Proyecto Fin de Carrera

Trabajo Fin de Grado

Ingeniería
Grado ende Ingeniería
Telecomunicación
Aeroespacial

Formato de Publicación
Estudio Numérico delde la EscueladeTécnica
Impacto Gotas
Superior
sobre de
unaIngeniería
Capa Líquida de Altura Variable

Autor:Autor: David
F. Javier Rincón
Payán Díaz
Somet
Tutor:Tutores: Guillaume
Juan José Murillo Maurice
Fuentes Riboux Acher
José Manuel Gordillo Arias de Saavedra

Dep.
Dep.Ingeniería
Teoría deAeroespacial y Mecánica de Fluidos
la Señal y Comunicaciones
Escuela
Escuela Técnica
Técnica Superior
Superior de Ingeniería
de Ingeniería
Universidad
Universidad de Sevilla
de Sevilla
Sevilla, 2016
Sevilla, 2013
 Trabajo Fin de Grado
Grado en Ingeniería Aeroespacial

Estudio Numérico del Impacto de Gotas sobre

una Capa Líquida de Altura Variable

Autor:
David Rincón Díaz

Tutor:
Guillaume Maurice Riboux Acher
Profesor Contratado Doctor Interino

Cotutor:
José Manuel Gordillo Arias de Saavedra
Catedrático de Universidad

Dep. Ingeniería Aeroespacial y Mecánica de Fluidos

Escuela Técnica Superior de Ingeniería
Universidad de Sevilla
Sevilla, 2016
 Trabajo Fin de Grado: Estudio Numérico del Impacto de Gotas sobre una Capa Líquida de
Altura Variable

Autor: David Rincón Díaz

Tutores: Guillaume Maurice Riboux Acher, José Manuel Gordillo Arias de Saavedra

El tribunal nombrado para juzgar el trabajo arriba indicado, compuesto por los siguientes profesores:

Presidente:

Vocal/es:

Secretario:

acuerdan otorgarle la calificación de:

El Secretario del Tribunal

Fecha:
 Resumen

E n este trabajo se realiza un estudio numérico de la dinámica de una capa líquida tras el impacto – a
distintas velocidades – de una gota esférica compuesta del mismo líquido. Para llevar a cabo esta tarea,
se analizará la evolución temporal de puntos de interés durante la deformación de la capa líquida tras el
impacto de la gota. Finalmente, los resultados numéricos serán comparados con los resultados experimentales
adquiridos en el laboratorio mediante una cámara de alta velocidad, con el objetivo de validar el método
numérico.

I
 Abstract

T his manuscript presents a numerical study about the dynamic of a liquid layer after the impact - at
different velocities - of a spherical drop of the same fluid than the layer. To achieve this task, the
temporal evolution of particular points on the liquid layer will be analyzed after the impact of the drop. Finally,
with the aim of validating the numerical method, the numerical results will be compared to experimental
results obtained in laboratory with the help of high speed camera.

III
 Índice

Resumen I
Abstract III

Índice de Figuras VII

Notación IX
1 Introducción 1
2 Fundamentos físicos del problema 3
3 Resolución numérica del problema 5
3.1 Condición inicial 8
3.2 Ecuación de Green 9
3.3 Ecuación de Euler - Bernoulli 10
3.4 Redistribución de los puntos 11
4 Análisis de las simulaciones 13
4.1 Explicación del código numérico MATLAB® 14
4.2 Descripción detallada del proceso seguido 22
5 Comparación de resultados numéricos y experimentales 25
6 Análisis de los resultados 31
7 Conclusión 35
Índice de Códigos 37
Bibliografía 39

V
 Índice de Figuras

2.1 Esquema del problema a estudiar 3

3.1 Variables representativas sobre parte de la entrefase real Γ 5

3.2 Entrefase real e imagen Γ y potencial sobre cada sección 6
3.3 Diagrama de flujo del proceso llevado a cabo en la resolución numérica 7
3.4 Distribución inicial de los nodos sobre la superficie líquida Γ 8
3.5 Distribución inicial de los nodos sobre Γd 8
3.6 Distribución inicial de los nodos sobre Γsi 8
3.7 Distribución inicial de los nodos sobre Γse 9

4.1 Diagrama de flujo del proceso llevado a cabo para la obtención de los resultados 13
4.2 Región sobre la superficie líquida Γ donde buscar extremos 15
4.3 Región de Γ con valores interpolados 16
4.4 Extremos concentrados sobre la base de la corona 18
4.5 Evolución temporal de la base y de la punta de la corona para H = 0.2 y We = 100 19
4.6 Velocidad de los extremos de la corona para H = 0.2 y We = 100 19
4.7 Evolución de la anchura de la corona con inc = 0.2 para H = 0.2 y We = 100 21
4.8 Extremos de la corona y estimación de la anchura de la misma 21
4.9 Comparación para H = 0.2, 1, 1.9, We = 65 (izquierda) y We = 100 (derecha) 23

5.1 Comparación experimento y simulación para We = 10 en t = 0.31, 0.63, 0.94, 1.26, 1.57, 1.88 26
5.2 Comparación experimento y simulación para We = 25 en t = 0.48, 0.95, 1.42, 1.89, 2.37, 2.84 27
5.3 Comparación experimento y simulación para We = 35 en t = 0.5, 1, 1.5, 2, 2.5, 3 28
5.4 Comparación de simulaciones para We = 65 (izquierda) y We = 350 (derecha) en los instantes
t = 0.198, 0.397, 0.595, 0.793, 0.992, 1.190 29

6.1 Número de Weber crítico en función de H 31

6.2 Variación del instante de formación de la corona en función de We para varios H 32
6.3 Velocidad inicial de la punta de la corona en función de We para varios H 32

VII
 Notación

R Radio de la gota
h Altura de la capa líquida
U Velocidad de caída de la gota
H Altura adimensional de la capa líquida
Γ Entrefase líquido-gas
L Longitud de la superficie líquida
T Tiempo
t Tiempo adimensional
s Longitud de arco
r Distancia en dirección radial
z Distancia en dirección axial
ρ Densidad del fluido
φ Función potencial
σ Tensión superficial del líquido
τ Curvatura de la superficie fluida
θ Ángulo inicial de contacto de la gota con la capa líquida
p̄ Presión media del fluido
pa Presión atmosférica
vP Velocidad de impacto de la gota en los ensayos experimentales
We Número de Weber
Wecr Número de Weber crítico
Oh Número de Ohnesorge
N Número total de nodos sobre la superficie real e imagen
Np Número de nodos sobre la superficie líquida real
Nvisu Número de valores entre imágenes que componen la animación
Ni Número de iteraciones para redistribuir puntos
Nim Fotograma concreto en la grabación del ensayo experimental
N0 Número de fotogramas anteriores al impacto de la gota en los
ensayo experimentales
f Tasa de imágenes de la cámara de alta velocidad usada en los
ensayos experimentales

IX
 1 Introducción

E l impacto de gotas sobre una superficie es un fenómeno de gran relevancia en aplicaciones ingenieriles,
industriales y en el ámbito de la agricultura. En concreto, está presente en diversos procesos como la
refrigeración y secado por aspersión [1, 2, 3], la pintura industrial [4], la atomización y vaporización de flujos
líquidos [5], el revestimiento por pulverización [6], la impresión por chorro [7], la inyección de combustibles
líquidos en motores de combustión interna [8], la deposición de pesticidas [9], el procesado de materiales
por aspersión [10] o el revestimiento farmacéutico [11], así como en fenómenos meteorológicos o naturales
tales como la interacción de la lluvia con la superficie oceánica y la erosión de paredes y suelos [12] o el
crecimiento de estalagmitas, los cuales se encuentran involucrados con el impacto de gotas de una u otra
manera. El control del resultado del impacto es determinante para las aplicaciones anteriormente descritas. La
propagación es deseable en revestimientos, recubrimientos, baños o impresión de tinta por chorro, mientras
que la salpicadura puede mejorar la eficiencia de la evaporación y mezcla en las cámaras de combustión.
El comportamiento y la dinámica de la gota tras el impacto viene determinado por las propiedades del
fluido – tales como su densidad, viscosidad y tensión superficial [13] –, las condiciones en las que este
fenómeno tiene lugar – como el tamaño de la gota o la velocidad de impacto [14] – y, además, difiere según
las características de la superficie sobre la cual colisiona [15]. En numerosas ocasiones se ha estudiado e
intentado comprender los mecanismos que subyacen bajo el fenómeno de incidencia de una gota sobre una
superficie sólida, bien sea una superficie seca [16, 17] o húmeda [18]. Asimismo, existen también multitud de
ensayos sobre el impacto de gotas sobre una piscina llena con el mismo líquido con la suficiente profundidad
como para despreciar el efecto de la superficie [19, 20]. O, por otra parte, la gota puede impactar sobre una
superficie líquida de espesor finito [21] e incluso, sobre una superficie elástica [22].
En cualquier caso, el impacto conlleva a la propagación de la gota y, en ocasiones, a la salpicadura y
formación de multitud de pequeñas gotas que son expulsadas a gran distancia respecto a la zona de impacto
[23], debido al efecto de la inestabilidad que se alcanza sobre la superficie fluida [24].
A continuación, se presenta un análisis usando métodos computacionales, comparando estos resultados
numéricos con los obtenidos experimentalmente en el laboratorio mediante técnicas fotográficas como ya
comenzara a utilizar Worthington en 1908 [25], y posteriormente numerosos investigadores en diversos
ensayos [26, 27, 28, 29, 30, 31, 32], donde se analizan, haciendo uso de cámaras de gran velocidad, las
dimensiones de la corona (diámetro y altura) y su crecimiento tras el impacto de la gota.

