Sous la direction de : Marc Jolin, directeur de recherche Benoit Bissonnette, codirecteur de recherche
Modélisation de l’écoulement du béton frais
Abstract
현재의 기후 비상 사태와 기후 변화에 관한 다양한 과학적 보고서를 고려할 때 인간이 만든 오염을 대폭 줄이는 것은 필수적이며 심지어 중요합니다. 최신 IPCC(기후변화에 관한 정부 간 패널) 보고서(2022)는 2030년까지 배출량을 절반으로 줄여야 함을 나타내며, 지구 보존을 위해 즉각적인 조치를 취해야 한다고 강력히 강조합니다.
이러한 의미에서 콘크리트 생산 산업은 전체 인간 이산화탄소 배출량의 4~8%를 담당하고 있으므로 환경에 미치는 영향을 줄이기 위한 진화가 시급히 필요합니다.
본 연구의 주요 목적은 이미 사용 가능한 기술적 품질 관리 도구를 사용하여 생산을 최적화하고 혼합 시간을 단축하며 콘크리트 폐기물을 줄이기 위한 신뢰할 수 있고 활용 가능한 수치 모델을 개발함으로써 이러한 산업 전환에 참여하는 것입니다.
실제로, 혼합 트럭 내부의 신선한 콘크리트의 거동과 흐름 프로파일을 더 잘 이해할 수 있는 수치 시뮬레이션을 개발하면 혼합 시간과 비용을 더욱 최적화할 수 있으므로 매우 유망합니다. 이러한 복잡한 수치 도구를 활용할 수 있으려면 수치 시뮬레이션을 검증, 특성화 및 보정하기 위해 기본 신 콘크리트 흐름 모델의 구현이 필수적입니다.
이 논문에서는 세 가지 단순 유동 모델의 개발이 논의되고 얻은 결과는 신선한 콘크리트 유동의 수치적 거동을 검증하는 데 사용됩니다. 이러한 각 모델은 강점과 약점을 갖고 있으며, 신선한 콘크리트의 유변학과 유동 거동을 훨씬 더 잘 이해할 수 있는 수치 작업 환경을 만드는 데 기여합니다.
따라서 이 연구 프로젝트는 새로운 콘크리트 생산의 완전한 모델링을 위한 진정한 관문입니다.
In view of the current climate emergency and the various scientific reports on climate change, it is essential and even vital to drastically reduce man-made pollution. The latest IPCC (Intergovernmental Panel on Climate Change) report (2022) indicates that emissions must be halved by 2030 and strongly emphasizes the need to act immediately to preserve the planet. In this sense, the concrete production industry is responsible for 4-8% of total human carbon dioxide emissions and therefore urgently needs to evolve to reduce its environmental impact. The main objective of this study is to participate in this industrial transition by developing a reliable and exploitable numerical model to optimize the production, reduce mixing time and also reduce concrete waste by using technological quality control tools already available. Indeed, developing a numerical simulation allowing to better understand the behavior and flow profiles of fresh concrete inside a mixing-truck is extremely promising as it allows for further optimization of mixing times and costs. In order to be able to exploit such a complex numerical tool, the implementation of elementary fresh concrete flow models is essential to validate, characterize and calibrate the numerical simulations. In this thesis, the development of three simple flow models is discussed and the results obtained are used to validate the numerical behavior of fresh concrete flow. Each of these models has strengths and weaknesses and contributes to the creation of a numerical working environment that provides a much better understanding of the rheology and flow behavior of fresh concrete. This research project is therefore a real gateway to a full modelling of fresh concrete production.
Figure 2-15: Système expérimental du plan inclinéFigure 2-19: Essai d’affaissement au cône d’Abrams
Reference
Amziane, S., Ferraris, C. F., & Koehler, E. (2006). Feasibility of Using a Concrete Mixing Truck as a Rheometer. Anderson, J. D. (1991). Fundamentals of aerodynamics. McGraw-Hill. Balmforth, N. J., Craster, R. V., & Sassi, R. (2002). Shallow viscoplastic flow on an inclined plane. Journal of Fluid Mechanics, 470, 1-29. https://doi.org/10.1017/S0022112002001660 Banfill, P., Beaupré, D., Chapdelaine, F., de Larrard, F., Domone, P., Nachbaur, L., Sedran, T., Wallevik, O., & Wallevik, J. E. (2000). Comparison of concrete rheometers International tests at LCPC (Nantes, France) in October 2000. In NIST. Baracu T. (2012). Computational analysis of the flow around a cylinder and of the drag force. Barreto, D., & Leak, J. (2020). A guide to modeling the geotechnical behavior of soils using the discrete element method. In Modeling in Geotechnical Engineering (p. 79-100). Elsevier. https://doi.org/10.1016/B978-0-12-821205-9.00016-2 Baudez, J. C., Chabot, F., & Coussot, P. (2002). Rheological interpretation of the slump test. Applied Rheology, 12(3), 133-141. https://doi.org/10.1515/arh-2002- 0008 Beaupre, D. (2012). Mixer-mounted probe measures concrete workability. Berger, X. (2023). Proposition de recherche et préparation orale de doctorat (GCI8084). Bergeron, P. (1953). Considérations sur les facteurs influençant l’usure due au transport hydraulique de matériaux solides. Application plus particulière aux machines. https://www.persee.fr/doc/jhydr_0000-0001_1953_act_2_1_3256 Bingham, E. (1922). Fluidity and Plasticity (Digitized by the Internet Archive in 2007). http://www.archive.org/details/fluidityplasticiOObinguoft Bruschi, G., Nishioka, T., Tsang, K., & Wang, R. (2003). A comparison of analytical methods drag coefficient of a cylinder.
Caceres, E. C. (2019). Impact de la rhéologie des matériaux cimentaires sur l’aspect des parements et les procédés de mise en place. https://tel.archivesouvertes.fr/tel-01982159 Chanson, H., Jarny, ; S, & Coussot, P. (2006). Dam Break Wave of Thixotropic Fluid. https://doi.org/10.1061/ASCE0733-94292006132:3280 Chi, Z. P., Yang, H., Li, R., & Sun, Q. C. (2021). Measurements of unconfined fresh concrete flow on a slope using spatial filtering velocimetry. Powder Technology, 393, 349-356. https://doi.org/10.1016/j.powtec.2021.07.088 Cochard, S., & Ancey, C. (2009). Experimental investigation of the spreading of viscoplastic fluids on inclined planes. Journal of Non-Newtonian Fluid Mechanics, 158(1-3), 73-84. https://doi.org/10.1016/j.jnnfm.2008.08.007 Coussot, Philippe., & Ancey, C. (Christophe). (1999). Rhéophysique des pâtes et des suspensions. EDP Sciences. CSA Group. (2019). CSA A23.1:19 / CSA A23.2:19 : Concrete materials and methods of concret construction / Test methods and standard practices for concrete. Daczko, J. A. (2000). A proposal for measuring rheology of production concrete. De Larrard, F. (1999). Structures granulaires et formulation des bétons. http://www.lcpc.fr/betonlabpro De Larrard, F., Ferraris, C. F., & Sedran, T. (1998). Fresh concrete: A HerscheIBulkley material (Vol. 31). Domone P.L.J., J. J. (1999). Properties of mortar for self-compacting concrete. RILEM, 109-120. El-Reedy, M. (2009). Advanced Materials and Techniques for Reinforced Concrete Structures. Emborg M. (1999). Rheology tests for self-compacting concrete – how useful are they for the design of concrete mix for full-scale production. Fall A. (2008). Rhéophysique des fluides complexes : Ecoulement et Blocage de suspensions concentrées. https://www.researchgate.net/publication/30515545 Ferraris, C. F., Brower, L. E., Beaupré, D., Chapdelaine, F., Domone, P., Koehler, E., Shen, L., Sonebi, M., Struble, L., Tepke, D., Wallevik, O., & Wallevik, J. E.
(2003). Comparison of concrete rheometers: International tests at MB. https://doi.org/10.6028/NIST.IR.7154 Ferraris, C. F., & de Larrard, F. (1998a). Rhéologie du béton frais remanié III – L’essai au cône d’Abrams modifié. Ferraris, C. F., & de Larrard, F. (1998b, février). NISTIR 6094 Testing and modelling of fresh concrete rheology. NISTIR 6094. https://ciks.cbt.nist.gov/~garbocz/rheologyNISTIR/FR97html.htm Fischedick, M., Roy, J., Abdel-Aziz, A., Acquaye Ghana, A., Allwood, J., Baiocchi, G., Clift, R., Nenov, V., Yetano Roche Spain, M., Roy, J., Abdel-Aziz, A., Acquaye, A., Allwood, J. M., Ceron, J., Geng, Y., Kheshgi, H., Lanza, A., Perczyk, D., Price, L., … Minx, J. (2014). Climate Change 2014. Fox R., & McDonald A. (2004). Introduction to fluid mechanics. Franco Correa I.-D. (2019). Étude tribologique à hautes températures de matériaux céramiques structurés à différentes échelles. GIEC. (2022). Climate Change 2022 : Mitigation of Climate Change. www.ipcc.ch Gouvernement du Canada. (2021, mai 31). Déclaration commune : L’industrie canadienne du ciment et le gouvernement du Canada annoncent un partenariat. https://www.ic.gc.ca/eic/site/icgc.nsf/fra/07730.html Grenier, M. (1998). Microstructure et résistance à l’usure de revêtements crées par fusion laser avec gaz réactifs sur du titane. Herschel, W. H., & Bulkley, R. (1926). Konsistenzmessungen von GummiBenzollösungen. Kolloid-Zeitschrift, 39(4), 291-300. https://doi.org/10.1007/BF01432034 Hirt, C. W., & Nichols, B. D. (1981). Volume of fluid (VOF) method for the dynamics of free boundaries. Journal of Computational Physics, 39(1), 201-225. https://doi.org/https://doi.org/10.1016/0021-9991(81)90145-5 Hoornahad, H., & Koenders, E. A. B. (2012). Simulation of the slump test based on the discrete element method (DEM). Advanced Materials Research, 446-449, 3766-3773. https://doi.org/10.4028/www.scientific.net/AMR.446-449.3766
Hu, C., de Larrard, F., Sedran, T., Boulay, C., Bosd, F., & Deflorenne, F. (1996). Validation of BTRHEOM, the new rheometer for soft-to-fluid concrete. In Materials and Structures/Mat~riaux et Constructions (Vol. 29). Jeong, S. W., Locat, J., Leroueil, S., & Malet, J. P. (2007). Rheological properties of fine-grained sediments in modeling submarine mass movements: The role of texture. Submarine Mass Movements and Their Consequences, 3rd International Symposium, 191-198. https://doi.org/10.1007/978-1-4020-6512- 5_20 Kabagire, K. D. (2018). Modélisation expérimentale et analytique des propriétés rhéologiques des bétons autoplaçants. Katopodes, N. D. (2019). Volume of Fluid Method. In Free-Surface Flow (p. 766-802). Elsevier. https://doi.org/10.1016/b978-0-12-815485-4.00018-8 Khayat. (2008). Personnal Communication. Kosmatka, S. (2011). Dosage et contrôle des mélanges de béton (8ème édition). Li, H., Wu, A., & Cheng, H. (2022). Generalized models of slump and spread in combination for higher precision in yield stress determination. Cement and Concrete Research, 159. https://doi.org/10.1016/j.cemconres.2022.106863 Massey, B., & Smith, J. (2012). Mechanics of fluids 9ème édition. Mokéddem, S. (2014). Contrôle de la rhéologie d’un béton et de son évolution lors du malaxage par des mesures en ligne à l’aide de la sonde Viscoprobe. https://tel.archives-ouvertes.fr/tel-00993153 Munson, B. R., & Young, D. R. (2006). Fundamental of Fluid Mechanics (5th éd.). Munson, M., Young, M. , & Okiishi, M. (2020). Mécanique des fluides (8ème édition). Murata, J., & Kikukawa, H. (1992). Viscosity Equation for Fresh Concrete. Nakayama, Y., & Boucher, R. F. (2000). Introduction to fluid mechanics. ButterworthHeinemann. Němeček, J. (2021). Numerical simulation of slump flow test of cement paste composites. Acta Polytechnica CTU Proceedings, 30, 58-62. https://doi.org/10.14311/APP.2021.30.0058 Nikitin, K. D., Olshanskii, M. A., Terekhov, K. M., & Vassilevski, Y. V. (2011). A numerical method for the simulation of free surface flows of viscoplastic fluid in
3D. Journal of Computational Mathematics, 29(6), 605-622. https://doi.org/10.4208/jcm.1109-m11si01 Noh, W. F., & Woodward, P. (1976). SLIC (Simple Line Interface Calculation). Odabas, D. (2018). Effects of Load and Speed on Wear Rate of Abrasive Wear for 2014 Al Alloy. IOP Conference Series: Materials Science and Engineering, 295(1). https://doi.org/10.1088/1757-899X/295/1/012008 Pintaude, G. (s. d.). Characteristics of Abrasive Particles and Their Implications on Wear. www.intechopen.com Poullain, P. (2003). Étude comparative de l’écoulement d’un fluide viscoplastique dans une maquette de malaxeur pour béton. R. J. Cattolica. (2003). Experiment F2: Water Tunnel. In MAE171A/175A Mechanical Engineering Laboratory Manual (Winter Quarter). Raper, R. M. (1966). Drag force and pressure distribution on cylindrical protuberances immersed in a turbulent channel flow. RMCAO. (2013). CSA A23.2-5C: Concrete Basics Slump Test. Roques, A., & School, H. (2006). High resolution seismic imaging applied to the geometrical characterization of very high voltage electric pylons. https://www.researchgate.net/publication/281566156 Roussel, N. (2006). Correlation between yield stress and slump: Comparison between numerical simulations and concrete rheometers results. Materials and Structures/Materiaux et Constructions, 39(4), 501-509. https://doi.org/10.1617/s11527-005-9035-2 Roussel, N., & Coussot, P. (2005). “Fifty-cent rheometer” for yield stress measurements: From slump to spreading flow. Journal of Rheology, 49(3), 705-718. https://doi.org/10.1122/1.1879041 Roussel, N., Geiker, M. R., Dufour, F., Thrane, L. N., & Szabo, P. (2007). Computational modeling of concrete flow: General overview. Cement and Concrete Research, 37(9), 1298-1307. https://doi.org/10.1016/j.cemconres.2007.06.007 Schaer, N. (2019). Modélisation des écoulements à surface libre de fluides nonnewtoniens. https://theses.hal.science/tel-02166968
Schowalter, W. R., & Christensen, G. (1998). Toward a rationalization of the slump test for fresh concrete: Comparisons of calculations and experiments. Journal of Rheology, 42(4), 865-870. https://doi.org/10.1122/1.550905 Sofiane Amziane, Chiara F. Ferraris, & Eric P. Koehler. (2005). Measurement of Workability of Fresh Concrete Using a Mixing Truck. Journal of Research of the National Institute of Standards Technology, 55-56. Sooraj, P., Agrawal, A., & Sharma, A. (2018). Measurement of Drag Coefficient for an Elliptical Cylinder. Journal of Energy and Environmental Sustainability, 5, 1-7. https://doi.org/10.47469/jees.2018.v05.100050 Stachowiak G. (2006). Wear – Materials, Mechanisms and Pratice. Stachowiak G.W. (1993). Tribology Series (Vol. 24, p. 557-612). Elsevier. Tattersall, G., & Banfill, P. F. G. (1983). The rheology of fresh concrete. The European Guidelines for Self-Compacting Concrete Specification, Production and Use « The European Guidelines for Self Compacting Concrete ». (2005). www.efnarc.org University College London. (2010). Pressure around a cylinder and cylinder drag. Van Oudheusden, B. W., Scarano, F., Roosenboom, E. W. M., Casimiri, E. W. F., & Souverein, L. J. (2007). Evaluation of integral forces and pressure fields from planar velocimetry data for incompressible and compressible flows. Experiments in Fluids, 43(2-3), 153-162. https://doi.org/10.1007/s00348-007- 0261-y Vasilic, K., Gram, A., & Wallevik, J. E. (2019). Numerical simulation of fresh concrete flow: Insight and challenges. RILEM Technical Letters, 4, 57-66. https://doi.org/10.21809/rilemtechlett.2019.92 Viccione, G., Ferlisi, S., & Marra, E. (2010). A numerical investigation of the interaction between debris flows and defense barriers. http://www.unisa.it/docenti/giacomoviccione/en/index Wallevik J. (2006). Relation between the Bingham parameters and slump. Wallevik, J. E. (2006). Relationship between the Bingham parameters and slump. Cement and Concrete Research, 36(7), 1214-1221. https://doi.org/10.1016/j.cemconres.2006.03.001
Wallevik, J. E., & Wallevik, O. H. (2020). Concrete mixing truck as a rheometer. Cement and Concrete Research, 127. https://doi.org/10.1016/j.cemconres.2019.105930
ESTUDIO MOVIMIENTO DE METAL LIQUIDO A VELOCIDADES MAYORES DE 1 M/S
Author: Primitivo Carranza Torme Supervised by : Dr. Jesus Mª Blanco Ilzarbe Energy Engineering Department Faculty of Engineering – Bilbao, Vizcaya University of Basque Country UPV / EHU
INTRODUCTION
주조 금속 부품은 모든 산업 분야에서 매우 중요합니다. 그러나 이들을 제조함에 있어서 액상재료에서 최종 형태에 이르기까지 용융온도, 합금, 성형, 주입, 응고 등 여러 변수를 동시에 제어해야 한다.
이러한 모든 측면은 올바르게 수행되어야 합니다. 단 하나의 오류로 인해 주조가 고객의 사양을 충족하지 못하기 때문입니다. 금속 주조는 고대(5,000년 이상)에서 현대 엔지니어링 과학으로 발전한 인간 활동으로, 새로운 개념과 솔루션의 지속적인 흐름으로 모든 복잡성을 포괄합니다.
본 논문에서 주조 기술 연구는 금속 특성, 합금 효과, 작업 및 열처리, 유체 흐름 또는 응고에 대한 별도의 연구보다 훨씬 더 광범위한 분석입니다. 주조 공정에서 강력한 재순환 영역은 공기, 가스, 주형 모래 입자 및 주물의 품질에 심각한 영향을 미치는 기타 결함을 가둘 수 있습니다.
특히 이러한 결함이 상당한 경제적 손실을 초래하는 넓은 표면을 채우는 동안. (HURST, 1996) 우리는 주물용 충진 및 공급 시스템 설계의 이론과 실제 지식을 바탕으로 이 연구를 시작했습니다(Sigworth, 2018).
이러한 기술은 문제 해결, 프로세스 개선 및 최적화와 같은 진단 목적과 새로운 기술 개발 모두에 효과적인 것으로 입증되었습니다. 금속 가공의 특정 문제에 대한 이러한 시뮬레이션 기술의 적용은 액체 금속의 속도가 1m/s보다 큰 경우 따라야 할 단계를 명확하게 정의하는 균일한 처리를 사용하지 않습니다.
이것이 우리 연구의 대상이 되는 조각들입니다. 1980년대 이래로 강력한 경쟁 압력(국가 경제 간의 경쟁 및 강철 대 알루미늄 또는 알루미늄 대 플라스틱 또는 복합 재료와 같은 다른 재료 간의 경쟁)으로 인해 금속 및 재료 분야에서 심오한 기술 변화가 있었습니다.
(Steel statistic year book, 2019) 어쨌든 수익성을 보장하기 위해서는 기존 금속 가공 작업을 지속적으로 업그레이드하고 최적화하는 것이 필수적이며, 아마도 가장 중요한 것은 지속적으로 새로운 제품과 프로세스를 개발하는 것입니다.
제조 및 시뮬레이션. 국가 경제의 경우 이는 현재 기술을 사용하여 대부분의 서방 국가에서 새로운 금속 생산 공장을 건설하는 것이 정당화될 수 없으므로 연구 개발 노력이 기존 작업을 개선할 수 있음을 의미합니다.
그리고 가장 중요한 것은 새로운 제품 및 프로세스 개념을 개발하는 것이 이러한 산업과 사회 전체의 지속적인 복지에 매우 중요하다는 것입니다. 높은 비생산율, 자동화 및 로봇화가 그러한 노력의 핵심 요소가 되어야 합니다.
분명히, 이러한 개발의 구현 시간은 상당히 짧아야 하므로 전통적인 기술이 대안적이고 더 빠르고 비용 효율적인 접근 방식에 자리를 내주어야 합니다. 수학적 모델링과 더 큰 범위의 전산 모델링 접근 방식은 절실히 필요한 기술 변화를 실현하는 데 도움이 되는 큰 잠재력을 가지고 있다고 믿어집니다. (European Steel Sector Copetitiveness of the European Steel Sector, 2008)
기술 변화의 필요성에 대한 추진력은 하드웨어뿐만 아니라 다양한 물리적 시뮬레이션 및 소프트웨어 패키지를 포함하는 컴퓨팅 도구의 보다 비용 효율적인 가용성에 대한 강력한 추진력도 필요합니다.
FLOW-3D 소프트웨어 제품군의 모든 제품은 2023R1에서 IT 관련 개선 사항을 받았습니다. FLOW-3D 2023R1은 이제 Windows 11 및 RHEL 8을 지원합니다. 누락된 종속성을 보고하도록 Linux 설치 프로그램이 개선되었으며 더 이상 루트 수준 권한이 필요하지 않으므로 설치가 더 쉽고 안전해집니다. 또한 워크플로를 자동화한 사용자를 위해 입력 파일 변환기에 명령줄 인터페이스를 추가하여 스크립트 환경에서도 워크플로가 업데이트된 입력 파일로 작동하는지 확인할 수 있습니다.
확장된 PQ 2 분석
제조에 사용되는 유압 시스템은 PQ 2 곡선을 사용하여 모델링할 수 있습니다. 장치의 세부 사항을 건너뛰고 흐름에 미치는 영향을 포함하기 위해 질량-운동량 소스 또는 속도 경계 조건을 사용하여 유압 시스템을 근사화하는 것이 편리한 단순화인 경우가 많습니다. 기존 PQ 2 분석 모델을 확장하여 이러한 유형의 기하학적 단순화를 허용하면서도 여전히 현실적인 결과를 제공합니다. 이것은 시뮬레이션 시간과 모델 복잡성의 감소로 해석됩니다.
FLOW-3D 2022R2 의 새로운 기능
FLOW-3D 2022R2 제품군 의 출시와 함께 Flow Science는 워크스테이션과 FLOW-3D 의 HPC 버전 을 통합하여 단일 노드 CPU 구성에서 다중 구성에 이르기까지 모든 유형의 하드웨어 아키텍처를 활용할 수 있는 단일 솔버 엔진을 제공합니다. 노드 병렬 고성능 컴퓨팅 실행. 추가 개발에는 점탄성 흐름을 위한 새로운 로그 구조 텐서 방법, 지속적인 솔버 속도 성능 개선, 고급 냉각 채널 및 팬텀 구성 요소 제어, 향상된 연행 공기 기능이 포함됩니다.
통합 솔버
FLOW-3D 제품을 단일 통합 솔버로 마이그레이션하여 로컬 워크스테이션 또는 고성능 컴퓨팅 하드웨어 환경에서 원활하게 실행했습니다.
많은 사용자가 노트북이나 로컬 워크스테이션에서 모델을 실행하지만 고성능 컴퓨팅 클러스터에서 더 큰 모델을 실행합니다. 2022R2 릴리스에서는 통합 솔버를 통해 사용자가 HPC 솔루션에서 OpenMP/MPI 하이브리드 병렬화의 동일한 이점을 활용하여 워크스테이션 및 노트북에서 실행할 수 있습니다.
점점 더 많은 수의 CPU 코어를 사용하는 성능 확장의 예OpenMP/MPI 하이브리드 병렬화를 위한 메시 분해의 예
솔버 성능 개선
멀티 소켓 워크스테이션
멀티 소켓 워크스테이션은 이제 매우 일반적이며 대규모 시뮬레이션을 실행할 수 있습니다. 새로운 통합 솔버를 통해 이러한 유형의 하드웨어를 사용하는 사용자는 일반적으로 HPC 클러스터 구성에서만 사용할 수 있었던 OpenMP/MPI 하이브리드 병렬화를 활용하여 모델을 실행할 수 있는 성능 이점을 볼 수 있습니다.
낮은 수준의 루틴으로 벡터화 및 메모리 액세스 개선
대부분의 테스트 사례에서 10%에서 20% 정도의 성능 향상이 관찰되었으며 일부 사례에서는 20%를 초과하는 런타임 이점이 있었습니다.
정제된 체적 대류 안정성 한계
시간 단계 안정성 한계는 모델 런타임의 주요 동인입니다. 2022R2에서는 새로운 시간 단계 안정성 한계인 3D 대류 안정성 한계를 숫자 위젯에서 사용할 수 있습니다. 실행 중이고 대류가 제한된(cx, cy 또는 cz 제한) 모델의 경우 새 옵션은 30% 정도의 일반적인 속도 향상을 보여주었습니다.
압력 솔버 프리 컨디셔너
경우에 따라 까다로운 흐름 구성의 경우 과도한 압력 솔버 반복으로 인해 실행 시간이 길어질 수 있습니다. 어려운 경우 2022R2에서는 모델이 너무 많이 반복될 때 FLOW-3D가 자동으로 새로운 프리 컨디셔너를 활성화하여 압력 수렴을 돕습니다. 테스트의 런타임이 1.9배에서 335배까지 빨라졌습니다!
점탄성 유체에 대한 로그 형태 텐서 방법
점탄성 유체에 대한 새로운 솔버 옵션을 사용자가 사용할 수 있으며 특히 높은 Weissenberg 수치에 효과적입니다.
로그 구조 텐서 솔루션을 사용하여 점탄성 흐름에 대한 높은 Weissenberg 수에서 개선된 솔루션의 예. Courtesy MF Tome, et al., J. Non-Newton. 체액. 기계 175-176 (2012) 44–54
활성 시뮬레이션 제어 확장
능동 시뮬레이션 제어 기능은 연속 주조 및 적층 제조 응용 프로그램과 주조 및 기타 여러 열 관리 응용 프로그램에 사용되는 냉각 채널에 일반적으로 사용되는 팬텀 개체를 포함하도록 확장되었습니다.
융합 증착 모델링 애플리케이션을 위한 동적 열 제어의 예산업용 탱크 적용을 위한 동적 냉각 채널 제어의 예연속 주조 애플리케이션을 위한 팬텀 물체 속도 제어의 예
연행 공기 기능 개선
디퓨저 및 유사한 산업용 기포 흐름 응용 분야의 경우 이제 대량 공급원을 사용하여 물 기둥에 공기를 도입할 수 있습니다. 또한 혼입 공기 및 용존 산소의 난류 확산에 대한 기본값이 업데이트되었으며 매우 낮은 공기 농도에 대한 모델 정확도가 향상되었습니다.
Aneesh Kumar J1, a, K. Krishnakumar1, b and S. Savithri2, c 1 Department of Mechanical Engineering, College of Engineering, Thiruvananthapuram, Kerala, 2 Computational Modelling& Simulation Division, Process Engineering & Environmental Technology Division CSIR-National Institute for Interdisciplinary Science & Technology Thiruvananthapuram, Kerala, India. a aneesh82kj@gmail.com, b kkk@cet.ac.in, c sivakumarsavi@gmail.com, ssavithri@niist.res.in Key words: Mold filling, centrifugal casting process, computer simulation, FLOW- 3D™
Abstract
원심 주조 공정은 기능적으로 등급이 지정된 재료, 즉 구성 요소 간에 밀도 차이가 큰 복합 재료 또는 금속 재료를 생산하는 데 사용되는 잠재적인 제조 기술 중 하나입니다. 이 공정에서 유체 흐름이 중요한 역할을 하며 복잡한 흐름 공정을 이해하는 것은 결함 없는 주물을 생산하는 데 필수입니다. 금형이 고속으로 회전하고 금형 벽이 불투명하기 때문에 흐름 패턴을 실시간으로 시각화하는 것은 불가능합니다. 따라서 현재 연구에서는 상용 CFD 코드 FLOW-3D™를 사용하여 수직 원심 주조 공정 중 단순 중공 원통형 주조에 대한 금형 충전 시퀀스를 시뮬레이션했습니다. 수직 원심주조 공정 중 다양한 방사 속도가 충전 패턴에 미치는 영향을 조사하고 있습니다.
Centrifugal casting process is one of the potential manufacturing techniques used for producing functionally graded materials viz., composite materials or metallic materials which have high differences of density among constituents. In this process, the fluid flow plays a major role and understanding the complex flow process is a must for the production of defect-free castings. Since the mold spins at a high velocity and the mold wall being opaque, it is impossible to visualise the flow patterns in real time. Hence, in the present work, the commercial CFD code FLOW-3D™, has been used to simulate the mold filling sequence for a simple hollow cylindrical casting during vertical centrifugal casting process. Effect of various spinning velocities on the fill pattern during vertical centrifugal casting process is being investigated.
Figure 1: (a) Mold geometry and (b) Computational meshFigure 2: Experimental data on height of vertex formed [8]/Figure 3: Vertex height as a function of timeFigure 4: Free surface contours for water model at 10 s, 15 s and 20 s.Figure 5: 3D & 2D views of simulated fill sequence of a hollow cylinder at 1000 rpm and 1500 rpm at various time intervals during filling.
References
[1] W. Shi-Ping, L. Chang-yun, G. Jing-jie, S. Yan-qing, L. Xiu-qiao, F. Heng-zhi, Numerical simulation and experimental investigation of two filling methods in vertical centrifugal casting, Trans. Nonferrous Met. Soc. China 16 (2006) 1035-1040. 10.1016/s1003-6326(06)60373-7 [2] G. Chirita, D. Soares, F.S. Silva, Advantages of the centrifugal casting technique for the production of structural components with Al-Si alloys, Mater. Des. 29 (2008) 20-27. 10.1016/j.matdes.2006.12.011 [3] A. Kermanpur, Sh. Mahmoudi, A. Hajipour, Numerical simulation of metal flow and solidification in the multi-cavity casting moulds of automotive components, J. Mater. Proc. Tech. 206 (208) 62-68. 10.1016/j.jmatprotec.2007.12.004 [4] D. McBride et. al. Complex free surface flows in centrifugal casting: Computational modelling and validation experiments, Computers & Fluids 82 (2013) 63-72. 10.1016/j.compfluid.2013.04.021
에피택셜 과 등축 응고 사이의 경쟁은 적층 제조에서 실행되는 레이저 용융 동안 CMSX-4 단결정 초합금에서 조사되었습니다. 단일 트랙 레이저 스캔은 레이저 출력과 스캐닝 속도의 여러 조합으로 방향성 응고된 CMSX-4 합금의 분말 없는 표면에서 수행되었습니다. EBSD(Electron Backscattered Diffraction) 매핑은 새로운 방향의 식별을 용이하게 합니다. 영역 분율 및 공간 분포와 함께 융합 영역 내에서 핵을 형성한 “스트레이 그레인”은 충실도가 높은 전산 유체 역학 시뮬레이션을 사용하여 용융 풀 내의 온도 및 유체 속도 필드를 모두 추정했습니다. 이 정보를 핵 생성 모델과 결합하여 용융 풀에서 핵 생성이 발생할 확률이 가장 높은 위치를 결정했습니다. 금속 적층 가공의 일반적인 경험에 따라 레이저 용융 트랙의 응고된 미세 구조는 에피택셜 입자 성장에 의해 지배됩니다. 더 높은 레이저 스캐닝 속도와 더 낮은 출력이 일반적으로 흩어진 입자 감소에 도움이 되지만,그럼에도 불구하고 길쭉한 용융 풀에서 흩어진 입자가 분명했습니다.
The competition between epitaxial vs. equiaxed solidification has been investigated in CMSX-4 single crystal superalloy during laser melting as practiced in additive manufacturing. Single-track laser scans were performed on a powder-free surface of directionally solidified CMSX-4 alloy with several combinations of laser power and scanning velocity. Electron backscattered diffraction (EBSD) mapping facilitated identification of new orientations, i.e., “stray grains” that nucleated within the fusion zone along with their area fraction and spatial distribution. Using high-fidelity computational fluid dynamics simulations, both the temperature and fluid velocity fields within the melt pool were estimated. This information was combined with a nucleation model to determine locations where nucleation has the highest probability to occur in melt pools. In conformance with general experience in metals additive manufacturing, the as-solidified microstructure of the laser-melted tracks is dominated by epitaxial grain growth; nevertheless, stray grains were evident in elongated melt pools. It was found that, though a higher laser scanning velocity and lower power are generally helpful in the reduction of stray grains, the combination of a stable keyhole and minimal fluid velocity further mitigates stray grains in laser single tracks.
Introduction
니켈 기반 초합금은 고온에서 긴 노출 시간 동안 높은 인장 강도, 낮은 산화 및 우수한 크리프 저항성을 포함하는 우수한 특성의 고유한 조합으로 인해 가스 터빈 엔진 응용 분야에서 광범위하게 사용됩니다. CMSX-4는 특히 장기 크리프 거동과 관련하여 초고강도의 2세대 레늄 함유 니켈 기반 단결정 초합금입니다. [ 1 , 2 ]입계의 존재가 크리프를 가속화한다는 인식은 가스 터빈 엔진의 고온 단계를 위한 단결정 블레이드를 개발하게 하여 작동 온도를 높이고 효율을 높이는 데 기여했습니다. 이러한 구성 요소는 사용 중 마모될 수 있습니다. 즉, 구성 요소의 무결성을 복원하고 단결정 미세 구조를 유지하는 수리 방법을 개발하기 위한 지속적인 작업이 있었습니다. [ 3 , 4 , 5 ]
적층 제조(AM)가 등장하기 전에는 다양한 용접 공정을 통해 단결정 초합금에 대한 수리 시도가 수행되었습니다. 균열 [ 6 , 7 ] 및 흩어진 입자 [ 8 , 9 ] 와 같은 심각한 결함 이 이 수리 중에 자주 발생합니다. 일반적으로 “스트레이 그레인”이라고 하는 응고 중 모재의 방향과 다른 결정학적 방향을 가진 새로운 그레인의 형성은 니켈 기반 단결정 초합금의 수리 중 유해한 영향으로 인해 중요한 관심 대상입니다. [ 3 , 10 ]결과적으로 재료의 단결정 구조가 손실되고 원래 구성 요소에 비해 기계적 특성이 손상됩니다. 이러한 흩어진 입자는 특정 조건에서 에피택셜 성장을 대체하는 등축 응고의 시작에 해당합니다.
떠돌이 결정립 형성을 완화하기 위해 이전 작업은 용융 영역(FZ) 내에서 응고하는 동안 떠돌이 결정립 형성에 영향을 미치는 수지상 응고 거동 및 처리 조건을 이해하는 데 중점을 두었습니다. [ 11 , 12 , 13 , 14 ] 연구원들은 단결정 합금의 용접 중에 표류 결정립 형성에 대한 몇 가지 가능한 메커니즘을 제안했습니다. [ 12 , 13 , 14 , 15 ]응고 전단에 앞서 국부적인 구성 과냉각은 이질적인 핵 생성 및 등축 결정립의 성장을 유발할 수 있습니다. 또한 용융 풀에서 활발한 유체 흐름으로 인해 발생하는 덴드라이트 조각화는 용융 풀 경계 근처에서 새로운 결정립을 형성할 수도 있습니다. 두 메커니즘 모두에서, 표류 결정립 형성은 핵 생성 위치에 의존하며, 차이점은 수상 돌기 조각화는 수상 돌기 조각이 핵 생성 위치로 작용한다는 것을 의미하는 반면 다른 메커니즘은 재료, 예 를 들어 산화물 입자에서 발견되는 다른 유형의 핵 생성 위치를 사용한다는 것을 의미합니다. 잘 알려진 바와 같이, 많은 주물에 대한 반대 접근법은 TiB와 같은 핵제의 도입을 통해 등축 응고를 촉진하는 것입니다.22알루미늄 합금에서.
헌법적 과냉 메커니즘에서 Hunt [ 11 ] 는 정상 상태 조건에서 기둥에서 등축으로의 전이(CET)를 설명하는 모델을 개발했습니다. Gaumann과 Kurz는 Hunt의 모델을 수정하여 단결정이 응고되는 동안 떠돌이 결정립이 핵을 생성하고 성장할 수 있는 정도를 설명했습니다. [ 12 , 14 ] 이후 연구에서 Vitek은 Gaumann의 모델을 개선하고 출력 및 스캐닝 속도와 같은 용접 조건의 영향에 대한 보다 자세한 분석을 포함했습니다. Vitek은 또한 실험 및 모델링 기술을 통해 표류 입자 형성에 대한 기판 방향의 영향을 포함했습니다. [ 3 , 10 ]일반적으로 높은 용접 속도와 낮은 출력은 표류 입자의 양을 최소화하고 레이저 용접 공정 중 에피택셜 단결정 성장을 최대화하는 것으로 나타났습니다. [ 3,10 ] 그러나 Vitek은 덴드라이트 조각화를 고려하지 않았으며 그의 연구는 불균질 핵형성이 레이저 용접된 CMSX -4 단결정 합금에서 표류 결정립 형성을 이끄는 주요 메커니즘임을 나타냅니다. 현재 작업에서 Vitek의 수치적 방법이 채택되고 금속 AM의 급속한 특성의 더 높은 속도와 더 낮은 전력 특성으로 확장됩니다.
AM을 통한 금속 부품 제조 는 지난 10년 동안 급격한 인기 증가를 목격했습니다. [ 16 ] EBM(Electron Beam Melting)에 의한 CMSX-4의 제작 가능성은 자주 조사되었으나 [ 17 , 18 , 19 , 20 , 21 ] CMSX의 제조 및 수리에 대한 조사는 매우 제한적이었다. – 4개의 단결정 구성요소는 레이저 분말 베드 융합(LPBF)을 사용하며, AM의 인기 있는 하위 집합으로, 특히 표류 입자 형성을 완화하는 메커니즘과 관련이 있습니다. [ 22 ]이러한 조사 부족은 주로 이러한 합금 시스템과 관련된 처리 문제로 인해 발생합니다. [ 2 , 19 , 22 , 23 , 24 ] 공정 매개변수( 예: 열원 전력, 스캐닝 속도, 스폿 크기, 예열 온도 및 스캔 전략)의 엄격한 제어는 완전히 조밀한 부품을 만들고 유지 관리할 수 있도록 하는 데 필수적입니다. 단결정 미세구조. [ 25 ] EBM을 사용하여 단결정 합금의 균열 없는 수리가 현재 가능하지만 [ 19 , 24 ] 표류 입자를 생성하지 않는 수리는 쉽게 달성할 수 없습니다.[ 23 , 26 ]
이 작업에서 LPBF를 대표하는 조건으로 레이저 용융을 사용하여 단결정 CMSX-4에서 표류 입자 완화를 조사했습니다. LPBF는 스캐닝 레이저 빔을 사용하여 금속 분말의 얇은 층을 기판에 녹이고 융합합니다. 층별 증착에서 레이저 빔의 사용은 급격한 온도 구배, 빠른 가열/냉각 주기 및 격렬한 유체 흐름을 경험하는 용융 풀을 생성 합니다 . 이것은 일반적으로 부품에 결함을 일으킬 수 있는 매우 동적인 물리적 현상으로 이어집니다. [ 28 , 29 , 30 ] 레이저 유도 키홀의 동역학( 예:, 기화 유발 반동 압력으로 인한 위상 함몰) 및 열유체 흐름은 AM 공정에서 응고 결함과 강하게 결합되고 관련됩니다. [ 31 , 32 , 33 , 34 ] 기하 구조의 급격한 변화가 발생하기 쉬운 불안정한 키홀은 다공성, 볼링, 스패터 형성 및 흔하지 않은 미세 구조 상을 포함하는 유해한 물리적 결함을 유발할 수 있습니다. 그러나 키홀 진화와 유체 흐름은 자연적으로 다음을 통해 포착 하기 어렵 습니다 .전통적인 사후 특성화 기술. 고충실도 수치 모델링을 활용하기 위해 이 연구에서는 전산유체역학(CFD)을 적용하여 표면 아래의 레이저-물질 상호 작용을 명확히 했습니다. [ 36 ] 이것은 응고된 용융물 풀의 단면에 대한 오랫동안 확립된 사후 특성화와 비교하여 키홀 및 용융물 풀 유체 흐름 정량화를 실행합니다.
CMSX-4 구성 요소의 레이저 기반 AM 수리 및 제조를 위한 적절한 절차를 개발하기 위해 적절한 공정 창을 설정하고 응고 중 표류 입자 형성 경향에 대한 예측 기능을 개발하는 것부터 시작합니다. 다중 합금에 대한 단일 트랙 증착은 분말 층이 있거나 없는 AM 공정에서 용융 풀 형상 및 미세 구조의 정확한 분석을 제공하는 것으로 나타났습니다. [ 37 , 38 , 39 ]따라서 본 연구에서는 CMSX-4의 응고 거동을 알아보기 위해 분말을 사용하지 않는 단일 트랙 레이저 스캔 실험을 사용하였다. 이는 CMSX-4 단결정의 LPBF 제조를 위한 예비 실험 지침을 제공합니다. 또한 응고 모델링은 기존 용접에서 LPBF와 관련된 급속 용접으로 확장되어 표류 입자 감소를 위한 최적의 레이저 용융 조건을 식별했습니다. 가공 매개변수 최적화를 위한 추가 지침을 제공하기 위해 용융물 풀의 매우 동적인 유체 흐름을 모델링했습니다.
재료 및 방법
단일 트랙 실험
방전 가공(EDM)을 사용하여 CMSX-4 방향성 응고 단결정 잉곳으로부터 샘플을 제작했습니다. 샘플의 최종 기하학은 치수 20의 직육면체 형태였습니다.××20××6mm. 6개 중 하나⟨ 001 ⟩⟨001⟩잉곳의 결정학적 방향은 레이저 트랙이 이 바람직한 성장 방향을 따라 스캔되도록 절단 표면에 수직으로 위치했습니다. 단일 레이저 용융 트랙은 EOS M290 기계를 사용하여 분말이 없는 샘플 표면에 만들어졌습니다. 이 기계는 최대 출력 400W, 가우시안 빔 직경 100의 이터븀 파이버 레이저가 장착된 LPBF 시스템입니다. μμ초점에서 m. 실험 중에 직사각형 샘플을 LPBF 기계용 맞춤형 샘플 홀더의 포켓에 끼워 표면을 동일한 높이로 유지했습니다. 이 맞춤형 샘플 홀더에 대한 자세한 내용은 다른 곳에서 설명합니다. 실험 은 아르곤 퍼지 분위기에서 수행되었으며 예열은 적용되지 않았습니다 . 단일 트랙 레이저 용융 실험은 다양한 레이저 출력(200~370W)과 스캔 속도(0.4~1.4m/s)에서 수행되었습니다.
성격 묘사
레이저 스캐닝 후, 레이저 빔 스캐닝 방향에 수직인 평면에서 FZ를 통해 다이아몬드 톱을 사용하여 샘플을 절단했습니다. 그 후, 샘플을 장착하고 220 그릿 SiC 페이퍼로 시작하여 콜로이드 실리카 현탁액 광택제로 마무리하여 자동 연마했습니다. 결정학적 특성화는 20kV의 가속 전압에서 TESCAN MIRA 3XMH 전계 방출 주사 전자 현미경(SEM)에서 수행되었습니다. EBSD 지도는0.4μm _0.4μ미디엄단계 크기. Bruker 시스템을 사용하여 EBSD 데이터를 정리하고 분석했습니다. EBSD 클린업은 그레인을 접촉시키기 위한 그레인 확장 루틴으로 시작한 다음 인덱스되지 않은 회절 패턴과 관련된 검은색 픽셀을 해결하기 위해 이웃 방향 클린업 루틴으로 이어졌습니다. 용융 풀 형태를 분석하기 위해 단면을 광학 현미경으로 분석했습니다. 광학 특성화의 대비를 향상시키기 위해 10g CuSO로 구성된 Marbles 시약의 변형으로 샘플을 에칭했습니다.44, 50mL HCl 및 70mL H22영형.
응고 모델링
구조적 과냉 기준에 기반한 응고 모델링을 수행하여 표유 입자의 성향 및 분포에 대한 가공 매개변수의 영향을 평가했습니다. 이 분석 모델링 접근 방식에 대한 자세한 내용은 이전 작업에서 제공됩니다. [ 3 , 10 ] 참고문헌 3 에 기술된 바와 같이 , 기본 재료의 결정학적 배향을 가진 용융 풀에서 총 표유 입자 면적 분율의 변화는 최소이므로 기본 재료 배향의 영향은 이 작업에서 고려되지 않았습니다. 우리의 LPBF 결과를 이전 작업과 비교하기 위해 Vitek의 작업에서 사용된 수학적으로 간단한 Rosenthal 방정식 [ 3 ]또한 레이저 매개변수의 함수로 용융 풀의 모양과 FZ의 열 조건을 계산하기 위한 기준으로 여기에서 채택되었습니다. Rosenthal 솔루션은 열이 일정한 재료 특성을 가진 반무한 판의 정상 상태 점원을 통해서만 전도를 통해 전달된다고 가정하며 일반적으로 다음과 같이 표현 됩니다 [ 40 , 41 ] .
티=티0+η피2 파이케이엑스2+와이2+지2———-√경험치[- 브이(엑스2+와이2+지2———-√− 엑스 )2α _] ,티=티0+η피2파이케이엑스2+와이2+지2경험치[-V(엑스2+와이2+지2-엑스)2α],(1)
여기서 T 는 온도,티0티0본 연구에서 313K( 즉 , EOS 기계 챔버 온도)로 설정된 주변 온도, P 는 레이저 빔 파워, V 는 레이저 빔 스캐닝 속도,ηη는 레이저 흡수율, k 는 열전도율,αα베이스 합금의 열확산율입니다. x , y , z 는 각각 레이저 스캐닝 방향, 가로 방향 및 세로 방향의 반대 방향과 정렬된 방향입니다 . 이 직교 좌표는 참조 3 의 그림 1에 있는 시스템을 따랐습니다 . CMSX-4에 대한 고상선 온도(1603K)와 액상선 온도(1669K)의 등온선 평균으로 응고 프런트( 즉 , 고체-액체 계면)를 정의했습니다. [ 42 , 43 , 44 ] 시뮬레이션에 사용된 열물리적 특성은 표 I 에 나열되어 있습니다.표 I CMSX-4의 응고 모델링에 사용된 열물리적 특성
어디θθ는 스캔 방향과 응고 전면의 법선 방향( 즉 , 최대 열 흐름 방향) 사이의 각도입니다. 이 연구의 용접 조건과 같은 제한된 성장에서 수지상 응고 전면은 고체-액체 등온선의 속도로 성장하도록 강제됩니다.V티V티. [ 46 ]
응고 전선이 진행되기 전에 새로 핵 생성된 입자의 국지적 비율ΦΦ, 액체 온도 구배 G 에 의해 결정 , 응고 선단 속도V티V티및 핵 밀도N0N0. 고정된 임계 과냉각에서 모든 입자가 핵형성된다고 가정함으로써△티N△티N, 등축 결정립의 반경은 결정립이 핵 생성을 시작하는 시점부터 주상 전선이 결정립에 도달하는 시간까지의 성장 속도를 통합하여 얻습니다. 과냉각으로 대체 시간d (ΔT_) / dt = – _V티G디(△티)/디티=-V티G, 열 구배 G 사이의 다음 관계 , 등축 입자의 국부적 부피 분율ΦΦ, 수상 돌기 팁 과냉각ΔT _△티, 핵 밀도N0N0, 재료 매개변수 n 및 핵생성 과냉각△티N△티N, Gäumann 외 여러분 에 의해 파생되었습니다 . [ 12 , 14 ] Hunt의 모델 [ 11 ] 의 수정에 기반함 :
계산을 단순화하기 위해 덴드라이트 팁 과냉각을 전적으로 구성 과냉각의 것으로 추정합니다.△티씨△티씨, 멱법칙 형식으로 근사화할 수 있습니다.△티씨= ( _V티)1 / 엔△티씨=(ㅏV티)1/N, 여기서 a 와 n 은 재료 종속 상수입니다. CMSX-4의 경우 이 값은a = 1.25 ×106ㅏ=1.25×106 s K 3.4m− 1-1,엔 = 3.4N=3.4, 그리고N0= 2 ×1015N0=2×1015미디엄− 3,-삼,참고문헌 3 에 의해 보고된 바와 같이 .△티N△티N2.5K이며 보다 큰 냉각 속도에서 응고에 대해 무시할 수 있습니다.106106 K/s. 에 대한 표현ΦΦ위의 방정식을 재배열하여 해결됩니다.
As proposed by Hunt,[11] a value of Φ≤0.66Φ≤0.66 pct represents fully columnar epitaxial growth condition, and, conversely, a value of Φ≥49Φ≥49 pct indicates that the initial single crystal microstructure is fully replaced by an equiaxed microstructure. To calculate the overall stray grain area fraction, we followed Vitek’s method by dividing the FZ into roughly 19 to 28 discrete parts (depending on the length of the melt pool) of equal length from the point of maximum width to the end of melt pool along the x direction. The values of G and vTvT were determined at the center on the melt pool boundary of each section and these values were used to represent the entire section. The area-weighted average of ΦΦ over these discrete sections along the length of melt pool is designated as Φ¯¯¯¯Φ¯, and is given by:
Φ¯¯¯¯=∑kAkΦk∑kAk,Φ¯=∑kAkΦk∑kAk,
(6)
where k is the index for each subsection, and AkAk and ΦkΦk are the areas and ΦΦ values for each subsection. The summation is taken over all the sections along the melt pool. Vitek’s improved model allows the calculation of stray grain area fraction by considering the melt pool geometry and variations of G and vTvT around the tail end of the pool.
수년에 걸쳐 용융 풀 현상 모델링의 정확도를 개선하기 위해 많은 고급 수치 방법이 개발되었습니다. 우리는 FLOW-3D와 함께 고충실도 CFD를 사용했습니다. FLOW-3D는 여러 물리 모델을 통합하는 상용 FVM(Finite Volume Method)입니다. [ 47 , 48 ] CFD는 유체 운동과 열 전달을 수치적으로 시뮬레이션하며 여기서 사용된 기본 물리 모델은 레이저 및 표면력 모델이었습니다. 레이저 모델에서는 레이 트레이싱 기법을 통해 다중 반사와 프레넬 흡수를 구현합니다. [ 36 ]먼저, 레이저 빔은 레이저 빔에 의해 조명되는 각 그리드 셀을 기준으로 여러 개의 광선으로 이산화됩니다. 그런 다음 각 입사 광선에 대해 입사 벡터가 입사 위치에서 금속 표면의 법선 벡터와 정렬될 때 에너지의 일부가 금속에 의해 흡수됩니다. 흡수율은 Fresnel 방정식을 사용하여 추정됩니다. 나머지 에너지는 반사광선 에 의해 유지되며 , 반사광선은 재료 표면에 부딪히면 새로운 입사광선으로 처리됩니다. 두 가지 주요 힘이 액체 금속 표면에 작용하여 자유 표면을 변형시킵니다. 금속의 증발에 의해 생성된 반동 압력은 증기 억제를 일으키는 주요 힘입니다. 본 연구에서 사용된 반동 압력 모델은피아르 자형= 특급 _{ B ( 1- _티V/ 티) }피아르 자형=ㅏ경험치{비(1-티V/티)}, 어디피아르 자형피아르 자형는 반동압력, A 와 B 는 재료의 물성에 관련된 계수로 각각 75와 15이다.티V티V는 포화 온도이고 T 는 키홀 벽의 온도입니다. 표면 흐름 및 키홀 형성의 다른 원동력은 표면 장력입니다. 표면 장력 계수는 Marangoni 흐름을 포함하기 위해 온도의 선형 함수로 추정되며,σ =1.79-9.90⋅10− 4( 티− 1654케이 )σ=1.79-9.90⋅10-4(티-1654년케이)엔엠− 1-1. [ 49 ] 계산 영역은 베어 플레이트의 절반입니다(2300 μμ미디엄××250 μμ미디엄××500 μμm) xz 평면 에 적용된 대칭 경계 조건 . 메쉬 크기는 8입니다. μμm이고 시간 단계는 0.15입니다. μμs는 계산 효율성과 정확성 간의 균형을 제공합니다.
결과 및 논의
용융 풀 형태
이 작업에 사용된 5개의 레이저 파워( P )와 6개의 스캐닝 속도( V )는 서로 다른 29개의 용융 풀을 생성했습니다.피- 브이피-V조합. P 와 V 값이 가장 높은 것은 그림 1 을 기준으로 과도한 볼링과 관련이 있기 때문에 본 연구에서는 분석하지 않았다 .
단일 트랙 용융 풀은 그림 1 과 같이 형상에 따라 네 가지 유형으로 분류할 수 있습니다 [ 39 ] : (1) 전도 모드(파란색 상자), (2) 키홀 모드(빨간색), (3) 전환 모드(마젠타), (4) 볼링 모드(녹색). 높은 레이저 출력과 낮은 스캐닝 속도의 일반적인 조합인 키홀 모드에서 용융물 풀은 일반적으로 너비/깊이( W / D ) 비율이 0.5보다 훨씬 큰 깊고 가느다란 모양을 나타냅니다 . 스캐닝 속도가 증가함에 따라 용융 풀이 얕아져 W / D 가 약 0.5인 반원형 전도 모드 용융 풀을 나타냅니다. W / D _전환 모드 용융 풀의 경우 1에서 0.5 사이입니다. 스캐닝 속도를 1200 및 1400mm/s로 더 높이면 충분히 큰 캡 높이와 볼링 모드 용융 풀의 특징인 과도한 언더컷이 발생할 수 있습니다.
힘과 속도의 함수로서의 용융 풀 깊이와 너비는 각각 그림 2 (a)와 (b)에 표시되어 있습니다. 용융 풀 폭은 기판 표면에서 측정되었습니다. 그림 2 (a)는 깊이가 레이저 출력과 매우 선형적인 관계를 따른다는 것을 보여줍니다. 속도가 증가함에 따라 깊이 대 파워 곡선의 기울기는 꾸준히 감소하지만 더 높은 속도 곡선에는 약간의 겹침이 있습니다. 이러한 예상치 못한 중첩은 종종 용융 풀 형태의 동적 변화를 유발하는 유체 흐름의 영향과 레이저 스캔당 하나의 이미지만 추출되었다는 사실 때문일 수 있습니다. 이러한 선형 동작은 그림 2 (b) 의 너비에 대해 명확하지 않습니다 . 그림 2(c)는 선형 에너지 밀도 P / V 의 함수로서 용융 깊이와 폭을 보여줍니다 . 선형 에너지 밀도는 퇴적물의 단위 길이당 에너지 투입량을 측정한 것입니다. [ 50 ] 용융 풀 깊이는 에너지 밀도에 따라 달라지며 너비는 더 많은 분산을 나타냅니다. 동일한 에너지 밀도가 준공 부품의 용융 풀, 미세 구조 또는 속성에서 반드시 동일한 유체 역학을 초래하지는 않는다는 점에 유의하는 것이 중요합니다. [ 50 ]
그림 1그림 2
레이저 흡수율 평가
레이저 흡수율은 LPBF 조건에서 재료 및 가공 매개변수에 따라 크게 달라진다는 것은 잘 알려져 있습니다. [ 31 , 51 , 52 ] 적분구를 이용한 전통적인 흡수율의 직접 측정은 일반적으로 높은 비용과 구현의 어려움으로 인해 쉽게 접근할 수 없습니다. [ 51 ] 그 외 . [ 39 ] 전도 모드 용융 풀에 대한 Rosenthal 방정식을 기반으로 경험적 레이저 흡수율 모델을 개발했지만 기본 가정으로 인해 키홀 용융 풀에 대한 정확한 예측을 제공하지 못했습니다. [ 40 ] 최근 간외 . [ 53 ] Ti–6Al–4V에 대한 30개의 고충실도 다중 물리 시뮬레이션 사례를 사용하여 레이저 흡수에 대한 스케일링 법칙을 확인했습니다. 그러나 연구 중인 특정 재료에 대한 최소 흡수(평평한 용융 표면의 흡수율)에 대한 지식이 필요하며 이는 CMSX-4에 대해 알려지지 않았습니다. 다양한 키홀 모양의 용융 풀에 대한 레이저 흡수의 정확한 추정치를 얻기가 어렵기 때문에 상한 및 하한 흡수율로 분석 시뮬레이션을 실행하기로 결정했습니다. 깊은 키홀 모양의 용융 풀의 경우 대부분의 빛을 가두는 키홀 내 다중 반사로 인해 레이저 흡수율이 0.8만큼 높을 수 있습니다. 이것은 기하학적 현상이며 기본 재료에 민감하지 않습니다. [ 51, 52 , 54 ] 따라서 본 연구에서는 흡수율의 상한을 0.8로 설정하였다. 참고 문헌 51 에 나타낸 바와 같이 , 전도 용융 풀에 해당하는 최저 흡수율은 약 0.3이었으며, 이는 이 연구에서 합리적인 하한 값입니다. 따라서 레이저 흡수율이 스트레이 그레인 형성에 미치는 영향을 보여주기 위해 흡수율 값을 0.55 ± 0.25로 설정했습니다. Vitek의 작업에서는 1.0의 고정 흡수율 값이 사용되었습니다. [ 3 ]
퓨전 존 미세구조
그림 3 은 200~300W 및 600~300W 및 600~300W 범위의 레이저 출력 및 속도로 9가지 다른 처리 매개변수에 의해 생성된 CMSX-4 레이저 트랙의 yz 단면 에서 취한 EBSD 역극점도와 해당 역극점도를 보여 줍니다. 각각 1400mm/s. EBSD 맵에서 여러 기능을 쉽게 관찰할 수 있습니다. 스트레이 그레인은 EBSD 맵에서 그 방향에 해당하는 다른 RGB 색상으로 나타나고 그레인 경계를 묘사하기 위해 5도의 잘못된 방향이 사용되었습니다. 여기, 그림 3 에서 스트레이 그레인은 대부분 용융 풀의 상단 중심선에 집중되어 있으며, 이는 용접된 단결정 CMSX-4의 이전 보고서와 일치합니다. [ 10 ]역 극점도에서, 점 근처에 집중된 클러스터⟨ 001 ⟩⟨001⟩융합 경계에서 유사한 방향을 유지하는 단결정 기반 및 에피택셜로 응고된 덴드라이트를 나타냅니다. 그러나 흩어진 곡물은 식별할 수 있는 질감이 없는 흩어져 있는 점으로 나타납니다. 단결정 기본 재료의 결정학적 방향은 주로⟨ 001 ⟩⟨001⟩비록 샘플을 절단하는 동안 식별할 수 없는 기울기 각도로 인해 또는 단결정 성장 과정에서 약간의 잘못된 방향이 있었기 때문에 약간의 편차가 있지만. 용융 풀 내부의 응고된 수상 돌기의 기본 방향은 다시 한 번⟨ 001 ⟩⟨001⟩주상 결정립 구조와 유사한 에피택셜 성장의 결과. 그림 3 과 같이 용융 풀에서 수상돌기의 성장 방향은 하단의 수직 방향에서 상단의 수평 방향으로 변경되었습니다 . 이 전이는 주로 온도 구배 방향의 변화로 인한 것입니다. 두 번째 전환은 CET입니다. FZ의 상단 중심선 주변에서 다양한 방향의 흩어진 입자가 관찰되며, 여기서 안쪽으로 성장하는 수상돌기가 서로 충돌하여 용융 풀에서 응고되는 마지막 위치가 됩니다.
더 깊은 키홀 모양을 특징으로 하는 샘플에서 용융 풀의 경계 근처에 침전된 흩어진 입자가 분명합니다. 이러한 새로운 입자는 나중에 모델링 섹션에서 논의되는 수상돌기 조각화 메커니즘에 의해 잠재적으로 발생합니다. 결정립이 강한 열 구배에서 핵을 생성하고 성장한 결과, 대부분의 흩어진 결정립은 모든 방향에서 동일한 크기를 갖기보다는 장축이 열 구배 방향과 정렬된 길쭉한 모양을 갖습니다. 그림 3 의 전도 모드 용융 풀 흩어진 입자가 없는 것으로 입증되는 더 나은 단결정 품질을 나타냅니다. 상대적으로 낮은 출력과 높은 속도의 스캐닝 레이저에 의해 생성된 이러한 더 얕은 용융 풀에서 최소한의 결정립 핵형성이 발생한다는 것은 명백합니다. 더 큰 면적 분율을 가진 스트레이 그레인은 고출력 및 저속으로 생성된 깊은 용융 풀에서 더 자주 관찰됩니다. 국부 응고 조건에 대한 동력 및 속도의 영향은 후속 모델링 섹션에서 조사할 것입니다.
