = O dr2 r dr
- + -- = -P2R
La cual tiene las siguientes condiciones de frontera:
dR dr
- k- + hR = O
dR dr
k- + hR = O
r = b
r = d
De donde se obtiene la siguiente solución:
(A.3.5.b)
(A.3.6.a)
(A.3.6.b)
Con las condiciones de frontera dadas por las ecuaciones (A.3.7) se obtiene la siguiente solución:
(A.3.7.a)
(A.3.7.b)
donde p se obtiene del siguiente problema de valor propio:
Wl @ b ) + h J o @ b ) PK @b)+hYo@b) -BJ,@d)+hJo@d) - - P T @ d ) + h ~ o O E l ) = O
de acuerdo con el análisis realizado por Xamán (1999) solo es necesario utilizar la primera p en la determinación de la temperatura, debido a que
la contribución de incluir otras raíces es despreciable.
La norma se calcula de la siguiente manera:
d
N, = j r ' .&@,r') .dr ' r'=b
es decir
(A.3.8)
(A.3.9)
(A.3.10)
(A.3.11)
1 o2
d d
N = [r'.E@,r').úr'= 1 '9 i -d
evaluando y aplicando las ecuaciones (3.2.10) se tiene:
(A.3.12)
d 2 g @ , d ) - b2g@, h) (k' + p2k' ld2g@, d ) - b ' g @ , b)] 2 I= 2p2k2
Por lo tanto, el kernel K0(p,r) se formula como:
Generalizando, se puede rescribir el kernel como:
KO @9 r ) = Coon)
donde co@r) representa una función de Bessel de primera o segunda clase
o alguna combinación lineal de ellas.
Si se aplica la transformada integral a las ecuaciones (A.3.1), se tiene:
(A.3.13)
(A.3.14)
(A. 3.1 5)
(A.3.16)
donde
con lo cual se tienen las siguientes ecuaciones diferenciales:
b.hT, d . k T , - p' . T@, t ) + ~ .co @b) + ~. C0@) + -
k k 27dc a dt
(A.3.17.b)
(A.3.18.a)
Ordenando los términos, resulta: 1 o3
(A.3.18.b)
Tomando la transformada integral de la condición inicial del problema (A.3.1) se tiene:
(A.3.18.c)
La solución de la ecuación (A.3.18.b) sujeta a la condición inicial
(A.3.18.c) permite obtener la transformada integral de la temperatura
T(P , t ) . Sustituyendo la transformada integral resultante en la fórmula de
inversión (A.3.3) se obtiene la solución del problema (A.3.1) de conducción
de calor no homogéneo de condición de frontera, dada por la siguiente expresión: como
(A.3.19)
Finalmente, se desarrolla la ecuación (A.3.19) para obtener:
1 O 4
(A.3.20)
(A.3.21)
A.4 SOLUCIÓN & ESTIMACIÓN E TEMPERATURAS PARA LA
GUARDA
Para resolver el problema inverso, se considera como incógnita la
función de generación de calor g,(i) , la cual se puede expresar de la
siguiente forma lineal
1 o5
(A.3.22.b)
(A.4.1 .a)
donde P, son los parámetros desconocidos y Cj ( t ) son funciones de prueba
conocidas (por ejemplo, polinomiales, de B-splines, etc). Además, el
número total de parámetros, N , se especifica.
En este caso se tiene una aproximación polinomial con 5
parámetros, lo cual se expresa como:
(A.4.1 .b) g , ( / ) = p , +P2t +<t2+P4t3+<t4
Se aprecia en este caso de la Guarda, que al igual de la Placa
Caliente, se puede utilizar el resultado obtenido en (A.2.2) y sustituirlo en la solución (A.3.2 I), obteniéndose:
(A.4.2)
106 \
- B. 1 CONCEPTO B COEFICIENTE SENSIBILIDAD
La matriz de sensibilidad (3.4.3.a) juega un papel importante en los problemas de estimación de parámetros. Por lo tanto, se presentará una
discusión de la importancia fisica y matemática de los coeficientes de
sensibilidad y los métodos para su cálculo.
El coeficiente de sensibilidad J , , definido en la ecuación (3.4.3.c)
es una medida de la sensibilidad de la temperatura estimada con
respecto a los cambios en el parámetro P , . Un valor pequeño de la
magnitud de J , indica cambios grandes en P, y consecuentemente
cambios pequeños en T . Puede notarse, que la estimación del parámetro
P, es dificil en tales casos, debido básicamente a que el mismo valor de
temperatura sería obtenido por un intervalo grande de valores de P, . De
hecho, cuando los coeficientes de sensibilidad son pequeños, se tiene
/J'JI=O y el problema inverso está mal planteado. Se puede mostrar
también que IJrJl es nulo si alguna columna de J puede ser expresada
como una combinación lineal de las otras columnas (Beck y Arnold, 1977).
Por lo tanto, es deseable tener weficientes de sensibilidad J , linealmente
independientes con grandes magnitudes, de modo que el problema inverso no sea muy sensible a los errores de medición y se puedan obtener estimaciones aceptables para los parámetros.
Generalmente, las variaciones en el tiempo de los coeficientes de
sensibilidad y de (JTJ/ pueden examinarse antes de intentar una solución
para el problema inverso. Tales verificaciones dan una indicación de las
1 0 7
mejores posiciones del sensor y tiempos de medición a usar en el análisis
inverso.
- B.2 M&ODOS pg DETERXINACI~N COEFICIENTES pg
Existen varios métodos para el cálculo de los coeficientes de
SENSIBILIDAD
sensibilidad. A continuación, se presentan tres de tales métodos.
B.2.1 SoLUCIdN DIRECTA ANALfTICA Si el problema de conducción de calor es lineal y es posible obtener
una solución analítica para el campo de temperatura, los coeficientes de
sensibilidad con respecto a los parámetros desconocidos P, se determinan
derivando la solución con respecto a P, . Para el problema de este proyecto,
se tiene la expresión siguiente:
(E3.2.1.1.PC)
(B.2.1.1 .G)
B.2.2 M$TODO E PROBLEW JNJ VALOR u FRONTERA
Se puede desarrollar un problema de valor en la frontera para la
determinación de los coeficientes de sensibilidad, esto se obtiene al derivar el problema directo original con respecto a los coeficientes desconocidos. Si el problema directo de conducción de calor es lineal, la construcción del correspondiente problema de sensibilidad es directa. Para el problema de
esta tesis, el problema puede ser expresado de la siguiente manera:
1 oe
Jj(r,O)=O
W . ar k-+hJj = O
Jj(r,O)=O
r = d , t > O
b l r s d , t = O
Con ambos métodos, se tiene la siguiente expresión:
Q3.2.2.1 .PC)
Q3.2.2.1.G)
Q3.2.1.1.PC)
1 o9
B.2.3 lbROXIMACI6N DIFERENCIAS FINITAS
La primera derivada que aparece en la definición del coeficiente de sensibilidad, la ecuación (3.4.3.c), puede calcularse mediante diferencias finitas. Si se utiliza una diferencia adelantada, el coeficiente de
sensibilidad con respecto al parámetro P, se aproxima mediante:
- i j &Pj
(B.2.1.1.G)
(B.2.3.1)
donde &=lo” ó Si la aproximación de primer orden, ecuación
(B.2.3.1), no es lo suficientemente exacta, los coeficientes de sensibilidad pueden aproximarse usando unas diferencias centradas en la forma:
I ; k > P 2 ,... > PI +q ,..., PN)-q (q ,P2 y . . . , p, - f l l >...> P N ) (B.2.3.2) 2 8 ,
J , =
Se aprecia que la aproximación de los coeficientes de sensibilidad, dada por la ecuación (B.2.3.1) necesita el cálculo de N soluciones
adicionales del problema directo, mientras que la ecuación (B.2.3.2) requiere de 2N soluciones adicionales del problema. Por lo tanto, el
cálculo de los coeficientes de sensibilidad usando diferencias finitas puede tener un alto tiempo de cómputo.
__ c.1 CÓDIGO PARA LA APLICACIÓN DEL M~TODO DE LEVENBERG- MARQUARDT EN LA OBTENCI6N DE LOS PARhMETROS DE LA
FUNCIbN DE GENERACI6N DE CALOR DE LA PLACA CALIENTE
El siguiente código fue desarrollado en FORTRAN POWERSTATION
4.0. Ejecutado en una computadora Pentium Celeron a 466 M H z con
sistema operativo Windows ME.
PROGPAM LMPLACA IMPLICIT DOUBLE PRECISION (A-H, N-2) DIMENSION TMED (624,l) , TEST (624,l) , SENSJ( 624,5), SENCJT (5,624),
# POMEGA(5,5) , DELTAP (5,l) , PKl(5,l) , PK(5,l) , # YMENOST (624,l) , YMENOSTT (1,624), POMEGADIAG ( 5 , 5 ) , ASOL ( 5 , 5 ) , # BSOL(5,1), AASOL(5,6), G(624)
#SEIS/6.OD+00/,DOCE/12.OD+OO/,VCUATR0/24.OD+OO/ DATA UNO/1.OD+00/,DOS/2.OD+00/,TRES/3.ODtOO/,CUATR0/4.OD+OO/,
OPEN (1. FILE='TEMPMEDS .DAT' . . OPEN (2, FILE='RESULTADOS .DAT' ) ALFA = 0.000084D+O ! B = 0.0762DtO ! BETA = 1.3412280271432D+O ! CONDK = 204.OD+O ! H = 14.OD+O ! PI = 4.OIxO*DATAN(1. OD+O) R = 0.0762D+O ! R1 = 0.05380+0 ! TAMB = 302.378D+O ! TIN1 = 302.3781)+0 ! UK = 0.001Dto EPSl = lO.OD+O KK = o !
= 5 ! !