1
 2 Fundamentos físicos del problema

E l estudio que nos ocupa a lo largo de esta memoria puede describirse como una gota de agua de radio R,
impactando sobre una fina capa líquida horizontal del mismo líquido, de espesor h a una velocidad U. El
sistema queda definido por el líquido y el gas del ambiente que lo rodea, con densidades ρl y ρg y viscosidades
dinámicas µl y µg , respectivamente, siendo σ la tensión superficial del líquido. En los experimentos, la gota
es generada a cierta altura sobre la superficie líquida y se deja caer merced de la gravedad g, de manera que,
la altura desde la que se deja caer determina la velocidad de impacto y, por tanto, el número de We en dicho
instante.

Momento anterior al impacto

Instante del impacto
2R Momento posterior al impacto
Formación de la salpicadura

Figura 2.1 Esquema del problema a estudiar.

El problema se define desde el momento en que la gota se deja caer a cierta altura respecto de la capa
líquida hasta un instante de tiempo posterior al impacto de dicha gota sobre la superficie líquida – que puede
coincidir con el instante en que se produce splash, si ocurre; o un instante de tiempo determinado, impuesto
al ejecutar la simulación numérica –, como se muestra en el esquema de la figura 2.1. Tal y como se ha
anticipado anteriormente, la gota se asume que es esférica y de radio R. Para que esta suposición sea válida
es necesario que el efecto del flujo del aire sobre la forma de la gota sea tan pequeño como sea posible. En
nuestro estudio, analizamos el efecto del número de Weber sobre el instante en que se produce la formación
de la corona, así como la velocidad de la punta de dicha corona en este momento. Para ello, se realizan
diversas simulaciones para valores del número de Weber definidos como:

ρU 2 R
We =
σ
comprendidos entre We = 5 y We = 400. Este parámetro adimensional muestra una relación entre las fuerzas
de inercia y la tensión superficial. Además de variar el número de Weber del impacto, las simulaciones se
realizarán para diferentes espesores de la capa líquida h, adimensionalizada mediante el radio de la gota R:
h/R = 0.2, h/R = 1 y h/R = 1.9.

3
4 Capítulo 2. Fundamentos físicos del problema

Otro parámetro importante que diferencia el tipo de fluido utilizado para realizar esta simulación con los
referenciados en la bibliografía, con los cuales se compararán algunas propiedades en apartados posteriores,
es el número de Ohnesorge:
µ
Oh = √
ρσ R
que relaciona las fuerzas viscosas con las de tensión superficial. De esta manera, el problema queda caracteri-
zado principalmente por tres números adimensionales, la altura adimensional de la capa líquida H = h/R, el
número de Weber del líquido We y el número de Ohnesorge Oh.
Asumir que el flujo es axisimétrico no es válido cuando se forman eyecciones o chorros. Sin embargo,
para períodos de tiempo breves, anteriores a la formación de dichas inestabilidades y particularmente, antes
de que se forme la salpicadura, podemos considerar correcta esta suposición. Por otra parte, el análisis
tridimensional continúa siendo un gran reto numérico debido a la aparición de fluctuaciones en multitud
de escalas dimensionales distintas. Recientemente se han podido realizar realistas simulaciones numéricas
tridimensionales del impacto de la gota, aunque los resultados para períodos de tiempo tempranos son aún
difíciles de obtener [33]. Además, una base sólida como primera estimación para el análisis tridimensional
del flujo puede obtenerse simplemente a partir del escalado del flujo bidimensional.
En una primera estimación se puede suponer que, tanto el efecto de la gravedad como el del gas circundante
son despreciables. En la simulación, se define el instante t = 0 como el instante en el cual la gota esférica,
indeformada con velocidad de caída uniforme entra en contacto con la superficie plana y en reposo del líquido.
En nuestra aproximación del modelo, lo suponemos como uno mecánico continuo, al cual se le atribuye
una respuesta fluidomecánica Newtoniana, incompresible y con tensión superficial constante.
Los parámetros que definen el sistema son la presión p, tensión superficial del agua σ , radio de la gota R,
~n y~t que denotan la dirección unitaria normal y tangente a la superficie de interferencia, ρ(x) y µ(x) que son
las densidades y viscosidades del fluido, que dependen de la posición y son iguales a los valores ρl,g y µl,g
en cada fase.
 3 Resolución numérica del problema

E n este capítulo vamos a resolver el problema anteriormente introducido, haciendo uso de métodos
numéricos. Para lo cual, comenzamos mediante una descripción fluidodinámica del problema. La
simulación debe realizarse teniendo en cuenta que debe encontrarse una solución que cumpla las condiciones
sobre las distintas fases que componen el sistema, por lo que es necesario efectuar el seguimiento de la
entrefase líquido-gas. Asimismo, para la resolución del problema se hace uso del método de las imágenes,
para imponer la condición de contorno de impenetrabilidad sobre el plano z = 0.
z/R
Γ: Entrefase líquido-gas
L/R: Longitud adimensional de
~n
Γ la superficie fluida
~t
h/R: Altura adimensional de la
capa líquida
s/R s/R: Vector longitud de arco
r/R: Vector radial
h/R z/R: Vector axial
~ez
r/R ~er : Vector radial unitario
~ez : Vector axial unitario
~er
L/R ~t: Vector tangente
~n: Vector normal
Figura 3.1 Variables representativas sobre parte de la entrefase real Γ.
En primer lugar, suponiendo que se cumple Re  1, Fr  1, se resuelve la ecuación de Laplace que
implica que el movimiento sea irrotacional y está caracterizada por:

∇2 φ = 0 (3.1)

Por otra parte, la ecuación de Euler-Bernoulli sobre Γ, constituida por la superficie de la gota y la capa líquida,
adquiere la siguiente expresión:  2
∂~v̄ ∂

v̄
ρ + ρ + p̄ = 0 (3.2)
∂ t¯ ∂ s̄ 2
Reescribiendo esta ecuación teniendo en cuenta que ~v̄ = ∇Φ:

|∇Φ|2
 
∂ (∇Φ) ∂
ρ + ρ + p̄ = 0 (3.3)
∂ t¯ ∂ s̄ 2

Desarrollando el primer término, la expresión anterior queda:

|∇Φ|2
   
∂Φ ∂
∇ ρ + ρ + p̄ = 0 (3.4)
∂ t¯ ∂ s̄ 2

Agrupando términos se llega a la siguiente ecuación:

|∇Φ|2
 
∂Φ
∇ ρ +ρ + p̄ = 0 (3.5)
∂ t¯ 2

5
6 Capítulo 3. Resolución numérica del problema

De este modo, para que se cumpla dicha expresión debe satisfacerse:

∂Φ |∇Φ|2
ρ +ρ + p̄ = cte = pa (3.6)
∂ t¯ 2
O equivalentemente, dado que p̄ − pa = σ κ 0 :

∂Φ |∇Φ|2
ρ +ρ + σ κ0 = 0 (3.7)
∂ t¯ 2
Para adimensionalizar dicha expresión, se hace uso de la siguientes relaciones:
κ R
Φ = URφ κ0 = t¯ = t ¯ = R∇
∇ (3.8)
R U
De esta manera, la ecuación puede reescribirse como sigue:

UR ∂ φ U2 σ
ρ +ρ |∇φ |2 + κ = 0 (3.9)
R/U ∂t 2 R

Simplificando dicha expresión, se alcanza:

∂φ U2 σ
ρU 2 +ρ |∇φ |2 + κ = 0 (3.10)
∂t 2 R

Y finalmente, dividiendo por ρU 2 se puede reescribir como:

∂ φ |∇φ |2 κ
+ + =0 (3.11)
∂t 2 We

Junto a esta definición, es necesario incluir la condición de axisimetría del sistema, determinada por:

∂φ
=0 en r=0 (3.12)
∂r
y la condición de contorno de la entrefase Γ:

si ~x ∈ superficie de la gota

 −z
φ= z si ~x ∈ superficie imagen de la gota (3.13)
0 en otro caso


En la siguiente figura se puede observar la superficie Γ constituida por la entrefase real y la imagen,
necesaria para imponer la condición de contorno sobre la base como se introdujo anteriormente.

φ = −z
φ=0

φ=z

Figura 3.2 Entrefase real e imagen Γ y potencial sobre cada sección.

De manera que, sobre la gota real, la velocidad vertical es equivalente a la velocidad de caída de la gota
antes del impacto con la capa líquida, es decir:

∂φ v
:= v∗z ≡ z = −1 → vz = −U (3.14)
∂z U
 7

A continuación, se muestra mediante un diagrama de flujo el proceso que se llevará a cabo para resolver el
problema numéricamente junto con una breve descripción de cada uno de los bloques que lo componen, los
cuales se detallarán más en profundidad posteriormente:

1. Condición inicial

2. Ecuación de Green
Runge-Kutta orden 5

∂φ
Solución
∂n

3. Ecuación de Euler-Bernoulli

no
¿Ni = 2?

sí

4. Redistribución de los puntos

Figura 3.3 Diagrama de flujo del proceso llevado a cabo en la resolución numérica.

1. Condición incial
Emplazamiento inicial y distribución de los nodos r∗ , z∗ sobre la superficie Γ que separa el líquido y el
gas, sobre los que se conoce el valor del potencial φ
2. Ecuación de Green
Conocido el potencial de velocidades φ sobre cada nodo r∗ , z∗ , la solución a esta ecuación permite
obtener la derivada respecto a la normal de la superficie fluida del potencial de velocidad en un instante
determinado ∂ φ /∂ n∗
3. Ecuación de Euler-Bernoulli
Dada la evolución ∂ φ /∂ n∗ , se adquiere la nueva posición de cada uno de los nodos r∗ , z∗ sobre Γ,
donde se realiza el cálculo del nuevo potencial φ haciendo uso de esta ecuación
4. Redistribución de los puntos
Para dotar al algoritmo de mayor estabilidad, cada Ni iteraciones los nodos se trasladan al punto medio
de los segmentos τi que conforman la superficie Γ
8 Capítulo 3. Resolución numérica del problema

3.1 Condición inicial

La condición inicial del problema se implementa numéricamente de manera diferenciada sobre tres secciones
de la entrefase real. Por un lado, mediante nodos equiespaciados sobre la superficie de la gota Γd y sobre la
zona más cercana a la misma de la superficie fluida en reposo Γsi y, por otro lado, siguiendo una distribución
según una ley potencial para los puntos pertenecientes a la zona más externa de la capa líquida Γse , de manera
que, los puntos se encuentran más espaciados a medida que se alejan de la gota.
Cada una de estas partes quedan definidas por una cantidad de puntos equivalente a un tercio del total N
sobre la superficie real Γ – y debe satisfacerse que N − 1 sea divisible por 6 en este instante inicial –.

z/R

Γd
h/R
Γsi Γse
r/R

L/R

Figura 3.4 Distribución inicial de los nodos sobre la superficie líquida Γ.

