Flow velocity profiles for canals with a depth of 3 m and flow velocities of 5–5.3 m/s.

Optimization Algorithms and Engineering: Recent Advances and Applications

Mahdi Feizbahr,1 Navid Tonekaboni,2Guang-Jun Jiang,3,4 and Hong-Xia Chen3,4Show moreAcademic Editor: Mohammad YazdiReceived08 Apr 2021Revised18 Jun 2021Accepted17 Jul 2021Published11 Aug 2021

Abstract

Vegetation along the river increases the roughness and reduces the average flow velocity, reduces flow energy, and changes the flow velocity profile in the cross section of the river. Many canals and rivers in nature are covered with vegetation during the floods. Canal’s roughness is strongly affected by plants and therefore it has a great effect on flow resistance during flood. Roughness resistance against the flow due to the plants depends on the flow conditions and plant, so the model should simulate the current velocity by considering the effects of velocity, depth of flow, and type of vegetation along the canal. Total of 48 models have been simulated to investigate the effect of roughness in the canal. The results indicated that, by enhancing the velocity, the effect of vegetation in decreasing the bed velocity is negligible, while when the current has lower speed, the effect of vegetation on decreasing the bed velocity is obviously considerable.


강의 식생은 거칠기를 증가시키고 평균 유속을 감소시키며, 유속 에너지를 감소시키고 강의 단면에서 유속 프로파일을 변경합니다. 자연의 많은 운하와 강은 홍수 동안 초목으로 덮여 있습니다. 운하의 조도는 식물의 영향을 많이 받으므로 홍수시 유동저항에 큰 영향을 미칩니다. 식물로 인한 흐름에 대한 거칠기 저항은 흐름 조건 및 식물에 따라 다르므로 모델은 유속, 흐름 깊이 및 운하를 따라 식생 유형의 영향을 고려하여 현재 속도를 시뮬레이션해야 합니다. 근관의 거칠기의 영향을 조사하기 위해 총 48개의 모델이 시뮬레이션되었습니다. 결과는 유속을 높임으로써 유속을 감소시키는 식생의 영향은 무시할 수 있는 반면, 해류가 더 낮은 유속일 때 유속을 감소시키는 식생의 영향은 분명히 상당함을 나타냈다.

1. Introduction

Considering the impact of each variable is a very popular field within the analytical and statistical methods and intelligent systems [114]. This can help research for better modeling considering the relation of variables or interaction of them toward reaching a better condition for the objective function in control and engineering [1527]. Consequently, it is necessary to study the effects of the passive factors on the active domain [2836]. Because of the effect of vegetation on reducing the discharge capacity of rivers [37], pruning plants was necessary to improve the condition of rivers. One of the important effects of vegetation in river protection is the action of roots, which cause soil consolidation and soil structure improvement and, by enhancing the shear strength of soil, increase the resistance of canal walls against the erosive force of water. The outer limbs of the plant increase the roughness of the canal walls and reduce the flow velocity and deplete the flow energy in vicinity of the walls. Vegetation by reducing the shear stress of the canal bed reduces flood discharge and sedimentation in the intervals between vegetation and increases the stability of the walls [3841].

One of the main factors influencing the speed, depth, and extent of flood in this method is Manning’s roughness coefficient. On the other hand, soil cover [42], especially vegetation, is one of the most determining factors in Manning’s roughness coefficient. Therefore, it is expected that those seasonal changes in the vegetation of the region will play an important role in the calculated value of Manning’s roughness coefficient and ultimately in predicting the flood wave behavior [4345]. The roughness caused by plants’ resistance to flood current depends on the flow and plant conditions. Flow conditions include depth and velocity of the plant, and plant conditions include plant type, hardness or flexibility, dimensions, density, and shape of the plant [46]. In general, the issue discussed in this research is the optimization of flood-induced flow in canals by considering the effect of vegetation-induced roughness. Therefore, the effect of plants on the roughness coefficient and canal transmission coefficient and in consequence the flow depth should be evaluated [4748].

Current resistance is generally known by its roughness coefficient. The equation that is mainly used in this field is Manning equation. The ratio of shear velocity to average current velocity  is another form of current resistance. The reason for using the  ratio is that it is dimensionless and has a strong theoretical basis. The reason for using Manning roughness coefficient is its pervasiveness. According to Freeman et al. [49], the Manning roughness coefficient for plants was calculated according to the Kouwen and Unny [50] method for incremental resistance. This method involves increasing the roughness for various surface and plant irregularities. Manning’s roughness coefficient has all the factors affecting the resistance of the canal. Therefore, the appropriate way to more accurately estimate this coefficient is to know the factors affecting this coefficient [51].

To calculate the flow rate, velocity, and depth of flow in canals as well as flood and sediment estimation, it is important to evaluate the flow resistance. To determine the flow resistance in open ducts, Manning, Chézy, and Darcy–Weisbach relations are used [52]. In these relations, there are parameters such as Manning’s roughness coefficient (n), Chézy roughness coefficient (C), and Darcy–Weisbach coefficient (f). All three of these coefficients are a kind of flow resistance coefficient that is widely used in the equations governing flow in rivers [53].

The three relations that express the relationship between the average flow velocity (V) and the resistance and geometric and hydraulic coefficients of the canal are as follows:where nf, and c are Manning, Darcy–Weisbach, and Chézy coefficients, respectively. V = average flow velocity, R = hydraulic radius, Sf = slope of energy line, which in uniform flow is equal to the slope of the canal bed,  = gravitational acceleration, and Kn is a coefficient whose value is equal to 1 in the SI system and 1.486 in the English system. The coefficients of resistance in equations (1) to (3) are related as follows:

Based on the boundary layer theory, the flow resistance for rough substrates is determined from the following general relation:where f = Darcy–Weisbach coefficient of friction, y = flow depth, Ks = bed roughness size, and A = constant coefficient.

On the other hand, the relationship between the Darcy–Weisbach coefficient of friction and the shear velocity of the flow is as follows:

By using equation (6), equation (5) is converted as follows:

Investigation on the effect of vegetation arrangement on shear velocity of flow in laboratory conditions showed that, with increasing the shear Reynolds number (), the numerical value of the  ratio also increases; in other words the amount of roughness coefficient increases with a slight difference in the cases without vegetation, checkered arrangement, and cross arrangement, respectively [54].

Roughness in river vegetation is simulated in mathematical models with a variable floor slope flume by different densities and discharges. The vegetation considered submerged in the bed of the flume. Results showed that, with increasing vegetation density, canal roughness and flow shear speed increase and with increasing flow rate and depth, Manning’s roughness coefficient decreases. Factors affecting the roughness caused by vegetation include the effect of plant density and arrangement on flow resistance, the effect of flow velocity on flow resistance, and the effect of depth [4555].

One of the works that has been done on the effect of vegetation on the roughness coefficient is Darby [56] study, which investigates a flood wave model that considers all the effects of vegetation on the roughness coefficient. There are currently two methods for estimating vegetation roughness. One method is to add the thrust force effect to Manning’s equation [475758] and the other method is to increase the canal bed roughness (Manning-Strickler coefficient) [455961]. These two methods provide acceptable results in models designed to simulate floodplain flow. Wang et al. [62] simulate the floodplain with submerged vegetation using these two methods and to increase the accuracy of the results, they suggested using the effective height of the plant under running water instead of using the actual height of the plant. Freeman et al. [49] provided equations for determining the coefficient of vegetation roughness under different conditions. Lee et al. [63] proposed a method for calculating the Manning coefficient using the flow velocity ratio at different depths. Much research has been done on the Manning roughness coefficient in rivers, and researchers [496366] sought to obtain a specific number for n to use in river engineering. However, since the depth and geometric conditions of rivers are completely variable in different places, the values of Manning roughness coefficient have changed subsequently, and it has not been possible to choose a fixed number. In river engineering software, the Manning roughness coefficient is determined only for specific and constant conditions or normal flow. Lee et al. [63] stated that seasonal conditions, density, and type of vegetation should also be considered. Hydraulic roughness and Manning roughness coefficient n of the plant were obtained by estimating the total Manning roughness coefficient from the matching of the measured water surface curve and water surface height. The following equation is used for the flow surface curve:where  is the depth of water change, S0 is the slope of the canal floor, Sf is the slope of the energy line, and Fr is the Froude number which is obtained from the following equation:where D is the characteristic length of the canal. Flood flow velocity is one of the important parameters of flood waves, which is very important in calculating the water level profile and energy consumption. In the cases where there are many limitations for researchers due to the wide range of experimental dimensions and the variety of design parameters, the use of numerical methods that are able to estimate the rest of the unknown results with acceptable accuracy is economically justified.

FLOW-3D software uses Finite Difference Method (FDM) for numerical solution of two-dimensional and three-dimensional flow. This software is dedicated to computational fluid dynamics (CFD) and is provided by Flow Science [67]. The flow is divided into networks with tubular cells. For each cell there are values of dependent variables and all variables are calculated in the center of the cell, except for the velocity, which is calculated at the center of the cell. In this software, two numerical techniques have been used for geometric simulation, FAVOR™ (Fractional-Area-Volume-Obstacle-Representation) and the VOF (Volume-of-Fluid) method. The equations used at this model for this research include the principle of mass survival and the magnitude of motion as follows. The fluid motion equations in three dimensions, including the Navier–Stokes equations with some additional terms, are as follows:where  are mass accelerations in the directions xyz and  are viscosity accelerations in the directions xyz and are obtained from the following equations:

Shear stresses  in equation (11) are obtained from the following equations:

The standard model is used for high Reynolds currents, but in this model, RNG theory allows the analytical differential formula to be used for the effective viscosity that occurs at low Reynolds numbers. Therefore, the RNG model can be used for low and high Reynolds currents.

Weather changes are high and this affects many factors continuously. The presence of vegetation in any area reduces the velocity of surface flows and prevents soil erosion, so vegetation will have a significant impact on reducing destructive floods. One of the methods of erosion protection in floodplain watersheds is the use of biological methods. The presence of vegetation in watersheds reduces the flow rate during floods and prevents soil erosion. The external organs of plants increase the roughness and decrease the velocity of water flow and thus reduce its shear stress energy. One of the important factors with which the hydraulic resistance of plants is expressed is the roughness coefficient. Measuring the roughness coefficient of plants and investigating their effect on reducing velocity and shear stress of flow is of special importance.

Roughness coefficients in canals are affected by two main factors, namely, flow conditions and vegetation characteristics [68]. So far, much research has been done on the effect of the roughness factor created by vegetation, but the issue of plant density has received less attention. For this purpose, this study was conducted to investigate the effect of vegetation density on flow velocity changes.

In a study conducted using a software model on three density modes in the submerged state effect on flow velocity changes in 48 different modes was investigated (Table 1).Table 1 The studied models.

The number of cells used in this simulation is equal to 1955888 cells. The boundary conditions were introduced to the model as a constant speed and depth (Figure 1). At the output boundary, due to the presence of supercritical current, no parameter for the current is considered. Absolute roughness for floors and walls was introduced to the model (Figure 1). In this case, the flow was assumed to be nonviscous and air entry into the flow was not considered. After  seconds, this model reached a convergence accuracy of .

Figure 1 The simulated model and its boundary conditions.

Due to the fact that it is not possible to model the vegetation in FLOW-3D software, in this research, the vegetation of small soft plants was studied so that Manning’s coefficients can be entered into the canal bed in the form of roughness coefficients obtained from the studies of Chow [69] in similar conditions. In practice, in such modeling, the effect of plant height is eliminated due to the small height of herbaceous plants, and modeling can provide relatively acceptable results in these conditions.

48 models with input velocities proportional to the height of the regular semihexagonal canal were considered to create supercritical conditions. Manning coefficients were applied based on Chow [69] studies in order to control the canal bed. Speed profiles were drawn and discussed.

Any control and simulation system has some inputs that we should determine to test any technology [7077]. Determination and true implementation of such parameters is one of the key steps of any simulation [237881] and computing procedure [8286]. The input current is created by applying the flow rate through the VFR (Volume Flow Rate) option and the output flow is considered Output and for other borders the Symmetry option is considered.

Simulation of the models and checking their action and responses and observing how a process behaves is one of the accepted methods in engineering and science [8788]. For verification of FLOW-3D software, the results of computer simulations are compared with laboratory measurements and according to the values of computational error, convergence error, and the time required for convergence, the most appropriate option for real-time simulation is selected (Figures 2 and 3 ).

Figure 2 Modeling the plant with cylindrical tubes at the bottom of the canal.

Figure 3 Velocity profiles in positions 2 and 5.

The canal is 7 meters long, 0.5 meters wide, and 0.8 meters deep. This test was used to validate the application of the software to predict the flow rate parameters. In this experiment, instead of using the plant, cylindrical pipes were used in the bottom of the canal.

The conditions of this modeling are similar to the laboratory conditions and the boundary conditions used in the laboratory were used for numerical modeling. The critical flow enters the simulation model from the upstream boundary, so in the upstream boundary conditions, critical velocity and depth are considered. The flow at the downstream boundary is supercritical, so no parameters are applied to the downstream boundary.

The software well predicts the process of changing the speed profile in the open canal along with the considered obstacles. The error in the calculated speed values can be due to the complexity of the flow and the interaction of the turbulence caused by the roughness of the floor with the turbulence caused by the three-dimensional cycles in the hydraulic jump. As a result, the software is able to predict the speed distribution in open canals.

2. Modeling Results

After analyzing the models, the results were shown in graphs (Figures 414 ). The total number of experiments in this study was 48 due to the limitations of modeling.(a)
(a)(b)
(b)(c)
(c)(d)
(d)(a)
(a)(b)
(b)(c)
(c)(d)
(d)Figure 4 Flow velocity profiles for canals with a depth of 1 m and flow velocities of 3–3.3 m/s. Canal with a depth of 1 meter and a flow velocity of (a) 3 meters per second, (b) 3.1 meters per second, (c) 3.2 meters per second, and (d) 3.3 meters per second.

Figure 5 Canal diagram with a depth of 1 meter and a flow rate of 3 meters per second.

Figure 6 Canal diagram with a depth of 1 meter and a flow rate of 3.1 meters per second.

Figure 7 Canal diagram with a depth of 1 meter and a flow rate of 3.2 meters per second.

Figure 8 Canal diagram with a depth of 1 meter and a flow rate of 3.3 meters per second.(a)
(a)(b)
(b)(c)
(c)(d)
(d)(a)
(a)(b)
(b)(c)
(c)(d)
(d)Figure 9 Flow velocity profiles for canals with a depth of 2 m and flow velocities of 4–4.3 m/s. Canal with a depth of 2 meters and a flow rate of (a) 4 meters per second, (b) 4.1 meters per second, (c) 4.2 meters per second, and (d) 4.3 meters per second.

Figure 10 Canal diagram with a depth of 2 meters and a flow rate of 4 meters per second.

Figure 11 Canal diagram with a depth of 2 meters and a flow rate of 4.1 meters per second.

Figure 12 Canal diagram with a depth of 2 meters and a flow rate of 4.2 meters per second.

Figure 13 Canal diagram with a depth of 2 meters and a flow rate of 4.3 meters per second.(a)
(a)(b)
(b)(c)
(c)(d)
(d)(a)
(a)(b)
(b)(c)
(c)(d)
(d)Figure 14 Flow velocity profiles for canals with a depth of 3 m and flow velocities of 5–5.3 m/s. Canal with a depth of 2 meters and a flow rate of (a) 4 meters per second, (b) 4.1 meters per second, (c) 4.2 meters per second, and (d) 4.3 meters per second.

To investigate the effects of roughness with flow velocity, the trend of flow velocity changes at different depths and with supercritical flow to a Froude number proportional to the depth of the section has been obtained.

According to the velocity profiles of Figure 5, it can be seen that, with the increasing of Manning’s coefficient, the canal bed speed decreases.

According to Figures 5 to 8, it can be found that, with increasing the Manning’s coefficient, the canal bed speed decreases. But this deceleration is more noticeable than the deceleration of the models 1 to 12, which can be justified by increasing the speed and of course increasing the Froude number.

According to Figure 10, we see that, with increasing Manning’s coefficient, the canal bed speed decreases.

According to Figure 11, we see that, with increasing Manning’s coefficient, the canal bed speed decreases. But this deceleration is more noticeable than the deceleration of Figures 510, which can be justified by increasing the speed and, of course, increasing the Froude number.

With increasing Manning’s coefficient, the canal bed speed decreases (Figure 12). But this deceleration is more noticeable than the deceleration of the higher models (Figures 58 and 1011), which can be justified by increasing the speed and, of course, increasing the Froude number.

According to Figure 13, with increasing Manning’s coefficient, the canal bed speed decreases. But this deceleration is more noticeable than the deceleration of Figures 5 to 12, which can be justified by increasing the speed and, of course, increasing the Froude number.

According to Figure 15, with increasing Manning’s coefficient, the canal bed speed decreases.

Figure 15 Canal diagram with a depth of 3 meters and a flow rate of 5 meters per second.

According to Figure 16, with increasing Manning’s coefficient, the canal bed speed decreases. But this deceleration is more noticeable than the deceleration of the higher model, which can be justified by increasing the speed and, of course, increasing the Froude number.

Figure 16 Canal diagram with a depth of 3 meters and a flow rate of 5.1 meters per second.

According to Figure 17, it is clear that, with increasing Manning’s coefficient, the canal bed speed decreases. But this deceleration is more noticeable than the deceleration of the higher models, which can be justified by increasing the speed and, of course, increasing the Froude number.

Figure 17 Canal diagram with a depth of 3 meters and a flow rate of 5.2 meters per second.

According to Figure 18, with increasing Manning’s coefficient, the canal bed speed decreases. But this deceleration is more noticeable than the deceleration of the higher models, which can be justified by increasing the speed and, of course, increasing the Froude number.

Figure 18 Canal diagram with a depth of 3 meters and a flow rate of 5.3 meters per second.

According to Figure 19, it can be seen that the vegetation placed in front of the flow input velocity has negligible effect on the reduction of velocity, which of course can be justified due to the flexibility of the vegetation. The only unusual thing is the unexpected decrease in floor speed of 3 m/s compared to higher speeds.(a)
(a)(b)
(b)(c)
(c)(a)
(a)(b)
(b)(c)
(c)Figure 19 Comparison of velocity profiles with the same plant densities (depth 1 m). Comparison of velocity profiles with (a) plant densities of 25%, depth 1 m; (b) plant densities of 50%, depth 1 m; and (c) plant densities of 75%, depth 1 m.

According to Figure 20, by increasing the speed of vegetation, the effect of vegetation on reducing the flow rate becomes more noticeable. And the role of input current does not have much effect in reducing speed.(a)
(a)(b)
(b)(c)
(c)(a)
(a)(b)
(b)(c)
(c)Figure 20 Comparison of velocity profiles with the same plant densities (depth 2 m). Comparison of velocity profiles with (a) plant densities of 25%, depth 2 m; (b) plant densities of 50%, depth 2 m; and (c) plant densities of 75%, depth 2 m.

According to Figure 21, it can be seen that, with increasing speed, the effect of vegetation on reducing the bed flow rate becomes more noticeable and the role of the input current does not have much effect. In general, it can be seen that, by increasing the speed of the input current, the slope of the profiles increases from the bed to the water surface and due to the fact that, in software, the roughness coefficient applies to the channel floor only in the boundary conditions, this can be perfectly justified. Of course, it can be noted that, due to the flexible conditions of the vegetation of the bed, this modeling can show acceptable results for such grasses in the canal floor. In the next directions, we may try application of swarm-based optimization methods for modeling and finding the most effective factors in this research [27815188994]. In future, we can also apply the simulation logic and software of this research for other domains such as power engineering [9599].(a)
(a)(b)
(b)(c)
(c)(a)
(a)(b)
(b)(c)
(c)Figure 21 Comparison of velocity profiles with the same plant densities (depth 3 m). Comparison of velocity profiles with (a) plant densities of 25%, depth 3 m; (b) plant densities of 50%, depth 3 m; and (c) plant densities of 75%, depth 3 m.

3. Conclusion

The effects of vegetation on the flood canal were investigated by numerical modeling with FLOW-3D software. After analyzing the results, the following conclusions were reached:(i)Increasing the density of vegetation reduces the velocity of the canal floor but has no effect on the velocity of the canal surface.(ii)Increasing the Froude number is directly related to increasing the speed of the canal floor.(iii)In the canal with a depth of one meter, a sudden increase in speed can be observed from the lowest speed and higher speed, which is justified by the sudden increase in Froude number.(iv)As the inlet flow rate increases, the slope of the profiles from the bed to the water surface increases.(v)By reducing the Froude number, the effect of vegetation on reducing the flow bed rate becomes more noticeable. And the input velocity in reducing the velocity of the canal floor does not have much effect.(vi)At a flow rate between 3 and 3.3 meters per second due to the shallow depth of the canal and the higher landing number a more critical area is observed in which the flow bed velocity in this area is between 2.86 and 3.1 m/s.(vii)Due to the critical flow velocity and the slight effect of the roughness of the horseshoe vortex floor, it is not visible and is only partially observed in models 1-2-3 and 21.(viii)As the flow rate increases, the effect of vegetation on the rate of bed reduction decreases.(ix)In conditions where less current intensity is passing, vegetation has a greater effect on reducing current intensity and energy consumption increases.(x)In the case of using the flow rate of 0.8 cubic meters per second, the velocity distribution and flow regime show about 20% more energy consumption than in the case of using the flow rate of 1.3 cubic meters per second.

Nomenclature

n:Manning’s roughness coefficient
C:Chézy roughness coefficient
f:Darcy–Weisbach coefficient
V:Flow velocity
R:Hydraulic radius
g:Gravitational acceleration
y:Flow depth
Ks:Bed roughness
A:Constant coefficient
:Reynolds number
y/∂x:Depth of water change
S0:Slope of the canal floor
Sf:Slope of energy line
Fr:Froude number
D:Characteristic length of the canal
G:Mass acceleration
:Shear stresses.

Data Availability

All data are included within the paper.

Conflicts of Interest

The authors declare that they have no conflicts of interest.

Acknowledgments

This work was partially supported by the National Natural Science Foundation of China under Contract no. 71761030 and Natural Science Foundation of Inner Mongolia under Contract no. 2019LH07003.

References

  1. H. Yu, L. Jie, W. Gui et al., “Dynamic Gaussian bare-bones fruit fly optimizers with abandonment mechanism: method and analysis,” Engineering with Computers, vol. 20, pp. 1–29, 2020.View at: Publisher Site | Google Scholar
  2. X. Zhao, D. Li, B. Yang, C. Ma, Y. Zhu, and H. Chen, “Feature selection based on improved ant colony optimization for online detection of foreign fiber in cotton,” Applied Soft Computing, vol. 24, pp. 585–596, 2014.View at: Publisher Site | Google Scholar
  3. J. Hu, H. Chen, A. A. Heidari et al., “Orthogonal learning covariance matrix for defects of grey wolf optimizer: insights, balance, diversity, and feature selection,” Knowledge-Based Systems, vol. 213, Article ID 106684, 2021.View at: Publisher Site | Google Scholar
  4. C. Yu, M. Chen, K. Chen et al., “SGOA: annealing-behaved grasshopper optimizer for global tasks,” Engineering with Computers, vol. 4, pp. 1–28, 2021.View at: Publisher Site | Google Scholar
  5. W. Shan, Z. Qiao, A. A. Heidari, H. Chen, H. Turabieh, and Y. Teng, “Double adaptive weights for stabilization of moth flame optimizer: balance analysis, engineering cases, and medical diagnosis,” Knowledge-Based Systems, vol. 8, Article ID 106728, 2020.View at: Google Scholar
  6. J. Tu, H. Chen, J. Liu et al., “Evolutionary biogeography-based whale optimization methods with communication structure: towards measuring the balance,” Knowledge-Based Systems, vol. 212, Article ID 106642, 2021.View at: Publisher Site | Google Scholar
  7. Y. Zhang, R. Liu, X. Wang et al., “Towards augmented kernel extreme learning models for bankruptcy prediction: algorithmic behavior and comprehensive analysis,” Neurocomputing, vol. 430, 2020.View at: Google Scholar
  8. H.-L. Chen, G. Wang, C. Ma, Z.-N. Cai, W.-B. Liu, and S.-J. Wang, “An efficient hybrid kernel extreme learning machine approach for early diagnosis of Parkinson׳s disease,” Neurocomputing, vol. 184, pp. 131–144, 2016.View at: Publisher Site | Google Scholar
  9. J. Xia, H. Chen, Q. Li et al., “Ultrasound-based differentiation of malignant and benign thyroid Nodules: an extreme learning machine approach,” Computer Methods and Programs in Biomedicine, vol. 147, pp. 37–49, 2017.View at: Publisher Site | Google Scholar
  10. C. Li, L. Hou, B. Y. Sharma et al., “Developing a new intelligent system for the diagnosis of tuberculous pleural effusion,” Computer Methods and Programs in Biomedicine, vol. 153, pp. 211–225, 2018.View at: Publisher Site | Google Scholar
  11. X. Xu and H.-L. Chen, “Adaptive computational chemotaxis based on field in bacterial foraging optimization,” Soft Computing, vol. 18, no. 4, pp. 797–807, 2014.View at: Publisher Site | Google Scholar
  12. M. Wang, H. Chen, B. Yang et al., “Toward an optimal kernel extreme learning machine using a chaotic moth-flame optimization strategy with applications in medical diagnoses,” Neurocomputing, vol. 267, pp. 69–84, 2017.View at: Publisher Site | Google Scholar
  13. L. Chao, K. Zhang, Z. Li, Y. Zhu, J. Wang, and Z. Yu, “Geographically weighted regression based methods for merging satellite and gauge precipitation,” Journal of Hydrology, vol. 558, pp. 275–289, 2018.View at: Publisher Site | Google Scholar
  14. F. J. Golrokh, G. Azeem, and A. Hasan, “Eco-efficiency evaluation in cement industries: DEA malmquist productivity index using optimization models,” ENG Transactions, vol. 1, 2020.View at: Google Scholar
  15. D. Zhao, L. Lei, F. Yu et al., “Chaotic random spare ant colony optimization for multi-threshold image segmentation of 2D Kapur entropy,” Knowledge-Based Systems, vol. 8, Article ID 106510, 2020.View at: Google Scholar
  16. Y. Zhang, R. Liu, X. Wang, H. Chen, and C. Li, “Boosted binary Harris hawks optimizer and feature selection,” Engineering with Computers, vol. 517, pp. 1–30, 2020.View at: Publisher Site | Google Scholar
  17. L. Hu, G. Hong, J. Ma, X. Wang, and H. Chen, “An efficient machine learning approach for diagnosis of paraquat-poisoned patients,” Computers in Biology and Medicine, vol. 59, pp. 116–124, 2015.View at: Publisher Site | Google Scholar
  18. L. Shen, H. Chen, Z. Yu et al., “Evolving support vector machines using fruit fly optimization for medical data classification,” Knowledge-Based Systems, vol. 96, pp. 61–75, 2016.View at: Publisher Site | Google Scholar
  19. X. Zhao, X. Zhang, Z. Cai et al., “Chaos enhanced grey wolf optimization wrapped ELM for diagnosis of paraquat-poisoned patients,” Computational Biology and Chemistry, vol. 78, pp. 481–490, 2019.View at: Publisher Site | Google Scholar
  20. Y. Xu, H. Chen, J. Luo, Q. Zhang, S. Jiao, and X. Zhang, “Enhanced Moth-flame optimizer with mutation strategy for global optimization,” Information Sciences, vol. 492, pp. 181–203, 2019.View at: Publisher Site | Google Scholar
  21. M. Wang and H. Chen, “Chaotic multi-swarm whale optimizer boosted support vector machine for medical diagnosis,” Applied Soft Computing Journal, vol. 88, Article ID 105946, 2020.View at: Publisher Site | Google Scholar
  22. Y. Chen, J. Li, H. Lu, and P. Yan, “Coupling system dynamics analysis and risk aversion programming for optimizing the mixed noise-driven shale gas-water supply chains,” Journal of Cleaner Production, vol. 278, Article ID 123209, 2020.View at: Google Scholar
  23. H. Tang, Y. Xu, A. Lin et al., “Predicting green consumption behaviors of students using efficient firefly grey wolf-assisted K-nearest neighbor classifiers,” IEEE Access, vol. 8, pp. 35546–35562, 2020.View at: Publisher Site | Google Scholar
  24. H.-J. Ma and G.-H. Yang, “Adaptive fault tolerant control of cooperative heterogeneous systems with actuator faults and unreliable interconnections,” IEEE Transactions on Automatic Control, vol. 61, no. 11, pp. 3240–3255, 2015.View at: Google Scholar
  25. H.-J. Ma and L.-X. Xu, “Decentralized adaptive fault-tolerant control for a class of strong interconnected nonlinear systems via graph theory,” IEEE Transactions on Automatic Control, vol. 66, 2020.View at: Google Scholar
  26. H. J. Ma, L. X. Xu, and G. H. Yang, “Multiple environment integral reinforcement learning-based fault-tolerant control for affine nonlinear systems,” IEEE Transactions on Cybernetics, vol. 51, pp. 1–16, 2019.View at: Publisher Site | Google Scholar
  27. J. Hu, M. Wang, C. Zhao, Q. Pan, and C. Du, “Formation control and collision avoidance for multi-UAV systems based on Voronoi partition,” Science China Technological Sciences, vol. 63, no. 1, pp. 65–72, 2020.View at: Publisher Site | Google Scholar
  28. C. Zhang, H. Li, Y. Qian, C. Chen, and X. Zhou, “Locality-constrained discriminative matrix regression for robust face identification,” IEEE Transactions on Neural Networks and Learning Systems, vol. 99, pp. 1–15, 2020.View at: Publisher Site | Google Scholar
  29. X. Zhang, D. Wang, Z. Zhou, and Y. Ma, “Robust low-rank tensor recovery with rectification and alignment,” IEEE Transactions on Pattern Analysis and Machine Intelligence, vol. 43, no. 1, pp. 238–255, 2019.View at: Google Scholar
  30. X. Zhang, J. Wang, T. Wang, R. Jiang, J. Xu, and L. Zhao, “Robust feature learning for adversarial defense via hierarchical feature alignment,” Information Sciences, vol. 560, 2020.View at: Google Scholar
  31. X. Zhang, R. Jiang, T. Wang, and J. Wang, “Recursive neural network for video deblurring,” IEEE Transactions on Circuits and Systems for Video Technology, vol. 03, p. 1, 2020.View at: Publisher Site | Google Scholar
  32. X. Zhang, T. Wang, J. Wang, G. Tang, and L. Zhao, “Pyramid channel-based feature attention network for image dehazing,” Computer Vision and Image Understanding, vol. 197-198, Article ID 103003, 2020.View at: Publisher Site | Google Scholar
  33. X. Zhang, T. Wang, W. Luo, and P. Huang, “Multi-level fusion and attention-guided CNN for image dehazing,” IEEE Transactions on Circuits and Systems for Video Technology, vol. 3, p. 1, 2020.View at: Publisher Site | Google Scholar
  34. L. He, J. Shen, and Y. Zhang, “Ecological vulnerability assessment for ecological conservation and environmental management,” Journal of Environmental Management, vol. 206, pp. 1115–1125, 2018.View at: Publisher Site | Google Scholar
  35. Y. Chen, W. Zheng, W. Li, and Y. Huang, “Large group Activity security risk assessment and risk early warning based on random forest algorithm,” Pattern Recognition Letters, vol. 144, pp. 1–5, 2021.View at: Publisher Site | Google Scholar
  36. J. Hu, H. Zhang, Z. Li, C. Zhao, Z. Xu, and Q. Pan, “Object traversing by monocular UAV in outdoor environment,” Asian Journal of Control, vol. 25, 2020.View at: Google Scholar
  37. P. Tian, H. Lu, W. Feng, Y. Guan, and Y. Xue, “Large decrease in streamflow and sediment load of Qinghai-Tibetan Plateau driven by future climate change: a case study in Lhasa River Basin,” Catena, vol. 187, Article ID 104340, 2020.View at: Publisher Site | Google Scholar
  38. A. Stokes, C. Atger, A. G. Bengough, T. Fourcaud, and R. C. Sidle, “Desirable plant root traits for protecting natural and engineered slopes against landslides,” Plant and Soil, vol. 324, no. 1, pp. 1–30, 2009.View at: Publisher Site | Google Scholar
  39. T. B. Devi, A. Sharma, and B. Kumar, “Studies on emergent flow over vegetative channel bed with downward seepage,” Hydrological Sciences Journal, vol. 62, no. 3, pp. 408–420, 2017.View at: Google Scholar
  40. G. Ireland, M. Volpi, and G. Petropoulos, “Examining the capability of supervised machine learning classifiers in extracting flooded areas from Landsat TM imagery: a case study from a Mediterranean flood,” Remote Sensing, vol. 7, no. 3, pp. 3372–3399, 2015.View at: Publisher Site | Google Scholar
  41. L. Goodarzi and S. Javadi, “Assessment of aquifer vulnerability using the DRASTIC model; a case study of the Dezful-Andimeshk Aquifer,” Computational Research Progress in Applied Science & Engineering, vol. 2, no. 1, pp. 17–22, 2016.View at: Google Scholar
  42. K. Zhang, Q. Wang, L. Chao et al., “Ground observation-based analysis of soil moisture spatiotemporal variability across a humid to semi-humid transitional zone in China,” Journal of Hydrology, vol. 574, pp. 903–914, 2019.View at: Publisher Site | Google Scholar
  43. L. De Doncker, P. Troch, R. Verhoeven, K. Bal, P. Meire, and J. Quintelier, “Determination of the Manning roughness coefficient influenced by vegetation in the river Aa and Biebrza river,” Environmental Fluid Mechanics, vol. 9, no. 5, pp. 549–567, 2009.View at: Publisher Site | Google Scholar
  44. M. Fathi-Moghadam and K. Drikvandi, “Manning roughness coefficient for rivers and flood plains with non-submerged vegetation,” International Journal of Hydraulic Engineering, vol. 1, no. 1, pp. 1–4, 2012.View at: Google Scholar
  45. F.-C. Wu, H. W. Shen, and Y.-J. Chou, “Variation of roughness coefficients for unsubmerged and submerged vegetation,” Journal of Hydraulic Engineering, vol. 125, no. 9, pp. 934–942, 1999.View at: Publisher Site | Google Scholar
  46. M. K. Wood, “Rangeland vegetation-hydrologic interactions,” in Vegetation Science Applications for Rangeland Analysis and Management, vol. 3, pp. 469–491, Springer, 1988.View at: Publisher Site | Google Scholar
  47. C. Wilson, O. Yagci, H.-P. Rauch, and N. Olsen, “3D numerical modelling of a willow vegetated river/floodplain system,” Journal of Hydrology, vol. 327, no. 1-2, pp. 13–21, 2006.View at: Publisher Site | Google Scholar
  48. R. Yazarloo, M. Khamehchian, and M. R. Nikoodel, “Observational-computational 3d engineering geological model and geotechnical characteristics of young sediments of golestan province,” Computational Research Progress in Applied Science & Engineering (CRPASE), vol. 03, 2017.View at: Google Scholar
  49. G. E. Freeman, W. H. Rahmeyer, and R. R. Copeland, “Determination of resistance due to shrubs and woody vegetation,” International Journal of River Basin Management, vol. 19, 2000.View at: Google Scholar
  50. N. Kouwen and T. E. Unny, “Flexible roughness in open channels,” Journal of the Hydraulics Division, vol. 99, no. 5, pp. 713–728, 1973.View at: Publisher Site | Google Scholar
  51. S. Hosseini and J. Abrishami, Open Channel Hydraulics, Elsevier, Amsterdam, Netherlands, 2007.
  52. C. S. James, A. L. Birkhead, A. A. Jordanova, and J. J. O’Sullivan, “Flow resistance of emergent vegetation,” Journal of Hydraulic Research, vol. 42, no. 4, pp. 390–398, 2004.View at: Publisher Site | Google Scholar
  53. F. Huthoff and D. Augustijn, “Channel roughness in 1D steady uniform flow: Manning or Chézy?,,” NCR-days, vol. 102, 2004.View at: Google Scholar
  54. M. S. Sabegh, M. Saneie, M. Habibi, A. A. Abbasi, and M. Ghadimkhani, “Experimental investigation on the effect of river bank tree planting array, on shear velocity,” Journal of Watershed Engineering and Management, vol. 2, no. 4, 2011.View at: Google Scholar
  55. A. Errico, V. Pasquino, M. Maxwald, G. B. Chirico, L. Solari, and F. Preti, “The effect of flexible vegetation on flow in drainage channels: estimation of roughness coefficients at the real scale,” Ecological Engineering, vol. 120, pp. 411–421, 2018.View at: Publisher Site | Google Scholar
  56. S. E. Darby, “Effect of riparian vegetation on flow resistance and flood potential,” Journal of Hydraulic Engineering, vol. 125, no. 5, pp. 443–454, 1999.View at: Publisher Site | Google Scholar
  57. V. Kutija and H. Thi Minh Hong, “A numerical model for assessing the additional resistance to flow introduced by flexible vegetation,” Journal of Hydraulic Research, vol. 34, no. 1, pp. 99–114, 1996.View at: Publisher Site | Google Scholar
  58. T. Fischer-Antze, T. Stoesser, P. Bates, and N. R. B. Olsen, “3D numerical modelling of open-channel flow with submerged vegetation,” Journal of Hydraulic Research, vol. 39, no. 3, pp. 303–310, 2001.View at: Publisher Site | Google Scholar
  59. U. Stephan and D. Gutknecht, “Hydraulic resistance of submerged flexible vegetation,” Journal of Hydrology, vol. 269, no. 1-2, pp. 27–43, 2002.View at: Publisher Site | Google Scholar
  60. F. G. Carollo, V. Ferro, and D. Termini, “Flow resistance law in channels with flexible submerged vegetation,” Journal of Hydraulic Engineering, vol. 131, no. 7, pp. 554–564, 2005.View at: Publisher Site | Google Scholar
  61. W. Fu-sheng, “Flow resistance of flexible vegetation in open channel,” Journal of Hydraulic Engineering, vol. S1, 2007.View at: Google Scholar
  62. P.-f. Wang, C. Wang, and D. Z. Zhu, “Hydraulic resistance of submerged vegetation related to effective height,” Journal of Hydrodynamics, vol. 22, no. 2, pp. 265–273, 2010.View at: Publisher Site | Google Scholar
  63. J. K. Lee, L. C. Roig, H. L. Jenter, and H. M. Visser, “Drag coefficients for modeling flow through emergent vegetation in the Florida Everglades,” Ecological Engineering, vol. 22, no. 4-5, pp. 237–248, 2004.View at: Publisher Site | Google Scholar
  64. G. J. Arcement and V. R. Schneider, Guide for Selecting Manning’s Roughness Coefficients for Natural Channels and Flood Plains, US Government Printing Office, Washington, DC, USA, 1989.
  65. Y. Ding and S. S. Y. Wang, “Identification of Manning’s roughness coefficients in channel network using adjoint analysis,” International Journal of Computational Fluid Dynamics, vol. 19, no. 1, pp. 3–13, 2005.View at: Publisher Site | Google Scholar
  66. E. T. Engman, “Roughness coefficients for routing surface runoff,” Journal of Irrigation and Drainage Engineering, vol. 112, no. 1, pp. 39–53, 1986.View at: Publisher Site | Google Scholar
  67. M. Feizbahr, C. Kok Keong, F. Rostami, and M. Shahrokhi, “Wave energy dissipation using perforated and non perforated piles,” International Journal of Engineering, vol. 31, no. 2, pp. 212–219, 2018.View at: Publisher Site | Google Scholar
  68. M. Farzadkhoo, A. Keshavarzi, H. Hamidifar, and M. Javan, “Sudden pollutant discharge in vegetated compound meandering rivers,” Catena, vol. 182, Article ID 104155, 2019.View at: Publisher Site | Google Scholar
  69. V. T. Chow, Open-channel Hydraulics, Mcgraw-Hill Civil Engineering Series, Chennai, TN, India, 1959.
  70. X. Zhang, R. Jing, Z. Li, Z. Li, X. Chen, and C.-Y. Su, “Adaptive pseudo inverse control for a class of nonlinear asymmetric and saturated nonlinear hysteretic systems,” IEEE/CAA Journal of Automatica Sinica, vol. 8, no. 4, pp. 916–928, 2020.View at: Google Scholar
  71. C. Zuo, Q. Chen, L. Tian, L. Waller, and A. Asundi, “Transport of intensity phase retrieval and computational imaging for partially coherent fields: the phase space perspective,” Optics and Lasers in Engineering, vol. 71, pp. 20–32, 2015.View at: Publisher Site | Google Scholar
  72. C. Zuo, J. Sun, J. Li, J. Zhang, A. Asundi, and Q. Chen, “High-resolution transport-of-intensity quantitative phase microscopy with annular illumination,” Scientific Reports, vol. 7, no. 1, pp. 7654–7722, 2017.View at: Publisher Site | Google Scholar
  73. B.-H. Li, Y. Liu, A.-M. Zhang, W.-H. Wang, and S. Wan, “A survey on blocking technology of entity resolution,” Journal of Computer Science and Technology, vol. 35, no. 4, pp. 769–793, 2020.View at: Publisher Site | Google Scholar
  74. Y. Liu, B. Zhang, Y. Feng et al., “Development of 340-GHz transceiver front end based on GaAs monolithic integration technology for THz active imaging array,” Applied Sciences, vol. 10, no. 21, p. 7924, 2020.View at: Publisher Site | Google Scholar
  75. J. Hu, H. Zhang, L. Liu, X. Zhu, C. Zhao, and Q. Pan, “Convergent multiagent formation control with collision avoidance,” IEEE Transactions on Robotics, vol. 36, no. 6, pp. 1805–1818, 2020.View at: Publisher Site | Google Scholar
  76. M. B. Movahhed, J. Ayoubinejad, F. N. Asl, and M. Feizbahr, “The effect of rain on pedestrians crossing speed,” Computational Research Progress in Applied Science & Engineering (CRPASE), vol. 6, no. 3, 2020.View at: Google Scholar
  77. A. Li, D. Spano, J. Krivochiza et al., “A tutorial on interference exploitation via symbol-level precoding: overview, state-of-the-art and future directions,” IEEE Communications Surveys & Tutorials, vol. 22, no. 2, pp. 796–839, 2020.View at: Publisher Site | Google Scholar
  78. W. Zhu, C. Ma, X. Zhao et al., “Evaluation of sino foreign cooperative education project using orthogonal sine cosine optimized kernel extreme learning machine,” IEEE Access, vol. 8, pp. 61107–61123, 2020.View at: Publisher Site | Google Scholar
  79. G. Liu, W. Jia, M. Wang et al., “Predicting cervical hyperextension injury: a covariance guided sine cosine support vector machine,” IEEE Access, vol. 8, pp. 46895–46908, 2020.View at: Publisher Site | Google Scholar
  80. Y. Wei, H. Lv, M. Chen et al., “Predicting entrepreneurial intention of students: an extreme learning machine with Gaussian barebone harris hawks optimizer,” IEEE Access, vol. 8, pp. 76841–76855, 2020.View at: Publisher Site | Google Scholar
  81. A. Lin, Q. Wu, A. A. Heidari et al., “Predicting intentions of students for master programs using a chaos-induced sine cosine-based fuzzy K-Nearest neighbor classifier,” Ieee Access, vol. 7, pp. 67235–67248, 2019.View at: Publisher Site | Google Scholar
  82. Y. Fan, P. Wang, A. A. Heidari et al., “Rationalized fruit fly optimization with sine cosine algorithm: a comprehensive analysis,” Expert Systems with Applications, vol. 157, Article ID 113486, 2020.View at: Publisher Site | Google Scholar
  83. E. Rodríguez-Esparza, L. A. Zanella-Calzada, D. Oliva et al., “An efficient Harris hawks-inspired image segmentation method,” Expert Systems with Applications, vol. 155, Article ID 113428, 2020.View at: Publisher Site | Google Scholar
  84. S. Jiao, G. Chong, C. Huang et al., “Orthogonally adapted Harris hawks optimization for parameter estimation of photovoltaic models,” Energy, vol. 203, Article ID 117804, 2020.View at: Publisher Site | Google Scholar
  85. Z. Xu, Z. Hu, A. A. Heidari et al., “Orthogonally-designed adapted grasshopper optimization: a comprehensive analysis,” Expert Systems with Applications, vol. 150, Article ID 113282, 2020.View at: Publisher Site | Google Scholar
  86. A. Abbassi, R. Abbassi, A. A. Heidari et al., “Parameters identification of photovoltaic cell models using enhanced exploratory salp chains-based approach,” Energy, vol. 198, Article ID 117333, 2020.View at: Publisher Site | Google Scholar
  87. M. Mahmoodi and K. K. Aminjan, “Numerical simulation of flow through sukhoi 24 air inlet,” Computational Research Progress in Applied Science & Engineering (CRPASE), vol. 03, 2017.View at: Google Scholar
  88. F. J. Golrokh and A. Hasan, “A comparison of machine learning clustering algorithms based on the DEA optimization approach for pharmaceutical companies in developing countries,” ENG Transactions, vol. 1, 2020.View at: Google Scholar
  89. H. Chen, A. A. Heidari, H. Chen, M. Wang, Z. Pan, and A. H. Gandomi, “Multi-population differential evolution-assisted Harris hawks optimization: framework and case studies,” Future Generation Computer Systems, vol. 111, pp. 175–198, 2020.View at: Publisher Site | Google Scholar
  90. J. Guo, H. Zheng, B. Li, and G.-Z. Fu, “Bayesian hierarchical model-based information fusion for degradation analysis considering non-competing relationship,” IEEE Access, vol. 7, pp. 175222–175227, 2019.View at: Publisher Site | Google Scholar
  91. J. Guo, H. Zheng, B. Li, and G.-Z. Fu, “A Bayesian approach for degradation analysis with individual differences,” IEEE Access, vol. 7, pp. 175033–175040, 2019.View at: Publisher Site | Google Scholar
  92. M. M. A. Malakoutian, Y. Malakoutian, P. Mostafapour, and S. Z. D. Abed, “Prediction for monthly rainfall of six meteorological regions and TRNC (case study: north Cyprus),” ENG Transactions, vol. 2, no. 2, 2021.View at: Google Scholar
  93. H. Arslan, M. Ranjbar, and Z. Mutlum, “Maximum sound transmission loss in multi-chamber reactive silencers: are two chambers enough?,,” ENG Transactions, vol. 2, no. 1, 2021.View at: Google Scholar
  94. N. Tonekaboni, M. Feizbahr, N. Tonekaboni, G.-J. Jiang, and H.-X. Chen, “Optimization of solar CCHP systems with collector enhanced by porous media and nanofluid,” Mathematical Problems in Engineering, vol. 2021, Article ID 9984840, 12 pages, 2021.View at: Publisher Site | Google Scholar
  95. Z. Niu, B. Zhang, J. Wang et al., “The research on 220GHz multicarrier high-speed communication system,” China Communications, vol. 17, no. 3, pp. 131–139, 2020.View at: Publisher Site | Google Scholar
  96. B. Zhang, Z. Niu, J. Wang et al., “Four‐hundred gigahertz broadband multi‐branch waveguide coupler,” IET Microwaves, Antennas & Propagation, vol. 14, no. 11, pp. 1175–1179, 2020.View at: Publisher Site | Google Scholar
  97. Z.-Q. Niu, L. Yang, B. Zhang et al., “A mechanical reliability study of 3dB waveguide hybrid couplers in the submillimeter and terahertz band,” Journal of Zhejiang University Science, vol. 1, no. 1, 1998.View at: Google Scholar
  98. B. Zhang, D. Ji, D. Fang, S. Liang, Y. Fan, and X. Chen, “A novel 220-GHz GaN diode on-chip tripler with high driven power,” IEEE Electron Device Letters, vol. 40, no. 5, pp. 780–783, 2019.View at: Publisher Site | Google Scholar
  99. M. Taleghani and A. Taleghani, “Identification and ranking of factors affecting the implementation of knowledge management engineering based on TOPSIS technique,” ENG Transactions, vol. 1, no. 1, 2020.View at: Google Scholar
Figure 17. Longitudinal turbulent kinetic energy distribution on the smooth and triangular macroroughnesses: (A) Y/2; (B) Y/6.