MM LL = 624 TINT = 960.0IxO ! B2 = B*B H2 = H*H BETA2 = BETA*BETA CONDIO = CONDK*CONDK
COEFICIENTE DE DIFUSIVIDAD TERMICA RADIO EXTERIOR DE LA PLACA RAIZ DE EIGENVALOR CONDUCTIVIDAD TERMICA COEFICIENTE CONVECTIVO
POSICION DE LOS TERMOPARES POSICION DE LA FUENTE DE CALOR TEMPERATURA AMBIENTE TEMPERATURA INICIAL DE LA PLACA
CONTADOR DE ITERACIONES NÚMERO DE PAPAMETROS CANTIDAD DE MEDICIONES DE TEMPERATURA INTERVALO DE TIEMPO
C LECTURA DE LOS DATOS DE MEDICION DE TEMPERATURA DO 10 I=l,LL
R& (1, *)Y TMED(I.1) = Y
10 CONTINLTE C INICIALIZACION DE LOS PAWUíETROS
DO 20 I=l,MM PK(I.1) = UNO
20 CONTINUE C DECLAPACIÓN DE VALORES CONSTANTES
ROR = BJO(BETA*R) ROB = BJO(BETA*B) RORl = BJO(BETA*Rl) ROB2 = ROB'ROB
1 1 1
NORMA CONSTl = TINI*ROR*ROB*BtH/(BETAZ*NORMAtCONDK) CONST2 = H*TAMB*ROR*B*ROB/ (BETAZ*CONDK*NORMA) CONST3 = ALFA*ROR*RORl/(DOS*PI*CONDK*NORMA) AlB2 = ALFA*BETA2 A2B4 = A1BZtA1B2 A3B6 = AlBZ*A2B4 A4B8 = A2B4*A2B4 A5B10 = AZB4*A3B6
= (H2 t BETA2*CONDK2) *B2*ROB2/ (DOStBETA2+CONDK2)
C CALCULO DE LA MATRIZ DE SENSIBILIDAD DO 70 I = 1,LL
T = (I-l)*TINT AA = EXP(-AlBE'T) BB = l - A A AlBZTl = ALFA*BETAZ*T A2B4T2 = AlBZTl*AlBZTl A3B6T3 = AlBZTl*A2B4TZ A4B8T4 = A2B4TZtA2B4T2 SENSJ(1,l) = CONST3*BB/AlBZ SENSJT(1,I) = SENSJ(1,l) SENSJ(I,2) = CONST3'(AIB2Tl - BB)/AZB4 SENSJT(2,I) = SENSJ(I.2) SENSJ(I,3) = CONST3* (AZB4T2 - DOS*AlBZTl + DOS'BB) /A3B6 SENSJT(3,I) = SENSJ(I,3) SENSJ[I,4) = CONST3*(MB6T3 - TRESfA2B4T2 t SEIS*AlBZTl -
# SEIS*BB) /A4BB SENSJT(4,I) = SENSJ(I,4) SENSJ(1,S) = CONST3*(A4BBT4 - CUATRO*A3B6T3 t DOCE'A2B4T2 - SENSJT(5,I) = SENSJ(I,5)
# VCUATRO*AlB2Tl + VCUATRO*BB)/A5B10 70 CONTINUE C CALCULO DE LA MATRIZ POMEGADIAG Y LA MATRIZ POMEGA
DO 71 I = 1,MM DO 72 J = 1,MM
PROD = 0.0DtO DO 73 K = 1,624
PROD = PROD + SENSJT(I,K)*SENSJ(K,J) 73 CONTINUE
poMEGA(1,J) = PROD IF (1.EQ.J) THEN
ELSE
ENDIF
POMEGADIAG(1, J) = PROD
POMEGADIAG(1, J) =O. OD+O
72 CONTINUE 71 CONTINUE C CALCULO DE LAS TEMPEFlATUFUE 130 DO 30 I = l,LL
T = (I-l)*TINT AA = EXP (-AlBZ'T) BB = l - A A A1B2T1 = ALFA*BETA2*T AZB4T2 = AlBZTl'AlBZTl A3B6T3 = AlBZTl'AZB4T2 A4B8T4 = A2B4TZtA2B4T2 TEST(1,l) = CONSTl*AA + CONSTZ*BB t
CONCT3'f fBB/AlB2) *PK(l, 1) + + t ((A3B6T3 - TRES*A2B4T2 t .SEIS*AlBZTl -
+ ((A4B8T4 - CUATRO'MB6T3 + DC€E*AZB4T2 -
( (AlB2Tl - BB) /AZB4) *PK(2,1) ((AZB4T2 - DOStA1B2T1 + DOS*BB)/A3B6)*PK(3,1)
SEIS*BB)/A4B8)*(PK(4,1))
VCUATROtA1B2T1 + VCUATRO'BB) /A5B10) *PK(5,1)
1 1 2
30 C
50 C
KO
C
140
90 80
110
100
112
111
117 116
# 1 CONTINUE
CALCULO DE Y - T(P) Y SU TRANSPUESTA DO 50 I = 1. 1.T. ~, __
YMENOST(Itl) = TMED(1,l) - TEST(1,l) YMENOSTT(1,I) = YMENOST(1,l)
CONTINUE CALCULO DE S (P)
PROD = O.ODtO DO KO I = ~ . L L
PROD = PROD t YMENOSTT(l,I)*YMENOST(I,i) CONTINUE SDEP = PROD
WRITE(*,*)KK, SDEP IF(KK.EQ.100) THEN
WRITE(', * ) '¿,CONTINUAMOS?' READ (*, * ) LLL IF(LLL.EQ.0) GOTO 150
ENDIF VERIFICACION DEL CRITERIO DE CONVERGENCIA
IF (KK.EQ.0) THEN SDEPO = SDEP
ELSE IF (SDEP.GE.SDEP0) THEN
UK = UK*lO.ODtO GOTO 140
ELSE UK = 0.1DtO'UK IF(SDEP.LT.EPS1) GOTO 150
ENDIF
RESOLUCION DEL SISTEMA DADO POR EL PROCESO ITERATIVO DEL KETODO DE LEVENBERGMARQUARDT
ENDIF
KK = KKt1 DO 80 I = 1.m
DO 90 J = 1,MM
CONTINUE ASOL(1,J) = POMEGA(1,J) t UK*POMEGADIAG(I,J)
CONTINUE DO 100 I = l,m
PROD = O.OD+O DO 110 K = l,LL
CONTINUE BSOL(1,l) = PROD
PROD = PROD t SENSJT(I,K)*YMENOST(K,l)
CONTINUE M = MMt1 L = MM-1 DO 111 I = l , m
DO 112 J = 1,MM
CONTINUE AASOL(1.M) = BSOL(I.1)
AASOL(1, J) = ASOLiI, J)
CONTINUE DO 115 K = l,L
KP = Kt1 DO 116 I = KP,MM
QT = AASOL (I, K) / M O L (K, K) DO 117 J = KP,M
AAS0LíI.J) = AAS0LíI.J) - QT'AAS0LíK.J) CONTINUE
CONTINUE DO 118 I = KP,m
1 1 3
118 115
114
119 C
120.
150
AnsOL(1,K) = O CONTINUE
CONTINUE
SUM = o I = m - m IP = 1 + 1 DO 114 J = 1P.m
SUM = SUM + AASOL(I,J)*DELTAP(J,l) CONTINUE
CALCULAR LA NUEVA ESTIMACION DE P(K+l) DO 120 I = 1,MM
PKl(I,l)= PK(1,l) + DELTAP(1,l) PK(I,l) = PKl(1,l)
CONTINUE GOT0 130
WRITE ( 2 , * ) PK(1,l) , PK(2,l) , PKí3,l) , PK(4,l) , PK(5,l) WRITE(2,*)SDEP
T = (I-1)'TINT DO 160 I = 1,LL
G(1) = PK(1,l) + PK(2.1) *T + PK(3,l) * (T**2) + PK(4,l) * (T**3) WRITE(2,*)TMED(I,l), TEST(I,l), G(1)
# + PK(5,l) (T**4) 160 CONTINUE
STOP END
C C C BJO Calcula los valores de la función de Bessel J(x) de orden O, C i.e. JO(x). Basado en las fórmulas de Abrmowitz y C Stegun. Solo para valores positivos de x . C C
DOUBLE PRECISION FUNCTION BJO(X) IMPLICIT DOUBLE PRECISION (A-H,O-Z) DATA ZERO/O.OD+OO/,ONE/1.OD+OO/,THREE/3.OD+00/
C IF(X.LT.ZER0) THEN
WRITE ( ,lo)
STOP 10 FORMAT ( ' ' , 'SOLO VALORES POSITIVOS DE X EN BJO - FIN'
ENDIF IF(X.LE.THREE) THEN
XX = (X/THREE)**2 SUM = ZERO SUM = XX*(-2.2499997D+O + XX*(1.2656208D+O + XXf(-0.3163866D+0
# + XXi(0.0444479D+0 + XX*(-0,0039444D+O + # xx*o.ooo21ooD+o))))~
BJO = ONE + SUM ENDIF IF fX . GT . THREE) THEN
XX = THREE/X FO = 0.79788456D+0 + XXt(-0.00000077D+O + XX*(-O.O055274OD+O +
# XX*(-O.O0009512D+O + XX+(0.00137237D+O + # XX*(-O.O0072805D+O + XX*O.O0014476D+O)))))
TO = X - 0.78539816D+0 + XX*(-O.O4166397D+O + # XX*(-O.O0003954D+O + XX*(O.O0262573D+O + # XX*(-O.O0054125D+O + XX*(-O.O0029333D+O # + XX*O.O0013558D+O)))))
BJO = FO*COS (TO) /DSQRT (X)
1 1 4
ENDIF RETURN END
C C C BJ1 Calcula los valores de la función de Bessel J(x) de orden 1, C i.e. Jl(x). Basado en las fórmulas de Abramauitz y C S t e w . Solo para valores positivos de x . C C
DOUBLE PRECISION FUNCTION BJl(X) IMPLICIT DOUBLE PRECISION (A-H,O-Z) DATA ZERO/O.OD+00/,ONE/1.ODtOO/,TW0/2.OD+OO/,THREE/3.OD+OO/
IF (X.LT. ZERO) THEN C
WRITE(*,lO) FORMAT(' ','SOLO VALORES POSITIVOS DE X EN BJ1 - FIN') STOP
10
ENDIF IF(X.LE.THREE) THEN
XX = (X/THREE)**2 SUM = ZERO SUM = XX*(-O.S6249985D+O + XX*(O.21093573D+O +
# xX*(-O.O3954289DtO + XX*(O.O0443319D+O + # XX*(-O.O003176lD+O + XX*O.00001109D+OI~I~I
BJ1 = (ONE/TWO t SUM)*X ENDIF IF (X .GT. THREE) THEN
XX = THREE/X F1 = 0.79788456D+O t XX*(0.00000156D+O + XX* (0.01659667D+O t
# XX*(0.00017105DtO + XX*(-O.O0249511D+O t # XXt(0.00113653D+0 - XX'O.O0020033D+O))))) # XX*(O.O000565DtO + XX*(-O.O0637879DtO t # XXi(0.00O74348D+O t XX*(O.O0079824DtO # - XX*0.000291660+0)))))
T1 = X - 2.35619449D+O + XXf(0.124996l2D+O +
BJ1 = Fl*COS (Tl) /DSQRT (X) ENDIF RETURN END
c.2 C~DIGO PARA LA APLICACI6ñ DEL m " O D O DE LEVENBERG-
m Q U A R D T EN LA oBTENCI6N DE LOS PARÁMETROS DE LA
FUNCI~N gg GENERACIÓN gg CALQR GUARDA
El siguiente código fue desarrollado en FORTRAN POWERSTATION 4.0. Ejecutado en una computadora Pentium Celeron a 466 MHz con sistema operativo Windows ME.
PROGRAM LMGUARDA IMPLICIT DOUBLE PRECISION(A-H,N-2) DIMENSION TMED (3 4 5,l) , TEST (34 5,l) , SENS J (34 5,5 ) , SENS JT (5,345 ) ,
# POMEGA(5,5) , DELTAP (5,l) , PK1(5,1) , PK(5 I 1) I # YMENOST(345,1), YMENOSTT(1,345),POMEGADIAG(5,5), ASOL(5,5), # BSOL(S,l), AASOL(5,6), G(345) DATA UNO/1.ODtOO/,DOS/2.OD+OO/,TRES/3.ODtOO/,CUATR0/4.ODf00/,
# SEIS/6.OD+OO/, DOCE/12.OD+OO/,VCUATRO/24.0D+OO/
1 1 5
.