Esta ley de potencia se utiliza debido a que la importancia del problema reside en el seguimiento de la
evolución de la superficie de la gota y la zona más próxima a ella, ahorrando así recursos numéricos a la
hora de hallar la solución al sistema. Como puede verse en la figura 3.4, para analizar dicho sistema nos
centramos únicamente en la semisuperficie real Γ con r∗ > 0, puesto que como se ha hecho la hipótesis de
que el problema es axisimétrico, la solución para r∗ < 0 es análoga a esta. La longitud de la capa líquida
se impone con un valor L/R = 25 y la altura de la misma varía según la simulación llevada a cabo, entre
h/R = 0.2, 1 y 1.9.
Llamamos ∆ al intervalo entre dos puntos sucesivos sobre la superficie fluida, de modo que este parámetro
adquiere diferentes definiciones según se encuentre sobre la superficie de la gota, sobre la parte de la capa
líquida más próxima a la gota o la parte de esta más alejada de la gota. Para hacer referencia a las variables
adimensionales usamos el símbolo de dicha variable con un asterisco, así pues, L∗ y r∗ indican L/R y r/R,
respectivamente.

z/R

Sobre la superficie de la gota, los puntos se distri- ∆

buyen de manera equiespaciada, cuya longitud es
π − θ , es decir cada segmento en que se divide esta
sección queda definido por:

π −θ π
∆= / θ = 15◦ rad (3.15) θ
(N − 1)/6 − 1 180◦
r/R

Figura 3.5 Distribución inicial de los nodos sobre Γd .

z/R
En la parte de la superficie líquida más cercana a
∆ r *o la gota, de extensión π, los puntos se encuentran
r/R espaciados homogéneamente una distancia:
π
π ∆= (3.16)
(N − 1)/6 − 1
Figura 3.6 Distribución inicial de los nodos sobre Γsi .
 3.2 Ecuación de Green 9

En la región más apartada de la gota, los nodos se distribuyen de manera desigual como puede apreciarse
en la figura 3.7, de forma que la posición de los nodos en dirección radial se define según:
!2
∗ j
r ( j) = ro∗ + L∗j / j ∈ [1, N j ] (3.17)
Nj

z/R
r*o r* (j)
∆
r/R

L *j

Figura 3.7 Distribución inicial de los nodos sobre Γse .

Las variables L∗j y N j se definen como:

L∗j = L∗ − ro∗ = cte (3.18)

   
N −1 N −1
Nj = − 2 +1 (3.19)
2 6
y representan la longitud de esta zona, caracterizada por la longitud total de la superficie fluida adimensional
L/R excepto la distancia en dirección radial de superficie denominada ro∗ ; y el número de puntos sobre
dicha región, respectivamente. Dado que N representa los puntos totales sobre la semisuperficie fluida real e
imagen Γ con r∗ > 0, la cantidad de puntos sobre este último sector se determina como la cantidad de puntos
totales sobre la superficie real (N − 1)/2, salvo los puntos que ya han sido asignados sobre Γd y Γsi , esto es,
(N − 1)/6 puntos sobre cada una de estas zonas y el último punto que linda entre las regiones Γsi y Γse , que
se establece como perteneciente a Γsi , en esta ocasión.
Es necesario conocer la posición r∗ , z∗ de todos los puntos sobre la superficie Γ con sus respectivos
potenciales φ , para lo cual es necesario obtener la resolución de la ecuación de Green, expuesta a continuación.

3.2 Ecuación de Green

Tanto en esta como en las sucesivas secciones donde se presenta la resolución numérica de las ecuaciones
que definen el problema, se obvia el superíndice ∗ para referirnos a que las variables son adimensionales
para simplificar la notación, aunque todas las variables usadas siguen careciendo de dimensión.
El problema se resuelve calculando la ecuación de Green para cada punto ~x = r, z ∈ Γ, que corresponden a
la curva de la superficie axisimétrica de la gota y la superficie fluida en reposo. Esta ecuación es:
Z Z
∂φ
φ (r,z) = g ds − hφ ds (3.20)
∂n
Γ Γ

donde el término ∂ φ /∂ n hace referencia a la derivada del potencial de velocidad adimensional φ con respecto
a la normal a Γ, s es la longitud de arco y las funciones g y h se denominan kernels y se definen como:
2r
1/2
K(m) g= (3.21)
πA
2rE(m) nr (r − α)nr + (z − β )nz K(m)nr
 
h= + − (3.22)
πA1/2 2r B πA1/2

siendo K(m) y E(m) funciones elípticas de primer y segundo tipo, respectivamente, donde:

A = (r + α)2 + (z − β )2 (3.23)
2
B = (r − α) + (z − β ) 2
(3.24)
4rα
m= (3.25)
A
10 Capítulo 3. Resolución numérica del problema

Para obtener la solución del problema es necesario resolver la ecuación 3.20 para cada punto r, z de la
discretización de la superficie Γ, tomando en cuenta las otras fuentes localizadas en los puntos α, β ∈ Γ.

3.3 Ecuación de Euler - Bernoulli

Teniendo presente la definición de derivada sustancial y de vector velocidad:

Dn φ
 
∂φ ∂φ ∂φ ∂φ
:= +~v · ~n ~v := ~n + ~t (3.26)
Dt ∂t ∂n ∂n ∂s

la ecuación de Euler - Bernoulli dada en la expresión 3.11 queda:

 2 (    )
Dn φ ∂φ 1 ∂φ 2 ∂φ 2 κ
− + + + =0 (3.27)
Dt ∂n 2 ∂n ∂s We

De donde se deduce: 2 ( 2 2 )
Dn φ
 
∂φ 1 ∂φ ∂φ κ
= − + − (3.28)
Dt ∂n 2 ∂n ∂s We
Tras resolver la ecuación de Green sobre la superficie fluida Γ mediante la expresión 3.27, se puede determinar
la posición de los puntos r, z y la función potencial φ . La solución del sistema es la derivada del potencial
con respecto a la normal ∂ φ /∂ n.
Antes de proseguir, se explica a continuación cómo se puede resolver la ecuación 3.27 haciendo uso del
álgebra lineal matricial, mediante un algoritmo de descomposición L-U.
Las funciones r = f (s) y z = f (s) son interpoladas mediante spline cúbicos, así como las funciones ∂ φ /∂ n
y ∂ φ /∂ s, resultantes de la ecuación 3.27 que se utilizan para calcular las nuevas posiciones de los puntos r, z
sobre Γ, para obtener así una aproximación más precisa y suavizada de dicha superficie fluida. Se asume que
el potencial φ es función lineal para cada punto r, z, que permite la transformación de la ecuación 3.27 en un
sistema lineal de ecuaciones que puede ser reescrito:
Z Z
∂φ
φ (r, z) = g ds − hφ ds (3.29)
∂n
Γ Γ

Discretizando sobre los N nodos que forman la superficie fluida Γ, se alcanza:

N
∂φ
φ (ri , zi ) = ∑ G(ri , zi , α, β ) − H(ri , zi , α, β )φ (ri , zi ) (3.30)
i=1 ∂n

En forma matricial queda:

∂φ
(I¯ + H̄¯ )φ = Ḡ¯ (3.31)
∂n
Donde I¯ es el tensor unidad y cada elemento (i, j) de las matrices H̄¯ y Ḡ¯ se calculan como:
Z
Gi, j = g(ri , zi , α j , β j )ds (3.32)
τi
Z
Hi, j = h(ri , zi , α j , β j )ds (3.33)
τi

Mediante la siguiente parametrización:

Z
r = ri + tli niz (3.34)
τi
Z
z = zi − tli nir (3.35)
τi
 3.4 Redistribución de los puntos 11

donde el vector unitario tangente está limitado por t ∈ [0,1] y li es la longitud de cada segmento τi , caracterizado
por: q
li = (ri+1 − ri )2 + (zi+1 − zi )2 = s(i, i + 1) (3.36)
De esta manera, se tiene que:
Z 1
2ri K(m) 2rK(m)
Z
Gi, j = ds = s(i, i + 1) dt (3.37)
πA1/2 0 πA1/2
τi
Z 1
2ri E(m) 2rE(m)
Z
Hi, j = ds = s(i, i + 1) dt (3.38)
πA1/2 0 πA1/2
τi

donde las funciones K(m) y E(m) se calculan según [34]. De esta manera, aparecen integrales de funciones
en un intervalo [0,1] que se integran con una fórmula de 6 puntos de Gauss - Legendre. Una vez rellenas
las matrices H̄¯ y Ḡ¯ , se calcula el vector ∂ φ /∂ n para cada punto r, z mediante una descomposición L-U.
Posteriormente, tras conocer el valor de esta variable, se calcula la nueva posición de los puntos r, z sobre la
superficie líquida Γ, sirviéndonos de las siguientes definiciones:

dr ∂φ
:= nr (3.39)
dt ∂n
dz ∂φ
:= nz (3.40)
dt ∂n
Así, queda determinado cómo se calcula el nuevo potencial φ - que corresponde a las nuevas condiciones
iniciales para el nuevo paso de tiempo -, utilizando la ecuación 3.27.

