Figure 1: Process simulation and optimization with SORPAS®.

차세대 경량 소재 접합의 해답: 저항 용접 시뮬레이션으로 공정 최적화하기

이 기술 요약은 Wenqi Zhang, Azeddine Chergui, Chris Valentin Nielsen이 2012년에 발표한 학술 논문 “Process Simulation of Resistance Weld Bonding and Automotive Light-weight Materials”를 기반으로 하며, STI C&D의 기술 전문가에 의해 분석 및 요약되었습니다.

키워드

  • Primary Keyword: 저항 용접 시뮬레이션
  • Secondary Keywords: 경량 소재 용접, 용접 본딩, 샌드위치 강판 용접, 자동차 공정 최적화, SORPAS

Executive Summary

  • The Challenge: 자동차 산업에서 연비 향상을 위해 도입되는 초고장력강, 샌드위치 강판 등 신소재는 기존 강재에 비해 저항 용접이 까다로워 공정 개발에 많은 시간과 비용이 소요됩니다.
  • The Method: 기계적, 전기적, 열적, 야금학적 프로세스의 연성 모델링을 기반으로 한 SORPAS® 소프트웨어를 사용하여 저항 용접 공정을 시뮬레이션하고 용접 결과를 예측합니다.
  • The Key Breakthrough: 시뮬레이션을 통해 용접 너겟 크기, 미세조직 및 경도 분포를 정확하게 예측할 수 있으며, 접착제를 사용하는 용접 본딩이나 폴리머 코어를 포함하는 샌드위치 강판 용접과 같은 복잡한 공정까지 모델링할 수 있습니다.
  • The Bottom Line: 저항 용접 시뮬레이션은 물리적 실험 전에 용접 파라미터를 최적화하고 신소재의 용접성을 평가함으로써 제품 개발 시간과 비용을 획기적으로 절감하는 핵심 기술입니다.

The Challenge: Why This Research Matters for CFD Professionals

자동차 산업은 CO2 배출량 감축이라는 시대적 요구에 부응하기 위해 차체 경량화에 집중하고 있습니다. 이를 위해 초고장력강(AHSS), 핫스탬핑 강, 알루미늄 합금, 그리고 폴리머와 강판을 결합한 새로운 샌드위치 강판 등 다양한 경량 소재가 개발되어 적용되고 있습니다.

하지만 이러한 신소재들은 기존의 연강에 비해 저항 용접성이 매우 까다롭습니다. 특히 서로 다른 종류의 강판을 3장 이상 겹쳐 용접하는 경우, 적절한 용접 조건을 찾는 것은 수많은 실험과 연구를 필요로 하는 어려운 과제입니다. 이처럼 실험에만 의존하는 방식은 막대한 시간과 비용을 초래하며, 이는 제품 개발의 큰 걸림돌이 됩니다. 따라서 개발 초기 단계에서 용접성을 예측하고 공정을 최적화할 수 있는 효율적인 방안이 절실히 요구됩니다.

The Approach: Unpacking the Methodology

본 연구에서는 저항 용접 공정 시뮬레이션 소프트웨어인 SORPAS®를 활용하여 이러한 문제를 해결하는 접근법을 제시합니다. 이 시뮬레이션의 핵심은 용접 중에 발생하는 기계적, 전기적, 열적, 야금학적 현상을 통합적으로 해석하는 연성 모델링(coupled modeling) 기술에 있습니다.

이 기본 기능을 바탕으로 다음과 같은 새로운 기능들이 추가 개발 및 적용되었습니다.

  1. 미세조직 및 경도 분포 모델링: 용접 후 냉각 속도를 계산하고, 이를 재료의 연속냉각변태(CCT) 선도와 연계하여 최종 미세조직(페라이트, 펄라이트, 베이나이트, 마르텐사이트)의 분포와 용접부의 경도를 예측합니다.
  2. 저항 용접 본딩 시뮬레이션: 용접 부위에 비전도성 접착제가 도포된 경우를 모델링합니다. 전류가 직접 흐르지 못하는 초기 상태에서 션트(shunt) 연결을 통해 모재를 가열하고, 접착제가 녹아 모재가 접촉된 후 점용접이 이루어지는 과정을 시뮬레이션합니다.
  3. 경량 샌드위치 강판 용접 시뮬레이션: 중앙에 비전도성 폴리머 코어를 가진 샌드위치 강판의 용접을 모델링합니다. 용접 본딩과 유사하게 션트 툴을 이용해 외부 강판을 먼저 가열하여 폴리머 코어를 녹인 후, 강판 간의 접촉을 통해 너겟을 형성하는 과정을 해석합니다.
Figure 1: Process simulation and optimization with SORPAS®.
Figure 1: Process simulation and optimization with SORPAS®.

The Breakthrough: Key Findings & Data

시뮬레이션을 통해 복잡한 저항 용접 현상을 정확하게 예측하고 최적화할 수 있음이 입증되었습니다.

Finding 1: 용접부 미세조직 및 경도 분포의 정밀 예측

용접 품질을 결정하는 핵심 요소는 용접 후 형성되는 미세조직과 그에 따른 경도 분포입니다. 본 연구에서는 시뮬레이션을 통해 이를 성공적으로 예측했습니다. Figure 2는 0.8mm DC06 연강과 1.2mm DP600 강을 점용접한 사례를 보여줍니다.

  • 시뮬레이션은 용접 후 냉각 과정에서 위치별 냉각 시간(800°C → 500°C)을 계산합니다(Figure 2b).
  • 이 냉각 속도를 바탕으로 페라이트/펄라이트(Figure 2c), 베이나이트(Figure 2d), 마르텐사이트(Figure 2e)의 상분율 분포를 예측합니다.
  • 최종적으로 각 상의 경도 기여도를 종합하여 용접부 전체의 경도 분포(Figure 2f)를 도출함으로써, 열영향부(HAZ)의 기계적 특성을 사전에 평가할 수 있습니다.

Finding 2: 비전도성 소재를 포함한 복합 접합 공정 시뮬레이션 구현

기존 시뮬레이션으로는 해석이 어려웠던 비전도성 층(접착제, 폴리머)이 포함된 용접 공정을 성공적으로 모델링했습니다. 이는 션트(shunt) 연결이라는 독창적인 개념을 도입하여 가능해졌습니다.

  • 용접 본딩: Figure 4는 비전도성 접착제가 있는 강판의 용접 과정을 보여줍니다. 초기에는 션트 툴을 통해 전류가 강판으로만 흐르다가(Figure 4c), 강판의 저항열로 접착제가 녹아 없어지면 강판 간 직접 접촉이 발생하며 전류가 계면을 통해 흐르게 됩니다(Figure 4d). 이를 통해 최종 너겟이 형성되는(Figure 4f) 전 과정을 시뮬레이션할 수 있습니다.
  • 샌드위치 강판 용접: Figure 7은 중앙에 폴리머 코어가 있는 샌드위치 강판의 용접 사례입니다. 용접 본딩과 동일한 원리로, 션트 툴을 이용해 외부 강판을 가열하여 폴리머 코어를 녹이고(Figure 7e), 이후 강판이 접촉하면서 최종 용접 너겟을 형성합니다(Figure 7f).

이러한 기능은 차세대 자동차에 적용되는 복합 소재 접합 기술의 개발을 가속화하는 데 결정적인 역할을 합니다.

Practical Implications for R&D and Operations

  • For Process Engineers: 본 연구에서 제시된 용접성 엽도(weldability lobe, Figure 1d) 및 용접 성장 곡선(weld growth curve, Figure 1c) 시뮬레이션 기능은 수많은 물리적 테스트 없이도 최적의 용접 전류, 가압력, 통전 시간 범위를 신속하게 결정할 수 있도록 지원합니다. 이는 공정 셋업 시간을 단축하고 생산 안정성을 높이는 데 기여합니다.
  • For Quality Control Teams: Figure 2f에 나타난 경도 분포 예측 데이터는 용접부의 취약 지점을 사전에 파악하고, 열영향부의 기계적 특성을 정량적으로 평가하는 데 활용될 수 있습니다. 이는 새로운 품질 검사 기준을 수립하는 데 중요한 정보를 제공합니다.
  • For Design Engineers: 3종 재료 조합(Figure 1a)이나 샌드위치 강판과 같은 신소재의 용접성을 개발 초기 단계에서 가상으로 검증할 수 있습니다. 이를 통해 설계 변경에 따른 비용과 시간을 최소화하고, 보다 혁신적인 경량 구조 설계를 가능하게 합니다.

Paper Details


Process Simulation of Resistance Weld Bonding and Automotive Light-weight Materials

1. Overview:

  • Title: Process Simulation of Resistance Weld Bonding and Automotive Light-weight Materials
  • Author: Zhang, Wenqi; Chergui, Azeddine; Nielsen, Chris Valentin
  • Year of publication: 2012
  • Journal/academic society of publication: Abstract from 7th International Seminar on Advances in Resistance Welding, Busan, Korea, Republic of.
  • Keywords: Resistance welding, process simulation, weld bonding, lightweight materials, microstructures, automotive industry

2. Abstract:

이 논문은 저항 용접의 수치 시뮬레이션, 특히 미세구조 시뮬레이션, 용접 본딩, 새로운 경량 소재의 점용접을 위한 새로운 기능에 대한 최신 개발 사항을 제시합니다. SORPAS®의 기본 기능은 기계적, 전기적, 열적 및 야금학적 공정의 연성 모델링을 기반으로 하며, 이는 저항 용접 공정을 시뮬레이션하여 용접 결과를 예측하고 재료의 용접성을 평가하는 데 필수적입니다. 이러한 기능들은 용접 공정 파라미터 최적화, 최적의 용접 파라미터 설정을 통한 용접 계획, 그리고 용접 후 미세구조 및 경도 분포 모델링을 위한 새로운 기능으로 더욱 확장되었습니다. 최근에는 접착 본딩과 점용접을 결합한 용접 본딩 및 새로운 경량 샌드위치 강재의 점용접과 같은 비전도성 재료를 포함하는 저항 용접 시뮬레이션에 대한 개발이 이루어졌습니다.

3. Introduction:

자동차의 이산화탄소(CO2) 배출량 감축에 대한 요구가 증가함에 따라, 엔진 기술 개선, 공기역학 개선, 구름 저항 감소, 그리고 차체 중량 감소를 위한 혁신 연구 및 개발이 강화되었습니다. 차체 중량 감소를 위해 고장력강, 핫스탬핑 강, 알루미늄 및 마그네슘 합금, 그리고 플라스틱과 강판을 결합한 새로운 경량 샌드위치 강재 등 다양한 신소재가 개발되어 자동차 제조에 도입되었습니다. 저항 용접은 특히 자동차 산업에서 널리 적용되는 가장 생산적이고 비용 효율적인 접합 기술 중 하나입니다. 기존 강재의 저항 용접에 비해, 새로운 경량 소재를 용접하거나 기존 강재와 새로운 경량 소재를 용접하는 것은 훨씬 더 어렵습니다.

4. Summary of the study:

Background of the research topic:

자동차 산업의 CO2 배출 규제 강화로 인해 차체 경량화가 필수 과제가 되었으며, 이를 위해 다양한 신소재가 도입되고 있습니다. 그러나 이러한 신소재들은 기존의 저항 용접 기술로는 접합이 어려워 새로운 공정 개발이 필요합니다.

Status of previous research:

지난 30년간 저항 용접의 수치 시뮬레이션에 대한 많은 이론적 개발과 실험적 검증이 이루어졌습니다. 특히 SORPAS® 소프트웨어는 공정 최적화 및 생산 현장의 용접 스케줄 설정을 위한 포괄적인 기능으로 확장되었습니다.

Purpose of the study:

본 연구는 저항 용접 시뮬레이션의 최신 기술 동향을 소개하고, 특히 (1) 용접 후 미세조직 및 경도 분포 모델링, (2) 저항 용접 본딩 시뮬레이션, (3) 경량 샌드위치 강판 점용접 시뮬레이션이라는 세 가지 새로운 기능을 제시하는 것을 목적으로 합니다.

Core study:

SORPAS® 소프트웨어를 사용하여 다중 물리(기계, 전기, 열, 야금) 연성 해석을 기반으로 저항 용접 공정을 시뮬레이션했습니다. 이를 통해 3종 강판 점용접, 용접성 엽도 생성, 미세조직 및 경도 예측을 수행했습니다. 또한, 션트(shunt) 연결이라는 새로운 모델링 기법을 도입하여 비전도성 접착제나 폴리머 코어를 포함하는 용접 본딩 및 샌드위치 강판 용접 공정을 성공적으로 시뮬레이션했습니다.

Figure 7: Simulation of spot welding of sandwich steel to two HSLA340 sheets.
Figure 7: Simulation of spot welding of sandwich steel to two HSLA340 sheets.

5. Research Methodology

Research Design:

본 연구는 수치 시뮬레이션을 통해 저항 용접 공정을 해석하고 최적화하는 방안을 탐구하는 방식으로 설계되었습니다. 다양한 용접 시나리오(3종 강판 용접, 용접 본딩, 샌드위치 강판 용접)에 대한 시뮬레이션 모델을 구축하고, 그 결과를 분석하여 새로운 기능의 유효성을 검증했습니다.

Data Collection and Analysis Methods:

시뮬레이션은 SORPAS® 소프트웨어를 사용하여 수행되었습니다. 각 재료(DC06, HSLA340, DP600, 샌드위치 강판 등)의 기계적, 열적, 전기적 물성 데이터와 야금학적 데이터(CCT 선도 등)를 입력값으로 사용했습니다. 시뮬레이션 결과로 너겟 직경, 온도 분포, 전류 밀도 분포, 미세조직 상분율, 경도 분포 등을 도출하고 이를 그래픽으로 시각화하여 분석했습니다.

Research Topics and Scope:

연구 범위는 다음과 같은 저항 용접 공정의 시뮬레이션 및 최적화에 중점을 둡니다. – 다종 재료(3종 강판) 점용접 공정 시뮬레이션 및 용접 계획 – 용접 성장 곡선 및 용접성 엽도 예측을 통한 공정 창 최적화 – 용접 후 냉각 속도 계산을 통한 미세조직 및 경도 분포 모델링 – 비전도성 접착제를 포함하는 저항 용접 본딩 공정 시뮬레이션 – 비전도성 폴리머 코어를 포함하는 경량 샌드위치 강판 점용접 시뮬레이션

6. Key Results:

Key Results:

  • 시뮬레이션을 통해 3종 강판(0.8mm DC06, 1.2mm HSLA340, 1.5mm DP600) 점용접 시 각 계면에서의 최종 너겟 크기(5.1mm, 7.1mm)와 용접 강도를 성공적으로 예측했습니다.
  • 용접 계획(Weld Planning) 기능을 통해 주어진 용접 과제에 대해 최적의 가압력, 통전 시간, 용접 전류 범위를 자동으로 도출할 수 있음을 보였습니다.
  • 용접 전류 및 가압력 변화에 따른 용접성 엽도(weldability lobe)를 시뮬레이션하여, 양호한 용접이 가능한 공정 창을 시각적으로 제시했습니다.
  • 용접 후 냉각 속도 계산을 기반으로 페라이트/펄라이트, 베이나이트, 마르텐사이트의 분포와 최종 경도 분포를 예측하는 모델링을 구현했습니다.
  • 션트 연결(shunt connection) 모델을 도입하여, 비전도성 접착제나 폴리머 코어가 있는 경우에도 전류 흐름과 열 발생, 그리고 최종 너겟 형성 과정을 성공적으로 시뮬레이션했습니다.

Figure List:

  • Figure 1: Process simulation and optimization with SORPAS®.
  • Figure 2: Simulation results with microstructures and hardness distribution.
  • Figure 3: Schematic outline of the weld bonding process [11].
  • Figure 4: Simulation of weld bonding with nonconductive adhesive.
  • Figure 5: Structure of sandwich steel invented by ThyssenKrupp Steel [1].
  • Figure 6: Comparative life cycle assessment of car roof [1].
  • Figure 7: Simulation of spot welding of sandwich steel to two HSLA340 sheets.

7. Conclusion:

저항 용접의 수치 시뮬레이션 및 최적화는 신소재의 용접성 평가와 용접 공정 파라미터 설정 및 계획을 위한 핵심 기능들로 요약됩니다. 강재 용접 후 미세조직 및 경도 분포 모델링을 위한 새로운 기능이 개발 및 구현되었습니다. 또한, 비전도성 재료 모델링과 션트 툴을 이용한 용접 본딩 및 경량 샌드위치 강판의 점용접 시뮬레이션을 위한 특수 기능이 개발 및 구현되었습니다.

Figure 6: Comparative life cycle assessment of car roof [1].
Figure 6: Comparative life cycle assessment of car roof [1].

8. References:

    1. O. Hoffmann. Lightweight Steel Design in the Modern Vehicle Body. Werkstoff-Forum Intelligenter Leichtbau. Hannover, Germany. April 2011.
    1. H.A. Nied. The Finite Element Modeling of the Resistance Spot Welding Process. Welding Journal Research Supplement, No. 4, p.23s-132s. 1984.
    1. H.S. Cho and Y.J. Cho. A Study of the Thermal Behavior in Resistance Spot Welds. Welding Journal Research Supplement, (6), pp236s-244s. 1989.
    1. C.L. Tsai, O.A. Jammal, J.C. Papritan and D.W. Dickinson. Modeling of Resistance Spot Weld Nugget Growth. Welding Journal Research Supplement, (2), pp47s-54s. 1992.
    1. W. Zhang, H. Hallberg and N. Bay. Finite Element Modeling of Spot Welding Similar and Dissimilar Metals. 7th Int. Conf. on Computer Technology in Welding, San Francisco, USA, p.364-373. 1997.
    1. W. Zhang and L. Kristensen. Finite Element Modeling of Resistance Spot and Projection Welding Processes. The 9th Int. Conf. on Computer Technology in Welding, Detroit, Michigan, pp15-23. 1999.
    1. W. Zhang. Design and Implementation of Software for Resistance Welding Process Simulations. SAE 2003 Transactions: Journal of Materials and Manufacturing, Vol.112, No.5, 2003, pp556-564. 2003.
    1. W. Zhang. New Developments and Challenges in Simulation and Optimization of Resistance Welding. Proceedings of the 4th International Seminar on Advances in Resistance Welding. 15 November 2006, Wels, Austria. Pp101-114.
    1. W. Zhang. Recent Developments and Future Outlook for Simulation and Optimization of Resistance Spot Welding Processes. Proceedings of the 5th International Seminar on Advances in Resistance Welding, 24-26 September 2008, Toronto, Canada. Pp269-276.
    1. Information on http://www.swantec.com.
    1. I. O. Santos, W. Zhang, V. M. Gonçalves, N. Bay and P. A. F. Martins. Weld Bonding of Stainless Steel. International Journal of Machine Tools and Manufacture, Vol.44, No.14, pp1431-1439, 2004.

Expert Q&A: Your Top Questions Answered

Q1: 시뮬레이션에서 접착제나 폴리머 코어와 같은 비전도성 재료는 어떻게 처리하나요?

A1: 논문에서는 ‘션트 툴(shunt tool)’이라는 개념을 도입하여 이 문제를 해결합니다. 용접 초기에는 이 션트 툴을 통해 전류가 비전도성 층을 우회하여 강판으로만 흐르도록 합니다. 이 과정에서 발생하는 저항열이 강판을 가열하고, 이 열이 비전도성 층(접착제 또는 폴리머)을 녹이게 됩니다. 비전도성 층이 제거되어 강판끼리 직접 접촉하게 되면, 그때부터 전류가 강판 사이의 계면을 통해 흐르면서 일반적인 점용접 과정이 진행됩니다.

Q2: 용접부의 미세조직과 경도를 예측하는 원리는 무엇인가요?

A2: 예측의 핵심은 시뮬레이션을 통해 계산된 ‘냉각 속도’에 있습니다. 시뮬레이션은 용접 후 각 지점의 온도 변화 이력을 계산하여 800°C에서 500°C까지 냉각되는 데 걸리는 시간을 도출합니다(Figure 2b). 이 냉각 속도 데이터를 해당 강재의 연속냉각변태(CCT) 선도와 비교하여, 각 지점에서 페라이트, 펄라이트, 베이나이트, 마르텐사이트 중 어떤 조직이 형성될지와 그 분율을 결정합니다. 최종적으로 각 미세조직의 경도 값을 분율에 따라 합산하여 전체적인 경도 분포를 예측합니다.

Q3: 시뮬레이션 소프트웨어가 최적의 용접 조건을 자동으로 제안할 수 있나요?

A3: 네, 가능합니다. 논문의 Figure 1b에 소개된 ‘용접 계획(Weld Planning)’ 기능이 그 역할을 합니다. 사용자가 용접할 강판의 종류와 두께, 전극, 용접기 종류 등의 정보를 입력하면, 소프트웨어는 이를 분석하여 최적의 가압력과 통전 시간을 결정합니다. 그 후, 용접 전류를 변화시키며 시뮬레이션을 수행하여 양호한 용접이 가능한 전류 범위, 즉 공정 창(process window)을 자동으로 찾아내고 최적의 용접 스케줄 사양(WSS)을 제안합니다.

Q4: 시뮬레이션 결과에서 ‘양호한 용접’과 ‘용접 불량(날림 현상)’을 어떻게 구분하나요?

A4: Figure 1c와 1d의 그래프에서 시각적으로 구분합니다. 시뮬레이션은 각 조건에 따른 너겟 직경을 계산하고 이를 미리 정의된 기준과 비교합니다. ‘양호한 용접(good welds)’은 목표 너겟 크기를 만족하는 경우로, 녹색 원형 마커로 표시됩니다. ‘용접 없음 또는 미달 용접(no weld or undersized weld)’은 너겟이 형성되지 않거나 기준보다 작은 경우로, 검은색 사각형 마커로 표시됩니다. ‘과대 용접 또는 날림(oversized or expulsion/splash)’은 용융된 금속이 튀어나가는 현상이 발생한 경우로, 빨간색 사각형 마커로 표시됩니다.

Q5: 논문에 제시된 시뮬레이션 사례에서 구체적으로 어떤 재료들이 사용되었나요?

A5: 논문에서는 여러 구체적인 사례를 제시했습니다. 첫째, 0.8mm DC06 저탄소강, 1.2mm HSLA340 강, 1.5mm DP600 강을 겹친 3종 강판 점용접 사례가 있습니다(Figure 1a). 둘째, 0.8mm DC06 강과 1.2mm DP600 강의 점용접 후 미세조직 및 경도 분포를 분석한 사례가 있습니다(Figure 2). 셋째, 1mm 저탄소강 두 장을 비전도성 접착제로 붙인 용접 본딩 사례(Figure 4)와 마지막으로 샌드위치 강판을 두 장의 HSLA340 강판에 용접하는 사례(Figure 7)가 포함되었습니다.


Conclusion: Paving the Way for Higher Quality and Productivity

자동차 산업의 경량화 추세에 따라 새롭게 등장하는 첨단 소재들의 성공적인 적용은 효율적이고 신뢰성 높은 접합 기술에 달려있습니다. 기존의 시행착오를 반복하는 실험적 접근 방식은 더 이상 경쟁력을 갖기 어렵습니다. 본 논문에서 제시된 저항 용접 시뮬레이션 기술은 이러한 문제를 해결할 강력한 대안입니다.

미세조직과 경도 예측부터 접착제나 폴리머가 포함된 복합재 용접에 이르기까지, 시뮬레이션은 개발 초기 단계에서 용접 품질을 예측하고 공정을 최적화하여 R&D 및 운영 단계에서 막대한 시간과 비용을 절감할 수 있도록 지원합니다. 이는 곧 더 높은 품질과 생산성으로 이어지는 지름길입니다.

“At STI C&D, we are committed to applying the latest industry research to help our customers achieve higher productivity and quality. If the challenges discussed in this paper align with your operational goals, contact our engineering team to explore how these principles can be implemented in your components.”

(주)에스티아이씨앤디에서는 고객이 수치해석을 직접 수행하고 싶지만 경험이 없거나, 시간이 없어서 용역을 통해 수치해석 결과를 얻고자 하는 경우 전문 엔지니어를 통해 CFD consulting services를 제공합니다. 귀하께서 당면하고 있는 연구프로젝트를 최소의 비용으로, 최적의 해결방안을 찾을 수 있도록 지원합니다.

  • 연락처 : 02-2026-0442
  • 이메일 : flow3d@stikorea.co.kr

Copyright Information

  • This content is a summary and analysis based on the paper “Process Simulation of Resistance Weld Bonding and Automotive Light-weight Materials” by “Zhang, Wenqi; Chergui, Azeddine; Nielsen, Chris Valentin”.
  • Source: https://orbit.dtu.dk/en/publications/process-simulation-of-resistance-weld-bonding-and-automotive-li

This material is for informational purposes only. Unauthorized commercial use is prohibited. Copyright © 2025 STI C&D. All rights reserved.

Figure 3: Schematic outline of the weld bonding process

차세대 경량 소재 접합의 해답: 저항 용접 시뮬레이션으로 공정 최적화하기

이 기술 요약은 Wenqi Zhang, Azeddine Chergui, Chris Valentin Nielsen이 2012년에 발표한 학술 논문 “Process Simulation of Resistance Weld Bonding and Automotive Light-weight Materials”를 기반으로 하며, STI C&D의 기술 전문가에 의해 분석 및 요약되었습니다.

키워드

  • Primary Keyword: 저항 용접 시뮬레이션
  • Secondary Keywords: 경량 소재 용접, 용접 본딩, 샌드위치 강판 용접, 자동차 공정 최적화, SORPAS

Executive Summary

  • The Challenge: 자동차 산업에서 연비 향상을 위해 도입되는 초고장력강, 샌드위치 강판 등 신소재는 기존 강재에 비해 저항 용접이 까다로워 공정 개발에 많은 시간과 비용이 소요됩니다.
  • The Method: 기계적, 전기적, 열적, 야금학적 프로세스의 연성 모델링을 기반으로 한 SORPAS® 소프트웨어를 사용하여 저항 용접 공정을 시뮬레이션하고 용접 결과를 예측합니다.
  • The Key Breakthrough: 시뮬레이션을 통해 용접 너겟 크기, 미세조직 및 경도 분포를 정확하게 예측할 수 있으며, 접착제를 사용하는 용접 본딩이나 폴리머 코어를 포함하는 샌드위치 강판 용접과 같은 복잡한 공정까지 모델링할 수 있습니다.
  • The Bottom Line: 저항 용접 시뮬레이션은 물리적 실험 전에 용접 파라미터를 최적화하고 신소재의 용접성을 평가함으로써 제품 개발 시간과 비용을 획기적으로 절감하는 핵심 기술입니다.