OPEN(1, FILE='TEMPMED~.DAT') OPEN (2, FILE=' RESULTADOS .DAT ' ) ALFA = 0.000084D+O B = 0.0762DtO D = 0.1524 BETA = 1.34149388595858~to CONDK = 204.OD+O H = 14.ODtO PI = 4.OD+O*DATAN(1.ODtO) R = 0.1524D+0 R2 = 0.0983Dt0 TAMB = 300.39D+O TIN1 = 300.39DtO UK = O.OOlD+O EPSl = lO.OD+O KK = o MM = 5 u2 = D*D B2 = B*B H2 = H*H BETA2 = BETA*BETA CONDK2 = CONDK*CONDK
C LECTURA DE LOS DO 10 I = 1,345
READ (1, )Y TMED(1,l) = Y
10 CONTINUE C INICIALIZACION
DO 20 I = 1,MM
20 CONTINUE C DECLARACI~N DE
PK(1,l) = 1
! COEFICIENTE DE DIFUSIVIDAD TERMICA ! RADIO INTERIOR DE LA GUARDA ! RADIO EXTERIOR DE LA GUARDA ! RAIZ DE EIGENVALOR ! CONDUCTIVIDAD TERMICA ! COEFICIENTE CONVECTIVO
! POSICION DE LOS TERMOPARES ! POSICION DE LA FUENTE DE CALOR ! TEMPERATURA AMBIENTE ! TEMPERATURA INICIX DE LA GUARDA
DATOS DE MEDICION DE TEMPERATURA
DE LOS PARAMETROS
VALORES CONSTANTES DEN1 = -CONDK*BETA*BJl (BETA'D) +H*BJO (BETA*D) DEN2 = -CONDVBETA*BYl (BETA*D) tH*BYO (BETA*D) ROR = BJO (BETA*R) /DEN1 - BY0 (BETA'R) /DEN2 ROB = BJO (BETA*B) /DEN1 - BY0 (BETA*B) /DEN2 ROD = BJO (BETA*D) /DEN1 - BY0 (BETA'D) /DEN2 ROR2 = BJO (BETA'W) /DEN1 - BY0 (BETA*R2) /DEN2 ROD2 = ROD*ROD ROB2 = ROB*ROB NORMA = (H2 + BETAZ'CONUKZ) * (DZ'ROD2 -B2*ROB2) / (DOS'BETAZ*CONDIQ) CONSTl = H+TINI*ROR* (D'ROD + B'ROB) / (BETM'CONDICNORMA) CONST2 = H*TAMB*ROR* (B*ROB + PROD) / (BETAZ*CONDICNORMA) CONST3 = ?+LFA*ROR*ROR2/(DOS*PI'CONDK*NORMA) A1B2 = ALFA*BETAZ A2B4 = AlB2*AlB2 A3B6 = AlB2*AZB4 A4B8 = AZB4*AZB4 A5B10 = A2B4*A3B6
DO 70 I = 1,345 C CALCULO DE LA MATRIZ DE SENSIBILIDAD
T = (1-1)*30.OD+O AA = EXP(-AlB2*T) BB = l - A A AlB2T1 = AlB2'T A2B4T2 = A1B2TltA1B2T1 A3B6T3 = A1B2TlfA2B4T2 A4B8T4 = AZB¶T2*AZB4TZ SENSJ(1,l) = CONST3*BB/AlB2 sENsJT(1,I) = SENSJ(1,l) SENSJ(1,Z) = CONST3+(AlBZT1 - BB)/AZB4 sENSJT(2,I) = SENSJ(1,Z) SENSJ(I,3) = CONST3*(MB4T2 - DOS'AlB2Tl + DOS*BB) IA3B6
1 1 6
70 C
73
72 71 C 130
30 C
50 C
60
C
SENSJT(3,I) = SENSJ(I,3) SENSJ(I,4)
# SEIS'BB) /A4B8 SENSJT(4,I) = SENSJ(I,4) SENSJ(1,S)
SENSJT(5,I) = SENSJlI.5)
= CONST3* (A3B6T3 - TRES*AZB4T2 + SEIS'AlBZTl -
= CONST3*(A4B8T4 - CUATRO*A3B6T3 + DOCE*AZB4T2 - # VCUATRO*AlBZTl + VCUATRO*BB)/A5B10 CONTINUE
DO 71 I = 1,MM DE LA MATRIZ POMEGADIAG Y LA MATRIZ POMEGA
DO 72 J = 1,MM PROD = O . O M O DO 73 K = 1,345
CONTINUE POMEGA(1,J) = PROD IF (1.EQ.J) THEN
ELSE
ENDIF
PROD = PROD + SENSJT (I, K) *SENS J (K, J)
POMEGADIAG(1,J) = PROD
POMEGADIAG(I,J)=O.OD+O
CONTINUE
CAZCULO DE W TEMPERATURAS
T = (1-1)*3O.OD+O AA = EXP(-AlB2'T) BB = 1 - A A AlB2T1 = ALFA*BETAZ*T A2B4T2 = A1B2TltA1B2T1 A3B6T3 = AlB2Tl*A2B4T2 A4B8T4 = A2B4TZtA2B4T2 TEST(1,l) = CONSTl*?iA + CONSTZ*BB +
# CONST3* ( (BB/AlBZ) *PK(l, 1) # + ((AlB2Tl - BB)/AZB4)*PK(2,1) # + ((AZB4T2 - DOS'AlBZTl + DOS*BB)/A386)*PK(3,1) # t ((A3B6T3 - TRES*A2B4T2 t SE1StA1B2T1 - # SEIC*BB)/A4BS)*(PK(4,1)) # + ((A4BET4 - CUATRO*A3B6T3 + DOCE*A2B4T2 - #
CONTINUE
DO 30 I = 1,345
VCUATRO*AlB2Tl + VCUATRO'BB) /A5B10) *PK(5,1)
# 1 CONTINUE
DO 50 I = 1,345 CALCULO DE Y - T(P) Y SU TRANSPUESTA
YMENOST(1,l) = TMED(1,l) - TEST(1,l) YMENOSTT (1, I) = YMENOST (I, 1)
CONTINUE CALCULO DE S(P)
PROD = O.ODtO DO 60 I = 1,345
CONTINUE PROD = PROD + mENosTT(l,I)*n?ENOST~I,~)
SDEP = PROD WFZTE(*,*)KK, SDEP
IF (KK.EQ. 100) THEN WRITE (*, * ) '¿CONTINUAMOS?' READ (*, * ) LL IF(LL.EQ.0) GOT0 150
ENDIF VERIFICACION DEL CRITERIO DE CONVERGENCIA
IF (KK.EQ.0) THEN SDEPO = SDEP
ELSE
1 1 7
C C 140
90 80
110
100
112
111
117 116
118 115
114
119 C
120
150
IF (SDEP.GE.SDEP0) THEN UK = UK*lO.ODtO GOTO 140
UK = O.lDtO*uK ELSE
IF(SDEP.LT.EPS1) GOTO 150 ENDIF
ENDIF RESOLUCION DEL SISTEMA DADO POR EL PROCESO ITERATIVO DEL METODO DE LEVENBERG-MARQUARDT
KK = KKt1 DO 80 I = 1 , M M
DO 90 J = 1 , M M ASOL(1,J) = POMEGA(1,J) t UK*POMEGADIAG(I,J)
CONTINUE CONTINUE DO 100 I = l,MM
PROD = O.ODt0 DO 110 K = 1,345
CONTINUE BSOL(1,l) = PROD
PROD = PROD + SENSJT(I,K)*YMENOST(K,l)
CONTINUE M = MM+1 L = MM-1 DO 111 I = 1,MM
DO 112 J = l,MM AASOL(1, J) = ASOL(1, Jl
CONTINUE AASOL(1.M) = BSOLlI.1)
CONTINUE DO 115 K = l,L
KE' = Kt1 DO 116 I = KP,MM
QT = AASOL (I , K) / M O L (K, K) DO 117 3 = KP,M
CONTINUE AASOL(1,J) = AASOL(1,J) - QT*AASOL(K,J)
CONTINUE DO 118 I = KP,MM
CONTINUE AASOL(1.K) = O
CONTINUE DELTAPIMM.11 = AASOL(MM,M)/AASOL(MM,MM) . . DO 119 MN = l,L
SUM = o I = M M - M N IP = 1 + 1 DO 114 J = IP,MM
CONTINUE DELTAPíI.1) = IAASOL(1,M) - SUM)/ AASOL(I,I)
SUM = SUM t AASOL(I,J)*DELTAP(J,l)
CONTINUE CALCULAR LA NUEVA ESTIMACION DE P(Kt1)
DO 120 I = l,MM ' PKlí1.1)= PK(I.11 + DELTAP(1,l) . . . . . .
PK(I.1) = PKl(1,l) CONTINUE GOTO 130
WRITE (2, * ) PK( 1,l) , PK(2,l) , PK(3,l) , PK(4,l) , PK(5,l) WRITE(Z,*)SDEP
T = (1-1)*30.OD+00 DO 160 I = 1,345
1 1 8
G(l) E PK(l,l) + PK(2,1)*T t PK(3,1)*(T**2) t pK(4,1)*(~**3) # t PK(5,1)*(T'*4)
WRITE (2, * ) TMED (I, 1) , TEST (I, 1) , G ( I) 160 CONTINUF.
STOP END
C C C C C C C
C
C C C C C C C
C
BJO Calcula los valores de la función de Bessel i.e. JO(x). Stegun.
J(x) de orden O, Basado en las fórmulas de Abramowitz y
Solo para valores positivos de x.
DOUBLE PRECISION FUNCTION BJO (X) IMPLICIT DOUBLE PRECISION (A-H, O- Z) DATA ZERO/O.ODtOO/,ONE/1.OD+OO/,TW0/2.OD+OO/,THREE/3.ODt00/
IF(X.LT.ZER0) THEN WRITE(*, 10)
STOP 10 FORMAT(' I , 'SOLO VALORES POSITIVOS DE X EN BJO - FIN')
ENDIF IF(X.LE.THREE) THEN
XX = (X/THREE)**2 SUM = ZERO SUM = XX*(-2,2499997D+O t XX'(1.2656208DtO t XX*(-0.3163866DtO
# t xx* (0.0444479DtO t XX* (-0.0039444DtO + # XX*0.0002100DtO)))))
BJO = ONE + SUM ENDIF IF(X.GT.THREE) THEN
xx = THREEIX FO = 0.79788456D+0 t XX*í-O.OOOOOO77D+O t XXf(-0.00552740Dt0 +
# XX*(-O.O0009512D+O t XX*(O.O0137237D+O t # XX*(-O.O0072805DtO t XX'0.00014476DtO)))))
TO = X - 0.78539816DtO t XX*(-O.O4166397D+O t # XX*(-O.O0003954DtO t XXf(0.00262573Dt0 t # XX*(-O.O0054125D+O + XX*(-O.O0029333DtO # t XX*O.O0013558DtO)))))
BJO = FO'COS (TO) /DSQRT (X) ENDIF . RETURN END
BJ1 Calcula los valores de la función de Bessel J(x) de orden 1, i.e. Jl(x). Basado en las fórmulas de Abramowitz y S t e m . Solo para valores positivos de x.