3.4 Redistribución de los puntos

Tras cada Ni iteraciones, se utiliza un algoritmo de redistribución de los nodos sobre la superficie Γ, de forma
que se colocan en cada punto medio de los segmentos τi que unen estos nodos y componen la superficie
Γ para cada iteración, otorgando una mayor estabilidad al algoritmo numérico. La resolución temporal se
realiza siguiendo un esquema de Runge - Kutta de orden 5, con paso de tiempo adaptativo [35].
Los parámetros más relevantes para la resolución del problema numéricamente, y sus magnitudes son:
• Iteraciones para suavizado: Ni = 2
Número de iteraciones temporales fijadas para realizar una redistribución de los nodos al punto medio
de los segmentos que limitan, para proporcionar robustez al método.
• Límite de curvatura sobre la gota: εd = 5
Hace referencia al umbral de curvatura de la gota, de forma que, en caso de que algún punto de Γ
tenga un valor de curvatura mayor que este τ ≥ εd , se añade un nuevo nodo en el punto intermedio del
segmento sobre el que se ha detectado dicha ocurrencia y su imagen.
• Valor límite de curvatura sobre la superficie líquida: εs = 5 × 10−4
Semejante a εd , pero sobre la superficie fluida. En caso de superarse dicho valor, se añade un nuevo
nodo en la superficie real y en la superficie imagen.
• Máximo segmento sobre la gota: δd = (π/2)/N
Indica la distancia máxima permitida entre nodos, de manera que, cuando la longitud de un segmento
τi supera dicha extensión, se agrega un nuevo nodo en el medio de dicho segmento y el equivalente
sobre el segmento de la superficie imagen.
• Máximo segmento sobre la capa líquida: δs = 20 δd
Equivalente a δd , sobre la superficie líquida en reposo. En esta región, la máxima extensión consentida
de los segmentos es 20 veces superior a la permitida sobre la superficie de la gota, dado que la variación
entre dos nodos consecutivos es mucho menor que sobre la gota.
• Comprobar cumplimiento de condiciones: nip = 20
Número de iteraciones definidas para comprobar si se cumplen las condiciones necesarias para añadir
un nuevo nodo sobre la superficie líquida real y su respectivo sobre la imagen.
 4 Análisis de las simulaciones

E l siguiente diagrama de flujo muestra el proceso llevado a cabo para tratar de resolver los posibles errores
en la adquisición de los extremos de la superficie fluida (base y punta de la corona).

1. Cargar datos
1. Cargar datos Adquirir los valores numéricos obteni-
dos a partir de las simulaciones realiza-
das en lenguaje FORTRAN
2. Detección de errores
En un primer instante, se realiza una
2. Detección de errores visualización rápida a los datos obteni-
dos, con un paso entre imágenes elevado
(Nvisu = 100), para detectar los posibles
errores en la adquisición de los extremos
3. Últimos fotogramas
3. Últimos fotogramas
En ocasiones ocurre que los últimos fo-
togramas arrojan valores incoherentes
debido a la divergencia de los resultados
que se obtienen de la simulación. Por
no ¿Datos ello, es necesario eliminar aquellos datos
coherentes? que carecen de significado físico, para
lo cual son analizados individualmente –
con un paso Nvisu = 1 – los fotogramas
sí cercanos al fin de la simulación
4. Fotogramas intermedios
4. Fotogramas intermedios Analizar detenidamente con un paso
Nvisu = 1 los fotogramas que pertenecen
a la región en la que se ha comproba-
do en la visualización general que los
extremos de la corona no se adquieren
no ¿Errores correctamente. Para solventar dicho pro-
solucionados? blema se debe modificar las condiciones
de contorno que definen la zona en la
que deben buscarse estos valores en un
sí
intervalo de tiempo determinado
5. Exportar resultados 5. Exportar resultados
La evolución temporal de los extremos
adquiridos se almacenan junto con el ins-
Figura 4.1 Diagrama de flujo del proceso llevado a cabo para la
tante de tiempo en el que se comienza a
obtención de los resultados.
formar la corona

13
14 Capítulo 4. Análisis de las simulaciones

4.1 Explicación del código numérico MATLAB®

Tras la breve introducción realizada mediante el diagrama de flujo anterior, a continuación, procedemos
a mostrar el código general utilizado para la adquisición de los valores, analizando por partes las líneas
más representativas e importantes. En primer lugar, se obtienen los datos alcanzados en las simulaciones
realizadas en FORTRAN.
Los datos adquiridos de las simulaciones – para cada Código 4.1 Adquisición de datos de las simulaciones
instante de tiempo simulado – se almacenan siguien- llevadas a cabo en FORTRAN.
do el siguiente patrón: una primera columna cons-
tituida por tres filas y bajo esta, seis columnas con % Extracción de datos de archivo
tantas filas como nodos hay sobre la superficie fluida Nvisu=100;
real en dicha prueba. Los tres valores que integran la carpeta0='H02/We005/';
primera columna representan el número de puntos lista0=dir([carpeta0,'fort.*']);
sobre Γ, el número de iteraciones ejecutadas y el Nf=length(lista0);
instante de tiempo adimensional de esta simulación.
El resto de valores se organizan según seis columnas, j=1;
∗ ∗ ∗ ∗ ∗
que indican s , r , z , φ , ∂ φ /∂ s , ∂ φ /∂ n , respecti- for i=1:Nvisu:Nf
vamente para cada uno de los nodos que constituyen nom_int=['fort.',num2str(100+i)];
la entrefase (cada fila). En función del parámetro de- fid=fopen([carpeta0,nom_int],'r');
nominado Nvisu , que indica el número de iteraciones
o cálculos que se suceden entre dos instantes en los Nitert=fscanf(fid,'%e',[3,1])';
que se requieren almacenar los datos de la simula- N=Nitert(1);
ción, la calidad de los resultados obtenidos estará Np=(N-1)/2+1;
más o menos cercanos a la realidad. Esto es, para t(j)=Nitert(3);
valores de Nvisu pequeños, el número de ciclos de result=fscanf(fid,'%e',[6,Inf]);
cálculos numéricos entre dos muestras de datos será sv{j}=result(1,1:Np);
bajo y, por tanto, sin grandes divergencias puntuales; rv{j}=result(2,1:Np);
sin embargo, si Nvisu adquiere un valor elevado, la zv{j}=result(3,1:Np);
toma de datos se realizará de forma más acelerada phiv{j}=result(4,1:Np);
debido a la menor cantidad de valores guardados por vtv{j}=result(5,1:Np);
lo que puede servir como previsualización general vnv{j}=result(6,1:Np);
del sistema para percibir si existen regiones donde fclose(fid);
el error en la adquisición de los extremos es dema- clear result fid;
siado grande, pero se alejarán más de los resultados j=j+1;
reales por obviar una gran cantidad de datos entre end
fotogramas.
La variable N indica el número total de puntos sobre la superficie fluida real e imagen, el cual varía a lo
largo de las iteraciones como ya se mencionó anteriormente y N p , el número de puntos sobre la superficie
líquida real – incluyendo el último punto que comparten la entrefase real e imagen –.
En cuanto a los parámetros físicos, se almacenan los valores de la posición de cada nodo r∗ ,z∗ sobre la
entrefase Γ, la longitud de arco de cada punto s∗ , el potencial φ , y sus velocidades tangente y normal a la
superficie vt∗ y v∗n , para cada instante de tiempo de la simulación t, para unos valores de altura de la capa
líquida y del número de Weber determinados (H = 0.2 y We = 5, en este caso), como se muestra en el extracto
de código 4.1. Dichos parámetros están adimensionalizados – tal y como se ha indicado con anterioridad –
mediante una relación de las variables R y U que son las que caracterizan el problema.
Posteriormente, una vez que se han cargado los datos de la simulación, se muestra la animación de
la evolución de la superficie fluida Γ como una sucesión de los fotogramas correspondientes a los datos
adquiridos de la simulación cada Nvisu iteraciones, formada por la capa líquida en reposo y la gota tras
impactar con esta, indicando el valor del tiempo adimensional.
 4.1 Explicación del código numérico MATLAB® 15

Código 4.2 Representación de la evolución de la superficie fluida.

% Evolución gota
set(gcf,'units','normalized','position',[0.2,0.25,0.6,0.4]);
for i=1:length(t)
fig1=figure(1); pline=plot(rv{i},zv{i},'-','color',col1,'linewidth',2);
pline.Color(4)=0.75;
ti=['$t^*=',num2str(t(i),4),'$'];
text('Interpreter','latex','String',ti,'Position',[4,1.5],'FontSize',20);
set(gca,'FontSize',16,'position',[0.05,0,0.92,1]);
set(gca,'xminortick','on','yminortick','on');
axis equal; axis([0,10,-0.5,2.5]);
hold on;

A continuación, limitamos la zona en la que es posible encontrar los extremos buscados de la corona,
cuando esta se forme. De esta manera, redefinimos los vectores que caracterizan la superficie fluida hasta
valores r∗ < 6.

z/R

Nv
r/R

L* < 6

Figura 4.2 Región sobre la superficie líquida Γ donde buscar extremos.

Código 4.3 Región donde buscar extremos.

% Definir vectores donde buscar extremos de "fingering"
ind=find(rv{i}<6);
sv{i}=sv{i}(ind);
rv{i}=rv{i}(ind);
zv{i}=zv{i}(ind);
vtv{i}=vtv{i}(ind);
vnv{i}=vnv{i}(ind);
Nv=length(rv);

En la figura 4.2 se representa la zona de la entrefase Γ definida por los nodos que cumplen las condiciones
definidas en 4.3 – y una pequeña zona con menor opacidad para mostrar la continuidad de dicha superficie –.
Los puntos señalados sobre la superficie fluida corresponden con los pares de puntos rv∗ (ind), z∗v (ind), de
manera que el último punto representado coincide con Nv .
16 Capítulo 4. Análisis de las simulaciones

Para comenzar a analizar los posibles valores extremos (base y punta de la corona), es necesario obviar
la región de la gota que comprende desde su parte más alta hasta el punto donde esta alcanza la máxima
distancia radial, puesto que el código a utilizar para hallar la base de la corona se basa en la obtención del
punto en el que superficie fluida crece en dirección radial.

Código 4.4 Inicio de la región donde se encuentran los extremos.

