Fig. 1. A typical Boiling Water Reactor (BWR) and selected segment of study for simulation

Understanding dry-out mechanism in rod bundles of boiling water reactor

끓는 물 원자로 봉 다발의 건조 메커니즘 이해

Liril D.SilviaDinesh K.ChandrakercSumanaGhoshaArup KDasb
aDepartment of Chemical Engineering, Indian Institute of Technology, Roorkee, India
bDepartment of Mechanical Engineering, Indian Institute of Technology, Roorkee, India
cReactor Engineering Division, Bhabha Atomic Research Centre, Mumbai, India

Abstract

Present work reports numerical understanding of interfacial dynamics during co-flow of vapor and liquid phases of water inside a typical Boiling Water Reactor (BWR), consisting of a nuclear fuel rod bundle assembly of 7 pins in a circular array. Two representative spacings between rods in a circular array are used to carry out the simulation. In literature, flow boiling in a nuclear reactor is dealt with mechanistic models or averaged equations. Hence, in the present study using the Volume of Fluid (VOF) based multiphase model, a detailed numerical understanding of breaking and making in interfaces during flow boiling in BWR is targeted. Our work will portray near realistic vapor bubble and liquid flow dynamics in rod bundle scenario. Constant wall heat flux for fuel rod and uniform velocity of the liquid at the inlet patch is applied as a boundary condition. The saturation properties of water are taken at 30 bar pressure. Flow boiling stages involving bubble nucleation, growth, merging, local dry-out, rewetting with liquid patches, and complete dry-out are illustrated. The dry-out phenomenon with no liquid presence is numerically observed with phase fraction contours at various axial cut-sections. The quantification of the liquid phase fraction at different axial planes is plotted over time, emphasizing the progressive dry-out mechanism. A comparison of liquid-vapor distribution for inner and outer rods reveals that the inner rod’s dry-out occurs sooner than that of the outer rod. The heat transfer coefficient to identify the heat dissipation capacity of each case is also reported.

현재 작업은 원형 배열에 있는 7개의 핀으로 구성된 핵연료봉 다발 어셈블리로 구성된 일반적인 끓는 물 원자로(BWR) 내부의 물의 증기 및 액체상의 동시 흐름 동안 계면 역학에 대한 수치적 이해를 보고합니다.

원형 배열의 막대 사이에 두 개의 대표적인 간격이 시뮬레이션을 수행하는 데 사용됩니다. 문헌에서 원자로의 유동 비등은 기계론적 모델 또는 평균 방정식으로 처리됩니다.

따라서 VOF(Volume of Fluid) 기반 다상 모델을 사용하는 본 연구에서는 BWR에서 유동 비등 동안 계면의 파괴 및 생성에 대한 자세한 수치적 이해를 목표로 합니다.

우리의 작업은 막대 번들 시나리오에서 거의 사실적인 증기 기포 및 액체 흐름 역학을 묘사합니다. 연료봉에 대한 일정한 벽 열유속과 입구 패치에서 액체의 균일한 속도가 경계 조건으로 적용됩니다. 물의 포화 특성은 30bar 압력에서 취합니다.

기포 핵 생성, 성장, 병합, 국소 건조, 액체 패치로 재습윤 및 완전한 건조를 포함하는 유동 비등 단계가 설명됩니다. 액체가 존재하지 않는 건조 현상은 다양한 축 단면에서 위상 분율 윤곽으로 수치적으로 관찰됩니다.

다른 축 평면에서 액상 분율의 정량화는 점진적인 건조 메커니즘을 강조하면서 시간이 지남에 따라 표시됩니다. 내부 막대와 외부 막대의 액-증기 분포를 비교하면 내부 막대의 건조가 외부 막대보다 더 빨리 발생함을 알 수 있습니다. 각 경우의 방열 용량을 식별하기 위한 열 전달 계수도 보고됩니다.

Fig. 1. A typical Boiling Water Reactor (BWR) and selected segment of study for simulation
Fig. 1. A typical Boiling Water Reactor (BWR) and selected segment of study for simulation
Fig. 2. (a-c) dimensions and mesh configuration for G = 6 mm; (d-f) dimensions and mesh configuration for G = 0.6 mm
Fig. 2. (a-c) dimensions and mesh configuration for G = 6 mm; (d-f) dimensions and mesh configuration for G = 0.6 mm
Fig. 3. Simulating the effect of spacer (a) Spacer configuration around rod bundle (b) Mesh structure in spacer zone (c) Distribution of vapor bubbles in a rod bundle with spacer (d) Liquid phase fraction comparison for geometry with and without spacer (e,f,g) Wall temperature comparison for geometry with and without spacer; WS: With Spacer, WOS: Without Spacer; Temperature in the y-axis is in (f) and (g) is same as (e).
Fig. 3. Simulating the effect of spacer (a) Spacer configuration around rod bundle (b) Mesh structure in spacer zone (c) Distribution of vapor bubbles in a rod bundle with spacer (d) Liquid phase fraction comparison for geometry with and without spacer (e,f,g) Wall temperature comparison for geometry with and without spacer; WS: With Spacer, WOS: Without Spacer; Temperature in the y-axis is in (f) and (g) is same as (e).
Fig. 4. Validation of the present numerical model with crossflow boiling over a heated cylindrical rod [40]
Fig. 4. Validation of the present numerical model with crossflow boiling over a heated cylindrical rod [40]
Fig. 5. Grid-Independent study in terms of vapor volume in 1/4th of computational domain
Fig. 5. Grid-Independent study in terms of vapor volume in 1/4th of computational domain
Fig. 6. Interface contour for G = 6 mm; ul = 1.2 m/s; q˙ w = 396 kW/m2; they are showing nucleation, growth, merging, and pseudo-steady-state condition.
Fig. 6. Interface contour for G = 6 mm; ul = 1.2 m/s; q˙ w = 396 kW/m2; they are showing nucleation, growth, merging, and pseudo-steady-state condition.
Fig. 7. Interface contours for G = 0.6 mm; ul = 1.2 m/s; q˙ w = 396 kW/m2; It shows dry-out at pseudo-steady-state near the exit
Fig. 7. Interface contours for G = 0.6 mm; ul = 1.2 m/s; q˙ w = 396 kW/m2; It shows dry-out at pseudo-steady-state near the exit
Fig. 8. Vapor-liquid distribution across various distant cross-sections (Black color indicates liquid; Gray color indicates vapor); Magnification factor: 1 × (for a and b), 1.5 × (for c and d)
Fig. 8. Vapor-liquid distribution across various distant cross-sections (Black color indicates liquid; Gray color indicates vapor); Magnification factor: 1 × (for a and b), 1.5 × (for c and d)
Fig. 21. Two-phase flow mixture velocity (u¯z); for G = 6 mm, r = 5 means location at inner heated wall and r = 25 means location at outer adiabatic wall; for G = 0.66 mm, r = 5 means location at inner heated wall and r = 16.6 mm means location at outer adiabatic wall.
Fig. 21. Two-phase flow mixture velocity (u¯z); for G = 6 mm, r = 5 means location at inner heated wall and r = 25 means location at outer adiabatic wall; for G = 0.66 mm, r = 5 means location at inner heated wall and r = 16.6 mm means location at outer adiabatic wall.

References

[1] J. Würtz, An Experimental and Theoretical Investigation of Annular Steam-Water Flow in Tubes and Annuli at 30 to 90 Bar, Risø National Laboratory,
Roskilde, 1978.
[2] W. Tian, A. Myint, Z. Li, S. Qiu, G.H. Su, D. Jia, Experimental study on dryout point in vertical narrow annulus under low flow conditions, in: International Conference on Nuclear Engineering, 4689, 2004, pp. 643–648. Jan
1Vol.
[3] K.M. Becker, C.H. Ling, S. Hedberg, G. Strand, An experimental investigation of
post dryout heat transfer, R. Inst. Technol. (1983).
[4] K.M. Becker, A Burnout Correlation for Flow of Boiling Water in Vertical Rod
Bundles, AB Atomenergi, 1967.
[5] Jr J.R. Barbosa, G.F. Hewitt, S.M. Richardson, High-speed visualisation of nucleate boiling in vertical annular flow, Int. J. Heat Mass Transf. 46 (26) (2003)
5153–5160 1, doi:10.1016/S0017-9310(03)00255-2.
[6] Y. Mizutani, A. Tomiyama, S. Hosokawa, A. Sou, Y. Kudo, K. Mishima, Twophase flow patterns in a four by four rod bundle, J. Nucl. Sci. Technol. 44 (6)
(2007) 894–901 1, doi:10.1080/18811248.2007.9711327.
[7] S.S. Paranjape, Two-Phase Flow Interfacial Structures in a Rod Bundle Geometry, Purdue University, 2009.
[8] D. Lavicka, J. Polansky, Model of the cooling of a nuclear reactor fuel rod, Multiph. Sci. Technol. 25 (2-4) (2013), doi:10.1615/MultScienTechn.v25.i2-4.90.
[9] M. Thurgood, J. Kelly, T. Guidotti, R. Kohrt, K. Crowell, Tech. rep., Pacific Northwest National Laboratory, 1983.
[10] S. Sugawara, Droplet deposition and entrainment modeling based on the
three-fluid model, Nucl. Eng. Des. 122 (1-3) (1990) 67–84, doi:10.1016/
0029-5493(90)90197-6.
[11] C. Adamsson, J.M. Le Corre, Modeling and validation of a mechanistic tool
(MEFISTO) for the prediction of critical power in BWR fuel assemblies, Nucl.
Eng. Des. 241 (8) (2011) 2843–2858, doi:10.1016/j.nucengdes.2011.01.033.
[12] S. Talebi, H. Kazeminejad, A mathematical approach to predict dryout in a rod
bundle, Nucl. Eng. Des. 249 (2012) 348–356, doi:10.1016/j.nucengdes.2012.04.
016.
[13] H. Anglart, O. Nylund, N. Kurul, M.Z. Podowski, CFD prediction of flow and
phase distribution in fuel assemblies with spacers, Nucl. Eng. Des. 177 (1-3)
(1997) 215–228, doi:10.1016/S0029-5493(97)00195-7.
[14] H. Li, H. Anglart, CFD model of diabatic annular two-phase flow using the
Eulerian–Lagrangian approach, Ann. Nucl. Energy 77 (2015) 415–424, doi:10.
1016/j.anucene.2014.12.002.
[15] G. Sorokin, A. Sorokin, Experimental and numerical investigation of liquid metal boiling in fuel subassemblies under natural circulation conditions, Prog. Nucl. Energy 47 (1-4) (2005) 656–663, doi:10.1016/j.pnucene.2005.
05.069.
[16] W.D. Pointer, A. Tentner, T. Sofu, D. Weber, S. Lo, A. Splawski, Eulerian
two-phase computational fluid dynamics for boiling water reactor core analysis, Joint International Topical Meeting on Mathematics and Computation and
Supercomputing in Nuclear Applications (M and C± SNA), 2007.
[17] K. Podila, Y. Rao, CFD modelling of supercritical water flow and heat transfer
in a 2 × 2 fuel rod bundle, Nucl. Eng. Des. 301 (2016) 279–289, doi:10.1016/j.
nucengdes.2016.03.019.
[18] H. Pothukuchi, S. Kelm, B.S. Patnaik, B.V. Prasad, H.J. Allelein, Numerical investigation of subcooled flow boiling in an annulus under the influence of eccentricity, Appl. Therm. Eng. 129 (2018) 1604–1617, doi:10.1016/j.applthermaleng.
2017.10.105.
[19] H. Pothukuchi, S. Kelm, B.S. Patnaik, B.V. Prasad, H.J. Allelein, CFD modeling of
critical heat flux in flow boiling: validation and assessment of closure models,
Appl. Therm. Eng. 150 (2019) 651–665, doi:10.1016/j.applthermaleng.2019.01.
030.
[20] W. Fan, H. Li, H. Anglart, A study of rewetting and conjugate heat transfer
influence on dryout and post-dryout phenomena with a multi-domain coupled CFD approach, Int. J. Heat Mass Transf. 163 (2020) 120503, doi:10.1016/j.
ijheatmasstransfer.2020.120503.
[21] R. Zhang, T. Cong, G. Su, J. Wang, S. Qiu, Investigation on the critical heat
flux in typical 5 by 5 rod bundle at conditions prototypical of PWR based
on CFD methodology, Appl. Therm. Eng. 179 (2020) 115582, doi:10.1016/j.
applthermaleng.2020.115582.

[22] L.D. Silvi, A. Saha, D.K. Chandraker, S. Ghosh, A.K. Das, Numerical analysis of
pre-dryout sequences through the route of interfacial evolution in annular gasliquid two-phase flow with phase change, Chem. Eng. Sci. 212 (2020) 115356,
doi:10.1016/j.ces.2019.115356.
[23] L.D. Silvi, D.K. Chandraker, S. Ghosh, A.K. Das, On-route to dryout through sequential interfacial dynamics in annular flow boiling around temperature and
heat flux controlled heater rod, Chem. Eng. Sci. 229 (2021) 116014, doi:10.1016/
j.ces.2020.116014.
[24] J.U. Brackbill, D.B. Kothe, C. Zemach, A continuum method for modeling surface
tension, J. Comput. Phys. 100 (2) (1992) 335–354, doi:10.1016/0021-9991(92)
90240-Y.
[25] B. Lafaurie, C. Nardone, R. Scardovelli, S. Zaleski, G. Zanetti, Modelling merging
and fragmentation in multiphase flows with SURFER, J. Comput. Phys. 113 (1)
(1994) 134–147, doi:10.1006/jcph.1994.1123.
[26] I. Tanasawa, Advances in condensation heat transfer, Ad. Heat Transf. 21 (1991)
55–139 Vol, doi:10.1016/S0065-2717(08)70334-4.
[27] V.H. Del Valle, D.B. Kenning, Subcooled flow boiling at high heat flux, Int.
J. Heat Mass Transf. 28 (10) (1985) 1907–1920, doi:10.1016/0017-9310(85)
90213-3.
[28] B. Matzner, G.M. Latter, Reduced pressure drop space for boiling water reactor
fuel bundles, US Patent US5375154A, (1993)
[29] C. Unal, O. Badr, K. Tuzla, J.C. Chen, S. Neti, Pressure drop at rod-bundle spacers
in the post-CHF dispersed flow regime, Int. J. Multiphase Flow 20 (3) (1994)
515–522, doi:10.1016/0301-9322(94)90025-6.
[30] D.K. Chandraker, A.K. Nayak, V.P. Krishnan, Effect of spacer on the dryout of
BWR fuel rod assemblies, Nucl. Eng. Des. 294 (2015), doi:10.1016/j.nucengdes.
2015.09.004.
[31] S.K Verma, S.L. Sinha, D.K. Chandraker, A comprehensive review of the spacer
effect on performance of nuclear fuel bundle using computational fluid dynamics methodology, Mater. Today: Proc. 4 (2017) 100030–110034, doi:10.
1016/j.matpr.2017.06.315.
[32] S.K Verma, S.L. Sinha, D.K. Chandraker, Experimental investigation on the effect
of space on the turbulent mixing in vertical pressure tube-type boiling water
reactor, Nucl. Sci. Eng. 190 (2) (2018), doi:10.1080/00295639.2017.1413874.
[33] T. Zhang, Y. Liu, Numerical investigation of flow and heat transfer characteristics of subcooled boiling in a single rod channel with/without spacer grid,
Case Stud. Therm. Eng. 20 (2020) 100644, doi:10.1016/j.csite.2020.100644.
[34] K.M. Becker, G. Hernborg, M. Bode, O. Eriksson, Burnout data for flow of boiling water in vertical round ducts, annuli and rod clusters, AB Atomenergi
(1965).
[35] A. Saha, A.K. Das, Numerical study of boiling around wires and influence of
active or passive neighbours on vapour film dynamics, Int. J. Heat Mass Transf.
130 (2019) 440–454, doi:10.1016/j.ijheatmasstransfer.2018.10.117.
[36] M. Reimann, U. Grigull, Heat transfer with free convection and film boiling in
the critical area of water and carbon dioxide, Heat Mass Transf. 8 (1975) 229–
239, doi:10.1007/BF01002151.
[37] M.S. Plesset, S.A. Zwick, The growth of vapor bubbles in superheated liquids, J.
Appl. Phys. 25 (4) (1954) 493–500, doi:10.1063/1.1721668.
[38] N. Samkhaniani, M.R. Ansari, Numerical simulation of superheated vapor bubble rising in stagnant liquid, Heat Mass Transf. 53 (9) (2017) 2885–2899,
doi:10.1007/S00231-017-2031-6.
[39] N. Samkhaniani, M.R. Ansari, The evaluation of the diffuse interface method
for phase change simulations using OpenFOAM, Heat Transf. Asian Res. 46 (8)
(2017) 1173–1203, doi:10.1002/htj.21268.
[40] P. Goel, A.K. Nayak, M.K. Das, J.B. Joshi, Bubble departure characteristics in a
horizontal tube bundle under cross flow conditions, Int. J. Multiph. Flow 100
(2018) 143–154, doi:10.1016/j.ijmultiphaseflow.2017.12.013.
[41] K.M. Becker, J. Engstorm, B.Scholin Nylund, B. Sodequist, Analysis of the dryout
incident in the Oskarshamn 2 boiling water reactor, Int. J. Multiph. Flow 16 (6)
(1990) 959–974, doi:10.1016/0301-9322(90)90101-N.
[42] H.G. Weller, A New Approach to VOF-Based Interface Capturing Methods
for Incompressible and Compressible Flow, A New Approach to VOF-Based
Interface Capturing Methods for Incompressible and Compressible Flow, 4,
OpenCFD Ltd., 2008 Report TR/HGW.
[43] G. Boeing, Visual analysis of nonlinear dynamical systems: chaos, fractals, selfsimilarity and the limits of prediction, Systems 4 (4) (2016) 37, doi:10.3390/
systems4040037.

Figure 3 Simulation PTC pipes enhanced with copper foam and nanoparticles in FLOW-3D software.

다공성 미디어 및 나노유체에 의해 강화된 수집기로 태양광 CCHP 시스템의 최적화

Optimization of Solar CCHP Systems with Collector Enhanced by Porous Media and Nanofluid


Navid Tonekaboni,1Mahdi Feizbahr,2 Nima Tonekaboni,1Guang-Jun Jiang,3,4 and Hong-Xia Chen3,4

Abstract

태양열 집열기의 낮은 효율은 CCHP(Solar Combined Cooling, Heating, and Power) 사이클의 문제점 중 하나로 언급될 수 있습니다. 태양계를 개선하기 위해 나노유체와 다공성 매체가 태양열 집열기에 사용됩니다.

다공성 매질과 나노입자를 사용하는 장점 중 하나는 동일한 조건에서 더 많은 에너지를 흡수할 수 있다는 것입니다. 이 연구에서는 평균 일사량이 1b인 따뜻하고 건조한 지역의 600 m2 건물의 전기, 냉방 및 난방을 생성하기 위해 다공성 매질과 나노유체를 사용하여 태양열 냉난방 복합 발전(SCCHP) 시스템을 최적화했습니다.

본 논문에서는 침전물이 형성되지 않는 lb = 820 w/m2(이란) 정도까지 다공성 물질에서 나노유체의 최적량을 계산하였다. 이 연구에서 태양열 집열기는 구리 다공성 매체(95% 다공성)와 CuO 및 Al2O3 나노 유체로 향상되었습니다.

나노유체의 0.1%-0.6%가 작동 유체로 물에 추가되었습니다. 나노유체의 0.5%가 태양열 집열기 및 SCCHP 시스템에서 가장 높은 에너지 및 엑서지 효율 향상으로 이어지는 것으로 밝혀졌습니다.

본 연구에서 포물선형 집열기(PTC)의 최대 에너지 및 엑서지 효율은 각각 74.19% 및 32.6%입니다. 그림 1은 태양 CCHP의 주기를 정확하게 설명하기 위한 그래픽 초록으로 언급될 수 있습니다.

The low efficiency of solar collectors can be mentioned as one of the problems in solar combined cooling, heating, and power (CCHP) cycles. For improving solar systems, nanofluid and porous media are used in solar collectors. One of the advantages of using porous media and nanoparticles is to absorb more energy under the same conditions. In this research, a solar combined cooling, heating, and power (SCCHP) system has been optimized by porous media and nanofluid for generating electricity, cooling, and heating of a 600 m2 building in a warm and dry region with average solar radiation of Ib = 820 w/m2 in Iran. In this paper, the optimal amount of nanofluid in porous materials has been calculated to the extent that no sediment is formed. In this study, solar collectors were enhanced with copper porous media (95% porosity) and CuO and Al2O3 nanofluids. 0.1%–0.6% of the nanofluids were added to water as working fluids; it is found that 0.5% of the nanofluids lead to the highest energy and exergy efficiency enhancement in solar collectors and SCCHP systems. Maximum energy and exergy efficiency of parabolic thermal collector (PTC) riches in this study are 74.19% and 32.6%, respectively. Figure 1 can be mentioned as a graphical abstract for accurately describing the cycle of solar CCHP.

1. Introduction

Due to the increase in energy consumption, the use of clean energy is one of the important goals of human societies. In the last four decades, the use of cogeneration cycles has increased significantly due to high efficiency. Among clean energy, the use of solar energy has become more popular due to its greater availability [1]. Low efficiency of energy production, transmission, and distribution system makes a new system to generate simultaneously electricity, heating, and cooling as an essential solution to be widely used. The low efficiency of the electricity generation, transmission, and distribution system makes the CCHP system a basic solution to eliminate waste of energy. CCHP system consists of a prime mover (PM), a power generator, a heat recovery system (produce extra heating/cooling/power), and thermal energy storage (TES) [2]. Solar combined cooling, heating, and power (SCCHP) has been started three decades ago. SCCHP is a system that receives its propulsive force from solar energy; in this cycle, solar collectors play the role of propulsive for generating power in this system [3].

Increasing the rate of energy consumption in the whole world because of the low efficiency of energy production, transmission, and distribution system causes a new cogeneration system to generate electricity, heating, and cooling energy as an essential solution to be widely used. Building energy utilization fundamentally includes power required for lighting, home electrical appliances, warming and cooling of building inside, and boiling water. Domestic usage contributes to an average of 35% of the world’s total energy consumption [4].

Due to the availability of solar energy in all areas, solar collectors can be used to obtain the propulsive power required for the CCHP cycle. Solar energy is the main source of energy in renewable applications. For selecting a suitable area to use solar collectors, annual sunshine hours, the number of sunny days, minus temperature and frosty days, and the windy status of the region are essentially considered [5]. Iran, with an average of more than 300 sunny days, is one of the suitable countries to use solar energy. Due to the fact that most of the solar radiation is in the southern regions of Iran, also the concentration of cities is low in these areas, and transmission lines are far apart, one of the best options is to use CCHP cycles based on solar collectors [6]. One of the major problems of solar collectors is their low efficiency [7]. Low efficiency increases the area of collectors, which increases the initial cost of solar systems and of course increases the initial payback period. To increase the efficiency of solar collectors and improve their performance, porous materials and nanofluids are used to increase their workability.

There are two ways to increase the efficiency of solar collectors and mechanical and fluid improvement. In the first method, using porous materials or helical filaments inside the collector pipes causes turbulence of the flow and increases heat transfer. In the second method, using nanofluids or salt and other materials increases the heat transfer of water. The use of porous materials has grown up immensely over the past twenty years. Porous materials, especially copper porous foam, are widely used in solar collectors. Due to the high contact surface area, porous media are appropriate candidates for solar collectors [8]. A number of researchers investigated Solar System performance in accordance with energy and exergy analyses. Zhai et al. [9] reviewed the performance of a small solar-powered system in which the energy efficiency was 44.7% and the electrical efficiency was 16.9%.

Abbasi et al. [10] proposed an innovative multiobjective optimization to optimize the design of a cogeneration system. Results showed the CCHP system based on an internal diesel combustion engine was the applicable alternative at all regions with different climates. The diesel engine can supply the electrical requirement of 31.0% and heating demand of 3.8% for building.

Jiang et al. [11] combined the experiment and simulation together to analyze the performance of a cogeneration system. Moreover, some research focused on CCHP systems using solar energy. It integrated sustainable and renewable technologies in the CCHP, like PV, Stirling engine, and parabolic trough collector (PTC) [21215].

Wang et al. [16] optimized a cogeneration solar cooling system with a Rankine cycle and ejector to reach the maximum total system efficiency of 55.9%. Jing et al. analyzed a big-scale building with the SCCHP system and auxiliary heaters to produced electrical, cooling, and heating power. The maximum energy efficiency reported in their work is 46.6% [17]. Various optimization methods have been used to improve the cogeneration system, minimum system size, and performance, such as genetic algorithm [1819].

Hirasawa et al. [20] investigated the effect of using porous media to reduce thermal waste in solar systems. They used the high-porosity metal foam on top of the flat plate solar collector and observed that thermal waste decreased by 7% due to natural heat transfer. Many researchers study the efficiency improvement of the solar collector by changing the collector’s shapes or working fluids. However, the most effective method is the use of nanofluids in the solar collector as working fluid [21]. In the experimental study done by Jouybari et al. [22], the efficiency enhancement up to 8.1% was achieved by adding nanofluid in a flat plate collector. In this research, by adding porous materials to the solar collector, collector efficiency increased up to 92% in a low flow regime. Subramani et al. [23] analyzed the thermal performance of the parabolic solar collector with Al2O3 nanofluid. They conducted their experiments with Reynolds number range 2401 to 7202 and mass flow rate 0.0083 to 0.05 kg/s. The maximum efficiency improvement in this experiment was 56% at 0.05 kg/s mass flow rate.

Shojaeizadeh et al. [24] investigated the analysis of the second law of thermodynamic on the flat plate solar collector using Al2O3/water nanofluid. Their research showed that energy efficiency rose up to 1.9% and the exergy efficiency increased by a maximum of 0.72% compared to pure water. Tiwari et al. [25] researched on the thermal performance of solar flat plate collectors for working fluid water with different nanofluids. The result showed that using 1.5% (optimum) particle volume fraction of Al2O3 nanofluid as an absorbing medium causes the thermal efficiency to enhance up to 31.64%.

The effect of porous media and nanofluids on solar collectors has already been investigated in the literature but the SCCHP system with a collector embedded by both porous media and nanofluid for enhancing the ratio of nanoparticle in nanofluid for preventing sedimentation was not discussed. In this research, the amount of energy and exergy of the solar CCHP cycles with parabolic solar collectors in both base and improved modes with a porous material (copper foam with 95% porosity) and nanofluid with different ratios of nanoparticles was calculated. In the first step, it is planned to design a CCHP system based on the required load, and, in the next step, it will analyze the energy and exergy of the system in a basic and optimize mode. In the optimize mode, enhanced solar collectors with porous material and nanofluid in different ratios (0.1%–0.7%) were used to optimize the ratio of nanofluids to prevent sedimentation.

2. Cycle Description

CCHP is one of the methods to enhance energy efficiency and reduce energy loss and costs. The SCCHP system used a solar collector as a prime mover of the cogeneration system and assisted the boiler to generate vapor for the turbine. Hot water flows from the expander to the absorption chiller in summer or to the radiator or fan coil in winter. Finally, before the hot water wants to flow back to the storage tank, it flows inside a heat exchanger for generating domestic hot water [26].

For designing of solar cogeneration system and its analysis, it is necessary to calculate the electrical, heating (heating load is the load required for the production of warm water and space heating), and cooling load required for the case study considered in a residential building with an area of 600 m2 in the warm region of Iran (Zahedan). In Table 1, the average of the required loads is shown for the different months of a year (average of electrical, heating, and cooling load calculated with CARRIER software).Table 1 The average amount of electric charges, heating load, and cooling load used in the different months of the year in the city of Zahedan for a residential building with 600 m2.

According to Table 1, the maximum magnitude of heating, cooling, and electrical loads is used to calculate the cogeneration system. The maximum electric load is 96 kW, the maximum amount of heating load is 62 kW, and the maximum cooling load is 118 kW. Since the calculated loads are average, all loads increased up to 10% for the confidence coefficient. With the obtained values, the solar collector area and other cogeneration system components are calculated. The cogeneration cycle is capable of producing 105 kW electric power, 140 kW cooling capacity, and 100 kW heating power.

2.1. System Analysis Equations

An analysis is done by considering the following assumptions:(1)The system operates under steady-state conditions(2)The system is designed for the warm region of Iran (Zahedan) with average solar radiation Ib = 820 w/m2(3)The pressure drops in heat exchangers, separators, storage tanks, and pipes are ignored(4)The pressure drop is negligible in all processes and no expectable chemical reactions occurred in the processes(5)Potential, kinetic, and chemical exergy are not considered due to their insignificance(6)Pumps have been discontinued due to insignificance throughout the process(7)All components are assumed adiabatic

Schematic shape of the cogeneration cycle is shown in Figure 1 and all data are given in Table 2.

Figure 1 Schematic shape of the cogeneration cycle.Table 2 Temperature and humidity of different points of system.

Based on the first law of thermodynamic, energy analysis is based on the following steps.

First of all, the estimated solar radiation energy on collector has been calculated:where α is the heat transfer enhancement coefficient based on porous materials added to the collector’s pipes. The coefficient α is increased by the porosity percentage, the type of porous material (in this case, copper with a porosity percentage of 95), and the flow of fluid to the collector equation.

Collector efficiency is going to be calculated by the following equation [9]:

Total energy received by the collector is given by [9]

Also, the auxiliary boiler heat load is [2]

Energy consumed from vapor to expander is calculated by [2]

The power output form by the screw expander [9]:

The efficiency of the expander is 80% in this case [11].

In this step, cooling and heating loads were calculated and then, the required heating load to reach sanitary hot water will be calculated as follows:

First step: calculating the cooling load with the following equation [9]:

Second step: calculating heating loads [9]:

Then, calculating the required loud for sanitary hot water will be [9]

According to the above-mentioned equations, efficiency is [9]

In the third step, calculated exergy analysis as follows.

First, the received exergy collector from the sun is calculated [9]:

In the previous equation, f is the constant of air dilution.

The received exergy from the collector is [9]

In the case of using natural gas in an auxiliary heater, the gas exergy is calculated from the following equation [12]:

Delivering exergy from vapor to expander is calculated with the following equation [9]:

In the fourth step, the exergy in cooling and heating is calculated by the following equation:

Cooling exergy in summer is calculated [9]:

Heating exergy in winter is calculated [9]:

In the last step based on thermodynamic second law, exergy efficiency has been calculated from the following equation and the above-mentioned calculated loads [9]:

3. Porous Media

The porous medium that filled the test section is copper foam with a porosity of 95%. The foams are determined in Figure 2 and also detailed thermophysical parameters and dimensions are shown in Table 3.

Figure 2 Copper foam with a porosity of 95%.Table 3 Thermophysical parameters and dimensions of copper foam.

In solar collectors, copper porous materials are suitable for use at low temperatures and have an easier and faster manufacturing process than ceramic porous materials. Due to the high coefficient conductivity of copper, the use of copper metallic foam to increase heat transfer is certainly more efficient in solar collectors.

Porous media and nanofluid in solar collector’s pipes were simulated in FLOW-3D software using the finite-difference method [27]. Nanoparticles Al2O3 and CUO are mostly used in solar collector enhancement. In this research, different concentrations of nanofluid are added to the parabolic solar collectors with porous materials (copper foam with porosity of 95%) to achieve maximum heat transfer in the porous materials before sedimentation. After analyzing PTC pipes with the nanofluid flow in FLOW-3D software, for energy and exergy efficiency analysis, Carrier software results were used as EES software input. Simulation PTC with porous media inside collector pipe and nanofluids sedimentation is shown in Figure 3.

Figure 3 Simulation PTC pipes enhanced with copper foam and nanoparticles in FLOW-3D software.

3.1. Nano Fluid

In this research, copper and silver nanofluids (Al2O3, CuO) have been added with percentages of 0.1%–0.7% as the working fluids. The nanoparticle properties are given in Table 4. Also, system constant parameters are presented in Table 4, which are available as default input in the EES software.Table 4 Properties of the nanoparticles [9].

System constant parameters for input in the software are shown in Table 5.Table 5 System constant parameters.

The thermal properties of the nanofluid can be obtained from equations (18)–(21). The basic fluid properties are indicated by the index (bf) and the properties of the nanoparticle silver with the index (np).

The density of the mixture is shown in the following equation [28]:where ρ is density and ϕ is the nanoparticles volume fraction.

The specific heat capacity is calculated from the following equation [29]:

The thermal conductivity of the nanofluid is calculated from the following equation [29]:

The parameter β is the ratio of the nanolayer thickness to the original particle radius and, usually, this parameter is taken equal to 0.1 for the calculated thermal conductivity of the nanofluids.

The mixture viscosity is calculated as follows [30]:

In all equations, instead of water properties, working fluids with nanofluid are used. All of the above equations and parameters are entered in the EES software for calculating the energy and exergy of solar collectors and the SCCHP cycle. All calculation repeats for both nanofluids with different concentrations of nanofluid in the solar collector’s pipe.

4. Results and Discussion

In the present study, relations were written according to Wang et al. [16] and the system analysis was performed to ensure the correctness of the code. The energy and exergy charts are plotted based on the main values of the paper and are shown in Figures 4 and 5. The error rate in this simulation is 1.07%.

Figure 4 Verification charts of energy analysis results.

Figure 5 Verification charts of exergy analysis results.

We may also investigate the application of machine learning paradigms [3141] and various hybrid, advanced optimization approaches that are enhanced in terms of exploration and intensification [4255], and intelligent model studies [5661] as well, for example, methods such as particle swarm optimizer (PSO) [6062], differential search (DS) [63], ant colony optimizer (ACO) [616465], Harris hawks optimizer (HHO) [66], grey wolf optimizer (GWO) [5367], differential evolution (DE) [6869], and other fusion and boosted systems [4146485054557071].

At the first step, the collector is modified with porous copper foam material. 14 cases have been considered for the analysis of the SCCHP system (Table 6). It should be noted that the adding of porous media causes an additional pressure drop inside the collector [922263072]. All fourteen cases use copper foam with a porosity of 95 percent. To simulate the effect of porous materials and nanofluids, the first solar PTC pipes have been simulated in the FLOW-3D software and then porous media (copper foam with porosity of 95%) and fluid flow with nanoparticles (AL2O3 and CUO) are generated in the software. After analyzing PTC pipes in FLOW-3D software, for analyzing energy and exergy efficiency, software outputs were used as EES software input for optimization ratio of sedimentation and calculating energy and exergy analyses.Table 6 Collectors with different percentages of nanofluids and porous media.

In this research, an enhanced solar collector with both porous media and Nanofluid is investigated. In the present study, 0.1–0.5% CuO and Al2O3 concentration were added to the collector fully filled by porous media to achieve maximum energy and exergy efficiencies of solar CCHP systems. All steps of the investigation are shown in Table 6.

Energy and exergy analyses of parabolic solar collectors and SCCHP systems are shown in Figures 6 and 7.

Figure 6 Energy and exergy efficiencies of the PTC with porous media and nanofluid.

Figure 7 Energy and exergy efficiency of the SCCHP.

Results show that the highest energy and exergy efficiencies are 74.19% and 32.6%, respectively, that is achieved in Step 12 (parabolic collectors with filled porous media and 0.5% Al2O3). In the second step, the maximum energy efficiency of SCCHP systems with fourteen steps of simulation are shown in Figure 7.

In the second step, where 0.1, −0.6% of the nanofluids were added, it is found that 0.5% leads to the highest energy and exergy efficiency enhancement in solar collectors and SCCHP systems. Using concentrations more than 0.5% leads to sediment in the solar collector’s pipe and a decrease of porosity in the pipe [73]. According to Figure 7, maximum energy and exergy efficiencies of SCCHP are achieved in Step 12. In this step energy efficiency is 54.49% and exergy efficiency is 18.29%. In steps 13 and 14, with increasing concentration of CUO and Al2O3 nanofluid solution in porous materials, decreasing of energy and exergy efficiency of PTC and SCCHP system at the same time happened. This decrease in efficiency is due to the formation of sediment in the porous material. Calculations and simulations have shown that porous materials more than 0.5% nanofluids inside the collector pipe cause sediment and disturb the porosity of porous materials and pressure drop and reduce the coefficient of performance of the cogeneration system. Most experience showed that CUO and AL2O3 nanofluids with less than 0.6% percent solution are used in the investigation on the solar collectors at low temperatures and discharges [74]. One of the important points of this research is that the best ratio of nanofluids in the solar collector with a low temperature is 0.5% (AL2O3 and CUO); with this replacement, the cost of solar collectors and SCCHP cycle is reduced.

5. Conclusion and Future Directions

In the present study, ways for increasing the efficiency of solar collectors in order to enhance the efficiency of the SCCHP cycle are examined. The research is aimed at adding both porous materials and nanofluids for estimating the best ratio of nanofluid for enhanced solar collector and protecting sedimentation in porous media. By adding porous materials (copper foam with porosity of 95%) and 0.5% nanofluids together, high efficiency in solar parabolic collectors can be achieved. The novelty in this research is the addition of both nanofluids and porous materials and calculating the best ratio for preventing sedimentation and pressure drop in solar collector’s pipe. In this study, it was observed that, by adding 0.5% of AL2O3 nanofluid in working fluids, the energy efficiency of PTC rises to 74.19% and exergy efficiency is grown up to 32.6%. In SCCHP cycle, energy efficiency is 54.49% and exergy efficiency is 18.29%.

In this research, parabolic solar collectors fully filled by porous media (copper foam with a porosity of 95) are investigated. In the next step, parabolic solar collectors in the SCCHP cycle were simultaneously filled by porous media and different percentages of Al2O3 and CuO nanofluid. At this step, values of 0.1% to 0.6% of each nanofluid were added to the working fluid, and the efficiency of the energy and exergy of the collectors and the SCCHP cycle were determined. In this case, nanofluid and the porous media were used together in the solar collector and maximum efficiency achieved. 0.5% of both nanofluids were used to achieve the biggest efficiency enhancement.

In the present study, as expected, the highest efficiency is for the parabolic solar collector fully filled by porous material (copper foam with a porosity of 95%) and 0.5% Al2O3. Results of the present study are as follows:(1)The average enhancement of collectors’ efficiency using porous media and nanofluids is 28%.(2)Solutions with 0.1 to 0.5% of nanofluids (CuO and Al2O3) are used to prevent collectors from sediment occurrence in porous media.(3)Collector of solar cogeneration cycles that is enhanced by both porous media and nanofluid has higher efficiency, and the stability of output temperature is more as well.(4)By using 0.6% of the nanofluids in the enhanced parabolic solar collectors with copper porous materials, sedimentation occurs and makes a high-pressure drop in the solar collector’s pipe which causes decrease in energy efficiency.(5)Average enhancement of SCCHP cycle efficiency is enhanced by both porous media and nanofluid 13%.

Nomenclature

:Solar radiation
a:Heat transfer augmentation coefficient
A:Solar collector area
Bf:Basic fluid
:Specific heat capacity of the nanofluid
F:Constant of air dilution
:Thermal conductivity of the nanofluid
:Thermal conductivity of the basic fluid
:Viscosity of the nanofluid
:Viscosity of the basic fluid
:Collector efficiency
:Collector energy receives
:Auxiliary boiler heat
:Expander energy
:Gas energy
:Screw expander work
:Cooling load, in kilowatts
:Heating load, in kilowatts
:Solar radiation energy on collector, in Joule
:Sanitary hot water load
Np:Nanoparticle
:Energy efficiency
:Heat exchanger efficiency
:Sun exergy
:Collector exergy
:Natural gas exergy
:Expander exergy
:Cooling exergy
:Heating exergy
:Exergy efficiency
:Steam mass flow rate
:Hot water mass flow rate
:Specific heat capacity of water
:Power output form by the screw expander
Tam:Average ambient temperature
:Density of the mixture.

Greek symbols

ρ:Density
ϕ:Nanoparticles volume fraction
β:Ratio of the nanolayer thickness.

Abbreviations

CCHP:Combined cooling, heating, and power
EES:Engineering equation solver.

Data Availability

For this study, data were generated by CARRIER software for the average electrical, heating, and cooling load of a residential building with 600 m2 in the city of Zahedan, Iran.