Numerical Simulations of the Flow Field of a Submerged Hydraulic Jump over Triangular Macroroughnesses

Triangular Macroroughnesses 대한 잠긴 수압 점프의 유동장 수치 시뮬레이션

by Amir Ghaderi 1,2,Mehdi Dasineh 3,Francesco Aristodemo 2 andCostanza Aricò 4,*1Department of Civil Engineering, Faculty of Engineering, University of Zanjan, Zanjan 537138791, Iran2Department of Civil Engineering, University of Calabria, Arcavacata, 87036 Rende, Italy3Department of Civil Engineering, Faculty of Engineering, University of Maragheh, Maragheh 8311155181, Iran4Department of Engineering, University of Palermo, Viale delle Scienze, 90128 Palermo, Italy*Author to whom correspondence should be addressed.Academic Editor: Anis YounesWater202113(5), 674; https://doi.org/10.3390/w13050674

Abstract

The submerged hydraulic jump is a sudden change from the supercritical to subcritical flow, specified by strong turbulence, air entrainment and energy loss. Despite recent studies, hydraulic jump characteristics in smooth and rough beds, the turbulence, the mean velocity and the flow patterns in the cavity region of a submerged hydraulic jump in the rough beds, especially in the case of triangular macroroughnesses, are not completely understood. The objective of this paper was to numerically investigate via the FLOW-3D model the effects of triangular macroroughnesses on the characteristics of submerged jump, including the longitudinal profile of streamlines, flow patterns in the cavity region, horizontal velocity profiles, streamwise velocity distribution, thickness of the inner layer, bed shear stress coefficient, Turbulent Kinetic Energy (TKE) and energy loss, in different macroroughness arrangements and various inlet Froude numbers (1.7 < Fr1 < 9.3). To verify the accuracy and reliability of the present numerical simulations, literature experimental data were considered.

Keywords: submerged hydraulic jumptriangular macroroughnessesTKEbed shear stress coefficientvelocityFLOW-3D model

수중 유압 점프는 강한 난류, 공기 동반 및 에너지 손실로 지정된 초임계에서 아임계 흐름으로의 급격한 변화입니다. 최근 연구에도 불구하고, 특히 삼각형 거시적 거칠기의 경우, 평활 및 거친 베드에서의 수압 점프 특성, 거친 베드에서 잠긴 수압 점프의 공동 영역에서 난류, 평균 속도 및 유동 패턴이 완전히 이해되지 않았습니다.

이 논문의 목적은 유선의 종방향 프로파일, 캐비티 영역의 유동 패턴, 수평 속도 프로파일, 스트림 방향 속도 분포, 두께를 포함하여 서브머지드 점프의 특성에 대한 삼각형 거시 거칠기의 영향을 FLOW-3D 모델을 통해 수치적으로 조사하는 것이었습니다.

내부 층의 층 전단 응력 계수, 난류 운동 에너지(TKE) 및 에너지 손실, 다양한 거시 거칠기 배열 및 다양한 입구 Froude 수(1.7 < Fr1 < 9.3). 현재 수치 시뮬레이션의 정확성과 신뢰성을 검증하기 위해 문헌 실험 데이터를 고려했습니다.

 Introduction

격렬한 난류 혼합과 기포 동반이 있는 수압 점프는 초임계에서 아임계 흐름으로의 변화 과정으로 간주됩니다[1]. 자유 및 수중 유압 점프는 일반적으로 게이트, 배수로 및 둑과 같은 수력 구조 아래의 에너지 손실에 적합합니다. 매끄러운 베드에서 유압 점프의 특성은 널리 연구되었습니다[2,3,4,5,6,7,8,9].

베드의 거칠기 요소가 매끄러운 베드와 비교하여 수압 점프의 특성에 어떻게 영향을 미치는지 예측하기 위해 거시적 거칠기에 대한 자유 및 수중 수력 점프에 대해 여러 실험 및 수치 연구가 수행되었습니다. Ead와 Rajaratnam[10]은 사인파 거대 거칠기에 대한 수리학적 점프의 특성을 조사하고 무차원 분석을 통해 수면 프로파일과 배출을 정규화했습니다.

Tokyayet al. [11]은 두 사인 곡선 거대 거칠기에 대한 점프 길이 비율과 에너지 손실이 매끄러운 베드보다 각각 35% 더 작고 6% 더 높다는 것을 관찰했습니다. Abbaspur et al. [12]는 6개의 사인파형 거대 거칠기에 대한 수력학적 점프의 특성을 연구했습니다. 그 결과, 꼬리수심과 점프길이는 평상보다 낮았고 Froude 수는 점프길이에 큰 영향을 미쳤습니다.

Shafai-Bejestan과 Neisi[13]는 수압 점프에 대한 마름모꼴 거대 거칠기의 영향을 조사했습니다. 결과는 마름모꼴 거시 거칠기를 사용하면 매끄러운 침대와 비교하여 꼬리 수심과 점프 길이를 감소시키는 것으로 나타났습니다. Izadjoo와 Shafai-Bejestan[14]은 다양한 사다리꼴 거시 거칠기에 대한 수압 점프를 연구했습니다.

그들은 전단응력계수가 평활층보다 10배 이상 크고 점프길이가 50% 감소하는 것을 관찰하였습니다. Nikmehr과 Aminpour[15]는 Flow-3D 모델 버전 11.2[16]를 사용하여 사다리꼴 블록이 있는 거시적 거칠기에 대한 수력학적 점프의 특성을 조사했습니다. 결과는 거시 거칠기의 높이와 거리가 증가할수록 전단 응력 계수뿐만 아니라 베드 근처에서 속도가 감소하는 것으로 나타났습니다.

Ghaderi et al. [17]은 다양한 형태의 거시 거칠기(삼각형, 정사각형 및 반 타원형)에 대한 자유 및 수중 수력 점프 특성을 연구했습니다. 결과는 Froude 수의 증가에 따라 자유 및 수중 점프에서 전단 응력 계수, 에너지 손실, 수중 깊이, 미수 깊이 및 상대 점프 길이가 증가함을 나타냅니다.

자유 및 수중 점프에서 가장 높은 전단 응력과 에너지 손실은 삼각형의 거시 거칠기가 존재할 때 발생했습니다. Elsebaie와 Shabayek[18]은 5가지 형태의 거시적 거칠기(삼각형, 사다리꼴, 2개의 측면 경사 및 직사각형이 있는 정현파)에 대한 수력학적 점프의 특성을 연구했습니다. 결과는 모든 거시적 거칠기에 대한 에너지 손실이 매끄러운 베드에서보다 15배 이상이라는 것을 보여주었습니다.

Samadi-Boroujeni et al. [19]는 다양한 각도의 6개의 삼각형 거시 거칠기에 대한 수력 점프를 조사한 결과 삼각형 거시 거칠기가 평활 베드에 비해 점프 길이를 줄이고 에너지 손실과 베드 전단 응력 계수를 증가시키는 것으로 나타났습니다.

Ahmed et al. [20]은 매끄러운 베드와 삼각형 거시 거칠기에서 수중 수력 점프 특성을 조사했습니다. 결과는 부드러운 침대와 비교할 때 잠긴 깊이와 점프 길이가 감소했다고 밝혔습니다. 표 1은 다른 연구자들이 제시한 과거의 유압 점프에 대한 실험 및 수치 연구의 세부 사항을 나열합니다.

Table 1. Main characteristics of some past experimental and numerical studies on hydraulic jumps.

ReferenceShape Bed-Channel Type-
Jump Type
Channel Dimension (m)Roughness (mm)Fr1Investigated Flow
Properties
Ead and Rajaratnam [10]-Smooth and rough beds-Rectangular channel-Free jumpCL1 = 7.60
CW2 = 0.44
CH3 = 0.60
-Corrugated sheets (RH4 = 13 and 22)4–10-Upstream and tailwater depths-Jump length-Roller length-Velocity-Water surface profile
Tokyay et al. [11]-Smooth and rough beds-Rectangular channel-Free jumpCL = 10.50
CW = 0.253
CH = 0.432
-Two sinusoidal corrugated (RH = 10 and 13)5–12-Depth ratio-Jump length-Energy loss
Izadjoo and Shafai-Bejestan [14]-Smooth and rough beds-Two rectangular-channel-Free jumpCL = 1.2, 9
CW = 0.25, 0.50
CH = 0.40
Baffle with trapezoidal cross section
(RH: 13 and 26)
6–12-Upstream and tailwater depths-Jump length-Velocity-Bed shear stress coefficient
Abbaspour et al. [12]-Horizontal bed with slope 0.002-Rectangular channel—smooth and rough beds-Free jumpCL = 10
CW = 0.25
CH = 0.50
-Sinusoidal bed (RH = 15,20, 25 and 35)3.80–8.60-Water surface profile-Depth ratio-Jump length-Energy loss-Velocity profiles-Bed shear stress coefficient
Shafai-Bejestan and Neisi [13]-Smooth and rough beds-Rectangular channel-Free jumpCL = 7.50
CW = 0.35
CH = 0.50
Lozenge bed4.50–12-Sequent depth-Jump length
Elsebaie and Shabayek [18]-Smooth and rough beds-Rectangular channel-With side slopes of 45 degrees for two trapezoidal and triangular macroroughnesses and of 60 degrees for other trapezoidal macroroughnesses-Free jumpCL = 9
CW = 0.295
CH = 0.32
-Sinusoidal-Triangular-Trapezoidal with two side-Rectangular-(RH = 18 and corrugation wavelength = 65)50-Water surface profile-Sequent depth-Jump length-Bed shear stress coefficient
Samadi-Boroujeni et al. [19]-Rectangular channel-Smooth and rough beds-Free jumpCL = 12
CW = 0.40
CH = 0.40
-Six triangular corrugated (RH = 2.5)6.10–13.10-Water surface profile-Sequent depth-Jump length-Energy loss-Velocity profiles-Bed shear stress coefficient
Ahmed et al. [20]-Smooth and rough beds-Rectangular channel-Submerged jumpCL = 24.50
CW = 0.75
CH = 0.70
-Triangular corrugated sheet (RH = 40)1.68–9.29-Conjugated and tailwater depths-Submerged ratio-Deficit depth-Relative jump length-Jump length-Relative roller jump length-Jump efficiency-Bed shear stress coefficient
Nikmehr and Aminpour [15]-Horizontal bed with slope 0.002-Rectangular channel-Rough bed-Free jumpCL = 12
CW = 0.25
CH = 0.50
-Trapezoidal blocks (RH = 2, 3 and 4)5.01–13.70-Water surface profile-Sequent depth-Jump length-Roller length-Velocity
Ghaderi et al. [17]-Smooth and rough beds-Rectangular channel-Free and submerged jumpCL = 4.50
CW = 0.75
CH = 0.70
-Triangular, square and semi-oval macroroughnesses (RH = 40 and distance of roughness of I = 40, 80, 120, 160 and 200)1.70–9.30-Horizontal velocity distributions-Bed shear stress coefficient-Sequent depth ratio and submerged depth ratio-Jump length-Energy loss
Present studyRectangular channel
Smooth and rough beds
Submerged jump
CL = 4.50
CW = 0.75
CH = 0.70
-Triangular macroroughnesses (RH = 40 and distance of roughness of I = 40, 80, 120, 160 and 200)1.70–9.30-Longitudinal profile of streamlines-Flow patterns in the cavity region-Horizontal velocity profiles-Streamwise velocity distribution-Bed shear stress coefficient-TKE-Thickness of the inner layer-Energy loss

CL1: channel length, CW2: channel width, CH3: channel height, RH4: roughness height.

이전에 논의된 조사의 주요 부분은 실험실 접근 방식을 기반으로 하며 사인파, 마름모꼴, 사다리꼴, 정사각형, 직사각형 및 삼각형 매크로 거칠기가 공액 깊이, 잠긴 깊이, 점프 길이, 에너지 손실과 같은 일부 자유 및 수중 유압 점프 특성에 어떻게 영향을 미치는지 조사합니다.

베드 및 전단 응력 계수. 더욱이, 저자[17]에 의해 다양한 형태의 거시적 거칠기에 대한 수력학적 점프에 대한 이전 발표된 논문을 참조하면, 삼각형의 거대조도는 가장 높은 층 전단 응력 계수 및 에너지 손실을 가지며 또한 가장 낮은 잠긴 깊이, tailwater를 갖는 것으로 관찰되었습니다.

다른 거친 모양, 즉 정사각형 및 반 타원형과 부드러운 침대에 비해 깊이와 점프 길이. 따라서 본 논문에서는 삼각형 매크로 거칠기를 사용하여(일정한 거칠기 높이가 T = 4cm이고 삼각형 거칠기의 거리가 I = 4, 8, 12, 16 및 20cm인 다른 T/I 비율에 대해), 특정 캐비티 영역의 유동 패턴, 난류 운동 에너지(TKE) 및 흐름 방향 속도 분포와 같은 연구가 필요합니다.

CFD(Computational Fluid Dynamics) 방법은 자유 및 수중 유압 점프[21]와 같은 복잡한 흐름의 모델링 프로세스를 수행하는 중요한 도구로 등장하며 수중 유압 점프의 특성은 CFD 시뮬레이션을 사용하여 정확하게 예측할 수 있습니다 [22,23 ].

본 논문은 초기에 수중 유압 점프의 주요 특성, 수치 모델에 대한 입력 매개변수 및 Ahmed et al.의 참조 실험 조사를 제시합니다. [20], 검증 목적으로 보고되었습니다. 또한, 본 연구에서는 유선의 종방향 프로파일, 캐비티 영역의 유동 패턴, 수평 속도 프로파일, 내부 층의 두께, 베드 전단 응력 계수, TKE 및 에너지 손실과 같은 특성을 조사할 것입니다.

Figure 1. Definition sketch of a submerged hydraulic jump at triangular macroroughnesses.
Figure 1. Definition sketch of a submerged hydraulic jump at triangular macroroughnesses.

Table 2. Effective parameters in the numerical model.

Bed TypeQ
(l/s)
I
(cm)
T (cm)d (cm)y1
(cm)
y4
(cm)
Fr1= u1/(gy1)0.5SRe1= (u1y1)/υ
Smooth30, 4551.62–3.839.64–32.101.7–9.30.26–0.5039,884–59,825
Triangular macroroughnesses30, 454, 8, 12, 16, 20451.62–3.846.82–30.081.7–9.30.21–0.4439,884–59,825
Figure 2. Longitudinal profile of the experimental flume (Ahmed et al. [20]).
Figure 2. Longitudinal profile of the experimental flume (Ahmed et al. [20]).

Table 3. Main flow variables for the numerical and physical models (Ahmed et al. [20]).

ModelsBed TypeQ (l/s)d (cm)y1 (cm)u1 (m/s)Fr1
Numerical and PhysicalSmooth4551.62–3.831.04–3.701.7–9.3
T/I = 0.54551.61–3.831.05–3.711.7–9.3
T/I = 0.254551.60–3.841.04–3.711.7–9.3
Figure 3. The boundary conditions governing the simulations.
Figure 3. The boundary conditions governing the simulations.
Figure 4. Sketch of mesh setup.
Figure 4. Sketch of mesh setup.

Table 4. Characteristics of the computational grids.

MeshNested Block Cell Size (cm)Containing Block Cell Size (cm)
10.551.10
20.651.30
30.851.70

Table 5. The numerical results of mesh convergence analysis.

ParametersAmounts
fs1 (-)7.15
fs2 (-)6.88
fs3 (-)6.19
K (-)5.61
E32 (%)10.02
E21 (%)3.77
GCI21 (%)3.03
GCI32 (%)3.57
GCI32/rp GCI210.98
Figure 5. Time changes of the flow discharge in the inlet and outlet boundaries conditions (A): Q = 0.03 m3/s (B): Q = 0.045 m3/s.
Figure 5. Time changes of the flow discharge in the inlet and outlet boundaries conditions (A): Q = 0.03 m3/s (B): Q = 0.045 m3/s.
Figure 6. The evolutionary process of a submerged hydraulic jump on the smooth bed—Q = 0.03 m3/s.
Figure 6. The evolutionary process of a submerged hydraulic jump on the smooth bed—Q = 0.03 m3/s.
Figure 7. Numerical versus experimental basic parameters of the submerged hydraulic jump. (A): y3/y1; and (B): y4/y1.
Figure 7. Numerical versus experimental basic parameters of the submerged hydraulic jump. (A): y3/y1; and (B): y4/y1.
Figure 8. Velocity vector field and flow pattern through the gate in a submerged hydraulic jump condition: (A) smooth bed; (B) triangular macroroughnesses.
Figure 8. Velocity vector field and flow pattern through the gate in a submerged hydraulic jump condition: (A) smooth bed; (B) triangular macroroughnesses.
Figure 9. Velocity vector distributions in the x–z plane (y = 0) within the cavity region.
Figure 9. Velocity vector distributions in the x–z plane (y = 0) within the cavity region.
Figure 10. Typical vertical distribution of the mean horizontal velocity in a submerged hydraulic jump [46].
Figure 10. Typical vertical distribution of the mean horizontal velocity in a submerged hydraulic jump [46].
Figure 11. Typical horizontal velocity profiles in a submerged hydraulic jump on smooth bed and triangular macroroughnesses.
Figure 11. Typical horizontal velocity profiles in a submerged hydraulic jump on smooth bed and triangular macroroughnesses.
Figure 12. Horizontal velocity distribution at different distances from the sluice gate for the different T/I for Fr1 = 6.1
Figure 12. Horizontal velocity distribution at different distances from the sluice gate for the different T/I for Fr1 = 6.1
Figure 13. Stream-wise velocity distribution for the triangular macroroughnesses with T/I = 0.5 and 0.25.
Figure 13. Stream-wise velocity distribution for the triangular macroroughnesses with T/I = 0.5 and 0.25.
Figure 14. Dimensionless horizontal velocity distribution in the submerged hydraulic jump for different Froude numbers in triangular macroroughnesses.
Figure 14. Dimensionless horizontal velocity distribution in the submerged hydraulic jump for different Froude numbers in triangular macroroughnesses.
Figure 15. Spatial variations of (umax/u1) and (δ⁄y1).
Figure 15. Spatial variations of (umax/u1) and (δ⁄y1).
Figure 16. The shear stress coefficient (ε) versus the inlet Froude number (Fr1).
Figure 16. The shear stress coefficient (ε) versus the inlet Froude number (Fr1).
Figure 17. Longitudinal turbulent kinetic energy distribution on the smooth and triangular macroroughnesses: (A) Y/2; (B) Y/6.
Figure 17. Longitudinal turbulent kinetic energy distribution on the smooth and triangular macroroughnesses: (A) Y/2; (B) Y/6.
Figure 18. The energy loss (EL/E3) of the submerged jump versus inlet Froude number (Fr1).
Figure 18. The energy loss (EL/E3) of the submerged jump versus inlet Froude number (Fr1).

Conclusions

  • 본 논문에서는 유선의 종방향 프로파일, 공동 영역의 유동 패턴, 수평 속도 프로파일, 스트림 방향 속도 분포, 내부 층의 두께, 베드 전단 응력 계수, 난류 운동 에너지(TKE)를 포함하는 수중 유압 점프의 특성을 제시하고 논의했습니다. ) 및 삼각형 거시적 거칠기에 대한 에너지 손실. 이러한 특성은 FLOW-3D® 모델을 사용하여 수치적으로 조사되었습니다. 자유 표면을 시뮬레이션하기 위한 VOF(Volume of Fluid) 방법과 난류 RNG k-ε 모델이 구현됩니다. 본 모델을 검증하기 위해 평활층과 삼각형 거시 거칠기에 대해 수치 시뮬레이션과 실험 결과를 비교했습니다. 본 연구의 다음과 같은 결과를 도출할 수 있다.
  • 개발 및 개발 지역의 삼각형 거시 거칠기의 흐름 패턴은 수중 유압 점프 조건의 매끄러운 바닥과 비교하여 더 작은 영역에서 동일합니다. 삼각형의 거대 거칠기는 거대 거칠기 사이의 공동 영역에서 또 다른 시계 방향 와류의 형성으로 이어집니다.
  • T/I = 1, 0.5 및 0.33과 같은 거리에 대해 속도 벡터 분포는 캐비티 영역에서 시계 방향 소용돌이를 표시하며, 여기서 속도의 크기는 평균 유속보다 훨씬 작습니다. 삼각형 거대 거칠기(T/I = 0.25 및 0.2) 사이의 거리를 늘리면 캐비티 영역에 크기가 다른 두 개의 소용돌이가 형성됩니다.
  • 삼각형 거시조도 사이의 거리가 충분히 길면 흐름이 다음 조도에 도달할 때까지 속도 분포가 회복됩니다. 그러나 짧은 거리에서 흐름은 속도 분포의 적절한 회복 없이 다음 거칠기에 도달합니다. 따라서 거시 거칠기 사이의 거리가 감소함에 따라 마찰 계수의 증가율이 감소합니다.
  • 삼각형의 거시적 거칠기에서, 잠수 점프의 지정된 섹션에서 최대 속도는 자유 점프보다 높은 값으로 이어집니다. 또한, 수중 점프에서 두 가지 유형의 베드(부드러움 및 거친 베드)에 대해 깊이 및 와류 증가로 인해 베드로부터의 최대 속도 거리는 감소합니다. 잠수 점프에서 경계층 두께는 자유 점프보다 얇습니다.
  • 매끄러운 베드의 난류 영역은 게이트로부터의 거리에 따라 생성되고 자유 표면 롤러 영역 근처에서 발생하는 반면, 거시적 거칠기에서는 난류가 게이트 근처에서 시작되어 더 큰 강도와 제한된 스위프 영역으로 시작됩니다. 이는 반시계 방향 순환의 결과입니다. 거시 거칠기 사이의 공간에서 자유 표면 롤러 및 시계 방향 와류.
  • 삼각 거시 거칠기에서 침지 점프의 베드 전단 응력 계수와 에너지 손실은 유입구 Froude 수의 증가에 따라 증가하는 매끄러운 베드에서 발견된 것보다 더 큽니다. T/I = 0.50 및 0.20에서 최고 및 최저 베드 전단 응력 계수 및 에너지 손실이 평활 베드에 비해 거칠기 요소의 거리가 증가함에 따라 발생합니다.
  • 거의 거칠기 요소가 있는 삼각형 매크로 거칠기의 존재에 의해 주어지는 점프 길이와 잠긴 수심 및 꼬리 수심의 감소는 결과적으로 크기, 즉 길이 및 높이가 감소하는 정수조 설계에 사용될 수 있습니다.
  • 일반적으로 CFD 모델은 다양한 수력 조건 및 기하학적 배열을 고려하여 잠수 점프의 특성 예측을 시뮬레이션할 수 있습니다. 캐비티 영역의 흐름 패턴, 흐름 방향 및 수평 속도 분포, 베드 전단 응력 계수, TKE 및 유압 점프의 에너지 손실은 수치적 방법으로 시뮬레이션할 수 있습니다. 그러나 거시적 차원과 유동장 및 공동 유동의 변화에 ​​대한 다양한 배열에 대한 연구는 향후 과제로 남아 있다.

References

  1. White, F.M. Viscous Fluid Flow, 2nd ed.; McGraw-Hill University of Rhode Island: Montreal, QC, Canada, 1991. [Google Scholar]
  2. Launder, B.E.; Rodi, W. The turbulent wall jet. Prog. Aerosp. Sci. 197919, 81–128. [Google Scholar] [CrossRef]
  3. McCorquodale, J.A. Hydraulic jumps and internal flows. In Encyclopedia of Fluid Mechanics; Cheremisinoff, N.P., Ed.; Golf Publishing: Houston, TX, USA, 1986; pp. 120–173. [Google Scholar]
  4. Federico, I.; Marrone, S.; Colagrossi, A.; Aristodemo, F.; Antuono, M. Simulating 2D open-channel flows through an SPH model. Eur. J. Mech. B Fluids 201234, 35–46. [Google Scholar] [CrossRef]
  5. Khan, S.A. An analytical analysis of hydraulic jump in triangular channel: A proposed model. J. Inst. Eng. India Ser. A 201394, 83–87. [Google Scholar] [CrossRef]
  6. Mortazavi, M.; Le Chenadec, V.; Moin, P.; Mani, A. Direct numerical simulation of a turbulent hydraulic jump: Turbulence statistics and air entrainment. J. Fluid Mech. 2016797, 60–94. [Google Scholar] [CrossRef]
  7. Daneshfaraz, R.; Ghahramanzadeh, A.; Ghaderi, A.; Joudi, A.R.; Abraham, J. Investigation of the effect of edge shape on characteristics of flow under vertical gates. J. Am. Water Works Assoc. 2016108, 425–432. [Google Scholar] [CrossRef]
  8. Azimi, H.; Shabanlou, S.; Kardar, S. Characteristics of hydraulic jump in U-shaped channels. Arab. J. Sci. Eng. 201742, 3751–3760. [Google Scholar] [CrossRef]
  9. De Padova, D.; Mossa, M.; Sibilla, S. SPH numerical investigation of characteristics of hydraulic jumps. Environ. Fluid Mech. 201818, 849–870. [Google Scholar] [CrossRef]
  10. Ead, S.A.; Rajaratnam, N. Hydraulic jumps on corrugated beds. J. Hydraul. Eng. 2002128, 656–663. [Google Scholar] [CrossRef]
  11. Tokyay, N.D. Effect of channel bed corrugations on hydraulic jumps. In Proceedings of the World Water and Environmental Resources Congress 2005, Anchorage, AK, USA, 15–19 May 2005; pp. 1–9. [Google Scholar]
  12. Abbaspour, A.; Dalir, A.H.; Farsadizadeh, D.; Sadraddini, A.A. Effect of sinusoidal corrugated bed on hydraulic jump characteristics. J. Hydro-Environ. Res. 20093, 109–117. [Google Scholar] [CrossRef]
  13. Shafai-Bejestan, M.S.; Neisi, K. A new roughened bed hydraulic jump stilling basin. Asian J. Appl. Sci. 20092, 436–445. [Google Scholar] [CrossRef]
  14. Izadjoo, F.; Shafai-Bejestan, M. Corrugated bed hydraulic jump stilling basin. J. Appl. Sci. 20077, 1164–1169. [Google Scholar] [CrossRef]
  15. Nikmehr, S.; Aminpour, Y. Numerical Simulation of Hydraulic Jump over Rough Beds. Period. Polytech. Civil Eng. 201764, 396–407. [Google Scholar] [CrossRef]
  16. Flow Science Inc. FLOW-3D V 11.2 User’s Manual; Flow Science Inc.: Santa Fe, NM, USA, 2016. [Google Scholar]
  17. Ghaderi, A.; Dasineh, M.; Aristodemo, F.; Ghahramanzadeh, A. Characteristics of free and submerged hydraulic jumps over different macroroughnesses. J. Hydroinform. 202022, 1554–1572. [Google Scholar] [CrossRef]
  18. Elsebaie, I.H.; Shabayek, S. Formation of hydraulic jumps on corrugated beds. Int. J. Civil Environ. Eng. IJCEE–IJENS 201010, 37–47. [Google Scholar]
  19. Samadi-Boroujeni, H.; Ghazali, M.; Gorbani, B.; Nafchi, R.F. Effect of triangular corrugated beds on the hydraulic jump characteristics. Can. J. Civil Eng. 201340, 841–847. [Google Scholar] [CrossRef]
  20. Ahmed, H.M.A.; El Gendy, M.; Mirdan, A.M.H.; Ali, A.A.M.; Haleem, F.S.F.A. Effect of corrugated beds on characteristics of submerged hydraulic jump. Ain Shams Eng. J. 20145, 1033–1042. [Google Scholar] [CrossRef]
  21. Viti, N.; Valero, D.; Gualtieri, C. Numerical simulation of hydraulic jumps. Part 2: Recent results and future outlook. Water 201911, 28. [Google Scholar] [CrossRef]
  22. Gumus, V.; Simsek, O.; Soydan, N.G.; Akoz, M.S.; Kirkgoz, M.S. Numerical modeling of submerged hydraulic jump from a sluice gate. J. Irrig. Drain. Eng. 2016142, 04015037. [Google Scholar] [CrossRef]
  23. Jesudhas, V.; Roussinova, V.; Balachandar, R.; Barron, R. Submerged hydraulic jump study using DES. J. Hydraul. Eng. 2017143, 04016091. [Google Scholar] [CrossRef]
  24. Rajaratnam, N. The hydraulic jump as a wall jet. J. Hydraul. Div. 196591, 107–132. [Google Scholar] [CrossRef]
  25. Hager, W.H. Energy Dissipaters and Hydraulic Jump; Kluwer Academic Publisher: Dordrecht, The Netherlands, 1992; pp. 185–224. [Google Scholar]
  26. Long, D.; Steffler, P.M.; Rajaratnam, N. LDA study of flow structure in submerged Hydraulic jumps. J. Hydraul. Res. 199028, 437–460. [Google Scholar] [CrossRef]
  27. Chow, V.T. Open Channel Hydraulics; McGraw-Hill: New York, NY, USA, 1959. [Google Scholar]
  28. Wilcox, D.C. Turbulence Modeling for CFD, 3rd ed.; DCW Industries, Inc.: La Canada, CA, USA, 2006. [Google Scholar]
  29. Hirt, C.W.; Nichols, B.D. Volume of fluid (VOF) method for the dynamics of free boundaries. J. Comput. Phys. 198139, 201–225. [Google Scholar] [CrossRef]
  30. Pourshahbaz, H.; Abbasi, S.; Pandey, M.; Pu, J.H.; Taghvaei, P.; Tofangdar, N. Morphology and hydrodynamics numerical simulation around groynes. ISH J. Hydraul. Eng. 2020, 1–9. [Google Scholar] [CrossRef]
  31. Choufu, L.; Abbasi, S.; Pourshahbaz, H.; Taghvaei, P.; Tfwala, S. Investigation of flow, erosion, and sedimentation pattern around varied groynes under different hydraulic and geometric conditions: A numerical study. Water 201911, 235. [Google Scholar] [CrossRef]
  32. Zhenwei, Z.; Haixia, L. Experimental investigation on the anisotropic tensorial eddy viscosity model for turbulence flow. Int. J. Heat Technol. 201634, 186–190. [Google Scholar]
  33. Carvalho, R.; Lemos Ramo, C. Numerical computation of the flow in hydraulic jump stilling basins. J. Hydraul. Res. 200846, 739–752. [Google Scholar] [CrossRef]
  34. Bayon, A.; Valero, D.; García-Bartual, R.; López-Jiménez, P.A. Performance assessment of Open FOAM and FLOW-3D in the numerical modeling of a low Reynolds number hydraulic jump. Environ. Model. Softw. 201680, 322–335. [Google Scholar] [CrossRef]
  35. Daneshfaraz, R.; Ghaderi, A.; Akhtari, A.; Di Francesco, S. On the Effect of Block Roughness in Ogee Spillways with Flip Buckets. Fluids 20205, 182. [Google Scholar] [CrossRef]
  36. Ghaderi, A.; Abbasi, S. CFD simulation of local scouring around airfoil-shaped bridge piers with and without collar. Sādhanā 201944, 216. [Google Scholar] [CrossRef]
  37. Ghaderi, A.; Daneshfaraz, R.; Dasineh, M.; Di Francesco, S. Energy Dissipation and Hydraulics of Flow over Trapezoidal–Triangular Labyrinth Weirs. Water 202012, 1992. [Google Scholar] [CrossRef]
  38. Ghaderi, A.; Abbasi, S.; Abraham, J.; Azamathulla, H.M. Efficiency of trapezoidal labyrinth shaped stepped spillways. Flow Meas. Instrum. 202072, 101711. [Google Scholar] [CrossRef]
  39. Yakhot, V.; Orszag, S.A. Renormalization group analysis of turbulence. I. basic theory. J. Sci. Comput. 19861, 3–51. [Google Scholar] [CrossRef] [PubMed]
  40. Biscarini, C.; Di Francesco, S.; Ridolfi, E.; Manciola, P. On the simulation of floods in a narrow bending valley: The malpasset dam break case study. Water 20168, 545. [Google Scholar] [CrossRef]
  41. Ghaderi, A.; Daneshfaraz, R.; Abbasi, S.; Abraham, J. Numerical analysis of the hydraulic characteristics of modified labyrinth weirs. Int. J. Energy Water Resour. 20204, 425–436. [Google Scholar] [CrossRef]
  42. Alfonsi, G. Reynolds-averaged Navier–Stokes equations for turbulence modeling. Appl. Mech. Rev. 200962. [Google Scholar] [CrossRef]
  43. Abbasi, S.; Fatemi, S.; Ghaderi, A.; Di Francesco, S. The Effect of Geometric Parameters of the Antivortex on a Triangular Labyrinth Side Weir. Water 202113, 14. [Google Scholar] [CrossRef]
  44. Celik, I.B.; Ghia, U.; Roache, P.J. Procedure for estimation and reporting of uncertainty due to discretization in CFD applications. J. Fluids Eng. 2008130, 0780011–0780013. [Google Scholar]
  45. Khan, M.I.; Simons, R.R.; Grass, A.J. Influence of cavity flow regimes on turbulence diffusion coefficient. J. Vis. 20069, 57–68. [Google Scholar] [CrossRef]
  46. Javanappa, S.K.; Narasimhamurthy, V.D. DNS of plane Couette flow with surface roughness. Int. J. Adv. Eng. Sci. Appl. Math. 2020, 1–13. [Google Scholar] [CrossRef]
  47. Nasrabadi, M.; Omid, M.H.; Farhoudi, J. Submerged hydraulic jump with sediment-laden flow. Int. J. Sediment Res. 201227, 100–111. [Google Scholar] [CrossRef]
  48. Pourabdollah, N.; Heidarpour, M.; Abedi Koupai, J. Characteristics of free and submerged hydraulic jumps in different stilling basins. In Water Management; Thomas Telford Ltd.: London, UK, 2019; pp. 1–11. [Google Scholar]
  49. Rajaratnam, N. Turbulent Jets; Elsevier Science: Amsterdam, The Netherlands, 1976. [Google Scholar]
  50. Aristodemo, F.; Marrone, S.; Federico, I. SPH modeling of plane jets into water bodies through an inflow/outflow algorithm. Ocean Eng. 2015105, 160–175. [Google Scholar] [CrossRef]
  51. Shekari, Y.; Javan, M.; Eghbalzadeh, A. Three-dimensional numerical study of submerged hydraulic jumps. Arab. J. Sci. Eng. 201439, 6969–6981. [Google Scholar] [CrossRef]
  52. Khan, A.A.; Steffler, P.M. Physically based hydraulic jump model for depth-averaged computations. J. Hydraul. Eng. 1996122, 540–548. [Google Scholar] [CrossRef]
  53. De Dios, M.; Bombardelli, F.A.; García, C.M.; Liscia, S.O.; Lopardo, R.A.; Parravicini, J.A. Experimental characterization of three-dimensional flow vortical structures in submerged hydraulic jumps. J. Hydro-Environ. Res. 201715, 1–12. [Google Scholar] [CrossRef]
Publisher’s Note: MDPI stays neutral with regard to jurisdictional claims in published maps and institutional affiliations.
Flow on the inclined drop with bat-shaped elements: (a) Non-submerged flow

Numerical Methods in Civil Engineering

Rasoul Daneshfaraz*, Ehsan Aminvash**, Silvia Di Francesco***, Amir Najibi**, John Abraham****

토목공학의 수치해석법

Abstract

The main purpose of this study is to provide a method to increase energy dissipation on an inclined drop. Therefore, three types of rough elements with cylindrical, triangular and batshaped geometries are used on the inclined slope in the relative critical depth range of 0.128 to 0.36 and the effect of the geometry of these elements is examined using Flow 3D software. The results showed demonstrate that the downstream relative depth obtained from the numerical analysis is in good agreement with the laboratory results. The application of rough elements on the inclined drop increased the downstream relative depth and also the relative energy dissipation. The application of rough elements on the sloping surface of the drop significantly reduced the downstream Froude number, so that the Froude number in all models ranging from 4.7~7.5 to 1.45~3.36 also decreased compared to the plain drop. Bat-shaped elements are structurally smaller in size, so the use of these elements, in addition to dissipating more energy, is also economically viable.

이 연구의 주요 목적은 경사진 낙하에서 에너지 소산을 증가시키는 방법을 제공하는 것입니다. 따라서 0.128 ~ 0.36의 상대 임계 깊이 범위에서 경사면에 원통형, 삼각형 및 박쥐 모양의 형상을 가진 세 가지 유형의 거친 요소가 사용되며 이러한 요소의 형상의 영향은 Flow 3D 소프트웨어를 사용하여 조사됩니다. 결과는 수치 분석에서 얻은 하류 상대 깊이가 실험실 결과와 잘 일치함을 보여줍니다. 경 사진 낙하에 거친 요소를 적용하면 하류 상대 깊이와 상대 에너지 소산이 증가했습니다. 낙차 경사면에 거친 요소를 적용하면 하류의 Froude 수를 크게 감소시켜 4.7~7.5에서 1.45~3.36 범위의 모든 모델에서 Froude 수도 일반 낙차에 비해 감소했습니다. 박쥐 모양의 요소는 구조적으로 크기가 더 작기 때문에 더 많은 에너지를 분산시키는 것 외에도 이러한 요소를 사용하는 것이 경제적으로도 가능합니다.

Keywords: Downstream depth, Energy dissipation, Froude number, Inclined drop, Roughness elements

Introduction

급수 네트워크 시스템, 침식 수로, 수처리 시스템 및 경사가 큰 경우 흐름 에너지를 더 잘 제어하기 위해 경사 방울을 사용할 수 있습니다. 낙하 구조는 지반의 자연 경사를 설계 경사로 변환하여 에너지 소산, 유속 감소 및 수심 증가를 유발합니다. 따라서 흐름의 하류 에너지를 분산 시키기 위해 에너지 분산 구조를 사용할 수 있습니다. 난기류와 혼합된 물과 공기의 형성은 에너지 소비를 증가 시키는 효과적인 방법입니다. 흐름 경로에서 거칠기 요소를 사용하는 것은 에너지 소산을 위한 알려진 방법입니다. 이러한 요소는 흐름 경로에 배치됩니다. 그들은 종종 에너지 소산을 증가시키기 위해 다른 기하학적 구조와 배열을 가지고 있습니다. 이 연구의 목적은 직사각형 경사 방울에 대한 거칠기 요소의 영향을 조사하는 것입니다.