The Challenge: Why This Research Matters for CFD Professionals

자동차 산업은 CO2 배출량 감축이라는 시대적 요구에 부응하기 위해 차체 경량화에 집중하고 있습니다. 이를 위해 초고장력강(AHSS), 핫스탬핑 강, 알루미늄 합금, 그리고 폴리머와 강판을 결합한 새로운 샌드위치 강판 등 다양한 경량 소재가 개발되어 적용되고 있습니다.

하지만 이러한 신소재들은 기존의 연강에 비해 저항 용접성이 매우 까다롭습니다. 특히 서로 다른 종류의 강판을 3장 이상 겹쳐 용접하는 경우, 적절한 용접 조건을 찾는 것은 수많은 실험과 연구를 필요로 하는 어려운 과제입니다. 이처럼 실험에만 의존하는 방식은 막대한 시간과 비용을 초래하며, 이는 제품 개발의 큰 걸림돌이 됩니다. 따라서 개발 초기 단계에서 용접성을 예측하고 공정을 최적화할 수 있는 효율적인 방안이 절실히 요구됩니다.

The Approach: Unpacking the Methodology

본 연구에서는 저항 용접 공정 시뮬레이션 소프트웨어인 SORPAS®를 활용하여 이러한 문제를 해결하는 접근법을 제시합니다. 이 시뮬레이션의 핵심은 용접 중에 발생하는 기계적, 전기적, 열적, 야금학적 현상을 통합적으로 해석하는 연성 모델링(coupled modeling) 기술에 있습니다.

이 기본 기능을 바탕으로 다음과 같은 새로운 기능들이 추가 개발 및 적용되었습니다.

  1. 미세조직 및 경도 분포 모델링: 용접 후 냉각 속도를 계산하고, 이를 재료의 연속냉각변태(CCT) 선도와 연계하여 최종 미세조직(페라이트, 펄라이트, 베이나이트, 마르텐사이트)의 분포와 용접부의 경도를 예측합니다.
  2. 저항 용접 본딩 시뮬레이션: 용접 부위에 비전도성 접착제가 도포된 경우를 모델링합니다. 전류가 직접 흐르지 못하는 초기 상태에서 션트(shunt) 연결을 통해 모재를 가열하고, 접착제가 녹아 모재가 접촉된 후 점용접이 이루어지는 과정을 시뮬레이션합니다.
  3. 경량 샌드위치 강판 용접 시뮬레이션: 중앙에 비전도성 폴리머 코어를 가진 샌드위치 강판의 용접을 모델링합니다. 용접 본딩과 유사하게 션트 툴을 이용해 외부 강판을 먼저 가열하여 폴리머 코어를 녹인 후, 강판 간의 접촉을 통해 너겟을 형성하는 과정을 해석합니다.
Figure 3: Schematic outline of the weld bonding process
Figure 3: Schematic outline of the weld bonding process

The Breakthrough: Key Findings & Data

시뮬레이션을 통해 복잡한 저항 용접 현상을 정확하게 예측하고 최적화할 수 있음이 입증되었습니다.

Finding 1: 용접부 미세조직 및 경도 분포의 정밀 예측

용접 품질을 결정하는 핵심 요소는 용접 후 형성되는 미세조직과 그에 따른 경도 분포입니다. 본 연구에서는 시뮬레이션을 통해 이를 성공적으로 예측했습니다. Figure 2는 0.8mm DC06 연강과 1.2mm DP600 강을 점용접한 사례를 보여줍니다.

  • 시뮬레이션은 용접 후 냉각 과정에서 위치별 냉각 시간(800°C → 500°C)을 계산합니다(Figure 2b).
  • 이 냉각 속도를 바탕으로 페라이트/펄라이트(Figure 2c), 베이나이트(Figure 2d), 마르텐사이트(Figure 2e)의 상분율 분포를 예측합니다.
  • 최종적으로 각 상의 경도 기여도를 종합하여 용접부 전체의 경도 분포(Figure 2f)를 도출함으로써, 열영향부(HAZ)의 기계적 특성을 사전에 평가할 수 있습니다.

Finding 2: 비전도성 소재를 포함한 복합 접합 공정 시뮬레이션 구현

기존 시뮬레이션으로는 해석이 어려웠던 비전도성 층(접착제, 폴리머)이 포함된 용접 공정을 성공적으로 모델링했습니다. 이는 션트(shunt) 연결이라는 독창적인 개념을 도입하여 가능해졌습니다.

  • 용접 본딩: Figure 4는 비전도성 접착제가 있는 강판의 용접 과정을 보여줍니다. 초기에는 션트 툴을 통해 전류가 강판으로만 흐르다가(Figure 4c), 강판의 저항열로 접착제가 녹아 없어지면 강판 간 직접 접촉이 발생하며 전류가 계면을 통해 흐르게 됩니다(Figure 4d). 이를 통해 최종 너겟이 형성되는(Figure 4f) 전 과정을 시뮬레이션할 수 있습니다.
  • 샌드위치 강판 용접: Figure 7은 중앙에 폴리머 코어가 있는 샌드위치 강판의 용접 사례입니다. 용접 본딩과 동일한 원리로, 션트 툴을 이용해 외부 강판을 가열하여 폴리머 코어를 녹이고(Figure 7e), 이후 강판이 접촉하면서 최종 용접 너겟을 형성합니다(Figure 7f).

이러한 기능은 차세대 자동차에 적용되는 복합 소재 접합 기술의 개발을 가속화하는 데 결정적인 역할을 합니다.

Practical Implications for R&D and Operations

  • For Process Engineers: 본 연구에서 제시된 용접성 엽도(weldability lobe, Figure 1d) 및 용접 성장 곡선(weld growth curve, Figure 1c) 시뮬레이션 기능은 수많은 물리적 테스트 없이도 최적의 용접 전류, 가압력, 통전 시간 범위를 신속하게 결정할 수 있도록 지원합니다. 이는 공정 셋업 시간을 단축하고 생산 안정성을 높이는 데 기여합니다.
  • For Quality Control Teams: Figure 2f에 나타난 경도 분포 예측 데이터는 용접부의 취약 지점을 사전에 파악하고, 열영향부의 기계적 특성을 정량적으로 평가하는 데 활용될 수 있습니다. 이는 새로운 품질 검사 기준을 수립하는 데 중요한 정보를 제공합니다.
  • For Design Engineers: 3종 재료 조합(Figure 1a)이나 샌드위치 강판과 같은 신소재의 용접성을 개발 초기 단계에서 가상으로 검증할 수 있습니다. 이를 통해 설계 변경에 따른 비용과 시간을 최소화하고, 보다 혁신적인 경량 구조 설계를 가능하게 합니다.

Paper Details


Process Simulation of Resistance Weld Bonding and Automotive Light-weight Materials

1. Overview:

  • Title: Process Simulation of Resistance Weld Bonding and Automotive Light-weight Materials
  • Author: Zhang, Wenqi; Chergui, Azeddine; Nielsen, Chris Valentin
  • Year of publication: 2012
  • Journal/academic society of publication: Abstract from 7th International Seminar on Advances in Resistance Welding, Busan, Korea, Republic of.
  • Keywords: Resistance welding, process simulation, weld bonding, lightweight materials, microstructures, automotive industry

2. Abstract:

이 논문은 저항 용접의 수치 시뮬레이션, 특히 미세구조 시뮬레이션, 용접 본딩, 새로운 경량 소재의 점용접을 위한 새로운 기능에 대한 최신 개발 사항을 제시합니다. SORPAS®의 기본 기능은 기계적, 전기적, 열적 및 야금학적 공정의 연성 모델링을 기반으로 하며, 이는 저항 용접 공정을 시뮬레이션하여 용접 결과를 예측하고 재료의 용접성을 평가하는 데 필수적입니다. 이러한 기능들은 용접 공정 파라미터 최적화, 최적의 용접 파라미터 설정을 통한 용접 계획, 그리고 용접 후 미세구조 및 경도 분포 모델링을 위한 새로운 기능으로 더욱 확장되었습니다. 최근에는 접착 본딩과 점용접을 결합한 용접 본딩 및 새로운 경량 샌드위치 강재의 점용접과 같은 비전도성 재료를 포함하는 저항 용접 시뮬레이션에 대한 개발이 이루어졌습니다.

3. Introduction:

자동차의 이산화탄소(CO2) 배출량 감축에 대한 요구가 증가함에 따라, 엔진 기술 개선, 공기역학 개선, 구름 저항 감소, 그리고 차체 중량 감소를 위한 혁신 연구 및 개발이 강화되었습니다. 차체 중량 감소를 위해 고장력강, 핫스탬핑 강, 알루미늄 및 마그네슘 합금, 그리고 플라스틱과 강판을 결합한 새로운 경량 샌드위치 강재 등 다양한 신소재가 개발되어 자동차 제조에 도입되었습니다. 저항 용접은 특히 자동차 산업에서 널리 적용되는 가장 생산적이고 비용 효율적인 접합 기술 중 하나입니다. 기존 강재의 저항 용접에 비해, 새로운 경량 소재를 용접하거나 기존 강재와 새로운 경량 소재를 용접하는 것은 훨씬 더 어렵습니다.

4. Summary of the study:

Background of the research topic:

자동차 산업의 CO2 배출 규제 강화로 인해 차체 경량화가 필수 과제가 되었으며, 이를 위해 다양한 신소재가 도입되고 있습니다. 그러나 이러한 신소재들은 기존의 저항 용접 기술로는 접합이 어려워 새로운 공정 개발이 필요합니다.

Status of previous research:

지난 30년간 저항 용접의 수치 시뮬레이션에 대한 많은 이론적 개발과 실험적 검증이 이루어졌습니다. 특히 SORPAS® 소프트웨어는 공정 최적화 및 생산 현장의 용접 스케줄 설정을 위한 포괄적인 기능으로 확장되었습니다.

Purpose of the study:

본 연구는 저항 용접 시뮬레이션의 최신 기술 동향을 소개하고, 특히 (1) 용접 후 미세조직 및 경도 분포 모델링, (2) 저항 용접 본딩 시뮬레이션, (3) 경량 샌드위치 강판 점용접 시뮬레이션이라는 세 가지 새로운 기능을 제시하는 것을 목적으로 합니다.

Figure 6: Comparative life cycle assessment of car roof
Figure 6: Comparative life cycle assessment of car roof

Core study:

SORPAS® 소프트웨어를 사용하여 다중 물리(기계, 전기, 열, 야금) 연성 해석을 기반으로 저항 용접 공정을 시뮬레이션했습니다. 이를 통해 3종 강판 점용접, 용접성 엽도 생성, 미세조직 및 경도 예측을 수행했습니다. 또한, 션트(shunt) 연결이라는 새로운 모델링 기법을 도입하여 비전도성 접착제나 폴리머 코어를 포함하는 용접 본딩 및 샌드위치 강판 용접 공정을 성공적으로 시뮬레이션했습니다.

5. Research Methodology

Research Design:

본 연구는 수치 시뮬레이션을 통해 저항 용접 공정을 해석하고 최적화하는 방안을 탐구하는 방식으로 설계되었습니다. 다양한 용접 시나리오(3종 강판 용접, 용접 본딩, 샌드위치 강판 용접)에 대한 시뮬레이션 모델을 구축하고, 그 결과를 분석하여 새로운 기능의 유효성을 검증했습니다.

Data Collection and Analysis Methods:

시뮬레이션은 SORPAS® 소프트웨어를 사용하여 수행되었습니다. 각 재료(DC06, HSLA340, DP600, 샌드위치 강판 등)의 기계적, 열적, 전기적 물성 데이터와 야금학적 데이터(CCT 선도 등)를 입력값으로 사용했습니다. 시뮬레이션 결과로 너겟 직경, 온도 분포, 전류 밀도 분포, 미세조직 상분율, 경도 분포 등을 도출하고 이를 그래픽으로 시각화하여 분석했습니다.

Research Topics and Scope:

연구 범위는 다음과 같은 저항 용접 공정의 시뮬레이션 및 최적화에 중점을 둡니다. – 다종 재료(3종 강판) 점용접 공정 시뮬레이션 및 용접 계획 – 용접 성장 곡선 및 용접성 엽도 예측을 통한 공정 창 최적화 – 용접 후 냉각 속도 계산을 통한 미세조직 및 경도 분포 모델링 – 비전도성 접착제를 포함하는 저항 용접 본딩 공정 시뮬레이션 – 비전도성 폴리머 코어를 포함하는 경량 샌드위치 강판 점용접 시뮬레이션

6. Key Results:

Key Results:

  • 시뮬레이션을 통해 3종 강판(0.8mm DC06, 1.2mm HSLA340, 1.5mm DP600) 점용접 시 각 계면에서의 최종 너겟 크기(5.1mm, 7.1mm)와 용접 강도를 성공적으로 예측했습니다.
  • 용접 계획(Weld Planning) 기능을 통해 주어진 용접 과제에 대해 최적의 가압력, 통전 시간, 용접 전류 범위를 자동으로 도출할 수 있음을 보였습니다.
  • 용접 전류 및 가압력 변화에 따른 용접성 엽도(weldability lobe)를 시뮬레이션하여, 양호한 용접이 가능한 공정 창을 시각적으로 제시했습니다.
  • 용접 후 냉각 속도 계산을 기반으로 페라이트/펄라이트, 베이나이트, 마르텐사이트의 분포와 최종 경도 분포를 예측하는 모델링을 구현했습니다.
  • 션트 연결(shunt connection) 모델을 도입하여, 비전도성 접착제나 폴리머 코어가 있는 경우에도 전류 흐름과 열 발생, 그리고 최종 너겟 형성 과정을 성공적으로 시뮬레이션했습니다.

Figure List:

  • Figure 1: Process simulation and optimization with SORPAS®.
  • Figure 2: Simulation results with microstructures and hardness distribution.
  • Figure 3: Schematic outline of the weld bonding process [11].
  • Figure 4: Simulation of weld bonding with nonconductive adhesive.
  • Figure 5: Structure of sandwich steel invented by ThyssenKrupp Steel [1].
  • Figure 6: Comparative life cycle assessment of car roof [1].
  • Figure 7: Simulation of spot welding of sandwich steel to two HSLA340 sheets.

7. Conclusion:

저항 용접의 수치 시뮬레이션 및 최적화는 신소재의 용접성 평가와 용접 공정 파라미터 설정 및 계획을 위한 핵심 기능들로 요약됩니다. 강재 용접 후 미세조직 및 경도 분포 모델링을 위한 새로운 기능이 개발 및 구현되었습니다. 또한, 비전도성 재료 모델링과 션트 툴을 이용한 용접 본딩 및 경량 샌드위치 강판의 점용접 시뮬레이션을 위한 특수 기능이 개발 및 구현되었습니다.

8. References:

    1. O. Hoffmann. Lightweight Steel Design in the Modern Vehicle Body. Werkstoff-Forum Intelligenter Leichtbau. Hannover, Germany. April 2011.
    1. H.A. Nied. The Finite Element Modeling of the Resistance Spot Welding Process. Welding Journal Research Supplement, No. 4, p.23s-132s. 1984.
    1. H.S. Cho and Y.J. Cho. A Study of the Thermal Behavior in Resistance Spot Welds. Welding Journal Research Supplement, (6), pp236s-244s. 1989.
    1. C.L. Tsai, O.A. Jammal, J.C. Papritan and D.W. Dickinson. Modeling of Resistance Spot Weld Nugget Growth. Welding Journal Research Supplement, (2), pp47s-54s. 1992.
    1. W. Zhang, H. Hallberg and N. Bay. Finite Element Modeling of Spot Welding Similar and Dissimilar Metals. 7th Int. Conf. on Computer Technology in Welding, San Francisco, USA, p.364-373. 1997.
    1. W. Zhang and L. Kristensen. Finite Element Modeling of Resistance Spot and Projection Welding Processes. The 9th Int. Conf. on Computer Technology in Welding, Detroit, Michigan, pp15-23. 1999.
    1. W. Zhang. Design and Implementation of Software for Resistance Welding Process Simulations. SAE 2003 Transactions: Journal of Materials and Manufacturing, Vol.112, No.5, 2003, pp556-564. 2003.
    1. W. Zhang. New Developments and Challenges in Simulation and Optimization of Resistance Welding. Proceedings of the 4th International Seminar on Advances in Resistance Welding. 15 November 2006, Wels, Austria. Pp101-114.
    1. W. Zhang. Recent Developments and Future Outlook for Simulation and Optimization of Resistance Spot Welding Processes. Proceedings of the 5th International Seminar on Advances in Resistance Welding, 24-26 September 2008, Toronto, Canada. Pp269-276.
    1. Information on http://www.swantec.com.
    1. I. O. Santos, W. Zhang, V. M. Gonçalves, N. Bay and P. A. F. Martins. Weld Bonding of Stainless Steel. International Journal of Machine Tools and Manufacture, Vol.44, No.14, pp1431-1439, 2004.

Expert Q&A: Your Top Questions Answered

Q1: 시뮬레이션에서 접착제나 폴리머 코어와 같은 비전도성 재료는 어떻게 처리하나요?

A1: 논문에서는 ‘션트 툴(shunt tool)’이라는 개념을 도입하여 이 문제를 해결합니다. 용접 초기에는 이 션트 툴을 통해 전류가 비전도성 층을 우회하여 강판으로만 흐르도록 합니다. 이 과정에서 발생하는 저항열이 강판을 가열하고, 이 열이 비전도성 층(접착제 또는 폴리머)을 녹이게 됩니다. 비전도성 층이 제거되어 강판끼리 직접 접촉하게 되면, 그때부터 전류가 강판 사이의 계면을 통해 흐르면서 일반적인 점용접 과정이 진행됩니다.

Q2: 용접부의 미세조직과 경도를 예측하는 원리는 무엇인가요?

A2: 예측의 핵심은 시뮬레이션을 통해 계산된 ‘냉각 속도’에 있습니다. 시뮬레이션은 용접 후 각 지점의 온도 변화 이력을 계산하여 800°C에서 500°C까지 냉각되는 데 걸리는 시간을 도출합니다(Figure 2b). 이 냉각 속도 데이터를 해당 강재의 연속냉각변태(CCT) 선도와 비교하여, 각 지점에서 페라이트, 펄라이트, 베이나이트, 마르텐사이트 중 어떤 조직이 형성될지와 그 분율을 결정합니다. 최종적으로 각 미세조직의 경도 값을 분율에 따라 합산하여 전체적인 경도 분포를 예측합니다.

Q3: 시뮬레이션 소프트웨어가 최적의 용접 조건을 자동으로 제안할 수 있나요?

A3: 네, 가능합니다. 논문의 Figure 1b에 소개된 ‘용접 계획(Weld Planning)’ 기능이 그 역할을 합니다. 사용자가 용접할 강판의 종류와 두께, 전극, 용접기 종류 등의 정보를 입력하면, 소프트웨어는 이를 분석하여 최적의 가압력과 통전 시간을 결정합니다. 그 후, 용접 전류를 변화시키며 시뮬레이션을 수행하여 양호한 용접이 가능한 전류 범위, 즉 공정 창(process window)을 자동으로 찾아내고 최적의 용접 스케줄 사양(WSS)을 제안합니다.

Q4: 시뮬레이션 결과에서 ‘양호한 용접’과 ‘용접 불량(날림 현상)’을 어떻게 구분하나요?

A4: Figure 1c와 1d의 그래프에서 시각적으로 구분합니다. 시뮬레이션은 각 조건에 따른 너겟 직경을 계산하고 이를 미리 정의된 기준과 비교합니다. ‘양호한 용접(good welds)’은 목표 너겟 크기를 만족하는 경우로, 녹색 원형 마커로 표시됩니다. ‘용접 없음 또는 미달 용접(no weld or undersized weld)’은 너겟이 형성되지 않거나 기준보다 작은 경우로, 검은색 사각형 마커로 표시됩니다. ‘과대 용접 또는 날림(oversized or expulsion/splash)’은 용융된 금속이 튀어나가는 현상이 발생한 경우로, 빨간색 사각형 마커로 표시됩니다.

Q5: 논문에 제시된 시뮬레이션 사례에서 구체적으로 어떤 재료들이 사용되었나요?

A5: 논문에서는 여러 구체적인 사례를 제시했습니다. 첫째, 0.8mm DC06 저탄소강, 1.2mm HSLA340 강, 1.5mm DP600 강을 겹친 3종 강판 점용접 사례가 있습니다(Figure 1a). 둘째, 0.8mm DC06 강과 1.2mm DP600 강의 점용접 후 미세조직 및 경도 분포를 분석한 사례가 있습니다(Figure 2). 셋째, 1mm 저탄소강 두 장을 비전도성 접착제로 붙인 용접 본딩 사례(Figure 4)와 마지막으로 샌드위치 강판을 두 장의 HSLA340 강판에 용접하는 사례(Figure 7)가 포함되었습니다.


Conclusion: Paving the Way for Higher Quality and Productivity

자동차 산업의 경량화 추세에 따라 새롭게 등장하는 첨단 소재들의 성공적인 적용은 효율적이고 신뢰성 높은 접합 기술에 달려있습니다. 기존의 시행착오를 반복하는 실험적 접근 방식은 더 이상 경쟁력을 갖기 어렵습니다. 본 논문에서 제시된 저항 용접 시뮬레이션 기술은 이러한 문제를 해결할 강력한 대안입니다.

미세조직과 경도 예측부터 접착제나 폴리머가 포함된 복합재 용접에 이르기까지, 시뮬레이션은 개발 초기 단계에서 용접 품질을 예측하고 공정을 최적화하여 R&D 및 운영 단계에서 막대한 시간과 비용을 절감할 수 있도록 지원합니다. 이는 곧 더 높은 품질과 생산성으로 이어지는 지름길입니다.

“At STI C&D, we are committed to applying the latest industry research to help our customers achieve higher productivity and quality. If the challenges discussed in this paper align with your operational goals, contact our engineering team to explore how these principles can be implemented in your components.”

(주)에스티아이씨앤디에서는 고객이 수치해석을 직접 수행하고 싶지만 경험이 없거나, 시간이 없어서 용역을 통해 수치해석 결과를 얻고자 하는 경우 전문 엔지니어를 통해 CFD consulting services를 제공합니다. 귀하께서 당면하고 있는 연구프로젝트를 최소의 비용으로, 최적의 해결방안을 찾을 수 있도록 지원합니다.

  • 연락처 : 02-2026-0450
  • 이메일 : flow3d@stikorea.co.kr

Copyright Information

  • This content is a summary and analysis based on the paper “Process Simulation of Resistance Weld Bonding and Automotive Light-weight Materials” by “Zhang, Wenqi; Chergui, Azeddine; Nielsen, Chris Valentin”.
  • Source: https://orbit.dtu.dk/en/publications/process-simulation-of-resistance-weld-bonding-and-automotive-li

This material is for informational purposes only. Unauthorized commercial use is prohibited. Copyright © 2025 STI C&D. All rights reserved.

V8 ENGINE

[Webinar]V8 엔진 블록 사형 주조

이 브리핑 문서는 v8 엔진 블록 사형 주조 시뮬레이션을 통해 주조 공정의 결함을 체계적으로 분석하고 해결하는 과정을 상세히 다룹니다. 복잡한 엔진 블록 주조에서 발생하는 수축 다공성, 공기 혼입, 산화물과 같은 치명적인 결함을 설계 단계에서 예측하고 개선하는 FLOW-3D CAST의 강력한 기능을 보여줍니다. 단순 응고 분석부터 주입 시스템 개선, 방향성 응고 제어에 이르기까지, 실제 생산 전에 시행착오를 최소화하고 품질을 극대화할 수 있는 실용적인 시뮬레이션 접근법과 구체적인 해결책을 제시합니다. 주조 공정의 효율성과 제품 품질 향상에 관심 있는 엔지니어와 연구자에게 필수적인 통찰을 제공할 것입니다.

V8 ENGINE

1. V8 엔진 블록 사형 주조 시뮬레이션의 중요성 및 FLOW-3D CAST 소개

1.1. 서론: Flow-3D CAST 및 엔진 블록 사형 주조 시뮬레이션의 중요성

  1. 웹 세미나의 핵심 주제: V8 엔진 블록의 사형 주조 시뮬레이션 설계 탐색 연구에 중점을 둔다.
  2. 시뮬레이션의 목적: 주조 공정에서 발생할 수 있는 결함을 사전에 파악하고 개선하여 “점진적인 진전을 이루고 배우고 변화하여 매번 더 나은 결과를 얻는 것”이다.
  3. FLOW-3D의 역사와 발전:
    1. 시작: 1960년대와 70년대 로스앨러모스 국립 연구소에서 “마커 셀 방식”과 “자유 표면 인터페이스 추적” 기술을 기반으로 시작되었다.
    2. 설립: 1980년에 Dr. Tony Hirt에 의해 설립되었다.
    3. 첫 제품 출시: 1985년에 첫 번째 제품 버전이 출시되었다.
    4. 현재 버전 및 적용 분야: 현재 최신 버전은 FLOW-3D CAST 2023 R2이며, 금속 주조, 3D 프린팅, 고압 다이캐스팅, 대규모 수류 시뮬레이션 등 다양한 분야에 적용되고 있다.
  4. V8 엔진 블록 선택의 이유:
    1. 복잡한 주조물: 엔진 블록은 “복잡한 주조물”이며, 특히 V8 엔진 블록은 높은 마력을 추출하기 위한 고성능 부품이므로 “엔진 블록의 품질과 주조 품질은 매우 중요”하다.
    2. 치명적인 결함: 실제 주조에서 발생하는 수축 다공성(shrinkage porosity), 개재물(inclusions), 균열(cracks)과 같은 결함은 나사산 섹션의 볼트 체결, 크랭크 베어링 지지, 유체 혼합 방지 등 엔진의 무결성에 치명적인 영향을 미칠 수 있다.
    3. 시뮬레이션의 역할: 시뮬레이션은 “스크랩을 재용해하고 현장에서 반복적으로 학습하기 전에” 설계 단계에서 이러한 문제들을 해결하는 강력한 도구이다.