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. A. Fudholi and K. Sopian, “Review on solar collector for agricultural produce,” International Journal of Power Electronics and Drive Systems (IJPEDS), vol. 9, no. 1, p. 414, 2018.View at: Publisher Site | Google Scholar
  2. G. Yang and X. Zhai, “Optimization and performance analysis of solar hybrid CCHP systems under different operation strategies,” Applied Thermal Engineering, vol. 133, pp. 327–340, 2018.View at: Publisher Site | Google Scholar
  3. J. Wang, Z. Han, and Z. Guan, “Hybrid solar-assisted combined cooling, heating, and power systems: a review,” Renewable and Sustainable Energy Reviews, vol. 133, p. 110256, 2020.View at: Publisher Site | Google Scholar
  4. Y. Tian and C. Y. Zhao, “A review of solar collectors and thermal energy storage in solar thermal applications,” Applied Energy, vol. 104, pp. 538–553, 2013.View at: Publisher Site | Google Scholar
  5. J. M. Hassan, Q. J. Abdul-Ghafour, and M. F. Mohammed, “CFD simulation of enhancement techniques in flat plate solar water collectors,” Al-Nahrain Journal for Engineering Sciences, vol. 20, no. 3, pp. 751–761, 2017.View at: Google Scholar
  6. M. Jahangiri, O. Nematollahi, A. Haghani, H. A. Raiesi, and A. Alidadi Shamsabadi, “An optimization of energy cost of clean hybrid solar-wind power plants in Iran,” International Journal of Green Energy, vol. 16, no. 15, pp. 1422–1435, 2019.View at: Publisher Site | Google Scholar
  7. I. H. Yılmaz and A. Mwesigye, “Modeling, simulation and performance analysis of parabolic trough solar collectors: a comprehensive review,” Applied Energy, vol. 225, pp. 135–174, 2018.View at: Google Scholar
  8. F. Wang, J. Tan, and Z. Wang, “Heat transfer analysis of porous media receiver with different transport and thermophysical models using mixture as feeding gas,” Energy Conversion and Management, vol. 83, pp. 159–166, 2014.View at: Publisher Site | Google Scholar
  9. H. Zhai, Y. J. Dai, J. Y. Wu, and R. Z. Wang, “Energy and exergy analyses on a novel hybrid solar heating, cooling and power generation system for remote areas,” Applied Energy, vol. 86, no. 9, pp. 1395–1404, 2009.View at: Publisher Site | Google Scholar
  10. M. H. Abbasi, H. Sayyaadi, and M. Tahmasbzadebaie, “A methodology to obtain the foremost type and optimal size of the prime mover of a CCHP system for a large-scale residential application,” Applied Thermal Engineering, vol. 135, pp. 389–405, 2018.View at: Google Scholar
  11. R. Jiang, F. G. F. Qin, X. Yang, S. Huang, and B. Chen, “Performance analysis of a liquid absorption dehumidifier driven by jacket-cooling water of a diesel engine in a CCHP system,” Energy and Buildings, vol. 163, pp. 70–78, 2018.View at: Publisher Site | Google Scholar
  12. F. A. Boyaghchi and M. Chavoshi, “Monthly assessments of exergetic, economic and environmental criteria and optimization of a solar micro-CCHP based on DORC,” Solar Energy, vol. 166, pp. 351–370, 2018.View at: Publisher Site | Google Scholar
  13. F. A. Boyaghchi and M. Chavoshi, “Multi-criteria optimization of a micro solar-geothermal CCHP system applying water/CuO nanofluid based on exergy, exergoeconomic and exergoenvironmental concepts,” Applied Thermal Engineering, vol. 112, pp. 660–675, 2017.View at: Publisher Site | Google Scholar
  14. B. Su, W. Han, Y. Chen, Z. Wang, W. Qu, and H. Jin, “Performance optimization of a solar assisted CCHP based on biogas reforming,” Energy Conversion and Management, vol. 171, pp. 604–617, 2018.View at: Publisher Site | Google Scholar
  15. F. A. Al-Sulaiman, F. Hamdullahpur, and I. Dincer, “Performance assessment of a novel system using parabolic trough solar collectors for combined cooling, heating, and power production,” Renewable Energy, vol. 48, pp. 161–172, 2012.View at: Publisher Site | Google Scholar
  16. J. Wang, Y. Dai, L. Gao, and S. Ma, “A new combined cooling, heating and power system driven by solar energy,” Renewable Energy, vol. 34, no. 12, pp. 2780–2788, 2009.View at: Publisher Site | Google Scholar
  17. Y.-Y. Jing, H. Bai, J.-J. Wang, and L. Liu, “Life cycle assessment of a solar combined cooling heating and power system in different operation strategies,” Applied Energy, vol. 92, pp. 843–853, 2012.View at: Publisher Site | Google Scholar
  18. J.-J. Wang, Y.-Y. Jing, and C.-F. Zhang, “Optimization of capacity and operation for CCHP system by genetic algorithm,” Applied Energy, vol. 87, no. 4, pp. 1325–1335, 2010.View at: Publisher Site | Google Scholar
  19. L. Ali, “LDA–GA–SVM: improved hepatocellular carcinoma prediction through dimensionality reduction and genetically optimized support vector machine,” Neural Computing and Applications, vol. 87, pp. 1–10, 2020.View at: Google Scholar
  20. S. Hirasawa, R. Tsubota, T. Kawanami, and K. Shirai, “Reduction of heat loss from solar thermal collector by diminishing natural convection with high-porosity porous medium,” Solar Energy, vol. 97, pp. 305–313, 2013.View at: Publisher Site | Google Scholar
  21. E. Bellos, C. Tzivanidis, and Z. Said, “A systematic parametric thermal analysis of nanofluid-based parabolic trough solar collectors,” Sustainable Energy Technologies and Assessments, vol. 39, p. 100714, 2020.View at: Publisher Site | Google Scholar
  22. H. J. Jouybari, S. Saedodin, A. Zamzamian, M. E. Nimvari, and S. Wongwises, “Effects of porous material and nanoparticles on the thermal performance of a flat plate solar collector: an experimental study,” Renewable Energy, vol. 114, pp. 1407–1418, 2017.View at: Publisher Site | Google Scholar
  23. J. Subramani, P. K. Nagarajan, S. Wongwises, S. A. El-Agouz, and R. Sathyamurthy, “Experimental study on the thermal performance and heat transfer characteristics of solar parabolic trough collector using Al2O3 nanofluids,” Environmental Progress & Sustainable Energy, vol. 37, no. 3, pp. 1149–1159, 2018.View at: Publisher Site | Google Scholar
  24. E. Shojaeizadeh, F. Veysi, and A. Kamandi, “Exergy efficiency investigation and optimization of an Al2O3-water nanofluid based Flat-plate solar collector,” Energy and Buildings, vol. 101, pp. 12–23, 2015.View at: Publisher Site | Google Scholar
  25. A. K. Tiwari, P. Ghosh, and J. Sarkar, “Solar water heating using nanofluids–a comprehensive overview and environmental impact analysis,” International Journal of Emerging Technology and Advanced Engineering, vol. 3, no. 3, pp. 221–224, 2013.View at: Google Scholar
  26. D. R. Rajendran, E. Ganapathy Sundaram, P. Jawahar, V. Sivakumar, O. Mahian, and E. Bellos, “Review on influencing parameters in the performance of concentrated solar power collector based on materials, heat transfer fluids and design,” Journal of Thermal Analysis and Calorimetry, vol. 140, no. 1, pp. 33–51, 2020.View at: Publisher Site | Google Scholar
  27. 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: Google Scholar
  28. K. Khanafer and K. Vafai, “A critical synthesis of thermophysical characteristics of nanofluids,” International Journal of Heat and Mass Transfer, vol. 54, no. 19-20, pp. 4410–4428, 2011.View at: Publisher Site | Google Scholar
  29. K. Farhana, K. Kadirgama, M. M. Rahman et al., “Improvement in the performance of solar collectors with nanofluids – a state-of-the-art review,” Nano-Structures & Nano-Objects, vol. 18, p. 100276, 2019.View at: Publisher Site | Google Scholar
  30. M. Turkyilmazoglu, “Condensation of laminar film over curved vertical walls using single and two-phase nanofluid models,” European Journal of Mechanics-B/Fluids, vol. 65, pp. 184–191, 2017.View at: Publisher Site | Google Scholar
  31. 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. 2020, 2020.View at: Google Scholar
  32. 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. 1, 2020.View at: Publisher Site | Google Scholar
  33. X. Zhang, M. Fan, D. Wang, P. Zhou, and D. Tao, “Top-k feature selection framework using robust 0-1 integer programming,” IEEE Transactions on Neural Networks and Learning Systems, vol. 1, pp. 1–15, 2020.View at: Publisher Site | Google Scholar
  34. 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
  35. 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. 1, 2020.View at: Publisher Site | Google Scholar
  36. 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. 1, 2020.View at: Google Scholar
  37. M. Mirmozaffari, “Machine learning algorithms based on an optimization model,” 2020.View at: Google Scholar
  38. M. Mirmozaffari, M. Yazdani, A. Boskabadi, H. Ahady Dolatsara, K. Kabirifar, and N. Amiri Golilarz, “A novel machine learning approach combined with optimization models for eco-efficiency evaluation,” Applied Sciences, vol. 10, no. 15, p. 5210, 2020.View at: Publisher Site | Google Scholar
  39. M. Vosoogha and A. Addeh, “An intelligent power prediction method for wind energy generation based on optimized fuzzy system,” Computational Research Progress in Applied Science & Engineering (CRPASE), vol. 5, pp. 34–43, 2019.View at: Google Scholar
  40. A. Javadi, N. Mikaeilvand, and H. Hosseinzdeh, “Presenting a new method to solve partial differential equations using a group search optimizer method (GSO),” Computational Research Progress in Applied Science and Engineering, vol. 4, no. 1, pp. 22–26, 2018.View at: Google Scholar
  41. F. J. Golrokh, Gohar Azeem, and A. Hasan, “Eco-efficiency evaluation in cement industries: DEA malmquist productivity index using optimization models,” ENG Transactions, vol. 1, pp. 1–8, 2020.View at: Google Scholar
  42. H. Yu, “Dynamic Gaussian bare-bones fruit fly optimizers with abandonment mechanism: method and analysis,” Engineering with Computers, vol. 1, pp. 1–29, 2020.View at: Google Scholar
  43. C. Yu, “SGOA: annealing-behaved grasshopper optimizer for global tasks,” Engineering with Computers, vol. 1, pp. 1–28, 2021.View at: Google Scholar
  44. 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. 1, p. 106728, 2020.View at: Google Scholar
  45. 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, p. 106642, 2021.View at: Publisher Site | Google Scholar
  46. Y. Zhang, “Towards augmented kernel extreme learning models for bankruptcy prediction: algorithmic behavior and comprehensive analysis,” Neurocomputing, vol. 1, 2020.View at: Google Scholar
  47. Y. Zhang, R. Liu, X. Wang, H. Chen, and C. Li, “Boosted binary Harris hawks optimizer and feature selection,” Engineering with Computers, vol. 1, pp. 1–30, 2020.View at: Google Scholar
  48. 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
  49. 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
  50. 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
  51. 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
  52. 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
  53. 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
  54. M. Wang and H. Chen, “Chaotic multi-swarm whale optimizer boosted support vector machine for medical diagnosis,” Applied Soft Computing Journal, vol. 88, 2020.View at: Publisher Site | Google Scholar
  55. 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
  56. R. U. Khan, X. Zhang, R. Kumar, A. Sharif, N. A. Golilarz, and M. Alazab, “An adaptive multi-layer botnet detection technique using machine learning classifiers,” Applied Sciences, vol. 9, no. 11, p. 2375, 2019.View at: Publisher Site | Google Scholar
  57. A. Addeh, A. Khormali, and N. A. Golilarz, “Control chart pattern recognition using RBF neural network with new training algorithm and practical features,” ISA Transactions, vol. 79, pp. 202–216, 2018.View at: Publisher Site | Google Scholar
  58. N. Amiri Golilarz, H. Gao, R. Kumar, L. Ali, Y. Fu, and C. Li, “Adaptive wavelet based MRI brain image de-noising,” Frontiers in Neuroscience, vol. 14, p. 728, 2020.View at: Publisher Site | Google Scholar
  59. N. A. Golilarz, H. Gao, and H. Demirel, “Satellite image de-noising with Harris hawks meta heuristic optimization algorithm and improved adaptive generalized Gaussian distribution threshold function,” IEEE Access, vol. 7, pp. 57459–57468, 2019.View at: Publisher Site | Google Scholar
  60. M. Eisazadeh and J. Rezapour, “Multi-objective optimization of the composite sheets using PSO algorithm,” 2017.View at: Google Scholar
  61. I. Bargegol, M. Nikookar, R. V. Nezafat, E. J. Lashkami, and A. M. Roshandeh, “Timing optimization of signalized intersections using shockwave theory by genetic algorithm,” Computational Research Progress in Applied Science & Engineering, vol. 1, pp. 160–167, 2015.View at: Google Scholar
  62. B. Bai, Z. Guo, C. Zhou, W. Zhang, and J. Zhang, “Application of adaptive reliability importance sampling-based extended domain PSO on single mode failure in reliability engineering,” Information Sciences, vol. 546, pp. 42–59, 2021.View at: Publisher Site | Google Scholar
  63. J. Liu, C. Wu, G. Wu, and X. Wang, “A novel differential search algorithm and applications for structure design,” Applied Mathematics and Computation, vol. 268, pp. 246–269, 2015.View at: Publisher Site | Google Scholar
  64. 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
  65. D. Zhao, “Chaotic random spare ant colony optimization for multi-threshold image segmentation of 2D Kapur entropy,” Knowledge-Based Systems, vol. 24, p. 106510, 2020.View at: Google Scholar
  66. 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
  67. 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, p. 106684, 2021.View at: Publisher Site | Google Scholar
  68. G. Sun, B. Yang, Z. Yang, and G. Xu, “An adaptive differential evolution with combined strategy for global numerical optimization,” Soft Computing, vol. 24, pp. 1–20, 2019.View at: Google Scholar
  69. G. Sun, C. Li, and L. Deng, “An adaptive regeneration framework based on search space adjustment for differential evolution,” Neural Computing and Applications, vol. 24, pp. 1–17, 2021.View at: Google Scholar
  70. A. Addeh and M. Iri, “Brain tumor type classification using deep features of MRI images and optimized RBFNN,” ENG Transactions, vol. 2, pp. 1–7, 2021.View at: Google Scholar
  71. 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,” Soft Computing, vol. 1, pp. 1–8, 2020.View at: Google Scholar
  72. H. Tyagi, P. Phelan, and R. Prasher, “Predicted efficiency of a low-temperature nanofluid-based direct absorption solar collector,” Journal of Solar Energy Engineering, vol. 131, no. 4, 2009.View at: Publisher Site | Google Scholar
  73. S. Rashidi, M. Bovand, and J. A. Esfahani, “Heat transfer enhancement and pressure drop penalty in porous solar heat exchangers: a sensitivity analysis,” Energy Conversion and Management, vol. 103, pp. 726–738, 2015.View at: Publisher Site | Google Scholar
  74. N. Akram, R. Sadri, S. N. Kazi et al., “A comprehensive review on nanofluid operated solar flat plate collectors,” Journal of Thermal Analysis and Calorimetry, vol. 139, no. 2, pp. 1309–1343, 2020.View at: Publisher Site | Google Scholar
Fig. 2. Schematic indication of the separate parts comprising the rotary kiln model, together with the energy fluxes from Eq. (1).

화염 모델링, 열 전달 및 클링커 화학을 포함한 시멘트 가마에 대한 CFD 예측

E Mastorakos Massias 1C.D Tsakiroglou D.A Goussis V.N Burganos A.C Payatakes 2

Abstract

실제 작동 조건에서 석탄 연소 회전 시멘트 가마의 클링커 형성은 방사선에 대한 Monte Carlo 방법, 가마 벽의 에너지 방정식에 대한 유한 체적 코드 및 클링커에 대한 화학 반응을 포함한 에너지 보존 방정식 및 종에 대한 새로운 코드. 기상의 온도 장, 벽으로의 복사 열유속, 가마 및 클링커 온도에 대한 예측 간의 반복적인 절차는 내부 벽 온도의 분포를 명시적으로 예측하는 데 사용됩니다. 여기에는 열 흐름 계산이 포함됩니다. 수갑. 가스와 가마 벽 사이의 주요 열 전달 모드는 복사에 의한 것이며 내화물을 통해 환경으로 손실되는 열은 입력 열의 약 10%이고 추가로 40%는 장입 가열 및 클링커 형성. 예측은 실제 규모의 시멘트 가마에서 경험과 제한된 측정을 기반으로 한 경향과 일치합니다.

키워드

산업용 CFD, 로타리 가마, 클링커 형성, 복사 열전달, Industrial CFD, Rotary kilns, Clinker formation, Radiative heat transfer

1 . 소개

시멘트 산업은 에너지의 주요 소비자이며, 미국에서 산업 사용자의 총 화석 연료 소비량의 약 1.4%를 차지하며 [1] 일반적인 비에너지 사용량은 제조된 클링커 1kg당 약 3.2MJ [2] 입니다. CaCO 3  →  CaO  +  CO 2 반응이 일어나기 때문입니다., 클링커 형성의 첫 번째 단계는 높은 흡열성입니다. 시멘트 가마에서 에너지를 절약하기 위한 현재의 경향은 일반적으로 길이가 약 100m이고 직경이 약 5m인 회전 실린더인 가마를 떠나는 배기 가스로부터 에너지를 보다 효율적으로 회수하는 것과 저열량 연료의 사용에 중점을 둡니다. 값. 2-5초 정도의 화염 체류 시간을 허용하고 2200K의 높은 온도에 도달하는 회전 가마의 특성은 또한 시멘트 가마를 유기 폐기물 및 용제에 대한 상업용 소각로에 대한 경쟁력 있는 대안으로 만듭니다 [3]. 클링커의 형성이 이러한 2차 액체 연료의 사용으로 인한 화염의 변화로부터 어떤 식으로든 영향을 받지 않도록 하고, 대기 중으로 방출되는 오염 물질의 양에 대한 현재 및 미래 제한을 준수할 수 있도록, 화염 구조의 세부 사항과 화염에서 고체 충전물로의 열 전달을 더 잘 이해할 필요가 있습니다.

최근 시멘트 가마 4 , 5 , 6 , 7 에서 유동장 및 석탄 연소의 이론적 모델링복사 열 전달을 포함한 전산 유체 역학(CFD) 코드를 사용하여 달성되었습니다. 이러한 결과는 시멘트 가마에 대한 최초의 결과였으며 화염 길이, 산소 소비 등과 관련하여 실험적으로 관찰된 경향을 재현했기 때문에 그러한 코드가 수용 가능한 정확도로 대규모 산업용 용광로에 사용될 수 있음을 보여주었습니다. 킬른과 클링커는 포함하지 않았고, 벽온도의 경계조건은 가스온도와 용액영역의 열유속에 영향을 미치므로 계산에 필요한 경계조건은 예측하지 않고 실험적 측정에 기초하였다. 기상에 대한 CFD 솔루션은 앞으로의 주요 단계이지만 회전 가마를 포괄적으로 모델링하는 데만으로는 충분하지 않습니다.

내화물의 열 전달과 전하에 대한 세부 사항은 다양한 저자 8 , 9 , 10 , 11에 의해 조사되었습니다 . 충전물(보통 잘 혼합된 것으로 가정)은 노출된 표면에 직접 복사되는 열 외에도 전도에 의해 가마 벽에서 가열됩니다. 가장 완전한 이론적 노력에서, 가마 벽 (내화물)에 대한 3 차원 열전도 방정식을 해결하고, 두 개 또는 세 개의 인접하는 영역으로 한정 한 좌표 축 방향에서 어느 방사선 방사선 열전달 영역 모델과 결합 [ 10] 또는 자세히 해결 [11]. 그러나 클링커 형성 중에 일어나는 화학 반응은 고려되지 않았고 기체 상이 균일한 온도로 고정되어 필요한 수준의 정확도로 처리되지 않았습니다.

최종적으로 연소에 의해 방출되는 에너지(일부)를 받는 고체 전하가 화학 반응을 거쳐 최종 제품인 클링커를 형성합니다. 이것들은 [12]에 설명된 주요 특징에 대한 단순화된 모델과 함께 시멘트 화학 문헌에서 광범위한 조사의 주제였습니다 . 그 작업에서, 고체 온도 및 조성의 축 방향 전개를 설명하는 odes가 공식화되고 해결되었지만, 전하에 대한 열유속 및 따라서 클링커 형성 속도를 결정하는 가스 및 벽 온도는 1차원으로 근사되었습니다. 자세한 화염 계산이 없는 모델.

화염, 벽 및 장입물에 대한 위의 이론적 모델 중 어느 것도 회전식 가마 작동을 위한 진정한 예측 도구로 충분하지 않다는 것이 분명합니다. 국부 가스 온도(CFD 계산 결과 중 하나)는 벽 온도에 크게 의존합니다. 클링커 형성은 에너지를 흡수하므로 지역 가스 및 벽 온도에 따라 달라지며 둘 다 화염에 의존합니다. 벽은 화염에서 클링커로의 순 열 전달에서 “중개자” 역할을 하며, 내화재 두께에 따라 환경으로 피할 수 없는 열 손실이 발생합니다. 이러한 상호 의존성은 가마의 거동에 중요하며 개별 프로세스를 개별적으로 계산하는 데 중점을 두었기 때문에 문헌에서 발견된 수학적 모델로는 다루기 어렵습니다.

본 논문에서 우리는 위에 설명된 유형의 세 가지 개별 모델을 결합하여 수행되는 회전식 시멘트 가마에서 발생하는 대부분의 공정에 대한 포괄적인 모듈식 모델을 제시합니다. 우리 작업은 4 , 5 , 6 , 7 에서와 같이 석탄 연소를 위한 다차원 CFD 코드로 기체 상태를 처리합니다 . 10 , 11 에서와 같이 가마 벽의 3차원 열전도 방정식을 풉니다 . 9 , 12 와 유사한 모델로 잘 혼합된 전하 온도 및 조성을 해결합니다.. 3개의 모듈(화염, 벽, 전하)은 내화물에 입사하는 열유속의 축 분포에 대해 수렴이 달성될 때까지 반복적으로 계산됩니다. 충전 온도 및 구성. 따라서 이전 작업에 비해 현재의 주요 이점은 완전성에 있습니다. 이는 가스-킬른-클링커 시스템의 다양한 부분에서 에너지 흐름의 정량화를 통해 킬른 작동에 대한 더 나은 이해를 가능하게 하고 여기에서 사용된 방법을 건조 및 소각과 같은 다른 회전 킬른 응용 분야에 적용할 수 있게 합니다.

이 문서의 특정 목적은 회전식 시멘트 가마에 대한 포괄적인 모델을 제시하고 화염에서 클링커로의 에너지 플럭스와 가마에서 열 손실을 정량화하는 것입니다. 이 문서의 나머지 부분은 다음과 같이 구성됩니다. 2장 에서는 다양한 모델과 해법을 제시하고 3장 에서는 그 결과를 제시하고 논의한다 . 여기에는 본격적인 회전식 시멘트 가마의 제한된 측정값과의 비교가 포함됩니다. 이 논문은 가장 중요한 결론의 요약으로 끝납니다.

2 . 모델 공식화

2.1 . 개요

Fig. 1 은 시멘트 로터리 킬른의 단면을 보여준다. 가마의 회전은 전하의 움직임을 유도하여 후자를 대략적으로 잘 혼합되도록 합니다 [10] , 여기에서 채택할 가정입니다. 우리는 이 코팅을 클링커와 유사한 물리적 특성의 고체 재료로 모델링하여 가마 내화물에 부착된 클링커의 존재를 허용할 것입니다. 우리는 이 층의 두께가 가마를 따라 균일하다고 가정합니다. 이것은 아마도 지나치게 단순화한 것일 수 있지만 관련 데이터를 사용할 수 없습니다. 모델 설명을 진행하기 전에 그림 2 에 개략적으로 표시된 회전식 가마의 다양한 에너지 흐름을 이해하는 것이 중요합니다 .

석탄 연소에 의해 방출되는 에너지(단위 시간당)( 석탄 )는 배기 가스(Δ 가스 )와 함께 가마 밖으로 흘러 가마 벽에 직접 복사( rad ) 및 대류( conv )됩니다. 공급 및 배기 덕트( rad,1  + rad,2 ) 에 대한 축 방향의 복사에 의해 작은 부분이 손실됩니다 . 전하 가마 시스템은 복사( rad ) 및 대류( conv )에 의해 가스로부터 에너지(Δ cl )를 흡수 하고 주변으로 열을 잃습니다( Q 손실 ). 전체 에너지 균형에서 개별 항의 계산, 즉(1a)큐석탄=ΔH가스-Q라드-Q전환-Q일, 1-Q일, 2,(1b)큐라드+Q전환=ΔH클+Q손실여기에서 다음 섹션에 설명된 대로 가스, 가마 및 클링커에 대한 이산화 에너지를 국부적으로 해결함으로써 수행됩니다.

2.2 . CFD 코드

가스 운동량, 종 농도 및 에너지의 Favre 평균 방정식은 표준 k – ε 모델을 사용하여 방사 모듈(RAD-3D)과 함께 상업적으로 이용 가능한 축대칭 CFD 코드(FLOW-3D)에 의해 해결됩니다. [13] . 기하학이 실제로 3차원이고 벽 온도의 각도 분포가 존재하지만 합리적인 시간과 현재 워크스테이션에서 완전한 3으로 솔루션을 얻을 수 있도록 기체상을 축대칭으로 취급합니다. -D를 요구하는 해상도로 계산하려면 슈퍼컴퓨터에 의존해야 합니다. FLOW-3D에서 사용되는 다양한 하위 모델의 일부 기능과 벽 경계 조건에 대한 특수 처리는 다음과 같습니다.

2.2.1 . 석탄 연소

Rossin-Rammler 크기 분포(45μm 평균 직경, 1.3 지수 [6] )를 따르는 석탄 입자 는 CPU 시간을 줄이기 위해 솔루션 영역(즉, 확률적 구성 요소 없이)에서 결정론적으로 추적되었지만 분산을 과소 평가하는 단점이 있습니다 . 14] . 입자는 2-반응 모델에 따라 휘발되도록 허용되었고 휘발성 연소는 무한히 빠른 것으로 간주되었습니다. 석탄 연소에 대한 설명의 세부 사항은 FLOW-3D에서 석탄 휘발 및 열분해의 “표준” 상수 집합이 합리적인 결과를 제공하고 Ref. [5] .

2.2.2 . 복사와 대류

가스의 복사 강도는 RAD-3D 모듈을 사용하여 80,000개의 입자로 Monte-Carlo 방법으로 계산되었습니다. 가마는 반경 방향으로 7개, 축 방향으로 19개(크기가 0.1  ×  1.0 m와 0.2  ×  5.0 m 사이)로 불균일한 구역으로 나뉘었으며 각 구역 에서 방사선 강도가 균일하다고 가정했습니다. 방사선 모듈의 출력은 내부적으로 FLOW-3D에 대한 유체 계산에 인터페이스되고 외부적으로 벽 및 클링커에 대한 코드에 인터페이스되었습니다( 섹션 2.3 섹션 2.4 참조). 방사선 패키지의 이산화된 구역은 CFD 그리드의 셀보다 훨씬 커야 하므로 구역에 온도 평균이 형성될 수 있는 많은 셀이 포함될 수 있다는 점을 이해하는 것이 중요합니다. 상대적으로 조잡한 복사 구역의 분해능과 Monte-Carlo 방법의 통계적 특성은 구역의 복사 열유속이 더 미세한 구역화 및 더 많은 입자로 몇 번의 실행에 의해 결정된 바와 같이 최대 약 10%까지 부정확할 수 있음을 의미합니다. 또한 경계면에 입사하는 열유속은 영역 크기보다 미세한 분해능으로 결정할 수 없으므로 복사 열유속은 벽에 인접한 19개 영역 각각의 중심에서만 계산됩니다. 0.15m -1 의 흡수 계수는 Ref.[11] . 엄밀히 말하면, 흡수 계수는 국부적 가스 조성과 온도의 함수이므로 균일하지 않아야 합니다. 그러나 가스 조성은 가마의 일부만 차지하는 화염 내에서만 변 하므로( 3절 참조 ) 균일한 흡수 계수를 가정하는 것이 합리적입니다. 또한, 현재 버전의 소프트웨어는 FLOW-3D의 반복 프로세스 동안 이 요소의 자동 재조정을 허용하지 않습니다. 여기서 로컬 가스 특성이 계산되므로 일정하고 균일한 흡수 계수가 필요합니다.

최종적으로, 벽에서 대류 열전달이 플로우 3D 패키지에서 표준 출력 표준 “벽 기능”제형에 혼입 난류 경계층에 대한 식에 기초하고,의 속도 경계 조건과 유사한 K – ε 모델. FLOW-3D 및 RAD-3D에서 입력으로 사용하고 출력으로 계산된 다양한 양은 그림 3에 개략적으로 표시 됩니다.

2.2.3 . 그리드

반경 방향 47개, 축 방향 155개 노드를 갖는 불균일한 격자를 사용하였으며 격자 독립성 연구를 수행한 결과 충분하다고 판단하였다. 유사한 크기의 그리드도 Refs에서 적절한 것으로 밝혀졌습니다. 4 , 5 , 6 , 7 . 매우 높은 축 방향 및 소용돌이 속도로 인해 석탄 버너 유정에 가까운 지역을 해결하기 위해 특별한 주의를 기울였습니다. HP 715/100MHz 워크스테이션에서 이 그리드의 일반적인 CPU 시간은 10시간이었습니다.

2.2.4 . 경계 조건

벽 온도에 대한 경계 조건은 기체상 및 복사 솔버 모두에 필요하다는 것을 인식하는 것이 중요합니다. 아래에서는 4 , 5 , 6 , 7 을 규정하기 보다는 축대칭 그리드에 대한 이 온도 분포를 예측하는 대략적인 방법을 설명합니다 .

내벽 온도 w ( in , x , ϕ ) 의 각도 분포 가 알려져 있다고 가정합니다 . 그런 다음 전체 3차원 문제를 “동등한” 축대칭 문제로 줄이기 위해 가상의 내벽 온도 RAD ( x )는(2)2πε에티4라드(x) = ε클∫0ㄷ티4클(엑스)디ϕ + ε에∫ㄷ2π티4에(아르 자형~에, x, ϕ)디ϕ”효과적인” 경계 조건으로 사용할 수 있습니다. RAD ( x )는 방위각으로 평균화된 “복사 가중” 온도입니다. 필요한 경계 조건으로 이 온도를 사용하는 것은 복사가 열 전달을 지배한다는 기대에 의해 동기가 부여됩니다(후반부 확인, 섹션 3.4 ). 따라서 전체 3차원 문제와 이 “유효한” 축대칭 문제에서 가스에서 가마로의 전체 에너지 흐름은 거의 동일할 것으로 예상됩니다.  의 사용 (2) 축대칭 코드로 기체상 및 복사장을 계산할 수 있으므로 엔지니어링 워크스테이션을 사용하여 문제를 다루기 쉽습니다.

고려되는 가마의 규모와 온도에서 가스는 광학적으로 두꺼운 것으로 간주될 수 있습니다. 솔루션(나중에 제시됨)은 평균 경로 길이(즉, “광자”의 모든 에너지가 흡수되기 전의 평균 길이)가 약 3.2m임을 보여주며, 이는 가마 내경 4.1m보다 작습니다. 이것은 내벽에 입사하는 복사 플럭스가 국부적 벽과 가스 온도에 강하게 의존하고 더 먼 축 또는 방위각 위치에서 벽의 온도에 약하게만 의존함을 의미합니다. 이것은 기체상에 사용된 축대칭 근사에 대한 신뢰를 줍니다. 그것은 또한 Refs의 “구역 방법”을 의미합니다. 8 , 9 , 10표면에 입사하는 방사선이 1-2 구역 길이보다 더 먼 축 위치와 무관한 것으로 간주되는 경우에는 충분했을 것입니다.

2.3 . 가마 온도

내부 소성로 표면 온도 w ( in , x , ϕ )는 Eq. 에서 필요합니다 (2) 및 가마 벽 에너지 방정식의 솔루션 결과의 일부입니다. 각속도 ω로 회전하는 좌표계 에서 후자는 [10] 이 됩니다 .(3)ω∂(ϱ에씨피티에)∂ϕ=1아르 자형∂∂아르 자형에게에아르 자형∂티에∂아르 자형+1아르 자형2∂∂ϕ에게에∂티에∂ϕ+∂∂엑스에게에∂티에∂엑스경계 조건에 따라(3a)r=R~에,Θ<ϕ⩽2π:에게∂티에∂아르 자형=q라드(x)+q전환(엑스),(3b)r=R~에, 0 <ϕ⩽Θ:에게∂티에∂아르 자형=qw–cl(x, ϕ) = hw–cl티클(x)-T에(아르 자형~에, x, ϕ),(3c)r=R밖, 0 <ϕ⩽2π:.케이∂티에∂아르 자형=h쉿티쉿-T∞+ ε쉿티4쉿-T4∞.

전도도, 밀도 및 비열용량에 대한 값은 실제 가마에 사용되는 내화물 재료에 대한 제조업체 정보에서 가져옵니다 [15] . 외부 쉘 온도 sh = w ( out , x , ϕ )는 x 및 ϕ 에 따라 달라질 수 있습니다 .

위 방정식에 대한 몇 가지 의견이 있습니다. 에서는 식. (3a) 에서 열유속의 방위각 의존성이 제거되었습니다. 이전에 언급했듯이 흐름은 광학적으로 두꺼운 것으로 간주됩니다. 즉, 화염이 너무 방사되고 너무 넓기 때문에 벽면 요소가 화염을 가로질러 반대쪽 벽을 “보지” 않습니다. 따라서 rad ( x , ϕ ) 의 계산은 다른 각도 위치로부터의 복사를 포함할 필요 없이 가스 ( r , x ) 및 로컬 w ( in , x , ϕ )를 기반으로 할 수 있습니다. 여기부터 qrad ( x )는 Eq. 의 방위각 평균 온도를 기반으로 하는 축대칭 RAD-3D 솔루션에서 가져옵니다 (2) , 결과적인 rad ( x )는 어떤 의미에서 방위각으로 평균된 열유속입니다. 식 따라서 (3a) 는 우리가 이 열유속을 모든 ϕ 에 등분포한다는 것을 의미합니다 . Eq 에서 rad 의 각도 변화를 무시한다는 점에 유의하십시오 . (3a) 는 Refs. [10] 또는 [11] 이 우선되어야 합니다.

소성로와 장입물 사이의 열전달 계수 w-cl 은 소성로의 에너지 흐름과 온도를 정확하게 예측하는 데 중요하지만 잘 알려져 있지 않습니다. 500 W / m의 전형적인 값  K는 여기에 제시된 결과 사용되고있다 [8] . 계산된 w ( r , x , ϕ ) 및 RAD ( x) 이 계수의 선택에 따라 달라지지만 예측은 질적으로 변하지 않습니다. 껍질에서 대기로의 열 전달은 복사와 별도로 강제 및 자연 대류를 통해 발생합니다. 자연 대류에 대한 열전달 계수는 Ref. [11] , 현재 조건에서 약 5 W/m 2 K의 일반적인 값 을 사용합니다. 그러나 쉘에 불어오는 외부 팬은 과열을 피하기 위해 산업에서 종종 사용되며 이러한 효과는 총 sh =30 W/m 2 K 를 사용하여 여기에서 모델링 되었습니다. 방사율에는 다음 값이 사용되었습니다. ε w = ε cl = 0.9 및 ε sh = 0.8.

식 (3) 은 가마의 방사형 기울기가 훨씬 더 가파르기 때문에 방위각 및 축 전도를 무시한 후 명시적 유한 체적 방법으로 해결되었습니다. 방사형으로 50개 노드와 축 방향으로 19개 노드가 있는 균일하지 않은 그리드가 사용되었으며 회전으로 인한 화염에 주기적으로 노출되는 표면으로 인해 발생하는 빠른 온도 변화를 따르기 위해 내부 표면에서 적절한 방사형 분해능이 사용되었습니다. 동일한 이유로 사용 된 작은 단계(Δ ϕ = π /100)는 가마의 큰 열 관성과 함께 가마 벽 온도가 수렴되도록 하기 위해 2시간 정도의 CPU 시간이 필요했습니다.

2.4 . 수갑

가마에 대한 모델의 마지막 부분은 클링커 온도 및 조성 보존 방정식에 관한 것으로, 축 방향 기울기만 고려하고 전도는 무시합니다.(4)씨피V클디(ϱ클티클)디엑스=−엘wclㄷㅏ클∫0ㄷ큐w–cl(x, ϕ)디ϕ +엘gclㅏ클큐라드(x)+q전환(엑스)−∑나Nsp아르 자형나시간0, 나는에프+씨피티,(5)V클디(ϱ클와이나)디엑스=r나,(6)V클디ϱ클디엑스=−r무엇2,여기서 cl 은 속도 cl 로 흐르는 전하가 덮는 단면적 이며 둘 다 일정하다고 가정하고 gcl =2 in sin( Θ /2) 전하로 덮인 섹터의 현( 그림 1 ) , WCL = Θ 에서는 , SP 화학 종의 수와 r에 난을 (kg / m의 형성 속도 순 3 종의) I를 . 전하의 밀도는 Eq를 감소시킵니다 (6) CO 2 에 대한 질량 손실로 인한하소하는 동안 초기 값은 총 질량 유량이 ϱ cl cl cl 과 같도록 선택되었습니다 . 참고 ρ (CL)이 있다 하지 전하 느슨하게 포장 된 입자로 이루어지는 것으로 생각 될 수있는 바와 같이, 충전 재료 밀도하지만 벌크 밀도. 우리는 또한 전하의 실제 입상 흐름 패턴을 조사하는 것보다 적은 것은 모델의 신뢰성에 크게 추가되지 않는 임시 설명 [10] 이라고 믿기 때문에 전하의 전도를 무시 합니다. 전하는 CaCO 3 , CaO, SiO 2 , Al 2 O 3 , Fe 로 구성된 것으로 가정합니다.2 O 3 , C2S, C3S, C3A 및 C4AF로, 마지막 4종은 클링커화 중에 형성된 복합 염에 대해 시멘트 화학자가 사용하는 특수 표기법으로 표시됩니다. 다음과 같은 화학 반응을 가정합니다 [12] .

(나)CaCO3→높은+무엇2k = 108특급(−175728/RT)
(Ⅱ)높은+2SiO2→C2Sk = 107특급(−240000/RT)
(Ⅲ)높은+C2S→C3Sk = 109특급(−420000/RT)
(IV)3높은+로2그만큼3→C3Ak = 108특급(−310000/RT)
(V)4높은+로2그만큼3+철2그만큼3→Q4AFk = 108특급(−330000/RT)

상기 시행 착오에 의해 선택되는 아 레니 우스 식에 사용되는 사전 지수 인자 및 활성화 온도는 카코에 대한 활성화 에너지를 제외하고, 가마의 출구에서의 전하의 예상 조성물을 얻었다 (3) 에서 촬영 한 분해 참조 [16] . 우리는 이러한 반응이 임시 모델임을 강조합니다. 실제로 고체상의 화학반응은 다양한 종의 결정들 사이의 계면에서 일어나며 확산이 제한적 이지만 [17] , 클링커 화학에 대한 상세한 처리는 본 연구의 범위를 벗어난다.

클링커 형성의 마지막 단계로 간주되는 반응 (III)은 고온에서 액상이 존재할 때만 발생합니다. 클링커의 용융은 액체 분획 fus 에 대해서도 해결함으로써 모델링되었습니다 .(7)엘소란V클디(ϱ클와이소란)디엑스=RHS의식(4)만약 T의 CL이 융해 온도와 같거나보다 커진다 T의 FUS 와 T의 FUS 의 = 1560 K. 상한 Y의 FUS = 0.3 수행 하였다 [17] 상기 식을. (7) 무시되었다.

상미분 방정식, , Gear 방식과 통합되었습니다. 가마 온도에 대한 유한 체적 코드( 2.3절 )와 클링커에 대한 코드는 반복적으로 해결되었으며( 그림 4 ), 이는 벽 클링커 열유속 w–cl ( x , ϕ ).

2.5 . 최종 커플링

전체 문제(가스, 가마, 장입)는 반복 방식으로 해결되었습니다. RAD 의 균일한 분포에서 시작 하여 기체상은 rad ( x ) 및 conv ( x ) 의 축 분포를 제공하도록 해결되었습니다 . 이것들은 다음에서 사용되었습니다., 그 솔루션의 새로운 추정 결과 RAD ( X 통해) 식. (2) . 그런 다음 FLOW3D-RAD3D 실행이 6차 다항식 피팅의 계수 형태로 프로그램에 도입된 새로운 경계 조건으로 반복되었습니다. 의 연속 추정치 사이에 0.5 미만의 밑에 이완 인자 RAD ( X)는 벽 온도에 대한 복사 열유속의 민감도가 크기 때문에 필요한 것으로 밝혀졌습니다. 일반적으로 HP 715 워크스테이션에서 10일 정도의 총 CPU 시간에 해당하는 내벽 온도(연속 반복이 40K 이상 변하지 않을 때 정의됨)의 수렴을 달성하기 위해 이러한 단계 사이에 약 10번의 반복이 필요했습니다. . 그림 5 는 균일한 값(1600K)에서 시작하여 최종 프로파일까지 RAD ( x ) 의 수렴 이력을 보여줍니다 .

2.6 . 가마 조건

사용된 일부 매개변수에 대한 작동 조건 및 값은 표 1 표 2 표 3에 나와 있습니다. 이 값은 시멘트 회전 가마의 전형입니다.