DOUBLE PRECISION FUNCTION BJl(X) IMPLICIT DOUBLE PRECISION (A-H,O-Z) DATA ZERO/O.OD+OO/,ONE/1.ODtOO/,TW0/2.ODtOO/,THREE/3.ODtOO/
IF(X.LT.ZER0) THEN WRITE(*, 10)
STOP 10 FORMAT ( ' ' , 'SOLO VALORES POSITIVOS DE X EN BJ1 - FIN' )
ENDIF IF(X.LE.THREE) THEN
XX = iX/TmEE)**2 SUM = ZERO SUM = XXt(-0.56249985Dt0 t XX*(O.Z1093573D+O +
1 1 9
# # XXt(-0.00031761M0 + XX*O.OOOOllO9D+o)))))
XX* (-0.03954289D+O + XX*(O.O0443319D+o +
BJ1 = (ONE/TWO + SUM)*x ENDIF IF (X. GT. THREE) THEN
XX = THREE/X F1 = 0.79788456D+O + XX*(0.00000156D+O + XX*(0.01659667D+O +
# XX*(0.00017105D+O + XXt(-0.00249511D+0 + # XX*(0.00113653D+O - XX*0.00020033D+O))))) # XXt(0.0000565D+0 + XX*(-O.O0637879D+O + # XX*(O.O0074348D+O + XX*(0.00079824D+O # - XX'O.O0029166D+O)))))
T1 = X - 2.35619449D+O + XXi(0.12499612D+0 +
BJ1 = Fl*COS (T11 /DSQRT (XI ENDIF RETURN END
C C C BY0 calcula los valores de la función de Bessel Y(x) de orden O, C i.e. YO(x). Basado en las fórmulas de Abramowitz y C stegun. solo para valores positivos de x. C C
DOUBLE PRECISION FUNCTION BY0 (X) IMPLICIT DOUBLE PRECISION (A-H.0-2) DATA ZERO/O.OD+OO/,ONE/l.OD+OO/,TW0/2.OD+OO/,THREE/3.OD+OO/ PI = 4.OD+O*DATAN(l.ODtOI ANATLOG = DLOG(X/TWOl
IF(X.LT.ZER0) THEN C
WRITE (*, 10) 10 FORMAT(' '.'SOLO VALORES POSITIVOS DE X EN BY0 - FIN') . .
STOP ENDIF IF(X.LE.THREE) THEN
XX = (X/THREE)"2 SUM = ZERO SUM = XX*(O.60559366D+O + XX*(-0,74350384D+O + XXi(0.25300D+O
# + XX'í-O.O4261214D+O + XXt(0.00427916D+0 - # XX*O.00024846D+O)))ll
BY0 = (TWO/PI)*ANATLOG*BJO(Xl + 0.36746691D+O + SUM ENDIF IF (X . GT. THREE) THEN
XX = THREE/X FO = 0.79788456D+O + XX*(-O.OOOOOO77DtO + XX*(-O.O0552740D+O +
# XX*(-O.O0009512D+O + XX*(O.O0137237D+O + # XX*(-O.O0072805D+O + XX*0.00014476D+O)l))l
TO = X - 0.78539816D+O + XXi(-O.04166397D+O t # XX*(-O.O0003954D+O + XX'(0.00262573D+O i # XX*(-O.O0054125D+O + XX*(-O.O0029333D+O # + xx*o.ooo13558D+o)))ll
BY0 = FO*DSIN(TO) /DSQRT (X) ENDIF RETURN END
C C C BY1 Calcula los valores de la función de Bessel J(X) de orden 1, C i.e. Ji(x). Basado en las fórmulas de Abramowitz y C stegun. solo para valores positivos de x. C C
120
-. ..
DOUBLE PRECISION FUNCTION BYl(X) IMPLICIT DOUBLE PRECISION (A-H,O-Z) DATA ZERO/O.ODt~0/,ONE/1.ODI-00/,TW0/2.ODtOO/,THREE/3.ODf00/ PI = ~.OD~O*DATAN(~.OD~O) ANATLOG = DLOG(X/TWO)
IF(X.LT.ZER0) THEN C
WRITE ( * , 10) FORMAT(' STOP
10 ','SOLO VALORES POSITIVOS DE X EN BY1 - FIN')
ENDIF IF (X. LE. THREE) THEN
XX = (X/THREE)**2 SUM = ZERO SUM = XX*(0.2212091D+O + XX*(2.1682709DtO t
# XXt(-1.3164827D+0 + XX'(0.3123951 + # XX*(-O.O400976D+O t XX'O.OO27873DtO)))))
BY1 = (TWO/PI)*ANATLOG*BJl(X) t(- 0.6366198Dt0 f SUM)/X ENDIF IF (X . GT. THREE) THEN
xx = THREE/X F1 = 0.79788456D+0 t XX*(0.00000156D+O + XX*(O.O1659667DtO t
U XX*(O.O0017105D+O + XX*(-O.O024951iD+O t # XX*(O.O0113653D+O - XX*O.O0020033D+O)))))
T1 = X - 2.35619449D+0 t XX'(0.12499612DfO t U XX*(O.O000565D+O t XX*(-O.O0637879D+O t # XX*(O.O0074348D+O t XX*(O.O0079824D+O U - XX*O.O0029166DtO)))))
BY1 = Fl*DSIN(Tl)/DSQRT(X) ENDIF RETURN END
1 2 1
- D.1 =DIGO PARA LA APLICACIÓN DEL M~TODO DEL GRADIENTE ~
CONJUGADO EN LA OBTENCI~N DE LOS PARAMETROS DE LA
FWNCIdN DE GENERACI~N DE CALOR DE LA PLACA CALIENTE
4.0.
El siguiente código fue desarrollado en FORTRAN POWERSTATION Ejecutado en una computadora Pentium Celeron a 466 MHz con
sistema operativo Windows ME.
PROGRAM GCPLACA IMPLICIT DOUBLE PRECISION(A-H,N-2) DIMENSION Y(624), PK(5), TEMP(624), SJ(624,5), SJT(5,624),
# TMENOSY (624) , YMENOST( 624), GRADS (5), GRADS1 (5), DESC (5), #DESC1(5), SJD(624), G(624)
# SEIS/6.ODtOO/,DOCE/12.ODtOO/,VCUATR0/24.OD+00/, CERO/O.OD+O/ DATA UNO/1.OD+OO/,M)S/2.OD+OO/,TRES/3.ODt00/,CUATR0/4.OMOO/,
OPEN (1, FILE='TEMPMED. DAT' ) OPEN (2, FILE=' RESULTADOS .DAT ' ) ALFA = 0.000084D+O ! COEFICIENTE DE DIFUSIVIDAD TERMICA B = O.O762D+O BETA = 1.3412280271428D+0 ! RAIZ DE EIGENVALOR
! RADIO EXTERIOR DE LA PLACA
CONDK = 204.OD+O EPSl = 1892.0Dt0
! CONDUCTIVIDAD TEPMICA
H = 14.ODtO ! COEFICIENTE CONVECTIVO PI = 4.0MOtDATAN(1.0D+O) R = 0.0762Dt0 ! POSICION DE LOS TEPMOPARES R1 = 0.0538DtO ! POSICION DE LA FUENTE DE CALOR TAMB = 302.378DtO ! TEMPERATURA AMBIENTE TIN1 = 302.378DtO ! TEMPERATURA INICIAL DE LA PLACA UK = O.OOlD+O KK = o m = 5 82 = B'B H2 = H*H BETA2 = BETA*BETA CONDK2 = CONDK*CONDK
DO 10 I = 1,624 C LECTURA DE LOS DATOS DE MEDICION DE TEMPERATURA
READ (1, * ) TM Y(1) = TM
10 CONTINUE C INICIAJJZACION DE LOS PARAMETROS
DO 2 0 I = l ,m PK(1) = CERO
2 0 CONTINUE C DECLARACIÓN DE VALORES CONSTANTES
ROR = BJO(BETA*R) ROB = BJO(BETA*B) RORl = BJO(BETA*RlI ROB2 = ROB'ROB NORMA = (H2 + BETA2*CONDK2)*B2*ROB2/(DOS*BETA2*CONDK2) CONSTl = TINI*ROR*ROB*B*H/(BETA2*NORMA*CONDK) CONST2 = H*TAME*ROR'B*ROB/ (BETA2*C0NDKtNORMA)
1 Z Z
CONST3 ALFA*ROR*RORl/(DOS*PI'CONDKtNORMA) AlB2 = ALFA*BETM
C
30
C 300
40 C
50 C
60
C
C
M B 4 = AlB2*AlB2 A3B6 = AlB2*MB4 A4B8 = MB4*MB4 A5B10 = A2B4*A3B6
CAL&ULO DE LA MATRIZ DE SENSIBILIDAD Y SU TRANSPUESTA DO 30 I = 1.624 ~,
T = (I - 1)*60.OD+O AA = EXP 1-AlBZ'T) BB = 1 - A A AlB2T1 = AlBZ*T A2B4T2 = AlBZTl*AlB2Tl A3B6T3 = AlB2Tl*MB4T2 A4BBT4 = A2B4T2*AZB4TZ SJ(1,l) = CONST3*BB/AlB2 SJT(1,I) = SJ(I.1) SJ(1,Z) = CONST3*(AlBZTl - BB)/MB4 SJT(2,I) = SJ(1,Z) SJ(i,3) = CONST3* (A2B4T2 - DOS'AlBZTl + DOS'BB) /A386 SJT(3,I) = SJ(I,3) SJ(I,4) = CONST3*(A3B6T3 - TRES*MB4T2 + CEIS*AlB2Tl -
# SEIS*BB) /A4B8 SJT(4.I) = SJ(I.4) SJ(1,5) = CONST3*(A4B8T4 - CUATROtA3B6T3 + DOCE*A2B4T2 - SJT(5,I) = SJ(I,5)
# VCUATRO*AlBZTl t VCUATRO*BB)/A5B10
CONTINUE ! DESDE AQUI COMENZAMOS LA ITERACION
DO 40 I = 1,624 CALCULO DE LAS TEMPERATURAS
T = (I - 1)*60.OD+00 AA = EXP (-AlB2*T) BB = 1 - A A AlB2T1 = AlB2'T A2B4T2 = AlBZTl*AlBZTl A3B6T3 = AlBZTl'A2B4T2 A4B8T4 = MB4TZ*MB4T2 TEMP(1) = CONSTl*AA + CONST2*BB t
# CONST3*( (BB/AlB2)*PKIl) # t ((AlB2T1 - BB)/AZB4) *PK(2) # + ((MB4T2 - DOS+AlBZTl + D0StBB)/A3B6)*PK(3) # + ((A3B6T3 - TRES'MB4T2 + SEIS*AlB2Tl - # SEIS*BB) /A4B8) *PK(4) ?k + ((A4B8T4 - CUATROtA3B6T3 + DOCE*AZB4T2 - ?k VCUATRO'AlBZTl t VCUATRO*BB)/A5BlO)*PK(S) it l CONTINUE
DO 50 I = 1,624 CALCULO DE Y - T(P) Y SU TRANSPUESTA, T(P)-Y
PRODl = CERO I DO 60 I = 1,624
CONTINUE PRODl = PRODl + (YMENOST(I)*YMENOST(I))
SDEP = PROD1 WRITE ( * , * ) SDEP
VERIFICACION DEL CRITERIO DE CONVERGENCIA ~~~
iF(SDEP.LT.EPS1) GOT0 150 CALCULO DE LA DIRECCION DEL GRADIENTE Y SU TRANSPUESTA
1 2 3
800 DO 70 I = 1 , m PROD2 = CERO DO 8 0 J = 1,624
80
70 C
C
C
90
C
110 C
130
120
140
C
200
100
C 150
160
C
PROD2 = PROD2 t (SJT(I,J)*YMENOST(J)) CONTINUE GRADS(I) = -DOS‘PROD2
CONTINUE CALCULO DEL COEFICIENTE DE CONJUGAMIENTO (GAMMA)
