by Faizal Yusuf, M.A.Sc., P.Eng. Specialist Engineer in the Hydrotechnical Department at BC Hydro
BC Hydro, a public electric utility in British Columbia, uses FLOW-3D to investigate complex hydraulics issues at several existing dams and to assist in the design and optimization of proposed facilities.
Faizal Yusuf, M.A.Sc., P.Eng., Specialist Engineer in the Hydrotechnical department at BC Hydro, presents three case studies that highlight the application of FLOW-3D to different types of spillways and the importance of reliable prototype or physical hydraulic model data for numerical model calibration.
W.A.C. Bennett Dam At W.A.C. Bennett Dam, differences in the spillway geometry between the physical hydraulic model from the 1960s and the prototype make it difficult to draw reliable conclusions on shock wave formation and chute capacity from physical model test results. The magnitude of shock waves in the concrete-lined spillway chute are strongly influenced by a 44% reduction in the chute width downstream of the three radial gates at the headworks, as well as the relative openings of the radial gates. The shock waves lead to locally higher water levels that have caused overtopping of the chute walls under certain historical operations.Prototype spill tests for discharges up to 2,865 m3/s were performed in 2012 to provide surveyed water surface profiles along chute walls, 3D laser scans of the water surface in the chute and video of flow patterns for FLOW-3D model calibration. Excellent agreement was obtained between the numerical model and field observations, particularly for the location and height of the first shock wave at the chute walls (Figure 1).
W.A.C에서 Bennett Dam, 1960년대의 물리적 수력학 모델과 프로토타입 사이의 여수로 형상의 차이로 인해 물리적 모델 테스트 결과에서 충격파 형성 및 슈트 용량에 대한 신뢰할 수 있는 결론을 도출하기 어렵습니다. 콘크리트 라이닝 방수로 낙하산의 충격파 크기는 방사형 게이트의 상대적인 개구부뿐만 아니라 헤드워크에 있는 3개의 방사형 게이트 하류의 슈트 폭이 44% 감소함에 따라 크게 영향을 받습니다. 충격파는 특정 역사적 작업에서 슈트 벽의 범람을 야기한 국부적으로 더 높은 수위로 이어집니다. 최대 2,865m3/s의 배출에 대한 프로토타입 유출 테스트가 2012년에 수행되어 슈트 벽을 따라 조사된 수면 프로필, 3D 레이저 스캔을 제공했습니다. FLOW-3D 모델 보정을 위한 슈트의 수면 및 흐름 패턴 비디오. 특히 슈트 벽에서 첫 번째 충격파의 위치와 높이에 대해 수치 모델과 현장 관찰 간에 탁월한 일치가 이루어졌습니다(그림 1).
Figure 1. Comparison between prototype observations and FLOW-3D for a spill discharge of 2,865 m^3/s at Bennett Dam spillway.
The calibrated FLOW-3D model confirmed that the design flood could be safely passed without overtopping the spillway chute walls as long as all three radial gates are opened as prescribed in existing operating orders with the outer gates open more than the inner gate.
The CFD model also provided insight into the concrete damage in the spillway chute. Cavitation indices computed from FLOW-3D simulation results were compared with empirical data from the USBR and found to be consistent with the historical performance of the spillway. The numerical analysis supported field inspections, which concluded that deterioration of the concrete conditions in the chute is likely not due to cavitation.
Strathcona Dam FLOW-3D was used to investigate poor approach conditions and uncertainties with the rating curves for Strathcona Dam spillway, which includes three vertical lift gates on the right abutment of the dam. The rating curves for Strathcona spillway were developed from a combination of empirical adjustments and limited physical hydraulic model testing in a flume that did not include geometry of the piers and abutments.
Numerical model testing and calibration was based on comparisons with prototype spill observations from 1982 when all three gates were fully open, resulting in a large depression in the water surface upstream of the leftmost bay (Figure 2). The approach flow to the leftmost bay is distorted by water flowing parallel to the dam axis and plunging over the concrete retaining wall adjacent to the upstream slope of the earthfill dam. The flow enters the other two bays much more smoothly. In addition to very similar flow patterns produced in the numerical model compared to the prototype, simulated water levels at the gate section matched 1982 field measurements to within 0.1 m.