표 1 . 공기 및 석탄 입자 입구 조건

수송소용돌이중고등 학년석탄
m (kg/s)2.2531.7592.91045.9304.0
 (m/s)77.136.576.112.7336.5
V (m/s)−20.7063.900
W (m/s)00112.800
 (케이)3183833181273383

표 2 . 클링커 조성(질량 분율)

밀가루가마 입구가마 출구
m (kg/s)50.37439.81532.775
 (케이)11001785
CACO 30.79470.402180
높은00.338010.0229
그런가 20.14340.181430
알 2 O 30.03490.04420
철 2 O 30.02700.034160
C2S000.1808
C3S000.5981
C3A000.0731
Q4AF000.1242
소성 인자00.61.0

소성 계수 카코의 비율을 3 의 CaO로 변환 된 FARINE있다.

표 3 . 재료 속성 및 기타 매개변수

ω (래드/초)0.5
V의 CL (m / s)0.035
 (K)300
sh (W/m 2 K)30
w–cl (W/m 2 K)500
ε w , ε cl0.9
ε 0.8
C의 P (클링커) (킬로 / kg K)1.5
ϱ cl (kg/m 3 )1200
fus (kJ/kg)418.4
p (벽) (kJ/kg K)1.5
ϱ w (kg/m 3 )1600–3000
k는 w (W / m K)0.6–3.0
석탄 열 방출(kJ/kg)25475

3 . 결과 및 토론

이 섹션에서는 먼저 화염 구조에 대한 정보와 함께 예측된 공기역학적 패턴의 세부사항을 제시합니다. 소성로 내화물의 온도 분포와 클링커 조성의 변화를 설명합니다. 이 섹션은 가마의 전체 에너지 균형과 가능한 모델 개선에 대한 논의로 끝납니다.

3.1 . 화염 구조

그림 6 은 명확성을 위해 방사상 좌표가 과장된 온도의 등고선 플롯을 보여줍니다. 석탄은 주입 지점에서 약 1m 지점에서 약간 축에서 벗어나 점화되며 최대 화염 온도(약 2400K)는 경험에 따라 약 40m 하류에서 도달합니다 [15] . 완전한 입자 소진에 대한 가장 긴 시간은 버너에서 45m에 해당하는 약 1.4초였습니다. 방사형 온도 프로파일( 그림 7 ) 은 온도의 상당한 불균일성이 있음을 보여주지만 출구 프로파일이 본질적으로 평평해짐에 따라 하류에서 감소합니다. 또한 벽에 인접한 가스가 더 차가운 열 경계층이 존재한다는 것이 분명합니다.석탄 노즐에서 최대 30m까지 벽보다 이것은 이 영역에서 대류에 의한 열 전달이 음(즉, 기체 쪽으로)임을 의미하며, 3.4절 에서 더 자세히 논의된 지점 입니다.

버너 출구 바로 하류에 길이가 약 1 버너 직경인 재순환 구역이 있는데( 그림 8 ), 여기에서 화염이 더 하류에서 발화하기 때문에 소용돌이 안정화 화염 [7] 에서와 같이 화염 안정화에 기여하지 않습니다 . 그러나 액체 연료를 사용할 때는 중요할 수 있으므로 버너에 가까운 그리드의 세부 사항을 강조해야 합니다. 버너에서 처음 몇 미터는 매우 높은 전단력과 높은 난류 에너지 생산을 포함하며 이것이 그리드 미세 조정을 강조하는 또 다른 이유입니다. 휘발성 물질 연소 영역( x =10m, r =1m) 에서 k 및 ε 의 일반적인 예측 값 은 24.3 및 142m 2 /s입니다.3 , 각각. 대규모 난류 시간은 171ms이고 Kolmogorov 시간 규모는 1.1ms입니다. 휘발성 물질의 연소는 0.1ms(일반적인 탄화수소 연료) 정도의 시간 규모에서 발생하며, 이는 가마의 소규모 난류 시간보다 10배 더 짧습니다. 따라서 이 흐름에서 연소에 대한 유한 속도 동역학을 포함할 필요는 없으며 “혼합 연소” 근사가 합리적입니다.

3.2 . 가마 온도 분포

중심선에서 계산된 가스 온도, 온도 RAD ( x ) 및 클링커 온도는 그림 9 에서 비교됩니다 . 최고 가스 온도는 25~40m 사이에 위치하며 내화 내부 표면 온도도 최고점입니다. 클링커는 놀랍게도 가마에서 나오기 전 마지막 몇 미터 동안 벽보다 뜨겁 습니다. 복사에 의해 내화물에 입사하는 열유속은 대류에 의한 것보다 1-2 배 더 높으며( 그림 10 ) 가마의 처음 10m에 대한 총 열 전달 은 가스를  합니다. 이 관찰의 중요성은 나중에 논의됩니다.

대류로 인한 에너지 플럭스는 화염에서 가마까지의 전체 에너지 플럭스의 매우 작은 부분인 것으로 밝혀졌습니다( 그림 10 ). 여기서 예측된 대류의 작은 기여는 Ref. [11] . 그 작업에서 대류 열 전달 계산에 사용된 가스 온도는 가마 단면의 평균이었고 따라서 축 근처에 있는 화염의 기여로 인해 벽 부근의 온도보다 훨씬 높았습니다. . 여기에서 우리는 온도와 가스 속도 및 난류 운동 에너지의 국부적 값을 기반으로 하는 보다 정확한 열전달 계수를 사용했기 때문에 보다 정확한 결과를 기대합니다.

예측된 벽 온도는 모든 방향에서 불균일합니다. Fig. 11 은 가마가 회전함에 따라 화염에 노출되었을 때 벽이 가스에 의해 연속적으로 가열되고 클링커에 열을 공급하여 냉각되는 것을 보여준다. 이것은 약 100K의 일반적인 각도 온도 변화를 갖는 대부분의 가마 길이에 해당됩니다. 대조적으로 버너에 가까우면 벽 은 (0 < ϕ < π /2) 동안 클링커에서 열을 얻고 다음으로 열을  습니다. 노출될 때의 가스( π /2 < ϕ < 2 π ). 벽과 클링커 온도가 같으면서 방위각 변화가 없는 경우가 발생할 수 있습니다( 그림 11 ,        x = 17.5m). 이 온도 변화가 작은 것으로 간주될 수 있지만 벽에서 클링커까지의 열유속을 계산하는 위치에 있으려면 전체 3차원 내벽 온도 분포를 계산해야 합니다(0  < ϕ 범위에서 발생 < π /2).   

그림 12 는 ϕ에 독립적인 외부(쉘) 온도와 함께 고체의 큰 비열로 인해 각도 방향의 변화 영역이 벽으로 약 1cm만 확장됨을 보여줍니다( 그림 12b) .. 벽 온도 방사 분포는 가스 온도, 입사 방사선 및 내화 재료의 특성이 변하기 때문에 축 방향 거리에 따라 달라집니다. 정확한 예측을 위해서는 내화물에 부착된 클링커 코팅의 두께에 대한 정확한 지식이 필요합니다. 여기에서 우리는 이 코팅을 클링커와 유사한 물성을 가진 균일한 두께의 재료로 취급했습니다. 그러나 이 코팅층의 실제 물리적 특성과 두께 분포에 관한 실험 데이터를 사용하여 예측의 신뢰성이 향상될 것입니다.

마지막으로, 그림 13 은 외부 쉘 온도가 화염 영역에서 최고조에 달하고 대략적으로 실험 경향을 따른다는 것을 보여줍니다 [15] . 외부 가마 외피는 다양한 강철 두께, 방사율(외피 착색으로 인한) 및 열 전달 계수(송풍기 간격으로 인한)를 갖고 가마는 가변 내화 두께(에 의한 침식으로 인해)를 갖기 때문에 정확한 비교는 의미가 없습니다. 클링커), 여기에 사용된 가정과 반대입니다. 전체 규모 가마는 또한 차등 코팅 및 내화 침식으로 인한 최대 ±100K의 쉘 온도 각도 변동을 보여줍니다 [15] . 따라서 우리는 그림 13 의 일치 가 실제 가마의 복잡성을 고려할 때 예상할 수 있는 만큼 우수 하다고 믿습니다 .

이 섹션에 제시된 예측은 가마 내부의 열 전달 경로에 대한 다음 그림을 뒷받침합니다. 대부분의 가마 길이에서 장입물은 화염으로부터의 복사와 벽으로부터의 열 전도에 의해 가열되고 있습니다. 장입물이 내화물보다 더 차갑기 때문입니다. 가마가 회전함에 따라 내화물은 화염에 노출될 때 열을 얻고 이를 클링커에 공급합니다( 그림 11 ). 벽의 이 “재생” 작용은 Refs. 9 , 10 및 현재 결과에서 재현되었습니다. 그러나 버너 근처에서 반대 에너지 흐름이 발생합니다( 그림 11 , 작은 x). 여기의 가스는 아직 충분히 뜨겁지 않아 내화물이나 장입물에 에너지를 공급하지 않습니다. 이 영역에서 벽은 다가오는 전하에 의해 열을 얻으므로 고체가 없을 때보다 더 뜨겁게 유지됩니다. 벽과 전하가 대류와 복사에 의해 가스에 열을 공급합니다. 우리는 이것을 “음의 재생” 작용으로 식별할 수 있으며 가마의 더 높은 온도 영역( x  >  15m) 에서 클링커에 의해 흡수된 에너지에 의해 유지됩니다 . 전반적으로 클링커는 x  >  15 m 에서 열을 흡수 하고 0  < x < 15 m 에서 일부를 가스로 되돌려 줍니다.   

이 상호 작용은 간단하지 않으며 쉽게 예상할 수 없습니다. 이는 예를 들어 고체를 액체 연료로 대체하여 화염을 수정하면 열유속 분포를 변경하여 최종 클링커 온도에 중대한 영향을 미칠 수 있음을 의미합니다. 현재의 포괄적인 모델이 제공하는 세부 사항은 가마에서 이러한 변화를 평가하는 데 도움이 될 것입니다.

3.3 . 클링커 온도 및 조성

클링커 온도( 그림 9 )는 가장 높은 화염 온도에 도달하는 축 방향 위치에서 거의 최고조에 달하며 클링커는 약 1780K에서 킬른에 존재하며 이는 시멘트 킬른에서 실험 측정값에 가까운 값입니다 [15] . 초기 및 최종 클링커 조성은 표 2 에 나와 있으며 실제 가마에서 작동 값에 가깝습니다 [15] . 다양한 클링커 성분의 축방향 분포( 그림 14 )는 완전한 하소를 위해 고체 유입구에서 약 25m, C2S, C3A 및 C4AF 생성을 위해 추가로 10m가 소요됨을 보여줍니다. 첫 번째 액체상은 x 에서 발견됩니다.=50m이고 액화는 경험과 일치하는 예측인 매우 직후에 완료됩니다 [17] . 클링커화 반응(R-III)은 모델에서 액체가 나타날 때 시작되는 것으로 가정되었으며, 그림 14 에서 클링커화에는 나머지 길이의 거의 전체가 완료되어야 한다는 것이 분명 합니다. 예측은 전체적으로 시멘트 가마 운영의 경험과 일치하며 여기에 사용된 화학적 및 물리적 매개변수가 현실적인 값을 가지고 있음을 의미합니다.

3.4 . 글로벌 에너지 균형

전지구적 에너지 균형은 기체상(FLOW-3D 및 RAD-3D에 의한)과 소성로 장입 시스템에 대한 솔루션에서 쉽게 계산할 수 있으며 표 4 에 나와 있습니다. CFD 코드는 방사 모듈과 함께 에너지를 약 2%까지 절약합니다. 작은 것으로 간주되는 이 오류는 주로 RAD-3D의 영역 이산화와 Monte-Carlo 계산의 유한한 입자 수로 인해 발생하는 오류에 기인하며 CPU 시간을 희생하여 개선할 수 있습니다. 소성로-클링커 계산의 정확도는 더 나쁩니다. 소성로-클링커 시스템에 입력되는 에너지의 약 10% 오류( rad  + conv )입니다. 이는 수렴된 솔루션이 식 (3) , 그리고 보다 정확한 암시적 솔버에 의해 개선될 수 있습니다.

표 4 . CFD 그리드 및 가마-클링커 조합에 대한 글로벌 에너지 균형

가스(MW)
라드 , 1−2.47
라드 , 2−2.72
큐 라드−57.12
전환0.04
석탄101.2
Δ 가스41.25
균형2.32
가마 클링커
큐 라드57.12
전환−0.04
손실−10.45
Δ H의 CL40.99
균형5.64

에너지 흐름의 정의는 그림 2 를 참조하십시오 .

시멘트 회전식 가마의 에너지 사용에 관한 몇 가지 흥미로운 결론은 표 4 의 결과를 통해 얻을 수 있습니다 . 연소에 의해 방출되는 에너지의 약 40%는 전하 가열 및 클링커 형성에 필요하고 약 10%는 내화물을 통해 대기로 손실됩니다. 나머지의 대부분은 본질적으로 배기 가스와 함께 소성로 밖으로 흐릅니다. 이 중 일부는 소성로 외부의 예비 하소기 및 사이클론에서 회수됩니다. 내부 가마 벽과 장입 온도를 자세히 다루는 여기에 제시된 포괄적인 모델에 의존하지 않고는 국지적 가스 온도를 정확하게 예측하고 이에 따라 향후 연구에서 오염 물질 형성을 예측하는 것이 불가능하다는 것이 분명합니다.

3.5 . 논의

여기에 제시된 회전식 시멘트 가마 작동에 대한 포괄적인 모델의 결과는 합리적이며 실험적으로 관찰된 경향을 재현합니다. 이전 모델링 작업에 비해 이 작업의 주요 이점은 가마에서 발생하는 대부분의 물리적 프로세스를 포함한다는 점입니다. 특히, 가스 온도와 클링커로의 열유속 및 이에 따른 클링커 형성을 결정하는 데 가장 중요한 양인 내벽 온도는 실험 데이터를 사용하여 규정된 것이 아니라 예측되었습니다. 이 특정 기능은 현재 모델을 진정한 예측형으로 만듭니다.

우리는 전체 3차원 문제를 공기역학에 대한 “동등한” 축대칭 문제로 줄이는 방법을 포함했습니다( 식 (2) ). 이를 통해 현재 워크스테이션에서 솔루션을 얻을 수 있습니다. 모델의 모듈식 특성, 즉 공기역학, 복사, 가마 및 장입에 대한 별도의 코드는 해당 모듈만 수정하면 다른 회전 가마 응용 프로그램(예: 소각 및 건조)에도 사용할 수 있음을 의미합니다. 예를 들어, 고형 폐기물의 소각은 현재 코드로 모델링할 수 있지만 적절한 화학.

실험 데이터와의 상세한 비교는 이용 가능한 측정이 거의 없고 현지 시멘트 회사에서 제공한 경험적 데이터로 제한되어 매우 어렵습니다 [15] . 비교는 앞서 지적한 바와 같이 출구 클링커 조성과 온도가 산업적 경험( 표 2 ) 이내 이고, 배기 가스 조성은 공장 굴뚝에서 측정된 값에 가깝고(“가짜 공기” 희석을 허용한 후), 가마 외피 온도는 측정 범위 내에 있습니다( 그림 13 ). 이 동의는 모델이 프로세스의 정확한 표현임을 시사합니다.

더 높은 정확도의 예측을 달성하려면 모델의 다양한 부분에서 개선이 필요합니다. 내화물의 정확한 두께(즉, 내화물과 부착된 클링커)를 설정해야 합니다. 이는 가마 벽을 통해 주변으로 열 손실이 발생하여 외부 쉘 온도에 영향을 미치기 때문입니다. 새 내화물이 있는 가마에서 쉘 온도 측정과 자세한 비교가 이루어져야 합니다(불균일한 코팅 두께가 방지되도록). 벽 재료의 물리적 특성(열용량, 밀도, 전도도)의 적절한 값을 사용해야 합니다. 가장 큰 불확실성은 클링커 코팅의 가정된 특성에 관한 것입니다. 내벽 표면의 방사율과 가스의 흡수 계수를 더 자세히 조사해야 합니다. 가마에 입사하는 복사 열유속에 영향을 미치므로 벽 온도에 영향을 줄 수 있습니다. 클링커의 온도는 사용된 비열 용량에 따라 달라지므로 정확한 평가에 각별한 주의가 필요합니다. 화염의 국지적 온도와 종 구성에 대한 지식은 CFD 코드를 검증하는 데 매우 유용할 것이지만 그러한 적대적인 환경에서 측정은 분명히 달성하기 매우 어렵습니다. 마지막으로 클링커 화학 및 전하 이동은 개선할 수 있는 영역입니다. 그러한 적대적인 환경에서의 측정은 분명히 달성하기 매우 어렵습니다. 마지막으로 클링커 화학 및 전하 이동은 개선할 수 있는 영역입니다. 그러한 적대적인 환경에서의 측정은 분명히 달성하기 매우 어렵습니다. 마지막으로 클링커 화학 및 전하 이동은 개선할 수 있는 영역입니다.

이러한 모든 잠재적 개선과 모델과 관련된 불확실성에도 불구하고 가마의 모든 에너지 경로가 적절한 세부 사항으로 모델링되었기 때문에 전체 동작은 최소한 질적으로 정확합니다. 클링커 출구 구성, 쉘 온도 및 배기 가스 구성과 같은 중요한 양은 허용 가능한 정확도로 예측됩니다. 이 모델은 버너, 연료 유형, 품질 및 수량, 예비 하소 수준( 표 2 ) 또는 고형물 유량 등의 변경과 같은 많은 상황에서 산업계에 매우 유용할 것으로 예상됩니다 . 소성로 운영자는 최종 클링커 구성이 여전히 허용 가능하고 현재의 포괄적인 모델이 이 방향에 도움이 될 수 있는지 확인해야 합니다.

4 . 결론

실제 작동 조건에서 석탄 연소 회전 시멘트 가마의 클링커 형성은 석탄 화염과 가마 사이의 열 교환, 가마와 역류 고체 사이의 열 교환, 고형물을 최종 제품(클링커)으로 변환합니다. 방사선에 대한 Monte-Carlo 방법을 포함하는 축대칭 CFD 코드(상용 패키지 FLOW-3D)가 기상에 사용되었습니다. 가마 벽의 온도는 유한 체적 열전도 코드로 계산되었으며 클링커에 대한 종 및 에너지 보존 방정식도 공식화 및 해결되었습니다. 기체 온도 필드에 대한 예측 사이의 반복적인 절차, 벽에 대한 복사 열 유속, 가마 및 클링커 온도는 실험에서 이러한 정보를 사용한 이전 모델링 노력과 달리 내벽 온도 분포를 명시적으로 계산하는 데 사용되었습니다. 접선 좌표에 대한 통합은 CFD 코드에 필요한 경계 조건으로 사용되는 “유효” 내벽 온도의 축 분포를 초래했습니다. 이 절차를 통해 클링커로의 열 흐름 계산이 가능하고 축대칭 CFD 코드로 3차원 문제를 대략적으로 처리할 수 있습니다. CFD 코드에 필요한 경계 조건으로 사용됩니다. 이 절차를 통해 클링커로의 열 흐름 계산이 가능하고 축대칭 CFD 코드로 3차원 문제를 대략적으로 처리할 수 있습니다. CFD 코드에 필요한 경계 조건으로 사용됩니다. 이 절차를 통해 클링커로의 열 흐름 계산이 가능하고 축대칭 CFD 코드로 3차원 문제를 대략적으로 처리할 수 있습니다.

결과는 복사가 가스와 가마 벽 사이의 대부분의 열 전달을 설명하는 반면 내화물을 통한 환경으로의 열 손실은 입력 열의 약 10%를 설명한다는 것을 보여줍니다. 화학 반응과 충전물의 가열은 연소 에너지의 약 40%를 흡수합니다. 따라서 이러한 사항을 반드시 고려해야 합니다. 예측은 실제 규모의 시멘트 가마에서 얻은 경험과 측정값을 기반으로 한 경향과 일치합니다.

감사의 말

이 작업은 과학 및 기술을 위한 그리스 사무국 프로젝트 EPET-II/649의 자금 지원을 받았습니다. Mr.P에게 진심으로 감사드립니다. 시멘트 가마에 관한 지침 및 데이터는 그리스 TITAN SA의 Panagiotopoulos에게 문의하십시오.

References
1 S.R. Turns, An Introduction to Combustion, Concepts and Applications, McGraw-Hill, New York, 1996
Google Scholar
2 V. Johansen, T.V. Kouznetsova, Clinker formation and new processes, Presented at the Ninth International Congress on the Chemistry of Cement, India, 1992; also RAMBOLL Bulletin No. 42, 1993
Google Scholar
3 Basel Convention, UNEP Document No. 93-7758, 1993
Google Scholar
4 N.C Markatos
Mathematical modelling of single and two-phase flow problems in the process industries
Revue de l’Institut Français du Pétrole, 48 (1993), p. 631
View PDFCrossRefView Record in ScopusGoogle Scholar
5 T. Avgeropoulos, J.P. Glekas, C. Papadopoulos, Numerical simulation of the combustion aerodynamics inside a rotary cement kiln, in: Pilavachi (Ed.), Energy Efficiency in Process Technology, Elsevier, London, 1993, p. 767
Google Scholar
6 F.C. Lockwood, B. Shen, T. Lowes, Numerical study of petroleum coke fired cement kiln flames, Presented at the Third International Conference on Combustion Technologies for a Clean Environment, Lisbon, 1995
Google Scholar
7 F.C. Lockwood, B. Shen, Performance predictions of pulverised-coal flames of power station furnace and cement kiln types, Twenty-Fifth Symposium International on Combustion, The Combustion Institute, 1994 p. 503
Google Scholar
8 P.V Barr, J.K Brimacombe, A.P Watkinson
A heat-transfer model for the rotary kiln: Part II, development of the cross-section model
Metallurgical Transactions B, 20B (1989), p. 403
View Record in ScopusGoogle Scholar
9 V Frisch, R Jeschar
Possibilities for optimizing the burning process in rotary cement kilns
Zement-Kalk-Gips, 36 (1983), p. 549
View Record in ScopusGoogle Scholar
10 A.A Boateng, P.V Barr
A thermal model for the rotary kiln including heat transfer within the bed
Int. J. Heat Mass Transfer, 39 (1996), p. 2131
ArticleDownload PDFView Record in ScopusGoogle Scholar
11 M.G. Carvahlo, T. Farias, A. Martius, A three-dimensional modelling of the radiative heat transfer in a cement kiln, in: Carvahlo et al. (Eds.), Combustion Technologies for a Clean Environment, Gordon and Breach, London, 1995, p. 146
Google Scholar
12 H.A Spang
A dynamic model of a cement kiln
Automatica, 8 (1972), p. 309
ArticleDownload PDFView Record in ScopusGoogle Scholar
13 CFDS, FLOW-3D Users Manual, AEA Harwell, UK
Google Scholar
14 E Mastorakos, J.J McGuirk, A.M.K.P Taylor
The origin of turbulence acquired by heavy particles in a round, turbulent jet
Part. Part. Syst. Charact., 7 (1990), p. 203
View PDFCrossRefView Record in ScopusGoogle Scholar
15 P. Panagiotopoulos, TITAN S.A. Cement Company, Personal communication, 1996
Google Scholar
16 M.S Murthy, B.R Harish, K.S Rajanandam, K.Y Ajoy Pavan Kumar
Investigation on the kinetics of thermal decomposition of calcium carbonate
Chem. Eng. Sci., 49 (1996), p. 2198
Google Scholar
17 V. Johansen, Cement production and chemistry, Presented at the Symposium on Cement Manufacturing and Chemistry, Anaheim, November 1989; also RAMBOLL Bulletin No. 41, 1993
Google Scholar
1 Also at Department of Mechanical Engineering, University of Patras, Greece.

2 Also at Department of Chemical Engineering, University of Patras, Greece.

The Simulation of Droplet Impact on the Super-Hydrophobic Surface with Micro-Pillar Arrays Fabricated by Laser Irradiation and Silanization Processes

The simulation of droplet impact on the super-hydrophobic surface with micro-pillar arrays fabricated by laser irradiation and silanization processes

레이저 조사 및 silanization 공정으로 제작된 micro-pillar arrays를 사용하여 초 소수성 표면에 대한 액적 영향 시뮬레이션

ZhenyanXiaa YangZhaoa ZhenYangabc ChengjuanYangab LinanLia ShibinWanga MengWangab
aSchool of Mechanical Engineering, Tianjin University, Tianjin, 300054, China
bKey Laboratory of Mechanism Theory and Equipment Design of Ministry of Education, Tianjin, 300072, Chinac
School of Engineering, University of Warwick, Coventry, CV4 7AL, UK

Received 23 September 2020, Revised 17 November 2020, Accepted 26 November 2020, Available online 11 December 2020.

Abstract

Super-hydrophobicity is one of the significant natural phenomena, which has inspired researchers to fabricate artificial smart materials using advanced manufacturing techniques. In this study, a super-hydrophobic aluminum surface was prepared by nanosecond laser texturing and FAS modification in sequence. The surface wettability turned from original hydrophilicity to super-hydrophilicity immediately after laser treatment. Then it changed to super-hydrophobicity showing a WCA of 157.6 ± 1.2° with a SA of 1.7 ± 0.7° when the laser-induced rough surface being coated with a layer of FAS molecules. The transforming mechanism was further explored from physical and chemical aspects based on the analyses of surface morphology and surface chemistry. Besides, the motion process of droplet impacting super-hydrophobic surface was systematically analyzed via the optimization of simulation calculation grid and the simulation method of volume of fluid (VOF). Based on this simulation method, the morphological changes, the inside pressure distribution and velocity of the droplet were further investigated. And the motion mechanism of the droplet on super-hydrophobic surface was clearly revealed in this paper. The simulation results and the images captured by high-speed camera were highly consistent, which indicated that the computational fluid dynamics (CFD) is an effective method to predict the droplet motion on super- hydrophobic surfaces. This paper can provide an explicit guidance for the selection of suitable methods for functional surfaces with different requirements in the industry.

Korea Abstract

초 소수성은 연구원들이 첨단 제조 기술을 사용하여 인공 스마트 재료를 제작하도록 영감을 준 중요한 자연 현상 중 하나 입니다. 이 연구에서 초 소수성 알루미늄 표면은 나노초 레이저 텍스처링과 FAS 수정에 의해 순서대로 준비되었습니다.

레이저 처리 직후 표면 습윤성은 원래의 친수성에서 초 친수성으로 바뀌 었습니다. 그런 다음 레이저 유도 거친 표면을 FAS 분자 층으로 코팅했을 때 WCA가 157.6 ± 1.2 °이고 SA가 1.7 ± 0.7 ° 인 초 소수성으로 변경되었습니다.

변형 메커니즘은 표면 형태 및 표면 화학 분석을 기반으로 물리적 및 화학적 측면에서 추가로 탐구 되었습니다. 또한, 초 소수성 표면에 영향을 미치는 물방울의 운동 과정은 시뮬레이션 계산 그리드의 최적화와 유체 부피 (VOF) 시뮬레이션 방법을 통해 체계적으로 분석되었습니다.

이 시뮬레이션 방법을 바탕으로 형태학적 변화, 내부 압력 분포 및 액 적의 속도를 추가로 조사했습니다. 그리고 초 소수성 표면에 있는 물방울의 운동 메커니즘이 이 논문에서 분명하게 드러났습니다.

시뮬레이션 결과와 고속 카메라로 캡처한 이미지는 매우 일관적 이었습니다. 이는 전산 유체 역학 (CFD)이 초 소수성 표면에서 액적 움직임을 예측하는 효과적인 방법임을 나타냅니다.

이 백서는 업계의 다양한 요구 사항을 가진 기능 표면에 적합한 방법을 선택하기 위한 명시적인 지침을 제공 할 수 있습니다.

Keywords: Laser irradiation; Wettability; Droplet impact; Simulation; VOF

Introduction

서식지에 적응하기 위해 많은 자연 식물과 동물에서 특별한 습윤 표면이 진화되었습니다 [1-3]. 연잎은 먼지에 의한 오염으로부터 스스로를 보호하기 위해 우수한 자가 청소 특성을 나타냅니다 [4]. 사막 딱정벌레는 공기에서 물을 수확할 수 있는 기능적 표면 때문에 건조한 사막에서 생존 할 수 있습니다 [5].

자연 세계에서 영감을 받아 고체 기질의 표면 습윤성을 수정하는데 더 많은 관심이 집중되었습니다 [6-7]. 기능성 표면의 우수한 성능은 고유 한 표면 습윤성에 기인하며, 이는 고체 표면에서 액체의 확산 능력을 반영하는 중요한 특성 중 하나입니다 [8].

일반적으로 물 접촉각 (WCA) 값에 따라 90 °는 친수성과 소수성의 경계로 간주됩니다. WCA가 90 ° 이상인 소수성 표면, WCA가 90 ° 미만인 친수성 표면 [9 ]. 특히 고체 표면은 WCA가 10 ° 미만의 슬라이딩 각도 (SA)에서 150 °를 초과 할 때 특별한 초 소수성을 나타냅니다 [10-11].

<내용 중략> ……

 The Simulation of Droplet Impact on the Super-Hydrophobic Surface with Micro-Pillar Arrays Fabricated by Laser Irradiation and Silanization Processes
The Simulation of Droplet Impact on the Super-Hydrophobic Surface with Micro-Pillar Arrays Fabricated by Laser Irradiation and Silanization Processes

References

[1] H.W. Chen, P.F. Zhang, L.W. Zhang, Y. Jiang, H.L. Liu, D.Y. Zhang, Z.W. Han, L.
Jiang, Continuous directional water transport on the peristome surface of Nepenthes
alata, Nature 532 (2016) 85-89.
[2] Y. Liu, K.T. Zhang, W.G. Yao, J.A. Liu, Z.W. Han, L.Q. Ren, Bioinspired
structured superhydrophobic and superoleophilic stainless steel mesh for efficient oilwater separation, Colloids Surf., A 500 (2016) 54-63.
[3] Y.X. Liu, W.L. Liu, G.L. Wang, J.C. Hou, H. Kong, W.L. Wang, A facile one-step
approach to superhydrophilic silica film with hierarchical structure using
fluoroalkylsilane, Colloids Surf., A 539 (2018) 109-115.
[4] F.P. Wang, S. Li, L. Wang, Fabrication of artificial super-hydrophobic lotus-leaflike bamboo surfaces through soft lithography, Colloids Surf., A 513 (2017) 389-395.
[5] W. Huang, X.Y. Tang, Z. Qiu, W.X. Zhu, Y.G. Wang, Y.L. Zhu, Z.F. Xiao, H.G.
Wang, D.X. Liang, Jian, L. Y.J Xie, Cellulose-based Superhydrophobic Surface
Decorated with Functional Groups Showing Distinct Wetting Abilities to Manipulate
Water Harvesting, ACS Appl. Mater. Interfaces DOI: 10.1021/acsami.0c12504.
[6] M.Y. Zhang, L.J. Ma, Q. Wang, P. Hao, X. Zheng, Wettability behavior of
nanodroplets on copper surfaces with hierarchical nanostructures, Colloids Surf., A
604 (2020) 125291.
[7] A.F. Pan, W.J. Wang, X.S. Mei, K.D. Wang, X.B. Yang, Rutile TiO2 flocculent
ripples with high antireflectivity and superhydrophobicity on the surface of titanium
under 10 ns laser irradiation without focusing, Langmuir 33 (2017) 9530-9538.
[8] M. Li, X.H. Liu, N. Liu, Z.H. Guo, P.K. Singh, S.Y. Fu, Effect of surface
wettability on the antibacterial activity of nanocellulose-based material with
quaternary ammonium groups, Colloids Surf., A 554 (2018) 122-128.
[9] T.C. Chen, H.T. Liu, H.F. Yang, W. Yan, W. Zhu, H. Liu, Biomimetic fabrication
of robust self-assembly superhydrophobic surfaces with corrosion resistance
properties on stainless steel substrate, RSC Adv. 6 (2016) 43937-43949.
[10] P. Zhang, F.Y. Lv, A review of the recent advances in superhydrophobic surfaces
and the emerging energy-related applications, Energy 82 (2015) 1068-1087.
[11] Z. Yang, X.P. Liu, Y.L. Tian, Novel metal-organic super-hydrophobic surface
fabricated by nanosecond laser irradiation in solution, Colloids Surf., A 587 (2020)
124343.
[12] J.Y. Peng, X.J. Zhao, W.F. Wang, X. Gong, Durable Self-Cleaning Surfaces with
Superhydrophobic and Highly Oleophobic Properties, Langmuir, 35 (2019) 8404-
8412.
[13] Z. Yang, X.P. Liu, Y.L. Tian, A contrastive investigation on anticorrosive
performance of laser-induced super-hydrophobic and oil-infused slippery coatings,
Prog. Org. Coat. 138 (2020) 105313.
[14] J.L. Yong, F. Chen, Q. Yang, J.L. Huo, X. Hou, Superoleophobic Surfaces,
Chem. Soc. Rev. 46 (2017) 4168-4217.
[15] D.W. Li, H.Y. Wang, Y. Liu, D.S. Wei, Z.X. Zhao, Large-Scale Fabrication of
Durable and Robust Super-Hydrophobic Spray Coatings with Excellent Repairable
and Anti-Corrosion Performance, Chem. Eng. J. 367 (2019) 169-179.
[16] R.J. Liao, Z.P. Zuo, C. Guo, Y. Yuan, A.Y. Zhuang, Fabrication of
superhydrophobic surface on aluminum by continuous chemical etching and its antiicing property, Appl. Surf. Sci. 317 (2014) 701-709.
[17] Z. Yang. X.P. Liu, Y.L. Tian, Hybrid laser ablation and chemical modification for
fast fabrication of bio-inspired super-hydrophobic surface with excellent selfcleaning, stability and corrosion resistance, J Bionic Eng 16 (2019) 13-26.
[18] Z. Yang, Y.L. Tian, Y.C. Zhao, C.J. Yang, Study on the fabrication of superhydrophobic surface on Inconel alloy via nanosecond laser ablation, Materials 12
(2019) 278.
[19] Y. Wang, X. Gong, Superhydrophobic Coatings with Periodic Ring Structured
Patterns for Self-Cleaning and Oil-Water Separation, Adv. Mater. Interfaces 4 (2017)
1700190.
[20] N. Chik, W.S.W.M. Zain, A.J. Mohamad, M.Z. Sidek, W.H.W. Ibrahim, A. Reif,
J.H. Rakebrandt, W. Pfleging, X. Liu, Bacterial adhesion on the titanium and
stainless-steel surfaces undergone two different treatment methods: Polishing and ultrafast laser treatment, IOP Conf. Ser.: Mater. Sci. Eng.358 (2018) 012034.
[21] N.K.K. Win, P. Jitareerat, S. Kanlayanarat, S. Sangchote, Effects of cinnamon
extract, chitosan coating, hot water treatment and their combinations on crown rot
disease and quality of banana fruit, Postharvest Biol. Technol. 45 (2007) 333–340.
[22] A. Yarin, Drop impact dynamics: splashing, spreading, receding, bouncing, Annu.
Rev. Fluid Mech. 38 (2006) 159–192.
[23] N. Wang, L.L. Tang, Y.F. Cai, W. Tong, D.S. Xiong, Scalable superhydrophobic
coating with controllable wettability and investigations of its drag reduction, Colloids
Surf. A 555 (2018) 290–295.
[24] R. Fürstner, W. Barthlott, C. Neinhuis, P. Walzel, Wetting and self-cleaning
properties of artificial superhydrophobic surfaces, Langmuir 21 (2005) 956–61.
[25] U. Trdan, M. Hočevar, P. Gregorčič, Transition from superhydrophilic to
superhydrophobic state of laser textured stainless steel surface and its effect on
corrosion resistance, Corros. Sci. 123 (2017) 21–44.
[26] A.L. Biance, C. Clanet, D. Quere, First steps in the spreading of a liquid droplet,
Phys. Rev. E 69 (2004) 016301.
[27] S. Kulju, L. Riegger, P. Koltay et al, Fluid flow simulations meet high-speed
video: computer vision comparison of droplet dynamics, J. Colloid Interface Sci. 522
(2018) 48.
[28] C.J. Yong, B. Bhushan, Dynamic effects of bouncing water droplets on
superhydrophobic surfaces, Langmuir 24.12 (2008) 6262–6269.
[29] G. Karapetsas, N.T. Chamakos, A.G. Papathanasiou, Efficient modelling of
droplet dynamics on complex surfaces, J. Phys.: Condens. Matter 28.8 (2016) 085101.
[30] D. Khojasteh, N.M. Kazerooni, S. Salarian et al, Droplet impact on
superhydrophobic surfaces: a review of recent developments, J. Ind. Eng. Chem. 42
(2016) 1–14.
[31] S.H. Kim, Y. Jiang, H. Kim, Droplet impact and LFP on wettability and
nanostructured surface, Exp. Therm. Fluid Sci. 99 (2018) 85–93.
[32] M. Rudman, Volume‐Tracking Methods for Interfacial Flow Calculations, Int.
J. Numer. Methods Fluids 24.7 (1997) 671-691.

Dam-Break Flows: Comparison between Flow-3D, MIKE 3 FM, and Analytical Solutions with Experimental Data

Dam-Break Flows: Comparison between Flow-3D, MIKE 3 FM, and Analytical Solutions with Experimental Data

by Hui Hu,Jianfeng Zhang andTao Li *
State Key Laboratory Base of Eco-Hydraulic Engineering in Arid Area, School of Water Resources and Hydropower, Xi’an University of Technology, Xi’an 710048, China
*Author to whom correspondence should be addressed.
Appl. Sci.20188(12), 2456; https://doi.org/10.3390/app8122456Received: 14 October 2018 /
Revised: 20 November 2018 / Accepted: 29 November 2018 / Published: 2 December 2018

Abstract

The objective of this study was to evaluate the applicability of a flow model with different numbers of spatial dimensions in a hydraulic features solution, with parameters such a free surface profile, water depth variations, and averaged velocity evolution in a dam-break under dry and wet bed conditions with different tailwater depths. Two similar three-dimensional (3D) hydrodynamic models (Flow-3D and MIKE 3 FM) were studied in a dam-break simulation by performing a comparison with published experimental data and the one-dimensional (1D) analytical solution. The results indicate that the Flow-3D model better captures the free surface profile of wavefronts for dry and wet beds than other methods. The MIKE 3 FM model also replicated the free surface profiles well, but it underestimated them during the initial stage under wet-bed conditions. However, it provided a better approach to the measurements over time. Measured and simulated water depth variations and velocity variations demonstrate that both of the 3D models predict the dam-break flow with a reasonable estimation and a root mean square error (RMSE) lower than 0.04, while the MIKE 3 FM had a small memory footprint and the computational time of this model was 24 times faster than that of the Flow-3D. Therefore, the MIKE 3 FM model is recommended for computations involving real-life dam-break problems in large domains, leaving the Flow-3D model for fine calculations in which knowledge of the 3D flow structure is required. The 1D analytical solution was only effective for the dam-break wave propagations along the initially dry bed, and its applicability was fairly limited. 

Keywords: dam breakFlow-3DMIKE 3 FM1D Ritter’s analytical solution

이 연구의 목적은 자유 표면 프로파일, 수심 변화 및 건식 및 댐 파괴에서 평균 속도 변화와 같은 매개 변수를 사용하여 유압 기능 솔루션에서 서로 다른 수의 공간 치수를 가진 유동 모델의 적용 가능성을 평가하는 것이었습니다.

테일 워터 깊이가 다른 습식베드 조건. 2 개의 유사한 3 차원 (3D) 유체 역학 모델 (Flow-3D 및 MIKE 3 FM)이 게시된 실험 데이터와 1 차원 (1D) 분석 솔루션과의 비교를 수행하여 댐 브레이크 시뮬레이션에서 연구되었습니다.

결과는 FLOW-3D 모델이 다른 방법보다 건식 및 습식 베드에 대한 파면의 자유 표면 프로파일을 더 잘 포착함을 나타냅니다. MIKE 3 FM 모델도 자유 표면 프로파일을 잘 복제했지만, 습식 조건에서 초기 단계에서 과소 평가했습니다. 그러나 시간이 지남에 따라 측정에 더 나은 접근 방식을 제공했습니다.

측정 및 시뮬레이션 된 수심 변화와 속도 변화는 두 3D 모델 모두 합리적인 추정치와 0.04보다 낮은 RMSE (root mean square error)로 댐 브레이크 흐름을 예측하는 반면 MIKE 3 FM은 메모리 공간이 적고 이 모델의 계산 시간은 Flow-3D보다 24 배 더 빠릅니다.

따라서 MIKE 3 FM 모델은 대규모 도메인의 실제 댐 브레이크 문제와 관련된 계산에 권장되며 3D 흐름 구조에 대한 지식이 필요한 미세 계산을 위해 Flow-3D 모델을 남겨 둡니다. 1D 분석 솔루션은 초기 건조 층을 따라 전파되는 댐 파괴에만 효과적이었으며 그 적용 가능성은 상당히 제한적이었습니다.