2. 주조 형상 및 초기 고려 사항

  1. V8 엔진 블록의 물리적 특성: 길이가 2피트 미만, 폭이 1.5피트, 높이가 1피트 정도이며 약 100파운드의 금속이 주입되는 “상당한 양”의 주조물이다.
  2. 내재된 문제: 사형 주조 공정의 특성상 금속이 상부에서 하부로 떨어지면서 “에너지 전달”이 발생하고, 이는 바닥에서의 “난류와 넘침”을 유발할 수 있다.
  3. 복잡한 형상:
    1. 두께 변화: 엔진 블록은 얇은 부분(약 5mm)과 두꺼운 부분(약 52mm)이 공존한다.
    2. 중요 상세부: “크랭크, 베어링 레이스, 보어 홀 및 워터 재킷 코어 영역”과 같은 중요한 상세부를 포함하고 있다.
    3. 격자 구성의 어려움: 이러한 복잡한 형상은 “수치적으로 허용 가능한 방식으로 격자를 구성”해야 한다.
    4. 해상도 문제: 2mm 해상도로 약 1,200입방인치의 부피를 나타내지만, “정말 높은 품질”을 위해서는 1mm 해상도가 필요하며, 이는 1억 개 이상의 셀을 가진 문제로 이어질 수 있다.
  4. 결함 방지 영역:
    1. 다공성/수축 방지: “높은 하중을 받는 영역”과 “실린더 스터드 볼트가 깊이 들어가는 영역” 주변의 다공성 또는 수축을 피하는 것이 중요하다.
    2. 공기 혼입/산화물 방지: “공기 혼입으로 인한 가스 다공성 또는 주조물 내 산화물”도 피해야 한다.

3. 시뮬레이션 접근 방식 및 초기 분석

  1. 시뮬레이션 진행 단계: 웹 세미나는 다음과 같은 단계로 주조 공정의 시뮬레이션을 진행한다.
  2. 단순 응고 분석:
    1. 목적: 먼저 엔진 블록만을 대상으로 응고 시뮬레이션을 수행하여 “수축”이 발생하는 위치와 “핫스팟”을 파악한다.
    2. 활용: 이를 통해 “열 모듈러스(thermal modulus)”를 얻어 수축을 보상하기 위한 라이저(riser)의 위치를 결정한다.
  3. 전형적인 주조 문제 해결:
    1. 압축성(Venting) 문제: 주입이 제대로 되지 않고 금속이 냉각되는 것을 방지하기 위해 충분한 통기구(vent)의 중요성을 시뮬레이션으로 보여준다.
    2. 주입 방식: 전통적인 스프루 홀 직접 주입과 스프루 컵 사용의 장단점을 비교하여 “난류를 제어”하고 “미스런(misrun) 없이 주조물을 채울 수 있는” 최적의 균형을 찾는다.
    3. 주조 방향 변경: 주조 방향을 변경하는 것이 사형 주조 공정을 개선할 수 있는지 탐색한다.
    4. 라이저 및 칠 배치: “라이저를 배치하고 칠(chill)을 추출하는 최적의 위치”를 파악한다.
  4. 초기 설계 시도: 문제점을 가정하고 테이퍼 러너와 트랩을 사용하여 초기 설계를 시도하고 유동 및 응고 결과를 분석한다.
  5. 심층 분석 및 점진적 개선: 공정을 세분화하여 유동 및 응고 문제를 상세히 연구하고 “의도적인 조치로 품질을 점진적으로 향상”시키는 방향성 응고 접근법을 모색한다.

4. 응고 분석 결과 및 라이저 배치

  1. 초기 수축 다공성: 초기 단순 응고 시뮬레이션 결과, “주조물의 상단 끝 부분 깊숙이 그리고 실린더 보어 주변에 상당량의 다공성”이 나타났다.
    1. 영향: 특히 “연속적인 다공성”으로 여러 실린더 보어 홀에 영향을 미쳤다.
  2. 핫스팟 및 열 모듈러스: 온도 플롯에서 핫스팟이 명확하게 나타났으며, 이는 “라이저 계산 및 라이저 배치를 위한 열 모듈러스 플롯”을 통해 확인되었다.
    1. 활용: 열 모듈러스는 라이저의 크기와 위치를 결정하는 데 사용된다.
  3. 라이저 설계:
    1. 위치 및 크기 계산: 시뮬레이션에서 얻은 수축 다공성 부피를 CAD 소프트웨어에서 주조물 위에 오버레이하여 “라이저의 정확한 위치와 크기를 계산”했다.
    2. 높이 설계: 라이저는 수축으로 인한 부피 손실을 보상하기 위해 “금속이 라이저 아래로 들어가지 않도록” 5mm 더 높게 설계되었다.
  4. 주조 방향에 따른 라이저 배치:
    1. 실린더 상향 (Cylinders Up): 실린더가 위를 향하고 크랭크가 아래를 향하는 전통적인 방식이며, 라이저는 상단에서 공급된다.
    2. 실린더 하향 (Cylinders Down): 실린더가 아래를 향하고 크랭크가 위를 향하는 방식이며, 라이저 배치가 “조금 까다롭고 최선의 방법은 아니”라고 언급되었다.
    3. 수직 (Vertical): 엔진 블록의 두꺼운 부분을 사용하여 라이저를 배치하고 나중에 기계 가공할 수 있도록 하는 것이 중요하다.

5. 주조 방향 비교 및 최적 방향 선택

  1. 비교 대상: 두 가지 주요 주조 방향(실린더 상향 vs. 실린더 하향)에 대한 시뮬레이션 결과를 비교했다.
  2. 유동 결과 (공기 혼입):
    1. 공통적인 문제: 두 구성 모두 “상당한 양의 공기가 혼입”되었으며, 이는 주입 시스템의 문제로 판단되었다.
    2. 공기 혼입 원인: 초기 금속 주입 시 발생하는 공기 혼입과 시간이 지남에 따라 스프루 내부에 갇혀 다시 주조물로 유입되는 공기가 모두 확인되었다.
    3. 실린더 하향의 이점: “실린더 하향 구성의 공기 혼입이 실린더 상향 구성보다 눈에 띄게 낮았다.” 유동적인 측면에서는 실린더 하향이 더 유리할 수 있다.
  3. 응고 결과 (수축 다공성):
    1. 실린더 하향의 문제점: “실린더 하향 구성과 크랭크 상향 측이 훨씬 더 높은 다공성을 보였다.” 특히 “4개의 실린더 홀에 영향을 미치고 연속적이며 연결되어” 더 큰 다공성 문제를 야기할 수 있었다.
  4. 최적 방향 선택: 공기 혼입 측면에서는 실린더 하향이 유리했지만, “다공성이 훨씬 더 중요”하다고 판단되어 실린더 상향 구성을 최적의 선택으로 결정하고, 실제 주입 시스템 설계에 집중하기로 했다.

6. 주입 시스템 개선을 위한 반복적인 시뮬레이션

6.1. 초기 개선 시도 및 문제점

  1. 초기 개선 시도: 선택된 실린더 상향 구성에 대해 주입 시스템 개선을 위한 반복적인 시뮬레이션이 수행되었다.
    1. 스프루 컵, 스프루 웰, 게이트에 필터(50 PPI 및 30 PPI)를 추가하고 러너 끝에 트랩을 배치했다.
  2. 문제점:
    1. 공기 혼입: 여전히 “상당한 운동량이 스프루에서 러너로, 그리고 주조물로 전달”되어 많은 공기가 혼입되었다.
    2. 트랩 오작동: 트랩이 제대로 작동하지 않아 공기를 주조물 안으로 다시 불어넣었다.
    3. 스프루 공기 축적: “스프루에 더 많은 공기가 모여 게이트를 통해 다시 들어가는” 문제도 발생했다.
    4. 산화물 결함: 알루미늄이 공기에 노출되면서 발생하는 “표면 산화물”도 문제였으며, 트랩이 일부를 포집하려 했지만 주조물 자체, 특히 실린더 보어 주변에 산화물이 남아 있었다.

6.2. 문제 분해 및 해결 (유동 측면)

  1. 스프루 컵 및 스프루 웰 개선:
    1. 유동 댐 (Flow Dam): 스프루 컵 내에 수직 또는 경사진 유동 댐을 추가하여 “주입 운동량을 제어하고 스프루로 떨어지는 공기 혼입량을 줄였다.”
    2. 필터 양말 (Filter Sock): 유동 댐을 통과하는 공기 혼입을 추가로 포집하기 위해 필터 양말을 추가했으며, 이는 “스프루 컵에서 발생하는 공기 혼입 문제를 크게 줄여주었다.”
    3. 스프루 웰 바닥 필터: 10 PPI 필터를 스프루 웰 바닥에 추가하여 “운동량을 크게 줄이고” 공기를 포집하는 데 효과적이었다.
  2. 러너 및 트랩 개선:
    1. 테이퍼 러너 제거: 트랩이 효과적으로 작동하도록 러너의 유동량을 늘리기 위해 테이퍼 러너를 제거했으며, 이는 “유동에 확실한 개선”을 가져왔다.
    2. 트랩의 통기 (Venting): 트랩에 포집된 공기 방울이 “주조물 안으로 다시 불어넣는” 문제가 발견되었고, 이는 통기 문제로 파악되었다.
    3. 해결책: 트랩에 통기구를 추가하여 이 문제를 해결했다.

6.3. 문제 분해 및 해결 (응고 측면)

  1. 추가 라이저: 초기 응고 분석에서 발견된 수축 문제를 해결하기 위해 “세 번째 라이저”를 추가했다.
  2. 칠(Chills) 적용: 방향성 응고를 유도하고 핫스팟을 제거하기 위해 칠을 사용했다.
    1. 칠 재료 비교: 주철 칠과 흑연 칠을 비교한 결과, “흑연 칠이 더 잘 작동”하는 것으로 나타났다.
    2. 흑연의 장점: 흑연은 높은 열전도성과 낮은 열용량을 가지고 있어 “열을 흡수하고 응고를 상당히 잘 변경”할 수 있다.
  3. 칠 대체 라이저: 두 개의 내부 라이저 대신 칠을 사용하여 수축 다공성을 줄이는 실험을 했다.
    1. 비교 대상: 실린더 보어 칠과 워터 재킷 홀에 사용되는 솔트 코어(salt core)를 비교했다.
    2. 결과: “칠 보어가 다공성을 보어에서 더 멀리 밀어냈”고, 솔트 코어는 다공성을 아래로 당겨 보어에 너무 가깝게 만들었다.
    3. 결론: 따라서 칠이 더 효과적이었다.
  4. 확장된 칠 보어: 칠 보어를 확장하여 다공성 부피를 절반 이상 줄이고 “임계 위치에서 멀리 이동”시키는 데 성공했다.
  5. 라이저 슬리브 (Riser Sleeves): 칠 없이 슬리브가 있는 라이저만을 사용하여 내부 라이저에 추가하여 수축을 보상하는 실험을 했다.
    1. 효과: 이 또한 “다공성을 다시 줄이고 멀리 이동”시키는 데 효과적이었다.
    2. 슬리브의 역할: 슬리브는 “더 오랫동안 뜨겁게 유지”하여 응고 시간을 변경하는 데 도움이 된다.

7. 결론 및 향후 전망

  1. 시뮬레이션의 역할: 시뮬레이션은 주조 공정의 결함을 식별하고 해결하는 데 “점진적인 이해와 반복적인 과정”을 제공했다.
  2. 주요 성과:
    1. 단순 응고 분석을 통한 라이저 설계.
    2. 주조 방향의 영향 분석 및 최적 방향 선택.
    3. 유동 및 응고 문제의 분리 및 개선.
    4. 주입 시스템에서 발생하는 공기 혼입 문제 해결 (유동 댐, 필터 양말, 스프루 웰 필터, 통기구).
    5. 방향성 응고 제어를 통한 다공성 완화 (칠, 슬리브 라이저).
  3. 향후 탐색 가능성:
    1. 다른 주조 공정: 사형 주조 외에 “틸트 회전 방식” 또는 “저압 또는 고압 주조”와 같은 다른 주조 공정의 탐색.
    2. 최적화: 시뮬레이션 변수(공간, 재료)를 매개변수화하여 “최적화 도구”를 사용하여 문제 해결을 가속화.
    3. 3D 프린팅: “3D 프린팅 금형”을 사용하여 전통적인 사형 주조로는 불가능한 복잡한 형상과 개선된 칠 재료 및 형태를 적용할 수 있다.
    4. 솔트 코어: 특히 “솔트 코어”와 같은 내부 구조에 유리하다.
  4. 웹 세미나의 의의: 웹 세미나는 시뮬레이션의 강력한 기능을 통해 V8 엔진 블록 주조에서 발생하는 주요 결함(공기 혼입, 수축 다공성, 산화물)을 체계적으로 분석하고 해결책을 찾아가는 과정을 매우 상세하게 보여주었다.

optimization result

[Webinar] 레이저 기반 적층 제조 모델링 및 분말의 역할

이 문서는 레이저 기반 적층 제조AM 공정에서 전산 유체 역학(CFD)의 역할, 특히 분말 입자의 중요성을 강조합니다. FLOW-3D AM 소프트웨어를 사용하여 LPBF 및 DED 공정에서 분말 베드 형성, 스패터 현상, 기공 형성 등을 모델링하는 방법을 설명합니다. 핵심은 분말 거동이 최종 부품 품질에 직접적인 영향을 미치며, CFD 시뮬레이션을 통해 공정 변수를 최적화하여 결함을 줄이고 생산 효율성을 높일 수 있다는 것입니다. 궁극적으로, CFD는 눈에 보이지 않는 역학을 예측하고 고품질 AM 부품 생산을 가능하게 하는 필수적인 도구입니다. 이 자료는 적층 제조 공정의 이해도를 높이고, 공정 최적화를 위한 시뮬레이션 활용 가능성을 제시합니다.

optimization result

1. 🛠️ 레이저 기반 적층 제조와 CFD, 그리고 분말 입자의 중요성

  • 이 문서는 Flow Science의 CFD 엔지니어 Garr Kima의 웹 세미나 발췌문을 기반으로 작성된 자료이다.
  • 레이저 기반 적층 제조AM 공정 모델링에서 전산 유체 역학CFD의 역할과 분말 입자의 중요성에 초점을 맞추고 있다.
  • 웹 세미나에서는 AM 공정 내 CFD의 중요성과 함께 분말 입자를 고려하는 다양한 방법을 강조한다.

2. 🧩 AM 공정의 복잡성과 분말 모델링의 중요성

  • 전산 유체 역학CFD는 유체 운동의 지배 방정식에 대한 수치적 해를 찾는 분야이며, FLOW-3D AM 소프트웨어는 액체와 기체 사이의 계면자유 표면을 포함하는 비정상 3차원 유체 문제에 특화되어 있다.
  • 레이저 분말 베드 융합LPBF 및 지향성 에너지 증착DED에서 용융 풀의 자유 표면은 열원이 금속에 닿아 상태를 변화시키는 핵심 지점이다.
  • 적층 제조AM 공정은 다양한 규모와 재료에서 동적이고 복잡한 과제가 발생하며, 특히 PBF 및 DED 공정은 분말 입자, 환경, 열원, 그리고 다른 입자와의 상호 작용으로 인해 독특한 복잡함을 가진다.
  • 분말의 처리는 LPBF에서 빌드 결함을 초래할 수 있으므로 매우 중요하며, 분말 베드의 충진율, 크기 분포, 유동성, 층 높이의 이상은 용융 풀의 동역학에 영향을 미쳐 기공 또는 미세 구조 불균일성을 유발할 수 있다.

3. 🧩 FLOW-3D AM에서의 분말 모델링 방법과 적용

  • DED 공정에서는 분말이 노즐을 통해 에너지원에 의해 용융되어 기존 재료 또는 빌드 플레이트와 결합된다
  • 이산 요소법DEM은 LPBF 공정에서 분말 베드 형성을 모델링하는 데 사용되며, 이는 고체 입자들이 서로 혹은 외부 형상, 그리고 유체 흐름과 어떻게 상호작용하는지를 해결한다
  • DEM 모델은 고체 입자만 다루며, 이 입자들은 유체 형상으로 변환되기 전까지 상 변경이 불가능하다
  • 라그랑주 유체 입자 모델은 DED 공정의 분말 거동 모델링에 사용된다

4. 🧬 AM 적층제조 공정에서 스패터와 기공 형성 원인 및 CFD 모델링의 역할

  • 라그랑주 입자는 서브그리드 마커로서 메시 그리드에 해상될 필요 없이 유체 요소의 동작을 추적하며, 레이저에 의해 가열될 때 열 전달 및 상태 변화에 참여한다.
  • 스패터는 레이저 분말 베드 융합 과정에서 용융 영역에서 입자가 방출되는 현상으로, 입자가 의도된 위치를 벗어나면 분말 베드를 오염시키고 최종 빌드의 기계적 특성을 저하시킨다.
  • 스패터는 원인에 따라 고체 분말 입자가 방출되는 콜드 스패터실드 가스 포획/와류와, 액체 금속 입자가 방출되는 핫 스패터용융 풀 불안정성로 구분된다.
  • 기공 형성은 스패터 입자가 용융 풀에 착륙할 때 발생하며, 모델링을 통해 용융되지 않은 입자가 용융 풀에 도달하는 깊이가 최종 부품의 공극 발생에 결정적임을 알 수 있다.
  • DED에서 분말 주입 속도는 증착 트랙의 열 및 유체 흐름 조건에 직접적인 영향을 준다.

5. 🔎 보이지 않는 역학 예측과 다중 스케일 접근의 중요성

  • CFD는 육안으로 볼 수 없는 미세한 용융 흐름의 동역학을 예측하는데 필수적이며, 이는 부품의 품질을 결정하는 핵심 요소이다.
  • 적층 제조AM 공정은 분에서 나노초, 미터에서 마이크론에 이르는 다중 스케일 현상을 포함하므로, 다양한 크기와 시간대의 접근이 필요하다.
  • FLOW-3D AM은 공정 변수가 용융 풀에 미치는 영향을 정확히 예측하고, 모델을 통해 정보에 입각한 설계 변경이 가능하다.
  • 분말 베드의 이상은 결함과 다공성, 미세 구조 불일치로 이어져 부품 강도에 영향을 주며, DED 공정에서는 분말 주입 방식이 트랙 형태와 생산 속도에 직접적으로 영향을 미친다.
  • 스패터 및 기공 형성 같은 현상은 모델링을 통해 메커니즘을 이해하고 완화할 수 있으며, 최적의 공정 매개변수 탐색 시간을 크게 줄여 효율성을 높인다.

6. 🚀 CFD와 AI를 통한 적층 제조 공정 혁신의 전망

  • 인공 지능 알고리즘의 활용은 최적의 공정 매개변수 산출 과정을 훨씬 단순화할 수 있다.
  • FLOW-3D AM 소프트웨어는 현재 단일 노드에서 시뮬레이션을 실행하지만, 향후 병렬 분산 메모리 지원을 통해 성능이 크게 향상될 예정이다.
  • AM 공정 엔지니어에게는 정확하고 재현 가능한 고강도 부품을 빠르게 생산하는 것이 목표이며, 이를 위해 정교한 수치 모델링 도구가 거의 필수적이다.
  • 분말 거동, 스패터와 기공 등 주요 결함의 식별 및 완화, 그리고 최적화 알고리즘을 통한 공정 변수 개발 가속화는 고품질 AM 부품의 대량 생산에 핵심적이다.
  • 컴퓨팅 효율성과 모델링 기술이 계속 발전하면서, CFD는 여전히 AM 분야에서 지식 확장과 공정 최적화에 필수적일 것으로 전망된다.
Coating

[Webinar] FLOW-3D를 이용한 액체 필름 코팅 모델링

이 문서는 FLOW-3D 소프트웨어를 이용한 액체 필름 코팅 모델링 웨비나 내용을 요약한 것입니다. FLOW-3D전산 유체 역학(CFD) 소프트웨어로, 유동 특성 시뮬레이션, 유체 거동 시각화, 정량적 결과 도출에 사용됩니다. 특히 자유 표면다중 물리 시뮬레이션에 강점을 가지며, 코팅, 미세 유체 역학, 적층 제조 등 다양한 분야에 응용됩니다. CFD 모델링은 비용과 시간을 절감하고, 최적의 코팅 창을 평가하며, 결함 원인 식별 및 불안정성 분석에 기여합니다. 이처럼 FLOW-3D는 코팅 공정의 이해를 돕고 최적화 설계를 가능하게 하는 필수적인 도구입니다.

1. 🧬 FLOW-3D의 등장과 핵심 기술적 배경

  • FLOW-3D는 유동 특성 시뮬레이션, 유체 거동 시각화, 정량적 결과 도출이 가능한 전산 유체 역학(CFD) 소프트웨어이다.
  • 자유 표면 및 다중 물리 시뮬레이션에 강점을 가지며, 코팅, 미세 유체 역학, 적층 제조, 토목 공학, 금속 주조 등에서 활용된다.
  • FLOW-3D로스 알라모스 국립 연구소 T3 그룹의 초기 CFD 방법론 개발에서 비롯되었고, 마커-앤-셀(MAC), 와도-유선(vorticity-stream function) 같은 기술을 토대로 한다.
  • 소프트웨어의 핵심은 유체 부피(VOF, Volume of Fluid) 방법론으로, 이 방법론이 FLOW-3D의 중요한 기반이 된다.
  • Flow Science는 Dr. Tony Hirt에 의해 1980년에 설립되었고, FLOW-3D 제품은 1985년 처음 출시되었으며, 자유 표면 및 다중 물리 시뮬레이션을 전문적으로 다룬다.

2. 🛠️ FLOW-3D와 CFD의 산업별 활용 및 코팅 분야의 중요성

  • FLOW-3DFDM(퓨즈 증착 모델링), 레이저 파우더 침대 융합, 미세 유체 입자 분류, 지향성 에너지 증착, 열 잉크젯, 섬유 액적 충돌 시뮬레이션 등 다양한 산업 분야에 활용된다.
  • CFD의 목적은 유동 특성 시뮬레이션, 유체 거동 시각화, 시뮬레이션 결과로부터 정량적 데이터 도출에 있다.
  • 시뮬레이션을 통해 프로세스 물리 및 유동 특성을 이해하고, 이를 바탕으로 예측·설계 최적화가 가능하다.
  • 코팅은 기능, 보호, 장식 목적 등으로 전자 제조, 자동차, 포장, 광학, 배터리 생산 등 여러 산업 분야에서 필수적이다.

3. 🧑‍🔬 CFD 모델링이 코팅 프로세스에 제공하는 실질적 이점

  • 롤 코팅, 슬롯 다이 코팅, 커튼 코팅, 그라비아 코팅 등이 주요 코팅 프로세스로 다뤄진다.
  • 슬롯 다이 프로토타입 제작에 약 8만 달러와 30일이 소요되지만, 시뮬레이션을 통해 비용과 시간을 대폭 절감할 수 있다.
  • 시뮬레이션 환경에서는 생산량을 늘리고 신소재, 새로운 디자인의 처리 매개변수를 더 잘 이해함으로써 최적의 코팅 창을 평가할 수 있다.
  • CFD는 미크론 규모의 과도 분석이 가능해 실험으로는 어렵거나 불가능한 결함의 원인과 디자인 특징(예: 슬롯 다이 내부 유동)을 파악할 수 있다.
  • 리빙 불안정성(ribbing instabilities) 등과 같은 미세한 불안정성의 전파를 분석하여 공정 안정성 확보에 기여한다.

4. 🧑‍🔬 FLOW-3D의 핵심 기술 및 코팅 물리 모델

  • 유체 부피(VOF) 방법자유 표면 추적에 사용되며, 셀 내 유체 분율(0~1)을 통해 계면을 섬세하게 표현한다.
  • True VOF라는 FLOW-3D만의 정교한 VOF 버전을 적용한다.
  • VOF 솔버에 다양한 다중 물리 기능을 결합하여 금속 주조, 토목, 코팅, 상변화 등 폭넓은 분야에 대응할 수 있다.
  • 표면 장력점도는 코팅 공정 이해에 필수적인 근본 물리 모델로, 동적·정적 접촉각 계산 및 구현이 가능하다.
  • 이동 물체(롤러, 기판), 입자(용질, 안료), 탄성 유체, 열 전달·상변화 등 다양한 보조 모델을 포함할 수 있다.
  • 학술 및 산업 사례에서 실험과 매우 우수한 일치를 보여, 모델의 신뢰성이 높다.

5. 🧪 다양한 코팅 응용 사례와 FLOW-3D의 시뮬레이션 활용

  • 롤 코팅에서는 코팅 두께 제어, 균일성 확보, 결함 최소화가 목표이며, 다양한 유동 체제를 시뮬레이션하여 코팅 창(coating window), 재순환 영역, 리빙 불안정성, 미스팅 결함 등의 예측 및 방지가 가능하다.
  • 리빙 불안정성은 롤러 간 틈새 거리와 모세관 수(capillary number)에 따라 발생하며, 시뮬레이션 결과가 실험과 “매우 좋은 일치”를 보인다.
  • 슬롯 다이 코팅에서는 다이 내 유량, 롤러/기판 속도, 유동학 등 매개변수를 활용해 코팅 공정의 균일성과 정체 영역, 진공 보조에 의한 코팅 비드(coating bead) 안정성, 다공성 매체로의 침투를 분석한다.
  • 커튼 코팅은 높은 위치에서 유체를 떨어뜨려 다층 및 고르지 않은 표면 코팅에 유용하며, 안정적인 접촉선 유지와 접힌 가장자리 최소화가 중요하다.
  • 그라비아 코팅에서는 셀 모양 롤러를 통한 인쇄, 작동 속도 증가, 상세 인쇄가 가능하고, 셀 내 유체 증착량 최적화 및 공기 포켓 최소화를 목표로 시뮬레이션이 이뤄진다.
  • 다양한 비뉴턴 유체 특성(전단 박화, 전단 농화, 탄성 등) 및 Herschel-Bulkley 유동을 모델링하여 접착제, 페인트 코팅과 같은 응용 분야에 적용할 수 있다.