% Buscar punto donde distancia radial comienza a disminuir
cont=1;
for k=2:Nv
if rv{i}(k)<0.5
cont=k;
elseif rv{i}(k)-rv{i}(k-1)>0 && zv{i}(k)-zv{i}(k-1)<0 && rv{i}(k)<1.5
cont=k;
else
break
end
end

so{i}=sv{i}(cont);
ro{i}=rv{i}(cont);
zo{i}=zv{i}(cont);

Con este extracto de código 4.4, se define el inicio del vector sobre el que debemos encontrar los extremos
relativos de Γ, en dirección radial ro∗ , axial z∗o y la longitud a la que se encuentran medida desde la zona más
elevada de la gota en el instante del impacto con la superficie líquida s∗o .
Tras hallar este punto inicial, se definen los nuevos vectores como aquellos cuyo inicio está marcado por
este punto y cumplen la condición anterior r∗ < 6 como muestra el extracto 4.5.

z/R

s *o
z *o

Nv
r/R

r*o
L* < 6

Figura 4.3 Región de Γ con valores interpolados.

En la figura 4.3 se puede observar el tramo de la superficie fluida entre los puntos ro∗ , z∗o y r∗ (Nv ), z∗ (Nv ).
Este intervalo se ha representado en línea de puntos para simbolizar el hecho de que el número de puntos en
dicha zona es mucho mayor que en el resto de Γ, puesto que se ha realizado una interpolación que divide el
vector svi en 103 segmentos tal y como muestra 4.5.
 4.1 Explicación del código numérico MATLAB® 17

Código 4.5 Vectores interpolados.

% Vectores desde máxima distancia radial de la gota en impacto
indo=find(sv{i}>=so{i});
svo{i}=sv{i}(indo);
rvo{i}=rv{i}(indo);
zvo{i}=zv{i}(indo);
vtvo{i}=vtv{i}(indo);
vnvo{i}=vnv{i}(indo);

% Vectores anteriores interpolados en 1e3 valores

svi{i}=linspace(svo{i}(1),svo{i}(end),1e3);
rvi{i}=interp1(svo{i},rvo{i},svi{i});
zvi{i}=interp1(svo{i},zvo{i},svi{i});
vtvi{i}=interp1(svo{i},vtvo{i},svi{i});
vnvi{i}=interp1(svo{i},vnvo{i},svi{i});

De esta manera, los extremos relativos de Γ deben encontrarse sobre la región de la superficie fluida que
limitan estos vectores, sin excesivos picos. Dependiendo de cada simulación (variando el número de Weber y
altura de la capa líquida), la condición de contorno que determina la forma de buscar el punto que representa
la base de la corona varía.

Código 4.6 Obtención de la base de la corona.

%% Mínimo
if t(i)<1.25
[rmin{i},indmin]=min(rvi{i});
smin{i}=svi{i}(indmin);
zmin{i}=zvi{i}(indmin);
vtmin{i}=vtvi{i}(indmin);
vnmin{i}=vnvi{i}(indmin);
else
indm=find(rvi{i}>=1 & rvi{i}<2.5);
svm{i}=svi{i}(indm);
rvm{i}=rvi{i}(indm);
zvm{i}=zvi{i}(indm);
vtvm{i}=vtvi{i}(indm);
vnvm{i}=vnvi{i}(indm);
[zmin{i},indmin]=min(zvm{i});
rmin{i}=rvm{i}(indmin);
smin{i}=svm{i}(indmin);
vtmin{i}=vtvm{i}(indmin);
vnmin{i}=vnvm{i}(indmin);
end

pmin=plot(rmin{i},zmin{i},'^','LineWidth',2,'MarkerFaceColor',[1 1 1],'
MarkerEdgeColor',col2,'MarkerSize',8);

En el caso mostrado en 4.6, la condición de contorno implica que para intervalos de tiempo t < 1.25, la
base de la corona se define como aquel punto en el que la superficie fluida adquiere un régimen de crecimiento
radial (obviando aquellos valores menores a s∗o ). Así pues, mediante la obtención del índice que muestra
la posición de este punto es posible alcanzar, también, tanto la posición en dirección axial de dicho punto,
como la velocidad tangente y normal del mismo en dicho instante. Por otro lado, para valores de tiempo
mayores (t ≥ 1.25), la condición de contorno utilizada para hallar la posición de la base de la corona conlleva
a localizar el punto con un menor valor en dirección z, de forma que el índice que caracteriza este extremo
sirve para localizar la posición en dirección radial y la velocidad de dicho punto.
18 Capítulo 4. Análisis de las simulaciones

Para comprobar que la adquisición de este extremo es apropiado, se representa sobre la superficie fluida
para cada instante de tiempo la posición de este punto. De esta manera se puede observar si, efectivamente,
el punto escogido representa la base de la corona o aparece alguna divergencia en la correspondencia de este
punto con respecto al que debería ser.
A diferencia de la obtención de la base de la corona, la adquisición de la punta no presenta demasiadas
complicaciones. En particular, este extremo se define como el punto en el que se alcanza el máximo valor en
dirección z∗ de entre todos los valores del vector longitud de arco que se localizan después de la posición de
la base de la corona. Esta implementación numérica se muestra en el código 4.7.

Código 4.7 Obtención de la punta de la corona.

%% Máximo
indM=find(svi{i}>=smin{i});
svM{i}=svi{i}(indM);
rvM{i}=rvi{i}(indM);
zvM{i}=zvi{i}(indM);
vtvM{i}=vtvi{i}(indM);
vnvM{i}=vnvi{i}(indM);
[zmax{i},indmax]=max(zvM{i});
rmax{i}=rvM{i}(indmax);
vtmax{i}=vtvM{i}(indmax);
vnmax{i}=vnvM{i}(indmax);

pmax=plot(rmax{i},zmax{i},'v','LineWidth',2,'MarkerFaceColor',[1 1 1],'
MarkerEdgeColor',col3,'MarkerSize',8);

De manera semejante a lo efectuado anteriormente, para corroborar que la detección de la punta de la

corona se realiza de manera efectiva, se representa este extremo sobre la superficie líquida para poder analizar
de manera visual si coincide con la posición que tendría que ocupar.
La posición que ocupa el máximo de la corona coincide con el emplazamiento del punto que caracteriza
la base de la corona durante el intervalo de tiempo en el que el máximo valor en dirección axial se halle
sobre algún tramo de la superficie líquida por delante de donde se encuentra la base de la corona. Es decir, la
posición de ambos extremos (base y punta de la corona) coinciden, idealmente, sobre la posición de la base
hasta el instante de tiempo en el que la deformación de la superficie líquida sea tal que el máximo valor en
dirección z∗ se encuentre para posiciones de longitud de arco mayores a la que define la situación de la base.
Este instante de tiempo en el que ambos extremos ocupan diferentes posiciones se denomina como tiempo de
formación de lamella o tiempo de eyección te .

z/R

s *o
z *o

Nv
r/R

r*o
L* < 6

Figura 4.4 Extremos concentrados sobre la base de la corona.

 4.1 Explicación del código numérico MATLAB® 19

En la figura 4.5 se presenta la evolución de los extremos (base y punta de la corona), en la que puede
verse que ambos puntos coinciden hasta alcanzar el instante de tiempo de formación de la corona te y se ha
determinado para cada simulación realizada mediante el fragmento de código 4.10, descrito a continuación.

2 1.2
Base de la corona
Punta de la corona
1

1.5
0.8

0.6
r/R

z/R
1
0.4 Base de la corona
Punta de la corona

0.2
0.5

0 -0.2
0 0.2 0.4 0.6 0.8 1 0 0.2 0.4 0.6 0.8 1
t t
(a) Evolución radial de los extremos. (b) Evolución vertical de los extremos.

Figura 4.5 Evolución temporal de la base y de la punta de la corona para H = 0.2 y We = 100.

Asimismo, en la figura 4.6 se muestra el desarrollo de la velocidad de los extremos de la corona a lo largo
del tiempo para una simulación concreta. Esta velocidad no coincide con el vector ∂ φ /∂ s∗ ni con ∂ φ /∂ n∗ –
particularizados en los extremos de la corona – definidos en las simulaciones realizadas en FORTRAN, sino
que se define como la norma del vector resultante formado por estos dos, para cada instante de tiempo.

4 4

3.5 3.5

3 3

2.5 2.5
v/U

v/U

2 2

1.5 1.5

1 1

0.5 0.5

0 0
0 0.2 0.4 0.6 0.8 1 0 0.2 0.4 0.6 0.8 1
t t
(a) Velocidad de la base. (b) Velocidad de la corona.

Figura 4.6 Velocidad de los extremos de la corona para H = 0.2 y We = 100.

De manera similar a las gráficas anteriores, se muestra mediante una línea vertical a trazos el instante en el
que se forma la corona, de forma que, los valores representados para instantes de tiempo anteriores a te no son
válidos y por ello se han obviado. Pese al gran ruido que aparece en estas representaciones, se puede percibir
cómo varía respecto al tiempo la velocidad con la que los extremos de la corona se desplazan sobre Γ. Por
una parte, la velocidad de la base de la corona permanece aproximadamente constante durante un intervalo
de tiempo tras el cual aumenta y, posteriormente, disminuye nuevamente. Por otra parte, la velocidad de la
punta de la corona permanece – de manera aproximada – constante durante un rango temporal similar al
correspondiente a la base de la corona, tras el cual comienza a disminuir de manera monótona.
20 Capítulo 4. Análisis de las simulaciones

Prestando especial atención a la velocidad de la punta durante su evolución, se calcula la velocidad media
del tramo en el que esta se mantiene aproximadamente constante – representado con una línea horizontal en
la figura derecha de 4.6 y delimitado por las dos líneas discontinuas verticales –, puesto que servirá para
comparar las diferentes simulaciones realizadas y se ejecuta numéricamente mediante el código 4.8.