그림 3
응고 모델링
서론에서 언급한 바와 같이 연구자들은 단결정 용접 중에 표류 결정립 형성의 가능한 메커니즘을 평가했습니다. [ 12 , 13 , 14 , 15 , 55 ]논의된 가장 인기 있는 두 가지 메커니즘은 (1) 응고 전단에 앞서 구성적 과냉각에 의해 도움을 받는 이종 핵형성 및 (2) 용융물 풀의 유체 흐름으로 인한 덴드라이트 조각화입니다. 첫 번째 메커니즘은 광범위하게 연구되었습니다. 이원 합금을 예로 들면, 고체는 액체만큼 많은 용질을 수용할 수 없으므로 응고 중에 용질을 액체로 거부합니다. 결과적으로, 성장하는 수상돌기 앞에서 용질 분할은 실제 온도가 국부 평형 액상선보다 낮은 과냉각 액체를 생성합니다. 충분히 광범위한 체질적으로 과냉각된 구역의 존재는 새로운 결정립의 핵형성 및 성장을 촉진합니다. [ 56 ]전체 과냉각은 응고 전면에서의 구성, 동역학 및 곡률 과냉각을 포함한 여러 기여의 합입니다. 일반적인 가정은 동역학 및 곡률 과냉각이 합금에 대한 용질 과냉각의 더 큰 기여와 관련하여 무시될 수 있다는 것입니다. [ 57 ]
서로 다른 기본 메커니즘을 더 잘 이해하려면피- 브이피-V조건에서 응고 모델링이 수행됩니다. 첫 번째 목적은 스트레이 그레인의 전체 범위를 평가하는 것입니다(Φ¯¯¯¯Φ¯) 처리 매개 변수의 함수로 국부적 표류 입자 비율의 변화를 조사하기 위해 (ΦΦ) 용융 풀의 위치 함수로. 두 번째 목적은 금속 AM의 빠른 응고 동안 응고 미세 구조와 표류 입자 형성 메커니즘 사이의 관계를 이해하는 것입니다.
그림 4
그림 4 는 해석적으로 시뮬레이션된 표류 입자 비율을 보여줍니다.Φ¯¯¯¯Φ¯세 가지 레이저 흡수율 값에서 다양한 레이저 스캐닝 속도 및 레이저 출력에 대해. 결과는 스트레이 그레인 면적 비율이 흡수된 에너지에 민감하다는 것을 보여줍니다. 흡수율을 0.30에서 0.80으로 증가시키면Φ¯¯¯¯Φ¯약 3배이며, 이 효과는 저속 및 고출력 영역에서 더욱 두드러집니다. 다른 모든 조건이 같다면, 흡수된 전력의 큰 영향은 평균 열 구배 크기의 일반적인 감소와 용융 풀 내 평균 응고율의 증가에 기인합니다. 스캐닝 속도가 증가하고 전력이 감소함에 따라 평균 스트레이 그레인 비율이 감소합니다. 이러한 일반적인 경향은 Vitek의 작업에서 채택된 그림 5 의 파란색 영역에서 시뮬레이션된 용접 결과와 일치합니다 . [ 3 ] 더 큰 과냉각 구역( 즉, 지 /V티G/V티영역)은 용접 풀의 표유 입자의 면적 비율이 분홍색 영역에 해당하는 LPBF 조건의 면적 비율보다 훨씬 더 크다는 것을 의미합니다. 그럼에도 불구하고 두 데이터 세트의 일반적인 경향은 유사합니다. 즉 , 레이저 출력이 감소하고 레이저 속도가 증가함에 따라 표류 입자의 비율이 감소합니다. 또한 그림 5 에서 스캐닝 속도가 LPBF 영역으로 증가함에 따라 표유 입자 면적 분율에 대한 레이저 매개변수의 변화 효과가 감소한다는 것을 추론할 수 있습니다. 그림 6 (a)는 그림 3 의 EBSD 분석에서 나온 실험적 표류 결정립 면적 분율 과 그림 4 의 해석 시뮬레이션 결과를 비교합니다.. 열쇠 구멍 모양의 FZ에서 정확한 값이 다르지만 추세는 시뮬레이션과 실험 데이터 모두에서 일관되었습니다. 키홀 모양의 용융 풀, 특히 전력이 300W인 2개는 분석 시뮬레이션 예측보다 훨씬 더 많은 양의 흩어진 입자를 가지고 있습니다. Rosenthal 방정식은 일반적으로 열 전달이 순전히 전도에 의해 좌우된다는 가정으로 인해 열쇠 구멍 체제의 열 흐름을 적절하게 반영하지 못하기 때문에 이러한 불일치가 실제로 예상됩니다. [ 39 , 40 ] 그것은 또한 그림 4 의 발견 , 즉 키홀 모드 동안 흡수된 전력의 증가가 표류 입자 형성에 더 이상적인 조건을 초래한다는 것을 검증합니다. 그림 6 (b)는 실험을 비교Φ¯¯¯¯Φ¯수치 CFD 시뮬레이션Φ¯¯¯¯Φ¯. CFD 모델이 약간 초과 예측하지만Φ¯¯¯¯Φ¯전체적으로피- 브이피-V조건에서 열쇠 구멍 조건에서의 예측은 분석 모델보다 정확합니다. 전도 모드 용융 풀의 경우 실험 값이 분석 시뮬레이션 값과 더 가깝게 정렬됩니다.
그림 5
모의 온도 구배 G 분포 및 응고율 검사V티V티분석 모델링의 쌍은 그림 7 (a)의 CMSX-4 미세 구조 선택 맵에 표시됩니다. 제공지 /V티G/V티( 즉 , 형태 인자)는 형태를 제어하고지 ×V티G×V티( 즉 , 냉각 속도)는 응고된 미세 구조의 규모를 제어하고 , [ 58 , 59 ]지 -V티G-V티플롯은 전통적인 제조 공정과 AM 공정 모두에서 미세 구조 제어를 지원합니다. 이 플롯의 몇 가지 분명한 특징은 등축, 주상, 평면 전면 및 이러한 경계 근처의 전이 영역을 구분하는 경계입니다. 그림 7 (a)는 몇 가지 선택된 분석 열 시뮬레이션에 대한 미세 구조 선택 맵을 나타내는 반면 그림 7 (b)는 수치 열 모델의 결과와 동일한 맵을 보여줍니다. 등축 미세구조의 형성은 낮은 G 이상 에서 명확하게 선호됩니다.V티V티정황. 이 플롯에서 각 곡선의 평면 전면에 가장 가까운 지점은 용융 풀의 최대 너비 위치에 해당하는 반면 등축 영역에 가까운 지점의 끝은 용융 풀의 후면 꼬리에 해당합니다. 그림 7 (a)에서 대부분의지 -V티G-V티응고 전면의 쌍은 원주형 영역에 속하고 점차 CET 영역으로 위쪽으로 이동하지만 용융 풀의 꼬리는 다음에 따라 완전히 등축 영역에 도달하거나 도달하지 않을 수 있습니다.피- 브이피-V조합. 그림 7 (a) 의 곡선 중 어느 것도 평면 전면 영역을 통과하지 않지만 더 높은 전력의 경우에 가까워집니다. 저속 레이저 용융 공정을 사용하는 이전 작업에서는 곡선이 평면 영역을 통과할 수 있습니다. 레이저 속도가 증가함에 따라 용융 풀 꼬리는 여전히 CET 영역에 있지만 완전히 등축 영역에서 멀어집니다. CET 영역으로 떨어지는 섹션의 수도 감소합니다.Φ¯¯¯¯Φ¯응고된 물질에서.
그림 6
그만큼지 -V티G-V티CFD 모델을 사용하여 시뮬레이션된 응고 전면의 쌍이 그림 7 (b)에 나와 있습니다. 세 방향 모두에서 각 점 사이의 일정한 간격으로 미리 정의된 좌표에서 수행된 해석 시뮬레이션과 달리, 고충실도 CFD 모델의 출력은 불규칙한 사면체 좌표계에 있었고 G 를 추출하기 전에 일반 3D 그리드에 선형 보간되었습니다. 그리고V티V티그런 다음 미세 구조 선택 맵에 플롯됩니다. 일반적인 경향은 그림 7 (a)의 것과 일치하지만 이 방법으로 모델링된 매우 동적인 유체 흐름으로 인해 결과에 더 많은 분산이 있었습니다. 그만큼지 -V티G-V티분석 열 모델의 쌍 경로는 더 연속적인 반면 수치 시뮬레이션의 경로는 용융 풀 꼬리 모양의 차이를 나타내는 날카로운 굴곡이 있습니다(이는 G 및V티V티) 두 모델에 의해 시뮬레이션됩니다.
그림 7그림 8
유체 흐름을 통합한 응고 모델링
수치 CFD 모델을 사용하여 유동 입자 형성 정도에 대한 유체 흐름의 영향을 이해하고 시뮬레이션 결과를 분석 Rosenthal 솔루션과 비교했습니다. 그림 8 은 응고 매개변수 G 의 분포를 보여줍니다.V티V티,지 /V티G/V티, 그리고지 ×V티G×V티yz 단면에서 x 는 FLOW-3D에서 (a1–d1) 분석 열 모델링 및 (a2–d2) FVM 방법을 사용하여 시뮬레이션된 용융 풀의 최대 폭입니다. 그림 8 의 값은 응고 전선이 특정 위치에 도달할 때 정확한 값일 수도 있고 아닐 수도 있지만 일반적인 추세를 반영한다는 의미의 임시 가상 값입니다. 이 프로파일은 출력 300W 및 속도 400mm/s의 레이저 빔에서 시뮬레이션됩니다. 용융 풀 경계는 흰색 곡선으로 표시됩니다. (a2–d2)의 CFD 시뮬레이션 용융 풀 깊이는 342입니다. μμm, 측정 깊이 352와 잘 일치 μμ일치하는 길쭉한 열쇠 구멍 모양과 함께 그림 1 에 표시된 실험 FZ의 m . 그러나 분석 모델은 반원 모양의 용융 풀을 출력하고 용융 풀 깊이는 264에 불과합니다. μμ열쇠 구멍의 경우 현실과는 거리가 멀다. CFD 시뮬레이션 결과에서 열 구배는 레이저 반사 증가와 불안정한 액체-증기 상호 작용이 발생하는 증기 함몰의 동적 부분 근처에 있기 때문에 FZ 하단에서 더 높습니다. 대조적으로 해석 결과의 열 구배 크기는 경계를 따라 균일합니다. 두 시뮬레이션 결과 모두 그림 8 (a1) 및 (a2) 에서 응고가 용융 풀의 상단 중심선을 향해 진행됨에 따라 열 구배가 점차 감소합니다 . 응고율은 그림 8 과 같이 경계 근처에서 거의 0입니다. (b1) 및 (b2). 이는 경계 영역이 응고되기 시작할 때 국부 응고 전면의 법선 방향이 레이저 스캐닝 방향에 수직이기 때문입니다. 이것은 드라이브θ → π/ 2θ→파이/2그리고V티→ 0V티→0식에서 [ 3 ]. 대조적으로 용융 풀의 상단 중심선 근처 영역에서 응고 전면의 법선 방향은 레이저 스캐닝 방향과 잘 정렬되어 있습니다.θ → 0θ→0그리고V티→ 브이V티→V, 빔 스캐닝 속도. G 와 _V티V티값이 얻어지면 냉각 속도지 ×V티G×V티및 형태 인자지 /V티G/V티계산할 수 있습니다. 그림 8 (c2)는 용융 풀 바닥 근처의 온도 구배가 매우 높고 상단에서 더 빠른 성장 속도로 인해 냉각 속도가 용융 풀의 바닥 및 상단 중심선 근처에서 더 높다는 것을 보여줍니다. 지역. 그러나 이러한 추세는 그림 8 (c1)에 캡처되지 않았습니다. 그림 8 의 형태 요인 (d1) 및 (d2)는 중심선에 접근함에 따라 눈에 띄게 감소합니다. 경계에서 큰 값은 열 구배를 거의 0인 성장 속도로 나누기 때문에 발생합니다. 이 높은 형태 인자는 주상 미세구조 형성 가능성이 높음을 시사하는 반면, 중앙 영역의 값이 낮을수록 등축 미세구조의 가능성이 더 크다는 것을 나타냅니다. Tanet al. 또한 키홀 모양의 용접 풀 [ 59 ] 에서 이러한 응고 매개변수의 분포 를 비슷한 일반적인 경향으로 보여주었습니다. 그림 3 에서 볼 수 있듯이 용융 풀의 상단 중심선에 있는 흩어진 입자는 낮은 특징을 나타내는 영역과 일치합니다.지 /V티G/V티그림 8 (d1) 및 (d2)의 값. 시뮬레이션과 실험 간의 이러한 일치는 용융 풀의 상단 중심선에 축적된 흩어진 입자의 핵 생성 및 성장이 등온선 속도의 증가와 온도 구배의 감소에 의해 촉진됨을 보여줍니다.
그림 9
그림 9 는 유체 속도 및 국부적 핵형성 성향을 보여줍니다.ΦΦ300W의 일정한 레이저 출력과 400, 800 및 1200mm/s의 세 가지 다른 레이저 속도에 의해 생성된 3D 용융 풀 전체에 걸쳐. 그림 9 (d)~(f)는 로컬ΦΦ해당 3D 보기에서 밝은 회색 평면으로 표시된 특정 yz 단면의 분포. 이 yz 섹션은 가장 높기 때문에 선택되었습니다.Φ¯¯¯¯Φ¯용융 풀 내의 값은 각각 23.40, 11.85 및 2.45pct입니다. 이들은 그림 3 의 실험 데이터와 비교하기에 적절하지 않을 수 있는 액체 용융 풀의 과도 값이며Φ¯¯¯¯Φ¯그림 6 의 값은 이 값이 고체-액체 계면에 가깝지 않고 용융 풀의 중간에서 취해졌기 때문입니다. 온도가 훨씬 낮아서 핵이 생존하고 성장할 수 있기 때문에 핵 형성은 용융 풀의 중간이 아닌 고체-액체 계면에 더 가깝게 발생할 가능성이 있습니다.
그림 3 (a), (d), (g), (h)에서 위쪽 중심선에서 멀리 떨어져 있는 흩어진 결정립이 있었습니다. 그들은 훨씬 더 높은 열 구배와 더 낮은 응고 속도 필드에 위치하기 때문에 과냉각 이론은 이러한 영역에서 표류 입자의 형성에 대한 만족스러운 설명이 아닙니다. 이것은 떠돌이 결정립의 형성을 야기할 수 있는 두 번째 메커니즘, 즉 수상돌기의 팁을 가로지르는 유체 흐름에 의해 유발되는 수상돌기 조각화를 고려하도록 동기를 부여합니다. 유체 흐름이 열 구배를 따라 속도 성분을 갖고 고체-액체 계면 속도보다 클 때, 주상 수상돌기의 국지적 재용융은 용질이 풍부한 액체가 흐물흐물한 구역의 깊은 곳에서 액상선 등온선까지 이동함으로써 발생할 수 있습니다. . [ 55] 분리된 수상돌기는 대류에 의해 열린 액체로 운반될 수 있습니다. 풀이 과냉각 상태이기 때문에 이러한 파편은 고온 조건에서 충분히 오래 생존하여 길 잃은 입자의 핵 생성 사이트로 작용할 수 있습니다. 결과적으로 수상 돌기 조각화 과정은 활성 핵의 수를 효과적으로 증가시킬 수 있습니다.N0N0) 용융 풀 [ 15 , 60 , 61 ] 에서 생성된 미세 구조에서 표류 입자의 면적을 증가시킵니다.
그림 9 (a) 및 (b)에서 반동 압력은 용융 유체를 아래쪽으로 흐르게 하여 결과 흐름을 지배합니다. 유체 속도의 역방향 요소는 V = 400 및 800mm/s에 대해 각각 최대값 1.0 및 1.6m/s로 더 느려집니다 . 그림 9 (c)에서 레이저 속도가 더 증가함에 따라 증기 침하가 더 얕고 넓어지고 반동 압력이 더 고르게 분포되어 증기 침강에서 주변 영역으로 유체를 밀어냅니다. 역류는 최대값 3.5m/s로 더 빨라집니다. 용융 풀의 최대 너비에서 yz 단면 의 키홀 아래 평균 유체 속도는 그림에 표시된 경우에 대해 0.46, 0.45 및 1.44m/s입니다.9 (a), (b) 및 (c). 키홀 깊이의 변동은 각 경우의 최대 깊이와 최소 깊이의 차이로 정의되는 크기로 정량화됩니다. 240 범위의 강한 증기 내림 변동 μμm은 그림 9 (a)의 V = 400mm/s 경우에서 발견 되지만 이 변동은 그림 9 (c)에서 16의 범위로 크게 감소합니다.μμ미디엄. V = 400mm/s인 경우 의 유체장과 높은 변동 범위는 이전 키홀 동역학 시뮬레이션과 일치합니다. [ 34 ]
따라서 V = 400mm/s 키홀 케이스의 무질서한 변동 흐름이 용융 풀 경계를 따라 응고된 주상 수상돌기에서 분리된 조각을 구동할 가능성이 있습니다. V = 1200mm/s의 경우 강한 역류 는 그림 3 에서 관찰되지 않았지만 동일한 효과를 가질 수 있습니다. . 덴드라이트 조각화에 대한 유체 유동장의 영향에 대한 이 경험적 설명은 용융 풀 경계 근처에 떠돌이 입자의 존재에 대한 그럴듯한 설명을 제공합니다. 분명히 하기 위해, 우리는 이 가설을 검증하기 위해 이 현상에 대한 직접적인 실험적 관찰을 하지 않았습니다. 이 작업에서 표유 입자 면적 분율을 계산할 때 단순화를 위해 핵 생성 모델링에 일정한 핵 생성 수 밀도가 적용되었습니다. 이는 그림 9 의 표류 입자 영역 비율 이 수지상정 조각화가 발생하는 경우 이러한 높은 유체 흐름 용융 풀에서 발생할 수 있는 것, 즉 강화된 핵 생성 밀도를 반영하지 않는다는 것을 의미합니다.
위의 이유로 핵 형성에 대한 수상 돌기 조각화의 영향을 아직 배제할 수 없습니다. 그러나 단편화 이론은 용접 문헌 [ 62 ] 에서 검증될 만큼 충분히 개발되지 않았 으므로 부차적인 중요성만 고려된다는 점에 유의해야 합니다. 1200mm/s를 초과하는 레이저 스캐닝 속도는 최소한의 표류 결정립 면적 분율을 가지고 있음에도 불구하고 분명한 볼링을 나타내기 때문에 단결정 수리 및 AM 처리에 적합하지 않습니다. 따라서 낮은 P 및 높은 V 에 의해 생성된 응고 전면 근처에서 키홀 변동이 최소화되고 유체 속도가 완만해진 용융 풀이 생성된다는 결론을 내릴 수 있습니다., 처리 창의 극한은 아니지만 흩어진 입자를 나타낼 가능성이 가장 적습니다.
마지막으로 단일 레이저 트랙의 응고 거동을 조사하면 에피택셜 성장 동안 표류 입자 형성을 더 잘 이해할 수 있다는 점에 주목하는 것이 중요합니다. 우리의 현재 결과는 최적의 레이저 매개변수에 대한 일반적인 지침을 제공하여 최소 스트레이 그레인을 달성하고 단결정 구조를 유지합니다. 이 가이드라인은 250W 정도의 전력과 600~800mm/s의 스캔 속도로 최소 흩어진 입자에 적합한 공정 창을 제공합니다. 각 처리 매개변수를 신중하게 선택하면 과거에 스테인리스강에 대한 거의 단결정 미세 구조를 인쇄하는 데 성공했으며 이는 CMSX-4 AM 빌드에 대한 가능성을 보여줍니다. [ 63 ]신뢰성을 보장하기 위해 AM 수리 프로세스를 시작하기 전에 보다 엄격한 실험 테스트 및 시뮬레이션이 여전히 필요합니다. 둘 이상의 레이저 트랙 사이의 상호 작용도 고려해야 합니다. 또한 레이저, CMSX-4 분말 및 벌크 재료 간의 상호 작용이 중요하며, 수리 중에 여러 층의 CMSX-4 재료를 축적해야 하는 경우 다른 스캔 전략의 효과도 중요한 역할을 할 수 있습니다. 분말이 포함된 경우 Lopez-Galilea 등 의 연구에서 제안한 바와 같이 분말이 주로 완전히 녹지 않았을 때 추가 핵 생성 사이트를 도입하기 때문에 단순히 레이저 분말과 속도를 조작하여 흩어진 입자 형성을 완화하기 어려울 수 있습니다 . [ 22 ]결과적으로 CMSX-4 단결정을 수리하기 위한 레이저 AM의 가능성을 다루기 위해서는 기판 재료, 레이저 출력, 속도, 해치 간격 및 층 두께의 조합을 모두 고려해야 하며 향후 연구에서 다루어야 합니다. CFD 모델링은 2개 이상의 레이저 트랙 사이의 상호작용과 열장에 미치는 영향을 통합할 수 있으며, 이는 AM 빌드 시나리오 동안 핵 생성 조건으로 단일 비드 연구의 지식 격차를 해소할 것입니다.
결론
LPBF 제조의 특징적인 조건 하에서 CMSX-4 단결정 의 에피택셜(기둥형) 대 등축 응고 사이의 경쟁을 실험적 및 이론적으로 모두 조사했습니다. 이 연구는 고전적인 응고 개념을 도입하여 빠른 레이저 용융의 미세 구조 특징을 설명하고 응고 조건과 표유 결정 성향을 예측하기 위해 해석적 및 수치적 고충실도 CFD 열 모델 간의 비교를 설명했습니다. 본 연구로부터 다음과 같은 주요 결론을 도출할 수 있다.
단일 레이저 트랙의 레이저 가공 조건은 용융 풀 형상, 레이저 흡수율, 유체 흐름 및 키홀 요동, 입자 구조 및 표류 입자 형성 민감성에 강한 영향을 미치는 것으로 밝혀졌습니다.
레이저 용접을 위해 개발된 이론적인 표유 결정립 핵형성 분석이 레이저 용융 AM 조건으로 확장되었습니다. 분석 모델링 결과와 단일 레이저 트랙의 미세구조 특성화를 비교하면 예측이 전도 및 볼링 조건에서 실험적 관찰과 잘 일치하는 반면 키홀 조건에서는 예측이 약간 과소하다는 것을 알 수 있습니다. 이러한 불일치는 레이저 트랙의 대표성이 없는 섹션이나 유체 속도 필드의 변화로 인해 발생할 수 있습니다. CFD 모델에서 추출한 열장에 동일한 표유 입자 계산 파이프라인을 적용하면 연구된 모든 사례에서 과대평가가 발생하지만 분석 모델보다 연장된 용융 풀의 실험 데이터와 더 정확하게 일치합니다.
이 연구에서 두 가지 표류 결정립 형성 메커니즘인 불균일 핵형성 및 수상돌기 조각화가 평가되었습니다. 우리의 결과는 불균일 핵형성이 용융 풀의 상단 중심선에서 새로운 결정립의 형성으로 이어지는 주요 메커니즘임을 시사합니다.지 /V티G/V티정권.
용융 풀 경계 근처의 흩어진 입자는 깊은 키홀 모양의 용융 풀에서 독점적으로 관찰되며, 이는 강한 유체 흐름으로 인한 수상 돌기 조각화의 영향이 이러한 유형의 용융 풀에서 고려하기에 충분히 강력할 수 있음을 시사합니다.
일반적으로 더 높은 레이저 스캐닝 속도와 더 낮은 전력 외에도 안정적인 키홀과 최소 유체 속도는 또한 흩어진 입자 형성을 완화하고 레이저 단일 트랙에서 에피택셜 성장을 보존합니다.
References
R.C. Reed: The Superalloys: Fundamentals and Applications, Cambridge University Press, Cambridge, 2006, pp.17–20.BookGoogle Scholar
A. Basak, R. Acharya, and S. Das: Metall. Mater. Trans. A, 2016, vol. 47A, pp. 3845–59.ArticleGoogle Scholar
R. Vilar and A. Almeida: J. Laser Appl., 2015, vol. 27, p. S17004.ArticleGoogle Scholar
T. Kalfhaus, M. Schneider, B. Ruttert, D. Sebold, T. Hammerschmidt, J. Frenzel, R. Drautz, W. Theisen, G. Eggeler, O. Guillon, and R. Vassen: Mater. Des., 2019, vol. 168, p. 107656.ArticleCASGoogle Scholar
S.S. Babu, S.A. David, J.W. Park, and J.M. Vitek: Sci. Technol. Weld. Join., 2004, vol. 9, pp. 1–12.ArticleCASGoogle Scholar
L. Felberbaum, K. Voisey, M. Gäumann, B. Viguier, and A. Mortensen: Mater. Sci. Eng. A, 2001, vol. 299, pp. 152–56.ArticleGoogle Scholar
S. Mokadem, C. Bezençon, J.M. Drezet, A. Jacot, J.D. Wagnière, and W. Kurz: TMS Annual Meeting, 2004, pp. 67–76.
J.M. Vitek: ASM Proc. Int. Conf. Trends Weld. Res., vol. 2005, pp. 773–79.
B. Kianian: Wohlers Report 2017: 3D Printing and Additive Manufacturing State of the Industry, Annual Worldwide Progress Report, Wohlers Associates, Inc., Fort Collins, 2017.Google Scholar
M. Ramsperger, L. Mújica Roncery, I. Lopez-Galilea, R.F. Singer, W. Theisen, and C. Körner: Adv. Eng. Mater., 2015, vol. 17, pp. 1486–93.ArticleCASGoogle Scholar
A.B. Parsa, M. Ramsperger, A. Kostka, C. Somsen, C. Körner, and G. Eggeler: Metals, 2016, vol. 6, pp. 258-1–17.ArticleGoogle Scholar
C. Körner, M. Ramsperger, C. Meid, D. Bürger, P. Wollgramm, M. Bartsch, and G. Eggeler: Metall. Mater. Trans. A, 2018, vol. 49A, pp. 3781–92.ArticleGoogle Scholar
D. Bürger, A. Parsa, M. Ramsperger, C. Körner, and G. Eggeler: Mater. Sci. Eng. A, 2019, vol. 762, p. 138098,ArticleGoogle Scholar
R. Cunningham, C. Zhao, N. Parab, C. Kantzos, J. Pauza, K. Fezzaa, T. Sun, and A.D. Rollett: Science, 2019, vol. 363, pp. 849–52.ArticleCASGoogle Scholar
B. Fotovvati, S.F. Wayne, G. Lewis, and E. Asadi: Adv. Mater. Sci. Eng., 2018, vol. 2018, p. 4920718.ArticleGoogle Scholar
P.-J. Chiang, R. Jiang, R. Cunningham, N. Parab, C. Zhao, K. Fezzaa, T. Sun, and A.D. Rollett: in Advanced Real Time Imaging II, pp. 77–85.
J. Ye, S.A. Khairallah, A.M. Rubenchik, M.F. Crumb, G. Guss, J. Belak, and M.J. Matthews: Adv. Eng. Mater., 2019, vol. 21, pp. 1–9.ArticleGoogle Scholar
C. Zhao, Q. Guo, X. Li, N. Parab, K. Fezzaa, W. Tan, L. Chen, and T. Sun: Phys. Rev. X, 2019, vol. 9, p. 021052.CASGoogle Scholar
S.A. Khairallah, A.T. Anderson, A. Rubenchik, and W.E. King: Acta Mater., 2016, vol. 108, pp. 36–45.ArticleCASGoogle Scholar
N. Kouraytem, X. Li, R. Cunningham, C. Zhao, N. Parab, T. Sun, A.D. Rollett, A.D. Spear, and W. Tan: Appl. Phys. Rev., 2019, vol. 11, p. 064054.ArticleCASGoogle Scholar
T. DebRoy, H. Wei, J. Zuback, T. Mukherjee, J. Elmer, J. Milewski, A. Beese, A. Wilson-Heid, A. De, and W. Zhang: Prog. Mater. Sci., 2018, vol. 92, pp. 112–224.ArticleCASGoogle Scholar
I. Yadroitsev, A. Gusarov, I. Yadroitsava, and I. Smurov: J. Mater. Process. Technol., 2010, vol. 210, pp. 1624–31.ArticleCASGoogle Scholar
S. Ghosh, L. Ma, L.E. Levine, R.E. Ricker, M.R. Stoudt, J.C. Heigel, and J.E. Guyer: JOM, 2018, vol. 70, pp. 1011–16.ArticleCASGoogle Scholar
Y. He, C. Montgomery, J. Beuth, and B. Webler: Mater. Des., 2019, vol. 183, p. 108126.ArticleCASGoogle Scholar
D. Rosenthal: Weld. J., 1941, vol. 20, pp. 220–34.Google Scholar
M. Tang, P.C. Pistorius, and J.L. Beuth: Addit. Manuf., 2017, vol. 14, pp. 39–48.CASGoogle Scholar
R.E. Aune, L. Battezzati, R. Brooks, I. Egry, H.J. Fecht, J.P. Garandet, M. Hayashi, K.C. Mills, A. Passerone, P.N. Quested, E. Ricci, F. Schmidt-Hohagen, S. Seetharaman, B. Vinet, and R.K. Wunderlich: Proc. Int.Symp. Superalloys Var. Deriv., 2005, pp. 467–76.
B.C. Wilson, J.A. Hickman, and G.E. Fuchs: JOM, 2003, vol. 55, pp. 35–40.ArticleCASGoogle Scholar
J.J. Valencia and P.N. Quested: ASM Handb., 2008, vol. 15, pp. 468–81.Google Scholar
H.L. Wei, J. Mazumder, and T. DebRoy: Sci. Rep., 2015, vol. 5, pp. 1–7.Google Scholar
N. Raghavan, R. Dehoff, S. Pannala, S. Simunovic, M. Kirka, J. Turner, N. Carlson, and S.S. Babu: Acta Mater., 2016, vol. 112, pp. 303–14.ArticleCASGoogle Scholar
R. Lin, H. Wang, F. Lu, J. Solomon, and B.E. Carlson: Int. J. Heat Mass Transf., 2017, vol. 108, pp. 244–56.ArticleCASGoogle Scholar
M. Bayat, A. Thanki, S. Mohanty, A. Witvrouw, S. Yang, J. Thorborg, N.S. Tiedje, and J.H. Hattel: Addit. Manuf., 2019, vol. 30, p. 100835.CASGoogle Scholar
K. Higuchi, H.-J. Fecht, and R.K. Wunderlich: Adv. Eng. Mater., 2007, vol. 9, pp. 349–54.ArticleCASGoogle Scholar
Q. Guo, C. Zhao, M. Qu, L. Xiong, L.I. Escano, S.M.H. Hojjatzadeh, N.D. Parab, K. Fezzaa, W. Everhart, T. Sun, and L. Chen: Addit. Manuf., 2019, vol. 28, pp. 600–09.Google Scholar
J. Trapp, A.M. Rubenchik, G. Guss, and M.J. Matthews: Appl. Mater. Today, 2017, vol. 9, pp. 341–49.ArticleGoogle Scholar
M. Schneider, L. Berthe, R. Fabbro, and M. Muller: J. Phys. D, 2008, vol. 41, p. 155502.ArticleGoogle Scholar
Z. Gan, O.L. Kafka, N. Parab, C. Zhao, L. Fang, O. Heinonen, T. Sun, and W.K. Liu: Nat. Commun., 2021, vol. 12, p. 2379.ArticleCASGoogle Scholar
B.J. Simonds, E.J. Garboczi, T.A. Palmer, and P.A. Williams: Appl. Phys. Rev., 2020, vol. 13, p. 024057.ArticleCASGoogle Scholar
J. Dantzig and M. Rappaz: Solidification, 2nd ed., EPFL Press, Lausanne, 2016, pp. 483–532.Google Scholar
W. Tiller, K. Jackson, J. Rutter, and B. Chalmers: Acta Metall., 1953, vol. 1, pp. 428–37.ArticleCASGoogle Scholar
D. Zhang, A. Prasad, M.J. Bermingham, C.J. Todaro, M.J. Benoit, M.N. Patel, D. Qiu, D.H. StJohn, M. Qian, and M.A. Easton: Metall. Mater. Trans. A, 2020, vol. 51A, pp. 4341–59.ArticleGoogle Scholar
F. Yan, W. Xiong, and E.J. Faierson: Materials, 2017, vol. 10, p. 1260.ArticleGoogle Scholar
J.M. Vitek, S.A. David, and L.A. Boatner: Sci. Technol. Weld. Join., 1997, vol. 2, pp. 109–18.ArticleCASGoogle Scholar
X. Wang, J.A. Muñiz-Lerma, O. Sanchez-Mata, S.E. Atabay, M.A. Shandiz, and M. Brochu: Prog. Addit. Manuf., 2020, vol. 5, pp. 41–49.ArticleGoogle Scholar
W.E. Alphonso1, M.Bayat1,*, M. Baier 2, S. Carmignato2, J.H. Hattel1 1Department of Mechanical Engineering, Technical University of Denmark (DTU), Lyngby, Denmark 2Department of Management and Engineering – University of Padova, Padova, Italy
ABSTRACT
L-PBF(Laser Powder Bed Fusion)는 레이저 열원을 사용하여 선택적으로 통합되는 분말 층으로 복잡한 3D 금속 부품을 만드는 금속 적층 제조(MAM) 기술입니다. 처리 영역은 수십 마이크로미터 정도이므로 L-PBF를 다중 규모 제조 공정으로 만듭니다.
기체 기공의 형성 및 성장 및 용융되지 않은 분말 영역의 생성은 다중물리 모델에 의해 예측할 수 있습니다. 또한 이러한 모델을 사용하여 용융 풀 모양 및 크기, 온도 분포, 용융 풀 유체 흐름 및 입자 크기 및 형태와 같은 미세 구조 특성을 계산할 수 있습니다.
이 작업에서는 용융, 응고, 유체 흐름, 표면 장력, 열 모세관, 증발 및 광선 추적을 통한 다중 반사를 포함하는 스테인리스 스틸 316-L에 대한 충실도 다중 물리학 중간 규모 수치 모델이 개발되었습니다. 완전한 실험 설계(DoE) 방법을 사용하는 통계 연구가 수행되었으며, 여기서 불확실한 재료 특성 및 공정 매개변수, 즉 흡수율, 반동 압력(기화) 및 레이저 빔 크기가 용융수지 모양 및 크기에 미치는 영향을 분석했습니다.
또한 용융 풀 역학에 대한 위에서 언급한 불확실한 입력 매개변수의 중요성을 강조하기 위해 흡수율이 가장 큰 영향을 미치고 레이저 빔 크기가 그 뒤를 잇는 주요 효과 플롯이 생성되었습니다. 용융 풀 크기에 대한 반동 압력의 중요성은 흡수율에 따라 달라지는 용융 풀 부피와 함께 증가합니다.
모델의 예측 정확도는 유사한 공정 매개변수로 생성된 단일 트랙 실험과 시뮬레이션의 용융 풀 모양 및 크기를 비교하여 검증됩니다.
더욱이, 열 렌즈 효과는 레이저 빔 크기를 증가시켜 수치 모델에서 고려되었으며 나중에 결과적인 용융 풀 프로파일은 모델의 견고성을 보여주기 위한 실험과 비교되었습니다.
Laser Powder Bed Fusion (L-PBF) is a Metal Additive Manufacturing (MAM) technology where a complex 3D metal part is built from powder layers, which are selectively consolidated using a laser heat source. The processing zone is in the order of a few tenths of micrometer, making L-PBF a multi-scale manufacturing process. The formation and growth of gas pores and the creation of un-melted powder zones can be predicted by multiphysics models. Also, with these models, the melt pool shape and size, temperature distribution, melt pool fluid flow and its microstructural features like grain size and morphology can be calculated. In this work, a high fidelity multi-physics meso-scale numerical model is developed for stainless steel 316-L which includes melting, solidification, fluid flow, surface tension, thermo-capillarity, evaporation and multiple reflection with ray-tracing. A statistical study using a full Design of Experiments (DoE) method was conducted, wherein the impact of uncertain material properties and process parameters namely absorptivity, recoil pressure (vaporization) and laser beam size on the melt pool shape and size was analysed. Furthermore, to emphasize on the significance of the above mentioned uncertain input parameters on the melt pool dynamics, a main effects plot was created which showed that absorptivity had the highest impact followed by laser beam size. The significance of recoil pressure on the melt pool size increases with melt pool volume which is dependent on absorptivity. The prediction accuracy of the model is validated by comparing the melt pool shape and size from the simulation with single track experiments that were produced with similar process parameters. Moreover, the effect of thermal lensing was considered in the numerical model by increasing the laser beam size and later on the resultant melt pool profile was compared with experiments to show the robustness of the model.
Figure 1: a) Computational domain for single track L-PBF which includes a 200 μm thick substrate and 45 μm powder layer
thickness b) 3D temperature contour plot after scanning a single track with melt pool contours at two locations along the
scanning direction where the green region indicates the melted regions.Figure 2: Main effects plot of uncertain parameters: absorptivity, recoil pressure coefficient and laser beam radius on the melt
pool dimensions (width and depth)Figure 3: 3D temperature contours and 2D melt pool cross-sections where the melt pool is stabilized at x=500 µm from the
start of the laser initial location for cases where (a) absorptivity = 0.1, Recoil pressure coefficient B = 1 and laser beam radius
= 12 µm, (b) absorptivity = 0.1, Recoil pressure coefficient B = 20 and laser beam radius = 12 µm, (c) absorptivity = 0.1, Recoil
pressure coefficient B = 1 and laser beam radius = 18 µm, (d) absorptivity = 0.45, Recoil pressure coefficient B = 1 and laser
beam radius = 18 µm, (e) absorptivity = 0.45, Recoil pressure coefficient B = 20 and laser beam radius = 12 µm, (f) absorptivity
= 0.45, Recoil pressure coefficient B = 20 and laser beam radius = 18 µm.Figure 4: Validation of Numerical model with Recoil pressure coefficient B= 20, absorptivity = 0.45 and a) laser beam radius
= 15 µm b) laser beam radius = 20 µm
CONCLUSION
In this work, a high-fidelity multi-physics numerical model was developed for L-PBF using the FVM method in Flow-3D. The impact of uncertainty in the input parameters including absorptivity, recoil pressure and laser beam size on the melt pool is addressed using a DoE method. The DoE analysis shows that absorptivity has the highest impact on the melt pool. The recoil pressure and laser beam size only become significant once absorptivity is 0.45. Furthermore, the numerical model is validated by comparing the predicted melt pool shape and size with experiments conducted with similar process parameters wherein a high prediction accuracy is achieved by the model. In addition, the impact of thermal lensing on the melt pool dimensions by increasing the laser beam spot size is considered in the validated numerical model and the resultant melt pool is compared with experiments.
REFERENCES
[1] T. Bonhoff, M. Schniedenharn, J. Stollenwerk, P. Loosen, Experimental and theoretical analysis of thermooptical effects in protective window for selective laser melting, Proc. Int. Conf. Lasers Manuf. LiM. (2017) 26–29. https://www.wlt.de/lim/Proceedings2017/Data/PDF/Contribution31_final.pdf. [2] L.R. Goossens, Y. Kinds, J.P. Kruth, B. van Hooreweder, On the influence of thermal lensing during selective laser melting, Solid Free. Fabr. 2018 Proc. 29th Annu. Int. Solid Free. Fabr. Symp. – An Addit. Manuf. Conf. SFF 2018. (2020) 2267–2274. [3] J. Shinjo, C. Panwisawas, Digital materials design by thermal-fluid science for multi-metal additive manufacturing, Acta Mater. 210 (2021) 116825. https://doi.org/10.1016/j.actamat.2021.116825. [4] Z. Zhang, Y. Huang, A. Rani Kasinathan, S. Imani Shahabad, U. Ali, Y. Mahmoodkhani, E. Toyserkani, 3- Dimensional heat transfer modeling for laser powder-bed fusion additive manufacturing with volumetric heat sources based on varied thermal conductivity and absorptivity, Opt. Laser Technol. 109 (2019) 297–312. https://doi.org/10.1016/j.optlastec.2018.08.012. [5] M. Bayat, A. Thanki, S. Mohanty, A. Witvrouw, S. Yang, J. Thorborg, N.S. Tiedje, J.H. Hattel, Keyholeinduced porosities in Laser-based Powder Bed Fusion (L-PBF) of Ti6Al4V: High-fidelity modelling and experimental validation, Addit. Manuf. 30 (2019) 100835. https://doi.org/10.1016/j.addma.2019.100835. [6] M. Bayat, S. Mohanty, J.H. Hattel, Multiphysics modelling of lack-of-fusion voids formation and evolution in IN718 made by multi-track/multi-layer L-PBF, Int. J. Heat Mass Transf. 139 (2019) 95–114. https://doi.org/10.1016/j.ijheatmasstransfer.2019.05.003. [7] J. Metelkova, Y. Kinds, K. Kempen, C. de Formanoir, A. Witvrouw, B. Van Hooreweder, On the influence of laser defocusing in Selective Laser Melting of 316L, Addit. Manuf. 23 (2018) 161–169. https://doi.org/10.1016/j.addma.2018.08.006.
A Computer Model to Assess Fire Hazards in Tunnels (FASlT)
David A. Charters, W. Alan Gray, Andrew C. McIntosh Charters is now with NHS Estates in Leeds (previously with AEA Consultancy Services), and Gray and Mclntosh are with the University of Leeds, England.
Abstract
터널에서 화재 성장 움직임을 시뮬레이션하는 컴퓨터 모델이 설명되고 터널 시스템에 대한 간략한 개요가 표시됩니다. 질량 흐름, 속도, 연기 농도 및 열 전달을 예측하는 방법과 위험 출력 매개 변수 목록이 표시됩니다. 실험에 대한 모델의 유효성 검사와 향후 작업에 대한 가능한 방향도 제시됩니다.
Introduction
최근 도로 및 철도 터널의 화재 안전에 대해 운송 업계와 여행자들 사이에서 많은 우려가 제기되고 있습니다.
1,2,3 터널에서 연소 생성물은 한 방향 또는 두 방향을 제외한 모든 방향으로 제한되어 매우 빠른 연기 이동과 생명에 대한 빠른 위협을 초래할 수 있습니다.
이 분야의 많은 초기 작업은 Thomas에 의해 수행되었습니다. 4,5 AEA Consultancy Services와 University of Leeds의 연료 및 에너지부는 현재 터널의 구멍으로 인한 위험을 예측하는 컴퓨터 모델을 개발 중입니다.
이 모델은 터널 내 설비의 위험과 화재 위험 수준, 화재 방지 시스템의 이점을 평가하는 데 도움이 됩니다.
유사한 ‘구역’ 화재 모델에서 Considine et al. 7은 유해 물질 운송을 포함하는 피트에 대한 모델을 개발했으며 Miclea 등은 터널 환기에 대한 화재의 영향을 평가하고 비상 환기를 논의하는 터널 환기 모델을 개발했으며 Laage 등은 터널 환기 모델을 개발했습니다.
9는 특히 광산 네트워크의 화재에 대한 모델을 개발했습니다. 다른 터널 화재 모델에서 Kumar et al.10 및 Jones et al.11은 터널 화재의 유체 흐름을 예측하기 위해 전산 유체 역학(CFD) 또는 ‘장’ 모델을 사용합니다.
AEA/Leeds University에서 개발 중인 코드는 터널의 화재 위험을 예측하기 위한 더 큰 모델의 일부가 되도록 의도되었습니다.
이 코드는 FASIT(Fire growth And Smoke movement In Tunnels) 모델이라고 합니다.12 FASIT는 구조가 모듈식이므로 화염, 연기, 부력 흐름, 열 전달 등에 대한 개선된 모델을 많은 수의 재작성 없이 통합할 수 있습니다.
Figure 1. Typical road and rail tunnel sections.Figure 2. Tunnel zone/layer schematic.Figure 3. Schematic of plume mass flows°
References
Bertrand, A., “Opening Address,”Safety in Road and Rail Tunnels, 1992.
Haack, A., “Fire Protection Traffic Tunnels-Initial Recognitions from Large Scale Tests,”Safety in Road and Rail Tunnels, 1992.
Luchian, S.F., “The Central Artery/Tunnel Project Memorial Tunnel Fire Test Program,”Safety in Road and Rail Tunnels, 1992.
Thomas, P.H., “The Movement of Buoyant Fluid Against a Stream and the Venting of Underground Fires,”Fire Research Note 351/1958, Fire Research Station, U.K., 1958.Google Scholar
Thomas, P.H., “The Movement of Smoke in Horizontal Passages Against an Air Flow,”Fire Research Note 723/1968, Fire Research Station, U.K., 1968.Google Scholar
Charters, D.A., “Fire Risk Assessment in Rail Tunnels,”Safety in Road and Rail Tunnels, 1992.
Considine, M., Parry, S.T., and Blything, K.,Risk Assessments of Hazardous Substances Through Road Tunnels in the United Kingdom, Department of Transport, 1989.
Miclea, P.C. and Murphy, R.E., “Assessment of Emergency Ventilation Capability in Case of Train Fire in a Tunnel Using Subway Environment Simulation (SES) Computer Program,”Proceedings of 4th U.S. Mine Ventilation Symposium, SME, 1989.
Laage, L.W. and Yang, H., “Mine Fire Experiments at the Waldo Mine,”Proceedings of 5th U.S. Mine Ventilation Symposium, SME, 1991.
Kumar, S. and Cox, G.,Mathematical Modeling of Fire in Road Tunnels—Validation of JASMINE Department of Transport, 1986.
Simcox, S., Wilkies, N.S. and Jones, I.P., “Computer Simulation of the Flows of Hot Gases from Fire at King’s Cross Underground Station,”Institution of Mechanical Engineers, 1989.
Charters, D.A., Gray, W. A., and McIntosh, A.C.,FASIT Tunnel Fire Computer Model—Physical Basis, AEA Technology/Leeds University, 1993.
Heskestad, G., “Fire Plumes,”The SFPE Handbook of Fire Protection Engineering, SFPE/NFPA, 1988, Chapters 1–6.
Drysdale, D.D.,An Introduction to Fire Dynamics, Wiley, 1985.
British Standard (Draft for Development) 180,Guide for the Assessment of Toxic Hazards in Fire in Buildings and Transport British Standards Institution, 1989.
Vantelon, J.P.,et al., Investigation of Fire-Induced Smoke Movement in Tunnels and Stations: An Application to the Paris Metro, Third International Symposium on Fire Safety Science, Elsevier, 1991.
Heselden, A.J.M., “Studies of Fire and Smoke Behavior Relevant to Tunnels,”Current Paper CP66/78, Building Research Establishment, 1978.
Emmons, H.W., “The Ceiling Jet in Fires,”Proceedings of the 3rd International Symposium of Fire Safety Science, Elsevier, 1991.
Carslaw, H.S. and Jaeger, J.C.,Conduction of Heat in Solids, 2nd edition, Oxford University Press, 1959.
Final Report on the Tests in the Ofenegg Tunnel, Commission for Safety Measures in Road Tunnels, Bern, 1965.
Feizlmayr, A.H.,Brandversuche in Einen Tunnel, Bundesministerium für Banten und Technik, Heft 50, Vienna, 1976.Google Scholar
Keski-Rahkonen, O., Holmlund, C., Loikkanen, P., Ludrigsen, H., and Mikkola, E.,Two Full-Scale Pilot Fire Experiments in a Tunnel, VTT Finland, 1986.
Marshall, I.A., Hines, M.A., Cutler, D.P., and Packer, S.D.,Fire Gallery Tests for Non-Metallic Materials Intended for Underground Use Project No. 7255-10/058, CEC, 1984.
Private communication between Beckett, H. (HSE) and Burke, G. (AEA), 1986.
McCaughey, M.N. and Fletcher, D.F.,Simulation of a Fire in a Tunnel, SRD, 1992.
Fletcher, D.F. and Owens, M.P.,Tunnel Fire Modeling Using FLOW 3D: Progress and Suggested Future Work, SRD, 1993.
수력 구조물의 수력 설계 및 모델링 경험 (Experiences in the hydraulic design and modelling of the hydraulic structures)
CFD Modelling: View of Earl Pumping Station interception structures and approach to vortex drop shaft – Courtesy of Mott MacDonald
템스 타이드웨이 터널은 주로 템스 강 아래 런던 중심부를 통과하는 새로운 저장 및 이송 터널입니다. 최대 지름 7.2m의 길이약 25km에 달하는 주요 터널은 서쪽액톤에서 동쪽의 수도원 밀스까지 운행됩니다. 이 프로젝트의 목적은 템스 강에 도달하기 전에 결합된 하수 흐름을 가로채고 저장하여 가장 오염이 많은 복합 하수 오버플로(CSOS)의 34개 를 제어하는 것입니다. 템스 타이드웨이 터널은 베크턴 하수 처리 작업에서 치료를 위해 흐름을 수송할 수도원 밀스의 리 터널에 연결됩니다. CSO 현장에서는 소용돌이 낙하 샤프트와 같은 가로채기 및 전환 구조물이 근처 표면 하수 네트워크에서 깊은 저장 터널로 결합된 하수 흐름을 수송합니다.
East main works
터널을 납품하는 회사인 Tideway는 프로젝트를 세 부분으로 분리했습니다. 동쪽 구간은 프로젝트의 가장 깊은 부분이며, 65m 깊이에 도달합니다. 버몬드시의 챔버 부두는 애비 밀스 (Abbey Mills)에 이르는이 5.5km 터널 섹션의 주요 드라이브 사이트입니다. 동부 개발에는 그리니치 펌핑 스테이션에서 챔버 스워프의 주요 터널까지 약 4.5km의 5m 내부 직경 연결 터널이 포함되어 있습니다.
4개의 드롭 샤프트가 현재 설계 및 제작 중입니다. 이들은 24-36m 3/s 범위의 설계 흐름을 가지며 차단 및 전환 구조, 터널 격리 게이트 및 플랩 밸브가 있는 밸브 챔버, 와류 발생기 입구 구조, 와류 드롭 튜브 및 에너지 소산 및 탈기 챔버를 포함한 유압 구조로 구성됩니다.
The challenge/ hydraulic modelling
이러한 새로운 구조의 설계는 수많은 엔지니어링 문제에 직면해 있습니다. 최대 36m3/s의 대규모 설계 유량은 기존 네트워크에 부정적인 영향을 미치거나 기존 CSO를 통해 유출되지 않고 완전히 캡처되어 터널로 안전하게 전달되어야 합니다.
또한 복잡한 흐름 패턴이 발생하는 수축된 설계와 시스템의 올바른 작동을 위해 필요하고 불리한 유체 역학 조건으로부터 보호해야 하는 기계 플랜트의 필요성을 초래하는 공간 제약이 있습니다. 또한, 소용돌이 낙하 샤프트 내부에 최대 50m까지 떨어지는 흐름에 의해 생성되는 많은 양의 에너지는 터널로 전달하기 전에 안전하게 소멸되고 유동을 제거해야합니다.
이러한 과제를 해결하기 위해 프로젝트 팀은 물리적 스케일 모델링과 함께 CFD(계산 유체 역학) 모델링을 광범위하게 사용했습니다.
CFD 모델링: arl Pumping Station 소용돌이 드롭 샤프트 및 저장 터널 의 보기 – Courtesy of Mott MacDonald
전산 유체 역학 모델링
CFD는 초기 설계 단계에서 사용되는 주요 유압 모델링 도구로, 모든 유압 구조를 모델링하고, 설계 수정을 통합하고, 결과를 신속하게 시각화 및 분석하고, 성능을 마무리할 수 있는 기능을 제공했습니다.
제안된 설계의 3D 건물 정보 모델링(BIM) 형상을 CFD 소프트웨어로 전송하여 CFD 유체 도메인에 대한 형상을 생성하는 데 필요한 시간을 줄였습니다.
FlowScience Inc에서 개발한 Flow 3D가 주요 모델링 플랫폼으로 활용되었습니다. 이 소프트웨어는 공기-물 인터페이스를 추적하기 위해 유체 체적 방법을 적용하여 자유 표면 흐름을 정확하게 모델링하는 기능이 있습니다.
입방 격자를 사용한 3D 구조형 메쉬를 사용하였고, 레이놀즈평균 Navier-Stokes 접근법을 표준 k-omega 난기류 모델로 사용하여 난류를 해석하였습니다.
View of King Edward Memorial Park Foreshore interception structures and approach to vortex drop shaft – Courtesy of Mott MacDonald
메쉬 해상도에 대한 민감도 분석이 수행되었고 계산 메쉬의 적합성에 대한 추론을 허용하기 위해 이전 개념 단계 구조의 물리적 스케일 모델링에서 사용 가능한 결과와 비교되었습니다. 와류 발생기 및 드롭 튜브의 목과 같이 급격한 기울기가 발생하는 영역의 메쉬에 특별한 주의를 기울였습니다.
전체 메쉬 해상도와 계산 효율성 간의 균형은 설계 목적을 위해 충분히 정확하지만 설계 프로그램 목표를 충족하는 시간 척도 내에서 결정적으로 중요한 솔루션을 생성하는 데 필요했습니다.
CFD 모델이 수렴되면 결과가 시각화되었습니다. 주요 산출물에는 구조 전체에 걸친 상세한 수위, 크기와 벡터, 흐름 유선이 있는 속도 플롯이 포함되었습니다. CFD 모델에 의해 생성된 데이터는 유동장의 거동을 이해하는 데 매우 유용했으며 이러한 결과를 분석하여 설계가 어떻게 수행되고 있는지에 대한 결론을 내릴 수 있었습니다.
View of King Edward Memorial Park Foreshore drop shaft and energy dissipation chamber – Courtesy of Mott MacDonald
물리적 스케일 유압 모델링
물리적 규모의 수력학적 모델링은 작동 조건의 전체 범위에 걸쳐 설계의 수력학적 성능을 종합적으로 평가하고 설계 개선 사항을 알리고 테스트하는 데 사용되었습니다.
프로그램의 효율성을 위해 수력구조물의 설계가 잘 진행된 단계에서 물리적인 규모의 모델링을 수행하였다. CFD 모델링은 이미 수행되어 설계의 전체 성능에 대한 확신을 제공했습니다. 주요 구조 부재도 MEICA 공장을 위해 크기가 조정되었고 설계 공간이 확보되었습니다.
설계 개발의 이 단계에서 물리적 모델링을 수행하는 것은 시간이 많이 소요되는 물리적 모델에 필요한 주요 변경의 위험을 줄이는 것을 목표로 했습니다. 또한 모델 테스트가 수력 구조의 최종 의도 설계를 가능한 한 가깝게 반영하도록 했습니다.
물리적 모델링을 위해 두 개의 사이트가 선택되었으며, 주로 공간 제약으로 인해 유압 구조의 설계가 더 복잡했습니다. 이러한 사이트는 다음과 같은 사이트였습니다.
그리니치 펌핑 스테이션은 1:10 규모의 전체 작업 현장 모델이 건설되었습니다.
CSO 차단 구조의 모델이 수행된 King Edward Memorial Park 및 Foreshore는 1:10 축척으로, 드롭 샤프트 에너지 소산 및 탈기 챔버의 별도 모델은 1:12 축척으로 구축되었습니다.
모델은 실험실 시설에서 전문 하청 업체 BHR 그룹에 의해 구축 및 테스트되었습니다. 모델은 최신 디자인 BIM 모델에서 생성된 모델 도면을 사용하여 주로 퍼스펙스와 합판으로 구축되었다. 모델 시공승인을 받기 전에 도면은 실험실에서 유압 구조물의 정확한 복제본을 보장하기 위해 BIM 모델에 대한 엄격한 치수 검사를 받았습니다.
Model of King Edward Mermorial Park and Foreshore energy dissipation chamber in operation – Courtesy of Mott MacDonald & BHR Group
중력의 힘이 이러한 구조에서 개방 채널 유체 흐름을 지배하기 때문에 유사성을 보장하기 위해 프로토타입(전체 규모 설계) 및 축소된 축소 모델에서 Froude 수를 동일하게 유지하는 것이 중요합니다. 따라서 Froude 수의 동일성을 유지하기 위해 모델을 유속으로 작동했습니다. 규모는 또한 모든 흐름 조건에서 흐름이 완전히 난류임을 보장할 수 있을 만큼 충분히 커야 했으며 이는 모델의 다른 부분에서 흐름의 레이놀즈 수를 추정하여 확인했습니다.
축소된 물리적 모델에서는 모든 스케일 효과를 제거할 수 없습니다. 표면 장력은 비례하지 않기 때문에 프로토타입과 모델의 Weber 수(초기 힘과 표면 장력 사이의 비율을 나타냄)가 다르고 둘 사이의 액체 상태에 포함된 공기의 양도 다릅니다. 이것은 방법의 한계로 인식되고 이해되며 공기 동반 결과에 스케일링 계수를 적용하여 해결되었습니다.
이 모델은 작동 사례를 설정하는 미리 정의된 테스트 매트릭스에 따라 테스트를 거쳤습니다. 여기에는 다양한 흐름 사례와 저장 터널 꼬리 수위가 포함됩니다. 유량은 보정된 기기로 엄격하게 제어되었으며, 필요한 경우 모델로의 유량은 관심 영역의 유량이 유입구 조건에 의해 인위적으로 영향을 받지 않도록 조절되었습니다.
흐름의 동작을 관찰하고 기록했습니다.
수위는 압력 태핑을 통해 또는 모델 측벽의 수직 눈금을 통해 시각적으로 기록되었습니다.
플로우 패턴은 염료 추적기의 도움을 받아 시각적으로 기록되었습니다.
특히 관심의 한 측면은 소용돌이 흐름이었다. 소용돌이 발생기및 소용돌이 낙하튜브를 통한 흐름에 대한 상세한 관찰은 흐름이 안정적이고, 맥동과 도미 효과가 없는지, 그리고 흐름 범위 전반특히 관심의 한 측면은 소용돌이 흐름이었습니다. 와류 발생기 및 와류 드롭 튜브를 통한 흐름에 대한 자세한 관찰은 흐름이 안정적이고 맥동 과도 효과가 없으며 와류 흐름이 드롭 튜브에서 잘 형성되어 흐름 범위 전체에 걸쳐 안정적인 공기 코어를 유지하면서 관찰되었습니다.
(left) Physical model of Greenwich Pumping Station interception chamber flap valves in operation and (right) physical model of Greenwich PS internal structures for energy dissipation within the shaft – Courtesy of Mott MacDonald and BHR Group
와류 발생기에서 임계유량이 발생하기 때문에 확실한 수두-방전 관계가 설정되어 수위를 판독하여 유량을 측정할 수 있는 기회를 제공합니다. 와류 발생기에 대한 접근 암거에 위치한 압력 탭핑은 유속 범위에 걸쳐 수심 값을 기록하여 각 방울 구조에 대해 수두 방출 곡선을 도출할 수 있도록 했습니다. 프로토타입에서 이 지점에서 수집된 레벨 신호는 흐름을 계산하고 격리 게이트를 제어하는 데 사용됩니다.
흐름이 와류 드롭 튜브 아래로 수 미터 떨어지고 드롭 샤프트의 바닥에 있는 물 풀로 충돌할 때 공기가 물 속으로 동반됩니다. 터널 시스템에서 발생하는 압축 공기 주머니와 저장 용량 감소 문제를 피하기 위해 드롭 샤프트에서 저장 터널로 전달되는 공기의 양을 최소화하는 것이 중요합니다. 이 목적을 달성하기 위해, 드롭 샤프트의 베이스가 흐름의 에너지 소산 및 탈기 기능을 수행하는 것이 매우 중요합니다. 이것은 충분한 체적을 제공하도록 샤프트의 크기를 조정하고 다음과 같은 흐름을 조절하기 위해 샤프트 내부 벽을 설계함으로써 달성되었습니다.