6. 🏭 Roche Diagnostics 산업 사례에서 FLOW-3D의 코팅 프로파일 예측 효과

  • 전기화학 테스트 스트립 생산을 위해 균일한 가장자리 프로파일 달성 목표로 연구를 진행했다.
  • 정적 접촉각점탄성(visco-elasticity)의 영향을 시험하여, 다양한 변수에 따른 코팅 두께를 분석했다.
  • 실험과 FLOW-3D 예측 모델 간에 습식 필름 높이의 “정말 좋은 일치”가 있음을 확인했다.
  • 접촉각이 40도일 때는 불안정한 프로파일, 10도일 때는 훨씬 더 균일한 프로파일이 나왔다.
  • 점탄성을 위해 100의 전단 탄성 계수(shear modulus)를 적용하면, 유체의 탄성이 더 균일한 가장자리 프로파일 유지에 실제로 도움이 된다는 결과가 나왔다.

7. 🚀 FLOW-3D의 고성능 기능과 코팅 공정 최적화 가치

  • 클라우드를 통한 HPC 연결로 수천 개의 최신 CPU 코어를 언제든 사용하여 크고 복잡한 시뮬레이션 파일도 빠르게 처리할 수 있고, 상당한 속도 향상이 가능하다.
  • 설정 과정이 매우 간단하고, 강력한 후처리 및 시각화 도구를 통해 문제를 심층 분석하고 이해할 수 있다.
  • 미세 유체 역학 및 적층 제조 등 분야의 워크숍과 웹 세미나를 제공하여 사용자들이 소프트웨어를 쉽게 익힐 수 있도록 지원한다.
  • 강력한 VOF 솔버와 다양한 다중 물리 모델을 탑재하였으며, 우수한 시각화/후처리 기능 덕분에 연구자와 엔지니어가 코팅 프로세스를 최적화하고 결함 최소화, 혁신설계 개발에 활용할 수 있다.
  • FLOW-3D는 복잡한 물리학과 큰 종횡비를 포함하는 코팅 문제까지 정확하게 모델링할 수 있는 다재다능하고 견고한 CFD 소프트웨어다.
Fig. 6 LH2 isotherms at 1020 s.

액체-수소 탱크를 위한 결합된 열역학-유체-역학 솔루션

Coupled thermodynamic-fluid-dynamic solution for a liquid-hydrogen tank

G. D. Grayson

Published Online:23 May 2012 https://doi.org/10.2514/3.26706

Tools Share

Free first page

Introduction

ROPELLANT 열 성층화 및 외부 교란에 대한 유체 역학적 반응은 발사체와 우주선 모두에서 중요합니다. 과거에는 결합된 솔루션을 제공할 수 있는 충분한 계산 기술이 부족하여 이러한 문제를 개별적으로 해결했습니다.1

이로 인해 모델링 기술의 불확실성을 허용하기 위해 큰 안전 계수를 가진 시스템이 과도하게 설계되었습니다. 고중력 환경과 저중력 환경 모두에서 작동하도록 설계된 미래 시스템은 기술적으로나 재정적으로 실현 가능하도록 과잉 설계 및 안전 요소가 덜 필요합니다.

이러한 유체 시스템은 열역학 및 유체 역학이 모두 중요한 환경에서 모델의 기능을 광범위하게 검증한 후에만 고충실도 수치 모델을 기반으로 할 수 있습니다. 상용 컴퓨터 코드 FLOW-3D2는 유체 역학 및 열 모델링 모두에서 가능성을 보여주었으며,1 따라서 열역학-유체-역학 엔지니어링 문제에서 결합된 질량, 운동량 및 에너지 방정식을 푸는 데 적합함을 시사합니다.

발사체의 복잡한 액체 가스 시스템에 대한 포괄적인 솔루션을 달성하기 위한 첫 번째 단계로 액체 유체 역학과 열역학을 통합하는 제안된 상단 단계 액체-수소(Lit) 탱크의 간단한 모델이 여기에 제시됩니다. FLOW-3D FLOW-3D 프로그램은 Los Alamos Scientific Laboratory에서 시작되었으며 마커 및 셀 방법에서 파생된 것입니다.3 현재 상태로 가져오기 위해 수년에 걸쳐 광범위한 코드 수정이 이루어졌습니다.2

프로그램은 다음과 같습니다. 일반 Navier-Stokes 방정식을 풀기 위해 수치 근사의 중앙 유한 차분 방법을 사용하는 3차원 유체 역학 솔버입니다. 모멘텀 및 에너지 방정식의 섹션은 특정 응용 프로그램에 따라 활성화 또는 비활성화할 수 있습니다.

코드는 1994년 9월 13일 접수를 인용하기 위해 무액체 표면, 복잡한 용기 기하학, 여러 점성 모델, 표면 장력, 다공성 매체를 통한 흐름 및 응고와 함께 압축성 또는 비압축성 유동 가정을 제공합니다. 1995년 1월 15일에 받은 개정; 1995년 2월 17일 출판 승인.

ROPELLANT thermal stratification and fluid-dynamic response to external disturbances are of concern in both launch vehicles and spacecraft. In the past these problems have been addressed separately for want of sufficient computational technology to provide for coupled solutions.1 This has resulted in overdesigned systems with large safety factors to allow for the uncertainty in modeling techniques. Future systems designed to perform in both highand low-gravity environments will require less overdesign and safety factors to be technically and financially feasible. Such fluid systems can be based on high-fidelity numerical models only after extensive validation of the models’ capabilities in environments where both the thermodynamics and the fluid dynamics are important. The commercial computer code FLOW-3D2 has shown promise in both fluid-dynamic and thermal modeling,1 thus suggesting suitability for solving the coupled mass, momentum, and energy equations in thermodynamic-fluid-dynamic engineering problems. As a first step to achieving a comprehensive solution for complex liquidgas systems in a launch vehicle, a simple model of a proposed upper-stage liquid-hydrogen (Lit) tank incorporating the liquid fluid dynamics and thermodynamics is presented here. FLOW-3D The FLOW-3D program originated at the Los Alamos Scientific Laboratory and is a derivative of the marker-and-cell method.3 Extensive code modifications have been made over the years to bring it to its present state.2 The program is a three-dimensional fluiddynamic solver that uses a central finite-difference method of numerical approximation to solve the general Navier-Stokes equations. Sections of the momentum and energy equations can be enabled or disabled depending on the particular application. The code provides compressible or incompressible flow assumptions with liquid free surfaces, complex container geometries, several viscosity models, surface tension, flow though porous media, and solidification, to cite Received Sept. 13, 1994; revision received Jan. 15, 1995; accepted for publication Feb. 17, 1995. Copyright © 1995 by the American Institute of Aeronautics and Astronautics, Inc. All rights reserved. *Engineer/Scientist, Propulsion Analysis and Hydraulics, Space Transportation Division, MS 13-3, 5301 Bolsa Avenue. Member AIAA. a few of the possibilities. Further information on FLOW-3D’s capabilities and details of the numerical algorithms can be found in Ref. 2

Fig. 1 Axial-acceleration history.
Fig. 1 Axial-acceleration history.
Fig. 2 Heat flux histories.
Fig. 2 Heat flux histories.
Fig. 3 LHi isotherms at 50 s.
Fig. 3 LHi isotherms at 50 s.
Fig. 4 LH2 isotherms at 300 s
Fig. 4 LH2 isotherms at 300 s
Fig. 5 LH2 isotherms at 880 s.
Fig. 5 LH2 isotherms at 880 s.
Fig. 6 LH2 isotherms at 1020 s.
Fig. 6 LH2 isotherms at 1020 s.
Fig. 7 Tank-outlet temperature history.
Fig. 7 Tank-outlet temperature history.

Particles | 입자

입자 / Particles

본질적으로 Lagrangian 입자는 복잡한 흐름에서 물리량을 추적하는 독특한 방법을 가지고 있습니다. 이들의 속성은 메시 해상도에 의해 덜 제한되며, 동시에 질량, 운동량 및 열 전달을 통해 유체 및 고체와 함께 매우 세부적이고 사실적으로 상호 작용할 수 있습니다. 후 처리(Post Processing) 측면에서 입자는 시각화를 향상 시킬 수 있습니다.

금속 증착 시뮬레이션으로 시각화된 Lagrangian 입자
FLOW-3D의 Lagrangian 입자 모델

FLOW-3D의 입자 모델은 전기장 효과 및 유체 흐름과의 양방향 커플 링을 포함하여 마커에서 크기와 밀도가 다른 질량 입자로 진화했습니다. 이 모델은 공기 중의 오염 물질, 금속 함유물 및 분리기에서 포착되는 파편을 추적하는데 성공적으로 적용되었습니다. 최근에는 FLOW-3D의 입자 모델이 기능을 확장하기 위한 큰 변화가 있었습니다. 현재 모델에서 입자는 기본 기능에 따라 클래스로 그룹화됩니다.

  • 마커 입자 는 단순한 질량이 없는 마커로 유체 흐름을 추적하는 데 가장 적합합니다.
  • 질량 입자 는 모래 알갱이 또는 내포물과 같은 고체 물체를 나타냅니다.
  • 액체 입자 는 유체로 만들어지며 모든 유체 속성을 상속합니다.
  • 가스 입자 는 주변 유체의 온도 및 압력 부하에 따라 크기가 변하는 기포를 나타냅니다.
  • 보이드 입자 는 가스 입자와 유사하지만 그 특정 기능은 붕괴된 기포를 표시하고 추적하는 것입니다. 이는 다른 응용 분야에서 주조시 금형 충전 중에 생성되는 잠재적 다공성 결함을 예측하는 데 유용합니다.
  • 프로브 입자 는 해당 위치에서 변수 값을 기록하고 보고하는 진단 장치로 사용됩니다. 다른 클래스의 입자로 만들 수 있습니다.
  • 사용자 입자 는 소스 코드에서 사용자 정의 함수를 통해 사용자 정의를 할 수 있습니다.

각 입자 클래스에는 드래그 계수 및 각 숫자 입자가 물리적 입자의 구름을 나타낼 수 있는 매크로 입자 계수와 같이 클래스의 모든 입자에 적용되는 속성이 있습니다. 사용자 클래스의 입자에는 사용자가 사용자 정의 할 수 있는 세 가지 추가 속성이 있습니다.

다양한 크기와 밀도의 입자를 나타내는 재료 입자 클래스 내에서 여러 종을 정의 할 수 있습니다. 주변 유체와의 열 전달은 모든 재료 입자, 즉 질량, 액체, 가스, 보이드 및 사용자 입자에 적용되는 또 다른 기능입니다.

가스 입자의 압력은 상태 방정식과 온도 변화에 따른 변화를 사용하여 계산됩니다. 기체 입자가 유체가 없는 표면을 벗어나면 기체 영역에 부피를 추가합니다.

액체 입자의 유체는 응고 뿐만 아니라 증발 및 응축으로 인해 상 변화를 겪을 수 있습니다. 응고된 입자는 질량 입자와 유사한 고체 물체로 작동하지만 일단 들어가서 다시 녹으면 유체로 변환됩니다. 또한 2 유체 상 변화 모델이 활성화되면 액체 입자가 기체 내에서 이동하면서 증발 및 응축될 수 있으므로 스프레이 냉각 모델링에 유용합니다.

각 파티클 클래스는 FLOW-3D POST 에서 별도의 개체로 시각화 할 수 있습니다. 속도, 온도, 입자 수명 또는 고유 ID와 같은 개별 입자 속성을 색상에 사용할 수 있습니다. 표시된 입자 크기는 클래스 내에서의 변화를 반영합니다.

Lagrangian 입자를 직접 금속 증착에 적용

직접 금속 증착은 동일한 금속의 분말 스트림이 주입되는 고체 금속 기판에 용융 풀을 형성하기 위해 레이저를 사용하는 적층 제조 공정의 한 유형입니다. 분말 입자가 풀 내부에서 녹고, 풀이 다시 응고되면 일반적으로 두께가 0.2-0.8mm이고 너비가 1-2mm 인 고형화된 금속 층이 형성됩니다.

laser/powder gun 어셈블리가 기판 표면을 계속 스캔하므로 복잡한 모양을 층별로 만들 수 있습니다. 레이저 출력, 속도 및 분말 공급 사이의 적절한 균형은 공정의 성공과 효율성을 위해 중요합니다. 엔지니어의 주요 관심 사항은 다음과 같습니다.

  • 용융 풀의 크기와 모양
  • 금속 흐름 및 그 내부의 냉각 속도
  • 응고된 층의 형상

이 섹션에서 설명하는 시뮬레이션은 이러한 특성을 정확하게 예측합니다. 레이저와 기판의 움직임은 좌표계를 레이저에 부착함으로써 반전됩니다. Inconel 718 합금의 기판은 10mm/s의 일정 속도로 움직입니다. 레이저는 1.8kW의 출력으로 반경 1mm의 원형 열원으로 모델링됩니다. 3 개의 파우더 건은 0.684 g/s의 속도로 레이저 충돌 점에서 고체 금속 입자를 전달합니다. 각 건은 크기가 2 x 2 mm이고 초당 입자 비율은 105 입니다.

입자는 액체 입자 클래스를 사용하여 모델링됩니다. 모든 입자의 직경은 40 μm입니다. 매크로 입자 배율 10은 시뮬레이션에서 입자 수를 줄이는데 사용됩니다. 3백만 개의 물리적 입자를 나타내는 매 초당 시뮬레이션에서 3 x 105 개의 숫자 입자가 생성됩니다. 입자의 초기 온도는 480°C입니다. 즉, 풀에 충돌하기 전에 고체 상태입니다.

시뮬레이션은 분말을 첨가하기 전에 용융 풀이 형성 될 수 있도록, 시작한 후 2초 후에 입자 소스를 활성화하여 10초 동안 실행했습니다. 일단 풀에 들어가면 입자가 녹아 금속으로 전환되어 금속의 부피가 증가하여 궁극적으로 레이저에서 하류의 재응고 금속 층을 형성합니다. 용융 풀 모양은 대칭 평면에 표시됩니다.

새로운 Lagrangian 입자 모델은 FLOW-3D의 현재 기능을 크게 확장 할 뿐만 아니라 금속의 핵심 가스 버블 추적과 같은 향후 확장을 위한 강력한 개발 플랫폼을 만듭니다.

Figure 1. Microchannel pressure field at a) Maximum upward acceleration b) Maximum downward acceleration

Mass Particles and Acoustophoretics

질량 입자 및 Acoustophoretics

주요 개발 중 하나는 FLOW-3D v11.2 버전부터 크게 개선 및 확장된 입자 모델 입니다. 사실 입자 모델에는 새로운 기능이 너무 많아서 질량 입자에 대해 여러 게시물에서 논의 할것입니다.

Acoustophoretic Particle Focusing
Acoustophoretic Particle Focusing

새 모델에서 입자는 기본 기능에 따라 다음 클래스로 그룹화됩니다.

  • 마커 입자 는 단순하고 질량이없는 마커이며 유체 흐름을 추적하는 데 가장 적합합니다.
  • 질량 입자 는 모래 알갱이 또는 내포물과 같은 고체 물체를 나타냅니다.
  • 유체 입자 는 유체 로 구성되며 응고를 포함한 유체 특성을 상속합니다.
  • 가스 입자  는 주변 유체의 온도 및 압력 부하에 따라 크기가 변하는 기포를 나타냅니다.
  • 공극 입자 는 가스 입자와 유사하지만 그 특정 기능은 붕괴 된 공극 영역을 표시하고 추적하는 것입니다. 예를 들어 주조에서 금형 충전 중에 생성되는 잠재적 다공성 결함을 예측하는 데 유용합니다.
  • 질량 / 운동량 소스 입자  는 메시에서 사용자 정의 된 질량 / 운동량 소스를 나타냅니다.
  • 프로브 입자  는 해당 위치에서 용액 양을 기록하고보고하는 진단 장치 역할을합니다. 다른 클래스의 입자로 만들 수 있습니다.
  • 사용자 입자 는 소스 코드의 사용자 정의 함수를 통해 사용자 정의 할 수 있습니다.

질량 입자

FLOW-3D 에서 질량 입자 옵션이 활성화 되면 사용자는 다양한 직경과 밀도를 가진 다양한 질량 입자 종을 설정할 수 있습니다. 또한 질량 입자의 역학은 확산 계수, 항력 계수, 난류 슈미트 수 및 복원 계수와 같은 속성에 의해 제어 될 수 있습니다. 질량 입자는 열적 및 전기적 특성을 지정할 수도 있습니다.

사용자는 입자 생성을 위해 여러 소스를 설정할 수 있으며 각 소스는 이전에 정의 된 질량 입자 종 전체 또는 일부의 혼합을 가질 수 있습니다. 또한 사용자는 임의 또는 균일한 입자 생성을 선택하고 소스에서 입자가 생성되는 속도를 정의할 수도 있습니다. 전체적으로 사용자가 이 강력한 입자 모델을 사용할 수 있는 방법에는 많은 유연성이 있습니다.

Acoustophoretic Particle Separation | 음향 영동 입자 분리

Acoustophoretic Particle Separation는 질량 입자를 직접 사용할 수 있는 많은 응용 분야 중 하나 입니다. Acoustophoretics 입자 분리는 미세 유체 채널의 용액에서 많은 양의 물체를 제거하는 현대적이고 효율적인 방법을 나타냅니다. 미세 유체 용액에서 부유 고체 물체를 분리하는 능력은 의료(예 : 악성 세포 제거), 리서치(예 : 나노 입자 분리), 산업계(예 : 부유 고체 격리) 및 환경(예 : 수질 정화)등에 필요합니다. 원칙적으로 입자 분리는 음향력에 의해 이루어집니다. 원칙적으로 이러한 힘은 정상 파장에 의해 생성된 압력의 조합입니다. 진동의 진폭이 충분히 클 때 입자와 채널 벽의 충돌로 인한 유체 항력 및 임펄스 힘의 조합으로 인해 Acoustophoretics 과정에 관여하는 입자는 크기와 밀도에 따라 분리 될 수 있습니다.

우리가 아는 한, 앞서 언급 한 모든 힘의 영향을 고려한 주제에 대한 수치해석 연구는 거의 없습니다. 따라서 이 기사에서는 FLOW-3D를 사용하여 Acoustophoretics 모델링의 포괄적인 방법을 제시합니다 . FLOW-3D 의 고유한 모델링 기능을 활용하여 업데이트된 입자 모델을 사용하여 임의의 방식으로 도메인 내부에 질량 입자를 쉽게 도입한 다음 지정된 주파수에서 지정된 길이 진폭으로 전체 도메인을 진동시킬 수 있습니다. 나머지 수치 시뮬레이션 결과와 함께 마이크로 채널 진동은 FlowS3D POSTTM 및 개선된 비관성 참조 프레임 렌더링 기능을 사용하여 쉽게 시각화 할 수 있습니다 .

프로세스 매개 변수

이 분석을 위해 모서리가 100μm이고 총 길이가 1mm인 정사각형 단면을 가진 마이크로 채널을 정의하는 계산 영역이 사용되었습니다. 총 1148 개의 입자가 처음에 전체 계산 영역에 무작위 방식으로 도입되었습니다. 우리는 10Khz의 일정한 주파수와 여러 진폭에서 전체 마이크로 채널을 진동 시키기로 결정했습니다. 진폭의 길이는 3.125μm에서 50μm까지 다양했습니다. 일반적으로 진동 진폭이 클수록 빠르게 변화하는 시간적 변수 변화를 설명하기 위해 더 작은 시간 단계 크기가 필요합니다. 그럼에도 불구하고 총 분석 시간은 32 코어 독립형 워크스테이션에서 2 시간 미만이었습니다.

Figure 1. Microchannel pressure field at a) Maximum upward acceleration b) Maximum downward acceleration
Figure 1. Microchannel pressure field at a) Maximum upward acceleration b) Maximum downward acceleration

결과 및 논의

그림 1에서 볼 수 있듯이 압력 장은 진동의 위상에 따라 달라집니다. 보다 구체적으로 그림 1a에서는 최대 상승 가속시 발생하는 채널 하단에 위치한 압력 선단을 관찰하고, 그림 1b에서는 최대시 발생하는 채널 상단에 위치한 압력 선단을 관찰합니다. 하향 가속. 그림 1의 두 결과는 최대 압력이 2400 Pa (약 0.24 Atm) 이상인 최대 진폭의 경우를 나타냅니다.

입자 분류의 진화를 보여주는 진폭의 다른 수준에서 마이크로 채널 모션의 애니메이션. 삽입 된 그래프는 채널 속도를 보여줍니다.

입자 분리 애니메이션은 Acoustophoretic Particle Separation 방법의 효과를 보여주고 영향을 주는 힘을 강조합니다. 입자는 주로 낮은 진폭에서 압력과 항력의 영향을 받지만 진동의 길이 진폭이 마이크로 채널의 크기와 비슷해지면 입자는 충돌로 인한 충격력으로 인해 단일 분리 평면으로 강제됩니다. 마이크로 채널의 상단 및 하단 벽. 이 모델링 방법으로 얻은 수치 결과는 4ms 미만의 전체 공정 시간 동안 90%를 초과하는 분리 수준을 나타내는 것으로 보입니다.

예비 분석을 바탕으로 Acoustophoretic Particle Separation 공정이 필요한 시간과 에너지 측면에서 입자 분리의 매우 효율적인 방법이 될 수 있다는 결론을 내릴 수 있습니다. FLOW-3D는 향상된 입자 모델을 통해 풍부한 물리적 모델과 향상된 렌더링 기능으로 인해 이러한 프로세스를 모델링하는데 매우 강력한 옵션을 제공합니다.

유체 입자의 새로운 기능과 가능한 응용 프로그램에 대해 논의 할 다음 블로그를 계속 지켜봐주십시오.

FLOW-3D를 사용한 모델링 미세 유체 응용 프로그램 의 성능과 다양성에 대해 자세히 알아보기 >

FLOW-3D Spillway Visualization

Volume of Fluid (VOF) History

Volume of Fluid (VOF)

FLOW-3D Spillway Visualization

VOF(Volume of Fluid) 방법은 이전의 MAC(Marker-and-Cell) 방법을 기반으로 한다[1]. MAC 방법은 표식기 입자를 사용하여 유체가 고정된 오일러 그리드 내에 존재하는 위치를 찾아냈다. MAC는 자유로운 표면으로 압축할 수 없는 유체의 역학을 시뮬레이션한 최초의 연산 방법이었다. 유체를 추적하기 위한 마커 입자의 사용은 특히 3차원에서 계산적으로 비용이 많이 들고, 입자가 한 그리드 소자에서 다른 그리드 소자로 이동할 때 그리드 요소 특성(질량 등)의 변화가 이산적인 변화를 겪기 때문에 연산 노이즈를 도입한다. 마커 입자를 인터페이스 추적 체계로 대체하려는 다양한 시도가 있었지만, 유체 질량이 종종 분리되거나 결합되어 인터페이스 표면의 생성과 파괴로 이어지기 때문에 대부분 실패했다.

유체 표면 대신 유체 부피를 추적하는 유체 부피(Volume of fluid method)의 발상은 유체 변수의 부피를 사용하는 것이 관례인 2상(물과 증기) 문제에 대한 연구로부터 비롯되었다. 증기의 부피 분율은 물과 증기가 혼합된 상태에서 증기의 양을 기록하는 연속 변수다. 이 체적 개념을 불압성 유체의 자유 표면을 찾기 위해 불연속 변수에까지 확장(예: 액체와 0의 단위 값)한 것은 1975년 간행물 “다차원, 과도 자유 표면 흐름 계산을 위한 방법”[2]에서 니콜스와 허트의 “다차원, 과도 자유 표면 흐름”에서 처음 입증되었다.

계산적 의미 만들기

VOF 개념은 플로우 모델이 일반적으로 압력, 밀도, 온도 등과 같은 종속 변수를 저장하기 위해 각 그리드 요소에서 하나의 숫자 값만 사용하기 때문에 계산이 타당하다. 그렇다면 왜 요소 내의 유체 분포를 정의하기 위해 둘 이상의 변수가 필요할까? 예를 들어, 원소의 유체가 둘 이상의 blob으로 분포된 경우, 각 blob에 대해 더 많은 종속 변수가 필요할 것이다. 이런 관점에서 보면 원소의 유체량만 기록하는 것이 타당하다. 그러나 문제는 체적분율 변수의 추정 불연속적 특성이다. 오일러 그리드를 통한 불연속 유체 인터페이스의 이동을 추적하려면 더 많은 정보가 필요하다.

Making Computational Sense

이 문제는 많은 출판사에서 많은 사람들이 다루어 왔다. 제안된 거의 모든 방법은 인접한 그리드 요소의 볼륨 분율 검사에 기초한 근사치의 어떤 유형에 의존한다. 예를 들어, 1차원 흐름에서는 정확한 방법을 도출하기 쉽다. 액체와 기체를 분리하는 예리한 인터페이스를 가진 1차원 도관을 따라 액체가 흐르고 있다고 가정해 보자. 인터페이스 업스트림 그리드 요소에서, 볼륨 분율은 1과 같고, 인터페이스 다운스트림에서는 볼륨 분율은 0과 같다. 0과 1 사이의 볼륨 비율 값을 갖는 인터페이스를 포함하는 그리드 요소에서 액체는 1의 볼륨 비율을 포함하는 인접 셀에 연결된 셀의 측면에 위치해야 하기 때문에 해당 셀 내에서 인터페이스를 쉽게 찾을 수 있다. 그런 다음 인터페이스는 체적 분율의 곱에 셀의 크기를 곱한 곱에 의해 액체 이웃에 연결된 셀 가장자리로부터 다운스트림 거리에 위치한다. 이 위치는 인터페이스가 날카로운 불연속성을 유지하도록 유체를 삽입할 때 사용할 수 있다. 불행하게도, 2, 3차원에서는 그리드 요소 내에서 인터페이스를 위치시키는 간단한 방법이 존재하지 않는다.