IF(KK.EQ.0) THEN GAMMA = CERO
ELSE PROD3 = CERO PROD4 = CERO
EXPRESI6N DE POW<-RIBIERE
EXPRESIÓN DE FLETCHER-REEVES
DO 90 I = l,MM
PROD3 = PROD3 + (GRADS(I)*(GRADS(I) - GPAUSl(1)))
PROD3 = PROD3 + (GRADS(I)*GWU>S(I)) PROD4 = PROD4 t (GRADSl(I)*GRADSl(I))
CONTINUE GAMMA = PROD3/PROD4
CALCULO DE LA DIRECCION DE DESCENSO (DESCl
DESC(1) = GRADS(1) t GAMMn*DESCl(I)
ENDIF
DO 110 I = l,m
CONTINUE CALCULO DEL T&O DE PASO DE BUSQUEDA (BETAK)
DO 120 I = 1,624 PRODS = CERO DO 130 J = l,MM
CONTINUE SJD(1) = PROD5
PROD5 = PRODS t SJ(I,J)*DESC(J)
CONTINUE PROD6 = CERO PROD7 = CERO DO 140 I = 1,624
PROD6 = PROD6 + CJD(I)*TMENOSY(I) PROD7 = PROD7 + SJD(I)*SJD(I)
CONTINUE BETAK = PROD6/PROD7
CALCULO DEL NUEVO PK1
. . . . CONTINUE KK = KKt1 DO 100 I = l,m
’ GmSi(1) = GRADS(1) DESCl(1) = DESC(1)
CONTINUE GOT0 300
IMPRESION DE RESULTADOS WRITE (2, * ) PK(1) , PK(2) , PK(3) , PK(4), PK (5) WRITE (2, * ) SDEP
T = (1-1)*60.OD+00 G(1) = PK(1) + PK(Z)*T + PK(3)*(T**2) t PK(4)*(T’*3) WRITE(Z,*)Y(I), TEMP(I), G(I)
DO 160 I = 1,624
# + PK(5)’(T’*4) CONTINUE STOP END
124
C C BJO Calcula los valores de la.función de Bessei J(x) de orden O, C i.e. JO(x). Basado en las fórmulas de Abramowitz y C S t e w . Solo para valores positivos de x. C C
DOUBLE PRECISION FUNCTION BJO(X) IMPLICIT DOUBLE PRECISION (A-H,O-Z) DATA ZERO/O.OD+OO/,ONE/1.OD+OO/,TW0/2.OD+OO/,THREE/3.ODt00/
IE(X.LT.ZER0) THEN C
WRITE(*, 10) FORMAT(' ' , ' S O L O VALORES POSITIVOS DE X EN BJO - FIN') STOP
10
ENDIF 1FIX.LE.THREE) THEN
XX = [X/THREE)**Z SüM = ZERO SUM = XX*(-2.2499997D+O + XX*(1,2656208D+O t XX*(-0.3163866D+O
# + XX*(O.O444479D+O + XX*(-0.0039444D+O i # XX*O.OOO2lOOD+O)))))
BJO = ONE + SüM ENDIF IF(X.GT.THREE) THEN
XX = THREE/X FO = 0.79788456D+O t XX*(-0.00000077D+O + XX'(-O.O0552740DtO t
# XX*(-0.00009512D+0 + XX*(O.O0137237DfO + # XX*(-O.O0072805D+O + XX*O.O0014476D+O)))))
TO = X - 0.78539816D+0 t XX*(-O.O4166397D+O + # XX*(-O.O0003954D+O + XX*(O.O0262573DtO + # XX*(-O.OOO54125M.O + XX'(-O.O0029333D+O # + XX*O.O0013558D+O)))))
BJO = FO'COS (TO) /DSQRT IX) ENDIF RETURN END
C C C BJ1 Calcula los valores de la función de Bessel J(x) de orden 1. C i.e. Jl(x). Basado en las fórmulas de Abramowitz y C Stegun. Solo para valores positivos de x. C C
DOUBLE PRECISION FUNCTION BJ1 (X) ~~
IMPLICIT DOUBLE PRECISION (A-H,O-Z) DATA ZERO/O. OD+OO/, ONE/l.OD+OO/, TWO/2.0DtOO/,THREE/3. oD+oo/
C IF (X .LT. ZERO) THEN
WRITE (*, 10)
STOP 10 FORMAT(' ','SOLO VALORES POSITIVOS DE X EN BJ1 - FIN')
ENDI F IE(X.LE.THREE) THEN
XX = fX/THREEI'*2 ~~~~
SUM = ZERO CUM = XX*í-0.56249985D+O + XX*(0,21093573D+O + ~~~
P XX*(-O.O3954289DtO + XX'(0.00443319DtO + A XX'(-0.00031761D+O T XX'0.00001109D+Ol))~)
R J 1 = (ONE/TWO t SUM)'X ENDI E IF (X . GT. THREE) THEN
xx = THREE/X F1 = 0.79788456D+O + XX*(0.00000156D+O + XX*(O.O1659667D+O +
1 2 5
# XX*(0.00017105D+O + XX*(-O.O0249511DtO + # XX*(O.O0113653D+O - XX*0.00020033D+0]))))
# xx*(0.0000565DtO t xx*(-0.00637879~+0 + T1 = X - 2.35619449MO + XX*(O.l2499612D+O +
~- . # XXt(0.00074348D+0 + XX*(O.O0079824DtO # - XX*O.O0029166D+O~)I))
BJ1 = Fl*COS (Tl) /DSQRT (X) END1 F RETURN END
D.2 CdDIGo PARA LA APLICACIÓN DEL M$TODO DEL GRADIENTE
CONJUGADO EN @ OBTENCI~N DE LOS PARAWETROS DE LA -
FUNCIÓN E GENERACIÓN E CALoR GUARDA
El siguiente código fue desarrollado en FORTRAN POWERSTATION
4.0. Ejecutado en una computadora Pentiurn Celeron a 466 MHz con sistema operativo Windows ME.
PROGRAM GCGUARDA IMPLICIT DOUBLE PRECISION(A-H,N-2) DIMENSION Y(3451, PK(51, TEMP(3451, SJ(345,5), SJT(5,345),
#TMENOSY(3451, uMENOST(345), GRADS(5), GRADSl(S), DESC(SI, # DESC1(5), SJD(3451, G(3451
#SEIS/6.ODt00/,DOCE/12.ODtOO/,VCUATR0/24.OD+00/, CERO/O.OD+O/ DATA rnIo/l.Ol>+OO/,M)S/2.OD+OO/,TRES/3.OD+OO/,CUATR0/4.OD+OO/,
OPEN (1, FILE='TEMPMEDZ .OAT') OPEN (2 , FILE='RESULTADOS2. DAT' 1 ALFA = 0.000084D+O B = 0.0762D+O
! COEFICIENTE DE DIFUSIVIDAD TERMICA ! RADIO EXTERIOR DE LA PLACA
D = 0.1524D+0 ! RADIO EXTERIOR DE LA GUARDA BETA = 1.34149388595858D+0 ! RAIZ DE EIGENVALOR CONDK = 204.OD+O ! CONDUCTIVIDAD TERMICA EPSl = 127.OD+O H = 14.ODtO ! COEFICIENTE CONVECTIVO PI = 4 . OD+OfDATAN(l.OD+Ol R = 0.1524Dt0 ! POSICION DE LOS TERMOPARES R2 = 0.0983D+O ! POSICION DE LA FUENTE DE CALOR TAMB = 300.39DtO ! TEMPERATURA AMBIENTE TIN1 = 300.39DtO ! TEMPERATURA INICIAL DE LA GUARDA KK = o MM = 5 82 = B'B D2 = D*D H2 = H*H BETAZ = BETA'BETA CONDKZ = CONDK*CONDK
DO 10 I = 1,345 C LECTURA DE LOS DATOS DE MEDICION DE TEMPERATURA
READ (1, * ) TM Y(1) = TM
10 CONTINUE c INICIALIZACION DE LOS PARAMETROS
DO 20 I = 1 , M M PK(1) = CERO
20 CONTINUE C DECLARACI~N DE VALORES CONSTANTES
DEN1 = -CONDK*BETA*BJl (BETA'D) tH*BJO (BETA'D)
1 2 6
DEN2 = -CONDK*BETA*BYl (BETA*D) +H*BYO (BETA*D) ROR = BJO (BETA'R) /DEN1 - BY0 (BETA'R) /DEN2 ROB = BJO(BETA*B)/DENl - BYO(BETA'B)/DEN2 ROD = BJO (BETA*D) /DEN1 - BY0 (BETA*D) /DEN2 ROR2 = BJO (BETA'R2) /DEN1 - BY0 (BETA*R2) /DEN2 ROD2 = ROD*ROD ROB2 = ROB*ROB NORMA CONSTl = H*TINI*ROR* (D*ROD + B*ROB) / (BETA2*CONDK*NOPXA) CONST2 = H*TAMB*ROR* (B*ROB + DtROD) / (BETAZ*CONDK*NORMA) CONST3 = ALFA*ROR*ROR2/ (DOS*PI*CONDK*NORMA) A182 = ALFA*BETAZ
= (H2 + BETAZ*CONDK2) * (D2'RODZ -BZtR0B2) / (EQS*BETA2'CONDKZ)
A2B4 = AlB2*AlB2 A3B6 = AlBZ'AZB4 A4B8 = A2B4*A2B4 A5B10 = A2B4*A3B6
DO 30 I = 1,345 C CALCULO DE LA MATRIZ DE SENSIBILIDAD Y SU TRANSPUESTA
T = (I - 1)*30.OD+O AA = EXP (-AlB2*T) BB = l - A A AlB2T1 = A1B2*T A2B4T2 = A1B2TlCA1B2T1 A3B6T3 = AlB2Tl*AZB4T2 A4B8T4 = AZB4T2*A2B4T2 SJ(1,l) = CONST3*BB/AlB2 SJT(1.I) = SJ(I.1) SJ(I,2) = CONST3*(AlB2Tl - BB)/A2B4 SJT(2,I) = SJ(I,2) SJ(1,3) = CONST3*(AZB4T2 - DOS*AlBZTl + DOS*BB)/A3B6 SJT(3,I) = SJ(I,3) SJ(I,4) = CONST3+(A3B6T3 - TRES'AZB4TZ + SEIS'AlB2Tl - SJT(4,I) = SJ(1,4) SJ(1,S) = CONST3*(A4BET4 - CUATRO*A3B6T3 + DOCEtA2B4T2 - SJT(5,I) = SJ(I,5)
# SEIS*BB) /A4BB
# VCUATRO'AlB2Tl + VCUATRO*BB)/ASBlO 30 CONTINUE
C CALCULO DE LAS TEMPERATURAS 300 DO 40 I = 1,345
! DESDE AQUI COMENZAMOS LA ITERACION
T = (I - 1)'30.OD+00 AA = EXP (-AlB2*T) BB = l - A A AlB2T1 = AlB2*T A2B4T2 = AlB2Tl*AlB2Tl A3B6T3 = AlB2Tl*AZB4T2 A4BET4 = A2B4T2*7SB4T2 TEMP(1) = CONSTl*AA + CONSTZ*BB t
# CONST3* ( (BB/AlB2) *PK(l) # + ((AlB2Tl - BB) /A2B4) *PK(2) # + ((A2B4T2 - DOS*AlB2Tl + DOS'BB)/A386)*PK(3) # + ((A3B6T3 - TRES*A2B4T2 + SEIS*AlBZTl - # #
. . SEIS'BB) /A4BB)*PK(4)
+ IíA4B8T4 - CUATRO*A3B6T3 + DOCE*A2B4T2 - . . #¡ VCUATRO*AlBZTl + VCUATRO*BB)/ASBlO)*PK(5) # )
40 CONTINUE C CALCULO DE Y - T(P) Y SU TRANSPUESTA, T(P)-Y
DO 50 I = 1,345 YMENOST(1) = Y(1) - TEMP(1) TMENOSY(1) = TEMP(1) - Y(1)
50 CONTINUE
1 2 7