플런지 풀이 형성되었습니다.
샤프트의 흐름 경로/유지 시간은 가능한 한 오래 지속됩니다.
샤프트 의 베이스의 특정 영역은 위쪽 흐름 경로를 촉진합니다.
이러한 조치는 떨어지는 물의 에너지가 소멸되고 공기가 가능한 한 흐름에서 분리되도록 하는 것을 목표로 하고 저장 터널로 전달됩니다.
에너지 소산 및 탈기 구조의 성능을 평가하기 위해 드롭 샤프트에서 저장 터널을 통과하는 공기 흐름을 물 변위 방법으로 측정했습니다. 흐름에 혼입된 정확한 양의 공기를 보장하기 위해 모델은 와류 드롭 튜브의 전체 높이를 통합했습니다. 설계의 허용 기준에 대해 최대 기류는 최대 설계 수류의 백분율로 정의된 미리 정의된 값으로 제한되었습니다. 스케일 효과를 설명하기 위해 모델에서 허용 가능한 최대 기류량은 프로토타입에 비해 약 6배 감소했습니다.
hysical model of Greenwich PS showing energy dissipation chamber and entrance to connection tunnel – Courtesy of Mott MacDonald and BHR Group
물리적 규모 모델링은 또한 구조물을 통한 퇴적물의 이동성을 테스트했습니다. 이는 하수 네트워크에서 발생하는 예상 입자 크기 분포와 일치하도록 조정된 모의물의 양으로 모델에 투여함으로써 달성되었습니다.
모델의 설계 개선은 주로 탈기 성능을 개선하기 위한 샤프트 내부 구조의 조정, 퇴적물 이동성을 돕기 위한 벤치 및 기타 조치의 포함으로 구성되었습니다. 이러한 개선 사항은 재테스트를 통해 확인된 다음 설계에 통합되었습니다. 물리적 모델링의 데이터는 관찰된 좋은 일치와 함께 CFD 모델링의 결과와 비교되었습니다.
최종 모델링 결과는 흐름이 기존 하수 네트워크에서 전환되는 위치 근처에서 큰 난류가 발생하는 반면 차단 챔버는 이 에너지를 부분적으로 소산할 수 있을 만큼 충분히 크기가 지정되었으며 특정 수력 설계 요소를 포함하면 문제가 있는 유압 거동이 기계 장비 근처에서 관찰되었습니다. 더 높은 유속에서 일부 공기 동반 와류는 유체의 대부분에 형성됩니다. 그러나 이러한 높은 폭풍 유속의 간헐적인 특성을 고려할 때 콘크리트 구조물의 열화를 일으킬 것으로 예상되지는 않았습니다. 결과는 또한 구조가 최대 설계 흐름을 Thames Tideway Tunnel로 전환하여 기존 보유 CSO를 통한 유출을 방지할 수 있음을 나타냅니다. 차단실과 와류 낙하축을 연결하는 선형 연결 암거는 흐름 조절에 긍정적인 영향을 미쳤고 소용돌이 낙하 튜브의 작동은 흐름 범위에 걸쳐 안정적인 것으로 관찰되었습니다.
Conclusions
Thames Tideway Tunnel의 수력 구조물 설계에는 복잡한 3D 난류 유동 거동이 포함되며 설계 단계에서 고급 수력 모델링 도구를 사용해야 합니다. CFD 모델링을 통해 제안된 설계를 테스트하고 수정할 수 있으므로 설계 흐름이 필요한 성능 매개변수 내에서 안전하게 수용됩니다.
이 프로젝트에서 CFD를 활용한 주요 이점은 비교적 짧은 시간에 수력학적 모델링을 수행할 수 있는 능력, 생성된 데이터의 유용성 및 시각화할 수 있는 능력이었습니다. 이는 설계를 알리고 확인하는 데 도움이 되었습니다. CFD 모델링은 제한된 도시 환경 내에서 설정된 이러한 수력학적 구조를 설계하는 데 유용한 도구였습니다.
Physical Modelling – View of King Edward Memorial Park and Foreshore Energy Dissipation Chamber – Courtesy of Mott MacDonald and BHR Group
구조의 중요성으로 인해 물리적 모델링이 수행되어 결과에 대한 신뢰도를 높이고 CFD가 한계를 나타내는 수력 성능 측면을 추가로 연구했습니다. 물리적 모델은 이해 관계자에게 구조 내부에서 흐름이 어떻게 수행되고 있는지 정확히 보여주기 위해 유용한 것으로 입증되었습니다. 또한, 모델 테스트가 대부분 최종 설계를 반영한다는 점을 감안할 때 구조물의 수력 성능에 대한 기록이 유지됩니다.
Timescale
5개 샤프트 중 4개에 대한 굴착이 진행 중이거나 완료되었으며 1차 기초 슬래브와 2차 라이닝이 올해 말 전에 샤프트에 부어질 것입니다. 주 터널인 Selina의 TBM은 2020년 터널링이 시작되어 연말에 현장으로의 마지막 여정을 시작할 것입니다.
The editor and publishers thank Ricardo Telo, Senior Hydraulic Engineer, and Tejal Shah, Senior Mechanical Engineer, both with Mott MacDonald, for providing the above article for publication.
적층 제조(AM) 기술은 복잡한 형상의 3D 부품을 쉽게 만들고 미세 구조 제어를 통해 재료 특성을 크게 제어할 수 있기 때문에 많은 관심을 받았습니다. PBF(Powderbed fusion) 방식의 AM 공정에서는 금속 분말을 레이저나 전자빔으로 녹이고 응고시키는 과정을 반복하여 3D 부품을 제작합니다.
일반적으로 응고 미세구조는 Hunt[Mater. 과학. 영어 65, 75(1984)]. 그러나 CET 이론이 일반 316L 스테인리스강에서도 높은 G와 R로 인해 PBF형 AM 공정에 적용될 수 있을지는 불확실하다.
본 연구에서는 미세구조와 응고 조건 간의 관계를 밝히기 위해 전자빔 조사에 의해 유도된 316L 강의 응고 미세구조를 분석하고 CtFD(Computational Thermal-Fluid Dynamics) 방법을 사용하여 고체/액체 계면에서의 응고 조건을 평가했습니다.
CET 이론과 반대로 높은 G 조건에서 등축 결정립이 종종 형성되는 것으로 밝혀졌다. CtFD 시뮬레이션은 약 400 mm s-1의 속도까지 유체 흐름이 있음을 보여 주며 수상 돌기의 파편 및 이동의 영향으로 등축 결정립이 형성됨을 시사했습니다.
Additive manufacturing（AM）technologies have attracted much attention because it enables us to build 3D parts with complicated geometry easily and control material properties significantly via the control of microstructures. In the powderbed fusion（PBF）type AM process, 3D parts are fabricated by repeating a process of melting and solidifying metal powders by laser or electron beams. In general, the solidification microstructures can be predicted from solidification conditions defined by the combination of temperature gradient G and solidification rate R on the basis of columnar-equiaxed transition（CET）theory proposed by Hunt [Mater. Sci. Eng. 65, 75（1984）]. However, it is unclear whether the CET theory can be applied to the PBF type AM process because of the high G and R, even for general 316L stainless steel. In this study, to reveal relationships between microstructures and solidification conditions, we have analyzed solidification microstructures of 316L steel induced by electronbeam irradiation and evaluated solidification conditions at the solid/liquid interface using a computational thermal-fluid dynamics （CtFD）method. It was found that equiaxed grains were often formed under high G conditions contrary to the CET theory. CtFD simulation revealed that there is a fluid flow up to a velocity of about 400 mm s-1, and suggested that equiaxed grains are formed owing to the effect of fragmentations and migrations of dendrites.
Keywords
Additive Manufacturing, 316L Stainless Steel, Powder Bed Fusion, Electron Beam Melting, Computational Thermal Fluid Dynamics Simulation
Fig. 1 Width, height, and height differences calculated from laser
microscope analysis of melt tracks formed by scanning electron
beam.
Fig. 2（a）Scanning electron microscope（SEM）image and（b）
corresponding electron back-scattering diffraction（EBSD）
IPF-map taken from the electron-beam irradiated region in
P900-V100 sample.
Fig. 3 Average grain size and their aspect ratio calculated from EBSD
IPF-map taken from the electron-beam irradiated region.Fig. 4 Comparison of experimental SEM image and computational
thermal fluid dynamics（CtFD）simulated melt pool with a beam
diameter of 700 μm and absorption rates of（a）0.3,（b）0.5, and
（c）0.7. Electron beam power and scan speed are 900 W and
100 mm s-1, respectively.Fig. 5 Comparison of experimental SEM image and CtFD simulated
melt pool with beam diameters of（a）700 μm,（b）1000 μm,
and（c）1300 μm and an absorption rate of 0.3. Electron beam
power and scan speed are 900 W and 100 mm s-1, respectivelyFig. 6 Depth of melt tracks calculated from experimental SEM image
and CtFD simulation results.Fig. 7 G-R plots of 316L steel colored by（a）aspect ratio of crystalline
grains and（b）fluid velocity.Fig. 8 Comparison of solidification microstructure（EBSD IPF-map）of
melt region formed by scanning electron beam and corresponding
snap shot of CtFD simulation colored by fluid velocity
References
1） M.C. Sow, T. De Terris, O. Castelnau, Z. Hamouche, F. Coste, R. Fabbro and P. Peyre: “Influence of beam diameter on Laser Powder
Bed Fusion（L-PBF）process”, Addit. Manuf. 36（2020）, 101532. 2） J.C. Simmons, X. Chen, A. Azizi, M.A. Daeumer, P.Y. Zavalij, G. Zhou and S.N. Schiffres: “Influence of processing and microstructure on the local and bulk thermal conductivity of selective laser melted 316L stainless steel”, Addit. Manuf. 32（2020）, 100996. 3） S. Dryepondt, P. Nandwana, P. Fernandez-Zelaia and F. List: “Microstructure and High Temperature Tensile properties of 316L Fabricated by Laser Powder-Bed Fusion”, Addit. Manuf. 37（2020）, 101723. 4） S.H. Sun, T. Ishimoto, K. Hagihara, Y. Tsutsumi, T. Hanawa and T. Nakano: “Excellent mechanical and corrosion properties of austenitic stainless steel with a unique crystallographic lamellar microstructure via selective laser melting”, Scr. Mater. 159（2019）, 89-93. 5） T. Ishimoto, S. Wu, Y. Ito, S.H. Sun, H. Amano and T. Nakano: “Crystallographic orientation control of 316L austenitic stainless steel via selective laser melting”, ISIJ Int. 60（2020）, 1758-1764. 6） T. Ishimoto, K. Hagihara, K. Hisamoto, S.H. Sun and T. Nakano: “Crystallographic texture control of beta-type Ti-15Mo-5Zr3Al alloy by selective laser melting for the development of novel implants with a biocompatible low Young’s modulus”, Scr. Mater. 132（2017）, 34-38. 7） X. Ding, Y. Koizumi, D. Wei and A. Chiba: “Effect of process parameters on melt pool geometry and microstructure development for electron beam melting of IN718: A systematic single bead analysis study”, Addit. Manuf. 26（2019）, 215-226. 8） K. Karayagiz, L. Johnson, R. Seede, V. Attari, B. Zhang, X. Huang, S. Ghosh, T. Duong, I. Karaman, A. Elwany and R. Arróyave: “Finite interface dissipation phase field modeling of Ni-Nb under additive manufacturing conditions”, Acta Mater. 185（2020）, 320-339. 9） M.M. Kirka, Y. Lee, D.A. Greeley, A. Okello, M.J. Goin, M.T. Pearce and R.R. Dehoff: “Strategy for Texture Management in Metals Additive Manufacturing”, JOM, 69（2017）, 523-531. 10） S.S. Babu, N. Raghavan, J. Raplee, S.J. Foster, C. Frederick, M. Haines, R. Dinwiddie, M.K. Kirka, A. Plotkowski, Y. Lee and R.R. Dehoff: “Additive Manufacturing of Nickel Superalloys: Opportunities for Innovation and Challenges Related to Qualification”, Metall. Mater. Trans. A. 49（2018）, 3764-3780. 11） M.R. Gotterbarm, A.M. Rausch and C. Körner: “Fabrication of Single Crystals through a μ-Helix Grain Selection Process during Electron Beam Metal Additive Manufacturing”, Metals, 10（2020）, 313. 12） J.D.D. Hunt: “Steady state columnar and equiaxed growth of dendrites and eutectic”, Mater. Sci. Eng. 65（1984）, 75-83. 13） S. Bontha, N.W. Klingbeil, P.A. Kobryn and H.L. Fraser: “Effects of process variables and size-scale on solidification microstructure in beam-based fabrication of bulky 3D structures”, Mater. Sci. Eng. A. 513-514（2009）, 311-318. 14） J. Gockel and J. Beuth: “Understanding Ti-6Al-4V microstructure control in additive manufacturing via process maps”, 24th Int. SFF Symp. – An Addit. Manuf. Conf. SFF 2013.（2013）, 666-674. 15） B. Schoinochoritis, D. Chantzis and K. Salonitis: “Simulation of metallic powder bed additive manufacturing processes with the finite element method: A critical review”, Proc. of Instit. Mech. Eng., Part B: J. Eng. Manuf. 231（2017）, 96-117. 16）小泉雄一郎: “計算機シミュレーションを用いたAdditive Manufacturing プロセス最適化予測”, スマートプロセス学会誌， 8-4（2019）, 132-138. 17） Y. Zhao, Y. Koizumi, K. Aoyagi, D. Wei, K. Yamanaka and A. Chiba: “Molten pool behavior and effect of fluid flow on solidification conditions in selective electron beam melting（SEBM）of a biomedical Co-Cr-Mo alloy”, Addit. Manuf. 26（2019）, 202-214. 18） C. Tang, J.L. Tan and C.H. Wong: “A numerical investigation on the physical mechanisms of single track defects in selective laser melting”, Int. J. Heat Mass Transf. 126（2018）, 957-968. 19） Technical data for Iron, [Online]. Available: http://periodictable.com/ Elements/026/data.html. [Accessed: 8-Feb-2021]. 20） N. Raghavan, R. Dehoff, S. Pannala, S. Simunovic, M. Kirka, J. Turner, N. Carl-son and S.S. Babu: “Numerical modeling of heattransfer and the influence of process parameters on tailoring the grain morphology of IN718 in electron beam additive manufacturing”, Acta Mater. 112（2016）, 303-314. 21） S. Morita, Y. Miki and K. Toishi: “Introduction of Dendrite Fragmentation to Microstructure Calculation by Cellular Automaton Method”, Tetsu-to-Hagane. 104（2018）, 559-566. 22） H. Esaka and M. Tamura: “Model Experiment Using Succinonitrile on the Formation of Equiaxed Grains caused by Forced Convection”, Tetsu-to-Hagane. 86（2000）, 252-258.
냉각 속도 및 온도 구배와 같은 FLOW-3D AM 데이터를 미세 구조 모델에 입력하여 결정 성장 및 수상 돌기 암 간격을 예측할 수 있습니다.
레이저 파우더 베드 융합으로 제작 된 니켈 기반 초합금의 열전달, 유체 흐름 및 응고 미세 구조 모델링
오하이오 주립 대학의 연구원들은 니켈 기반 초합금의 미세 구조 진화를 예측하기 위해 용융 풀과 고체 / 액체 인터페이스의 적절한 위치에서 열 구배 및 냉각 속도 데이터를 추출했습니다.
참조 : YS Lee and W. Zhang, Modeling of heat transfer, fluid flow and solidification microstructure of nickel-base superalloy fabricated by laser powder bed fusion , S2214-8604 (16) 30087-2, doi.org/10.1016/j.addma .2016.05.003 , ADDMA 86.
열 응력 | Thermal Stresses
FLOW-3D AM 시뮬레이션의 결과를 ABAQUS 또는 MSC NASTRAN과 같은 FEA 소프트웨어에 입력하여 추가 열 응력 분석을 실행할 수 있습니다. 여기에서 T- 조인트의 레이저 용접 시뮬레이션 결과를 추가 응력 분석을 위해 ABAQUS로 가져 오는 방법을 볼 수 있습니다. 마찬가지로 LPBF 시뮬레이션에서 응고 된 용융 풀 데이터의 결과를 사용하여 다른 FEA 소프트웨어에서 열 응력 및 왜곡 분석을 연구 할 수 있습니다.
DED (Directed Energy Deposition)는 레이저 또는 전자 빔과 같은 에너지 소스를 사용하여 가열 및 융합되는 와이어 또는 분말을 증착하여 부품을 만드는 적층 제조 공정입니다. FLOW-3D AM 은 분말 또는 와이어 이송 속도 및 크기 특성, 레이저 출력 및 스캔 속도와 같은 공정 매개 변수를 고려하여 DED 공정을 시뮬레이션 할 수 있습니다. 또한, 기판과 분말 재료의 서로 다른 합금에 대해 독립적 인 열 물리적 재료 특성을 정의하여 다중 재료 DED 프로세스를 시뮬레이션 할 수 있습니다.
레이저 물리학의 구현과 열 전달, 응고, 표면 장력, 차폐 가스 효과 및 반동 압력을 포함한 압력 효과를 통해 연구원은 결과 용접 비드의 강도 및 균일성에 대한 공정 매개 변수의 영향을 정확하게 분석 할 수 있습니다. 또한 이러한 시뮬레이션을 여러 레이어로 확장하여 후속 레이어 간의 융합을 분석 할 수 있습니다.
일부 연구자들은 부품을 만들기 위해 더 넓은 범위의 처리 조건을 사용하여 하이브리드 와이어 분말 기반 DED 시스템을 찾고 있습니다. 예를 들어, 이 시뮬레이션은 다양한 분말 및 와이어 이송 속도를 가진 하이브리드 시스템을 살펴봅니다.
와이어 기반 DED | Wire Based DED
와이어 기반 DED는 분말 기반 DED보다 처리량이 높고 낭비가 적지만 재료 구성 및 증착 방향 측면에서 유연성이 떨어집니다. FLOW-3D AM 은 와이어 기반 DED의 처리 결과를 이해하는데 유용하며 최적화 연구를 통해 빌드에 대한 와이어 이송 속도 및 직경과 같은 최상의 처리 매개 변수를 찾을 수 있습니다.
FLOW-3D AM은 레이저 파우더 베드 융합 (L-PBF), 바인더 제트 및 DED (Directed Energy Deposition)와 같은 적층 제조 공정 ( additive manufacturing )을 시뮬레이션하고 분석하는 CFD 소프트웨어입니다. FLOW-3D AM 의 다중 물리 기능은 공정 매개 변수의 분석 및 최적화를 위해 분말 확산 및 압축, 용융 풀 역학, L-PBF 및 DED에 대한 다공성 형성, 바인더 분사 공정을 위한 수지 침투 및 확산에 대해 매우 정확한 시뮬레이션을 제공합니다.
3D 프린팅이라고도하는 적층 제조(additive manufacturing)는 일반적으로 층별 접근 방식을 사용하여, 분말 또는 와이어로 부품을 제조하는 방법입니다. 금속 기반 적층 제조 공정에 대한 관심은 지난 몇 년 동안 시작되었습니다. 오늘날 사용되는 3 대 금속 적층 제조 공정은 PBF (Powder Bed Fusion), DED (Directed Energy Deposition) 및 바인더 제트 ( Binder jetting ) 공정입니다. FLOW-3D AM 은 이러한 각 프로세스에 대한 고유 한 시뮬레이션 통찰력을 제공합니다.
파우더 베드 융합 및 직접 에너지 증착 공정에서 레이저 또는 전자 빔을 열원으로 사용할 수 있습니다. 두 경우 모두 PBF용 분말 형태와 DED 공정용 분말 또는 와이어 형태의 금속을 완전히 녹여 융합하여 층별로 부품을 형성합니다. 그러나 바인더 젯팅(Binder jetting)에서는 결합제 역할을 하는 수지가 금속 분말에 선택적으로 증착되어 층별로 부품을 형성합니다. 이러한 부품은 더 나은 치밀화를 달성하기 위해 소결됩니다.
FLOW-3D AM 의 자유 표면 추적 알고리즘과 다중 물리 모델은 이러한 각 프로세스를 높은 정확도로 시뮬레이션 할 수 있습니다. 레이저 파우더 베드 융합 (L-PBF) 공정 모델링 단계는 여기에서 자세히 설명합니다. DED 및 바인더 분사 공정에 대한 몇 가지 개념 증명 시뮬레이션도 표시됩니다.
레이저 파우더 베드 퓨전 (L-PBF)
LPBF 공정에는 유체 흐름, 열 전달, 표면 장력, 상 변화 및 응고와 같은 복잡한 다중 물리학 현상이 포함되어 공정 및 궁극적으로 빌드 품질에 상당한 영향을 미칩니다. FLOW-3D AM 의 물리적 모델은 질량, 운동량 및 에너지 보존 방정식을 동시에 해결하는 동시에 입자 크기 분포 및 패킹 비율을 고려하여 중규모에서 용융 풀 현상을 시뮬레이션합니다.
FLOW-3D DEM 및 FLOW-3D WELD 는 전체 파우더 베드 융합 공정을 시뮬레이션하는 데 사용됩니다. L-PBF 공정의 다양한 단계는 분말 베드 놓기, 분말 용융 및 응고,이어서 이전에 응고 된 층에 신선한 분말을 놓는 것, 그리고 다시 한번 새 층을 이전 층에 녹이고 융합시키는 것입니다. FLOW-3D AM 은 이러한 각 단계를 시뮬레이션하는 데 사용할 수 있습니다.
파우더 베드 부설 공정
FLOW-3D DEM을 통해 분말 크기 분포, 재료 특성, 응집 효과는 물론 롤러 또는 블레이드 움직임 및 상호 작용과 같은 기하학적 효과와 관련된 분말 확산 및 압축을 이해할 수 있습니다. 이러한 시뮬레이션은 공정 매개 변수가 후속 인쇄 공정에서 용융 풀 역학에 직접적인 영향을 미치는 패킹 밀도와 같은 분말 베드 특성에 어떻게 영향을 미치는지에 대한 정확한 이해를 제공합니다.
다양한 파우더 베드 압축을 달성하는 한 가지 방법은 베드를 놓는 동안 다양한 입자 크기 분포를 선택하는 것입니다. 아래에서 볼 수 있듯이 세 가지 크기의 입자 크기 분포가 있으며, 이는 가장 높은 압축을 제공하는 Case 2와 함께 다양한 분말 베드 압축을 초래합니다.
세 가지 다른 입자 크기 분포를 사용하여 파우더 베드 배치세 가지 다른 입자 크기 분포를 사용한 분말 베드 압축
입자-입자 상호 작용, 유체-입자 결합 및 입자 이동 물체 상호 작용은 FLOW-3D DEM을 사용하여 자세히 분석 할 수도 있습니다 . 또한 입자간 힘을 지정하여 분말 살포 응용 분야를 보다 정확하게 연구 할 수도 있습니다.
이 FLOW-3D AM 시뮬레이션은 이산 요소 방법 (DEM)을 사용하여 역 회전하는 원통형 롤러로 인한 분말 확산을 연구합니다. 비디오 시작 부분에서 빌드 플랫폼이 위로 이동하는 동안 분말 저장소가 아래로 이동합니다. 그 직후, 롤러는 분말 입자 (초기 위치에 따라 색상이 지정됨)를 다음 층이 녹고 구축 될 준비를 위해 구축 플랫폼으로 펼칩니다. 이러한 시뮬레이션은 저장소에서 빌드 플랫폼으로 전송되는 분말 입자의 선호 크기에 대한 추가 통찰력을 제공 할 수 있습니다.
Melting | 파우더 베드 용해
DEM 시뮬레이션에서 파우더 베드가 생성되면 STL 파일로 추출됩니다. 다음 단계는 CFD를 사용하여 레이저 용융 공정을 시뮬레이션하는 것입니다. 여기서는 레이저 빔과 파우더 베드의 상호 작용을 모델링 합니다. 이 프로세스를 정확하게 포착하기 위해 물리학에는 점성 흐름, 용융 풀 내의 레이저 반사 (광선 추적을 통해), 열 전달, 응고, 상 변화 및 기화, 반동 압력, 차폐 가스 압력 및 표면 장력이 포함됩니다. 이 모든 물리학은 이 복잡한 프로세스를 정확하게 시뮬레이션하기 위해 TruVOF 방법을 기반으로 개발되었습니다.
레이저 출력 200W, 스캔 속도 3.0m / s, 스폿 반경 100μm에서 파우더 베드의 용융 풀 분석.
용융 풀이 응고되면 FLOW-3D AM 압력 및 온도 데이터를 Abaqus 또는 MSC Nastran과 같은 FEA 도구로 가져와 응력 윤곽 및 변위 프로파일을 분석 할 수도 있습니다.
Multilayer | 다층 적층 제조
용융 풀 트랙이 응고되면 DEM을 사용하여 이전에 응고된 층에 새로운 분말 층의 확산을 시뮬레이션 할 수 있습니다. 유사하게, 레이저 용융은 새로운 분말 층에서 수행되어 후속 층 간의 융합 조건을 분석 할 수 있습니다.
해석 진행 절차는 첫 번째 용융층이 응고되면 입자의 두 번째 층이 응고 층에 증착됩니다. 새로운 분말 입자 층에 레이저 공정 매개 변수를 지정하여 용융 풀 시뮬레이션을 다시 수행합니다. 이 프로세스를 여러 번 반복하여 연속적으로 응고된 층 간의 융합, 빌드 내 온도 구배를 평가하는 동시에 다공성 또는 기타 결함의 형성을 모니터링 할 수 있습니다.
LPBF의 키홀 링 | Keyholing in LPBF
키홀링 중 다공성은 어떻게 형성됩니까? 이것은 TU Denmark의 연구원들이 FLOW-3D AM을 사용하여 답변한 질문이었습니다. 레이저 빔의 적용으로 기판이 녹으면 기화 및 상 변화로 인한 반동 압력이 용융 풀을 압박합니다. 반동 압력으로 인한 하향 흐름과 레이저 반사로 인한 추가 레이저 에너지 흡수가 공존하면 폭주 효과가 발생하여 용융 풀이 Keyholing으로 전환됩니다. 결국, 키홀 벽을 따라 온도가 변하기 때문에 표면 장력으로 인해 벽이 뭉쳐져서 진행되는 응고 전선에 의해 갇힐 수 있는 공극이 생겨 다공성이 발생합니다. FLOW-3D AM 레이저 파우더 베드 융합 공정 모듈은 키홀링 및 다공성 형성을 시뮬레이션 하는데 필요한 모든 물리 모델을 보유하고 있습니다.
바인더 분사 (Binder jetting)
Binder jetting 시뮬레이션은 모세관 힘의 영향을받는 파우더 베드에서 바인더의 확산 및 침투에 대한 통찰력을 제공합니다. 공정 매개 변수와 재료 특성은 증착 및 확산 공정에 직접적인 영향을 미칩니다.
Scan Strategy | 스캔 전략
스캔 전략은 온도 구배 및 냉각 속도에 영향을 미치기 때문에 미세 구조에 직접적인 영향을 미칩니다. 연구원들은 FLOW-3D AM 을 사용하여 결함 형성과 응고된 금속의 미세 구조에 영향을 줄 수 있는 트랙 사이에서 발생하는 재 용융을 이해하기 위한 최적의 스캔 전략을 탐색하고 있습니다. FLOW-3D AM 은 하나 또는 여러 레이저에 대해 시간에 따른 방향 속도를 구현할 때 완전한 유연성을 제공합니다.
Beam Shaping | 빔 형성
레이저 출력 및 스캔 전략 외에도 레이저 빔 모양과 열유속 분포는 LPBF 공정에서 용융 풀 역학에 큰 영향을 미칩니다. AM 기계 제조업체는 공정 안정성 및 처리량에 대해 다중 코어 및 임의 모양의 레이저 빔 사용을 모색하고 있습니다. FLOW-3D AM을 사용하면 멀티 코어 및 임의 모양의 빔 프로파일을 구현할 수 있으므로 생산량을 늘리고 부품 품질을 개선하기 위한 최상의 구성에 대한 통찰력을 제공 할 수 있습니다.
이 시뮬레이션에서 스테인리스 강 및 알루미늄 분말은 FLOW-3D AM 이 용융 풀 역학을 정확하게 포착하기 위해 추적하는 독립적으로 정의 된 온도 의존 재료 특성을 가지고 있습니다. 시뮬레이션은 용융 풀에서 재료 혼합을 이해하는 데 도움이됩니다.
다중 재료 용접 사례 연구
이종 금속의 레이저 키홀 용접에서 금속 혼합 조사
GM과 University of Utah의 연구원들은 FLOW-3D WELD 를 사용 하여 레이저 키홀 용접을 통한 이종 금속의 혼합을 이해했습니다. 그들은 반동 압력 및 Marangoni 대류와 관련하여 구리와 알루미늄의 혼합 농도에 대한 레이저 출력 및 스캔 속도의 영향을 조사했습니다. 그들은 시뮬레이션을 실험 결과와 비교했으며 샘플 내의 절단 단면에서 재료 농도 사이에 좋은 일치를 발견했습니다.
이종 금속의 레이저 키홀 용접에서 금속 혼합 조사참조 : Wenkang Huang, Hongliang Wang, Teresa Rinker, Wenda Tan, 이종 금속의 레이저 키홀 용접에서 금속 혼합 조사 , Materials & Design, Volume 195, (2020). https://doi.org/10.1016/j.matdes.2020.109056
방향성 에너지 증착
FLOW-3D AM 의 내장 입자 모델 을 사용하여 직접 에너지 증착 프로세스를 시뮬레이션 할 수 있습니다. 분말 주입 속도와 고체 기질에 입사되는 열유속을 지정함으로써 고체 입자는 용융 풀에 질량, 운동량 및 에너지를 추가 할 수 있습니다. 다음 비디오에서 고체 금속 입자가 용융 풀에 주입되고 기판에서 용융 풀의 후속 응고가 관찰됩니다.
수치 모델링 도구는 일반적이지만 원인을 파악하기가 너무 어렵 기 때문에 코어 가스 블로우 결함을 거의 이해하지 못합니다. FLOW-3D 소프트웨어는 코어 가스 흐름을 모델링하여 더 나은 품질의 주조로 이어집니다.
파운드리는 첫 번째 시험에서 주조 품질을 달성하기 위해 많은 선행 엔지니어링을 수행해야합니다. 최근 몇 년 동안 금속 흐름, 응고, 미세 구조 진화 및 잔류 응력 모델링을위한 수치 도구가 보편화되었습니다.
그러나 아직 완전히 해결되지 않은 주조 결함 중 하나는 일반적인 코어 가스 블로우 결함입니다. 이 문제의 물리학은 금속, 코어 및 바인더 간의 복잡한 상호 작용을 포함하며 해결되기 전에 많은 주물을 스크랩 할 수 있습니다. 대부분의 경우, 문제는 더 높은 타설 온도를 사용하고 영향을받는 영역에 더 많은 벽 스톡을 추가함으로써 단순히 관리되지만 완전히 해결되지는 않습니다.
그러나 부품 설계가 복잡할수록 제조 문제가 발생할 가능성이 커집니다. 내부 세부 사항이 필요한 주조 조각의 경우 화학적으로 결합 된 모래 코어를 “인쇄”하여 모양을 만들고 금형 내부에 배치해야 합니다. 코어는 부품의 궁극적 인 기능에 중요한 내부 모양을 형성하며 제조 공정의 각 단계는 설계에 제약을 가합니다. 다양한 요구 사항이 코어 송풍 공정, 취급, 조립 및 가스 배출에 적용됩니다. 코어 디자인의 기술은 코어를 가열하는 동안 모양을 유지할 수 있을 만큼 견고하게 만드는 것과 부품이 냉각되었을 때 모래를 제거 할 수 있을 만큼 접착력이 끊어지는 것 사이의 미세한 균형입니다.
최적의 분해 설계
계획된 코어 분해의 메커니즘은 고체에서 가스로의 열 변환이지만 금형 설계는 그 가스가 코어 프린트를 통해 빠져 나갈 수 있도록해야합니다. 그렇지 않으면 금속이 기포를 가두어 모공을 형성 할 수 있습니다. 기껏해야 다공성은 표면 가공으로 밝혀집니다. 최악의 경우 부품이 더 아래쪽에서 실패합니다.
과거에 재료 및 주조 엔지니어가 코어 가스 기포로 인한 다공성 결함 문제를 발견하면 바인더 함량 감소, 코어 환기 증가, 코어 코팅 또는 베이킹과 같은 일련의 표준 문제 해결 작업을 수행했습니다. 미리 코어. 가스가 따라가는 경로를 볼 수 없었기 때문에 하나의 금형을 완료하는 데 종종 몇 주가 걸리는 긴 인출 공정이었습니다. 그리고 다른 부분에 문제가있을 때마다 반복해야했습니다.
이 처리 타임 라인을 압축해야하는 시장 주도적 요구는 주조 시뮬레이션 소프트웨어의 개발을 촉발했습니다. 설계와 제조 모두에 유용한 컴퓨터 기반 모델링을 통해 엔지니어는 실제 부품 비용이나 낭비없이 다양한 접근 방식을 테스트 할 수 있습니다. 파운드리가 특히 환기 설계에 시뮬레이션을 적용 할 수 있도록 Flow Science 는 최근 FLOW-3D 주조 해석 기능에 코어 가스 모델링을 추가했습니다.
흐름에 따라
FLOW-3D는 유체가 공기, 물, 용융 금속 또는 가스인지 여부에 관계없이 광범위한 일시적인 유체 흐름 프로세스에 대한 통찰력을 제공하는 전산 유체 역학 (CFD) 소프트웨어 패키지입니다. 다른 CFD 패키지와 비교할 때 움직이는 유체 표면을 모델링하고 추적하는 방식으로 인해 특히 정확합니다.
코어 가스 흐름에 CFD 방법을 적용하는 것은 어려운 일입니다. 수지 기반 바인더의 화학적 복잡성으로 인해 모래 코어 열 분해 후 가스가 흐르는 위치와 방식을 이해하는 것은 복잡한 과정입니다. 그러나 Flow Science는 여러 그룹과 협력하여 실험 데이터를 얻고 시뮬레이션 된 모델의 결과와 비교했습니다. 이 회사는 General Motors, Graham-White Manufacturing Co. 및 AlchemCast에서 코어 가스 유량 정보를 수집하여 알루미늄, 철 및 강철과 함께 사용되는 모래 수지 코어에 대한 실제 데이터를 얻었습니다.
GM Powertrain의 주조 분석 엔지니어 인 David Goettsch 박사는 15 년 동안 금속 주조의 충진 및 응고 분석에 FLOW-3D를 사용해 왔습니다. 새로운 코어 가스 모델은 설계 단계에서 재킷 코어 벤팅을 최적화하는 데 매우 유용했습니다. 코어 프린트에 대한 다른 모든 요구 사항이있는 기존 코어 박스에 벤트 트랙을 구현하는 것은 매우 어렵습니다. “코어 가스 배출에 대한 사전 분석 작업을 통해 시작하는 동안 높은 불량률을 줄일 수 있습니다.”라고 그는 설명합니다. “아마도 프로세스 기회가 문제를 해결할 수 있습니다. 하지만 그 지점에 도달하려면 테스트 기간이 오래 걸릴 수 있습니다.”
흐름 매개 변수 정의
도에 따라 금속 헤드 압력이 동일한 값에 도달하기 전에 가스 압력이 최고조에 달하여 가스가 거품을 형성 할 수 있습니다. 게이트 설계의 약간의 변경은 주입 속도를 높이는 데 도움이 될 수 있으므로 금속 압력이 더 빨리 생성되고 가스를 먼저 밀어 낼 수 있지만 물리적 시행 착오 접근 방식은 시간이 걸립니다. 가상 모델을 사용하여 지오메트리를 변경하는 방법을 식별하는 것은 코어 가스 시뮬레이션 소프트웨어 개발의 주요 목표였습니다.
Flow Science의 개발자는 바인더 분해 가스 공급원, 모래의 섬도, 무게 비율에 따른 바인더의 양, 작동 온도 및 코어의 물리적 투과성과 같은 프로세스 별 매개 변수와 흐름이면의 물리학을 결합했습니다. 이 모든 값은 샌드 쉘 바인더 및 폴리 우레탄 콜드 박스 바인더 (PUCB)의 산업 보정 샘플을 사용하여 검증되었습니다.
FLOW-3D 분석은 일정한 조성의 이상 기체를 가정하고 전체 바인더 분해의 최악의 시나리오를 취합니다. 타설하는 동안 코어 내에서 조건이 변화함에 따라 소프트웨어는 가스 압력의 변화, 가스 유동장의 기하학적 구조, 결합제 열화 영역 발생 및 금속으로의 가스 분사 가능한 표면 위치를 계산합니다. 모든 데이터는 사후 처리에 사용할 수 있습니다. 사용자는 가스 흐름을 쉽게 시각화하고 확대하고 특정 값을 얻기 위해 포인트를 클릭 할 수 있습니다.
이제 FLOW-3D v9.4에서 사용할 수있는 코어 가스 모델을 통해 Goettsch는 다양한 삽입 및 배출 위치를 시도하고 글로벌 진단을받을 수 있습니다. 가스 발생량, 가스 발생 위치, 금속 전면이 잡히기 전에 유출 된 가스량 확인 그것까지. “실제로 문제의 근본 원인을 확인할 수있을 때 매우 좋습니다.”라고 그는 말합니다. “이러한 시각화는 실제 현상이 무엇을하고 있는지에 대한 작은 창을 확보하는 데 유용합니다.”
멀티 코어 문제 Graham-White Manufacturing의 또 다른 숙련 된 파운드리 엔지니어 인 Elizabeth Ryder는 가스 다공성이 항상 조사하기 어려웠다는 의견을 반영합니다. 그녀는“특히 다중 코어의 경우 어떤 코어가 문제의 원인인지 파악하기가 어려웠습니다. 전체 시스템을 다루려고했습니다.”
1,700 개의 부품을 지속적으로 생산하고 있으며 그중 일부는 연간 10,000 개의 부품을 생산하는 Graham-White는 시뮬레이션을 통해 제조 프로세스를 개선하는 데 매우 만족했습니다. 얇은 벽 부품은 코어 대 금속 비율이 높고 가스가 많이 발생하는 특별한 문제입니다.
Graham-White는 레이저 스캐닝으로 생성 된 회색 철 부품 (약 34 인치)의 3D 모델을 사용하여 평가를 위해 현재 벤팅 설계를 제공했습니다. 이 게이팅 디자인은 수평으로 분할 된 몰드에서 패턴 플레이트 당 4 개의 인상으로 구성되었으며 각 인상에는 각 코어에 대한 통풍구가 있습니다. 중앙 스프 루를 통해 2 초 이내에 각 금형을 채울 수 있습니다.
FLOW-3D 소프트웨어를 사용한 시뮬레이션은 채움 률을 확인했지만 하나의 코어에 환기가 충분하지 않은 것으로 나타났습니다. Graham-White는 코어에 더 깊은 구멍을 뚫어 기존 통풍구를 통해 더 많은 가스를 전달하기 시작했습니다. 새로운 벤팅 설계로 접근 방식을 전환 한 후이 회사는 코어 블로우 스크랩이 약 30 % 감소했습니다.
또한 Flow Science 분석을 기반으로 엔지니어링 그룹은 문제가 있는 코어에 대한 추가 변경 사항을 평가하여 각 부품에 대한 추가 환기를 통해 두 부분으로 나눕니다. Ryder는 FLOW-3D 결과가 설계 초점을 좁히는데 도움이 되었고, 어떤 코어 (멀티 코어 설계)가 범인인지, 심지어 코어의 어느 영역이 문제의 원인인지 즉시 제로화 할 수 있었습니다. “미리 컴퓨터에서 더 많은 일을 할수록 더 좋습니다.”라고 그녀는 말합니다. “모든 것은 시간 절약으로 귀결됩니다.”
Where to go from here
파운드리 스크랩을 줄이고 주조 시뮬레이션 소프트웨어의 도움으로 자신의 핵심 인쇄 디자인의 효율성을 향상시킬 수 있습니다. Flow Science의 FLOW-3D CFD 분석 패키지의 새로운 코어 가스 모델은 중요한 다공성 계수를 시뮬레이션하여 설계자가 첫 번째 주조 전에 다양한 벤팅 설계를 평가하는 데 도움이 되기 때문에 중요합니다. 추가 재료 및 충진 방향에 대한 코어 가스 모델을 검증하는 개발이 계속됩니다.
이 연구에서는 비드 운동과 유체 흐름에 미치는 영향에 대한 자세한 분석을 제공하기 위해 연속 흐름 마이크로 채널 내부의 비드 자기 영동에 대한 수치 흐름 중심 연구를 보고합니다.
수치 모델은 Lagrangian 접근 방식을 포함하며 영구 자석에 의해 생성 된 자기장의 적용에 의해 혈액에서 비드 분리 및 유동 버퍼로의 수집을 예측합니다.
다음 시나리오가 모델링됩니다. (i) 운동량이 유체에서 점 입자로 처리되는 비드로 전달되는 단방향 커플 링, (ii) 비드가 점 입자로 처리되고 운동량이 다음으로부터 전달되는 양방향 결합 비드를 유체로 또는 그 반대로, (iii) 유체 변위에서 비드 체적의 영향을 고려한 양방향 커플 링.
결과는 세 가지 시나리오에서 비드 궤적에 약간의 차이가 있지만 특히 높은 자기력이 비드에 적용될 때 유동장에 상당한 변화가 있음을 나타냅니다.
따라서 높은 자기력을 사용할 때 비드 운동과 유동장의 체적 효과를 고려한 정확한 전체 유동 중심 모델을 해결해야 합니다. 그럼에도 불구하고 비드가 중간 또는 낮은 자기력을 받을 때 계산적으로 저렴한 모델을 안전하게 사용하여 자기 영동을 모델링 할 수 있습니다.
Sketch of the magnetophoresis process in the continuous-flow microdevice.Schematic view of the microdevice showing the working conditions set in the simulations.Bead trajectories for different magnetic field conditions, magnet placed at different distances “d” from the channel: (a) d = 0; (b) d = 1 mm; (c) d = 1.5 mm; (d) d = 2 mmSeparation efficacy as a function of the magnet distance. Comparison between one-way and two-way coupling.(a) Fluid velocity magnitude including velocity vectors and (b) blood volumetric fraction contours with magnet distance d = 0 mm for scenario 1 (t = 0.25 s).luid velocity magnitude including velocity vectors and blood volumetric fraction contours for scenario 2: (a,b) Magnet distance d = 0 mm at t = 0.4 s; (c,d) Magnet distance d = 1 mm at t = 0.4 s.Fluid velocity magnitude including velocity vectors and blood volumetric fraction contours for scenario 3: (a,b) Magnet distance d = 0; (c,d) Magnet distance d = 1 mm.Blood volumetric fraction contours. Scenario 1: (a) Magnet distance d = 0 and (b) Magnet distance d = 1 mm; Scenario 2: (c) Magnet distance d = 0 and (d) Magnet distance d = 1 mm; and Scenario 3: (e) Magnet distance d = 0 and (f) Magnet distance d = 1 mm.
References
1.Keshipour, S. & Khalteh, N. K. Oxidation of ethylbenzene to styrene oxide in the presence of cellulose-supported Pd magnetic nanoparticles. Appl. Organometal. Chem.30, 653–656 (2016).CASArticleGoogle Scholar
2.Neamtu, M. et al. Functionalized magnetic nanoparticles: synthesis, characterization, catalytic application and assessment of toxicity. Sci. Rep.8(1), 6278 (2018).ADSMathSciNetArticleGoogle Scholar
3.Gómez-Pastora, J., Bringas, E. & Ortiz, I. Recent progress and future challenges on the use of high performance magnetic nano-adsorbents in environmental applications. Chem. Eng. J.256, 187–204 (2014).ArticleGoogle Scholar
4.Gómez-Pastora, J., Bringas, E. & Ortiz, I. Design of novel adsorption processes for the removal of arsenic from polluted groundwater employing functionalized magnetic nanoparticles. Chem. Eng. Trans.47, 241–246 (2016).Google Scholar
5.Bagbi, Y., Sarswat, A., Mohan, D., Pandey, A. & Solanki, P. R. Lead and chromium adsorption from water using L-Cysteine functionalized magnetite (Fe3O4) nanoparticles. Sci. Rep.7(1), 7672 (2017).ADSArticleGoogle Scholar
6.Gómez-Pastora, J. et al. Review and perspectives on the use of magnetic nanophotocatalysts (MNPCs) in water treatment. Chem. Eng. J.310, 407–427 (2017).ArticleGoogle Scholar
7.Lee, H. Y. et al. A selective fluoroionophore based on BODIPY-functionalized magnetic silica nanoparticles: removal of Pb2+ from human blood. Angew. Chem. Int. Ed.48, 1239–1243 (2009).CASArticleGoogle Scholar
8.Buzea, C., Pacheco, I. I. & Robbie, K. Nanomaterials and nanoparticles: sources and toxicity. Biointerphases2, MR17–MR71 (2007).ArticleGoogle Scholar
9.Roux, S. et al. Multifunctional nanoparticles: from the detection of biomolecules to the therapy. Int. J. Nanotechnol.7, 781–801 (2010).ADSCASArticleGoogle Scholar
10.Gómez-Pastora, J., Bringas, E., Lázaro-Díez, M., Ramos-Vivas, J. & Ortiz, I. In Drug Delivery Systems (Stroeve, P. & Mahmoudi, M. ed) 207–244 (World Scientific, 2017).
11.Selmi, M., Gazzah, M. H. & Belmabrouk, H. Optimization of microfluidic biosensor efficiency by means of fluid flow engineering. Sci. Rep.7(1), 5721 (2017).ADSArticleGoogle Scholar
12.Gómez-Pastora, J., González-Fernández, C., Fallanza, M., Bringas, E. & Ortiz, I. Flow patterns and mass transfer performance of miscible liquid-liquid flows in various microchannels: Numerical and experimental studies. Chem. Eng. J.344, 487–497 (2018).ArticleGoogle Scholar
14.Alorabi, A. Q. et al. On-chip polyelectrolyte coating onto magnetic droplets – towards continuous flow assembly of drug delivery capsules. Lab Chip17, 3785–3795 (2017).CASArticleGoogle Scholar
15.Gómez-Pastora, J. et al. Analysis of separators for magnetic beads recovery: from large systems to multifunctional microdevices. Sep. Purif. Technol.172, 16–31 (2017).ArticleGoogle Scholar
16.Tarn, M. D. & Pamme, N. On-chip magnetic particle-based immunoassays using multilaminar flow for clinical diagnosis. Methods Mol. Biol.1547, 69–83 (2017).CASArticleGoogle Scholar
17.Lv, C. et al. Integrated optofluidic-microfluidic twin channels: toward diverse application of lab-on-a-chip systems. Sci. Rep.6, 19801 (2016).ADSCASArticleGoogle Scholar
18.Gómez-Pastora, J. et al. Magnetic bead separation from flowing blood in a two-phase continuous-flow magnetophoretic microdevice: theoretical analysis through computational fluid dynamics simulation. J. Phys. Chem. C121, 7466–7477 (2017).ArticleGoogle Scholar
19.Furlani, E. P. Magnetic biotransport: analysis and applications. Materials3, 2412–2446 (2010).ADSCASArticleGoogle Scholar
20.Khashan, S. A. & Furlani, E. P. Effects of particle–fluid coupling on particle transport and capture in a magnetophoretic microsystem. Microfluid. Nanofluid.12, 565–580 (2012).ArticleGoogle Scholar
21.Modak, N., Datta, A. & Ganguly, R. Cell separation in a microfluidic channel using magnetic microspheres. Microfluid. Nanofluid.6, 647–660 (2009).CASArticleGoogle Scholar
22.Furlani, E. P., Sahoo, Y., Ng, K. C., Wortman, J. C. & Monk, T. E. A model for predicting magnetic particle capture in a microfluidic bioseparator. Biomed. Microdevices9, 451–463 (2007).CASArticleGoogle Scholar
23.Furlani, E. P. & Sahoo, Y. Analytical model for the magnetic field and force in a magnetophoretic microsystem. J. Phys. D: Appl. Phys.39, 1724–1732 (2006).ADSCASArticleGoogle Scholar
24.Tarn, M. D. et al. The importance of particle type selection and temperature control for on-chip free-flow magnetophoresis. J. Magn. Magn. Mater.321, 4115–4122 (2009).ADSCASArticleGoogle Scholar
25.Fonnum, G., Johansson, C., Molteberg, A., Morup, S. & Aksnes, E. Characterisation of Dynabeads® by magnetization measurements and Mössbauer spectroscopy. J. Magn. Magn. Mater.293, 41–47 (2005).ADSCASArticleGoogle Scholar
26.Xue, W., Moore, L. R., Nakano, N., Chalmers, J. J. & Zborowski, M. Single cell magnetometry by magnetophoresis vs. bulk cell suspension magnetometry by SQUID-MPMS – A comparison. J. Magn. Magn. Mater.474, 152–160 (2019).ADSCASArticleGoogle Scholar
27.Moore, L. R. et al. Continuous, intrinsic magnetic depletion of erythrocytes from whole blood with a quadrupole magnet and annular flow channel; pilot scale study. Biotechnol. Bioeng.115, 1521–1530 (2018).CASArticleGoogle Scholar
28.Furlani, E. P. & Xue, X. Field, force and transport analysis for magnetic particle-based gene delivery. Microfluid Nanofluid.13, 589–602 (2012).CASArticleGoogle Scholar
29.Furlani, E. P. & Xue, X. A model for predicting field-directed particle transport in the magnetofection process. Pharm. Res.29, 1366–1379 (2012).CASArticleGoogle Scholar
30.Furlani, E. P. Permanent Magnet and Electromechanical Devices; Materials, Analysis and Applications, (Academic Press, 2001).
31.Balachandar, S. & Eaton, J. K. Turbulent dispersed multiphase flow. Annu. Rev. Fluid Mech.42, 111–133 (2010).ADSArticleGoogle Scholar
32.Wakaba, L. & Balachandar, S. On the added mass force at finite Reynolds and acceleration number. Theor. Comput. Fluid. Dyn.21, 147–153 (2007).ArticleGoogle Scholar
33.White, F. M. Viscous Fluid Flow, (McGraw-Hill, 1974).
34.Rietema, K. & Van Den Akker, H. E. A. On the momentum equations in dispersed two-phase systems. Int. J. Multiphase Flow9, 21–36 (1983).ArticleGoogle Scholar
35.Furlani, E. P. & Ng, K. C. Analytical model of magnetic nanoparticle transport and capture in the microvasculature. Phys. Rev. E73, 1–10 (2006).ArticleGoogle Scholar
36.Eibl, R., Eibl, D., Pörtner, R., Catapano, G. & Czermak, P. Cell and Tissue Reaction Engineering, (Springer, 2009).
37.Gómez-Pastora, J. et al. Computational modeling and fluorescence microscopy characterization of a two-phase magnetophoretic microsystem for continuous-flow blood detoxification. Lab Chip18, 1593–1606 (2018).ArticleGoogle Scholar
38.Khashan, S. A. & Furlani, E. P. Scalability analysis of magnetic bead separation in a microchannel with an array of soft magnetic elements in a uniform magnetic field. Sep. Purif. Technol.125, 311–318 (2014).CASArticleGoogle Scholar
39.Hirt, C. W. & Sicilian, J. M. A porosity technique for the definition of obstacles in rectangular cell meshes. Proc. Fourth International Conf. Ship Hydro., National Academic of Science, Washington, DC., (1985).
40.Crank, J. Free and Moving Boundary Problems, (Oxford University Press, 1984).
41.Bruus, H. Theoretical Microfluidics, (Oxford University Press, 2008).
42.Liang, L. & Xuan, X. Diamagnetic particle focusing using ferromicrofluidics with a single magnet. Microfluid. Nanofluid.13, 637–643 (2012).
Author information
Edward P. Furlani is deceased.
Affiliations
Department of Chemical and Biomolecular Engineering, ETSIIT, University of Cantabria, Avda. Los Castros s/n, 39005, Santander, SpainJenifer Gómez-Pastora, Eugenio Bringas & Inmaculada Ortiz
Flow Science, Inc, Santa Fe, New Mexico, 87505, USAIoannis H. Karampelas
Department of Chemical and Biological Engineering, University at Buffalo (SUNY), Buffalo, New York, 14260, USAEdward P. Furlani
Department of Electrical Engineering, University at Buffalo (SUNY), Buffalo, New York, 14260, USAEdward P. Furlani
Time resolved PIV encompassing moving and/or deformable objects interfering with the light source requires the employment of dynamic masking (DM). A few DM techniques have been recently developed, mainly in microfluidics and multiphase flows fields. Most of them require ad-hoc design of the experimental setup, and may spoil the accuracy of the resulting PIV analysis. A new DM technique is here presented which envisages, along with a dedicated masking algorithm, the employment of fluorescent coating to allow for accurate tracking of the object. We show results from measurements obtained through a validated PIV setup demonstrating the need to include a DM step even for objects featuring limited displacements. We compare the proposed algorithm with both a no-masking and a static masking solution. In the framework of developing low cost, flexible and accurate PIV setups, the proposed algorithm is made available through a freeware application able to generate masks to be used by an existing, freeware PIV analysis package.
광원을 방해하는 이동 또는 변형 가능한 물체를 포함하는 시간 해결 PIV는 동적 마스킹 (DM)을 사용해야 합니다. 주로 미세 유체 및 다상 흐름 분야에서 몇 가지 DM 기술이 최근 개발되었습니다. 대부분은 실험 설정의 임시 설계가 필요하며 결과 PIV 분석의 정확도를 떨어 뜨릴 수 있습니다. 여기에는 전용 마스킹 알고리즘과 함께 형광 코팅을 사용하여 물체를 정확하게 추적 할 수있는 새로운 DM 기술이 제시되어 있습니다. 제한된 변위를 특징으로 하는 물체에 대해서도 DM 단계를 포함해야 하는 필요성을 보여주는 검증 된 PIV 설정을 통해 얻은 측정 결과를 보여줍니다. 제안 된 알고리즘을 no-masking 및 static masking 솔루션과 비교합니다. 저비용, 유연하고 정확한 PIV 설정 개발 프레임 워크에서 제안 된 알고리즘은 기존 프리웨어 PIV 분석 패키지에서 사용할 마스크를 생성 할 수 있는 프리웨어 애플리케이션을 통해 사용할 수 있습니다.
PIV (입자 영상 속도계)의 사용은 70 년대 후반 (Archbold 및 Ennos 1972 )이 반점 계측의 확장 (Barker and Fourney 1977 ) 으로 도입된 이래 실험 유체 역학에서 중심적인 역할을 했습니다 . PIV 기술의 기본 아이디어는 유체에 주입된 입자의 속도를 측정하여 유동장을 재구성하는 것입니다. 입자의 크기와 밀도는 확실하게 선택되고 유동을 만족스럽게 따르게 됩니다.
흐름은 레이저 / LED 소스를 통해 조명되고 입자에 의해 산란 된 빛은 추적을 허용합니다. 독자는 리뷰 작품 Grant ( 1997 ), Westerweel et al. ( 2013 년)에 대한 자세한 설명을 참조하십시오. 기본 2D 기술은 고유한 설정으로 발전했으며, 가장 진보 된 것은 단일 / 다중 평면 입체 PIV (Prasad 2000 ) 및 체적 / 단층 PIV (Scarano 2013 )입니다. 광범위한 유동장의 비 침습적 측정이 필요한 산업 및 연구 응용 분야에서 광범위하게 사용되었습니다.
조사된 유동장이 단단한 서있는 경계의 영향을 받는 경우 정적 마스킹 (SM) 접근 방식을 사용하여 PIV 분석을 수행하는 영역에서 솔리드 객체와 그림자가 차지하는 영역을 빼기 위해 주의를 기울여야 합니다. 실제로 이러한 영역에서는 파종 입자를 식별 할 수 없으므로 유속 재구성을 수행 할 수 없습니다. 제대로 처리되지 않으면 이 마스킹 단계는 잘못된 예측으로 이어질 수 있으며, 불행히도 그림자 영역 경계의 근접성에 국한되지 않습니다.
PIV 기술은 획득 프레임 속도를 관심있는 시간 척도로 조정하여 정상 상태 또는 시간 변화 흐름에 적용 할 수 있습니다. 시간의 가변성이 고체 물체의 위치 / 모양과 관련된 경우 이미지를 동적으로 마스킹하기 위해 추가 노력이 필요합니다. 고체 물체뿐만 아니라 다른 유체 단계도 가려야한다는 점에 유의해야합니다 (Foeth et al. 2006).
이 프로세스는 고체 물체의 움직임이 선험적으로 알려진 경우 비교적 쉬우므로 SM 알고리즘에 대한 최소한의 수정이 목적에 부합 할 수 있습니다. 그러나 고체 물체의 위치 및 / 또는 모양이 알려지지 않은 방식으로 시간에 따라 변할 경우 물체를 동적으로 추적 할 수 있는 마스킹 기술이 필요합니다. PIV 분석을위한 동적 마스킹 (DM) 접근 방식은 현재 상당한 주목을 받고 있습니다 (Sanchis and Jensen 2011 , Masullo 및 Theunissen 2017 , Anders et al. 2019 ) . 시간 분해 PIV 시스템의 확산 덕분에 고속 카메라의 가용성이 높아집니다.
DM 기술의 주요 발전은 마이크로 PIV 분야에서 비롯됩니다 (Lindken et al. 2009) 마이크로 및 나노 스위 머 (Ergin et al. 2015 ) 및 다상 흐름 (Brücker 2000 , Khalitov 및 Longmire 2002 ) 주변의 유동장을 조사 하려면 정확하고 유연한 알고리즘이 필요합니다. DM 기술은 상용 PIV 분석 소프트웨어 패키지 (TSI Instruments 2014 , DantecDynamics 2018 )에 포함되어 있습니다. 최근 개발 (Vennemann 및 Rösgen 2020 )은 신경망 자동 마스킹 기술의 적용을 예상하지만, 네트워크를 훈련하려면 합성 데이터 세트를 생성해야합니다.
많은 알고리즘은 이미지 처리 기술을 사용하여 개체를 추적하며, 대부분 사용자는 획득 한 이미지에서 추적 할 개체를 강조 표시 할 수있는 임시 실험 설정을 개발해야합니다. 따라서 실험 설정의 설계는 알고리즘의 최종 정확도에 영향을줍니다.
몇 가지 해결책을 구상 할 수 있습니다. 다음에서는 간단한 2D PIV 설정을 참조하지만 대부분의 고려 사항은 더 복잡한 설정으로 확장 할 수 있습니다. PIV 설정에서 객체를 쉽고 정확하게 추적 할 수 있도록 렌더링하는 가장 간단한 방법은 일반적으로 PIV 레이저 시트에 대략 수직 인 카메라를 향한 반사를 최대화하는 방향을 가리키는 추가 광원을 사용하여 조명하는 것입니다. 이 순진한 솔루션과 관련된 주요 문제는 PIV의 ROI (관심 영역)를 비추 지 않고는 광원을 움직이는 물체에만 겨냥하는 것이 사실상 불가능하여 시딩에 의해 산란 된 레이저 광 사이의 명암비를 감소 시킨다는 것입니다. 입자와 어두운 배경.
카메라의 프레임 속도가 높을수록 센서에 닿는 빛의 양이 적다는 사실로 인해 상황이 가혹 해집니다. 고체 물체의 움직임과 유동 입자가 모두 사용 된 설정의 획득 속도에 비해 충분히 느리다면, 가능한 해결책은 레이저 펄스 쌍 사이에 단일 확산 광 샷을 삽입하는 것입니다 (반드시 대칭 삽입은 아님). 그리고 카메라 샷을 둘 모두에 동기화합니다. 각 레이저 커플에서 물체의 위치는 확산 광에 의해 생성 된 이전 샷과 다음 샷의 두 위치를 보간하여 결정될 수 있습니다. 이 접근 방식에는 레이저, 카메라 및 빛을 제어 할 수있는 동기화 장치가 필요합니다.