1. Introduction

저수지에 저장된 물의 통제되지 않은 방류[1]로 인해 댐 붕괴와 그로 인해 하류에서 발생할 수 있는 잠재적 홍수로 인해 큰 자연 위험이 발생한다. 이러한 영향을 최대한 완화하기 위해서는 홍수[2]로 인한 위험을 관리하고 감소시키기 위해 홍수의 시간적 및 공간적 진화를 모두 포착하여 댐 붕괴 파동의 움직임을 예측하고 댐 붕괴 파동의 전파 과정 효과를 다운스트림[3]으로 예측하는 것이 중요하다. 

그러나 이러한 수량을 예측하는 것은 어려운 일이며, 댐 붕괴 홍수의 움직임을 정확하게 시뮬레이션하고 유동장에 대한 유용한 정보를 제공하기 위한 적절한 모델을 선택하는 것은 그러므로 필수적인 단계[4]이다.

적절한 수학적 및 수치적 모델의 선택은 댐 붕괴 홍수 분석에서 매우 중요한 것으로 나타났다.분석적 해결책에서 행해진 댐 붕괴 흐름에 대한 연구는 100여 년 전에 시작되었다. 

리터[5]는 먼저 건조한 침대 위에 1D de 생베넌트 방정식의 초기 분석 솔루션을 도출했고, 드레슬러[6,7]와 휘담[8]은 마찰저항의 영향을 받은 파동학을 연구했으며, 스토커[9]는 젖은 침대를 위한 1D 댐 붕괴 문제에 리터의 솔루션을 확장했다. 

마샬과 멩데즈[10]는 고두노프가 가스 역학의 오일러 방정식을 위해 개발한 방법론[11]을 적용하여 젖은 침대 조건에서 리만 문제를 해결하기 위한 일반적인 절차를 고안했다. Toro [12]는 습식 및 건식 침대 조건을 모두 해결하기 위해 완전한 1D 정밀 리만 용해제를 실시했다. 

Chanson [13]은 특성 방법을 사용하여 갑작스러운 댐 붕괴로 인한 홍수에 대한 간단한 분석 솔루션을 연구했다. 그러나 이러한 분석 솔루션은 특히 댐 붕괴 초기 단계에서 젖은 침대의 정확한 결과를 도출하지 못했다[14,15].과거 연구의 발전은 이른바 댐 붕괴 홍수 문제 해결을 위한 여러 수치 모델[16]을 제공했으며, 헥-라스, DAMBRK, MIK 11 등과 같은 1차원 모델을 댐 붕괴 홍수를 모델링하는 데 사용하였다.

[17 2차원(2D) 깊이 평균 방정식도 댐 붕괴 흐름 문제를 시뮬레이션하는 데 널리 사용되어 왔으며[18,19,20,21,22] 그 결과 얕은 물 방정식(SWE)이 유체 흐름을 나타내는 데 적합하다는 것을 알 수 있다. 그러나, 경우에 따라 2D 수치해결기가 제공하는 해결책이 특히 근거리 분야에서 실험과 일관되지 않을 수 있다[23,24]. 더욱이, 1차원 및 2차원 모델은 3차원 현상에 대한 일부 세부사항을 포착하는 데 한계가 있다.

[25]. RANS(Reynolds-averageed Navier-Stok크스 방정식)에 기초한 여러 3차원(3D) 모델이 얕은 물 모델의 일부 단점을 극복하기 위해 적용되었으며, 댐 붕괴 초기 단계에서의 복잡한 흐름의 실제 동작을 이해하기 위해 사용되었다 [26,27,28]장애물이나 바닥 실에 대한 파장의 충격으로 인한 튜디 댐 붕괴 흐름 [19,29] 및 근거리 영역의 난류 댐 붕괴 흐름 거동 [4] 최근 상용화된 수치 모델 중 잘 알려진 유체 방식(VOF) 기반 CFD 모델링 소프트웨어 FLOW-3D는 컴퓨터 기술의 진보에 따른 계산력 증가로 인해 불안정한 자유 표면 흐름을 분석하는 데 널리 사용되고 있다. 

이 소프트웨어는 유한 차이 근사치를 사용하여 RANS 방정식에 대한 수치 해결책을 계산하며, 자유 표면을 추적하기 위해 VOF를 사용한다 [30,31]; 댐 붕괴 흐름을 모델링하는 데 성공적으로 사용되었다 [32,33].그러나, 2D 얕은 물 모델을 사용하여 포착할 수 없는 공간과 시간에 걸친 댐 붕괴 흐름의 특정한 유압적 특성이 있다. 

실생활 현장 척도 시뮬레이션을 위한 완전한 3D Navier-Stokes 방정식의 적용은 더 높은 계산 비용[34]을 가지고 있으며, 원하는 결과는 얕은 물 모델[35]보다 더 정확한 결과를 산출하지 못할 수 있다. 따라서, 본 논문은 3D 모델의 기능과 그 계산 효율을 평가하기 위해 댐 붕괴 흐름 시뮬레이션을 위한 단순화된 3D 모델-MIKE 3 FM을 시도한다. 

MIK 3 모델은 자연 용수 분지의 여러 유체 역학 시뮬레이션 조사에 적용되었다. 보치 외 연구진이 사용해 왔다. [36], 니콜라오스 및 게오르기오스 [37], 고얄과 라토드[38] 등 현장 연구에서 유체역학 시뮬레이션을 위한 것이다. 이러한 저자들의 상당한 연구에도 불구하고, MIK 3 FM을 이용한 댐 붕괴의 모델링에 관한 연구는 거의 없었다. 

또한 댐 붕괴 홍수 전파 문제를 해결하기 위한 3D 얕은 물과 완전한 3D RANS 모델의 성능을 비교한 연구도 아직 보고되지 않았다. 이 공백을 메우기 위해 현재 연구의 주요 목표는 댐 붕괴 흐름을 시뮬레이션하기 위한 단순화된 3D SWE, 상세 RANS 모델 및 분석 솔루션을 평가하여 댐 붕괴 문제에 대한 정확도와 적용 가능성을 평가하는 것이다.실제 댐 붕괴 문제를 해결하기 위해 유체역학 시뮬레이션을 시도하기 전에 수치 모델을 검증할 필요가 있다. 

일련의 실험 벤치마크를 사용하여 수치 모델을 확인하는 것은 용인된 관행이다. 현장 데이터 확보가 어려워 최근 몇 년 동안 제한된 측정 데이터를 취득했다. 

본 논문은 Ozmen-Cagatay와 Kocaman[30] 및 Khankandi 외 연구진이 제안한 두 가지 테스트 사례에 의해 제안된 검증에서 인용한 것이다. [39] 오즈멘-카가테이와 코카만[30]이 수행한 첫 번째 실험에서, 다른 미숫물 수위에 걸쳐 초기 단계 동안 댐 붕괴 홍수파가 발생했으며, 자유 지표면 프로파일의 측정치를 제공했다. Ozmen-Cagatay와 Kocaman[30]은 초기 단계에서 Flow-3D 소프트웨어가 포함된 2D SWE와 3D RANS의 숫자 솔루션에 의해 계산된 자유 표면 프로필만 비교했다. 

Khankandi 등이 고안한 두 번째 실험 동안. [39], 이 실험의 측정은 홍수 전파를 시뮬레이션하고 측정된 데이터를 제공하는 것을 목적으로 하는 수치 모델을 검증하기 위해 사용되었으며, 말기 동안의 자유 표면 프로필, 수위의 시간 진화 및 속도 변화를 포함한다. Khankandi 등의 연구. [39] 주로 실험 조사에 초점을 맞추었으며, 초기 단계에서는 리터의 솔루션과의 수위만을 언급하고 있다.

경계 조건(상류 및 하류 모두 무한 채널 길이를 갖는 1D 분석 솔루션에서는 실험 결과를 리터와 비교하는 것이 타당하지 않기 때문이다(건조 be)d) 또는 스토커(웨트 베드) 솔루션은 벽의 반사가 깊이 프로파일에 영향을 미쳤을 때, 그리고 참조 [39]의 실험에 대한 수치 시뮬레이션과의 추가 비교가 불량할 때. 이 논문은 이러한 문제를 직접 겨냥하여 전체 댐 붕괴 과정에서의 자유 표면 프로필, 수심 변화 및 속도 변화에 대한 완전한 비교 연구를 제시한다. 

여기서 댐 붕괴파의 수치 시뮬레이션은 초기에 건조하고 습한 직사각형 채널을 가진 유한 저장소의 순간 댐 붕괴에 대해 두 개의 3D 모델을 사용하여 개발된다.본 논문은 다음과 같이 정리되어 있다. 두 모델에 대한 통치 방정식은 숫자 체계를 설명하기 전에 먼저 도입된다. 

일반적인 단순화된 시험 사례는 3D 수치 모델과 1D 분석 솔루션을 사용하여 시뮬레이션했다. 모델 결과와 이들이 실험실 실험과 비교하는 방법이 논의되고, 서로 다른 수심비에서 시간에 따른 유압 요소의 변동에 대한 시뮬레이션 결과가 결론을 도출하기 전에 제시된다.

2. Materials and Methods

2.1. Data

첫째, 수평 건조 및 습식 침상에 대한 초기 댐 붕괴 단계 동안의 자유 표면 프로필 측정은 Ozmen-Cagatay와 Kocaman에 의해 수행되었다[30]. 이 시험 동안, 매끄럽고 직사각형의 수평 채널은 그림 1에서 표시한 대로 너비 0.30m, 높이 0.30m, 길이 8.9m이었다. 

채널은 채널 입구에서 4.65m 떨어진 수직 플레이트(담) 즉, 저장소의 길이 L0=4.65mL0에 의해 분리되었다., 및 다운스트림 채널 L1=4.25 mL1. m저수지는 댐의 좌측에 위치하고 처음에는 침수된 것으로 간주되었다; 저수지의 초기 상류 수심 h0 0.25m로 일정했다.

오른쪽의 초기 수심 h1h1 건식침대의 경우 0m, 습식침대의 경우 0.025m, 0.1m이므로 수심비 α=h1/h0α으로 세 가지 상황이 있었다. 0, 0.1, 0.4의 습식침대 조건은 플룸 끝에 낮은 보를 사용함으로써 만들어졌다. 물 표면 프로필은 3개의 고속 디지털 카메라(50프레임/s)를 사용하여 초기에 관찰되었으며, 계측 측정의 정확도는 참고문헌 [30]에서 입증되었다. In the following section, the corresponding numerical results refer to positions x = −1 m (P1), −0.5 m (P2), −0.2 m (P3), +0.2 m (P4), +0.5 m (P5), +1 m (P6), +2 m (P7), and +2.85 m (P8), where the origin of the coordinate system x = 0 is at the dam site. 3수심비 ααα 0, 0.1, 0.4의 경우 x,yx의 경우 좌표는 h0.으로 정규화된다.

<중략> ……

Figure 1. Schematic view of the experimental conditions by Ozmen-Cagatay and Kocaman [30]: (a) α = 0; (b) α = 0.1; and (c) α = 0.4.
Figure 1. Schematic view of the experimental conditions by Ozmen-Cagatay and Kocaman [30]: (a) α = 0; (b) α = 0.1; and (c) α = 0.4.

Figure 2. Schematic view of the experimental conditions by Khankandi et al. [39]: (a) α = 0 and (b) α = 0.2.
Figure 2. Schematic view of the experimental conditions by Khankandi et al. [39]: (a) α = 0 and (b) α = 0.2.
Figure 3. Typical profiles of the dam-break flow regimes for Stoker’s analytical solution [9]: Wet-bed downstream
Figure 3. Typical profiles of the dam-break flow regimes for Stoker’s analytical solution [9]: Wet-bed downstream
Figure 4. Sensitivity analysis of the numerical simulation using Flow-3D for the different mesh sizes of the experiments in Reference [30].
Figure 4. Sensitivity analysis of the numerical simulation using Flow-3D for the different mesh sizes of the experiments in Reference [30].
Figure 5. Sensitivity analysis of the numerical simulation using MIKE 3 FM for the different mesh sizes of the experiments in Reference [30].
Figure 5. Sensitivity analysis of the numerical simulation using MIKE 3 FM for the different mesh sizes of the experiments in Reference [30].
Figure 6. Comparison between observed and simulated free surface profiles at dimensionless times T = t(g/h0)1/2 and for dry-bed (α=0). The experimental data are from Reference [30].
Figure 6. Comparison between observed and simulated free surface profiles at dimensionless times T = t(g/h0)1/2 and for dry-bed (α=0). The experimental data are from Reference [30].
Figure 7. Comparison between observed and simulated free surface profiles at dimensionless times T = t(g/h0)1/2 and for a wet-bed (α = 0.1). The experimental data are from Reference [30].
Figure 7. Comparison between observed and simulated free surface profiles at dimensionless times T = t(g/h0)1/2 and for a wet-bed (α = 0.1). The experimental data are from Reference [30].
Figure 8. Comparison between observed and simulated free surface profiles at dimensionless times T = t(g/h0)1/2 and for the wet-bed (α = 0.4). The experimental data are from Reference [30].
Figure 8. Comparison between observed and simulated free surface profiles at dimensionless times T = t(g/h0)1/2 and for the wet-bed (α = 0.4). The experimental data are from Reference [30].
Figure 9. Experimental and numerical comparison of free surface profiles h/h0(x/h0) during late stages at various dimensionless times T after the failure in the dry-bed by Khankandi et al. [39].
Figure 9. Experimental and numerical comparison of free surface profiles h/h0(x/h0) during late stages at various dimensionless times T after the failure in the dry-bed by Khankandi et al. [39].

Table 2. RMSE values for the free surface profiles observed by Khankandi et al. [39].

Table 2. RMSE values for the free surface profiles observed by Khankandi et al. [39].
Table 2. RMSE values for the free surface profiles observed by Khankandi et al. [39].
Figure 10. Measured and computed water level hydrograph at various positions for dry-bed by Khankandi et al. [39]: (a) G1 (−0.5 m); (b) G2 (−0.1 m); (c) G3 (0.1 m); (d) G4 (0.8 m); (e) G6 (1.2 m); (f) G8 (5.5 m).
Figure 10. Measured and computed water level hydrograph at various positions for dry-bed by Khankandi et al. [39]: (a) G1 (−0.5 m); (b) G2 (−0.1 m); (c) G3 (0.1 m); (d) G4 (0.8 m); (e) G6 (1.2 m); (f) G8 (5.5 m).
Figure 11. Measured and computed water level hydrographs at various positions for the wet-bed by Khankandi et al. [39]: (a) G1 (−0.5 m); (b) G2 (−0.1 m); (c) G4 (0.8 m); and (d) G5 (1.0 m).
Figure 11. Measured and computed water level hydrographs at various positions for the wet-bed by Khankandi et al. [39]: (a) G1 (−0.5 m); (b) G2 (−0.1 m); (c) G4 (0.8 m); and (d) G5 (1.0 m).

Table 3. RMSE values for the water depth variations observed by Khankandi et al. [39] at the late stage.

Table 3. RMSE values for the water depth variations observed by Khankandi et al. [39] at the late stage.
Table 3. RMSE values for the water depth variations observed by Khankandi et al. [39] at the late stage.
Figure 13. Comparison of simulated velocity profiles at various locations upstream and downstream of the dam at t = 0.8 s, 2 s, and 5 s for water depth ratios α = 0.1 by Ozmen-Cagatay and Kocaman [30]: (a) P1(−1 m); (b) P3 (+0.2 m); (c) P5 (+1 m); and (d) P6 (+2 m).
Figure 13. Comparison of simulated velocity profiles at various locations upstream and downstream of the dam at t = 0.8 s, 2 s, and 5 s for water depth ratios α = 0.1 by Ozmen-Cagatay and Kocaman [30]: (a) P1(−1 m); (b) P3 (+0.2 m); (c) P5 (+1 m); and (d) P6 (+2 m).
Table 5. The required computational time for the two models to address dam break flows in all cases
Table 5. The required computational time for the two models to address dam break flows in all cases

References

  1. Gallegos, H.A.; Schubert, J.E.; Sanders, B.F. Two-dimensional high-resolution modeling of urban dam-break flooding: A case study of Baldwin Hills, California. Adv. Water Resour. 200932, 1323–1335. [Google Scholar] [CrossRef]
  2. Kim, K.S. A Mesh-Free Particle Method for Simulation of Mobile-Bed Behavior Induced by Dam Break. Appl. Sci. 20188, 1070. [Google Scholar] [CrossRef]
  3. Robb, D.M.; Vasquez, J.A. Numerical simulation of dam-break flows using depth-averaged hydrodynamic and three-dimensional CFD models. In Proceedings of the Canadian Society for Civil Engineering Hydrotechnical Conference, Québec, QC, Canada, 21–24 July 2015. [Google Scholar]
  4. LaRocque, L.A.; Imran, J.; Chaudhry, M.H. 3D numerical simulation of partial breach dam-break flow using the LES and k-ε. J. Hydraul. Res. 201351, 145–157. [Google Scholar] [CrossRef]
  5. Ritter, A. Die Fortpflanzung der Wasserwellen (The propagation of water waves). Z. Ver. Dtsch. Ing. 189236, 947–954. [Google Scholar]
  6. Dressler, R.F. Hydraulic resistance effect upon the dam-break functions. J. Res. Nat. Bur. Stand. 195249, 217–225. [Google Scholar] [CrossRef]
  7. Dressler, R.F. Comparison of theories and experiments for the hydraulic dam-break wave. Int. Assoc. Sci. Hydrol. 195438, 319–328. [Google Scholar]
  8. Whitham, G.B. The effects of hydraulic resistance in the dam-break problem. Proc. R. Soc. Lond. 1955227A, 399–407. [Google Scholar] [CrossRef]
  9. Stoker, J.J. Water Waves: The Mathematical Theory with Applications; Wiley and Sons: New York, NY, USA, 1957; ISBN 0-471-57034-6. [Google Scholar]
  10. Marshall, G.; Méndez, R. Computational Aspects of the Random Choice Method for Shallow Water Equations. J. Comput. Phys. 198139, 1–21. [Google Scholar] [CrossRef]
  11. Godunov, S.K. Finite Difference Methods for the Computation of Discontinuous Solutions of the Equations of Fluid Dynamics. Math. Sb. 195947, 271–306. [Google Scholar]
  12. Toro, E.F. Shock-Capturing Methods for Free-Surface Shallow Flows; Wiley and Sons Ltd.: New York, NY, USA, 2001. [Google Scholar]
  13. Chanson, H. Application of the method of characteristics to the dam break wave problem. J. Hydraul. Res. 200947, 41–49. [Google Scholar] [CrossRef][Green Version]
  14. Cagatay, H.; Kocaman, S. Experimental Study of Tail Water Level Effects on Dam-Break Flood Wave Propagation; 2008 Kubaba Congress Department and Travel Services: Ankara, Turkey, 2008; pp. 635–644. [Google Scholar]
  15. Stansby, P.K.; Chegini, A.; Barnes, T.C.D. The initial stages of dam-break flow. J. Fluid Mech. 1998374, 407–424. [Google Scholar] [CrossRef]
  16. Soares-Frazao, S.; Zech, Y. Dam Break in Channels with 90° Bend. J. Hydraul. Eng. 2002128, 956–968. [Google Scholar] [CrossRef]
  17. Zolghadr, M.; Hashemi, M.R.; Zomorodian, S.M.A. Assessment of MIKE21 model in dam and dike-break simulation. IJST-Trans. Mech. Eng. 201135, 247–262. [Google Scholar]
  18. Bukreev, V.I.; Gusev, A.V. Initial stage of the generation of dam-break waves. Dokl. Phys. 200550, 200–203. [Google Scholar] [CrossRef]
  19. Soares-Frazao, S.; Noel, B.; Zech, Y. Experiments of dam-break flow in the presence of obstacles. Proc. River Flow 20042, 911–918. [Google Scholar]
  20. Aureli, F.; Maranzoni, A.; Mignosa, P.; Ziveri, C. Dambreak flows: Acquisition of experimental data through an imaging technique and 2D numerical modelling. J. Hydraul. Eng. 2008134, 1089–1101. [Google Scholar] [CrossRef]
  21. Rehman, K.; Cho, Y.S. Bed Evolution under Rapidly Varying Flows by a New Method for Wave Speed Estimation. Water 20168, 212. [Google Scholar] [CrossRef]
  22. Wu, G.F.; Yang, Z.H.; Zhang, K.F.; Dong, P.; Lin, Y.T. A Non-Equilibrium Sediment Transport Model for Dam Break Flow over Moveable Bed Based on Non-Uniform Rectangular Mesh. Water 201810, 616. [Google Scholar] [CrossRef]
  23. Ferrari, A.; Fraccarollo, L.; Dumbser, M.; Toro, E.F.; Armanini, A. Three-dimensional flow evolution after a dam break. J. Fluid Mech. 2010663, 456–477. [Google Scholar] [CrossRef]
  24. Liang, D. Evaluating shallow water assumptions in dam-break flows. Proc. Inst. Civ. Eng. Water Manag. 2010163, 227–237. [Google Scholar] [CrossRef]
  25. Biscarini, C.; Francesco, S.D.; Manciola, P. CFD modelling approach for dam break flow studies. Hydrol. Earth Syst. Sci. 201014, 705–718. [Google Scholar] [CrossRef][Green Version]
  26. Oertel, M.; Bung, D.B. Initial stage of two-dimensional dam-break waves: Laboratory versus VOF. J. Hydraul. Res. 201250, 89–97. [Google Scholar] [CrossRef]
  27. Quecedo, M.; Pastor, M.; Herreros, M.I.; Merodo, J.A.F.; Zhang, Q. Comparison of two mathematical models for solving the dam break problem using the FEM method. Comput. Method Appl. Mech. Eng. 2005194, 3984–4005. [Google Scholar] [CrossRef]
  28. Shigematsu, T.; Liu, P.L.F.; Oda, K. Numerical modeling of the initial stages of dam-break waves. J. Hydraul. Res. 200442, 183–195. [Google Scholar] [CrossRef]
  29. Soares-Frazao, S. Experiments of dam-break wave over a triangular bottom sill. J. Hydraul. Res. 200745, 19–26. [Google Scholar] [CrossRef]
  30. Ozmen-Cagatay, H.; Kocaman, S. Dam-break flows during initial stage using SWE and RANS approaches. J. Hydraul. Res. 201048, 603–611. [Google Scholar] [CrossRef]
  31. Vasquez, J.; Roncal, J. Testing River2D and FLOW-3D for Sudden Dam-Break Flow Simulations. In Proceedings of the Canadian Dam Association’s 2009 Annual Conference: Protecting People, Property and the Environment, Whistler, BC, Canada, 3–8 October 2009. [Google Scholar]
  32. Ozmen-Cagatay, H.; Kocaman, S. Dam-break flow in the presence of obstacle: Experiment and CFD simulation. Eng. Appl. Comput. Fluid 20115, 541–552. [Google Scholar] [CrossRef]
  33. Ozmen-Cagatay, H.; Kocaman, S.; Guzel, H. Investigation of dam-break flood waves in a dry channel with a hump. J. Hydro-Environ. Res. 20148, 304–315. [Google Scholar] [CrossRef]
  34. Gu, S.L.; Zheng, S.P.; Ren, L.Q.; Xie, H.W.; Huang, Y.F.; Wei, J.H.; Shao, S.D. SWE-SPHysics Simulation of Dam Break Flows at South-Gate Gorges Reservoir. Water 20179, 387. [Google Scholar] [CrossRef]
  35. Evangelista, S. Experiments and Numerical Simulations of Dike Erosion due to a Wave Impact. Water 20157, 5831–5848. [Google Scholar] [CrossRef][Green Version]
  36. Bocci, M.; Chiarlo, R.; De Nat, L.; Fanelli, A.; Petersen, O.; Sorensen, J.T.; Friss-Christensen, A. Modelling of impacts from a long sea outfall outside of the Venice Lagoon (Italy). In Proceedings of the MWWD—IEMES 2006 Conference, Antalya, Turkey, 6–10 November 2006; MWWD Organization: Antalya, Turkey, 2006. [Google Scholar]
  37. Nikolaos, T.F.; Georgios, M.H. Three-dimensional numerical simulation of wind-induced barotropic circulation in the Gulf of Patras. Ocean Eng. 201037, 355–364. [Google Scholar]
  38. Goyal, R.; Rathod, P. Hydrodynamic Modelling for Salinity of Singapore Strait and Johor Strait using MIKE 3FM. In Proceedings of the 2011 2nd International Conference on Environmental Science and Development, Singapore, 26–28 February 2011. [Google Scholar]
  39. Khankandi, A.F.; Tahershamsi, A.; Soares-Frazão, S. Experimental investigation of reservoir geometry effect on dam-break flow. J. Hydraul. Res. 201250, 376–387. [Google Scholar] [CrossRef]
  40. Flow Science Inc. FLOW-3D User’s Manuals; Flow Science Inc.: Santa Fe, NM, USA, 2007. [Google Scholar]
  41. Danish Hydraulic Institute (DHI). MIKE 3 Flow Model FM. Hydrodynamic Module-User Guide; DHI: Horsholm, Denmark, 2014. [Google Scholar]
  42. Pilotti, M.; Tomirotti, M.; Valerio, G. Simplified Method for the Characterization of the Hydrograph following a Sudden Partial Dam Break. J. Hydraul. Eng. 2010136, 693–704. [Google Scholar] [CrossRef]
  43. Hooshyaripor, F.; Tahershamsi, A.; Razi, S. Dam break flood wave under different reservoir’s capacities and lengths. Sādhanā 201742, 1557–1569. [Google Scholar] [CrossRef]
  44. Kocaman, S.; Ozmen-Cagatay, H. Investigation of dam-break induced shock waves impact on a vertical Wall. J. Hydrol. 2015525, 1–12. [Google Scholar] [CrossRef]
  45. Liu, H.; Liu, H.J.; Guo, L.H.; Lu, S.X. Experimental Study on the Dam-Break Hydrographs at the Gate Location. J. Ocean Univ. China 201716, 697–702. [Google Scholar] [CrossRef]
  46. Marra, D.; Earl, T.; Ancey, C. Experimental Investigations of Dam Break Flows down an Inclined Channel. In Proceedings of the 34th World Congress of the International Association for Hydro- Environment Research and Engineering: 33rd Hydrology and Water Resources Symposium and 10th Conference on Hydraulics in Water Engineering, Brisbane, Australia, 26 June–1 July 2011. [Google Scholar]
  47. Wang, J.; Liang, D.F.; Zhang, J.X.; Xiao, Y. Comparison between shallow water and Boussinesq models for predicting cascading dam-break flows. Nat. Hazards 201683, 327–343. [Google Scholar] [CrossRef]
  48. Yang, C.; Lin, B.L.; Jiang, C.B.; Liu, Y. Predicting near-field dam-break flow and impact force using a 3D model. J. Hydraul. Res. 201048, 784–792. [Google Scholar] [CrossRef]
Figure 2.12: (Top) The sequence in the DISAMATIC process (1)-(5). (Middle) The performed experiments placed on the Mohr circle (I)-(V). (Bottom) The five names of the mechanical behaviours.

Numerical simulation of flow and compression of green sand

Abstract

산업 박사 프로젝트의 초점은 주조 부품에 최종 기하학적 모양을 제공하는 모래 주형 (녹색 모래)의 생산에 집중되었습니다. 주조 부품의 고품질을 보장하기 위해서는 금형 자체의 제조 공정을 균일하고 안정적으로 제어하는 ​​것이 중요합니다.

따라서 녹사(주물사)의 흐름과 퇴적을 특성화하고 모델링하는 방법에 대한 기본적인 이해를 얻는 것이 중요했기 때문에 모래 주형의 제조 공정 시뮬레이션에 사용할 수 있었습니다. 녹색 모래의 유동성은 모래 샷 중에 모래로 챔버를 채우는 호퍼를 통해 모래가 아래로 흐를 때 중요합니다.

녹색 모래의 유동성은 주로 물과 벤토나이트의 양에 의해 좌우되며 둘 다 감소 시킵니다. 따라서 유동성과 내부 힘은 리브 및 기타 기하학적 장애물로 인한 그림자가 있을 수 있는 복잡한 금형 형상을 얼마나 잘 채울 수 있는지 제어합니다.

흐름이 조기에 중단되면 금형이 완전히 채워지지 않거나 재료 밀도의 변동이 너무 높아 주조 부품의 최종 표면에 영향을 미칠 수 있습니다. 벤토나이트에 의해 생성된 습식 다리는 벤토나이트와 물이 녹색 모래를 매우 응집력 있게 만드는 모래 알갱이를 서로 달라붙게 하고 혼합물을 짜 냄으로써 주조 공정을 위한 강력한 금형을 얻기 위해 금형을 안정시키는 기계적 특성을 얻습니다.

따라서 생사 유동성은 챔버의 적절한 충진을 위해 샌드 샷 중에 중요하며, 후속적으로 압착 공정 동안의 견고한 기계적 특성은 금형의 최종 강도에 중요합니다. 이는 이러한 기계적 거동이 역 관계를 갖기 때문에 문제가 됩니다.

예를 들어 녹색 모래가 너무 건조하면 녹색 모래의 유동성이 매우 높고,특정 수분 함량 수준에 따라 곰팡이의 강도가 낮고 그 반대도 마찬가지입니다. 따라서 정확한 생사 상태를 확보하고 샌드 샷 중에 금형 충진을 개선하는 것이 매우 중요합니다.

이산 요소 방법 (DEM)은 방법의 이산적인 특성이 녹색 모래의 입상 구조를 잘 모의하기 때문에 수치 모델로 선택되었습니다. DEM 모델은 롤링 저항 모델을 사용하여 비 구형 석영 모래 입자의 롤링 저항을 에뮬레이션하고 응집성 모델을 사용하여 벤토나이트에서 석영 모래 입자의 결합을 에뮬레이트합니다.

그린 샌드는 항복 궤적이 발견된 링 전단 테스터로 특성화되었으며 유동성을 정의하는 새로운 방법이 제안 되었습니다. 링 전단 시험기는 DEM 모델의 정적 마찰 계수를 얻기 위해 사용되었습니다.

측정된 높이에서 녹색 모래의 단순한 기계적 거동을 조사하기 위해 모래 더미 실험이 사용되었습니다. 이 높이에서 DEM 모델은 구름 저항 값을 얻고 응집 모델에서 매개 변수를 얻는 것과 관련하여 보정 되었습니다.

이 프로젝트는 DISAMATIC 공정에서 샌드 샷을 사용하여 모래 주형을 생산하는 동안 모래 입자의 흐름과 모래 퇴적을 처리했습니다. 챔버의 녹색 모래 퇴적은 캐비티 내부에 통풍구가 배치된 특수 캐비티 설계로 조사되었습니다.

에어 벤트는 샌드 샷 중에 공기 흐름과 함께 녹색 모래를 운반하는 데 사용됩니다. 챔버와 캐비티의 에어 벤트 설정을 변경함으로써 캐비티 설계에서 좁은 통로의 충진을 개선하여 최종 샌드 몰드도 개선 할 수 있었습니다.

캐비티 디자인을 사용한 샌드 샷은 챔버의 공기 흐름과 통풍구를 통한 공기 흐름을 모델링하기 위해 고전적인 전산 유체 역학 (CFD)과 결합 된 녹색 모래의 흐름을 모델링하는 이산 요소 방법 (DEM)으로 시뮬레이션되었습니다.

이러한 실험과 시뮬레이션은 DISAMATIC 프로세스와이를 개선하는 방법에 대한 유익한 통찰력을 제공했습니다. 또한 유동층을 사용하여 생사의 유동화 특성을 조사하고 새로 개발 된 Anton Paar Powder Cell을 사용하여 유동 점도를 얻었습니다.

상업적 측면 특수 설계된 캐비티 지오메트리에서 그린 샌드로 몰드 챔버를 채우는 것에 대한 지식을 얻었습니다. 에어 탱크에 초기에 적용된 공기 압력과 함께 에어 벤트의 설정은 캐비티의 충진을 개선하여 최종 금형을 개선하는 데 유용한 아이디어를 제공했습니다.

또한, 결합 된CFD-DEM 모델을 사용하여 STAR-CCM +의 상용 소프트웨어를 적용하여 형상의 3D 슬라이스 표현으로 프로세스를 성공적으로 시뮬레이션 할 수있었습니다. 따라서 향후 DISAMATIC 프로세스를 시뮬레이션하기 위한 독립형 코드를 개발하는 것이 더 가능해집니다. DISAMATIC 프로세스의 샌드 샷은 링 전단 테스터가 다음의 견고한 기계적 거동을 나타낼 수 있는 연속체 모델로 모델링 될 수도 있습니다.

Figure 1.1: The DISAMATIC process: 1. The sand shot. 2. Squeezing the mold. 3. Moving the mold to the chamber front and stripping off the swing plate (SP). 4. Mold close-up where the pressure plate (PP) pushes the mold out of the molding chamber. 5. Stripping off the PP where the PP is stripped from the mold and returns to its starting position in the molding chamber. 6. Closing the molding chamber and repeating a new cycle. The edited figure and text are from [8]
Figure 1.1: The DISAMATIC process: 1. The sand shot. 2. Squeezing the mold. 3. Moving the mold to the chamber front and stripping off the swing plate (SP). 4. Mold close-up where the pressure plate (PP) pushes the mold out of the molding chamber. 5. Stripping off the PP where the PP is stripped from the mold and returns to its starting position in the molding chamber. 6. Closing the molding chamber and repeating a new cycle. The edited figure and text are from [8]
Figure 2.1: The green sand mixture. The figure is from [8]
Figure 2.1: The green sand mixture. The figure is from [8]
Figure 2.2: The size distribution of the green sand applied in the project. The figure is from [9]
Figure 2.2: The size distribution of the green sand applied in the project. The figure is from [9]
Figure 2.3: The wet bridges created in the bentonite from the water make the bentonite
cohesive and thereby the sand grains will stick together. The pictures are from the slides
in [10](http://www.sut.ac.th/engineering/Metal/ru/GREEN20%SAND.pdf).
Figure 2.3: The wet bridges created in the bentonite from the water make the bentonite cohesive and thereby the sand grains will stick together
Figure 2.11: The density as a function of compactability with respect to the number of rammings 1-10. The first ramming starts from the left indicated by the number. The cross placed in the middle shows the average value of the batches with an individual color. The dotted lines are the standard deviations of compactability % as a horizontal line and the standard deviations of density [ kg m3 ] as a vertical line.
Figure 2.11: The density as a function of compactability with respect to the number of rammings 1-10. The first ramming starts from the left indicated by the number. The cross placed in the middle shows the average value of the batches with an individual color. The dotted lines are the standard deviations of compactability % as a horizontal line and the standard deviations of density [ kg m3 ] as a vertical line.
Figure 2.12: (Top) The sequence in the DISAMATIC process (1)-(5). (Middle) The performed experiments placed on the Mohr circle (I)-(V). (Bottom) The five names of the mechanical behaviours.
Figure 2.12: (Top) The sequence in the DISAMATIC process (1)-(5). (Middle) The performed experiments placed on the Mohr circle (I)-(V). (Bottom) The five names of the mechanical behaviours.
Figure 2.13: The high load flow in the DISAMATIC process and the ring shear test placed on the Mohr circle
Figure 2.13: The high load flow in the DISAMATIC process and the ring shear test placed on the Mohr circle
Figure 2.27: (Left side) The low load flow in the DISAMATIC process. (Right side) The performed experiments placed on the Mohr circle.
Figure 2.27: (Left side) The low load flow in the DISAMATIC process. (Right side) The performed experiments placed on the Mohr circle.

Conclusion

이 논문에서는 시멘트와 충전제의 비 중복 입자 분포를 사용하여 유변학에 대한 분쇄 모래 충전제의 형상 효과를 분리했습니다. 실험 결과는 필러의 종횡비가 증가함에 따라 매트릭스의 유동성이 감소하고 두 종류의 필러에 따라 최대 부피 분율 임계 값이 다양 함을 보여주었습니다. DEM 모델을 사용하여 슬럼프 흐름 테스트를 시뮬레이션하고 실험 결과의 10 % 이내 인 수치 예측을 얻었습니다. 불일치로 인해 모델에 의해 부피 분율 임계 값이 약간 검증되었습니다. 그럼에도 불구하고 수치 결과는 유망 해 보이며 우리는 이산화를 개선하고 다른 상호 작용 모델을 탐색하여 DEM 모델을 추가로 개발할 계획입니다.

Mixing Tank with FLOW-3D

CFD Stirs Up Mixing 일반

CFD (전산 유체 역학) 전문가가 필요하고 때로는 실행하는데 몇 주가 걸리는 믹싱 시뮬레이션의 시대는 오래 전입니다. 컴퓨팅 및 관련 기술의 엄청난 도약에 힘 입어 Ansys, Comsol 및 Flow Science와 같은 회사는 엔지니어의 데스크톱에 사용하기 쉬운 믹싱 시뮬레이션을 제공하고 있습니다.

“병렬화 및 고성능 컴퓨팅의 발전과 템플릿화는 비전문 화학 엔지니어에게 정확한 CFD 시뮬레이션을 제공했습니다.”라고 펜실베이니아  피츠버그에있는 Ansys Inc.의 수석 제품 마케팅 관리자인 Bill Kulp는 말합니다 .

흐름 개선을위한 실용적인 지침이 필요하십니까? 다운로드 화학 처리의 eHandbook을 지금 흐름 도전 싸우는 방법!

예를 들어, 회사는 휴스턴에있는 Nalco Champion과 함께 프로젝트를 시작했습니다. 이 프로젝트는 시뮬레이션 전문가가 아닌 화학 엔지니어에게 Ansys Fluent 및 ACT (분석 제어 기술) 템플릿 기반 시뮬레이션 앱에 대한 액세스 권한을 부여합니다. 새로운 화학 물질을위한 프로세스를 빠르고 효율적으로 확장합니다.

Giving Mixing Its Due

“화학 산업은 CFD와 같은 계산 도구를 사용하여 많은 것을 얻을 수 있지만 혼합 프로세스는 단순하다고 가정하기 때문에 간과되는 경우가 있습니다. 그러나 최신 수치 기법을 사용하여 우수한 성능을 달성하는 흥미로운 방법이 많이 있습니다.”라고 Flow Science Inc. , Santa Fe, NM의 CFD 엔지니어인 Ioannis Karampelas는 말합니다 .

이러한 많은 기술이 회사의 Flow-3D Multiphysics 모델링 소프트웨어 패키지와 전용 포스트 프로세서 시각화 도구 인 FlowSight에 포함되어 있습니다.

“모든 상업용 CFD 패키지는 어떤 형태의 시각화 도구와 번들로 제공되지만 FlowSight는 매우 강력하고 사용하기 쉽고 이해하기 쉽게 설계되었습니다. 예를 들어, 프로세스를 재 설계하려는 엔지니어는 다양한 설계 변경의 효과를 평가하기 위해 매우 직관적인 시각화 도구가 필요합니다.”라고 그는 설명합니다.

이 접근 방식은 실험 측정을 얻기 어려운 공정 (예 : 쉽게 측정 할 수없는 매개 변수 및 독성 물질의 존재로 인해 본질적으로 위험한 공정)을 더 잘 이해하고 최적화하는데 특히 효과적입니다.

동일한 접근 방식은 또한 믹서 관련 장비 공급 업체가 고객 요구에 맞게 제품을보다 정확하게 개발하고 맞춤화하는 데 도움이되었습니다. “이는 불필요한 프로토 타이핑 비용이나 잠재적 인 과도한 엔지니어링을 방지합니다. 두 가지 모두 일부 공급 업체의 문제였습니다.”라고 Karampelas는 말합니다.

CFD 기술 자체는 계속해서 발전하고 있습니다. 예를 들어, 수치 알고리즘의 관점에서 볼 때 구형 입자의 상호 작용이 열 전달을 적절하게 모델링하는 데 중요한 다양한 문제에 대해 이산 요소 모델링을 쉽게 적용 할 수있는 반면, LES 난류 모델은 난류 흐름 패턴을 정확하게 시뮬레이션하는 데 이상적입니다.

컴퓨팅 리소스에 대한 비용과 수요에도 불구하고 Karampelas는 난류 모델의 전체 제품군을 제공 할 수있는 것이 중요하다고 생각합니다. 특히 LES는 이미 대부분의 학계와 일부 산업 (예 : 전력 공학)에서 선택하는 방법이기 때문입니다. .

그럼에도 불구하고 CFD의 사용이 제한적이거나 비실용적 일 수있는 경우는 확실히 있습니다. 여기에는 나노 입자에서 벌크 유체 증발을 모델링하는 것과 같이 관심의 규모가 다른 규모에 따라 달라질 수있는 문제와 중요한 물리적 현상이 아직 알려지지 않았거나 제대로 이해되지 않았거나 아마도 매우 복잡한 문제 (예 : 모델링)가 포함됩니다. 음 펨바 효과”라고 Karampelas는 경고합니다.

반면에 더욱 강력한 하드웨어와 업데이트 된 수치 알고리즘의 출현은 CFD 소프트웨어를 사용하여 과다한 설계 및 최적화 문제를 해결하기위한 최적의 접근 방식이 될 것이라고 그는 믿습니다.