Fig. 1: Model made in Ardabil, Iran
Fig. 1: Model made in Ardabil, Iran
Fig. 2: Geometric and hydraulic parameters of an inclined drop equipped with roughness elements
Fig. 2: Geometric and hydraulic parameters of an inclined drop equipped with roughness elements
Fig. 3: Views of the incline with (a) Bat-shaped, (b) Cylindrical, (c) Triangular roughness elements
Fig. 3: Views of the incline with (a) Bat-shaped, (b) Cylindrical, (c) Triangular roughness elements
Fig. 4: Geometric profile of inclined drop and boundary conditions with the bat-shape roughness element
Fig. 4: Geometric profile of inclined drop and boundary conditions with the bat-shape roughness element
Fig. 5: Variation of the RMSE varying cell size
Fig. 5: Variation of the RMSE varying cell size
Fig. 6: Numerical and laboratory comparison of the downstream relative depth
Fig. 6: Numerical and laboratory comparison of the downstream relative depth
Fig. 7: Flow profile on inclined drop in discharge of 5 L/s: (a) Without roughness elements; (b) Bat-shaped roughness element; (c) Cylindrical roughness element; (d) Triangular roughness element
Fig. 7: Flow profile on inclined drop in discharge of 5 L/s: (a) Without roughness elements; (b) Bat-shaped roughness element; (c) Cylindrical roughness element; (d) Triangular roughness element
Fig. 8: Relative edge depth versus the relative critical depth
Fig. 8: Relative edge depth versus the relative critical depth
Flow on the inclined drop with bat-shaped elements: (a) Non-submerged flow
Flow on the inclined drop with bat-shaped elements: (a) Non-submerged flow
Fig. 9: Flow on the inclined drop with bat-shaped elements: (b) Submerged flow
Fig. 9: Flow on the inclined drop with bat-shaped elements: (b) Submerged flow
Fig. 10: Relative downstream depth versus the relative critical depth
Fig. 10: Relative downstream depth versus the relative critical depth
Fig. 11: Relative downstream depth versus the relative critical depth
Fig. 11: Relative downstream depth versus the relative critical depth

Conclusions

현재 연구에서 FLOW-3D 소프트웨어를 사용하여 한 높이, 한 각도, 밀도 15% 및 지그재그 배열에서 삼각형, 원통형 및 박쥐 모양의 형상을 가진 세 가지 유형의 거칠기 요소를 사용하여 경사 낙하 수리학적 매개변수에 대한 거칠기 요소 형상의 영향 평가되었다. VOF 방법을 사용하여 자유 표면 흐름을 시뮬레이션하고 초기에 3개의 난류 모델 RNG, k-ɛ 및 kω를 검증에 사용하고 이를 검토한 후 RNG 방법을 사용하여 다른 모델을 시뮬레이션했습니다. 1- 수치 결과에서 얻은 부드러운 경사 방울의 하류 상대 깊이는 실험실 데이터와 매우 좋은 상관 관계가 있으며 원통형 요소가 장착 된 경사 방울의 상대 에지 깊이 값이 가장 높았습니다. 2- 하류 상대깊이는 임계상대깊이가 증가함에 따라 상승하는 경향을 나타내어 박쥐형 요소를 구비한 경사낙하와 완만한 경사낙하가 각각 하류상대깊이가 가장 높고 가장 낮았다. 3- 하류 깊이의 증가로 인해 상대적 임계 깊이가 증가함에 따라 상대적 에너지 소산이 감소합니다. 한편, 가장 높은 에너지 소산은 박쥐 모양의 요소가 장착된 경사 낙하와 관련이 있으며 가장 낮은 에너지 소산은 부드러운 낙하와 관련이 있습니다. 삼각형, 원통형 및 박쥐 모양의 거친 요소가 장착된 드롭은 부드러운 드롭보다 각각 65%, 76% 및 85% 더 많은 흐름 에너지를 소산합니다. 4- 낙차의 경사면에 거친 요소를 적용하여 다운 스트림 Froude 수를 크게 줄여 4.7 ~ 7.5에서 1.45 ~ 3.36까지의 모든 모델에서 Froude 수가 부드러운 낙하에 비해 감소했습니다. 또한, 다른 원소보다 부피가 작은 박쥐 모양의 거칠기의 부피로 인해 이러한 유형의 거칠기를 사용하는 것이 경제적입니다.

References

References:
[1] Abbaspour, A., Shiravani, P., and Hosseinzadeh dalir, A.,
“Experimental study of the energy dissipation on the rough ramps”,
ISH journal of hydraulic engineering, 2019, p. 1-9.
[2] Abraham, J.P., Sparrow, E.M., Gorman, J.M., Zhao, Y., and
Minkowycz, W.J., “Application of an Intermittency model for
laminar, transitional, and turbulent internal flows”, Journal of
Fluids Engineering, vol. 141, 2019, paper no. 071204.
[3] Ahmad, Z., Petappa, N.M., and Westrich, B., “Energy
dissipation on block ramps with staggered boulders”, Journal of
hydraulic engineering, vol. 135(6), 2009, p. 522-526.
[4] Babaali, H.R., Shamsai, A., and Vosoughifar, H.R.,
“Computational modeling of the hydraulic jump in the stilling
basin with convergence walls using CFD codes”, Arabian Journal
for Science and Engineering, vol. 40(2), 2014, p. 381-395.
[5] Castillo, L.G., Carrillo, J.M., and Cacía, J.T., “Numerical
simulations and laboratory measurements in hydraulic jumps”,
International conference on hydroinformatics. (2014, August) New
York city.
[6] Daneshfaraz, R., Aminvash, E., Esmaeli, R., Sadeghfam, S.,
and Abraham, J., “Experimental and numerical investigation for
energy dissipation of supercritical flow in sudden contractions”,
Journal of groundwater science and engineering, vol. 8(4), 2020a,
p. 396-406.
[7] Daneshfaraz, R., Aminvash, E., Ghaderi, A., Kuriqi, A., and
Abraham, J., “Three-dimensional investigation of hydraulic
properties of vertical drop in the presence of step and grid
dissipators”, Symmetry, vol. 13 (5), 2021a, p. 895.
[8] Daneshfaraz, R., Aminvash, E., Ghaderi, A., Abraham, J., and
Bagherzadeh, M., “SVM performance for predicting the effect of
horizontal screen diameters on the hydraulic parameters of a
vertical drop”, Applied sciences, vol. 11 (9), 2021b, p. 4238.
[9] Daneshfaraz, R., Bagherzadeh, M., Esmaeeli, R., Norouzi, R.,
and Abraham, J. “Study of the performance of support vector
machine for predicting vertical drop hydraulic parameters in the
presence of dual horizontal screens”, Water supply, vol 21(1),
2021c, p. 217-231.
[10] Daneshfaraz, R., and Ghaderi, A., “Numerical investigation of
inverse curvature ogee spillways”, Civil engineering journal, vol.
3(11), 2017, p. 1146-1156.
[11] Daneshfaraz, R., Majedi Asl, M., and Bagherzadeh, M.,
“Experimental Investigation of the Energy Dissipation and the
Downstream Relative Depth of Pool in the Sloped Gabion Drop
and the Sloped simple Drop”, AUT Journal of Civil Engineering,
2020b (In persian).
[12] Daneshfaraz, R., Majedi Asl, M., Bazyar, A., Abraham, J.,
Norouzi, R., “The laboratory study of energy dissipation in inclined
drops equipped with a screen”, Journal of Applied Water
Engineering and Research, 2020c, p. 1-10.
[13] Daneshfaraz, R., Minaei, O., Abraham, J., Dadashi, S., and
Ghaderi, A., “3-D Numerical simulation of water flow over a
broad-crested weir with openings”, ISH Journal of Hydraulic
Engineering, 2019, p.1-9.
[14] Daneshfaraz, R., Sadeghfam, S., and Kashani, M., “Numerical
simulation of flow over stepped spillways”, Research in civil
engineering and environmental engineering, vol. 2(4), 2014, p.
190-198.
[15] Ghaderi, A., Abbasi, S., Abraham, J., and Azamathulla, H.M.,
“Efficiency of trapezoidal labyrinth shaped stepped spillways”,
Flow measurement and instrumentation, vol. 72, 2020a.
[16] Ghaderi, A., Daneshfaraz, R., Dasineh, M., and Di Francesco,
S., “Energy dissipation and hydraulics of flow over trapezoidaltriangular labyrinth weirs”, Water, vol. 12(7), 2020b, p. 1-18.
[17] Ghaderi, A., Daneshfaraz, R., Torabi, M., Abraham, and
Azamathulla, H.M. “Experimental investigation on effective
scouring parameters downstream from stepped spillways”, Water
supply, vol. 20(4), 2020c, p. 1-11.
[18] Ghare, A.D., Ingle, R.N., Porey, P.D., and Gokhale, S.S.
“Block ramp design for efficient energy dissipation”, Journal of
energy dissipation, vol. 136(1), 2010, p. 1-5.
[19] Gorman, J.M., Sparrow, E.M., Smith, C.J., Ghoash, A.,
Abraham, J.P., Daneshfaraz, R., Rezezadeh, J., “In-bend pressure
drop and post-bend heat transfer for a bend with partial blockage at
its inlet”, Numerical Heat Transfer A, vol, 73, 2018, p. 743-767.
[20] Jamil, M., and Khan, S.A., “Theorical study of hydraulic jump
in circular channel section”, ISH journal of hydraulic engineering,
vol. 16(1), 2010, p. 1-10.
[21] Katourani, S., and Kashefipour, S.M., “Effect of the geometric
characteristics of baffle on hydraulic flow condition in baffled
apron drop”, Irrigation sciences and engineering, vol. 37(2), 2012,
p. 51-59.
[22] Lai, Y.G., and Wu, K.A., “Three-dimensional flow and
sediment transport model for free surface open channel flow on
unstructured flexible meshes”, Fluids, vol. 4(1), 2019, p. 1-19.

[23] Nayebzadeh, B., Lotfollahi yaghin, M.A., and Daneshfaraz,
R., “Numerical investigation of hydraulic characteristics of vertical
drops with screens and gradually wall expanding”, Amirkabir
journal of civil engineering, 2020 (In Persian).
[24] Nurouzi, R., Daneshfaraz, R., and Bazyar, A., “The study of
energy dissipation due to the use of vertical screen in the
downstream of inclined drop by adaptive Neuro-Fuzzy inference
system (ANFIS)”, AUT journal of civil engineering, 2019, (In
Persian).
[25] Ohtsu, I., and Yasuda, Y., “Hydraulic jump in sloping
channel”, Journal of hydraulic engineering, vol. 117(7), 1991, p.
905-921.
[26] Olsen, L., Abraham, J.P., Cheng, L.K., Gorman, J.M., and
Sparrow, E.M., “Summary of forced-convection fluid flow and
heat transfer for square cylinders of different aspect ratios ranging
from the cube to a two-dimensional cylinder”, Advances in Heat
Transfer, Vol. 51, 2019, p. 351-457.
[27] Pagliara, S., Das, R., and Palermo, M., “Energy dissipation on
submerged block ramps”, Journal of irrigation and drainage
engineering, vol. 134(4), 2008, p.527-532.
[28] Pagliara, S., and Palermo, M., “Effect of stilling basin
geometry on the dissipative process in the presence of block
ramps”, Journal of irrigation and drainage engineering, vol.
138(11), 2012, p. 1027-1031.
[29] Simsek, O., Akoz, M.S, and Soydan, N.G., “Numerical
validation of open channel flow over a curvilinear broad-creasted
weir”, Progress in computational fluid dynamics an international
journal, vol. 16(6), 2016, p. 364-378.
[30] Sharif, N., and Rostami, A., “Experimental and numerical
study of the effect of flow sepration on dissipating energy in
compound bucket”, APCBEE procedia, vol. 9, 2014, p. 334-338.
[31] Sparrow, E.M., Tong, J.C.K., and Abraham, J.P., “Fluid flow
in a system with separate laminar and turbulent zones”, Numerical
Heat Transfer A, vol. 53(4), 2008, p. 341-353.
[32] Sparrow, E.M., Gorman, J.M., Abraham, J.P., and
Minkowycz, W.J., “Validation of turbulence models for numerical
simulation of fluid flow and convective heat transfers”, Advances
in Heat Transfer, vol. 49, 2017, p. 397-421.
[33] Wagner, W.E., “Hydraulic model studies of the check intake
structure-potholes East canal”, Bureau of reclamation hydraulic
laboratory report hyd, 1956, 411.

Figure 6. Evolution of melt pool in the overhang region (θ = 45°, P = 100 W, v = 1000 mm/s, the streamlines are shown by arrows).

Experimental and numerical investigation of the origin of surface roughness in laser powder bed fused overhang regions

레이저 파우더 베드 융합 오버행 영역에서 표면 거칠기의 원인에 대한 실험 및 수치 조사

Shaochuan Feng,Amar M. Kamat,Soheil Sabooni &Yutao PeiPages S66-S84 | Received 18 Jan 2021, Accepted 25 Feb 2021, Published online: 10 Mar 2021

ABSTRACT

Surface roughness of laser powder bed fusion (L-PBF) printed overhang regions is a major contributor to deteriorated shape accuracy/surface quality. This study investigates the mechanisms behind the evolution of surface roughness (Ra) in overhang regions. The evolution of surface morphology is the result of a combination of border track contour, powder adhesion, warp deformation, and dross formation, which is strongly related to the overhang angle (θ). When 0° ≤ θ ≤ 15°, the overhang angle does not affect Ra significantly since only a small area of the melt pool boundaries contacts the powder bed resulting in slight powder adhesion. When 15° < θ ≤ 50°, powder adhesion is enhanced by the melt pool sinking and the increased contact area between the melt pool boundary and powder bed. When θ > 50°, large waviness of the overhang contour, adhesion of powder clusters, severe warp deformation and dross formation increase Ra sharply.

레이저 파우더 베드 퓨전 (L-PBF) 프린팅 오버행 영역의 표면 거칠기는 형상 정확도 / 표면 품질 저하의 주요 원인입니다. 이 연구 는 오버행 영역에서 표면 거칠기 (Ra ) 의 진화 뒤에 있는 메커니즘을 조사합니다 . 표면 형태의 진화는 오버행 각도 ( θ ) 와 밀접한 관련이있는 경계 트랙 윤곽, 분말 접착, 뒤틀림 변형 및 드로스 형성의 조합의 결과입니다 . 0° ≤  θ  ≤ 15° 인 경우 , 용융풀 경계의 작은 영역 만 분말 베드와 접촉하여 약간의 분말 접착이 발생하기 때문에 오버행 각도가 R a에 큰 영향을 주지 않습니다 . 15° < θ 일 때  ≤ 50°, 용융 풀 싱킹 및 용융 풀 경계와 분말 베드 사이의 증가된 접촉 면적으로 분말 접착력이 향상됩니다. θ  > 50° 일 때 오버행 윤곽의 큰 파형, 분말 클러스터의 접착, 심한 휨 변형 및 드 로스 형성이 Ra 급격히 증가 합니다.

KEYWORDS: Laser powder bed fusion (L-PBF), melt pool dynamics, overhang region, shape deviation, surface roughness

1. Introduction

레이저 분말 베드 융합 (L-PBF)은 첨단 적층 제조 (AM) 기술로, 집중된 레이저 빔을 사용하여 금속 분말을 선택적으로 융합하여 슬라이스 된 3D 컴퓨터 지원에 따라 층별로 3 차원 (3D) 금속 부품을 구축합니다. 설계 (CAD) 모델 (Chatham, Long 및 Williams 2019 ; Tan, Zhu 및 Zhou 2020 ). 재료가 인쇄 층 아래에 ​​존재하는지 여부에 따라 인쇄 영역은 각각 솔리드 영역 또는 돌출 영역으로 분류 될 수 있습니다. 따라서 오버행 영역은 고체 기판이 아니라 분말 베드 바로 위에 건설되는 특수 구조입니다 (Patterson, Messimer 및 Farrington 2017). 오버행 영역은지지 구조를 포함하거나 포함하지 않고 구축 할 수 있으며, 지지대가있는 돌출 영역의 L-PBF는 지지체가 더 낮은 밀도로 구축된다는 점을 제외 하고 (Wang and Chou 2018 ) 고체 기판의 공정과 유사합니다 (따라서 기계적 강도가 낮기 때문에 L-PBF 공정 후 기계적으로 쉽게 제거 할 수 있습니다. 따라서지지 구조로 인쇄 된 오버행 영역은 L-PBF 공정 후 지지물 제거, 연삭 및 연마와 같은 추가 후 처리 단계가 필요합니다.

수평 내부 채널의 제작과 같은 일부 특정 경우에는 공정 후 지지대를 제거하기가 어려우므로 채널 상단 절반의 돌출부 영역을 지지대없이 건설해야합니다 (Hopkinson and Dickens 2000 ). 수평 내부 채널에 사용할 수없는지지 구조 외에도 내부 표면, 특히 등각 냉각 채널 (Feng, Kamat 및 Pei 2021 ) 에서 발생하는 복잡한 3D 채널 네트워크의 경우 표면 마감 프로세스를 구현하는 것도 어렵습니다 . 결과적으로 오버행 영역은 (i) 잔류 응력에 의한 변형, (ii) 계단 효과 (Kuo et al. 2020 ; Li et al. 2020 )로 인해 설계된 모양에서 벗어날 수 있습니다 .) 및 (iii) 원하지 않는 분말 소결로 인한 향상된 표면 거칠기; 여기서, 앞의 두 요소는 일반적으로 mm 길이 스케일에서 ‘매크로’편차로 분류되고 후자는 일반적으로 µm 길이 스케일에서 ‘마이크로’편차로 인식됩니다.

열 응력에 의한 변형은 오버행 영역에서 발생하는 중요한 문제입니다 (Patterson, Messimer 및 Farrington 2017 ). 국부적 인 용융 / 냉각은 용융 풀 내부 및 주변에서 큰 온도 구배를 유도하여 응고 된 층에 집중적 인 열 응력을 유발합니다. 열 응력에 의한 뒤틀림은 고체 영역을 현저하게 변형하지 않습니다. 이러한 영역은 아래의 여러 레이어에 의해 제한되기 때문입니다. 반면에 오버행 영역은 구속되지 않고 공정 중 응력 완화로 인해 상당한 변형이 발생합니다 (Kamat 및 Pei 2019 ). 더욱이 용융 깊이는 레이어 두께보다 큽니다 (이전 레이어도 재용 해되어 빌드 된 레이어간에 충분한 결합을 보장하기 때문입니다 [Yadroitsev et al. 2013 ; Kamath et al.2014 ]),응고 된 두께가 설계된 두께보다 크기 때문에형태 편차 (예 : 드 로스 [Charles et al. 2020 ; Feng et al. 2020 ])가 발생합니다. 마이크로 스케일에서 인쇄 된 표면 (R a 및 S a ∼ 10 μm)은 기계적으로 가공 된 표면보다 거칠다 (Duval-Chaneac et al. 2018 ; Wen et al. 2018 ). 이 문제는고형화 된 용융 풀의 가장자리에 부착 된 용융되지 않은 분말의 결과로 표면 거칠기 (R a )가 일반적으로 약 20 μm인 오버행 영역에서 특히 심각합니다 (Mazur et al. 2016 ; Pakkanen et al. 2016 ).

오버행 각도 ( θ , 빌드 방향과 관련하여 측정)는 오버행 영역의 뒤틀림 편향과 표면 거칠기에 영향을 미치는 중요한 매개 변수입니다 (Kamat and Pei 2019 ; Mingear et al. 2019 ). θ ∼ 45 ° 의 오버행 각도 는 일반적으로지지 구조없이 오버행 영역을 인쇄 할 수있는 임계 값으로 합의됩니다 (Pakkanen et al. 2016 ; Kadirgama et al. 2018 ). θ 일 때이 임계 값보다 크면 오버행 영역을 허용 가능한 표면 품질로 인쇄 할 수 없습니다. 오버행 각도 외에도 레이저 매개 변수 (레이저 에너지 밀도와 관련된)는 용융 풀의 모양 / 크기 및 용융 풀 역학에 영향을줌으로써 오버행 영역의 표면 거칠기에 영향을줍니다 (Wang et al. 2013 ; Mingear et al . 2019 ).

용융 풀 역학은 고체 (Shrestha 및 Chou 2018 ) 및 오버행 (Le et al. 2020 ) 영역 모두에서 수행되는 L-PBF 공정을 포함한 레이저 재료 가공의 일반적인 물리적 현상입니다 . 용융 풀 모양, 크기 및 냉각 속도는 잔류 응력으로 인한 변형과 ​​표면 거칠기에 모두 영향을 미치므로 처리 매개 변수와 표면 형태 / 품질 사이의 다리 역할을하며 용융 풀을 이해하기 위해 수치 시뮬레이션을 사용하여 추가 조사를 수행 할 수 있습니다. 거동과 표면 거칠기에 미치는 영향. 현재까지 고체 영역의 L-PBF 동안 용융 풀 동작을 시뮬레이션하기 위해 여러 연구가 수행되었습니다. 유한 요소 방법 (FEM)과 같은 시뮬레이션 기술 (Roberts et al. 2009 ; Du et al.2019 ), 유한 차분 법 (FDM) (Wu et al. 2018 ), 전산 유체 역학 (CFD) (Lee and Zhang 2016 ), 임의의 Lagrangian-Eulerian 방법 (ALE) (Khairallah and Anderson 2014 )을 사용하여 증발 반동 압력 (Hu et al. 2018 ) 및 Marangoni 대류 (Zhang et al. 2018 ) 현상을포함하는 열 전달 (온도 장) 및 물질 전달 (용융 흐름) 프로세스. 또한 이산 요소법 (DEM)을 사용하여 무작위 분산 분말 베드를 생성했습니다 (Lee and Zhang 2016 ; Wu et al. 2018 ). 이 모델은 분말 규모의 L-PBF 공정을 시뮬레이션했습니다 (Khairallah et al. 2016) 메조 스케일 (Khairallah 및 Anderson 2014 ), 단일 트랙 (Leitz et al. 2017 )에서 다중 트랙 (Foroozmehr et al. 2016 ) 및 다중 레이어 (Huang, Khamesee 및 Toyserkani 2019 )로.

그러나 결과적인 표면 거칠기를 결정하는 오버행 영역의 용융 풀 역학은 문헌에서 거의 관심을받지 못했습니다. 솔리드 영역의 L-PBF에 대한 기존 시뮬레이션 모델이 어느 정도 참조가 될 수 있지만 오버행 영역과 솔리드 영역 간의 용융 풀 역학에는 상당한 차이가 있습니다. 오버행 영역에서 용융 금속은 분말 입자 사이의 틈새로 아래로 흘러 용융 풀이 다공성 분말 베드가 제공하는 약한 지지체 아래로 가라 앉습니다. 이것은 중력과 표면 장력의 영향이 용융 풀의 결과적인 모양 / 크기를 결정하는 데 중요하며, 결과적으로 오버행 영역의 마이크로 스케일 형태의 진화에 중요합니다. 또한 분말 입자 사이의 공극, 열 조건 (예 : 에너지 흡수,2019 ; Karimi et al. 2020 ; 노래와 영 2020 ). 표면 거칠기는 (마이크로) 형상 편차를 증가시킬뿐만 아니라 주기적 하중 동안 미세 균열의 시작 지점 역할을함으로써 기계적 강도를 저하시킵니다 (Günther et al. 2018 ). 오버행 영역의 높은 표면 거칠기는 (마이크로) 정확도 / 품질에 대한 엄격한 요구 사항이있는 부품 제조에서 L-PBF의 적용을 제한합니다.

본 연구는 실험 및 시뮬레이션 연구를 사용하여 오버행 영역 (지지물없이 제작)의 미세 형상 편차 형성 메커니즘과 표면 거칠기의 기원을 체계적이고 포괄적으로 조사합니다. 결합 된 DEM-CFD 시뮬레이션 모델은 경계 트랙 윤곽, 분말 접착 및 뒤틀림 변형의 효과를 고려하여 오버행 영역의 용융 풀 역학과 표면 형태의 형성 메커니즘을 나타 내기 위해 개발되었습니다. 표면 거칠기 R의 시뮬레이션 및 단일 요인 L-PBF 인쇄 실험을 사용하여 오버행 각도의 함수로 연구됩니다. 용융 풀의 침몰과 관련된 오버행 영역에서 분말 접착의 세 가지 메커니즘이 식별되고 자세히 설명됩니다. 마지막으로, 인쇄 된 오버행 영역에서 높은 표면 거칠기 문제를 완화 할 수 있는 잠재적 솔루션에 대해 간략하게 설명합니다.

The shape and size of the L-PBF printed samples are illustrated in Figure 1
The shape and size of the L-PBF printed samples are illustrated in Figure 1
Figure 2. Borders in the overhang region depending on the overhang angle θ
Figure 2. Borders in the overhang region depending on the overhang angle θ
Figure 3. (a) Profile of the volumetric heat source, (b) the model geometry of single-track printing on a solid substrate (unit: µm), and (c) the comparison of melt pool dimensions obtained from the experiment (right half) and simulation (left half) for a calibrated optical penetration depth of 110 µm (laser power 200 W and scan speed 800 mm/s, solidified layer thickness 30 µm, powder size 10–45 µm).
Figure 3. (a) Profile of the volumetric heat source, (b) the model geometry of single-track printing on a solid substrate (unit: µm), and (c) the comparison of melt pool dimensions obtained from the experiment (right half) and simulation (left half) for a calibrated optical penetration depth of 110 µm (laser power 200 W and scan speed 800 mm/s, solidified layer thickness 30 µm, powder size 10–45 µm).
Figure 4. The model geometry of an overhang being L-PBF processed: (a) 3D view and (b) right view.
Figure 4. The model geometry of an overhang being L-PBF processed: (a) 3D view and (b) right view.
Figure 5. The cross-sectional contour of border tracks in a 45° overhang region.
Figure 5. The cross-sectional contour of border tracks in a 45° overhang region.
Figure 6. Evolution of melt pool in the overhang region (θ = 45°, P = 100 W, v = 1000 mm/s, the streamlines are shown by arrows).
Figure 6. Evolution of melt pool in the overhang region (θ = 45°, P = 100 W, v = 1000 mm/s, the streamlines are shown by arrows).
Figure 7. The overhang contour is contributed by (a) only outer borders when θ ≤ 60° (b) both inner borders and outer borders when θ > 60°.
Figure 7. The overhang contour is contributed by (a) only outer borders when θ ≤ 60° (b) both inner borders and outer borders when θ > 60°.
Figure 8. Schematic of powder adhesion on a 45° overhang region.
Figure 8. Schematic of powder adhesion on a 45° overhang region.
Figure 9. The L-PBF printed samples with various overhang angle (a) θ = 0° (cube), (b) θ = 30°, (c) θ = 45°, (d) θ = 55° and (e) θ = 60°.
Figure 9. The L-PBF printed samples with various overhang angle (a) θ = 0° (cube), (b) θ = 30°, (c) θ = 45°, (d) θ = 55° and (e) θ = 60°.
Figure 10. Two mechanisms of powder adhesion related to the overhang angle: (a) simulation-predicted, θ = 45°; (b) simulation-predicted, θ = 60°; (c, e) optical micrographs, θ = 45°; (d, f) optical micrographs, θ = 60°. (e) and (f) are partial enlargement of (c) and (d), respectively.
Figure 10. Two mechanisms of powder adhesion related to the overhang angle: (a) simulation-predicted, θ = 45°; (b) simulation-predicted, θ = 60°; (c, e) optical micrographs, θ = 45°; (d, f) optical micrographs, θ = 60°. (e) and (f) are partial enlargement of (c) and (d), respectively.
Figure 11. Simulation-predicted surface morphology in the overhang region at different overhang angle: (a) θ = 15°, (b) θ = 30°, (c) θ = 45°, (d) θ = 60° and (e) θ = 80° (Blue solid lines: simulation-predicted contour; red dashed lines: the planar profile of designed overhang region specified by the overhang angles).
Figure 11. Simulation-predicted surface morphology in the overhang region at different overhang angle: (a) θ = 15°, (b) θ = 30°, (c) θ = 45°, (d) θ = 60° and (e) θ = 80° (Blue solid lines: simulation-predicted contour; red dashed lines: the planar profile of designed overhang region specified by the overhang angles).
Figure 12. Effect of overhang angle on surface roughness Ra in overhang regions
Figure 12. Effect of overhang angle on surface roughness Ra in overhang regions
Figure 13. Surface morphology of L-PBF printed overhang regions with different overhang angle: (a) θ = 15°, (b) θ = 30°, (c) θ = 45° and (d) θ = 60° (overhang border parameters: P = 100 W, v = 1000 mm/s).
Figure 13. Surface morphology of L-PBF printed overhang regions with different overhang angle: (a) θ = 15°, (b) θ = 30°, (c) θ = 45° and (d) θ = 60° (overhang border parameters: P = 100 W, v = 1000 mm/s).
Figure 14. Effect of (a) laser power (scan speed = 1000 mm/s) and (b) scan speed (lase power = 100 W) on surface roughness Ra in overhang regions (θ = 45°, laser power and scan speed referred to overhang border parameters, and the other process parameters are listed in Table 2).
Figure 14. Effect of (a) laser power (scan speed = 1000 mm/s) and (b) scan speed (lase power = 100 W) on surface roughness Ra in overhang regions (θ = 45°, laser power and scan speed referred to overhang border parameters, and the other process parameters are listed in Table 2).

References

  • Cai, Chao, Chrupcala Radoslaw, Jinliang Zhang, Qian Yan, Shifeng Wen, Bo Song, and Yusheng Shi. 2019. “In-Situ Preparation and Formation of TiB/Ti-6Al-4V Nanocomposite via Laser Additive Manufacturing: Microstructure Evolution and Tribological Behavior.” Powder Technology 342: 73–84. doi:10.1016/j.powtec.2018.09.088. [Crossref], [Web of Science ®], [Google Scholar]
  • Cai, Chao, Wei Shian Tey, Jiayao Chen, Wei Zhu, Xingjian Liu, Tong Liu, Lihua Zhao, and Kun Zhou. 2021. “Comparative Study on 3D Printing of Polyamide 12 by Selective Laser Sintering and Multi Jet Fusion.” Journal of Materials Processing Technology 288 (August 2020): 116882. doi:10.1016/j.jmatprotec.2020.116882. [Crossref], [Web of Science ®], [Google Scholar]
  • Cai, Chao, Xu Wu, Wan Liu, Wei Zhu, Hui Chen, Jasper Dong Qiu Chua, Chen Nan Sun, Jie Liu, Qingsong Wei, and Yusheng Shi. 2020. “Selective Laser Melting of Near-α Titanium Alloy Ti-6Al-2Zr-1Mo-1V: Parameter Optimization, Heat Treatment and Mechanical Performance.” Journal of Materials Science and Technology 57: 51–64. doi:10.1016/j.jmst.2020.05.004. [Crossref], [Web of Science ®], [Google Scholar]
  • Charles, Amal, Ahmed Elkaseer, Lore Thijs, and Steffen G. Scholz. 2020. “Dimensional Errors Due to Overhanging Features in Laser Powder Bed Fusion Parts Made of Ti-6Al-4V.” Applied Sciences 10 (7): 2416. doi:10.3390/app10072416. [Crossref], [Google Scholar]
  • Chatham, Camden A., Timothy E. Long, and Christopher B. Williams. 2019. “A Review of the Process Physics and Material Screening Methods for Polymer Powder Bed Fusion Additive Manufacturing.” Progress in Polymer Science 93: 68–95. doi:10.1016/j.progpolymsci.2019.03.003. [Crossref], [Web of Science ®], [Google Scholar]
  • Du, Yang, Xinyu You, Fengbin Qiao, Lijie Guo, and Zhengwu Liu. 2019. “A Model for Predicting the Temperature Field during Selective Laser Melting.” Results in Physics 12 (November 2018): 52–60. doi:10.1016/j.rinp.2018.11.031. [Crossref], [Web of Science ®], [Google Scholar]
  • Duval-Chaneac, M. S., S. Han, C. Claudin, F. Salvatore, J. Bajolet, and J. Rech. 2018. “Experimental Study on Finishing of Internal Laser Melting (SLM) Surface with Abrasive Flow Machining (AFM).” Precision Engineering 54 (July 2017): 1–6. doi:10.1016/j.precisioneng.2018.03.006. [Crossref], [Web of Science ®], [Google Scholar]
  • Feng, Shaochuan, Shijie Chen, Amar M. Kamat, Ru Zhang, Mingji Huang, and Liangcai Hu. 2020. “Investigation on Shape Deviation of Horizontal Interior Circular Channels Fabricated by Laser Powder Bed Fusion.” Additive Manufacturing 36 (December): 101585. doi:10.1016/j.addma.2020.101585. [Crossref], [Web of Science ®], [Google Scholar]
  • Feng, Shaochuan, Chuanzhen Huang, Jun Wang, Hongtao Zhu, Peng Yao, and Zhanqiang Liu. 2017. “An Analytical Model for the Prediction of Temperature Distribution and Evolution in Hybrid Laser-Waterjet Micro-Machining.” Precision Engineering 47: 33–45. doi:10.1016/j.precisioneng.2016.07.002. [Crossref], [Web of Science ®], [Google Scholar]
  • Feng, Shaochuan, Amar M. Kamat, and Yutao Pei. 2021. “Design and Fabrication of Conformal Cooling Channels in Molds: Review and Progress Updates.” International Journal of Heat and Mass Transfer. doi:10.1016/j.ijheatmasstransfer.2021.121082. [Crossref], [PubMed], [Web of Science ®], [Google Scholar]
  • Flow-3D V11.2 Documentation. 2016. Flow Science, Inc. [Crossref], [Google Scholar]
  • Foroozmehr, Ali, Mohsen Badrossamay, Ehsan Foroozmehr, and Sa’id Golabi. 2016. “Finite Element Simulation of Selective Laser Melting Process Considering Optical Penetration Depth of Laser in Powder Bed.” Materials and Design 89: 255–263. doi:10.1016/j.matdes.2015.10.002. [Crossref], [Web of Science ®], [Google Scholar]
  • “Geometrical Product Specifications (GPS) — Surface Texture: Profile Method — Rules and Procedures for the Assessment of Surface Texture (ISO 4288).” 1996. International Organization for Standardization. https://www.iso.org/standard/2096.html. [Google Scholar]
  • Günther, Johannes, Stefan Leuders, Peter Koppa, Thomas Tröster, Sebastian Henkel, Horst Biermann, and Thomas Niendorf. 2018. “On the Effect of Internal Channels and Surface Roughness on the High-Cycle Fatigue Performance of Ti-6Al-4V Processed by SLM.” Materials & Design 143: 1–11. doi:10.1016/j.matdes.2018.01.042. [Crossref], [Web of Science ®], [Google Scholar]
  • Hopkinson, Neil, and Phill Dickens. 2000. “Conformal Cooling and Heating Channels Using Laser Sintered Tools.” In Solid Freeform Fabrication Conference, 490–497. Texas. doi:10.26153/tsw/3075. [Crossref], [Google Scholar]
  • Hu, Zhiheng, Haihong Zhu, Changchun Zhang, Hu Zhang, Ting Qi, and Xiaoyan Zeng. 2018. “Contact Angle Evolution during Selective Laser Melting.” Materials and Design 139: 304–313. doi:10.1016/j.matdes.2017.11.002. [Crossref], [Web of Science ®], [Google Scholar]
  • Hu, Cheng, Kejia Zhuang, Jian Weng, and Donglin Pu. 2019. “Three-Dimensional Analytical Modeling of Cutting Temperature for Round Insert Considering Semi-Infinite Boundary and Non-Uniform Heat Partition.” International Journal of Mechanical Sciences 155 (October 2018): 536–553. doi:10.1016/j.ijmecsci.2019.03.019. [Crossref], [Web of Science ®], [Google Scholar]
  • Huang, Yuze, Mir Behrad Khamesee, and Ehsan Toyserkani. 2019. “A New Physics-Based Model for Laser Directed Energy Deposition (Powder-Fed Additive Manufacturing): From Single-Track to Multi-Track and Multi-Layer.” Optics & Laser Technology 109 (August 2018): 584–599. doi:10.1016/j.optlastec.2018.08.015. [Crossref], [Web of Science ®], [Google Scholar]
  • Kadirgama, K., W. S. W. Harun, F. Tarlochan, M. Samykano, D. Ramasamy, Mohd Zaidi Azir, and H. Mehboob. 2018. “Statistical and Optimize of Lattice Structures with Selective Laser Melting (SLM) of Ti6AL4V Material.” International Journal of Advanced Manufacturing Technology 97 (1–4): 495–510. doi:10.1007/s00170-018-1913-1. [Crossref], [Web of Science ®], [Google Scholar]
  • Kamat, Amar M, and Yutao Pei. 2019. “An Analytical Method to Predict and Compensate for Residual Stress-Induced Deformation in Overhanging Regions of Internal Channels Fabricated Using Powder Bed Fusion.” Additive Manufacturing 29 (March): 100796. doi:10.1016/j.addma.2019.100796. [Crossref], [Web of Science ®], [Google Scholar]
  • Kamath, Chandrika, Bassem El-Dasher, Gilbert F. Gallegos, Wayne E. King, and Aaron Sisto. 2014. “Density of Additively-Manufactured, 316L SS Parts Using Laser Powder-Bed Fusion at Powers up to 400 W.” International Journal of Advanced Manufacturing Technology 74 (1–4): 65–78. doi:10.1007/s00170-014-5954-9. [Crossref], [Web of Science ®], [Google Scholar]
  • Karimi, J., C. Suryanarayana, I. Okulov, and K. G. Prashanth. 2020. “Selective Laser Melting of Ti6Al4V: Effect of Laser Re-Melting.” Materials Science and Engineering A (July): 140558. doi:10.1016/j.msea.2020.140558. [Crossref], [Web of Science ®], [Google Scholar]
  • Khairallah, Saad A., and Andy Anderson. 2014. “Mesoscopic Simulation Model of Selective Laser Melting of Stainless Steel Powder.” Journal of Materials Processing Technology 214 (11): 2627–2636. doi:10.1016/j.jmatprotec.2014.06.001. [Crossref], [Web of Science ®], [Google Scholar]
  • Khairallah, Saad A., Andrew T. Anderson, Alexander Rubenchik, and Wayne E. King. 2016. “Laser Powder-Bed Fusion Additive Manufacturing: Physics of Complex Melt Flow and Formation Mechanisms of Pores, Spatter, and Denudation Zones.” Edited by Adedeji B. Badiru, Vhance V. Valencia, and David Liu. Acta Materialia 108 (April): 36–45. doi:10.1016/j.actamat.2016.02.014. [Crossref], [Web of Science ®], [Google Scholar]
  • Kuo, C. N., C. K. Chua, P. C. Peng, Y. W. Chen, S. L. Sing, S. Huang, and Y. L. Su. 2020. “Microstructure Evolution and Mechanical Property Response via 3D Printing Parameter Development of Al–Sc Alloy.” Virtual and Physical Prototyping 15 (1): 120–129. doi:10.1080/17452759.2019.1698967. [Taylor & Francis Online], [Web of Science ®], [Google Scholar]
  • Le, K. Q., C. H. Wong, K. H. G. Chua, C. Tang, and H. Du. 2020. “Discontinuity of Overhanging Melt Track in Selective Laser Melting Process.” International Journal of Heat and Mass Transfer 162 (December): 120284. doi:10.1016/j.ijheatmasstransfer.2020.120284. [Crossref], [Web of Science ®], [Google Scholar]
  • Lee, Y. S., and W. Zhang. 2016. “Modeling of Heat Transfer, Fluid Flow and Solidification Microstructure of Nickel-Base Superalloy Fabricated by Laser Powder Bed Fusion.” Additive Manufacturing 12: 178–188. doi:10.1016/j.addma.2016.05.003. [Crossref], [Web of Science ®], [Google Scholar]
  • Leitz, K. H., P. Singer, A. Plankensteiner, B. Tabernig, H. Kestler, and L. S. Sigl. 2017. “Multi-Physical Simulation of Selective Laser Melting.” Metal Powder Report 72 (5): 331–338. doi:10.1016/j.mprp.2016.04.004. [Crossref], [Google Scholar]
  • Li, Jian, Jing Hu, Yi Zhu, Xiaowen Yu, Mengfei Yu, and Huayong Yang. 2020. “Surface Roughness Control of Root Analogue Dental Implants Fabricated Using Selective Laser Melting.” Additive Manufacturing 34 (September 2019): 101283. doi:10.1016/j.addma.2020.101283. [Crossref], [Web of Science ®], [Google Scholar]
  • Li, Yingli, Kun Zhou, Pengfei Tan, Shu Beng Tor, Chee Kai Chua, and Kah Fai Leong. 2018. “Modeling Temperature and Residual Stress Fields in Selective Laser Melting.” International Journal of Mechanical Sciences 136 (February): 24–35. doi:10.1016/j.ijmecsci.2017.12.001. [Crossref], [Web of Science ®], [Google Scholar]
  • Mazur, MacIej, Martin Leary, Matthew McMillan, Joe Elambasseril, and Milan Brandt. 2016. “SLM Additive Manufacture of H13 Tool Steel with Conformal Cooling and Structural Lattices.” Rapid Prototyping Journal 22 (3): 504–518. doi:10.1108/RPJ-06-2014-0075. [Crossref], [Web of Science ®], [Google Scholar]
  • Mingear, Jacob, Bing Zhang, Darren Hartl, and Alaa Elwany. 2019. “Effect of Process Parameters and Electropolishing on the Surface Roughness of Interior Channels in Additively Manufactured Nickel-Titanium Shape Memory Alloy Actuators.” Additive Manufacturing 27 (October 2018): 565–575. doi:10.1016/j.addma.2019.03.027. [Crossref], [Web of Science ®], [Google Scholar]
  • Pakkanen, Jukka, Flaviana Calignano, Francesco Trevisan, Massimo Lorusso, Elisa Paola Ambrosio, Diego Manfredi, and Paolo Fino. 2016. “Study of Internal Channel Surface Roughnesses Manufactured by Selective Laser Melting in Aluminum and Titanium Alloys.” Metallurgical and Materials Transactions A 47 (8): 3837–3844. doi:10.1007/s11661-016-3478-7. [Crossref], [Web of Science ®], [Google Scholar]
  • Patterson, Albert E., Sherri L. Messimer, and Phillip A. Farrington. 2017. “Overhanging Features and the SLM/DMLS Residual Stresses Problem: Review and Future Research Need.” Technologies 5 (4): 15. doi:10.3390/technologies5020015. [Crossref], [Web of Science ®], [Google Scholar]
  • Roberts, I. A., C. J. Wang, R. Esterlein, M. Stanford, and D. J. Mynors. 2009. “A Three-Dimensional Finite Element Analysis of the Temperature Field during Laser Melting of Metal Powders in Additive Layer Manufacturing.” International Journal of Machine Tools and Manufacture 49 (12–13): 916–923. doi:10.1016/j.ijmachtools.2009.07.004. [Crossref], [Web of Science ®], [Google Scholar]
  • Shrestha, Subin, and Kevin Chou. 2018. “Computational Analysis of Thermo-Fluid Dynamics with Metallic Powder in SLM.” In CFD Modeling and Simulation in Materials Processing 2018, edited by Laurentiu Nastac, Koulis Pericleous, Adrian S. Sabau, Lifeng Zhang, and Brian G. Thomas, 85–95. Cham, Switzerland: Springer Nature. doi:10.1007/978-3-319-72059-3_9. [Crossref], [Google Scholar]
  • Sing, S. L., and W. Y. Yeong. 2020. “Laser Powder Bed Fusion for Metal Additive Manufacturing: Perspectives on Recent Developments.” Virtual and Physical Prototyping 15 (3): 359–370. doi:10.1080/17452759.2020.1779999. [Taylor & Francis Online], [Web of Science ®], [Google Scholar]
  • Šmilauer, Václav, Emanuele Catalano, Bruno Chareyre, Sergei Dorofeenko, Jérôme Duriez, Nolan Dyck, Jan Eliáš, et al. 2015. Yade Documentation. 2nd ed. The Yade Project. doi:10.5281/zenodo.34073. [Crossref], [Google Scholar]
  • Tan, Pengfei, Fei Shen, Biao Li, and Kun Zhou. 2019. “A Thermo-Metallurgical-Mechanical Model for Selective Laser Melting of Ti6Al4V.” Materials & Design 168 (April): 107642. doi:10.1016/j.matdes.2019.107642. [Crossref], [Web of Science ®], [Google Scholar]
  • Tan, Lisa Jiaying, Wei Zhu, and Kun Zhou. 2020. “Recent Progress on Polymer Materials for Additive Manufacturing.” Advanced Functional Materials 30 (43): 1–54. doi:10.1002/adfm.202003062. [Crossref], [Web of Science ®], [Google Scholar]
  • Wang, Xiaoqing, and Kevin Chou. 2018. “Effect of Support Structures on Ti-6Al-4V Overhang Parts Fabricated by Powder Bed Fusion Electron Beam Additive Manufacturing.” Journal of Materials Processing Technology 257 (February): 65–78. doi:10.1016/j.jmatprotec.2018.02.038. [Crossref], [Web of Science ®], [Google Scholar]
  • Wang, Di, Yongqiang Yang, Ziheng Yi, and Xubin Su. 2013. “Research on the Fabricating Quality Optimization of the Overhanging Surface in SLM Process.” International Journal of Advanced Manufacturing Technology 65 (9–12): 1471–1484. doi:10.1007/s00170-012-4271-4. [Crossref], [Web of Science ®], [Google Scholar]
  • Wen, Peng, Maximilian Voshage, Lucas Jauer, Yanzhe Chen, Yu Qin, Reinhart Poprawe, and Johannes Henrich Schleifenbaum. 2018. “Laser Additive Manufacturing of Zn Metal Parts for Biodegradable Applications: Processing, Formation Quality and Mechanical Properties.” Materials and Design 155: 36–45. doi:10.1016/j.matdes.2018.05.057. [Crossref], [Web of Science ®], [Google Scholar]
  • Wu, Yu-che, Cheng-hung San, Chih-hsiang Chang, Huey-jiuan Lin, Raed Marwan, Shuhei Baba, and Weng-Sing Hwang. 2018. “Numerical Modeling of Melt-Pool Behavior in Selective Laser Melting with Random Powder Distribution and Experimental Validation.” Journal of Materials Processing Technology 254 (November 2017): 72–78. doi:10.1016/j.jmatprotec.2017.11.032. [Crossref], [Web of Science ®], [Google Scholar]
  • Yadroitsev, I., P. Krakhmalev, I. Yadroitsava, S. Johansson, and I. Smurov. 2013. “Energy Input Effect on Morphology and Microstructure of Selective Laser Melting Single Track from Metallic Powder.” Journal of Materials Processing Technology 213 (4): 606–613. doi:10.1016/j.jmatprotec.2012.11.014. [Crossref], [Web of Science ®], [Google Scholar]
  • Yu, Wenhui, Swee Leong Sing, Chee Kai Chua, and Xuelei Tian. 2019. “Influence of Re-Melting on Surface Roughness and Porosity of AlSi10Mg Parts Fabricated by Selective Laser Melting.” Journal of Alloys and Compounds 792: 574–581. doi:10.1016/j.jallcom.2019.04.017. [Crossref], [Web of Science ®], [Google Scholar]
  • Zhang, Dongyun, Pudan Zhang, Zhen Liu, Zhe Feng, Chengjie Wang, and Yanwu Guo. 2018. “Thermofluid Field of Molten Pool and Its Effects during Selective Laser Melting (SLM) of Inconel 718 Alloy.” Additive Manufacturing 21 (100): 567–578. doi:10.1016/j.addma.2018.03.031. [Crossref], [Web of Science ®], [Google Scholar]
A new dynamic masking technique for time resolved PIV analysis

A new dynamic masking technique for time resolved PIV analysis

시간 분해 PIV 분석을위한 새로운 동적 마스킹 기술

물체 가시성을 허용하기 위해 형광 코팅과 결합 된 새로운 프리웨어 레이 캐스팅 도구

Journal of Visualization ( 2021 ) 이 기사 인용

Abstract

Time resolved PIV encompassing moving and/or deformable objects interfering with the light source requires the employment of dynamic masking (DM). A few DM techniques have been recently developed, mainly in microfluidics and multiphase flows fields. Most of them require ad-hoc design of the experimental setup, and may spoil the accuracy of the resulting PIV analysis. A new DM technique is here presented which envisages, along with a dedicated masking algorithm, the employment of fluorescent coating to allow for accurate tracking of the object. We show results from measurements obtained through a validated PIV setup demonstrating the need to include a DM step even for objects featuring limited displacements. We compare the proposed algorithm with both a no-masking and a static masking solution. In the framework of developing low cost, flexible and accurate PIV setups, the proposed algorithm is made available through a freeware application able to generate masks to be used by an existing, freeware PIV analysis package.