Código 4.8 Velocidad inicial media de la punta de la lamella.

m=50;
in=find(t>=te); n=in(1);
vmed=mean(sqrt((cell2mat(vnmax(n:n+m)).^2)+(cell2mat(vtmax(n:n+m))).^2));
El parámetro definido como m indica el número de puntos utilizados para obtener la velocidad media en el
intervalo de tiempo correspondiente a dicho número de iteraciones de la simulación. Cuanto mayor sea este
número, mayor será el rango en el cual se busca la velocidad media, de forma que, interesa intentar ajustar
dicho valor al intervalo en el que en la mayoría de las simulaciones la velocidad de la punta de la corona
permanece constante, y se ha decidido escoger un número de puntos igual a m = 50.

Código 4.9 Interpolación para anchura de lamella.

% Vectores definidos a partir de 'smin' interpolados
svMi{i}=linspace(svM{i}(1),svM{i}(end),1e3);
rvMi{i}=interp1(svM{i},rvM{i},svMi{i});
zvMi{i}=interp1(svM{i},zvM{i},svMi{i});
vtvMi{i}=interp1(svM{i},vtvM{i},svMi{i});
vnvMi{i}=interp1(svM{i},vnvM{i},svMi{i});
[zmaxi{i},indmaxi]=max(zvMi{i});
rmaxi{i}=rvMi{i}(indmaxi);

Tras esto, se vuelve a realizar una interpolación de 103 pasos del vector definido con valores correspon-
dientes a nodos situados por detrás del punto mínimo (valores que cumplen s∗ ≥ s∗min ) según el extracto 4.9,
para aumentar la precisión en el proceso de adquirir la anchura de la corona, que se detallará a continuación.

Código 4.10 Adquisición del instante de eyección y anchura de la corona.

inc=0.2;
H=str2double(carpeta0(2:3))*1e-1;

if rmin{i}==rmax{i} && zmin{i}==zmax{i}

te=t(i);
elseif zmaxi{i}-zmin{i}>=inc
tw(i)=t(i);
indw=find(zmaxi{i}-zvMi{i}<=inc);
w{i}=rvMi{i}(indw(end))-rvMi{i}(indw(1));
rwi{i}=rvMi{i}(indw(1));
rwf{i}=rvMi{i}(indw(end));
zwi{i}=zvMi{i}(indw(1));
zwf{i}=zvMi{i}(indw(end));
hpw=plot([rwi{i},rwf{i}],[zwi{i},zwf{i}],'--o','LineWidth',1,'
MarkerFaceColor',[1 1 1],'MarkerEdgeColor',col4,'MarkerSize',6);
hpw.Color(4)=0.5;
end
En la sección de código 4.10 se han definido dos nuevas variables: inc y H. La variable inc representa
el valor de la distancia en dirección vertical que se sustrae a la posición axial de la punta de la corona,
obteniéndose así un valor en dirección z∗ que delimita los puntos de la superficie fluida Γ que determinan la
anchura de dicha lamella a lo largo del tiempo – y, dependiendo de la simulación analizada definida por We y
H, toma valores entre 0.2 y 0.35 –.
 4.1 Explicación del código numérico MATLAB® 21

La variable H indica la altura adimensional de la capa líquida y se define porque en un primer momento
se utilizó como requisito para el cálculo de la anchura de la lamella mediante la condición z∗max − H ≥ inc,
aunque finalmente se redefinió según el código 4.10.
0.25
El cálculo de la anchura de la corona sólo tiene lugar
en caso de que la posición del mínimo y el máximo
de Γ no sea la misma, es decir, que se haya formado 0.2

ya esta corona. Asimismo, debe satisfacerse que la

diferencia de altura de los extremos debe ser, al me- 0.15

wlamella
nos, equivalente al valor inc impuesto. En caso de
que esto ocurra, se buscan los índices de los vecto-
0.1
res que distan verticalmente al máximo de la corona
una longitud inferior a inc, de modo que el primer
y último valor de este vector de índices indican la 0.05
posición de los extremos que caracterizan la anchura
de la corona w. Siguiendo la misma metodología que 0
para la detección de los extremos de la corona, se 0 0.2 0.4 0.6 0.8 1

representa la posición de estos puntos sobre la super- t

ficie fluida, para confirmar que se han posicionado Figura 4.7 Evolución de la anchura de la corona con
de manera apropiada. inc = 0.2 para H = 0.2 y We = 100.
En la figura 4.7 se representado la evolución de la anchura de la corona definida a una determinada distancia
medida desde la punta de esta en una simulación concreta. En esta imagen se puede comprobar que – como
muestra el código 4.10 – no se forma en el instante t = te (representado en la figura mediante una línea
vertical discontinua), sino para un instante de tiempo posterior a este en el que la distancia vertical entre los
extremos de la corona es mayor o igual al valor denominado inc, que caracteriza la posición sobre la lamella
donde se mide su anchura.

z/R

s *o
z *o
Nv
r/R

r*o
L* < 6

Figura 4.8 Extremos de la corona y estimación de la anchura de la misma.

Para finalizar, es necesario montar de manera consecutiva cada una de las imágenes que se obtienen de
representar la superficie fluida para cada instante de tiempo de simulación y almacenar los valores de cada
extremo durante su evolución temporal. Para ello, en 4.11 se indica que las variables almacenadas son: el
vector con los instantes de tiempo de simulación t, el tiempo en el que se produce la formación de la lamella
te , el vector de instantes de tiempo en que se mide la anchura de la corona tw , la posición de los extremos que
∗
definen la anchura de la corona rw,i , z∗w,i y rw,
∗ ∗
f , zw, f , la anchura de la corona en cada instante w, la posición
∗ ∗ ∗ ∗
de la base rmin , zmin y punta rmax , zmax , así como la velocidad tangente y normal de cada uno de estos puntos
∗
vt,min , v∗n,min y vt,max
∗
,v∗n,max .
22 Capítulo 4. Análisis de las simulaciones

Código 4.11 Almacenar parámetros.

% Convertir animación en video
frame=getframe;

hold off;
end

% Guardar resultados
nom=['Resultados_',num2str(carpeta0(1:3)),'_',num2str(carpeta0(length(carpeta0)
-5:length(carpeta0)-1)),'.mat'];
save(nom, 't', 'te', 'tw', 'rwi', 'rwf', 'zwi', 'zwf', 'w', 'rmin', 'rmax', '
zmin', 'zmax', 'vtmin', 'vtmax', 'vnmin', 'vnmax');

Los extractos de código mostrados anteriormente corresponden a la presentación general del método
utilizado para la adquisición de estos valores extremos y la velocidad de cada uno de ellos pero, para cada
una de las simulaciones llevadas a cabo (para cada número de Weber ensayado y para cada altura de la capa
líquida), deben revisarse minuciosamente tanto la condición de contorno que determina el instante en el que
se modifica la definición de la forma de adquisición de la posición de la base de la corona, como la longitud
de los vectores sobre los que se buscan los valores extremos y sobre los que se define la anchura de la corona,
debido a ciertos errores que pueden aparecer en la detección de estos valores.

4.2 Descripción detallada del proceso seguido

El proceso llevado a cabo para obtener los valores buscados, es el presentado en el diagrama de flujo 4.1, que
representa en cierta manera la forma en la que dicho código se ha constituido y puede detallarse como sigue.
En primera instancia, se lanza el código anterior con un paso Nvisu elevado, obviando la parte de detección
de los extremos y tiempo de eyección, y sin almacenar datos ninguno. Esto se realiza con el propósito
de visualizar la evolución del sistema fluido para identificar el intervalo de tiempo en el que la corona
comienza a formarse y comprobar si los resultados mostrados son coherentes o si, por el contrario, se exhibe
algún comportamiento carente de significado físico debido a divergencias ocasionadas en las simulaciones
numéricas. En caso de que esto ocurriera, se relanza el programa con un paso de visualización menor y
centrado en el intervalo temporal que causa conflictos para distinguir y eliminar las iteraciones que arrojan
resultados incongruentes.
Tras eliminar los archivos que arrojaban resultados erróneos, se vuelve a hacer correr el código numérico
incluyendo las líneas para la detección de los extremos mediante los extractos de código 4.6 y 4.7, así como
las correspondientes líneas para determinar el ancho de la corona según el código 4.10, con especial atención
al intervalo temporal próximo a la aparición de la corona para verificar si estos se adquieren de manera
precisa.
En caso de que la posición de los extremos de la corona o de los puntos que determinan la anchura de esta
no sean correctos, se modifica la longitud y los puntos inicial y final de los vectores sobre los que se buscan
estos valores.
 4.2 Descripción detallada del proceso seguido 23

El comportamiento del sistema fluido depende en gran medida de los parámetros adimensionales We y H
utilizados en la simulación. En función de los valores que tomen estas variables, el aspecto de la superficie
líquida tras el impacto puede variar mucho. A continuación, se muestra una comparación cualitativa del perfil
de Γ, para las tres diferentes alturas de capa líquida, para dos valores de We y diversos instantes de tiempo
t. Para poder realizar una comparación objetiva de las distintas situaciones, se han utilizado los mismos
instantes de tiempo t para los tres valores de H para un mismo valor del número de Weber – aunque estos
valores de tiempo son distintos entre sí para las simulaciones con diferente We –.

t = 0.377 t = 0.225
t = 0.754 t = 0.449
t = 1.131 t = 0.674
t = 1.507 t = 0.898

t = 0.377 t = 0.225
t = 0.754 t = 0.449
t = 1.131 t = 0.674
t = 1.507 t = 0.898

t = 0.377 t = 0.225
t = 0.754 t = 0.449
t = 1.131 t = 0.674
t = 1.507 t = 0.898

Figura 4.9 Comparación para H = 0.2, 1, 1.9, We = 65 (izquierda) y We = 100 (derecha).