“복잡한 열교환 시스템 및 새로운 혼합 기술과 같이 점점 더 복잡한 공정을 모델링 할 수있는 능력은 가까운 장래에 가능할 수있는 일을 간단히 보여줍니다. 수치적 방법 사용의 주요 이점은 설계자가 상상력에 의해서만 제한되어 소규모 믹서에서 대규모 반응기 및 증류 컬럼에 이르기까지 다양한 화학 플랜트 공정을 최적화 할 수있는 길을 열어 준다는 것입니다. 실험적 또는 경험적 접근 방식은 항상 관련성이 있지만 CFD가 미래의 엔지니어를위한 선택 도구가 될 것이라고 확신합니다.”라고 그는 결론을 내립니다.


Ottewell2
Seán Ottewell은 Chemical Processing의 편집장입니다. sottewell@putman.net으로 이메일을 보낼 수 있습니다 .

기사 원문 : https://www.chemicalprocessing.com/articles/2017/cfd-stirs-up-mixing/

Fig. 3. Nylon 11 impact sequence onto a preheated substrate

Impact Modeling of Thermally Sprayed Polymer Particles

Ivosevic, M., Cairncross, R. A., Knight, R., Philadelphia / USA

열 스프레이는 전통적으로 금속, 카바이드 및 세라믹 코팅을 증착하는 데 사용되어 왔지만 최근에는 HVOF (High Velocity Oxy-Fuel) 열 스프레이 공정의 높은 운동 에너지로 인해 용융 점도가 높은 폴리머의 무용제 처리도 가능하다는 사실이 밝혀졌습니다. , 유해한 휘발성 유기 용매가 필요하지 않습니다. 이 작업의 주된 목표는 지식 기반을 개발하고 HVOF 연소 스프레이 공정에 의해 분사되는 폴리머 입자의 충격 거동에 대한 질적 이해를 개선하는 것이 었습니다. 고분자 입자의 HVOF 분사 중 입자 가속, 가열 및 충격 변형의 수치 모델이 개발되었습니다. Volume-of-Fluid (VoF) 전산 유체 역학 패키지 인 Flow3D®는 입자가 강철 기판과 충돌하는 동안 유체 역학 및 열 전달을 모델링하는 데 사용되었습니다. 입자 가속 및 열 전달 모델을 사용하여 예측 된 방사형 온도 프로파일은 저온, 고점도 코어 및 고온, 저점도 표면을 가진 폴리머 입자를 시뮬레이션하기 위해 온도 의존 점도 모델과 함께 Flow3D®의 초기 조건으로 사용되었습니다. 이 접근법은 얇은 디스크 내에서 크고 거의 반구형 인 코어를 나타내는 변형 된 입자를 예측했으며 광학 현미경을 사용하여 만든 열 스프레이 스 플랫의 실험 관찰과 일치했습니다.

폴리머 증착에 열 분무 공정을 사용하는 주요 이점은 다음과 같습니다. (i) 휘발성 유기 화합물 (VOCs)을 사용하지 않는 무용제 코팅; (ii) 거의 모든 환경 조건에서 큰 물체를 코팅 할 수있는 능력; (iii) 용융 점도가 높은 폴리머 코팅을 적용하는 능력; 및 (iv) 일반적으로 정전기 분말 코팅 및 용제 기반 페인트에 필요한 오븐 건조 또는 경화와 같은 증착 후 처리없이 “즉시 사용 가능한”코팅을 생산할 수있는 능력. 이러한 공정에 비해 주요 단점은 다음과 같습니다. (i) 낮은 증착 효율, (ii) 낮은 품질의 표면 마감 및 (iii) 높은 공정 복잡성 (종종 폴리머 용융 및 분해 온도에 의해 정의되는 좁은 공정 창). 폴리머 증착에 세 가지 열 스프레이 공정이 사용 된 것으로 알려졌습니다 [1].

  • 기존의 화염 분사.
  • HVOF 연소 스프레이.
  • 플라즈마 스프레이.

HVOF 및 플라즈마 스프레이 공정에 의해 분사되는 폴리머의 수는 제한되어 있으며 HVOF 및 플라즈마 스프레이 폴리머 코팅의 상업적 응용은 아직 개발 단계에 있습니다 [1]. 폴리머의 HVOF 스프레이는 화염 스프레이 [최대 ~ 100m / s]에 비해 상당히 높은 입자 속도 [최대 1,000m / s]로 인해 주로 주목을 받았습니다. 이는 특히 고 분자량 폴리머 및 높은 (> 5 vol. %) 세라믹 강화 함량을 갖는 폴리머 / 세라믹 복합재를 포함하여 용융 점도가 높은 코팅의 증착에있어 중요한 이점입니다.

Fig. 1. Nylon 11 splats deposited onto a room temperature glass slide.
Fig. 1. Nylon 11 splats deposited onto a room temperature glass slide.
Fig. 2. Nylon 11 splats deposited onto a preheated glass slide (200 °C).
Fig. 2. Nylon 11 splats deposited onto a preheated glass slide (200 °C).
Fig. 3. Nylon 11 impact sequence onto a preheated substrate
Fig. 3. Nylon 11 impact sequence onto a preheated substrate, (I) partially melted particle before impact, (II) “fried-egg” shaped splat, (III) post-deposition flow of a fully molten droplet, (IV) droplet shrinkage during cooling.
Fig. 5. Predicted velocities of Nylon 11 particles in an HVOF jet (total O2 + H2 gas flow rate of 1.86 g/s at Φ = 0.83).
Fig. 5. Predicted velocities of Nylon 11 particles in an HVOF jet (total O2 + H2 gas flow rate of 1.86 g/s at Φ = 0.83).
Fig. 7. Simulated deformation of a Nylon 11 droplet with a radial temperature gradient and temperaturedependent viscosity during impact.
Fig. 7. Simulated deformation of a Nylon 11 droplet with a radial temperature gradient and temperaturedependent viscosity during impact.
그림 2 : FLOW-3D를 사용한 흐름 및 형태 시뮬레이션. 파스칼 단위의 압력 및 mm 단위의 거리.

Microscopic Bubbles Switch Fiber-Optic Circuits

Figure 1: The Agilent Photonic Switching Platform
Figure 1: The Agilent Photonic Switching Platform

컴퓨터 시뮬레이션은 광섬유 회로에서 광 신호를 전환하는데 사용되는 혁신적인 스위치에서 미세 기포 문제를 이해하고 해결하는 데 중요한 역할을 했습니다. Agilent Photonic Switching Platform은 평면 광파 회로에서 잘린 작은 트렌치의 올바른 지점에 거품을 불어서 작동합니다. 버블은 광섬유 네트워크를 재구성하기 위해 광선을 다른 경로로 리디렉션 합니다. 초기 프로토타입은 기포 반사로 인해 무언가 불안정하다는 것을 나타내는 성능 문제를 보여주었습니다. 그러나 거품의 크기가 작기 때문에 문제를 진단하고 해결하는데 필요한 포괄적인 물리적 측정을 수행할 수 없었습니다.

애질런트의 선임 과학자인 John Uebbing은 전산 유체 역학 (CFD) 소프트웨어를 사용하여 거품을 시뮬레이션했습니다. 기포는 실리콘 기판에 위치한 전기 히터에 의해 유도된 증발에 의해 유지됩니다. 애질런트 팀은 트렌치 벽의 응결로 인해 유체가 축적된다는 사실을 발견했습니다. 스위치 동작의 대부분을 결정하는 것은 이러한 축적입니다. 추가 시뮬레이션을 통해 연구원들은 안정적인 신호를 제공하기 위해 장치를 변경하는 두 가지 다른 방법을 검증 할 수 있었습니다.  “처음에 우리 팀원 중 일부는 이러한 결과를 믿지 않았지만 계속된 물리적 테스트를 통해 사실이 입증되었습니다.”라고 Uebbing은 말했습니다. “CFD가 없었다면 이 문제의 해결책에 도달하지 못했을 것입니다.”

신기술 개발

광섬유 케이블은 데이터 통신 처리량을 크게 증가 시켰으며, 광 신호 전환을 위한 전기 신호로 전환한 다음 다시 광 신호로 전환하지 않고도 대량의 광섬유 데이터를 전환 할 수 있기를 원했습니다. 1990 년대 중반 Agilent Laboratories (Hewlett-Packard Labs 소속)는 전광 회로 스위치의 중요성을 인식하고 이러한 기술을 개발하기 위한 연구 프로그램을 시작했습니다. 현재 Agilent Labs의 CORL (Communications and Optical Research Laboratory) 내에 엔지니어와 과학자 팀이 구성되어 컴팩트하고 확장 가능하며 광 신호에 최소한의 영향을 미치는 이 고유한 스위치 패브릭을 개발했습니다.

 시뮬레이션은 딤플의 원인을 정확히 파악하는데 도움이 되었으며 여러 대안 솔루션을 식별하고 평가하는 데 도움이되었습니다. 버블 스위치 엔지니어링의 이러한 발전은 FLOW-3D  소프트웨어 에서 사용할 수 있는 고급 모델링 기능 없이는 불가능했을 것  입니다. 우리에게 중요한 것은 프로젝트 시작부터 Flow Science 팀이 입증한 지식과 무결성이었습니다. 우리가 이야기 한 다른 소프트웨어 회사에는 관련된 문제에 대한 표면적 이해만 있는 영업 담당자가 있었지만 Flow Science는 전문 지식을 갖춘 기술 직원을 고용하여 우리가 달성하고자 하는 것을 정확히 이해했습니다. 프로세스의 여러 단계에서 중요한 장애물을 극복 할 수 있는 중요한 도움을 제공했습니다.
– John Uebbing, 애질런트 선임 과학자

작동을 위해 Agilent Photonic Switching Platform은 두 개의 광섬유 네트워크의 교차점에 배치됩니다 (그림 1). 광 신호가 광섬유를 통해 들어 오면 직선 도파관을 통해 방해받지 않고 평면 광파 회로를 통과 할 수 있습니다. 그러나 신호가 다른 광섬유로 리디렉션되어야하는 경우 잉크젯 기술은 두 도파관 경로의 교차점에 거품을 삽입하여 광학 특성을 변경하고 신호를 출력 광섬유로의 경로 아래로 반사합니다. 기포는 거울이나 기계적으로 움직이는 부품을 사용하지 않고도 5 밀리 초 이내에 형성 및 제거 할 수 있습니다. 이 스위치는 교차된 광 도파관 배열과 인덱스 매칭되는 유체에 거품을 불어서 작동합니다. 기포는 소자 기판의 전기 히터에 의해 유도 된 증발에 의해 형성됩니다. 유체는 도파관의 교차점에 위치한 일련의 마이크로 트렌치를 채웁니다. 기포 벽으로부터의 내부 전반사로 인해 빛이 한 도파관에서 다른 도파관으로 전환됩니다. 문제는 광 도파관의 수용 각 또는 개구 수가 상당히 낮다는 것입니다. 기포의 수직 반사벽이 도파관의 축에 수직이 아니면 빛이 출력 도파관으로 제대로 반사되지 않고 신호 손실이 발생합니다.

프로토 타입의 딤플 충격 성능

초기 프로토 타입에서 광범위한 실험 테스트를 수행하여 히터 전력 및 주변 압력이 광학 반사 특성과 기포 모양 및 크기에 미치는 영향을 보여주었습니다. 이 테스트는 반사된 광 신호 대 히터 전력 곡선이 효과적인 광 스위칭에 필요한 엄격한 요구 사항을 충족하지 못하고 반사된 광 신호에 불안정성이 있음을 보여주었습니다.

그림 2 : FLOW-3D를 사용한 흐름 및 형태 시뮬레이션. 파스칼 단위의 압력 및 mm 단위의 거리.
그림 2 : FLOW-3D를 사용한 흐름 및 형태 시뮬레이션. 파스칼 단위의 압력 및 mm 단위의 거리.

컴퓨터 시뮬레이션에서 그림 2와 같이 버블의 각 면에 딤플이 형성되어 있음을 보여 주었을 때, 딤플이 전력 곡선의 혹의 원인이 되었고 반사된 신호가 그렇게 불안정한 이유 일 수 있다는 사실이 애질런트 연구팀에 나타났습니다. 센서로 물리적 측정을 수행하는 팀의 능력은 MEMS 장치의 규모까지 확장되지 않았습니다. 그들이 할 수 있는 최선은 특수 광학 장치를 사용하여 현미경 사진을 찍는 것입니다. 이 사진은 딤플이 파장 스케일에서 매우 얇기 때문에 딤플을 직접 보여줄 수 없습니다.

거품 시뮬레이션

처음에는 버블의 작동을 시뮬레이션하기 위한 여러 가지 대안이 고려되었습니다. 팀은 다양한 분석 모델을 사용하여 기포 형성을 조사했지만 이 모델은 현재 프로토 타입이 좋은 기포를 생성해야 한다고 예측했기 때문에 문제를 포착하기에는 너무 단순했습니다. 맞춤 소프트웨어를 작성하기 위해 대학 교수를 고용했지만 이 프로젝트를 완료하는 데 상당한 시간이 소요되었습니다. 그 동안 Uebbing은 문제의 복잡한 물리학을 처리 할 수 있는 상용 소프트웨어 패키지를 찾기 시작했습니다. “저는 여러 CFD 소프트웨어 개발자들과 이야기를 나눴지만 그들 중 누구도 광범위한 수정 없이 문제를 해결할 수 있는 버블 모델을 가지고 있지 않다고 판단했습니다.”라고 Uebbing은 말했습니다. “반면에 Flow Science는

Flow Science의 새로운 균질 기포 모델은 균일한 기포 압력과 온도를 가정합니다. 이것은 현실에 대한 좋은 근사치입니다. 주요 문제 중 하나는 액체, 증기 및 고체가 모두 결합되는 접점 라인의 모델링입니다. 동질 버블 모델은 이 시점에서 계산 셀의 힘과 플럭스의 균형을 맞춥니 다. Uebbing은 이전 버전의 소프트웨어를 사용하기 시작했지만 새 모델이 출시 되자마자 Uebbing은 문제를 해결해 보았습니다. “시뮬레이션 결과는 결국 실험을 설명하는 데 매우 중요한 dimple 을 보여주었습니다.”라고 Uebbing은 말했습니다. 흥미롭게도 시뮬레이션 결과 버블이 35kHz에서 진동하는 것으로 나타났습니다. 우리는 그것이 실제로 그 주파수에서 진동한다는 것을 보여주는 실험 데이터를 가져 왔지만 우리는 이유를 몰랐습니다.

현실과의 다소 예상치 못한 상관 관계는 팀에게 시뮬레이션 결과에 대한 확신을주었습니다. 시뮬레이션 결과는 문제 영역의 모든 지점에서 유속, 압력 및 온도를 보여줌으로써 테스트에서 측정 할 수 있었던 것 이상이었습니다. 이 결과로 우리는 무슨 일이 일어나고 있는지 파악할 수 있었습니다. dimple은 모세관 현상으로 인해 발생합니다. 응축액이 거품 벽에 쌓입니다. 트렌치 벽에 있는 액체의 얇은 막을 통해 빠져 나 가려고 합니다. 이러한 얇은 층을 통해 액체를 밀어 넣으려면 상당한 압력 차이가 필요합니다. 기포 벽 중앙의 높은 압력으로 인해 기포가 dimple을 형성합니다.”

문제 해결

딤플이 어떻게 형성되었는지 이해하면 안정적인 신호를 제공하기 위해 거품 모양을 수정하는 두 가지 방법이 제안되었습니다. 첫 번째는 트렌치의 유리 측벽 아래로 버블 히터를 확장하는 것입니다. 그런 다음 열이 마이크로 트렌치의 벽 위로 흘러 표면을 건조시킵니다. FLOW-3D를 사용한 시뮬레이션   은 건식 벽 거품이 매우 안정적인 스위치 신호를 제공함을 보여줍니다. 기본 물리학에 따르면 기포 온도가 벽 온도보다 낮 으면 벽이 건조해질 것입니다. 이러한 기대는 FLOW-3D  시뮬레이션 으로 확인되었습니다  .

FLOW-3D로 확인 된 두 번째 방법은 마이크로 트렌치에 소위 정적 버블을 만드는 것입니다. 장치 온도가 압력 설정 저장소 온도보다 약간 더 높으면 정적 거품이 존재합니다. 이 장치 온도는 기포를 트렌치의 모서리로 밀어 넣을 수있는 충분한 압력을 생성하지만 기포가 도파관 어레이와 히터 기판 사이의 틈을 통해 불어 나기에는 충분하지 않습니다. 이러한 정적 기포는 근처의 “crusher”기포를 사용하여 끌 수 있습니다. 이 기포는 일시적으로 충분한 과압을 생성하여 정적 기포가 붕괴되도록합니다. 분쇄기 거품 자체는 더 작은 트렌치에 있으므로 표면 장력이 작업을 완료 한 후 붕괴 될 수 있습니다. FLOW-3D 시뮬레이션은 이 모드에서 스위치 작동을 보여주기 위해 사용되었습니다.

FLOW-3D를 사용 하여 미세 유체 애플리케이션 모델링  의 성능과 다양성에 대해 자세히 알아보십시오. 

Simulation of Joule heating-based Core Drying

This article was contributed by Eric Riedel 1,2

1Otto-von-Guericke-University Magdeburg, Institute of Manufacturing Technology and Quality Management, Germany

2Soplain GmbH, Germany

현대의 주조 생산에는 샌드 코어를 사용해야 합니다. 환경 인식의 확대는 물론 규제 강화로 인해 코어가 열로 건조되고 치유되는 무기, 무배출 바인더 시스템 개발이 뒷받침되고 있습니다. 핫박스 공정이라고 하는 것에서는 코어 박스에서 열이 발생하여 샌드바인더 혼합물로 전달됩니다. 그러나 핫박스 공정은 크게 두 가지 기술적 단점을 보입니다.

첫 번째 단점은 약 1 W/(m·K)의 석영 모래의 열전도율이 매우 낮다는 것입니다. 외부 열 전달로 인해 공정에 시간이 많이 소요되고 쉘 형성과 그에 따른 품질 문제가 발생할 수 있습니다. 이 때문에 최대 523.15K 이상의 매우 높은 코어 박스 온도가 적용되어 열 전달을 가속합니다. 열상자 공정의 두 번째 단점은 코어 건조 자체를 실시간으로 직접 측정하고 디지털화할 수 없다는 점입니다. 대신 코어 박스에서와 같은 주변 파라미터를 기록해야만 수동적으로 측정할 수 있습니다.

ACS 프로세스

특허받은 새로운 ACS(Advanced Core Solution) 프로세스는 시간과 에너지 효율이 높은 코어 건조 및 양생을 목표로 합니다. ACS 프로세스는 모든 무기 바인더 시스템에 공통적인 특성을 사용합니다.

물 기반이기 때문에 전기적으로 전도성이 있습니다. 주요 요인은 전기 전도성 코어 박스 재료의 개발로, 모래-바인더 혼합물에 대한 전도도를 조정할 수 있습니다. 전압이 인가되면 그림 1에서와 같이 코어 박스와 모래-바인더 혼합물을 통해 전류가 균일하게 흐릅니다. 좀 더 정확히 말하면, 전류가 모래 알갱이 사이에 있는 전기 전도성 바인더 브리지를 통해 흐릅니다. 

고유의 전기 저항으로 인해 모래 중심부는 셸 형성 없이 균일하게 가열됩니다. Joule heating이라 불리는 그 이면의 과학적 원리는 Joule 의 제1법칙에 근거하고 있습니다. 직렬 공정에서 전기 전도성 코어 박스는 Joule heating을 통해 가열되어 건조 공정이 추가로 가속화됩니다. 이는 ACS 공정의 경우 코어 박스 내부의 복잡한 가열 장치가 더 이상 필요하지 않으므로 코어 박스 구조가 단순화되기 때문에 더욱 중요한 장점입니다.

이 새로운 프로세스를 통해 처음으로 열이 필요한 곳, 즉 코어 내에서 직접 생성됩니다. 필요한 열은 균질하게 분포된 바인더를 통해 생성되어 인접 모래로 전달되기 때문에, 석영 모래의 낮은 열전도율은 더 이상 제한 공정 인자가 아닙니다. 또한 최초로 건조별 전기 파라미터를 기록함으로써 건조 프로세스 자체를 포괄적으로 실시간 모니터링할 수 있습니다. FLOW-3D를 사용하여 ACS 프로세스를 시뮬레이션할 수 있으며, 프로세스 편익의 정량화를 포함한 산업적 적용에 대한 중요한 기준을 충족합니다.

그림 1: 전류 흐름의 기본 비교: a) 미포함, b) 코어 박스의 전기 전도도를 모래-바인더 혼합물에 대한 조정

모델 설명

모델링은 Starobin 등의 작업을 기반으로 합니다. [1], 그러나 FLOW-3D의 전기-기계 모델로 확장합니다. 전기 전위(즉, 냄비 = 1)를 활성화하면 전기-열 효과, 즉 줄 가열(에테르모 = 1)을 고려해야 합니다. 

모델 세부 정보는 [2]에서 확인할 수 있습니다. 구성 요소의 전기적 특성을 통해 코어 박스는 전기 전도도(초)와 유전 전위(오디엘)를 가진 동적 전위(오이포템 = 1)를 할당받으며, 전체 모래-바인더 혼합물의 전기 전도도를 설명하기 위해 모래 코어에도 동일하게 적용됩니다. 

전극에는 한 전극에 대해 고정 전위(외전 = 0), 전기 전도도, 음전위(외전)가 할당되고 다른 전극에 대해서는 양의 전위(외전)가 할당됩니다. 전기 전도도에 대한 온도에 의존하는 정의는 아직 가능하지 않기 때문에, 우리는 재시동 시뮬레이션과 능동 시뮬레이션 제어로 작업했습니다. 

이렇게 하면 각 온도 범위의 평균 전기 전도도, 즉 293.15 ~ 303.15 K, 303.15 ~ 313.15 K 등을 고려할 수 있다. 다음의 조사는 1유체 시뮬레이션에 초점을 맞춘 조사, 즉 purging 은 고려하지 않았습니다.

예제

첫 번째 단계에서는 상업적으로 이용 가능한 무기 모래-바인더 혼합물이 가열 및 온도에 의존하는 전기 전도성을 조사하기 위해 시뮬레이션 모델의 실험 조사 및 유효성 검사를 위해 사용되었습니다. 

373.15 K에 도달하는 데 필요한 시간뿐만 아니라 모래 코어에 입력되는 전력 및 에너지를 측정하였다. 실험 분석과 결과를 바탕으로 기초적인 시뮬레이션 모델을 만들었습니다. 재량권을 이유로, 기초 결과 중 일부는 질적으로만 제시된다. 결과는 그림 2에 제시되어 있으며, 측정값과 시뮬레이션 사이의 높은 수준을 보여줍니다.

Comparison of experimental and simulation results
그림 2: 실험 결과와 시뮬레이션 결과의 비교.
 측정 지점은 293.15 K: a) 온도 상승 전력 입력- 측정값으로부터의 평균 편차: 0,95 %, b) 에너지 입력 – 측정값으로부터의 평균 편차: 4.8 %에서 시작하여 10 단계로 지정된 목표 온도의 도달도를 나타냅니다.

검증된 결과를 바탕으로 단순하지만 부피가 큰 기하학을 이용해 ACS 프로세스와 시뮬레이션을 보여주는데, 고전적인 핫박스 프로세스에 비해 진보된 ACS 개발의 기초와 높은 잠재력을 잘 보여줍니다. 

기하학적 정렬은 그림 3에서 확인할 수 있습니다. (1) 고전적인 핫박스 프로세스, (2) 콜드 툴을 사용하는 ACS 콜드 스타트 프로세스(293.15 K), (3) 줄 효과로 인한 공구 난방에 대한 ACS 시리즈 프로세스 등 세 가지 경우를 시뮬레이션했습니다. 모든 3차원 모델은 1mm 크기의 셀로 분쇄되었습니다. 표 1은 계산된 시나리오의 가장 중요한 세부 사항을 요약합니다.

Geometric alignment of simulation setup
그림 3: 전도성 코어 가열 및 건조를 위한 시뮬레이션 설정의 기하학적 정렬
Overview of calculated core drying cases
표 1: 계산된 코어 건조 사례 개요.
 값은 실제 실험에서 파생됩니다.

결과 및 토론

그림 4는 고전적인 핫박스 공정을 위한 온도와 수분 발달을 보여주며, 외부 열 전달 및 그에 상응하는 수분 감소를 명확히 보여주고 있습니다. 

시뮬레이션은 시뮬레이션의 마지막에 모래 코어 센터에 수분이 남아 있는 상태에서 120초 동안 수행되었습니다. 실제로 사이클 타임 대상은 코어 센터에 쉘 형성과 잔류 수분이 있는 건조 프로세스의 조기 종료를 강요합니다. 단, 그림 5에 나타낸 ACS 콜드 스타트 시뮬레이션(코어 슈팅 머신을 가동했을 때의 첫 번째 샷에 대응)에서는 새로운 프로세스의 기본 원리인 코어의 균일한 heating이 내부 아웃 수분 수송으로 이어집니다.

 게다가, 모래 코어는 코어 박스보다 더 빨리 가열됩니다. 직렬 공정에서 코어 박스는 Joule heating을 통해 373.15 K 이상의 온도에 도달하여 고온 박스와 ACS 공정이 혼합되어 건조 공정이 더욱 가속화됩니다. 

ACS 영상 시리즈 시뮬레이션의 결과는 그림 6에 요약되어 있습니다. 핫박스 공정에서 120초가 지나도 모래심이 완전히 낫지 않지만, ACS 공정에서는 72초나 45초 후에 코어가 완전히 건조될 수 있습니다. 코어 박스 온도가 상당히 낮음에도 불구하고, 새로운 프로세스는 코어 건조에서 상당한 가속도와 새로운 접근방식의 큰 잠재력을 보여줍니다. 

한 가지 주요 이점은 관련 에너지 요건과 그에 상응하는 CO2 배출량을 포함하여 사이클 타임의 대폭적인 감소입니다. 모래심에 유입된 에너지는 시뮬레이션을 이용해 미리 예측은 물론 실제 공정 중에도 측정할 수 있어 공정 설계와 투명성 측면에서 또 다른 큰 장점입니다. 

또한, 시뮬레이션은 시험 표본의 기하학적 독립적 동질 난방을 명확히 보여주는데, 이는 습기가 코어 중심에 갇히지 않고 셸 형성을 방지함을 의미합니다. 전체적으로, 새로운 공정은 공정의 효율성과 무기적으로 결합된 모래 코어의 품질에서도 상당한 증가를 가능하게 합니다. 세 가지 사례의 프로세스 도표는 모두 그림 7에 요약되어 있습니다.

요약 및 전망

시연된 모델링은 새로운 코어 건조 프로세스를 정확하게 시뮬레이션하는 FLOW-3D의 기능과 기존의 핫 박스 프로세스와 비교하여 보다 효율적인 코어 건조 및 양생에 대한 새로운 프로세스의 가능성을 보여줍니다. 새로운 시뮬레이션 설정이 아직 개발 단계에 있고 더 많은 실제 사례 실험이 필요한 경우에도 건조 동작에 대한 뛰어난 통찰력을 얻을 수 있으며, 지금까지의 실험 측정과 매우 잘 일치합니다.

현재 시뮬레이션 내에서 모래-바인더 혼합물의 전기 전도성은 석영모래를 통해 생성되며, 실제로는 전기 전도성이 아니라 실제 측정된 모래-바인더 혼합물의 전기 전도성에 해당된다. 이렇게 하면 전체 모래-바인더 혼합물의 전기 전도성이 시뮬레이션에서 설명되며 실험 결과에 적합한 것으로 보입니다. 좀 더 정밀한 시뮬레이션을 위해, 실제 전도성 곡선을 고려하기 위해 고체 코어의 온도에 의존하는 전기 전도성(예: 모래-바인더 혼합물)을 절약할 수 있는 가능성이 도움이 될 것입니다. 추가 단계는 2유체 시뮬레이션 모델에 집중됩니다. 초기 실험은 좋은 결과로 기본적인 타당성을 보여줍니다.

아직 취해야 할 조치에도 불구하고, FLOW-3D로 ACS 공정을 시뮬레이션할 수 있는 능력은 줄 가열 기반 코어 건조 공정을 전체적으로 수립하는 데 중요한 이정표를 세우고 무기 모래 코어 제조에 이 공정의 이점을 보여준다고 할 수 있습니다.

References

  • Starobin, C.W. Hirt, H. Lang, M. Todte, Core Drying Simulation and Validation, AFS Proceedings, Schaumburg, IL USA, 2011
  • FLOW-3D from Flow Science, Inc., Santa Fe, NM, USA
World Users Conference 2021

FLOW-3D World Users Conference

World Users Conference 2021
World Users Conference 2021

FLOW-3D World Users Conference 는 2021 년 6 월 7 일부터 9 일 까지 독일 뮌헨 의 Maritim Hotel 에서 개최됩니다 . 세계에서 가장 유명한 회사 및 기관의 엔지니어, 연구원 및 과학자와 함께 시뮬레이션 기술을 연마하고 새로운 모델링 접근 방식을 탐색하며 최신 소프트웨어 개발에 대해 알아보십시오. 이 컨퍼런스에는 금속 주조 및 물 및 환경 응용 프로그램 트랙, 고급 교육 세션, 고객의 심층 기술 프레젠테이션, Flow Science의 선임 기술 직원이 발표 한 최신 제품 개발이 포함됩니다. 이 컨퍼런스는 Flow Science Deutschland 가 공동 주최합니다 .

우리는 BMW의 Hubert Lang이 컨퍼런스 기조 연설자가 될 것이라는 점을 매우 기쁘게 생각합니다.초록을 요청하십시오!온라인 등록

기조 연설 발표! 

Hubert Lang, BMW, 기조 연설자
Hubert Lang, BMW, FLOW-3D 세계 사용자 컨퍼런스 2021의 기조 연설자

 BMW에서 15 년 동안  FLOW-3D 사용

Hubert Lang은 Landshut University of Applied Sciences에서 자동차 공학에 중점을두고 기계 공학을 전공했습니다. 1998 년에 그는 Landshut에있는 BMW의 Light Metal Foundry에서 도구 설계 부서에서 일하면서 6 기통 엔진용 주조 도구 개발을 감독했습니다. 2005 년에 Hubert는 파운드리의 시뮬레이션 부서로 옮겨 FLOW-3D 의 금속 주조 기능을 소개 받았습니다 . 그 이후로 그는 시뮬레이션의 분야에서 FLOW-3D 사용에 있어 상당한 확장을 이끌었습니다 .

오늘날 BMW는 모래 주조, 영구 금형 중력 주조, 저압 다이캐스팅, 고압 다이캐스팅 및 로스트 폼 주조에 FLOW-3D 를 사용합니다 . FLOW-3D 는 또한 코어 건조 모델 개발을 통한 모래 코어용 무기 바인더 시스템 개발 지원과 같은 BMW의 여러 특수 프로젝트에도 적용되었습니다. (실린더 라이너 코팅 중 열 입력 계산; 주입기 주조 절차를위한 주조 형상의 개발, 그리고 주조 도구를위한 냉각 시스템의 레이아웃과 치수 등)

BMW 박물관 투어

컨퍼런스 제공의 일환으로 BMW 박물관 투어를 제공하게되어 기쁘게 생각합니다  . 투어는 6 월 8 일 화요일 기술 진행 후 17:30에 진행됩니다 . 컨퍼런스 등록을 하시면 투어에 등록 하실 수 있습니다 .

BMW 박물관 투어
BMW Welt 건물의 외부 건축 세부 사항.

컨퍼런스 정보

중요한 날짜들

  • 2 월 25 일 : 초록 마감
  • 3 월 11 일 : 초록 수락
  • 5 월 3 일 : 프레젠테이션 마감
  • 6 월 7 일 : 고급 교육 세션
  • 6 월 7 일 : 개막식
  • 6 월 8 일 : BMW 박물관 견학
  • 6 월 8 일 : 컨퍼런스 디너

등록비

  • 컨퍼런스 1 일 및 2 일 : 300 €
  • 컨퍼런스 첫째 날 : 200 €
  • 컨퍼런스 둘째 날 : 200 €
  • 손님 수수료 : 50 €
  • 오프닝 리셉션 : 등록에 포함
  • BMW 투어 : 등록에 포함
  • 컨퍼런스 디너 : 등록에 포함

고급 교육 주제

해당 분야의 선임 기술 직원과 전문가가 가르치는 고급 교육 주제  에는 FLOW-3D  CAST 및 FLOW-3D  AM 사용자를 위한 Version Up 세미나와 문제 해결 기술 및 애플리케이션에 초점을 맞춘 세션이 포함됩니다. 이 과정은 응용 프로그램에 관계없이 모든 사람이 문제 해결 세션에 참여할 수 있도록 설계되었습니다. 온라인으로 등록 할 때 이러한 교육 세션에 등록 할 수 있습니다 .

교육 시간 및 비용

  • 6 월 7 일 – 13:00 – 14:00 – 버전 업 : FLOW-3D CAST  – 100 €
  • 6 월 7 일 – 14:00 – 15:00 – 버전 업 : FLOW-3D AM  – 100 €
  • 6 월 7 일 – 13:00 – 15:00 – 시립 신청 – 200 €
  • 6 월 7 일 – 15:00 – 17:00 – 문제 해결 – 200 유로

고급 교육 주제

초록 요청

경험을 공유하고 성공 사례를 제시하며 FLOW-3D  사용자 커뮤니티와 당사의 선임 기술 직원 으로부터 소중한 피드백을 얻으십시오  . 다음 응용 프로그램에 초점을 맞춘 주제를 포함한 모든 주제에 대한 초록을 환영합니다.

  • 금속 주조
  • 첨가제 제조
  • 토목 및 시립 유압
  • 소비재
  • 마이크로 / 나노 / 바이오 플루이 딕스
  • 에너지
  • 항공 우주
  • 자동차
  • 코팅
  • 해안 공학
  • 해상
  • 일반 응용

초록에는 제목, 저자 및 200 단어 설명이 포함되어야합니다. 새로운 초록 마감일은 2021 년 2 월 25 일입니다. 초록을 info@flow3d.com으로 이메일을 보내주십시오 .

발표자에게는 등록 및 교육비가 면제됩니다.

발표자 정보

각 발표자는 Q & A를 포함하여 30 분의 강연 시간을 갖게됩니다. 모든 프레젠테이션은 컨퍼런스 참석자에게 배포되며 컨퍼런스가 끝난 후 웹 사이트를 통해 배포됩니다. 이 회의에는 전체 논문이 필요하지 않습니다. 컨퍼런스 발표에 대해 궁금한 점이 있으시면 연락 주시기 바랍니다  . Flow Science Deutschland는 각 트랙에 대해 Best Presentation Awards를 후원합니다.

컨퍼런스 디너

아우 구 스티 너 켈러 컨퍼런스 디너

이 컨퍼런스 만찬은 항상 ​​인기있는 Augustiner-Keller 에서 개최됩니다  . 모든 컨퍼런스 참석자와 그들의 손님은 6 월 8 일 화요일에 아름답고 유명한 비어 가든에서 독일 전통 축제에 초대됩니다. 회의 만찬은 BMW 투어 이후에 진행됩니다.

비어 가르 텐

여행

컨퍼런스 호텔

마리 팀 호텔 뮌헨
+49 (0) 89 55235-0
info.mun@maritim.de

뮌헨

뮌헨의 모든 것

뮌헨 도시지도 다운로드

열전달(Heat Transfer)

열전달(Heat Transfer)

열전달은 전도, 대류 및 복사를 통한 열 에너지의 전달입니다. 일반적이지만 매우 중요한 물리적 현상입니다. 재료 특성 및 기타 물리적 현상은 온도 (또는 열에너지)에 매우 민감합니다. FLOW-3DFLOW-3D  CAST의 열전달 모델은 전도, 대류 및 복사를 통해 유체 내, 고체 및 공극 내에서 열전달을 처리하는 완전 복합 열전달 방정식을 해석합니다.

또한, 이 모델은 사용자가 다양한 애플리케이션을 모델링 할 수 있도록 유연하고 편리한 옵션을 제공합니다.

  • 명시적 및 암시적인 열전달 옵션을 모두 사용할 수 있습니다. 암시적 방법을 사용하여 명시적 접근과 관련된 시간 단계별 크기의 안정성 제한을 제거 할 수 있습니다. 전도성 또는 열전달의 안정성 제한이 시뮬레이션에서 다른 안정성 제한보다 실질적으로 작을 때, 암시적 방법을 사용하면 계산 효율성이 크게 향상 될 수 있습니다.

  • 각기 다른 매체 사이의 열전달 계수는 흐름 유형에 따라 사용자 정의되거나 자동으로 계산 될 수 있습니다.


  • 1차 및 2차 열에너지의 이류 알고리즘을 모두 사용할 수 있습니다. 1차 옵션은 효율적이고 견고하며 대부분의 열전달 문제에 적합하지만 높은 열 구배가 예상되는 시뮬레이션의 경우 인공적인 열 확산으로 이어질 수 있습니다. 2차 옵션은 가령, 부력 중심의 흐름에서 온도 구배를 해결하는 것이 중요한 상황에 적합합니다.


  • 유체와 고체 사이의 열전달을 모델링하기 위해 여러 가지 옵션을 사용할 수 있습니다 (지정된 열유속에서 전원, 규정 온도까지). 이러한 옵션은 다양한 프로세스 및 응용 프로그램을 모델링 할 수 있는 유연성과 성능을 제공합니다.

다른 물리 모델과 함께 FLOW-3DFLOW-3D  CAST의 열전달 모델은 고급 모델링 기능을 위한 견고한 토대가 됩니다. 예를 들어, 액체 / 고체 및 액체 / 증기 상 변화 모델을 사용하여 금속 응고, 물의 건조 및 비등, 분무 냉각을 시뮬레이션 할 수 있습니다. 점성 가열은 고속 점성 흐름에도 포함될 수 있습니다.

접촉선의 고정(Contact Line Pinning)

접촉선의 고정(Contact Line Pinning)

증발하는 빗방울에서 남은 잔류의 물은 새로 씻은 자동차에서 좋지 못할 수 있습니다. 그러나, 동일한 증발 공정은, 예를 들어, 드롭 잔류 물이 인쇄 된 이미지 또는 텍스트의 일부가되는 잉크젯 인쇄에서 유리할 수있다. 그러나 동일한 증발 과정이 어떤 경우엔 도움이 될 수 있습니다 예를 들면, 잉크 찌꺼기가 인쇄 된 이미지나 텍스트의 일부가 되는 잉크젯 인쇄가 그렇습니다.

액체 방울의 증발로 인한 잔류의 물이 예상치 못한 방식으로 나타날 수 있습니다. 커피 링 얼룩이 잘 알려진 예이며, 커피의 잔류의 물이 물방울의 바깥 쪽 가장자리에 모여 얇은 원형 링 얼룩이 남습니다. 이 현상은 흥미로운 유체역학적인 과정의 결과입니다. 커피 링 얼룩이 형성 되려면 액체가 증착 된 고체 표면에 고정 된 접촉선이 있어야합니다. 고정 된 접촉선은 액체 방울이 고체 기판과 교차하는 액체 방울의 외부의 가장자리가 방울이 증발함에 따라 정지 상태를 유지함을 의미합니다. 증발은 기판의 열에 의해 발생하며 방울의 얇은 외부의 가장자리에서 가장 크게 생깁니다. 표면 장력은 액체가 증발하면서 손실 된 액체를 대체하기 위해 가장자리를 향해 발생하게 됩니다. 이는 결국 더 많은 용질을 가장자리로 운반하며 모든 액체가 증발 한 후, 결과적으로 커피 링 얼룩을 형성하게하는 더 높은 농도의 용질 잔류 물을 생성합니다.

모델링 접근법

FLOW-3D v12.0의 최신 업데이트로 인해 ‘접촉선의 고정’ 모델이 개발되었으며, 소프트웨어의 기능이 표면 장력 중심의 애플리케이션으로도 광범위하게 확장되었습니다. 표면 접촉의 고정 및 비고정 특성은 잉크젯 인쇄, 코팅 및 스프레이 냉각에서 중요한 역할을 합니다. 습윤 특성에 대한 표면 공법은 미세 유체 장치에서 액체 샘플의 이동을 제어하는 ​​데 사용될 수 있습니다. 모델의 주요 특징은 방울의 가장자리를 고정 위치에 고정하는 수단을 제공하는 것입니다. 형상 구성 요소 및 하위 구성 요소중에 표면에 ‘고정’ 속성을 지정할 수 있습니다. 유체의 접촉선은 처음 표면과 접촉하는 곳에 고정됩니다. 전방 속도를 0으로 유지하면 고정이 적용됩니다. 유체는 접촉선과 표면을 따라 이동하는 것이 아니라 롤오버하여 접촉점을 지나야만 이동할 수 있습니다.

