Made available in DSpace on 2015-03-04T18:50:39Z (GMT). No. of bitstreams: 1 Apresentacao.pdf: 200775 bytes, checksum: 317576b779951158daadb5222c59a464 (MD5) Previous issue date: 2005-12-20 / Coordenacao de Aperfeicoamento de Pessoal de Nivel Superior / Several problems in physics and engineering are modeled by reaction-advection-diffusion (RAD) equations. However, when the diffusive terms are small compared with the other ones, these problems can become difficult to solve numerically. Besides, formulating the unsteady version of these models in a semi-discrete fashion, it can be interpreted that the overall diffusivity gets smaller as the time step decreases. To overcome these drawbacks, this thesis considers the development of Galerkin (or Petrov-Galerkin) finite element methods based on approximation spaces enriched by residual-free bubbles (RFB) or multiscale functions. Beginning with the unsteady reaction-diffusion problem, new methods using multiscale functions are presented which improve the solutions in the reaction-dominated regime and/or when small time steps are adopted. They also give rise to a general concept of stabilizing unsteady problems differently along the time. In the following, it is shown that switching RFB by suitable multiscale functions in the elements connected to the outflow boundaries of the domain increases the accuracy of the solutions in this region for RAD problems with advection. Next, this methodology is further studied for systems of RAD equations. In a final contribution, an extension of the RFB method is introduced for the shallow waters equations. All these methods are tested through benchmark problems and compared with stabilized methods presenting stable and accurate results. / A modelagem de vários problemas físicos e de engenharia envolve a solução de problemas de transporte do tipo reação-advecção-difusão (RAD), porém, estes podem tornar-se singularmente perturbados quando os termos difusivos são pequenos comparados aos demais. Além disso, ao adotar formulações semi-discretas em problemas transientes, observa-se que diminuir o passo de tempo tem um efeito de redução da componente difusiva. Para superar estas dificuldades, esta tese considera o desenvolvimento de métodos de elementos finitos de Galerkin (ou Petrov-Galerkin) baseados em espaços de aproximação enriquecidos por funções bolhas livres do resíduo (RFB) ou funções multiescala. Começando pelo problema de reação-difusão transiente, novos métodos utilizando funções multiescala são apresentados, os quais melhoram as soluções no regime reativo-dominante e/ou quando pequenos passos de tempo são adotados. Com estes métodos, discute-se também o conceito de estabilização variável ao longo do tempo para problemas transientes. Na seqüência, verifica-se que utilizar funções multiescala nos elementos conectados às fronteiras de saída de fluxo do domínio e RFB nos demais elementos aumenta a precisão das soluções nesta região em problemas de RAD com advecção dominante. A seguir, esta metodologia é estudada para sistemas de RAD. Como contribuição final, estende-se o método RFB para o modelo de águas rasas. Todos estes métodos são submetidos a testes de robustez e comparados com métodos estabilizados, apresentando resultados estáveis e precisos.

[pt] Métodos computacionais em engenharia são usados na solução de problemas físicos que não possuem solução analítica ou sua perfeita representação matemática é inviável. Técnicas de métodos numéricos, incluindo o amplamente usado método dos elementos finitos, podem exigir a solução de sistemas lineares com centenas de milhares de equações, demandando altos recursos computacionais (memória e tempo). Nesta tese, nós apresentamos um sistema baseado em plugins para análise numérica em larga escala. O sistema é usado como uma ferramenta original na solução de problemas de otimização topológica usando o método dos elementos finitos com milhões de elementos. Nossa estratégia utiliza uma técnica elemento-por-elemento para implementar um código altamente paralelo para um solver iterativo com baixo consumo de memória. Além disso, a abordagem de plugin proporciona um ambiente completamente flexível e fácil de estender, onde diferentes aplicações, exigindo diferentes tipos de elementos finitos, materiais, solvers lineares e formulações podem ser desenvolvidos e melhorados. O kernel do sistema é mínimo, com apenas um módulo gerenciador de plugin, responsável por carregar os plugins desejados em tempo real usando um arquivo de configuração de entrada. Todas as funcionalidades necessárias para uma determinada aplicação são definidas dentro dos plugins, sem a necessidade de mudar o kernel. Plugins podem disponibilizar ou exigir interfaces adicionais especializadas, onde outros plugins podem ser conectados para compor um sistema mais complexo e completo. Nós apresentamos resultados para uma análise estrutural estática linear elástica e para uma análise estrutural de otimização topológica. As simulações utilizam elementos Q4, hexagonal (Brick8) e prisma hexagonal (Honeycomb), com solvers diretos e iterativos usando computação sequencial, paralela e distribuída. Nós investigamos o desempenho com relação ao uso de memória e escalabilidade da solução para problemas com diferentes tamanhos, de exemplos pequenos a muito grandes em apenas uma máquina e em um cluster. Foi simulado um exemplo de análise estática linear elástica com 500 milhões de elementos em 300 máquinas. / [en] Computational methods in engineering are used to solve physical problems that do not have analytical solution or their perfect mathematical representation is unfeasible. Numerical techniques, including the largely used finite element method, require the solution of linear systems with hundreds of thousands equations, demanding high computational resources (memory and time). In this thesis, we present a plugin-based framework for large-scale numerical analysis. The framework is used as an original tool to solve topology optimization problems using the finite element method with millions of elements. Our strategy uses an element-by-element technique to implement a highly parallel code for an iterative solver with low memory consumption. Besides, the plugin approach provides a fully flexible and easy to extend environment, where different types of applications, requiring different types of finite elements, materials, linear solvers, and formulations, can be developed and improved. The kernel of the framework is minimum with only a plugin manager module, responsible to load the desired plugins during runtime using an input configuration file. All the features required for a specific application are defined inside plugins, with no need to change the kernel. Plugins may provide or require additional specialized interfaces, where other plugins may be connected to compose a more complex and complete system. We present results for a structural linear elastic static analysis and for a structural topology optimization analysis. The simulations use elements Q4, hexahedron (Brick8), and hexagonal prism (Honeycomb), with direct and iterative solvers using sequential, parallel and distributed computing. We investigate the performance regarding the use of memory and the scalability of the solution for problems with different sizes, from small to very large examples on a single machine and on a cluster. We simulated a linear elastic static example with 500 million elements on 300 machines.