En la figura 4.9 se puede observar la evolución de la superficie fluida Γ en función de la altura de la capa
líquida (H = 0.2, 1 y 1.9, de arriba a abajo), para dos valores del número de Weber (We = 65 a la izquierda y
We = 100 a la derecha), para distintos instantes de tiempo. En todas las imágenes anteriores ,exceptuando la
primera, se produce la salpicadura – porque el We utilizado para la comparación es mayor o igual al número
de Weber crítico Wecr como se detallará en un capítulo posterior –.
Comparando por filas, se puede advertir que la forma de Γ en las figuras que corresponden a H = 0.2,
varía mucho en función de que We sea menor o no que Wecr , puesto que en el caso de We < Wecr no aparece
splash (figura izquierda), a diferencia de lo que ocurre en el otro caso (figura derecha).
Además, se observa como para H = 1 y 1.9, el comportamiento es cualitativamente similar. En ambas
situaciones se produce splash, aunque en la situación de mayor valor de We, la salpicadura se produce mucho
antes.
 5 Comparación de resultados numéricos y
experimentales

E n este capítulo se comparan los resultados obtenidos numéricamente a partir de las simulaciones con
los datos recogidos experimentalmente para algunos de los ensayos realizados en el laboratorio.
En particular, los ensayos experimentales escogidos corresponden con una altura adimensional de la capa
límite H = 1.9 y números de Weber We = 11, 25, 28.
Dado que los valores de We para los que se han realizado las simulaciones numéricas son We = 5, 10, 25,
35, 50, 65, 80, 100, 150, 200, 250, 300, 350, 400, se decide usar We = 10, 25, 35 para comparar con estos
ensayos experimentales – con We = 11, 25, 28, respectivamente –. Por último, se comparan dos simulaciones
numéricas para esta altura de la capa líquida en las que – según estas simulaciones – se produce splash, es
decir, para el número de Weber crítico y para un valor de We > Wecr .
A modo de introducción, vamos a describir la forma de obtención de los fotogramas correspondientes a
los ensayos experimentales en instantes de tiempo adimensional determinados para su posterior comparación
con las simulaciones numéricas correspondientes. En primer lugar, deben tenerse presente la magnitud de las
siguientes variables físicas: R = 1.25 mm, ρ = 1000 kg m−3 , σ = 70 × 10−3 N m−1 , f = 2000 Hz; puesto que
serán necesarias en la conversión de las variables obtenidas de los experimentos a variables adimensionales –
usadas en las simulaciones –.
Dado que la tasa de muestreo de la cámara de vídeo utilizada es f , el instante de tiempo correspondiente a
un fotograma concreto de la grabación de la prueba y la adimensionalización pertinente es:
Nim T
T (s) = → t= (5.1)
f R/vP

donde la velocidad de impacto de la gota en cada uno de las pruebas se obtiene a partir del número de Weber
que las caracteriza: s
ρv2P R Weσ
We := → vP (m s−1 ) = (5.2)
σ ρR
De esta forma, una vez conocida la velocidad de impacto de la gota vP en cada ensayo, es posible obtener
el instante de tiempo adimensional al que corresponde un fotograma concreto – que será el parámetro de
entrada para realizar la comparación –. A diferencia de la simulación donde el tiempo comienza a contar una
vez la gota impacta con la superficie fluida, en los experimentos, el tiempo comienza a contar en el momento
en que la gota se deja caer, por lo que es necesario desplazar el vector de tiempos de las simulaciones o de
las pruebas. Por comodidad se redefine el vector de tiempos de los ensayos experimentales, eliminando los
fotogramas anteriores al impacto de la gota con la superficie fluida N0 , de modo que se obtiene:

Nim − N0 (Nim − N0 )/ f
T (s) = → t= (5.3)
f R/vP

Así, es posible comparar los ensayos experimentales y numéricos en los instantes de tiempo correspondientes
a los fotogramas Nim que coincidan con un intervalo de tiempo simulado para dichos valores de H y We.

25
26 Capítulo 5. Comparación de resultados numéricos y experimentales

Figura 5.1 Comparación experimento y simulación para We = 10 en t = 0.31, 0.63, 0.94, 1.26, 1.57, 1.88.
 27

Figura 5.2 Comparación experimento y simulación para We = 25 en t = 0.48, 0.95, 1.42, 1.89, 2.37, 2.84.
28 Capítulo 5. Comparación de resultados numéricos y experimentales

Figura 5.3 Comparación experimento y simulación para We = 35 en t = 0.5, 1, 1.5, 2, 2.5, 3.

 29

Figura 5.4 Comparación de simulaciones para We = 65 (izquierda) y We = 350 (derecha) en los instantes
t = 0.198, 0.397, 0.595, 0.793, 0.992, 1.190.
30 Capítulo 5. Comparación de resultados numéricos y experimentales

Como se observa en las figuras anteriores, a tiempo corto, las simulaciones numéricas no reproducen
fielmente los ensayos realizados en el laboratorio. A pesar de ello, se puede advertir que la forma de la
entrefase sí muestra cierta similitud entre los experimentos y simulaciones. Para cada instante de tiempo en
el que se ha realizado dicha comparación se puede percibir que la altura de la gota es semejante en ambas
situaciones, de forma que, en instantes iniciales la altura de la gota es mayor que la altura de la corona que se
forma tras el impacto y, a medida que el sistema evoluciona temporalmente, la superficie de la gota desaparece
de la vista, quedando oculta tras la corona.
Asimismo, debido a la falta de resolución de las simulaciones numéricas, la lamella que puede verse
eyectada claramente en los ensayos experimentales mostrados en las figuras 5.2 y 5.3 para instantes de tiempo
próximos al impacto de la gota, no es reproducible.
En la imagen 5.3 se puede observar cómo en el ensayo experimental aparece splash, es decir, dicha prueba
está realizada para un número de Weber We ≥ Wecr , mientras que en la simulación esto no ocurre. Esto
implica que, según la simulación numérica este número de Weber es inferior al Wecr .
Por último, en la imagen 5.4 se comparan dos simulaciones para H = 1.9 con números de Weber We = Wecr
y We = Wecr – siendo el valor de Wecr el determinado según dicha simulación y difiere del obtenido de
manera experimental –. A diferencia de lo que se podía ver en la figura 4.9, donde el comportamiento de la
capa líquida variaba en gran medida según se utilizara We < Wecr o We ≥ Wecr , en esta imagen se puede ver
un comportamiento similar y prácticamente indistinguible, dado que en ambos casos se analizan valores de
Weber We ≥ Wecr .
 6 Análisis de los resultados

E n este capítulo se muestran los resultados obtenidos a partir de las simulaciones realizadas en lenguaje
FORTRAN y su posterior adquisición y utilización en MATLAB® .

Tabla 6.1 Propiedades físicas de líquidos comparados.

Líquido ρ(kg m−3 ) µ(kg m−1 s−1 ) σ (N m−1 ) Oh

80 % glicerol 1228 0.0600 0.0641 0.1457

70 % glicerol 1200 0.0220 0.0652 0.0543
60 % glicerol 1175 0.0100 0.0662 0.0248
Agua 1000 0.0009 0.0700 0.1009

En primer lugar, se presenta la evolución del número de Weber del agua (líquido utilizado en las simula-
ciones) para el cual se produce la salpicadura – denominado número de Weber crítico Wecr – en función de
la altura adimensional de la capa líquida H, y se compara con valores para diferentes líquidos [36].
400
Oh = 0.1457
350 Oh = 0.0543
Oh = 0.0248
300 Oh = 0.1009

250
Wecr

200

150

100

50

0
0 0.5 1 1.5 2
H

Figura 6.1 Número de Weber crítico en función de H.

En la figura 6.1 se muestra el valor del número de Weber para el cual se produce la salpicadura Wecr para
varios líquidos definidos en la tabla 6.1, en función de la altura de la capa líquida.
Por una parte, se ha representado el valor de Wecr para tres soluciones distintas de glicerol para una altura
de la capa líquida H ≈ 0.1. Se puede observar cómo, a medida que disminuye el número de Ohnesorge que
define cada fluido, disminuye también el valor de We para el que se produce splash.
Por otra parte, se ha representado Wecr para varios ensayos realizados con agua con diferentes alturas de
capa líquida. Como se advierte, conforme aumenta el valor del espesor de esta capa líquida el número de
Weber crítico disminuye, produciéndose la salpicadura más prematuramente.

31
32 Capítulo 6. Análisis de los resultados

A continuación, se muestra la evolución del instante de tiempo en el que se forma la corona en función del
número de Weber para cada valor de altura de la capa líquida H.

1 0.3
H = 0.2
H=1
H = 1.9 0.25
0.8

0.2
0.6
tlamella

tlamella
0.15

0.4
0.1

0.2
0.05

0 0
0 50 100 150 200 250 300 350 400 450 0 0.5 1 1.5 2
We H
(a) Instante de formación de la corona en función de We. (b) Instante medio de formación de la corona según H.

Figura 6.2 Variación del instante de formación de la corona en función de We para varios H.

En la figura 6.2 se muestra la evolución del instante de tiempo en el que se produce la formación de la
corona te en función del número de Weber para tres alturas de capa líquida (izquierda) y el tiempo medio en
el que se produce esta salpicadura para cada valor de H (derecha).
En la primera gráfica se puede advertir que el tiempo para el cual se produce la formación de la lamella
para valores del número de Weber We ≥ Wecr – delimitado por la línea de trazos vertical – se mantiene
aproximadamente constante para cada valor de altura de la capa líquida simulado.
De esta manera, en la gráfica de la derecha se muestra la media de estos instantes de tiempo en los que se
forma la corona en el rango de We por encima de Wecr , en función de H y se puede comprobar que presenta
una clara tendencia hacia instantes de tiempo te menores conforme aumenta la altura de la capa líquida H.

4.5 3.5

4 3
3.5
2.5
3
v0,lamella

2
v0,lamella

2.5

2 1.5

1.5
1
1
H = 0.2
H=1 0.5
0.5
H = 1.9
0 0
0 50 100 150 200 250 300 350 400 450 0 0.5 1 1.5 2
We H
(a) Velocidad inicial de punta de la corona en función de We. (b) Velocidad inicial media de punta de la corona según H.

Figura 6.3 Velocidad inicial de la punta de la corona en función de We para varios H.