이 문제에 대한 해결책이 제안되었으며 유체 인터페이스 (Foeth et al. 2006 ; Dussol et al. 2016 ) 의 밝은 반사를 활용 하여 이미지에서 많은 양의 산란 레이저 광을 획득 할 수 있습니다. 고체 표면에는 효과를 높이기 위해 반사 코팅이 제공 될 수 있습니다. 그런 다음 물체는 비정상적으로 큰 입자로 식별되고 경계를 쉽게 추적 할 수 있습니다. 이 솔루션의 단점은 물체 표면에서 산란 된 빛이 레이저 시트에 있지 않은 많은 시딩 입자를 비추어 PIV 분석의 정확도를 점진적으로 저하 시킨다는 것입니다.
위의 접근 방식의 개선은 다른 파장 의 두 번째 동일 평면 레이저 시트 (Driscoll et al. 2003 )를 사용합니다. 첫 번째 레이저 파장을 중심으로 한 좁은 반사 대역. 전체 설정은 매우 비쌀 수 있습니다. 파장 방출의 차이를 이용하여 설정을 저렴하게 만들 수 있습니다. 서로 다른 필터가 장착 된 두 대의 카메라를 적용하면 인터페이스로부터의 반사와 독립적으로 형광 시드 입자를 식별 할 수 있습니다 (Pedocchi et al. 2008 ).
객체의 변위가 작을 때 기본 솔루션은 실제 시간에 따라 변하는 음영 영역에 가장 근접한 하나의 정적 마스크를 추출하는 것입니다. 일반적인 경험 법칙은 예상되는 음영 영역보다 약간 더 크게 마스크를 그려 분석에 포함 된 조명 영역의 양을 단순화하고 최소화하는 것 사이의 최상의 균형을 찾는 것입니다.
본 논문에서는 PIV 분석을위한 DM 문제에 대한 새로운 실험적 접근법을 제안합니다. 우리의 방법은 형광 페인팅을 사용하여 물체를 쉽게 추적 할 수 있도록 하는 기술과 시변 마스크를 생성 할 수있는 특정 오픈 소스 알고리즘을 포함합니다. 이 접근법은 레이저 광에 불투명 한 물체의 큰 변위를 허용함으로써 효과적인 것으로 입증되었습니다.
우리의 방법인 NM (no-masking)과 SM (static masking) 접근 방식을 비교합니다. 우리의 접근 방식의 타당성을 입증하는 것 외에도 이 백서는 마스킹 단계가 정확한 결과를 얻기 위해 가장 중요하다는 것을 확인합니다. 실제로 물체의 변위가 무시할 수 없는 경우 DM에 대한 리조트는 필수이며 SM 접근 방식은 음영 처리 된 영역의 주변 환경에 국한되지 않는 부정확성을 유발합니다.
논문의 구조는 다음과 같습니다. 먼저 형광 코팅 기술과 마스킹 소프트웨어를 설명하는 제안된 접근법의 근거를 소개합니다. 그런 다음 PIV 설정에 대한 설명 후 두 벤치 마크 사례를 통해 전체 PIV 체인 분석의 신뢰성을 평가합니다. 그런 다음 제안 된 DM 방법의 결과를 NM 및 SM 솔루션과 비교합니다. 마지막으로 몇 가지 결론이 도출됩니다.
행동 양식
제안 된 DM 기술은 PIV 분석을 위해 캡처 한 동일한 이미지에서 쉽고 정확한 추적 성을 허용하기 위해 움직이는 물체 표면의 형광 코팅을 구상합니다. 물체가 가시화되면 특정 알고리즘이 물체 추적을 수행하고 레이저 위치가 알려지면 (그림 1 참조 ) 음영 영역의 마스킹을 수행합니다.
형광 코팅
코팅은 구조적 매트릭스 에 시판되는 형광 분말 (fluorescein (Taniguchi and Lindsey 2018 ; Taniguchi et al. 2018 )) 의 분산액으로 구성됩니다 . 단단한 물체의 경우 매트릭스는 폴리 에스터 / 에폭시 (대상 재료와의 화학적 호환성에 따라) 투명 수지 일 수 있습니다. 변형 가능한 물체의 경우 매트릭스는 투명한 실리콘 고무로 만들 수 있습니다. 형광 코팅 된 물체는 실행 중에 지속적으로 빛을 방출하기 위해 실험 전에 충분히 오랫동안 조명을 비춰 야합니다. 우리는 4W LED 소스 (그림 2 에서 볼 수 있음)에 20 초 긴 노출이 실험 실행 (몇 초)의 짧은 기간 동안 일관된 형광 방출을 제공하기에 충분하다는 것을 발견했습니다.
우리 실험에서 물체와 입자 크기 사이의 상당한 차이를 감안할 때 전자를 식별하는 것은 간단합니다. 그림 3 은 씨 뿌리기 입자와 물체 모양이 서로 다른 세 번에 겹쳐진 모습을 보여줍니다 (색상은 다른 순간을 나타냄).
대신, 이러한 크기 기반 분류가 가능하지 않은 경우 입자와 물체의 파장을 분리해야합니다. 이러한 분리는 시드 입자에 의해 산란 된 빛과 현저하게 다른 파장에서 방출되는 형광 코팅을 선택하여 달성 할 수 있습니다. 또는 레이저에서 멀리 떨어진 대역에서 방출되는 형광 입자를 이용하는 것 (Pedocchi et al. 2008 ). 두 경우 모두 컬러 이미지 획득의 채널 분리 또는 멀티 카메라 설정의 애드혹 필터링은 물체 식별을 크게 촉진 할 수 있습니다. 우리의 경우에는 그러한 파장 분리를 달성 할 필요가 없습니다. 실제로 형광 코팅의 방출 스펙트럼의 피크는 540nm입니다 (Taniguchi and Lindsey 2018 ; Taniguchi et al. 2018), 사용 된 레이저의 532 nm에 매우 가깝습니다.
마스킹 소프트웨어
DM 용으로 개발 된 알고리즘 은 무료 PIV 분석 패키지 PIVlab (Thielicke 2020 , Thielicke 및 Stamhuis 2014 ) 과 함께 작동하도록 고안된 오픈 소스 프리웨어 GUI 기반 도구 (Prestininzi 및 Lombardi 2021 )입니다. 이것은 세 단계의 순차적 실행으로 구성됩니다 (그림 1 에서 a–b–c라고 함 ). 첫 번째 단계 (a)는 장면에서 레이저 위치를 찾는 데 사용됩니다 (즉, 소스의 좌표를 계산합니다. 장애물에 부딪히는 빛); 두 번째 항목 (b)은 개체 위치를 추적하고 각 프레임의 음영 영역을 계산합니다. 세 번째 항목 (c)은 추적 된 개체 영역과 음영 처리 된 개체 영역을 PIV 알고리즘을위한 단일 마스크로 병합합니다.
각 단계에 대한 자세한 내용은 다음과 같습니다.
(ㅏ)레이저 위치는 프레임 (즉, 획득 한 프레임의 시야 (FOV)) 내에서 가시적 일 수도 있고 아닐 수도 있습니다. 전자의 경우 사용자는 GUI에서 레이저 소스를 클릭하여 찾기 만하면됩니다. 후자의 경우, 사용자는 음영 영역의 경계에 속하는 두 개의 세그먼트 (두 쌍의 점)를 그리도록 요청받습니다. 그러면 FOV 외부에있는 레이저 위치가 두 선의 교차점으로 계산됩니다. 세그먼트로 구성됩니다. 개체 그림자는 ROI 프레임 상자에 도달하는 것으로 간주됩니다.
(비)레이저 위치가 알려지면 물체 추적은 다음과 같이 수행됩니다. 각 프레임의 하나의 채널 (이 경우 RGB 색상 공간이 사용되기 때문에 녹색 채널이지만 GUI는 선호하는 채널을 지정할 수 있음)은 다음과 같습니다. 로컬 적응 임계 값을 사용하여 이진화 됨 (Bradley and Roth 2007), 후자는 이웃 주변의 로컬 평균 강도를 사용하여 각 픽셀에 대해 계산됩니다. 그런 다음 입자와 물체로 구성된 이진 이미지가 영역으로 변환됩니다. 우리 실험에 존재하는 유일한 장애물은 모든 입자에 비해 더 큰 크기를 기준으로 식별됩니다. 다른 전략은 이전에 논의되었습니다. 그런 다음 장애물 영역의 경계 다각형은 사용자 정의 포인트 밀도로 결정됩니다. 여기에서는 그림자 결정을 위해 광선 투사 (RC) 접근 방식을 채택했습니다. RC는 컴퓨터 그래픽을 기반으로하는 “경 운송 모델링”의 틀에 속합니다. 수치 적으로 정확한 그림자를 제공하기 때문에 여기에서 선택됩니다. 정확도는 떨어지지 만 주로 RC의 계산 부하를 줄이는 것을 목표로하는 몇 가지 다른 방법이 개발되었습니다.2015 ), 여기서 간략히 회상합니다. 각 프레임 (명확성을 위해 여기에 색인화되지 않음)에 대해 광선아르 자형나는 j아르 자형나는제이레이저 위치 L 에서 i 번째 정점 으로 캐스트됩니다.피나는 j피나는제이의 J 오브젝트의 경계 다각형 일; 목표는피나는 j피나는제이 하위 집합에 속 ㅏ제이ㅏ제이 레이저에 의해 직접 조명되는 경계 정점의 피나는 j피나는제이 에 추가됩니다 ㅏ제이ㅏ제이 만약 아르 자형나는 j아르 자형나는제이 적어도 한쪽을 교차 에스k j에스케이제이( j 번째 개체 경계 다각형 의 모든면에 걸쳐있는 k )피나는 j피나는제이 (그것이 교차로 큐나는 j k큐나는제이케이 레이저 위치와 정점 사이에 있지 않습니다. 피나는 j피나는제이). 두 개의 광선, 즉ρ1ρ1 과 ρ2ρ2추가면을 가로 지르지 않는는 저장됩니다.
(씨)일단 정점 세트, 즉 ㅏ제이ㅏ제이 레이저에 의해 직접 비춰지고 식별되었으며 ROI 프레임 상자의 음영 부분은 후자와 교차하여 결정됩니다. ρ1ρ1 과 ρ2ρ2. 두 교차점은 다음에 추가됩니다.ㅏ제이ㅏ제이. 점으로 둘러싸인 영역ㅏ제이ㅏ제이 마침내 마스크로 변환됩니다.
레이저 소스가 여러 개인 경우 각각에 RC 알고리즘을 적용해야하며 음영 영역의 결합이 수행됩니다. 레이 캐스팅 절차의 의사 코드는 Alg에보고됩니다. 1.
그림 1
DM 검증
이 섹션에서는 제안 된 DM으로 수행 된 PIV 측정과 두 가지 다른 접근 방식, 즉 no-masking (NM)과 static masking (SM) 간의 비교를 제시합니다.
그림 2그림 3
실험 설정
진동 유도기 (VI)의 성능을 분석하기 위해 PIV 설정을 설계하고 현재 DM 기술을 개발했습니다 (Curatolo et al. 2019 , 2020 ). 후자는 비 맥동 유체 흐름에서 역류에 배치 된 캔틸레버의 규칙적이고 넓은 진동을 유도 할 수있는 윙렛입니다. 이러한 VI는 캔틸레버의 끝에 장착되며 (그림 2 참조 ) 진동 운동의 어느 지점에서든 캔틸레버의 중립 구성을 향해 양력을 생성 할 수있는 두 개의 오목한 날개가 있습니다.
VI는 캔틸레버 표면에 장착 된 압전 패치를 사용하여 고정 유체 흐름에서 기계적 에너지 추출을 향상시킬 수 있습니다. 그림 2 에서 강조된 날개의 전체 측면 가장자리는 Sect에 설명 된 사양에 따라 형광 페인트로 코팅되어 있습니다. 2.1 . 실험은 Roma Tre University 공학부 수력 학 실험실의 자유 표면 채널에서 수행됩니다. 10.8cm 길이의 캔틸레버는 채널의 중심선에 배치되고 상류로 향하며 수직-세로 평면에서 진동합니다. 세라믹 페 로브 스카이 트 (PZT) 압전 패치 (7××캔틸레버의 윗면에는 Physik Instrumente (PI)에서 만든 3cm)가 부착되어 있습니다. 흐름 유도 진동 하에서 변형으로 인해 AC 전압 차이를 제공합니다. VI 왼쪽 날개의 수직 중앙면에있는 2D 속도 필드는 수제 수중 PIV 장비를 통해 얻었습니다.각주1 연속파, 저비용, 저전력 (150mW), 녹색 (532nm) 레이저 빔이 2mm 두께의 부채꼴 시트에 퍼집니다.120∘120∘그림 2 와 같이 VI의 한쪽 날개를 절반으로 교차 합니다. 물은 평균 직경이 100 인 폴리 아미드 입자로 시드됩니다.μμm 및 1016 Kg / m의 밀도삼삼. 레이저 소스는 VI의 15cm 위쪽 (자유 표면 아래 약 4cm)과 VI의 하류 5cm에 경사지게 배치됩니다.5∘5∘상류. 위의 설정은 주로 날개의 후류를 조사하기 위해 고안되었습니다. 날개의 상류면과 하류 부분의 일부는 레이저 시트에 직접 맞지 않습니다. 레이저 시트에 수직으로 촬영하는 고속 상용 카메라 (Sony RX100 M5)를 사용하여 동영상을 촬영합니다. 후자는 1920의 프레임 크기로 500fps의 높은 프레임 속도 모드로 기록됩니다.×× 1080px, 나중에 더 작은 655로 잘림 ××이미지 분석 중에 분석 할 850px ROI. 시간 해결, 프리웨어, 오픈 소스, MatLab 용 PIV 분석 도구가 사용됩니다 (Thielicke and Stamhuis 2014 ). 이 도구는 질의 영역 (IA) 변형 (우리의 경우 64×× 64, 32 ×× 32 및 26 ××26). 각 패스에서 각 IA의 경계와 모서리에서 추가 변위 정보를 얻기 위해 인접한 IA 사이에 50 %의 중첩이 허용됩니다. 첫 번째 통과 후, 입자 변위 정보가 보간되어 IA의 모든 픽셀의 변위를 도출하고 그에 따라 변형됩니다.
시딩 입자 수 밀도는 첫 번째 패스에서 IA 당 약 5입니다. Keane과 Adrian ( 1992 )에 따르면 이러한 밀도 값은 95 % 유효한 탐지 확률을 보장합니다. IA는 프레임 커플 내에서 입자의 충분한 영구성을 보장하기 위해 크기가 조정됩니다. 분석 된 유동 역학은 0.4 ~ 0.7m / s 범위의 유동 속도를 특징으로합니다. 따라서 입자는 권장 최소값 인 2 프레임 (Keane and Adrian 1992 ) 보다 큰 약 3-4 프레임의 세 번째 패스 IA에 나타납니다 .
PIV 체인 분석 평가
사용 된 PIV 알고리즘의 정확성은 이전에 문헌에서 광범위하게 평가되었습니다 (예 : Guérin et al. ( 2020 ), Vennemann and Rösgen ( 2020 ), Mohammadshahi et al. ( 2020 ), Narayan et al. ( 2020 )). 그러나 PIV 측정의 물리적 일관성을 보장하기 위해 두 가지 벤치 마크 사례가 여기에 나와 있습니다.
첫 번째는 Sect에 설명 된 동일한 PIV 설정을 통해 측정 된 세로 유속의 수직 프로파일을 비교합니다. 3.1 분석 기준 용액이있는 실험 채널에서. 후자는 플로팅 트레이서로 수행되는 PTV (입자 추적 속도계) 측정을 통해 보정되었습니다. 분석 속도 프로파일은 Eq. 1 (Keulegan 1938 ).u ( z) =유∗[5.75 로그(지δ) +8.5];유(지)=유∗[5.75로그(지δ)+8.5];(1)
여기서 u 는 수평 유속 성분, z 는 수직 좌표,δδ 침대 거칠기 및 V∗V∗ 균일 한 흐름 공식에 의해 주어진 것으로 가정되는 마찰 속도, 즉 유∗= U/ C유∗=유/씨; U 는 깊이 평균 유속이고 C 는 다음 과 같이 주어진 마찰 계수입니다.씨= 5.75로그( 13.3에프R / δ)씨=5.75로그(13.3에프아르 자형/δ), R = 0.2아르 자형=0.2 m은 유압 반경이고 에프= 0.92에프=0.92유한 폭 채널의 형상 계수. 그림 4 는 4 초의 시간 창에 걸쳐 순간 값을 평균화하여 얻은 분석 프로필과 PIV 측정 간의 비교를 보여줍니다. 국부적 인 변동은 대략 0.5 초의 시간 척도에서 진화하는 것으로 밝혀졌습니다. PTV 결과에 가장 적합하면 다음과 같은 값이 산출됩니다.δ= 1δ=1cm, 베드 거칠기의 경우 Eq. 1 , 실험 채널 침대 표면의 실제 조건과 호환됩니다. VI의 휴지 구성 위치에서 유속의 분석 값은 그림에서 검은 색 십자가로 표시됩니다. 비교는 놀라운 일치를 보여 주므로 실험 설정과 PIV 알고리즘의 조합이 분석 된 설정에 대해 신뢰할 수있는 것으로 간주 될 수 있음을 증명합니다.
두 번째 벤치 마크는 VI 뒷면에 재 부착 된 흐름의 양을 비교합니다. 실제로 이러한 장치의 높은 캠버를 고려할 때 흐름은 하류 표면에서 분리되어 결국 다시 연결됩니다. 첨부 흐름을 나타내는 표면의 양 (Curatolo 외. 발견 2020 ) 흥미로운 압전 패치 (즉, 효율이 큰 경우에 더 빠르게 진동이 유발되는 것이다)에서 VI의 효율과 상관된다. 여기에서는 PIV 분석을 통해 측정 된 진동의 상사 점에서 재 부착 된 흐름의 길이를 CFD (전산 유체 역학) 상용 코드 FLOW-3D® (Flow Science 2019 )로 예측 한 길이와 비교하여 RANS를 해결합니다. 결합 식 (비어 스톡스 레이놀즈 평균) 케이 -ϵϵ구조화 된 그리드의 난류 폐쇄 (시뮬레이션을 위해 1mm 간격이 선택됨). 다운 스트림 측면의 흐름은 이러한 높은 캠버 VI를 위해 여러 위치에서 분리 및 재 부착됩니다. 이 벤치 마크에서 비교 된 양은 VI의 앞쪽 가장자리와 가장 가까운 흐름 재 부착 위치 사이의 호 길이입니다. 그림 5를 참조 하면 CFD 모델에 의해 예측 된 호의 길이는 측정 된 호의 길이보다 10 % 더 큽니다. 이 작업에 제시된 DM 기술을 사용하는 PIV 분석은 물리적으로 건전한 측정을 제공하는 것으로 입증됩니다. 후류의 유체 역학에 대한 자세한 분석과 VI의 전반적인 효율성과의 상관 관계는 현재 진행 중이며 향후 작업의 대상이 될 것입니다.
그림 4그림 5
결과
그림 6을 참조하여 순간 유속 장의 관점에서 세 가지 접근법의 결과를 비교합니다. 선택한 순간은 진동의 상사 점에 해당합니다.
제안 된 DM (그림 6 의 패널 a )은 부드러운 유동장을 생성하여 후류에서 일관된 소용돌이 구조를 나타냅니다.
NM 접근법 (그림 6 의 패널 b1 )도 후류의 와류 구조를 정확하게 예측하지만 음영 영역에서 대부분 부정확 한 값을 산출합니다. 또한 비교에서 합리적인 기준을 추론 할 수 없기 때문에 획득 한 유동장 의 사후 필터링이 실현 가능하지 않다는 것이 분명합니다 . 실제로 유속은 그림 6 의 패널 c1에서 볼 수 있듯이 가장 큰 오류가 생성되는 위치에서도 “합리적인”크기를 갖습니다. , DM 및 NM 접근 방식으로 얻은 속도 필드 간의 차이가 표시됩니다. 더욱이 후류에서 발생하는 매우 불안정한 소용돌이 운동이 이러한 위치에 가깝게 이동하기 때문에 그럴듯한 흐름 방향을 가정하더라도 필터링 기준을 공식화 할 수 없습니다. 모델러가 그러한 부정확성을 알고 있었다하더라도 NM 접근법은 “합리적”이지만 여전히 날개의 내부 현과 그 바로 아래에있는 유동장의 대부분은 부정확합니다. 이러한 행동은 매우 오해의 소지가 있습니다.
그림 6 의 패널 b2는 SM 접근법으로 얻은 유속 장을 보여주고 패널 c2는 SM과 DM 접근법으로 얻은 결과 간의 차이를 보여줍니다. SM 접근법은 NM 대응 물에 비해 전반적으로 더 나은 정확도를 명확하게 보여 주지만, 이는 레이저 소스의 위치가 진동 중에 음영 영역이 많이 움직이지 않기 때문입니다 (그림 3 참조). 한 번의 진동 동안 VI가 경험 한 최대 변위를 육안으로 검사합니다. 즉, 분석 된 사례의 경우 정적 마스크를 그리기위한 중립 구성을 선택하면 NM 접근 방식보다 낮은 오류를 얻을 수 있습니다. 더 큰 물체 변위를 포함하는 실험 설정은 NM이 일관되게 더 정확해질 수 있기 때문에 NM보다 SM의 우월성은 일반화 될 수 없음을 강조하고 싶습니다.
그림 6 은 분석 된 접근법에 의해 생성 된 차이를 철저히 보여 주지만 결과에 대한보다 정량적 인 평가를 제공하기 위해 오류의 빈도 분포를 계산했습니다. 그림 7 에서 이러한 분포를 살펴보면 SM 접근법이 NM보다 전체적인 예측이 더 우수하고 SM 분포가 더 정점에 있음을 확인합니다. 그럼에도 불구하고 SM은 여전히 비정상적인 강도의 스파이크를 생성합니다. 분포의 꼬리로 표시되는 이러한 값은 정적 마스크 범위의 과대 평가 (왼쪽 꼬리) 및 과소 평가 (오른쪽 꼬리)에 연결됩니다. 그러나 주파수의 크기는 고려되는 경우에 SM과 NM의 적용 가능성을 배제하여 DM에 대한 리조트를 의무적으로 만듭니다.
그림 6그림 7
결론
이 작업에서는 PIV 분석 도구에 DM (Dynamic Masking) 모듈을 제공하기위한 새로운 실험 기법을 제시합니다. 동적 마스킹은 유체 흐름에 잠긴 불투명 이동 / 변형 가능한 물체를 포함하는 시간 해결 PIV 설정에서 필요한 단계입니다. 마스킹 알고리즘과 함께 형광 코팅을 사용하여 물체를 정확하게 추적 할 수 있습니다. 우리는 제안 된 DM과 두 가지 다른 접근 방식, 즉 no-masking (NM)과 static masking (SM)을 비교하여 자체적으로 설계된 저비용 PIV 설정을 통해 수행 된 측정을 제시합니다. 분석 된 유동 역학은 고체 물체의 제한된 변위를 포함하지만 정량적 비교는 DM 기술을 채택해야하는 필수 필요성을 보여줍니다. 여기에서 정확성이 입증 된 현재의 실험적 접근 방식은
메모
1.실험 데이터 세트는 PIV 분석의 복제를 허용하기 위해 요청시 제공됩니다.
참고 문헌
Anders S, Noto D, Seilmayer M, Eckert S (2019) 스펙트럼 랜덤 마스킹 : 다상 흐름에서 piv를위한 새로운 동적 마스킹 기술. Experim 유체 60 (4) : 1–6조Google 학술 검색
Archbold E, Ennos A (1972) 이중 노출 레이저 사진에서 변위 측정. Optica Acta Int J Opt 19 (4) : 253–271조Google 학술 검색
Barker D, Fourney M (1977) 얼룩 패턴으로 유체 속도 측정. Opt Lett 1 (4) : 135–137조Google 학술 검색
Bradley D, Roth G (2007) 적분 이미지를 사용한 적응 형 임계 값. J 그래프 도구 12 (2) : 13–21조Google 학술 검색
Brücker C (2000) Piv의 다상 흐름. 입자 이미지 유속계 및 관련 기술, 강의 시리즈, p 1
Driscoll K, Sick V, Gray C (2003) 고밀도 연료 스프레이에서 동시 공기 / 연료 위상 piv 측정. Experim 유체 35 (1) : 112–115조Google 학술 검색
Dussol D, Druault P, Mallat B, Delacroix S, Germain G (2016) 불안정한 인터페이스, 거품 및 움직이는 구조를 포함하는 piv 이미지에 대한 자동 동적 마스크 추출. Comptes Rendus Mécanique 344 (7) : 464–478조Google 학술 검색
Ergin F, Watz B, Wadhwa N (2015) 장거리 micropiv를 사용하여 작은 평영 수영 선수 주변의 픽셀 정확도 동적 마스킹 및 흐름 측정. 에서 : 입자 이미지 유속계 -PIV15에 관한 제 11 회 국제 심포지엄. 캘리포니아 주 산타 바바라, 9 월, 14 ~ 16 쪽
Springer Nature는 출판 된지도 및 기관 소속의 관할권 주장과 관련하여 중립을 유지합니다.
권리와 허가
오픈 액세스이 기사는 크리에이티브 커먼즈 저작자 표시 4.0 국제 라이선스에 따라 사용이 허가되었습니다.이 라이선스는 귀하가 원저자와 출처에 대해 적절한 크레딧을 제공하는 한 모든 매체 또는 형식으로 사용, 공유, 개작, 배포 및 복제를 허용합니다. 크리에이티브 커먼즈 라이센스에 대한 링크를 제공하고 변경 사항이 있는지 표시합니다. 이 기사의 이미지 또는 기타 제 3 자 자료는 자료에 대한 크레딧 라인에 달리 명시되지 않는 한 기사의 크리에이티브 커먼즈 라이선스에 포함됩니다. 자료가 기사의 크리에이티브 커먼즈 라이센스에 포함되어 있지 않고 의도 된 사용이 법적 규정에 의해 허용되지 않거나 허용 된 사용을 초과하는 경우 저작권 보유자로부터 직접 허가를 받아야합니다. 이 라이센스의 사본을 보려면 다음을 방문하십시오.http://creativecommons.org/licenses/by/4.0/ .
by Hui Hu,Jianfeng Zhang andTao Li * State Key Laboratory Base of Eco-Hydraulic Engineering in Arid Area, School of Water Resources and Hydropower, Xi’an University of Technology, Xi’an 710048, China *Author to whom correspondence should be addressed. Appl. Sci.2018, 8(12), 2456; https://doi.org/10.3390/app8122456Received: 14 October 2018 / Revised: 20 November 2018 / Accepted: 29 November 2018 / Published: 2 December 2018
Abstract
The objective of this study was to evaluate the applicability of a flow model with different numbers of spatial dimensions in a hydraulic features solution, with parameters such a free surface profile, water depth variations, and averaged velocity evolution in a dam-break under dry and wet bed conditions with different tailwater depths. Two similar three-dimensional (3D) hydrodynamic models (Flow-3D and MIKE 3 FM) were studied in a dam-break simulation by performing a comparison with published experimental data and the one-dimensional (1D) analytical solution. The results indicate that the Flow-3D model better captures the free surface profile of wavefronts for dry and wet beds than other methods. The MIKE 3 FM model also replicated the free surface profiles well, but it underestimated them during the initial stage under wet-bed conditions. However, it provided a better approach to the measurements over time. Measured and simulated water depth variations and velocity variations demonstrate that both of the 3D models predict the dam-break flow with a reasonable estimation and a root mean square error (RMSE) lower than 0.04, while the MIKE 3 FM had a small memory footprint and the computational time of this model was 24 times faster than that of the Flow-3D. Therefore, the MIKE 3 FM model is recommended for computations involving real-life dam-break problems in large domains, leaving the Flow-3D model for fine calculations in which knowledge of the 3D flow structure is required. The 1D analytical solution was only effective for the dam-break wave propagations along the initially dry bed, and its applicability was fairly limited.
이 연구의 목적은 자유 표면 프로파일, 수심 변화 및 건식 및 댐 파괴에서 평균 속도 변화와 같은 매개 변수를 사용하여 유압 기능 솔루션에서 서로 다른 수의 공간 치수를 가진 유동 모델의 적용 가능성을 평가하는 것이었습니다.
테일 워터 깊이가 다른 습식베드 조건. 2 개의 유사한 3 차원 (3D) 유체 역학 모델 (Flow-3D 및 MIKE 3 FM)이 게시된 실험 데이터와 1 차원 (1D) 분석 솔루션과의 비교를 수행하여 댐 브레이크 시뮬레이션에서 연구되었습니다.
결과는 FLOW-3D 모델이 다른 방법보다 건식 및 습식 베드에 대한 파면의 자유 표면 프로파일을 더 잘 포착함을 나타냅니다. MIKE 3 FM 모델도 자유 표면 프로파일을 잘 복제했지만, 습식 조건에서 초기 단계에서 과소 평가했습니다. 그러나 시간이 지남에 따라 측정에 더 나은 접근 방식을 제공했습니다.
측정 및 시뮬레이션 된 수심 변화와 속도 변화는 두 3D 모델 모두 합리적인 추정치와 0.04보다 낮은 RMSE (root mean square error)로 댐 브레이크 흐름을 예측하는 반면 MIKE 3 FM은 메모리 공간이 적고 이 모델의 계산 시간은 Flow-3D보다 24 배 더 빠릅니다.
따라서 MIKE 3 FM 모델은 대규모 도메인의 실제 댐 브레이크 문제와 관련된 계산에 권장되며 3D 흐름 구조에 대한 지식이 필요한 미세 계산을 위해 Flow-3D 모델을 남겨 둡니다. 1D 분석 솔루션은 초기 건조 층을 따라 전파되는 댐 파괴에만 효과적이었으며 그 적용 가능성은 상당히 제한적이었습니다.
1. Introduction
저수지에 저장된 물의 통제되지 않은 방류[1]로 인해 댐 붕괴와 그로 인해 하류에서 발생할 수 있는 잠재적 홍수로 인해 큰 자연 위험이 발생한다. 이러한 영향을 최대한 완화하기 위해서는 홍수[2]로 인한 위험을 관리하고 감소시키기 위해 홍수의 시간적 및 공간적 진화를 모두 포착하여 댐 붕괴 파동의 움직임을 예측하고 댐 붕괴 파동의 전파 과정 효과를 다운스트림[3]으로 예측하는 것이 중요하다.
그러나 이러한 수량을 예측하는 것은 어려운 일이며, 댐 붕괴 홍수의 움직임을 정확하게 시뮬레이션하고 유동장에 대한 유용한 정보를 제공하기 위한 적절한 모델을 선택하는 것은 그러므로 필수적인 단계[4]이다.
적절한 수학적 및 수치적 모델의 선택은 댐 붕괴 홍수 분석에서 매우 중요한 것으로 나타났다.분석적 해결책에서 행해진 댐 붕괴 흐름에 대한 연구는 100여 년 전에 시작되었다.
리터[5]는 먼저 건조한 침대 위에 1D de 생베넌트 방정식의 초기 분석 솔루션을 도출했고, 드레슬러[6,7]와 휘담[8]은 마찰저항의 영향을 받은 파동학을 연구했으며, 스토커[9]는 젖은 침대를 위한 1D 댐 붕괴 문제에 리터의 솔루션을 확장했다.
마샬과 멩데즈[10]는 고두노프가 가스 역학의 오일러 방정식을 위해 개발한 방법론[11]을 적용하여 젖은 침대 조건에서 리만 문제를 해결하기 위한 일반적인 절차를 고안했다. Toro [12]는 습식 및 건식 침대 조건을 모두 해결하기 위해 완전한 1D 정밀 리만 용해제를 실시했다.
Chanson [13]은 특성 방법을 사용하여 갑작스러운 댐 붕괴로 인한 홍수에 대한 간단한 분석 솔루션을 연구했다. 그러나 이러한 분석 솔루션은 특히 댐 붕괴 초기 단계에서 젖은 침대의 정확한 결과를 도출하지 못했다[14,15].과거 연구의 발전은 이른바 댐 붕괴 홍수 문제 해결을 위한 여러 수치 모델[16]을 제공했으며, 헥-라스, DAMBRK, MIK 11 등과 같은 1차원 모델을 댐 붕괴 홍수를 모델링하는 데 사용하였다.
[17 2차원(2D) 깊이 평균 방정식도 댐 붕괴 흐름 문제를 시뮬레이션하는 데 널리 사용되어 왔으며[18,19,20,21,22] 그 결과 얕은 물 방정식(SWE)이 유체 흐름을 나타내는 데 적합하다는 것을 알 수 있다. 그러나, 경우에 따라 2D 수치해결기가 제공하는 해결책이 특히 근거리 분야에서 실험과 일관되지 않을 수 있다[23,24]. 더욱이, 1차원 및 2차원 모델은 3차원 현상에 대한 일부 세부사항을 포착하는 데 한계가 있다.
[25]. RANS(Reynolds-averageed Navier-Stok크스 방정식)에 기초한 여러 3차원(3D) 모델이 얕은 물 모델의 일부 단점을 극복하기 위해 적용되었으며, 댐 붕괴 초기 단계에서의 복잡한 흐름의 실제 동작을 이해하기 위해 사용되었다 [26,27,28]장애물이나 바닥 실에 대한 파장의 충격으로 인한 튜디 댐 붕괴 흐름 [19,29] 및 근거리 영역의 난류 댐 붕괴 흐름 거동 [4] 최근 상용화된 수치 모델 중 잘 알려진 유체 방식(VOF) 기반 CFD 모델링 소프트웨어 FLOW-3D는 컴퓨터 기술의 진보에 따른 계산력 증가로 인해 불안정한 자유 표면 흐름을 분석하는 데 널리 사용되고 있다.
이 소프트웨어는 유한 차이 근사치를 사용하여 RANS 방정식에 대한 수치 해결책을 계산하며, 자유 표면을 추적하기 위해 VOF를 사용한다 [30,31]; 댐 붕괴 흐름을 모델링하는 데 성공적으로 사용되었다 [32,33].그러나, 2D 얕은 물 모델을 사용하여 포착할 수 없는 공간과 시간에 걸친 댐 붕괴 흐름의 특정한 유압적 특성이 있다.
실생활 현장 척도 시뮬레이션을 위한 완전한 3D Navier-Stokes 방정식의 적용은 더 높은 계산 비용[34]을 가지고 있으며, 원하는 결과는 얕은 물 모델[35]보다 더 정확한 결과를 산출하지 못할 수 있다. 따라서, 본 논문은 3D 모델의 기능과 그 계산 효율을 평가하기 위해 댐 붕괴 흐름 시뮬레이션을 위한 단순화된 3D 모델-MIKE 3 FM을 시도한다.
MIK 3 모델은 자연 용수 분지의 여러 유체 역학 시뮬레이션 조사에 적용되었다. 보치 외 연구진이 사용해 왔다. [36], 니콜라오스 및 게오르기오스 [37], 고얄과 라토드[38] 등 현장 연구에서 유체역학 시뮬레이션을 위한 것이다. 이러한 저자들의 상당한 연구에도 불구하고, MIK 3 FM을 이용한 댐 붕괴의 모델링에 관한 연구는 거의 없었다.
또한 댐 붕괴 홍수 전파 문제를 해결하기 위한 3D 얕은 물과 완전한 3D RANS 모델의 성능을 비교한 연구도 아직 보고되지 않았다. 이 공백을 메우기 위해 현재 연구의 주요 목표는 댐 붕괴 흐름을 시뮬레이션하기 위한 단순화된 3D SWE, 상세 RANS 모델 및 분석 솔루션을 평가하여 댐 붕괴 문제에 대한 정확도와 적용 가능성을 평가하는 것이다.실제 댐 붕괴 문제를 해결하기 위해 유체역학 시뮬레이션을 시도하기 전에 수치 모델을 검증할 필요가 있다.
일련의 실험 벤치마크를 사용하여 수치 모델을 확인하는 것은 용인된 관행이다. 현장 데이터 확보가 어려워 최근 몇 년 동안 제한된 측정 데이터를 취득했다.
본 논문은 Ozmen-Cagatay와 Kocaman[30] 및 Khankandi 외 연구진이 제안한 두 가지 테스트 사례에 의해 제안된 검증에서 인용한 것이다. [39] 오즈멘-카가테이와 코카만[30]이 수행한 첫 번째 실험에서, 다른 미숫물 수위에 걸쳐 초기 단계 동안 댐 붕괴 홍수파가 발생했으며, 자유 지표면 프로파일의 측정치를 제공했다. Ozmen-Cagatay와 Kocaman[30]은 초기 단계에서 Flow-3D 소프트웨어가 포함된 2D SWE와 3D RANS의 숫자 솔루션에 의해 계산된 자유 표면 프로필만 비교했다.
Khankandi 등이 고안한 두 번째 실험 동안. [39], 이 실험의 측정은 홍수 전파를 시뮬레이션하고 측정된 데이터를 제공하는 것을 목적으로 하는 수치 모델을 검증하기 위해 사용되었으며, 말기 동안의 자유 표면 프로필, 수위의 시간 진화 및 속도 변화를 포함한다. Khankandi 등의 연구. [39] 주로 실험 조사에 초점을 맞추었으며, 초기 단계에서는 리터의 솔루션과의 수위만을 언급하고 있다.
경계 조건(상류 및 하류 모두 무한 채널 길이를 갖는 1D 분석 솔루션에서는 실험 결과를 리터와 비교하는 것이 타당하지 않기 때문이다(건조 be)d) 또는 스토커(웨트 베드) 솔루션은 벽의 반사가 깊이 프로파일에 영향을 미쳤을 때, 그리고 참조 [39]의 실험에 대한 수치 시뮬레이션과의 추가 비교가 불량할 때. 이 논문은 이러한 문제를 직접 겨냥하여 전체 댐 붕괴 과정에서의 자유 표면 프로필, 수심 변화 및 속도 변화에 대한 완전한 비교 연구를 제시한다.
여기서 댐 붕괴파의 수치 시뮬레이션은 초기에 건조하고 습한 직사각형 채널을 가진 유한 저장소의 순간 댐 붕괴에 대해 두 개의 3D 모델을 사용하여 개발된다.본 논문은 다음과 같이 정리되어 있다. 두 모델에 대한 통치 방정식은 숫자 체계를 설명하기 전에 먼저 도입된다.
일반적인 단순화된 시험 사례는 3D 수치 모델과 1D 분석 솔루션을 사용하여 시뮬레이션했다. 모델 결과와 이들이 실험실 실험과 비교하는 방법이 논의되고, 서로 다른 수심비에서 시간에 따른 유압 요소의 변동에 대한 시뮬레이션 결과가 결론을 도출하기 전에 제시된다.
2. Materials and Methods
2.1. Data
첫째, 수평 건조 및 습식 침상에 대한 초기 댐 붕괴 단계 동안의 자유 표면 프로필 측정은 Ozmen-Cagatay와 Kocaman에 의해 수행되었다[30]. 이 시험 동안, 매끄럽고 직사각형의 수평 채널은 그림 1에서 표시한 대로 너비 0.30m, 높이 0.30m, 길이 8.9m이었다.
채널은 채널 입구에서 4.65m 떨어진 수직 플레이트(담) 즉, 저장소의 길이 L0=4.65mL0에 의해 분리되었다., 및 다운스트림 채널 L1=4.25 mL1. m저수지는 댐의 좌측에 위치하고 처음에는 침수된 것으로 간주되었다; 저수지의 초기 상류 수심 h는0 0.25m로 일정했다.
오른쪽의 초기 수심 h1h1 건식침대의 경우 0m, 습식침대의 경우 0.025m, 0.1m이므로 수심비 α=h1/h0α으로 세 가지 상황이 있었다. 0, 0.1, 0.4의 습식침대 조건은 플룸 끝에 낮은 보를 사용함으로써 만들어졌다. 물 표면 프로필은 3개의 고속 디지털 카메라(50프레임/s)를 사용하여 초기에 관찰되었으며, 계측 측정의 정확도는 참고문헌 [30]에서 입증되었다. In the following section, the corresponding numerical results refer to positions x = −1 m (P1), −0.5 m (P2), −0.2 m (P3), +0.2 m (P4), +0.5 m (P5), +1 m (P6), +2 m (P7), and +2.85 m (P8), where the origin of the coordinate system x = 0 is at the dam site. 3수심비 ααα 0, 0.1, 0.4의 경우 x,yx의 경우 좌표는 h0.으로 정규화된다.
<중략> ……
Figure 1. Schematic view of the experimental conditions by Ozmen-Cagatay and Kocaman [30]: (a) α = 0; (b) α = 0.1; and (c) α = 0.4.Figure 2. Schematic view of the experimental conditions by Khankandi et al. [39]: (a) α = 0 and (b) α = 0.2.Figure 3. Typical profiles of the dam-break flow regimes for Stoker’s analytical solution [9]: Wet-bed downstreamFigure 4. Sensitivity analysis of the numerical simulation using Flow-3D for the different mesh sizes of the experiments in Reference [30].Figure 5. Sensitivity analysis of the numerical simulation using MIKE 3 FM for the different mesh sizes of the experiments in Reference [30].Figure 6. Comparison between observed and simulated free surface profiles at dimensionless times T = t(g/h0)1/2 and for dry-bed (α=0). The experimental data are from Reference [30].Figure 7. Comparison between observed and simulated free surface profiles at dimensionless times T = t(g/h0)1/2 and for a wet-bed (α = 0.1). The experimental data are from Reference [30].Figure 8. Comparison between observed and simulated free surface profiles at dimensionless times T = t(g/h0)1/2 and for the wet-bed (α = 0.4). The experimental data are from Reference [30].Figure 9. Experimental and numerical comparison of free surface profiles h/h0(x/h0) during late stages at various dimensionless times T after the failure in the dry-bed by Khankandi et al. [39].
Table 2. RMSE values for the free surface profiles observed by Khankandi et al. [39].
Table 2. RMSE values for the free surface profiles observed by Khankandi et al. [39].Figure 10. Measured and computed water level hydrograph at various positions for dry-bed by Khankandi et al. [39]: (a) G1 (−0.5 m); (b) G2 (−0.1 m); (c) G3 (0.1 m); (d) G4 (0.8 m); (e) G6 (1.2 m); (f) G8 (5.5 m).Figure 11. Measured and computed water level hydrographs at various positions for the wet-bed by Khankandi et al. [39]: (a) G1 (−0.5 m); (b) G2 (−0.1 m); (c) G4 (0.8 m); and (d) G5 (1.0 m).
Table 3. RMSE values for the water depth variations observed by Khankandi et al. [39] at the late stage.
Table 3. RMSE values for the water depth variations observed by Khankandi et al. [39] at the late stage.Figure 13. Comparison of simulated velocity profiles at various locations upstream and downstream of the dam at t = 0.8 s, 2 s, and 5 s for water depth ratios α = 0.1 by Ozmen-Cagatay and Kocaman [30]: (a) P1(−1 m); (b) P3 (+0.2 m); (c) P5 (+1 m); and (d) P6 (+2 m).Table 5. The required computational time for the two models to address dam break flows in all cases
References
Gallegos, H.A.; Schubert, J.E.; Sanders, B.F. Two-dimensional high-resolution modeling of urban dam-break flooding: A case study of Baldwin Hills, California. Adv. Water Resour.2009, 32, 1323–1335. [Google Scholar] [CrossRef]
Kim, K.S. A Mesh-Free Particle Method for Simulation of Mobile-Bed Behavior Induced by Dam Break. Appl. Sci.2018, 8, 1070. [Google Scholar] [CrossRef]
Robb, D.M.; Vasquez, J.A. Numerical simulation of dam-break flows using depth-averaged hydrodynamic and three-dimensional CFD models. In Proceedings of the Canadian Society for Civil Engineering Hydrotechnical Conference, Québec, QC, Canada, 21–24 July 2015. [Google Scholar]
LaRocque, L.A.; Imran, J.; Chaudhry, M.H. 3D numerical simulation of partial breach dam-break flow using the LES and k-ε. J. Hydraul. Res.2013, 51, 145–157. [Google Scholar] [CrossRef]
Ritter, A. Die Fortpflanzung der Wasserwellen (The propagation of water waves). Z. Ver. Dtsch. Ing.1892, 36, 947–954. [Google Scholar]
Dressler, R.F. Hydraulic resistance effect upon the dam-break functions. J. Res. Nat. Bur. Stand.1952, 49, 217–225. [Google Scholar] [CrossRef]
Dressler, R.F. Comparison of theories and experiments for the hydraulic dam-break wave. Int. Assoc. Sci. Hydrol.1954, 38, 319–328. [Google Scholar]
Whitham, G.B. The effects of hydraulic resistance in the dam-break problem. Proc. R. Soc. Lond.1955, 227A, 399–407. [Google Scholar] [CrossRef]
Stoker, J.J. Water Waves: The Mathematical Theory with Applications; Wiley and Sons: New York, NY, USA, 1957; ISBN 0-471-57034-6. [Google Scholar]
Marshall, G.; Méndez, R. Computational Aspects of the Random Choice Method for Shallow Water Equations. J. Comput. Phys.1981, 39, 1–21. [Google Scholar] [CrossRef]
Godunov, S.K. Finite Difference Methods for the Computation of Discontinuous Solutions of the Equations of Fluid Dynamics. Math. Sb.1959, 47, 271–306. [Google Scholar]
Toro, E.F. Shock-Capturing Methods for Free-Surface Shallow Flows; Wiley and Sons Ltd.: New York, NY, USA, 2001. [Google Scholar]
Chanson, H. Application of the method of characteristics to the dam break wave problem. J. Hydraul. Res.2009, 47, 41–49. [Google Scholar] [CrossRef][Green Version]
Cagatay, H.; Kocaman, S. Experimental Study of Tail Water Level Effects on Dam-Break Flood Wave Propagation; 2008 Kubaba Congress Department and Travel Services: Ankara, Turkey, 2008; pp. 635–644. [Google Scholar]
Stansby, P.K.; Chegini, A.; Barnes, T.C.D. The initial stages of dam-break flow. J. Fluid Mech.1998, 374, 407–424. [Google Scholar] [CrossRef]
Soares-Frazao, S.; Zech, Y. Dam Break in Channels with 90° Bend. J. Hydraul. Eng.2002, 128, 956–968. [Google Scholar] [CrossRef]
Zolghadr, M.; Hashemi, M.R.; Zomorodian, S.M.A. Assessment of MIKE21 model in dam and dike-break simulation. IJST-Trans. Mech. Eng.2011, 35, 247–262. [Google Scholar]
Bukreev, V.I.; Gusev, A.V. Initial stage of the generation of dam-break waves. Dokl. Phys.2005, 50, 200–203. [Google Scholar] [CrossRef]
Soares-Frazao, S.; Noel, B.; Zech, Y. Experiments of dam-break flow in the presence of obstacles. Proc. River Flow2004, 2, 911–918. [Google Scholar]
Aureli, F.; Maranzoni, A.; Mignosa, P.; Ziveri, C. Dambreak flows: Acquisition of experimental data through an imaging technique and 2D numerical modelling. J. Hydraul. Eng.2008, 134, 1089–1101. [Google Scholar] [CrossRef]
Rehman, K.; Cho, Y.S. Bed Evolution under Rapidly Varying Flows by a New Method for Wave Speed Estimation. Water2016, 8, 212. [Google Scholar] [CrossRef]
Wu, G.F.; Yang, Z.H.; Zhang, K.F.; Dong, P.; Lin, Y.T. A Non-Equilibrium Sediment Transport Model for Dam Break Flow over Moveable Bed Based on Non-Uniform Rectangular Mesh. Water2018, 10, 616. [Google Scholar] [CrossRef]
Ferrari, A.; Fraccarollo, L.; Dumbser, M.; Toro, E.F.; Armanini, A. Three-dimensional flow evolution after a dam break. J. Fluid Mech.2010, 663, 456–477. [Google Scholar] [CrossRef]
Liang, D. Evaluating shallow water assumptions in dam-break flows. Proc. Inst. Civ. Eng. Water Manag.2010, 163, 227–237. [Google Scholar] [CrossRef]
Biscarini, C.; Francesco, S.D.; Manciola, P. CFD modelling approach for dam break flow studies. Hydrol. Earth Syst. Sci.2010, 14, 705–718. [Google Scholar] [CrossRef][Green Version]
Oertel, M.; Bung, D.B. Initial stage of two-dimensional dam-break waves: Laboratory versus VOF. J. Hydraul. Res.2012, 50, 89–97. [Google Scholar] [CrossRef]
Quecedo, M.; Pastor, M.; Herreros, M.I.; Merodo, J.A.F.; Zhang, Q. Comparison of two mathematical models for solving the dam break problem using the FEM method. Comput. Method Appl. Mech. Eng.2005, 194, 3984–4005. [Google Scholar] [CrossRef]
Shigematsu, T.; Liu, P.L.F.; Oda, K. Numerical modeling of the initial stages of dam-break waves. J. Hydraul. Res.2004, 42, 183–195. [Google Scholar] [CrossRef]
Soares-Frazao, S. Experiments of dam-break wave over a triangular bottom sill. J. Hydraul. Res.2007, 45, 19–26. [Google Scholar] [CrossRef]
Ozmen-Cagatay, H.; Kocaman, S. Dam-break flows during initial stage using SWE and RANS approaches. J. Hydraul. Res.2010, 48, 603–611. [Google Scholar] [CrossRef]
Vasquez, J.; Roncal, J. Testing River2D and FLOW-3D for Sudden Dam-Break Flow Simulations. In Proceedings of the Canadian Dam Association’s 2009 Annual Conference: Protecting People, Property and the Environment, Whistler, BC, Canada, 3–8 October 2009. [Google Scholar]
Ozmen-Cagatay, H.; Kocaman, S. Dam-break flow in the presence of obstacle: Experiment and CFD simulation. Eng. Appl. Comput. Fluid2011, 5, 541–552. [Google Scholar] [CrossRef]
Ozmen-Cagatay, H.; Kocaman, S.; Guzel, H. Investigation of dam-break flood waves in a dry channel with a hump. J. Hydro-Environ. Res.2014, 8, 304–315. [Google Scholar] [CrossRef]
Gu, S.L.; Zheng, S.P.; Ren, L.Q.; Xie, H.W.; Huang, Y.F.; Wei, J.H.; Shao, S.D. SWE-SPHysics Simulation of Dam Break Flows at South-Gate Gorges Reservoir. Water2017, 9, 387. [Google Scholar] [CrossRef]
Evangelista, S. Experiments and Numerical Simulations of Dike Erosion due to a Wave Impact. Water2015, 7, 5831–5848. [Google Scholar] [CrossRef][Green Version]
Bocci, M.; Chiarlo, R.; De Nat, L.; Fanelli, A.; Petersen, O.; Sorensen, J.T.; Friss-Christensen, A. Modelling of impacts from a long sea outfall outside of the Venice Lagoon (Italy). In Proceedings of the MWWD—IEMES 2006 Conference, Antalya, Turkey, 6–10 November 2006; MWWD Organization: Antalya, Turkey, 2006. [Google Scholar]
Nikolaos, T.F.; Georgios, M.H. Three-dimensional numerical simulation of wind-induced barotropic circulation in the Gulf of Patras. Ocean Eng.2010, 37, 355–364. [Google Scholar]
Goyal, R.; Rathod, P. Hydrodynamic Modelling for Salinity of Singapore Strait and Johor Strait using MIKE 3FM. In Proceedings of the 2011 2nd International Conference on Environmental Science and Development, Singapore, 26–28 February 2011. [Google Scholar]
Khankandi, A.F.; Tahershamsi, A.; Soares-Frazão, S. Experimental investigation of reservoir geometry effect on dam-break flow. J. Hydraul. Res.2012, 50, 376–387. [Google Scholar] [CrossRef]
Flow Science Inc. FLOW-3D User’s Manuals; Flow Science Inc.: Santa Fe, NM, USA, 2007. [Google Scholar]
Danish Hydraulic Institute (DHI). MIKE 3 Flow Model FM. Hydrodynamic Module-User Guide; DHI: Horsholm, Denmark, 2014. [Google Scholar]
Pilotti, M.; Tomirotti, M.; Valerio, G. Simplified Method for the Characterization of the Hydrograph following a Sudden Partial Dam Break. J. Hydraul. Eng.2010, 136, 693–704. [Google Scholar] [CrossRef]
Hooshyaripor, F.; Tahershamsi, A.; Razi, S. Dam break flood wave under different reservoir’s capacities and lengths. Sādhanā2017, 42, 1557–1569. [Google Scholar] [CrossRef]
Kocaman, S.; Ozmen-Cagatay, H. Investigation of dam-break induced shock waves impact on a vertical Wall. J. Hydrol.2015, 525, 1–12. [Google Scholar] [CrossRef]
Liu, H.; Liu, H.J.; Guo, L.H.; Lu, S.X. Experimental Study on the Dam-Break Hydrographs at the Gate Location. J. Ocean Univ. China2017, 16, 697–702. [Google Scholar] [CrossRef]
Marra, D.; Earl, T.; Ancey, C. Experimental Investigations of Dam Break Flows down an Inclined Channel. In Proceedings of the 34th World Congress of the International Association for Hydro- Environment Research and Engineering: 33rd Hydrology and Water Resources Symposium and 10th Conference on Hydraulics in Water Engineering, Brisbane, Australia, 26 June–1 July 2011. [Google Scholar]
Wang, J.; Liang, D.F.; Zhang, J.X.; Xiao, Y. Comparison between shallow water and Boussinesq models for predicting cascading dam-break flows. Nat. Hazards2016, 83, 327–343. [Google Scholar] [CrossRef]
Yang, C.; Lin, B.L.; Jiang, C.B.; Liu, Y. Predicting near-field dam-break flow and impact force using a 3D model. J. Hydraul. Res.2010, 48, 784–792. [Google Scholar] [CrossRef]
Spillways are constructed to evacuate flood discharge safely so that a flood wave does not overtop the dam body. There are different types of spillways, with the ogee type being the conventional one. A stepped spillway is an example of a nonconventional spillway. The turbulent flow over a stepped spillway was studied numerically by using the Flow-3D package. Different fluid flow characteristics such as longitudinal flow velocity, temperature distribution, density and chemical concentration can be well simulated by Flow-3D. In this study, the influence of slope changes on flow characteristics such as air entrainment, velocity distribution and dynamic pressures distribution over a stepped spillway was modelled by Flow-3D. The results from the numerical model were compared with an experimental study done by others in the literature. Two models of a stepped spillway with different discharge for each model were simulated. The turbulent flow in the experimental model was simulated by the Renormalized Group (RNG) turbulence scheme in the numerical model. A good agreement was achieved between the numerical results and the observed ones, which are exhibited in terms of graphics and statistical tables.
배수로는 홍수가 댐 몸체 위로 넘치지 않도록 안전하게 홍수를 피할 수 있도록 건설되었습니다. 다른 유형의 배수로가 있으며, ogee 유형이 기존 유형입니다. 계단식 배수로는 비 전통적인 배수로의 예입니다. 계단식 배수로 위의 난류는 Flow-3D 패키지를 사용하여 수치적으로 연구되었습니다.
세로 유속, 온도 분포, 밀도 및 화학 농도와 같은 다양한 유체 흐름 특성은 Flow-3D로 잘 시뮬레이션 할 수 있습니다. 이 연구에서는 계단식 배수로에 대한 공기 혼입, 속도 분포 및 동적 압력 분포와 같은 유동 특성에 대한 경사 변화의 영향을 Flow-3D로 모델링 했습니다.
수치 모델의 결과는 문헌에서 다른 사람들이 수행한 실험 연구와 비교되었습니다. 각 모델에 대해 서로 다른 배출이 있는 계단식 배수로의 두 모델이 시뮬레이션되었습니다. 실험 모델의 난류 흐름은 수치 모델의 Renormalized Group (RNG) 난류 계획에 의해 시뮬레이션되었습니다. 수치 결과와 관찰 된 결과 사이에 좋은 일치가 이루어졌으며, 이는 그래픽 및 통계 테이블로 표시됩니다.
댐 구조는 물 보호가 생활의 핵심이기 때문에 물을 저장하거나 물을 운반하는 전 세계에서 가장 중요한 프로젝트입니다. 그리고 여수로는 댐의 가장 중요한 부분 중 하나로 분류됩니다. 홍수로 인한 파괴 나 피해로부터 댐을 보호하기 위해 여수로가 건설됩니다.
수력 발전, 항해, 레크리에이션 및 어업의 중요성을 감안할 때 댐 건설 및 홍수 통제는 전 세계적으로 매우 중요한 문제로 간주 될 수 있습니다. 많은 유형의 배수로가 있지만 가장 일반적인 유형은 다음과 같습니다 : ogee 배수로, 자유 낙하 배수로, 사이펀 배수로, 슈트 배수로, 측면 채널 배수로, 터널 배수로, 샤프트 배수로 및 계단식 배수로.
그리고 모든 여수로는 입구 채널, 제어 구조, 배출 캐리어 및 출구 채널의 네 가지 필수 구성 요소로 구성됩니다. 특히 롤러 압축 콘크리트 (RCC) 댐 건설 기술과 더 쉽고 빠르며 저렴한 건설 기술로 분류 된 계단식 배수로 건설과 관련하여 최근 수십 년 동안 많은 계단식 배수로가 건설되었습니다 (Chanson 2002; Felder & Chanson 2011).
계단식 배수로 구조는 캐비테이션 위험을 감소시키는 에너지 소산 속도를 증가시킵니다 (Boes & Hager 2003b). 계단식 배수로는 다양한 조건에서 더 매력적으로 만드는 장점이 있습니다.
계단식 배수로의 흐름 거동은 일반적으로 낮잠, 천이 및 스키밍 흐름 체제의 세 가지 다른 영역으로 분류됩니다 (Chanson 2002). 유속이 낮을 때 nappe 흐름 체제가 발생하고 자유 낙하하는 낮잠의 시퀀스로 특징 지워지는 반면, 스키밍 흐름 체제에서는 물이 외부 계단 가장자리 위의 유사 바닥에서 일관된 흐름으로 계단 위로 흐릅니다.
또한 주요 흐름에서 3 차원 재순환 소용돌이가 발생한다는 것도 분명합니다 (예 : Chanson 2002; Gonzalez & Chanson 2008). 계단 가장자리 근처의 의사 바닥에서 흐름의 방향은 가상 바닥과 가상으로 정렬됩니다. Takahashi & Ohtsu (2012)에 따르면, 스키밍 흐름 체제에서 주어진 유속에 대해 흐름은 계단 가장자리 근처의 수평 계단면에 영향을 미치고 슈트 경사가 감소하면 충돌 영역의 면적이 증가합니다. 전이 흐름 체제는 나페 흐름과 스키밍 흐름 체제 사이에서 발생합니다. 계단식 배수로를 설계 할 때 스키밍 흐름 체계를 고려해야합니다 (예 : Chanson 1994, Matos 2000, Chanson 2002, Boes & Hager 2003a).
CFD (Computational Fluid Dynamics), 즉 수력 공학의 수치 모델은 일반적으로 물리적 모델에 소요되는 총 비용과 시간을 줄여줍니다. 따라서 수치 모델은 실험 모델보다 빠르고 저렴한 것으로 분류되며 동시에 하나 이상의 목적으로 사용될 수도 있습니다. 사용 가능한 많은 CFD 소프트웨어 패키지가 있지만 가장 널리 사용되는 것은 FLOW-3D입니다. 이 연구에서는 Flow 3D 소프트웨어를 사용하여 유량이 서로 다른 두 모델에 대해 계단식 배수로에서 공기 농도, 속도 분포 및 동적 압력 분포를 시뮬레이션합니다.
Roshan et al. (2010)은 서로 다른 수의 계단 및 배출을 가진 계단식 배수로의 두 가지 물리적 모델에 대한 흐름 체제 및 에너지 소산 조사를 연구했습니다. 실험 모델의 기울기는 각각 19.2 %, 12 단계와 23 단계의 수입니다. 결과는 23 단계 물리적 모델에서 관찰 된 흐름 영역이 12 단계 모델보다 더 수용 가능한 것으로 간주되었음을 보여줍니다. 그러나 12 단계 모델의 에너지 손실은 23 단계 모델보다 더 많았습니다. 그리고 실험은 스키밍 흐름 체제에서 23 단계 모델의 에너지 소산이 12 단계 모델보다 약 12 % 더 적다는 것을 관찰했습니다.