C CALCULO DE S(P) PRODl = CERO DO 60 I = 1,345
CONTINUE SDEP = PRODl WRITE(*, *) SDEP
PRODl = PRODl + (YMENOST (I) *mENoST(I) ) 60
C
C 800
80
70 C
C
C
90
C
110 C
130
120
140
C
200
100
C 150
VERIFICACION DEL CRITERIO DE CONVERGENCIA IF(SDEP.LT.EPS11 GOT0 150
CALCULO DE LA DIRECCION DEL GRADIENTE Y SU TRANSPUESTA DO 7 0 I = 1.MM .~
PROD2 = CERO DO 80 J = 1,345
PROD2 = PROD2 t (SJT(I,J)*YMENOST(J)I CONTINUE GRADS(1) = -DOS*PROD2
CONTINUE CALCULO DEL COEFICIENTE DE CONJUGAMIENTO (GAMMA)
IF(KK.EQ.0) THEN
ELSE GAMMA = CERO
PROD3 = CERO PROD4 = CERO DO 90 I=l,MM EXPRESIÓN DE POW(-RIBIERE
EXPRESI6N DE FLETCHER-REEVES PROD3 = PROD3 + (GRADS(I)*(GRADS(L) - GRADSl(1)))
PROD3 = PROD3 t (GRADS(I)*GRADS(I)) PROD4 = PROD4 + (GF'.ADSl(I)*GRADSl(I))
CONTINUE GAMMA = PROD3/PROD4
CALCULO DE LA DIRECCION DE DESCENSO (DESC)
DESC(1) = GRADS(1) + GAMMA*DESCl(I) CALCULO DEL T-O DE PASO DE BUSQUEDA (BETM)
PROD5 = CERO DO 130 J = 1,MM
CONTINUE SJD(1) = PROD5
ENDIF
DO 110 I = l,MM
CONTINUE
DO 120 I = 1,345
PROD5 = PROD5 + SJ(I,J)*DESC(J)
CONTINUE PROD6 = CERO PROD7 = CERO DO 140 I = 1,345
PROD6 = PROD6 t SJD(I)*TMENOSY(I) PROD7 = PROD7 t SJD(I)*SJo(I)
CONTINUE BETAK = PROD6/PROD7
DO 200 I = 1,MM
CONTINUE KK = KKt1 DO 100 I = 1 , M M
CALCULO DEL NUEVO PK1
PK(1) = PK(1) - BETAK*DESC(I)
GnñOSl(1) = GRADS(1) DESCl(1) = DESC(1)
CONTINUE GOTO 300
IMPRESION DE RESULTADOS WRITE(Z,*)PK(l), PK(2), PK(3), PK(4), PK(5)
128
WRITE (2, ) SDEP DO 160 I = 1,345
T = (1-1)'30.OD+00 GíI) = PKí1) + PK(Z)*T + PK(3)*(T**2) + PK(4)*(T**3)
WRITE (2, *)Y I I) , TEMP ( I ) , G (1) # + PK(5) * (T**4)
160 CONTINUE STOP END
C C C BJO Calcula los valores de la función de Bessel J(x) de orden O, C i.e. JO(x). Basado en las fórmulas de Abramowitz y C Ctegun. Solo para valores positivos de x. C C
DOUBLE PRECISION FUNCTION BJO(X) IMPLICIT DOUBLE PRECISION (A-H,O-Z) DATA ZERO/O. OD+OO/,ONE/l. O D + O O / , TWO/2.OD+OO/, THREE/3.OD+OO/
IF(X.LT.ZER0) THEN C
WRITE(*, 10)
STOP 10 FORMAT(' ','SOLO VALORES POSITIVOS DE X EN BJO - FIN')
ENDIF IF (X .LE.THREE) THEN
XX = (X/THREE)**2 SUM = ZERO SUM = XX*(-2.2499997D+O + XX*(l.Z656208DfO + XXt(-0.3163866D+0
# + XX*(O.O444479D+O .t XX*(-O.O039444D+O + # XX*0.0002100D+0) ) ) )
BJO = ONE + SUM ENDIF IF (X.GT. THREE) THEN
XX = THREE/X FO = 0.79788456D+0 + XX*(-O.OOOOOO77D+O + XX*(-O.O055274OD+O +
# XX*(-0.00009512D.t0 + XXt(0.00137237D+0 + # XXt(-0.00012805D+0 + XX*O000O14476D+0)))))
TO = X - 0.78539816D+O + XX*(-O.O4166397D+O + # XX*(-O.O0003954D+O + XX*(O.O0262573D+O + # XX*(-O.O0054125D+O + XX*(-O.O0029333D+O # + XX*O.OOOl3558D+O)))))
BJO = FO*COS (TO) /DSQRT (X) ENDIF RETURN END
BJ1 Calcula los valores de la funcibn de Bessel J(X) de orden 1, i.e. Jl(x). Basado en las fórmulas de Abramowitz y stegun. solo para valores positivos de x.
DOUBLE PRECISION FUNCTION BJl(X) IMPLICIT DOUBLE PRECISION (A-H,O-Z) DATA ZERO/O.OD+OO/,ONE/l.OIHOO/,TW0/2.OD+OO/,THREE/3.OD+OO/
IF (X. LT. ZERO) THEN WRITE(*, 10)
STOP 10 FORMAT(' ','SOLO VALORES POSITIVOS DE X EN BJ1 - FIN')
ENDIF IF(X.LE.THREE) THEN
129
XX = (X/THREE)**2 SUM = ZERO SUM = XX*(-O.56249985~+0 + xx*(o.~1n93~73~+0 +
BJ1 = (ONE/TWO + SUM)*x # XX*I-O.O3954289D+O + XX*(O.O044331?D+O t # XX*(-O.O0031761D+O + XX*0.00001109D+0))))) ENDIF IF(X.GT.THREE) THEN
XX = THREE/X F1 = 0.79788456D+O + XX* (0.00000156D+O + Xx*(O.O1659667D+O +
# XX*(O.O0017105D+O t XXt(-0.00249511D+0 + # XX* (0.00113653D+O - XX*O.O0020033D+O) ) ) ) ) # XX*(O.O000565D+O + XX*I-O.O0637879D+O +
T1 = X - 2.35619449DtO + XXi(0.124996l2D+O + # XX*(O.O0074348D+O + XX*(0.00079824D+O # - XX*O.O0029166D+O)))))
BJ1 = Fl*COS (Tl) /DSQRT (X) ENDIF RETURN END
C
C C C C
C
C C C C
BY0 Calcula los valores de la función de Bessel Y(x) de orden O, i.e. YO(x). Basado en las fórmulas de Abrmowitz y Stegun. Solo para valores positivos de x.
DOUBLE PRECISION FUNCTION BYO(X) IMPLICIT DOUBLE PRECISION (A-H,O-Z) DATA ZERO/O.ODtOO/.ONE/1.OD+00/,TW0/2.OD+OO/,THREE/3.OD+OO/ PI = 4.OD+O*DATiN(l.OD+O) ANATLOG = DLoG(X/TWO)
IF(X.LT.ZER0) THEN WRITEI*,lO)
STOP 10 FORMAT(' l,'SOLO VALORES POSITIVOS DE X EN BY0 - FIN')
ENDIF IF (X. LE. THREE) THEN
XX = (X/THREE)**Z SUM = ZERO SUM = XX*(0.60559366D+O + xX*(-0.74350384D+O + xX"(0.25300DtO
# + XX'(-O.O4261214D+O + XXt(0.00427916DtO - # XX*O.O0024846D+O)))))
BY0 = (TWO/PI)*ANATLoG*BJO[X) t 0.363466?1D+O + SUM ENDIF IF (X . GT. THREE) THEN
XX = THREE/X FO = 0.797884560+0 + XX*(-0.00000077D+0 + XX*(-O.O0552740DtO t
# xx*(-O.OOüO9512DtO t XX*(O.O0137237D+O t # XX*(-O.O0072805D+O + XX*O.O0014476D+O)))))
TO = X - 0.78539816D+O + XXt(-0.04166397D+0 + # XX* (-0.00003954~+0 + xx* ~0.00262573~+0 t # XX*(-O.O0054125D+O + XX*(-O.O0029333DtO # + XX*O.O0013558D+O)))))
BY0 = FO*DSIN(TO)/DSQRT(X) ENDIF RETURN END
BY1 Calcula los valores de la función de Bessel J(x) de orden 1, i.e. Jl(x). Basado en las fórmulas de Abramowitz y
130
_-
C S t e w . Solo para valores positivos de x. C C
DOUBLE PRECISION FUNCTION BYl(X) IMPLICIT DOUBLE PRECISION (A-H,O-Z) DATA ZERO/O.OD+OO/,ONE/1.OD+OO/,TW0/2.OD+OO/,THREE/3.OD+00/ PI = 4.0D+OtDATAN(1.0D+O) ANATLOG = DLOG(X/TWO)
IF(X.LT.ZER0) THEN C
WRITE(*,lO)
STOP 10 FORMAT(‘ ‘ , ‘ S O L O VALORES POSITIVOS DE X EN BY1 - FIN’)
ENDIF IF(X.LE.THREE) THEN
XX = (X/THREE)**2 SUM = ZERO SUM = XX’(O.2212091M-O + XX*(2.1682709D+O +
# XX*(-1,3164827D+O + XX*(0.3123951 + # XX*(-O.O400976D+O + XX*O.O027873D+O)))))
BY1 = (TWO/PI)*ANATLOG*BJl(X) + ( - 0.6366198D+O + SUM)/X ENDIF IF(X.GT.THREE) THEN
XX = THREE/X F1 = 0.79788456D+0 + XX*(0.00000156D+0 + XX*(O.O1659667D+O +
# XX*(O.O0017105D+O + XX*(-O.O0249511D+O + # XX*(0,00113653D+O - XX*O.O0020033D+O))))) # XX*(O.O000565D+O t XX*(-O.O0637879D+O + # XX’(0.00074348DfO + XX’(O.O0079824D+O # - XX*O.O0029166D+O)))))
T1 = X - 2.356194490+0 + XX*(O.I2499612D+O +
BY1 = Fl*DSIN(Tl)/DSQRT(X) ENDIF RETURN END
1 3 1
- E. 1 CÓDIGO PARA LA OBTENCI~N DE LAS FUNCIONES DE BESSEL
El siguiente código fue desarrollado en FORTRAN POWERSTATION
4.0. Ejecutado en una computadora Pentium Celeron a 466 MHz con sistema operativo Windows ME.
PROGRAM GRAFICA BESSEL IMPLICIT DOUBLEPRECISION(A-H,O-2) DX = 0.05D+O
20
10
C C C C C C C
C
OPEN (1, FILE='BESSEL.DAT' ) OPEN(2, FILE='BESSELZ.DAT' ) FORMAT (D15.8, ZX, D15.8,2X, D15.8,2X, D15.8, ZX, D15.8) WRITE (1, * ) "X, J O , J 1 , YO, Y1" DO 10 1=1,300
T = I*DX P1 = BJO(T) P2 = BJl(T) P3 = BYO(T) P4 = BYl(T) WRITE (1, * ) T, PI, P2 WRITE (2, * ) P3, P4
CONTINUE STOP END
BJO Calcula los valores de la función de Bessel J ( x ) de orden O , i.e. JO(x). Basado en las fórmulas de Abramowitz y Stequn. solo para valores positivos de x.