광원을 방해하는 이동 또는 변형 가능한 물체를 포함하는 시간 해결 PIV는 동적 마스킹 (DM)을 사용해야 합니다. 주로 미세 유체 및 다상 흐름 분야에서 몇 가지 DM 기술이 최근 개발되었습니다. 대부분은 실험 설정의 임시 설계가 필요하며 결과 PIV 분석의 정확도를 떨어 뜨릴 수 있습니다. 여기에는 전용 마스킹 알고리즘과 함께 형광 코팅을 사용하여 물체를 정확하게 추적 할 수있는 새로운 DM 기술이 제시되어 있습니다. 제한된 변위를 특징으로 하는 물체에 대해서도 DM 단계를 포함해야 하는 필요성을 보여주는 검증 된 PIV 설정을 통해 얻은 측정 결과를 보여줍니다. 제안 된 알고리즘을 no-masking 및 static masking 솔루션과 비교합니다. 저비용, 유연하고 정확한 PIV 설정 개발 프레임 워크에서 제안 된 알고리즘은 기존 프리웨어 PIV 분석 패키지에서 사용할 마스크를 생성 할 수 있는 프리웨어 애플리케이션을 통해 사용할 수 있습니다.

Keywords

  • Time resolved PIV, Dynamics masking, Image processing, Vibration inducers, Fluorescent coating

그래픽 개요

소개

PIV (입자 영상 속도계)의 사용은 70 년대 후반 (Archbold 및 Ennos 1972 )이 반점 계측의 확장 (Barker and Fourney 1977 ) 으로 도입된 이래 실험 유체 역학에서 중심적인 역할을 했습니다 . PIV 기술의 기본 아이디어는 유체에 주입된 입자의 속도를 측정하여 유동장을 재구성하는 것입니다. 입자의 크기와 밀도는 확실하게 선택되고 유동을 만족스럽게 따르게 됩니다.

흐름은 레이저 / LED 소스를 통해 조명되고 입자에 의해 산란 된 빛은 추적을 허용합니다. 독자는 리뷰 작품 Grant ( 1997 ), Westerweel et al. ( 2013 년)에 대한 자세한 설명을 참조하십시오. 기본 2D 기술은 고유한 설정으로 발전했으며, 가장 진보 된 것은 단일 / 다중 평면 입체 PIV (Prasad 2000 ) 및 체적 / 단층 PIV (Scarano 2013 )입니다. 광범위한 유동장의 비 침습적 측정이 필요한 산업 및 연구 응용 분야에서 광범위하게 사용되었습니다.

조사된 유동장이 단단한 서있는 경계의 영향을 받는 경우 정적 마스킹 (SM) 접근 방식을 사용하여 PIV 분석을 수행하는 영역에서 솔리드 객체와 그림자가 차지하는 영역을 빼기 위해 주의를 기울여야 합니다. 실제로 이러한 영역에서는 파종 입자를 식별 할 수 없으므로 유속 재구성을 수행 할 수 없습니다. 제대로 처리되지 않으면 이 마스킹 단계는 잘못된 예측으로 이어질 수 있으며, 불행히도 그림자 영역 경계의 근접성에 국한되지 않습니다.

PIV 기술은 획득 프레임 속도를 관심있는 시간 척도로 조정하여 정상 상태 또는 시간 변화 흐름에 적용 할 수 있습니다. 시간의 가변성이 고체 물체의 위치 / 모양과 관련된 경우 이미지를 동적으로 마스킹하기 위해 추가 노력이 필요합니다. 고체 물체뿐만 아니라 다른 유체 단계도 가려야한다는 점에 유의해야합니다 (Foeth et al. 2006). 

이 프로세스는 고체 물체의 움직임이 선험적으로 알려진 경우 비교적 쉬우므로 SM 알고리즘에 대한 최소한의 수정이 목적에 부합 할 수 있습니다. 그러나 고체 물체의 위치 및 / 또는 모양이 알려지지 않은 방식으로 시간에 따라 변할 경우 물체를 동적으로 추적 할 수 있는 마스킹 기술이 필요합니다. PIV 분석을위한 동적 마스킹 (DM) 접근 방식은 현재 상당한 주목을 받고 있습니다 (Sanchis and Jensen 2011 , Masullo 및 Theunissen 2017 , Anders et al. 2019 ) . 시간 분해 PIV 시스템의 확산 덕분에 고속 카메라의 가용성이 높아집니다. 

DM 기술의 주요 발전은 마이크로 PIV 분야에서 비롯됩니다 (Lindken et al. 2009) 마이크로 및 나노 스위 머 (Ergin et al. 2015 ) 및 다상 흐름 (Brücker 2000 , Khalitov 및 Longmire 2002 ) 주변의 유동장을 조사 하려면 정확하고 유연한 알고리즘이 필요합니다. DM 기술은 상용 PIV 분석 소프트웨어 패키지 (TSI Instruments 2014 , DantecDynamics 2018 )에 포함되어 있습니다. 최근 개발 (Vennemann 및 Rösgen 2020 )은 신경망 자동 마스킹 기술의 적용을 예상하지만, 네트워크를 훈련하려면 합성 데이터 세트를 생성해야합니다.

많은 알고리즘은 이미지 처리 기술을 사용하여 개체를 추적하며, 대부분 사용자는 획득 한 이미지에서 추적 할 개체를 강조 표시 할 수있는 임시 실험 설정을 개발해야합니다. 따라서 실험 설정의 설계는 알고리즘의 최종 정확도에 영향을줍니다.

몇 가지 해결책을 구상 할 수 있습니다. 다음에서는 간단한 2D PIV 설정을 참조하지만 대부분의 고려 사항은 더 복잡한 설정으로 확장 할 수 있습니다. PIV 설정에서 객체를 쉽고 정확하게 추적 할 수 있도록 렌더링하는 가장 간단한 방법은 일반적으로 PIV 레이저 시트에 대략 수직 인 카메라를 향한 반사를 최대화하는 방향을 가리키는 추가 광원을 사용하여 조명하는 것입니다. 이 순진한 솔루션과 관련된 주요 문제는 PIV의 ROI (관심 영역)를 비추 지 않고는 광원을 움직이는 물체에만 겨냥하는 것이 사실상 불가능하여 시딩에 의해 산란 된 레이저 광 사이의 명암비를 감소 시킨다는 것입니다. 입자와 어두운 배경.

카메라의 프레임 속도가 높을수록 센서에 닿는 빛의 양이 적다는 사실로 인해 상황이 가혹 해집니다. 고체 물체의 움직임과 유동 입자가 모두 사용 된 설정의 획득 속도에 비해 충분히 느리다면, 가능한 해결책은 레이저 펄스 쌍 사이에 단일 확산 광 샷을 삽입하는 것입니다 (반드시 대칭 삽입은 아님). 그리고 카메라 샷을 둘 모두에 동기화합니다. 각 레이저 커플에서 물체의 위치는 확산 광에 의해 생성 된 이전 샷과 다음 샷의 두 위치를 보간하여 결정될 수 있습니다. 이 접근 방식에는 레이저, 카메라 및 빛을 제어 할 수있는 동기화 장치가 필요합니다.

이 문제에 대한 해결책이 제안되었으며 유체 인터페이스 (Foeth et al. 2006 ; Dussol et al. 2016 ) 의 밝은 반사를 활용 하여 이미지에서 많은 양의 산란 레이저 광을 획득 할 수 있습니다. 고체 표면에는 효과를 높이기 위해 반사 코팅이 제공 될 수 있습니다. 그런 다음 물체는 비정상적으로 큰 입자로 식별되고 경계를 쉽게 추적 할 수 있습니다. 이 솔루션의 단점은 물체 표면에서 산란 된 빛이 레이저 시트에 있지 않은 많은 시딩 입자를 비추어 PIV 분석의 정확도를 점진적으로 저하 시킨다는 것입니다.

위의 접근 방식의 개선은 다른 파장 의 두 번째 동일 평면 레이저 시트 (Driscoll et al. 2003 )를 사용합니다. 첫 번째 레이저 파장을 중심으로 한 좁은 반사 대역. 전체 설정은 매우 비쌀 수 있습니다. 파장 방출의 차이를 이용하여 설정을 저렴하게 만들 수 있습니다. 서로 다른 필터가 장착 된 두 대의 카메라를 적용하면 인터페이스로부터의 반사와 독립적으로 형광 시드 입자를 식별 할 수 있습니다 (Pedocchi et al. 2008 ).

객체의 변위가 작을 때 기본 솔루션은 실제 시간에 따라 변하는 음영 영역에 가장 근접한 하나의 정적 마스크를 추출하는 것입니다. 일반적인 경험 법칙은 예상되는 음영 영역보다 약간 더 크게 마스크를 그려 분석에 포함 된 조명 영역의 양을 단순화하고 최소화하는 것 사이의 최상의 균형을 찾는 것입니다.

본 논문에서는 PIV 분석을위한 DM 문제에 대한 새로운 실험적 접근법을 제안합니다. 우리의 방법은 형광 페인팅을 사용하여 물체를 쉽게 추적 할 수 있도록 하는 기술과 시변 마스크를 생성 할 수있는 특정 오픈 소스 알고리즘을 포함합니다. 이 접근법은 레이저 광에 불투명 한 물체의 큰 변위를 허용함으로써 효과적인 것으로 입증되었습니다. 

우리의 방법인 NM (no-masking)과 SM (static masking) 접근 방식을 비교합니다. 우리의 접근 방식의 타당성을 입증하는 것 외에도 이 백서는 마스킹 단계가 정확한 결과를 얻기 위해 가장 중요하다는 것을 확인합니다. 실제로 물체의 변위가 무시할 수 없는 경우 DM에 대한 리조트는 필수이며 SM 접근 방식은 음영 처리 된 영역의 주변 환경에 국한되지 않는 부정확성을 유발합니다. 

논문의 구조는 다음과 같습니다. 먼저 형광 코팅 기술과 마스킹 소프트웨어를 설명하는 제안된 접근법의 근거를 소개합니다. 그런 다음 PIV 설정에 대한 설명 후 두 벤치 마크 사례를 통해 전체 PIV 체인 분석의 신뢰성을 평가합니다. 그런 다음 제안 된 DM 방법의 결과를 NM 및 SM 솔루션과 비교합니다. 마지막으로 몇 가지 결론이 도출됩니다.

행동 양식

제안 된 DM 기술은 PIV 분석을 위해 캡처 한 동일한 이미지에서 쉽고 정확한 추적 성을 허용하기 위해 움직이는 물체 표면의 형광 코팅을 구상합니다. 물체가 가시화되면 특정 알고리즘이 물체 추적을 수행하고 레이저 위치가 알려지면 (그림 1 참조  ) 음영 영역의 마스킹을 수행합니다.

형광 코팅

코팅은 구조적 매트릭스 에 시판되는 형광 분말 (fluorescein (Taniguchi and Lindsey 2018 ; Taniguchi et al. 2018 )) 의 분산액으로 구성됩니다 . 단단한 물체의 경우 매트릭스는 폴리 에스터 / 에폭시 (대상 재료와의 화학적 호환성에 따라) 투명 수지 일 수 있습니다. 변형 가능한 물체의 경우 매트릭스는 투명한 실리콘 고무로 만들 수 있습니다. 형광 코팅 된 물체는 실행 중에 지속적으로 빛을 방출하기 위해 실험 전에 충분히 오랫동안 조명을 비춰 야합니다. 우리는 4W LED 소스 (그림 2 에서 볼 수 있음)에 20 초 긴 노출이  실험 실행 (몇 초)의 짧은 기간 동안 일관된 형광 방출을 제공하기에 충분하다는 것을 발견했습니다.

우리 실험에서 물체와 입자 크기 사이의 상당한 차이를 감안할 때 전자를 식별하는 것은 간단합니다. 그림  3 은 씨 뿌리기 입자와 물체 모양이 서로 다른 세 번에 겹쳐진 모습을 보여줍니다 (색상은 다른 순간을 나타냄).

대신, 이러한 크기 기반 분류가 가능하지 않은 경우 입자와 물체의 파장을 분리해야합니다. 이러한 분리는 시드 입자에 의해 산란 된 빛과 현저하게 다른 파장에서 방출되는 형광 코팅을 선택하여 달성 할 수 있습니다. 또는 레이저에서 멀리 떨어진 대역에서 방출되는 형광 입자를 이용하는 것 (Pedocchi et al. 2008 ). 두 경우 모두 컬러 이미지 획득의 채널 분리 또는 멀티 카메라 설정의 애드혹 필터링은 물체 식별을 크게 촉진 할 수 있습니다. 우리의 경우에는 그러한 파장 분리를 달성 할 필요가 없습니다. 실제로 형광 코팅의 방출 스펙트럼의 피크는 540nm입니다 (Taniguchi and Lindsey 2018 ; Taniguchi et al. 2018), 사용 된 레이저의 532 nm에 매우 가깝습니다.

마스킹 소프트웨어

DM 용으로 개발 된 알고리즘 은 무료 PIV 분석 패키지 PIVlab (Thielicke 2020 , Thielicke 및 Stamhuis 2014 ) 과 함께 작동하도록 고안된 오픈 소스 프리웨어 GUI 기반 도구 (Prestininzi 및 Lombardi 2021 )입니다. 이것은 세 단계의 순차적 실행으로 구성됩니다 (그림 1 에서 a–b–c라고 함 ). 첫 번째 단계 (a)는 장면에서 레이저 위치를 찾는 데 사용됩니다 (즉, 소스의 좌표를 계산합니다. 장애물에 부딪히는 빛); 두 번째 항목 (b)은 개체 위치를 추적하고 각 프레임의 음영 영역을 계산합니다. 세 번째 항목 (c)은 추적 된 개체 영역과 음영 처리 된 개체 영역을 PIV 알고리즘을위한 단일 마스크로 병합합니다.

각 단계에 대한 자세한 내용은 다음과 같습니다.

  1. (ㅏ)레이저 위치는 프레임 (즉, 획득 한 프레임의 시야 (FOV)) 내에서 가시적 일 수도 있고 아닐 수도 있습니다. 전자의 경우 사용자는 GUI에서 레이저 소스를 클릭하여 찾기 만하면됩니다. 후자의 경우, 사용자는 음영 영역의 경계에 속하는 두 개의 세그먼트 (두 쌍의 점)를 그리도록 요청받습니다. 그러면 FOV 외부에있는 레이저 위치가 두 선의 교차점으로 계산됩니다. 세그먼트로 구성됩니다. 개체 그림자는 ROI 프레임 상자에 도달하는 것으로 간주됩니다.
  2. (비)레이저 위치가 알려지면 물체 추적은 다음과 같이 수행됩니다. 각 프레임의 하나의 채널 (이 경우 RGB 색상 공간이 사용되기 때문에 녹색 채널이지만 GUI는 선호하는 채널을 지정할 수 있음)은 다음과 같습니다. 로컬 적응 임계 값을 사용하여 이진화 됨 (Bradley and Roth 2007), 후자는 이웃 주변의 로컬 평균 강도를 사용하여 각 픽셀에 대해 계산됩니다. 그런 다음 입자와 물체로 구성된 이진 이미지가 영역으로 변환됩니다. 우리 실험에 존재하는 유일한 장애물은 모든 입자에 비해 더 큰 크기를 기준으로 식별됩니다. 다른 전략은 이전에 논의되었습니다. 그런 다음 장애물 영역의 경계 다각형은 사용자 정의 포인트 밀도로 결정됩니다. 여기에서는 그림자 결정을 위해 광선 투사 (RC) 접근 방식을 채택했습니다. RC는 컴퓨터 그래픽을 기반으로하는 “경 운송 모델링”의 틀에 속합니다. 수치 적으로 정확한 그림자를 제공하기 때문에 여기에서 선택됩니다. 정확도는 떨어지지 만 주로 RC의 계산 부하를 줄이는 것을 목표로하는 몇 가지 다른 방법이 개발되었습니다.2015 ), 여기서 간략히 회상합니다. 각 프레임 (명확성을 위해 여기에 색인화되지 않음)에 대해 광선아르 자형나는 j아르 자형나는제이레이저 위치 L 에서 i 번째 정점 으로 캐스트됩니다.피나는 j피나는제이의 J 오브젝트의 경계 다각형 일; 목표는피나는 j피나는제이 하위 집합에 속 ㅏ제이ㅏ제이 레이저에 의해 직접 조명되는 경계 정점의 피나는 j피나는제이 에 추가됩니다 ㅏ제이ㅏ제이 만약 아르 자형나는 j아르 자형나는제이 적어도 한쪽을 교차 에스k j에스케이제이( j 번째 개체 경계 다각형 의 모든면에 걸쳐있는 k )피나는 j피나는제이 (그것이 교차로 큐나는 j k큐나는제이케이 레이저 위치와 정점 사이에 있지 않습니다. 피나는 j피나는제이). 두 개의 광선, 즉ρ1ρ1 과 ρ2ρ2추가면을 가로 지르지 않는는 저장됩니다.
  3. (씨)일단 정점 세트, 즉 ㅏ제이ㅏ제이 레이저에 의해 직접 비춰지고 식별되었으며 ROI 프레임 상자의 음영 부분은 후자와 교차하여 결정됩니다. ρ1ρ1 과 ρ2ρ2. 두 교차점은 다음에 추가됩니다.ㅏ제이ㅏ제이. 점으로 둘러싸인 영역ㅏ제이ㅏ제이 마침내 마스크로 변환됩니다.

레이저 소스가 여러 개인 경우 각각에 RC 알고리즘을 적용해야하며 음영 영역의 결합이 수행됩니다. 레이 캐스팅 절차의 의사 코드는 Alg에보고됩니다. 1.

그림
그림 1
그림 1

DM 검증

이 섹션에서는 제안 된 DM으로 수행 된 PIV 측정과 두 가지 다른 접근 방식, 즉 no-masking (NM)과 static masking (SM) 간의 비교를 제시합니다.

그림 2
그림 2
그림 3
그림 3

실험 설정

진동 유도기 (VI)의 성능을 분석하기 위해 PIV 설정을 설계하고 현재 DM 기술을 개발했습니다 (Curatolo et al. 2019 , 2020 ). 후자는 비 맥동 ​​유체 흐름에서 역류에 배치 된 캔틸레버의 규칙적이고 넓은 진동을 유도 할 수있는 윙렛입니다. 이러한 VI는 캔틸레버의 끝에 장착되며 (그림 2 참조   ) 진동 운동의 어느 지점에서든 캔틸레버의 중립 구성을 향해 양력을 생성 할 수있는 두 개의 오목한 날개가 있습니다.

VI는 캔틸레버 표면에 장착 된 압전 패치를 사용하여 고정 유체 흐름에서 기계적 에너지 추출을 향상시킬 수 있습니다. 그림 2 에서 강조된 날개의 전체 측면 가장자리는  Sect에 설명 된 사양에 따라 형광 페인트로 코팅되어 있습니다. 2.1 . 실험은 Roma Tre University 공학부 수력 학 실험실의 자유 표면 채널에서 수행됩니다. 10.8cm 길이의 캔틸레버는 채널의 중심선에 배치되고 상류로 향하며 수직-세로 평면에서 진동합니다. 세라믹 페 로브 스카이 트 (PZT) 압전 패치 (7××캔틸레버의 윗면에는 Physik Instrumente (PI)에서 만든 3cm)가 부착되어 있습니다. 흐름 유도 진동 하에서 변형으로 인해 AC 전압 차이를 제공합니다. VI 왼쪽 날개의 수직 중앙면에있는 2D 속도 필드는 수제 수중 PIV 장비를 통해 얻었습니다.각주1 연속파, 저비용, 저전력 (150mW), 녹색 (532nm) 레이저 빔이 2mm 두께의 부채꼴 시트에 퍼집니다.120∘120∘그림 2 와 같이 VI의 한쪽 날개를 절반으로 교차 합니다. 물은 평균 직경이 100 인 폴리 아미드 입자로 시드됩니다.μμm 및 1016 Kg / m의 밀도삼삼. 레이저 소스는 VI의 15cm 위쪽 (자유 표면 아래 약 4cm)과 VI의 하류 5cm에 경사지게 배치됩니다.5∘5∘상류. 위의 설정은 주로 날개의 후류를 조사하기 위해 고안되었습니다. 날개의 상류면과 하류 부분의 일부는 레이저 시트에 직접 맞지 않습니다. 레이저 시트에 수직으로 촬영하는 고속 상용 카메라 (Sony RX100 M5)를 사용하여 동영상을 촬영합니다. 후자는 1920의 프레임 크기로 500fps의 높은 프레임 속도 모드로 기록됩니다.×× 1080px, 나중에 더 작은 655로 잘림 ××이미지 분석 중에 분석 할 850px ROI. 시간 해결, 프리웨어, 오픈 소스, MatLab 용 PIV 분석 도구가 사용됩니다 (Thielicke and Stamhuis 2014 ). 이 도구는 질의 영역 (IA) 변형 (우리의 경우 64×× 64, 32 ×× 32 및 26 ××26). 각 패스에서 각 IA의 경계와 모서리에서 추가 변위 정보를 얻기 위해 인접한 IA 사이에 50 %의 중첩이 허용됩니다. 첫 번째 통과 후, 입자 변위 정보가 보간되어 IA의 모든 픽셀의 변위를 도출하고 그에 따라 변형됩니다.

시딩 입자 수 밀도는 첫 번째 패스에서 IA 당 약 5입니다. Keane과 Adrian ( 1992 )에 따르면 이러한 밀도 값은 95 % 유효한 탐지 확률을 보장합니다. IA는 프레임 커플 내에서 입자의 충분한 영구성을 보장하기 위해 크기가 조정됩니다. 분석 된 유동 역학은 0.4 ~ 0.7m / s 범위의 유동 속도를 특징으로합니다. 따라서 입자는 권장 최소값 인 2 프레임 (Keane and Adrian 1992 ) 보다 큰 약 3-4 프레임의 세 번째 패스 IA에 나타납니다 .

PIV 체인 분석 평가

사용 된 PIV 알고리즘의 정확성은 이전에 문헌에서 광범위하게 평가되었습니다 (예 : Guérin et al. ( 2020 ), Vennemann and Rösgen ( 2020 ), Mohammadshahi et al. ( 2020 ), Narayan et al. ( 2020 )). 그러나 PIV 측정의 물리적 일관성을 보장하기 위해 두 가지 벤치 마크 사례가 여기에 나와 있습니다.

첫 번째는 Sect에 설명 된 동일한 PIV 설정을 통해 측정 된 세로 유속의 수직 프로파일을 비교합니다. 3.1 분석 기준 용액이있는 실험 채널에서. 후자는 플로팅 트레이서로 수행되는 PTV (입자 추적 속도계) 측정을 통해 보정되었습니다. 분석 속도 프로파일은 Eq. 1 (Keulegan 1938 ).u ( z) =유∗[5.75 로그(지δ) +8.5];유(지)=유∗[5.75로그⁡(지δ)+8.5];(1)

여기서 u 는 수평 유속 성분, z 는 수직 좌표,δδ 침대 거칠기 및 V∗V∗ 균일 한 흐름 공식에 의해 주어진 것으로 가정되는 마찰 속도, 즉 유∗= U/ C유∗=유/씨; U 는 깊이 평균 유속이고 C 는 다음 과 같이 주어진 마찰 계수입니다.씨= 5.75로그( 13.3에프R / δ)씨=5.75로그⁡(13.3에프아르 자형/δ), R = 0.2아르 자형=0.2 m은 유압 반경이고 에프= 0.92에프=0.92유한 폭 채널의 형상 계수. 그림  4 는 4 초의 시간 창에 걸쳐 순간 값을 평균화하여 얻은 분석 프로필과 PIV 측정 간의 비교를 보여줍니다. 국부적 인 변동은 대략 0.5 초의 시간 척도에서 진화하는 것으로 밝혀졌습니다. PTV 결과에 가장 적합하면 다음과 같은 값이 산출됩니다.δ= 1δ=1cm, 베드 거칠기의 경우 Eq. 1 , 실험 채널 침대 표면의 실제 조건과 호환됩니다. VI의 휴지 구성 위치에서 유속의 분석 값은 그림에서 검은 색 십자가로 표시됩니다. 비교는 놀라운 일치를 보여 주므로 실험 설정과 PIV 알고리즘의 조합이 분석 된 설정에 대해 신뢰할 수있는 것으로 간주 될 수 있음을 증명합니다.

두 번째 벤치 마크는 VI 뒷면에 재 부착 된 흐름의 양을 비교합니다. 실제로 이러한 장치의 높은 캠버를 고려할 때 흐름은 하류 표면에서 분리되어 결국 다시 연결됩니다. 첨부 흐름을 나타내는 표면의 양 (Curatolo 외. 발견 2020 ) 흥미로운 압전 패치 (즉, 효율이 큰 경우에 더 빠르게 진동이 유발되는 것이다)에서 VI의 효율과 상관된다. 여기에서는 PIV 분석을 통해 측정 된 진동의 상사 점에서 재 부착 된 흐름의 길이를 CFD (전산 유체 역학) 상용 코드 FLOW-3D® (Flow Science 2019 )로 예측 한 길이와 비교하여 RANS를 해결합니다. 결합 식 (비어 스톡스 레이놀즈 평균) 케이 -ϵϵ구조화 된 그리드의 난류 폐쇄 (시뮬레이션을 위해 1mm 간격이 선택됨). 다운 스트림 측면의 흐름은 이러한 높은 캠버 VI를 위해 여러 위치에서 분리 및 재 부착됩니다. 이 벤치 마크에서 비교 된 양은 VI의 앞쪽 가장자리와 가장 가까운 흐름 재 부착 위치 사이의 호 길이입니다. 그림 5를 참조  하면 CFD 모델에 의해 예측 된 호의 길이는 측정 된 호의 길이보다 10 % 더 큽니다. 이 작업에 제시된 DM 기술을 사용하는 PIV 분석은 물리적으로 건전한 측정을 제공하는 것으로 입증됩니다. 후류의 유체 역학에 대한 자세한 분석과 VI의 전반적인 효율성과의 상관 관계는 현재 진행 중이며 향후 작업의 대상이 될 것입니다.

그림 4
그림 4
그림 5
그림 5

결과

그림 6을 참조하여  순간 유속 장의 관점에서 세 가지 접근법의 결과를 비교합니다. 선택한 순간은 진동의 상사 점에 해당합니다.

제안 된 DM (그림 6 의 패널 a  )은 부드러운 유동장을 생성하여 후류에서 일관된 소용돌이 구조를 나타냅니다.

NM 접근법 (그림 6 의 패널 b1  )도 후류의 와류 구조를 정확하게 예측하지만 음영 영역에서 대부분 부정확 한 값을 산출합니다. 또한 비교에서 합리적인 기준을 추론 할 수 없기 때문에 획득 한 유동장 의 사후 필터링이 실현 가능하지 않다는 것이 분명합니다 . 실제로 유속은 그림 6 의 패널 c1에서 볼 수 있듯이 가장 큰 오류가 생성되는 위치에서도 “합리적인”크기를 갖습니다. , DM 및 NM 접근 방식으로 얻은 속도 필드 간의 차이가 표시됩니다. 더욱이 후류에서 발생하는 매우 불안정한 소용돌이 운동이 이러한 위치에 가깝게 이동하기 때문에 그럴듯한 흐름 방향을 가정하더라도 필터링 기준을 공식화 할 수 없습니다. 모델러가 그러한 부정확성을 알고 있었다하더라도 NM 접근법은 “합리적”이지만 여전히 날개의 내부 현과 그 바로 아래에있는 유동장의 대부분은 부정확합니다. 이러한 행동은 매우 오해의 소지가 있습니다.

그림 6 의 패널 b2는  SM 접근법으로 얻은 유속 장을 보여주고 패널 c2는 SM과 DM 접근법으로 얻은 결과 간의 차이를 보여줍니다. SM 접근법은 NM 대응 물에 비해 전반적으로 더 나은 정확도를 명확하게 보여 주지만, 이는 레이저 소스의 위치가 진동 중에 음영 영역이 많이 움직이지 않기 때문입니다 (그림 3 참조). 한 번의 진동 동안 VI가 경험 한 최대 변위를 육안으로 검사합니다. 즉, 분석 된 사례의 경우 정적 마스크를 그리기위한 중립 구성을 선택하면 NM 접근 방식보다 낮은 오류를 얻을 수 있습니다. 더 큰 물체 변위를 포함하는 실험 설정은 NM이 일관되게 더 정확해질 수 있기 때문에 NM보다 SM의 우월성은 일반화 될 수 없음을 강조하고 싶습니다.

그림  6 은 분석 된 접근법에 의해 생성 된 차이를 철저히 보여 주지만 결과에 대한보다 정량적 인 평가를 제공하기 위해 오류의 빈도 분포를 계산했습니다. 그림 7 에서 이러한 분포를  살펴보면 SM 접근법이 NM보다 전체적인 예측이 더 우수하고 SM 분포가 더 정점에 있음을 확인합니다. 그럼에도 불구하고 SM은 여전히 ​​비정상적인 강도의 스파이크를 생성합니다. 분포의 꼬리로 표시되는 이러한 값은 정적 마스크 범위의 과대 평가 (왼쪽 꼬리) 및 과소 평가 (오른쪽 꼬리)에 연결됩니다. 그러나 주파수의 크기는 고려되는 경우에 SM과 NM의 적용 가능성을 배제하여 DM에 대한 리조트를 의무적으로 만듭니다.

그림 6
그림 6
그림 7
그림 7

결론

이 작업에서는 PIV 분석 도구에 DM (Dynamic Masking) 모듈을 제공하기위한 새로운 실험 기법을 제시합니다. 동적 마스킹은 유체 흐름에 잠긴 불투명 이동 / 변형 가능한 물체를 포함하는 시간 해결 PIV 설정에서 필요한 단계입니다. 마스킹 알고리즘과 함께 형광 코팅을 사용하여 물체를 정확하게 추적 할 수 있습니다. 우리는 제안 된 DM과 두 가지 다른 접근 방식, 즉 no-masking (NM)과 static masking (SM)을 비교하여 자체적으로 설계된 저비용 PIV 설정을 통해 수행 된 측정을 제시합니다. 분석 된 유동 역학은 고체 물체의 제한된 변위를 포함하지만 정량적 비교는 DM 기술을 채택해야하는 필수 필요성을 보여줍니다. 여기에서 정확성이 입증 된 현재의 실험적 접근 방식은

메모

  1. 1.실험 데이터 세트는 PIV 분석의 복제를 허용하기 위해 요청시 제공됩니다.

참고 문헌

  1. Anders S, Noto D, Seilmayer M, Eckert S (2019) 스펙트럼 랜덤 마스킹 : 다상 흐름에서 piv를위한 새로운 동적 마스킹 기술. Experim 유체 60 (4) : 1–6 Google 학술 검색 
  2. Archbold E, Ennos A (1972) 이중 노출 레이저 사진에서 변위 측정. Optica Acta Int J Opt 19 (4) : 253–271 Google 학술 검색 
  3. Barker D, Fourney M (1977) 얼룩 패턴으로 유체 속도 측정. Opt Lett 1 (4) : 135–137 Google 학술 검색 
  4. Bradley D, Roth G (2007) 적분 이미지를 사용한 적응 형 임계 값. J 그래프 도구 12 (2) : 13–21 Google 학술 검색 
  5. Brücker C (2000) Piv의 다상 흐름. 입자 이미지 유속계 및 관련 기술, 강의 시리즈, p 1
  6. Case N (2015) 시력 및 조명. GitHub 저장소. https://github.com/ncase/sight-and-light
  7. Curatolo M, La Rosa M, Prestininzi P (2019) 바이 모르 프 압전 캔틸레버의 굽힘에서 평면 상태 가정의 타당성. J Intell Mater Syst Struct 30 (10) : 1508–1517 Google 학술 검색 
  8. Curatolo M, Lombardi V, Prestininzi P (2020) 얇은 압전 캔틸레버의 유동 유도 진동 향상 : 실험 분석. In : River Flow 2020— 유체 유압에 관한 국제 회의 절차
  9. DantecDynamics : DynamicStudio 6.4 (2018) https://www.dantecdynamics.com/dynamicstudio-6-4-release-with-new-dynamic-masking-add-on/
  10. Driscoll K, Sick V, Gray C (2003) 고밀도 연료 ​​스프레이에서 동시 공기 / 연료 위상 piv 측정. Experim 유체 35 (1) : 112–115 Google 학술 검색 
  11. Dussol D, Druault P, Mallat B, Delacroix S, Germain G (2016) 불안정한 인터페이스, 거품 및 움직이는 구조를 포함하는 piv 이미지에 대한 자동 동적 마스크 추출. Comptes Rendus Mécanique 344 (7) : 464–478 Google 학술 검색 
  12. Ergin F, Watz B, Wadhwa N (2015) 장거리 micropiv를 사용하여 작은 평영 수영 선수 주변의 픽셀 정확도 동적 마스킹 및 흐름 측정. 에서 : 입자 이미지 유속계 -PIV15에 관한 제 11 회 국제 심포지엄. 캘리포니아 주 산타 바바라, 9 월, 14 ~ 16 쪽
  13. Flow Science I (2019) FLOW-3D, 버전 12.0. 산타페, NM https://www.flow3d.com/
  14. Foeth EJ, Van Doorne C, Van Terwisga T, Wieneke B (2006) 시간은 3d 시트 캐비테이션의 piv 및 유동 시각화를 해결했습니다. Experim 유체 40 (4) : 503–513 Google 학술 검색 
  15. Grant I (1997) 입자 이미지 속도 측정 : 리뷰. Proc Inst Mech Eng CJ Mech Eng Sci 211 (1) : 55–76 Google 학술 검색 
  16. Guérin A, Derr J, Du Pont SC, Berhanu M (2020) 흐르는 물막에 의해 생성 된 Streamwise 용해 패턴. Phys Rev Lett 125 (19) : 194502 Google 학술 검색 
  17. Keane RD, Adrian RJ (1992) piv 이미지의 상호 상관 분석 이론. Appl Sci Res 49 (3) : 191–215 Google 학술 검색 
  18. Keulegan GH (1938) 열린 수로에서 난류의 법칙, vol. 21. 미국 표준 국 (National Bureau of Standards)
  19. Khalitov D, Longmire EK (2002) 2 개 매개 변수 위상 차별에 의한 동시 2 상 piv. Experim 유체 32 (2) : 252–268 Google 학술 검색 
  20. Lindken R, Rossi M, Große S, Westerweel J (2009) 미세 입자 영상 속도계 (piv) : 최근 개발, 응용 및 지침. 랩 칩 9 (17) : 2551–2567 Google 학술 검색 
  21. Masullo A, Theunissen R (2017) 픽셀 강도 통계를 기반으로 한 piv 이미지 분석을위한 자동화 된 마스크 생성. Experim 유체 58 (6) : 70 Google 학술 검색 
  22. Mohammadshahi S, Samsam-Khayani H, Cai T, Kim KC (2020) 수로에서 진동하는 제트의 흐름 특성과 열 전달에 대한 실험 및 수치 연구. Int J 열 유체 흐름 86 : 108701 Google 학술 검색 
  23. Narayan S, Moravec DB, Dallas AJ, Dutcher CS (2020) 4 채널 미세 유체 유체 역학 트랩에서 물방울 모양 이완. Phys Rev Fluids 5 (11) : 113603 Google 학술 검색 
  24. Pedocchi F, Martin JE, García MH (2008) 입자 이미지 속도계를 사용하는 대규모 실험을위한 저렴한 형광 입자. Experim 유체 45 (1) : 183–186 Google 학술 검색 
  25. Prasad AK (2000) 입체 입자 영상 유속계. Experim 유체 29 (2) : 103–116 Google 학술 검색 
  26. Prestininzi P, Lombardi V (2021) DM @ PIV. https://it.mathworks.com/matlabcentral/fileexchange/75398-dm-piv . MATLAB Central 파일 교환. 2021 년 5 월 6 일 확인
  27. Sanchis A, Jensen A (2011) 자유 표면 흐름에서 라돈 변환을 사용한 piv 이미지의 동적 마스킹. Experim 유체 51 (4) : 871–880 Google 학술 검색 
  28. Scarano F (2013) Tomographic piv : 원리와 실행. Meas Sci Technol 24 (1)
  29. Taniguchi M, Lindsey JS (2018) photochemcad에 사용하기위한> 300 개의 일반적인 화합물의 흡수 및 형광 스펙트럼 데이터베이스. Photochem Photobiol 94 (2) : 290–327 Google 학술 검색 
  30. Taniguchi M, Du H, Lindsey JS (2018) Photochemcad 3 : 다중 스펙트럼 데이터베이스를 사용한 광 물리 계산을위한 다양한 모듈. Photochem Photobiol 94 (2) : 277–289 Google 학술 검색 
  31. Thielicke W (2020) PIVlab (2020). https://www.mathworks.com/matlabcentral/fileexchange/27659-pivlab-particle-image-velocimetry-piv-tool . MATLAB Central 파일 교환. 5 월 8 일 확인
  32. Thielicke W, Stamhuis E (2014) PIVlab-matlab의 사용자 친화적이고 저렴하며 정확한 디지털 입자 이미지 속도계를 지향합니다. J Open Res Softw 2 (1)
  33. TSI Instruments (2014) PIV 이미지에 대한 동적 마스킹. TSI Incorporated 애플리케이션 노트 PIV-018
  34. Vennemann B, Rösgen T (2020) 컨볼 루션 오토 인코더를 사용하는 입자 이미지 속도 측정을위한 동적 마스킹 기술. Experim 유체 61 (7) : 1–11 Google 학술 검색 
  35. Westerweel J, Elsinga GE, Adrian RJ (2013) 복잡하고 난류 흐름에 대한 입자 이미지 유속계. Ann Rev Fluid Mech 45 (1) : 409–436. https://doi.org/10.1146/annurev-fluid-120710-101204MathSciNet  수학 Google 학술 검색 

참조 다운로드

자금

CRUI-CARE 계약에 따라 Università degli Studi Roma Tre가 제공하는 오픈 액세스 자금.

작가 정보

제휴

  1. 이탈리아 Roma, Università Roma Tre 공학과Valentina Lombardi, Michele La Rocca, Pietro Prestininzi

교신 저자

Valentina Lombardi에 대한 서신 .

추가 정보

발행인의 메모

Springer Nature는 출판 된지도 및 기관 소속의 관할권 주장과 관련하여 중립을 유지합니다.