Ghaderi et al. (2020a)는 계단 크기와 유속이 다른 정련 매개 변수의 영향을 조사하기 위해 계단식 배수로에 대한 실험 연구를 수행했습니다. 그 결과, 흐름 체계가 냅페 흐름 체계에서 발생하는 최소 scouring 깊이와 같은 scouring 구멍 치수에 영향을 미친다는 것을 보여주었습니다. 또한 테일 워터 깊이와 계단 크기는 최대 scouring깊이에 대한 실제 매개 변수입니다. 테일 워터의 깊이를 6.31cm에서 8.54 및 11.82cm로 늘림으로써 수세 깊이가 각각 18.56 % 및 11.42 % 증가했습니다. 또한 이 증가하는 테일 워터 깊이는 scouring 길이를 각각 31.43 % 및 16.55 % 감소 시킵니다. 또한 유속을 높이면 Froude 수가 증가하고 흐름의 운동량이 증가하면 scouring이 촉진됩니다. 또한 결과는 중간의 scouring이 횡단면의 측벽보다 적다는 것을 나타냅니다. 계단식 배수로 하류의 최대 scouring 깊이를 예측 한 후 실험 결과와 비교하기 위한 실험식이 제안 되었습니다. 그리고 비교 결과 제안 된 공식은 각각 3.86 %와 9.31 %의 상대 오차와 최대 오차 내에서 scouring 깊이를 예측할 수 있음을 보여주었습니다.
Ghaderi et al. (2020b)는 사다리꼴 미로 모양 (TLS) 단계의 수치 조사를 했습니다. 결과는 이러한 유형의 배수로가 확대 비율 LT / Wt (LT는 총 가장자리 길이, Wt는 배수로의 폭)를 증가시키기 때문에 더 나은 성능을 갖는 것으로 관찰되었습니다. 또한 사다리꼴 미로 모양의 계단식 배수로는 더 큰 마찰 계수와 더 낮은 잔류 수두를 가지고 있습니다. 마찰 계수는 다양한 배율에 대해 0.79에서 1.33까지 다르며 평평한 계단식 배수로의 경우 대략 0.66과 같습니다. 또한 TLS 계단식 배수로에서 잔류 수두의 비율 (Hres / dc)은 약 2.89이고 평평한 계단식 배수로의 경우 약 4.32와 같습니다.
Shahheydari et al. (2015)는 Flow-3D 소프트웨어, RNG k-ε 모델 및 VOF (Volume of Fluid) 방법을 사용하여 배출 계수 및 에너지 소산과 같은 자유 표면 흐름의 프로파일을 연구하여 스키밍 흐름 체제에서 계단식 배수로에 대한 흐름을 조사했습니다. 실험 결과와 비교했습니다. 결과는 에너지 소산 율과 방전 계수율의 관계가 역으로 실험 모델의 결과와 잘 일치 함을 보여 주었다.
Mohammad Rezapour Tabari & Tavakoli (2016)는 계단 높이 (h), 계단 길이 (L), 계단 수 (Ns) 및 단위 폭의 방전 (q)과 같은 다양한 매개 변수가 계단식 에너지 소산에 미치는 영향을 조사했습니다. 방수로. 그들은 해석에 FLOW-3D 소프트웨어를 사용하여 계단식 배수로에서 에너지 손실과 임계 흐름 깊이 사이의 관계를 평가했습니다. 또한 유동 난류에 사용되는 방정식과 표준 k-ɛ 모델을 풀기 위해 유한 체적 방법을 적용했습니다. 결과에 따르면 스텝 수가 증가하고 유량 배출량이 증가하면 에너지 손실이 감소합니다. 얻은 결과를 다른 연구와 비교하고 경험적, 수학적 조사를 수행하여 결국 합격 가능한 결과를 얻었습니다.
METHODOLOGY
ListenReadSpeaker webReader: ListenFor all numerical models the basic principle is very similar: a set of partial differential equations (PDE) present the physical problems. The flow of fluids (gas and liquid) are governed by the conservation laws of mass, momentum and energy. For Computational Fluid Dynamics (CFD), the PDE system is substituted by a set of algebraic equations which can be worked out by using numerical methods (Versteeg & Malalasekera 2007). Flow-3D uses the finite volume approach to solve the Reynolds Averaged Navier-Stokes (RANS) equation, by applying the technique of Fractional Area/Volume Obstacle Representation (FAVOR) to define an obstacle (Flow Science Inc. 2012). Equations (1) and (2) are RANS and continuity equations with FAVOR variables that are applied for incompressible flows.
(1)
(2)where is the velocity in xi direction, t is the time, is the fractional area open to flow in the subscript directions, is the volume fraction of fluid in each cell, p is the hydrostatic pressure, is the density, is the gravitational force in subscript directions and is the Reynolds stresses.
Turbulence modelling is one of three key elements in CFD (Gunal 1996). There are many types of turbulence models, but the most common are Zero-equation models, One-equation models, Two-equation models, Reynolds Stress/Flux models and Algebraic Stress/Flux models. In FLOW-3D software, five turbulence models are available. The formulation used in the FLOW-3D software differs slightly from other formulations that includes the influence of the fractional areas/volumes of the FAVORTM method and generalizes the turbulence production (or decay) associated with buoyancy forces. The latter generalization, for example, includes buoyancy effects associated with non-inertial accelerations.
The available turbulence models in Flow-3D software are the Prandtl Mixing Length Model, the One-Equation Turbulent Energy Model, the Two-Equation Standard Model, the Two-Equation Renormalization-Group (RNG) Model and large Eddy Simulation Model (Flow Science Inc. 2012).In this research the RNG model was selected because this model is more commonly used than other models in dealing with particles; moreover, it is more accurate to work with air entrainment and other particles. In general, the RNG model is classified as a more widely-used application than the standard k-ɛ model. And in particular, the RNG model is more accurate in flows that have strong shear regions than the standard k-ɛ model and it is defined to describe low intensity turbulent flows. For the turbulent dissipation it solves an additional transport equation:
(3)where CDIS1, CDIS2, and CDIS3 are dimensionless parameters and the user can modify them. The diffusion of dissipation, Diff ɛ, is
(4)where u, v and w are the x, y and z coordinates of the fluid velocity; , , and , are FLOW-3D’s FAVORTM defined terms; and are turbulence due to shearing and buoyancy effects, respectively. R and are related to the cylindrical coordinate system. The default values of RMTKE, CDIS1 and CNU differ, being 1.39, 1.42 and 0.085 respectively. And CDIS2 is calculated from turbulent production () and turbulent kinetic energy ().The kinematic turbulent viscosity is the same in all turbulence transport models and is calculated from
(5)where : is the turbulent kinematic viscosity. is defined as the numerical challenge between the RNG and the two-equation k-ɛ models, found in the equation below. To avoid an unphysically large result for in Equation (3), since this equation could produce a value for very close to zero and also because the physical value of may approach to zero in such cases, the value of is calculated from the following equation:
(6)where : the turbulent length scale.
VOF and FAVOR are classifications of volume-fraction methods. In these two methods, firstly the area should be subdivided into a control volume grid or a small element. Each flow parameter like velocity, temperature and pressure values within the element are computed for each element containing liquids. Generally, these values represent the volumetric average of values in the elements.Numerous methods have been used recently to solve free infinite boundaries in the various numerical simulations. VOF is an easy and powerful method created based on the concept of a fractional intensity of fluid. A significant number of studies have confirmed that this method is more flexible and efficient than others dealing with the configurations of a complex free boundary. By using VOF technology the Flow-3D free surface was modelled and first declared in Hirt & Nichols (1981). In the VOF method there are three ingredients: a planner to define the surface, an algorithm for tracking the surface as a net mediator moving over a computational grid, and application of the boundary conditions to the surface. Configurations of the fluids are defined in terms of VOF function, F (x, y, z, t) (Hirt & Nichols 1981). And this VOF function shows the volume of flow per unit volume
(7)
(8)
(9)where is the density of the fluid, is a turbulent diffusion term, is a mass source, is the fractional volume open to flow. The components of velocity (u, v, w) are in the direction of coordinates (x, y, z) or (r, ). in the x-direction is the fractional area open to flow, and are identical area fractions for flow in the y and z directions. The R coefficient is based on the selection of the coordinate system.
The FAVOR method is a different method and uses another volume fraction technique, which is only used to define the geometry, such as the volume of liquid in each cell used to determine the position of fluid surfaces. Another fractional volume can be used to define the solid surface. Then, this information is used to determine the boundary conditions of the wall that the flow should be adapted for.
In this study, the experimental results of Ostad Mirza (2016) was simulated. In a channel composed of two 4 m long modules, with a transparent sidewall of height 0.6 m and 0.5 m width. The upstream chute slope (i.e. pseudo-bottom angle) Ɵ1 = 50°, the downstream chute slope Ɵ2 = 30° or 18.6°, the step heights h = 0.06 m, the total number of steps along the 50° chute 41 steps, the total number of steps along the 30° chute 34 steps and the total number of steps along the 18.6° chute 20 steps.
The flume inflow tool contained a jetbox with a maximum opening set to 0.12 meters, designed for passing the maximum unit discharge of 0.48 m2/s. The measurements of the flow properties (i.e. air concentration and velocity) were computed perpendicular to the pseudo-bottom as shown in Figure 1 at the centre of twenty stream-wise cross-sections, along the stepped chute, (i.e. in five steps up on the slope change and fifteen steps down on the slope change, namely from step number −09 to +23 on 50°–30° slope change, or from −09 to +15 on 50°–18.6° slope change, respectively).
Sketch of the air concentration C and velocity V measured perpendicular to the pseudo-bottom used by Mirza (Ostad Mirza 2016).
Sketch of the air concentration C and velocity V measured perpendicular to the pseudo-bottom used by Mirza (Ostad Mirza 2016).
Pressure sensors were arranged with the x/l values for different slope change as shown in Table 1, where x is the distance from the step edge, along the horizontal step face, and l is the length of the horizontal step face. The location of pressure sensors is shown in Table 1.Table 1
Location of pressure sensors on horizontal step faces
Θ(°)
L(m)
x/l (–)
50.0
0.050
0.35
0.64
–
–
–
30.0
0.104
0.17
0.50
0.84
–
–
18.6
0.178
0.10
0.30
0.50
0.7
0.88
Location of pressure sensors on horizontal step faces
Inlet boundary condition for Q = 0.235 m3/s and fluid elevation 4.21834 m.
Inlet boundary condition for Q = 0.235 m3/s and fluid elevation 4.21834 m.
A 3D numerical model of hydraulic phenomena was simulated based on an experimental study by Ostad Mirza (2016). The water surcharge and flow pressure over the stepped spillway was computed for two models of a stepped spillway with different discharge for each model. In this study, the package was used to simulate the flow parameters such as air entrainment, velocity distribution and dynamic pressures. The solver uses the finite volume technique to discretize the computational domain. In every test run, one incompressible fluid flow with a free surface flow selected at 20̊ was used for this simulation model. Table 2 shows the variables used in test runs.Table 2
Variables used in test runs
Test no.
Θ1 (°)
Θ2 (°)
h(m)
d0
q (m3s−1)
dc/h (–)
1
50
18.6
0.06
0.045
0.1
2.6
2
50
18.6
0.06
0.082
0.235
4.6
3
50
30.0
0.06
0.045
0.1
2.6
4
50
30.0
0.06
0.082
0.235
4.6
Table 2 Variables used in test runs
For stepped spillway simulation, several parameters should be specified to get accurate simulations, which is the scope of this research. Viscosity and turbulent, gravity and non-inertial reference frame, air entrainment, density evaluation and drift-flux should be activated for these simulations. There are five different choices in the ‘viscosity and turbulent’ option, in the viscosity flow and Renormalized Group (RNG) model. Then a dynamical model is selected as the second option, the ‘gravity and non-inertial reference frame’. Only the z-component was inputted as a negative 9.81 m/s2 and this value represents gravitational acceleration but in the same option the x and y components will be zero. Air entrainment is selected. Finally, in the drift-flux model, the density of phase one is input as (water) 1,000 kg/m3 and the density of phase two (air) as 1.225 kg/m3. Minimum volume fraction of phase one is input equal to 0.1 and maximum volume fraction of phase two to 1 to allow air concentration to reach 90%, then the option allowing gas to escape at free surface is selected, to obtain closer simulation.
The flow domain is divided into small regions relatively by the mesh in Flow-3D numerical model. Cells are the smallest part of the mesh, in which flow characteristics such as air concentration, velocity and dynamic pressure are calculated. The accuracy of the results and simulation time depends directly on the mesh block size so the cell size is very important. Orthogonal mesh was used in cartesian coordinate systems. A smaller cell size provides more accuracy for results, so we reduced the number of cells whilst including enough accuracy. In this study, the size of cells in x, y and z directions was selected as 0.015 m after several trials.
Figure 3 shows the 3D computational domain model 50–18.6 slope change, that is 6.0 m length, 0.50 m width and 4.23 m height. The 3D model of the computational domain model 50–30 slope changes this to 6.0 m length, 0.50 m width and 5.068 m height and the size of meshes in x, y, and z directions are 0.015 m. For the 50–18.6 slope change model: both total number of active and passive cells = 4,009,952, total number of active cells = 3,352,307, include real cells (used for solving the flow equations) = 3,316,269, open real cells = 3,316,269, fully blocked real cells equal to zero, external boundary cells were 36,038, inter-block boundary cells = 0 (Flow-3D report). For 50–30 slope change model: both total number of active and passive cells = 4,760,002, total number of active cells equal to 4,272,109, including real cells (used for solving the flow equations) were 3,990,878, open real cells = 3,990,878 fully blocked real cells = zero, external boundary cells were 281,231, inter-block boundary cells = 0 (Flow-3D report).
Figure3 The 3D computational domain model (50–18.6) slope change, and boundary condition for (50–30 slope change) model.
The 3D computational domain model (50–18.6) slope change, and boundary condition for (50–30 slope change) model.
When solving the Navier-Stokes equation and continuous equations, boundary conditions should be applied. The most important work of boundary conditions is to create flow conditions similar to physical status. The Flow-3D software has many types of boundary condition; each type can be used for the specific condition of the models. The boundary conditions in Flow-3D are symmetry, continuative, specific pressure, grid overlay, wave, wall, periodic, specific velocity, outflow, and volume flow rate.
There are two options to input finite flow rate in the Flow-3D software either for inlet discharge of the system or for the outlet discharge of the domain: specified velocity and volume flow rate. In this research, the X-minimum boundary condition, volume flow rate, has been chosen. For X-maximum boundary condition, outflow was selected because there is nothing to be calculated at the end of the flume. The volume flow rate and the elevation of surface water was set for Q = 0.1 and 0.235 m3/s respectively (Figure 2).
The bottom (Z-min) is prepared as a wall boundary condition and the top (Z-max) is computed as a pressure boundary condition, and for both (Y-min) and (Y-max) as symmetry.
The air concentration distribution profiles in two models of stepped spillway were obtained at an acquisition time equal to 25 seconds in skimming flow for both upstream and downstream of a slope change 50°–18.6° and 50°–30° for different discharge as in Table 2, and as shown in Figure 4 for 50°–18.6° slope change and Figure 5 for 50°–30° slope change configuration for dc/h = 4.6. The simulation results of the air concentration are very close to the experimental results in all curves and fairly close to that predicted by the advection-diffusion model for the air bubbles suggested by Chanson (1997) on a constant sloping chute.
Figure 4
Experimental and simulated air concentration distribution for steps number −5, +1, +5, +8, +11 and +15 along the 50°–18.6° slope change for dc/h = 4.6.
VIEW LARGEDOWNLOAD SLIDE
Experimental and simulated air concentration distribution for steps number −5, +1, +5, +8, +11 and +15 along the 50°–18.6° slope change for dc/h = 4.6.
Experimental and simulated air concentration distribution for steps number −5, +1, +5, +8, +11 and +15 along the 50°–18.6° slope change for dc/h = 4.6.
Figure5 Experimental and simulated air concentration distribution for steps number −5, +1, +5, +11, +19 and +22 along the 50°–30° slope change, for dc/h = 4.6.
Experimental and simulated air concentration distribution for steps number −5, +1, +5, +11, +19 and +22 along the 50°–30° slope change, for dc/h = 4.6.
Figure 6 Experimental and simulated dimensionless velocity distribution for steps number −5, −1, +1, +5, +8, +11 and +15 along the 50°–18.6° slope change for dc/h = 2.6.
Experimental and simulated dimensionless velocity distribution for steps number −5, −1, +1, +5, +8, +11 and +15 along the 50°–18.6° slope change for dc/h = 2.6.
Figure 7 Experimental and simulated dimensionless velocity distribution for steps number −5, −1, +1, +5. +11, +15 and +22 along the 50°–30° slope change for dc/h = 2.6.
Experimental and simulated dimensionless velocity distribution for steps number −5, −1, +1, +5. +11, +15 and +22 along the 50°–30° slope change for dc/h = 2.6.
But as is shown in all above mentioned figures it is clear that at the pseudo-bottom the CFD results of air concentration are less than experimental ones until the depth of water reaches a quarter of the total depth of water. Also the direction of the curves are parallel to each other when going up towards the surface water and are incorporated approximately near the surface water. For all curves, the cross-section is separate between upstream and downstream steps. Therefore the (-) sign for steps represents a step upstream of the slope change cross-section and the (+) sign represents a step downstream of the slope change cross-section.
The dimensionless velocity distribution (V/V90) profile was acquired at an acquisition time equal to 25 seconds in skimming flow of the upstream and downstream slope change for both 50°–18.6° and 50°–30° slope change. The simulation results are compared with the experimental ones showing that for all curves there is close similarity for each point between the observed and experimental results. The curves increase parallel to each other and they merge near at the surface water as shown in Figure 6 for slope change 50°–18.6° configuration and Figure 7 for slope change 50°–30° configuration. However, at step numbers +1 and +5 in Figure 7 there are few differences between the simulated and observed results, namely the simulation curves ascend regularly meaning the velocity increases regularly from the pseudo-bottom up to the surface water.
Figure 8 (50°–18.6° slope change) and Figure 9 (50°–30° slope change) compare the simulation results and the experimental results for the presented dimensionless dynamic pressure distribution for different points on the stepped spillway. The results show a good agreement with the experimental and numerical simulations in all curves. For some points, few discrepancies can be noted in pressure magnitudes between the simulated and the observed ones, but they are in the acceptable range. Although the experimental data do not completely agree with the simulated results, there is an overall agreement.
Figure 8 Comparison between simulated and experimental results for the dimensionless pressure for steps number −1, −2, −3 and +1, +2 +3 and +20 on the horizontal step faces of 50°–18.6° slope change configuration, for dc/h = 4.6, x is the distance from the step edge.
Comparison between simulated and experimental results for the dimensionless pressure for steps number −1, −2, −3 and +1, +2 +3 and +20 on the horizontal step faces of 50°–18.6° slope change configuration, for dc/h = 4.6, x is the distance from the step edge.
Figure 9 Comparison between simulated and experimental results for the dimensionless pressure for steps number −1, −2, −3 and +1, +2 and +30, +31 on the horizontal step face of 50°–30° slope change configuration, for dc/h = 4.6, x is the distance from the step edge.
Comparison between simulated and experimental results for the dimensionless pressure for steps number −1, −2, −3 and +1, +2 and +30, +31 on the horizontal step face of 50°–30° slope change configuration, for dc/h = 4.6, x is the distance from the step edge.
The pressure profiles were acquired at an acquisition time equal to 70 seconds in skimming flow on 50°–18.6°, where p is the measured dynamic pressure, h is step height and ϒ is water specific weight. A negative sign for steps represents a step upstream of the slope change cross-section and a positive sign represents a step downstream of the slope change cross-section.
Figure 10 shows the experimental streamwise development of dimensionless pressure on the 50°–18.6° slope change for dc/h = 4.6, x/l = 0.35 on 50° sloping chute and x/l = 0.3 on 18.6° sloping chute compared with the numerical simulation. It is obvious from Figure 10 that the streamwise development of dimensionless pressure before slope change (steps number −1, −2 and −3) both of the experimental and simulated results are close to each other. However, it is clear that there is a little difference between the results of the streamwise development of dimensionless pressure at step numbers +1, +2 and +3. Moreover, from step number +3 to the end, the curves get close to each other.
Figure 10 Comparison between experimental and simulated results for the streamwise development of the dimensionless pressure on the 50°–18.6° slope change, for dc/h = 4.6, and x/l = 0.35 on 50° sloping chute and x/l = 0.3 on 18.6° sloping chute.
Comparison between experimental and simulated results for the streamwise development of the dimensionless pressure on the 50°–18.6° slope change, for dc/h = 4.6, and x/l = 0.35 on 50° sloping chute and x/l = 0.3 on 18.6° sloping chute.
Figure 11 compares the experimental and the numerical results for the streamwise development of the dimensionless pressure on the 50°–30° slope change, for dc/h = 4.6, and x/l = 0.35 on 50° sloping chute and x/l = 0.17 on 30° sloping chute. It is apparent that the outcomes of the experimental work are close to the numerical results, however, the results of the simulation are above the experimental ones before the slope change, but the results of the simulation descend below the experimental ones after the slope change till the end.
Figure 11 Comparison between experimental and simulated results for the streamwise development of the dimensionless pressure on the 50°–30° slope change, for dc/h = 4.6, and x/l = 0.35 on 50° sloping chute and x/l = 0.17 on 30° sloping chute.
Comparison between experimental and simulated results for the streamwise development of the dimensionless pressure on the 50°–30° slope change, for dc/h = 4.6, and x/l = 0.35 on 50° sloping chute and x/l = 0.17 on 30° sloping chute.
In this research, numerical modelling was attempted to investigate the effect of abrupt slope change on the flow properties (air entrainment, velocity distribution and dynamic pressure) over a stepped spillway with two different models and various flow rates in a skimming flow regime by using the CFD technique. The numerical model was verified and compared with the experimental results of Ostad Mirza (2016). The same domain of the numerical model was inputted as in experimental models to reduce errors as much as possible.
Flow-3D is a well modelled tool that deals with particles. In this research, the model deals well with air entrainment particles by observing their results with experimental results. And the reason for the small difference between the numerical and the experimental results is that the program deals with particles more accurately than the laboratory. In general, both numerical and experimental results showed that near to the slope change the flow bulking, air entrainment, velocity distribution and dynamic pressure are greatly affected by abrupt slope change on the steps. Although the extent of the slope change was relatively small, the influence of the slope change was major on flow characteristics.
The Renormalized Group (RNG) model was selected as a turbulence solver. For 3D modelling, orthogonal mesh was used as a computational domain and the mesh grid size used for X, Y, and Z direction was equal to 0.015 m. In CFD modelling, air concentration and velocity distribution were recorded for a period of 25 seconds, but dynamic pressure was recorded for a period of 70 seconds. The results showed that there is a good agreement between the numerical and the physical models. So, it can be concluded that the proposed CFD model is very suitable for use in simulating and analysing the design of hydraulic structures.
이 연구에서 수치 모델링은 두 가지 다른 모델과 다양한 유속을 사용하여 스키밍 흐름 영역에서 계단식 배수로에 대한 유동 특성 (공기 혼입, 속도 분포 및 동적 압력)에 대한 급격한 경사 변화의 영향을 조사하기 위해 시도되었습니다. CFD 기술. 수치 모델을 검증하여 Ostad Mirza (2016)의 실험 결과와 비교 하였다. 오차를 최대한 줄이기 위해 실험 모형과 동일한 수치 모형을 입력 하였다.
Flow-3D는 파티클을 다루는 잘 모델링 된 도구입니다. 이 연구에서 모델은 실험 결과를 통해 결과를 관찰하여 공기 혼입 입자를 잘 처리합니다. 그리고 수치와 실험 결과의 차이가 작은 이유는 프로그램이 실험실보다 입자를 더 정확하게 다루기 때문입니다. 일반적으로 수치 및 실험 결과는 경사에 가까워지면 유동 벌킹, 공기 혼입, 속도 분포 및 동적 압력이 계단의 급격한 경사 변화에 크게 영향을받는 것으로 나타났습니다. 사면 변화의 정도는 상대적으로 작았지만 사면 변화의 영향은 유동 특성에 큰 영향을 미쳤다.
Renormalized Group (RNG) 모델이 난류 솔버로 선택되었습니다. 3D 모델링의 경우 계산 영역으로 직교 메쉬가 사용되었으며 X, Y, Z 방향에 사용 된 메쉬 그리드 크기는 0.015m입니다. CFD 모델링에서 공기 농도와 속도 분포는 25 초 동안 기록되었지만 동적 압력은 70 초 동안 기록되었습니다. 결과는 수치 모델과 물리적 모델간에 좋은 일치가 있음을 보여줍니다. 따라서 제안 된 CFD 모델은 수력 구조물의 설계 시뮬레이션 및 해석에 매우 적합하다는 결론을 내릴 수 있습니다.
Author Svoboda, Jiří Contributors Jandora, Jan (advisor); Holomek, Petr (referee)
Abstract
이 학위 논문의 주제는 Boskovice 상수도의 안전 배수로에서 유량 수치 모델링 솔루션입니다. 디플로마 논문의 소개에서는 기본 오버플로를 일반적으로 설명하고 모양과 유형에 따라 구분합니다. 수역에 사용되는 안전 배수로도 있습니다. 그 다음에는 오버 플로우 계산에 대한 설명, 수학적 모델링 및 사용 된 난류 모델에 대한 설명이 이어집니다. 또한이 작업은 Boskovice 상수도에 대한 기술적 설명, AutoCAD 2020 소프트웨어의 안전 배수로, 경사 및 미끄러짐의 가상 3D 모델 생성, Blender 소프트웨어에서의 검사 및 수리를 다룹니다. 결론적으로 Flow-3D 소프트웨어의 흐름 수치 모델링 결과와 토목 공학부 유압 공학과에서 수행 된 유압 모델 연구와의 후속 비교가 제시됩니다.
The goal of the diploma thesis is the numerical modelling of flow in planned spillway of the Boskovice dam. In the introduction of this diploma thesis are described and divided basic spillways according to their types and profiles. There are also mentioned emergency spillways. Then the thesis introduces the description of calculation of overflow quantity, the description of mathematic modelling and used turbulent models. The next part is concerned with the technical description of the Boskovice dam, the creation of virtual 3D model of spillway and spillway chute in the AutoCAD 2020 software and concerned with the control and revision of model in the Blender software. In the end of the thesis are mentioned results of numeric modelling of flow gained from the Flow-3D software and the comparison of results with the research of hydraulic model implemented at Water structures institute of Faculty of Civil Engineering of BUT.
상수도 (VD)는 인구에게 식수 공급, 홍수 방지, 발전 등과 같은 긍정적 인 효과만 있는 것이 아닙니다. 안타깝게도 물 작업, 특히 더 많은 양의 물이 남아있는 작업도 중요한 위협 요소가 될 수 있습니다. 수술 중에 자연의 힘이나 심지어 인적 요인의 실패로 인해 사고가 발생할 수 있습니다. 흐름의 수치 모델링을 위해 안전 배수로를 선택한 VD Boskovice의 경우,이 작업은 1 차 범주에 포함됩니다.
이론적 사고는 극도로 높은 경제적 피해를 입히고 환경에 피해를 줄 수 있으며 국가 규모에 사회적 영향을 미치고 큰 인명 손실을 초래할 수 있습니다. 가설적인 사고는 여러 가지 이유로 발생할 수 있습니다. 예를 들어, 홍수가 극심한 동안의 배수로에서 배수로의 마루가 넘쳐 댐의 공기 경사면이 표면 침식으로 이어지고 이후 배수로가 파열 될 수 있습니다.
이러한 사고를 방지하기 위해 VD에 안전 유출 구조물을 구축하고 있으며, 유출이 넘치지 않도록 관련 VD 범주에 해당하는 충분한 용량이 있어야 합니다. 안타깝게도 VD 운영의 역사에서 안전 배수로에 충분한 용량이 없었고 극심한 홍수 흐름 중에 댐이 유출되고 VD 댐이 파열되는 경우가 있습니다. 이러한 이유로 안전 배수로를 설계하는 것은 비용과 시간이 많이 드는 프로세스입니다.
설계 중에는 설계 홍수파 (NPV) 및 제어 홍수파 (KPV)를 안전하게 전달하기 위해 충분한 용량이 사용됩니다. 적절한 설계를 확인하기 위해 안전 배수로의 흐름 모델링이 사용되며, 여기서 물리적 모델이 일반적으로 사용되며 실험실에서 축소 된 규모로 생성됩니다. 수년 동안 컴퓨터 기술 사용 가능성이 증가함에 따라 다양한 소프트웨어에서 수치 모델링을 사용하여 CFD (유체 흐름 시뮬레이션)를 사용하여 안전 배수로의 흐름을 모델링하여 재정 비용을 크게 줄일 수 있었습니다.
<중략>………….
Figure 1: Basic type of sharp-edged overflow (Bazin’s overflow) [1]Figure 3: Overflow with a wide crown [1]Figure 4: Schematic longitudinal section of shaft overflow [14]Figure 5: Overflow over overflow of general cross-section [1]Figure 6: Imperfect overflow [1]Figure 7: Types of overflows according to floor plan [1]Figure 8: Lateral contraction and lateral constriction coefficient of pillars [1]Figure 9: Schematic comparison of a pressureless jet surface with a pressure and vacuum surface [22]Figure 14: Situation of external relations of VD Boskovice [17]Figure 15: Air slope of VD Boskovice [24]Figure 16: Guide slope of VD Boskovice [24]Figure 17: Sampling tower of VD Boskovice [24]Figure 18: Fountain front safety spillway [24]Figure 19: Sliding of the security object VD Boskovice [24]Figure 20: Slip and divergent broth of the security object VD Boskovice [24]Figure 21: Probable course of the theoretical PV10 000 in Bělá in the profile of the VD Boskovice dam [6]Figure 22: Floor plan of the safety spillway and part of the VD Boskovice slip [12]Figure 23: Longitudinal section of BP and slope in the plane of symmetry [12]Figure 24: Modified floor plan of the overflow and chute of VD Boskovice for the creation of a 3D modelFigure 25: Created overflow structure without modificationFigure 26: Created overflow structure after treatmentFigure 27: Detail of the modified overflow shapeFigure 33: 3D model with normals shown in blueFigure 37: Improperly selected mesh block sizeFigure 45: Flow profile in Flow-3D without 3D model displayedFigure 47: The course of the level on the physical model [22]Figure 51: Comparison of levels in PFm4aFigure 52: Isoline of overflow pressures at flow Q = 173.49 m3/s
결론
이 학위 논문에서는 Flow-3D 소프트웨어에서 Boskovice 상수도의 계획된 안전 오버플로 흐름을 시뮬레이션했습니다. 계획된 안전 범람의 범람 가장자리 길이는 21.99m입니다. 그러나 VD Boskovice의 재건 내에서 VD Boskovice [7]의 수력 학적 모델 연구 결과에 따라 안전 개체 VD Boskovice [7]의 결론에 따라 24.60m로 증가했습니다.
MBH 수준 (해발 432.30m)에서는 최고 유량 Q10 000 = 186.5 m3 / s로 제어 홍수 파 KPV10 000의 안전한 전송이 없지만 유량 Q = 167.0 m3 / s 만 있기 때문에 에스. 이 진술은 Flow-3D에서 난류 RNG k – ε 모델을 사용한 수치 적 흐름 모델링에 의해 확인되었으며 MBH에서 173.49 m3 / s의 유속을보고했습니다.
따라서 수력학적 모델 연구 [7]와 Flow3D의 수치 적 흐름 모델링 간의 차이는 약 3.7 % 였는데, 이는 물리적 모델의 형상 또는 생성 된 형상의 가능한 오류와 같은 다양한 요인으로 인한 것일 수 있습니다. 가상 3D 모델. 또한 실제 모델에서 측정하는 동안 발생할 수 있는 오류 (예 : 오버플로 높이 또는 흐름 값을 결정할 때의 장치 오류). 수치 모델의 경우 차이는 사용 된 셀 네트워크 셀 크기, 거칠기, 전류 폭기의 무시, 수치 적 방법에 의해 주어진 불확실성 또는 3D 모델의 단순화로 인한 것일 수 있습니다.
이러한 요소는 Flow-3D 소프트웨어에서 시뮬레이션 된 레벨의 과정에 영향을 미칠 수 있습니다. 일부 영역에서는 유압 모델 연구 [7]의 현재 깊이와 센티미터 단위 만 다릅니다. 그러나 일부 영역에서는 이러한 차이가 수십 센티미터 정도, 예외적으로 1m 측벽에서 더 두드러지며 이는 Flow-3D 소프트웨어의 유동 시뮬레이션에서는 발생하지 않았습니다.
Flow-3D의 흐름에 의한 수치 모델링에 따르면, Q10 000 = 186.5 m3 / s의 피크 흐름을 가진 제어 홍수 파 KPV10 000은 해발 432.40 m의 탱크 레벨에서만 안전 오버플로를 통해 전송됩니다. 즉, MBH 레벨보다 10cm 높음. 이 계산은 오버플로 가장자리 21.99m의 너비에 대해 수행되었지만 이미 재구성 된 안전 오버플로 VD Boskovice의 너비는 24.60m입니다.
이전 평가에서 생성 된 항목에 수치 모델링 만 사용하는 것이 완전히 신뢰할 수있는 것은 아님이 분명합니다. 민감도 분석 및 물리적 모델에 대한 수리적 연구와의 후속 비교가 없는 가상 3D 모델. 그러나 향후 몇 년 동안 물리적 모델로 평가할 필요 없이 수치 적 흐름 모델링의 결과가 충분히 신뢰할 수 있다면 실험실에서 수행되는 더 많은 비용이 드는 수력학적 모델 연구를 점진적으로 대체 할 수 있습니다.
Reference
[1] JANDORA, Jan a Jan ŠULC. Hydraulika: Modul 01. Brno: AKADEMICKÉ NAKLADATELSTVÍ CERM, 2007. ISBN 978-80-7204-512-9. [2] BOOR, B., J. KUNŠTÁTSKÝ a C. PATOČKA. Hydraulika pro vodohospodářské stavby. Praha: SNTL, 1968. ISBN 04-710-68. [3] STARA, Vlastimil a Helena KOUTKOVÁ. 3. Vodohospodářská konference s mezinárodní účastí: Součinitel přepadu přelivu s kruhově zaoblenou korunou z fyzikálních experimentů. Brno, 2003. ISBN 80-86433-26-9. [4] ŘÍHA, Jaromír. Hydrotechnické stavby II: Modul 01 Přehrady. Studijní opora. FAST VUT v Brně 2006. [5] JANDORA, Jan. Matematické modelování ve vodním hospodářství. VUT v Brně, 2008. [6] KŘÍŽ, Tomáš. Manipulační řád pro vodní dílo Boskovice na toku Bělá v km 7,400. Brno, 2020. [7] ŠULC, Jan a Michal ŽOUŽELA. Hydraulický modelový výzkum bezpečnostního objektu VD Boskovice na ÚVS Stavební fakulty VUT v Brně. Výzkumná zpráva, LVV-ÚVSFAST VUT v Brně, 2013 [8] Autodesk® AutoCAD® 2020 [Počítačový software]. (2019). https://www.autodesk.cz/ [9] Blender v2.90 [Počítačový software]. (2020). https://www.blender.org/ [10] FLOW-3D® verze 11.0.4 [Počítačový software]. (2015). Santa Fe, NM: Flow Science, Inc. https://www.flow3d.com [11] Why FLOW-3D? Flow-3D [online]. [cit. 2020-11-03]. Dostupné z: https://www.flow3d.com/products/flow-3d/why-flow-3d/ [12] Podklady poskytnuté Ing. Petrem Holomkem (Povodí Moravy, s. p.) [13] CHANSON, H. a J.S. MONTES. Journal of Irrigation and Drainage Engineering: Overflow Characteristics of Circular Weirs: Effcets of Inflow Conditions. 3. Reston: The American Society of Civil Engineers, 1998. ISBN 0733-9437. [14] KRATOCHVÍL, Jiří, Miloš JANDA a Vlastimil STARA. Projektování přehrad: Komplexní projekt HT. Brno: Vysoké učení technické v Brně, 1988. [15] STUDNIČKA, Tomáš. Matematické modelování odlehčovacích komor na stokových sítích. Brno, 2013. Disertační práce. Vysoké učení technické v Brně, Fakulta stavební. Vedoucí práce Ing. Petr Prax, Ph.D. [16] ŘÍHA, Jaromír. Hydraulika podzemních vod: Modul 01. Studijní opora. FAST VUT v Brně 2006.
DNA 프린팅 통합 멀티플렉서 드라이버 Microelectronic Mechanical System Head (IDMH) 및 Microfluidic Flow Estimation
by Jian-Chiun Liou 1,*,Chih-Wei Peng 1,Philippe Basset 2 andZhen-Xi Chen 11School of Biomedical Engineering, Taipei Medical University, Taipei 11031, Taiwan2ESYCOM, Université Gustave Eiffel, CNRS, CNAM, ESIEE Paris, F-77454 Marne-la-Vallée, France*Author to whom correspondence should be addressed.
Abstract
The system designed in this study involves a three-dimensional (3D) microelectronic mechanical system chip structure using DNA printing technology. We employed diverse diameters and cavity thickness for the heater. DNA beads were placed in this rapid array, and the spray flow rate was assessed. Because DNA cannot be obtained easily, rapidly deploying DNA while estimating the total amount of DNA being sprayed is imperative. DNA printings were collected in a multiplexer driver microelectronic mechanical system head, and microflow estimation was conducted. Flow-3D was used to simulate the internal flow field and flow distribution of the 3D spray room. The simulation was used to calculate the time and pressure required to generate heat bubbles as well as the corresponding mean outlet speed of the fluid. The “outlet speed status” function in Flow-3D was used as a power source for simulating the ejection of fluid by the chip nozzle. The actual chip generation process was measured, and the starting voltage curve was analyzed. Finally, experiments on flow rate were conducted, and the results were discussed. The density of the injection nozzle was 50, the size of the heater was 105 μm × 105 μm, and the size of the injection nozzle hole was 80 μm. The maximum flow rate was limited to approximately 3.5 cc. The maximum flow rate per minute required a power between 3.5 W and 4.5 W. The number of injection nozzles was multiplied by 100. On chips with enlarged injection nozzle density, experiments were conducted under a fixed driving voltage of 25 V. The flow curve obtained from various pulse widths and operating frequencies was observed. The operating frequency was 2 KHz, and the pulse width was 4 μs. At a pulse width of 5 μs and within the power range of 4.3–5.7 W, the monomer was injected at a flow rate of 5.5 cc/min. The results of this study may be applied to estimate the flow rate and the total amount of the ejection liquid of a DNA liquid.
이 연구에서 설계된 시스템은 DNA 프린팅 기술을 사용하는 3 차원 (3D) 마이크로 전자 기계 시스템 칩 구조를 포함합니다. 히터에는 다양한 직경과 캐비티 두께를 사용했습니다. DNA 비드를 빠른 어레이에 배치하고 스프레이 유속을 평가했습니다.
DNA를 쉽게 얻을 수 없기 때문에 DNA를 빠르게 배치하면서 스프레이 되는 총 DNA 양을 추정하는 것이 필수적입니다. DNA 프린팅은 멀티플렉서 드라이버 마이크로 전자 기계 시스템 헤드에 수집되었고 마이크로 플로우 추정이 수행되었습니다.
Flow-3D는 3D 스프레이 룸의 내부 유동장과 유동 분포를 시뮬레이션 하는데 사용되었습니다. 시뮬레이션은 열 거품을 생성하는데 필요한 시간과 압력뿐만 아니라 유체의 해당 평균 출구 속도를 계산하는데 사용되었습니다.
Flow-3D의 “출구 속도 상태”기능은 칩 노즐에 의한 유체 배출 시뮬레이션을 위한 전원으로 사용되었습니다. 실제 칩 생성 프로세스를 측정하고 시작 전압 곡선을 분석했습니다. 마지막으로 유속 실험을 하고 그 결과를 논의했습니다. 분사 노즐의 밀도는 50, 히터의 크기는 105μm × 105μm, 분사 노즐 구멍의 크기는 80μm였다. 최대 유량은 약 3.5cc로 제한되었습니다. 분당 최대 유량은 3.5W에서 4.5W 사이의 전력이 필요했습니다. 분사 노즐의 수에 100을 곱했습니다. 분사 노즐 밀도가 확대 된 칩에 대해 25V의 고정 구동 전압에서 실험을 수행했습니다. 얻은 유동 곡선 다양한 펄스 폭과 작동 주파수에서 관찰되었습니다. 작동 주파수는 2KHz이고 펄스 폭은 4μs입니다. 5μs의 펄스 폭과 4.3–5.7W의 전력 범위 내에서 단량체는 5.5cc / min의 유속으로 주입되었습니다. 이 연구의 결과는 DNA 액체의 토 출액의 유량과 총량을 추정하는 데 적용될 수 있습니다.
잉크젯 프린트 헤드 기술은 매우 중요하며, 잉크젯 기술의 거대한 발전은 주로 잉크젯 프린트 헤드 기술의 원리 개발에서 시작되었습니다. 잉크젯 인쇄 연구를 위한 대규모 액적 생성기 포함 [ 1 , 2 , 3 , 4 , 5 , 6 , 7 , 8]. 연속 식 잉크젯 시스템은 고주파 응답과 고속 인쇄의 장점이 있습니다. 그러나이 방법의 잉크젯 프린트 헤드의 구조는 더 복잡하고 양산이 어려운 가압 장치, 대전 전극, 편향 전계가 필요하다. 주문형 잉크젯 시스템의 잉크젯 프린트 헤드는 구조가 간단하고 잉크젯 헤드의 다중 노즐을 쉽게 구현할 수 있으며 디지털화 및 색상 지정이 쉽고 이미지 품질은 비교적 좋지만 일반적인 잉크 방울 토출 속도는 낮음 [ 9 , 10 , 11 ].
핫 버블 잉크젯 헤드의 총 노즐 수는 수백 또는 수천에 달할 수 있습니다. 노즐은 매우 미세하여 풍부한 조화 색상과 부드러운 메쉬 톤을 생성할 수 있습니다. 잉크 카트리지와 노즐이 일체형 구조를 이루고 있으며, 잉크 카트리지 교체시 잉크젯 헤드가 동시에 업데이트되므로 노즐 막힘에 대한 걱정은 없지만 소모품 낭비가 발생하고 상대적으로 높음 비용. 주문형 잉크젯 기술은 배출해야 하는 그래픽 및 텍스트 부분에만 잉크 방울을 배출하고 빈 영역에는 잉크 방울이 배출되지 않습니다. 이 분사 방법은 잉크 방울을 충전할 필요가 없으며 전극 및 편향 전기장을 충전할 필요도 없습니다. 노즐 구조가 간단하고 노즐의 멀티 노즐 구현이 용이하며, 출력 품질이 더욱 개선되었습니다. 펄스 제어를 통해 디지털화가 쉽습니다. 그러나 잉크 방울의 토출 속도는 일반적으로 낮습니다. 열 거품 잉크젯, 압전 잉크젯 및 정전기 잉크젯의 세 가지 일반적인 유형이 있습니다. 물론 다른 유형이 있습니다.
압전 잉크젯 기술의 실현 원리는 인쇄 헤드의 노즐 근처에 많은 소형 압전 세라믹을 배치하면 압전 크리스탈이 전기장의 작용으로 변형됩니다. 잉크 캐비티에서 돌출되어 노즐에서 분사되는 패턴 데이터 신호는 압전 크리스탈의 변형을 제어한 다음 잉크 분사량을 제어합니다. 압전 MEMS 프린트 헤드를 사용한 주문형 드롭 하이브리드 인쇄 [ 12]. 열 거품 잉크젯 기술의 실현 원리는 가열 펄스 (기록 신호)의 작용으로 노즐의 발열체 온도가 상승하여 근처의 잉크 용매가 증발하여 많은 수의 핵 형성 작은 거품을 생성하는 것입니다. 내부 거품의 부피는 계속 증가합니다. 일정 수준에 도달하면 생성된 압력으로 인해 잉크가 노즐에서 분사되고 최종적으로 기판 표면에 도달하여 패턴 정보가 재생됩니다 [ 13 , 14 , 15 , 16 , 17 , 18 ].
“3D 제품 프린팅”및 “증분 빠른 제조”의 의미는 진화했으며 모든 증분 제품 제조 기술을 나타냅니다. 이는 이전 제작과는 다른 의미를 가지고 있지만, 자동 제어 하에 소재를 쌓아 올리는 3D 작업 제작 과정의 공통적 인 특징을 여전히 반영하고 있습니다 [ 19 , 20 , 21 , 22 , 23 , 24 ].
이 개발 시스템은 열 거품 분사 기술입니다. 이 빠른 어레이에 DNA 비드를 배치하고 스프레이 유속을 평가하기 위해 다른 히터 직경과 캐비티 두께를 설계하는 것입니다. DNA 제트 칩의 부스트 회로 시스템은 큰 흐름을 구동하기위한 신호 소스입니다. 목적은 분사되는 DNA 용액의 양과 출력을 조정하는 것입니다. 입력 전압을 더 높은 출력 전압으로 변환해야 하는 경우 부스트 컨버터가 유일한 선택입니다. 부스트 컨버터는 내부 금속 산화물 반도체 전계 효과 트랜지스터 (MOSFET)를 통해 전압을 충전하여 부스트 출력의 목적을 달성하고, MOSFET이 꺼지면 인덕터는 부하 정류를 통해 방전됩니다.
인덕터의 충전과 방전 사이의 변환 프로세스는 인덕터를 통한 전압의 방향을 반대로 한 다음 점차적으로 입력 작동 전압보다 높은 전압을 증가시킵니다. MOSFET의 스위칭 듀티 사이클은 확실히 부스트 비율을 결정합니다. MOSFET의 정격 전류와 부스트 컨버터의 부스트 비율은 부스트 컨버터의 부하 전류의 상한을 결정합니다. MOSFET의 정격 전압은 출력 전압의 상한을 결정합니다. 일부 부스트 컨버터는 정류기와 MOSFET을 통합하여 동기식 정류를 제공합니다. 통합 MOSFET은 정확한 제로 전류 턴 오프를 달성하여 부스트 변압기를 보다 효율적으로 만듭니다. 최대 전력 점 추적 장치를 통해 입력 전력을 실시간으로 모니터링합니다. 입력 전압이 최대 입력 전력 지점에 도달하면 부스트 컨버터가 작동하기 시작하여 부스트 컨버터가 최대 전력 출력 지점으로 유리 기판에 DNA 인쇄를 하는 데 적합합니다. 일정한 온 타임 생성 회로를 통해 온 타임이 온도 및 칩의 코너 각도에 영향을 받지 않아 시스템의 안정성이 향상됩니다.
잉크젯 프린트 헤드에 사용되는 기술은 매우 중요합니다. 잉크젯 기술의 엄청난 발전은 주로 잉크젯 프린팅에 사용되는 대형 액적 이젝터 [ 1 , 2 , 3 , 4 , 5 , 6 , 7 , 8 ]를 포함하여 잉크젯 프린트 헤드 기술의 이론 개발에서 시작되었습니다 . 연속 잉크젯 시스템은 고주파 응답과 고속 인쇄의 장점을 가지고 있습니다. 잉크젯 헤드의 총 노즐 수는 수백 또는 수천에 달할 수 있으며 이러한 노즐은 매우 복잡합니다. 노즐은 풍부하고 조화로운 색상과 부드러운 메쉬 톤을 생성할 수 있습니다 [ 9 , 10 ,11 ]. 잉크젯은 열 거품 잉크젯, 압전 잉크젯 및 정전 식 잉크젯의 세 가지 주요 유형으로 분류할 수 있습니다. 다른 유형도 사용 중입니다. 압전 잉크젯의 기능은 다음과 같습니다. 많은 소형 압전 세라믹이 잉크젯 헤드 노즐 근처에 배치됩니다. 압전 결정은 전기장 아래에서 변형됩니다. 그 후, 잉크는 잉크 캐비티에서 압착되어 노즐에서 배출됩니다. 패턴의 데이터 신호는 압전 결정의 변형을 제어한 다음 분사되는 잉크의 양을 제어합니다. 압전 마이크로 전자 기계 시스템 (MEMS) 잉크젯 헤드는 하이브리드 인쇄에 사용됩니다. [ 12]. 열 버블 잉크젯 기술은 다음과 같이 작동합니다. 가열 펄스 (즉, 기록 신호) 하에서 노즐의 가열 구성 요소의 온도가 상승하여 근처의 잉크 용매를 증발시켜 많은 양의 작은 핵 기포를 생성합니다. 내부 기포의 부피가 지속적으로 증가합니다. 압력이 일정 수준에 도달하면 노즐에서 잉크가 분출되고 잉크가 기판 표면에 도달하여 패턴과 메시지가 표시됩니다 [ 13 , 14 , 15 , 16 , 17 , 18 ].
3 차원 (3D) 제품 프린팅 및 빠른 프로토 타입 기술의 발전에는 모든 빠른 프로토 타입의 생산 기술이 포함됩니다. 래피드 프로토 타입 기술은 기존 생산 방식과는 다르지만 3D 제품 프린팅 생산 과정의 일부 특성을 공유합니다. 구체적으로 자동 제어 [ 19 , 20 , 21 , 22 , 23 , 24 ] 하에서 자재를 쌓아 올립니다 .
이 연구에서 개발된 시스템은 열 기포 방출 기술을 사용했습니다. 이 빠른 어레이에 DNA 비드를 배치하기 위해 히터에 대해 다른 직경과 다른 공동 두께가 사용되었습니다. 그 후, 스프레이 유속을 평가했다. DNA 제트 칩의 부스트 회로 시스템은 큰 흐름을 구동하기위한 신호 소스입니다. 목표는 분사되는 DNA 액체의 양과 출력을 조정하는 것입니다. 입력 전압을 더 높은 출력 전압으로 수정해야하는 경우 승압 컨버터가 유일한 옵션입니다. 승압 컨버터는 내부 금속 산화물 반도체 전계 효과 트랜지스터 (MOSFET)를 충전하여 출력 전압을 증가시킵니다. MOSFET이 꺼지면 부하 정류를 통해 인덕턴스가 방전됩니다. 충전과 방전 사이에서 인덕터를 변경하는 과정은 인덕터를 통과하는 전압의 방향을 변경합니다. 전압은 입력 작동 전압을 초과하는 지점까지 점차적으로 증가합니다. MOSFET 스위치의 듀티 사이클은 부스트 비율을 결정합니다. MOSFET의 승압 컨버터의 정격 전류와 부스트 비율은 승압 컨버터의 부하 전류의 상한을 결정합니다. MOSFET의 정격 전류는 출력 전압의 상한을 결정합니다. 일부 승압 컨버터는 정류기와 MOSFET을 통합하여 동기식 정류를 제공합니다. 통합 MOSFET은 정밀한 제로 전류 셧다운을 실현할 수 있으므로 셋업 컨버터의 효율성을 높일 수 있습니다. 최대 전력 점 추적 장치는 입력 전력을 실시간으로 모니터링하는 데 사용되었습니다. 입력 전압이 최대 입력 전력 지점에 도달하면 승압 컨버터가 작동을 시작합니다. 스텝 업 컨버터는 DNA 프린팅을 위한 최대 전력 출력 포인트가 있는 유리 기판에 사용됩니다.
MEMS Chip Design for Bubble Jet
이 연구는 히터 크기, 히터 번호 및 루프 저항과 같은 특정 매개 변수를 조작하여 5 가지 유형의 액체 배출 챔버 구조를 설계했습니다. 표 1 은 측정 결과를 나열합니다. 이 시스템은 다양한 히터의 루프 저항을 분석했습니다. 100 개 히터 설계를 완료하기 위해 2 세트의 히터를 사용하여 각 단일 회로 시리즈를 통과하기 때문에 100 개의 히터를 설계할 때 총 루프 저항은 히터 50 개의 총 루프 저항보다 하나 더 커야 합니다. 이 연구에서 MEMS 칩에서 기포를 배출하는 과정에서 저항 층의 면저항은 29 Ω / m 2입니다. 따라서 모델 A의 총 루프 저항이 가장 컸습니다. 일반 사이즈 모델 (모델 B1, C, D, E)의 두 배였습니다. 모델 B1, C, D 및 E의 총 루프 저항은 약 29 Ω / m 2 입니다. 표 1 에 따르면 오류 범위는 허용된 설계 값 이내였습니다. 따라서야 연구에서 설계된 각 유형의 단일 칩은 동일한 생산 절차 결과를 가지며 후속 유량 측정에 사용되었습니다.
Table 1. List of resistance measurement of single circuit resistance.
DNA를 뿌린 칩의 파워가 정상으로 확인되면 히터 버블의 성장 특성을 테스트하고 검증했습니다. DNA 스프레이 칩의 필름 두께와 필름 품질은 히터의 작동 조건과 스프레이 품질에 영향을 줍니다. 따라서 기포 성장 현상과 그 성장 특성을 이해하면 본 연구에서 DNA 스프레이 칩의 특성과 작동 조건을 명확히 하는 데 도움이 됩니다.
설계된 시스템은 기포 성장 조건을 관찰하기 위해 개방형 액체 공급 방법을 채택했습니다. 이미지 관찰을 위해 발광 다이오드 (LED, Nichia NSPW500GS-K1, 3.1V 백색 LED 5mm)를 사용하는 동기식 플래시 방식을 사용하여 동기식 지연 광원을 생성했습니다. 이 시스템은 또한 전하 결합 장치 (CCD, Flir Grasshopper3 GigE GS3-PGE-50S5C-C)를 사용하여 이미지를 캡처했습니다. 그림 1핵 형성, 성장, 거품 생성에서 소산에 이르는 거품의 과정을 보여줍니다. 이 시스템은 기포의 성장 및 소산 과정을 확인하여 시작 전압을 관찰하는 데 사용할 수 있습니다. 마이크로 채널의 액체 공급 방법은 LED가 깜빡이는 시간을 가장 큰 기포 발생에 필요한 시간 (15μs)으로 설정했습니다. 이 디자인은 부적합한 깜박임 시간으로 인한 잘못된 판단과 거품 이미지 캡처 불가능을 방지합니다.
Figure 1. The system uses CCD to capture images.
<내용 중략>…….
Table 2. Open pool test starting voltage results.Figure 2. Serial input parallel output shift registers forms of connection.Figure 3. The geometry of the jet cavity. (a) The actual DNA liquid chamber, (b) the three-dimensional view of the microfluidic single channel. A single-channel jet cavity with 60 μm diameter and 50 μm thickness, with an operating frequency of 5 KHz, in (a) three-dimensional side view (b) X-Z two-dimensional cross-sectional view, at 10, 20, 30, 40 and 200 μs injection conditions.Figure 4. Calculate and simulate the injection of water in a single-channel injection chamber with a nozzle diameter of 60 μm and a thickness of 50 μm, at an operating frequency of 5 KHz, in the X-Y two-dimensional cross-sectional view, at 10, 20, 30, 40 and 200 μs.Figure 5 depicts the calculation results of the 2D X-Z cross section. At 100 μs and 200 μs, the fluid injection orifice did not completely fill the chamber. This may be because the size of the single-channel injection cavity was unsuitable for the highest operating frequency of 10 KHz. Thus, subsequent calculation simulations employed 5 KHz as the reference operating frequency. The calculation simulation results were calculated according to the operating frequency of the impact. Figure 6 illustrates the injection cavity height as 60 μm and 30 μm and reveals the 2D X-Y cross section. At 100 μs and 200 μs, the fluid injection orifice did not completely fill the chamber. In those stages, the fluid was still filling the chamber, and the flow field was not yet stable.Figure 6. Calculate and simulate water in a single-channel spray chamber with a spray hole diameter of 60 μm and a thickness of 50 μm, with an operating frequency of 10 KHz, in an XY cross-sectional view, at 10, 20, 30, 40, 100, 110, 120, 130, 140 and 200 μs injection situation.Figure 7. The DNA printing integrated multiplexer driver MEMS head (IDMH).Figure 8. The initial voltage diagrams of chip number A,B,C,D,E type.Figure 9. The initial energy diagrams of chip number A,B,C,D,E type.Figure 10. A Type-Sample01 flow test.Figure 11. A Type-Sample01 drop volume.Figure 12. A Type-Sample01 flow rate.Figure 13. B1-00 flow test.Figure 14. C Type-01 flow test.Figure 15. D Type-02 flow test.Figure 16. E1 type flow test.Figure 17. E1 type ejection rate relationship.
Conclusions
이 연구는 DNA 프린팅 IDMH를 제공하고 미세 유체 흐름 추정을 수행했습니다. 설계된 DNA 스프레이 캐비티와 20V의 구동 전압에서 다양한 펄스 폭의 유동 성능이 펄스 폭에 따라 증가하는 것으로 밝혀졌습니다.
E1 유형 유량 테스트는 해당 유량이 3.1cc / min으로 증가함에 따라 유량이 전력 변화에 영향을 받는 것으로 나타났습니다. 동력이 증가함에 따라 유량은 0.75cc / min에서 3.5cc / min으로 최대 6.5W까지 증가했습니다. 동력이 더 증가하면 유량은 에너지와 함께 증가하지 않습니다. 이것은 이 테이블 디자인이 가장 크다는 것을 보여줍니다. 유속은 3.5cc / 분이었다. 작동 주파수가 2KHz이고 펄스 폭이 4μs 및 5μs 인 특수 설계된 DNA 스프레이 룸 구조에서 다양한 전력 조건 하에서 유량 변화를 관찰했습니다. 4.3–5.87 W의 출력 범위 내에서 주입 된 모노머의 유속은 5.5cc / 분이었습니다. 이것은 힘이 증가해도 변하지 않았습니다. DNA는 귀중하고 쉽게 얻을 수 없습니다. 이 실험을 통해 우리는 DNA가 뿌려진 마이크로 어레이 바이오칩의 수천 개의 지점에 필요한 총 DNA 양을 정확하게 추정 할 수 있습니다.
<내용 중략>…….