DOUBLE PRECISION FUNCTION BJO (X) IMPLICIT DOUBLE PRECISION (A-H.0-2) DATA ZERO/O. OD+oO/,ONE/i .oD+oO/, TW0/2.OD+OO/,THREE/3. oDtoo/
IF (X. LT. ZERO) THEN WRITE(*,lO)
STOP 1 0 FORMAT(' ','SOLO VALORES POSITIVOS DE X EN BJO - FIN')
ENDIF IF (X . LE. THREE) THEN
XX = (X/THREE)**Z SUM = ZERO SUM = XX*(-2.2499997I»O + XX*(l.Z656208D+O + XXi(-0.3163866D+0
# t XX*(O.O444479D+O + XX*(-O.O039444I»O + # XX*0.0002100D+0)))))
BJO = ONE + SUM ENDIF 1FíX.GT.THREE) THEN
xx = THREEIX FO = 0.79788456DtO + XX*(-0.00000077~0 t XX*(-O.O055274ODtO +
# XX*(-O.O0009512D+O + XX*(O.O0137237D+O + # XX*(-0.00072805Dt0 + XX*O.O0014476D+O)))))
TO = X - 0.78539816D+O + XX*(-O.O4166397DtO f # XX+(-O.O0003954I»O + XXi(0.00262573D+0 +
1 3 2
# XX*(-0.00054125~+0 + XX*(-O.O0029333D+O # + XX'O.O0013558D+O)))))
BJO = FO'COS (TO) /DSQRT (X) ENDIF RETURN END
BJ1 Calcula los valores de la función de Bessel i.e. Jl(x). Stequn.
J(x) de orden 1, Basado en las fórmulas de Abramowitz y
Solo para valores positivos de x.
DOUBLE PRECISION FUNCTION BJl(X) IMPLICIT DOUBLE PRECISION (A-H,O-2) DATA ZERO/O.OD+OO/,ONE/1.O~00/,TW0/2.OD+OO/,THREE/3.OD+OO/
IF(X.LT.ZER0) THEN WRITE(*,lO)
STOP 10 FORMAT(' I , 'SOLO VALORES POCITNOS DE X EN BJ1 - FIN')
ENDIF IF(X.LE.THREE) THEN
XX = (X/THREE)**2 SUM = ZERO SUM = XX*(-O.56249985D+O + XX*(0.21093573D+O i
# XX*(-O.O3954289D+O + XX*íO.O0443319D+O + # XX*(-O.O0031761D+O + XX~O.OOOOllO9D+O)))))
BJ1 = (ONE/TWO + SUM)*X ENDIF IF (X . GT . THREE) THEN
XX = THREE/X €1 = 0.79788456D+O + XX*(O.OOOOOl56D+O + XX* (0.01659667D+O -I
# XX+(0.00017105D+O + XX+(-O.O0249511D+O + # XX*(O.O0113653D+O - XX*O.O0020033DcO)))))
# XX*(O.O000565D+O + XX*(-O.O0637879D+O + # XX*(O.O0074348D+O + XXt(0.00079824D+0 # - XX*O.O0029166D+O)))))
T1 = X - 2.35619449D+O + XXt(0.12499612D+0 +
BJ1 = Fl'COS (Tl) /DSQRT (X) END1 F RETURN END
C C C BY0 Calcula los valores de la función de Bessel Y(,) de orden O, C i.e. YO(x). Basado en las fórmulas de Abramowitz y C S t e w . solo para valores positivos de x. C C
DOUBLE PRECISION FUNCTION BYO(X) IMPLICIT DOUBLE PRECISION (A-H,O-Z) DATA ZERO/O.OD+OO/,ONE/1.O~OO/,TW0/2.OD+OO/,THREE/3.OD+OO/ PI = 4.0D+OtDATAN(1. O D + O ) ANATLOG = OLOG(X/TWO)
C IF(X.LT.ZER0) THEN
WRITE(*,lO)
STOP 10 FORMAT(' I , 'SOLO VRLORES POSITIVOS DE X EN BY0 - FIN')
END1 F lF(X.LE.THREE) THEN
XX = (X/THREE)**2
133
SUM = ZERO
C
SUM = XX*(O.60559366DtO + XX*(-0.74350384D+O + XXt(0.25300D+0 # # XX*O.O0024846D+O)I)l)
+ XX*(-O.O4261214DCO + XXf(0.00427916DC0 - BY0 = (TWO/PI)*ANATLOG*BJO(X) + 0.36746691D+O + SUM
ENDIF IF (X . GT . THREE) THEN
XX = THREE/X FO = 0.79788456D+O + XX*(-0.00000077~t0 + XX*(-O.O0552740D+O +
# XX*(-O.O0009512DCO + XX*(O.O0137237D+O + # XX*(-0.00072805D+O + Xx*O.O0014476D+O)))))
TO = X - 0.78539816D+0 + XXf(-0.04166397DC0 + # XX*(-O.O0003954D+O + XX*(O.O0262573D+O + # XX*(-O.O0054125D+O + XX*(-O.O0029333D+O # + XX*O.O0013558D+O)))))
BY0 = FO*DSIN(TOl/DSQRT(X) ENDIF RETURN END
BY1 Calcula los valores de la función de Bessel J(x) de orden 1, i.e. Jl(x). Basado en las fórmulas de Abramowitz y Stegun. Solo para valores positivos de x.
DOUBLE PRECISION FUNCTION BYl(X1 IMPLICIT DOUBLE PRECISION (A-H.0-Z) DATA ZERO/O. OD+OO/,ONE/l. O D t O O / , TW0/2.00+00/, THREE/3.OD+OO/ PI = 4.OD+O'DATAN(1.ODcO) ANATLOG = DLoG(X/TWO)
IF (X . LT . ZERO) THEN WRITE (*, 101
10 FORMAT(' ' , ' S O L O VALORES POSITIVOS DE X EN BY1 - FIN') STOP
ENDIF IF(X.LE.THREE) THEN
XX = (X/THREE)**2 SUM = ZERO SUM = XX*(0.2212091D+O + XX*(2.1682709DfO +
# xX* (-1.3164827D+0 + XX* (0.3123951 + # XX*(-O.O400976D+O + XXf0.0027873D+O)))))
BY1 = (TWO/PI)*ANATLOG*BJl (X) + (- 0.6366198D+0 + SUM) /X ENDIF IF IX . GT . THREE) THEN
xx =.T&EE/X F1 = 0.79788456D+O + XXf~0.00000156D+0 + XX*(O.O1659667D+O +
U XX'10.00017105DrO t XX'(-O.O024951lD*O Y
9 XX'(0.00113653D~O - XX'0.00020033~Ollll~
R XX'(0.0000565DtO T XX*(-O.O0637879D+O f k xx'(0.00074348Dt0 i XX'(0.00079824D+0 U - XX'0.00029166DtOl~l~l
T 1 7 X - 2.35619449D+O T XX'IO.l24Y9612D+O r
BY1 - Fl*DSIN(Tl)/DSQRT(XI .?IDIF 9ETURN F1I3
134
E.2 =DIGO PARA LA OBTENCI6N DE M S VALORES PROPIOS EN EL -- - -- CASO DE LA PLACA CALIENTE
PROGRAM EIPLACA IMPLICIT DOUBLEPRECISION(A-H,P-2) OPEN (1, FILE= EIGENPLACA. DAT ‘ ) B = 0.0762DtO ! RADIO EXTERIOR DE LA PLACA CONDK = 204.ODtO ! CONDUCTIVIDAD TERMICA HCONV = 14.ODf0 ! COEFICIENTE CONVECTIVO NN = 15 ! CANTIDAD DE RAÍCES m = 13 ! PRECISIÓN EN DECIMALES N = o ! CONTADOR DE RAÍCEC
40
5 0
100 Z O O 300
C C C C C C C
C
BETAl = O.ODt0 DX = 1.oM-o BETABl = BETAl*B M = o DO 100 K = 1,1000
! VALOR INICIAL ! INTERVALO INICIAL
! CONTADOR DE DECIMALES
EIGENl = BETAl*CONDK’BJl (BETAB1) - HCONV*BJO (BETABl) BETA2 = BETAl + DX BETABZ = BETA2*B EIGENZ = BETAZ*CONDK*BJl (BETABZ) - HCONV*BJO (BETABZ) SIGNO = EIGENl*EIGENZ IF (SIGNO.LT.0) THEN
M = M + 1 DX = DX/1O.ODtO IF (M.GT.MM) GOTO Z O O GOTO 50
BETAl = BETA2 BETABl = BETABZ
ELSE
ENDIF CONTINUE N = Nt1 FORMAT(E24.16,1X,E24.16)
WRITE (*,300) BETA1, EIGENl WRITE ( * , 3 0 0 ) BETAZ, EIGENZ PAUSE IF (N.LT.NN) THEN
WRITE (1,300) BETA1, EIGENZ - EIGENl
BETAl = BETA2 BETABl = BETABZ GOTO 40
ENDIF END
BJO Calcula los valores de la función de Bessel J(x) de orden O, i.e. JO(x). Basado en las fórmulas de Abramowitz y S t e w . solo para valores positivos de x.