One method proposed for advecting discontinuous fluid interfaces was presented in the 1980 Los Alamos Scientific Laboratory report, “SOLA-VOF: A Solution Algorithm for Transient Fluid Flow with Multiple Free Boundaries,” [3] by Nichols, Hirt and Hotchkiss, and in a 1981 publication, “Volume of Fluid (VOF) Method for the Dynamics of Free Boundaries,쓴 [히트와 니콜스가 쓴 [4]. 주로 경수-원자로 안전 연구를 위한 이 프로그램의 초기 적용은 [5]와 [6]에서 확인할 수 있다.

VOF Variations | VOF 변형 모델

VOF 방법의 많은 변형이 문헌에 보고되었지만, 대부분은 원본에서 사용된 방법을 따르지 않는다[4]. 특히 원래의 VOF 방식은 주변 가스가 아닌 압축 불가능한 액체에서만 유체 역학을 위한 Navier-Stokes 방정식을 해결했다. 대신에 유체가 없는 표면은 경계 조건에 의해 처리되었고 유체가 포함된 그리드 요소의 목록은 지속적으로 업데이트되었다. 원래 모델의 가스 영역은 모멘텀을 무시할 수 있는 낮은 밀도를 가지며, 공간적으로 균일한 가스 압력을 가지는 것으로 가정했다. 다른 대부분의 VOF 모델에서 사용하는 대안은 인터페이스에 경계 조건을 설정하지 않기 위해 2-유체 시뮬레이션을 사용하는 것이다. 이 옵션은 가스 역학을 위해 해결해야 하기 때문에 원래 방법보다 상당히 많은 계산 자원을 필요로 한다. 또한 대부분의 2-유체 모델은 인터페이스에서 가스와 액체 사이에 존재하는 속도 “슬립”의 가능성을 무시한다. 슬립의 존재를 무시하고 가스/액체 혼합물의 평균 속도로 인터페이스를 이동하면 심각한 오류가 발생할 수 있다.

Modeling Fluid Advection | 모델링 유체 부착

대체 VOF 방법 개발자들이 항상 높이 평가하지 않는 또 다른 점은 VOF 유체 분율 수량 F의 첨부를 위해 모델링된 방정식이다. 원래의 방법 [4]은 F에 대한 보수적인 운송 방정식을 사용했다.

∂F∂t+∇∙(Fu→)=0

부착을 위해 레벨 설정 방법을 사용하는 것과 같은 많은 대안 VOF 공식은 비보수적 전송 방정식을 사용한다.

∂F∂t+u→∙∇F=0

보수적인 방법의 장점은 변경되어서는 안 되는 유체량을 쉽게 계산하고 표시하기 때문에 시뮬레이션에서 한 번의 간단한 불압력 정밀도 검사를 제공한다는 것이다.

TruVOF 솔루션

이용 가능한 인기 있는 상용 코드 중 FLOW-3D만이 [4]에서 참조한 원래의 1유체 모델을 기반으로 한다. 물론, 열 전달, 표면 장력, 위상 변화, 이동 장애물 및 유체 구조 상호작용과 같은 다양한 물리적 프로세스에 대한 많은 모델을 포함하여 이 소프트웨어에 대한 많은 개선이 평생에 걸쳐 이루어졌다.

다른 기사 읽기 : VOF (Volume of Fluid) 란 무엇인가? | FLOW-3D

참고문헌

References

  1. H. Harlow and J. E. Welch, “Numerical Calculation of Time-Dependent Viscous Incompressible Flow,” Phys. Fluids 8, 2182 (1965); J. E. Welch, F. H. Harlow, J. P. Shannon, and B. J. Daly, “THE MAC METHOD: A Computing Technique for Solving Viscous, Incompressible, Transient Fluid-Flow Problems Involving Free Surfaces,” Los Alamos Scientific Laboratory report LA-3425 (March 1966).
  2. D. Nichols and C. W. Hirt, “Methods for Calculating Multi-Dimensional, Transient Free Surface Flows Past Bodies,” Proc. Of the First International Conference on Numerical Ship Hydrodynamics, Gaithersburg, Maryland, October 20-23, 1975.
  3. D. Nichols, C. W. Hirt and R. S. Hotchkiss, “SOLA-VOF: A Solution Algorithm for Transient Fluid Flow with Multiple Free Boundaries,” Los Alamos Scientific Laboratory report LA-8355 (August 1980).
  4. W. Hirt and B. D. Nichols, “Volume of Fluid (VOF) Method for the Dynamics of Free Boundaries,” Jour. Computational Physics, 39, 201 (1981).
  5. D. Nichols and C. W. Hirt, Numerical Simulation of BWR Vent Clearing Hydrodynamics,” Proc. 1978 Annual Meeting ANS, San Diego, CA; Nuc. Sci. Eng. 73, 196 (1980).
  6. W. Hirt and B. D. Nichols, “A Computational Method for Free Surface Hydrodynamics,” ASME 1980 Pressure Vessels and Piping Conf. San Francisco, CA (August 1980) Jour, Pressure Vessel Technology, 103, 136 (1981)
Rivulet Formation in Slide Coating

Simulation of Transient and Three-Dimensional Coating Flows Using a Volume-of-Fluid Technique

Volume-of-Fluid 기법을 사용한 과도 및 3 차원 코팅 흐름 시뮬레이션

슬라이드 코팅 흐름은 정밀 필름 코팅 제품의 제조에 널리 사용됩니다. 코팅 속도를 높이고 코팅 필름의 성능을 향상시키기 위해 슬라이드 코팅 공정을 더 잘 이해하기 위해 상당한 노력을 기울이고 있습니다. 예를 들어 Chen1과 같이 잘 정의 된 한계 이상으로 코팅 속도를 높이면 코팅 비드가 완전히 파손될 수 있음이 입증되었습니다.

이 논문에서는 유체 표면의 임의, 3 차원 및 시간에 따른 변형을 설명 할 수있는 계산 방법에서 얻은 슬라이드 코팅 흐름의 시뮬레이션 결과를 제시합니다. 상용 프로그램에서 사용할 수있는이 방법은 VOF (Volume-of-Fluid) 기술 3,4로 유체를 추적하는 고정 그리드를 사용합니다. 표면 장력, 벽 접착력, 유체 운동량 및 점성 응력은 분석에서 완전히 설명됩니다.

기본 방법은 딥 코팅 데이터와의 비교를 통해 설명됩니다 5. 그런 다음 접촉 선과 동적 접촉각이 우리의 방법에서 암시 적으로 처리되는 방법에 대한 논의를 제시합니다. VOF 기술을 사용하기 때문에 유체를 포함하는 각 제어 볼륨에 작용하는 힘의 합계 만 필요합니다. 그러면 접촉 선의 위치와 동적 접촉각이 계산 된 힘 균형에서 자동으로 발생합니다. 우리의 기술은 코팅 흐름에서 시작 및 비드 분해 현상의 예와 함께 설명됩니다.

그림에서 볼 수 있듯이 신속한 공정의 경우 당사의 접근 방식은 기존 분석 방법으로는 달성하기 어려운 코팅 공정 설계 및 최적화 시뮬레이션을위한 효율성과 견고성을 제공합니다.

Introduction

모든 코팅 공정에는 일정한 조건을 달성하기 전에 코팅 재료가 큰 변형을 겪는 일종의 시작 기간이 포함됩니다. 시작 프로세스의 우수한 특성화는 낭비를 줄이고 프로세스가 원하는 한계 내에서 작동하는지 확인하는 데 종종 중요합니다.

다양한 섭동에 대한 코팅 흐름의 과도 ​​응답에 대한 유사한 이해가 또한 바람직하여 코팅 비드의 파손 및 코팅의 불균일성을 피할 수 있습니다. 코팅 흐름의 역학은 일반적으로 비선형이고 다양한 경쟁 물리적 프로세스의 결합 된 상호 작용을 포함하기 때문에 이론적 조사를 수행하기 위해 특수한 계산 도구에 의존해야합니다.

이 작업을 위해 선택한 모델링 도구의 장점은 고정 그리드를 통해 임의의 유체 변형을 추적 할 수있는 강력한 수치 기법 인 VOF (Volume-of-Fluid) 방법을 사용한다는 것입니다. 코팅 흐름 분석에 중요한 프로그램의 다른 기능과 함께 이것이 수행되는 방식은 다음 섹션에서 설명합니다.

Overview of Numerical Method

여기에 사용 된 수치 프로그램 FLOW-3D®는 1960 년대 중반 Los Alamos National Laboratory에서 개발 된 Marker-and-Cell (MAC) 방법 6에서 유래되었습니다. 원래 MAC 방법에 대한 많은 개선이 수년에 걸쳐 이루어졌습니다.

본 출원에서 가장 흥미로운 것은 유체 영역을 찾기 위해 연속적인 유체 부피 함수에 의해 개별 마커 입자를 대체하는 것입니다. VOF 방법에서는 관심있는 계산 영역을 포함하는 사각형 제어 볼륨의 고정 그리드가 구성됩니다. 각 제어 볼륨에 대해 숫자 F는 액체가 차지하는 볼륨의 비율을 표시하기 위해 유지됩니다.

F 함수를 사용하는 것 외에도 VOF 방법은 날카로운 액체-가스 인터페이스를 유지하는 방식으로 직사각형 셀의 고정 그리드를 통해 F 함수를 전진시키기 위해 특수 수치 기법을 사용합니다. 마지막으로 VOF 방법은 경계면에서 적절한 법선 및 접선 응력 조건을 충족하기 위해 신중하게 구현 된 자유 표면 경계 조건 세트를 사용합니다. 접근 방식의 또 다른 특징은 복잡한 기하학적 영역을 정의하는 방식입니다.

장애물은 제어 볼륨의 일부를 차단할 수 있도록하여 고정 그리드에 포함됩니다. 각 제어 볼륨에서 흐름을 위해 열린 분수 영역 및 볼륨은 지오메트리 표현으로 저장됩니다. FAVOR 방법 7이라고하는이 방법은 형상을 질량, 운동량 및 에너지에 대한 이산화 된 방정식에 자동으로 통합합니다. VOF 및 FAVOR 방법을 사용하면 코팅 문제에 대한 지오메트리 및 초기 유체 구성을 정의하는 데 필요한 복잡한 그리드 생성 프로세스가 없기 때문에 시간과 노력이 절약됩니다.

다음 섹션에서는 플랫 시트에 코팅을 담그는 응용 프로그램과 함께 기본적인 수치 방법의 유용성을 설명합니다.

Dip Coating – A Validation Test

Lee와 Tallmadge는 액체 수조에서 수직으로 인출 된 평판에 딥 코팅하는 과정에 대해 광범위한 조사를 수행했습니다.

이 프로세스는 다양한 상업용 응용 프로그램에서 널리 사용됩니다. 그들의 연구는 2 차원 흐름 (즉, 가장자리 효과 없음)에 초점을 맞추고 실험 데이터에 맞는 경험적 매개 변수를 포함하는 분석 표면 프로파일로 구성되었습니다. 0.085에서 23.9 사이의 모세관 수에 대한 실험 데이터가 수집되었으며, 레이놀즈 수는 0.044에서 12.7 사이입니다. 필름 두께에 대한 실험 데이터는 약 10 % 이하로 추정되는 오류를 가졌습니다.

이 실험에 대한 계산 모델은 코팅 할 시트의 수직 (접선) 속도와 동일한 수직 (접선) 속도가 주어진 직사각형 욕조로 구성되어 매우 간단합니다. 처음에 코팅액은 수평면을 가지며 시트는 충동 적으로 시작됩니다 (그림 1c 참조). 다양한 모세관 수 사례가 시뮬레이션되었으며 모든 경우에 예측 된 필름 두께는 실험 오차 범위 내에있었습니다. 예를 들어 모세관 번호 1.17에 해당하는 경우를 고려하십시오. 시트를 3.31cm / s에서 수조 (밀도 0.885gm / cc, 표면 장력 32.7dynes / cm 및 점도 1159.4cp를 갖는 점성 윤활유)에서 꺼냈다. 우리는 2.5cm의 욕조 너비와 2.0cm의 깊이 (35 x 25 그리드 셀)를 사용했습니다.

필름 흐름을 캡처하기 위해 욕조 위의 2.0cm 영역이 모델에 포함되었습니다 (수직으로 추가 25 개 셀 필요). 수조의 오른쪽은 유체 높이가 일정하게 유지되고 압력이 수압이고 흐름이 계산 영역으로 들어갈 수있는 열린 경계 였지만 휴식에서 시작해야했습니다. 이른바 “정체”경계 조건은 움직이는 시트의 오른쪽으로 충분히 멀리 떨어져있는 경우 수평 무한 욕조에 대한 좋은 근사치입니다. 모델링이 필요한 수조의 폭을 설정하기 위해 여러 가지 계산이 수행되었으며, 필름 두께가이 폭에 크게 민감하지 않다는 것이 밝혀졌으며 그 결과는 실험에서도 발견되었습니다.

그림 1a는 초기 조건, 그림 1b는 계산 된 과도 상태의 스냅 샷, 그림 1c는 최종 정상 상태 결과를 보여줍니다. 처음에 시트에 의해 그려지는 액체 팁의 모양은 정적 접촉각 (즉, 시트와 액체 사이의 접착력)에 따라 달라지며 임의로 10 도로 취해졌습니다. 액체가 끌어 올려짐에 따라, 배출되는 액체 필름을 대체하기 위해 시트쪽으로 흐름이 시작되어야한다는 신호로서 함몰 파가 나머지 수조에 대한 신호로 오른쪽으로 이동합니다. 약 5.0 초만에 정상 상태에 도달합니다. 필름 두께는 0.145cm로 계산되었으며, 이는 0.142cm의 측정 값과 매우 일치합니다.

Rivulet Formation in Slide Coating
Rivulet Formation in Slide Coating

자세한 내용은 본문을 참고하시기 바랍니다.

자유 표면 모델링 방법

본 자료는 국내 사용자들의 편의를 위해 원문 번역을 해서 제공하기 때문에 일부 오역이 있을 수 있어서 원문과 함께 수록합니다. 자료를 이용하실 때 참고하시기 바랍니다.

Free Surface Modeling Methods

An interface between a gas and liquid is often referred to as a free surface. The reason for the “free” designation arises from the large difference in the densities of the gas and liquid (e.g., the ratio of density for water to air is 1000). A low gas density means that its inertia can generally be ignored compared to that of the liquid. In this sense the liquid moves independently, or freely, with respect to the gas. The only influence of the gas is the pressure it exerts on the liquid surface. In other words, the gas-liquid surface is not constrained, but free.

자유 표면 모델링 방법

기체와 액체 사이의 계면은 종종 자유 표면이라고합니다.  ‘자유’라는 호칭이 된 것은 기체와 액체의 밀도가 크게 다르기 때문입니다 (예를 들어, 물 공기에 대한 밀도 비는 1000입니다).  기체의 밀도가 낮다는 것은 액체의 관성에 비해 기체의 관성은 일반적으로 무시할 수 있다는 것을 의미합니다.  이러한 의미에서, 액체는 기체에 대해 독립적으로, 즉 자유롭게 움직입니다.  기체의 유일한 효과는 액체의 표면에 대한 압력입니다.  즉, 기체와 액체의 표면은 제약되어있는 것이 아니라 자유롭다는 것입니다.

In heat-transfer texts the term ‘Stephen Problem’ is often used to describe free boundary problems. In this case, however, the boundaries are phase boundaries, e.g., the boundary between ice and water that changes in response to the heat supplied from convective fluid currents.

열전달에 관한 문서는 자유 경계 문제를 묘사할 때 “Stephen Problem’”라는 용어가 자주 사용됩니다.  그러나 여기에서 경계는 상(phase) 경계, 즉 대류적인 유체의 흐름에 의해 공급된 열에 반응하여 변화하는 얼음과 물 사이의 경계 등을 말합니다.

Whatever the name, it should be obvious that the presence of a free or moving boundary introduces serious complications for any type of analysis. For all but the simplest of problems, it is necessary to resort to numerical solutions. Even then, free surfaces require the introduction of special methods to define their location, their movement, and their influence on a flow.

이름이 무엇이든, 자유 또는 이동 경계가 존재한다는 것은 어떤 유형의 분석에도 복잡한 문제를 야기한다는 것은 분명합니다. 가장 간단한 문제를 제외한 모든 문제에 대해서는 수치 해석에 의존할 필요가 있습니다. 그 경우에도 자유 표면은 위치, 이동 및 흐름에 미치는 영향을 정의하기 위한 특별한 방법이 필요합니다.

In the following discussion we will briefly review the types of numerical approaches that have been used to model free surfaces, indicating the advantages and disadvantages of each method. Regardless of the method employed, there are three essential features needed to properly model free surfaces:

  1. A scheme is needed to describe the shape and location of a surface,
  2. An algorithm is required to evolve the shape and location with time, and
  3. Free-surface boundary conditions must be applied at the surface.

다음 설명에서는 자유 표면 모델링에 사용되어 온 다양한 유형의 수치적 접근에 대해 간략하게 검토하고 각 방법의 장단점을 설명합니다. 어떤 방법을 사용하는지에 관계없이 자유롭게 표면을 적절히 모델화하는 다음의 3 가지 기능이 필요합니다.

  1. 표면의 형상과 위치를 설명하는 방식
  2. 시간에 따라 모양과 위치를 업데이트 하는 알고리즘
  3. 표면에 적용할 자유 표면 경계 조건

Lagrangian Grid Methods

Conceptually, the simplest means of defining and tracking a free surface is to construct a Lagrangian grid that is imbedded in and moves with the fluid. Many finite-element methods use this approach. Because the grid and fluid move together, the grid automatically tracks free surfaces.

라그랑주 격자 법

개념적으로 자유 표면을 정의하고 추적하는 가장 간단한 방법은 유체와 함께 이동하는 라그랑주 격자를 구성하는 것입니다. 많은 유한 요소 방법이 이 접근 방식을 사용합니다. 격자와 유체가 함께 움직이기 때문에 격자는 자동으로 자유 표면을 추적합니다.

At a surface it is necessary to modify the approximating equations to include the proper boundary conditions and to account for the fact that fluid exists only on one side of the boundary. If this is not done, asymmetries develop that eventually destroy the accuracy of a simulation.

표면에서 적절한 경계 조건을 포함하고 유체가 경계의 한면에만 존재한다는 사실을 설명하기 위해 근사 방정식을 수정해야합니다. 이것이 수행되지 않으면 결국 시뮬레이션의 정확도를 훼손하는 비대칭이 발생합니다.

The principal limitation of Lagrangian methods is that they cannot track surfaces that break apart or intersect. Even large amplitude surface motions can be difficult to track without introducing regridding techniques such as the Arbitrary-Lagrangian-Eulerian (ALE) method. References 1970 and 1974 may be consulted for early examples of these approaches.

라그랑지안 방법의 주요 제한은 분리되거나 교차하는 표면을 추적 할 수 없다는 것입니다. ALE (Arbitrary-Lagrangian-Eulerian) 방법과 같은 격자 재생성 기법을 도입하지 않으면 진폭이 큰 표면 움직임도 추적하기 어려울 수 있습니다. 이러한 접근법의 초기 예를 보려면 참고 문헌 1970 및 1974를 참조하십시오.

The remaining free-surface methods discussed here use a fixed, Eulerian grid as the basis for computations so that more complicated surface motions may be treated.

여기에서 논의된 나머지 자유 표면 방법은 보다 복잡한 표면 움직임을 처리할 수 있도록 고정된 오일러 그리드를 계산의 기준으로 사용합니다.

Surface Height Method

Low amplitude sloshing, shallow water waves, and other free-surface motions in which the surface does not deviate too far from horizontal, can be described by the height, H, of the surface relative to some reference elevation. Time evolution of the height is governed by the kinematic equation, where (u,v,w) are fluid velocities in the (x,y,z) directions. This equation is a mathematical expression of the fact that the surface must move with the fluid:

표면 높이 법

낮은 진폭의 슬로 싱, 얕은 물결 및 표면이 수평에서 너무 멀리 벗어나지 않는 기타 자유 표면 운동은 일부 기준 고도에 대한 표면의 높이 H로 설명 할 수 있습니다. 높이의 시간 진화는 운동학 방정식에 의해 제어되며, 여기서 (u, v, w)는 (x, y, z) 방향의 유체 속도입니다. 이 방정식은 표면이 유체와 함께 움직여야한다는 사실을 수학적으로 표현한 것입니다.

Finite-difference approximations to this equation are easy to implement. Further, only the height values at a set of horizontal locations must be recorded so the memory requirements for a three-dimensional numerical solution are extremely small. Finally, the application of free-surface boundary conditions is also simplified by the condition on the surface that it remains nearly horizontal. Examples of this technique can be found in References 1971 and 1975.

이 방정식의 유한 차분 근사를 쉽게 실행할 수 있습니다.  또한 3 차원 수치 해법의 메모리 요구 사항이 극도로 작아지도록 같은 높이의 위치 값만을 기록해야합니다.  마지막으로 자유 표면 경계 조건의 적용도 거의 수평을 유지하는 표면의 조건에 의해 간소화됩니다.  이 방법의 예는 참고 문헌의 1971 및 1975을 참조하십시오.

Marker-and-Cell (MAC) Method

The earliest numerical method devised for time-dependent, free-surface, flow problems was the Marker-and-Cell (MAC) method (see Ref. 1965). This scheme is based on a fixed, Eulerian grid of control volumes. The location of fluid within the grid is determined by a set of marker particles that move with the fluid, but otherwise have no volume, mass or other properties.

MAC 방법

시간 의존성을 가지는 자유 표면 흐름의 문제에 대해 처음 고안된 수치 법이 MAC (Marker-and-Cell) 법입니다 (참고 문헌 1965 참조).  이 구조는 컨트롤 볼륨 고정 오일러 격자를 기반으로합니다.  격자 내의 유체의 위치는 유체와 함께 움직이고, 그 이외는 부피, 질량, 기타 특성을 갖지 않는 일련의 마커 입자에 의해 결정됩니다.

Grid cells containing markers are considered occupied by fluid, while those without markers are empty (or void). A free surface is defined to exist in any grid cell that contains particles and that also has at least one neighboring grid cell that is void. The location and orientation of the surface within the cell was not part of the original MAC method.

마커를 포함한 격자 셀은 유체로 채워져있는 것으로 간주되며 마커가 없는 격자 셀은 빈(무효)것입니다.  입자를 포함하고, 적어도 하나의 인접 격자 셀이 무효인 격자의 자유 표면은 존재하는 것으로 정의됩니다.  셀 표면의 위치와 방향은 원래의 MAC 법에 포함되지 않았습니다.

Evolution of surfaces was computed by moving the markers with locally interpolated fluid velocities. Some special treatments were required to define the fluid properties in newly filled grid cells and to cancel values in cells that are emptied.

표면의 발전(개선)은 국소적으로 보간된 유체 속도로 마커를 이동하여 계산되었습니다.  새롭게 충전된 격자 셀의 유체 특성을 정의하거나 비어있는 셀의 값을 취소하거나 하려면 특별한 처리가 필요했습니다.

The application of free-surface boundary conditions consisted of assigning the gas pressure to all surface cells. Also, velocity components were assigned to all locations on or immediately outside the surface in such a way as to approximate conditions of incompressibility and zero-surface shear stress.

자유 표면 경계 조건의 적용은 모든 표면 셀에 가스 압력을 할당하는 것으로 구성되었습니다. 또한 속도 성분은 비압축성 및 제로 표면 전단 응력의 조건을 근사화하는 방식으로 표면 위 또는 외부의 모든 위치에 할당되었습니다.

The extraordinary success of the MAC method in solving a wide range of complicated free-surface flow problems is well documented in numerous publications. One reason for this success is that the markers do not track surfaces directly, but instead track fluid volumes. Surfaces are simply the boundaries of the volumes, and in this sense surfaces may appear, merge or disappear as volumes break apart or coalesce.

폭넓게 복잡한 자유 표면 흐름 문제 해결에 MAC 법이 놀라운 성공을 거두고 있는 것은 수많은 문헌에서 충분히 입증되고 있습니다.  이 성공 이유 중 하나는 마커가 표면을 직접 추적하는 것이 아니라 유체의 체적을 추적하는 것입니다.  표면은 체적의 경계에 불과하며, 그러한 의미에서 표면은 분할 또는 합체된 부피로 출현(appear), 병합, 소멸 할 가능성이 있습니다.

A variety of improvements have contributed to an increase in the accuracy and applicability of the original MAC method. For example, applying gas pressures at interpolated surface locations within cells improves the accuracy in problems driven by hydrostatic forces, while the inclusion of surface tension forces extends the method to a wider class of problems (see Refs. 1969, 1975).

다양한 개선으로 인해 원래 MAC 방법의 정확성과 적용 가능성이 증가했습니다. 예를 들어, 셀 내 보간 된 표면 위치에 가스 압력을 적용하면 정 수력으로 인한 문제의 정확도가 향상되는 반면 표면 장력의 포함은 방법을 더 광범위한 문제로 확장합니다 (참조 문헌. 1969, 1975).

In spite of its successes, the MAC method has been used primarily for two-dimensional simulations because it requires considerable memory and CPU time to accommodate the necessary number of marker particles. Typically, an average of about 16 markers in each grid cell is needed to ensure an accurate tracking of surfaces undergoing large deformations.

수많은 성공에도 불구하고 MAC 방법은 필요한 수의 마커 입자를 수용하기 위해 상당한 메모리와 CPU 시간이 필요하기 때문에 주로 2 차원 시뮬레이션에 사용되었습니다. 일반적으로 큰 변형을 겪는 표면의 정확한 추적을 보장하려면 각 그리드 셀에 평균 약 16 개의 마커가 필요합니다.