References
Pydar, O.; Paredes, C.; Hwang, Y.; Paz, J.; Shah, N.; Candler, R. Characterization of 3D-printed microfluidic chip interconnects with integrated O-rings. Sens. Actuators Phys.2014, 205, 199–203. [Google Scholar] [CrossRef]
Ohtani, K.; Tsuchiya, M.; Sugiyama, H.; Katakura, T.; Hayakawa, M.; Kanai, T. Surface treatment of flow channels in microfluidic devices fabricated by stereolitography. J. Oleo Sci.2014, 63, 93–96. [Google Scholar] [CrossRef]
Castrejn-Pita, J.R.; Martin, G.D.; Hoath, S.D.; Hutchings, I.M. A simple large-scale droplet generator for studies of inkjet printing. Rev. Sci. Instrum.2008, 79, 075108. [Google Scholar] [CrossRef] [PubMed]
Asai, A. Application of the nucleation theory to the design of bubble jet printers. Jpn. J. Appl. Phys. Regul. Rap. Short Notes1989, 28, 909–915. [Google Scholar] [CrossRef]
Aoyama, R.; Seki, M.; Hong, J.W.; Fujii, T.; Endo, I. Novel Liquid Injection Method with Wedge-shaped Microchannel on a PDMS Microchip System for Diagnostic Analyses. In Transducers’ 01 Eurosensors XV; Springer: Berlin, Germany, 2001; pp. 1204–1207. [Google Scholar]
Xu, B.; Zhang, Y.; Xia, H.; Dong, W.; Ding, H.; Sun, H. Fabrication and multifunction integration of microfluidic chips by femtosecond laser direct writing. Lab Chip2013, 13, 1677–1690. [Google Scholar] [CrossRef] [PubMed]
Nayve, R.; Fujii, M.; Fukugawa, A.; Takeuchi, T.; Murata, M.; Yamada, Y. High-Resolution long-array thermal ink jet printhead fabricated by anisotropic wet etching and deep Si RIE. J. Microelectromech. Syst.2004, 13, 814–821. [Google Scholar] [CrossRef]
O’Connor, J.; Punch, J.; Jeffers, N.; Stafford, J. A dimensional comparison between embedded 3D: Printed and silicon microchannesl. J. Phys. Conf. Ser.2014, 525, 012009. [Google Scholar] [CrossRef]
Fang, Y.J.; Lee, J.I.; Wang, C.H.; Chung, C.K.; Ting, J. Modification of heater and bubble clamping behavior in off-shooting inkjet ejector. In Proceedings of the IEEE Sensors, Irvine, CA, USA, 30 October–3 November 2005; pp. 97–100. [Google Scholar]
Lee, W.; Kwon, D.; Choi, W.; Jung, G.; Jeon, S. 3D-Printed microfluidic device for the detection of pathogenic bacteria using size-based separation in helical channel with trapezoid cross-section. Sci. Rep.2015, 5, 7717. [Google Scholar] [CrossRef] [PubMed]
Shin, D.Y.; Smith, P.J. Theoretical investigation of the influence of nozzle diameter variation on the fabrication of thin film transistor liquid crystal display color filters. J. Appl. Phys.2008, 103, 114905-1–114905-11. [Google Scholar] [CrossRef]
Kim, Y.; Kim, S.; Hwang, J.; Kim, Y. Drop-on-Demand hybrid printing using piezoelectric MEMS printhead at various waveforms, high voltages and jetting frequencies. J. Micromech. Microeng.2013, 23, 8. [Google Scholar] [CrossRef]
Shin, S.J.; Kuka, K.; Shin, J.W.; Lee, C.S.; Oha, Y.S.; Park, S.O. Thermal design modifications to improve firing frequency of back shooting inkjet printhead. Sens. Actuators Phys.2004, 114, 387–391. [Google Scholar] [CrossRef]
Rose, D. Microfluidic Technologies and Instrumentation for Printing DNA Microarrays. In Microarray Biochip Technology; Eaton Publishing: Norwalk, CT, USA, 2000; p. 35. [Google Scholar]
Wu, D.; Wu, S.; Xu, J.; Niu, L.; Midorikawa, K.; Sugioka, K. Hybrid femtosecond laser microfabrication to achieve true 3D glass/polymer composite biochips with multiscale features and high performance: The concept of ship-in-abottle biochip. Laser Photon. Rev.2014, 8, 458–467. [Google Scholar] [CrossRef]
McIlroy, C.; Harlen, O.; Morrison, N. Modelling the jetting of dilute polymer solutions in drop-on-demand inkjet printing. J. Non Newton. Fluid Mech.2013, 201, 17–28. [Google Scholar] [CrossRef]
Anderson, K.; Lockwood, S.; Martin, R.; Spence, D. A 3D printed fluidic device that enables integrated features. Anal. Chem.2013, 85, 5622–5626. [Google Scholar] [CrossRef] [PubMed]
Avedisian, C.T.; Osborne, W.S.; McLeod, F.D.; Curley, C.M. Measuring bubble nucleation temperature on the surface of a rapidly heated thermal ink-jet heater immersed in a pool of water. Proc. R. Soc. A Lond. Math. Phys. Sci.1999, 455, 3875–3899. [Google Scholar] [CrossRef]
Lim, J.H.; Kuk, K.; Shin, S.J.; Baek, S.S.; Kim, Y.J.; Shin, J.W.; Oh, Y.S. Failure mechanisms in thermal inkjet printhead analyzed by experiments and numerical simulation. Microelectron. Reliab.2005, 45, 473–478. [Google Scholar] [CrossRef]
Shallan, A.; Semjkal, P.; Corban, M.; Gujit, R.; Breadmore, M. Cost-Effective 3D printing of visibly transparent microchips within minutes. Anal. Chem.2014, 86, 3124–3130. [Google Scholar] [CrossRef] [PubMed]
Cavicchi, R.E.; Avedisian, C.T. Bubble nucleation and growth anomaly for a hydrophilic microheater attributed to metastable nanobubbles. Phys. Rev. Lett.2007, 98, 124501. [Google Scholar] [CrossRef] [PubMed]
Kamei, K.; Mashimo, Y.; Koyama, Y.; Fockenberg, C.; Nakashima, M.; Nakajima, M.; Li, J.; Chen, Y. 3D printing of soft lithography mold for rapid production of polydimethylsiloxane-based microfluidic devices for cell stimulation with concentration gradients. Biomed. Microdevices2015, 17, 36. [Google Scholar] [CrossRef] [PubMed]
Shin, S.J.; Kuka, K.; Shin, J.W.; Lee, C.S.; Oha, Y.S.; Park, S.O. Firing frequency improvement of back shooting inkjet printhead by thermal management. In Proceedings of the TRANSDUCERS’03. 12th International Conference on Solid-State Sensors.Actuators and Microsystems. Digest of Technical Papers (Cat. No.03TH8664), Boston, MA, USA, 8–12 June 2003; Volume 1, pp. 380–383. [Google Scholar]
Laio, X.; Song, J.; Li, E.; Luo, Y.; Shen, Y.; Chen, D.; Chen, Y.; Xu, Z.; Sugoioka, K.; Midorikawa, K. Rapid prototyping of 3D microfluidic mixers in glass by femtosecond laser direct writing. Lab Chip2012, 12, 746–749. [Google Scholar] [CrossRef] [PubMed]
Numerical Simulation Test of Scour around Offshore Jacket Structure using FLOW-3D
J Korean Soc Coast Ocean Eng. 2015;27(6):373-381Publication date (electronic) : 2015 December 31doi : https://doi.org/10.9765/KSCOE.2015.27.6.373Dong Hui Ko*, Shin Taek Jeong,**, Nam Sun Oh****Hae Poong Engineering Inc.**Department of Civil and Environmental Engineering, Wonkwang University***Ocean·Plant Construction Engineering, Mokpo Maritime National University 고동휘*, 정신택,**, 오남선***
*(주)해풍기술**원광대학교 토목환경공학과***목포해양대학교 해양·플랜트건설공학과
Abstract
해상풍력 기기, 해상 플랫폼과 같은 구조물이 해상에서 빈번하게 설치되면서 세굴에 관한 영향도 중요시되고 있다. 이러한 세굴 영향을 검토하기 위해 세굴 수치모의 실험을 수행한다. 일반적으로 수치모의 조건은 일방향 흐름에 대해서만 검토가 이뤄지고 있으며 서해안과 같은 왕복성 조류 흐름에 대해서는 검토되지 않는다. 본 연구에서는 서해안에 설치된 HeMOSU-1호 해상 자켓구조물 주변에서 발생하는 세굴 현상을 FLOW-3D를 이용하여 수치모의하였다. 해석 조건으로는 일방향 흐름과 조석현상을 고려한 왕복성 흐름을 고려하였으며, 이를 현장 관측값과 비교하였다. 10,000초 동안의 수치모의 결과, 일방향의 흐름 조건에서는 1.32 m의 최대 세굴심이 발생하였으며, 양방향 흐름 조건에서는 1.44 m의 최대 세굴심이 발생하였다. 한편, 현장 관측값의 경우 약 1.5~2.0 m의 세굴심이 발생하여 양방향의 흐름에 대한 해석 결과와 근사한 값을 보였다.
As offshore structures such as offshore wind and offshore platforms have been installed frequently in ocean, scour effects are considered important. To test the scour effect, numerical simulation of scour has been carried out. However, the test was usually conducted under the uni-directional flow without bi-directional current flow in western sea of Korea. Thus, in this paper, numerical simulations of scour around offshore jacket substructure of HeMOSU-1 installed in western sea of Korea are conducted using FLOW-3D. The conditions are uni-directional and bi-directional flow considering tidal current. And these results are compared to measured data. The analysis results for 10,000 sec show that under uni-directional conditions, maximum scour depth was about 1.32 m and under bi-directional conditions, about 1.44 m maximum scour depth occurred around the structure. Meanwhile, about 1.5~2.0 m scour depths occurred in field observation and the result of field test is similar to result under bi-directional conditions.
1. 서 론
최근 해상풍력기기, 해상플랫폼과 같은 해상구조물 설치가 빈번해지면서 해상구조물의 안정성을 저하시키는 요인에 대한 대응 연구가 필요하다. 특히 해상에서의 구조물 설치는 육상과 달리 수력학적 하중이 작용하게 되기 때문에 파랑에 의한 구조물과의 진동, 세굴 현상에 대하여 철저한 사전 검토가 요구된다. 특히, 해상 기초에서 발생하는 세굴은 조류 및 파랑 등 유체 흐름과 구조물 사이의 상호작용으로 인해 해저 입자가 유실되는 현상으로 정의할 수 있으며 해상 외력 조건에 포함되어 설계시 고려하도록 제안하고 있다(IEC, 2009).구조물을 해상에 설치하게 되면 구조물이 흐름을 방해하는 장애요인으로 작용하여 구조물 주위에 부분적으로 더 빠른 유속이 발생하게 된다. 이러한 유속 변화는 압력 분포 변화에 기인하게 되어 해양구조물 주위에 아래로 흐르는 유속(downflow), 말굽형 와류(horseshoe vortex) 그리고 후류 와류(wake vortex)가 나타난다. 결국, 유속과 흐름의 변화를 야기하고 하상전단응력과 유사이동 능력을 증가시켜 해저 입자를 유실시키며 구조물의 안정성을 위협하는 요인으로 작용하게 된다. 이러한 세굴 현상이 계속 진행되면 해상풍력 지지구조물 기초의 지지력이 감소하게 될 뿐만 아니라 지지면의 유실로 상부반력 작용에 편심을 유발하여 기초의 전도를 초래한다. 또한 세굴에 의한 기초의 부등 침하가 크게 발생하면 상부 해상풍력 지지구조물에 보다 큰 단면력이 작용하므로 세굴에 의한 붕괴가 발생할 수 있다. 이처럼 세굴은 기초지지구조물을 붕괴하고, 침하와 얕은 기초의 변형을 초래하며, 구조물의 동적 성능을 변화시키기 때문에 설계 및 시공 유지관리시 사전에 세굴심도 산정, 세굴 완화 대책 등을 고려하여야 한다.또한 각종 설계 기준서에서는 세굴에 대해 다양하게 제시하고 있다. IEC(2009), ABS(2013), BSH(2007), MMAF(2005)에서는 세굴에 대한 영향을 검토할 것을 주문하지만 심도 산정 등 세굴에 대한 구체적인 내용은 언급하지 않고 전반적인 내용만 수록하고 있다. 그러나 DNV(2010), CEM(2006)에서는 경험 공식을 이용한 세굴 심도 산정 등 구체적인 내용을 광범위하게 수록하고 있어 세굴에 대한 영향 검토시 활용가능하다. 그 외의 기준서에서는 수치 모델 등을 통한 세굴 검토를 주문하고 있어 사용자들이 직접 판단하도록 제안하고 있다.그러나 세굴은 유속, 수심, 구조물 폭, 형상, 해저입자 등에 의해 결정되기 때문에 세굴의 영향 정도를 정확하게 예측하기란 쉽지 않지만 수리 모형 실험 또는 CFD(Computational Fluid Dynamics)를 이용한 수치 해석을 통해 지반 침식 및 퇴적으로 인한 지형변화를 예측할 수 있다. 한편, 침식과 퇴적 등 구조물 설치로 인한 해저 지형 변화를 예측하는 모델은 다양하지만, 본 연구에서는 Flowscience의 3차원 유동해석모델인 Flow-3D 모델을 사용하였다.해상 구조물은 목적에 따라 비교적 수심이 낮은 지역에 설치가 용이하다. 국내의 경우, 서남해안과 같이 비교적 연안역이 넓고 수심이 낮은 지역에 구조물을 설치하는 것이 비용 및 유지관리 측면에서 유리할 수 있다. 그러나 국내 서남해안 지역은 왕복성 흐름, 즉 조류가 발생하는 지역으로 흐름의 방향이 시간에 따라 변화하게 된다. 따라서, 세굴 수치 모의시 이러한 왕복성 흐름을 고려해야한다. 그러나 대부분의 수치 모델 적용시 조류가 우세한 지역에서도 일방향의 흐름에 대해서만 검토하며 왕복성 흐름에 의한 지층의 침식과 퇴적작용으로 인해 발생하는 해저 입자의 상호 보충 효과는 배제되게 된다. 또한 이로 인해 수치모델 결과에 많은 의구심이 발생하게 되며 현실성이 결여된 해석으로 보여질 수 있다. 이러한 왕복흐름의 영향을 검토하기 위해 Kim and Gang(2011)은 조류의 왕복류 흐름을 고려하여 지반의 수리 저항 성능 실험을 수행하였으며, 양방향이 일방향 흐름보다 세굴이 크게 발생하는 것을 발표하였다. 또한 Kim et al.(2012)은 흐름의 입사각에 따른 수리저항 실험을 수행하였으며 입사각이 커짐에 따라 세굴률이 증가하는 것으로 나타났다.본 연구에서는 단일방향 고정유속 그리고 양방향 변동유속조건에서 발생하는 지형 변화와 세굴 현상을 수치 모의하였으며, 이러한 비선형성 흐름변화에 따른 세굴 영향 정도를 검토하였다. 더불어 현장 관측 자료와의 비교를 통해 서남해안과 같은 왕복성 흐름이 발생하는 지역에서의 세굴 예측시 적절한 모델 수립 방안을 제안하고자 한다.
2. 수치해석 모형
본 연구에서는 Autodesk의 3D max 프로그램을 이용하여 지지구조물 형상을 제작하였으며, 수치해석은 미국 Flowscience가 개발한 범용 유동해석 프로그램인 FLOW-3D(Ver. 11.0.4.5)를 사용하였다. 좌표계는 직교 좌표계를 사용하였으며 복잡한 3차원 형상의 표현을 위하여 FAVOR 기법(Fractional Area/Volume Obstacle Representation Method)을 사용하였다. 또한 유한차분법에 FAVOR 기법을 도입한 유한체적법의 접근법을 사용하였으며 직교좌표계 에서 비압축성 유체의 3차원 흐름을 해석하기 위한 지배방정식으로는 연속방정식과 운동방정식이 사용되었다. 난류모형으로는 RNG(renormalized group)모델을 사용하였다.
2.1 FLOW-3D의 지배방정식
수식은 MathML 표현문제로 본 문서의 하단부의 원문바로가기 링크를 통해 원문을 참고하시기 바랍니다.
2.1.1 연속방정식
직교좌표계 (x,y,z)에서 비압축성 유체는 압축성 유체의 연속방정식에서 유도될 수 있으며 다음 식 (1)과 같다.
(1)
∂∂x(uAx)+∂∂y(vAy)+∂∂z(wAz)=RSORρ∂∂x(uAx)+∂∂y(vAy)+∂∂z(wAz)=RSORρ 여기서, u, v, w는 (x,y,z) 방향별 유체속도, Ax, Ay, Az는 각 방향별 유체 흐름을 위해 확보된 면적비 (Area fraction), ρ는 유체 밀도, RSOR은 질량생성/소멸(Mass source/sink)항이다.
2.1.2 운동방정식
본 모형은 3차원 난류모형이므로 각각의 방향에 따른 운동량 방정식은 다음 식(2)~(4)와 같다.
ρVffz=wsz−{∂∂x(Axτxz)+R∂∂y(Ayτyz)+∂∂z(Azτzz)+ζx(Axτzz)}ρVffz=wsz−{∂∂x(Axτxz)+R∂∂y(Ayτyz)+∂∂z(Azτzz)+ζx(Axτzz)}여기서, wsx, wsy, wsz는 벽전단응력이며, 벽전단응력은 벽 근처에서 벽 법칙 (law of the wall)을 따르며, 식 (8)~(13)에 의해 표현되어진다.
Flow-3D 모델에서 사용하는 sediment scour model은 해저입자의 특성에 따라 해저 입자의 침식, 이송, 전단과 흐름 변화로 인한 퇴적물의 교란 그리고 하상 이동을 계산한다.
2.1.3.1 The critical Shields parameter
무차원 한계소류력(the dimensionless critical Shields parameter)은 Soulsby-Whitehouse 식에 의해 다음 식 (14)와 같이 나타낼 수 있다(Soulsby, 1997).
(14)
θcr,i=0.31+1.2R∗i+0.055[1−exp(−0.02R∗i)]θcr,i=0.31+1.2Ri*+0.055[1−exp(−0.02Ri*)]여기서 무차원 상수, R∗iRi*는 다음 식 (15)와 같다.
(15)
R∗i=ds,i0.1(ρs,i−ρf)ρf∥g∥ds,i−−−−−−−−−−−−−−−−−−−√μfRi*=ds,i0.1(ρs,i−ρf)ρf‖g‖ds,iμf여기서 ρs, i는 해저 입자의 밀도, ρf는 유체 밀도, ds, i는 해저입자 직경, g는 중력가속도이다.한편, 안식각에 따라 한계소류력은 다음 식 (16)과 같이 표현될 수 있다.
(16)
θ′cr,i=θcr,icosψsinβ+cos2βtan2ψi−sin2ψsin2β−−−−−−−−−−−−−−−−−−−−√tanψiθcr,i′=θcr,icosψsinβ+cos2βtan2ψi−sin2ψsin2βtanψi여기서, β는 하상 경사각, ψi는 해저입자의 안식각, ψ는 유체와 해저경사의 사잇각이다.또한 local Shields number는 국부 전단응력, τ에 기초하여 다음 식 (17)과 같이 계산할 수 있다.
(17)
θi=τ∥g∥ds,i(ρs,i−ρf)θi=τ‖g‖ds,i(ρs,i−ρf)여기서, ||g||g 는 중력 벡터의 크기이며, τ는 식 (8)~(13)의 벽 법칙을 이용하여 계산할 수 있다.
2.1.3.2 동반이행(Entrainment)과 퇴적
다음 식은 해저 지반과 부유사 사이의 교란을 나타내는 동반이행과 퇴적 현상을 계산한다. 해저입자의 동반이행 속도의 계산식은 다음 식 (18)과 같으며 부유사로 전환되는 해저의 양을 계산한다.
(18)
ulift,i=αinsd0.3∗(θi−θ′cr,i)1.5∥g∥ds,i(ρs,i−ρf)ρf−−−−−−−−−−−−−−√ulift,i=αinsd*0.3(θi−θcr,i′)1.5‖g‖ds,i(ρs,i−ρf)ρf여기서, αi는 동반이행 매개변수이며, ns는 the packed bed interface에서의 법선벡터, µ는 유체의 동점성계수 그리고 d*은 무차원 입자 직경으로 다음 식 (19)와 같다.
(19)
d∗=ds,i[ρf(ρs,i−ρf)∥g∥μ2]1/3d*=ds,i[ρf(ρs,i−ρf)‖g‖μ2]1/3또한 퇴적 모델에서 사용하는 침강 속도 식은 다음 식 (20)같이 나타낼 수 있다.
하상이동 모델은 해저면에 대한 단위 폭당 침전물의 체적흐름을 예측하는데 사용되며 다음 식 (21)과 같이 표현되어진다.
(21)
Φi=βi(θi−θ′cr,i)1.5Φi=βi(θi−θcr,i′)1.5여기서 Φi는 무차원 하상이동률이며 βi는 일반적으로 8.0의 값을 사용한다(van Rijn, 1984).단위 폭당 체적 하상이동률, qi는 다음 식 (22)와 같이 나타낼 수 있다.
(22)
qb,i=fb,i Φi[∥g∥(ρs,i−ρfρf)d3s,i]1/2qb,i=fb,i Φi[‖g‖(ρs,i−ρfρf)ds,i3]1/2여기서, fb, i는 해저층의 입자별 체적률이다.또한 하상이동 속도를 계산하기 위해 다음 식 (23)에 의해 해저면층 두께를 계산할 수 있다.
(23)
δi=0.3ds,id0.7∗(θiθ′cr,i−1)0.5δi=0.3ds,id*0.7(θiθcr,i′−1)0.5그리고 하상이동 속도 식은 다음 식 (24)와 같이 계산되어진다.
Fig. 1.Iso-water depth contour map in western sea of Korea.
본 해석 대상 해역은 서해안의 조석 현상이 뚜렷한 지역으로 조류 흐름이 지배적이며 위도의 조화분석의 결과를 보면 조석형태수가 0.21로서 반일주조 형태를 취한다. 또한 북동류의 창조류와 남서류의 낙조류의 특성을 보이며 조류의 크기는 대상 영역에서 0.7~1 m/s의 최강유속 분포를 보이는 것으로 발표된 바 있다. 또한 대상 해역의 시추조사 결과를 바탕으로 해저조건은 0.0353 mm 로 설정하였고(KORDI, 2011), 수위는 등수심도를 바탕으로 15 m로 하였다.한편, 풍황자원 분석을 통한 단지 세부설계 기초자료 제공, 유속, 조류 등 해양 환경변화 계측을 통한 환경영향평가 기초자료 제공을 목적으로 Fig. 2와 같이 해상기상탑(HeMOSU-1호)을 설치하여 운영하고 있다. HeMOSU-1호는 평균해수면 기준 100 m 높이이며, 중량은 100 톤의 자켓구조물로 2010년 설치되었다. 본 연구에서는 HeMOSU-1호의 제원을 활용하여 수치 모의하였으며, 2013년 7월(설치 후 약 3년 경과) 현장 관측을 수행하였다.
Fig. 2.A photo of HeMOSU-1.
2.2.2 모델 구성
본 연구에서는 왕복성 조류의 영향을 살펴보기 위해 2 case에 대하여 해석하였다. 먼저, Case 1은 1 m/s의 고정 유속을 가진 일방향 흐름에 대한 해석이며, Case 2는 -1~1 m/s의 유속분포를 가진 양방향 흐름에 대한 해석이다. 여기서 (-)부호는 방향을 의미한다. Fig. 3은 시간대별 유속 분포를 나타낸 것이다.
Fig. 3.Comparison of current speed conditions.
2.2.3 구조물 형상 및 격자
HeMOSU-1호 기상 타워 자켓 구조물 형상은 Fig. 4, 격자 정보는 Table 1과 같으며, 본 연구에서는 총 2,883,000 개의 직교 가변 격자체계를 구성하였다.
계산영역의 경계 조건으로, Case 1의 경우, 유입부는 유속 조건을 주었으며 유출부는 outflow 조건을 적용하였다. 그리고 Case 2의 경우, 왕복성 흐름을 표현하기 위해 유입부와 유출부 조건을 유속 조건으로 설정하였다. 또한 2가지 경우 모두 상부는 자유수면을 표현하기 위해 pressure로 하였으며 하부는 지반 조건의 특성을 가진 wall 조건을 적용하였다. 양측면은 Symmetry 조건으로 대칭면으로 정의하여 대칭면에 수직한 방향의 에너지와 질량의 유출입이 없고 대칭면에 평행한 방향의 유동저항이 없는 경우로 조건을 설정하였다. 본 연구에서 케이스별 입력 조건을 다음 Table 2에 정리하였다.
Table 2.
Basic information of two scour simulation tests
Case
Structure type
Velocity
Direction
Analysis time
Case 1
Jacket
1 m/s
Unidirectional
10,000 sec
Case 2
−1~1 m/s
Bidirectional
FLOW-3D는 자유표면을 가진 유동장의 계산에서 정상상태 해석이 불가능하므로 비정상유동 난류해석을 수행하게 되는데 정지 상태의 조건은 조위를 설정하였다. 또한 유속의 초기 흐름은 난류상태의 비정상흐름이 되므로 본 해석에서는 정상상태의 해석 수행을 위해 1,000초의 유동 해석을 수행하였으며 그 후에 10,000초의 sediment scour 모델을 수행하였다. 해수의 밀도는 1,025 kg/m3의 점성유체로 설정하였으며 RNG(renormalized group) 난류 모델을 적용하였다.Go to :
3. 수치모형 실험 결과
3.1 Case 1
본 케이스에서는 1 m/s의 유속을 가진 흐름이 구조물 주변을 흐를 때, 발생하는 세굴에 대해서 수치 모의하였다. Fig. 6은 X-Z 평면의 유속 분포도이고 Fig. 7은 X-Y 평면의 유속 분포이다. 구조물 주변에서 약간의 유속 변화가 발생했지만 전체적으로 1 m/s의 정상 유동 상태를 띄고 있다.
Fig. 6.Current speed distribution in computational domain of case 1 at t = 10,000 sec (X–Z plane).
Fig. 7.Current speed distribution in computational domain of case 1 at t = 10,000 sec (X–Y plane).
이러한 흐름과 구조물과의 상호 작용에 의한 세굴 현상이 발생되며 Fig. 8에 구조물 주변 지형 변화를 나타내었다. 유속이 발생하는 구조물의 전면부는 대체로 침식이 일어나 해저지반이 초기 상태보다 낮아진 것을 확인할 수 있으며, 또한 전면부의 지반이 유실되어 구조물 후면부에 최대 0.13 m까지 퇴적된 것을 확인할 수 있다.
Fig. 8.Sea-bed elevation change of case 1 at t = 10,000 sec.
일방향 흐름인 Case 1의 경우에는 Fig. 9와 같이 10,000초 후 구조물 주변에 최대 1.32 m의 세굴이 발생하는 것으로 나타났다. 또한 구조물 뒤쪽으로는 퇴적이 일어났으며, 구조물 전면부에는 침식작용이 일어나고 있다.
Fig. 9.Scour phenomenon around jacket substructure(Case 1).
3.2 Case 2
서해안은 조석현상으로 인해 왕복성 조류 흐름이 나타나고 있으며 대상해역은 -1~1 m/s의 유속분포를 가지고 있다. 본 연구에서는 이러한 특성을 고려한 왕복성 흐름에 대해서 수치모의하였다.다음 Fig. 10은 X-Z 평면의 유속 분포도이며 Fig. 11은 X-Y 평면의 유속 분포도이다.
Fig. 10.Current speed distribution in computational domain of case 2 at t = 10,000 sec (X–Z plane).
Fig. 11.Current speed distribution in computational domain of case 2 at t = 10,000 sec (X–Y plane).
양방향 흐름인 Case 2의 경우에는 Fig. 12와 같이 10,000초후 구조물 주변에 최대 1.44 m의 세굴이 발생하는 것으로 나타났다. 특히 구조물 내부에 조류 흐름 방향으로 침식 작용이 일어나고 있는 것으로 나타났다.
Fig. 12.Sea-bed elevation change of case 2 at t = 10,000 sec.
Fig. 13.Scour phenomenon around jacket substructure(Case 2).
3.3 현장 관측
본 연구에서는 수치모의 실험의 검증을 위해 HeMOSU-1호 기상 타워를 대상으로 하여 2013년 7월 1일 수심 측량을 실시하였다.HeMOSU-1호 주변의 수심측량은 Knudsen sounder 1620과 미국 Trimble사의 DGPS를 이용하여 실시하였다. 매 작업시 Bar-Check를 실시하고, 수중 음파속도는 1,500 m/s로 결정하여 조위 보정을 통해 수심을 측량하였다. 측량선의 해상위치자료는 DGPS를 사용하여 UTM 좌표계로 변환을 실시하였다. 한편, 수심측량은 해면이 정온할 때 실시하였으며 관측 자료의 변동성을 제거하기 위해 2013년 7월 1일 10시~13시에 걸쳐 수심 측량한 자료를 동시간대에 국립해양조사원에서 제공한 위도 자료를 활용해 조위 보정하였다. 다음 Fig. 14는 위도 조위 관측소의 현장관측시간대 조위 시계열 그래프이다.
Fig. 14.Time series of tidal data at Wido (2013.7.1).
2013년 7월 1일 오전 10시부터 오후 1시에 걸쳐 수심측량한 결과를 이용하여 0.5 m 간격으로 등수심도를 작성하였으며 그 결과는 Fig. 15와 같다. 기상탑 내부 해역은 선박이 접근할 수 없기 때문에 측량을 실시하지 않고 Blanking 처리하였다.
Fig. 15.Iso-depth contour map around HeMOSU-1.
대상 해역의 수심은 대부분 -15 m이나 4개의 Jacket 구조물 주변에서는 세굴이 발생하여 수심의 변화가 나타났다. 특히 L-3, L-4 주변에서 최대 1.5~2.0 m의 세굴이 발생한 것으로 보였으며, L-4 주변에서는 넓은 범위에 걸쳐 세굴이 발생하였다. 창조류는 북동, 낙조류는 남서 방향으로 흐르는 조류 방향성을 고려하였을 때, L-4 주변은 조류방향과 동일하게 세굴이 발생하고 있었으며, 보다 상세한 세굴형태는 원형 구조물 내부 방향의 세굴 심도를 측정하여 파악하여야 할 것으로 판단된다.관측결과 최대 1.5~2.0 m인 점을 고려하면 양방향 흐름을 대상으로 장기간에 걸쳐 모의실험을 진행하는 경우, 실제 현상에 더 근접하는 결과를 얻을 수 있을 것으로 사료된다.Go to :
4. 결론 및 토의
본 연구에서는 자켓구조물인 해상기상탑 HeMOSU-1 주변에서 발생하는 세굴현상을 검토하기 위하여 2013년 7월 1일 현장 관측을 수행하고, FLOW-3D를 이용하여 수치모의 실험을 수행하였다. 실험 조건으로는 먼저 1 m/s의 유속을 가진 일방향 흐름과 -1~1 m/s의 흐름 분포를 가진 왕복성 흐름에 대해서 수치모의를 수행하였다. 그 결과 일방향 흐름의 경우, 10,000 초에 이르렀을 때 1.32 m, 왕복성 흐름의 경우 동일 시간에서 1.44 m의 최대 세굴심도가 발생하였다. 동일한 구조물에 대해서 현장 관측 결과는 1.5~2.0 m로 관측되어 일방향 흐름보다 왕복성 흐름의 경우 실제 현상에 더 근사한 것으로 판단되었다. 이는 일방향 흐름의 경우, Fig. 8에서 보는 바와 같이 구조물 후면에 퇴적과 함께 해저입자의 맞물림이 견고해져 해저 지반의 저항력이 커지는 현상에 기인한 것으로 판단된다. 반면 양방향 흐름의 경우, 흐름의 변화로 인해 맞물림이 약해지고 이로 인해 지반의 저항력이 일방향 흐름보다 약해져 세굴이 더 크게 발생하는 것으로 판단되었다.또한 장시간에 걸쳐 모델링을 수행하는 경우, 보다 근사한 결과를 얻을 수 있을 것을 사료되며, 신형식 기초 구조물을 개발하여 세굴을 저감할 수 있는 지 여부를 판단하는 등의 추가 연구가 필요하다.Go to : International Electrotechnical Commission (IEC). (2009). IEC 61400-3: Wind turbines – Part 3: Design Requirements for Offshore Wind Turbines, Edition 1.0, IEC.
감사의 글
본 연구는 지식경제 기술혁신사업인 “승강식 해상플랫폼을 가진 수직 진자운동형 30kW급 파력발전기 개발(과제번호 :20133010071570)”와 첨단항만건설기술개발사업인 “해상풍력 지지구조 설계기준 및 콘크리트 지지구조물 기술 개발(과제번호:20120093)”의 일환으로 수행되었습니다.Go to :
References
American Bureau of Shipping (ABS). (2013). Guide for Building and Classing Bottom-Founded Offshore Wind turbine Installations.
API RP 2A WSD. (2005). Recommended Practice for Planning, Designing and Constructing Fixed Offshore Platforms-Working Stress Design, API.
Det Norske Veritas (DNV). (2010). OS-J101 Design of Offshore Wind Turbine Structures.
Federal Maritime and Hydrographic Agency (BSH). (2007). Standard. Design of Offshore Wind Turbines.
FLOW SCIENCE. (2014). FLOW-3D User’s Manual, Version 11.0.4.5.
International Electrotechnical Commission (IEC). (2009). IEC 61400-3: Wind turbines – Part 3: Design Requirements for Offshore Wind Turbines, Edition 1.0, IEC.
International Organization for Standardization (ISO). (2007). ISO 19902: Petroleum and Natural Gas Industries – Fixed Steel Offshore Structures.
Kim, YS, Kang, GO. (2011). Experimental Study on Hydraulic Resistance of Sea Ground Considering Tidal Current Flow, Journal of Korean Society of Coastal and Ocean Engineers. 23(1):118-125 (in Korean). Kim, YS, Han, BD, Kang, GO. (2012). Effect of Incidence Angle of Current on the Hydraulic Resistance Capacity of Clayey Soil, Journal of Korean Society of Coastal and Ocean Engineers. 24(1):26-35 (in Korean). KORDI. (2011). BSPN64710-2275-2. An Analysis on the Marine Characteristics and Design Supporting for Offshore Wind Power Plant (in Korean).
Ministry of Maritime Affairs and Fisheries. (2005). Harbor and fishery design criteria (in Korean).
Soulsby, R. (1997). Dynamics of marine sands. Thomas Telford Publications, London.
U.S. Army Corps of Engineers. (2006). Coastal Engineering Manual, Part II : Coastal Hydrodynamics, Chapter II–2, Meteorology and Wave Climate.
van Rijn, L. (1984). Sediment transport, Part II:bed load transport, Journal of Hydraulic Engineering, 110(10):1431-1456.
1 Faculty of Water Resources Engineering, Thuyloi University, 175 Tay Son, Dong Da, Ha Noi 116705, Vietnam 2 Hydraulic Construction Institute, 3/95 Chua Boc, Dong Da, Ha Noi 116705, Vietnam * Author to whom correspondence should be addressed. Academic Editor: Costanza Aricò Water 2021, 13(3), 344;
Abstract
본 논문의 목적은 일부 2D 및 3D 수치 모델이 침수 지역에 고립된 건물 또는 건물 배열이 있는 곳에서 홍수 파동을 시뮬레이션하는 능력을 조사하는 것이었습니다.
먼저, 제안된 2D 수치 모델은 구조화된 메시에서 2D 얕은 물 방정식(2D-SWEs)을 해결하기 위한 유한 볼륨 방법(FVM)을 기반으로 했습니다.
FDS (flux-difference splitting)은 정확한 질량 균형을 얻기 위해 사용되었고 Roe 체계는 Riemann 문제를 근사하기 위해 호출되었습니다.
둘째, 상업적으로 이용 가능한 3D CFD 소프트웨어 패키지가 선택되었으며, 여기에는 두 가지 난류 모델이 포함된 Flow 3D 모델이 포함되어 있습니다.
RNG(Renormalized Group) 및 LES(Large-eddy Simulation)를 사용하는 레이놀즈 평균 Navier-Stokes(RAN)입니다. 댐 붕괴 흐름으로 인한 장애물에 대한 충격력의 수치 결과는 3D 솔루션이 2D 솔루션보다 훨씬 낫다는 것을 보여주었습니다.
건물 배열에 작용하는 충격력의 3D 수치 힘 결과를 보유하고 있는 실험 데이터와 비교함으로써, 속도 유도력이 동적 힘에 미치는 영향은 Froude 숫자의 함수와 사고 파동의 수심 함수에 의해 정량화 되었습니다. 또한, 우리는 힘의 강도의 피크 값의 3D 계산 결과에 대한 초기 물 단계와 댐 붕괴 폭의 영향을 조사했습니다.
The aim of this paper was to investigate the ability of some 2D and 3D numerical models to simulate flood waves in the presence of an isolated building or building array in an inundated area. Firstly, the proposed 2D numerical model was based on the finite-volume method (FVM) to solve 2D shallow-water equations (2D-SWEs) on structured mesh. The flux-difference splitting method (FDS) was utilized to obtain an exact mass balance while the Roe scheme was invoked to approximate Riemann problems. Secondly, the 3D commercially available CFD software package was selected, which contained a Flow 3D model with two turbulent models: Reynolds-averaged Navier-Stokes (RANs) with a renormalized group (RNG) and a large-eddy simulation (LES). The numerical results of an impact force on an obstruction due to a dam-break flow showed that a 3D solution was much better than a 2D one. By comparing the 3D numerical force results of an impact force acting on building arrays with the existence experimental data, the influence of velocity-induced force on a dynamic force was quantified by a function of the Froude number and the water depth of the incident wave. Furthermore, we investigated the effect of the initial water stage and dam-break width on the 3D-computed results of the peak value of force intensity.
건물 또는 건물 그룹에 대한 홍수 파동의 영향에 대한 연구는 하류 지역에 대한 조기 경고 또는 안전 의식 향상에 중요한 역할을 했습니다. 기본적으로 댐 파괴 흐름에 대한 연구는 실험 측정이나 수치 시뮬레이션을 통해 추정 할 수 있습니다 [1,2,3,4,5,6].
컴퓨터 처리 능력의 증가로 인해 불연속 흐름에 대한 수치 연구가 비용 효율적이되었습니다. 지난 10 년 동안 얕은 물 솔버는 정확성과 계산 능력면에서 크게 향상되었습니다. 침수 가능 지역의 수심 및 속도 프로파일과 같은 유체 역학적 매개 변수에 많은주의를 기울였습니다 [1,2,3,4,5,6,7,8].
Migot et al. [9]는 도시 홍수의 실험적 모델링에 관한 많은 기사를 검토했습니다. 그 논문에 언급 된 45 개의 작품 중 단 4 개의 프로젝트 만이 장애물에 가해지는 일정한 또는 비정상적인 흐름의 힘 또는 압력을 측정했습니다.
또한 물리적 및 2D 수치 모델에서 건물 또는 건물 그룹에 돌발 홍수가 미치는 영향에 대한 연구는 거의 없었습니다. 얕은 물 모델은 [10,11]에서 고립된 장애물에 대한 충격의 힘을 예측하는데 사용되었습니다.
한편 Shige-eda [12]는 액체와 건물 배열 간의 상호 작용을 결정하기 위해 물리적 모델과 2D 수치 체계를 선택했습니다. Aureli와 Shige-eda는 수직 속도와 가속도를 무시하기 때문에 댐 파괴 흐름의 힘을 추정하기 위한 2D 얕은 물 방정식 (SWE)의 단점을 보여주었습니다 [10,12].
Migot [9]은 또한 장애물 주변의 시뮬레이션된 홍수 흐름에 대한 2D SWE에 대한 여러 출판물이 있었지만 이 주제에 대한 3D 수치 모델에 대한 연구는 거의 없다고 지적했습니다. 최근 전산 유체 역학 (CFD) 3D 시뮬레이션은 유체 흐름과 관련된 문제를 해결하기위한 광범위한 도구가되었습니다.
댐 파괴 파의 특성은 [13,14,15,16]에 의해 주목되었고 Issakhov [17]는 다양한 종류의 장애물이 압력 분포에 미치는 영향을 조사하기 위해 CFD 방법을 사용했습니다. 그들은 분포가 댐 표면에서 3 배 더 낮다는 것을 밝혔다.
Aureli [10]는 댐 파괴 파가 구조물에 미치는 영향의 정적 힘을 평가하기 위해 실험 테스트와 2D 및 3D 수치 모델을 사용했습니다. Mokarani [18]는 댐 브레이크 흐름 영향의 VOF 시뮬레이션에서 피크 압력 안정성 조건을 연구했습니다.
앞서 언급한 작품에서 구조물이나 구조물 군에 작용하는 힘은 압력에 의한 정 수력 또는 정력이었다. 한편, 급류에서 속도로 인한 힘은 압력 력보다 크거나 같았습니다 [19]. Armanini [20]는 정상 흐름에 대해이 항을 추정하기 위한 분석적 표현 만을 제시했습니다. 우리가 아는 한, 건물 그룹에 작용하는 비정상 흐름의 동적 힘을 생성하기 위해 2D 및 3D 수학적 모델을 모두 사용하는 작업은 없습니다.
따라서 본 연구에서는 제안된 2D 수치 모델과 3D 수학적 모델 모두에 의해 고립 된 장애물 또는 장애물 그룹에 대한 급격한 비정상 흐름의 테스트 사례를 재현했습니다. 수심 및 유속 수문 그래프와 같은 몇 가지 수력 학적 특성이 추정되었으며 측정 된 데이터와 매우 잘 일치했습니다.
특히 댐 브레이크 흐름이 서로 다른 건물에 가하는 동적인 힘도 시뮬레이션했습니다. 속도 유도 힘이 동적 힘에 미치는 영향 수준을 나타내는 매개 변수는 Froude 수와 입사 파동의 수심의 함수인 것으로 밝혀졌습니다. 또한 붕괴된 댐 사이트 폭 (b)과 초기 수위 (h0)는 충격력의 최대 값에 영향을 미치는 변수로 고려되었습니다.
Figure 1. (a) Configuration of experiment test (dimension in meters); (b) Gauges on the vertical front face of building.Figure 2. (a) Distributed pressure profiles at centerline of front face of column; (b) Comparison of load-time histories simulated by different numerical modelsFigure 3. Group of buildings in flooded area.Figure 4. Water depth and u-velocity profiles at gauge b.Figure 5. Water hydrographs at gauges a and c.Figure 6. Velocity component profiles at gauges a and c.Figure 7. Formation of incident and reflected waves.Figure 8. Snapshots of streamlines of Froude number at different times: 1.0 s, 2.0 s, 5.0 s and 10 s.Figure 9. Force in the flow direction exerted on 6 buildings.Figure 10. The linear regression between forces per unit width (F) and q2b/h0.
Conclusions
댐 붕괴 흐름으로 인한 홍수 파도는 높은 속도 또는 큰 깊이가 관련되었을 때 건물에 큰 영향을 미칩니다. 본 논문에서는 2D 및 3D 수치 모델의 건물 및 건물 그룹에 대한 빠른 흐름에 의해 발생하는 유압 특성과 충격 부하를 추정할 수 있는 능력을 조사했습니다. 얕은 물 방정식에 기초한 2D 수학 모델은 FDS 방법으로 해결되었으며, FDS 방법은 최신 버전의 Flow 3D 유체 역학 모델과 함께 사용되었습니다. 연구의 주요 발견은 다음과 같습니다. (1) 수심 또는 속도 프로파일을 공식화하기 위해 2D 및 3D 수치 솔루션은 모두 매우 유사합니다. 제안된 2D 수치 모델은 정적 힘의 최대 값 뿐만 아니라 수심 및 속도 구성 요소를 포함하는 유압 특성을 예측하는 데 적합합니다. 그러나 LES 및 RAN 난류 모듈이 포함된 3D 유체역학 모델은 2D 얕은 흐름 모델이 1개만 제공하는 동안 두 개의 최고 충격 부하를 잘 포착할 수 있습니다. 일반적으로 3D 결과는 실험 결과와 더 가깝습니다. (2) 여러 건물에 대한 정적 및 동적 힘은 모두 LES 모듈을 사용하여 Flow 3D에 의해 계산되었습니다. 건물에서 속도에 의한 힘과 압력의 역할은 위치에 따라 다릅니다. 댐 현장 근처에서, 속도 유도 힘은 댐 파괴 파동의 주 방향에서 멀리 떨어져 있거나 두 번째 배열에서 압력 힘이 더 중요합니다. 속도 유도 힘의 영향은 매개 변수 α에 의해 정량화되며, 이는 사고파의 Froude 숫자와 수심 함수로 수행됩니다. q2b/h0과 정적 힘과 동적 힘의 피크 강도 사이의 선형 회귀 관계는 합리적인 R-제곱 양으로 해결됩니다.
추가 연구에서, 제시된 2D 수치 모델의 견고성과 효과는 더 명확하게 드러날 것입니다. 대규모 도메인에 대한 홍수 흐름을 시뮬레이션하는 데 쉽게 적용할 수 있습니다. 또한, α 매개변수의 제안된 방정식(21)은 실제 사례 연구에서 다운스트림 영역의 건물에 대한 속도 유도 힘의 영향을 정확하게 평가하기 위한 매우 의미가 있습니다. 이 매개 변수의 정확도 수준을 높이려면 서로 다른 조건에서 장애물에 작용하는 여러 가지 힘 실험이 구현되어야 합니다.
Testa, G.; Zuccala, D.; Alcrudo, F.; Mulet, J.; Frazao, S.S. Flash flood flow experiment in a simplifed urban district. J. Hydraul. Res.2007, 45, 37–44. [Google Scholar] [CrossRef]
Soares-Frazao, S.; Zech, Y. Dam-break flow through an idealized city. J. Hydraul. Res.2008, 46, 648–665. [Google Scholar] [CrossRef]
Soares-Frazão, S.; Zech, Y. Experimental study of dam-break flow against an isolated obstacle. J. Hydraul. Res.2007, 45, 27–36. [Google Scholar] [CrossRef]
Soares-Frazão, S. Experiments of dam-break wave over a triangular bottom sill. J. Hydraul. Res.2007, 45, 19–26. [Google Scholar] [CrossRef]
di Cristo, C.; Evangelista, S.; Greco, M.; Iervolino, M.; Leopardi, A.; Vacca, A. Dam-break waves over an erodible embankment: Experiments and simulations. J. Hydraul. Res.2018, 56, 196–210. [Google Scholar] [CrossRef]
Evangelista, S. Experiments and numerical simulations of dike erosion due to a wave impact. Water2015, 7, 5831–5848. [Google Scholar] [CrossRef]
Li, Y.L.; Yu, C.H. Research on dam break flow induced front wave impacting a vertical wall based on the CLSVOF and level set methods. Ocean Eng.2019, 178, 442–462. [Google Scholar] [CrossRef]
Özgen, I.; Zhao, J.; Liang, D.; Hinkelmann, R. Urban flood modeling using shallow water equations with depth-dependent anisotropic porosity. J. Hydrol.2016, 541, 1165–1184. [Google Scholar] [CrossRef]
Mignot, E.; Li, X.; Dewals, B. Experimental modelling of urban flooding: A review. J. Hydrol.2019, 568, 334–342. [Google Scholar] [CrossRef]
Aureli, F.; Dazzi, A.; Maranzoni, A.; Mignosa, P.; Vacondio, R. Experimental and numerical evaluation of the force due to the impact of a dam break wave on a structure. Adv. Water Resour.2015, 76, 29–42. [Google Scholar] [CrossRef]
Milanesi, L.; Pilotti, M.; Belleri, A.; Marini, A.; Fuchs, S. Vulnerability to flash floods: A simplified structural model for masonry buldings. Water Resour. Res.2018, 54, 7177–7197. [Google Scholar] [CrossRef]
Shige-eda, M.; Akiyama, J. Numerical and experimental study on two dimensional flood flows with and without structures. J. Hydraul. Eng.2003, 129, 817–821. [Google Scholar] [CrossRef]
Cagatay, H.O.; Kocaman, S. Dam break flows during initial stage using SWE and RANs approaches. J. Hydraul. Res.2010, 48, 603–611. [Google Scholar] [CrossRef]
Yang, S.; Yang, W.; Qin, S.; Li, Q.; Yang, B. Numerical study on characteristics of dam break wave. Ocean Eng.2018, 159, 358–371. [Google Scholar] [CrossRef]
Robb., D.M.; Vasquez., J.A. Numerical simulation of dam break flows using depth averaged hydrodynamic and three dimensional CFD models. In Proceedings of the 22nd Canadian Hydrotechnical Conference, Ottawa, ON, Canada, 28–30 April 2015. [Google Scholar]
Kocaman, S.; Evangelista, S.; Viccione, G.; Guzel, H. Experimental and Numerical analysis of 3D dam break waves in an enclosed domain with a single oriented obstacles. Environ. Sci. Proc.2020, 2, 35. [Google Scholar] [CrossRef]
Issakhov, A.; Zhandaulet, Y.; Nogaeva, A. Numerical simulation of dambreak flow for various forms of the obstacle by VOF method. Int. J. Multiph. Flow2018, 109, 191–206. [Google Scholar] [CrossRef]
Mokarani, C.; Abadie, S. Conditions for peak pressure stability in VOF simulations of dam break flow impact. J. Fluids Struct.2016, 62, 86–103. [Google Scholar] [CrossRef]
Liu, L.; Sun, J.; Lin, B.; Lu, L. Building performance in dam break flow—an experimental sudy. Urban Water J.2018, 15, 251–258. [Google Scholar] [CrossRef]
Armanini, A.; Larcher, M.; Odorizzi, M. Dynamic impact of a debris flow front against a vertical wall. In Proceedings of the 5th international conference on debris-flow hazards mitigation: Mechanics, prediction and assessment, Padua, Italy, 14–17 June 2011. [Google Scholar] [CrossRef]
Hubbard, M.E.; Garcia Navarro, P. Flux difference splitting and the balancing of source terms and flux gradients. J. Comput. Phys.2000, 165, 89–125. [Google Scholar] [CrossRef]
Roe, P.L. A basis for upwind differencing of the two-dimensional unsteady Euler equations. In Numerical Methods in Fluids Dynamics II; Oxford University Press: Oxford, UK, 1986. [Google Scholar]
Bradford, S.F.; Sander, B. Finite volume model for shallow water flooding of arbitrary topography. J. Hydraul. Eng. (ASCE)2002, 128, 289–298. [Google Scholar] [CrossRef]
Brufau, P.; Garica-Navarro, P. Two dimensional dam break flow simulation. Int. J. Numer. Meth. Fluids2000, 33, 35–57. [Google Scholar] [CrossRef]
Hien, L.T.T. 2D Numerical Modeling of Dam-Break Flows with Application to Case Studies in Vietnam. Ph.D. Thesis, Brescia University, Brescia, Italy, 2014. [Google Scholar]
Hien, L.T.T.; Tomirotti, M. Numerical modeling of dam break flows over complex topography. Case studies in Vietnam. In Proceedings of the 19th IAHR-APD Congress 2014, Hanoi, Vietnam, 21–24 September 2014; ISBN 978-604-82-1383-1. [Google Scholar]
Flow-3D, Version 12.0; User Mannual; Flow Science Inc.: Santa Fe, NM, USA, 2020.
Guney, M.S.; Tayfur, G.; Bombar, G.; Elci, S. Distorted physical model to study sudden partial dam break flow in an urban area. J. Hydraul. Eng.2014, 140, 05014006. [Google Scholar] [CrossRef]
Shige-eda, M.; Akiyama, J. Discussion and Closure to “Numerical and experimental study on two dimensional flood flows with and without structures” by Mirei Shige-eda and Juichiro Akiyama. J. Hydraul. Eng.2005, 131, 336–337. [Google Scholar] [CrossRef]
Ritter, A. Die Fortpflanzung der Wasserwelle (Generation of the water wave). Z. Ver. Dtsch. Ing.1892, 36, 947–954. [Google Scholar]
FIGURE 1. – FLOW-3D MODEL OF K-SITE TANK PRESSUR-IZATION.FIGURE 3. – EFFECT OF GRAVITY ON TEMPERATURE CONTOURSFIGURE 6.- EFFECT OF INITIAL PRESSURE ON VELOCITY PROFILEFIGURE 10. – EFFECT OF INITIAL TEMPERATURE ON TEMPERATURE CONTOURSFIGURE 13. – EFFECT OF HEAT TRANSFER ON TEMPERATURE CONTOURSFIGURE 16. – EFFECT OF CONVERGENCE CRITERIA ON TEMPERATURE CONTOURS, 55 PERCENT ULLAGE,
Pi = 17.4 PSI, 6 = 32.2 FT/SECZ, 24 SEC PRESSURIZATIONFIGURE 17. – COMPAR ISON OF CENTERLINE TEMPERATURES USING VARIOUS CONVERGENCE CRITERIA, 55 PERCENT ULLAGE, G = 32,2 FT/SEC2, P;= 17.4 PSI, 24 SEC PRESSURIZATION.FIGURE 19. – EFFECT OF CONVERGENCE CRITERIA ON VELOCITY PROFILE,FIGURE 21. – EFFECT OF MESH SIZE ON TEMPERA-
TURE CONTOURS, 55 PERCENT ULLAGE, Pi = 17.4
PSI, G = 0.0 FT/SEC2, , e = . 02, dt = , 005
SEC, 24 SEC PRESSURIZATION.
Flow-3D 소프트웨어를 이용한 원형 교각 주변 지역 scour의 3 차원 수치 시뮬레이션
To cite this article: Halah Kais Jalal and Waqed H. Hassan 2020 IOP Conf. Ser.: Mater. Sci. Eng. 745 012150
Halah Kais Jalal1 , Waqed H. Hassan2 1 Graduate student, Civil Engineering Department, University of Kerbala, Kerbala, Iraq. 2 Professor, University of Kerbala, Kerbala, Iraq. E-mail: halah.q@s.uokerbala.edu.iq, Waaqidh@uokerbala.edu.iq
Abstract
주어진 값의 내부 드리프트를 나타내는 다항식 순서 또는 자체 정의 함수 목록을 제공 할 수 있습니다. 이 드리프트는 kriging 보간 동안 내부적으로 적합합니다. 다음에서는 선형 드리프트가 추가된 인공 데이터를 생성합니다. 그런 다음 결과 샘플은 Universal kriging의 입력으로 사용됩니다. 그런 다음 보간 중에 “선형”드리프트가 추정됩니다. 추정된 평균 / 드리프트에만 액세스하기 위해 호출 루틴에 스위치 only_mean을 제공합니다. 원형 교각 주변의 국부 수색 문제는 Flow-3D 모델을 사용하여 전산 유체 역학 (CFD)에서 국부적 진화를 나타냅니다. 교각 설계에서 중요한 scour 및 scour 구멍의 최대 깊이. 이 연구의 목적은 교각 주변의 수색 깊이를 정확하게 시뮬레이션하고 예측하는 수치 시뮬레이션 모델 Flow-3D의 능력을 검증하는 것입니다. 이 검증은 수치 결과를 Melville 실험실 실험 모델과 비교하여 수행됩니다. 30 분후 수치 결과에서 얻은 원형 부두 주변의 최대 scour 깊이는 3.6cm이고 Melville 모델에서 얻은 scour 깊이는 4cm입니다. 이 결과에 따르면 수치 모델과 실험 모델 간의 오류율 비율은 10 %에 가깝습니다. 결과는 실험 결과와 함께 좋은 검증을 보여주었습니다. 마지막으로 제안 된 Flow-3D 모델은 교각 주변의 수색 깊이를 예측하고 시뮬레이션 하는데 효과적인 도구를 고려하고 잠재적인 결과를 예측하는 경제적인 방법을 고려했습니다.
The problem of local scouring around circular bridge pier has been studied numerically by Computational Fluid Dynamics (CFD) using Flow-3D model to represent the evolution of local scour and the maximum depth of the scour hole which is important in the bridge pier design. The aim of this study is to verify the ability of the numerical simulation model Flow-3D to accurately simulate and predict the scour depth around the bridge pier. This verification is conducted by comparison the numerical results with Melville laboratory experimental model. The maximum scours depth around the circular pier obtained from numerical results after 30 min is 3.6 cm, while the scouring depth obtained from Melville model is 4 cm. According to these results, the error rate ratio between the numerical and experimental models is close to 10%. The results showed a good validation with experimental results. Finally, the proposed Flow-3D model considered an effective tool in predicting and simulating the scour depth around bridge pier and considered an economic method to predict potential results. Keywords: Local scour, Flow-3D, CFD, Verfication
scour은 흐르는 물의 침식 작용으로 정의 할 수 있으며, 이는 가까운 교각 및 교각에서 베드를 제거하고 침식합니다 [1]. 다리의 교각 주변을 scour하는 것은 다리의 실패 원인이 충돌 및 과부하와 함께 엄청난 인명 손실과 경제적 영향으로 이어지는 주요 원인 중 하나로 간주됩니다 [2], 지역 scour 예측, 특히 최대 scour 깊이는 다음과 같습니다.
교량 설계, 유지 보수 및 평가에 필수적입니다. 전 세계의 많은 연구자들은 다양한 관점과 다양한 조건에서 광범위하게 scour 문제를 연구했습니다.
교량 부지에서 만든 scour에는 일반적으로 세 가지 유형이 포함되어 있습니다. 일반 scour, 수축 scour 및 국부 scour [3], 세 가지 scour 유형 중, scour는 다리와 관련된 위험에서 가장 중요한 역할을 하기 때문에, local scour는 이 연구의 중요한 부분으로 간주됩니다.
많은 선행 연구가 경험적 테스트를 사용하여 교량의 국부 scour을 분석하는 기술과 방법론을 목표로 했습니다 [4], [5], [6], [7], [8], [9], [10], [11] . 이러한 경험적 scour 테스트의 대부분은 비용이 많이 들고 노동 집약적이기 때문에 크고 중요한 교량에서 종종 수행됩니다.
그러나 가장 인기 있는 고속도로 교량의 경우 경험적 테스트가 적용되지 않지만 이러한 일반 교량에서 scour이 자주 발생하지만 일부 연구에서는 경제적이고 실용적인 목적으로 교량 scour에 대한 분석 솔루션을 조사했습니다.
지난 몇 년 동안 전산 유체 역학 (CFD를 사용하여 산업 및 환경 응용 분야에서 유체 흐름 동작을 결정하는 데 사용)을 더 많이 사용할 수 있는 컴퓨터 및 소프트웨어의 기능이 증가함에 따라 scour의 3 차원 시뮬레이션 방법이 더욱 널리 보급되었습니다.
FLUENT, CFX, PHOENIX와 같은 CFD 소프트웨어는 실험 설정과 여러면에서 유사하므로 이 수치 시뮬레이션의 원래 개념은 속도계와 같은 확장된 부속품을 사용하여 물리적 모델을 설계하고 구성하는 것입니다. 복잡한 모델 실험실 조건에서 모델링하기 어려운 모델은 수치 시뮬레이션을 사용하여 간단하게 모델링 할 수 있습니다.
좋은 수치 모델은 확실히 모델 테스트를 보완 할 수 있으며 설계 엔지니어가 모델 테스트를 수행 할 수 있는 가장 중요한 사례를 식별하는 데 도움이 될 수 있다는 것이 널리 알려져 있습니다.
복잡한 문제와 대규모 모델 연구를 해결할 수 있는 매력적인 아이디어입니다. 실제 결과를 결정하기 위해 추가 작업자 또는 기존의 대규모 설정이 필요하지 않습니다.
CFD (Computational Fluid Dynamics) 방법은 Navier-Stokes의 이산화 및 해석과 계산 셀의 연속성 방정식을 통해 유동 프로세스 시뮬레이션에 항상 사용됩니다. 현재 연구에서 상용 코드 Flow-3D는 교각 주변의 scour 깊이를 모델링하는 데 사용됩니다.
Flow-3D 모델은 유압 공학 응용을 위한 특수 장치가 있는 CFD 패키지입니다. 수치 기법은 다중 스케일 다중 물리 흐름 문제를 얻기 위해 과도 및 3 차원 솔루션에 대한 유체 운동 방정식을 해결하는 데 사용됩니다.
물리적 옵션과 수치 옵션의 조합을 통해 사용자는 Flow-3D를 광범위한 유체 흐름 및 열 전달 현상에 적용 할 수 있으며 다양한 유압 문제를 해결하는 데 널리 사용됩니다 [12]. Flow-3D에 의한 scour의 수치 시뮬레이션은 많은 연구자들에 의해 제안 되었습니다.
Flow-3D에 의한 Scour의 수치 시뮬레이션은 많은 연구자들에 의해 제안 되었습니다.
예를 들어, [13]은 Scour Hole 내의 원형 브리지 부두의 기초에서 발생하는 흐름을 시뮬레이션하기 위해 Flow-3D를 사용했고, [14]는 조수 아래의 복잡한 브리지 피어에서 국소 스캐닝을 시뮬레이션하기 위해 숫자 모델을 사용했고 [15]는 Flow-3D를 사용했습니다.다양한 조건에서 국부적 골절 깊이의 더미 모양과 [16] CFD 코드를 사용하여 3D 흐름과 다양한 모양의 교량 부두 주위의 국부적 스캐닝을 시뮬레이션했습니다.
이 모든 연구는 맑은 물 조건에서 흐르는 물이 주로 흐름과 강바닥 사이의 대부분의 상호 작용으로 이어진다는 가설을 세웠습니다.
본 논문에서는 [4]의 실험실 모델에 의한 수치 시뮬레이션 검증을 통해 교량 주변의 국부 scour 실험 결과를 CFD 코드 Flow-3D의 수치 시뮬레이션 결과와 비교하여 검증을 목적으로 합니다. 이 검증의 주요 목적은 교량 부두 주변의 scour 깊이를 예측할 때 수치 모델 Flow-3D의 효과를 테스트하는 것입니다.