DOUBLE PRECISION FUNCTION BJO(X) IMPLICIT DOUBLE PRECISION (A-H.0-2) DATA ZERO/O. ODtOO/,ONE/1.O~OO/, TWO/2.0D+OO/ ,THREE/3,OD+Oo/
IF(X.LT.ZER0) THEN WRITE (*, 10)
STOP 10 FORMAT(‘ ‘,‘SOLO VALORES POSITIVOS DE X EN BJO - FIN’)
ENDIF
1 3 5
IF(X.LE.THREE) THEN XX = (X/THREE)**2 SüM = ZERO SUM = XX’I-2.2499997MO + XX*(1.2656208D+O + XX*(-O.3163866~+0
# # XX*O.O00210OD+O)))))
+ XX*(O.O444479D+O + XX*(-O.O039444D+O + BJO = ONE + SUM
END1 F IF (X. GT. THREE) THEN
XX = THREE/X FO = 0.79788456D+O + XX*~-0.00000077D+0 + XX*(-O.O055274OD+O +
# XX’(-0.00009512D+O + XX*(O.O0137237D+O + #
# XX*(-O.O0003954D+O + XX’(0.00262573DtO + # XX*(-O.O0054125D+O + XX*(-O.O0029333D+O # + XX*O.O0013558D+O)))))
XX* ~-0.00072805~+0 + XX*O.O0014476D+O) ) 1 ) ] TO = X - 0.78539816D+0 + XX*(-O.O4166397D+O +
BJO = FO’DCOS (TO)/DSQRT(X) ENDIF RETURN END
C C C BJ1 Calcula los valores de la función de Bessel J(x) de orden 1. C i.e. Jl(x). Basado en las fómuias de Abramowitz y C stegun. solo para valores positivos de x. C C
DOUBLE PRECISION FUNCTION BJ1 (XI IMPLICIT DOUBLEPRECISION (A-H,O-Z) DATA ZERO/O.OD+OO/,ONE/l.OD+OO/,TW0/2.OD+OO/,THREE/3.OD+OO/
C IF(X.LT.ZER0) THEN
WRITE (*, 10)
STOP 10 FORMnT(’ ‘,‘SOLO VALORES POSITIVOS DE X EN BJ1 - FIN’)
ENDIF IF(X.LE.THREE) THEN
XX = (X/THREE)**Z SUM = ZERO SUM = XX*(-O.56249985DtO + XXi(0.21093573D+0 i
# xx*(-O.O3954289DtO + XX*(O.O0443319D+O + # XX*(-O.O0031761D+O + XX*O.OOOOllO9D+O)))))
BJ1 = (ONE/TWO + SUM)*X ENDIF IF (X .GT. THREE) THEN
XX = THREE/X F1 = 0.79788456D+O + XX* (0.00000156D+O + XXf(0.01659667D+0 4
# XX*(O.O0017105D+O + XX*(-O.O0249511D+O + # XX*(O.O0113653D+O - XX’O.O0020033D+O)))))
# XX*(O.O000565D+O + XX*(-O.O0637879D+O + # XX*(O.O0074348D+O + XX*(0,00079824D+O # ~ XX*O.O0029166DtO)))))
T1 = X - 2.35619449D+O + XXi(0.12499612D+O +
BJ1 = Fl’DCOS(T1) /DSQRT(X) ENDIF RETURN END
136
.. _ _ -
- E.3 CÓDIGO -- PARA LA OBTElOCIÓB DE LOS VALORES PROPIOS PARA EL
CASO DE LA GUARDA
40
50
C C
100 Z O O 2
C C C C C C C
PROGRAM EIGUARDA IMPLICIT DOUBLE PRECISION(A-H, P-2) OPEN (1, FILE='EIGENGUARDA.DAT' ) B = 0.0762D+O D = 0.1524Dt0 CONDK = 204.ODt0 HCONV = 14.0iHO NN = 1 MM = 13 N = o BETAl = 576.OOMO DX = l.OD+O BETABl = BETAl*B BETADl = BETAl'D M = o DO 100 K=l,lOO
RADIO INTERIOR DE LA GUARDA RADIO EXTERIOR DE LA GUARDA CONDUCTIVIDAD TERMICA COEFICIENTE CONVECTIVO CANTIDAD DE RAÍCES
CONTADOR DE RAÍCES
INTERVALO INICIAL
PRECISI~N EN DECIMALES
CONTADOR DE DECIMALES
EIGENl = ( (BETAl*CONDK*BJl (BETAB1) + HCONV'BJO (BETAB1) ) / # (-BETAl'CONDK*BJl (BETAD1) + HCONV'BJO(BETAD1) ) ) - # ((BETAl*CONDK*BYl(BETABl) + HCONV'BYO(BETAB1) ) / # (-BETAl*CONDPBYl (BETADl) + HCONV'BYO (BETAD1) ) )
BETA2 = BETAl + DX BETAB2 = BETA2*B BETADZ = BETA2W EIGENZ = ( (BETAZ*CONDK*BJl (BETAB2) + HCONV*BJO (BETAB2) ) /
# (-BETAZ*CONDPBJl(BETA!JZ) + HCONV*BJO(BETADZ))) - # ( (BETAZ*CONDK*BYl(BETABZ) + HCONV*BYO(BETABZ))/ # (-BETAZ*CONDK*BYl(BETADZ) + HCONV*BYO(BETADZ))) WRITE (*,*) N, BETA2, EIGEN2, DX PAUSE
SIGNO = EIGENl*EIGENZ IF (SIGNO.LT.0) THEN
ELSE
M = M t 1 DX = DX/lO.OD+O IF (M.GT.MM) GOTO 200 GOTO 5 0
BETAl = BETA2 BETABl = BETABZ BETADl = BETAD2
ENDIF CONTINUE N = Nt1 FOPMAT(E24.16,1X,E24.16,1X,E24.16,1X,E24.16) WRITE (l,*) BETA2, EIGEN1-EIGENZ IF (N.LT.NN) THEN
BETAl = BETA2 t 40.OD+O GOTO 40
ENDIF END
BJO Calcula los valores de la función de Bessel J(x) de orden O, i.e. JO(x). Basado en las fórmulas de Abramowitz y S t e w . Solo para valores positivos de x.
DOUBLE PRECISION FUNCTION BJO (X) IMPLICIT DOUBLE PRECISION (A-H,O-2)
1 3 7
C
10
C C C C C C C
C
l o
DATA ZERO/O.OD+O~/,ONE/~.OD~OO/.TW~/~.OD+OO/,THREE/~.OD+OO~
IF(X.LT.ZER0) THEN WRITE (*, 10) FORMAT(' STOP
' , ' S O L O VALORES POSITIVOS DE X EN BJO - FIN')
ENDIF IF (X. LE. THREE) THEN
XX = (X/THREE)**2 SUM = ZERO SUM = XX*(-2.2499997D+O + XX*(1.2656208D+O + XX*(-0,3163866D+O + XX*(O.O444479ü+O + XXf(-0.0039444D+0 + BJO = ONE + SUM
# # xx*o.ooozlooDto) ) ) ) )
ENDIF IF (X. GT. THREE) THEN
XX = THREE/X FO = 0.79788456D+O + XX*(-O.OOOOOO77D+O + XX*(-O.O055274OD+O +
# XX* (-0.00009512DtO + XX'(O.O0137231D+O + # XX*(-O.O0072805D+O + XX*O.O0014476D+O)))))
# xx* (-0.00003954DtO + XX'(O.O0262573D+O + # XX*(-O.O0054125DtO + XX'(-0.00029333D+O # + XX*O.O0013558D+O)))))
TO = X ~ 0.78539816D+0 + XX*(-0.0416639lD+O t
BJO = FO*DCOS (TO) /DSQRT (X) ENDIF RETURN END
BY0 Calcula los valores de la función de Bessel Y(x) de orden O, i.e. Y O ( x ) . Basado en las fórmulas de Abramowitz y Stegun. Solo para valores positivos de x.
DOUBLE PRECISION FUNCTION BY0 (XI IMPLICIT DOUBLE PRECISION (A-H.0-2) DATA ZERO/O.OD+OO/,ONE/l.ODcOO/,TW0/2.OD+OO/,THREE/3.OD+OO/ PI = 4.0D+O*DATAN(l.ODtO) ANATLOG = DLOG(X/TWO)
IF (X. LT. ZERO) THEN WRITE(*,10) FORMAT(' I , ' C O M VALORES POSITIVOS DE X EN BY0 - FIN') STOP
ENDIF IF (X .LE. THREE) THEN
XX = (X/THREE)'*Z SUM = ZERO SUM = XX*(O.60559366D+O + XX*(-O.74350384D+O + XX*(0.253OOD+O
# + xx*l-O.O4261214D+O + XX*(0.00427916D+O - # XX*O.O0024846D+O)))))
BY0 = (TWO/PI)*ANATLOG*BJO(X) + 0.36746691DtO + SUM ENDIF 1FíX.GT.THREE) THEN
xx = T&EE/X FO = 0.79788456D+O + XX*(-O.OOOOOO77D+O + XX*(-O.O0552740D+O +
R XX*(-O.O0009512D+O T XX*(O.O0137237D~O t R XX*(-O.O0072805DTO t XX'0.00014476UtO))))~
TO -= X - 0.78539816DtO 7 XX*((-O.O4166397DtO t P XX*[-O.O0003954DtO T XX'l0.00262573D-O T
P xx'(-o.OOO54125D+O t XX'(-O.O0029333DtO A t XX'O.OOO13558ütO)))~)
1 3 8
BY0 = FO*DSIN(TO)/DSQRT(X) ENDIF RETURN END
C
C
C
C
1 0
C C C
C
1 0
BJ1 Calcula los valores de la función de Bessel J(x) de orden 1, i.e. Jl(x). Basado en las f6nmilas de Abramowitz y Stegun. Solo para valores positivos de x.
DOUBLE PRECISION FUNCTION BJ1 (X) IMPLICIT DOUBLE PRECISION (A-H,O-2) DATA ZERO/O.OD+OO/,ONE/1.ODtOO/,TW0/2.OD+OO/,THREE/3.OD+O0/
IF (X.LT. ZERO) THEN WRITE ( ,lo) FORMAT(' ','SOLO VALORES POSITIVOS DE X EN BJ1 - FIN') STOP
ENDIF IF(X.LE.THREE) THEN
XX = fX/THREEI**2 . . SUM = ZERO SUM = XX* 1-0.56249985D+0 + XX* (0.21093573D+O +
# XX*(-O.O3954289D+O + XX*(O.O0443319D+O + # XX*(-O.O0031761D+O + XX*O.OOOOllO9D+O)))))
BJ1 = (ONE/TWO + SUM)*X ENDIF 1FíX.GT.THREE) THEN
xx = T&EE/X F1 = 0.79788456DfO + XXf10.00000156D+0 + XX*(O.O1659667D+O t
# XX*(O.O0017105D+O + XX'(-O.O0249511LWO + # XX*(O.O0113653D+O - XX'O.O0020033D+O)))))
# XX* (0.0000565DtO t XX*(-0.006378790+0 + # XX*(O.O0074348Df0 + XX*(O.O0079824D+O # - XX*O.O0029166D+O)))))
T1 = X - 2.35619449D+0 + XXf(0.12499612D+0 t
BJ1 = Fl*DCOS (Tl) /DSQRT (X) ENDIF RETURN END
BY1 Calcula los valores de la función de Bessel J(x) de orden 1, i.e. Jl(x). Basado en las fórmulas de Abramowitz y Stegun. Solo para valores positivos de x.
DOUBLE PRECISION FUNCTION BYl(X) IMPLICIT DOUBLE PRECISION (A-H,O-Z) DATA ZERO/O.OD+OO/,ONE/l.OD+OO/,TW0/2.OD+OO/,THREE/3.OD+OO/ PI = 4.0D+O*DATAN(l.OIHO) ANATLOG = DLoG(X/TWO)
IF(X.LT.ZER0) THEN WRITE(*,lO) FORMAT(' ', 'SOLO VALORES POSITIVOS DE X EN BY1 - FIN') STOP
ENDIF IF(X.LE.THREE) THEN
XX = (X/THREE)**Z CUM = ZERO SUM = XX*(0.2212091D+O + XXf(2.1682709D+0 +
1 3 9
# XX*(-1.3164827D+O + XX'(0.3123951 + II XX+(-O.O400976D+O + XXt0.0027873D+O)))))
BY1 = (TWO/PI)*ANATLOG'BJl(X) +(- 0.6366198D+O + sm)/x ENDIF IF(X.GT.THREE) THEN
XX = THREE/X F1 = 0.79788456D+O + XX*(O.OOOOOl56D+O + XX'(0.01659667DCO +
# XX* (0.00017105D+0 + XX' (-0.00249511D+O + # XX*(O.O0113653D+O - XX'0.000200331)+0)))))
# XX*(O.O00056CD+O + XX*(-O.O0637879D+O + # XX*(O.O0074348D+O + XX*(O.O0079824D+O # - XX*O.O0029166D+O)))))
TI = x - 2.356194490+0 + xx*(o.iz4996iz~+o +
BY1 = Fl*DSIN(Tl)/DSQRT(XI END1 F RETURN END
6 ' 4 - O 4 3 8
DG'Tl SEP CENIDET CENTRO DE INFORMACION
140