오픈 액세스이 기사는 크리에이티브 커먼즈 저작자 표시 4.0 국제 라이선스에 따라 사용이 허가되었습니다.이 라이선스는 귀하가 원저자와 출처에 대해 적절한 크레딧을 제공하는 한 모든 매체 또는 형식으로 사용, 공유, 개작, 배포 및 복제를 허용합니다. 크리에이티브 커먼즈 라이센스에 대한 링크를 제공하고 변경 사항이 있는지 표시합니다. 이 기사의 이미지 또는 기타 제 3 자 자료는 자료에 대한 크레딧 라인에 달리 명시되지 않는 한 기사의 크리에이티브 커먼즈 라이선스에 포함됩니다. 자료가 기사의 크리에이티브 커먼즈 라이센스에 포함되어 있지 않고 의도 된 사용이 법적 규정에 의해 허용되지 않거나 허용 된 사용을 초과하는 경우 저작권 보유자로부터 직접 허가를 받아야합니다. 이 라이센스의 사본을 보려면 다음을 방문하십시오.http://creativecommons.org/licenses/by/4.0/ .

재판 및 허가

이 기사에 대해

CrossMark를 통해 통화 및 진위 확인

이 기사 인용

Lombardi, V., Rocca, ML & Prestininzi, P. 시간 분해 PIV 분석을위한 새로운 동적 마스킹 기술. J Vis (2021). https://doi.org/10.1007/s12650-021-00756-0

인용 다운로드

이 기사 공유

다음 링크를 공유하는 사람은 누구나이 콘텐츠를 읽을 수 있습니다.공유 가능한 링크 받기

Springer Nature SharedIt 콘텐츠 공유 이니셔티브 제공

키워드

  • 시간 해결 PIV
  • 역학 마스킹
  • 이미지 처리
  • 진동 유도제
  • 형광 코팅
Figure 47: The course of the level on the physical model [22]

NUMERICAL MODELLING OF FLOW IN SPILLWAY

Author Svoboda, Jiří
Contributors Jandora, Jan (advisor); Holomek, Petr (referee)

Abstract

이 학위 논문의 주제는 Boskovice 상수도의 안전 배수로에서 유량 수치 모델링 솔루션입니다. 디플로마 논문의 소개에서는 기본 오버플로를 일반적으로 설명하고 모양과 유형에 따라 구분합니다. 수역에 사용되는 안전 배수로도 있습니다. 그 다음에는 오버 플로우 계산에 대한 설명, 수학적 모델링 및 사용 된 난류 모델에 대한 설명이 이어집니다. 또한이 작업은 Boskovice 상수도에 대한 기술적 설명, AutoCAD 2020 소프트웨어의 안전 배수로, 경사 및 미끄러짐의 가상 3D 모델 생성, Blender 소프트웨어에서의 검사 및 수리를 다룹니다. 결론적으로 Flow-3D 소프트웨어의 흐름 수치 모델링 결과와 토목 공학부 유압 공학과에서 수행 된 유압 모델 연구와의 후속 비교가 제시됩니다.

The goal of the diploma thesis is the numerical modelling of flow in planned spillway of the Boskovice dam. In the introduction of this diploma thesis are described and divided basic spillways according to their types and profiles. There are also mentioned emergency spillways. Then the thesis introduces the description of calculation of overflow quantity, the description of mathematic modelling and used turbulent models. The next part is concerned with the technical description of the Boskovice dam, the creation of virtual 3D model of spillway and spillway chute in the AutoCAD 2020 software and concerned with the control and revision of model in the Blender software. In the end of the thesis are mentioned results of numeric modelling of flow gained from the Flow-3D software and the comparison of results with the research of hydraulic model implemented at Water structures institute of Faculty of Civil Engineering of BUT.

Keywords: Spillway, numerical model, 3D model, FLOW-3D, Boskovice dam, rockfill dam.

Introduction

상수도 (VD)는 인구에게 식수 공급, 홍수 방지, 발전 등과 같은 긍정적 인 효과만 있는 것이 아닙니다. 안타깝게도 물 작업, 특히 더 많은 양의 물이 남아있는 작업도 중요한 위협 요소가 될 수 있습니다. 수술 중에 자연의 힘이나 심지어 인적 요인의 실패로 인해 사고가 발생할 수 있습니다. 흐름의 수치 모델링을 위해 안전 배수로를 선택한 VD Boskovice의 경우,이 작업은 1 차 범주에 포함됩니다.

이론적 사고는 극도로 높은 경제적 피해를 입히고 환경에 피해를 줄 수 있으며 국가 규모에 사회적 영향을 미치고 큰 인명 손실을 초래할 수 있습니다. 가설적인 사고는 여러 가지 이유로 발생할 수 있습니다. 예를 들어, 홍수가 극심한 동안의 배수로에서 배수로의 마루가 넘쳐 댐의 공기 경사면이 표면 침식으로 이어지고 이후 배수로가 파열 될 수 있습니다.

이러한 사고를 방지하기 위해 VD에 안전 유출 구조물을 구축하고 있으며, 유출이 넘치지 않도록 관련 VD 범주에 해당하는 충분한 용량이 있어야 합니다. 안타깝게도 VD 운영의 역사에서 안전 배수로에 충분한 용량이 없었고 극심한 홍수 흐름 중에 댐이 유출되고 VD 댐이 파열되는 경우가 있습니다. 이러한 이유로 안전 배수로를 설계하는 것은 비용과 시간이 많이 드는 프로세스입니다.

설계 중에는 설계 홍수파 (NPV) 및 제어 홍수파 (KPV)를 안전하게 전달하기 위해 충분한 용량이 사용됩니다. 적절한 설계를 확인하기 위해 안전 배수로의 흐름 모델링이 사용되며, 여기서 물리적 모델이 일반적으로 사용되며 실험실에서 축소 된 규모로 생성됩니다. 수년 동안 컴퓨터 기술 사용 가능성이 증가함에 따라 다양한 소프트웨어에서 수치 모델링을 사용하여 CFD (유체 흐름 시뮬레이션)를 사용하여 안전 배수로의 흐름을 모델링하여 재정 비용을 크게 줄일 수 있었습니다.

<중략>………….

Figure 1: Basic type of sharp-edged overflow (Bazin's overflow) [1]
Figure 1: Basic type of sharp-edged overflow (Bazin’s overflow) [1]
Figure 3: Overflow with a wide crown [1]
Figure 3: Overflow with a wide crown [1]
Figure 4: Schematic longitudinal section of shaft overflow [14]
Figure 4: Schematic longitudinal section of shaft overflow [14]
Figure 5: Overflow over overflow of general cross-section [1]
Figure 5: Overflow over overflow of general cross-section [1]
Figure 6: Imperfect overflow [1]
Figure 6: Imperfect overflow [1]
Figure 7: Types of overflows according to floor plan [1]
Figure 7: Types of overflows according to floor plan [1]
Figure 8: Lateral contraction and lateral constriction coefficient of pillars [1]
Figure 8: Lateral contraction and lateral constriction coefficient of pillars [1]
Figure 9: Schematic comparison of a pressureless jet surface with a pressure and vacuum surface [22]
Figure 9: Schematic comparison of a pressureless jet surface with a pressure and vacuum surface [22]
Figure 14: Situation of external relations of VD Boskovice [17]
Figure 14: Situation of external relations of VD Boskovice [17]
Figure 15: Air slope of VD Boskovice [24]
Figure 15: Air slope of VD Boskovice [24]
Figure 16: Guide slope of VD Boskovice [24]
Figure 16: Guide slope of VD Boskovice [24]
Figure 17: Sampling tower of VD Boskovice [24]
Figure 17: Sampling tower of VD Boskovice [24]
Figure 18: Fountain front safety spillway [24]
Figure 18: Fountain front safety spillway [24]
Figure 19: Sliding of the security object VD Boskovice [24]
Figure 19: Sliding of the security object VD Boskovice [24]
Figure 20: Slip and divergent broth of the security object VD Boskovice [24]
Figure 20: Slip and divergent broth of the security object VD Boskovice [24]
Figure 21: Probable course of the theoretical PV10 000 in Bělá in the profile of the VD Boskovice dam [6]
Figure 21: Probable course of the theoretical PV10 000 in Bělá in the profile of the VD Boskovice dam [6]
Figure 22: Floor plan of the safety spillway and part of the VD Boskovice slip [12]
Figure 22: Floor plan of the safety spillway and part of the VD Boskovice slip [12]
Figure 23: Longitudinal section of BP and slope in the plane of symmetry [12]
Figure 23: Longitudinal section of BP and slope in the plane of symmetry [12]
Figure 24: Modified floor plan of the overflow and chute of VD Boskovice for the creation of a 3D model
Figure 24: Modified floor plan of the overflow and chute of VD Boskovice for the creation of a 3D model
Figure 25: Created overflow structure without modification
Figure 25: Created overflow structure without modification
Figure 26: Created overflow structure after treatment
Figure 26: Created overflow structure after treatment
Figure 27: Detail of the modified overflow shape
Figure 27: Detail of the modified overflow shape
Figure 33: 3D model with normals shown in blue
Figure 33: 3D model with normals shown in blue
Figure 37: Improperly selected mesh block size
Figure 37: Improperly selected mesh block size
Figure 45: Flow profile in Flow-3D without 3D model displayed
Figure 45: Flow profile in Flow-3D without 3D model displayed
Figure 47: The course of the level on the physical model [22]
Figure 47: The course of the level on the physical model [22]
Figure 51: Comparison of levels in PFm4a
Figure 51: Comparison of levels in PFm4a
Figure 52: Isoline of overflow pressures at flow Q = 173.49 m3/s
Figure 52: Isoline of overflow pressures at flow Q = 173.49 m3/s

결론

이 학위 논문에서는 Flow-3D 소프트웨어에서 Boskovice 상수도의 계획된 안전 오버플로 흐름을 시뮬레이션했습니다. 계획된 안전 범람의 범람 가장자리 길이는 21.99m입니다. 그러나 VD Boskovice의 재건 내에서 VD Boskovice [7]의 수력 학적 모델 연구 결과에 따라 안전 개체 VD Boskovice [7]의 결론에 따라 24.60m로 증가했습니다.

MBH 수준 (해발 432.30m)에서는 최고 유량 Q10 000 = 186.5 m3 / s로 제어 홍수 파 KPV10 000의 안전한 전송이 없지만 유량 Q = 167.0 m3 / s 만 있기 때문에 에스. 이 진술은 Flow-3D에서 난류 RNG k – ε 모델을 사용한 수치 적 흐름 모델링에 의해 확인되었으며 MBH에서 173.49 m3 / s의 유속을보고했습니다.

따라서 수력학적 모델 연구 [7]와 Flow3D의 수치 적 흐름 모델링 간의 차이는 약 3.7 % 였는데, 이는 물리적 모델의 형상 또는 생성 된 형상의 가능한 오류와 같은 다양한 요인으로 인한 것일 수 있습니다. 가상 3D 모델. 또한 실제 모델에서 측정하는 동안 발생할 수 있는 오류 (예 : 오버플로 높이 또는 흐름 값을 결정할 때의 장치 오류). 수치 모델의 경우 차이는 사용 된 셀 네트워크 셀 크기, 거칠기, 전류 폭기의 무시, 수치 적 방법에 의해 주어진 불확실성 또는 3D 모델의 단순화로 인한 것일 수 있습니다.

이러한 요소는 Flow-3D 소프트웨어에서 시뮬레이션 된 레벨의 과정에 영향을 미칠 수 있습니다. 일부 영역에서는 유압 모델 연구 [7]의 현재 깊이와 센티미터 단위 만 다릅니다. 그러나 일부 영역에서는 이러한 차이가 수십 센티미터 정도, 예외적으로 1m 측벽에서 더 두드러지며 이는 Flow-3D 소프트웨어의 유동 시뮬레이션에서는 발생하지 않았습니다.

Flow-3D의 흐름에 의한 수치 모델링에 따르면, Q10 000 = 186.5 m3 / s의 피크 흐름을 가진 제어 홍수 파 KPV10 000은 해발 432.40 m의 탱크 레벨에서만 안전 오버플로를 통해 전송됩니다. 즉, MBH 레벨보다 10cm 높음. 이 계산은 오버플로 가장자리 21.99m의 너비에 대해 수행되었지만 이미 재구성 된 안전 오버플로 VD Boskovice의 너비는 24.60m입니다.

이전 평가에서 생성 된 항목에 수치 모델링 만 사용하는 것이 완전히 신뢰할 수있는 것은 아님이 분명합니다. 민감도 분석 및 물리적 모델에 대한 수리적 연구와의 후속 비교가 없는 가상 3D 모델. 그러나 향후 몇 년 동안 물리적 모델로 평가할 필요 없이 수치 적 흐름 모델링의 결과가 충분히 신뢰할 수 있다면 실험실에서 수행되는 더 많은 비용이 드는 수력학적 모델 연구를 점진적으로 대체 할 수 있습니다.

Reference

[1] JANDORA, Jan a Jan ŠULC. Hydraulika: Modul 01. Brno: AKADEMICKÉ
NAKLADATELSTVÍ CERM, 2007. ISBN 978-80-7204-512-9.
[2] BOOR, B., J. KUNŠTÁTSKÝ a C. PATOČKA. Hydraulika pro vodohospodářské
stavby. Praha: SNTL, 1968. ISBN 04-710-68.
[3] STARA, Vlastimil a Helena KOUTKOVÁ. 3. Vodohospodářská konference
s mezinárodní účastí: Součinitel přepadu přelivu s kruhově zaoblenou korunou
z fyzikálních experimentů. Brno, 2003. ISBN 80-86433-26-9.
[4] ŘÍHA, Jaromír. Hydrotechnické stavby II: Modul 01 Přehrady. Studijní opora. FAST
VUT v Brně 2006.
[5] JANDORA, Jan. Matematické modelování ve vodním hospodářství. VUT v Brně, 2008.
[6] KŘÍŽ, Tomáš. Manipulační řád pro vodní dílo Boskovice na toku Bělá v km 7,400. Brno,
2020.
[7] ŠULC, Jan a Michal ŽOUŽELA. Hydraulický modelový výzkum bezpečnostního objektu
VD Boskovice na ÚVS Stavební fakulty VUT v Brně. Výzkumná zpráva, LVV-ÚVSFAST VUT v Brně, 2013
[8] Autodesk® AutoCAD® 2020 [Počítačový software]. (2019). https://www.autodesk.cz/
[9] Blender v2.90 [Počítačový software]. (2020). https://www.blender.org/
[10] FLOW-3D® verze 11.0.4 [Počítačový software]. (2015). Santa Fe, NM: Flow Science,
Inc. https://www.flow3d.com
[11] Why FLOW-3D? Flow-3D [online]. [cit. 2020-11-03]. Dostupné z:
https://www.flow3d.com/products/flow-3d/why-flow-3d/
[12] Podklady poskytnuté Ing. Petrem Holomkem (Povodí Moravy, s. p.)
[13] CHANSON, H. a J.S. MONTES. Journal of Irrigation and Drainage Engineering:
Overflow Characteristics of Circular Weirs: Effcets of Inflow Conditions. 3. Reston: The
American Society of Civil Engineers, 1998. ISBN 0733-9437.
[14] KRATOCHVÍL, Jiří, Miloš JANDA a Vlastimil STARA. Projektování přehrad:
Komplexní projekt HT. Brno: Vysoké učení technické v Brně, 1988.
[15] STUDNIČKA, Tomáš. Matematické modelování odlehčovacích komor na stokových
sítích. Brno, 2013. Disertační práce. Vysoké učení technické v Brně, Fakulta stavební.
Vedoucí práce Ing. Petr Prax, Ph.D.
[16] ŘÍHA, Jaromír. Hydraulika podzemních vod: Modul 01. Studijní opora. FAST VUT
v Brně 2006.

[17] ArcMap Desktop 10.5 Version: 10.5.0.6491, [Počítačový software]. (2016). Copyright ©
1995-2016 Esri
[18] VD Boskovice. Povodí Moravy [online]. Media Age Digital, s.r.o., 2010-2020. [cit. 2020-
09-08]. Dostupné z: http://www.pmo.cz/cz/o-podniku/vodni-dila/boskovice/.
[19] DESATOVÁ, Martina. Numerické modelování proudění v bezpečnostním přelivu
vybraného vodního díla. Brno, 2020. Diplomová práce. Vysoké učení technické v Brně,
Fakulta stavební, Ústav vodních staveb. Vedoucí práce doc. Ing. Jan Jandora, Ph.D.
[20] HOLINKA, Matouš. Numerické modelování proudění v bezpečnostním objektu vodního
díla. Brno, 2017. Diplomová práce. Vysoké učení technické v Brně, Fakulta stavební,
Ústav vodních staveb. Vedoucí práce doc. Ing. Jan Jandora, Ph.D.
[21] KŘIVOHLÁVEK, Roman. Numerické modelování proudění v bezpečnostním přelivu
vodního díla Letovice. Brno, 2018. Diplomová práce. Vysoké učení technické v Brně,
Fakulta stavební, Ústav vodních staveb. Vedoucí práce doc. Ing. Jan Jandora, Ph.D.
[22] ŠULC, Jan, Podklady k přednáškám předmětu CR053 Bezpečnostní objekty
hydrotechnických staveb. Brno, 2020.
[23] HOLEČEK, Miroslav. Hydraulika přelivu sypaných přehrad. Praha, 2006. České vysoké
učení technické v Praze, Fakulta stavební, Katedra hydrotechniky.
[24] Místní šetření dne 17. 12. 2020 za účasti Bc. Jiří Svoboda a Milan Coufal
(Povodí Moravy, s. p.).
[25] JANDORA, Jan, Podklady k přednáškám předmětu CR005 Matematické modelování ve
vodním hospodářství. Brno, 2020.
[26] KOZUBKOVÁ, Milada, Modelování proudění tekutin, FLUENT, CFX. Vysoká škola
Báňská Technická univerzita Ostrava, 2008.

Figure 12 Experimental set-up of particle image velocimetry (PIV) system.

A comparison study between CFD analysis and PIV technique for velocity distribution over the Standard Ogee crested spillways

Rizgar Ahmed Karim 1Jowhar Rasheed Mohammed 2Affiliations expand

Free PMC article

Abstract

실험 및 수치 모델을 사용하여 표준 Ogee-crested 여수로에서 유속, 평균 속도, 수직 속도 분포 및 최대 속도 dm이 발생하는 위치를 비교하기 위해 포괄적인 연구가 수행되었습니다. 미국 육군 공병대 (USACE)의 사양에 따라 rigid foam으로 5 가지 다른 모델이 제작되었습니다.

유동의 속도는 0.50, 1.00 및 1.33의 다른 비 차원 수두 비 H/Hd를 갖는 모든 모델에 대해 모델의 하류 곡선을 따라 기록되었습니다. 입자 이미지 유속계 (PIV)를 사용하여 유속을 측정했습니다. 속도 분포는 Matlab 코드를 사용하여 캡처된 일련의 이미지를 분석하여 얻었습니다.

시판되는 CFD (Computational Fluid Dynamics) 소프트웨어 패키지인 Flow-3D가 실험 모델 설정을 모델링하는데 사용되었습니다. Flow-3D는 레이놀즈 평균 Navier-Stokes 방정식을 분석하고 배수로 흐름 분석 분야에서 사용하기 위해 널리 검증되었습니다.

수치와 실험의 최대 차이는 수두비의 모든 값에 대해 6.2 %를 초과하지 않는 평균 속도 값을 나타냅니다. PIV 기법에 의해 기록 된 최대 속도의 보간된 값은 수치적으로 계산 된 값보다 작습니다.

낮은 d m 위치에서 이 지역 간의 백분율 차이는 -8.65 %에 이릅니다. 상위 위치는 2.87 %입니다. 수직 위치 (d m)는 상류 수두가 증가하면 아래쪽 위치로 떨어지고 배수로 축으로부터의 거리가 선형으로 감소합니다.

A comprehensive study was performed to compare flow rate, mean velocity, vertical velocity distribution, and locations where the maximum velocity, d m , occurs on standard Ogee-crested spillways using experimental and numerical models. Five different models were constructed from rigid foam according to the specifications of the United States Army Corps of Engineers (USACE). The velocity of the flow was recorded along the downstream curve of the model for all models with different non-dimensional head ratios H/H d of 0.50, 1.00, and 1.33. Particle Image Velocimetry (PIV) was used to measure the flow velocities. Velocity distributions were obtained by analyzing a series of captured images using Matlab codes. A commercially available Computational Fluid Dynamics (CFD) software package, Flow-3D, was used for modelling the experimental model setups. Flow-3D analyzes the Reynolds-averaged Navier-Stokes equations and is widely verified for use in the field of spillway flow analysis. The maximum difference between numerical and experimental results in mean velocity values that do not exceed 6.2% for all values of head ratios. The interpolated values of recorded maximum velocity by the PIV technique are smaller than those values numerically computed. In the lower d m locations, the percent difference between these regions reaches -8.65%; the upper locations are 2.87%. The vertical location (d m ) drops to the lower location when the upstream head increases, and the distance from the spillway axis decreases linearly.

Keywords: Applied fluid mechanics; Civil engineering; Computational fluid dynamics; Finite element methods; Hydraulics; Hydrodynamics; Ogee-crested spillway; Particle image velocimetry; Physical model; Velocity distribution.

Figure 1 Dimensions of standard ogee-crested spillway, (a) dimensions and flow parameters, and (b) detail of upstream quadrant.
Figure 1 Dimensions of standard ogee-crested spillway, (a) dimensions and flow parameters, and (b) detail of upstream quadrant.
Figure 2 Side view of the experimental model.
Figure 2 Side view of the experimental model.
Figure 3 Laboratory setup.
Figure 3 Laboratory setup.
Figure 4 Discharge Coefficients of Experimental and Numerical results plotted together with USACE-WES Published Data, (a) for model No. 1, (b) for model No. 3.
Figure 4 Discharge Coefficients of Experimental and Numerical results plotted together with USACE-WES Published Data, (a) for model No. 1, (b) for model No. 3.
Figure 5 Rating curves of theoretical discharge and flowmeter reading.
Figure 5 Rating curves of theoretical discharge and flowmeter reading.
Figure 6 Mesh geometry.
Figure 6 Mesh geometry.
Figure 7 Numerical model geometry.
Figure 7 Numerical model geometry.
Figure 8 Mesh geometry.
Figure 8 Mesh geometry.
Figure 9 Boundary conditions of the Modeling.
Figure 9 Boundary conditions of the Modeling.
Figure 10 Normalized discharge comparison.
Figure 10 Normalized discharge comparison.
Figure 11 Relative percent difference in discharge.
Figure 11 Relative percent difference in discharge.
Figure 12 Experimental set-up of particle image velocimetry (PIV) system.
Figure 12 Experimental set-up of particle image velocimetry (PIV) system.
Figure 13 (a) Spillway Model setup, (b) Raw Image, and (c) Post-processed Image.
Figure 13 (a) Spillway Model setup, (b) Raw Image, and (c) Post-processed Image.
Figure 14 Cross-correlation algorithm.
Figure 14 Cross-correlation algorithm.
Figure 15 Velocity field and streamlines measured by PIV and simulated with CFD for flow over ogee spillway, (a) model no. 1 and (b) model no. 3.
Figure 15 Velocity field and streamlines measured by PIV and simulated with CFD for flow over ogee spillway, (a) model no. 1 and (b) model no. 3.
Figure 16 Comparison of head-mean velocity of experimental and numerical analysis for all models.
Figure 16 Comparison of head-mean velocity of experimental and numerical analysis for all models.
Figure 17 Sketch of velocity profile and its position for model no. 1.
Figure 17 Sketch of velocity profile and its position for model no. 1.
Figure 18 Vertical Distribution of Velocity for Different Runs of model No. 1.
Figure 18 Vertical Distribution of Velocity for Different Runs of model No. 1.
Figure 19 Vertical location of maximum velocity.
Figure 19 Vertical location of maximum velocity.

Conclusions

이 연구는 최대 속도를위한 수직 위치를 선택하는 동시에 설계 헤드보다 높은 수두에 대해 제어 된 환경에서 Ogee 볏이있는 배수로의 흐름을 더 잘 이해하는 데 기여하기 위해 수행되었습니다. 여기에서 5 개의 실험 모델이 USACE-WES 표준 여수로 모양에 따라 설계 및 제작되었으며 실험실 수로에서 테스트되었습니다. PIV 카메라는 유속을 측정하는 데 사용되었으며 CFD 소프트웨어는 실험 설정을 모델링하는 데 사용되었습니다.

수치 결과는 실험과 잘 일치했습니다. 등급 곡선 결과는 수치 값과 PIV 값의 최대 차이가 평균 속도 값이 모든 수 두비 값에 대해 5.59 %를 초과하지 않음을 나타냅니다. 정규화 된 WES 공개 데이터와 실험 결과 간의 최대 차이는 -7.54 %였습니다.

PIV 카메라로 기록 된 평균 속도는 CFD 모델에서 수치 적으로 분석되었으며, 비교 결과는 수치 데이터와 실험 데이터가 잘 일치 함을 보여줍니다. 최대 차이는 모든 헤드 비율에 대해 6.54 %를 초과하지 않습니다.

속도 비 (v / vmax.)의 실험적 보간 데이터는 dm 이하의 위치에서 수치 적으로 계산 된 데이터보다 작지만 반대로 dm보다 높은 위치에 있습니다. 이 현상은 수치 모델링에서 표면 거칠기를 고려하지 않았기 때문에 발생합니다. 방수로 모델의 표면은 매끄러운 표면으로 가정되었습니다. 최대 속도가 발생하는 수직 위치는 상류 수두가 증가함에 따라 낮은 위치에 있습니다. 위치는 방수로 축으로부터의 거리에 따라 거의 선형 적으로 증가합니다.

필요한 메시 미세 조정 및 구성은 원하는 데이터 유형에 따라 다릅니다. 일반적으로 속도 프로파일을 모델링하는 데는 0.33cm 메쉬로 충분했으며 더 작은 그리드 크기도 평가했지만 변경 사항은 없습니다.

실험적 모델링과 수치 적 모델링의 비교와 관련하여 실험적 모델링이 여전히 더 확립되어 있음이 분명합니다. CFD 모델은 실험 모델보다 속도와 난류에 대해 더 자세한 정보를 제공 할 수 있지만 경우에 따라 더 경제적 일 수 있습니다.

References

  • Adrian R.J. Particle-imaging techniques for experimental fluid mechanics. Annu. Rev. Fluid Mech. 1991;23(1):261–304. [Google Scholar]
  • Adrian L., Adrian R.J., Westrweel J. Cambridge University Press; 2011. Particle Image Velocimetry. [Google Scholar]
  • Chanel P.G. University of Manitoba; Winnipeg, Manitoba, Canada: 2009. An Evaluation of Computational Fluid Dynamics for Spillway Modeling.http://hdl.handle.net/1993/3112 M.Sc. Thesis. [Google Scholar]
  • Engineers U.A. C.o. Waterways Experiment Station Vicksburg, Miss. 1952. Corps of Engineers hydraulic design criteria. [Google Scholar]
  • Fujita I. Large-scale particle image velocimetery for flow analysis in hydraulic engineering applications. J. Hydraul. Res. 1998;36(3):397–414. [Google Scholar]
  • Ho D.K. Taylor and Francis group; London, UK: 2006. Application of Numerical Modelling to Spillways in Australia; pp. 951–959. [Google Scholar]
  • Kanyabujinja P.N. Stellenbosch university; Stellenbosch, South Africa: 2015. CFD Modelling of Ogee Spillway Hydraulics and Comparison with Experimental Mosel Tests.http://hdl.handle.net/10019.1/96787 M.Sc. thesis. [Google Scholar]
  • Khatsuria R.M. CRC Press; 2004. Hydraulics of Spillways and Energy Dissipators. [Google Scholar]
  • Kim D.G., Park J.H. Analysis of flow structure over ogee-spillway in considration of scale and roughness effects by using CFD model. KSCE J. Civil Eng. 2005;9(2):161–169. [Google Scholar]
  • Kuok K.k., Chiu P.C. Application of particle image velocimetry (PIV) for measuring water velocity in laboratory sedimentation tank” IRA Int. J. Technol. Eng. 2017;9(3):16–26. [Google Scholar]
  • Maynord S.T. Technical Report HL-85-1, US Army Engineering Waterways Experiment Station, Vicksburg, Mississippi. 1985. General spillway investigation: hydraulic model investigation.https://apps.dtic.mil/dtic/tr/fulltext/u2/a156686.pdf [Google Scholar]
  • Peltier Y. 2nd International Workshop on Hydraulic Structure. Coimbra; Portugal: 2015. Pressure and velocity on an ogee spillway crest operating at high head ratio: experimental measurements and validation; pp. 128–136. [Google Scholar]
  • Peltier Y., Dewals B., Archambeau P., Pirotton M., Erpicum S. Pressure and velocity on an ogee spillway crest operating at high head ratio: experimental measurements and validation. J. Hydro-Environ. Res. 2018;19:128–136. [Google Scholar]
  • Savage B.M., Johnson M.C. Flow over ogee spillway:experimental and numerical model case study” J. Hydraul. Eng. 2001;127(8):640–649. [Google Scholar]
  • Sveen J.K., Cowen E.A. Advances in Coastal and Ocean/Engineering PIV and Water Waves. Would Scientific; 2004. Quantitative imaging techniques and their application to wavy flows, in PIV and water waves” pp. 1–49. [Google Scholar]
  • U.S. Bureau of Reclamation . Water Resources Technical Publication, U.S. Department of the Interior, Bureau of Reclamation; 1987. Design of Small Dams. [Google Scholar]
  • Willey J., Ewing T., Wark B., Lesleighter E. Commission International Des Grands Barrages,Kyoto. 2012. Complementary use of experimental and numerical modelling techniques in spillway design refinement; pp. 1–22.https://books.google.com_books_about_An_Introduction_to_Computati [Google Scholar]
FLOW-3D 용어 사전 테이블

FLOW-3D Glossary | FLOW-3D 용어 사전

FLOW-3D 용어 사전 / 용어 설명

FLOW-3D 용어 사전 테이블
FLOW-3D 용어 사전 테이블

FLOW-3D 용어 사전 / 용어 설명

Drift Flux

드리프트 모델은 밀도가 서로 다른 두 혼합 유체 구성 요소의 상대적 흐름을 설명합니다. 구성 요소는 상이 다를 수도 있고, 상이 같지만(불가침) 유체가 다를 수도 있습니다. 분산된 위상 입자 크기가 클 경우 드리프트 모델의 적용성에 대한 제한이 존재할 수 있습니다. 이러한 제한은 일반적으로 메쉬 셀 크기의 10% 미만으로 분산된 위상 입자 크기를 유지함으로써 방지할 수 있습니다.

배플

얇은 형상 조각을 나타내는데 사용되는 2 차원 개체입니다. 이들은 전처리기에 의해 셀면으로 이동되고 유체의 흐름을 부분적으로 또는 완전히 차단하는 역할을 합니다. 배플은 지정된 열 전달 계수를 가질 수 있으며 배플을 통과하는 양(플럭스 표면)을 측정하는 데 사용할 수 있습니다.

Two-dimensional objects that are used to represent thin pieces of geometry. They are moved by the preprocessor to cell faces and act to partially, or completely block the flow of fluid. Baffles can have heat transfer coefficients specified and can be used to measure quantities that pass through them (a flux surface).

경계 조건

도메인의 범위에서 솔루션을 정의합니다. 경계 위치에서 흐름의 실제 상태를 나타내는 경계 조건을 선택하는 것이 중요합니다.

Defines the solution at the extents of the domain. It is important to choose boundary conditions that represent the true condition of the flow at the boundary location.

CFD

CFD (Computational Fluid Dynamics)는 수치 솔루션을 통해 컴퓨터의 유체 흐름을 시뮬레이션 하는 유체 역학의 한 분야입니다.

Computational Fluid Dynamics (CFD), the branch of fluid mechanics dedicated to simulating the flow of fluid on a computer via numerical solutions.

Complements

Complements를 정의합니다. 예를 들어, 솔리드 구의 complements는 솔리드 재료로 둘러싸인 구형 구멍입니다.

The inverse of a shape defines the complement. For example, the complement of a solid sphere is a spherical hole surrounded by solid material.

Client

클라이언트 컴퓨터는 자신이 FLOW-3D를 실행하고 있지만, FLOW-3D 소프트웨어 라이선스는 다른 컴퓨터 (서버 컴퓨터)에서 획득하는 컴퓨터를 의미합니다.

A client machine is a computer that runs FLOW-3D  but acquires the software license from a different machine (the server machine)

Components

Components는 공간의 개체를 정의하며 하위 구성 요소로 구성됩니다. 구성 요소는 열 전도율, 비열 및 표면 거칠기와 같은 재료 특성을 가질 수 있습니다.

Components define objects in space and are comprised of subcomponents. A component can have material properties such as thermal conductivity, specific heat and surface roughness.

Custom result

시뮬레이션 중 또는 완료 후 사용자가 생성한 데이터를 그래픽으로 표시합니다. 생성하려면 사용자가 flsgrf결과 파일을 연 다음 플로팅 매개 변수(예 : 플로팅 할 도메인 부분, 플로팅 할 수량 등)를 선택해야 합니다.

Graphical displays of data generated by the user during the simulation or after it has completed. To generate, the user must open an flsgrf results file and then select the plotting parameter (e.g., portion of domain to plot, quantity to plot, etc.).

Domain

지배 방정식을 풀 영역입니다. 이것은 메쉬의 범위에 의해 정의됩니다.

The region in which the governing equations are to be solved. This is defined by the extents of the mesh.

Diagnostics

전 처리기 및 솔버의 진행 상황과 오류 및 경고에 대한 정보가 포함된 파일 세트입니다.

A suite of files that contain information on the progress of the preprocessor and solver as well as errors and warnings.

EPSI

압력/연속 반복이 어느 지점에서 수렴되는지를 결정하는데 사용된 수렴 기준입니다. 기본 숫자 설정을 사용하면 이 값은 FLOW-3D에 의해 자동으로 계산되며 시간 단계가 증가함에 따라 작아집니다.

The convergence criterion that was used to determine at what point the pressure/continuity iterations have converged. With the default numerical settings, this value is automatically computed by FLOW-3D  and becomes smaller as the time step increases.

Existing result

prpplt.* 또는 flsplt.* 파일은 전처리 종료 솔버 실행 종료시 또는 자동으로 생성되는 플롯 파일입니다.

A plot file that is automatically created, either at the end of preprocessing or the end of the solver run- prpplt.* or flsplt.*.

F3D_HOME

FLOW-3D 프로그램 파일이 있는 디렉토리를 정의하는 환경 변수.

Environment variable that defines the directory where the FLOW-3D  program files are located.

Floating license

FLOW-3D는 서버 시스템에 라이센스를 액세스하는 각 클라이언트 컴퓨터와 컴퓨터 네트워크에서 실행합니다. 허용하는 라이센스 최대 동시 시뮬레이션 수는 구매한 솔버 토큰 수에 의해 제한됩니다.

A license that allows FLOW-3D  to be run on a network of computers with each client machine accessing the license on a server machine. The maximum number of concurrent simulations is limited by the number of solver tokens purchased.

Flsgrf file

솔버가 생성한 결과 파일. 이 파일은 사전에 정의된 시간 간격으로 생성된 정보를 포함하며 그래픽 디스플레이를 생성하는 데 사용됩니다. 사용자 정의 플로팅 중에 포스트 프로세서에서 사용합니다.

Results file produced by the solver. This file contains information produced at predefined time intervals and is used to produce graphical displays. Used by the postprocessor during custom plotting.

Flsplt file

솔버가 자동으로 생성한 플롯 파일입니다. 이 파일에는 시뮬레이션의 히스토리 데이터, 메시 등에 대한 기본 정보와의 $GRAFIC 이름 목록에 사전 정의된 그래픽 요청이 포함되어 prepin.* 파일 안에 있습니다.

Plot file produced automatically by the solver. This file contains basic information on history data, mesh, etc. from the simulation as well as any pre-defined graphics requests in the $GRAFIC namelist in prepin.*.

Fluid #1 surface area

선택한 길이 단위의 자유 표면 영역을 제곱 됩니다. 인터페이스가 예리한 문제에만 해당됩니다.

The free-surface area in the chosen length units squared. This is only relevant for problems with a sharp interface.

Fluid thermal energy

영역에 존재하는 모든 유체에 포함된 총 열 에너지 (에너지 전송이 켜져 있는 시뮬레이션에만 해당).

The total thermal energy contained by all the fluid present in the domain (relevant only for simulations with energy transport turned on).

Free surface

유체와 유체 사이의 인터페이스. FLOW-3D에서 이 인터페이스는 전단이 없는 것으로 가정되며, 이는 빈 공간에 있는 가스가 유체에 무시할 수 있는 트랙션을 발휘함을 의미한다.

The interface between fluid and void. In FLOW-3D , this interface is assumed to be shear-free, meaning that any gas in the void space exerted negligible traction on the fluid.

GUI

” Graphical User Interface”.  GUI는 사용자가 FLOW-3D를 제어할 수 있는 그래픽 패널, 대화 상자 및 창을 제공합니다.

“Graphical User Interface”. The GUI presents the graphical panels, dialog boxes and windows that allow the user to control FLOW-3D .

Iteration count

각 시간 단계에서 필요한 압력/연속 반복 횟수입니다. 압력/연속성 반복은 유체 볼륨이 유지되도록 하고 유체 전체에서 올바른 압력을 계산하는 데 필요합니다.

The number of pressure/continuity iterations required at each time step. The pressure/continuity iterations are necessary to ensure that the fluid volume is maintained and to compute the correct pressure throughout the fluid.

License file

사용자가 FLOW-3D 를 실행할 수 있도록 암호화된 정보가 포함된 Flow Science에서 제공하는 전자 파일 입니다.

Electronic file provided by Flow Science that contains encrypted information enabling the user to run FLOW-3D .

License server

플로팅 라이센스 시스템의 작동을 활성화하기 위해 FLEXlm 라이센스 소프트웨어가 설치된 시스템. FLOW-3D는 License Server에 설치할 필요가 없습니다.

Computer on which the FLEXlm licensing software is installed to enable the operation of a floating license system. FLOW-3D  does not need to be installed on the license server.

Licensing

FLOW-3D 실행을 제어하는 ​​FLEXlm 소프트웨어.

FLEXlm software that controls the running of FLOW-3D .

Max. residual

압력/연속성 반복의 최종 반복에서 연속성 방정식의 실제 발산. 이 값은 메시지가 나타나지 않는 한 일반적으로 epsi보다 작습니다 .

The actual divergence of the continuity equation on the final iteration of the pressure/continuity iterations. This value is usually smaller than epsi unless the message, pressure iteration did not converge in xxxx iterations appears.

Mean kinetic energy

모든 계산 셀의 운동 에너지의 합을 도메인에 존재하는 총 유체 질량으로 나눈 값입니다. 이 양이 시간이 지남에 따라 변하지 않으면 정상 상태에 도달했음을 나타내는 좋은 지표입니다.

The sum of kinetic energy of all the computational cells, divided by the total mass of fluid present in the domain. When this quantity ceases to change over time, it is a good indicator that steady-state has been reached.

Node-locked license

특정 컴퓨터에 고정된 라이센스. 노드 잠금 라이센스는 네트워크를 통해 액세스 할 수 없으므로 일반적으로 모든 작업을 한 컴퓨터에서 수행해야하는 경우에만 사용됩니다.

A license that is locked to a particular computer. A node-locked license cannot be accessed across a network, and so is typically only used when all work is to be done on one computer.

Non-inertial reference frame

가속화되는 참조 프레임. 비 관성 참조 프레임은 움직이는 컨테이너를 모방하는 데 사용할 수 있습니다.

A frame of reference that is accelerating. A non-inertial reference frame can be used to mimic a moving container.

Pltfsi

1D 및 2D 플롯을 생성하는 FLOW-3D에 포함된 그래픽 디스플레이 프로그램.

Graphics display program included with FLOW-3D  that produces 1D and 2D plots.

Postprocessor

FLOW-3D 내의 Postprocessor 프로그램은 FLOW-3D 또는 타사 시각화 프로그램에서 읽을 수 있는 데이터 파일을 생성하거나 타사 소프트웨어 프로그램에서 읽을 텍스트 데이터를 생성하는 솔버 출력 데이터를 처리하는 프로그램입니다.

The program within FLOW-3D  that processes the solver output data to produce data files that can be read by FLOW-3D ’s or third-party’s visualization programs, or produce text data to be read by third party software programs.

Prepin file

FLOW-3D 시뮬레이션을 실행하는데 필요한 모든 정보가 포함된 텍스트 파일 입니다. GUI를 사용하거나 텍스트 편집기를 사용하여 수동으로 작성할 수 있습니다.

Text file that contains all of the information necessary to create a FLOW-3D  simulation. It can be created using the GUI or manually with a text editor.

Preprocessor

솔버의 실행을 준비하기 위해 입력 파일을 기반으로 메쉬 및 초기 조건을 생성하는 FLOW-3D 내의 프로그램 입니다.

The program within FLOW-3D  that generates the mesh and initial conditions based on the input file in preparation for the running of the solver.

Prpgrf file

전처리기에 의해 생성된 결과 파일로 전 처리기의 정보를 포함하며 후 처리기에서 사용자 플롯을 생성하는 데 사용할 수 있습니다. 이 파일은 미리보기 버튼을 선택하거나 시뮬레이션에서 사전 프로세서(runpre 사용)를 실행하는 경우에만 실행됩니다.

Results file produced by the preprocessor. Contains information from the preprocessor and can be used by the postprocessor to create custom plots. This file is produced only when the Preview button is selected or if only the pre-processor is run on the simulation (using runpre).

Prpplt file

전처리기에 의해 자동으로 생성된 파일을 플롯 합니다. 메시, 구성 요소, 초기 조건 및 재료 특성에 대한 정보가 포함되어 있습니다.

Plot file produced automatically by the preprocessor. Contains information on meshing, components, initial conditions and material properties.

Restart simulation

이전 시뮬레이션에서 계속되는 시뮬레이션입니다. 이전 시뮬레이션의 결과는 다시 시작 시뮬레이션을 위한 초기 조건 및 (선택적으로) 경계 조건을 생성하는 데 사용됩니다.

A simulation which continues from a previous simulation. The results from the previous simulation are used to generate the initial conditions and (optionally) boundary conditions for the restart simulation.

Server

라이센스 서버를 호스팅하는 시스템

The machine that hosts the license server.

Stability limit

각 시간 단계에서 사용할 수 있는 최대 시간 단계. 더 큰 시간 단계는 수치적 불안정성과 비물리적 결과로 이어질 것이다.

The maximum time step that can be used during each time step. A larger time step will lead to numerical instabilities and nonphysical results.

STL (Stereolithography) File

.STL 파일 형식은 일련의 삼각형이 있는 솔리드 모델의 표면에 근접한 표준 데이터 전송 형식이다. 삼각형은 가장자리에서 결합해야 하며 일관된 방향을 가리키는 정규식이 있어야 한다.

The .STL file format is a standard data transmission format that approximates the surfaces of a solid model with a series of triangles. The triangles must join at the edges and must have normals that point in a consistent direction.

Solid fraction

응고된 영역의 유체 분율 (응고 모델이 켜져 있는 시뮬레이션에만 해당).

The fraction of fluid in the domain that has become solidified (relevant only for simulations where the solidification model has been turned on).

Solver

입력 파일에 정의된 흐름 문제를 시뮬레이션하는 방정식을 계산하는 FLOW-3D 내의 솔버 프로그램 입니다.

The program within FLOW-3D  that solves the system of equations that simulate the flow problem defined in the input file.

STL Viewer

스테레오리소그래피(STL) 파일을 표시하는 특수 유틸리티입니다. STL 파일은 CAD 소프트웨어로 제작되며 3 차원 객체의 표면을 형성하는 많은 삼각형으로 구성됩니다. 의 STL 뷰어 FLOW-3D는 메인 메뉴에서 유틸리티/STL 뷰어를 클릭하여 GUI를 통해 액세스 할 수 있습니다. 그러면 뷰어가 별도의 창에서 열립니다. 메쉬 및 형상 탭에서 STL 파일을 열고 볼 수도 있습니다.