Figure 1. Plan view of Melville experimental setup [4]Figure 2. Geometry of the numerical model configured by the FLOW-3DFigure 3. Effect of Cell Size on Scour DepthFigure 4. Meshing Plane Structure Around a Circular PierFigure 6. Scour depth (in negative value) at different views around pierFigure 7. Contour Lines Represented the Depth of Scour Around Circular Bridge Pier for
Melville ModelFigure 8. Contour Lines Represented the Depth of Scour Around the bridge Pier for the Numerical modelFigure 9. Scour depth against time around cylindrical pier.Figure 10. Contour map of flow velocity around a pier at 30 min resulted by Melville [4]Figure 11. Contour map of flow velocity distribution around a pier at 30 min resulted by
numerical simulation.
Conclusion
이 연구는 교각에서 scour깊이의 발달을 예측하는 데 있어 이 수치 시뮬레이션의 효과를 검증하는 것을 목표로 합니다. 검증은 30 분의 scour 깊이 공식화 후 Flow-3D의 수치 결과를 Melville 실험 모델과 비교하여 결론을 내립니다.
결과의 비교는 최대 수세공 깊이에 대한 오류율이 10 %임을 나타내며,이 관찰은 수치 및 실험 작업 사이에 좋은 검증을 보여 주므로 수치 시뮬레이션은 scour 깊이를 성공적으로 재현합니다.
이러한 결과에 따르면 제안된 수치 모델 Flow-3D는 교각 주변의 scour 깊이와 유동장을 시뮬레이션하고 예측하는데 효과적인 도구로 간주되었습니다.
References [1] Breusers Nicollet and Shen 1977 Local scour around cylindrical piers Journal of Hydraulic Research, IAHR,15 (3): 211-252. [2] Shepherd R. and Frost J D 1995 Failures in civil engineering: Structural, foundation and geoenvironmental case studies Journal of Hydraulic Engineering, Puolisher ASCE. [3] Cheremisinoff N P and Cheng S L 1987 Hydraulic mechanics 2 Civil Engineering Practice, Technomic Published Company, Lancaster, Pennsylvania, U.S.A. 780 p. [4] Melville B W 1975 Local scour at bridge sites University of Auckland, New Zealand, phd. Thesis, Dept. of Civil eng., Rep. No. 117. [5] Abdul-Nour M 1990 Scouring depth around multiple M.Sc. Thesis , Department of Irrigation and Drainage , University of Baghdad. [6] Hosny M M 1995 Experimental study of local scour around circular bridge piers in cohesive soils Colorado State University, Fort Collins. [7] Ansari S A Kothyari U C and Ranga Raju K G 2002 Influence of cohesion on scour around bridge piers Journal of Hydraulic Research, IAHR, pp. 40(6): 717-729. [8] Khsaf S I 2010 A study of scour around Al-Kufa bridge piers Kufa Engineering Journal.Vol.1No.1,2010, University of Kufa / College Engineering / Civil Department. [9] Hassan W H Jassem M H and Mohammed S S 2018 A GA-HP Model for the Optimal Design of Sewer Networks Water Resour. Manag., vol. 32, no. 3, pp. 865–879. [10] Hassan W H 2017 Application of a genetic algorithm for the optimization of a cutoff wall under hydraulic structures J. Appl. Water Eng. Res., vol. 5, no. 1, pp. 22–30, Jan. [11] Ataie-Ashtiani B 2013 Flow field around single and tandem piers Flow Turbulence and Combustion Journal of Hydraulic Engineering,volume 9429. [12] Flow -3D manual 2014 Flow-3D user manual version 11, Flow Science Santa Fe, NM. [13] Richardson J E and Panchang V G 1998 Three-Dimensional Simulation of Scour Inducing Flow at Bridge Piers Journal of Hydraulic Engineering, 124(5), pp. 530–540. doi: 10.1061/(asce)0733- 9429(1998)124:5(530). [14] Vasquez J and Walsh B 2009 CFD simulation of local scour in complex piers under tidal flow Proceedings of the thirty-third IAHR Congress: Water Engineering for a Sustainable Environment, (604), pp. 913–920. [15] W H H and Halah k Jalal 2019 Effect of Bridge Pier Shape on Depth of Scour Iop, Conf. Ser.,(under puplication). [16] Obeid Z H 2016 3D numerical simulation of local scouring and velocity distributions around bridge piers with different shapes A Peer Reviewed International Journal of Asian Academic Research Associates, 20(16), p. 2801. doi: 10.1186/1757-7241-20-67. [17] Drikakis D 2003 Advances in turbulent flow computations using high-resolution methods Progress in Aerospace Sciences, 39(6–7), pp. 405–424. doi: 10.1016/S03760421(03)00075-7. [18] Yakhot and Orszag 1986 Renormalization Group Analysis of Turbulence, Basic Theory Journal of Scientific Computing, pp. 3–51. 1, pp. 3–51. [19] Mastbergen D R and Van Den Berg J H 2003 Breaching in fine sands and the generation of sustained turbidity currents in submarine canyons Sedimentology, 50(4), pp. 625–637. doi: 10.1046/j.1365-3091.2003.00554.x. [20] Soulsby R L and Whitehouse R J S W 1997 Threshold of sediment motion in Coastal Environments Proc. Combined Australian Coastal Engineering and Port Conference, EA, pp. 149-154. [21] Meyer-Peter E and Müller R 1948 Formulas for bed-load transport Proceedings of the 2nd Meeting of the International Association for Hydraulic Structures Research, 39– 64. [22] Wei G Brethour J Grünzner M and Burnham J 2014 Sedimentation Scour Model Flow Science Report 03-14.
A thesis submitted to The University of Manchester For the degree of Doctor of Philosophy (PhD) In the Faculty of Science and Engineering 2017 Heng Gu School of Mechanical, Aerospace and Civil Engineering
레이저 적층 제조 (LAM)는 재료를 층별로 선택적으로 추가하여 하나 또는 여러 개의 레이저 빔을 사용하여 재료를 융합하거나 응고시키는 3D 부품을 형성하는 것을 기반으로 합니다.
LAM 공정을 조사하는 데 상당한 양의 작업을 할 수 있지만 다른 재료 성장 방향에서 중력 및 동적 유체 흐름 특성의 영향에 대해서는 알려진 바가 거의 없습니다.
레이저 제조 기술의 발전과 함께 LAM은 실린더 본체, 터빈 블레이드의 표면 클래딩, 해양 드릴링 헤드, 다양한 증착 방향이 일반적으로 필요한 슬리브 및 몰드의 측벽을 비롯한 다양한 환경에서 점점 더 많이 사용되고 있습니다. 또한 공간 적층 제조의 경우 운영 환경이 매우 낮거나 무중력을 경험하게 됩니다.
LAM 프로세스를 모델링하기 위한 수치적 방법 개발에 대한 이전 연구에서 많은 노력을 기울였습니다. 그러나 이전 모델링 작업의 대부분은 자유 표면 형성을 고려하지 않고 용융 풀 역학 개발에 초점을 맞추었습니다. 몇 가지 조사에만 동적 유동 용융 풀에 대한 재료 추가 분석이 포함됩니다.
다양한 재료 증착 방향 및 무중력 효과에서 수행 할 때 모든 복잡한 기능을 사용하여 증착 프로세스를 시뮬레이션하고 중력 효과를 고려할 수 있는 모델을 개발하는 작업은 발견되지 않았습니다.
이 연구에서는 재료 추가, 표면 장력, 용융 및 응고, 중력, 온도 의존 재료 속성, 자유 표면 형성 및 이동을 포함한 복합 공정 요인을 고려한 LAM 공정을 위해 3 차원 과도 전산 유체 역학 모델이 구축되었습니다. 열원. 레이저 금속 증착 공정에 대한 더 나은 이해는 수치적으로 그리고 실험적으로 이루어졌습니다.
이 연구는 단일 레이어의 증착, 여러 인접 패스 및 돌출 된 피쳐가 있는 완전한 3 차원 형상을 다루었습니다. 증착 공정 중 다양한 증착 방향과 무중력 및 매우 낮은 중력에 대한 중력의 영향을 조사하고 그 영향을 최소화하기 위해 공정 매개 변수를 최적화 했습니다.
이 연구는 또한 층별 재료 추가를 기반으로 레이저 좁은 갭 용접 공정의 기본 현상과 용접 공정이 다른 방향으로 수행 될 때 중력이 홈 내부의 용융 풀 형성에 미치는 영향을 이해하는 데까지 확장되었습니다.
용융 풀 개발 이력 및 온도 분포를 분석하여 공정 중에 표면 장력 계수의 영향을 논의했습니다. 현재 모델의 도움으로 증착 불균일성, 증착 양단의 돌출부, 경사, 융착 부족, 계단 효과, 표면 파형, 중력 변화로 인한 붕괴 등 다양한 결함을 설명 하였습니다.
이러한 모든 결함을 제거하기 위한 해당 솔루션이 제시되었습니다. 무중력 레이저 적층 제조에 대한 연구는 이전에 보고되지 않았던 몇 가지 새로운 현상을 발견하여 우주에서 미래의 레이저 3D 프린팅을 위한 길을 닦았습니다.
Figure 1.1 Diagram for thesis structureFigure 2.1 Basic construction of a laser system [8]Figure 2.3 Schematic of a diode laser system [12]Figure 2.4 Principle of a cladding pumped fibre laser [13]Figure 2.5 Concept of a thin disk laser [14]Figure 2.7 Lateral powder injection [12]Figure 2.9 Laser additive manufacturing using wire, (a) front feeding, (b) rear feeding,
wire placed at (c) leading edge, (d) centre and (e) trailing edge of melt pool [23, 24]Figure 2.20 Bead geometry at the beginning of the deposition with different surface
tension gradient (a) Negative, (b) positive, (c) Mixed [85]Figure 2.22 Simulation of humping effect in high-speed gas tungsten arc welding [91]Figure 2.25 (a) Melt pool shape formed by Marangoni stress only, (b) Melt pool shape
formed by gravity force only, (c) Melt shape formed by the combination of those two
forces together [122]Figure 2.27 Growth rate and temperature gradient on solidification boundary with
different melt pool shape [120]Figure 2.29 Two different methods to produce overhang structures[136]Figure 2.30 Contact angle of a water droplet adhering on a glass window [142]Figure 2.31 Stress components of a single track laser deposition (a) x-direction, (b) ydirection, (c) z-direction, (d) von Mises equivalent stress [151]Figure 2.32 Phase fraction of martensite during laser metal deposition [160]Figure 4.15 Development of melt pool and velocity field 0.588 s, 1.2 s, 1.896 s, 2.4 sFigure 4.33 Two methods to print C, (A) raster (B) offset outFigure 5.4(a) Cavitar laser illumination system (b) High-speed camera in horizontal
positionFigure 5.5 Schematic diagrams of wire laser deposition process (a) flat (b) verticalFigure 5.6 Experimental set-up equipped with high-speed camera systemFigure 5.7 2-layer deposition result and cross-section (a) top view, (b) experimental
cross section, (c) cross-section of modelling resultFigure 5.13 Temperature and melt pool-velocity field history for case 8, (a&f:0.36 s,
b&g:1.44 s, c&h:1.80 s, d&i:1.908 s, e&j:2.196 s)Figure 5.16 Comparison of melt pool evolution for cases with big and small spot sizeFigure 6.27 (a,b,c) before re-melting, (d,e,f) after re-melting
6.5 Conclusion
좁은 갭 용접 공정의 다양한 측면을 다루는 3 차원 모델이 구축되었습니다. 용접 비드와 측벽 사이의 융합 현상이 없는 것은 필러 재료와 측벽을 녹일 수 있는 충분한 에너지를 제공 할 수 없는 낮은 열 입력으로 인한 것일 수 있습니다.
증가된 레이저 출력을 적용하거나 재 용융 패스를 수행 한 후 더 나은 표면 품질을 얻을 수 있고 측벽과의 융합 부족을 제거 할 수 있습니다. 용접 비드의 모양이 볼록한 모양에서 오목한 모양으로 바뀌고 측면 벽과의 좋은 젖음이 실현 될 수 있습니다.
다양한 위치에서 좁은 틈새 용접에 대한 중력의 영향을 조사했습니다. 용융 풀 전면의 경사 모양은 중력의 영향으로 다르게 나타납니다.
반면, 홈이 없는 기판의 증착 공정과 비교할 때 대부분의 열을 전달하는데 도움이 되는 측벽의 존재로 인해 중력의 영향이 감소했습니다.
마지막 패스 중에 중력은 일부 평평하지 않은 위치에서 심각한 낙하 및 붕괴 문제를 일으킬 수 있습니다. 이것은 표면에 더 큰 용융 풀이 형성되어 중력과 표면 장력 사이의 균형이 깨졌기 때문입니다. 수직 업 위치에서 좁은 간격 용접 공정 동안 다른 중력 수준이 적용되었습니다.
용접 비드와 측벽 사이의 융합 부족은 중력 수준이 증가함에 따라 관찰 될 수 있습니다. 중력이 증가하면 용융 풀의 뒤쪽 영역으로 더 많은 액체 재료가 이동하여 더 심각한 물방울과 볼록한 모양의 용접 비드가 발생합니다.
용융 풀 개발 이력의 도움으로 용접 비드가 더 이상 그루브에 있지 않거나 측벽과의 직접적인 접촉이 적을 때 전도를 통해 더 적은 열이 방출 될 수 있기 때문에 용융 풀 부피가 크게 증가한다는 것을 알 수 있습니다.
좁은 간격 용접 공정에 대한 표면 장력 계수의 영향을 조사했습니다. 양의 표면 장력 계수를 적용하면 용접 비드가 홈 내부에서 덜 오목한 것처럼 보였고 측벽의 습윤 조건이 음의 ∂γ / ∂T 조건의 경우만큼 좋지 않았습니다.
측벽이 없으면 용접 비드는 표면의 마지막 패스 동안 음의 계수와 양의 계수 케이스 사이에 더 많은 차이를 보여줍니다. 표면 장력 계수는 홈 내부의 측벽과의 융합 상태를 결정하는 데 중요한 역할을 했습니다.
두꺼운 부분의 좁은 틈새 용접 중에 여러 번 통과하는 용접 비드 개발이 조사되었습니다. 비드 모양은 열 축적으로 인해 더 많은 패스가 증착 될수록 더 오목 해집니다. 패스 간의 융합 부족은 때때로 다음 패스의 재 용융 공정을 통해 제거 될 수 있습니다. 이종 재료를 사용한 좁은 틈새 용접 프로세스가 성공적으로 시뮬레이션되었습니다.
중심선을 따라 용융 풀과 용접 비드의 비대칭 형성은 재료 열 특성의 차이에 기인 할 수 있으며, 결과적으로 측벽과의 융합 부족을 유발할 수 있습니다.
비드 비대칭 문제는 수평 위치에서 용접 공정을 수행하거나 총 열 입력을 증가시켜 열전도율이 높은 측벽을 녹이는 방식으로 피할 수 있습니다. 재 용융 공정은 표면 품질을 향상시키고 모재와의 융착 문제를 제거하기 위해 용접된 표면에 적용 할 때 유용한 것으로 밝혀졌습니다.
드리프트 모델은 밀도가 서로 다른 두 혼합 유체 구성 요소의 상대적 흐름을 설명합니다. 구성 요소는 상이 다를 수도 있고, 상이 같지만(불가침) 유체가 다를 수도 있습니다. 분산된 위상 입자 크기가 클 경우 드리프트 모델의 적용성에 대한 제한이 존재할 수 있습니다. 이러한 제한은 일반적으로 메쉬 셀 크기의 10% 미만으로 분산된 위상 입자 크기를 유지함으로써 방지할 수 있습니다.
배플
얇은 형상 조각을 나타내는데 사용되는 2 차원 개체입니다. 이들은 전처리기에 의해 셀면으로 이동되고 유체의 흐름을 부분적으로 또는 완전히 차단하는 역할을 합니다. 배플은 지정된 열 전달 계수를 가질 수 있으며 배플을 통과하는 양(플럭스 표면)을 측정하는 데 사용할 수 있습니다.
Two-dimensional objects that are used to represent thin pieces of geometry. They are moved by the preprocessor to cell faces and act to partially, or completely block the flow of fluid. Baffles can have heat transfer coefficients specified and can be used to measure quantities that pass through them (a flux surface).
경계 조건
도메인의 범위에서 솔루션을 정의합니다. 경계 위치에서 흐름의 실제 상태를 나타내는 경계 조건을 선택하는 것이 중요합니다.
Defines the solution at the extents of the domain. It is important to choose boundary conditions that represent the true condition of the flow at the boundary location.
CFD
CFD (Computational Fluid Dynamics)는 수치 솔루션을 통해 컴퓨터의 유체 흐름을 시뮬레이션 하는 유체 역학의 한 분야입니다.
Computational Fluid Dynamics (CFD), the branch of fluid mechanics dedicated to simulating the flow of fluid on a computer via numerical solutions.
Complements
Complements를 정의합니다. 예를 들어, 솔리드 구의 complements는 솔리드 재료로 둘러싸인 구형 구멍입니다.
The inverse of a shape defines the complement. For example, the complement of a solid sphere is a spherical hole surrounded by solid material.
Client
클라이언트 컴퓨터는 자신이 FLOW-3D를 실행하고 있지만, FLOW-3D 소프트웨어 라이선스는 다른 컴퓨터 (서버 컴퓨터)에서 획득하는 컴퓨터를 의미합니다.
A client machine is a computer that runs FLOW-3D but acquires the software license from a different machine (the server machine)
Components
Components는 공간의 개체를 정의하며 하위 구성 요소로 구성됩니다. 구성 요소는 열 전도율, 비열 및 표면 거칠기와 같은 재료 특성을 가질 수 있습니다.
Components define objects in space and are comprised of subcomponents. A component can have material properties such as thermal conductivity, specific heat and surface roughness.
Custom result
시뮬레이션 중 또는 완료 후 사용자가 생성한 데이터를 그래픽으로 표시합니다. 생성하려면 사용자가 flsgrf결과 파일을 연 다음 플로팅 매개 변수(예 : 플로팅 할 도메인 부분, 플로팅 할 수량 등)를 선택해야 합니다.
Graphical displays of data generated by the user during the simulation or after it has completed. To generate, the user must open an flsgrf results file and then select the plotting parameter (e.g., portion of domain to plot, quantity to plot, etc.).
Domain
지배 방정식을 풀 영역입니다. 이것은 메쉬의 범위에 의해 정의됩니다.
The region in which the governing equations are to be solved. This is defined by the extents of the mesh.
Diagnostics
전 처리기 및 솔버의 진행 상황과 오류 및 경고에 대한 정보가 포함된 파일 세트입니다.
A suite of files that contain information on the progress of the preprocessor and solver as well as errors and warnings.
EPSI
압력/연속 반복이 어느 지점에서 수렴되는지를 결정하는데 사용된 수렴 기준입니다. 기본 숫자 설정을 사용하면 이 값은 FLOW-3D에 의해 자동으로 계산되며 시간 단계가 증가함에 따라 작아집니다.
The convergence criterion that was used to determine at what point the pressure/continuity iterations have converged. With the default numerical settings, this value is automatically computed by FLOW-3D and becomes smaller as the time step increases.
Existing result
prpplt.* 또는 flsplt.* 파일은 전처리 종료 솔버 실행 종료시 또는 자동으로 생성되는 플롯 파일입니다.
A plot file that is automatically created, either at the end of preprocessing or the end of the solver run- prpplt.* or flsplt.*.
F3D_HOME
FLOW-3D 프로그램 파일이 있는 디렉토리를 정의하는 환경 변수.
Environment variable that defines the directory where the FLOW-3D program files are located.
Floating license
FLOW-3D는 서버 시스템에 라이센스를 액세스하는 각 클라이언트 컴퓨터와 컴퓨터 네트워크에서 실행합니다. 허용하는 라이센스 최대 동시 시뮬레이션 수는 구매한 솔버 토큰 수에 의해 제한됩니다.
A license that allows FLOW-3D to be run on a network of computers with each client machine accessing the license on a server machine. The maximum number of concurrent simulations is limited by the number of solver tokens purchased.
Flsgrf file
솔버가 생성한 결과 파일. 이 파일은 사전에 정의된 시간 간격으로 생성된 정보를 포함하며 그래픽 디스플레이를 생성하는 데 사용됩니다. 사용자 정의 플로팅 중에 포스트 프로세서에서 사용합니다.
Results file produced by the solver. This file contains information produced at predefined time intervals and is used to produce graphical displays. Used by the postprocessor during custom plotting.
Flsplt file
솔버가 자동으로 생성한 플롯 파일입니다. 이 파일에는 시뮬레이션의 히스토리 데이터, 메시 등에 대한 기본 정보와의 $GRAFIC 이름 목록에 사전 정의된 그래픽 요청이 포함되어 prepin.* 파일 안에 있습니다.
Plot file produced automatically by the solver. This file contains basic information on history data, mesh, etc. from the simulation as well as any pre-defined graphics requests in the $GRAFIC namelist in prepin.*.
Fluid #1 surface area
선택한 길이 단위의 자유 표면 영역을 제곱 됩니다. 인터페이스가 예리한 문제에만 해당됩니다.
The free-surface area in the chosen length units squared. This is only relevant for problems with a sharp interface.
Fluid thermal energy
영역에 존재하는 모든 유체에 포함된 총 열 에너지 (에너지 전송이 켜져 있는 시뮬레이션에만 해당).
The total thermal energy contained by all the fluid present in the domain (relevant only for simulations with energy transport turned on).
Free surface
유체와 유체 사이의 인터페이스. FLOW-3D에서 이 인터페이스는 전단이 없는 것으로 가정되며, 이는 빈 공간에 있는 가스가 유체에 무시할 수 있는 트랙션을 발휘함을 의미한다.
The interface between fluid and void. In FLOW-3D , this interface is assumed to be shear-free, meaning that any gas in the void space exerted negligible traction on the fluid.
GUI
” Graphical User Interface”. GUI는 사용자가 FLOW-3D를 제어할 수 있는 그래픽 패널, 대화 상자 및 창을 제공합니다.
“Graphical User Interface”. The GUI presents the graphical panels, dialog boxes and windows that allow the user to control FLOW-3D .
Iteration count
각 시간 단계에서 필요한 압력/연속 반복 횟수입니다. 압력/연속성 반복은 유체 볼륨이 유지되도록 하고 유체 전체에서 올바른 압력을 계산하는 데 필요합니다.
The number of pressure/continuity iterations required at each time step. The pressure/continuity iterations are necessary to ensure that the fluid volume is maintained and to compute the correct pressure throughout the fluid.
License file
사용자가 FLOW-3D 를 실행할 수 있도록 암호화된 정보가 포함된 Flow Science에서 제공하는 전자 파일 입니다.
Electronic file provided by Flow Science that contains encrypted information enabling the user to run FLOW-3D .
License server
플로팅 라이센스 시스템의 작동을 활성화하기 위해 FLEXlm 라이센스 소프트웨어가 설치된 시스템. FLOW-3D는 License Server에 설치할 필요가 없습니다.
Computer on which the FLEXlm licensing software is installed to enable the operation of a floating license system. FLOW-3D does not need to be installed on the license server.
Licensing
FLOW-3D 실행을 제어하는 FLEXlm 소프트웨어.
FLEXlm software that controls the running of FLOW-3D .
Max. residual
압력/연속성 반복의 최종 반복에서 연속성 방정식의 실제 발산. 이 값은 메시지가 나타나지 않는 한 일반적으로 epsi보다 작습니다 .
The actual divergence of the continuity equation on the final iteration of the pressure/continuity iterations. This value is usually smaller than epsi unless the message, pressure iteration did not converge in xxxx iterations appears.
Mean kinetic energy
모든 계산 셀의 운동 에너지의 합을 도메인에 존재하는 총 유체 질량으로 나눈 값입니다. 이 양이 시간이 지남에 따라 변하지 않으면 정상 상태에 도달했음을 나타내는 좋은 지표입니다.
The sum of kinetic energy of all the computational cells, divided by the total mass of fluid present in the domain. When this quantity ceases to change over time, it is a good indicator that steady-state has been reached.
Node-locked license
특정 컴퓨터에 고정된 라이센스. 노드 잠금 라이센스는 네트워크를 통해 액세스 할 수 없으므로 일반적으로 모든 작업을 한 컴퓨터에서 수행해야하는 경우에만 사용됩니다.
A license that is locked to a particular computer. A node-locked license cannot be accessed across a network, and so is typically only used when all work is to be done on one computer.
Non-inertial reference frame
가속화되는 참조 프레임. 비 관성 참조 프레임은 움직이는 컨테이너를 모방하는 데 사용할 수 있습니다.
A frame of reference that is accelerating. A non-inertial reference frame can be used to mimic a moving container.
Pltfsi
1D 및 2D 플롯을 생성하는 FLOW-3D에 포함된 그래픽 디스플레이 프로그램.
Graphics display program included with FLOW-3D that produces 1D and 2D plots.
Postprocessor
FLOW-3D 내의 Postprocessor 프로그램은 FLOW-3D 또는 타사 시각화 프로그램에서 읽을 수 있는 데이터 파일을 생성하거나 타사 소프트웨어 프로그램에서 읽을 텍스트 데이터를 생성하는 솔버 출력 데이터를 처리하는 프로그램입니다.
The program within FLOW-3D that processes the solver output data to produce data files that can be read by FLOW-3D ’s or third-party’s visualization programs, or produce text data to be read by third party software programs.
Prepin file
FLOW-3D 시뮬레이션을 실행하는데 필요한 모든 정보가 포함된 텍스트 파일 입니다. GUI를 사용하거나 텍스트 편집기를 사용하여 수동으로 작성할 수 있습니다.
Text file that contains all of the information necessary to create a FLOW-3D simulation. It can be created using the GUI or manually with a text editor.
Preprocessor
솔버의 실행을 준비하기 위해 입력 파일을 기반으로 메쉬 및 초기 조건을 생성하는 FLOW-3D 내의 프로그램 입니다.
The program within FLOW-3D that generates the mesh and initial conditions based on the input file in preparation for the running of the solver.
Prpgrf file
전처리기에 의해 생성된 결과 파일로 전 처리기의 정보를 포함하며 후 처리기에서 사용자 플롯을 생성하는 데 사용할 수 있습니다. 이 파일은 미리보기 버튼을 선택하거나 시뮬레이션에서 사전 프로세서(runpre 사용)를 실행하는 경우에만 실행됩니다.
Results file produced by the preprocessor. Contains information from the preprocessor and can be used by the postprocessor to create custom plots. This file is produced only when the Preview button is selected or if only the pre-processor is run on the simulation (using runpre).
Prpplt file
전처리기에 의해 자동으로 생성된 파일을 플롯 합니다. 메시, 구성 요소, 초기 조건 및 재료 특성에 대한 정보가 포함되어 있습니다.
Plot file produced automatically by the preprocessor. Contains information on meshing, components, initial conditions and material properties.
Restart simulation
이전 시뮬레이션에서 계속되는 시뮬레이션입니다. 이전 시뮬레이션의 결과는 다시 시작 시뮬레이션을 위한 초기 조건 및 (선택적으로) 경계 조건을 생성하는 데 사용됩니다.
A simulation which continues from a previous simulation. The results from the previous simulation are used to generate the initial conditions and (optionally) boundary conditions for the restart simulation.
Server
라이센스 서버를 호스팅하는 시스템
The machine that hosts the license server.
Stability limit
각 시간 단계에서 사용할 수 있는 최대 시간 단계. 더 큰 시간 단계는 수치적 불안정성과 비물리적 결과로 이어질 것이다.
The maximum time step that can be used during each time step. A larger time step will lead to numerical instabilities and nonphysical results.
STL (Stereolithography) File
.STL 파일 형식은 일련의 삼각형이 있는 솔리드 모델의 표면에 근접한 표준 데이터 전송 형식이다. 삼각형은 가장자리에서 결합해야 하며 일관된 방향을 가리키는 정규식이 있어야 한다.
The .STL file format is a standard data transmission format that approximates the surfaces of a solid model with a series of triangles. The triangles must join at the edges and must have normals that point in a consistent direction.
Solid fraction
응고된 영역의 유체 분율 (응고 모델이 켜져 있는 시뮬레이션에만 해당).
The fraction of fluid in the domain that has become solidified (relevant only for simulations where the solidification model has been turned on).
Solver
입력 파일에 정의된 흐름 문제를 시뮬레이션하는 방정식을 계산하는 FLOW-3D 내의 솔버 프로그램 입니다.
The program within FLOW-3D that solves the system of equations that simulate the flow problem defined in the input file.
STL Viewer
스테레오리소그래피(STL) 파일을 표시하는 특수 유틸리티입니다. STL 파일은 CAD 소프트웨어로 제작되며 3 차원 객체의 표면을 형성하는 많은 삼각형으로 구성됩니다. 의 STL 뷰어 FLOW-3D는 메인 메뉴에서 유틸리티/STL 뷰어를 클릭하여 GUI를 통해 액세스 할 수 있습니다. 그러면 뷰어가 별도의 창에서 열립니다. 메쉬 및 형상 탭에서 STL 파일을 열고 볼 수도 있습니다.
A special utility that displays stereolithography (STL) files. STL files are produced by CAD software and are composed of many triangles that form the surface of a three-dimensional object. The STL Viewer in FLOW-3D is accessible via the GUI by clicking Utilities/STL Viewer in the main menu. This causes the viewer to open in a separate window. STL files can also be opened and viewed in the Meshing and Geometry tab.
Subcomponents
하위 구성 요소는 구성 요소라고하는 더 큰 모양을 형성하기 위해 결합할 수 있는 기하학적 모양입니다. 하위 구성 요소는 재료를 추가하거나 (고체로) 다른 하위 구성 요소에서 재료를 제거하거나 (구멍으로) 또는 모양 외부에 재료를 추가하도록 정의할 수 있습니다.
Subcomponents are geometric shapes that can be combined to form larger shapes, called components. A subcomponent can be defined to add material (as solids), remove material from other subcomponents (as holes), or add material outside of the shape (as a complement).
Time-step size
계산에 사용된 실제 시간 단계. 이 값은 안정성 한계와 같거나 작을 수 있습니다.
The actual time step used in the computation. This value can be equal to or less than the stability limit.
Units
Units are based upon the values set for the physical properties. Items such as mesh block extents and cell lengths automatically conform to the units used for setting these physical properties.
단위는 물리적 특성에 설정된 값을 기반으로 합니다. 메쉬 블록 범위 및 셀 길이와 같은 항목은 이러한 물리적 속성을 설정하는 데 사용되는 단위를 자동으로 따릅니다.
Volume error (%)
주어진 시간에 도메인에 존재하는 총 유체의 백분율로 설명되지 않은 유체 부피의 백분율을 의미합니다. 따라서 단순히 총 부피가 작기 때문에 유체가 시스템 밖으로 배출되는 시뮬레이션에서 큰 비율의 부피 오류가 발생할 수 있습니다.
The percentage of fluid volume not accounted for as a percentage of the total fluid present in the domain at a given time. Therefore, a large percentage volume error can occur for simulations where fluid is draining out of the system simply because the total volume present is small.
Volume of fluid #1
선택한 길이 단위로 입방체에 존재하는 유체 #1의 총 부피입니다. 2 유체 문제의 경우, 유체 #2의 부피는 항상 도메인 부피에서 유체 #1의 부피를 뺀 값입니다.
The total volume of fluid #1 present in the system, in the chosen length units cubed. For two-fluid problems, the volume of fluid #2 is always the domain volume minus the volume of fluid #1.
Wall shear stress
FLOW-3D 옵션은 벽면 및 객체 인터페이스에서 전단 응력 계산을 켜거나 끌 수 있도록 해줍니다. “no-slip” 인터페이스의 효과를 모델링 하려면 벽면 전단 응력을 켜야 합니다.
The FLOW-3D option that allows the user to turn on or off the computation of shear stress at wall and object interfaces. Wall shear stress must be turned on to model the effect of “no-slip” interfaces.
Workspace
작업 공간은 시뮬레이션 프로젝트를 위한 파일 컨테이너입니다. 작업 공간은 사용자가 FLOW-3D 뿐만 아니라 하드 드라이브에서도 작업을 구성하는 데 도움이 됩니다.
A workspace is a file container for simulation projects. Workspaces help the user organize their work, not only within FLOW-3D , but also on their hard drive.
International Thermal Spray Conference – ITSC-2006 Seattle, Washington, U.S.A., May 2006
M. Ivosevic, V. Gupta, R. A. Cairncross, T. E. Twardowski, R. Knight, Drexel University, Philadelphia, Pennsylvania, USA J. A. Baldoni Duke University, North Carolina, USA
Abstract
거친 표면에 대한 입자 충격 및 변형의 3 차원 모델이 HVOF 스프레이 폴리머 입자에 대해 개발되었습니다. 유체 흐름 및 입자 변형은 FLOW-3D® 소프트웨어를 사용하는 유체 부피 (VoF) 방법으로 예측되었습니다. 스플래팅(splatting) 및 최종 스플랫 모양(splat shapes)의 역학에 대한 거칠기의 영향은 몇 가지 프로토타입 거친 표면을 사용하여 탐색 되었습니다 (예: 단계와 그루브)
또한 실제 그릿 블라스팅(grit blasted)된 강철 표면의 광학 간섭 측정에 의해 생성된 보다 사실적인 거친 표면의 수치 표현도 모델에 통합되었습니다. 예측된 스플랫 모양을 그릿 블라스팅 된 강철 기판에 증착된 나일론 11 스플랫의 SEM 이미지와 비교했습니다. 거친 기판은 부드러운 기판의 스플래팅 시뮬레이션에서 거의 관찰되지 않는 손가락 및 기타 비대칭 3 차원 불안정성을 생성했습니다.
Introduction
기판 거칠기가 용사 코팅의 접착력과 접착력을 향상 시킨다는 사실은 잘 알려져 있으며 일반적으로 받아 들여지고 있습니다 [1]. 스프레이하기 전에 기판 표면은 일반적으로 알루미나 또는 SiC와 같은 50 – 300 µm 각 세라믹 입자로 그릿 블라스팅으로 거칠게 처리됩니다.
기판 표면에 증착된 초기 스플랫의 형태는 코팅 / 기판 인터페이스의 무결성과 결과 코팅의 접착 강도에 중요한 역할을합니다. 단단하고 불규칙한 표면에 대한 열 스프레이 액적의 충격 및 변형은 액적 표면의 복잡한 대규모 3 차원 변형이 특징입니다.
충돌하는 물방울의 “스플래싱”이 발생하는 경우, 운지법 또는 위성 입자 생성 및 분리 중 새로운 표면 생성은 일반적으로 축 대칭이 아니므로 사실적인 splat 예측을 위해 3 차원 모델이 필요합니다. 이것은 정확한 3 차원 스플래팅 모델의 개발에 많은 수치적 도전을 야기합니다.
Fauchais et al. [2]는 스플랫 형성 과정과 관련하여 발표 된 논문의 대부분 (~ 98 %)이 매끄러운 표면에 대한 정상적인 액적 충격을 설명한다고보고했습니다. 게시된 작업의 2 % 미만은 매끄러운 표면에 대한 비정상적인 입자 영향과 관련이 있으며 ~ 0.1 %만이 거친 기판과 관련됩니다.
여러 저자 [3, 4]는 2 차원 모델을 사용하여 비평면 표면과 물방울의 상호 작용을 연구했거나 평행 그루브가 있는 표면에 대한 3 차원 충격 [5]을 연구했습니다. 그러나 이 접근법의 주요 단점은 거친 표면에 스플래팅의 비축 대칭 측면을 연구합니다.
최근 Raessi et al. [6] 이전에 개발된 VoF 모델 [7]을 확장하여 평평한 기판에 액적 스플래팅을 프로토 타입 거친 표면과 액적 상호 작용으로 확장했습니다. 표면 거칠기는 규칙적으로 정렬 된 정사각형 블록으로 근사화 되었습니다. Feng et al. [8]은 평평한 표면의 마찰 조건에 의해 표면 거칠기가 근사된 3 차원 Lagrangian 유한 요소 모델을 사용했습니다.
이 접근 방식은 소규모 점성 및 축 대칭 자유 표면 흐름과 관련하여 매우 정확할 수 있지만 fingering 생성 또는 satellites 생성 및 breakups 중 새로운 표면 생성과 관련된 물방울이 튀기는 경계 맞춤 기술에 적합하지 않습니다.
또한, 열 분무에 사용되는 그릿 블라스팅 표면의 평균 표면 거칠기 (Ra)는 일반적으로 50μm의 평균 액적 크기에 비해 ~ 5 ~ 30 % (~ 2 ~ 15μm)입니다. 평평한 표면에 간단한 마찰 흐름.
본 연구의 목표는 임의의 거친 기질에 영향을 미치는 HVOF 분무 중합체 입자의 모델을 개발하는 것이다. 매끄럽지 않은 표면에 대한 입자 분할 모델은 표면의 기하학적 불규칙성이 분할 거동과 최종 분할 형태에 어떻게 영향을 미치는지 더 잘 이해할 수 있게 해줄 것입니다.
HVOF 제트에서 미크론 크기의 공급 원료 입자로의 강제 대류는 높은 대류 열 전달 계수 (h ~ 5000 – 17,000 W / (m2 K))를 특징으로 합니다. 이로 인해 입자 표면 온도가 급격히 증가하지만 폴리머 입자의 높은 내부 열 저항 (높은 Bi 수)은 입자 내부가 동일한 속도로 가열되는 것을 방지합니다. 결과적으로 더 큰 (예 : 90 µm 직경) 나일론 11 입자는 기판에 충격을 주기 전에 코어와 표면 사이에 급격한 온도 구배를 나타냅니다 (그림 1) [9, 10, 11].
Figure 1: Temperature of a 90 µm diameter Nylon 11 particle
with respect to normalized particle radius (r/R) [10].Figure 2: (a) Velocity field within a spreading 90 µm diameter
particle; (Left): velocity magnitude, (Right): velocity vectors,
(b) example Nylon 11 splat deposited via swipe test onto a
room temperature glass slide.
또한 가파른 내부 온도 구배를 가진 HVOF 스프레이 폴리머 입자가 얇은 디스크 중앙에 크고 거의 반구형 인 코어가있는 특징적인 “튀김 달걀”모양으로 퍼졌다고 보고되었습니다 [10]. 이 모양은 저온, 고점도 코어와 고온, 저점도 표면의 유동 특성 간에 큰 방사형 차이가 있음을 나타냅니다.
변형된 입자의 예측 된 모양 (그림 2a)은 유리 슬라이드에 증착된 실험적으로 관찰 된 스플랫과 좋은 질적 일치를 나타 냈습니다 (그림 2b). 액적의 오른쪽에 표시된 속도 장 벡터 (그림 2a)는 저점도 “피부”가 고점도 코어 주위를 흐르면서 특징적인 “튀김 달걀” splat 모양이 형성되었음을 나타냅니다.
이 작업에서 보고된 실험 중에 사용된 HVOF 스프레이 매개 변수는 나일론 11을 증착하는데 사용할 수 있는 일반적인 HVOF 스프레이 매개 변수를 나타냅니다. 그러나 실험 기준 매개 변수를 중심으로 개발된 수치 모델은 개별 스플랫의 흐름 거동을 더 잘 이해하는 데 사용할 수 있습니다. 증착 효율 향상을 위한 공정 최적화를 지원합니다.
Figure 3: Boundary conditions, initial conditions and crosssection of a typical mesh used in Flow-3DFigure 5: Cross section of four steel substrates: (a) polished
with ~1 Pm alumina suspension, (b) grit blasted with #120
grit, (c) grit blasted with #50 grit, (d) grit blasted with #12
grit. Top image shows optical interferometry scan of # 120
grit blasted surface.Figure 6: Nylon-11 splats deposited during a single run over
steel substrates with roughnesses as per Figure 5.Figure 7: Nylon-11 splat on a grit blasted steel substrate, (a)
close up of a peripheral splat finger.Figure 8: Cross-sections of predicted three-dimensional spreading splats for a 90 µm diameter Nylon-11 particle on four different
surface roughnesses (dimensionless time t* = t/(D/v
o
(p))).Figure 9: Predicted three-dimensional spreading splats for a
90 µm diameter Nylon-11 droplet.
Davis, J. R., (Ed.) et al, Handbook of Thermal Spray Technology, ASM International®, 1st Ed., Materials Park, OH, (2004).
Fauchais, P., Fukomoto, M., Vardelle, A. and Vardelle, M., Knowledge Concerning Splat Formation: An Invited Review, Journal of Thermal Spray Technology, 13 (3), pp. 337 – 360, (2004).
Liu, H., Lavernia, E. J. and Rangel, R. H., Modeling of Molten Droplet Impingement on a Non-flat Surface, Acta Metall. Mater, 43(5), pp. 2053 – 2072, (1995).
Sobolev, V. V., Guilemany, J. M. and Martin, A. J., Influence of Surface Roughness on the Flattening of Powder Particles during Thermal Spraying, Journal of Thermal Spray Technology 5(2), pp. 207 – 214, (1996). 5 Patanker, N. A. and Chen, Y., Numerical Simulation of Droplet Shapes on Rough Surfaces, Proc. Int. Conference on Modeling and Simulations of Microsystems – MSM 2002, pp. 116 – 119, (2002) 6 Raessi, M., Mostaghimi, J. and Bussmann, M., “Droplet Impact during the Plasma Spray Coating Process-Effect of Surface Roughness on Splat Shapes,” Proc. 17th Int. Symposium on Plasma Chemistry – ISPC 17, Toronto, Canada, (2005) 7 Pasandideh-Fard, M., Chandra, S. and Mostaghimi, J., A Three-dimensional Model of Droplet Impact and Solidification, Int. J. Heat and Mass Transfer, 45, pp. 2229 – 2242, (2002). 8 Feng, Z. G., Domaszewski, M., Montavon, G. and Coddet, C., Finite Element Analysis of Effect of Substrate Surface Roughness on Liquid Droplet Impact and Flattening Process, J. of Thermal Spray Technology, 11(1), pp. 62-68, (2002). 9 Petrovicova, E., “Structure and Properties of Polymer Nanocomposite Coatings Applied by the HVOF Process,” Ph.D. Dissertation, Drexel University, (1999). 10 Ivosevic, M., Cairncross, R. A., Knight, R., Impact Modeling of Thermally Sprayed Polymer Particles, Proc. ITSC-2005 International Thermal Spray Conference, DVS/IIW/ASM-TSS, Basel, Switzerland, (2005). 11 Bao, Y., Gawne, D. T. and Zhang, T., The Effect of Feedstock Particle Size on the Heat transfer Rates and Properties of Thermally Sprayed Polymer Coatings, Trans. I. M. F., 73(4), pp 119 – 124, (1998). 12 Ivosevic, M., Cairncross, R. A. and Knight, R., “Heating and Impact Modeling of HVOF Sprayed Polymer Particles,” Proc. 2004 International Thermal Spray Conference (ITSC-2004), DVS/IIW/ASM-TSS, Osaka, Japan, (2004). 13 Hirt, C. W. and Nichols, B. D., Volume of Fluid (VoF) Method for the Dynamics of Free Boundaries, Journal of Computational Physics, 39, pp. 201 – 225, (1981).
X.J. Liu a,∗, S.H. Bhavnani b,1, R.A. Overfelt c,2 a United States Steel Corporation, Great Lakes Works, #1 Quality Drive, Ecorse, MI 48229, United States b 213 Ross Hall, Department of Mechanical Engineering, Auburn University, Auburn, AL 36849-5341, United States c 202 Ross Hall, Department of Mechanical Engineering, Materials Engineering Program, Auburn University, Auburn, AL 36849-5341, United States Received 17 April 2006; received in revised form 14 July 2006; accepted 21 August 2006
Keywords: Lost foam casting; Heat transfer coefficient; Gas pressure; VOF-FAVOR
LFC (Loss Foam Casting) 공정에서 부드러운 몰드 충진의 중요성은 오랫동안 인식되어 왔습니다. 충진 공정이 균일할수록 생산되는 주조 제품의 품질이 향상됩니다. 성공적인 컴퓨터 시뮬레이션은 금형 충전 공정에서 복잡한 메커니즘과 다양한 공정 매개 변수의 상호 작용을 더 잘 이해함으로써 새로운 주조 제품 설계의 시도 횟수를 줄이고 리드 타임을 줄이는데 도움이 될 수 있습니다.
이 연구에서는 용융 알루미늄의 유체 흐름과 금속과 발포 폴리스티렌 (EPS) 폼 패턴 사이의 계면 갭에 관련된 열 전달을 시뮬레이션하기 위해 전산 유체 역학 (CFD) 모델이 개발되었습니다.
상업용 코드 FLOW-3D는 VOF (Volume of Fluid) 방법으로 용융 금속의 전면을 추적 할 수 있고 FAVOR (Fractional Area / Volume Ratios) 방법으로 복잡한 부품을 모델링 할 수 있기 때문에 사용되었습니다. 이 코드는 폼 열화 및 코팅 투과성과 관련된 기체 갭 압력을 기반으로 다양한 계면 열 전달 계수 (VHTC)의 효과를 포함하도록 수정되었습니다.
수정은 실험 연구에 대해 검증되었으며 비교는 FLOW-3D의 기본 상수 열 전달 (CHTC) 모델보다 더 나은 일치를 보여주었습니다. 금속 전면 온도는 VHTC 모델에 의해 실험적 불확실성 내에서 예측되었습니다. 몰드 충전 패턴과 1-4 초의 충전 시간 차이는 여러 형상에 대해 CHTC 모델보다 VHTC 모델에 의해 더 정확하게 포착되었습니다. 이 연구는 전통적으로 매우 경험적인 분야에서 중요한 프로세스 및 설계 변수의 효과에 대한 추가 통찰력을 제공했습니다.
지난 20 년 동안 LFC (Loss Foam Casting) 공정은 코어가 필요없는 복잡한 부품을 제조하기 위해 널리 채택되었습니다. 이는 자동차 제조업체가 현재 LFC 기술을 사용하여 광범위한 엔진 블록과 실린더 헤드를 생산하기 때문에 알루미늄 주조 산업에서 특히 그렇습니다.
기본 절차, 적용 및 장점은 [1]에서 찾을 수 있습니다. LFC 프로세스는 주로 숙련 된 실무자의 경험적 지식을 기반으로 개발되었습니다. 발포 폴리스티렌 (EPS) 발포 분해의 수치 모델링은 최근에야 설계 및 공정 변수를 최적화하는 데 유용한 통찰력을 제공 할 수있는 지점에 도달했습니다. LFC 공정에서 원하는 모양의 발포 폴리스티렌 폼 패턴을 적절한 게이팅 시스템이있는 모래 주형에 배치합니다.
폼 패턴은 용융 금속 전면이 패턴으로 진행될 때 붕괴, 용융, 기화 및 열화를 겪습니다. 전진하는 금속 전면과 후퇴하는 폼 패턴 사이의 간격 인 운동 영역은 Warner et al. [2] LFC 프로세스를 모델링합니다. 금형 충진 과정에서 분해 산물은 운동 영역에서 코팅층을 통해 모래로 빠져 나갑니다.
용융 금속과 폼 패턴 사이의 복잡한 반응은 LFC 공정의 시뮬레이션을 극도로 어렵게 만듭니다. SOLA-VOF (SOLution AlgorithmVolume of Fluid) 방법이 Hirt와 Nichols [3]에 의해 처음 공식화 되었기 때문에 빈 금형을 사용한 전통적인 모래 주조 시뮬레이션은 광범위하게 연구되었습니다.
Lost foam 주조 공정은 기존의 모래 주조와 많은 특성을 공유하기 때문에이 새로운 공정을 모델링하는 데 적용된 이론과 기술은 대부분 기존의 모래 주조를 위해 개발 된 시뮬레이션 방법에서 비롯되었습니다. 패턴 분해 속도가 금속성 헤드와 금속 전면 온도의 선형 함수라고 가정함으로써 Wang et al. [4]는 기존의 모래 주조의 기존 컴퓨터 프로그램을 기반으로 복잡한 3D 형상에서 Lost foam 주조 공정을 시뮬레이션했습니다.
Liu et al. [5]는 금속 앞쪽 속도를 예측하기 위한 간단한 1D 수학적 모델과 함께 운동 영역의 배압을 포함했습니다. Mirbagheri et al. [6]은 SOLA-VOF 기술을 기반으로 금속 전면의 자유 표면에 대한 압력 보정 방식을 사용하는 Foam 열화 모델을 개발했습니다.
Kuo et al.에 의해 유사한 배압 방식이 채택되었습니다. [7] 운동량 방정식에서이 힘의 값은 실험 결과에 따라 패턴의 충전 순서를 연구하기 위해 조정되었습니다.
이러한 시뮬레이션의 대부분은 LFC 공정의 충전 속도가 기존의 모래 주조 공정보다 훨씬 느린 것으로 성공적으로 예측합니다. 그러나 Foam 분해의 역할은 대부분 모델의 일부가 아니며 시뮬레이션을 수행하려면 실험 데이터 또는 경험적 함수가 필요합니다.
현재 연구는 일정한 열전달 계수 (CHTC)를 사용하는 상용 코드 FLOW-3D의 기본 LFC 모델을 수정하여 Foam 열화와 관련된 기체 갭 압력에 따라 다양한 열전달 계수 (VHTC)의 영향을 포함합니다. 코팅 투과성. 수정은 여러 공정 변수에 대한 실험 연구에 대해 검증되었습니다.
또한, 손실 된 폼 주조에서 가장 중요한 문제인 결함 형성은 문헌에서 인용 된 수치 작업에서 모델링되지 않았습니다. 접힘, 내부 기공 및 표면 기포와 같은 열분해 결함은 LFC 작업에서 많은 양의 스크랩을 설명합니다. FLOW-3D의 결함 예측 기능은 프로세스를 이해하고 최적화하는데 매우 중요합니다.
Fig. 7. Comparison of mold filling times for a plate pattern with three ingates: (a) measured values by thermometric technique [18]; (b) predicted filling times based
on basic CHTC model with gravity effect; and (c) predicted filing times based on the VHTC model with heat transfer coefficient changing with gas pressure; (d)
mold filling time at the right-and wall of the mold for the plate pattern with three ingates.Fig. 10. Defects formation predicted by (a) basic CHTC model with gravity effect; (b) VHTC model with heat transfer coefficient based on both gas pressure and
coating thickness; and (c) improved model for two ingates. Color represents probability for defects (blue is the lowest and red highest).
[1] S. Shivkumar, L. Wang, D. Apelian, The lost-foam casting of aluminum alloy components, JOM 42 (11) (1990) 38–44. [2] M.H. Warner, B.A. Miller, H.E. Littleton, Pattern pyrolysis defect reduction in lost foam castings, AFS Trans. 106 (1998) 777–785. [3] C.W. Hirt, B.D. Nichols, Volume of Fluid (VOF) method for the dynamics of free boundaries, J. Comp. Phys. 39 (1) (1981) 201–225. [4] C. Wang, A.J. Paul, W.W. Fincher, O.J. Huey, Computational analysis of fluid flow and heat transfer during the EPC process, AFS Trans. 101 (1993) 897–904. [5] Y. Liu, S.I. Bakhtiyarov, R.A. Overfelt, Numerical modeling and experimental verification of mold filling and evolved gas pressure in lost foam casting process, J. Mater. Sci. 37 (14) (2002) 2997–3003. [6] S.M.H. Mirbagheri, H. Esmaeileian, S. Serajzadeh, N. Varahram, P. Davami, Simulation of melt flow in coated mould cavity in the lost foam casting process, J. Mater. Process. Technol. 142 (2003) 493–507. [7] J.-H. Kuo, J.-C. Chen, Y.-N. Pan, W.-S. Hwang, Mold filling analysis in lost foam casting process for aluminum alloys and its experimental validation, Mater. Trans. 44 (10) (2003) 2169–2174. [8] C.W. Hirt, Flow-3D User’s Manual, Flow Science Inc., 2005. [9] E.S. Duff, Fluid flow aspects of solidification modeling: simulation of low pressure die casting, The University of Queensland, Ph.D. Thesis, 1999. [10] X.J. Liu, S.H. Bhavnani, R.A. Overfelt, The effects of foam density and metal velocity on the heat and mass transfer in the lost foam casting process, in: Proceedings of the ASME Summer Heat Transfer Conference, 2003, pp. 317–323. [11] W. Sun, P. Scarber Jr., H. Littleton, Validation and improvement of computer modeling of the lost foam casting process via real time X-ray technology, in: Multiphase Phenomena and CFD Modeling and Simulation in Materials Processes, Minerals, Metals and Materials Society, 2004, pp. 245–251. [12] T.V. Molibog, Modeling of metal/pattern replacement in the lost foam casting process, Materials Engineering, University of Alabama, Birmingham, Ph.D. Thesis, 2002. [13] X.J. Liu, S.H. Bhavnani, R.A. Overfelt, Measurement of kinetic zone temperature and heat transfer coefficient in the lost foam casting process, ASME Int. Mech. Eng. Congr. (2004) 411–418. [14] X. Yao, An experimental analysis of casting formation in the expendable pattern casting (EPC) process, Department of Materials Science and Engineering, Worcester Polytechnic Institute, M.S. Thesis, 1994. [15] M.R. Barkhudarov, C.W. Hirt, Tracking defects, Die Casting Engineer 43 (1) (1999) 44–52. [16] C.W. Hirt, Modeling the Lost Foam Process with Defect PredictionsProgress Report: Lost-Foam Model Extensions, Wicking, Flow Science Inc., 1999. [17] D. Wang, Thermophysical Properties, Solidification Design Center, Auburn University, 2001. [18] S. Shivkumar, B. Gallois, Physico-chemical aspects of the full mold casting of aluminum alloys, part II: metal flow in simple patterns, AFS Trans. 95 (1987) 801–812.
시뮬레이션 비디오 갤러리에서 FLOW-3D 제품군으로 모델링 할 수 있는 다양한 가능성을 살펴보십시오 .
적층 제조 시뮬레이션 갤러리
FLOW-3D AM 은 레이저 파우더 베드 융합, 바인더 제트 및 직접 에너지 증착과 같은 적층 제조 공정을 시뮬레이션하고 분석합니다. FLOW-3D AM 의 다중 물리 기능은 공정 매개 변수의 분석 및 최적화를 위해 분말 확산 및 압축, 용융 풀 역학, L-PBF 및 DED에 대한 다공성 형성, 바인더 분사 공정을 위한 수지 침투 및 확산에 대한 매우 정확한 시뮬레이션을 제공합니다.
Multi-material Laser Powder Bed Fusion | FLOW-3D AM
Micro and meso scale simulations using FLOW-3D AM help us understand the mixing of different materials in the melt pool and the formation of potential defects such as lack of fusion and porosity. In this simulation, the stainless steel and aluminum powders have independently-defined temperature dependent material properties that FLOW-3D AM tracks to accurately capture the melt pool dynamics. Learn more about FLOW-3D AM’s mutiphysics simulation capabilities at https://www.flow3d.com/products/flow3…
FLOW-3D WELD 는 레이저 용접 공정에 대한 강력한 통찰력을 제공하여 공정 최적화를 달성합니다. 더 나은 공정 제어로 다공성, 열 영향 영역을 최소화하고 미세 구조 진화를 제어 할 수 있습니다. 레이저 용접 공정을 정확하게 시뮬레이션하기 위해 FLOW-3D WELD 는 레이저 열원, 레이저-재료 상호 작용, 유체 흐름, 열 전달, 표면 장력, 응고, 다중 레이저 반사 및 위상 변화를 특징으로 합니다.
FLOW-3D는 물고기 통로, 댐 파손, 배수로, 눈사태, 수력 발전 및 기타 수자원 및 환경 공학 과제 모델링을 포함하여 유압 산업에 대한 많은 응용 분야를 가지고 있습니다. 엔지니어는 수력 발전소의 기존 인프라 용량을 늘리고, 어류 통로, 수두 손실을 최소화하는 흡입구, 포 이베이 설계 및 테일 레이스 흐름을위한 개선 된 설계를 개발하고, 수세 및 퇴적 및 공기 유입을 분석 할 수 있습니다.
FLOW-3D CAST 에는 캐스팅을 위해 특별히 설계된 광범위하고 강력한 물리적 모델이 포함되어 있습니다. 이러한 특수 모델에는 lost foam casting, non-Newtonian fluids, and die cycling에 대한 알고리즘이 포함됩니다. FLOW-3D CAST 의 강력한 시뮬레이션 엔진과 결함 예측을 위한 새로운 도구는 설계주기를 단축하고 비용을 절감 할 수 있는 통찰력을 제공합니다.
HPDC |Comparison of slow shot profiles and entrained air during a filling simulation |FLOW-3D CAST
Shown is a video comparing two slow shot profiles. The graphs highlight the shot profiles through time and the difference in entrained air between the slow shots. Note the lack of air entrained in shot sleeve with calculated shot profile which yields a much better controlled flow within the shot sleeve.
FLOW-3D는 선박 설계, 슬로싱 다이내믹스, 파동 충격 및 환기 등 연안 및 해양 애플리케이션에 이상적인 소프트웨어입니다. 연안 애플리케이션의 경우 FLOW-3D는 연안 구조물에 심각한 폭풍과 쓰나미 파장의 세부 정보를 정확하게 예측하고 플래시 홍수 및 중요 구조물 홍수 및 손상 분석에 사용됩니다.
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.
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
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
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-3D WELD 는 레이저 용접 공정에 대한 강력한 통찰력을 제공하여 공정 최적화를 달성합니다. 더 나은 공정 제어를 통해 다공성, 열 영향 영역을 최소화하고, 미세 구조 변화를 제어 할 수 있습니다. 레이저 용접 프로세스를 정확하게 시뮬레이션하기 위해 FLOW-3D WELD 는 레이저 열원, 레이저-재료 상호 작용, 유체 흐름, 열 전달, 표면 장력, 응고, 다중 레이저 반사 및 위상 변화와 같은 모든 관련 물리학을 구현합니다.
낮은 열 입력, 뛰어난 생산성, 속도는 기존의 용접 방법을 대체하는 레이저 용접 프로세스로 이어집니다. 레이저 용접이 제공하는 장점 중 일부는 더 나은 용접 강도, 더 작은 열 영향 영역, 더 정밀한 정밀도, 최소 변형 및 강철, 알루미늄, 티타늄 및 이종 금속을 포함한 광범위한 금속 / 합금을 용접 할 수있는 능력을 포함합니다.
공정 최적화
FLOW-3D WELD 는 레이저 용접 공정에 대한 강력한 통찰력을 제공하고 궁극적으로 공정 최적화를 달성하는 데 도움이됩니다. 더 나은 공정 제어로 다공성을 최소화하고 열 영향을받는 영역을 제한하며 미세 구조 변화를 제어 할 수 있습니다. FLOW-3D WELD 는 자유 표면 추적 알고리즘으로 인해 매우 복잡한 용접 풀을 시뮬레이션하는 데 매우 적합합니다. FLOW-3D WELD 는 관련 물리적 모델을 FLOW-3D 에 추가로 통합하여 개발되었습니다. 레이저 소스에 의해 생성된 열유속, 용융 금속의 증발 압력, 차폐 가스 효과, 용융 풀의 반동 압력 및 키홀 용접의 다중 레이저 반사. 현실적인 공정 시뮬레이션을 위해 모든 관련 물리 현상을 포착하는 것이 중요합니다.
얕은 용입 용접 (왼쪽 상단); 실드 가스 효과가 있는 깊은 용입 용접 (오른쪽 상단); 쉴드 가스 및 증발 압력을 사용한 심 용입 용접 (왼쪽 하단); 쉴드 가스, 증발 압력 및 다중 레이저 반사 효과 (오른쪽 하단)를 사용한 깊은 침투 용접.
FLOW-3D WELD 는 레이저 용접의 전도 모드와 키홀 모드를 모두 시뮬레이션 할 수 있습니다. 전 세계의 연구원들은 FLOW-3D WELD 를 사용하여 용융 풀 역학을 분석하고 공정 매개 변수를 최적화하여 다공성을 최소화하며 레이저 용접 수리 공정에서 결정 성장을 예측합니다.