커피 링 얼룩 검증

그림 1은 평평한 수평 표면에 놓인 원형 물방울의 결과를 보여줍니다. 표면은 30 ℃의 일정한 온도로 유지됩니다. 초기 유체 온도는 20 ℃이고 주변 공극의 온도는 일정한 20 ℃입니다. 유체는 밀도 0.967 g/cm3, 점도 0.02022 poise, 비열 1.645e+07 cm2/s/K, 열전도도 1.2964e+4 g*cm/s3/K, 표면 장력 계수 33.15 g/cm2의 일반적인 잉크를 나타냅니다.

그림 1. 고정 된 접촉선을 사용하여 건조 공정 중의 물방울 모양의 변화.

액적 표면의 초기 곡률 반경은 7.5e-03 cm이고, 차지하는 공간은 반경 4.5e-03 cm의 원이며, 겉보기의 초기 접촉각은 37.87 도입니다. 그림 1-a를 참조하시기 바랍니다. 지정된 정적 접촉각은 0 도입니다.

정압에 의한 상변화 모델이 활성화됩니다. 공극 내의 증기 분압은 0이고 상변화 수용 계수는 Rsize = 0.01 입니다.

잉크가 건조될 때 기판 상에 고체가 잔류하는 물이 형성되는 것을 포착하기 위해 잔류 물 모델도 켜집니다. 유체에 용해 된 안료의 농도는 초기 농도 0.01 g/cm3 이고 최대 농도 rmax = 1.1625 g/cm3 에서 운반이 가능한 스칼라로 표시됩니다. 용해 된 안료는 질량 평균을 기준으로 안료의 단위질량당 0.05 poise의 속도로 유체의 순 점도를 향상시킵니다.

이 공정은 3.0 도의 방위 방향으로 하나의 셀에 걸쳐있는 축 대칭 원통형 메쉬로 모델링됩니다. (x 간격 = 6e-05 cm, z 간격 = 4e-05 cm.)

그림 1은 유체가 증발함에 따라 접촉선이 고정 된 상태를 유지하고 있음을 보여줍니다. 0 도의 정적 접촉각 조건은 액적의 중심을 향한 압력 구배를 가져오고, 이는 접촉선 방향으로의 유동을 생성합니다. 용해 된 안료의 농도는 증발로 인해 자유 표면 근처에서 증가하며, 흐름을 따라 농도는 접촉선을 향해 더욱 재분배합니다. (그림 2). 액체가 계속 증발함에 따라, 남아있는 액체의 안료 농도는 증가합니다. 농도가 최대 rmax에 도달하면, 과잉된 안료는 고체가 잔류하는 물로 전환됩니다.

그림2. g / cm3 단위의 안료 농도 및 t = 2.0ms에서의 흐름 패턴. 흐름은 고정 된 접촉선을 향하여 안료 농도가 증가합니다.

접촉선 근처의 유체가 먼저 건조되어 고체가 잔류하는 물이 남습니다. 해당 영역의 유체에 안료 농도가 높기 때문에 고체가 잔류하는 물의 특징인 ‘커피 링’ 패턴이 기판 표면에 생성됩니다. (그림 3 및 4). 안료의 총 질량(용해 + 건조 잔류 물)은 초기 질량의 0.025 % 이내로 보존됩니다.

그림 3. 모든 유체가 증발 된 후 기판 표면에 건조된 잔류 물의 분포 (단위 : g / cm3) .
가장 높은 농도는 고정 된 접촉선의 위치에 있으며, 이는 ‘커피 링’ 효과를 만들어냅니다.
그림 4. 유체가 완전히 증발 한 후 초기 액적의 반경을 따라 건조된 잔류 물의 예상 분포.

물방울 벽의 검증

그림5. 수직 벽에 고정 된 물방울의 변형 : t = 0 ms (파란색), t = 4e-02 ms (연한 파랑) t = 0.2 ms (빨간색).
해당 이미지는 “Effects of microscale topography”, Y.V.Kalinin, V.Berejnov and R. E. Thorne, Langmuir 25, 5391-5397. (2009). 에서의 이미지입니다.

접촉선 고정 응용의 두 번째 예는 수직의 벽에 고정 된 한 방울의 액체 알루미늄의 거동입니다. 유체 밀도는 2.7 g / cm3, 표면 장력 계수 200 g / cm2 및 점도 0.27 poise입니다. 정적 접촉각은 0 도입니다.

초기의 겉보기의 접촉각이 90도가 되도록 반경 0.5cm의 물방울을 수직 벽에 놓습니다 (그림 5). 7e+06 cm/s2의 중력 크기는 표면 장력의 복원 작용을 없애고 액적이 눈에 띄도록 변형시키기 위하여 인위적으로 향상되었습니다. 결과들은 비슷한 크기의 물방울에 대한 실험 결과와의 질적 비교를 포함하여 그림 5에서 보여줍니다.

요약

FLOW-3D의 접촉선 고정 모델은 표면 장력 및 벽의 접착 기능을 확장하여 표면 공법에서 복잡한 상호 작용을 모델링합니다. 접촉선 고정이 실제로 응용되는 분야에 관하여 더 많은 예시와 추가적인 참조를 찾으신다면 여기에서 찾을 수 있습니다.

접촉선의 이해(Contact Line Insights)

접촉선의 이해(Contact Line Insights)

FLOW-3D는 코팅 성능 향상에 관심이있는 엔지니어에게 이상적인 수치 모델링 기능을 많이 갖추고 있습니다. 전산 시뮬레이션은 코팅 흐름에 영향을 미치는 여러 물리적 과정의 상대적 중요성과 효과를 연구 할 수있는 훌륭한 방법입니다. 물리적인 테스트에서 항상 프로세스를 분리하거나 해당 프로세스의 크기를 임의로 조정할 수있는 것은 아닙니다. 여기에서는 리 볼렛 형성(rivulet formation), 핑거링(fingering), 증발, 거친 표면에서의 접촉선 이동 및 유체 흡수와  관련하여 정적 및 동적 접촉각에 대하여 FLOW-3D의 처리에 대해 설명합니다.

 

정적 및 동적 접촉각(Static and Dynamic Contact Angles)

FLOW-3D는 정적 접촉각의 함수로 동적 접촉각을 정확하게 계산하고 입력으로 설정하며 자유 표면 인터페이스에서 작용하는 관련된 힘을 정확하게 계산하여 유체의 소수성을 캡처 할 수 있습니다. 아래 시뮬레이션은 물방울이 경사를 따라 내려갈 때 정적 접촉각이 동적 접촉각에 미치는 영향을 보여줍니다.

 

흡수(Absorption)

종이 기판에 액 적의 충격 및 흡수는 전산 유체 역학 소프트웨어를 사용하여 연구 할 수 있습니다. 여기서 FLOW-3D는 섬유층에서 물방울 충돌을 시뮬레이션하는데 사용되며 표면 장력, 접촉각 및 점도와 관련된 유체 전면의 전파를 살펴 봅니다.

 

 

아래의 FLOW-3D 시뮬레이션에서, 낙하는 직경이 40 미크론이며 초기 하향 속도는 300 cm / s입니다. 기재는 종이이고, 기공률이 30 % 인 20 미크론 두께입니다.

 

 

액체 필름의 핑거링(Fingering in Liquid Films)

FLOW-3D에서 동적 접촉선은 동적 접촉각이나 접촉선의 위치를 ​​지정할 필요없이 직접 모델링됩니다. 이는 소량의 유체에서 유체에 영향을 미치는 모든 동적 힘을 포함하는 수치 모델을 사용하여 수행됩니다. 정적 접촉각은 액체-고체 접착력을 특성화 하는데 사용됩니다.

액체 시트의 핑거링. 왼쪽은 0 °, 오른쪽은 70 °

여기서, 이러한 접근법의 힘의 적용은 경사 표면 아래로 흐르는 액체 필름에서 관찰 된 핑거링에 의해 제공됩니다. 실험적 관찰에 따르면 두 가지 뚜렷한 핑거링 패턴이 발생합니다. 첫 번째 패턴은 작은 정적 접촉각(즉, 습윤 조건)이며 상하한이 모두 하향으로 움직이는 쐐기형 핑거를 나타냅니다. 두 번째 패턴은 큰 정적 접촉각(즉, 습윤 조건이 열악함)이며 가장 균일한 폭을 가진 긴 핑거이고 가장 큰 한계점은 하향으로 움직이지 않는 것이 특징입니다.

 

 

증발 효과(Evaporative Effects)

퇴적(Deposit)

분산 된 고체 물질을 함유하는 액 적은 고체 표면에서 건조 될 때, 함유하고 있는 고체 물질을 침전물로서 남깁니다. 이 침전물의 형상이 많은 인쇄 공정, 청소 및 코팅 공정에 중요한 영향을 미칩니다. 한 종류의 퇴적물의 전형적인 예는 위의 이미지와 같이 엎질러 진 커피 패치의 둘레를 따라 링 얼룩이 형성되는 “커피 링” 문제입니다. 이 유형의 링 침전물은 액체의 증발로 인한 표면 장력 구동 흐름의 결과로, 특히 낙하 둘레에서 발생합니다.

 

건조(Drying)

FLOW-3D의 증발 잔류 액체 모델은 건조 후 톨루엔으로 형성된 잔류된 물의 3D형상을 시뮬레이션합니다. (30 배 확대)

건조는 코팅 공정의 중요한 부분입니다. 하지만 건조의 결함으로 잘 도포 된 코팅을 완전히 취소 할 수도 있습니다. 건조 중에 온도 및 용질 구배는 밀도 및 표면 장력 구배로 인해 코팅 내 유동을 유도 할 수 있으며, 이는 코팅 품질을 잠재적으로 파괴 할 수 있습니다. FLOW-3D의 증발 잔류 물 모델을 사용하면 건조로 인한 흐름을 시뮬레이션하고 값 비싼 물리적 실험에 소요되는 시간을 줄일 수 있습니다.

 

모델링 링 형성(Modeling Ring Formation)

증발에 의해 접촉 라인에서 생성 된 흐름 시뮬레이션

윗쪽 그림에서 FLOW-3D는 증발이 가장 큰 접촉선에서의 증착으로 인해 에지 피닝(edge pinning)이 발생함을 보여줍니다. 증발은 증발로 인한 열 손실로 인해 액체를 냉각시킵니다 (색상은 온도를 나타냄). 동시에 고체 표면은 전도에 의해 액체를 가열합니다. 접촉선 주변에서 증발이 가장 커서, 액체가 접촉선을 향해 흘러 정적 조건을 재설정합니다. 최종 결과는 액체가 완전히 증발하는 액체 가장자리에 현탁 된 고체의 증착입니다.

 

 

참고
[1] Deegan, R., Bakajin, O., Dupont, T. et al. Capillary flow as the cause of ring stains from dried liquid drops, Nature 389, 827–829 (1997).

 

FLOW-3D 튜토리얼 V12

FLOW-3D 튜토리얼 V12

빠른 시작

이 튜토리얼 매뉴얼은 FLOW-3D 처음 사용하는 사용자에게 그래픽 사용자 인터페이스(GUI)의 주요 구성 요소를 쉽게 익히도록 하고, 다양한 시뮬레이션의 설정 및 실행 방법을 안내하기 위한 것입니다.

이 매뉴얼에 있는 실습과정은 FLOW-3D의 기본 사항을 다루기 위한 것입니다. 이 매뉴얼에서 제시하는 문제는 다양한 주제를 설명하고, 발생할 수 있는 많은 질문을 해결하기 위해 선정되었습니다. 이 매뉴얼의 실습과정은 FLOW-3D실행하는 컴퓨터에 앉아 사용하는 것이 가장 좋습니다.

CFD 사용 철학에 대한 간단한 섹션 다음에는 중요 파일과 시뮬레이션 파일을 실행하는 방법이 소개되어 있습니다. 이 소개 섹션 다음에는 모델 설정, 시뮬레이션 실행 및 포스트 프로세스, Simulation Manager 탐색 방법에 대한 설명이 있습니다. 이러한 각 단계에 대한 자세한 내용은 모델 설정, 컴퓨팅 결과 및 후처리 장에서 확인할 수 있습니다.

1.CFD 사용에 대한 철학

CFD (Computational Fluid Dynamics)는 유체 흐름(질량, 운동량 및 에너지 보존)에 대한 지배 방정식의 컴퓨터 솔루션입니다. 지정된 지배방정식은 이론 장에 설명된 Numerical방법을 사용하여 이산화되고 계산됩니다.

CFD 소프트웨어를 사용하는 것은 여러 면에서 실험을 설정하는 것과 유사합니다. 실제 상황을 시뮬레이션하기 위해 실험을 올바르게 설정하지 않으면, 그 결과는 실제 상황을 반영하지 않습니다. 같은 방법으로 수치 모델이 실제 상황을 정확하게 나타내지 않으면, 그 결과는 실제 상황을 반영하지 않습니다. 사용자는 어떤 것이 중요한지, 어떻게 표현해야 하는지를 결정해야 합니다. 시작하기 전에 다음과 같은 질문을 하는 것이 중요합니다.

  • CFD 계산에서 무엇을 알고 싶습니까?
  • 중요한 현상을 포착하기 위해 규모와 Mesh는 어떻게 설계되어야 하는가?
  • 실제 물리적 상황을 가장 잘 나타내는 경계 조건은 무엇입니까?
  • 어떤 종류의 유체를 사용해야합니까?
  • 이 문제에 어떤 유체 특성이 중요합니까?
  • 다른 어떤 물리적 현상이 중요합니까?
  • 초기 유체 상태는 어떻게 됩니까?
  • 어떤 단위 시스템을 사용해야합니까?

모델링 되는 문제가 실제 상황을 가능한 한 유사하게 나타내는지 확인하는 것이 중요합니다. 사용자는 복잡한 시뮬레이션 작업을 해결 가능한 부분으로 나누는 것이 좋습니다.

복잡한 물리 효과를 추가하기 전에, 간단하고 쉽게 이해할 수 있는 근사값으로 점차적으로 시작하여 프로세스 진행하십시오. 간단한 손 계산(베르누이 방정식, 에너지 균형, 파동
전파, 경계층 성장 등)은 물리 및 매개 변수를 선택하는데 도움이 되고, 결과와 비교할 수 있는 점검항목을 제공합니다.

CFD의 장단점을 이해하면 분석을 진행하는데 도움이 될 수 있습니다. CFD는 다음과 같은 경우 탁월한 분석 옵션입니다.

  • 기하 구조, 물리학 또는 필요한 상세 수준으로 인해 표준 엔지니어링 계산이 유용하지 않은 경우가 많습니다.
  • 실제 실험은 비용이 많이 소요됩니다.
  • 실험에서 수집할 수 있는 것보다 유체흐름에 대한 자세한 정보가 필요한 경우 유용합니다.
  • 위험하거나 적대적인 조건, 확장이 잘되지 않는 프로세스 등으로 인해 정확한 실험 측정을 하기가 어려운 경우
  • 복잡한 흐름 정보에 대한 커뮤니케이션

CFD는 다음과 같은 경우에 덜 효과적입니다.

  • 솔루션이 계산 리소스가 매우 많이 소요되거나, 도메인 크기를 줄이기 위한 가정 또는 해결되지 않은 물리적 현상을 설명하기 위한 반 임계 모델이 필요한 경우
  • CFD 시뮬레이션에 대한 입력이 되는 중요한 물리적 현상이 알려지지 않은 경우
  • 물리적 현상이 잘 이해되지 않거나 매우 복잡한 경우

CFD를 사용할 때 명심해야 할 몇 가지 중요한 참고 사항이 있습니다.

  • CFD는 규정된 초기 및 경계 조건에 따라 지정된 지배 방정식의 수치해석 솔루션입니다. 따라서 모델 설정, 즉 어떤 방정식을 풀어야 하는지, 재료 특성, 초기 조건 및 경계 조건이, 가능한 한 물리적 상황과 최대한 일치해야 합니다.
  • 방정식의 수치 해는 일반적으로 어떤 종류의 근사치를 필요로 합니다. 물리적 모델에 대한 가정과 해결방법을 검토한 후 사용하는 것이 좋습니다.
  • 디지털 컴퓨터는 숫자가 유한 정밀도로 이진수로 표시되는 방식으로 인해 반올림 오류가 발생합니다. 이는 문제를 악화시키기 때문에 매우 근소한 숫자의 차이를 계산해야 하는 상황을 피하십시오. 이러한 상황의 예는 시뮬레이션 도메인이 원점에서 멀리 떨어져 있을 때입니다.

 

2.중요한 파일

FLOW-3D 시뮬레이션과 관련된 많은 파일이 있습니다. 가장 중요한 것들이 아래에 설명되어 있습니다. 모든 prepin.* 파일의 명칭에서 prepin는 파일 형식을 의미하며, 별표시* 위치는 시뮬레이션 이름을 의미합니다. ( : prepin.example_simulation.)

  • ·prepin.*: 시뮬레이션용 입력 파일입니다. 시뮬레이션 설정을 설명하는 모든 입력 변수가 포함되어 있습니다.
  • ·prpgrf.*: 이것은 전 처리기 출력 파일입니다. 여기에는 계산된 초기 조건이 포함되며 시뮬레이션을 실행하기 전에 설정을 확인하는 데 사용될 수 있습니다.
  • ·flsgrf.*: 솔버 출력 파일입니다. 시뮬레이션의 최종 결과가 포함됩니다.
  • ·prperr.*, report.*, prpout.*: 이 파일들은 Preprocessor Diagnostic Files.
  • ·hd3err.*, hd3msg.*, hd3out.*: 이 파일들은 Solver Diagnostic Files.

모든 시뮬레이션 파일은 단일 폴더에 함께 유지하므로, 설명이 될 수 있는 시뮬레이션 이름을 사용하는 것이 좋습니다. 그러나 매우 긴 파일 이름은 운영 체제에 따라 문제가 될 수 있습니다.

노트

  • 시뮬레이션 이름이 inp(즉, 입력 파일이 있다면 prepin.inp) 출력 및 진단 파일은 모두 .dat이름을 갖습니다. 예: flsgrf.dat.
  • 모든 입력 파일은 네트워크 위치의 컴퓨터 대신 로컬 디렉토리에 저장하는 것이 좋습니다. 이것은 솔버가 더 빠르게 실행되고 GUI의 응답 속도가 빨라지며 실행중인 시뮬레이션을 방해하는 네트워크 문제 가능성을 제거합니다.

3.시뮬레이션 관리자

FLOW-3D 시뮬레이션 관리자의 탭은 주로 시뮬레이션을 실행할 수 있도록 시뮬레이션 환경을 구성하고 실행 시뮬레이션에 대한 상태 정보를 표시하는데 사용됩니다.

작업 공간 (Workspaces)

작업 공간(Workspaces)Simulation Manager의 필수 부분이며 파일을 FLOW-3D에서 처리하는 방식입니다. 기본적으로 시뮬레이션을 포함하고 구성하는 폴더입니다. 몇 가지 예를 들면 시뮬레이션과 또 다른 작업 공간인 검증 사례를 포함하도록 할 수 있습니다:

포트폴리오의 작업 공간

새로운 작업 공간 만들기

튜토리얼에서는 작성하려는 시뮬레이션을 포함할 작업 공간(Workspaces)을 작성하십시오.

1.File -> New workspace 이동

2.작업 공간 이름으로 Tutorial를 입력하십시오.

3.기본 위치는 현재 사용자의 홈 디렉토리에 있습니다. 다른 곳에서 찾을 수 있지만 기본 위치가 우리의 목적에 적합합니다.

4.하위 디렉토리를 사용하여 작업 공간 이름 만들기 확인란을 선택합니다. 이렇게 하면 파일 시스템에서 작업 공간에 대한 새로운 하위 디렉토리가 만들어져 시뮬레이션 파일을 훨씬 쉽게 구성할 수 있습니다.

새로운 작업 공간 만들기

5.확인을 눌러 새 작업 공간을 작성하십시오. 이제 포트폴리오에 표시됩니다.

새로운 작업 공간 만들기

작업 공간 닫기

포트폴리오를 정리하고 탐색하기 쉽도록 필요 없는 작업공간을 닫는 것이 편리합니다. 작업 공간을 닫으면 포트폴리오에서 해당 작업 공간만 제거됩니다. 그러나, 컴퓨터에서 작업 공간을 삭제하지는 않습니다.

작업 공간을 닫으려면

1.기존 작업 공간을 마우스 오른쪽 버튼으로 클릭하고 작업 Close Workspace 선택하십시오. 또는 포트폴리오에서 작업 공간을 선택 (왼쪽 클릭) 하고 Delete 키를 누를 수 있습니다.

2.작업 공간을 닫을 것인지 묻는 메세지가 표시됩니다. 예를 선택하십시오.

3.포트폴리오는 더 이상 닫힌 작업 공간을 포함하지 않습니다.

기존 작업 공간 열기

오래된 작업 공간을 열어야 할 때가 있을 것입니다. 예를 들어, 새 프로젝트에 유사한 시뮬레이션을 작성하기 전에 기존 시뮬레이션의 설정을 검토할 수 있습니다. 기존 작업 공간을 열려면

1.File -> Open Workspace를 선택하십시오

2.작업 공간 파일이 있는 디렉토리를 찾으십시오. Tutorial.FLOW-3D_Workspace.

작업 공간 열기

3.작업 공간을 로드 하려면 OK누르십시오.

작업 공간에서 시뮬레이션 작업

작업 공간을 사용하는 방법을 알았으니, 여기에 시뮬레이션을 추가해 봅시다.

Example를 추가하십시오

작업 공간에 작업 시뮬레이션을 추가하는 가장 간단한 방법은 포함된 예제 시뮬레이션 중 하나를 추가하는 것입니다. FLOW-3D의 다양한 기능을 사용하는
방법을 보여주기 위해 설계된 간단하고 빠른 시뮬레이션입니다. 기존 작업 공간에 예제를 추가하려면 다음을 수행하십시오.

1.포트폴리오에서 원하는 작업 공간을 강조 표시하십시오

2.File -> Add example 선택하십시오. 또는 작업공간을 마우스 오른쪽 버튼으로 클릭하고 예제 추가선택할 수 있습니다.

3.예제 대화 상자에서 예제를 선택하고 열기를 누르십시오. 자연 대류(Natural Convection) 예제를 선택했습니다.

시뮬레이션 예제 추가

4.새 시뮬레이션 대화 상자가 열립니다.

5.디렉토리가 작업 공간 위치에 있는지 확인하는 것이 좋으므로 기본 시뮬레이션 이름과 위치를 잘 확인하는 것이 좋습니다. FLOW-3D는 모든 시뮬레이션 파일을 이 작업 공간 디렉토리의 별도 하위 디렉토리에 배치하여 파일 구성을 쉽게 만들어 줍니다.

6.시뮬레이션을 위한 단위 시스템을 선택하십시오. 표준 단위 시스템이 권장되지만 각 단위를 독립적으로 선택하기 위해 사용자 지정 단위 시스템을 선택할 수 있습니다.

7.확인을 눌러 새 시뮬레이션을 작업 공간에 추가하십시오.

작업 공간에서의 시뮬레이션

작업 공간에서 시뮬레이션 제거

작업 공간에서 시뮬레이션을 제거해야 하는 경우가 있습니다 (이는 작업 공간에서 시뮬레이션을 제거만 하며, 컴퓨터에서 시뮬레이션을 삭제하지는 않습니다). 작업 공간에서 시뮬레이션을 제거하려면 다음을 수행하십시오.

1.작업 공간에서 기존 시뮬레이션을 마우스 오른쪽 버튼으로 클릭하고 (이 경우 이전 섹션에서 추가 한 예제 사용) 시뮬레이션 제거를 선택하십시오. 또는 작업 공간에서 시뮬레이션을 선택 (왼쪽 클릭)하고 Delete 키를 누를 수 있습니다.

2.작업 공간에는 더 이상 시뮬레이션이 포함되지 않습니다.

모든 작업 공간 및 디스크에서 시뮬레이션 삭제

작업 공간에서 시뮬레이션을 제거하는 것 외에도 디스크에서 모든 시뮬레이션 파일을 삭제해야 할 수도 있습니다. 작업 공간에서 시뮬레이션을 제거하고 디스크에서 시뮬레이션
파일을 삭제하려면 다음을 수행하십시오.

1.작업 공간에서 기존 시뮬레이션을 마우스 오른쪽 단추로 클릭하고 (이 경우 이전 섹션에서 추가 한 예제 사용) 모든 작업 공간 및 디스크에서 시뮬레이션
삭제를
선택하십시오.

2.시뮬레이션 디렉토리에서 삭제할 파일을 선택할 수 있는 창이 나타납니다. 삭제할 파일을 선택한 다음 확인을 눌러 해당 파일을 삭제하거나 취소를 눌러 작업을 중단하십시오.

3.OK를 선택한 경우 선택한 작업 공간은 더 이상 시뮬레이션을 포함하지 않습니다. 선택한 작업 공간의 모든 시뮬레이션 파일은 디렉토리에서 삭제됩니다.

경고

이 작업은 취소할 수 없으므로 계속하기 확인 후 파일을 삭제해야 합니다.

작업 공간에 기존 시뮬레이션 추가

기존 시뮬레이션을 작업 공간에 추가하려면 다음을 수행하십시오.

1.열린 작업 공간을 마우스 오른쪽 버튼으로 클릭하고 기존 시뮬레이션 추가 선택합니다. 작업 공간을 선택한 다음 File->Add Existing Simulation 을 선택할 수도 있습니다.

2.prepin.*파일 위치로 이동하여 열기를 선택하십시오.

작업 공간에 기존 시뮬레이션 추가

3.시뮬레이션이 이제 작업 공간에 나타납니다.

작업 공간에 새로운 시뮬레이션 추가

대부분의 경우 기존 시뮬레이션을 사용하는 대신 새 시뮬레이션을 작성하게 됩니다. 작업 공간에 새로운 시뮬레이션을 추가하려면:

1.기존 작업 공간을 마우스 오른쪽 버튼으로 클릭하고 새 시뮬레이션 추가 선택하십시오.

2.시뮬레이션 이름을 입력하라는 message가 표시됩니다. 이 예제에서는 heat transfer example 불러오십시오.

3.그런 다음 드롭다운 목록을 사용하여 시뮬레이션을 위한 단위 시스템을 결정합니다. 사용 가능한 옵션은 질량, 길이, 시간, 전기요금
각각 g, cm, s, coul기준의 Kg, m, s, CGS입니다. 또한 엔지니어링 단위도 사용할 수 있으며, slug, ft, s의 기초 단위가 있지만, 전기
충전을 위한 단위는 없습니다. 이러한 옵션 중 어느 것도 해당되지 않는 경우, 질량, 길이, 시간 및 전기요금에 대한 기준 등을 사용자 정의하여 사용자 지정 단위 시스템을 사용할 수 있습니다.

4.온도 단위는 드롭다운 목록을 사용하여 지정해야 합니다. 사용 가능한 옵션은 SI CGS 단위의 경우 Celsius
Kelvin, 엔지니어링 단위의 경우 Fahrenheit Rankine입니다. Custom units(사용자 정의 단위) 옵션을 선택한 경우, 사용 가능한 온도 단위는 질량
및 길이에 대해 선택한 기본 단위에 따라 변경됩니다.

노트

새 시뮬레이션의 시뮬레이션 단위는 신중하게 선택하십시오. 일단 설정하면 단위를 변경할 수 없습니다.

5.이 시뮬레이션에 사용된 템플릿이 기본 템플릿이 됩니다. 템플릿은 포함된 설정을 새 시뮬레이션에 적용하는 저장된 값 세트입니다. 다른 템플릿을 사용해야하는 경우
찾아보기 아이콘 (
browse_icon_v12)을 클릭하여 사용 가능한 템플릿 목록에서 선택하십시오.

6.기본 시뮬레이션 이름과 위치는 디렉토리가 작업 공간 위치에 있는지 확인하는 것이 좋습니다. FLOW-3D는 모든 시뮬레이션 파일을 이 작업 공간 디렉토리의 별도 하위 디렉토리에 배치하여 파일 구성을 훨씬 쉽게 만듭니다. 시뮬레이션을 다른 위치에 저장하려면 찾아보기 아이콘 ( browse_icon_v12)을 사용하여 원하는 위치로 이동하십시오.

7.확인을 클릭하여 작업 공간에 새 시뮬레이션을 추가하십시오.

heat transfer example

새로운 시뮬레이션 추가

다른 옵션

우리는 지금 이러한 옵션을 사용하지 않는 동안, 이 시뮬레이션을 마우스 오른쪽 버튼으로 클릭하여 추가 옵션에 대한 액세스를 제공합니다.

일반적으로 사용되는 Add Simulation Copy… 그리고 Add Restart Simulation…을 추가합니다. 첫 번째 옵션은 기존 시뮬레이션의 사본을
작성하고, 두 번째 옵션은 기존 시뮬레이션을 복사하고 원래 시뮬레이션의 결과를 다시 시작 시뮬레이션의 초기 조건으로 사용하도록 다시 시작 옵션을 구성합니다.

추가 정보

재시작 시뮬레이션에 대한 자세한 내용은 도움말에서 모델 설정 장의 재시작 섹션을 참조하십시오.

전처리 및 시뮬레이션 실행

시뮬레이션 전처리

시뮬레이션 전처리는 초기 조건을 계산하고 입력 파일에서 일부 진단 테스트를 실행합니다. 문제가 올바르게 구성되었는지 확인하거나 전 처리기의 진단 정보가 필요한 경우에
유용합니다. 시뮬레이션을 실행하기 전에 전처리할 필요가 없습니다. 시뮬레이션을 전처리 하려면

1.작업 공간에서 시뮬레이션을 마우스 오른쪽 버튼으로 클릭하고 Preprocess Simulation->Local 선택합니다. 이 경우 입력 파일 heat transfer example이 아직 완전히 정의되지 않았으므로 작업 공간에서 예제 문제를 선택하십시오.

2.전처리 프로세스가 시작되고 Simulation Manager 하단의 텍스트 창에 일부 정보가 인쇄된 후 성공적으로 완료됩니다. 포트폴리오에서 시뮬레이션 이름 옆의 아이콘도 시뮬레이션이 성공적으로 처리되었음을 나타내도록 변경됩니다.

추가 정보

자세한 내용은 도움말의 컴퓨팅 결과 장의 전처리 섹션을 참조하십시오.

시뮬레이션 실행

시뮬레이션을 실행하면 입력 파일에 정의된 문제에 대한 지배 방정식(물리적 모델, 형상, 초기 조건, 경계 조건 등)이 해석됩니다. 시뮬레이션을 실행하려면

1.작업 공간에서 시뮬레이션을 마우스 오른쪽 버튼으로 클릭하고 Run Simulation->Local을 선택하십시오. 이 경우 입력 파일 heat transfer example이 아직 완전히
정의되지 않았으므로 작업 공간에서 예제 문제를 선택하십시오.

2.솔버가 시작되고 시뮬레이션 관리자 하단의 텍스트 창에 일부 정보가 인쇄되고 플롯이 업데이트 된 후 성공적으로 완료됩니다. 포트폴리오에서 시뮬레이션 이름 옆의
아이콘도 시뮬레이션이 성공적으로 실행되었음을 나타내도록 변경됩니다. 또한 솔버가 실행되는 동안 큐에 시뮬레이션이 나타나는 것을 볼 수 있으며, 완료되면 사라집니다
.

추가 정보

시뮬레이션 실행 및 진단 읽기에 대한 자세한 내용은 도움말의 컴퓨팅 결과 장에서 솔버 실행 섹션을 참조하십시오.

작업 공간에서 모든 시뮬레이션 실행

작업 공간을 마우스 오른쪽 버튼으로 클릭하고 Simulate Workspace->Local을 선택하여 작업 공간에서 모든 시뮬레이션을 실행할 수도 있습니다.

추가 정보

자세한 내용은 컴퓨팅 결과 장에서 솔버 실행 섹션을 참조하십시오.

대기열

사전 처리 또는 실행에 작업이 제출되면 큐의 맨 아래에 시뮬레이션이 자동으로 추가됩니다. 그런 다음 솔버에 사용 가능한 라이센스 및 계산 리소스가 있으면 시뮬레이션이 사전 처리되거나 실행됩니다. 대기열에 있지만 아직 전처리 또는 실행되지 않은 시뮬레이션은 대기열 맨 아래의 컨트롤을 사용하여 대기열에서 다시 정렬하거나 대기열에서 제거할 수 있습니다.

추가 정보

자세한 내용은 컴퓨팅 결과 장을 참조하십시오.

파일 시스템에서 파일 찾기

어떤 이유로 구조물 파일에 액세스해야 하는 경우 (아마 *.STL 폴더에 파일을 배치해야 함) 표시된 파일 경로를 시뮬레이션 입력 파일로 클릭하여 파일 시스템의 해당 위치로 이동할 수 있습니다.

파일 링크

4.모델 설정

Model Setup(모델 설정) 탭은 시뮬레이션 관리자에서 현재 선택한 시뮬레이션에 대한 입력 매개 변수를 정의하는 곳입니다. 여기에는 전역설정, 물리학 모델, 유체,
기하학, 메싱, 구성요소 특성, 초기 조건, 경계 조건, 출력 옵션 및 숫자가 포함된다.

이 섹션은 물에 잠긴 모래(; 파랑)의 바닥에서 가열된 구리 블록(; 빨간색)에 의해 발생하는 열 기둥(아래)을 보여주는 간단한 시뮬레이션 설정 방법을 안내합니다.

예제 문제

이 튜토리얼은 방법이나 모델이 어떻게 작동하는지, 옵션을 선택한 이유 등에 대한 포괄적인 논의를 의도한 것이 아니며, 이 특정 시뮬레이션을 설정하기 위해 수행해야 할 사항에
대한 간략한 개요일 뿐입니다. 여기서 행해지는 것에 대한 방법/모델과 추론의 세부사항은 사용 설명서의 다른 장에서 확인할 수 있습니다.

시작하려면 새 작업 공간을 작성하고 새 시뮬레이션을 추가하십시오. 이를 수행하는 방법에 대한 지침은 새 작업 공간 작성 및 작업 공간에 새 시뮬레이션 추가를 참조하십시오.

탐색

모델 설정은 주로 빨간색으로 표시된 처음 9 개의 아이콘의 탐색을 통해 수행됩니다. 각 아이콘은 시뮬레이션의 특정 측면을 구성하기 위한 위젯을 엽니다. Global에서 시작하여 Numerics로 끝나는 다음 섹션은 각 위젯의 목적을 보여줍니다.

시뮬레이션의 다양한 측면을 정의하기위한 탐색 아이콘

통제 수단

다음은 FLOW-3D 사용자 인터페이스의 그래픽 디스플레이 영역에서 사용되는 마우스 컨트롤입니다.

행동

버튼/

동작

기술

회전

왼쪽

길게 클릭

마우스 왼쪽 버튼을 클릭 한 채로 Meshing & Geometry 창에서
마우스를 움직입니다. 그에 따라 모델이 회전합니다.

중간 버튼/스크롤

스크롤/클릭 한
상태

마우스를 앞뒤로 움직여 확대/축소하려면 가운데 휠을 굴리거나 마우스 가운데 버튼을 클릭
한 상태로 유지하십시오.

우측

길게 클릭

마우스 오른쪽 버튼을 클릭 한 채로 창에서 마우스를 움직입니다. 모델이 마우스와 함께 움직입니다.

객체에 초점 설정

해당 없음

객체 위에 커서를 놓기

커서를 개체 위로 가져 가면 마우스 오른쪽 버튼 클릭 메뉴를
통해 추가 조작을 위해 개체가 활성화됩니다. 개체가 활성화되면 강조 표시됩니다. Meshing & Geometry 탭에서 Tools->
Mouse Hover
Selection
환경 설정 이 활성화된 경우에만
수행됩니다.

선택

왼쪽

더블 클릭

객체를 두 번 클릭하면 마우스 오른쪽 버튼 메뉴를 통해 추가
조작을 위해 객체를 선택하고 활성화합니다. Meshing
& Geometry
탭에서 Tools
->Mouse Hover Selection 환경 설정 이
비활성화 된 경우에만 활성화됩니다.

액세스 객체 속성

우측

딸깍 하는 소리

강조 표시된 객체를 마우스 오른쪽 버튼으로 클릭하면 객체
식별, 표시/숨기기, 활성화/비활성화, 투명도 조정 등의 옵션 목록이 표시됩니다.

커서 좌표 반환 (프로브)

왼쪽

Shift + 클릭

Shift 키를 누르면 커서가 대상으로 바뀝니다. Shift 키를 누른 상태에서 클릭하면 화면의 왼쪽 하단에 표시된 표면의 좌표가 표시됩니다.

피벗 점 배치

왼쪽

cntrl + 클릭

Ctrl 키를 누르고 있으면 커서가 피벗 아이콘으로 바뀝니다. Ctrl 키를 누른 상태에서 클릭하여 피벗 점을 설정하십시오. 뷰가
피벗 점을 중심으로 회전합니다. 토글 사용자 정의 피벗 피벗 점을 끕니다.
보기 창 위의 버튼을 누릅니다.

도움이
되는 툴바 옵션도 있습니다. 옵션의 목적을 찾으려면 아이콘 위로 마우스를 가져갑니다.

메시 및 지오메트리 탭의 컨트롤

글로벌

이 매뉴얼에 대한 시뮬레이션을 만들려면 원하는 작업 공간을 마우스 오른쪽 단추로 클릭하고 새 시뮬레이션 추가를 선택하십시오. 매뉴얼 섹션의 새 시뮬레이션 추가 작업 공간에 설명된 대로 이름을 ‘heat transfer example’로 지정하고 작업 공간에 추가하십시오. SI Kelvin을 각각 단위 시스템과 온도로 선택합니다. 일단 설정되면
시뮬레이션을 위한 단위는 변경할 수 없다는 점을 기억하십시오.

글로벌 아이콘 f3d_global_icon을 클릭하여 글로벌 위젯을 여십시오. 여기에서 정의된 단위가 표시되고 시뮬레이션 완료 시간이 설정됩니다. 이 시뮬레이션의 경우 완료 시간을 200 초로 설정하십시오. 시뮬레이션에 대한 중요한 세부 정보는 여기 노트 필드에도 추가할 수 있습니다.

글로벌 탭 예를 들어 문제

추가 정보

자세한 내용은 모델 설정 장의 전역 섹션을 참조하십시오.

물리

물리 f3d_models_icon아이콘을 클릭하여 물리 위젯을 엽니다.

모델 선택을위한 물리 위젯

이 문제의 경우, 하나의 유체, 자유 표면, 경계 및 비압축/제한 압축의 기본 설정이 모두 정확합니다.

관련 물리 메커니즘(, 추가 지배 방정식 또는 지배 방정식 용어)은 물리 위젯에서 정의됩니다. 모델을 활성화하려면 해당 모델의 아이콘을 마우스 왼쪽 버튼으로 클릭하고활성화 선택하십시오. 이 시뮬레이션을 위해서는 다음 모델을 활성화해야 합니다.

·Density evaluation(밀도 평가): 이 모델은 열 기둥을 생성하는 밀도 변화를 설명합니다. 다른 양(: 온도 또는 스칼라)의 함수로 평가된 밀도를 선택하고 Include volumetric thermal expansion 상자를 선택하십시오.

문제 평가를위한 밀도 평가 모델

·Gravity and non-inertial reference frame(중력 및 비 관성 기준 프레임): 중력을 나타내는 힘이 추가되므로 Z 중력 성분에 -9.81을 입력하십시오.

예를 들어 중력 모델

·
Heat transfer(열 전달): 이 모델은 유체와 고체 물체 사이의 열 전달을 설명합니다. 이 시뮬레이션의 경우 First order for the Fluid internal Energy advection를 선택하고 Fluid to solid heat transfer를 활성화하려면 확인란을 선택하십시오. 나머지 옵션은 기본값으로 두어야합니다.

열전달 모델 예 : 문제

·
Viscosity and turbulence(점성 및 난류): 이 모델은 유체의 점성 응력을 설명합니다. Viscous flow 옵션을 선택하고 나머지 옵션은 기본값으로 두십시오.

예를 들어 문제의 점도 모델

추가 정보

자세한 내용은 모델 설정 장의 물리 섹션을 참조하십시오.

유체

유체의 속성은 모델 설정 탭의 유체 위젯에 정의되어 있습니다. 유체 위젯은 수직 도구 모음에서 Fluids f3d_fluids_icon f3d_fluids_icon아이콘을 클릭하여 액세스할 수 있습니다. 먼저 유체 옵션 1 이 속성 옵션으로 선택되어 있는지 확인하십시오. 유체 1의 속성은 수동으로 입력할 수 있지만 일반적인 유체의 속성을 설정하는 빠른 방법은 재료 속성로드 버튼Matdatbas을 클릭하여 재료 데이터베이스에서 유체를 로드하는 것입니다. 다음으로, 원하는 재료를 탐색하십시오. 이 경우 Fluids->Liquids->Water_at_20_C를 선택하고 Load를 클릭하십시오.

이 시뮬레이션에는 데이터베이스에 없는 특성인 체적 열 팽창 계수가 필요합니다. 밀도 하위 탭에서 207e-6을 입력하십시오. 최종 속성 세트는 다음과 같아야 합니다.