Another limitation of marker particles is that they don’t do a very good job of following flow processes in regions involving converging/diverging flows. Markers are usually interpreted as tracking the centroids of small fluid elements. However, when those fluid elements get pulled into long convoluted strands, the markers may no longer be good indicators of the fluid configuration. This can be seen, for example, at flow stagnation points where markers pile up in one direction, but are drawn apart in a perpendicular direction. If they are pulled apart enough (i.e., further than one grid cell width) unphysical voids may develop in the flow.

마커 입자의 또 다른 한계는 수렴 / 발산 흐름이 포함된 영역에서 흐름 프로세스를 따라가는 작업을 잘 수행하지 못한다는 것입니다. 마커는 일반적으로 작은 유체 요소의 중심을 추적하는 것으로 해석됩니다. 그러나 이러한 유체 요소가 길고 복잡한 가닥으로 당겨지면 마커가 더 이상 유체 구성의 좋은 지표가 될 수 없습니다. 예를 들어 마커가 한 방향으로 쌓여 있지만 수직 방향으로 떨어져 있는 흐름 정체 지점에서 볼 수 있습니다. 충분히 분리되면 (즉, 하나의 그리드 셀 너비 이상) 비 물리적 공극이 흐름에서 발생할 수 있습니다.

Surface Marker Method

One way to limit the memory and CPU time consumption of markers is to keep marker particles only on surfaces and not in the interior of fluid regions. Of course, this removes the volume tracking property of the MAC method and requires additional logic to determine when and how surfaces break apart or coalesce.

표면 마커 법

마커의 메모리 및 CPU 시간의 소비를 제한하는 방법 중 하나는 마커 입자를 유체 영역의 내부가 아니라 표면에만 보존하는 것입니다.  물론 이는 MAC 법의 체적 추적 특성이 배제되기 때문에 표면이 분할 또는 합체하는 방식과 시기를 특정하기위한 논리를 추가해야합니다.

In two dimensions the marker particles on a surface can be arranged in a linear order along the surface. This arrangement introduces several advantages, such as being able to maintain a uniform particle spacing and simplifying the computation of intersections between different surfaces. Surface markers also provide a convenient way to locate the surface within a grid cell for the application of boundary conditions.

2 차원의 경우 표면 마커 입자는 표면을 따라 선형으로 배치 할 수 있습니다.  이 배열은 입자의 간격을 균일하게 유지할 수있는 별도의 표면이 교차하는 부분의 계산이 쉽다는 등 몇 가지 장점이 있습니다.  또한 표면 마커를 사용하여 경계 조건을 적용하면 격자 셀의 표면을 간단한 방법으로 찾을 수 있습니다.

Unfortunately, in three-dimensions there is no simple way to order particles on surfaces, and this leads to a major failing of the surface marker technique. Regions may exist where surfaces are expanding and no markers fill the space. Without markers the configuration of the surface is unknown, consequently there is no way to add markers. Reference 1975 contains examples that show the advantages and limitations of this method.

불행히도 3 차원에서는 표면에 입자를 정렬하는 간단한 방법이 없으며 이로 인해 표면 마커 기술이 크게 실패합니다. 표면이 확장되고 마커가 공간을 채우지 않는 영역이 존재할 수 있습니다. 마커가 없으면 표면의 구성을 알 수 없으므로 마커를 추가 할 방법이 없습니다.
참고 문헌 1975이 방법의 장점과 한계를 보여주는 예제가 포함되어 있습니다.

Volume-of-Fluid (VOF) Method

The last method to be discussed is based on the concept of a fluid volume fraction. The idea for this approach originated as a way to have the powerful volume-tracking feature of the MAC method without its large memory and CPU costs.

VOF (Volume-of-Fluid) 법

마지막으로 설명하는 방법은 유체 부피 분율의 개념을 기반으로합니다. 이 접근 방식에 대한 아이디어는 대용량 메모리 및 CPU 비용없이 MAC 방식의 강력한 볼륨 추적 기능을 갖는 방법에서 시작되었습니다.

Within each grid cell (control volume) it is customary to retain only one value for each flow quantity (e.g., pressure, velocity, temperature, etc.) For this reason it makes little sense to retain more information for locating a free surface. Following this reasoning, the use of a single quantity, the fluid volume fraction in each grid cell, is consistent with the resolution of the other flow quantities.

각 격자 셀 (제어 체적) 내에서 각 유량 (예 : 압력, 속도, 온도 등)에 대해 하나의 값만 유지하는 것이 일반적입니다. 이러한 이유로 자유 표면을 찾기 위해 더 많은 정보를 유지하는 것은 거의 의미가 없습니다. 이러한 추론에 따라 각 격자 셀의 유체 부피 분율인 단일 수량의 사용은 다른 유량의 해상도와 일치합니다.

If we know the amount of fluid in each cell it is possible to locate surfaces, as well as determine surface slopes and surface curvatures. Surfaces are easy to locate because they lie in cells partially filled with fluid or between cells full of fluid and cells that have no fluid.

각 셀 내의 유체의 양을 알고 있는 경우, 표면의 위치 뿐만 아니라  표면 경사와 표면 곡률을 결정하는 것이 가능합니다.  표면은 유체 가 부분 충전 된 셀 또는 유체가 전체에 충전 된 셀과 유체가 전혀없는 셀 사이에 존재하기 때문에 쉽게 찾을 수 있습니다.

Slopes and curvatures are computed by using the fluid volume fractions in neighboring cells. It is essential to remember that the volume fraction should be a step function, i.e., having a value of either one or zero. Knowing this, the volume fractions in neighboring cells can then be used to locate the position of fluid (and its slope and curvature) within a particular cell.

경사와 곡률은 인접 셀의 유체 체적 점유율을 사용하여 계산됩니다.  체적 점유율은 계단 함수(step function)이어야 합니다, 즉, 값이 1 또는 0 인 것을 기억하는 것이 중요합니다.  이 것을 안다면, 인접 셀의 부피 점유율을 사용하여 특정 셀 내의 유체의 위치 (및 그 경사와 곡률)을 찾을 수 있습니다.

Free-surface boundary conditions must be applied as in the MAC method, i.e., assigning the proper gas pressure (plus equivalent surface tension pressure) as well as determining what velocity components outside the surface should be used to satisfy a zero shear-stress condition at the surface. In practice, it is sometimes simpler to assign velocity gradients instead of velocity components at surfaces.

자유 표면 경계 조건을 MAC 법과 동일하게 적용해야 합니다.  즉, 적절한 기체 압력 (및 대응하는 표면 장력)을 할당하고, 또한 표면에서 제로 전단 응력을 충족 시키려면 표면 외부의 어떤 속도 성분을 사용할 필요가 있는지를 확인합니다.  사실, 표면에서의 속도 성분 대신 속도 구배를 지정하는 것이보다 쉬울 수 있습니다.

Finally, to compute the time evolution of surfaces, a technique is needed to move volume fractions through a grid in such a way that the step-function nature of the distribution is retained. The basic kinematic equation for fluid fractions is similar to that for the height-function method, where F is the fraction of fluid function:

마지막으로, 표면의 시간 변화를 계산하려면 분포의 계단 함수의 성질이 유지되는 방법으로 격자를 통과하고 부피 점유율을 이동하는 방법이 필요합니다.  유체 점유율의 기본적인 운동학방정식은 높이 함수(height-function) 법과 유사합니다.  F는 유체 점유율 함수입니다.

A straightforward numerical approximation cannot be used to model this equation because numerical diffusion and dispersion errors destroy the sharp, step-function nature of the F distribution.

이 방정식을 모델링 할 때 간단한 수치 근사는 사용할 수 없습니다.  수치의 확산과 분산 오류는 F 분포의 명확한 계단 함수(step-function)의 성질이 손상되기 때문입니다.

It is easy to accurately model the solution to this equation in one dimension such that the F distribution retains its zero or one values. Imagine fluid is filling a column of cells from bottom to top. At some instant the fluid interface is in the middle region of a cell whose neighbor below is filled and whose neighbor above is empty. The fluid orientation in the neighboring cells means the interface must be located above the bottom of the cell by an amount equal to the fluid fraction in the cell. Then the computation of how much fluid to move into the empty cell above can be modified to first allow the empty region of the surface-containing cell to fill before transmitting fluid on to the next cell.

F 분포가 0 또는 1의 값을 유지하는 같은 1 차원에서이 방정식의 해를 정확하게 모델링하는 것은 간단합니다.  1 열의 셀에 위에서 아래까지 유체가 충전되는 경우를 상상해보십시오.  어느 순간에 액체 계면은 셀의 중간 영역에 있고, 그 아래쪽의 인접 셀은 충전되어 있고, 상단 인접 셀은 비어 있습니다.  인접 셀 내의 유체의 방향은 계면과 셀의 하단과의 거리가 셀 내의 유체 점유율과 같아야 한다는 것을 의미합니다.  그 다음 먼저 표면을 포함하는 셀의 빈 공간을 충전 한 후 다음 셀로 유체를 보내도록 위쪽의 빈 셀에 이동하는 유체의 양의 계산을 변경할 수 있습니다.

In two or three dimensions a similar procedure of using information from neighboring cells can be used, but it is not possible to be as accurate as in the one-dimensional case. The problem with more than one dimension is that an exact determination of the shape and location of the surface cannot be made. Nevertheless, this technique can be made to work well as evidenced by the large number of successful applications that have been completed using the VOF method. References 1975, 1980, and 1981 should be consulted for the original work on this technique.

2 차원과 3 차원에서 인접 셀의 정보를 사용하는 유사한 절차를 사용할 수 있지만, 1 차원의 경우만큼 정확하게 하는 것은 불가능합니다.  2 차원 이상의 경우의 문제는 표면의 모양과 위치를 정확히 알 수없는 것입니다.  그래도 VOF 법을 사용하여 달성 된 다수의 성공 사례에서 알 수 있듯이 이 방법을 잘 작동시킬 수 있습니다.  이 기법에 관한 초기의 연구 내용은 참고 문헌 1975,1980,1981를 참조하십시오.

The VOF method has lived up to its goal of providing a method that is as powerful as the MAC method without the overhead of that method. Its use of volume tracking as opposed to surface-tracking function means that it is robust enough to handle the breakup and coalescence of fluid masses. Further, because it uses a continuous function it does not suffer from the lack of divisibility that discrete particles exhibit.

VOF 법은 MAC 법만큼 강력한 기술을 오버 헤드없이 제공한다는 목표를 달성 해 왔습니다.  표면 추적이 아닌 부피 추적 기능을 사용하는 것은 유체 질량의 분할과 합체를 처리하는 데 충분한 내구성을 가지고 있다는 것을 의미합니다.  또한 연속 함수를 사용하기 때문에 이산된 입자에서 발생하는 숫자를 나눌 수 없는 문제를 겪지 않게 됩니다.

Variable-Density Approximation to the VOF Method

One feature of the VOF method that requires special treatment is the application of boundary conditions. As a surface moves through a grid, the cells containing fluid continually change, which means that the solution region is also changing. At the free boundaries of this changing region the proper free surface stress conditions must also be applied.

VOF 법의 가변 밀도 근사

VOF 법의 특수 처리가 필요한 기능 중 하나는 경계 조건의 적용입니다.  표면이 격자를 통과하여 이동할 때 유체를 포함하는 셀은 끊임없이 변화합니다.  즉, 계산 영역도 변화하고 있다는 것입니다.  이 변화하고있는 영역의 자유 경계에는 적절한 자유 표면 응력 조건도 적용해야합니다.

Updating the flow region and applying boundary conditions is not a trivial task. For this reason some approximations to the VOF method have been used in which flow is computed in both liquid and gas regions. Typically, this is done by treating the flow as a single fluid having a variable density. The F function is used to define the density. An argument is then made that because the flow equations are solved in both liquid and gas regions there is no need to set interfacial boundary conditions.

유체 영역의 업데이트 및 경계 조건의 적용은 중요한 작업입니다.  따라서 액체와 기체의 두 영역에서 흐름이 계산되는 VOF 법에 약간의 근사가 사용되어 왔습니다.  일반적으로 가변 밀도를 가진 단일 유체로 흐름을 처리함으로써 이루어집니다.  밀도를 정의하려면 F 함수를 사용합니다.  그리고, 흐름 방정식은 액체와 기체의 두 영역에서 계산되기 때문에 계면의 경계 조건을 설정할 필요가 없다는 논증이 이루어집니다.

Unfortunately, this approach does not work very well in practice for two reasons. First, the sensitivity of a gas region to pressure changes is generally much greater than that in liquid regions. This makes it difficult to achieve convergence in the coupled pressure-velocity solution. Sometimes very large CPU times are required with this technique.

공교롭게도 이 방법은 두 가지 이유로 인해 실제로는 그다지 잘 작동하지 않습니다.  하나는 압력의 변화에 대한 기체 영역의 감도가 일반적으로 액체 영역보다 훨씬 큰 것입니다.  따라서 압력 – 속도 결합 해법 수렴을 달성하는 것은 어렵습니다.  이 기술은 필요한 CPU 시간이 매우 커질 수 있습니다.

The second, and more significant, reason is associated with the possibility of a tangential velocity discontinuity at interfaces. Because of their different responses to pressure, gas and liquid velocities at an interface are usually quite different. In the Variable-Density model interfaces are moved with an average velocity, but this often leads to unrealistic movement of the interfaces.

두 번째 더 중요한 이유는 계면에서 접선 속도가 불연속이되는 가능성에 관련이 있습니다.  압력에 대한 반응이 다르기 때문에 계면에서 기체와 액체의 속도는 일반적으로 크게 다릅니다.  가변 밀도 모델은 계면은 평균 속도로 동작하지만, 이는 계면의 움직임이 비현실적으로 되는 경우가 많습니다.

Even though the Variable-Density method is sometimes referred to as a VOF method, because is uses a fraction-of-fluid function, this designation is incorrect. For accurately tracking sharp liquid-gas interfaces it is necessary to actually treat the interface as a discontinuity. This means it is necessary to have a technique to define an interface discontinuity, as well as a way to impose the proper boundary conditions at that interface. It is also necessary to use a special numerical method to track interface motions though a grid without destroying its character as a discontinuity.

가변 밀도 방법은 유체 분율 함수를 사용하기 때문에 VOF 방법이라고도하지만 이것은 올바르지 않습니다. 날카로운 액체-가스 인터페이스를 정확하게 추적하려면 인터페이스를 실제로 불연속으로 처리해야합니다. 즉, 인터페이스 불연속성을 정의하는 기술과 해당 인터페이스에서 적절한 경계 조건을 적용하는 방법이 필요합니다. 또한 불연속성으로 특성을 훼손하지 않고 격자를 통해 인터페이스 동작을 추적하기 위해 특수한 수치 방법을 사용해야합니다.

Summary

A brief discussion of the various techniques used to numerically model free surfaces has been given here with some comments about their relative advantages and disadvantages. Readers should not be surprised to learn that there have been numerous variations of these basic techniques proposed over the years. Probably the most successful of the methods is the VOF technique because of its simplicity and robustness. It is this method, with some refinement, that is used in the FLOW-3D program.

여기에서는 자유 표면을 수치적으로 모델링 할 때 사용하는 다양한 방법에 대해 상대적인 장점과 단점에 대한 설명을 포함하여 쉽게 설명하였습니다.  오랜 세월에 걸쳐 이러한 기본적인 방법이 많이 제안되어 온 것을 알고도 독자 여러분은 놀라지 않을 것입니다.  아마도 가장 성과를 거둔 방법은 간결하고 강력한 VOF 법 입니다.  이 방법에 일부 개량을 더한 것이 현재 FLOW-3D 프로그램에서 사용되고 있습니다.

Attempts to improve the VOF method have centered on better, more accurate, ways to move fluid fractions through a grid. Other developments have attempted to apply the method in connection with body-fitted grids and to employ more than one fluid fraction function in order to model more than one fluid component. A discussion of these developments is beyond the scope of this introduction.

VOF 법의 개선은 더 나은, 더 정확한 방법으로 유체 점유율을 격자를 통과하여 이동하는 것에 중점을 두어 왔습니다.  기타 개발은 물체 적합 격자(body-fitted grids) 관련 기법을 적용하거나 여러 유체 성분을 모델링하기 위해 여러 유체 점유율 함수를 채용하기도 했습니다.  이러한 개발에 대한 논의는 여기에서의 설명 범위를 벗어납니다.

References

1965 Harlow, F.H. and Welch, J.E., Numerical Calculation of Time-Dependent Viscous Incompressible Flow, Phys. Fluids 8, 2182.

1969 Daly, B.J., Numerical Study of the Effect of Surface Tension on Interface Instability, Phys. Fluids 12, 1340.

1970 Hirt, C.W., Cook, J.L. and Butler, T.D., A Lagrangian Method for Calculating the Dynamics of an Incompressible Fluid with Free Surface, J. Comp. Phys. 5, 103.

1971 Nichols, B.D. and Hirt, C.W.,Calculating Three-Dimensional Free Surface Flows in the Vicinity of Submerged and Exposed Structures, J. Comp. Phys. 12, 234.

1974 Hirt, C.W., Amsden, A.A., and Cook, J.L.,An Arbitrary Lagrangian-Eulerian Computing Method for all Flow Speeds, J. Comp. Phys., 14, 227.

1975 Nichols, B.D. and Hirt, C.W., Methods for Calculating Multidimensional, Transient Free Surface Flows Past Bodies, Proc. of the First International Conf. On Num. Ship Hydrodynamics, Gaithersburg, ML, Oct. 20-23.

1980 Nichols, B.D. and Hirt, C.W., Numerical Simulation of BWR Vent-Clearing Hydrodynamics, Nucl. Sci. Eng. 73, 196.

1981 Hirt, C.W. and Nichols, B.D., Volume of Fluid (VOF) Method for the Dynamics of Free Boundaries, J. Comp. Phys. 39, 201.

Capillary Flows/Capillary Filling/Thermocapillary Switch/Capillary Absorption/Marangoni flow

Capillary Flows

모세관 흐름은 일반적으로 미세 유체 장치에서 발생합니다. 예를 들어, 바이오 칩 설계에서는 한 곳에서 다른 곳으로 액체 용액을 전달하기 위해 긴 마이크로 채널이 자주 사용됩니다. 입구 채널은 액체 저장소에 연결되고 표면 장력은 액체를 마이크로 채널로 끌어 당깁니다 (액체가 칩 표면에 “젖은”경우). 이 페이지에서는 충진, 흡수 및 전환과 같은 모세관 흐름 분석에서 FLOW-3D의 특정 응용 분야를 다룹니다.

Marangoni flow in a dish of water that is heated at its center.

Marangoni flow는 중앙에서 데워진 물이 담긴 접시에 흐릅니다. 불균일한 표면 장력에 의해 생성 된 흐름은 20ºC의 초기 온도에서 0.75cm 깊이의 얕은 8.0cm 직경의 물 접시에 의해 입증됩니다. 원형 접시의 중앙에는 직경 0.5cm의 원통형 막대가 있습니다. 80 Cº의 온도로 가열하고 0.05 cm 깊이까지 수면에 담근다. 핫로드 근처의 물이 가열됨에 따라 표면 장력이 0.1678 dyne / cm / ºC만큼 감소하여 표면이 접시의 바깥 쪽 테두리쪽으로 후퇴합니다. Retraction는 처음에 표면에 뿌려진 질량없는 마커 입자로 표시됩니다.

Capillary Absorption

고체 물질의 기공에 모세관 흡수 때문에 액체와 고체 사이의 접착 발생합니다. 이 같은 흡수의 간단하면서도 유용한 시험은 핀란드 ABO Akademi 대학의 마르티 Toivakka에 의해 제안되었습니다. 테스트 기공은 ± 1.0 μm의 측면 벽 1.0 μm의 반경 원호입니다. 팽창 목에 연결된 넓은 2차원 채널로 구성되어 있습니다. 체적력의 부재 하에서, 표면장력 과 wall adhesion pull liquid 는 액체와 고체 사이의 static contact angle에 의해 결정됩니다. 첨부된 그림은 FLOW-3D가 올바르게 특정 접촉 각도 (유체는 적색표현) 충전 레벨을 계산하는 것을 나타냅니다.

Thermocapillary Switch

액체의 작은 덩어리나 가벼운 빔의 경로에서 움직이는 굴절, 혹은 반사로 다른 길로 리디렉션 할 수 있습니다. 이 개념은 특히나 한번 빔 내부 반사로 인해 갇혀 있는 섬유에 들어가 광학 섬유로 연결에서 매력적입니다. 어떠한 복잡성의 광 회로를 만들려면, 하나의 광섬유에서 다른 가벼운 방향을 바꿀 수 있는“스위치”를 둘 필요가 있습니다.

The animation above shows a FLOW-3D simulation of a drop of water in a 14mm-wide channel that is being heated at the bottom.

Capillary Filling

모세관 충전 과정을 이해하는 것은 칩 설계에 중요합니다.. 액체 흐름 통로의 다른 형상 포획 기포의 가능성 등의 충전 공정의 기술은, 같은 챔버와 칩의 내부 구조를 배치 기둥 분할하고, 밸브 결합에 설계자 안내 등 다양한 모세관 충전 동작이 발생할 수 있습니다.

시뮬레이션은 아래의 모세관 작용의 분석 예측의 유효성을 검사합니다. 모세관 채우기는 정확하게 표면 장력과 중력에 의해 균형을 잡습니다.이것은 FLOW-3D에 의해서 정확하게 예측되는 기본적인 과정입니다.

Capillary Flows

Capillary Flows

모세관 흐름은 일반적으로 미세 유체 장치에서 발생합니다. 예를 들어, 바이오 칩 설계에서 긴 마이크로 채널은 종종 액체 용액을 한 장소에서 다른 장소로 전달하는 데 사용됩니다. 입구 채널은 액체 저장소에 연결되고 표면 장력이 액체를 마이크로 채널로 당깁니다(액체가 칩 표면에 “습기”되는 경우). 이 페이지에서는 충전, 흡수 및 전환과 같은 모세관 흐름 분석에서 FLOW-3D에 대한 몇 가지 특정 용도에 대해 다룹니다.

Marangoni Flows

마랑고니는 그 중심에 가열된 물 접시에 흐릅니다. 균일하지 않은 표면 장력에 의해 발생하는 흐름은 20ºC의 초기 온도에서 깊이 0.75cm의 얕은 8.0cm의 물 접시에 의해 입증됩니다. 원형 접시 중앙에 놓인 원통형 막대는 직경 0.5cm로 80Cº의 온도로 가열되고 0.05cm의 깊이까지 수면에 잠깁니다. 핫 로드 주변의 물이 가열되면 표면 장력이 0.1678dyne/cm/ºC만큼 감소하여 표면이 접시의 바깥쪽 림 쪽으로 수축됩니다. 수축은 처음에 표면에 뿌려진 질량이 없는 마커 입자에 의해 나타납니다.

Capillary Filling

모세관 충전 공정을 이해하는 것은 칩 설계에 중요합니다. 액체 흐름 경로의 기하학적 구조가 다르면 기포를 고정할 수 있는 등의 모세관 충진 동작이 달라질 수 있습니다. 충전 프로세스에 대한 지식은 설계자가 챔버, 결합 기둥, 분할 및 밸브와 같은 칩의 내부 구조를 정렬하는 데 도움이 됩니다. 오른쪽의 시뮬레이션은 모세관 작용의 분석적 예측을 검증합니다. 모세관 충전은 표면 장력과 중력에 의해 균형을 이루며, 이는 FLOW-3D로 정확하게 예측되는 기본 공정입니다.

Thermocapillary Switch

910/5000광선의 경로 안팎으로 이동하는 소량의 액체는 굴절이나 반사를 통해 다른 경로로 방향을 바꿀 수 있습니다. 이 개념은 광선이 광섬유에 들어가면 내부 반사에 의해 포착되는 광섬유와 관련하여 특히 매력적입니다. 복잡한 광학 회로를 만들려면 한 광섬유에서 다른 광섬유로 빛을 리디렉션 할 수있는 “스위치”가 필요합니다.

제안 된 한 가지 개념은 열 모세관을 기반으로합니다. 광섬유 광선을 교차하는 마이크로 채널에 액체의 작은 방울을 놓습니다. 방울이 채널을 따라 빔이 통과해야하는 곳으로 이동하면 빔이 다른 섬유로 반사됩니다. 방울은 양면을 다르게 가열하여 이동합니다. 이것은 방울이 채널의 더 차가운 끝쪽으로 당겨 지도록 방울의 양쪽에있는 반월판의 표면 장력의 변화를 일으 킵니다.

Whole Blood Spontaneous Capillary Flow

Sketch of the cross section of the device (w=150 µm, h1=300 µm, h2=1200 µm, α=14.5o)

모세관 기반 마이크로 시스템은 추가 작동 메커니즘이 필요하지 않기 때문에 저렴하고 제작하기 쉽습니다. 마이크로펌프나 주사기와 같은 일반적인 마이크로 시스템은 부피가 크고 휴대할 수 없는 흐름 작동을 필요로 합니다.

버팔로 대학의 최근 연구는 모세관 유동 작용을 사용하여 미세 기기에서 액체를 이동시키는 간단한 해결책을 연구했습니다. 이 작업은 FLOW-3D를 사용하여 수정된 V-그루브 채널에서 자발적 모세관 흐름을 시뮬레이션합니다. 좁은 V-그루브 기하학(왼쪽)은 전혈과 같은 높은 점도의 유체도 이 유체를 통해 이동할 수 있기 때문에 좋은 솔루션을 제공합니다. 홈의 끝부분은 자발적인 모세관 흐름을 촉진하고 평행판은 충분한 혈액수송을 보장합니다.

본 연구에서는 FLOW-3D를 사용하여 채널 내 유체 헤드의 유속과 액체 전방의 진행을 추정합니다.

결과는 실험 및 분석(간단한) 결과와 비교됩니다. 아래 그림은 수치, 실험 및 분석 결과의 비교를 보여줍니다. FLOW-3D 결과는 실험 결과와 매우 일치합니다.