A special utility that displays stereolithography (STL) files. STL files are produced by CAD software and are composed of many triangles that form the surface of a three-dimensional object. The STL Viewer in FLOW-3D  is accessible via the GUI by clicking Utilities/STL Viewer in the main menu. This causes the viewer to open in a separate window. STL files can also be opened and viewed in the Meshing and Geometry tab.

Subcomponents

하위 구성 요소는 구성 요소라고하는 더 큰 모양을 형성하기 위해 결합할 수 있는 기하학적 모양입니다. 하위 구성 요소는 재료를 추가하거나 (고체로) 다른 하위 구성 요소에서 재료를 제거하거나 (구멍으로) 또는 모양 외부에 재료를 추가하도록 정의할 수 있습니다.

Subcomponents are geometric shapes that can be combined to form larger shapes, called components. A subcomponent can be defined to add material (as solids), remove material from other subcomponents (as holes), or add material outside of the shape (as a complement).

Time-step size

계산에 사용된 실제 시간 단계. 이 값은 안정성 한계와 같거나 작을 수 있습니다.

The actual time step used in the computation. This value can be equal to or less than the stability limit.

Units

Units are based upon the values set for the physical properties. Items such as mesh block extents and cell lengths automatically conform to the units used for setting these physical properties.

단위는 물리적 특성에 설정된 값을 기반으로 합니다. 메쉬 블록 범위 및 셀 길이와 같은 항목은 이러한 물리적 속성을 설정하는 데 사용되는 단위를 자동으로 따릅니다.

Volume error (%)

주어진 시간에 도메인에 존재하는 총 유체의 백분율로 설명되지 않은 유체 부피의 백분율을 의미합니다. 따라서 단순히 총 부피가 작기 때문에 유체가 시스템 밖으로 배출되는 시뮬레이션에서 큰 비율의 부피 오류가 발생할 수 있습니다.

The percentage of fluid volume not accounted for as a percentage of the total fluid present in the domain at a given time. Therefore, a large percentage volume error can occur for simulations where fluid is draining out of the system simply because the total volume present is small.

Volume of fluid #1

선택한 길이 단위로 입방체에 존재하는 유체 #1의 총 부피입니다. 2 유체 문제의 경우, 유체 #2의 부피는 항상 도메인 부피에서 유체 #1의 부피를 뺀 값입니다.

The total volume of fluid #1 present in the system, in the chosen length units cubed. For two-fluid problems, the volume of fluid #2 is always the domain volume minus the volume of fluid #1.

Wall shear stress

FLOW-3D 옵션은 벽면 및 객체 인터페이스에서 전단 응력 계산을 켜거나 끌 수 있도록 해줍니다. “no-slip” 인터페이스의 효과를 모델링 하려면 벽면 전단 응력을 켜야 합니다.

The FLOW-3D  option that allows the user to turn on or off the computation of shear stress at wall and object interfaces. Wall shear stress must be turned on to model the effect of “no-slip” interfaces.

Workspace

작업 공간은 시뮬레이션 프로젝트를 위한 파일 컨테이너입니다. 작업 공간은 사용자가 FLOW-3D 뿐만 아니라 하드 드라이브에서도 작업을 구성하는 데 도움이 됩니다.

A workspace is a file container for simulation projects. Workspaces help the user organize their work, not only within FLOW-3D , but also on their hard drive.

FLOW-3D 및TruVOF는 미국 및 기타 국가에서 등록 상표입니다.

FLOW-3D 기술자료로 이동

Figure 9: Predicted three-dimensional spreading splats for a 90 µm diameter Nylon-11 droplet.

Effect of Substrate Roughness on Splatting Behavior of HVOF Sprayed Polymer Particles: Modeling and Experiments

International Thermal Spray Conference – ITSC-2006
Seattle, Washington, U.S.A., May 2006

M. Ivosevic, V. Gupta, R. A. Cairncross, T. E. Twardowski, R. Knight,
Drexel University, Philadelphia, Pennsylvania, USA
J. A. Baldoni
Duke University, North Carolina, USA

Abstract

거친 표면에 대한 입자 충격 및 변형의 3 차원 모델이 HVOF 스프레이 폴리머 입자에 대해 개발되었습니다. 유체 흐름 및 입자 변형은 FLOW-3D® 소프트웨어를 사용하는 유체 부피 (VoF) 방법으로 예측되었습니다. 스플래팅(splatting) 및 최종 스플랫 모양(splat shapes)의 역학에 대한 거칠기의 영향은 몇 가지 프로토타입 거친 표면을 사용하여 탐색 되었습니다 (예: 단계와 그루브)

또한 실제 그릿 블라스팅(grit blasted)된 강철 표면의 광학 간섭 측정에 의해 생성된 보다 사실적인 거친 표면의 수치 표현도 모델에 통합되었습니다. 예측된 스플랫 모양을 그릿 블라스팅 된 강철 기판에 증착된 나일론 11 스플랫의 SEM 이미지와 비교했습니다. 거친 기판은 부드러운 기판의 스플래팅 시뮬레이션에서 거의 관찰되지 않는 손가락 및 기타 비대칭 3 차원 불안정성을 생성했습니다.

Introduction

기판 거칠기가 용사 코팅의 접착력과 접착력을 향상 시킨다는 사실은 잘 알려져 있으며 일반적으로 받아 들여지고 있습니다 [1]. 스프레이하기 전에 기판 표면은 일반적으로 알루미나 또는 SiC와 같은 50 – 300 µm 각 세라믹 입자로 그릿 블라스팅으로 거칠게 처리됩니다.

기판 표면에 증착된 초기 스플랫의 형태는 코팅 / 기판 인터페이스의 무결성과 결과 코팅의 접착 강도에 중요한 역할을합니다. 단단하고 불규칙한 표면에 대한 열 스프레이 액적의 충격 및 변형은 액적 표면의 복잡한 대규모 3 차원 변형이 특징입니다.

충돌하는 물방울의 “스플래싱”이 발생하는 경우, 운지법 또는 위성 입자 생성 및 분리 중 새로운 표면 생성은 일반적으로 축 대칭이 아니므로 사실적인 splat 예측을 위해 3 차원 모델이 필요합니다. 이것은 정확한 3 차원 스플래팅 모델의 개발에 많은 수치적 도전을 야기합니다.

Fauchais et al. [2]는 스플랫 형성 과정과 관련하여 발표 된 논문의 대부분 (~ 98 %)이 매끄러운 표면에 대한 정상적인 액적 충격을 설명한다고보고했습니다. 게시된 작업의 2 % 미만은 매끄러운 표면에 대한 비정상적인 입자 영향과 관련이 있으며 ~ 0.1 %만이 거친 기판과 관련됩니다.

여러 저자 [3, 4]는 2 차원 모델을 사용하여 비평면 표면과 물방울의 상호 작용을 연구했거나 평행 그루브가 있는 표면에 대한 3 차원 충격 [5]을 연구했습니다. 그러나 이 접근법의 주요 단점은 거친 표면에 스플래팅의 비축 대칭 측면을 연구합니다.

최근 Raessi et al. [6] 이전에 개발된 VoF 모델 [7]을 확장하여 평평한 기판에 액적 스플래팅을 프로토 타입 거친 표면과 액적 상호 작용으로 확장했습니다. 표면 거칠기는 규칙적으로 정렬 된 정사각형 블록으로 근사화 되었습니다. Feng et al. [8]은 평평한 표면의 마찰 조건에 의해 표면 거칠기가 근사된 3 차원 Lagrangian 유한 요소 모델을 사용했습니다.

이 접근 방식은 소규모 점성 및 축 대칭 자유 표면 흐름과 관련하여 매우 정확할 수 있지만 fingering 생성 또는 satellites 생성 및 breakups 중 새로운 표면 생성과 관련된 물방울이 튀기는 경계 맞춤 기술에 적합하지 않습니다.

또한, 열 분무에 사용되는 그릿 블라스팅 표면의 평균 표면 거칠기 (Ra)는 일반적으로 50μm의 평균 액적 크기에 비해 ~ 5 ~ 30 % (~ 2 ~ 15μm)입니다. 평평한 표면에 간단한 마찰 흐름.

본 연구의 목표는 임의의 거친 기질에 영향을 미치는 HVOF 분무 중합체 입자의 모델을 개발하는 것이다. 매끄럽지 않은 표면에 대한 입자 분할 모델은 표면의 기하학적 불규칙성이 분할 거동과 최종 분할 형태에 어떻게 영향을 미치는지 더 잘 이해할 수 있게 해줄 것입니다.

HVOF 제트에서 미크론 크기의 공급 원료 입자로의 강제 대류는 높은 대류 열 전달 계수 (h ~ 5000 – 17,000 W / (m2 K))를 특징으로 합니다. 이로 인해 입자 표면 온도가 급격히 증가하지만 폴리머 입자의 높은 내부 열 저항 (높은 Bi 수)은 입자 내부가 동일한 속도로 가열되는 것을 방지합니다. 결과적으로 더 큰 (예 : 90 µm 직경) 나일론 11 입자는 기판에 충격을 주기 전에 코어와 표면 사이에 급격한 온도 구배를 나타냅니다 (그림 1) [9, 10, 11].

Figure 1: Temperature of a 90 µm diameter Nylon 11 particle with respect to normalized particle radius (r/R) [10].
Figure 1: Temperature of a 90 µm diameter Nylon 11 particle with respect to normalized particle radius (r/R) [10].
Figure 2: (a) Velocity field within a spreading 90 µm diameter particle; (Left): velocity magnitude, (Right): velocity vectors, (b) example Nylon 11 splat deposited via swipe test onto a room temperature glass slide.
Figure 2: (a) Velocity field within a spreading 90 µm diameter particle; (Left): velocity magnitude, (Right): velocity vectors, (b) example Nylon 11 splat deposited via swipe test onto a room temperature glass slide.

또한 가파른 내부 온도 구배를 가진 HVOF 스프레이 폴리머 입자가 얇은 디스크 중앙에 크고 거의 반구형 인 코어가있는 특징적인 “튀김 달걀”모양으로 퍼졌다고 보고되었습니다 [10]. 이 모양은 저온, 고점도 코어와 고온, 저점도 표면의 유동 특성 간에 큰 방사형 차이가 있음을 나타냅니다.

변형된 입자의 예측 된 모양 (그림 2a)은 유리 슬라이드에 증착된 실험적으로 관찰 된 스플랫과 좋은 질적 일치를 나타 냈습니다 (그림 2b). 액적의 오른쪽에 표시된 속도 장 벡터 (그림 2a)는 저점도 “피부”가 고점도 코어 주위를 흐르면서 특징적인 “튀김 달걀” splat 모양이 형성되었음을 나타냅니다.

이 작업에서 보고된 실험 중에 사용된 HVOF 스프레이 매개 변수는 나일론 11을 증착하는데 사용할 수 있는 일반적인 HVOF 스프레이 매개 변수를 나타냅니다. 그러나 실험 기준 매개 변수를 중심으로 개발된 수치 모델은 개별 스플랫의 흐름 거동을 더 잘 이해하는 데 사용할 수 있습니다. 증착 효율 향상을 위한 공정 최적화를 지원합니다.

Figure 3: Boundary conditions, initial conditions and crosssection of a typical mesh used in Flow-3D
Figure 3: Boundary conditions, initial conditions and crosssection of a typical mesh used in Flow-3D
Figure 5: Cross section of four steel substrates: (a) polished with ~1 Pm alumina suspension, (b) grit blasted with #120 grit, (c) grit blasted with #50 grit, (d) grit blasted with #12 grit. Top image shows optical interferometry scan of # 120 grit blasted surface.
Figure 5: Cross section of four steel substrates: (a) polished with ~1 Pm alumina suspension, (b) grit blasted with #120 grit, (c) grit blasted with #50 grit, (d) grit blasted with #12 grit. Top image shows optical interferometry scan of # 120 grit blasted surface.
Figure 6: Nylon-11 splats deposited during a single run over steel substrates with roughnesses as per Figure 5.
Figure 6: Nylon-11 splats deposited during a single run over steel substrates with roughnesses as per Figure 5.
Figure 7: Nylon-11 splat on a grit blasted steel substrate, (a) close up of a peripheral splat finger.
Figure 7: Nylon-11 splat on a grit blasted steel substrate, (a) close up of a peripheral splat finger.
Figure 8: Cross-sections of predicted three-dimensional spreading splats for a 90 µm diameter Nylon-11 particle on four different surface roughnesses (dimensionless time t* = t/(D/v o (p))).
Figure 8: Cross-sections of predicted three-dimensional spreading splats for a 90 µm diameter Nylon-11 particle on four different surface roughnesses (dimensionless time t* = t/(D/v o (p))).
Figure 9: Predicted three-dimensional spreading splats for a 90 µm diameter Nylon-11 droplet.
Figure 9: Predicted three-dimensional spreading splats for a 90 µm diameter Nylon-11 droplet.

중략…….

References

  1. Davis, J. R., (Ed.) et al, Handbook of Thermal Spray Technology, ASM International®, 1st Ed., Materials Park,
    OH, (2004).
  2. Fauchais, P., Fukomoto, M., Vardelle, A. and Vardelle, M., Knowledge Concerning Splat Formation: An Invited
    Review, Journal of Thermal Spray Technology, 13 (3), pp. 337 – 360, (2004).
  3. Liu, H., Lavernia, E. J. and Rangel, R. H., Modeling of Molten Droplet Impingement on a Non-flat Surface, Acta
    Metall. Mater, 43(5), pp. 2053 – 2072, (1995).
  4. Sobolev, V. V., Guilemany, J. M. and Martin, A. J., Influence of Surface Roughness on the Flattening of
    Powder Particles during Thermal Spraying, Journal of Thermal Spray Technology 5(2), pp. 207 – 214, (1996).
    5 Patanker, N. A. and Chen, Y., Numerical Simulation of Droplet Shapes on Rough Surfaces, Proc. Int. Conference
    on Modeling and Simulations of Microsystems – MSM 2002, pp. 116 – 119, (2002)
    6 Raessi, M., Mostaghimi, J. and Bussmann, M., “Droplet Impact during the Plasma Spray Coating Process-Effect of
    Surface Roughness on Splat Shapes,” Proc. 17th Int. Symposium on Plasma Chemistry – ISPC 17, Toronto,
    Canada, (2005)
    7 Pasandideh-Fard, M., Chandra, S. and Mostaghimi, J., A Three-dimensional Model of Droplet Impact and
    Solidification, Int. J. Heat and Mass Transfer, 45, pp. 2229 – 2242, (2002).
    8 Feng, Z. G., Domaszewski, M., Montavon, G. and Coddet, C., Finite Element Analysis of Effect of Substrate Surface
    Roughness on Liquid Droplet Impact and Flattening Process, J. of Thermal Spray Technology, 11(1), pp. 62-68,
    (2002).
    9 Petrovicova, E., “Structure and Properties of Polymer Nanocomposite Coatings Applied by the HVOF Process,”
    Ph.D. Dissertation, Drexel University, (1999).
    10 Ivosevic, M., Cairncross, R. A., Knight, R., Impact Modeling of Thermally Sprayed Polymer Particles, Proc.
    ITSC-2005 International Thermal Spray Conference, DVS/IIW/ASM-TSS, Basel, Switzerland, (2005).
    11 Bao, Y., Gawne, D. T. and Zhang, T., The Effect of Feedstock Particle Size on the Heat transfer Rates and
    Properties of Thermally Sprayed Polymer Coatings, Trans. I. M. F., 73(4), pp 119 – 124, (1998).
    12 Ivosevic, M., Cairncross, R. A. and Knight, R., “Heating and Impact Modeling of HVOF Sprayed Polymer
    Particles,” Proc. 2004 International Thermal Spray Conference (ITSC-2004), DVS/IIW/ASM-TSS, Osaka,
    Japan, (2004).
    13 Hirt, C. W. and Nichols, B. D., Volume of Fluid (VoF) Method for the Dynamics of Free Boundaries, Journal of
    Computational Physics, 39, pp. 201 – 225, (1981).

FLOW-3D HYDRO

FLOW-3D HYDRO

제품 개요

최근 FLOW Science, Inc에서는 토목 및 환경 엔지니어링 산업을위한 완벽한 CFD 모델링 솔루션인 FLOW-3D HYDRO 제품을 출시했습니다. 기존 FLOW-3D 사용자이거나 유압 엔지니어링 관행에 CFD 모델링 기능을 사용하시는 것에 관심이 있는 경우, 언제든지 아래 연락처로 연락주세요.
연락처 : 02-2026-0442
이메일 : flow3d@stikorea.co.kr

FLOW-3D HYDRO 는 더 높은 수준의 정확도와 모델 해상도를 제공하기 위해 3D 비 유압 모델링 기능이 필요한 경우 고급 모델링 도구로 사용할 수 있습니다. 일반적인 모델링 응용 분야는 소형 댐 / 인프라, 운송 수력학, 복잡한 3D 하천 수력학, 열 부력 연기, 배수구 및 오염 물질 수송과 관련됩니다. 

FLOW-3D HYDRO의 핵심 기능은 전체 3D 모델과 동적으로 연결될 수있는 얕은 물 모델입니다. 

이 기능을 통해 사용자는 멀티 스케일 모델링 애플리케이션을위한 모델 도메인을 확장하여 필요한 모델 해상도로 계산 효율성을 극대화 할 수 있습니다. FLOW-3D HYDRO  또한 강 및 환경 응용 분야에 특화된 추가 기능과 고급 물리학을 포함합니다.

시뮬레이션 템플릿

FLOW-3D HYDRO 의 작업 공간 템플릿으로 시간을 절약하고 실수를 방지하며 일관된 모델을 실행하십시오 . 작업 공간 템플릿은 일반적인 응용 분야에 대한 유체 속성, 물리적 모델, 수치 설정 및 시뮬레이션 출력을 미리로드합니다.

작업 공간 템플릿은 7 가지 모델 클래스에 사용할 수 있습니다.

  • 자유 표면 – TruVOF (기본값)
  • 공기 유입
  • 열 기둥
  • 퇴적물 수송
  • 얕은 물
  • 자유 표면 – 2 유체 VOF
  • 자유 표면 없음

사전로드 된 예제 시뮬레이션

FLOW-3D HYDRO 의 40 개 이상의 사전로드 된 물 중심 예제 시뮬레이션 라이브러리는 애플리케이션 모델링을위한 훌륭한 시작점을 제공합니다. 사전로드 된 예제 시뮬레이션은 모델러에게 모델 설정 및 모범 사례의 로드맵뿐만 아니라 대부분의 애플리케이션에 대한 자세한 시작점을 제공합니다.이전다음

비디오 튜토리얼

비디오 자습서는 새로운 사용자가 다양한 응용 프로그램을 모델링하는 방법을 빠르게 배울 수있는 훌륭한 경로를 제공합니다. FLOW-3D HYDRO 비디오 튜토리얼 기능 :

  • 광범위한 응용 및 물리학을위한 AZ 단계별 기록
  • “사용 방법”정보
  • 모범 사례를위한 팁
  • CAD / GIS 데이터, 시뮬레이션 파일 및 후 처리 파일

고급 솔버 개발

Tailings Model

새로운 Tailings Model은 tailings dam failure로 인한 tailings runout을 시뮬레이션하기위한 고급 기능을 제공합니다. tailings정의에 대한 다층 접근 방식과 함께 미세하고 거친 입자 구성을 나타내는 이중 모드 점도 모델은 모든 방법으로 건설 된 tailings 댐의 모델링을 허용합니다. 

얕은 물, 3D 및 하이브리드 3D / 얕은 물 메싱을 포함한 유연한 메싱을 통해 얕은 지역에서 빠른 솔루션을 제공하면서 다층 tailings의 복잡성을 정확하게 모델링 할 수 있습니다. 점성 경계층의 정확한 표현을 위해 얕은 물 메시에 2 층 Herschel-Bulkley 점도 모델을 사용할 수 있습니다.

모델 하이라이트

  • 미세 입자 및 거친 입자 광미 조성물을위한 이중 모드 점도 모델
  • 침전, 패킹 및 입자 종의 난류 확산을 포함한 Tailings  수송
  • 얕은 물 메시를위한 2 층 Herschel-Bulkley 점도 모델
  • 3D, 얕은 물, 3D / 얕은 물 하이브리드 메시를 포함한 유연한 메시 접근 방식
  • Multi-layer, variable composition tailings for general definition of tailings dam construction

Shallow Water

FLOW-3D HYDRO 의 얕은 물 모델링 기능은 3D 메시를 얕은 물 메시와 결합하여 탁월한 모델링 다양성을 제공하는 고유 한 하이브리드 메시를 사용합니다. 압력 솔버의 수치 개선으로 더 안정적이고 빠른 시뮬레이션이 가능합니다. 하이브리드 메쉬의 하단 전단 응력 계산이 크게 향상되어 정확도가 더욱 향상되었습니다. 지형에 거칠기를 적용하는 새로운 방법에는 Strickler, Chezy, Nikuradse, Colebrook-White, Haaland 및 Ramette 방정식이 포함됩니다.

Two-Fluid VOF Model

sharp 인터페이스가 있거나 없는 압축 가능 또는 비압축성 2 유체 모델은 항상 1 유체 자유 표면 모델과 함께 FLOW-3D 에서 사용할 수 있습니다 . 사실, sharp 인터페이스 처리는 TruVOF 기술을 자유 표면 모델과 공유하며 상용 CFD 소프트웨어에서 고유합니다. 최근 개발에는 2- 필드 온도 및 인터페이스 슬립 모델이 포함되었습니다. 이 모델은 오일 / 물, 액체 / 증기, 물 / 공기 및 기타 2 상 시스템에 성공적으로 적용되었습니다.

FLOW-3D HYDRO 는 2- 유체 솔루션의 정확성과 안정성에서 두 가지 중요한 발전을보고 있습니다. 운동량과 질량 보존 방정식의 강화 된 결합은 특히 액체 / 기체 흐름에서 계면에서 운동량 보존을 향상시킵니다. 연속성 방정식에서 제한된 압축성 항의 확장 된 근사값은 더 빠르고 안정적인 2 유체 압력 솔버를 만듭니다.

예를 들어, 터널 및 드롭 샤프트 설계와 같은 유압 응용 분야에서 공기가 종종 중요한 역할을 하기 때문에 두 개발 모두 FLOW-3D HYDRO 릴리스에 적시에 적용됩니다. 일반적으로 낮은 마하 수로 인해 이러한 경우 물과 공기에 제한된 압축성이 사용됩니다.

고성능 컴퓨팅 및 클라우드

고성능 컴퓨팅 FLOW-3D HYDRO

일반 워크스테이션 또는 랩톱으로 많은 작업을 수행 할 수 있지만, 대형 시뮬레이션과 고화질 시뮬레이션은 더 많은 CPU 코어를 활용함으로써 엄청난 이점을 얻을 수 있습니다. FLOW-3D CLOUD 및 고성능 컴퓨팅은 더 빠르고 정확한 모델을 실행할 수있는 더 빠른 런타임과 더 많은 선택권을 제공합니다.

하천 및 환경 중심 애플리케이션

TRANSPORTATION HYDRAULICS
SMALL DAMS AND DIVERSIONS
RIVER HYDRAULICS
SEDIMENT TRANSPORT AND DEPOSITION
OUTFALLS EFFLUENTS
THERMAL PLUMES BUOYANT FLOWS

Case Studies

Figure 4 A view of the ogee spillway and Type 2 piers in the 3D CFD model

NUMERICAL ANALYSIS AND THE REAL WORLD : IT LOOKS PRETTY BUT IS IT RIGHT?

D. K. H. Ho, S. M. Donohoo, K. M. Boyes and C. C. Lock
Advanced Analysis, Worley Pty Limited
L7, 116 Miller Street, North Sydney, NSW 2060 Australia
Tel: +61 2 8923 6817 e-mail: david.ho@worley.com.au

Abstract

엔지니어링 설계에서 유한 요소, 유한 차분 및 전산 유체 역학 분석 소프트웨어와 같은 수치 도구의 일상적인 사용이 최근 몇 년 동안 증가했습니다. 소프트웨어 및 하드웨어 기술의 발전은보다 비선형적이고 복잡한 3 차원 분석이 수행되고 있음을 의미합니다.

그러나 본질적으로 “블랙 박스”인 이러한 강력한 소프트웨어는 “컴퓨팅”기술을 보유하고 있지만 광범위한 엔지니어링 경험이 필요하지 않은 분석가의 손에 “컴퓨터 보조 재해”로 이어질 수 있습니다. 품질 보증 절차의 엄격한 구현은 수치 모델이나 분석 기법이 정확한지 확인할 필요가 없을 수 있습니다.

이 백서에서는 복잡성이 증가하는 세 가지 실제 토목 공학 응용 프로그램에서 수치 분석 결과를 검증하는 방법을 설명합니다. 여기에는 유한 요소법을 이용한 수조 탱크의 구조 해석, 전산 유체 역학법을 이용한 수력 구조물 위의 홍수 조사, 유한 ​​차분법을 이용한 안벽 시공 시뮬레이션 등이 있습니다. 입력 데이터의 불확실성 수준과 각 사례에 대한 계산 결과의 신뢰성에 대해 논의합니다. 분석 과정에서 몇 가지 흥미로운 결과가 발견되었습니다.

첫 번째 사례 연구는 시공의 질이 구조물의 성능에 상당한 영향을 미친다는 것을 보여주었습니다. 그러나 설계자는 설계 단계에서 이러한 상황을 수량화하고 분석하지 못할 수도 있습니다. 필요할 경우 향후 역분석은 물론 설계 검증의 기준점이 될 수 있도록 공사 종료 시 모니터링의 중요성이 필수적입니다. 유한 요소 분석은 복잡한 문제를 분석할 수 있는 강력한 수치 도구이지만, 분석가들은 문제의 행동이 단순하고 잘 이해되는 것처럼 보일 수 있는 상황에서 예상치 못한 결과를 만날 수 있도록 준비해야 합니다.

두 번째 사례 연구에서는 중요한 배수로 구조에 전산 유체 역학 분석이 처음으로 적용 되었기 때문에 엄격한 검증 프로세스가 강조됩니다. 그것은 2D ogee 방수로 프로파일로 시작하여 문제의 방수로의 3D 모델을 분석하기 위해 진행되는 방식으로 수행되었습니다.
계산된 결과를 각 단계에서 이론 및 물리적 테스트 데이터와 비교했습니다. 유체 흐름 문제의 비선형적 특성에도 불구하고, 분석은 확신을 가지고 실제 설계 목적에 적합한 결과를 제공할 수 있었습니다.

최종 사례 연구에서는 안벽의 거동이 시공 이력과 매립 방식에 영향을 받은 것으로 나타났습니다. 벽의 움직임은 매우 가변적인 토양 속성에도 불구하고 질적으로도 단순한 비선형 토양 모델을 사용하여 정확하게 예측되었습니다. 지속적인 모니터링 기록이 없기 때문에 검증은 어려웠습니다. 계산된 결과를 검증하는 열쇠는 수치 소프트웨어 도구를 사용하지 않는 독립적인 계산을 찾는 것입니다. 대부분의 경우 이러한 솔루션을 사용할 수 있습니다. 그러나 다른 경우에는 실험실 또는 현장 관찰에만 의존할 수 있습니다.

Introduction

오늘날 수치 해석은 대부분의 엔지니어링 설계에서 필수적인 부분을 형성합니다. 따라서 결과 검증의 필요성은 분석 기술 / 방법론을 신뢰할 수 있고 설계자가 계산 된 결과에 대한 확신을 가질 수 있도록 설계 프로세스 전반에 걸쳐 매우 중요합니다.

일반적인 관행은 고전 이론, 실험 데이터, 게시 된 데이터, 유사한 구조의 성능 및 다른 사람이 수행 한 수치 계산에 대해 결과를 검증하는 것입니다. 때때로 소프트웨어 개발자가 제공 한 벤치 마크 또는 검증 예제가 이러한 목적으로 사용될 수 있지만 전체 범위의 문제를 포괄 할만큼 포괄적 인 경우는 거의 없습니다.

수치 해석을 시작하기 전에 분석가는 입력 데이터의 신뢰성, 소프트웨어 도구가 문제의 문제를 해결할 수 있는지 여부 및 결과를 검증하는 방법을 결정해야합니다. 검증 프로세스가 많은 실무자들에 의해 품질 보증 절차의 일부로 채택되었지만 비용이 많이 드는 실패가 여전히 발생했습니다 [1].

Validation

결과 검증의 필요성은 수치 분석의 사용 (남용)에서 일부 나쁜 업계 관행을 관찰함으로써 강화 될 수 있습니다. 수치 계산을 수행하기 위해 고용 된 일부 엔지니어 / 분석가는 계산 뒤에있는 기본 이론을 완전히 이해하지 못하거나 숨겨진 함정을 처리 할 수있는 실제 엔지니어링 경험이 충분하지 않을 수 있습니다.

일부 소프트웨어가 “CAD와 유사”해지고 많은 사람들이 작동하기 쉽다고 주장하기 때문에 엔지니어링 회사가 대학원 엔지니어 대신 초보를 고용하여 수치 모델링 및 분석을 수행하는 경향이 점차 증가하고 있습니다.

사용자는 복잡한 지오메트리 모델을 생성하고, 적절한 요소와 메시를 만들고, 각 하중 케이스에 대한 경계 조건 (접촉, 하중 및 고정)을 적용하고, 속성을 할당하고, 제출에 필요한 모든 플래그 / 스위치 / 버튼을 설정하는 데 상당한 노력을 기울일 것입니다.

분석이 실행됩니다. 자체 검사를위한 일부 품질 보증 절차는 전처리 단계에서 따를 수 있지만 계산이 완료되고 결과가 후 처리 될 때까지 많은 사용자는 출력이 어느 정도 정확하다고 쉽게 믿을 것입니다. 지오메트리 생성은 수치 모델링 프로세스의 일부일뿐입니다. 가장 어려운 문제 중 하나는 전체 설계 프로세스에서 불확실성을 다루는 것입니다. 재료 속성 및 로딩 순서와 같은 입력과 관련된 불확실성이 있습니다.

예를 들어 모델이 선형 또는 비선형 방식으로 동작하는지 여부와 같이 솔루션 유형의 적절성과 관련된 불확실성이 있습니다. 마지막으로 결과 해석과 관련된 불확실성이 있습니다. 수치 분석에서 결과를 검증하고 문제를 발견하는 데있어 분석가를위한 좋은 방법에 대한 간단한 지침은 없습니다. 그러나 다음 방법을 통해 점차적으로 달성 할 수 있습니다.

• 수치 적 방법 과정에 대한 좋은 이해 – 이것은 학부 및 / 또는 대학원 수준의 공식 교육을 통해 얻을 수 있으며 지속적인 전문성 개발의 일환으로 자습을 통해 더욱 향상 될 수 있습니다.
• 특정 유형의 문제에 대한 기본 이론과 해결책의 범위를 잘 이해합니다. 이 역시 위와 같은 교육을 통해 이루어질 수 있습니다.
• 실제 문제를 해결하는 데 공학적 판단을 사용하고 수치 분석을 수행 한 경험이 있습니다. 이는 숙련 된 엔지니어가 분석가를 적절하게 감독하는 환경에서 작업함으로써 얻을 수 있습니다.

품질 보증 시스템의 구현이 실행 가능한 솔루션으로 이어지는 엔지니어링 판단을 대체하는 것은 아니라는 점에 유의해야합니다. 복잡한 대규모 모델을 분석하기 전에 시뮬레이션 기술과 문제의 근본적인 동작을 완전히 이해하기 위해 간단한 테스트 모델을 사용하여 수치 “실험”을 수행해야하는 경우가 매우 많습니다.

경험에 따르면 때때로 테스트 모델 자체가 분석가가 최종 설계 솔루션에 도달 할 수있는 충분한 정보를 제공 할 수 있습니다. 해당 대형 복합 모델의 분석은 설계 기대치를 확인하는 것입니다. 다음 사례 연구는 결과 검증이 수행 된 방법과 신뢰 수준 및 불확실성이 해결된 방법을 보여줍니다.

Applications

일반적인 토목 공학 프로젝트에서 수치 분석은 구조 역학, 기하학 및 유체 역학의 세 가지 기본 분야 중 하나 또는 조합을 포함 할 수 있습니다. 문제의 성격은 토양-구조 상호 작용, 유체-구조 상호 작용 또는 토양-유체 상호 작용 중 하나로 분류 될 수 있습니다.

어떤 경우에는 세 가지 모두를 포함 할 수 있습니다. 잠재적 인 복잡성을 고려하여, 정확도를 잃지 않고 실제 목적을 위해 중요한 동작을 캡처하지 않고 문제를 단순화하기 위해 몇 가지 가정과 이상화가 이루어져야합니다. 이러한 문제를 해결할 수있는 범용 및 특수 수치 분석 소프트웨어가 있습니다. 두 가지 유형의 소프트웨어가 사례 연구에 사용되었습니다.

Case 1 – Deflection of a steel water tank

직경 약 90m의 대형 원형 강철 물 탱크는 처음 채울 때 큰 벽면이 휘어지면서 탱크의 장기적인 구조적 무결성에 대한 우려를 불러 일으켰습니다.

물의 높이는 전체 저장 용량에서 약 10m였습니다. 지붕 구조는 탱크 내부에있는 기둥으로 거의 전적으로지지되었습니다. 스트레이크(strakes)는 벽의 바닥 1/3이 더 두꺼운 고급 강판으로 구성되었습니다. 1 차 윈드 거더는 탱크 상단 주위에 용접되었고 2 차 윈드 거더는베이스 위 2/3에 위치했습니다. 하단 스트레이 크는 환형베이스 플레이트에 필렛 용접되었습니다. 내부 기둥의 기초를 제외한 전체 바닥은 용접 된 강판으로 덮여있었습니다.

이 탱크는 유능한 중간층 사암과 미사암 기반암 위에 압축된 채움물 위에 세워졌습니다. 일련의 축 대칭 유한 요소 분석 (FEA)을 수행하여 관찰된 처짐을 예측할 수 있는지 여부를 결정하고 매일 물을 채우고 비울 때 피로 파괴가 발생할 가능성으로 인해 벽 바닥의 응력 상태를 계산했습니다.

내부 기둥과 지붕 빔을 포함하는 탱크의 12 분의 1 섹터에 대한 3 차원 모델을 처음에 분석하여 벽이 얼마나 많은 지붕 자중을지지하고 축 대칭 가정의 타당성을 조사했는지 조사했습니다. 이 분석의 결과는 지붕 구조의 강성 기여도가 중요하지 않아 후속 축 대칭 모델에 포함되지 않았 음을 보여주었습니다.

그러나 지붕 자체 무게의 작은 부분이 벽에 적용됩니다. 축 대칭 모델은 모든 강철 섹션, 필렛 및 맞대기 용접 및 기초로 구성되었습니다 (그림 1). 그것들은 몇 개의 3 노드 삼각형 축 대칭 요소가있는 4 노드 비 호환 모드 사변형으로 이산화되었습니다.

용접 재료를 통해서만 하중 전달이 허용되도록 용접이 모델링되었습니다. 용접 연결부에 미세한 메시를 사용하여 응력 상태를 정확하게 포착했습니다. 롤러 지지대는 모델의 측면 및 하단 경계에 적용되었습니다. 다음과 같은 하중이 적용되었습니다 :

철골 구조물의 자중, 지붕 자중, 벽의 정수압, 수위에 따른 바닥의 균일 한 압력. 한 모델은 용접 또는베이스의 강판이 플라스틱 힌지를 형성하기 위해 항복되었다고 가정했습니다. 이 경우 벽 바닥에서 핀 연결이 모델링되었습니다.

Partial FE mesh of tank/foundation. Insert shows mesh and stress distribution at wall base
그림2 Partial FE mesh of tank/foundation. Insert shows mesh and stress distribution at wall base

벽 처짐은 그림 2에 나와 있습니다. 측정 범위와 계산 된 결과는 비교 목적으로 표시됩니다. 계산 된 벽 처짐을 검증하기 위해 두 벽 두께에 대한 Timoshenko 및 Woinowsky-Krieger [2]에 기반한 고전 이론도 그림에 표시되었습니다. 계산 된 편향은 이론적 계산에 의해 제한됨을 관찰 할 수 있습니다.

벽 두께의 변화로 인한 전이가 분석에서 포착되었습니다. 이것은 유한 요소 모델에 대한 확신을 제공했습니다. 윈드 거더와 구속 된베이스의 영향도 볼 수 있습니다. 윈드 거더 설치로 인해 초기 변형이 발생하여 공사가 끝날 때 벽 상단이 안쪽으로 당겨질 수 있습니다. 굽힘 동작이 발생한베이스 근처를 제외하고는 후프 동작이 벽 동작을 지배했습니다.

계산된 최대 처짐이 측정된 순서와 동일하더라도 최대 돌출이 발생한 높이는 예측되지 않았습니다. 실제로 조사 데이터는 몇 가지 가능한 시나리오를 제안했습니다.베이스에 플라스틱 힌지 형성 (그러나이 영역에서 계산 된 응력은 항복 강도를 초과하지 않았습니다). 지반 재료의 국부적 인 베어링 고장 (다시 현장에서 균열과 같은 명백한 지시 신호가 보이지 않음); 또는 탱크 건설이 끝날 때 내장 된 기하학적 결함이있었습니다. 사전 변형 된 탱크에서 역 분석을 수행하여 측정 된 처짐이 정수압 하에서 “회복”되었습니다. 그러나 계산된 응력은 수율을 훨씬 초과했습니다. 불행히도 탱크는 완성 후 첫 번째 충전 전에 즉시 조사되지 않았습니다.

Figure 2 Wall deflection of water tank
Figure 2 Wall deflection of water tank

탱크의 원래 디자인과 건설이 2000 년대 초에 수행되었다는 점은 흥미 롭습니다. 설계 계산에 관련 표준 [3]을 사용했습니다. 이 표준은 탱크 벽이 후프 동작만으로 작용한다고 가정하고이 구조의 경우가 아닌베이스의 제약 조건을 무시합니다. 벽 처짐의 크기는 기초 강성을 고려한 Rish [4]가 개발 한 고전 이론 [2] 또는 FEA와 같은 수치 분석에 의해 결정될 수 있습니다. 고급 강철을 사용하면 설계자는 강도에는 적합하지만 서비스 가능성에는 필요하지 않은 더 얇은 섹션을 선택해야합니다. 굽힘 강성은 큐브 두께에 의해 결정됩니다. 수중 부하에서 후속 벽 변형 프로파일은 제작 품질에 영향을받습니다. 이것은 설계 단계에서 추정하기 어려웠을 것입니다.

사례 2 – 배수로 배출

호주의 많은 댐 구조는 제한된 수 문학적 정보로 1950 년대와 60 년대에 설계 및 건설되었습니다. 이러한 기존 방수로 구조는 수정 된 가능한 최대 홍수 수준에 대처하기 위해 크기가 작습니다. 증가 된 홍수 조건 하에서 방수로 꼭대기에 대한 음압 생성과 같은 잠재적 인 문제가 발생할 수 있습니다. 이는 방수로 및 게이트 구조에 불안정성 또는 캐비테이션 손상을 유발할 수 있습니다. 역사적으로 스케일링 된 물리적 모델은 이러한 동작을 연구하기 위해 수력 학 실험실에서 구성되었지만 비용이 많이 들고 시간이 많이 걸리며 스케일링 효과와 관련된 많은 어려움이 있습니다. 오늘날 고성능 컴퓨터와보다 효율적인 전산 유체 역학 (CFD) 코드를 사용하여 수리적 구조의 동작을 합리적인 시간과 비용으로 수치 적으로 조사 할 수 있습니다. 이 분석 기법은 대도시 지역에 주요 상수원을 제공하는 가장 큰 콘크리트 중력 댐에 호주에서 처음으로 적용 되었기 때문에 검증을 수행 할 필요가있었습니다. 이것은 그림 3과 같이 조사 프로세스에 통합되었습니다. 순서도는 간단한 2D에서 상세한 3D 방수로 모델로 어떻게 발전했는지 보여줍니다.

Figure 3 Flowchart showing the validation process
Figure 3 Flowchart showing the validation process

미 육군 공병대 [5]에서 발표 한 광범위한 데이터가 있기 때문에 검증을 위해 ogee 방수로 프로필 (그림 4 참조)이 선택되었습니다. 계산 된 결과는 조사의 각 단계에서 검토되었습니다. 게시 된 데이터에서 크게 벗어나면 프로젝트가 중단됩니다. 이것은 프로젝트가 시작되기 전에 고객과 상호 합의되었습니다.

Figure 4 A view of the ogee spillway and Type 2 piers in the 3D CFD model
Figure 4 A view of the ogee spillway and Type 2 piers in the 3D CFD model

이러한 종류의 분석의 초기 어려움 중 하나는 개방 채널 중력 흐름 문제에서 자유 표면의 정확한 계산이었습니다. 자유 표면을 추적하는 데 적응 형 메싱 및 반복 방법을 사용하는 것은 일부 유한 체적 CFD 코드에서 사용되었지만 성공은 제한적이었습니다. 본 연구에 사용 된 코드는 SOLA-VOF 방법으로 Navier-Stokes 방정식을 해결합니다. 유체 운동의 과도 동작을 해결하기 위해 유한 차분 방법이 사용되었습니다. 유체의 부피 (VOF) 함수는 자유 표면 운동을 계산하는 데 사용됩니다 [6].

분석에 대한 자세한 내용은 [7]에 설명되어 있습니다. 계산 된 파고 압력 분포, 자유 표면 프로파일 및 정상 상태에서의 배출 속도는 검증 목적으로 사용되었습니다. 다른 상류 수두 (H) 아래의 배수로 꼭대기를 따라 압력 분포가 그림 5에 나와 있습니다. 일부 압력 진동은 코드가 일반 메시와 곡선 배수로 장애물 사이의 인터페이스에서 계산을 처리하는 방식에 기인 할 수 있습니다. 훨씬 더 미세한 메쉬는 이러한 불규칙성을 부드럽게 만들었습니다. 압력 분포에 대한 교각의 영향은 3D 모델에서 올바르게 예측되었습니다 (그림 6).

계산된 자유 표면 프로파일 (그림 7)도 게시 된 데이터와 잘 일치했습니다. Savage와 Johnson [8]은 분석 기법에 대한 신뢰도를 높이는 동일한 CFD 코드를 사용하여 유사한 유효성 검사를 수행했습니다. 문제의 배수로에 대한 후속 분석은 스케일링 된 물리적 모델 테스트에서 얻은 결과와 비교할 때 상당히 좋은 결과를 제공했습니다.

Figure 5 Comparison of crest pressure for various heads (2D model), Hd is the design head
Figure 5 Comparison of crest pressure for various heads (2D model), Hd is the design head
Figure 6 Comparison of crest pressure next to pier (3D model)
Figure 6 Comparison of crest pressure next to pier (3D model)
Figure 7 Upper nappe profile next to pier
Figure 7 Upper nappe profile next to pier

분석에서 배수로의 기하학적 구조와 물 속성이 잘 정의되었습니다. 물은 비압축성이며 고정 된 온도에서 일정한 특성을 가지고 있다고 가정했습니다. 실제로 좋은 품질의 콘크리트 표면 마감을 얻을 수 있기 때문에 배수로 경계는 매끄럽다 고 가정했습니다. 불확실성은 메쉬 밀도와 적절한 난류 모델의 선택이라는 두 가지 소스에서 비롯됩니다. 메쉬 크기는 메모리 양과 컴퓨터의 클럭 속도에 의해 제한됩니다.