유체 특성 (예 : 문제)

추가 정보

자세한 내용은 모델 설정 장의 유체 섹션을 참조하십시오.

Geometry(기하)

기하형상 f3d_geometry_icon아이콘을 클릭하여 물리 위젯을 엽니다.

이 시뮬레이션을 위해 생성해야 하는 두 가지 형상은 구리 블록과 모래층이 있습니다. 둘 다 프리미티브를 사용하여 작성합니다. 보다 현실적인 시뮬레이션은 Primitives, Stereolithography(STL) Geometry File (s)/또는 Raster File (s)을 사용하여 지오메트리를 정의할 수 있습니다.

구리 블록을 만들려면 먼저 지정된 상자 형상 아이콘을 클릭하여 작성합니다. 구리 블록을 x y 방향 원점에서 +/- 2cm 연장하고 z 방향으로 0-4cm 연장합니다. 나머지 옵션은 그대로 두고 블럭을 솔리드로 만들고 새 구성 요소에 추가합니다.

예제 문제에 대한 구리 블록 정의

하위 구성 요소 정의를 마치고 구성 요소 정의로 이동하려면 확인을 선택하십시오. 자동으로 열린 구성요소 추가 대화상자에서 Type as General(솔리드)을 그대로 두고 Name(이름) 필드에 Copper block을 입력한 다음 OK(확인)를 선택하여 구성요소 정의를 완료하십시오.

상자아이콘을 다시 클릭하여 베드 하위 구성 요소를 작성하십시오. 아래 표시된 범위를 사용하고 컴포넌트에 추가 선택 사항을 새 컴포넌트(2)로 설정하십시오.

예를 들어 침대 문제 정의

하위 구성 요소 정의를 마치고 구성 요소 정의로 이동하려면 확인을 선택하십시오. 대화 형으로 이름 필드에서Bed를 입력한 후 구성요소 정의를 마칩니다. 최종 형상은 다음과 같이 표시됩니다.

예제 문제에 대한 형상 정의

새 구성 요소를 추가하면 가로 및 세로 방향으로 그래픽 표시 창에 길이 스케일이 자동으로 생성됩니다. 눈금자 도구를 사용하여 생성된 기하학적 객체의 범위를 빠르게 측정할 수 있습니다.

노트

표시 영역에는 지오메트리 모양 정의만 표시되므로 객체가 솔리드인지 구멍인지에 대한 정보는 표시되지 않습니다. 즐겨 찾기옵션을 사용하여 Mesh 후에 나중에 수행할 수 있습니다.

추가 정보

자세한 내용은 도움말 모델 설정 장의 형상 섹션을 참조하십시오.

구성 요소 속성

열전달 모델은 고체 구성 요소의 전도 방정식을 해결하기 위해 재료 특성이 필요합니다. 이러한 속성은 이 아이콘f3d_geometry_icon을 클릭하여 구성 요소 속성 위젯에서 설정합니다.

구성 요소 특성 위젯

각 구성 요소에는 솔리드 특성 및 표면 특성이 정의 되어 있어야합니다. 구리 블록에 대해 이를 설정하려면 먼저 형상 위젯에서 구성 요소 1: copper block 요소를 선택하십시오. 그런 다음 컴포넌트 특성 위젯에서 솔리드 특성을 선택하고 다음과 같이 특성을 정의하십시오.

구리 블록 고체 특성

여기에서 두 번째 구성 요소(베드)에 대해 설명된 구성 요소 특성 정의를 위한 대체 방법을 사용할 수 있습니다. 이 방법에서는 구성 요소 2: 베드 구성 요소를 클릭하고 재료 필드 옆에 있는 재료 특성로드 Matdatbas 아이콘을 선택하여 시작합니다. 다음으로 재료를 탐색합니다. 이 경우 Solids->Sands->Sand_Quartz 선택하고 Load를 선택하십시오.

베드 솔리드 속성

추가 정보

l 자세한 내용은 모델 설정 장의 유체 섹션을 참조하십시오.

l 주어진 물리적 모델에 필요한 속성에 대한 자세한 내용은 모델 참조 장을 참조하십시오.

Meshing(메싱)

Mesh Mesh 위젯에서 생성 및 정의되며, 위젯을 통해 액세스 할 수 있습니다. f3d_mesh_icon아이콘을 눌러 add_iconMesh를 추가합니다. Mesh의 범위를 형상에 빠르게 적용하려면 형상에 맞추기 라디오 버튼을 선택하고 오프셋 라디오 버튼을 백분율로 유지합니다. 블록 속성에서 셀 크기를 0.004로 설정하십시오.

메시 블록을 형상에 맞추기

Mesh 상단은 z 방향으로 위쪽으로 확장해야 합니다. Z-Direciton 탭을 선택하고 Mesh Plane 2 0.2를 입력합니다.

z 높이 조정

이 시뮬레이션은 2D가 될 것입니다. 동일한 프로세스에 따라 Y 방향 범위를 -0.005 0.005 로 설정하십시오. 그리고 합계 셀을 1로 설정하십시오.

y 메쉬 평면 조정

최종 Mesh는 그래픽 디스플레이 창 바로 위의 Mesh->Flow Mesh->View 모드 드롭 다운 메뉴에서 옵션을 변경하여 다른 방식으로 볼 수 있습니다. 그리드 라인 마다 그리드 선을 표시합니다 옵션은 Mesh Plane의 옵션만 표시됩니다 Plane Mesh 및 개요 옵션은 Mesh의 범위를 보여줍니다.

또한 솔버가 Mesh의 최종 지오메트리를 인식하는 방법은 FAVOR TM 알고리즘을 사용하여 형상 정의를 면적 분수 및 부피 분수로 변환합니다. 이렇게 하려면 즐겨 찾기아이콘을 클릭한 다음 생성을 선택하십시오.

호의

잠시 후 회색 영역이 고체 물질을 나타내는 아래와 같은 형상을 표시해야 합니다.

선호하는 결과

추가 정보

l Mesh에 대한 자세한 내용은 모델 설정 장의 Mesh 섹션을 참조하십시오.

l FAVORTM FAVORize
옵션에 대한 자세한 내용은 모델 설정 즐겨 찾기장의 Reviewing the FAVORized Geometry and Mesh 섹션을 참조하십시오.

경계 조건

FLOW-3D는 구성 요소 유형 및 활성 물리적 모델에 기초한 구성 요소에 적절한 경계 조건을 자동으로 적용합니다. 그러나 경계 조건 위젯에서 Mesh 블록면의 경계 조건은 각 Mesh 블록에 대해 수동으로 설정해야 합니다(f3d_bc_icon ).

이 매뉴얼의 경우 경계 조건 중 3 가지가 경계조건( X Min , X Max, Z Max 경계)을 기본 대칭 조건조건부터 변경해야 합니다.

·X Min :

o경계 조건 위젯의 경계 섹션 아래에 있는 X Min 목록을 클릭하십시오. Type에서 경계 유형을 Velocity로 설정하고 X 속도에 대해 0.001을 입력하십시오.

XMIN 경계 조건

·다음으로, 유체 분율 사용에서 유체 표고 사용으로 드롭다운 상자를 변경하고 유체 높이를 0.15로 설정하십시오.

·마지막으로 온도를 298K로 설정하십시오.

XMIN 경계 조건

·
X Max :

o경계 조건 위젯의 경계 섹션 아래에 있는 X 최대 목록을 클릭하십시오. 경계 유형을 압력으로 설정하고 압력에 대해 0을 입력하십시오.

o다음으로, 유체 분율 사용에서 유체 높이 사용으로 드롭다운 상자를 변경하고 유체 높이를 0.15로 설정하십시오.

o마지막으로 온도를 298K로 맞춥니다.

oXMAX 경계 조건

·
Z 최대 :

o경계 조건 위젯의 경계 섹션 아래에 있는 Z 최대 목록을 클릭하십시오. 경계 유형을 압력으로 설정하고 압력에 대해 0을 입력하십시오.

o다음으로 유체 분율을 0.0으로 설정하십시오.

o마지막으로 온도를 298K로 맞춘다.

ZMAX 경계 조건

추가 정보

자세한 내용은 모델 설정 장의 Mesh 경계 조건 섹션을 참조하십시오.

초기 조건

도메인 내부의 솔리드 객체(구성 요소)와 유체 모두에 대해 초기 조건을 설정해야 합니다.

·
구성 요소 :이 시뮬레이션에서 솔리드 객체에 필요한 유일한 초기 조건은 초기 온도입니다. 이것은 각 구성 요소에 대한 위젯에 설정되어 있는 구성 요소 속성에 대해 수행한 것과 유사한 방식으로 구성 요소를 등록합니다. 구성 요소 속성을 설정할 때 이전과 동일한 방법으로 구성 요소 1의 초기 온도를 350K로 설정하고 구성 요소 2의 초기 온도를 298K로 설정하십시오.

유체 초기 조건

유체: 유체의 초기 조건을 설정하기 위해 조금 더 설정해야 합니다. 이 경우 유체 구성, 온도, 속도 및 압력 분포를 모두 설정해야 합니다. 유체 초기 조건은 초기 위젯을 설정하고 초기 f3d_initial_icon를 클릭하면 열립니다.

f3d_initial_icon 아이콘을 선택한 후 유체 목록에서 압력을 선택하고 온도를 298K로 설정합니다. x, y, z 속도를 0.0으로 설정하십시오.

유체 초기 조건

다음으로, 높이/볼륨 목록과 유체 높이 사용 드롭다운 버튼을 선택합니다. 유체 높이를 0.15로 설정하십시오.

유체 초기 조건 계속

추가 정보

자세한 내용은 모델 설정 장의 초기 조건 섹션을 참조하십시오.

출력

FLOW-3D 옵션에는 결과 파일에 기록될 데이터와 출력 위젯에서 발견된 빈도를 제어하는 7가지 데이터 유형이 있습니다. 출력 f3d_output_icon 아이콘을 클릭합니다.

다른 데이터 유형은 다음과 같습니다.

·Restart: 모든 흐름 변수. 기본 출력 주기는 시뮬레이션 시간의 1/10입니다.

·Selected: 사용자가 선택한 흐름 변수 만. 기본 출력 주기는 시뮬레이션 시간의 1/100입니다.

·History: 하나의 변수와 시간의 변화를 보여주는 데이터. 예는 시간 단계 크기, 평균 운동 에너지, 배플에서의 유속 등을 포함합니다. 기본 출력 주기 = 시뮬레이션 시간의 1/100.

·Short print: hd3msg.*파일에 텍스트 진단 데이터가 기록 됩니다. 기본 출력 주기는 시뮬레이션 시간의 1/100입니다.

·Long print : hd3out.*파일에 텍스트 진단 데이터가 기록 됩니다. 기본 출력 주기는 시뮬레이션 시간의 1/10입니다.

·Solidification: 응고 모델이 활성화 된 경우에만 사용 가능합니다.

·FSI TSE: 변형 가능한 솔리드에 대한 추가 출력 옵션.

일반적으로 이 시뮬레이션에는 기본 출력 속도가 적합합니다. 그러나 Selected Data의 일부 추가 구성은 유용합니다. Selected data interval 0.5로 설정한 다음 Fluid 온도, Fluid velocity, Macroscopic density Wall 온도 옆에 있는 상자를 선택합니다. 그러면 이러한 값이 0.5초마다 출력됩니다.

출력 탭 설정

추가 정보

자세한 내용은 모델 설정 장의 출력 섹션을 참조하십시오.

Numerics

기본 Numerics 옵션은 대부분의 시뮬레이션에서 잘 작동하므로 기본 옵션에서 벗어나야 하는 충분한 이유가 없는 경우에는 현재 그대로 두는 것이 가장 좋습니다.

이것으로 모델 설정 섹션에서 시작된 예제 문제의 설정을 마칩니다. 이제 실행할 준비가 되었으므로 전처리 및 시뮬레이션 실행의 단계에 따라 시뮬레이션을 실행하십시오.

추가 정보

자세한 내용은 모델 설정 장의 Numerics 옵션 섹션을 참조하십시오.

일반 시뮬레이션 설정 점검 목록

시뮬레이션을 설정하는 데 필요한 단계에 대한 개략적인 개요가 아래에 나와 있습니다. 이 목록은 포괄적인 목록이 아닙니다. 일반적인 단계, 고려해야 할 몇 가지 중요한 사항 및 권장되는 설정 순서를 간단히 설명하는 안내서일 뿐입니다.

시작하기 전에

1.물리적 문제의 다이어그램을 그리기 및 주석 달기 : 이 다이어그램에는 기하학적 치수, 유체의 위치, 관련 힘, 움직이는 물체의 속도, 관련 열 전달 메커니즘 등이 포함되어야 합니다. 완성된 다이어그램은 문제에 대한 모든 관련 엔지니어링 정보로 인한 물리적 문제에 대한 이미지여야 합니다.

2.모델링 접근법 결정: 주석이 달린 다이어그램을 가이드로 사용하여 문제점에 접근하는 방법을 결정 : 문제가 되는 유체의 수, 혼화 가능한 경우, 하나 이상의 유체에서 방정식을 풀어야하는 경우 및 압축성이 중요한지 파악하여 시작하십시오. 그런 다음 어떤 물리적 메커니즘이 중요한지 결정하십시오. 이러한 각 옵션 (: 유체 유형, 열 전달 메커니즘 등)에 대한 관련 엔지니어링 정보를 다이어그램에 추가하십시오. 물리적 메커니즘이 포함되거나 무시된 이유를 정당화하려고 합니다. 이를 통해 시뮬레이션 프로세스 초기에 오류를 수정하는 데 시간이 거의 걸리지 않는 초기에 실수를 잡을 수 있습니다.

3.다이어그램에 계산 영역을 그리고, 계산 영역의 가장자리에 있는 물리적 상황 설명 : 경계의 물리적 상황을 가장 잘 나타내는 경계 조건 유형을 기록합니다. 사용 가능한 경계 조건 유형이 경계의 물리적 상황에 대한 합리적인 근사치가 아닌 경우 이 경계를 다른 곳으로 이동해야 합니다.

모델 설정 : 일반

1.문제, 시뮬레이션의 목적, 사례 번호 등을 설명하는 메모를 추가하십시오. 메모는 향후 사용자 또는 나중에 참조할 수 있도록 설정을 설명하고 정당화하는 데 도움이 됩니다. 시뮬레이션의 목적, 분석 방법 등을 논의해야합니다.

2.사용할 솔버와 프로세서 수를 선택하십시오.

3.단위 시스템 선택: 소규모 문제를 모델링 할 때는 작은 단위 ( : mm-gm-msec)사용하고 규모가 큰 문제는 큰 단위 ( : SI)를 사용하십시오. 이를 통해 기계 정밀도로 인한 반올림 오류를 방지할 수 있습니다.

4.유체 수, 인터페이스 추적 옵션 및 유량 모드를 선택하십시오. 주석이 달린 다이어그램을 이 단계의 지침으로 사용하십시오. 유체의 수는 질량, 운동량 및 에너지 보존을 관장하는 방정식이 유체 분율 f> 0(유체 1을 나타내는) 또는 유체 분획 f \ geq 0(유체 1 및 유체 2)이 있는 영역에서 해결되는지 여부를 나타냅니다. 인터페이스
추적 옵션은 유체 분율의 변화가 급격한지 또는 확산되어야 하는지 여부를 정의하는 반면, 흐름 모드는 f = 0두 유체 문제에서 처리되는 영역을 정의합니다.

5.마감 조건 정의: 시뮬레이션 종료 시점을 선택합니다. 시간, 채우기 비율 또는 기타 정상 상태 측정을 기반으로 할 수 있습니다.

6.기존 결과에서 시뮬레이션을 다시 시작하는 방법 정의 (선택 사항): 기존 결과 파일에서 시뮬레이션을 다시 시작할 때 다시 시작 옵션이 적용됩니다. 재시작 옵션은 재시작 소스 파일에서 가져온 정보와 시뮬레이션의 초기 조건을 사용하여 재설정되는 정보를 정의합니다.

모델 설정 : 물리

1.주석이 달린 다이어그램을 기반으로 관련 실제 모델 활성화

모델 설정 : 유체

1.유체의 속성 정의 1: 주석이 달린 다이어그램을 가이드로 사용하여 활성 물리적 모델에 대한 적절한 물리적 속성을 정의하십시오.

2.유체 2의 속성 정의 (사용하는 경우): 주석이 달린 다이어그램을 가이드로 사용하여 활성 물리적 모델에 적절한 물리적 속성을 정의하십시오.

3.인터페이스의 속성 정의: f = 1 f = 0의 영역 사이의 인터페이스 속성을 정의하십시오. 여기에는 표면 장력, 상 변화 및 확산에 대한 특성이 포함됩니다.

모델 설정 : Mesh 및 형상

1.모든 STL 파일의 오류 점검: ADmesh, netfabb Studio 또는 유사한 프로그램을 사용하여 모든 STL 파일의 오류를 점검하십시오. 이는 모델 설정에 시간을 소비하기 전에 형상
정의와 관련된 문제를 파악하는 데 도움이 됩니다.

2.모든 하위 구성 요소 및 구성 요소 가져 오기 및 정의 : 주석이 달린 다이어그램에 설명 된 대로 실제 사례와 일치하도록 3D 솔리드 형상을 정의합니다. 최종 결과는 물리적 형상의 정확한 복제본이어야 합니다. 각 부분에 설명적인 이름을 사용하고 대량 소스가 될 구성 요소를 포함하십시오.

3.모든 구성 요소의 속성 정의: 주석이 달린 다이어그램에 그려진 내용을 기반으로 각 구성 요소의 모든 재료 속성, 표면 속성, 모션 속성 등을 정의합니다. 경계 조건이 정의될 때까지 질량 소스 특성을 정의하기를 기다리십시오.

4.스프링과 로프 및 각각에 대한 관련 속성을 정의합니다.

5.주석이 달린 다이어그램에 설명된 시뮬레이션 도메인과 일치하도록 Mesh를 정의하십시오. 도메인의 모서리가 다이어그램에서 식별된 위치에 있는지 확인하십시오. 또한 인터페이스 (셀이 0 <f <1있는 셀과 셀이 f = 1다른 셀 이 있는 셀)를 식별하려면 세 개의 셀이 필요합니다.f = 0 ). 최소 5 개의 셀이 예상되는 가장 얇은 연속 영역에 맞도록 충분히 작은 셀을 사용하십시오. f = 1 f = 0 .

6.지오메트리를 정의하는 모든 배플 정의

7.경계 조건, 질량 소스, 질량 모멘텀 소스, 밸브 및 벤트 정의: 경계 조건 (질량 소스, 질량 모멘텀 소스, 밸브 및 벤트 포함)은 모든 방정식을 풀기 위해 주어진 위치에서 솔루션을 규정합니다. 주석이 달린 다이어그램을 사용하여 각 경계 (또는 소스 등)에 지정된 내용이 유동 솔루션, 열 전달 솔루션, 전위 등에 대한 현실과 일치하는지 확인하십시오.

8.유체 및 구성 요소의 초기 조건을 정의합니다. 초기 조건은 모든 방정식 (유량 솔루션, 열 전달 솔루션, 전위 등)에 대해 모든 영역에서 솔루션을 규정합니다.t = 0 .주석이
달린 다이어그램을 사용하여 초기 조건에 지정된 내용이 현재 현실에 대한 근사치인지 확인하십시오. 유체 영역뿐만 아니라 구성 요소의 초기 조건을 설정해야 합니다.

9.모든 측정 장치 정의 (샘플링 볼륨, 플럭스 표면 및 히스토리 프로브)

모델 설정 : 출력

1.출력 기준 (시간, 채우기 비율 또는 응고된 비율)을 선택하십시오.

2.재시작 데이터에 추가할 출력을 선택하십시오.

3.선택한 데이터에 기록할 정보를 선택하십시오.

4.재시작, 선택, 히스토리, 짧은 인쇄 및 긴 인쇄 데이터의 출력 속도 정의 : 기본 속도는 재시작 및 긴 인쇄 데이터의 경우 (10개 출력)/(시뮬레이션 종료 시간) 및 선택한 기록, 짧은 인쇄 데이터의 경우 (100개 출력)/(시뮬레이션 종료 시간)입니다.

모델 설정 : 숫자

1.기본값이 아닌 필수 숫자 옵션을 선택 FLOW-3D의 숫자 옵션은 고급 사용자를 대상으로 하며, 지배 방정식을 해결하는 데 사용되는 숫자 근사치 및 방법을 상당히 제어할 수 있습니다. 이러한 옵션 중 일부를 잘못 사용하면 솔루션에 문제가 발생할 수 있으므로 일반적으로 이 옵션의 기능을 먼저 이해하고 조정의 정당성을 갖추지 않고는 이러한 설정을 조정하지 않습니다.

5.FLOW-3D에서 후 처리

이 섹션에서는 FLOW-3D에 통합된 포스트 프로세서를 사용하는 방법에 대해 설명합니다. 보다 강력한 외부 포스트프로세서 FlowSight에 대한 튜토리얼은 FlowSight 설명서를 참조하십시오. 또한 이 섹션에서는 Flow Over A Weir 예제 문제를 실행하여 생성된 결과 파일을 사용합니다. 이 예제 문제를 실행하는 방법에 대한 지침은 예제 추가 및 시뮬레이션 사전 처리 및 실행을 참조합니다.

FlowSight 사용에 대한 기본 참조는 FlowSight Help->helpLocal Help 메뉴에서 액세스하는 FlowSight 사용자 설명서입니다.

추가 정보

기존 플롯

기존 플롯은 솔버가 자동으로 생성하는 사전 정의된 플롯입니다. 사용자 정의 플롯은 아래의 사용자 정의 플롯 섹션에 설명되어 있습니다.

1.분석 탭을 클릭하십시오. FLOW-3D 결과 대화 상자가 표시됩니다; 메세지가 나타나지 않으면 (분석 탭이 열림) 결과 파일 열기를 선택하여 동일한 대화 상자를 엽니다.

2.기존 라디오 버튼을 선택하십시오. 데이터 파일 경로 상자에 두 가지 유형의 파일이 표시됩니다 (있는 경우). 이름이 prpplt.*있는 파일 에는 전처리 flsplt.*기에 의해 자동으로 작성된 플롯이 포함되고 이름이 있는 파일에는 입력 파일에 사전 지정된 플롯 뿐만 아니라 후 처리기에 의해 자동으로 작성된 플롯이 포함됩니다.

3. 확인을 선택 flsplt.Flow_Over_A_Weir하고 클릭하십시오. 그러면 디스플레이 탭이 자동으로 열립니다.

기존 결과 대화 상자

4.사용 가능한 플롯 목록이 오른쪽에 나타납니다. 목록에서 해당 플롯의 이름을 클릭하면 특정 플롯을 볼 수 있습니다. 플롯 26 이 아래에 나와 있습니다.

기존 플롯보기

커스텀 플롯

1.분석 탭으로 돌아갑니다. 대화 상자를 열려면 결과 파일 열기를 선택하십시오.

2.전체 출력 파일을 보려면 사용자 정의 단일 선택 단추를 선택하십시오. 전체 출력 파일에는 prpgrf.*파일과 파일이 포함됩니다 flsgrf.*. 시뮬레이션이 실행되었으므로 전 처리기 출력 파일이 삭제되어 flsgrf파일에 통합되었습니다.

3.flsgrf.Flow_Over_A_Weir대화 상자 에서 파일을 선택하고 확인을 클릭하십시오.

FLOW-3D 결과 대화 상자

이제 분석 탭이 표시됩니다. 시뮬레이션 결과를 시각화 하는 방법에는 여러 가지가 있습니다. 사용 가능한 플롯 유형은 다음과 같습니다.

·Custom : 이 매뉴얼 의 FLSINP 파일을 사용하여 플롯합니다. 사용자 정의 섹션의 출력 코드를 사용하여 출력 플롯을 수동으로 수정하는 데 사용할 수 있습니다. 이것은 고급 옵션입니다.

·프로브 : 개별 셀, 경계, 구성 요소 및 도메인 전체(전역) 변수 대 시간에 대한 그래픽 및 텍스트 출력을 표시합니다. 자세한 내용은 프로브 플롯 프로브 : 특정 시점의 데이터와 시간 을 참조하십시오.

·1-D : 셀 데이터는 X, Y 또는 Z 방향의 셀 라인을 따라 볼 수 있습니다. 플롯 제한은 공간 및 시간에 모두 적용할 수 있습니다. 자세한 내용은 1-D 플롯 1-D : 라인을 따른 데이터 시간 을 참조하십시오.

·2-D : 셀 데이터는 XY, YZ 또는 XZ 평면에서 볼 수 있습니다. 플롯 제한은 공간 및 시간에 모두 적용할 수 있습니다. 속도 벡터 및 입자를 추가할 수 있습니다. 자세한 내용은 2 차원 플롯 2 차원 : 평면의 데이터와 시간의 데이터 를 참조하십시오.

·3-D : 유체와 고체의 표면 플롯을 생성하고 셀 데이터로 채색 할 수 있습니다. 속도 벡터, 입자 (있는 경우) 및 유선과 같은 추가 정보를 추가할 수 있습니다. 플롯 제한은 공간 및 시간에 모두 적용할 수 있습니다. 자세한 내용은 3D 플롯 3D : 표면의 데이터 시간 을 참조하십시오.

·텍스트 출력 : cell-by-cell 재시작, 선택 및 응고 데이터를 텍스트 파일에 쓸 수 있습니다. 자세한 내용은 텍스트 출력 텍스트 : ASCII 형식의 공간 데이터 출력 시간 을 참조하십시오.

·중립 파일 : 재시작 및 선택된 데이터는 별도의 텍스트 파일에 정의 된 지정된 지점(보간 또는 셀 중심)에서 출력 될 수 있습니다. 자세한 내용은 중립 파일 : 사용자 정의 좌표에서의 공간 데이터 출력 시간 을 참조하십시오.

·FSI TSE : 유한 요소 유체 / 고체 상호 작용 및 열 응력 진화 물리학 패키지에서 출력됩니다. 자세한 내용은 FSI / TSE : 표면의 구조 데이터와 시간 을 참조하십시오.

3 차원 도표

1.Analyze -> 3-D 탭을 선택하십시오.

2.Iso-surface = Fraction of fluid 선택하십시오. 이것은 표면을 그리는 데 사용되는 변수입니다. 선택한 등면 변수에 대한 등고선 값 기준을 충족하는 모든 셀을 통해 표면이 그려집니다. 유체의 분율이 기본값이며 유체 표면이 표시됩니다.

등 면형

3.색상 변수 = 압력을 선택하십시오. 이 선택은 등위면의 색을 지정하는 데 사용되는 변수를 결정합니다 (이 경우 유체 표면은 압력에 의해 색이 그려집니다).

색상 변수 유형

4.Component iso-surface overlay = Solid volume 선택하십시오. 솔리드 볼륨 은 유체와 함께 솔리드 구성 요소를 표시합니다. 이전 단계에서는 체적 분수의 보완을 등위면으로 선택하여 이 작업을 수행했지만 이 옵션을 사용하면 유체와 고체 표면을 동시에 플롯 할 수 있습니다.

등표면 옵션

5.이동 시간 프레임의 최소 및 최대 위치들 (0 내지 1.25 )에 슬라이더 위치.

시간대 옵션

6.렌더 버튼을 클릭하여 디스플레이 탭으로 전환하고 t = 0.0에서 1.25 초 사이에 일련의 11 플롯을 생성하여 압력에 의해 채색된 유체 표면과 위어 구조를 보여줍니다. 데이터 다시 시작 이 선택되었으므로 11 개의 플롯이 있습니다.

7.사용 가능한 플롯이 사용 가능한 시간 프레임 목록에 나열됩니다. 다음을 클릭하여 시간 프레임 사이를 이동하거나 시간 프레임을 두 번 클릭하여 표시하십시오. 첫 번째 및 마지막 시간 프레임은 다음과 같아야 합니다.

위어 구조 렌더링

8.Analyze -> 3-D 탭으로 돌아가서 Data Source 그룹에서 Selected data 라디오 버튼을 선택하십시오.

데이터 소스

9.시간 프레임 선택기의 두 슬라이더가 모두 오른쪽에 있으므로 마지막 시간 프레임 만 생성됩니다. 사용 가능한 시간 프레임이 많고 렌더링하는데 시간이 오래 걸리므로 선택한 데이터를 선택하면 인터페이스에서 자동으로 수행됩니다. 사용 가능한 모든 시간 프레임을 렌더링 하려면 왼쪽 슬라이더를 Time Frame Min = 0 으로 이동하십시오.

10. 렌더링 버튼을 클릭하십시오. 몇 초 안에 뷰가 디스플레이 창으로 전환되고 101 개의 플롯이 사용 가능한 시간 프레임 목록에 나열됩니다. 시간 프레임 사이를 이동하려면 다음을 반복해서 클릭하십시오.

대칭 흐름 표시

위어 중심 아래로 대칭 평면을 사용하여 시뮬레이션을 설정했으므로 위어 구조의 절반만 시뮬레이션되고 표시됩니다. 프리젠테이션 목적으로 대칭 모델의 두 반쪽을 모두 표시할
수 있습니다.

1.아래와 같이 Analyze -> 3-D 탭으로 돌아가서 Open Symmetry Boundaries 확인란을 선택하십시오.

열린 대칭 경계

2.렌더링을 클릭하십시오. 유체 표면이 디스플레이 탭의 대칭 경계에서 열린 상태로 나타납니다.

3.화면 위의 도구 모음 메뉴에서 도구 -> 대칭을 선택하십시오.

4.대화 상자에서 Y 방향 확인란을 선택하여 Y = 0 평면에서 결과를 미러링합니다.

대조

5.적용 닫기를 선택하십시오.

6.마지막 시간 프레임을 두 번 클릭하십시오. 디스플레이는 아래와 같이 전체 위어 구조를 보여줍니다.

전체 위어 구조

3 차원 애니메이션 만들기

다음 단계는 3 차원 유체 표면의 애니메이션을 만드는 것입니다. 애니메이션은 사용 가능한 시간 프레임 목록의 프레임에서 만든 동영상입니다. 애니메이션의 시각적 효과를 향상시키려면 모든 프레임에 공통 색상 스케일을 적용하는 것이 좋습니다.

1.분석 -> 3-D 탭으로 돌아갑니다.

2.윤곽 제한 그룹 상자에서 전역 라디오 버튼을 모두 선택하십시오.

윤곽 제한

3.렌더 클릭 하여 다시 그리고 디스플레이 탭으로 돌아갑니다.

4.도구 -> 대칭 -> Y 방향 -> 적용 선택을 반복하여 Y = 0 평면에서 결과를 반영합니다.

5.선택 도구 -> 애니메이션 -> 러버 밴드 캡처를 다음과 같이 선택 확인 Mesh지가 나타납니다 그것을 읽은 후.

러버 밴드 캡처

6.마우스 왼쪽 버튼을 클릭 한 상태에서 드래그하여 애니메이션을 적용할 화면 부분을 선택하십시오. 선택한 영역 주위에 선택 상자가 나타납니다.

X, Y, 너비 및 높이 상자

7.디스플레이 창 위에서 빨간색 캡처 버튼을 선택하십시오. 애니메이션을 시작하는 대화 상자가 나타납니다.

8.애니메이션의 기본 이름은 out.avi입니다. 아래에 표시된 것처럼 보다 구체적인 이름이 권장됩니다.

9.기본 프레임 속도는 초당 10 프레임입니다. 이 시뮬레이션의 마감 시간은 1.25 초이고, 일정한 시간 간격으로 100 개의 플롯이 있으므로실제속도는 초당 80 프레임입니다. 너무 빠를 수 있으므로 대신 5 입력 하고 확인을 누르십시오.

AVI 캡처

10. 각 시간 프레임이 표시 창에 렌더링 되고 비트 맵 파일이 시뮬레이션 디렉토리에 작성됩니다. 이 프로세스가 완료되면 다음 대화 상자가 나타납니다.

생성 된 이미지 소스 파일

  1. 프로세스의 다음 단계를 시작하려면 확인 버튼을 클릭하십시오. 새로운 프로세스 (BMP2VAI.exe)가 시작되고 압축 방법을 선택할 수 있는 새로운 비디오 압축 창이 나타납니다. 다른 창 뒤에 숨겨져 있으면 앞으로 가져옵니다.
  2. 애니메이션의 기본 압축은 압축되지 않습니다. 파일 크기가 너무 커서 뷰어에 로드 할 수 없으므로 대부분의 애니메이션에는 권장되지 않습니다. Windows를 사용하는 경우 Microsoft Video 1, Linux를 사용하는 경우 Cinepak 선택하십시오. 여기에서 선택하는 것은 컴퓨터에서 사용할 수 있는 비디오 코덱과 비디오를 표시하는 데 사용하는 기계에서 사용할 수 있는 것입니다.
  3. 애니메이션 속도가 데이터 속도에 의해 제한되지 않도록 데이터 속도 확인란을 선택 취소하십시오.
비디오 압축

  1. 압축 프로세스를 시작하려면 확인을 클릭하십시오. 압축이 완료되면 다음 대화 상자가 나타납니다.
AVI 파일 생성

  1. 확인을 클릭하십시오. 애니메이션 프로세스가 완료되었습니다.
  2. Windows 탐색기에서 .avi 파일을 찾는 가장 빠른 방법 은 시뮬레이션 관리자 탭으로 이동하여 시뮬레이션 입력 파일 링크를 클릭하는 것 입니다.
  3. .avi파일 을 두 번 클릭하여 애니메이션을 재생 하십시오. 이전에 선택한 압축 형식을 읽을 수 있는 올바른 코덱이 설치되어 있지 않으면 오픈 소스 다중 코덱 비디오 플레이어 설치를 고려하십시오.

2 차원 도표

1.Analyze -> 2-D 탭을 선택하십시오. 이 시뮬레이션의 결과를 보는 데 가장 유용한 평면은 평면 Y = 0.0에있는 위어 중심선의 XZ 평면입니다.

2.XZ 평면 라디오 버튼을 선택하십시오.

3.Y 제한 슬라이더를 모두 Y = 0.25 (Y = 0.0에 가장 가까운 셀 중심 y 좌표)로 드래그 합니다. 또한 동일한 위치가 J = 2 로 식별되어 해당 셀이 도메인에서 두 번째임을 나타냅니다. 첫 번째 셀 (J = 1) Mesh 외부에 있으며 경계
조건 속성을 계산하는 데 사용됩니다. 기본
윤곽 변수는 압력이며 기본 속도 벡터는 기본적으로 선택됩니다. 솔리드 형상은 모든 2D 플롯과 함께 자동으로 표시되므로 3D 플롯과 같이 활성화 할 필요가 없습니다.

4.벡터 옵션을 클릭하고 X = 2 Z = 2 입력하십시오. 벡터는 이제 다른 모든 셀에 플롯 됩니다. 벡터 옵션을 적용하려면 확인을 선택하십시오.

벡터 옵션

5.Y = 0 평면에서 2 차원 압력 플롯의 시간 시퀀스를 생성하려면 렌더링을 클릭하십시오. T = 0.0 (왼쪽) 인 다음과 유사한 그래픽이 나타납니다. T = 0.125 (중간); 그리고 T = 1.25 (오른쪽).

2D 결과

6.디스플레이 화면의 오른쪽 상단에 있는 형식 버튼을 선택하십시오.

형식 옵션

7.선 색상, 벡터 길이 및 화살촉 크기 변경과 같은 다양한 옵션을 시험해보십시오. 변경 사항을 보려면 적용을 선택하십시오. 완료되면 재설정 확인을 선택하여
기본 설정으로 돌아가서 대화 상자를 닫습니다. 모든 플롯에 대해 선호하는 옵션 세트가 있는 경우
저장 버튼을 선택하여 저장할 수 있습니다.

1 차원 도표

  1. 분석 -> 1-D 탭을 선택하십시오. 이 탭에서는 하나 이상의 플롯 시간에서 셀 행을 따라 압력, 유체 깊이, 유체 상승 및 속도와 같은 셀별 출력 변수의 꺾은 선형
    차트 플롯을 사용할 수 있습니다.
  2. 데이터 소스 로 선택을 선택합니다. 사용 가능한 변수는 이제 더 빈번한 플로팅을 위해 선택된 변수 만 표시합니다.
  3. 자유 변수 표고데이터 변수 로 선택하십시오. 유압 데이터출력 탭에서 선택되었으므로 사용할 수 있습니다.
ID 그래픽을 위해 선택된 데이터

  1. 이 시뮬레이션의 흐름 방향은 주로 x 축과 평행하므로 X 방향을 선택하십시오.
  2. Y 방향 슬라이더를 0.25(J = 2)로 이동하여 Y 방향에서 흐름 중심선에 가장 가까운 셀이 표시됩니다.
  3. 기본적으로 전체 X 범위가 표시됩니다. 플롯의 범위를 제한하려는 경우 X 방향 슬라이더를 이동할 수 있습니다. Z 방향 슬라이더의 위치는 주어진 x, y 위치에서 z 셀의 각 열에 대해 하나의 자유 표면 높이만 기록되므로 중요하지 않습니다. 시간 프레임 슬라이더는 0초와 1.25초여야 합니다.
흘러가는 방향

  1. 렌더링을 클릭하십시오. t = 0.0에서 t = 1.25s까지의 시리즈 플롯이 디스플레이 탭의 플롯 목록에 나열됩니다. 이러한 플롯을 볼 수 있는 여러 가지 모드가
    있습니다. 기본 모드는
    단일 모드이며 형식 버튼 아래의 드롭 다운 상자에 표시됩니다.
기본 단일 모드

  1. 다양한 시간에 유체 표면 높이의 플롯을 비교하려면 드롭 다운 상자에서 오버레이 모드를 선택하십시오.
  2. 오른쪽 창에서 플롯 1, 13 101 선택하려면 클릭하십시오. 플롯 이름에는 또한 기록된 시간이 표시됩니다 (t = 0.0, 0.15s 1.25 ). 출력은 아래와 같이 나타납니다.
자유 표면 고도

  1. 이 플롯을 비트 맵 또는 포스트 스크립트 파일에 저장하려면 출력 버튼을 선택하십시오.
  2. 확인 화면에 플롯 오버레이 플롯을 캡처하는 확인란을 (그리고 단 하나의 출력 파일을).
  3. 쓰기 버튼을 선택하여 이미지 파일을 만듭니다.
  4. 결과 이미지 파일은 시뮬레이션 디렉토리에 있으며 (시뮬레이션 관리자 탭 에서이 파일을 찾는 방법을 기억하십시오) 이름이 지정한 plots_on_screen.bmp됩니다.
출력 사진

프로브 플롯

1.
분석 -> 프로브 탭을 선택하십시오. 시간 기록 플롯은이 탭에서 변수 대 시간의 라인 그래프 또는 텍스트 출력으로 생성됩니다. FLOW-3D 에는 데이터 소스 그룹에서 선택되는 세 가지 유형의 시간 종속 데이터가 있습니다.

·공간 데이터 : 재시작 선택된 데이터 소스. 단일 x, y, z 셀 중심 좌표의 시간 종속 값이 표시됩니다. 값은 시간과 관련하여 통합되거나 시간과 관련하여 차별화되거나 이동 평균 (시간)으로 통합될 수 있습니다.

·일반 history 데이터 :. 글로벌 수량은 시간에 따라 다릅니다. 일반적인 양은 평균 운동 에너지, 시간 단계 및 대류 볼륨 오류입니다. 또한 이 데이터 유형에는 모델 설정 -> 메싱 및 지오메트리 탭에서 이러한 옵션을 선택한 경우 지정된 측정 위치(배플, 샘플링 볼륨, 히스토리 프로브)의 모든 데이터와 이동 또는 정지 상태의 솔리드 및 스프링/로프를
위한 통합 출력이 포함됩니다.

·Mesh-dependent data : 메쉬 경계에서 시간에 따른 수량(계산 또는 사용자 지정)입니다. 일반적인 수량은 경계에서의 유량 및 경계에서의 지정된 유체 높이입니다.

2.데이터 원본에서 일반 기록 라디오 버튼을 선택합니다. X, Y Z 데이터 점 슬라이더가 회색으로 바뀝니다. 이는 일반 기록 데이터가 특정 셀과 연결되어 있지 않기 때문입니다.

3.목록에서 질량  평균 유체 평균 운동 에너지를 선택하십시오.

그래픽 데이터 출력

4. 단위를 선택하여 플로팅 단위 대화 상자를 엽니다.

5. 플롯에 단위 표시를 선택하십시오.

6. SI, CGS, slugs/feet/seconds 또는 pounds/inches/seconds를 선택하여 원하는 단위 시스템으로 결과를 변환하고 출력합니다. 장치를 표시하고 변환하려면 모델 설정 -> 일반 탭에서 장치 시스템을 선택해야 합니다. 이전 단계에서 이 항목을 확인했으며, 지오메트리 및 유체 특성은 centimeters/grams/seconds 시스템에서 지정되었습니다.

플로팅 단위

7.Plotting Units 대화 상자를 닫으려면 OK를 선택하십시오.