완전 관통 레이저 용접 실험
한국의 KAIST와 독일의 BAM은 16K kW 레이저를 사용하여 10mm 강판에 완전 침투 레이저 용접 실험을 수행했습니다. CCD 카메라의 도움으로 그들은 완전 침투 레이저 용접으로 인해 형성된 상단 및 하단 용융 풀 역학을 포착 할 수있었습니다. 그들은 또한 FLOW-3D WELD 에서 프로세스를 시뮬레이션하고 시뮬레이션과 실험 결과 사이에 좋은 일치를 얻었습니다.
CCD 카메라로 상단 및 하단 용융 풀을 관찰하는 실험 설정
FLOW-3D의 계산 영역 개략도
상단의 시뮬레이션 결과는 용융 풀 길이가 8mm 및 15mm 인 반면 실험에서는 용융 풀 길이가 7mm 및 13mm임을 나타냅니다.
레이저 용접 다공성 사례 연구
General Motors, Michigan 및 Shanghai University는 중국의 공정 매개 변수, 즉 용접 속도 및 용접 경사각이 키홀 용접에서 다공성 발생에 미치는 영향을 이해하기 위해 상세한 연구를 공동으로 진행했습니다.
레이저 용접된 알루미늄 조인트 단면의 용접 다공성, 키홀 유도 다공성은 유동 역학으로 인해 발생하며 균열을 일으킬 수 있습니다. 최적화 된 공정 매개 변수는 이러한 종류의 다공성을 완화 할 수 있습니다.
연구원들은 FLOW-3D WELD를 사용 하여 증발 및 반동 압력, 용융풀 역학, 온도 의존적 표면 장력 및 키홀 내에서 여러 번의 레이저 반사 동안 프레넬 흡수를 포함한 모든 중요한 물리적 현상을 설명했습니다.
시뮬레이션 모델을 기반으로 연구진은 키홀 용접에서 유도 다공성의 주요 원인으로 불안정한 키홀을 식별했습니다. 아래 이미지에서 볼 수 있듯이 후방 용융 풀의 과도한 재순환으로 인해 후방 용융 풀이 전방 용융 풀 벽에서 붕괴되고 공극이 발생하여 다공성이 발생합니다. 이러한 갇힌 공극이 진행되는 응고 경계에 의해 포착되었을 때 다공성이 유도되었습니다.
높은 용접 속도에서는 더 큰 키홀 개구부가 있으며 이는 일반적으로 더 안정적인 키홀 구성을 가져옵니다. 사용 FLOW-3D 용접 , 연구진은 그 높은 용접 속도와 경사도 완화 다공성의 큰 용접 각도를 예측했습니다.
시뮬레이션 (위) 및 실험 (아래)에서 볼 수있는 세로 용접 섹션의 다공성 분포
FLOW Weld
FLOW Weld 모듈은 용접 해석에 필요한 모델을 FLOW-3D 에 추가하는 추가 모듈입니다.
FLOW-3D 의 표면 장력 자유 표면 분석, 용융, 응고, 증발, 상 변화 모델 등의 기본 기능을
응용하여 각종 용접 현상을 분석 할 수 있습니다.
주요 기능 :
열원 모델 (출력 지정, 가우스분포, 디 포커스 등) 열원의 자유로운 이동 증발 압력 (그에 따른 반력) 실드 가스 압력 다중 반사 용접에 관한 대표적인 출력 (온도 구배 냉각 속도, 에너지 분포 등)
분석 용도 :
높은 방사선 강도와 고온에 의해 직접 관찰이 어려운 현상을 시각화 온도, 열, 용접 속도, 위치 관계, 재료 물성 등의 매개 변수 연구 결함 예측 (기공, 응고, 수축 등)
FLOW -3D Weld 분석 기능
열원 모델의 이동 출력량 지정, 가우스분포
에너지 밀도의 분포 , 가공 속도 가우스 테이블 입력
증발 압력 온도 의존성
다중 반사 용해 깊이에 미치는 영향
결과 처리 용해 모양, 에너지 분포, 온도 구배 냉각 속도
다양항형상의 레이저와 거동 (+ csv 파일로드) 다양한 모양을 csv 파일 형식으로 정의 회전 + 이동 임의 형상 이동을 csv 파일로 로드 (나선형)
이종 재료 이종 재료의 용접
3D Printing Method Cladding 적층공정
1. 열원 모델의 이동
에너지 밀도
공간 분포
2. 에너지 밀도의 분포, 가공 속도
열 플럭스 r 방향의 분포 단면은 원형으로, r 방향으로 열유속 분포를 제공합니다.
에너지 밀도의 공간적 분포
가우스 : 원추형의 경우는 조사 방향으로 변화하고 열유속의 면적 분은 동일합니다.
가공 속도
가공 노즐을 x, y, z 방향, 시간 – 속도의 테이블에서 지정합니다. 또한 노즐 (광원) 위치 좌표 조사 방향 벡터 성분을 지정합니다.
3. 증발 압력
에너지 밀도가 높은 경우, 용융 부 계면이 증발하고 그 반력에 의해 계면에 함몰이 발생합니다. 특히 깊은 용융부를 포함한 레이저 용접은 증발 압력을 고려한 모델링이 필요합니다.
CFD를 폭넓게 사용한 적이 있는 사람이라면 누구나 사용할 최적의 수치 기법이 뭔가에 관한 개인적인 취향이나 선입견을 가지고 있습니다. 이 절에서는 저자가 사용한 모델링 기법의 일부와 그들이 다른 기법보다 나은 선택이라고 생각하는 이유에 대해 설명합니다.
Anyone who has used CFD extensively will have his own preferences and prejudices for what are the best numerical methods to use. The articles in this section explain some of the modeling techniques the author has used and why he believes they are good choices with respect to other methods.
Structured FAVOR™ grid in cylindrical coordinates
이 절에서는 FAVOR (Fractional-Area-Volume-Obstacle-Representation ) 법과 VOF (Volume-of-Fluid) 법에 중점을두고 있습니다. 복잡한 장애물 주위의 유체 흐름을 모델링하는 경우 많은 숙련자는 장애물의 형상으로 변형된 계산 격자를 사용하는 것을 선호합니다. 이러한 계산 격자는 일반적으로 물체 적합 격자(body-fitted grids)라고합니다. 대조적으로, FAVOR 법은 요소에 면적 점유율 및 체적 점유율이 할당된 생성이 용이한 사각형 격자가 사용됩니다. 이러한 방식의 관련성에 대해서는 FAVOR와 물체 적합 좌표계 및 No Loss with FAVOR의 절에서 논의되고 있습니다.
These articles center on the FAVOR (Fractional-Area-Volume-Obstacle-Representation) method and the VOF (Volume-of-Fluid) method. When modeling fluid flow around complex obstacles many practitioners prefer to use computational grids that are deformed to the shape of the obstacles, these are generally referred to as body-fitted grids. The FAVOR method, in contrast, employees easy to generate rectangular grids whose elements are assigned fractional areas and volumes. The connection between these approaches is discussed in the articles FAVOR vs. Body-Fitted Coordinates and No Loss with FAVOR.
Structured FAVOR™ Grids
VOF와 FAVOR ™은 모두 표면 기반의 계산 방법과 달리 볼륨 기반입니다. 경계 조건이 규정되는 유체 및 장애물 표면을 직접 설명하는 것이 논리적으로 보이지만 더 나은 방법은 유체 및 고체 영역의 볼륨을 사용하는 것입니다. 볼륨에는 많은 장점이 있습니다. 시간 종속적인 계산 시뮬레이션에서 움직이고 변화하는 유체 표면을 고려하십시오. 이를 자유 표면이라고하며 그 결정은 유체 역학 솔루션의 필수적인 부분이됩니다. 유체 표면은 시간이 지남에 따라 생성 및 파괴 될 수있을뿐만 아니라 유체 볼륨을 완전히 둘러 쌀 수도 있고 그렇지 않을 수도 있습니다.
Both VOF and FAVOR™ are volume-based, as opposed to surface based, computational methods. Even though it seems logical to directly describe fluid and obstacle surfaces on which boundary conditions are to be prescribed, a better method is to use the volumes of fluid and solid regions. Volumes have many advantages. Consider fluid surfaces that move and evolve in time-dependent computational simulations. These are referred to as free surfaces and their determination becomes an integral part of a fluid dynamic solution. Fluid surfaces can not only be created and destroyed over time, but may or may not completely enclose fluid masses.
간단한 예로는 호스를 빠져나가는 물이 있다고 가정하면 물의 표면적은 바깥쪽으로 흐르면서 커지고 있습니다. 만약 그것이 방울로 분해된다면, 서로 연결되지 않은 여러 표면이 있게 됩니다. 두 개 이상의 낙하물이 충돌하고 이들의 개별 표면이 더 이상 존재하지 않는 경우, 결합 낙하물을 둘러싼 단일 표면으로 대체됩니다. 또는 단순한 유체 강하가 임의로 변형되어 표면적이 변경될 수 있지만 유체가 압축할 수 없을 때는 부피에 변동이 없습니다. 이러한 종류의 행동은 개별 표면의 규격을 문제가 되게합니다.
A simple example is water exiting a hose. The surface area of the water is growing as it flows outward. If it breaks up into drops there are then multiple surfaces that are not connected to one another. Should two or more drops collide and coalesce their individual surfaces no longer exist being replaced by a single surface surrounding the combined drops. Or a simple fluid drop can arbitrarily deform resulting in a changing surface area, but its volume is unchanged when the fluid is incompressible. This sort of behavior makes the specification of individual surfaces problematic.
한편, 유체나 고형물의 부피를 정의하는 것은 질량의 보존(그리고 불변의 부피 형태의 비압축성)이 유지하기가 더 쉽기 때문에 이치에 맞습니다. 유체 용적은 그들이 원하는 대로 결합하고 분리될 수 있으며, 결과 표면을 쉽게 평가할 수 있습니다. Volume methods에서 표면의 위치는 부피 영역이 끝나는 위치에 있습니다.
On the other hand, defining volumes of fluids or solids makes sense because conservation of mass (and incompressibility in the form of unchanging volumes) is easier to maintain. Fluid volumes may coalesce and breakup as they will, allowing easy evaluation of their resulting surfaces. In volume methods the location of a surface is wherever the volume region ends.
Volume methods은 강력한 numerical 도구입니다. VOF 및 FAVOR™ 기법에 이러한 기법을 구현하는 방법은 첨부된 기사에 자세히 설명되어 있다.
Volume methods are powerful numerical tools. How they are implemented in the VOF and FAVOR™ techniques is described in detail in the accompanying articles.
본 자료는 국내 사용자들의 편의를 위해 원문 번역을 해서 제공하기 때문에 일부 오역이 있을 수 있어서 원문과 함께 수록합니다. 자료를 이용하실 때 참고하시기 바랍니다.
FLOW-3D@ WELD는 레이저 용접 공정에 대한 정확한 시뮬레이션 기능을 제공하여 최적화된 공정을 개발하게 합니다. 더 나은 공정 제어를 통해 기공, 열 영향 영역을 최소화하고 미세 구조 변화를 제어할 수 있습니다.
레이저 용접 프로세스를 정확하게 시뮬레이션하기 위해 FLOW-3D@ WELD는 레이저 열원, 레이저-재료 상호 작용, 유체 흐름, 열 전달, 표면 장력, 응고, 다중 레이저 반사 및 위상 변화와 같은 모든 관련 물리 모델을 제공합니다.
Laser Welding
최근에는 뛰어난 생산성과 속도, 낮은 열 입력이 결합되어 기존의 용접 프로세스를 대체하는 레이저 용접 프로세스가 주목 받고 있습니다. 레이저 용접이 제공하는 장점은 용접강도가 좋고, 열 영향 부위가 작으며, 정밀도가 낮고 변형이 적으며, 강철, 알루미늄, 티타늄 및 이종 금속을 포함한 광범위한 금속 및 합금을 용접 할 수 있는 기능이 있습니다.
FLOW-3D@는 레이저 용접 공정에 대한 강력한 통찰력을 제공하고 궁극적으로 프로세스 최적화를 달성하는 데 도움이 됩니다.
보다 나은 프로세스 제어를 통해 기공을 최소화할 수 있습니다. 열 영향부위 및 미세조직을 제어가 가능합니다. FLOW-3D는 자유표면 추적 알고리즘을 통해 매우 복잡한 용접 POOL 시뮬레이션을 해석하는데 매우 적합합니다.
용접 모듈은 레이저 소스에 의해 생성된 Heat flux, 용융 금속에 대한 증발압력, shield gas 효과, 용융 풀의 반동압력 및 다중 레이저 반사와 같은 물리적 모델을 FLOW-3D에 적용하기 위해 개발되었습니다. 키홀 용접과 같은 현실적인 프로세스 시뮬레이션을 위해서는 모든 관련 물리적 현상을 적용하는 것이 중요합니다.
FLOW-3D는 레이저 용접의 conduction and keyhole 방식을 시뮬레이션 할 수 있습니다. 전 세계의 연구원들은 FLOW-3D를 사용하여 용접역학을 분석하고, 공정 매개 변수를 최적화하여 기공을 최소화하며, 레이저 용접공정에서의 dendrite 결정 성장 양상을 예측합니다.
Shallow penetration weld (top left); deep penetration weld with shield gas effects (top right); deep penetration weld with shield gas and evaporation pressure (bottom left); and deep penetration weld with shield gas, evaporation pressure and multiple laser reflections effects (bottom right).
Full Penetration Laser Welding Experiments
한국 카이스트와 독일 BAM은 16K kW레이저를 사용하여 10mm강판에 완전 침투 레이저 용접 실험을 수행하였습니다. CCD카메라의 도움을 받아 완전 용입 레이저 용접으로 형성된 상단 및 하단 용융풀 거동을 확인할 수 있었습니다. 그들은 또한 FLOW-3D 로 용접 공정 해석으로 해석과 실험결과의 경향이 일치하는 것을 알 수 있었습니다.
Experimental setup with CCD cameras observing the top and bottom molten poolsSchematic of computation domain in FLOW-3D
Simulation results at the top show melt pool lengths of 8mm and 15mm, whereas experiments indicated melt pool lengths of 7mm and 13mm
Laser Welding Porosity Case Study
General Motors, Michigan, 중국의 상하이 대학교는 용접 공정 변수, 즉 keyhole 용접에서 기공의 발생에 대해 용접 속도 및 용접 각도와 같은 공정 매개 변수가 미치는 영향을 알아보기 위해 협력하여 연구를 진행하였습니다.
레이저 용접된 Al 접합부 단면의 기공을 분석합니다. Keyhole이 유도 된 기공들은 유동 역학으로 인해 발생되고 균열을 일으킬 수 있습니다. 최적화 공정의 매개변수는 이러한 종류의 기공을 완화할 수 있습니다. FLOW-3D를 사용하여 연구원들은 증발 및 반동 압력, 용융풀, 온도에 따른 표면장력 및 Keyhole내의 다중 레이저 반사, 프레넬 흡수를 포함한 모든 중요한 물리적 현상을 설명했습니다.
연구진은 시뮬레이션 모델을 기반으로 Keyhole 용접에서 생성된 기공들의 주요 원인으로 불안정한 Keyhole을 규정하였습니다. 아래 이미지에서 볼 수 있듯이 뒤쪽 용융 풀의 과도한 재순환은 뒤쪽 용융 풀이 앞쪽 용융 풀 경계를 무너뜨리며 기공들을 생성시킵니다. 갇힌 공간이 증가하는 응고 전면에 의해 갇혔을때 기공들이 발생되었습니다.
Distribution of porosity in longitudinal welding sections as seen in simulations (top) and experiments (bottom)
용접 속도가 빠를수록 더 큰 keyhole이 생성되며 이로 인해, 보다 안정적인 keyhole이 생성됩니다. 연구진은 FLOW-3D를 사용하여 용접 속도와 용접 경사각으로 기공들의 생성을 완화시킬 수 있었습니다.
금속 적층 제조 중 고체 상 변형 예측: Inconel-738의 전자빔 분말층 융합에 대한 사례 연구 Nana Kwabena Adomako a, Nima Haghdadi a, James F.L. Dingle bc, Ernst Kozeschnik d, Xiaozhou Liao bc, Simon P. Ringer bc, Sophie Primig a Abstract ...
Thermo-fluid modeling of influence of attenuated laser beam intensity profile on melt pool behavior in laser-assisted powder-based direct energy deposition ...
Minglei Quo bQilin Guo a bLuis IzetEscano a bAli Nabaa a bKamel Fezzaa cLianyi Chen a b 레이저 금속 적층 제조(AM) 공정의 낮은 에너지 효율은 대규모 산업 생산에서 잠재적인 지속 가능성 문제입니다. 레이저 용융을 위한 에너지 효율의 ...
연속 잉크젯 인쇄는 약 150 년 동안 축적 된 기술입니다. 간단히 말해, 프린트 헤드가 작동하면 연속적인 유체 흐름이있는 액적 생성 방법입니다. 이 개념은 1867 년 Lord Kelvin에 의해 처음 특허를 받았지만 80 년 이상 지난 1951 년 Siemens가 최초의 상용 장치를 선보였습니다. 처음에 이 기술은 만료일, 배치 코드, 이름 및 제품 로고와 같은 가변 정보의 비접촉식 고속 인쇄에 사용되었습니다.
물방울 생성
노즐 크기 선택
액적 생성을위한 시스템 매개 변수를 계산하기 위해 Rayleigh 제트 불안정성 이론을 사용할 수 있습니다. 이 이론에 따르면 물방울 형성으로 이어지는 제트 분리에 대한 자극의 최적 파장 (λ)은 대략 다음과 같습니다.
Nozzle size selection
작동 주파수 선택
최적의 드롭 생성 주파수는 최적의 파장에서 직접 계산할 수 있습니다. 위의 이론과 알려진 산업 매개 변수를 사용하여 FLOW-3D 에서 계산 모델을 설정하는 동안 125μm의 노즐 반경과 10kHz의 주파수가 사용되었습니다
FLOW-3D 결과 검증
FLOW-3D 는 강력하고 정확한 표면 장력 모델로 인해 연속 잉크젯 인쇄와 같은 액적 기반 공정을 시뮬레이션하는 데 적합합니다.
아래 시뮬레이션 결과에서 10kHz의 주파수에서 진동하는 입력 압력 펄스를 볼 수 있습니다. 평균 액적 크기는 약 240 μm이며 이론적으로 추정 된 액적 크기 약 250 μm와 잘 일치합니다.
Simulation results from FLOW-3D highlighting the droplet formation and the input pressure pulse
OLED Mura Problem
이론적으로는 정확히 동일한 진폭으로 압력 펄스를 생성 할 수 있습니다. 그러나 OLED의 잉크젯 인쇄와 같은 산업 응용 분야에서 모든 노즐은 본질적으로 불완전한 제조 또는 작동 매개 변수로 인해 약간 다릅니다. 이러한 모든 결함은 액적 부피의 변동을 일으켜 OLED 패널의 각 하위 픽셀에 증착 된 유기 화합물의 부피를 변화시켜 증착 된 필름 두께의 비례적인 변화를 초래합니다. 이러한 두께 변화는 잉크젯 인쇄 OLED 디스플레이에서 패널 휘도 불균일의 가장 중요한 원인 중 하나입니다 (Madigan et al. ). 이러한 패널 휘도의 불균일성을 “무라 효과”라고합니다.
무라 문제를 해결하는 한 가지 접근 방식은 평균 법칙을 사용하는 것입니다. 이것이 의미하는 바는 서로 다른 노즐 (픽셀 내 혼합)의 방울을 무작위로 결합하여 방울 부피의 양 및 음 오류를 평균화하여 방울 부피 오류를 거의 0에 가깝게 만드는 것입니다.
FLOW-3D 에서 픽셀 내 혼합 과정을 시뮬레이션하기 위해 입력 압력 펄스 진폭에 약간의 임의성이 추가되었습니다. 최대 변동의 크기는 1.7MPa의 원래 압력 진폭에 더하여 200kPa로 설정되었습니다. 아래 애니메이션은 무작위성이있는 케이스와 무작위성이없는 초기 케이스의 비교를 보여줍니다.
압력 펄스의 무작위성 대 일정한 진폭의 경우를 비교하는 애니메이션.
예상대로 액적 생성은 액적 모양, 액적 크기, 액적 간 간격 및 비행 속도 측면에서 균일하지 않습니다. 그러나 오른쪽의 일정한 진폭 케이스는 균일 한 모양과 크기의 균일 한 간격의 물방울을 생성합니다.
연속 잉크젯 인쇄는 저장소에서 마이크로 미터 크기의 노즐 뱅크로 액체를 보내는 고압 펌프로 시작하여 진동하는 압전 결정의 진동에 의해 결정되는 주파수에서 연속적인 물방울 흐름을 생성합니다. 특히 인쇄 응용 분야의 경우, 잉크 방울은 외부 전기장의 존재로 인해 연속 흐름에서 편향됩니다. 이것은 인쇄 매체의 표면에 패턴을 생성합니다. 이 기술의 장점 중 일부는 높은 처리량, 높은 액적 속도, 프린트 헤드에서 기판까지의 거리 증가, 연속 작동으로 인한 노즐 막힘 없음입니다. 이러한 긍정적 인 특성 덕분에이 기술은 오늘날 종이에 일반 인쇄 잉크에서 다양한 재료 (생존 세포 포함)를 증착하는 것으로 발전했습니다.
Continuous inkjet animation
결론
FLOW-3D 는 연속 잉크젯 인쇄 프로세스와 관련된 물리학에 대한 이해를 촉진하는 데 사용되었습니다. 강력한 표면 장력 모델 덕분에 FLOW-3D 는 다양한 고급 액적 생성 및 증착 응용 분야에서도 유용 할 수 있습니다. 예를 들어 OLED 프린팅의 경우 FLOW-3D 를 사용하여 픽셀 내 혼합 중에 발생하는 액 적의 변화를 효과적으로 이해하여 OLED 패널의 품질을 높일 수 있습니다.
References
Madigan C. F., Hauf C. R., Barkley L. D., Harjee N., Vronsky E., Slyke S. A. V., Advancements in Inkjet Printing for OLED Mass Production. Kateeva, Inc.
Pareekshith Allu Senior CFD Engineer | Additive Manufacturing | Laser Welding | Business Development
When CFD meets laser welding: How sparks fly!
CFD 또는 전산 유체 역학은 수치적 방법을 사용하여 유체 흐름을 연구하는 것입니다. 유체 흐름의 기본 방정식에는 솔루션 해가 없으므로 컴퓨터를 사용하여 방정식을 반복적으로 계산하는 수치해석 방법으로 해결합니다. 일반적으로 CFD 도구는 공기 역학, 엔진 연소, 물 및 환경 흐름, 미세 유체 및 제조 공정에서 광범위한 연구 및 엔지니어링 문제에 적용될 수 있습니다. CFD가 개발에 중요한 역할을 한 기술을 매일 접할 가능성이 있습니다. FLOW-3D 소프트웨어 제품 제조업체인 Flow Science Inc.에서는 자유 표면 흐름 문제 라고하는 특수한 문제 해결에 중점을 둡니다 .
자유 표면 흐름이란 무엇입니까? 밀도 차이가 큰 두 유체간에 인터페이스가 공유되는 분야는 자유 표면 흐름입니다. 예를 들어, 기체-액체 경계면이 제한되지 않고 시간에 따라 자유롭게 움직이고 변경할 수 있다는 점에서 강의 물과 주변 공기 사이에 자유 표면이 존재합니다. FLOW-3D 솔버의 기본 DNA 인 Volume of Fluid 또는 VoF 방법 은 자유 표면의 진화를 추적하는 강력한 계산 기술입니다. 우리는 지난 40 년 동안 이 문제에 거의 전적으로 집중했습니다.
자유 표면 흐름은 제조산업 분야에서도 널리 사용됩니다. 금속 주조에서는 용융 금속과 용융 금속이 채우는 금형 또는 다이의 공기 사이에 자유 표면이 존재합니다. L-PBF ( Laser Powder Bed fusion) 라고하는 적층 제조 공정에서 레이저를 사용하여 분말 입자를 녹이고 융합하여 공정에서 자유 표면 용융 풀을 만듭니다. 그리고 레이저 용접에서는 레이저 빔에 의해 녹아서 두 개의 금속 부품 / 부품을 함께 융합 할 때 형성되는 자유 표면 용융 풀이 있습니다.
이 게시물에서는 레이저 용접 공정에 대한 CFD 시뮬레이션이 유용한 이유를 설명합니다.
레이저 기술은 지난 몇 년 동안 상당히 발전했으며 이제 다른 레이저 제조업체는 다양한 파장에서 펄싱 기능이 있는 고출력 레이저를 제공 할 수 있습니다. 레이저와 로봇 자동화 시스템, 컨트롤러 및 프로세스 센서의 통합은 다양한 제조 산업에서 사용을 확대하여 열 입력이 적고 열 영향 영역이 더 작은 레이저 용접 조인트를 가능하게합니다.
레이저-재료 상호 작용은 복잡하며이를 정확하게 모델링하려면 이러한 시간적 및 공간적 규모와 관련된 물리학을 구현해야합니다. 레이저 열원은 표면에 에너지를 축적하여 기판을 녹이고 용융 금속 풀을 만듭니다. 용융 풀은 전력, 속도 및 스캔 경로와 같은 레이저 가공 매개 변수와 용융 풀의 자유 표면에 동적 증기압을 적용하는 차폐 가스의 영향을 더 많이받습니다. 또한 용접되는 기판의 재료 특성이 중요한 역할을합니다. 용융된 풀의 상 변화와 증발은 용융 풀을 더욱 압박하는 반동 압력을 유발할 수있는 반면 표면 장력은 풀 내의 유체 대류에 영향을줍니다. 키홀 링이있는 경우 레이저 광선이 키홀 내에 갇혀 추가 반사 영향을 받을 수 있습니다. 기판에 더 많은 에너지를 전달합니다. 불안정한 키홀이 붕괴되면 갇힌 공극이 진행되는 응고 경계에 의해 포착되는 다공성 형성으로 이어질 수 있습니다.
분명히 많은 일이 진행되고 있습니다. 이것이 CFD 시뮬레이션이 강력 할 수있는 곳이며 FLOW-3D WELD를 개발할 때 레이저-재료 상호 작용을 이해하는 데 많은 노력을 기울이는 이유입니다. 자유 표면 추적 및 레이저 에너지 증착, 차폐 가스 역학, 상 변화, 반동 압력, 표면 장력, 레이저 광선 추적 및 응고와 함께 유체 및 열 흐름 방정식을 통합하는 물리 기반 모델은 레이저의 복잡한 상호 작용을 캡처하는 데 매우 정확합니다. 용접과정을 해석하는 기능은 용융 풀의 안정성에 대한 다양한 공정 매개 변수의 영향을 분리하고 엔지니어와 연구원이 용접 일정을 최적화하는 데 도움이 될 수 있습니다.
CFD 시뮬레이션은 레이저 용접 프로세스를 분석하고 개선하는데 도움이되는 프레임 워크를 제공 할 수 있습니다. 불안정한 용융 풀은 키홀 유발 다공성, 파열 및 스패 터와 같은 결함을 초래할 수 있기 때문에 용융 풀의 작동 방식을 이해하는 것은 조인트의 품질에 매우 중요합니다. 그 후, FLOW-3D WELD 모델의 출력인 응고된 용융 풀 데이터 및 열 구배와 같은 결과를 미세 구조 또는 유한 요소 분석 모델에 입력하여 각각 결정 성장 및 열 응력 진화를위한 길을 닦을 수 있습니다.
이 게시물이 CFD를 사용하여 레이저 용접 프로세스를 시뮬레이션하는 이점을 이해하는데 도움이 되기를 바랍니다.
레이저 용접 공정을 더 잘 이해하기 위해 CFD 시뮬레이션 적용을 고려해 보셨습니까? 어떤 특징 / 물리 현상이 모델링되기를 원하십니까? 질문과 의견이 있으면 언제든지 flow3d@stikorea.co.kr 또는 미국 본사의 paree.allu@flow3d.com에게 연락하십시오.
D. K. H. Ho, S. M. Donohoo, K. M. Boyes and C. C. Lock Advanced Analysis, Worley Pty Limited L7, 116 Miller Street, North Sydney, NSW 2060 Australia Tel: +61 2 8923 6817 e-mail: david.ho@worley.com.au
Abstract
엔지니어링 설계에서 유한 요소, 유한 차분 및 전산 유체 역학 분석 소프트웨어와 같은 수치 도구의 일상적인 사용이 최근 몇 년 동안 증가했습니다. 소프트웨어 및 하드웨어 기술의 발전은보다 비선형적이고 복잡한 3 차원 분석이 수행되고 있음을 의미합니다.
그러나 본질적으로 “블랙 박스”인 이러한 강력한 소프트웨어는 “컴퓨팅”기술을 보유하고 있지만 광범위한 엔지니어링 경험이 필요하지 않은 분석가의 손에 “컴퓨터 보조 재해”로 이어질 수 있습니다. 품질 보증 절차의 엄격한 구현은 수치 모델이나 분석 기법이 정확한지 확인할 필요가 없을 수 있습니다.
이 백서에서는 복잡성이 증가하는 세 가지 실제 토목 공학 응용 프로그램에서 수치 분석 결과를 검증하는 방법을 설명합니다. 여기에는 유한 요소법을 이용한 수조 탱크의 구조 해석, 전산 유체 역학법을 이용한 수력 구조물 위의 홍수 조사, 유한 차분법을 이용한 안벽 시공 시뮬레이션 등이 있습니다. 입력 데이터의 불확실성 수준과 각 사례에 대한 계산 결과의 신뢰성에 대해 논의합니다. 분석 과정에서 몇 가지 흥미로운 결과가 발견되었습니다.
첫 번째 사례 연구는 시공의 질이 구조물의 성능에 상당한 영향을 미친다는 것을 보여주었습니다. 그러나 설계자는 설계 단계에서 이러한 상황을 수량화하고 분석하지 못할 수도 있습니다. 필요할 경우 향후 역분석은 물론 설계 검증의 기준점이 될 수 있도록 공사 종료 시 모니터링의 중요성이 필수적입니다. 유한 요소 분석은 복잡한 문제를 분석할 수 있는 강력한 수치 도구이지만, 분석가들은 문제의 행동이 단순하고 잘 이해되는 것처럼 보일 수 있는 상황에서 예상치 못한 결과를 만날 수 있도록 준비해야 합니다.
두 번째 사례 연구에서는 중요한 배수로 구조에 전산 유체 역학 분석이 처음으로 적용 되었기 때문에 엄격한 검증 프로세스가 강조됩니다. 그것은 2D ogee 방수로 프로파일로 시작하여 문제의 방수로의 3D 모델을 분석하기 위해 진행되는 방식으로 수행되었습니다. 계산된 결과를 각 단계에서 이론 및 물리적 테스트 데이터와 비교했습니다. 유체 흐름 문제의 비선형적 특성에도 불구하고, 분석은 확신을 가지고 실제 설계 목적에 적합한 결과를 제공할 수 있었습니다.
최종 사례 연구에서는 안벽의 거동이 시공 이력과 매립 방식에 영향을 받은 것으로 나타났습니다. 벽의 움직임은 매우 가변적인 토양 속성에도 불구하고 질적으로도 단순한 비선형 토양 모델을 사용하여 정확하게 예측되었습니다. 지속적인 모니터링 기록이 없기 때문에 검증은 어려웠습니다. 계산된 결과를 검증하는 열쇠는 수치 소프트웨어 도구를 사용하지 않는 독립적인 계산을 찾는 것입니다. 대부분의 경우 이러한 솔루션을 사용할 수 있습니다. 그러나 다른 경우에는 실험실 또는 현장 관찰에만 의존할 수 있습니다.
Introduction
오늘날 수치 해석은 대부분의 엔지니어링 설계에서 필수적인 부분을 형성합니다. 따라서 결과 검증의 필요성은 분석 기술 / 방법론을 신뢰할 수 있고 설계자가 계산 된 결과에 대한 확신을 가질 수 있도록 설계 프로세스 전반에 걸쳐 매우 중요합니다.
일반적인 관행은 고전 이론, 실험 데이터, 게시 된 데이터, 유사한 구조의 성능 및 다른 사람이 수행 한 수치 계산에 대해 결과를 검증하는 것입니다. 때때로 소프트웨어 개발자가 제공 한 벤치 마크 또는 검증 예제가 이러한 목적으로 사용될 수 있지만 전체 범위의 문제를 포괄 할만큼 포괄적 인 경우는 거의 없습니다.
수치 해석을 시작하기 전에 분석가는 입력 데이터의 신뢰성, 소프트웨어 도구가 문제의 문제를 해결할 수 있는지 여부 및 결과를 검증하는 방법을 결정해야합니다. 검증 프로세스가 많은 실무자들에 의해 품질 보증 절차의 일부로 채택되었지만 비용이 많이 드는 실패가 여전히 발생했습니다 [1].
Validation
결과 검증의 필요성은 수치 분석의 사용 (남용)에서 일부 나쁜 업계 관행을 관찰함으로써 강화 될 수 있습니다. 수치 계산을 수행하기 위해 고용 된 일부 엔지니어 / 분석가는 계산 뒤에있는 기본 이론을 완전히 이해하지 못하거나 숨겨진 함정을 처리 할 수있는 실제 엔지니어링 경험이 충분하지 않을 수 있습니다.
일부 소프트웨어가 “CAD와 유사”해지고 많은 사람들이 작동하기 쉽다고 주장하기 때문에 엔지니어링 회사가 대학원 엔지니어 대신 초보를 고용하여 수치 모델링 및 분석을 수행하는 경향이 점차 증가하고 있습니다.
사용자는 복잡한 지오메트리 모델을 생성하고, 적절한 요소와 메시를 만들고, 각 하중 케이스에 대한 경계 조건 (접촉, 하중 및 고정)을 적용하고, 속성을 할당하고, 제출에 필요한 모든 플래그 / 스위치 / 버튼을 설정하는 데 상당한 노력을 기울일 것입니다.
분석이 실행됩니다. 자체 검사를위한 일부 품질 보증 절차는 전처리 단계에서 따를 수 있지만 계산이 완료되고 결과가 후 처리 될 때까지 많은 사용자는 출력이 어느 정도 정확하다고 쉽게 믿을 것입니다. 지오메트리 생성은 수치 모델링 프로세스의 일부일뿐입니다. 가장 어려운 문제 중 하나는 전체 설계 프로세스에서 불확실성을 다루는 것입니다. 재료 속성 및 로딩 순서와 같은 입력과 관련된 불확실성이 있습니다.
예를 들어 모델이 선형 또는 비선형 방식으로 동작하는지 여부와 같이 솔루션 유형의 적절성과 관련된 불확실성이 있습니다. 마지막으로 결과 해석과 관련된 불확실성이 있습니다. 수치 분석에서 결과를 검증하고 문제를 발견하는 데있어 분석가를위한 좋은 방법에 대한 간단한 지침은 없습니다. 그러나 다음 방법을 통해 점차적으로 달성 할 수 있습니다.
• 수치 적 방법 과정에 대한 좋은 이해 – 이것은 학부 및 / 또는 대학원 수준의 공식 교육을 통해 얻을 수 있으며 지속적인 전문성 개발의 일환으로 자습을 통해 더욱 향상 될 수 있습니다. • 특정 유형의 문제에 대한 기본 이론과 해결책의 범위를 잘 이해합니다. 이 역시 위와 같은 교육을 통해 이루어질 수 있습니다. • 실제 문제를 해결하는 데 공학적 판단을 사용하고 수치 분석을 수행 한 경험이 있습니다. 이는 숙련 된 엔지니어가 분석가를 적절하게 감독하는 환경에서 작업함으로써 얻을 수 있습니다.
품질 보증 시스템의 구현이 실행 가능한 솔루션으로 이어지는 엔지니어링 판단을 대체하는 것은 아니라는 점에 유의해야합니다. 복잡한 대규모 모델을 분석하기 전에 시뮬레이션 기술과 문제의 근본적인 동작을 완전히 이해하기 위해 간단한 테스트 모델을 사용하여 수치 “실험”을 수행해야하는 경우가 매우 많습니다.
경험에 따르면 때때로 테스트 모델 자체가 분석가가 최종 설계 솔루션에 도달 할 수있는 충분한 정보를 제공 할 수 있습니다. 해당 대형 복합 모델의 분석은 설계 기대치를 확인하는 것입니다. 다음 사례 연구는 결과 검증이 수행 된 방법과 신뢰 수준 및 불확실성이 해결된 방법을 보여줍니다.
Applications
일반적인 토목 공학 프로젝트에서 수치 분석은 구조 역학, 기하학 및 유체 역학의 세 가지 기본 분야 중 하나 또는 조합을 포함 할 수 있습니다. 문제의 성격은 토양-구조 상호 작용, 유체-구조 상호 작용 또는 토양-유체 상호 작용 중 하나로 분류 될 수 있습니다.
어떤 경우에는 세 가지 모두를 포함 할 수 있습니다. 잠재적 인 복잡성을 고려하여, 정확도를 잃지 않고 실제 목적을 위해 중요한 동작을 캡처하지 않고 문제를 단순화하기 위해 몇 가지 가정과 이상화가 이루어져야합니다. 이러한 문제를 해결할 수있는 범용 및 특수 수치 분석 소프트웨어가 있습니다. 두 가지 유형의 소프트웨어가 사례 연구에 사용되었습니다.
Case 1 – Deflection of a steel water tank
직경 약 90m의 대형 원형 강철 물 탱크는 처음 채울 때 큰 벽면이 휘어지면서 탱크의 장기적인 구조적 무결성에 대한 우려를 불러 일으켰습니다.
물의 높이는 전체 저장 용량에서 약 10m였습니다. 지붕 구조는 탱크 내부에있는 기둥으로 거의 전적으로지지되었습니다. 스트레이크(strakes)는 벽의 바닥 1/3이 더 두꺼운 고급 강판으로 구성되었습니다. 1 차 윈드 거더는 탱크 상단 주위에 용접되었고 2 차 윈드 거더는베이스 위 2/3에 위치했습니다. 하단 스트레이 크는 환형베이스 플레이트에 필렛 용접되었습니다. 내부 기둥의 기초를 제외한 전체 바닥은 용접 된 강판으로 덮여있었습니다.
이 탱크는 유능한 중간층 사암과 미사암 기반암 위에 압축된 채움물 위에 세워졌습니다. 일련의 축 대칭 유한 요소 분석 (FEA)을 수행하여 관찰된 처짐을 예측할 수 있는지 여부를 결정하고 매일 물을 채우고 비울 때 피로 파괴가 발생할 가능성으로 인해 벽 바닥의 응력 상태를 계산했습니다.
내부 기둥과 지붕 빔을 포함하는 탱크의 12 분의 1 섹터에 대한 3 차원 모델을 처음에 분석하여 벽이 얼마나 많은 지붕 자중을지지하고 축 대칭 가정의 타당성을 조사했는지 조사했습니다. 이 분석의 결과는 지붕 구조의 강성 기여도가 중요하지 않아 후속 축 대칭 모델에 포함되지 않았 음을 보여주었습니다.
그러나 지붕 자체 무게의 작은 부분이 벽에 적용됩니다. 축 대칭 모델은 모든 강철 섹션, 필렛 및 맞대기 용접 및 기초로 구성되었습니다 (그림 1). 그것들은 몇 개의 3 노드 삼각형 축 대칭 요소가있는 4 노드 비 호환 모드 사변형으로 이산화되었습니다.
용접 재료를 통해서만 하중 전달이 허용되도록 용접이 모델링되었습니다. 용접 연결부에 미세한 메시를 사용하여 응력 상태를 정확하게 포착했습니다. 롤러 지지대는 모델의 측면 및 하단 경계에 적용되었습니다. 다음과 같은 하중이 적용되었습니다 :
철골 구조물의 자중, 지붕 자중, 벽의 정수압, 수위에 따른 바닥의 균일 한 압력. 한 모델은 용접 또는베이스의 강판이 플라스틱 힌지를 형성하기 위해 항복되었다고 가정했습니다. 이 경우 벽 바닥에서 핀 연결이 모델링되었습니다.
그림2 Partial FE mesh of tank/foundation. Insert shows mesh and stress distribution at wall base
벽 처짐은 그림 2에 나와 있습니다. 측정 범위와 계산 된 결과는 비교 목적으로 표시됩니다. 계산 된 벽 처짐을 검증하기 위해 두 벽 두께에 대한 Timoshenko 및 Woinowsky-Krieger [2]에 기반한 고전 이론도 그림에 표시되었습니다. 계산 된 편향은 이론적 계산에 의해 제한됨을 관찰 할 수 있습니다.
벽 두께의 변화로 인한 전이가 분석에서 포착되었습니다. 이것은 유한 요소 모델에 대한 확신을 제공했습니다. 윈드 거더와 구속 된베이스의 영향도 볼 수 있습니다. 윈드 거더 설치로 인해 초기 변형이 발생하여 공사가 끝날 때 벽 상단이 안쪽으로 당겨질 수 있습니다. 굽힘 동작이 발생한베이스 근처를 제외하고는 후프 동작이 벽 동작을 지배했습니다.
계산된 최대 처짐이 측정된 순서와 동일하더라도 최대 돌출이 발생한 높이는 예측되지 않았습니다. 실제로 조사 데이터는 몇 가지 가능한 시나리오를 제안했습니다.베이스에 플라스틱 힌지 형성 (그러나이 영역에서 계산 된 응력은 항복 강도를 초과하지 않았습니다). 지반 재료의 국부적 인 베어링 고장 (다시 현장에서 균열과 같은 명백한 지시 신호가 보이지 않음); 또는 탱크 건설이 끝날 때 내장 된 기하학적 결함이있었습니다. 사전 변형 된 탱크에서 역 분석을 수행하여 측정 된 처짐이 정수압 하에서 “회복”되었습니다. 그러나 계산된 응력은 수율을 훨씬 초과했습니다. 불행히도 탱크는 완성 후 첫 번째 충전 전에 즉시 조사되지 않았습니다.
Figure 2 Wall deflection of water tank
탱크의 원래 디자인과 건설이 2000 년대 초에 수행되었다는 점은 흥미 롭습니다. 설계 계산에 관련 표준 [3]을 사용했습니다. 이 표준은 탱크 벽이 후프 동작만으로 작용한다고 가정하고이 구조의 경우가 아닌베이스의 제약 조건을 무시합니다. 벽 처짐의 크기는 기초 강성을 고려한 Rish [4]가 개발 한 고전 이론 [2] 또는 FEA와 같은 수치 분석에 의해 결정될 수 있습니다. 고급 강철을 사용하면 설계자는 강도에는 적합하지만 서비스 가능성에는 필요하지 않은 더 얇은 섹션을 선택해야합니다. 굽힘 강성은 큐브 두께에 의해 결정됩니다. 수중 부하에서 후속 벽 변형 프로파일은 제작 품질에 영향을받습니다. 이것은 설계 단계에서 추정하기 어려웠을 것입니다.
사례 2 – 배수로 배출
호주의 많은 댐 구조는 제한된 수 문학적 정보로 1950 년대와 60 년대에 설계 및 건설되었습니다. 이러한 기존 방수로 구조는 수정 된 가능한 최대 홍수 수준에 대처하기 위해 크기가 작습니다. 증가 된 홍수 조건 하에서 방수로 꼭대기에 대한 음압 생성과 같은 잠재적 인 문제가 발생할 수 있습니다. 이는 방수로 및 게이트 구조에 불안정성 또는 캐비테이션 손상을 유발할 수 있습니다. 역사적으로 스케일링 된 물리적 모델은 이러한 동작을 연구하기 위해 수력 학 실험실에서 구성되었지만 비용이 많이 들고 시간이 많이 걸리며 스케일링 효과와 관련된 많은 어려움이 있습니다. 오늘날 고성능 컴퓨터와보다 효율적인 전산 유체 역학 (CFD) 코드를 사용하여 수리적 구조의 동작을 합리적인 시간과 비용으로 수치 적으로 조사 할 수 있습니다. 이 분석 기법은 대도시 지역에 주요 상수원을 제공하는 가장 큰 콘크리트 중력 댐에 호주에서 처음으로 적용 되었기 때문에 검증을 수행 할 필요가있었습니다. 이것은 그림 3과 같이 조사 프로세스에 통합되었습니다. 순서도는 간단한 2D에서 상세한 3D 방수로 모델로 어떻게 발전했는지 보여줍니다.
![Figure 2: Experimental data on height of
vertex formed [8] / Figure 3: Vertex height as a function of time](https://flow3d.co.kr/wp-content/uploads/Figure-3-Vertex-height-as-a-function-of-time-.png)
![Figure 1. Schematic view of the experimental conditions by Ozmen-Cagatay and Kocaman [30]: (a) α = 0; (b) α = 0.1; and (c) α = 0.4.](https://flow3d.co.kr/wp-content/uploads/Figure-1.-Schematic-view-of-the-experimental-conditions-by-Ozmen-Cagatay-and-Kocaman-30.png)
![Figure 2. Schematic view of the experimental conditions by Khankandi et al. [39]: (a) α = 0 and (b) α = 0.2.](https://flow3d.co.kr/wp-content/uploads/Figure-2.-Schematic-view-of-the-experimental-conditions-by-Khankandi-et-al.-39-a-α-0-and-b-α-0.2..png)
![Figure 3. Typical profiles of the dam-break flow regimes for Stoker’s analytical solution [9]: Wet-bed downstream](https://flow3d.co.kr/wp-content/uploads/Figure-3.-Typical-profiles-of-the-dam-break-flow-regimes-for-Stokers-analytical-solution-9-Wet-bed-downstream.png)
![Figure 4. Sensitivity analysis of the numerical simulation using Flow-3D for the different mesh sizes of the experiments in Reference [30].](https://flow3d.co.kr/wp-content/uploads/Figure-4.-Sensitivity-analysis-of-the-numerical-simulation-using-Flow-3D-for-the-different-mesh-sizes-of-the-experiments-in-Reference-30..png)
![Figure 5. Sensitivity analysis of the numerical simulation using MIKE 3 FM for the different mesh sizes of the experiments in Reference [30].](https://flow3d.co.kr/wp-content/uploads/Figure-5.-Sensitivity-analysis-of-the-numerical-simulation-using-MIKE-3-FM-for-the-different-mesh-sizes-of-the-experiments-in-Reference-30..png)
![Figure 6. Comparison between observed and simulated free surface profiles at dimensionless times T = t(g/h0)1/2 and for dry-bed (α=0). The experimental data are from Reference [30].](https://flow3d.co.kr/wp-content/uploads/2-and-for-dry-bed-α0.-The-experimental-data-are-from-Reference-30..png)
![Figure 7. Comparison between observed and simulated free surface profiles at dimensionless times T = t(g/h0)1/2 and for a wet-bed (α = 0.1). The experimental data are from Reference [30].](https://flow3d.co.kr/wp-content/uploads/2-and-for-a-wet-bed-α-0.1.-The-experimental-data-are-from-Reference-30..png)
![Figure 8. Comparison between observed and simulated free surface profiles at dimensionless times T = t(g/h0)1/2 and for the wet-bed (α = 0.4). The experimental data are from Reference [30].](https://flow3d.co.kr/wp-content/uploads/2-and-for-the-wet-bed-α-0.4.-The-experimental-data-are-from-Reference-30..png)
![Figure 9. Experimental and numerical comparison of free surface profiles h/h0(x/h0) during late stages at various dimensionless times T after the failure in the dry-bed by Khankandi et al. [39].](https://flow3d.co.kr/wp-content/uploads/h0-during-late-stages-at-various-dimensionless-times-T-after-the-failure-in-the-dry-bed-by-Khankandi-et-al.-39..png)
![Table 2. RMSE values for the free surface profiles observed by Khankandi et al. [39].](https://flow3d.co.kr/wp-content/uploads/Table-2.-RMSE-values-for-the-free-surface-profiles-observed-by-Khankandi-et-al.-39..png)
![Figure 10. Measured and computed water level hydrograph at various positions for dry-bed by Khankandi et al. [39]: (a) G1 (−0.5 m); (b) G2 (−0.1 m); (c) G3 (0.1 m); (d) G4 (0.8 m); (e) G6 (1.2 m); (f) G8 (5.5 m).](https://flow3d.co.kr/wp-content/uploads/Figure-10.-Measured-and-computed-water-level-hydrograph-at-various-positions-for-dry-bed-by-Khankandi-et-al.-39-a-G1-−0.5-m-b-G2-−0.1-m-c-G3-0.1-m-d-G4-0.8-m-e-G6-1.2-m-f-G8-5.5-m..png)
![Figure 11. Measured and computed water level hydrographs at various positions for the wet-bed by Khankandi et al. [39]: (a) G1 (−0.5 m); (b) G2 (−0.1 m); (c) G4 (0.8 m); and (d) G5 (1.0 m).](https://flow3d.co.kr/wp-content/uploads/Figure-11.-Measured-and-computed-water-level-hydrographs-at-various-positions-for-the-wet-bed-by-Khankandi-et-al.-39-a-G1-−0.5-m-b-G2-−0.1-m-c-G4-0.8-m-and-d-G5-1.0-m..png)
![Table 3. RMSE values for the water depth variations observed by Khankandi et al. [39] at the late stage.](https://flow3d.co.kr/wp-content/uploads/Table-3.-RMSE-values-for-the-water-depth-variations-observed-by-Khankandi-et-al.-39-at-the-late-stage..png)
![Figure 13. Comparison of simulated velocity profiles at various locations upstream and downstream of the dam at t = 0.8 s, 2 s, and 5 s for water depth ratios α = 0.1 by Ozmen-Cagatay and Kocaman [30]: (a) P1(−1 m); (b) P3 (+0.2 m); (c) P5 (+1 m); and (d) P6 (+2 m).](https://flow3d.co.kr/wp-content/uploads/Figure-13.-Comparison-of-simulated-velocity-profiles-at-various-locations-upstream-and-downstream-of-the-dam-at-t-0.8-s-2-s-and-5-s.png)
is the velocity in xi direction, t is the time, 
is the fractional area open to flow in the subscript directions, 
is the volume fraction of fluid in each cell, p is the hydrostatic pressure, 
is the density, 
is the gravitational force in subscript directions and 
is the Reynolds stresses.
Model, the Two-Equation Renormalization-Group (RNG) Model and large Eddy Simulation Model (
it solves an additional transport equation:
, 
, 
and 
, are FLOW-3D’s FAVORTM defined terms; 
and 
are turbulence due to shearing and buoyancy effects, respectively. R and 
are related to the cylindrical coordinate system. The default values of RMTKE, CDIS1 and CNU differ, being 1.39, 1.42 and 0.085 respectively. And CDIS2 is calculated from turbulent production (
) and turbulent kinetic energy (
).The kinematic turbulent viscosity is the same in all turbulence transport models and is calculated from
: is the turbulent kinematic viscosity. 
is defined as the numerical challenge between the RNG and the two-equation k-ɛ models, found in the equation below. To avoid an unphysically large result for 
in Equation (3), since this equation could produce a value for 
very close to zero and also because the physical value of 
may approach to zero in such cases, the value of 
is calculated from the following equation:
: the turbulent length scale.
is the density of the fluid,
is a turbulent diffusion term, 
is a mass source, 
is the fractional volume open to flow. The components of velocity (u, v, w) are in the direction of coordinates (x, y, z) or (r, 
). 
in the x-direction is the fractional area open to flow, 
and 
are identical area fractions for flow in the y and z directions. The R coefficient is based on the selection of the coordinate system.
![Figure 47: The course of the level on the physical model [22]](https://flow3d.co.kr/wp-content/uploads/Figure-47-The-course-of-the-level-on-the-physical-model-22.png)
![Figure 1: Basic type of sharp-edged overflow (Bazin's overflow) [1]](https://flow3d.co.kr/wp-content/uploads/Figure-1-Basic-type-of-sharp-edged-overflow-Bazins-overflow-1.png)
![Figure 3: Overflow with a wide crown [1]](https://flow3d.co.kr/wp-content/uploads/Figure-3-Overflow-with-a-wide-crown-1.png)
![Figure 4: Schematic longitudinal section of shaft overflow [14]](https://flow3d.co.kr/wp-content/uploads/Figure-4-Schematic-longitudinal-section-of-shaft-overflow-14.png)
![Figure 5: Overflow over overflow of general cross-section [1]](https://flow3d.co.kr/wp-content/uploads/Figure-5-Overflow-over-overflow-of-general-cross-section-1.png)
![Figure 6: Imperfect overflow [1]](https://flow3d.co.kr/wp-content/uploads/Figure-6-Imperfect-overflow-1.png)
![Figure 7: Types of overflows according to floor plan [1]](https://flow3d.co.kr/wp-content/uploads/Figure-7-Types-of-overflows-according-to-floor-plan-1.png)
![Figure 8: Lateral contraction and lateral constriction coefficient of pillars [1]](https://flow3d.co.kr/wp-content/uploads/Figure-8-Lateral-contraction-and-lateral-constriction-coefficient-of-pillars-1.png)
![Figure 9: Schematic comparison of a pressureless jet surface with a pressure and vacuum surface [22]](https://flow3d.co.kr/wp-content/uploads/Figure-9-Schematic-comparison-of-a-pressureless-jet-surface-with-a-pressure-and-vacuum-surface-22.png)
![Figure 14: Situation of external relations of VD Boskovice [17]](https://flow3d.co.kr/wp-content/uploads/Figure-14-Situation-of-external-relations-of-VD-Boskovice-17.png)
![Figure 15: Air slope of VD Boskovice [24]](https://flow3d.co.kr/wp-content/uploads/Figure-15-Air-slope-of-VD-Boskovice-24.png)
![Figure 16: Guide slope of VD Boskovice [24]](https://flow3d.co.kr/wp-content/uploads/Figure-16-Guide-slope-of-VD-Boskovice-24.png)
![Figure 17: Sampling tower of VD Boskovice [24]](https://flow3d.co.kr/wp-content/uploads/Figure-17-Sampling-tower-of-VD-Boskovice-24.png)
![Figure 18: Fountain front safety spillway [24]](https://flow3d.co.kr/wp-content/uploads/Figure-18-Fountain-front-safety-spillway-24.png)
![Figure 19: Sliding of the security object VD Boskovice [24]](https://flow3d.co.kr/wp-content/uploads/Figure-19-Sliding-of-the-security-object-VD-Boskovice-24.png)
![Figure 20: Slip and divergent broth of the security object VD Boskovice [24]](https://flow3d.co.kr/wp-content/uploads/Figure-20-Slip-and-divergent-broth-of-the-security-object-VD-Boskovice-24.png)
![Figure 21: Probable course of the theoretical PV10 000 in Bělá in the profile of the VD Boskovice dam [6]](https://flow3d.co.kr/wp-content/uploads/Figure-21-Probable-course-of-the-theoretical-PV10-000-in-Bela-in-the-profile-of-the-VD-Boskovice-dam-6.png)
![Figure 22: Floor plan of the safety spillway and part of the VD Boskovice slip [12]](https://flow3d.co.kr/wp-content/uploads/Figure-22-Floor-plan-of-the-safety-spillway-and-part-of-the-VD-Boskovice-slip-12.png)
![Figure 23: Longitudinal section of BP and slope in the plane of symmetry [12]](https://flow3d.co.kr/wp-content/uploads/Figure-23-Longitudinal-section-of-BP-and-slope-in-the-plane-of-symmetry-12.png)
![Figure 1. Plan view of Melville experimental setup [4]](https://www.flow3d.co.kr/wp-content/uploads/Figure-1.-Plan-view-of-Melville-experimental-setup-4.png)
![Figure 10. Contour map of flow velocity around a pier at 30 min resulted by Melville [4]](https://www.flow3d.co.kr/wp-content/uploads/Figure-10.-Contour-map-of-flow-velocity-around-a-pier-at-30-min-resulted-by-Melville-4.png)
![Figure 2.1 Basic construction of a laser system [8]](https://flow3d.co.kr/wp-content/uploads/Figure-2.1-Basic-construction-of-a-laser-system-8.png)
![Figure 2.3 Schematic of a diode laser system [12]](https://flow3d.co.kr/wp-content/uploads/Figure-2.3-Schematic-of-a-diode-laser-system-12.png)
![Figure 2.4 Principle of a cladding pumped fibre laser [13]](https://flow3d.co.kr/wp-content/uploads/Figure-2.4-Principle-of-a-cladding-pumped-fibre-laser-13.png)
![Figure 2.5 Concept of a thin disk laser [14]](https://flow3d.co.kr/wp-content/uploads/Figure-2.5-Concept-of-a-thin-disk-laser-14.png)
![Figure 2.7 Lateral powder injection [12]](https://flow3d.co.kr/wp-content/uploads/Figure-2.7-Lateral-powder-injection-12.png)
![Figure 2.9 Laser additive manufacturing using wire, (a) front feeding, (b) rear feeding, wire placed at (c) leading edge, (d) centre and (e) trailing edge of melt pool [23, 24]](https://flow3d.co.kr/wp-content/uploads/Figure-2.9-Laser-additive-manufacturing-using-wire.png)
![Figure 2.20 Bead geometry at the beginning of the deposition with different surface tension gradient (a) Negative, (b) positive, (c) Mixed [85]](https://flow3d.co.kr/wp-content/uploads/Figure-2.20-Bead-geometry-at-the-beginning-of-the-deposition-with-different-surface-tension-gradient-a-Negative-b-positive-c-Mixed-85.png)
![Figure 2.22 Simulation of humping effect in high-speed gas tungsten arc welding [91]](https://flow3d.co.kr/wp-content/uploads/Figure-2.22-Simulation-of-humping-effect-in-high-speed-gas-tungsten-arc-welding-91.png)
![Figure 2.25 (a) Melt pool shape formed by Marangoni stress only, (b) Melt pool shape formed by gravity force only, (c) Melt shape formed by the combination of those two forces together [122]](https://flow3d.co.kr/wp-content/uploads/Figure-2.25-a-Melt-pool-shape-formed-by-Marangoni-stress-only-b-Melt-pool-shape-formed-by-gravity-force-only-c-Melt-shape-formed-by-the-combination-of-those-two-forces-together-122.png)
![Figure 2.27 Growth rate and temperature gradient on solidification boundary with different melt pool shape [120]](https://flow3d.co.kr/wp-content/uploads/Figure-2.27-Growth-rate-and-temperature-gradient-on-solidification-boundary-with-different-melt-pool-shape-120.png)
![Figure 2.29 Two different methods to produce overhang structures[136]](https://flow3d.co.kr/wp-content/uploads/Figure-2.29-Two-different-methods-to-produce-overhang-structures136.png)
![Figure 2.30 Contact angle of a water droplet adhering on a glass window [142]](https://flow3d.co.kr/wp-content/uploads/Figure-2.30-Contact-angle-of-a-water-droplet-adhering-on-a-glass-window-142.png)
![Figure 2.31 Stress components of a single track laser deposition (a) x-direction, (b) ydirection, (c) z-direction, (d) von Mises equivalent stress [151]](https://flow3d.co.kr/wp-content/uploads/Figure-2.31-Stress-components-of-a-single-track-laser-deposition-a-x-direction-b-ydirection-c-z-direction-d-von-Mises-equivalent-stress-151.png)
![Figure 2.32 Phase fraction of martensite during laser metal deposition [160]](https://flow3d.co.kr/wp-content/uploads/Figure-2.32-Phase-fraction-of-martensite-during-laser-metal-deposition-160.png)
![Figure 1: Temperature of a 90 µm diameter Nylon 11 particle with respect to normalized particle radius (r/R) [10].](https://www.flow3d.co.kr/wp-content/uploads/R-10..png)
![Fig. 7. Comparison of mold filling times for a plate pattern with three ingates: (a) measured values by thermometric technique [18]; (b) predicted filling times based on basic CHTC model with gravity effect; and (c) predicted filing times based on the VHTC model with heat transfer coefficient changing with gas pressure; (d) mold filling time at the right-and wall of the mold for the plate pattern with three ingates.](https://www.flow3d.co.kr/wp-content/uploads/Fig.-7.-Comparison-of-mold-filling-times-for-a-plate-pattern-with-three-ingates-a-measured-values-by-thermometric-technique.png)