높은 레이놀즈 수의 난류 흐름은 소용돌이와 소용돌이의 형성을 포착 할 수있는 매우 미세한 메시로 계산할 수 있지만 현재 메시 밀도는 검증 및 설계 목적에 필요한 변수를 예측하기에 충분히 미세했습니다. 조사 결과는 큰 와류, k-ε 및 RNG 모델과 같은 난류 모델의 선택에 의해 크게 영향을받지 않는 것으로 나타났습니다. 분명히 벽 거칠기와 난류 모델의 도입은 방전율을 감소시킬 것입니다. 그러나 다시 분석 결과는 사용 된 메시에 거의 영향을 미치지 않음을 보여줍니다. 향후 분석은 다른 메쉬 밀도로 인한 이산화 오류를 조사 할 것입니다.

사례 3 – 안벽 건설
주요 컨테이너 항구 시설은 설계 단계에서 최소한의 수치 분석을 수행하여 약 25 년 전에 건설되었습니다. 당시에는 이러한 분석 도구를 사용하는 것이 비용 효율적이지 않은 것으로 간주되었습니다. 다수의 컨테이너 크레인이 측면을 따라 이어지는 2km 길이의 안벽을 건설하기 위해 광범위한 준설 및 매립 작업이 수행되었습니다.

시설이 완공 된 이후 일련의 콘크리트 카운터 포트 유닛으로 구성된 안벽과 후방 크레인 빔은 크레인이 할 수 있도록 후방 빔에 대한 레벨 조정 작업이 수행 될 정도로 지속적으로 이동하고 있습니다. 정상적으로 작동합니다. 그러나 영향을받는 두 구조물의 움직임을 저지하기 위해보다 영구적 인 해결책을 모색했습니다. 토양-구조 상호 작용 및 시공 시뮬레이션을 처리 할 수있는 명시 적 유한 차이 분석을 사용하여 다양한 교정 옵션의 순위를 지정했습니다.

그라우트 기둥, 타이백 앵커 및 말뚝 지지대와 같은 다양한 제안 된 개선을 분석하기 전에, 토양 및 구조적 특성과 시공 과정의 선택이 적절하도록 계산 모델을 관찰에 대해 보정해야한다고 결정했습니다. 지질 및 지질 공학 정보는 현장 및 실험실 테스트 데이터를 포함하는 현장 조사 보고서에서 평가되었습니다. 시설의 범위를 고려할 때 현장에서 만나는 특정 토양 유형에 대해 상당한 분산 테스트 데이터가 예상됩니다. 수력 모래 충전재에 대한 표준 침투 테스트 (SPT) 블로우 횟수 (N) 및 콘 침투 테스트 (CPT) 저항 (qc)에 대한 몇 가지 일반적인 기록이 그림 8과 9에 나와 있습니다.

Figure 8 SPT ‘N’ profiles
Figure 8 SPT ‘N’ profiles
Figure 9 CPT profiles
Figure 9 CPT profiles

이 결과로부터 평균 해수면 위와 아래에있는 모래 채우기의 강도와 강성의 대비를 관찰 할 수 있습니다. 이 현상은 배치 방법에 기인한다고 제안되었다 [9]. 또한 기초 수준에서 진동 압축 된 모래의 특성에도 변동이있었습니다. 분석을 위해 선택된 토양 특성은 테스트 데이터, 인근 사이트의 경험 및 유사한 토양 조건에 대한 발표 된 데이터를 기반으로합니다. 그것들은 표 1에 요약되어 있습니다. 일반적으로 시설의 건설 순서는 다음과 같습니다.

  1. Removal of pockets of soft marine clay by dredging
  2. Dredging of sand to the required level
  3. Vibro-compaction of the sand on which the counterfort units were to be founded
  4. Placement of gravel for the quay wall foundation.
  5. Placement of concrete counterfort units weighing 360 tonne each
  6. Placement of hydraulic sand fill behind the units
  7. Surcharging the fill just behind the capping beam
  8. Construct capping beam and place more sand fill to the finished level
  9. Additional surcharge prior to the operation of container cranes.

Table 1 Soil properties used in the construction
simulation of the quay wall

Table 1 Soil properties used in the construction simulation of the quay wal
Table 1 Soil properties used in the construction simulation of the quay wal

2D 평면 변형 모델의 수치 시뮬레이션에서 구성 순서 (그림 10)와 하중은 다음 단계에 따라 단순화 / 이상적입니다.

  1. The starting condition of the seabed consisted of the vibrocompacted sand, gravel bed, native sand, clay and fissured clay at depth. The “in-situ” stresses were also switched on in this step.
  2. Placement of counterfort unit (using equivalent linear elastic beam elements) with a vertical force applied through the centre of gravity of the unit to represent the buoyant self-weight.
  3. Sequentially placing hydraulic sand fill behind the unit to the level prior to surcharging.
  4. Apply an equivalent trapezoidal pressure to represent the surcharge.
  5. Placement of capping beam and the sand fill to the required level.
  6. Apply additional surcharge.
  7. Application of repeated loads from the crane seaward and landward legs.
Figure 10 Construction sequence
Figure 10 Construction sequence

분석에서는 침수 된 물질과 평균 해수면 위에있는 물질을 나타 내기 위해 적절한 밀도를 사용했습니다. 안벽의 장기적인 움직임이 중요했기 때문에 배수 된 토양 매개 변수가 사용되었습니다. 토양은 분석에서 Mohr-Coulomb 실패 기준을 따르는 것으로 가정되었습니다. 단순한 탄성-완전 소성 응력-변형 거동이 가정되었습니다. 일련의 강체 다이어그램으로 표현 된 안벽 이동의 역사는 그림 11에 나와 있습니다. 벽의 상단과 바닥에서 계산 된 수직 및 수평 이동은 그림 12와 13에 표시됩니다. 수치는 모니터링 된 데이터와 해당 상한 및 하한 (해당 상자에 표시됨)입니다. 측정에서 산란의 양에도 불구하고 벽 건설에 대해 계산 된 움직임은 합리적으로 잘 비교되었습니다. 조사 데이터와 예측을 일치시키기 위해 분석에서 토양 속성을 변경하려는 시도가 없었습니다. 반복되는 크레인 하중의 래칫 효과를 관찰 할 수 있습니다. 불행히도 반복적 인 크레인 하중 하에서 벽 이동에 대한 기준이 없었기 때문에 이러한 예상 이동을 비교할 수 없었습니다. 문제의 복잡성과 고도로 가변적 인 토양 특성을 고려할 때 계산 된 결과는 매우 고무적입니다.

Figure 11 Wall deformations
Figure 11 Wall deformations

토양에서 플라스틱 구역의 발달도 분석에서 계산되었습니다. 벽의 발가락 아래의 토양이 여러 번 과도하게 압박을받는 것으로 밝혀졌습니다. 접촉 압력은 경사 하중으로 인한 베어링 고장에 대한 안전 지표 (FOS)를 결정하는 데 사용되었습니다. 지지력은 계산 방법에 의해 크게 영향을 받았다고보고되었습니다 [10]. 원래의 기초 디자인은 덴마크 코드 [11]를 기반으로했기 때문에이 경우 일관성을 위해 사용되었습니다. 편심의 함수로서 FOS의 발전과 수평 대 수직 추력 (H / V)의 비율이 각각 그림 14와 15에 나와 있습니다.

Figure 12 Wall top movements
Figure 12 Wall top movements
Figure 13 Wall base movements
Figure 13 Wall base movements
Figure 14 ‘FOS’ vs. eccentricity
Figure 14 ‘FOS’ vs. eccentricity
Figure 15 ‘FOS’ vs. H/V ratio
Figure 15 ‘FOS’ vs. H/V ratio

그림은 벽이 추가 요금과 반복적 인 적재 단계 동안 국부적 인 베어링 고장에 가까웠음을 보여줍니다. 크레인 하중 하에서 FOS의 명백한 증가는 벽에 대한 수직 하중이 증가하는 반면 유지된 토양의 수평 압력이 다소 일정하게 유지됨에 따라 편심이 감소했기 때문입니다.

끝 맺는 말
세 가지 매우 다른 실제 응용 프로그램의 유효성 검사 프로세스가 설명되었습니다. 각 사례의 주요 특징과 결과는 표 2에 요약되어 있습니다. 재료 및 하중 불확도 및 예상 결과가 강조 표시됩니다. 건설 품질은 구조의 성능에 상당한 영향을 미치는 것으로 나타났습니다.

이는 분석가가 프로젝트의 설계 단계에서 정량화하고 정확하게 분석하지 못할 수도 있습니다. 구조가 완료된 직후 모니터링의 중요성을 간과해서는 안됩니다. 이것은 미래의 역 분석을위한 유용한 자료가 될 것입니다. 수치 도구가 이러한 복잡한 문제를 분석 할 수 있다는 사실에도 불구하고 분석가는 어떤 매개 변수가 중요하거나 중요하지 않은지 식별 할 준비가되어 있어야합니다.

익숙하지 않은 문제를 분석 할 때 유효성 검사 프로세스를 점진적으로 수행해야합니다. 아마도 검증 방법을 찾는 핵심은 수치 분석 도구를 사용하지 않고 솔루션에 도달 할 수있는 다른 방법이 있는지 묻는 것입니다. 많은 경우 이러한 솔루션은 광범위한 문헌 검색 후에 존재합니다. 그러나 다른 경우에는 실험실 테스트와 현장 관찰이 유일한 대안이 될 것입니다.

자세한 내용은 원문을 참고하시기 바랍니다.

References
[1] Puri, S.P.S. (1998) “Avoiding Engineering Failures Caused by Computer-Related Errors”, J. Comp. in Civil Engineering, ASCE, 12(4), 170-172.
[2] Timoshenko, S.P. and Woinowsky-Krieger, S. (1959) Theory of Plates and Shells, 2nd edition, McGraw-Hill Kogakusha. p.580.
[3] BS2654 (1989) Manufacturing of vertical steel welded non-refrigerated storage tanks with butt-welded shells for the petroleum industry.
[4] Rish, R.F. (1977) “Design of Cylindrical Tanks on Elastic Foundations”, Civil Engineering Transactions, The Institution of Engineers, Australia, 192-195.
[5] US Army Corps of Engineers (1990) Hydraulic Design of Spillways, Engineer Manual No. 1110-2-1603.
[6] Hirt, C.W. and Nichols, B.D. (1981) “Volume of Fluid (VOF) Method for the Dynamics of Free Boundaries”, J. Comp. Phys. 39, 201- 225.
[7] Ho, D.K.H., Boyes, K.M and Donohoo, S.M. (2001) “Investigation of Spillway Behaviour under Increased Maximum Flood by Computational Fluid Dynamics Technique”, Proc. Conf. 14th Australasian Fluid Mechanics, Adelaide, December, 577-580.
[8] Savage, B.M. and Johnson, M.C. (2001) “Flow over Ogee Spillway: Physical and Numerical Model Case Study”, J. Hydraulic Engineering, ASCE, 127(8), 640-649.
[9] Lee, K.M., Shen, C.K., Leung, D.H.K. and Mitchell, J.K. (1999) “Effects of placement method on geotechnical behaviour of hydraulic fill sands” J. Geotech. and Geoenviron. Engineering, ASCE, 125(10), 832-846.
[10] Sieffert, J.G. and Bay-Gress, Ch. (2000) “Comparison of European bearing capacity calculation methods for shallow foundations”, Proceedings of the Institution of Civil Engineers, Geotechnical Engineering, 143, April, 65-74.
[11] DS 415 (1984) Code of Practice for Foundation Engineering. Table 2 Summary of findings for the three case studies

FLOW-3D What’s New Ver.12.0

FLOW-3D v12.0은 그래픽 사용자 인터페이스 (GUI)의 설계 및 기능에서 매우 큰 변화를 이룬 제품으로 모델 설정을 단순화하고 사용자 워크 플로를 향상시킵니다. 최첨단 Immersed Boundary Method(침수경계 방법)은 FLOW-3D v12.0 솔루션의 정확성을 높여줍니다. 다른 주요 기능으로는 슬러지 침강 모델, 2-Fluid 2-Temperature 모델 및 Steady State Accelerator가 있으며,이를 통해 사용자는 자유 표면 흐름을 더욱 빠르게 모델링 할 수 있습니다.

Physical and Numerical Model

Immersed boundary method

힘과 에너지 손실에 대한 정확한 예측은 고체 주위의 흐름과 관련된 많은 엔지니어링 문제를 모델링하는 데 중요합니다. 새 릴리스 FLOW-3 Dv1.2.0에는 이러한 문제점 해결을 위해 설계된 새로운 고스트 셀 기반 Immersed Boundary Method (IBM)가 있습니다. IBM은 내 외부 흐름 해석을 위해, 벽 근처에서 보다 정확한 해를 제공하여 드래그 앤 리프트 힘의 계산을 향상시킵니다.힘과 에너지 손실의 정확한 예측은 고체 주위의 흐름을 포함하는 많은 공학적 문제를 모델링 하는데 중요합니다.

Two-field temperature for the two-fluid model

2 유체 열전달 모델은 각 유체에 대한 에너지 전달 방정식을 분리하기 위해 확장되었습니다. 각 유체는 이제 자체 온도 변수를 가지므로 인터페이스 근처의 열 및 물질 전달 솔루션의 정확도가 향상됩니다. 인터페이스에서의 열전달은 이제 시간의 표 함수가 될 수 있는 사용자 정의 열전달 계수에 의해 제어됩니다.

블로그 보기

Sludge settling model

새로운 슬러지 정착 모델은 수처리 애플리케이션에 부가되어 사용자들이 수 처리 탱크와 클래리퍼의 고형 폐기물 역학을 모델링 할 수 있게 해 줍니다. 침전 속도가 분산상의 액적 크기의 함수 인 드리프트-플럭스 모델과 달리, 침전 속도는 슬러지 농도의 함수이며 기능 및 표 형식으로 입력 할 수 있습니다.

개발노트 읽기

Steady-state accelerator for free surface flows

이름에서 알 수 있듯이 정상 상태 가속기는 정상 상태 솔루션에 대한 접근을 빠르게합니다.
이것은 작은 진폭 중력과 모세관 표면파를 감쇠시킴으로써 달성되며 자유 표면 흐름에만 적용 할 수 있습니다.

개발노트 읽기

Void particles

Void particles 가 기포 및 상 변화 모델에 추가되었습니다. Void particles는 붕괴 된 Void 영역을 나타내며, 항력 및 압력을 통해 유체와 상호 작용하는 작은 기포로 작용합니다. 주변 유체 압력에 따라 크기가 변하고 시뮬레이션이 끝날 때의 최종 위치는 공기 유입 가능성을 나타냅니다.

Sediment scour model

퇴적물 수송 및 침식 모델은 정확성과 안정성을 향상시키기 위해 정비되었습니다. 특히 퇴적물 종의 질량 보존이 크게 개선되었습니다.

개발 노트 읽기>

Outflow pressure boundary condition

고정 압력 경계 조건에는 압력 및 유체 분율을 제외한 모든 유량이 해당 경계의 상류의 유량 조건을 반영하는 ‘유출’옵션이 포함됩니다. 유출 압력 경계 조건은 고정 압력 및 연속 경계 조건의 하이브리드입니다.

Moving particle sources

시뮬레이션 중에 입자 소스를 이동할 수 있습니다. 시간에 따른 병진 및 회전 속도는 표 형식으로 정의됩니다. 입자 소스의 운동은 소스에서 방출 된 입자의 초기 속도에 추가됩니다.

Variable center of gravity

기변 무게중심은 중력 및 비관 성 기준 프레임 모델에서, 시간의 함수로서 무게 중심의 위치는 외부 파일에서 테이블로서 정의 될 수있다. 이 기능은 연료를 소비하고 분리 단계를 수행하는 로켓과 같은 모형을 모델링 할 때 유용합니다.

공기 유입 모델

가장 간단한 부피 기반 공기 유입 모델 옵션이 기존 질량 기반 모델로 대체되었습니다. 질량 기반 모델은 부피와 달리 주변 유체 압력에 따라 부피가 변화하는 동안 흡입된 공기량이 보존되기 때문에 물리학적 모델입니다.

Tracer diffusion

유동 표면에서 생성된 추적 물질은 분자 및 난류 확산 과정에 의해 확산될 수 있으며, 예를 들어 실제 오염 물질의 동작을 모방한다.

Model Setup

Simulation units

온도를 포함하여 단위 시스템은 완전히 정의해야하는데 표준 단위 시스템이 제공됩니다. 또한 사용자는 다양한 옵션 중에서 질량, 시간 및 길이 단위를 정의 할 수 있으므로 사용자 정의가 가능한 편리한 단위를 사용할 수 있습니다. 사용자는 압력이 게이지 또는 절대 단위로 정의되는지 여부도 지정해야합니다. 기본 시뮬레이션 단위는 기본 설정에서 설정할 수 있습니다. 단위를 완전히 정의하면 FLOW-3D 가 물리량의 기본값을 정의하고 범용 상수를 설정하여 사용자가 요구하는 작업량을 최소화 할 수 있습니다.

Shallow water model

Manning’s roughness in shallow water model

Manning의 거칠기 계수는 지형 표면의 전단 응력 평가를 위해 얕은 물 모델에서 구현되었습니다. 표면 결함의 크기를 기반으로 기존 거칠기 모델을 보완하며 이 모델과 함께 사용할 수 있습니다. 표준 거칠기와 마찬가지로 매닝 계수는 구성 요소 또는 하위 구성 요소의 속성이거나 지형 래스터 데이터 세트에서 가져올 수 있습니다.

Mesh generation

하단 및 상단 경계 좌표의 정의만으로 수직 방향의 메시 설정이 단순화되었습니다.

Component transformations

사용자는 이제 여러 하위 구성 요소로 구성된 구성 요소에 회전, 변환 및 스케일링 변환을 적용하여 복잡한 형상 어셈블리 설정 프로세스를 단순화 할 수 있습니다. GMO (General Moving Object) 구성 요소의 경우, 이러한 변환을 구성 요소의 대칭 축과 정렬되도록 신체에 맞는 좌표계에 적용 할 수 있습니다.

Changing the number of threads at runtime

시뮬레이션 중에 솔버가 사용하는 스레드 수를 변경하는 기능이 런타임 옵션 대화 상자에 추가되어 사용 가능한 스레드를 추가하거나 다른 태스크에 자원이 필요한 경우 스레드 수를 줄일 수 있습니다.

Probe-controlled heat sources

활성 시뮬레이션 제어가 형상 구성 요소와 관련된 heat sources로 확장되었습니다. 히스토리 프로브로 열 방출을 제어 할 수 있습니다.

Time-dependent temperature at sources     

질량 및 질량 / 운동량 소스의 유체 온도는 이제 테이블 입력을 사용하여 시간의 함수로 정의 할 수 있습니다.

Emissivity coefficients

공극으로의 복사 열 전달을위한 방사율 계수는 이제 사용자가 방사율과 스테판-볼츠만 상수를 지정하도록 요구하지 않고 직접 정의됩니다. 후자는 이제 단위 시스템을 기반으로 솔버에 의해 자동으로 설정됩니다.

Output

  • 등속 필드 솔버 옵션을 사용할 때 유량 속도를 선택한 데이터 로 출력 할 수 있습니다 .
  • 벽 접착력으로 인한 지오메트리 구성 요소의 토크 는 기존 벽 접착력의 출력 외에도 일반 이력 데이터에 별도의 수량으로 출력됩니다.
  • 난류 모델 출력이 요청 될 때 난류 에너지 및 소산과 함께 전단 속도 및 y +가 선택된 데이터로 자동 출력됩니다 .
  • 공기 유입 모델 출력에 몇 가지 수량이 추가되었습니다. 자유 표면을 포함하는 모든 셀에서 혼입 된 공기 및 빠져 나가는 공기의 체적 플럭스가 재시작 및 선택된 데이터로 출력되어 사용자에게 공기가 혼입 및 탈선되는 위치 및 시간에 대한 자세한 정보를 제공합니다. 전체 계산 영역 및 각 샘플링 볼륨 에 대해이 두 수량의 시간 및 공간 통합 등가물 이 일반 히스토리 로 출력됩니다.
  • 솔버의 출력 파일 flsgrf 의 최종 크기 는 시뮬레이션이 끝날 때보 고됩니다.
  • 2 유체 시뮬레이션의 경우, 기존의 출력 수량 유체 체류 시간 및 유체 가 이동 한 거리는 이제 유체 # 1 및 # 2와 유체의 혼합물에 대해 별도로 계산됩니다.
  • 질량 입자의 경우 각 종의 총 부피와 질량이 계산되어 전체 계산 영역, 샘플링 볼륨 및 플럭스 표면에 대한 일반 히스토리 로 출력되어 입자 종 수에 대한 현재 출력을 보완합니다.
  • 예를 들어 사용자가 가스 미순환을 식별하고 연료 탱크의 환기 시스템을 설계하는 데 도움이 되도록 마지막 국부적 가스 압력이 옵션 출력량으로 추가되었습니다. 이 양은 유체가 채워지기 전에 셀의 마지막 간극 압력을 기록하며, 단열 버블 모델과 함께 사용됩니다.

New Customizable Source Routines

사용자 정의 가능한 새로운 소스 루틴이 추가되었으며 사용자의 개발 환경에서 액세스 할 수 있습니다.

소스 루틴 이름설명
cav_prod_cal캐비 테이션 생산 및 확산 속도
sldg_uset슬러지 정착 속도
phchg_mass_flux증발 및 응축에 의한 질량 흐름
flhtccl유체#1과#2사이의 열 전달 계수
dsize_cal2상 유동에서의 동적 낙하 크기 모델의 충돌 및 이탈율
elstc_custom.점탄성 유체에 대한 응력 방정식의 소스 용어

Brand New User Interface

FLOW-3D의 사용자 인터페이스가 완전히 재설계되어 사용자의 작업 흐름을 획기적으로 간소화하는 최신의 타일 구조를 제공합니다.

Dock widgets 설정

Physics, Fluids, Mesh 및 FAVOR ™를 포함한 모든 설정 작업이 형상 창 주위의 dock widgets으로 변환되어 모델 설정을 단일 탭으로 압축 할 수 있습니다. 이 전환을 통해 이전 버전의 복잡한 트리가 훨씬 깔끔하고 효율적인 메뉴 표시로 바뀌어 모델 설정 탭을 떠나지 않고도 모든 매개 변수에 쉽게 액세스 할 수 있습니다.

New Model Setup icons
With our new Model Setup design comes new icons, representing each step of the setup process.
New Physics icons
Our Physics icons are designed to be easily differentiated from one another at a glance, while providing clear visual representation of each model’s purpose and use.

RSS feed

새 RSS 피드부터 FLOW-3D v12.0 의 시뮬레이션 관리자 탭이 개선되었습니다 . FLOW-3D 를 시작하면 사용자에게 Flow Science의 최신 뉴스, 이벤트 및 블로그 게시물이 표시됩니다.

Configurable simulation monitor

시뮬레이션을 실행할 때 중요한 작업은 모니터링입니다. FLOW-3Dv12.0에서는 사용자가 시뮬레이션을 더 잘 모니터링할 수 있도록 Simulation Manager의 플로팅 기능이 향상되었습니다. 사용자는 시뮬레이션 런타임 그래프를 통해 모니터링할 사용 가능한 모든 일반 기록 데이터 변수를 선택하고 각 그래프에 여러 변수를 추가할 수 있습니다. 이제 런타임에서 사용할 수 있는 일반 기록 데이터는 다음과 같습니다.

  • 최소/최대 유체 온도
  • 프로브 위치의 온도
  • 유동 표면 위치에서의 유량
  • 시뮬레이션 진단(예:시간 단계, 안정성 한계)
Runtime plots of the flow rate at the gates of the large dam / Large dam with flux surfaces at the gates

Conforming mesh visualization

사용자는 이제 새로운 FAVOR ™ 독 위젯을 통해 적합한 메쉬 블록을 시각화 할 수 있습니다 .

Large raster and STL data

데이터를 처리하는 데 걸리는 시간으로 인해 큰 형상 데이터를 처리하는 것은 어려울 수 있습니다. 대형 지오메트리 데이터를 처리하는 데 여전히 상당한 시간이 소요될 수 있지만 FLOW-3D는 이제 이러한 대형 데이터 세트를 백그라운드 작업으로로드하여 사용자가 데이터를 처리하는 동안 완벽하게 응답하고 중단없는 인터페이스에서 계속 작업 할 수 있습니다.

Sediment Transport Model

Sediment Transport Model

Sediment Transport Model

FLOW-3D의 침전물 이송 모델을 사용하여 세굴 및 침전물을 평가할 수 있으며, 여기서 3차원 유량 구성 요소가 세굴 프로세스를 주도하고 있습니다. Flow-3D의 유체역학 모델은 유체물리학을 설명하는 정전기적이지 않은 레이놀즈-평균화된 Navier-Stokes 방정식을 완벽하게 해결합니다. 유체역학적 솔버는 침전물 운반 모듈과 완전히 결합되어 있어 침전물 운반 및 비접착 토양의 부유식 침식, 인포테인먼트 및 침식을 시뮬레이션합니다(Wei et al., 2014). 베드로드, 인포테인먼트 및 정착 프로세스에 사용되는 모든 경험적 관계는 완전히 사용자 정의 가능하며, 최대 10개의 침전물 종(곡물 크기, 질량 밀도, 임계 전단 응력 등 서로 다른 특성을 가진)을 정의할 수 있습니다. FLOW-3D는 짧은 경과 시간 척도에 대한 국부적 스쿠어를 시뮬레이션하는 데 이상적입니다.

FLOW-3D‘s Sediment Transport model can be used to evaluate scour and deposition, where three-dimensional flow components are driving the scouring process. FLOW-3D’s hydrodynamic model solves the full unsteady non-hydrostatic Reynolds-averaged Navier-Stokes equations that describe the flow physics. The hydrodynamic solver is fully coupled with a sediment transport module that simulates bedload and suspended sediment transport, entrainment and erosion for non-cohesive soils (Wei et al., 2014). All empirical relationships used in bedload, entrainment and settling processes are fully customizable, and up to 10 different sediment species (with different properties such as grain size, mass density and critical shear stress) can be defined. FLOW-3D is ideal for simulating local scour over short episodic time scales.

Modeling Capabilities
– Unsteady 3D mobile bed modeling
– Bedload and suspended sediment transport
– Non-cohesive sediment
– 10 individual grain size fractions
– Suspended sediment settling and entrainment
– Critical angle of repose
Applications
– River and coastal morphodynamics
– Bridge pier and abutment scour
– Local scour at hydraulic structures
– Sedimentation basins
– Reservoir flushing

Sediment Transport Model

Sentral Transport 모델은 8.0 버전(Brethour, 2009년)에서 처음 도입되었으며, 11.1 버전(Wei et al., 2014년), 가장 최근에는 12.0 버전(Flow Science, 2019년)에서 광범위한 개정을 거쳤습니다. 숫자 모델에서 시뮬레이션된 물리적 프로세스의 개략도가 아래에 나와 있습니다.

The Sediment Transport model was first introduced in version 8.0 (Brethour, 2009), and has gone through extensive revisions in version 11.1 (Wei et al., 2014), and most recently in version 12.0 (Flow Science, 2019). A schematic of the physical processes simulated in the numerical model is illustrated below.

The different processes modeled by the Sediment Transport Model.

수치 모델에서 침전물은 포장된 Bed로서 일시 중단된 상태로 존재할 수 있습니다. 포장된 Bed는 PRIPT™ 기법을 사용하여 복잡한 솔리드 경계(Hirt 및 Sicilian, 1985)에 표현된 지울 수 없는 솔리드 객체입니다. 이것은 유체역학 용해기의 고체 물체를 나타내는 데 사용되는 방법과 동일합니다. 포장된 Bed의 형태학적 변화는 침전물 질량의 보존에 의해 좌우됩니다.

In the numerical model, sediment can exist as packed bed and in a suspended state. A packed bed is an erodible solid object that is represented using the FAVOR™ technique for complex solid boundaries (Hirt and Sicilian, 1985). This is the same method used to represent solid objects in the hydrodynamic solver. The morphological change in the packed bed is governed by the conservation of sediment mass.

형태학적 변경은 모형에 숫자로 표시되는 여러 가지 물리적 프로세스에 의해 제어됩니다. 이러한 프로세스에는 베드로드 운송, 인포테인먼트 및 증착이 포함됩니다. 베드로드 이송은 침전물이 서스펜션에 전달되지 않고 채널을 따라 횡방향으로 이동하는 물리적 과정입니다. 인포테인먼트란 난류 에디가 패킹 베드 상단의 곡물을 제거하고 일시 중단된 상태로 전환하는 과정입니다. 포장이란 곡물이 현수막에서 안착되어 포장된 침대에 퇴적하는 과정입니다. 수치 모델에서 이것은 일시 중단된 상태에서 포장된 베드 상태로의 전환입니다.

The morphological changes are governed by several different physical processes that are represented numerically in the model. These processes include bedload transport, entrainment and deposition. Bedload transport is the physical process of sediment moving laterally along the channel without being carried into suspension. Entrainment is the process by which turbulent eddies remove the grains from the top of the packed bed and transition to the suspended state. Packing is the process of grains settling out of suspension and depositing onto the packed bed. In the numerical model, this is the transition from the suspended to the packed bed state.

인포테인먼트 및 패킹의 상대적 비율은 포장된 베드와 부유 상태 사이의 침전물 질량 교환을 제어합니다. 이 모델은 Meyer-Peter Müler(1948), Nielsen(1992) 또는 Van Rijn(1984)의 방정식을 사용하여 베드 인터페이스가 포함된 각 메시 셀에서 베드로드 전송을 계산합니다. 메쉬 셀에서 이웃의 각 메쉬 셀로 이동하는 곡물의 양을 결정하기 위해 하위 메쉬 방법이 사용됩니다. 인포테인먼트에서 곡물의 리프팅 속도는 Winterwerp 등(1992)의 방정식을 사용하여 계산됩니다. 안착 속도는 Soulsby(1997년)를 사용하여 계산됩니다. 베드 인터페이스가 포함된 메시 셀에서 인터페이스의 위치, 방향 및 면적을 계산하여 베드 전단 응력, 무차원 전단 응력, 베드로드 전송 속도 및 인포테인먼트 속도를 결정합니다. 3D 난류 흐름의 베드 전단 응력은 표준 벽 함수를 사용하여 중간 곡물 크기에 비례하는 베드 표면 거칠기를 고려하여 평가됩니다.

The relative rates of entrainment and packing control the exchange of sediment mass between the packed bed and suspended states. The model calculates bedload transport in each mesh cell containing the bed interface using the equation of Meyer-Peter Müller (1948), Nielsen (1992) or Van Rijn (1984). A sub-mesh method is employed to determine the amount of grains moving from the mesh cell into each mesh cell in its neighbor. The lifting velocity of grains in entrainment is calculated using the equation of Winterwerp et al. (1992). The settling velocity is calculated using Soulsby (1997). In the mesh cells containing the bed interface, location, orientation and area of the interface are calculated to determine the bed shear stress, dimensionless shear stress, bedload transport rates and entrainment rates. Bed shear stress in 3D turbulent flows is evaluated using the standard wall function with consideration of bed surface roughness that is proportional to the median grain size.

부유된 침전물은 유체의 스칼라 질량 농도로 표시됩니다. 농도는 주어진 셀에서 균일한 것으로 가정되며 유체 셀 밀도 및 점도와 결합됩니다. 각 종에 대해, 부유 침전물 농도는 수송 방정식을 풀어서 계산됩니다.

The suspended sediment is represented as a scalar mass concentration in the fluid. The concentration is assumed to be uniform in a given cell and is coupled with the fluid cell density and viscosity. For each species, the suspended sediment concentration is calculated by solving a transport equation.

Validations

다음 5가지 검증 사례는 실험 데이터와 FLOW-3D의 침전물 이송 모델의 시뮬레이션 결과를 비교합니다.

마오(1986년)
Mao는 수중 수평 파이프라인 아래 침대의 무서운 프로파일을 얻기 위해 실험 작업을 수행했습니다. 아래 그림은 FLOW-3D를 사용하여 얻은 결과와 실험 결과를 비교합니다.

그림 A는 파이프라인 아래의 최대 scour깊이를 시간 경과에 따라 비교하는 반면, 그림 B ~ F는 스터디의 scour프로필(빨간색 점으로 표시됨)과 FLOW-3D 프로필을 오버레이합니다.
Chatterjee et al. (1994)

수평 제트 침수로 인해 국부적인 스쿠어 프로파일을 얻기 위한 실험 작업이 수행되었습니다. 아래 그림은 scour구멍 깊이와 둔부 높이에 대한 실험 대 FLOW-3D의 숫자 결과를 시간의 함수로 비교합니다. 이 애니메이션은 scour구멍과 둔부 높이가 최대 1시간 내에 안정된 상태에 도달한다는 것을 보여줍니다.

Gladstone et al. (1998)

In these experiments the propagation and deposition patterns of particle-laden flows were studied. The plot below compares experimental versus FLOW-3D simulation results from three different setups, labeled case A (100% 0.025mm size particles), case D (50% 0.069mm and 50% 0.025mm size particles), and case G (100% 0.069mm size particles).

Faruque et al. (2006)

이 논문에서, 저자들은 실험을 통해 3차원 벽면 제트기를 물에 잠기게 함으로써 국부적인 악취를 연구했습니다. 아래 표는 세 가지 서로 다른 테일워터 비율에 대한 scour 구멍의 3D 형태학적 변화에 대한 실험과 FLOW-3D 수치 결과를 비교합니다.

Equilibrium bed elevation changes predicted by the numerical model for a cylindrical pier. (A) Isometric view of scour and deposition adjacent to the pier. (B) Comparison between numerical results (top) and physical model measurements (bottom).
Equilibrium bed elevation changes predicted by the numerical model for the diamond pier. (A) Isometric view of scour and deposition adjacent to the pier. (B) Comparison between numerical results (top) and physical model measurements (bottom).

In this paper, the authors studied local scour by submerged three-dimensional wall jets via experiments. The table below compares the experimental versus FLOW-3D numerical results for 3D morphological changes in the scour hole for three different tailwater ratios.

References

Brethour, J.M., Hirt, C.W., 2009, Drift Model for Two-Component Flows,  FSI-14-TN-83, Flow Science, Inc.

Chatterjee, S.S., Ghosh, S.N., and Chatterjee M., 1994, Local scour due to submerged horizontal jet, Journal of Hydraulic Engineering, 120(8), pp. 973-992.

Faruque, M.A.A., Sarathi, P., and Balachandar R., 2006, Clear Water Local Scour by Submerged Three-Dimensional Wall Jets : Effect of Tailwater Depth, Journal of Hydraulic Engineering, 132(6), pp. 575-580.

Flow Science, 2019, FLOW-3D Version 12.0 User Manual, Santa Fe, NM: Flow Science, Inc. https://www.flow3d.com

Fox, B. and Feurich, R., 2019, CFD Analysis of Local Scour at Bridge PiersFederal Interagency Sedimentation and Hydrologic Modeling Conference (SEDHYD), Reno, NV.

Gladstone, C., Phillips, J.C., and Sparks R.S.J., 1998, Experiments on bidisperse, constant-volume gravity currents: propagation and sediment deposition, Sedimentology 45, pp. 833-843.

Hirt, C.W. and Sicilian, J.M., 1985, A porosity technique for the definition of obstacles in rectangular cell meshes, 4th International Conference on Numerical Ship Hydrodynamics, Washington, D.C.

Khosronejad, A., Kang, S., & Sotiropoulos, F., 2012. Experimental and computational investigation of local scour around bridge piers, Advances in Water Resources, 37, pp. 73-85.

Mao, Y., 1986. The interaction between a pipeline and an erodible bed, PhD thesis, Institute of Hydrodynamics and Hydraulic Engineering, Technical University of Denmark, Lyngby, Denmark.

Meyer-Peter, E. and Müller, R., 1948, Formulas for bed-load transport, Proceedings of the 2nd Meeting of the International Association for Hydraulic Structures Research. pp. 39–64.

Nielsen, P., 1992, Coastal bottom boundary layers and sediment transport (Vol. 4). World scientific.

Soulsby, R., 1997, Dynamics of Marine Sands, Thomas Telford Publications, London.

Van Rijn, L. C., 1984, Sediment Transport, Part I: Bed load transport, Journal of Hydraulic Engineering 110(10), pp. 1431-1456.

Wei, G., Brethour, J.M., Grüenzner M., and Burnham, J., 2014, The Sediment Scour Model in FLOW-3D, Technical Note FSI-14-TN-99, Flow Science, Inc.

Winterwerp, J.C., Bakker, W.T., Mastbergen, D.R. and Van Rossum, H., 1992, Hyperconcentrated sand-water mixture flows over erodible bed, Journal of Hydraulic Engineering, 118(11), pp. 1508–1525.

폐수 처리에서 생물막에 대한 표면 왜곡 효과

Surface Skew Effects on Biofilms in Wastewater Treatment

이 연구는 뉴 멕시코 대학교와 플로우 사이언스의 협력입니다. Flow Science는 연구 지원 프로그램의 일환으로 무료 CFD 소프트웨어 및 CFD 전문 지식을 제공했습니다 .

물리적, 화학적 및 환경 적 장애에 대한 박테리아의 민감성은 폐수 처리장에서 미생물 질화를 유지하는 데 어려움을줍니다. 뉴 멕시코 대학교의 연구원들은 고리 형 질화 생물막 반응기에 대한 표면 거칠기의 영향을 이해하기 위해 일련의 실험을 수행했습니다 (Roveto et al., 2019). 그들의 팀은 FLOW-3D 를 사용 하여 실험 관찰에 대한 가능한 설명을 찾았습니다.

  1. Nitrifying Biofilms

생물막은 세포가 서로 그리고 표면에 달라 붙는 박테리아 세포의 공동체입니다. 생물막은 만성 감염 및 질병을 유발할 수 있으며 근절이 어렵고 농업과 의학에서 문제가됩니다. 그러나 폐수 처리 산업에서는 생물막을 활용하여 하수에서 유기 화합물을 추출하고 소화 할 수 있습니다.

최근, 암모니아 산화 박테리아를 포함하는 특정 유형의 생물막이 폐수 시스템에서 확인되었습니다. 이러한 질화 생물막은 폐수 처리 시스템에서 질화 공정의 효율성을 개선하는 데 사용됩니다. 그들은 또한 살수 필터 (van den Akker et al., 2011) 및 이동 층 생물막 반응기 (MBBRs, Song et al., 2019)에도 사용됩니다.

  • Annular Biofilm Reactors with Skewness

환형 생물막 반응기는 표준 Taylor-Couette 흐름 설정 (그림 1, 왼쪽 하단) 인 수중 회전 내부 실린더가있는 원통형 반응기로 구성됩니다. 이 반응기는 식수 시스템에서 미생물 군집 역학을 연구하고 회전 속도 증가에 대한 성장률을 결정하는 데 사용되었습니다 (Gomez-Alvarez et al., 2014). 이 연구로 인해 고리 형 생물막 반응기는 반응기의 내부 실린더에 추가 된 스큐와 함께 사용됩니다.

‘Skewness’는 표면 특징 분포의 비대칭 성을 설명하는 거칠기 매개 변수이며 생물막 형성에 영향을 미치는 것으로 생각됩니다. 왜도의 영향을 정량화하기 위해 잘 정의 된 양수 및 음수 왜곡 표면 (그림 1, 오른쪽 하단)을 평평한 (비뚤어지지 않은) 표면에서의 생물막 성장과 비교했습니다.

Figure 1. Annular reactors (top), plan view of annular bioreactor scheme (bottom left) and detail of rotating attachment surface, and outer stationary cylinder illustrating cylindrical Couette flow (bottom right).

  • CFD 모델링

FLOW-3D 는 포지티브 및 네거티브 스큐 표면의 전단력 분포를 계산하는 데 사용되었습니다. 기울어 진 표면의 누적 전단 응력을 평평한 제어 표면과 서로 비교하기 위해 각 기울어 진 표면의 대표적인 300 마이크로 미터 단면을 길이에 따른 벽 전단 응력에 대해 평가했습니다 (그림 2). 실험적으로 관찰 된 0.35 Pa의 일정한 평면 값 이상의 값은 “고 전단”으로 분류되고 아래 값은 “저 전단”으로 지정되었습니다.

그림 2. 정상 상태 흐름에서 (a) 포지티브 및 (b) 네거티브 스큐 표면을 따라 CFD 생성 2D 전단 응력 프로파일 및 (c) 포지티브 및 (d) 네거티브 스큐 표면에 대한 표면에서 예측 된 로그 전단 응력 값 대표 피처 길이 (300 m). 
수평 빨간색 선은 평평한 표면의 전단 응력 (0.35 Pa)을 나타냅니다. 
노란색 및 빨간색 음영 섹션은 각각 평평한 표면 전단보다 작거나 큰 전단 값을 나타냅니다.

낮은 전단 응력 값은 대부분의 포지티브 스큐 표면을 따라 예측되었으며 대표 섹션의 86 %는 0.35 Pa 미만의 값과 높은 전단 범위에서 14 %를 나타냅니다 (그림 2c). 네거티브 스큐 표면의 경우 62 %가 평평한 표면보다 낮은 전단 값을 가졌고 38 %는 고전 단으로 분류되었습니다 (그림 2d). 음의 스큐 표면은 양의 스큐 표면에 걸쳐 높은 전단 범위에서 예측 된 전단 벽 응력 값으로 2.5 배 더 많은 면적을 가졌습니다.

  • 결론

실험적으로 음의 비대칭 표면은 생물막 성장 중에 가장 높은 완전 질화 속도를 나타냅니다. FLOW-3D의 CFD 시뮬레이션은 이 현상에 대한 가능한 설명을 제공합니다. 그들은 음의 기울기 표면이 양의 기울기 표면보다 전단력이 큰 영역이 더 크다는 것을 보여줍니다. 이러한 고전 단 영역은 부착 속도와 질량 전달 속도를 증가시켜 생물막의 질화 속도를 증가시킵니다.

이 연구는 폐수 처리장에서 생물막의 질화 효율을 높이는 방법을 제안합니다.

이 연구의 계산 모델링 측면에 대해 자세히 알아 보거나 현재 프로젝트에 FLOW-3D 를 통합하는 방법에 대해 논의하려면 adwaith@flow3d.com 으로 저에게 연락하십시오 .

참조

Roveto, P.M., Gupta, A., Schuler, A.J., 2019. Effects of Attachment Surface Skew on Growth and Community Dynamics of Nitrifying Biofilms. Water Research (in review)

Van den Akker, B., Holmes, M., Pearce, P., Cromar, N.J., Fallowfield, H.J., 2011. Structure of nitrifying biofilms in a high-rate trickling filter designed for potable water pre-treatment. Water Res. 45, 3489–3498. https://doi.org/10.1016/j.watres.2011.04.017

Song, Z., Zhang, X., Ngo, H.H., Guo, W., Song, P., Zhang, Y., Wen, H., Guo, J., 2019. Zeolite powder based polyurethane sponges as biocarriers in moving bed biofilm reactor for improving nitrogen removal of municipal wastewater. Sci. Total Environ. 651, 1078–1086. https://doi.org/10.1016/j.scitotenv.2018.09.173

Gomez-Alvarez, V., Schrantz, K.A., Pressman, J.G., Wahman, D.G., 2014. Biofilm Community Dynamics in Bench-Scale Annular Reactors Simulating Arrestment of Chloraminated Drinking Water Nitrification. Environ. Sci. Technol. 48, 5448–5457. https://doi.org/10.1021/es5005208

São Roque Hydro Power Plant

São Roque Hydro Power Plant

This article was contributed by Diego David Baptista de Souza, Alexandre Charles Allain, and Anaximandro Steckling Muller of Engevix Engenharia S/A.