FLOW-3D Results

Analysis A: FLOW-3D results in red circles at the mid flow height, experimental results in green dots recorded at the medium fluid height, analytical results in green dashes
Analysis B: FLOW-3D results in red circles at the mid flow height, experimental results in green dots recorded at the medium fluid height, analytical results in green dashes

Animation of the results post-processed in FlowSight.

References

J. Berthiera, K.A. Brakke, E.P. Furlani, I.H. Karampelas, V. Pohera, D. Gosselin, M. Cubizolles, P. Pouteau, Whole blood spontaneous capillary flow in narrow V-groove microchannels, Sensors and Actuators B: Chemical, 2014

Bubble diffuser aeration systems / 폭기조 모델링

FLOW-3D에서 입자 유형

  • 마커(Marker) : 유체에서만 움직임
  • 기체 입자(Gas particle)
    • 중력, 드래그, 질량 포함
    • 유체의 커플링 운동량의 양방향
    • 체적/압력 커플링

구현 과정에서의 검토 내용

  • 물리 식별
    • 입자 유형 활성화
    • 물성치 정의
  • 격자와 형상
    • 입자 블록: 초기 입자 분포 정의
    • 입자 소스: 생성 속도로 정의

모델에 대한 가정 검토

  • 하위 격자 크기
    • 입자 크기 << 격자 크기
    • 유체 변위 없음
  • 입자와 입자간 상호작용 없음
  • 주된 유체를 떠날 경우 입자가 삭제됨
  • 입자 수 제한

실행 시간에 대한 검토

  • 입자 수에 따른 결과
    • 작은 기포의 직경과 높은 입자의 수
    • 큰 입자를 사용하여 입자 수 감소
  • 많은 입자를 셀 수 있는 RAM
  • 공기 혼입 / 표류 유동 모델
    • 더 나은 계산 효율

Bubble diffuser aeration systems

Aeration Modeling in FLOW-3D

FLOW-3D Particle Model

The Lagrangian particle model is a sub-grid model can be used to track the motion of spherical particles with different attributes and sizes smaller than a computational cell.

  • Partides can be:
    • Massless (i.e. marker particles)
    • Solid Spheres (i.e. mass particles)
    • Droplets of fluid (i.e. fluid particles)
    • Bubbles of gas (i.e. gas particles)
  • Assumptions/Limitations
    • Particle size << Mesh size
    • No particle-particle interaction

Aeration Tank Setup Example

New Solver developments – gas dissolution


  • Include mass transfer between gas inside the bubble and the surrounding fluid
  • Accounts for saturation in ambient fluid
  • Accounts for loss of mass / volume shrinkage of gas particle

Advances in Nanotechnology

Advances in Nanotechnology

This article was contributed by Prof. Edward Furlani and his students from the University at Buffalo, SUNY.

Microfluidics와 nanofluidics는 나노와 나노사이의 기능을 가진 재료와 시스템을 통한 유체 흐름의 과학과 기술을 포함하는 분야입니다. 최근 몇 년 사이에 이 분야의 연구는 재료 개발과 시스템의 급속한 발전된 유체공정의 독특한 이점으로 증가해 왔습니다. Microfluidic 및 nanofluidic 시스템은 화학 반응, 유체 가열, 혼합 및 감지와 같은 순차적 또는 다중화된 공정을 포함할 수 있는 응용 분야에서 마이크로 사이즈의 유체 유동은 매우 효율적이고 반복 가능하며 신속한 처리를 가능하게 합니다. 풀 라니 (Furlani) 교수 그룹의 연구는 새로운 공정 및 장치 개발에 대한 모델링 및 시뮬레이션을 보여줍니다. 이 연구의 대부분은 뉴턴 및 비 뉴턴 유체, 열 전달, 상변화 분석, 자유표면 및 다상분석, 유체와 관련된 유체 현상을 연구하기 위해 최첨단 전산 유체역학을 강조합니다. 매체 상호작용, 다공성 매체를 통한 유동, 완전히 결합된 유체구조 및 입자, 유체 상호작용에 대해 콜로이드. 국제 나노 기술 학술 대회에서 3 편의 논문이 발표될 예정입니다. 2014년 6월 15일부터 18 일까지 워싱턴 DC의 Gaylord National Hotel 및 Convention Center에서 개최됩니다. 이들은 버팔로 대학교 (University at Buffalo)에서 진행되는 획기적인 결과를 선보입니다. 여기에서는 이러한 작품의 미리 보기와 FLOW-3D로 생성된 시뮬레이션 결과 중 일부를 제시합니다.

Analysis of Stem Cell Culture Performance in a Microcarrier Bioreactor System

Koushik Ponnuru1, Jincheng Wu1, Preeti Ashok1, Emmanuel S. Tzanakakis1,3,4,5,6 and Edward P. Furlani1,2

1Dept. of Chemical and Biological Engineering, 2 Dept. of Electrical Engineering, 3Dept. of Biomedical Engineering, 4New York State Center of Excellence in Bioinformatics and Life Sciences, 5Western New York Stem Cell Culture and Analysis Center, 6Genetics, Genomics and Bioinformatics, University at Buffalo, SUNY

(left) Shear stress distribution along with velocity vectors in a cross sectional plane of the bioreactor running at 60 rpm; (right) Kolmogorov length scale distribution at the same plane under the same conditions.

CFD 기반 시뮬레이션과 실험결과의 조합으로 교반 탱크의 마이크로 캐리어 생물 반응기 시스템에서 세포 배양에 대한 난류 전단응력의 영향에 대한 분석을 제시합니다. Corning’s bench-scale spinner flask의 3D 계산 모델은 최첨단 CFD 소프트웨어 인 FLOW-3D를 사용하여 제작되었습니다. 임펠러 속도, 배양액 및 입자 크기와 같은 매개변수가 마이크로 캐리어 입자에 작용되는 전단응력에 미치는 영향을 CFD 분석을 사용하여 연구하였습니다. 이것은 세포가 겪는 정확한 전단 조건을 예측하고 세포의 손상을 방지하는 최적의 작동조건을 확인하는데 사용됩니다. 또한, 다원능 마커 Oct4, Sox2 및 Nanog를 운반하는 세포의 비율을 세포 계측법 및 정량적 PCR을 사용하여 측정함으로써 hPSCs의 다능성 전단효과를 연구합니다.

Numerical Analysis of Fully-Coupled Particle-Fluid Transport and Free-Flow Magnetophoretic Sorting in Microfluidic Systems

Chenxu Liu1, Xiaozheng Xue1 and Edward P. Furlani 1,2

1Dept. of Chemical and Biological Engineering, 2Dept. of Electrical Engineering, University at Buffalo, SUNY

Magnetic nanoparticle chaining and rotating following an external field and causing the mixing of two different molecular concentrations.

Magnetic 입자는 생체 의학 및 임상 진단 응용을 위해 생체 재료를 선택적으로 분리 및 분류하는 마이크로 유체시스템에 점점 더 많이 사용되고 있습니다. 그러한 시스템의 합리적인 설계에 사용될 수 있는 전산모델이 도입되었습니다. 이 모델은 자기 및 유체 역학적 힘, 완전 결합 입자 – 유체 상호 작용 및 입자의 자기 조립을 유도하는 자기 쌍극자와 쌍극자의 상호 작용을 비롯한 입자 수송에 대한 지배적 메커니즘을 고려합니다. 응용 프로그램을 통해 연속흐름 분리시스템 및 회전 조립 체인을 기반으로 하는 미세 유체 혼합프로세스로 시연됩니다.

Numerical Analysis of Laser Induced Photothermal Effects using Colloidal Plasmonic Nanostructures

Ioannis H. Karampelas1, Young Hwa Kim2 and Edward P. Furlani 1,2

1Dept. of Chemical and Biological Engineering, 2 Dept. of Electrical Engineering, University at Buffalo, SUNY

Photothermal heat cycle of a nanocage (a=50nm, t=5nm) (perspective 1/8 view): plot of nanocage temperature vs. time, pulse duration indicated by the red arrow and dashed line and inset plots showing various phases of the thermo -fluidic cycle: (a) nanobubble formation, (b) nanobubble (maximum size), (c) nanobubble collapse, (d) cooling.

Colloidal 귀금속 (plasmonic) 나노 구조는 나노 입자 합성에서부터 바이오 이미징 (bioimaging), 의학 요법 (medical therapy)에 이르기까지 다양한 광열 (photothermal) 분야에서 점점 더 많이 사용되고 있습니다. 많은 응용분야에서, 펄스 레이저는 plasmonic 공진 주파수에서 나노 구조를 사용하며, 이는 광자의 흡수 및 고도로 국부화된 파장필드의 향상을 가져옵니다. 원격 소스로부터 효율적인 나노 스케일 가열하는 것 외에도, 합성동안 나노 입자의 구조를 조정함으로써 근적외선 스펙트럼을 통한 공진 가열파장을 조정할 수 있습니다. 우리 그룹은 nanosecond-pulsed, laser-heated colloidal metallic nanoparticles 및 열 유체 거동을 예측하는 전산모델을 개발했습니다. 이 모델은 플라즈몬 공명, 입자에서 주변 유체로의 열 전달 및 균일한 기포 핵 형성을 유도하는 유체의 위상변화에서 나노 입자 내의 에너지 전환을 시뮬레이션 하는데 사용되었습니다. nanorods, nanotori, nanorings 및 nanocages 등 다양한 nanoparticle 형상이 연구되었습니다. 이 분석은 레이저 강도, 입사 파장, 편광, 펄스 지속 시간 및 나노 입자의 방향 및 모양과 같은 공정 매개 변수가 광열 공정을 최적화하도록 조정될 수 있음을 보여줍니다. Plasmonic nanoparticles는 악성 조직의 약물 치료, 약물 전달 및 생체치료에 사용됩니다.

Advances in Nanotechnology

Advances in Nanotechnology

This article was contributed by Prof. Edward Furlani and his students from the University at Buffalo, SUNY.

 

Microfluidics와 nanofluidics는 나노와 나노사이의 기능을 가진 재료와 시스템을 통한 유체 흐름의 과학과 기술을 포함하는 분야입니다. 최근 몇 년 사이에 이 분야의 연구는 재료 개발과 시스템의 급속한 발전된 유체공정의 독특한 이점으로 증가해 왔습니다. Microfluidic 및 nanofluidic 시스템은 화학 반응, 유체 가열, 혼합 및 감지와 같은 순차적 또는 다중화된 공정을 포함할 수 있는 응용 분야에서 마이크로 사이즈의 유체 유동은 매우 효율적이고 반복 가능하며 신속한 처리를 가능하게 합니다. 풀 라니 (Furlani) 교수 그룹의 연구는 새로운 공정 및 장치 개발에 대한 모델링 및 시뮬레이션을 보여줍니다. 이 연구의 대부분은 뉴턴 및 비 뉴턴 유체, 열 전달, 상변화 분석, 자유표면 및 다상분석, 유체와 관련된 유체 현상을 연구하기 위해 최첨단 전산 유체역학을 강조합니다. 매체 상호작용, 다공성 매체를 통한 유동, 완전히 결합된 유체구조 및 입자, 유체 상호작용에 대해 콜로이드. 국제 나노 기술 학술 대회에서 3 편의 논문이 발표될 예정입니다. 2014년 6월 15일부터 18 일까지 워싱턴 DC의 Gaylord National Hotel 및 Convention Center에서 개최됩니다. 이들은 버팔로 대학교 (University at Buffalo)에서 진행되는 획기적인 결과를 선보입니다. 여기에서는 이러한 작품의 미리 보기와 FLOW-3D로 생성된 시뮬레이션 결과 중 일부를 제시합니다.

Analysis of Stem Cell Culture Performance in a Microcarrier Bioreactor System

Koushik Ponnuru1, Jincheng Wu1, Preeti Ashok1, Emmanuel S. Tzanakakis1,3,4,5,6 and Edward P. Furlani1,2

1Dept. of Chemical and Biological Engineering, 2 Dept. of Electrical Engineering, 3Dept. of Biomedical Engineering, 4New York State Center of Excellence in Bioinformatics and Life Sciences, 5Western New York Stem Cell Culture and Analysis Center, 6Genetics, Genomics and Bioinformatics, University at Buffalo, SUNY

(left) Shear stress distribution along with velocity vectors in a cross sectional plane of the bioreactor running at 60 rpm; (right) Kolmogorov length scale distribution at the same plane under the same conditions.

CFD 기반 시뮬레이션과 실험결과의 조합으로 교반 탱크의 마이크로 캐리어 생물 반응기 시스템에서 세포 배양에 대한 난류 전단응력의 영향에 대한 분석을 제시합니다. Corning’s bench-scale spinner flask의 3D 계산 모델은 최첨단 CFD 소프트웨어 인 FLOW-3D를 사용하여 제작되었습니다. 임펠러 속도, 배양액 및 입자 크기와 같은 매개변수가 마이크로 캐리어 입자에 작용되는 전단응력에 미치는 영향을 CFD 분석을 사용하여 연구하였습니다. 이것은 세포가 겪는 정확한 전단 조건을 예측하고 세포의 손상을 방지하는 최적의 작동조건을 확인하는데 사용됩니다. 또한, 다원능 마커 Oct4, Sox2 및 Nanog를 운반하는 세포의 비율을 세포 계측법 및 정량적 PCR을 사용하여 측정함으로써 hPSCs의 다능성 전단효과를 연구합니다.

 

Numerical Analysis of Fully-Coupled Particle-Fluid Transport and Free-Flow Magnetophoretic Sorting in Microfluidic Systems

Chenxu Liu1, Xiaozheng Xue1 and Edward P. Furlani 1,2

1Dept. of Chemical and Biological Engineering, 2Dept. of Electrical Engineering, University at Buffalo, SUNY

Magnetic nanoparticle chaining and rotating following an external field and causing the mixing of two different molecular concentrations.

 

Magnetic 입자는 생체 의학 및 임상 진단 응용을 위해 생체 재료를 선택적으로 분리 및 분류하는 마이크로 유체시스템에 점점 더 많이 사용되고 있습니다. 그러한 시스템의 합리적인 설계에 사용될 수 있는 전산모델이 도입되었습니다. 이 모델은 자기 및 유체 역학적 힘, 완전 결합 입자 – 유체 상호 작용 및 입자의 자기 조립을 유도하는 자기 쌍극자와 쌍극자의 상호 작용을 비롯한 입자 수송에 대한 지배적 메커니즘을 고려합니다. 응용 프로그램을 통해 연속흐름 분리시스템 및 회전 조립 체인을 기반으로 하는 미세 유체 혼합프로세스로 시연됩니다.

 

Numerical Analysis of Laser Induced Photothermal Effects using Colloidal Plasmonic Nanostructures

Ioannis H. Karampelas1, Young Hwa Kim2 and Edward P. Furlani 1,2

1Dept. of Chemical and Biological Engineering, 2 Dept. of Electrical Engineering, University at Buffalo, SUNY

 

Photothermal heat cycle of a nanocage (a=50nm, t=5nm) (perspective 1/8 view): plot of nanocage temperature vs. time, pulse duration indicated by the red arrow and dashed line and inset plots showing various phases of the thermo -fluidic cycle: (a) nanobubble formation, (b) nanobubble (maximum size), (c) nanobubble collapse, (d) cooling.

Colloidal 귀금속 (plasmonic) 나노 구조는 나노 입자 합성에서부터 바이오 이미징 (bioimaging), 의학 요법 (medical therapy)에 이르기까지 다양한 광열 (photothermal) 분야에서 점점 더 많이 사용되고 있습니다. 많은 응용분야에서, 펄스 레이저는 plasmonic 공진 주파수에서 나노 구조를 사용하며, 이는 광자의 흡수 및 고도로 국부화된 파장필드의 향상을 가져옵니다. 원격 소스로부터 효율적인 나노 스케일 가열하는 것 외에도, 합성동안 나노 입자의 구조를 조정함으로써 근적외선 스펙트럼을 통한 공진 가열파장을 조정할 수 있습니다. 우리 그룹은 nanosecond-pulsed, laser-heated colloidal metallic nanoparticles 및 열 유체 거동을 예측하는 전산모델을 개발했습니다. 이 모델은 플라즈몬 공명, 입자에서 주변 유체로의 열 전달 및 균일한 기포 핵 형성을 유도하는 유체의 위상변화에서 나노 입자 내의 에너지 전환을 시뮬레이션 하는데 사용되었습니다. nanorods, nanotori, nanorings 및 nanocages 등 다양한 nanoparticle 형상이 연구되었습니다. 이 분석은 레이저 강도, 입사 파장, 편광, 펄스 지속 시간 및 나노 입자의 방향 및 모양과 같은 공정 매개 변수가 광열 공정을 최적화하도록 조정될 수 있음을 보여줍니다. Plasmonic nanoparticles는 악성 조직의 약물 치료, 약물 전달 및 생체치료에 사용됩니다.

유체 역학을 이용한 미세 유체 입자 정렬

유체 역학을 이용한 미세 유체 입자 정렬

Microfluidic 입자 분류는 진단, 화학 및 생물학적 분석, 식품 및 화학 공정 및 환경 평가에 응용 분야를 가지고 있습니다.

microfluidic sorting platform을 사용하는 주된 장점은 적은 양의 시료를 필요로하므로 비용과 시간이 줄어든다는 것입니다. 진단에서 환자의 침습을 줄일 수 있습니다. 더욱이, 이러한 소형 플랫폼은 대량 병렬 처리가 가능하여 적은 시간에 더 많은 수의 입자 정렬을 가능하게 합니다.

정렬은 수동 또는 능동 기술을 사용하여 수행 할 수 있습니다. 패시브 기술은 외부 필드를 필요로 하지 않으며 입자, 유동장 및 채널 구조 간의 상호 작용만을 전제로합니다. 반면에 능동 기술은 자기 또는 전기와 같은 외부 필드를 사용합니다. 아래의 애니메이션은 미세 유동 플랫폼의 유체 역학을 기반으로하는 수동 정렬 기법을 사용하여 세 가지 입자 종의 입자 정렬을 보여줍니다.

최첨단 FlowSight에서 후 처리되는 FLOW-3D 의 입자 물리 모델을 이용한 미세 유체 입자 정렬 시뮬레이션

이 페이지에서는 위에서 제시 한 정렬 기법의 물리학과 이러한 시뮬레이션 수행에 FLOW-3D 를 사용합니다.

유체 역학 분류 기술의 물리학

이 기법은 저 레이놀즈 수법에서 입자가 질량 및 직경에 따라 유동장에서 특정 유선을 따를 것이라는 원칙에 따라 작동합니다. 질량이 일정하다는 것을 감안할 때 직경이 작은 입자는 드래그 력이 적고 직경이 큰 입자는 더 큰 드래그력을 경험합니다. 이것은 큰 입자가 주변의 흐름으로 쉽게 옮겨 지도록합니다. 작은 입자와 그 궤적은 유체 역학의 영향을 덜 받습니다.

직경이 모든 입자 종류에 대해 동일하지만 밀도와 질량이 다를 경우 입자 정렬 중에 다른 동작을 보게됩니다. 동일한 직경의 입자에 대해 항력이 동일하더라도 더 무거운 입자는 더 큰 관성력의 영향을 받기 때문에 감속하기가 어렵습니다. 반대로 가벼운 입자는 감속이 더 쉽습니다. 따라서 결과는 더 가벼운 입자가 주변의 흐름으로 쉽게 옮겨지고 더 무거운 입자는 그 과정을 유지한다는 것입니다.

입자 정렬 시뮬레이션을위한 FLOW-3D

FLOW-3D 의 입자 모델은 입자 정렬 시뮬레이션을 매우 쉽게 만듭니다. 모델에는 마커, 질량, 유체, 가스 또는 공극 입자와 ​​같은 다른 입자 클래스를 설정할 수있는 옵션이 있습니다. 이 시뮬레이션을 위해 질량 입자가 사용되었습니다. 입자 종류의 특정 유형은 직경과 밀도에 따라 다른 종을 가질 수 있습니다. 예를 들어 위의 애니메이션에서 질량 입자 클래스에는 세 가지 종류가 있습니다.
질량 입자의 동력학은 확산 계수, 항력 계수, 난류 슈미트 수 및 반발 계수와 같은 특성에 의해 제어 될 수 있습니다. 질량 입자는 열적 및 전기적 특성을 부여받을 수도 있습니다. 사용자가 입자에 동시에 작용하는 여러 힘을 연구하기를 원할 경우 이러한 특성을 완전히 활용할 수 있습니다.

결과

아래 이미지는 질량과 반경이 다른 두 가지 시뮬레이션 사례의 결과를 보여줍니다.

입자 직경과 질량의 두 가지 다른 변화로 인한 시뮬레이션 결과

작은 직경 (왼쪽 창에서 파란색) 또는 더 적은 질량 (오른쪽 창에서 녹색)을 가진 입자는 수축의 상단을 향해 이동하고 발산은 위로 갈라지는 유선을 따릅니다. 더 큰 직경 (왼쪽 창에 녹색) 또는 큰 질량 (오른쪽 창에 파란색)이있는 입자는 수축의 바닥쪽으로 움직입니다. 수축을 빠져 나올 때,이 입자들은 아래로 갈라지는 유선을 따릅니다.

미세 기하학, 입자 매개 변수 및 흐름 특성을 기반으로하는 미세 유체 입자 정렬 장치의 미세 입자 정렬에 대한 정확한 수치 분석은 그러한 미세 장치의보다 나은 설계에 사용될 수 있습니다.

FLOW-3D 의 강력한 입자 모델을 사용하면 미세 유체 입자 정렬 시뮬레이션을 쉽게 설정할 수 있습니다. 블로그 시작 부분의 애니메이션은 서로 다른 입자 종의 깨끗한 분류와 여러 매장의 각 종별 수집을 보여줍니다. microfluidics 입자 정렬에 대한 다음 기고에서 중력 분리를 기반으로하는 정렬 기술에 대해 이야기 할 것입니다.

microfluidics 시뮬레이션 또는이 페이지의 내용와 관련된 의견은 adwaith@flow3d.com으로 연락주십시오.

액티브 시뮬레이션 제어

액티브 시뮬레이션 제어

전산 유체 역학 (Computational fluid dynamics, CFD)은 설계자가 개발하고자 하는 시나리오를 설계 할 수 있는 가상 실험실을 제공함으로써 오랫동안 제품 개발에 중요한 역할을 해왔습니다.

일반적으로 사용자는 수치해석을 통해 제품 설계 및 성능 검토를 위해서 시뮬레이션을 합니다. 성능 검증을 위해 일반적으로 기하학, 재료 특성 및 질량 유량, 경계 온도 및 압력, 출력 빈도와 같은 유동 조건이 포함됩니다. 시뮬레이션에서 얻은 결과 정보를 기반으로 다양한 입력 조건을 수정하고 더 많은 가정 시나리오를 조사하기 위해 시뮬레이션을 다시 시작합니다.

시뮬레이션에 대한 이러한 접근 방식은 폐회로 제어와 유사한 “what if – then do this”라고 생각할 수 있습니다. Active – Simulation Control이라고 불리는 FLOW-3D 및 FLOW-3D Cast 버전의 새로운 기능은 사용자들에게 인상적인 “what if – then do this” 컨트롤에 대한 시뮬레이션을 제공합니다.

용어 – 이벤트/조건 및 조치

능동적인 시뮬레이션 제어는 이벤트/조건 및 동작이라는 두 가지 개념을 기반으로 합니다. 다음은 각각에 대한 간단한 설명입니다.

이벤트/조건
히스토리 프로브의 사용자 지정 조건이 충족되면 이벤트가 발생합니다. 모든 유형의 프로브(정적 프로브, GMO에 부착 된 프로브 및 FSI / TSE 프로브)를 사용하여 조건을 정의 할 수 있습니다. 이벤트는 1-10 개의 조건으로 구성 될 수 있습니다. 사용자는 이벤트가 발생하기 위해 조건 중 하나 또는 모두를 충족해야하는지 여부를 지정할 수 있습니다.
조건의 예는 다음과 같습니다.
  • 히스토리 프로브 # 1의 유속은 3.25 미터 이상입니다.
  • 히스토리 프로브 # 2의 압력이 1 기압 미만
    지정된 조건이 충족되면 이벤트가 발생하고 이벤트와 연관된 모든 동작이 활성화됩니다.
행위

동작은 이벤트가 발생할 때 활성화되는 시뮬레이션에 대한 사용자 정의 변경입니다. 각 이벤트는 하나 이상의 조치를 활성화 할 수 있습니다. 동작의 몇 가지 예는 다음과 같습니다.
y 축에 대한 GMO 회전을 외부 파일에 정의 된 시간 종속 값으로 설정합니다.
메쉬 블록 1의 x-min 경계에서 y- 속도를 0.0으로 설정합니다.
선택된 데이터 출력의 빈도를 0.0으로 설정하십시오 (매 사이클 출력)

응고 시뮬레이션에서 스퀴즈핀 활성화

이벤트가 발생하면 이벤트에 지정된 모든 동작이 활성화됩니다.

능동 시뮬레이션 제어의 응용

고압 다이 캐스팅
샷 플런저를 고속 샷으로 전환 : 고압 다이캐스팅 머신의 샷 플런저의 초기 동작은 공기 유입을 최소화하도록 제어됩니다. 예를 들어, 금속이 게이트에 도달하면 샷 동작이 빠른 샷으로 전환되어 부품의 금속을 원자화합니다. 능동적인 시뮬레이션 제어는 금속이 게이트의 일부 또는 전부에 도달했을 때 이를 감지하고 이에 따라 플런저 동작을 변경하는 데 사용할 수 있습니다.
중력 주조

중력 주조는 종종 쏟아져 나오는 분지를 사용하여 일정한 압력 헤드가 스프 루 위에 유지되도록합니다. 액티브 시뮬레이션 제어는 유역의 유체 높이를 기반으로 유역으로 붓는 것을 제어하는 ​​데 사용할 수 있습니다.

물 / 환경

제어 게이트는 어류가 받아 들일 수 있는 범위로 유속을 제한하기 위해 댐 구조물을 통과하는 어류 통로에서 일반적으로 사용됩니다. 능동적 시뮬레이션 제어는 물고기가 있는 지역에 위치한 프로브에서 속도 정보를 기반으로 게이트를 이동시키는 데 사용할 수 있습니다.