8.데이터의 그래픽 출력을 생성하려면 렌더를 선택하십시오. 출력은 시간에 따른 영역의 모든 유체에 대한 질량 평균 평균 운동 에너지를 보여줍니다. 이전 단계에서 선택한 사항에 따라 단위 레이블과 함께 그림이 나타납니다. 플롯은 총 운동 에너지가 일부 평균값 주위에서 진동하고 있음을 나타냅니다. 진동이 작아짐에 따라 시뮬레이션은 정상 상태 흐름에 접근합니다.

프로브 MKE 출력

9.분석 -> 프로브 탭으로 돌아갑니다.

10. 출력 양식 그룹에서 텍스트를 선택하여 그래프를 텍스트 데이터로 출력한 다음 렌더링을 다시 선택하십시오.

출력 형태

11. 나타나는 텍스트 대화 상자에서 다른 이름으로 저장 버튼을 선택하여 출력을 텍스트 파일로 저장할 수 있습니다.

12. 출력 창을 닫으려면 계속을 선택하십시오.

텍스트 출력

1.Analyze -> Text Output 탭을 선택하십시오.

2.텍스트 출력 은 셀별 데이터 ( 다시 시작 또는 선택됨 ) 만 출력 할 수 있고 (구성 요소, 측정 스테이션 또는 글로벌 데이터 없음) 둘 이상의 셀을 선택할 수 있다는 점을 제외하고 프로브 탭 과 동일한 방식으로 작동합니다. 각 플롯 시간에 대한 출력 데이터. 셀은 슬라이더를 사용하여 3D 블록에서 선택됩니다. 기본 공간 범위는 전체 도메인으로 설정됩니다.

3.직접 텍스트 데이터를 출력해보십시오.

 

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

샌드코어 만들기 시뮬레이션

샌드 코어는 복잡한 내부 구멍을 만드는데 사용되기 때문에 주조 공정에서 중요한 요소입니다. 예를 들어, 샌드 코어는 일반적인 V8 엔진 주조에서 물 냉각, 오일 윤활 및 공기 흐름을 위한 통로를 만드는데 사용됩니다. 샌드 코어가 어떻게 만들어지는지 궁금해한 적이 있습니까? 해변에서 모래성을 만드는데 사용되는 재료가 어떻게 뜨거운 금속이 흐르는 가혹한 조건을 견딜 수 있는 복잡한 형태로 만들어질 수 있을까요? 이 글은 샌드 코어가 어떻게 만들어지는지에 대한 과정을 안내하고 엔지니어가 제조 공정을 설계하는데 도움이 되는 FLOW-3D CAST v5.1의 모델링 도구를 설명합니다.

샌드 코어 만들기 프로세스 작업 공간

샌드 코어 제작을 모델링하기 위해 이러한 복잡한 흐름 역학에 대한 올바른 물리 모델을 선택하는 것은 어려울 수 있습니다. 샌드 코어 만들기 작업 공간은 수치해석을 위한 자동화된 설정을 제공하고, 적절한 물리 모델을 활성화하여 이 문제를 해결합니다. 콜드 박스, 핫 박스 및 무기(inorganic) 공정을 위한 하위 작업 공간은 사용자가 설정해야 하는 프로세스를 쉽게 안내합니다.

Sand Shooting

모든 샌드 코어의 출발점은 Shooting 과정입니다. Shooting 과정에서 공기, 샌드, 바인더의 혼합물은 고압하에서 공기 통풍구가 샌드로 인해 공기를 대체할 수 있도록 공동 주변에 전략적으로 배치된 코어 박스로 ” Shooting” 됩니다.

Sand Shooting

샌드 코어 Shooting의 주요 목표는 균일한 밀도로 샌드 코어를 만드는 것입니다. 샌드 입구의 위치와 공기 통풍구의 위치와 크기등 두 가지 설계 요소가 이 목표를 달성하는데 중요한 역할을 합니다. FLOW-3D CAST를 사용하여 샌드 혼합물의 흐름을 시뮬레이션하면 다른 입구와 공기 통풍구 구성을 연구할 수 있습니다.
이 비디오는 물 재킷 샌드 코어를 생성하기 위해 Shooting되는 2 % 바인더 첨가제H32 샌드의 충전 패턴을 보여줍니다. 일부 영역이 부족합니다.
환기구는 당사의 대화형 지오 메트리 배치 도구를 사용하여 문제 영역에 쉽고 정확하게 배치할 수 있습니다. 여기서 6mm공기 벤트( 빨간 색 화살표 참조)가 불완전한 주입이 관찰된 위치에 배치됩니다.

이 비디오는 에어 벤트가 추가된 지역의 주입 상태를 원래 결과와 비교하여 보여 줍니다. 이제 에어 벤트가 추가된 부위의 충전이 더욱 완료되었습니다. 더 많은 환기구를 추가하여 공급되지 않는 다른 영역을 처리할 수 있습니다.

코어 경화

통풍구 구성이 배치되고 Shooting이 균일한 샌드 분포를 제공하면 샌드 코어를 강화해야합니다. FLOW-3DCAST에서 세가지 다른 경화 방법을 시뮬레이션할 수 있습니다. 즉, 콜드 박스, 핫 박스 및 무기물입니다.

무기 공정에서 샌드 코어 건조

무기 코어를 생산하는데 사용되는 샌드 /바인더 혼합물은 물 기반입니다. 이를 경화시키기 위해 뜨거운 공기 제거와 함께 핫 코어 박스의 에너지가 물을 증발시키고 공기 통풍구를 통해 코어에서 수행합니다. 이 비디오에서는, 2%의 물을 함유한 샌드/바인더 혼합물을 함유한 흡기 매니폴드 샌드 코어 샷은 뜨거운(180C) 공기 제거에 의해 건조됩니다. 파란색 영역은 샌드 코어에 남아 있는 물을 나타냅니다. 통풍구는 회색으로 표시됩니다. 150초의 건조 후, 수분은 가장 많은 환기가 발생하는 영역으로 계속 밀려나고 있습니다.

핫 박스 프로세스에서 코어 강화

핫 박스 공정에서 Shooting한 샌드 코어는 코어 박스의 에너지를 사용하여 바인더를 수정합니다. 이 비디오는 온수 코어 상자에 의해 가열될 때 샌드 코어의 온도 분포를 보여줍니다.

경화 단계를 시뮬레이션하면 샷 샌드 코어의 온도 분포를 결정하고 코어의 모든 영역이 충분히 가열되어 경화되도록 하는데 필요한 시간을 식별할 수 있습니다.

콜드 박스 공정에서 샌드 코어를 가스링

콜드 박스 공정에서 Shooting한 샌드 코어를 생산하는데 사용되는 바인더에는 페놀 우레탄 수지가 포함되어 있습니다. 이러한 코어를 강화하고 주조 공정에서 흐르는 뜨거운 금속을 견딜 수 있는데 필요한 강도를 주기 위해 촉매(이 경우 아민 가스)를 운반하는 뜨거운 공기가 코어를 제거하는데 사용됩니다. 뜨거운 공기/아민 가스 혼합물은 입구를 통해 도입되고 Shooting 단계에서 사용된 공기 통풍구를 통해 코어 박스를 남깁니다.

이 비디오는 내연 기관의 워터 재킷인 다공성 샷 샌드 코어를 통해 아민 가스의 진화를 보여줍니다.

FLOW-3D CAST v5.1을 통해 샌드 코어 제조업체는 코어품질을 최적화하기 위해 샌드 코어 제작 프로세스를 모델링하는데 필요한 도구를 가지고 있습니다. 샌드 코어 만들기 작업 공간에대해 자세히 알아보세요.

Principal CFD Engineer at Flow Science

정밀주조품의 수축 결함 예측

정밀 주조품의 수축 결함 예측

정밀 주조 공정은 가장 오래된 주조 공정 중 하나로 기원전 4000년 이후에 보편화되었습니다. 이 과정은 용해된 금속을 소모품(왁스)패턴으로 생성된 세라믹 쉘에 주입하는 과정을 수반합니다. 일찍이 그것은 금, 은, 구리와 청동 합금으로 장신구와 우상을 만드는데 사용되었습니다.

정밀 주조공정은 1897년 아이오와 주, 위원회 블러프스의 Barabas Frederick Philbrook이 묘사한 대로 치과의사들이 왕관과 인레이를 만들기 위해 그것을 사용하기 시작한 19세기 말 현대 산업공정으로 사용되기 시작했습니다. 1940년대에는 제2차 세계대전 당시 기존 방법으로는 형성될 수 없거나 지나치게 많은 가공이 필요한 특수 합금의 정밀 순모형 제조 기술에 대한 수요로 인해 투자 주조 공정이 증가하였습니다.

오늘날 정밀 주조 공정은 표면 마감 및 치수 정확도가 우수하여 거의 순 형태에 가까운 철, 비철 및 초합금의 소형 산업용 부품을 생산하는데 주로 사용됩니다.

정밀 주조 공정은 다음 네 가지 주요 단계로 구성됩니다.

  • 왁스 패턴 생성 후, 패턴 클러스터 또는 ‘트리’를 만들기 위해 게이트 시스템으로 청소 및 조립합니다.
  • 나무는 세라믹 쉘을 얻기 위해 미세 모래와 Course한 모래 입자의 슬러리로 번갈아 코팅됩니다.
  • 용기는 건조되고, 왁스를 녹이기 위해 가열되며, 강도를 높이고 주입 준비합니다.
  • 마침내 주조 합금이 용해되어 예열된 쉘에 주입됩니다. 응고 후에 쉘이 파손되어 주조 부품을 얻습니다.

Figure 1. Solid model of the casting geometry

정밀 주조 공정에서 얻은 부품은 많은 중요한 용도에 사용되므로 내부적인 결함이 없어야 합니다. 정밀 주조 공정에서 발생하는 주요 결함은 세라믹 포함, 균열, 변형, 플래시, 주탕불량, 수축, 슬래그 포함, 탕경계등입니다. 얻은 주조물의 품질을 예측하려면 금속-몰드 열 전달계수, 주입 온도 등 다양한 주조 공정 매개 변수의 영향을 연구해야 합니다. 즉, 쉘 두께 및 쉘 열 전달계수가 그것입니다. 현대 컴퓨터 시스템 및 시뮬레이션 소프트웨어의 출현과 함께 금형 충진 및 응고 시뮬레이션은 주조공장에서 결함을 예측하고 설계를 최적화하는데 점점 더 많이 사용되고 있습니다.

이 연구의 주요 목적은 정밀 주조 공정에서 주요 요소인 복사 열 전달과 정밀 주조 공정에 고유한 쉘 금형이 FLOW-3D에서 효과적으로 구현될 수 있는지를 조사하는 것입니다. FLOW-3D를 사용하여 간단한 형상을 위한 정밀 주조공정의 주입 및 응고 시뮬레이션을 수행함으로써 두 구성요소의 서로 다른 효과를 조사합니다. 다양한 위치에서 얻은 온도의 수치는 문헌 [1]에보고 된 실험 결과로 검증됩니다. 복사 열 전달계수, 쉘 몰드 두께, 탕구 및 게이트의 위치에 대한 영향도 조사했습니다.

Shell mold

Figure 2. Shell mold

Methodology

현재 연구에서 사용된 계산 형상은 그림 1에 나와 있습니다. 쉘 몰드는 다음 단계를 사용하여 작성되었습니다.

  • complement 1로 형상을 FLOW-3D로 가져오고 지정된 셀 크기로 가져온 형상을 중심으로 메쉬 블록을 작성합니다.
  • “complement”유형의 component1의 첫 번째 하위 구성 요소를 만들어 하위 구성 요소 외부의 모든 항목을 메쉬의 범위까지 확고하게 만듭니다.
  • 솔리드 데이터베이스에서 이 솔리드 블록의 금형 재질 특성을 정의하십시오.
  • 솔리드 특성 GUI의 구성 요소 특성에서 “Thermal penetration depth”를 정의하는 옵션이 있습니다. 여기서 쉘 두께 값을 정의 할 수 있습니다.
  • 이제 전처리기를 실행하십시오.
  • Analyze 탭>3D 탭으로 이동 한 다음 이전 단계에서 생성 한 prpgrf 파일을 엽니다. ‘Iso-surface’와 ‘color variable’에서 “thermally active component volume”을 선택하고 “Render”을 선택하십시오.
  • Display에 이제 형상의 셸 부분 만 표시됩니다.
  • 개체 목록 (창의 왼쪽 하단)에서 “component 1″을 선택하고 “component 1″을 마우스 오른쪽 단추로 클릭 한 다음 “stl로 내보내기”를 선택하여 이 곡면을 STL 파일로 저장하십시오.
Two mesh blocks

Figure 3. The view of the two mesh blocks for the creation of a void with discretization

쉘 몰드 용 STL 파일을 만든 후에, 이 파일을 component 1로 새 시뮬레이션으로 가져오고 이전에 작성한 주조 형상을 하위 구성 요소로 가져오고 유형을 ‘hole’으로 선택합니다. 쉘 몰드와 함께 주조 형상이 그림 2에 나와 있습니다. 이것은 우리의 계산 영역으로 사용됩니다. 다음은 계산 영역을 cubical/rectangular셀로 분할하기 위한 메쉬를 만드는 것입니다. 메쉬 블록을 작성하여 FLOW-3D에서 메쉬를 생성합니다. 현재의 작업을 위해 2.5mm의 고정된 셀 크기가 선택된 그림 3에 표시된 균일한 메쉬 옵션을 선택했습니다. 입력 위치 주변에 메시 블록 2가 사용되는 현재 시뮬레이션을 위해 메시 블록 2개가 생성되었습니다. 쉘과 주변 공기 사이의 30°C에서의 열 전달을 고려하여 쉘 주위에 보이드 영역이 정의됩니다. 이 영역은 ‘heat transfer type 1’이 있는 보이드 영역으로 선택되며 셸과 주변 공기 사이에 열 전달 계수 값이 지정됩니다. heat transfer type 1은 방사선을 포함한 종합 열 전달 계수가 됩니다.
쉘 주형에 선택된 재료는 zircon이며 열 특성은 Sabau and Vishwanathan에 의해 수행된 실험에서 얻을 수 있습니다[2]. 표 1은 연구에 사용된 재료에 대해 지정된 값을 보여 줍니다.

MATERIAL PROPERTY VALUE UNIT
Fluid –AluminiumA356 alloy Density  2437 kg/m³
Thermal conductivity 116.8 W/(m K)
Specific heat 1074 J/(kg K)
Latent heat 433.22 kJ/m³
Liquidus temperature 608 0C
Solidus temperature 552.4 0C
Zircon Mold Thermal conductivity 1.09 W/(m K)
Specific heat* Density 1.63E+06 J/( m³ 

Initial and boundary conditions used are show in Table 2.

Mold temperature 430°C
Melt pouring temperature 680°C
Filling time 7 s
Interface heat transfer coefficient 850 W/m2K
Heat transfer coefficient between ambient and mold (radiation effect) 30 -100 W/m2K

Table 2. Initial and boundary conditions used for the simulation

Sprue basin에 들어가는 용융물의 초기 속도와 온도는 메시 블록 2의 상단 경계에서 속도 경계 조건으로 주어집니다. 기본적으로 다른 모든 경계는 대칭 유형으로 설정됩니다.

Results & Discussion

Validation with reported experimental results

Experimental and numerical comparison

충전 및 응고 동안 냉각 곡선을 얻기 위한 실험에서 Sabuet.al[1]에 의해 선택된 네 개의 위치가 검증 목적으로 사용되었습니다. 그들은 C1, C2, S11, S12및 S21로 언급됩니다. C1과 C2지점은 주물의 플레이트의 중심에 있으며 S11, S12및 S21은 모두 쉘에 위치합니다. 이러한 위치에서의 온도 변화는 그림 4와 같습니다.
온도 프로파일의 수치 및 실험결과의 차이가 허용한계 안에 있음을 알 수 있습니다. probe points C1과 C2의 경우, 수치와 실험 결과 사이의 차이는 응고 중에 5%, 응고 후 냉각 시 12% 이내입니다. 쉘의 점에 대한 수치 결과는 실험 결과보다 약 5% 높습니다. 이는 쉘 재료에 열 물리학적 특성을 할당할 때 발생하는 가정과 쉘 열 전달 계수의 값 때문일 수 있습니다.

Fill sequence & solidification pattern for two different sprue locations

2 개의 상이한 탕구 위치에서 용탕 충전 순서는 5a 및 5b에 나와 있습니다. 최종 탕구가 더 많은 splashing을 생성하므로 결함으로 이어질 수 있습니다. 탕구가 중간에 놓여지면 흐름은 보다 균일 해지고 두 주조 단면에서 비슷한 온도 분포를 보입니다. 50 % 응고 후의 온도 프로파일의 2D 도면은 두 경우 모두 그림 5c 및 5d에 나와 있습니다. 수축 위치에서 볼 때 두 탕구 위치가 결함을 일으키는 것은 분명합니다.

Fill sequence at different time intervals when the sprue is located at one end
Figure 5a. Fill sequence at different time intervals when the sprue is located at one end

 

Fill sequence at different time intervals when the sprue is located in the middle
Figure 5b. Fill sequence at different time intervals when the sprue is located in the middle

2D temperature profile after 50% solidification when the sprue is located at one end
Figure 5c. 2D temperature profile after 50% solidification when the sprue is located at one end
2D temperature profile after 50% solidification when the sprue is located in the middle
Figure 5d. 2D temperature profile after 50% solidification when the sprue is located in the middle
Effect of shell thickness

정밀 주조에 대한 쉘 두께의 효과를 연구하기 위해 두께가 7.2, 10, 15 및 20 mm인 주물을 선정하였습니다. 그림 6a 및 6b는 주조품의 특정 위치에서 냉각 곡선을 나타내며, 이는 C1으로 나타내고 쉘 몰드 내의 특정 위치에 있으며, 응고 중에 S11로 나타납니다. 세라믹 쉘의 두께가 7.2 mm에서 15 mm로 증가하면 냉각 속도가 감소하여 응고 시간이 길어지는 것을 볼 수 있습니다.

Effect of shell heat transfer coefficient

쉘 열 전달 계수는 열이 쉘 몰드의 외부 벽에서 방사선을 통해 주변 공기로 열을 방출하는 속도를 나타냅니다. 이 효과를 조사하기 위해 열 전달 계수의 값을 20에서 80W/m2K까지 다양하게 했습니다. 7a 및 7b로부터, h의 변화는 주조 재료 및 쉘의 냉각 속도에 중요한 영향을 미친다는 것을 알 수 있습니다. 열 전달 계수가 20에서 80W/m2K로 증가하면 C1에서의 응고 시간이 812 초에서 334 초 (약 44 %)로 감소되었음을 알 수 있습니다. 따라서, h의 값을 변화시키는 것은 주물의 미세 구조에 영향을 미칩니다.

Temperature profile 1
Figure 6a. Temperature profile at location C1 (casting) for the casting geometry where the sprue is located at one end for various shell thickness values
Temperature profile 2
Figure 6b. Temperature profile at location S11 (shell) for the casting geometry where the sprue is located at one end for various shell thickness values
Temperature profile at location C1
Figure 7a. Temperature profile at location C1 (casting) for the casting geometry where the sprue is located at one end for various heat transfer coefficient values between the shell mold & ambient
Temperature profile at location S11
Figure 7b. Temperature profile at location S11 (shell) for the casting geometry where the sprue is located at one end for various heat transfer coefficient values between the shell mold & ambient

Conclusions

정밀 주조 공정의 몰드 충진 및 응고 시뮬레이션은 FLOW-3D를 사용하여 수행되었습니다. 주조 공정에 대한 주조 매개변수의 영향을 연구하기 위해 파라메트릭 연구가 수행되었습니다. 본 연구에서 다음과 같은 결론을 도출 할 수 있습니다.

  • FLOW-3D는 멀티 캐비티 몰드의 주입 및 응고 모델링이 가능합니다. 프로브 위치의 예측 온도 프로파일은 실험 데이터의 허용오차 이내였다.
  • 쉘 두께의 경우, 두 경우 모두 셸의 임계 두께가 있으며, 그 이상으로 열 전달 특성이 역행하는 것으로 확인되었습니다. 셸 두께가 증가함에 따라 응고 시간이 임계 두께까지 증가하여 감소하기 시작했습니다. 원래 형상의 경우 임계 두께는 15~20mm인 반면 수정된 형상의 경우 10mm와 15mm 사이에 있다.
  • 쉘과 대기 사이의 열 전달 계수 h는 열 전달 특성에 가장 큰 영향을 미치는 것으로 나타났습니다. h가 20에서 80W/m2K로 4 배 증가할 때 탕구의 중심에서 응고 시간이 40 % 이상 감소했습니다.

References

Sabau, A.S., Numerical Simulation of the Investment Casting Process, Transactions of the American Foundry Society, vol. 113, Paper No. 05-160, 2005.

Sabau, A.S., and Viswanathan, S., Thermophysical Properties of Zircon and Fused Silica-based Shells used in the Investment Casting ProcessTransactions of the American Foundry Society, vol. 112, Paper No. 04-081, 2004.

Prediction of Shrinkage Defects During Investment Casting Process

Indianapolis Storm-Water System

하수도 시스템은 액션영화의 도피 루트로 사용되지 않는 한 흥미롭지 않을 것입니다. 폭우로 인해 이산화탄소 수치가 올라갈 때까지 여러분은 그것에 대해 생각조차 하지 않을 것입니다. 불행하게도, 770개 이상의 오래 된 미국 도시들 아래에 있는 하수구 시스템은 심한 폭풍으로 오염 문제를 일으킵니다. 이러한 구형 설계는 하수 및 폭풍 유실을 위한 비용 효율적인 단일 스타일 파이프를 사용했으며 연결된 파이프로 강 및 호수에 하수를 내보냅니다(CSO).

1994년 미국 환경보호청(EPA)은 주로 북동부 및 그레이트 레이크 지역의 관련 지방 자치 단체들에게 CSO관련 문제를 줄이거나 제거하도록 하는 정책을 발표했습니다. (2000년 “Clean Water Act”의 일부로 법률화된 정책). 인디애나 폴리스(Indianapolis)는 가벼운 비 폭풍으로 인해 하수 오물의 백업 및 범람이 발생할 수 있는 도시 중 하나였으므로, 주요 건설 조건에서 2025년까지 문제를 해결하는 것이 필요하였습니다.

인디애나 폴리스는 국제 디자인 회사인 AECOM에 Citizens Energy Group이 건설하고 있는 3개의 깊은 암석 저장 터널 중 첫 번째를 설계할 것을 요청했습니다. 총 25마일인 이 시스템은 대규모 지하 펌프장과 기존의 하수구에서 CSO를 수직으로 떨어뜨리는 연결 구조물을 포함합니다. 첫 번째 터널의 경우, 강우가 가라 앉은 후에 3 개의 커다란 강하 구조물이 CSO를 저장 터널로 전환하여 후속 처리를 수행했습니다.

프로젝트를 해결하기 위해 AECOM은 여러 가능한 낙하 구조물 설계의 동작을 시뮬레이션하기 위해 FLOW-3D를 선택하여, 구축 및 평가 예산이 책정 된 물리적 모델에 대한 재 작업의 필요성을 최소화했습니다. 테스트 결과는 예측 값과 일치하였으므로 재설계가 필요하지 않았습니다. 또한, 이제 AECOM은 유압 설계작업의 첫 번째 단계를 일반적으로 CFD시뮬레이션을 사용합니다.

Large Scale Project on a Tight Delivery Schedule

촉박한 납품 일정에 따른 대규모 프로젝트

20세기에 건설된 하수 처리장은 주거용, 상업용, 환경유출물의 유출로 무엇을 해야 할 것인지에 대한 새로운 인식을 가져다 주었습니다. CSO 방전은 정상적으로 운영되는 동안 처리시설로 직접 이동되며 모든 과정이 양호하게 운영됩니다. 불행하게도, 대규모 폭풍이 발생하는 동안, 발전소들의 초과 용량문제를 피하기 위해 인근 수역으로 과도한 유량을 방출합니다. 이들 배출은 기름과 살충제, 야생동물 배설물에 이르기까지 다양한 오염 물질을 포함합니다.
고무적인 성공의 신호로, 1990 년대에 착공된 새로운 CSO 분리, 저장 및 처리 시설로 오염의 영향에 대해 67 %의 개선을 이루었지만, 여전히 많은 연구가 이루어져야 합니다. 인디애나 폴리스의 경우, 인디애나 폴리스시 공공사업부가 CSO 장기 통제계획을 준비한 2008년에 그러한 노력이 시작되었습니다. 정상적인 처리 공장에서 처리 할 수 있을 때까지 오버플로우가 발생하는 “저장 및 운송”접근법의 핵심은 인디애나 폴리스 터널 저장 시스템 또는 인디애나라고 합니다.

이 시스템의 첫번째 단계는 딥 록 터널 커넥터(DRTC)라고 불리는 1억 8천만달러 가치의 프로젝트입니다. DRTC는 길이 7마일의 18피트 직경의 지하 터널로, 기존의 인디애나 폴리스의 3개의 서버 대 계층 유출 연결의 흐름 경로를 다시 만들 것입니다(그림 1). 목표는 과잉 강우 유출을 기존 하수구와 새 터널 사이의 낙하 구조를 통해 이들 대피소에서 거대한 터널로 안전하게 재배치하고, 폭풍 후 처리를 위해 처리장으로 펌핑 될 수있을 때까지 유지합니다.

Fig. 1. City of Indianapolis Deep Rock Tunnel Connector (DRTC), a “storage and transport” concept being built to handle combined sewage overflow (CSO) during heavy storms. Three vertical drop structures will capture this flow and divert it downwards to 18-foot-diameter storage tunnels running more than 250 feet underground; the tunnels store the CSO until sewage treatment plant capacity becomes available. (Image courtesy Citizens Energy Group)

평균적으로 지표면 아래 250피트 깊이에서, DRTC는 건설과 궁극적인 운영 동안 위의 주변 지역에 대한 혼란을 최소화하도록 설계되었습니다. 그러나 이 프로젝트의 규모와 복잡성은 AECOM의 과제에 긴급성을 더했습니다. 세 장소 각각에 대한 가능한 낙하 구조 설계와 평가, 구조물 설계의 60%를 7개월 이내에 마무리 지었습니다.

이러한 구조물의 목적은 표준 도시 하수 시스템에서 깊은 저장 터널로 하수 흐름을 전달하는 동시에, 효율적 손실( 느린 속도 또는 백업)과 장기적인 도심을 방지하는 것입니다. 각 섹션의 크기와 모양이 유입 흐름의 볼륨 및 속도와 세심하게 일치하지 않을 경우 발생할 수 있는 구조적 손상입니다.
AECOM의 수석 기술 전문가인 라이언 에디슨 컨설턴트는 계약의 스케줄링 요구 사항이 유효성 검사를 위해서는, 단 하나의 모델에만 물리적 건물과 테스트 활동을 제한할 것이라는 것을 알게되었습니다. 다른 주요 건설 프로젝트에 15년간 FLOW-3D 시뮬레이션 소프트웨어를 사용해 왔기 때문에, 난류, 과전압 및 에너지 낭비를 예측하는 능력은 충분하지 않고 디자인 프로젝트에 적합하다고 자신했습니다. 또한 여러 검증(what-if) 시나리오를 실행하기 위한 소프트웨어 옵션을 통해 설계 세부 사항을 다시 실행해야 하는 위험을 최소화할 수 있었습니다. 변경 사항이 적용될 경우 상당한 이점은 여러개의 병렬 시공 트랙이 있는 프로젝트에 있습니다.
시간 제약에도 불구하고, 에디슨은 특히 이 도전에 만족했습니다. 왜냐하면 “CFD로 드롭 구조 설계를 만들고 물리학에서 이것들은 너무 큰 구조이기 때문입니다.”라고 그는 말합니다. 그것들은 CFD는 실제로 사용되지 않는데 보통 물리적 모델이나 손으로 계산하는 것으로 이루어집니다.

DRTC 프로젝트를 위해서, 그는 먼저 시뮬레이션된 작동 조건에 대해서 컴퓨터 설계를 테스트할 것입니다. 에디슨은 3차원의 일시적이고 격동적인 흐름 조건을 모델링 할 수 있는 소프트웨어 패키지인 FLOW-3D를 사용했습니다. 각 설계에 대한 계산 메쉬를 변경하지 않고도 여러 설계 지오 메트리를 모델링 할 수 있는 기능이였습니다.
시뮬레이션 데이터로 무장한 에디슨은 그 결과를 아이오와 대학교 II. 시설에서 시험한 1:10 크기의 물리적 모델의 작동 데이터와 비교하였습니다. (후자는 원래 아이오와 유압 연구소라고 불렸지만, 지금은 그룹의 다양한 범위를 반영하여 IIHR-Hydroscience & Engineering으로 알려져 있습니다.)

Zeroing in on the Drop-Structure Challenge

드롭 구조 과제에서 영점 조정

가장 제한적인 DRTC 사이트의 지오 메트리는 CSO 008로 지정된 레귤레이터에서 발생합니다. 기존 CSO 레귤레이터(기울기 약 75피트 아래)를 새 18피트 직경의 수집 터널과 연결하려면, 이 위치에서 150피트 이상의 수직 방향 주행이 필요합니다. 각 낙하 구조에 7백만달러 이상이 소요되는 경우, 프로젝트 관리자들은 물리적 모델이 구축된 후 비용과 시간이 많이 소요되는 재설계가 필요한 가능성을 낮추려고 애썼습니다.

역사적으로 낙하 구조는 이전 프로젝트를 적용하여 설계된 후 축소 모델로 구축되었으며, 테스트만으로도 6개월 이상이 소요될 수 있습니다. 가속화된 이 프로젝트에서, 2009년 가을에 시작한 AECOM의 초기 과제는 두가지 표준 개념 중에서 하나를 선택하는 것이었습니다. 포장-파운드 스타일과 접선 vortex버전, 둘 다 시속 35마일의 폭풍이 몰아치는 물 속에서 속도를 늦추고 통제하기 위해서 직접 계산 및 FLOW-3D에서 결정한 일반 구조 직경 및 구성 요소 크기를 사용한 초기 CFD분석으로, AECOM은 시공 가능성 및 비용 고려 사항을 평가하는 데 사용했습니다.
CSO 008의 현장 요구 사항과 비용 효율성을 고려할 때, 시 당국과 AECOM은 접선 소용돌이 낙하 구조를 선택했습니다. 이 설계의 핵심 요소는 흐름을 먼저 환상적인 제트로 유도한 다음, vortex 유도 나선형 흐름을 생성하는 테이퍼(확대) 접근 채널에 의해 공급되는 수직 튜브(드롭 샤프트)입니다. 이 통제 된 하강은 속도가 느려지고 하루 3 억 갤런 (mgd) 이상에 이르는 흐름을 안전하게 처리합니다. 스토리지 터널의 파괴적인 난류를 방지하는 것이 핵심 목표이므로 드롭 샤프트 흐름의 사전 차단이 설계의 핵심입니다.

구조 자체는 6 개의 주요 부분으로 구성됩니다. 1) 접근 채널 (기존의 하수 터널에서 나온 것), 2) 수평 흐름을 넓히고 수직 드롭 샤프트로 수평 흐름을 전달하는 직사각형 전이 테이퍼 채널, 3) 드롭 샤프트 자체 4) 탈 기실 (유량을 수평 방향으로 방향을 바꾸고 공기 유입을 감소시키는), 5) 수직 공기 배출구를 통해 낙하에서 유입 된 공기를 제거하고 적하 유체의 공기 코어가 열려 있고 6) 탈기 챔버와 저장 터널 챔버를 연결하는 파이프 (adit) (그림 2).

Fig. 2. CAD diagram of proposed Indianapolis DRTC combined sewage overflow (CSO) vertical drop structure, showing approach channel, taper channel and vortex dropshaft. Using FLOW-3D CFD analysis software, AECOM simulated the flow behavior, gaining confidence in the system performance prior to physical model testing. (Image courtesy AECOM)
Prediction of Shrinkage Defects During Investment Casting Process

This article was contributed by Dr. S. Savithri, Senior Principal Scientist at CSIR-NIIST

 

인베스트먼트 주조공정은 가장 오래된 주조 공정 중 하나로 기원전 4000년 이후에 보편화되었습니다. 이 과정은 용해된 금속을 소모품패턴으로 생성된 세라믹 쉘에 주입하는 과정을 수반합니다. 일찍이 그것은 금, 은, 구리와 청동 합금으로 장신구와 우상을 만드는데 사용되었습니다.

인베스트먼트 주조공정은 1897년 아이오와 주, 위원회 블러프스의 Barabas Frederick Philbrook이 묘사한 대로 치과의사들이 왕관과 인레이를 만들기 위해 그것을 사용하기 시작한 19세기 말 현대 산업공정으로 사용되기 시작했다. 1940년대에는 제2차 세계대전 당시 기존 방법으로는 형성될 수 없거나 지나치게 많은 가공이 필요한 특수 합금의 정밀 순모형 제조 기술에 대한 수요로 인해 투자 주조 공정이 증가하였다.

오늘날 투자 주조 공정은 표면 마감 및 치수 정확도가 우수하여 거의 순 형태에 가까운 철, 비철 및 초합금의 소형 산업용 부품을 생산하는데 주로 사용됩니다.

인베스트먼트 주조 공정은 다음 네 가지 주요 단계로 구성됩니다.

  • 왁스 패턴 생성 후, 패턴 클러스터를 만들기 위해 게이트 시스템으로 청소 및 조립합니다.
  • 나무는 세라믹 쉘을 얻기 위해 미세 모래와 Course한 모래 입자의 슬러리로 번갈아 코팅됩니다.
  • 용기는 건조되고, 왁스를 녹이기 위해 가열되며, 강도를 높이고 주입 준비합니다.
  • 마침내 주조 합금이 용해되어 예열된 쉘에 주입됩니다. 응고 후에 쉘이 파손되어 주조 부품을 얻습니다.

Figure 1. Solid model of the casting geometry

인베스트먼트 주조 공정에서 얻은 부품은 많은 중요한 용도에 사용되므로 내부적인 결함이 없어야 합니다. 투자 주조 공정에서 발생하는 주요 결함은 세라믹 포함, 균열, 변형, 플래시, 주탕불량, 수축, 슬래그 포함, 탕경계등입니다. 얻은 주조물의 품질을 예측하려면 금속-몰드 열 전달계수, 주입 온도 등 다양한 주조 공정 매개 변수의 영향을 연구해야 합니다. 즉, 쉘 두께 및 쉘 열 전달계수가 그것입니다. 현대 컴퓨터 시스템 및 시뮬레이션 소프트웨어의 출현과 함께 금형 충진 및 응고 시뮬레이션은 주조공장에서 결함을 예측하고 설계를 최적화하는데 점점 더 많이 사용되고 있습니다.

이 연구의 주요 목적은 투자 주조 공정에서 주요 요소인 복사 열 전달과 인베스트먼트 주조공정에 고유한 쉘 금형이 FLOW-3D에서 효과적으로 구현될 수 있는지를 조사하는 것입니다. FLOW-3D를 사용하여 간단한 형상을 위한 인베스트먼트 주조공정의 주입 및 응고 시뮬레이션을 수행함으로써 두 구성요소의 서로 다른 효과를 조사합니다. 다양한 위치에서 얻은 온도의 수치는 문헌 [1]에보고 된 실험 결과로 검증됩니다. 복사 열 전달계수, 쉘 몰드 두께, 탕구 및 게이트의 위치에 대한 영향도 조사했습니다.

Figure 2. Shell mold

 

Methodology

현재 연구에서 사용된 계산 형상은 그림 1에 나와 있습니다. 쉘 몰드는 다음 단계를 사용하여 작성되었습니다.

  • 구성 요소 1로 형상을 FLOW-3D로 가져오고 지정된 셀 크기로 가져온 형상을 중심으로 메쉬 블록을 작성합니다.
  • “보완”유형의 component1의 첫 번째 하위 구성 요소를 만들어 하위 구성 요소 외부의 모든 항목을 메쉬의 범위까지 확고하게 만듭니다.
  • 솔리드 데이터베이스에서 이 솔리드 블록의 금형 재질 특성을 정의하십시오.
  • 솔리드 특성 GUI의 구성 요소 특성에서 “열 침투 깊이”를 정의하는 옵션이 있습니다. 여기서 쉘 두께 값을 정의 할 수 있습니다.
  • 이제 전처리기를 실행하십시오.
  • 분석 탭> 3D 탭으로 이동 한 다음 이전 단계에서 생성 한 prpgrf 파일을 엽니다. ‘Iso-surface’와 ‘color variable’에서 “열 활성화 구성 요소 볼륨”을 선택하고 “렌더링”을 선택하십시오.
  • Display에 이제 형상의 셸 부분 만 표시됩니다.
  • 개체 목록 (창의 왼쪽 하단)에서 “구성 요소 1″을 선택하고 “구성 요소 1″을 마우스 오른쪽 단추로 클릭 한 다음 “stl로 내보내기”를 선택하여 이 곡면을 STL 파일로 저장하십시오.

Figure 3. The view of the two mesh blocks for the creation of a void with discretization

쉘 몰드 용 STL 파일을 만든 후 파일을 구성 요소 1로 새 시뮬레이션으로 가져오고 이전에 작성한 주조 형상을 하위 구성 요소로 가져오고 유형을 ‘hole’으로 선택합니다. 쉘 몰드와 함께 주조 형상이 그림 2에 나와 있습니다. 이것은 우리의 계산 영역으로 사용됩니다. 다음은 계산 영역을 cubical/rectangular셀로 분할하기 위한 메쉬를 만드는 것입니다. 메쉬 블록을 작성하여 FLOW-3D에서 메쉬를 생성합니다. 현재의 작업을 위해 우리는 2.5mm의 고정된 셀 크기가 선택된 그림 3에 표시된 균일한 메쉬 옵션을 선택했습니다. 입력 위치 주변에 메시 블록 2가 사용되는 현재 시뮬레이션을 위해 메시 블록 2개가 생성되었습니다. 쉘과 주변 공기 사이의 30°C에서의 열 전달을 고려하여 쉘 주위에 보이드 영역이 정의됩니다. 이 영역은 ‘열 전달 유형 1’이 있는 보이드 영역으로 선택되며 셸과 주변 공기 사이에 열 전달 계수 값이 지정됩니다. 열 전달 유형 1은 방사선을 포함한 종합 열 전달 계수가 됩니다.

쉘 주형에 선택된 재료는 zircon이며 열 특성은 Sabau and Vishwanathan에 의해 수행된 실험에서 얻을 수 있습니다[2]. 표 1은 연구에 사용된 재료에 대해 지정된 값을 보여 줍니다.

MATERIAL PROPERTY  VALUE UNIT
Fluid –AluminiumA356

alloy

Density   2437 kg/m³
Thermal conductivity 116.8 W/(mK)
Specific heat  1074 J/(kgK)
Latent heat  433.22 kJ/m³
Liquidus temperature 608 °C
Solidus temperature 552.4 °C
Zircon Mold Thermal conductivity 1.09 W/(mK)
Specific heat* Density 1.63E+06 J/( m³K)

Initial and boundary conditions used are show in Table 2.      

 

Mold temperature  430°C
Melt pouring temperature  680°C
Filling time  7 s
Interface heat transfer coefficient  850 W/m2K
Heat transfer coefficient between ambient and mold (radiation effect) 30 -100 W/m2K

Table 2. Initial and boundary conditions used for the simulation

 

탕구저에 들어가는 용융물의 초기 속도와 온도는 메시 블록 2의 상단 경계에서 속도 경계 조건으로 주어집니다. 기본적으로 다른 모든 경계는 대칭 유형으로 설정됩니다.

 

Results & Discussion

Validation with reported experimental results

충전 및 응고 동안 냉각 곡선을 얻기 위한 실험에서 Sabuet.al[1]에 의해 선택된 네 개의 위치가 검증 목적으로 사용되었습니다. 그들은 C1, C2, S11, S12및 S21로 언급됩니다. C1과 C2지점은 주물의 플레이트의 중심에 있으며 S11, S12및 S21은 모두 쉘에 위치합니다. 이러한 위치에서의 온도 변화는 그림 4와 같습니다.

온도 프로파일의 수치 및 실험결과의 차이가 허용한계 안에 있음을 알 수 있습니다. 프로브 포인트 C1과 C2의 경우, 수치와 실험 결과 사이의 차이는 응고 중에 5%, 응고 후 냉각 시 12% 이내입니다. 쉘의 점에 대한 수치 결과는 실험 결과보다 약 5% 높습니다. 이는 쉘 재료에 열 물리학적 특성을 할당할 때 발생하는 가정과 쉘 열 전달 계수의 값 때문일 수 있습니다.

 

Fill sequence & solidification pattern for two different sprue locations

두 가지 다른 스프 루 위치의 채우기 순서 및 응고 패턴

2 개의 상이한 탕구 위치에 주물충전 순서는5a 및5b에 나와 있습니다. 최종 탕구가 더 많은 스플라인을 생성하므로 결함으로 이어질 수 있습니다. 탕구가 중간에 놓여지면 흐름은 보다 균일 해지고 두 주조 단면에서 비슷한 온도 분포