The São Roque hydroplant project는 브라질의 카노아스 강 산타 카타리나 주에 있습니다. 롤러 압축 콘크리트 댐은 141,9MW의 설치 용량을 허용합니다. 그림 1은 프로젝트의 위치를 보여 줍니다.

Figure 1 – São Roque hydro power plant location

제트 편향은 낮은 홍수에 대해 배수로의 첫번째 단계에서 발생하며 불안전한 흐름과 진동을 일으킵니다. 수치 모델링은 제트 편향을 제한하는 첫 단계의 형상을 최적화하는데 사용될 수 있습니다. 편향이 발생하는 임계 방전을 최소화하는 기하학적 구조를 찾기 위해 여러 번의 시뮬레이션이 수행되었습니다. 처음 계단식 배수로를 따라 설치된 흐름을 스키핑 흐름이라 한다. 유량 시스템이 불안정성을 보이기 시작하면서 결국 제트가 임계 유량으로 비상할 때까지 저수지의 수위가 점차적으로 낮아지게 됩니다.

시뮬레이션한 모든 기하학적 구조는 고정 매개변수인 1.2m의 정규 계단높이와 53°의 경사를 포함합니다. 그림 2와 3은 두개의 기하학적 구조를 보여 줍니다. 수치 모델에는 TruVOF 기법을 이용한 공기 침투 및 자유 표면 추적이 포함됩니다. 색상 범례는 물의 농도를 나타내며, 물 1은 100% 물이고 0은 100% 공기입니다. 분석은 y축에 있는 단일 2D블록인 spillway의 단면 모델을 사용하여 수행되었습니다.
jet takeoff 에 따라 해당되는 유량을 사용해 관련 형상을 비교하고 가장 효율적인 형상을 결정할 수 있습니다. 제트 편향에 해당하는 임계 유량은 탱크 레벨이 낮아지는 속도와 시뮬레이션에 사용되는 메쉬의 크기에 따라 달라지게 됩니다.

Spillway Water Profile and Energy Dissipation

Jet Deflection on Upper Spillway

그림 2는 ‘생성자’ 프로파일과 단계별 섹션 사이의 전환 위치에 대한 2개의 기하학적 설계(상단과 하단)를 비교하여 보여줍니다. 좌측에는 흐름이 스키밍 체제에 있고 중앙에서 탱크 레벨이 점차 낮아지면서 플럭스가 동요되기 시작합니다. 우측에는 지속적인 상태 방출과 함께 jet takeoff 가 표시되어 있습니다.

Figure 2 – Comparison of 2 geometric designs         

Figure 3 – Spillway water and energy profiles

Figure 4 – Turbulent energy dissipation on stepped spillway         

발생 가능한 최대 홍수의 양에 대해 계단식 배수로와 에너지 분산이 평가되었습니다. 표준 단계는 공기 침투 모델과 함께 FLOW-3D와 비교했습니다. 그림 3은 수치 모델과 이론 모델 모두의 결과를 나타내는데 이 현상을 평가하기 위해 FLOW-3D에 단면 모델이 적용되었습니다.
수치 시뮬레이션으로 얻은 Water의 프로필은 공기 흡입을 고려할 때 이론적 모델과 잘 맞습니다. 에너지 프로필은 이론적 모델에서 수렴적인 결과로 약간의 차이가 나타납니다. 이러한 차이는 단계별 채널이 시작되기 전에 Creager프로필의 수두손실을 무시하는 것과 같은 일부 이론적 가정의 결과일 수 있습니다. 다운 스트림에서 유출되는 에너지 프로필은 유출되는 유압 점프로 인해 떨어지게 됩니다. 그림 4는 FLOW-3D의 난류 에너지 소산을 나타냅니다.

Flow Distribution at Turbine Entrance

Figure 5 – Flow trough penstocks upstream turbine entrance

물의 Head 높이는53m이고 총 방출량이333 m3/s인 동일한 3개의 강철 penstock를 통해 전달됩니다. 그 터빈들은 수직 축을 가진 Francis 타입입니다. penstock하단에는 플럭스가 터빈으로 유도되기 전 마지막 커브 뒤에 수평 부분이 남아 있습니다. 이 수평 부분은 터빈에 도달하기 전에 흐름을 안정화시키는데 필요합니다. 필요한 길이와 속도 및 압력 분포의 작동 방식을 결정하기 위해 수치 모델링이 사용되었습니다.
업 스트림 경계 조건은 유량 소스로 설정되며 물 취수구 끝에 위치합니다. 하류인 터빈 입구에는 특정 압력이 설정되어 있어 Bernoulli 방정식이 사용됩니다. 수두 손실은 이론적으로 계산되었고 이 등식에서 제외되었습니다. 마지막으로, 거칠기를 보정하여 수치모델과 이론 계산에서 헤드 손실이 동일하도록 2mm의 거칠기가 설정되었습니다. 이는 강철 penstock의 거칠기와 잘 일치합니다. 또한 메쉬 크기는 0.5m의 셀로 설정되었습니다.

이 세가지 구성은 모두 터빈 입구 바로 앞에 위치한 크로스 섹션의 하부에서 더 높은 속도를 보여 줍니다. 흐름은 단면 1과 단면 2사이에서 많은 변화는 없었습니다. 실제로 깊이 평균 속도와 압력 분포 측면에서 전체 결과는 직경이 전환된 직후에 흐름이 이미 안정화되었음을 나타냅니다.  구성 3에서 속도 분포는 수평 단면을 따라 계속 발전한다는 것은 흥미로운 사실입니다. 따라서, 이 수평적인 penstock의 길이를 증가시킬 필요가 없는 것처럼 보였습니다. 또한, 이것은 비용과 수두손실을 상당히 증가시킬 것입니다. 따라서 초기 프로젝트의 개요는 최종 프로젝트를 위해 그대로 유지되었습니다. 이 시뮬레이션은 수치 모델이 의사 결정 지원을 위한 효율적이고 빠른 도구임을 입증하게 됩니다.

Draft Tube Exit

그 draft tube는 운하의 흐름을 분산시킵니다. 하지만, 갑작스런 단면의 확장으로 인해, 흐름 체제는 난류와 수두 손실의 상당한 확산으로 인해 변화하게 됩니다. 수치 모델을 사용하여 수두손실을 확인할 수 있습니다.

상류 경계조건은 체적 흐름 속도로 설정되었고 draft tube의 수문에 위치합니다. 하류에서는 정상 작동 수위와 동등한 압력이 설정되었습니다. 메쉬 크기는 0.5m로 설정되었습니다.

이 수치 모델은 14cm의 수두 손실을 초래하는 반면, 이론적인 계산은 16.7cm로 비교적으로 수렴하고 있습니다. 3D수치 해석을 사용하면 수두손실을 최소화하는 기하학적인 최적화를 할 수 있습니다.

Figure 6 – Downstream view of the 3 units’ draft tube exit with the FAVOR™ option

Figure 7 – Cross section of the draft tube exit and tailrace channel in terms of velocity magnitude and vectors

Conclusions

수치 모델링은 수력학 엔지니어에게 유용한 도구이고 FLOW-3D와 같은 패키지는 매우 효율적인 도구입니다. 또한 솔루션 및 최적화를 통해 비용을 절감할 수 있습니다. 저자들의 경험에 따르면 다양한 문제에 있어 3차원 모델링은 훌륭한 옵션이며 물리적 모델링과 함께 추가 도구로 사용될 수 있습니다. 때때로, 그것은 실제 모델을 대체할 수도 있는데, 그것은 São Roque HPP의 경우였습니다. 또한 3D 수치해석 최적화를 통해 물리적 모델을 설계하는데 도움이 될 수 있습니다.

Aerial Landslide Generated Wave Simulations

Aerial Landslide Generated Wave Simulations

Aerial Landslide Generated Wave(ALGW)는 수역에 영향을 미치는 빠른 슬라이드의 결과이다. 이것은 암석에 의해 생성된 작은 파도 이거나, 3000만 입방 미터의 암석으로 인한 500m를 초과하는 파도 일 수도 있다.
공학적 관점에서 보면 ALGW는 근접한 해안을 따라 인간이 거주하는 인구/자산이 있는 수역에서 발생할 때 큰 관심을 가진다. 여기서 파동이 발생하면 해안선이 파손되고 홍수가 날수 있으며, 댐붕괴로 인한 사망까지 일으킬 수 있다(Müller-Salzburg, 1987). 결과적으로, ALGW에 의해 야기되는 최대 파도 상승을 예측하는 것은 경제적, 환경적, 안전상의 이유로 매우 중요합니다.
안타깝게도 분석적인 솔루션이 없는 매우 복잡한 문제로, 유체 역학적인 측면에서뿐만 아니라 지질학적인 관점(즉, 크기/기하학적인 슬라이드의 밀도 프로파일)에서도 마찬가지입니다. 이와 같이, 대부분의 현장 별 ALGW 최대 파형 예측은 확장된 물리적 모델을 사용하여 평가되었다. 일부는 전산유체역학(CFD) 소프트웨어를 기반으로 할 수도 있지만 비용이 많이 들며, 특히 풀 스케일 3차원 문제의 경우 정확성에 대한 논쟁의 대상이 되고 있습니다.
그러나 컴퓨터 하드웨어와 CFD소프트웨어가 계속 발전함에 따라 이제 CFD를 사용하여 ALGW를 실제로 시뮬레이션할 수 있게 되었습니다. 이와 같이 본 연구는 고 충실도의 물리적 모델 데이터를 FLOW-3D와 비교하여 ALGW를 CFD시뮬레이션을 검증하기 위한 지속적인 노력으로 진척시키는 것을 목표로 한다.
다음 절에서는 실제 및 수치 모델 설정에 대한 개요를 제공한다. 뿐만 아니라, 생성된 데이터와 간단한 비교를 제공한다.

Experimental Setup
물리적 실험은 Northwest Hydraulic Consultants 노스 밴쿠버, 캐나다 실험실에서 만들어졌고 실험을 거쳤다. 그것은 30° 경사의 서쪽 벽을 가진 0.5미터 폭의 수로, 45°의 경사진 동쪽 벽, 그리고 두개의 북쪽과 남쪽 측면에 수직 벽, 그리고 1.025m의 수평 단면을 가진 0.610m 너비의 수로로 구성되었다. ALGW를 생성하고 평가하기 위해, 45° 경사 노즈를 가진 0.177×0.305×0.305m의 아크릴 박스를 사용한 6초 시험을 사용했다.
이 슬라이드를 놓았을 때, 슬라이드는 (중력에 의해) 0.607m 심층수에 충돌하기 전에 서쪽 경사면에서 0.768m 아래로 이동했다. 그 후, 물을 통해 또 다른 1.05m를 이동하여 정지 블록을 치기 시작했다. 슬라이드 가속 및 변위뿐만 아니라 파고 높이는 6 초 실험 전체에 대해 100Hz의 주파수에서 기록되었다. 이 데이터를 수집하는 데 사용 된 도구는 다음과 같다.

  • 컴퓨터화된 데이터 수집 시스템
  • 슬라이드의 시간에 따라 이동 한 거리를 측정하는 문자열 가변 저항기
  • 슬라이드 가속도를 측정하는 1 차원 가속도계
  • 물의 주요 본체 내에 배치 된 3 개의 1 차원 커패시턴스 웨이브 – 프로브
  • 웨이브 런업을 캡처하기 위해 동쪽 경사면을 따라 사용되는 저항 사다리꼴 웨이브 프로브
  • 타이밍 스위치 캡처 슬라이드 릴리스 시간 사용
  • 흑백 비디오 카메라

테스트가 반복 가능하고 오작동이 발생하지 않았는지 확인하기 위해 테스트를 5 번 반복하고 각 장비에 대해 평균을 구했다.

Numerical Model Setup
물리적 실험의 전산화 된 3 차원 모델을 제작한 STL 파일을 FLOW-3D로 가져왔다. 일단 FLOW-3D에 들어간 3D 모델은 약 1,370 만개의 0.0075m 크기의 정사각형 셀로 이산화되었고, 벽을 둘러싸고있는 6 개의면 각각에 ‘wall’경계가 사용되었다.
슬라이드를 일반적인 이동 물체로 설정하고, 물리 모델로부터 수집 된 데이터(즉, 가속 및 변위 데이터의 후 처리)에 기초하여 속도가 주어졌다. 동서면 경사면의 표면 거칠기는 0.00025m으로 설정되었다. 모델링 된 유체는 293k의 물이었고, 동적 RNG 난류 모델이 기본 설정과 함께 사용되었다(implicit pressure solve; and, explicit viscous stress, free surface pressure, advection, moving object/fluid coupling solvers).
물리적 모델과 마찬가지로 FLOW-3D는 6 초의 시간을 시뮬레이트하지만 실제 모델과 같이 매 0.01 초가 아닌 0.02 초마다 데이터를 저장하였다(데이터 관리 관점에서 선택하였음).

Result

FLOW-3D 실험의 결과는 그림에 나와 있다. 4개의 웨이브 각각에 대해 실험 시간 동안 파고를 보여준다. 이와 같이, 제시된 파도 높이는 단순히 flume을 통해 전파되는 파도의 구현(즉, 2 차원의 경우에서 볼 수있는 것)이 아니라 오히려 여러 파도의 상호 작용으로 인한 파도 높이를 초래한다.

  • 슬라이드 충격시 발생하는 충격파(1차 신호)
  • 슬라이드 뒤의 충격파 충돌(2차 신호)
  • 북쪽, 동쪽, 서쪽 및 남쪽 벽에서의 웨이브 반사(3차 신호)

또한 길이 방향의 FLOW-3D 데이터(중심선에서)를 실제 모델 비디오 위에 겹쳐서 자유 표면의 FLOW-3D 글로벌 예측을 평가했다. 이것은 아래의 동영상에서 볼 수 있다.
그림과 위의 비디오를 보면 FLOW-3D 데이터가 웨이브 프로브 1, 2 및 3의 경우 물리적 데이터를 매우 잘 일치한다는 것을 알 수 있다. 하지만 웨이브 프로브 4에 대해서는 정확도가 떨어진다.
FLOW-3D 시간 데이터와 관련된 오류는 각 웨이브 프로브에 대한 RMSE (root-mean-square-error)를 취하여 평가된다.

Discussion
이 조사에서 실제 모델의 고 충실도 데이터는 ALGW로 최대 파도 상승에 대한 FLOW-3D 예측과 비교되었다. RNG 모형의 기본 설정을 사용하여 FLOW-3D는 주요 수역 내에서 파고를 정확하게 재현 할 수 있었다. 그러나 최대 파동은 약 43%가 넘었다.
최대 웨이브 런업을 줄이기 위해 몇 가지 대안인 FLOW-3D 물리 설정이 사용되었다. 그러나 43 % 이하로 떨어지는 것은 불가능했다. 이러한 대체 시뮬레이션에 대한 주목할만한 관찰은 다음과 같다.

  • first-order momentum advection scheme의 0.01m 메쉬는 최대 파동 상승 오차가 96% 인 반면 동일하게 0.0075m 메쉬의 오차는 130%였다. 그러나 second-order로 변경하면 0.01 m 및 0.0075 m 메시의 경우 각각 55% 및 43%의 오차가 발생한다. 또한 메쉬 셀 크기를 0.005m으로 줄이면 80%의 오차가 발생한다.
  • 이 테스트 케이스에서 가장 중요한 매개 변수는 momentum advection scheme이다. 평균적으로 second-order를 사용하면 first-order대비 오차가 약 50% 감소한다.
  • FLOW-3D의 MP 버전을 사용하여 0.005m의 메쉬 셀 크기를 사용해야 한다. 해석 시 CPU 시간은 33 시간이었다. 비교를 위해 FLOW-3D의 SMP 버전은 0.0075m의 메쉬 셀 크기로 시뮬레이션을 실행하는 데 26시간이 필요했지만 MP 버전은 4.5시간 밖에 걸리지 않았다.

[1] 3.5GHz 8 코어 AMD FX-8320 프로세서에서 약 6초의 시뮬레이션 시간이 대략 26시간 소요되었다.

References
Fritz, H. M., Hager, W. H., & Minor, H.-E. (2004). Near Field Characteristics of Landslide Generated Impulse Waves. Journal of Waterway, Port, Coastal & Ocean Engineering, 130(6), 287–302. doi:10.1061/(ASCE)0733-950X(2004)130:6(287)
Miller, D. J. (1960). Giant Waves in Lituya Bay Alaska (Geological Survey Professional Paper No. 354-C). Washington, D.C.: United States Government Printing Office.
Müller-Salzburg, L. (1987). The Vajont catastrophe— A personal review. Engineering Geology, 24(1–4), 423–444. doi:10.1016/0013-7952(87)90078-0

래스터 파일 사용 및 가져오기

Using and Importing Raster Files

GIS 어플리케이션과 관련하여, 래스터 데이터는 공간 데이터가 셀의 행렬로 표현되는 현실 세계의 추상화입니다. 데이터의 위치는 값의 순서에 내재되어 있으며 ASCII 형식의 행과 열로 구성된 균일 한 x 및 y 위치를 사용합니다. 행과 열의 각 데이터 값은 수량을 나타냅니다. FLOW-3D에서 이것은 표면 높이 또는 표면 거칠기 일 수 있습니다. 지표면 고도 인 경우 FLOW-3D는 정보를 사용하여 고도 값을 기반으로 토폴로지를 작성합니다. 거칠기가있는 경우 데이터는 표면 변형의 크기를 나타내거나 Manning의 n과 상관 관계가 있습니다. 이 정보는 궁극적으로 흐름에 대한 저항력 (마찰 계수)을 나타냅니다. 이 기사에서는 FLOW-3D의 토폴로지와 표면 거칠기에 대해 래스터 파일을 사용하는 방법에 대해 설명합니다.

Format

여기에 표시된 것은 래스터 파일을 FLOW-3D로 읽는 데 필요한 형식입니다. 6 개의 행의 헤더 데이터와 그 다음에 표면 높이 또는 표면 거칠기를 나타내는 행과 열의 행렬이옵니다. 헤더 데이터에는 다음이 포함됩니다.
– ncols = 데이터 열 수 (즉, x 방향의 위치)
– nrows = 데이터 행 수 (즉, y 방향의 위치)
– xllcorner = 래스터 그리드에서 x 최소 좌표를 식별합니다. 값은 래스터 셀의 절반만큼 오른쪽으로 이동합니다. 셀 가장자리에 있지 않습니다.
– yllcorner  = 래스터 그리드에서 y 최소 좌표를 식별합니다. 값은 래스터 셀의 절반만큼 위쪽으로 이동합니다. 셀 가장자리에 있지 않습니다.
– cellsize = 각 데이터 포인트 간의 x와 y 간격
– nodata_value = 주어진 위치에 값이 없음을 의미하는 값

Importing a raster file

래스터 파일을 가져 오려면 그림 2와 같이 Meshing & Geometry 탭 아래의 ASC 버튼을 새 구성 요소로 선택합니다. 그런 다음 Add 버튼을 선택하고 파일을 탐색합니다. 파일을 추가하고 OK를 선택하면 Solid 또는 Surface Roughness로 추가하라는 메시지가 나타납니다.

그림 3의 대화 상자는 솔리드 서피스로 가져올 지 표면 거칠기로 가져올지를 선택하는 것이며 새 구성 요소를 추가 할 때만 나타납니다. 기존 구성 요소에 추가 할 때마다 유형이 기존 구성 요소 정의의 유형과 자동으로 일치하도록 결정됩니다. 솔리드 유형 인 경우 각 가져 오기는 토폴로지로 간주되는 하위 구성 요소를 추가합니다. 표면 거칠기 유형 인 경우 각 가져 오기는 표면 거칠기로 간주되는 하위 구성 요소를 추가합니다.

Import as a solid

솔리드로 가져 오려면 솔리드 라디오 단추를 선택하고 원하는 경우 이름을 입력하십시오. 래스터 파일의 모든 nodata_value 데이터 포인트에는 누락 된 데이터를 높이를 나타내는 값으로 바꾸는 옵션이 GUI에 있습니다. 따라서 바닥을 만듭니다. GUI에서 이는 토폴로지를 나타내는 가져온 하위 구성 요소 목록 아래에 있습니다.

Import as roughness

거칠기로 가져 오려면 표면 거칠기 라디오 버튼을 선택하고 이름을 입력하십시오 (원하는 경우). 구성 요소 유형은 가져온 표면 거칠기입니다. 또한 필요한 범례 파일에 대한 프롬프트가 표시됩니다. 이 파일은 래스터 조도 파일의 정수 조도 코드와 FLOW-3D의 조도 조도 값을 관련시킵니다.
범례 파일의 형식은 유연합니다. 헤더의 텍스트 정보는 관련 데이터가 첫 번째 행에서부터 읽혀지기 때문에 허용됩니다. 데이터는 공백, 탭 또는 쉼표로 구분할 수있는 두 개의 열로 구성됩니다. 첫 번째 열은 거친 파일의 정수 코드에 해당하고 두 번째 열은 FLOW-3D의 거칠기를 정의합니다.
범례 파일은 전역 목록 아래의 기하학 트리 구조 아래에 추가됩니다.

Applying roughness to components

그림 6은 구성 요소 1이 토폴로지로 가져온 래스터 파일을 사용하여 솔리드를 나타내는 설치의 트리 구조를 나타냅니다. 구성 요소 2는 관련 범례 파일을 포함하는 거칠기로 가져온 래스터 파일을 사용하여 공간적으로 변화하는 표면 거칠기를 정의합니다. 그림과 같이 글로벌 목록 아래에 범례 파일에 대한 경로가 있습니다. 구성 요소 1의 구성 요소 유형은 단색입니다. 구성 요소 2는 표면 거칠기로 구성 요소 유형을 갖습니다.

“표면 거칠기”구성 요소 (구성 요소 2)에 의해 정의 된 공간적으로 변화하는 표면 거칠기는 구성 요소 1의 표면 특성 섹션에서 “조도 파일 사용”플래그를 선택하여 토폴로지 구성 요소 (구성 요소 1)에 매핑됩니다 (그림 7 ). 이 플래그는 솔버가 구성 요소 2가 구성 요소 1과 겹치는 래스터 데이터에 정의 된 표면 거칠기를 사용하도록 지시합니다. 토폴로지 래스터 파일에 해당 위치에 “nodata_value”가 있으면 대신 구성 요소 1에 대해 정의 된 구성 요소 / 하위 구성 요소 조도를 사용합니다 .

Transformation center

가져온 래스터 데이터의 좌표는 종종 좌표 중심점 0,0,0에서 멀리 떨어진 위치를 가질 수 있기 때문에 회전 중심을 회전 및 확대 / 축소에 도움이되는 위치로 변경하는 옵션이 있습니다. 설정하지 않으면 회전 및 확대 / 축소가 좌표축 중심을 기준으로 발생합니다. 따라서 가져온 형상을 탐색하기가 어렵습니다.

로컬 좌표 중심을 기준으로 구성 요소를 회전 시키려면 각 방향에서 최소 및 최대 범위의 평균값을 선택하십시오. 예를 들어, x-min이 9.98e6 미터이고 x-max가 9.96e6 미터 인 경우 평균값 (중간)은 9.97e6 미터입니다. 동일한 논리가 y 방향에 적용됩니다. 그림 8은 구성 요소 1에 대한 변형 중심을 설정하는 예입니다.

Summary

래스터 파일은 토폴로지와 표면 거칠기에 사용할 수있는 일반적인 지형 정보입니다. 이 데이터를 FLOW-3D로 직접 가져올 수 있으면 데이터를 간단하고 직접적으로 가져올 수 있습니다. 이 튜토리얼에서는 사용자가 래스터 데이터를 가져 와서 모델에 적용하는 방법을 알 수 있도록 프로세스를 설명합니다.

FLOW-3D 제품소개

About FLOW-3D


HPC-enabled FLOW-3D v12.0

FLOW-3D 개발 회사

Flow Science Inc Logo Green.svg
IndustryComputational Fluid Dynamics Software
Founded1980
FounderDr. C.W. “Tony” Hirt
Headquarters
Santa Fe, New Mexico, USA
United States
Key people
Dr. Amir Isfahani, President & CEO
ProductsFLOW-3D, FLOW-3D CAST, FLOW-3D AM, FLOW-3D CLOUD, FlowSight
ServicesCFD consultation and services

FLOW-3D 개요

FLOW-3D는 미국 뉴멕시코주(New Mexico) 로스알라모스(Los Alamos)에 있는 Flow Scicence, Inc에서 개발한 범용 전산유체역학(Computational Fluid Dynamics) 프로그램입니다. 로스알라모스 국립연구소의 수치유체역학 연구실에서 F.Harlow, B. Nichols 및 T.Hirt 등에 의해 개발된 MAC(Marker and Cell) 방법과 SOLA-VOF 방식을 기초로 하여, Hirt 박사가 1980년에 Flow Science, Inc사를 설립하여 계속 프로그램을 발전시켰으며 1985년부터 FLOW-3D를 전세계에 배포하였습니다.

유체의 3차원 거동 해석을 수행하는데 사용되는 CFD모형은 몇몇 있으나, 유동해석에 적용할 물리모델 선정은 해석의 정밀도와 밀접한 관계가 있으므로, 해석하고자 하는 대상의 유동 특성을 분석하여 신중하게 결정하여야 합니다.

FLOW-3D는 자유표면(Free Surface) 해석에 있어서 매우 정확한 해석 결과를 제공합니다. 해석방법은 자유표면을 포함한 비정상 유동 상태를 기본으로 하며, 연속방정식, 3차원 운동량 보전방정식(Navier-Stokes eq.) 및 에너지 보존방정식 등을 적용할 수 있습니다.

FLOW-3D는 유한차분법을 사용하고 있으며, 유한요소법(FEM, Finite Element Method), 경계요소법(Boundary Element Method)등을 포함하여 자유표면을 포함하는 유동장 해석(Fluid Flow Analysis)에서 공기와 액체의 경계면을 정밀하게 표현 가능합니다.

유체의 난류 해석에 대해서는 혼합길이 모형, 난류 에너지 모형, RNG(Renormalized Group Theory)  k-ε 모형, k-ω 모형, LES 모형 등 6개 모형을 적용할 수 있으며, 자유표면 해석을 위하여 VOF(Volume of Fluid) 방정식을 사용하고, 격자 생성시 사용자가 가장 쉽게 만들 수 있는 직각형상격자는 형상을 더욱 정확하게 표현하기 위해 FAVOR(Fractional Area Volume Obstacle Representation) 기법을 각 방정식에 적용하고 있습니다.

FLOW-3D는 비압축성(Incompressible Fluid Flow), 압축성 유체(Compressible Fluid Flow)의 유동현상 뿐만 아니라 고체와의 열전달 현상을 해석할 수 있으며, 비정상 상태의 해석을 기본으로 합니다.

FLOW-3D v12.0은 모델 설정을 간소화하고 사용자 워크 플로우를 개선하는 GUI(그래픽 사용자 인터페이스)의 설계 및 기능에 있어 중요한 변화를 가져왔습니다. 최첨단 Immersed Boundary Method는 FLOW-3Dv12.0솔루션의 정확도를 높여 줍니다. 다른 특징적인 주요 개발에는 슬러지 안착 모델, 2-유체 2-온도 모델, 사용자가 자유 표면 흐름을 훨씬 더 빠르게 모델링 할 수 있는 Steady State Accelerator등이 있습니다.

물리 및 수치 모델

Immersed Boundary Method

힘과 에너지 손실에 대한 정확한 예측은 솔리드 바디 주변의 흐름과 관련된 많은 엔지니어링 문제를 모델링하는 데 중요합니다. FLOW-3D v12.0의 릴리스에는 이러한 문제 해결을 위해 설계된 새로운 고스트 셀 기반 Immersed Boundary Method (IBM)가 포함되어 있습니다. IBM은 내부 및 외부 흐름을 위해 벽 근처 해석을 위해 보다 정확한 솔루션을 제공하여 드래그 앤 리프트 힘의 계산을 개선합니다.

Two-field temperature for the two-fluid model

2유체 열 전달 모델은 각 유체에 대한 에너지 전달 공식을 분리하도록 확장되었습니다. 이제 각 유체에는 고유한 온도 변수가 있어 인터페이스 근처의 열 및 물질 전달 솔루션의 정확도를 향상시킵니다. 인터페이스에서의 열 전달은 시간의 표 함수가 될 수 있는 사용자 정의 열 전달 계수에 의해 제어됩니다.

슬러지 침전 모델 / Sludge settling model

중요 추가 기능인 새로운 슬러지 침전 모델은 도시 수처리 시설물 응용 분야에 사용하면 수처리 탱크 및 정화기의 고형 폐기물 역학을 모델링 할 수 있습니다. 침전 속도가 확산된 위상의 방울 크기에 대한 함수인 드리프트-플럭스 모델과 달리, 침전 속도는 슬러지 농도의 함수이며 기능적인 형태와 표 형태로 모두 입력 할 수 있습니다.

Steady-state accelerator for free surface flows

이름이 암시하듯이, 정상 상태 가속기는 안정된 상태의 솔루션에 대한 접근을 가속화합니다. 이는 작은 진폭의 중력과 모세관 현상을 감쇠하여 이루어지며 자유 표면 흐름에만 적용됩니다.

꾸준한 상태 가속기

Void particles

보이드 입자가 버블 및 위상 변경 모델에 추가되었습니다. 보이드 입자는 항력과 압력 힘을 통해 유체와 상호 작용하는 작은 기포의 역할을 하는 붕괴된 보이드 영역을 나타냅니다. 주변 유체 압력에 따라 크기가 변경되고 시뮬레이션이 끝난 후 최종 위치는 공기 침투 가능성을 나타냅니다.

Sediment scour model

침전물의 정확성과 안정성을 향상시키기 위해 침전물의 운반과 침식 모델을 정밀 조사하였다. 특히, 침전물 종에 대한 질량 보존이 크게 개선되었습니다.

Outflow pressure boundary condition

고정 압력 경계 조건에는 이제 압력 및 유체 비율을 제외한 모든 유량이 해당 경계의 상류에 있는 흐름 조건을 반영하는 ‘유출’ 옵션이 포함됩니다. 유출 압력 경계 조건은 고정 압력 및 연속성 경계 조건의 혼합입니다.

Moving particle sources

시뮬레이션 중에 입자 소스는 이동할 수 있습니다. 시간에 따른 변환 및 회전 속도는 표 형식으로 정의됩니다. 입자 소스의 운동은 소스에서 방출 된 입자의 초기 속도에 추가됩니다.

Variable center of gravity

중력 및 비 관성 기준 프레임 모델에서 시간 함수로서의 무게 중심의 위치는 외부 파일의 표로 정의할 수 있습니다. 이 기능은 연료를 소모하는 로켓을 모델링하고 단계를 분리할 때 유용합니다.

공기 유입 모델

가장 간단한 부피 기반 공기 유입 모델 옵션이 기존 질량 기반 모델로 대체되었습니다.  질량 기반 모델은 부피와 달리 주변 유체 압력에 따라 부피가 변화하는 동안 흡입된 공기량이 보존되기 때문에 물리학적 모델입니다.

Air entrainment model in FLOW-3D v12.0

Tracer diffusion / 트레이서 확산

유동 표면에서 생성된 추적 물질은 분자 및 난류 확산 과정에 의해 확산될 수 있으며, 예를 들어 실제 오염 물질의 거동을 모방합니다.

모델 설정

시뮬레이션 단위

이제 온도를 포함하여 단위계 시스템을 완전히 정의해야 합니다. 표준 단위 시스템이 제공됩니다. 또한 사용자는 선택한 옵션에서 질량, 시간 및 길이 단위를 정의하여 편리하며, 사용자 정의된 단위를 사용할 수 있습니다. 사용자는 또한 압력이 게이지 단위로 정의되는지 절대 단위로 정의되는지 여부를 지정해야 합니다. 기본 시뮬레이션 단위는 Preferences(기본 설정)에서 설정할 수 있습니다. 단위를 완벽하게 정의하면 FLOW-3D는 물리적 수량에 대한 기본 값을 정의하고 범용 상수를 설정할 수 있으므로 사용자가 필요로 하는 작업량을 최소화할 수 있습니다.

Shallow water model

얕은 물 모델에서 매닝의 거칠기

Manning의 거칠기 계수는 지형 표면의 전단 응력 평가를 위해 얕은 물 모델에서 구현되었습니다. 표면 결함의 크기를 기반으로 기존 거칠기 모델을 보완하며이 모델과 함께 사용할 수 있습니다. 표준 거칠기와 마찬가지로 매닝 계수는 구성 요소 또는 하위 구성 요소의 속성이거나 지형 래스터 데이터 세트에서 가져올 수 있습니다.

메시 생성

하단 및 상단 경계 좌표의 정의만으로 수직 방향의 메시 설정이 단순화되었습니다.

구성 요소 변환

사용자는 이제 여러 하위 구성 요소로 구성된 구성 요소에 회전, 변환 및 스케일링 변환을 적용하여 복잡한 형상 어셈블리 설정 프로세스를 단순화 할 수 있습니다. GMO (General Moving Object) 구성 요소의 경우, 이러한 변환을 구성 요소의 대칭 축과 정렬되도록 신체에 맞는 좌표계에 적용 할 수 있습니다.

런타임시 스레드 수 변경

시뮬레이션 중에 솔버가 사용하는 스레드 수를 변경하는 기능이 런타임 옵션 대화 상자에 추가되어 사용 가능한 스레드를 추가하거나 다른 태스크에 자원이 필요한 경우 스레드 수를 줄일 수 있습니다.

프로브 제어 열원

활성 시뮬레이션 제어가 형상 구성 요소와 관련된 heat sources로 확장되었습니다.  history probes로 열 방출을 제어 할 수 있습니다.

소스에서 시간에 따른 온도

질량 및 질량/모멘트 소스의 유체 온도는 이제 테이블 입력을 사용하여 시간의 함수로 정의 할 수 있습니다.

방사율 계수

공극으로의 복사 열 전달을위한 방사율 계수는 이제 사용자가 방사율과 스테판-볼츠만 상수를 지정하도록 요구하지 않고 직접 정의됩니다. 후자는 이제 단위 시스템을 기반으로 솔버에 의해 자동으로 설정됩니다.

Output

  • 등속 필드 솔버 옵션을 사용할 때 유량 속도를 선택한 데이터로 출력 할 수 있습니다.
  • 벽 접착력으로 인한 지오메트리 구성 요소의 토크는 기존 벽 접착력 출력과 함께 별도의 수량으로 일반 이력 데이터에 출력됩니다.
  • 난류 모델 출력이 요청 될 때 난류 에너지 및 소산과 함께 전단 속도 및 y +가 선택된 데이터로 자동 출력됩니다.
  • 공기 유입 모델 출력에 몇 가지 수량이 추가되었습니다. 자유 표면을 포함하는 모든 셀에서 혼입 된 공기 및 빠져 나가는 공기의 체적 플럭스가 재시작 및 선택된 데이터로 출력되어 사용자에게 공기가 혼입 및 탈선되는 위치 및 시간에 대한 자세한 정보를 제공합니다. 전체 계산 영역 및 각 샘플링 볼륨 에 대해이 두 수량의 시간 및 공간 통합 등가물이 일반 히스토리 로 출력됩니다.
  • 솔버의 출력 파일 flsgrf 의 최종 크기는 시뮬레이션이 끝날 때 보고됩니다.
  • 2 유체 시뮬레이션의 경우, 기존의 출력 수량 유체 체류 시간 및 유체 가 이동 한 거리는 이제 유체 # 1 및 # 2와 유체의 혼합물에 대해 별도로 계산됩니다.
  • 질량 입자의 경우, 각 종의 총 부피 및 질량이 계산되어 전체 계산 영역, 샘플링 볼륨 및 플럭스 표면에 대한 일반 히스토리 로 출력되어 입자 종 수에 대한 현재 출력을 보완합니다.
  • 최종 로컬 가스 압력 은 사용자가 가스 포획을 식별하고 연료 탱크의 배기 시스템 설계를 지원하는 데 도움이되는 선택적 출력량으로 추가되었습니다. 이 양은 유체로 채워지기 전에 셀의 마지막 공극 압력을 기록하며 단열 버블 모델과 함께 사용됩니다.

새로운 맞춤형 소스 루틴

새로운 사용자 정의 가능 소스 루틴이 추가되었으며 사용자의 개발 환경에서 액세스 할 수 있습니다.

소스 루틴 이름기술
cav_prod_calCavitation 생성과 소산 비율
sldg_uset슬러지 침전 속도
phchg_mass_flux증발 및 응축으로 인한 질량 플럭스
flhtccl유체 # 1과 # 2 사이의 열전달 계수
dsize_cal2 상 흐름에서 동적 액적 크기 모델의 응집 및 분해 속도
elstc_custom점탄성 유체에 대한 응력 방정식의 Source Terms

새로운 사용자 인터페이스

FLOW-3D 사용자 인터페이스는 완전히 새롭게 디자인되어 현대적이고 평평한 구조로 사용자의 작업 흐름을 획기적으로 간소화합니다.

Setup dock widgets

Physics, Fluids, Mesh 및 FAVOR ™를 포함한 모든 설정 작업이 지오 메트리 윈도우 주변에서 독 위젯으로 변환되어 모델 설정을 단일 탭으로 요약할 수 있습니다. 이러한 전환으로 인해 이전 버전의 복잡한 접이식 트리가 훨씬 깨끗하고 효율적인 메뉴 프레젠테이션으로 대체되어 사용자는 ModelSetup탭을 떠나지 않고도 모든 매개 변수에 쉽게 액세스 할 수 있습니다.

New Model Setup icons

새로운 모델 설정 디자인에는 설정 프로세스의 각 단계를 나타내는 새로운 아이콘이 있습니다.

Model setup icons - FLOW-3D v12.0

New Physics icons

RSS feed

새 RSS 피드부터 FLOW-3D v12.0의 시뮬레이션 관리자 탭이 개선되었습니다. FLOW-3D 를 시작하면 사용자에게 Flow Science의 최신 뉴스, 이벤트 및 블로그 게시물이 표시됩니다.

RSS feed - FLOW-3D

Configurable simulation monitor

시뮬레이션을 실행할 때 중요한 작업은 모니터링입니다. FLOW-3Dv1.0에서는 사용자가 시뮬레이션을 더 잘 모니터링할 수 있도록 SimulationManager의 플로팅 기능이 향상되었습니다. 사용자는 시뮬레이션 런타임 그래프를 통해 모니터링할 사용 가능한 모든 일반 기록 데이터 변수를 선택하고 각 그래프에 여러 변수를 추가할 수 있습니다. 이제 런타임에서 사용할 수 있는 일반 기록 데이터는 다음과 같습니다.

  • 최소/최대 유체 온도
  • 프로브 위치의 온도
  • 유동 표면 위치에서의 유량
  • 시뮬레이션 진단(예:시간 단계, 안정성 한계)
출입문에 유동 표면이 있는 대형 댐
Runtime plots of the flow rate at the gates of the large dam

Conforming 메쉬 시각화

사용자는 이제 새로운 FAVOR ™ 독 위젯을 통해 적합한 메쉬 블록을 시각화 할 수 있습니다.Visualize conforming mesh blocks

Large raster and STL data

데이터를 처리하는 데 걸리는 시간 때문에 큰 지오 메트리 데이터를 처리하는 것은 수고스러울 수 있습니다. 대형 지오 메트리 데이터를 처리하는 데는 여전히 상당한 시간이 걸릴 수 있지만, FLOW-3D는 이제 이러한 대규모 데이터 세트를 백그라운드 작업으로 로드하여 사용자가 데이터를 처리하는 동안 완전히 응답하고 중단 없는 인터페이스에서 작업을 계속할 수 있습니다

퇴적, 세굴(쇄굴) / Sediment Scour

퇴적-세굴(쇄굴) / Sediment Scour

유체 역학과 완벽하게 연계된 FLOW-3D 의 sediment scour model은 침전물 수송, 부유물 운반, 인입 및 퇴적을 포함하여 비 점착성 토양의 모든 퇴적물 이동 과정을 모의 실험합니다 (Wei 등, 2014). 입자 크기, 질량 밀도 및 임계 전단 응력과 같은 다른 성질을 갖는 다중 퇴적물 종을 허용합니다. 예를 들어, 중간 모래, 거친 모래 및 자갈은 시뮬레이션에서 세 가지 종으로 분류 할 수 있습니다. 이 모델은 3D 흐름과 2D 얕은 물 흐름에 모두 적용됩니다.

모델에서, 퇴적물의 충진 층은 퇴적물 종의 상이한 조합을 갖는 다수의 하위 구성 요소로 구성 될 수있는 하나의 기하학적 구성 요소에 의해 정의됩니다. 충전된 베드는 면적 및 부피 분율을 사용하는 FAVORTM 기술에 의해 기술된다. 베드 인터페이스를 포함하는 메쉬 셀에서 인터페이스의 위치, 방향 및 면적이 계산되어 베드 전단 응력, 임계 실드 매개 변수, 침식 속도 및 베드로의 전송 속도를 결정합니다. 3 차원 난류 유동에서의 전단 응력은 매체 입자 크기 50 에 비례하는 층 표면 거칠기를 고려한 표준 벽 함수를 사용하여 평가됩니다. 2D 얕은 물의 경우, 층 전단 응력 계산은 항력 계수가 사용자 정의이거나 수심과 층 표면 거칠기를 사용하여 국부적으로 계산 된 2 차 법칙을 따릅니다.

그림 1. t = 8 분에서의 유량
이 모델은 Meyer-Peter와 Muller (1948)의 방정식을 사용하여 베드 인터페이스를 포함하는 각 메쉬 셀에서의 베드로드 이송을 계산합니다. 서브 메쉬 (submesh) 방법은 메쉬 셀에서 이웃에있는 각 메쉬 셀로 이동하는 입자의 양을 결정하는 데 사용됩니다. 부유 퇴적물 농도는 퇴적물 수송 방정식을 풀음으로써 얻어집니다. 침식의 계산은 침전물 유입 및 침전을 동시에 고려합니다. entrainment에서 입자의 리프팅 속도는 Winterwerp et al. (1992). 퇴적시의 침강 속도는 3D 유동에 대한 퇴적물의 표류 속도와 같지만 얕은 수류에 대해서는 현존 방정식을 사용하여 계산됩니다 (Soulsby, 1997). 드리프트 플럭스 이론 (Breitour and Hirt, 2009)은 입자의 드리프트 속도를 계산하는 데 사용됩니다.

그림 2. t = 8 분의 구멍 채취
이 페이지의 예는 3 개의 원통형 교각을 중심으로 한, 맑은 물 정화에 대한 시뮬레이션입니다. 교각의 지름은 1.5m이며, 교각은 2m 간격으로 나란히 배치되어 있습니다. 다가오는 유량은 실린더와 정렬되며 2m/s의 속도를가집니다. 베드 재료는 모래 (직경 5mm), 자갈 (10mm) 및 거친 자갈 (20mm) 인 세 가지 퇴적물 종으로 구성됩니다. 그림 1, 2 및 3은 8 분간 실린더 주변의 흐름, 채취 구멍 및 채취 깊이 분포를 보여줍니다.

그림 3. t = 8min에서의 정련 깊이 (양수 값) 및 침전 높이 (양수 값)
이 모델에 대한 더 자세한 정보는 침전물 퇴적에 관한 Flow Science Report를 다운로드하십시오.