항공 우주
극저온 연료 탱크의 압력은 적절한 작동 및 안전을 보장 할 수 있도록 설계단계에서 유지되어야합니다. 순압력흡입헤드가 허용 수준 이하로 떨어지면 엔진에서 캐비테이션이 발생하고 장치가 파괴 될 수 있습니다. 능동적 시뮬레이션 제어는 증기 공간에서의 압력(이력 프로브) 손실에 대한 시스템의 가압 (질량 운동량 소스) 및 감압 (밸브 개방)을 시뮬레이션하는데 사용할 수 있습니다.
능동 시뮬레이션 제어 데모

능동적인 시뮬레이션 제어는 충진 켜기/끄기 및 믹서 동작을 제어하기 위해 혼합 시뮬레이션에 적용 할 수 있습니다 (아래 참조). 수축 충진관을 사용하여 용기에 마커 염료가 함유된 유체를 채웁니다. 충전이 완료되면 패들 믹서가 용기 내로 내려갑니다.

프로브가 필러 튜브에 부착되어 위치를 감지합니다. 다른 프로브가 믹서의 바닥에 부착되어 그 위치를 감지합니다.
필러 튜브가 지정된 레벨 이상으로 상승하면 혼합 임펠러가 유체로 들어가기 시작합니다. 믹서가 지정된 레벨에 도달하면 회전이 시작됩니다. 믹서가 콘테이너의 바로 위에있는 포인트에 도달하면, 믹서는 아래로 이동하는 것을 멈추지만 계속 회전합니다.
아래의 애니메이션은 컨테이너를 채우고 혼합할 때 유체의 염료 농도를 보여줍니다.

결론

여기에 표시된 믹싱 예제는 활성 시뮬레이션 컨트롤이 제공하는 광범위한 기능을 보여줍니다. 능동적인 시뮬레이션 제어를 통해 사용자는 설계의 실제 동작을보다 자세하게 표현할 수 있으며 시뮬레이션을 재시작하지 않고도 시뮬레이션 변경 사항을 적극적으로 구현할 수 있습니다.

Lagrangian Particles

Lagrangian Particles

Can you imagine a computational fluid dynamics program that simulates the behavior of different materials separated by well-defined interfaces that are subject to arbitrarily large deformations? Can you also imagine this program capturing shock waves and tracking rarefactions, slip surfaces, and other non-linear hydrodynamic phenomena?

라그랑주 입자

잘 정의된 인터페이스로 구분하여 수시로 큰 변형이 발생하는 다양한 물질의 거동을 시뮬레이션 하는 전산 유체 역학 프로그램을 상상할 수 있습니까?  또한 이 프로그램이 충격파 및 저밀도 추적, 미끄럼 표면 등의 비선형 유체 역학 현상을 추적하는 것을 상상할 수 있습니까?

Developing such a program would be a daunting task. You may be surprised to learn that such a program was operating in 1955, long before computer graphics or mechanical pen plotters were available, and even before high-level programming languages like Fortran were popular. Fortran, or Formula Translation System, was proposed by IBM in 1954. The program having these amazing capabilities was a Particle-In-Cell (PIC) method originated by Francis H. Harlow of the Los Alamos National Laboratory (Harlow, F.H., “A Machine Calculation Method for Hydrodynamic Problems,” Los Alamos Scientific Laboratory report LAMS-1956, Nov. 1955).

그런 프로그램의 개발은 벅찬 작업입니다.  이러한 프로그램이 1955 년에 가동하고 있었다고 하니 놀랄지도 모릅니다.  컴퓨터 그래픽이나 기계식 펜 플로터가 실용화되기 훨씬 이전의 일이며, Fortran과 같은 고수준 프로그래밍 언어조차도 아직 일반화되어 있지 않았던 무렵입니다.  Fortran, 즉 Formula Translation System은 1954 년 IBM에 의해 제안되었습니다.  이러한 놀라운 기능을 가진 프로그램은 PIC (Particle-In-Cell) 법으로 로스 알 라모스 국립 연구소 (Los Alamos National Laboratory)의 Francis H. Harlow 씨에 의해 고안되었다 (FH Harlow “A Machine Calculation Method for Hydrodynamic Problems “Los Alamos Scientific Laboratory report LAMS-1956, Nov 1955).

Figure 1: PIC calculation of a 2 cm diameter iron sphere hitting an aluminum plate at a supersonic speed

Central to the PIC method is the concept of a Lagrangian particle defined by a location (x,y,z). A particle is said to be Lagrangian when it moves as though it is an element of fluid. The particle may be thought of as the location of the center of mass of the fluid element. In addition to a location, Lagrangian particles are sometimes assigned one or more property values. In the PIC method, for instance, particles have specified masses and a label indicating what material they belong to.

PIC는 메소드 중심부는, 위치 (x, y, z)에 의해 정의된 라그랑 입자의 개념입니다. 파티클은 유체의 요소인 것처럼 움직일 때 “라그랑” 이라고 합니다. 이 입자는 유체 요소의 질량 중심의 위치로 간주 할 수습니다. 위치 외에, 라그랑 입자는 종종 하나 이상의 속성 값을 할당합니다. PIC는 방법에서, 예를 들면, 입자는 특정 질량과 그들이 속한 어떤 소재를 나타내는 라벨을 지정하고 있습니다.

While the underlying computational scheme used in the PIC method employs a fixed Eulerian grid, Lagrangian particles are used to move mass, momentum, and energy through this grid in a way that preserves the identities of the different materials. There are no connections between particles so they are free to move and follow the dynamics of a flow regardless of its complexity, Figure 1. Lagrangian particles are, in fact, the key feature in the PIC method that allows it to track large fluid deformations.

PIC 법에서 사용되는 기본 계산 방식은 고정 오일러 격자를 채용하고 있습니다 만,이 격자를 통과하는 질량, 운동량, 에너지의 이동은 라그랑주 입자가 사용 된 다양한 물질의 독자성이 유지되고 있습니다.  입자 사이의 연결은 없기 때문에 입자는 자유롭게 움직이고 복잡한 여부에 관계없이 흐름의 역학을 따르십시오 (그림 1).  실제로 라그랑주 입자는 유체의 대폭적인 변형을 추적 할 수있는 PIC 법의 중요한 기능입니다.

Why, then, isn’t the PIC method more widely used for continuum fluid mechanics? For example, there are no commercial CFD programs based on this method. It could be argued that the PIC method is best for compressible flows, while most commercial applications deal with incompressible-fluid situations.

그런데도 왜 PIC 법은 연속 유체 역학에 더 널리 사용되지 않는 이유는 무엇입니까?  예를 들어,이 기술을 기반으로 하는 상용 CFD 프로그램은 없습니다.  PIC 법은 압축성 흐름에 최적인 반면 대부분의 상용 응용 프로그램에서는 비압축성 유체의 상황을 취급하고 있다는 것을 말할 수 있을지도 모릅니다.

Two additional reasons why the PIC method is not more wisely used are associated with the discreteness of Lagrangian particles. It is these discrete properties and their consequences that are the subject of this note. One obvious property is that finite changes in numerical values may occur because of changes in the number of particles. The other property is less obvious and is associated with a fundamental characteristic of fluids that generally makes it difficult to track a fluid element simply by tracking its center of mass (a discrete) location.

PIC 법이 더 현명하게 사용되지 않은 이유가 그 밖에도 2 개가 더 있지만, 그들은 라그랑주 입자의 이산과 관련되어 있습니다.  이러한 이산화 특성 및 그 결과야말로 이 책의 주제입니다.  분명한 특성 중 하나는 입자의 수의 변화에 따라 숫자의 유한 변화가 발생할 수있는 것입니다.  또 하나의 특성은 그다지 명확하지 않고, 유체의 기본적인 특성과 관련되어 있습니다.  이 특성에 따라 질량 중심 (이산화) 위치를 추적하는 것만으로는 유체 요소를 추적하기가 어려워지는 것입니다.

The Discrete Problem

Figure 2: (a) Flow in jet hitting a wall, (b) initial particle distribution, (c) subsequent particle distribution showing vertical packing and horizontal spreading.

In the PIC method particles have finite masses. This means that when a particle moves from one control volume of the fixed Eulerian grid into another it causes discrete changes to be recorded in the mass, momentum, and energy of the cells losing and gaining the particle. Such changes introduce fluctuations in the computed values of all fluid dynamic quantities. The magnitude of the fluctuations is inversely proportional to the square root of the average number of particles in a grid cell.

이산화 문제

PIC 법에서 입자는 유한의 질량을 가지고 있습니다.  즉, 고정 오일러 격자 컨트롤 볼륨 사이를 입자가 이동할 때 입자가 감소하는 셀과 증가하는 셀의 질량, 운동량, 에너지 이산 변화가 기록된다는 것입니다.  이러한 변화로 인해 유체 역학의 모든 양의 계산 값에 변동이 발생합니다.  변화의 크기는 격자 셀의 평균 입자 수의 제곱근에 반비례합니다.

Experience has shown that the PIC method works best with at least 16 particles per cell (i.e., a 4 by 4 array in two dimensions or 64 particles per cell in three dimensions). A smaller number of particles could be used when larger fluctuations could be tolerated (or when computing resources did not allow for a larger number, a frequent situation in the early days of CFD).

경험에서 PIC 법은 셀 당 입자 수를 16 개 이상 (2 차원의 경우는 4 × 4 배열, 3 차원의 경우 셀 당 64 개의 입자) 인 경우에 최적으로 작동하는 것으로 알려져 있습니다.  더 큰 변동을 허용 할 경우 (또는 CFD의 초기에 많았던 상황으로 컴퓨팅 자원의 문제로 인해 큰 수치를 사용할 수 없는 경우)는 사용하는 입자 수는 더 적게해도 괜찮습니다.

Experience also showed that better results were obtained when the initial placement of particles was not regular, but staggered. It is easy to see why this is so. Suppose the particles are arranged in a regular 4 x 4 array in x-y space. If the flow is only in the x direction then a column of four particles will pass from one cell to another at the same time, which would result in a very large change in the cell values. If the particles are staggered in space, however, it is more likely that only one particle at a time will cross a cell boundary, causing the minimum discrete change in cell values.

입자의 초기 위치가 일정하지 않고 불규칙하면 좋은 결과를 얻을 수도 있으며, 경험을 통해 알고 있습니다.  그 이유는 쉽게 확인할 수 있습니다.  입자가 일정한 4 × 4 배열에서 xy 공간에 나란히 있다고가정합니다.  흐름이 x 방향 만의 경우 4 개의 입자로 이루어진 열이 셀에서 셀에 동시에 이동하는 셀의 값이 크게 변화하는 결과가 됩니다.  그러나 공간에 입자가 불규칙하게 배치되어 있는 경우는 셀의 경계를 통과하는 입자는 1 회에 1 개만이 될 가능성이 높기 때문에 셀의 값의 이산 변화는 최소화됩니다 .

In more recent times another approach has been used to reduce the effect of discrete changes as particles move from cell to cell. This is the “smooth particle hydrodynamics” method in which particles have finite volumes that can overlap more than one grid cell at a time. As a particle approaches a cell boundary its volume continuously sweeps from one cell to the next.

최근 들어 입자가 셀에서 셀로 이동할 때 이산 변화의 영향을 완화하기 위해 다른 방법이 사용되어 왔습니다.  이것은 “부드러운 입자 유체 역학”법이며, 입자는 동시에 여러 개의 격자 셀과 겹칠 수 있는 유한 체적을가집니다.  입자가 셀 경계에 접근하면 그 부피는 원래의 셀에서 옆의 셀에 연속 스윕합니다.

The Element Distortion Problem

Figure 3: Same plots as in Fig.2 B-C except the initial particle distribution is staggered.

A more difficult problem associated with Lagrangian particles is that fluid elements rarely retain simple, convex shapes. Most often a fluid element will find itself subjected to shearing, expanding, or contracting flow processes that quickly draw it out into a long ribbon-like shape. To visualize this, you might try introducing small volumes of smoke into a strong light (e.g., from a slide projector) and see how rapidly they deform into thin curtains of smoke.

요소의 왜곡 문제

라그랑주 입자에 관련된 더 어려운 문제는 유체 요소가 간단한 볼록 형상을 유지하는 경우가 거의 없다는 것입니다.  종종 유체 요소는 전단, 팽창, 수축 등 유동 과정을 받고, 긴 리본 모양의 형상으로 늘어납니다.  이를 시각화하려면 소량의 연기에 강한 빛 (슬라이드 프로젝터 등)을 조사하여 연기가 얇은 커튼 모양으로 변형되는 속도를 확인하는 등의 방법이 있습니다.

This type of deformation means that material in a fluid element will not remain localized, and a Lagrangian particle following its center of mass will no longer be a good representation of the element. In a computational method element distortion can lead to a variety of problems. One of the most common problems is that particles will not retain a uniform distribution, but will tend to bunch up in some places and move apart in others.

이 유형의 변형은 유체 요소의 물질이 국소화된 상태로는되지 않고, 질량의 중심에 따라 라그랑주 입자는 요소를 충분히 표현할 수 없게 되는 것을 의미합니다.  계산법은 요소의 왜곡이 다양한 문제를 초래할 수 있습니다.  가장 일반적인 문제 중 하나는 입자가 균일 한 분포를 유지하는 것이 아니라 위치에 따라 1 개소에 정리하거나 흩어 지거나하는 경향이 있다는 것입니다.

A simple example of these processes occurs at stagnation point. Figure 2 shows what happens to a regular array of particles in a liquid jet when it strikes a wall and flows to either side of a stagnation point that is at the center of impact. The particles bunch together in a direction normal to the wall while at the same time move further apart along the wall.

이러한 과정의 간단한 예는 정체 지점에서 발생합니다.  그림 2는 액체 제트가 벽에 충돌, 충격의 중심에 있는 정체 점의 양쪽에 흐를 때, 규칙적인 입자 배열에 무슨 일이 일어나는지를 보여줍니다.  입자가 벽에 수직 방향으로 정렬하여 동시에 벽을 따라 바깥쪽으로 멀리 갈 수 있도록 이동합니다.

If the particles in the initial distribution are staggered these deformation processes are greatly reduced. See Figure 3. Unfortunately, staggering cannot completely eliminate this problem. In other circumstances, at a separation point or in regions of strong shear, particle staggering is not sufficient to keep particles evenly distributed.

초기 분포의 입자가 불규칙한 경우, 이러한 변형 과정은 크게 감소합니다.  그림 3을 참조하십시오.  공교롭게도 불규칙한 분포에서는이 문제를 완전히 배제 할 수 없습니다.  박리 점과 전단력이 강한 영역과 같은 다른 상황에서 입자를 불규칙해도 입자의 균일 한 분포를 유지하기에 충분하지 않습니다.

Numerical techniques can be used to add particles in expanding regions or eliminate them in regions of convergence. Or continuous repartitioning methods can be used to relocate particles for more even coverage. However, these operations introduce local smoothing that is effectively equivalent to an Eulerian computational method and throws away one of the best features of particles, namely that of their identity.

팽창 영역에 입자를 추가하거나 컨버전스 영역에서 입자를 제거하는 데에 많은 기술을 사용할 수 있습니다.  또한 continuous repartitioning methods을 사용하여보다 균일하게 입자를 재배치 할 수 있습니다.  그러나 이러한 작업은 오일러 계산법과 사실상 동등하게 국소적으로 부드럽게 해 입자의 가장 뛰어난 특징 중 하나 인 독자성이 없어집니다.

Other Considerations

Flow separation regions cause difficulties not only because of the difficulty of maintaining a uniform particle distribution but also because of the curvature of the flow near a separation point.

기타주의 사항

흐름의 분리 영역이 문제의 원인이 되는 이유는 입자의 균일 한 분포를 유지하기 어려울뿐만 아니라 박리 점 근처의 흐름 곡선이 있는 것입니다.

To understand why flow curvature can be a problem, consider the rigid-body rotation of a fluid. Lagrangian particles placed in such a flow should move in circles about the axis of rotation. In practice this rarely happens because most particle implementations advance the location of a particle using a linear expression of velocity. For instance, the x-location of a particle at time-step n+1 would be computed as xn+1=xn+dtU, where dt is the time-step size and U is the x-component of the flow velocity at the location of the particle.

흐름의 곡선이 왜 문제가 되는지를 이해하기 위해 유체의 강체 회전에 대해 생각합니다.  이러한 흐름 속에 배치된 라그랑주 입자는 회전축을 중심으로 원형을 그리며 움직입니다.  사실, 이런 일은 거의 일어나지 않습니다.  입자를 도입 할 때 종종 속도의 1 차식을 사용하여 입자의 위치를 전진시키기 때문입니다.  예를 들어, 시간 단계 n + 1의 입자의 x 위치는 xn + 1 = xn + dtU 계산됩니다.  여기서 dt는 시간 단계 크기, U는 입자의 위치에서의 흐름 속도의 x 성분입니다.

This expression, which is linear in the velocity, moves the particle in a direction tangent to the circle. Consequently, when the particle is moved along the tangent it moves to a slightly larger radius. After a sufficient number of time steps, particles will appear as though they are being thrown outward, a kind of numerical centrifugal effect.

이 수식은 속도의 1 차식이며, 원형의 접선 방향으로 입자를 이동합니다.  그 결과, 입자는 접선을 따라 이동 된 때 약간 큰 반경으로 이동합니다.  충분한 시간 단계 후, 입자는 외부에 던져진 것처럼 보입니다.  이것은 수치적 원심 효과의 일종입니다.

The only way to correct for this type of behavior is to sense when the flow has curvature and to use a second-order, quadratic expression to compute new particle positions.

이 유형의 행동의 유일한 해결 방법은 흐름 곡선이 있을 때 감지하여 2 차 식을 사용하여 입자의 새로운 위치를 계산하는 것입니다.

Diffusion processes are easy to include in particle methods using a type of random walk, or Monte Carlo model. One technique is to imagine a particle to be a point source for material that is diffusing outward. For a short time, dt, the diffusion can be represented as having a Gaussian distribution (i.e., having the solution to the diffusion equation for a point source). Since the particle cannot be subdivided, the distribution is instead treated as a probability distribution. The particle is then moved in the time interval dt to its most probable location. A random number generator is used to select a location in this probability distribution. The idea is that if enough trials are made the number of times the particle reaches a given position is proportional to the Gaussian distribution.

확산 과정은 랜덤 워크의 일종인 몬테카를로 모델을 사용하여 입자법에 쉽게 포함 할 수 있습니다.  하나의 방법은 입자가 바깥쪽으로 확산하는 물질의 점 원인이라고 가정하는 것입니다.  짧은 시간 (dt) 확산 가우스 분포를 가지고있음 (포인트 소스의 확산 방정식의 해를 가지고)으로 표시 할 수 있습니다.  입자를 세분화 할 수 없기 때문에 이 분포 대신에 확률 분포로 처리됩니다.  그 후, 입자는 dt는 시간 간격으로 가장 확률이 높은 위치로 이동됩니다.  이 확률 분포는 난수 생성기를 사용하여 위치가 선택됩니다.  이것은 충분한 시도를 실시하면, 입자가 주어진 위치 도달 횟수는 가우스 분포에 비례한다는 생각입니다.

Figure 4: Calculation of collapsing cylindrical column of water (a) splashing over a circular dyke (b). Particle finger looks especially realistic, but particles were not used in computation.

When particles are used as flow markers they make particularly nice graphic displays. A good example can be found in the Marker-and-Cell (MAC) method for free surface hydrodynamics (Harlow, F.H., Shannon, J.P., and Welch, J.E., “Liquid Waves by Computer,” Science 149, 1092 (1965)). In this method Lagrangian particles do not carry mass but are simply used as markers to define grid regions occupied by fluid. Results produced by the MAC method have appeared in many publications to illustrate the impressive things that can be done with computational fluid dynamics.

입자 흐름 마커로서 사용하면 특히 뛰어난 그래픽으로 표시됩니다.  자유 표면 유체 역학의 MAC (Marker-and-Cell) 법은, 좋은 예입니다 (FH Harlow, JP Shannon 및 JE Welch “Liquid Waves by Computer”Science 149,1092 (1965)).  이 방법은 라그랑주 입자는 질량 없이 단순히 유체로 채워져 있는 격자 영역을 정의하는 마커로 사용됩니다.  MAC 법에서 얻어진 결과는 많은 출판물에 등장하고 전산 유체 역학에서 실현할 수있는 좋은 것을 설명하기 위해 사용되어 왔습니다.

Figure 4 shows a MAC-like computation of the flow of liquid originating from the collapse of a circular column (shown in outline to the left) and splashing over a cylindrical dyke. The small finger of marker particles at the top of the splash appears especially realistic. As it happens, this computation was performed using a Volume-of-Fluid (VOF) method in which Lagrangian particles had no computational role. The particles in the picture were only included in the computation to make the graphical display.

그림 4는 실린더 (왼쪽 가장자리 부분)이 무너지는 것으로부터 시작하여 원통형의 볼록한 부분에 있어서는 물보라를 올리는 액체의 흐름을 MAC과 같이 계산 한 경우를 보여줍니다.  비말 상단의 마커 입자의 작은 손가락 모양의 부분이 특히 리얼하게 보입니다.  우연히 이 계산은 VOF (Volume-of-Fluid) 법을 사용하여 수행됩니다. 라그랑주 입자는 계산상 역할은하지 않았습니다.  그림 속의 입자는 그래픽 표시 목적으로만 계산에 포함되었습니다.

This example shows that what seems to be a strong argument for the accuracy of discrete particles, that is, their ability to capture local details, is mostly a visual effect in this case since the dynamics was computed from purely cell-averaged quantities.

이 예는 이산화 된 입자가 정확한지 강력한 근거라고 생각되는 것, 즉 국소적인 내용을 파악하는 능력이 사건은 주로 시각 효과임을 보여줍니다.  이것은 순수한 셀 평균 금액에서 역학 계산 된 것입니다.

Lagrangian particles are an extremely useful computational tool, especially when they are used to track small amounts of material whose dispersion is to be minimized. When particles are used as a discrete model for a continuous medium, however, it must be remembered that they have some limitations. In this sense, particles are no different than any other discrete computational method. Some of the issues that should be considered when using Lagrangian particles have been, we hope, discreetly presented in this note.

라그랑주 입자는 특히 분산을 최소화해야 합니다. 소량의 물질을 추적 할 때 매우 유용한 계산 도구입니다.  그러나 연속 매체의 이산 모델로 입자를 사용하는 경우 몇 가지 제한 사항이 있음을 기억해야합니다.  이러한 의미에서, 입자는 다른 이산 계산법과 아무런 차이가 없습니다.  라그랑주 입자를 사용할 때 주의가 필요한 문제의 일부를이 책에서 조금이라도 보여줄 수 있으면 다행입니다.

General CFD

General CFD

A basic requirement for computational fluid dynamics
A basic requirement for computational fluid dynamics

전산 유체 역학 (CFD)의 기본 요구 사항은 밀도, 압력 및 속도 등의 유체 특성을 각 요소에 대해 고유하게 할당할 수있는 미소 요소에 공간을 이산화하는 것입니다. 

공간을 분할하는 다양한 방법 중 일반적인 방법의 일부는 격자 시스템에 쉽게 설명되어 있으며, 각각의 방법에 대해 장단점도 기술되어 있습니다. 

사각형 격자 요소는 아마도 수치 근사를 위해 생성하고 사용하는 가장 간단한 격자 요소이지만, 일반적인 사용이 제한되어 너무 대체로 간주합니다. 

사각형 격자는 여러 가지 방법으로 사각형 격자를 쉽게 확장하고 복잡한 격자 생성의 가능성을 제공할 수 있다고 설명하면 위의 생각이 틀렸다는 것을 보여줍니다.

A basic requirement for computational fluid dynamics (CFD) is to have a discretization of space into small elements in which fluid properties such as density, pressure and velocity can be uniquely assigned to each element.  There are a variety of ways to subdivide space and some of the more common ones are briefly described in the article Grid Systems, which offers a few pros and cons for each possibility.  Rectangular grid elements are probably the simplest to generate and use for numerical approximation, but are often seen as too restricted for general use.  The article Rectangular Grids shows the fallacy of this by explaining how rectangular grids can be easily extended in several ways to offer more complex gridding possibilities.

CFD를 실제 문제에 적용하려면, 질량, 운동량 및 에너지 보존에 관한 기본적인 유체 방정식의 단순한 수치 모델 이상의 경우를 고려하는 것이 필요합니다.  이러한 문제의 일부는 아래에 있는 General CFD  절에서 논의되고 있습니다. 

자유 유체 표면 또는 액체 계면을 수치적으로 모델링하는 다양한 방법의 개요가 나와 있습니다.  

그 밖에도 난류 현상을 모델링하는 방식이 논의되고 있으며, 마지막으로 이산 질량 (또는 마커) 입자의 사용에 대한 일반적인 논의도 포함되어 있습니다.

직관적으로 이산 입자는 복잡한 유체 흐름의 변화을 추적하는데 이상적이라고 생각되지만, 마지막 부분에서 설명된 바와 같이 이산 입자와 관련된 많은 제한에 대해 유의해야 합니다.

Application of CFD to real problems often requires more than a straightforward numerical model of the basic fluid equations for conservation of mass, momentum and energy.  Several of these issues are discussed in the remaining articles under the heading of General CFD.  A short summary is given of different ways to numerically model free fluid surfaces or fluid interfaces.  Another of the articles discusses approaches for modeling turbulence phenomena, and finally, there is a general discussion of the use of discrete mass (or marker) particles.  Intuitively, discrete particles would seem to be ideal for tracking the evolution of complex fluid flow, however, as this last article explains, there are a number of limitations associated with discrete particles that should be kept in mind.

본 자료는 국내 사용자들의 편의를 위해 원문 번역을 해서 제공하기 때문에 일부 오역이 있을 수 있어서 원문과 함께 수록합니다. 자료를 이용하실 때 참고하시기 바랍니다.