En la figura 6.3 se indica la velocidad inicial de la punta de la corona en función del número de Weber –
estimada en un rango constituido por los instantes de tiempo correspondientes a 50 puntos tras la formación
de la corona te –, para cada altura de la capa líquida (izquierda) y una ponderación de esta velocidad en
función de la altura de la capa líquida (derecha).
 33

En la gráfica de la izquierda se puede advertir que la velocidad de la punta de la corona en el instante de

su formación permanece aproximadamente constante para valores de We ≥ Wecr , valor que se encuentra
definido por la línea vertical discontinua que indica el valor de Wecr para cada simulación con un valor
distinto de H.
Así pues, en la figura de la derecha se ha representado el valor medio de la velocidad inicial de la punta de
la corona para cada valor de H ensayado, de tal forma que puede inferirse que para alturas de la capa líquida
reducidas (H = 0.2 y H = 1) esta velocidad es prácticamente constante y para valores mayores de H (como
H = 1.9), aumenta de manera considerable.
 7 Conclusión

E n vista a las gráficas mostradas anteriormente se puede inferir diferentes conclusiones. Es posible observar
que, para una misma altura de la capa líquida, la escala de tiempo en la que se produce la formación de
la corona difiere mucho para valores de Weber bajo el cual se produce splash y para aquellos en los que no,
siendo semejantes entre sí dentro de cada uno de estos rangos de valores We < Wecr y We ≥ Wecr .
El número de Weber para el cual se produce la salpicadura disminuye conforme la altura de la capa límite
aumenta y, según la bibliografía se puede comprobar que para un mismo ensayo – mismo H y We –, este
también disminuye a medida que Oh es menor.
Por otra parte, el instante en el que se produce la formación de la corona permanece aproximadamente
constante en función del número de Weber, para aquellos valores de We > Wecr . Asimismo, el momento en
el que se produce este fenómeno es más temprano cuanto mayor es la altura de la capa líquida adimensional.
Finalmente, la velocidad de la punta de la corona en el instante en el que esta se forma se mantiene casi
inalterado para los diferentes valores de We para los que se realiza la simulación que cumplen We > Wecr , es
decir, teniendo en cuenta únicamente aquellos valores de We para los que la corona termina rompiéndose y
creando pequeñas gotas (aparece salpicadura). En función de la altura de la capa líquida, la velocidad inicial
de la punta de la lamella permanece constante de manera aproximada para bajos valores de H aunque para
valores de H más elevados – como H = 1.9 – esta velocidad aumenta.

35
 Índice de Códigos

4.1 Adquisición de datos de las simulaciones llevadas a cabo en FORTRAN 14

4.2 Representación de la evolución de la superficie fluida 15
4.3 Región donde buscar extremos 15
4.4 Inicio de la región donde se encuentran los extremos 16
4.5 Vectores interpolados 17
4.6 Obtención de la base de la corona 17
4.7 Obtención de la punta de la corona 18
4.8 Velocidad inicial media de la punta de la lamella 20
4.9 Interpolación para anchura de lamella 20
4.10 Adquisición del instante de eyección y anchura de la corona 20
4.11 Almacenar parámetros 22

37
 Bibliografía

[1] Bohumil Horacek, Kenneth T Kiger, and Jungho Kim. Single nozzle spray cooling heat transfer
mechanisms. International Journal of Heat and Mass Transfer, 48(8):1425–1438, 2005.

[2] DF Fletcher, Baoyu Guo, DJE Harvie, TAG Langrish, JJ Nijdam, and Jennifer Williams. What is
important in the simulation of spray dryer performance and how do current cfd models perform?
Applied Mathematical Modelling, 30(11):1281–1292, 2006.

[3] Tomás Norton and Da-Wen Sun. Computational fluid dynamics (cfd)–an effective and efficient design
and analysis tool for the food industry: a review. Trends in Food Science & Technology, 17(11):600–620,
2006.

[4] Björn Andersson. Droplet breakup in automotive spray painting. 2011.

[5] Romain Rioboo, Cameron Tropea, and Marco Marengo. Outcomes from a drop impact on solid surfaces.
Atomization and Sprays, 11(2), 2001.

[6] M Toivakka. Numerical investigation of droplet impact spreading in spray coating of paper. In Spring
advanced coating fundamentals symposium, 2003.

[7] Masato Ikegawa and Hitoshi Azuma. Droplet behaviors on substrates in thin-film formation using
ink-jet printing. JSME International Journal Series B, 47(3):490–496, 2004.

[8] Miguel RO Panão and António Luis N Moreira. Flow characteristics of spray impingement in pfi
injection systems. Experiments in Fluids, 39(2):364–374, 2005.

[9] Vance Bergeron, Daniel Bonn, Jean Yves Martin, and Louis Vovelle. Controlling droplet deposition
with polymer additives. Nature, 405(6788):772–775, 2000.

[10] Abhijit Gurav, Toivo Kodas, Tammy Pluym, and Yun Xiong. Aerosol processing of materials. Aerosol
science and technology, 19(4):411–452, 1993.

[11] Sagarika Bose and Robin H Bogner. Solventless pharmaceutical coating processes: a review. Pharma-
ceutical development and technology, 12(2):115–131, 2007.

[12] Masaru Abuku, Hans Janssen, Jean Poesen, and Staf Roels. Impact, absorption and evaporation of
raindrops on building facades. Building and Environment, 44(1):113–124, 2009.

[13] JB Lee, N Laan, KG de Bruin, G Skantzaris, N Shahidzadeh, D Derome, J Carmeliet, and D Bonn.
Universal rescaling of drop impact on smooth and rough surfaces. Journal of Fluid Mechanics, 786:R4,
2015.

[14] Bojan Durickovic and KATHLEEN Varland. Between bouncing and splashing: Water drops on a solid
surface. Applied Mathematics thesis. USA: University of Arizona, 2005.

[15] Cameron Tropea and Marco Marengo. The impact of drops on walls and films. Multiphase Science and
Technology, 11(1), 1999.

39
40 Bibliografía

[16] RH Chen, MJ Kuo, SL Chiu, JY Pu, and TH Lin. Impact of a compound drop on a dry surface. Journal
of mechanical science and technology, 21(11):1886–1891, 2007.
[17] Julien Philippi, Pierre-Yves Lagrée, and Arnaud Antkowiak. Drop impact on a solid surface: short-time
self-similarity. Journal of Fluid Mechanics, 795:96–135, 2016.
[18] R Rioboo, C Bauthier, J Conti, M Voue, and J De Coninck. Experimental investigation of splash and
crown formation during single drop impact on wetted surfaces. Experiments in fluids, 35(6):648–652,
2003.
[19] Tuan Tran, Hélène de Maleprade, Chao Sun, and Detlef Lohse. Air entrainment during impact of
droplets on liquid surfaces. Journal of Fluid Mechanics, 726:R3, 2013.
[20] Gilou Agbaglah, M-J Thoraval, Sigurdur T Thoroddsen, Li V Zhang, Kamel Fezzaa, and Robert D
Deegan. Drop impact into a deep pool: vortex shedding and jet formation. Journal of fluid mechanics,
764:R1, 2015.
[21] GE Cossali, G Brunello, A Coghe, and M Marengo. Impact of a single drop on a liquid film: experimental
analysis and comparison with empirical models. In Italian Congress of Thermofluid Dynamics UIT,
Ferrara, volume 30, 1999.
[22] Jeng-Horng Chen. Characteristics of drop impact on elastic and compliant surfaces. Journal of Marine
Science and Technology, 13(2):156–161, 2005.
[23] Tomio Okawa, Takuya Shiraishi, and Toshiaki Mori. Production of secondary drops during the single
water drop impact onto a plane water surface. Experiments in fluids, 41(6):965–974, 2006.
[24] Sam S Yoon, Richard A Jepsen, Scott C James, Jie Liu, and Guillermo Aguilar. Are drop-impact
phenomena described by rayleigh-taylor or kelvin-helmholtz theory? Drying Technology, 27(3):316–321,
2009.
[25] Arthur Mason Worthington. A study of splashes. Longmans, Green, and Company, 1908.
[26] A Coghe, G Brunello, GE Cossali, M Marengo, and Milano-Italy TeMPE-CNR. Single drop splash on
thin film: measurements of crown characteristics. In ILASS Europe, 1999.
[27] Kuo-Long Pan, Kai-Ren Cheng, Ping-Chung Chou, and Ching-Hua Wang. Collision dynamics of
high-speed droplets upon layers of variable thickness. Experiments in Fluids, 45(3):435–446, 2008.
[28] RD Deegan, P Brunet, and J Eggers. Complexities of splashing. Nonlinearity, 21(1):C1, 2007.
[29] Lei Xu, Wendy W Zhang, and Sidney R Nagel. Drop splashing on a dry smooth surface. Physical
review letters, 94(18):184505, 2005.
[30] Guillaume Riboux and José Manuel Gordillo. The critical impact speed for the splash of a drop. arXiv
preprint arXiv:1401.6943, 2014.
[31] Jie Liu, Henry Vu, Sam S Yoon, Richard A Jepsen, and Guillermo Aguilar. Splashing phenomena
during liquid droplet impact. Atomization and Sprays, 20(4), 2010.
[32] Guillaume Riboux and José Manuel Gordillo. The diameters and velocities of the droplets ejected after
splashing. Journal of Fluid Mechanics, 772:630–648, 2015.
[33] Daniel Fuster, Gilou Agbaglah, Christophe Josserand, Stéphane Popinet, and Stéphane Zaleski. Nume-
rical simulation of droplets, bubbles and waves: state of the art. Fluid dynamics research, 41(6):065001,
2009.
[34] Milton Abramowitz, Irene A Stegun, et al. Handbook of mathematical functions. Applied mathematics
series, 55:62, 1966.
[35] W Press, S Teukolsky, W Vetterling, and B Flannery. Numerical recipes in fortran 77: The art of
scientific computing, 933 pp, 1992.
[36] An-Bang Wang and Chi-Chang Chen. Splashing impact of a single drop onto very thin liquid films.
Physics of Fluids (1994-present), 12(9):2155–2158, 2000.