보정된 FLOW-3D 모델은 외부 게이트가 내부 게이트보다 더 많이 열려 있는 기존 운영 명령에 규정된 대로 3개의 방사형 게이트가 모두 열리는 한 여수로 낙하산 벽을 넘지 않고 설계 홍수를 안전하게 통과할 수 있음을 확인했습니다.
CFD 모델은 방수로 낙하산의 콘크리트 손상에 대한 통찰력도 제공했습니다. FLOW-3D 시뮬레이션 결과에서 계산된 캐비테이션 지수는 USBR의 경험적 데이터와 비교되었으며 여수로의 역사적 성능과 일치하는 것으로 나타났습니다. 수치 분석은 현장 검사를 지원했으며, 슈트의 콘크리트 상태 악화는 캐비테이션 때문이 아닐 가능성이 높다고 결론지었습니다.
Strathcona 댐 FLOW-3D는 Strathcona Dam 여수로에 대한 등급 곡선을 사용하여 열악한 접근 조건과 불확실성을 조사하는 데 사용되었습니다. 여기에는 댐의 오른쪽 접합부에 3개의 수직 리프트 게이트가 포함되어 있습니다. Strathcona 여수로에 대한 등급 곡선은 경험적 조정과 교각 및 교대의 형상을 포함하지 않는 수로에서 제한된 물리적 수리 모델 테스트의 조합으로 개발되었습니다.
수치 모델 테스트 및 보정은 세 개의 수문이 모두 완전히 개방된 1982년의 프로토타입 유출 관측과의 비교를 기반으로 했으며, 그 결과 가장 왼쪽 만의 상류 수면에 큰 함몰이 발생했습니다(그림 2). 최좌단 만으로의 접근 흐름은 댐 축과 평행하게 흐르는 물과 흙채움댐의 상류 경사면에 인접한 콘크리트 옹벽 위로 떨어지는 물에 의해 왜곡됩니다. 흐름은 훨씬 더 원활하게 다른 두 베이로 들어갑니다. 프로토타입과 비교하여 수치 모델에서 생성된 매우 유사한 흐름 패턴 외에도 게이트 섹션에서 시뮬레이션된 수위는 1982년 현장 측정과 0.1m 이내로 일치했습니다.
Figure 2. Prototype observations and FLOW-3D results for a Strathcona Dam spill in 1982 with all three gates fully open.
The calibrated CFD model produces discharges within 5% of the spillway rating curve for the reservoir’s normal operating range with all gates fully open. However, at higher reservoir levels, which may occur during passage of large floods (as shown in Figure 3), the difference between simulated discharges and the rating curves are greater than 10% as the physical model testing with simplified geometry and empirical corrections did not adequately represent the complex approach flow patterns. The FLOW-3D model provided further insight into the accuracy of rating curves for individual bays, gated conditions and the transition between orifice and free surface flow.
보정된 CFD 모델은 모든 게이트가 완전히 열린 상태에서 저수지의 정상 작동 범위에 대한 여수로 등급 곡선의 5% 이내에서 배출을 생성합니다. 그러나 대규모 홍수가 통과하는 동안 발생할 수 있는 더 높은 저수지 수위에서는(그림 3 참조) 단순화된 기하학과 경험적 수정을 사용한 물리적 모델 테스트가 그렇지 않았기 때문에 모의 배출과 등급 곡선 간의 차이는 10% 이상입니다. 복잡한 접근 흐름 패턴을 적절하게 표현합니다. FLOW-3D 모델은 개별 베이, 게이트 조건 및 오리피스와 자유 표면 흐름 사이의 전환에 대한 등급 곡선의 정확도에 대한 추가 통찰력을 제공했습니다.
Figure 3. FLOW-3D results for Strathcona Dam spillway with all gates fully open at an elevated reservoir level during passage of a large flood. Note the effects of poor approach conditions and pier overtopping at the leftmost bay.
John Hart Dam The John Hart concrete dam will be modified to include a new free crest spillway to be situated between an existing gated spillway and a low level outlet structure that is currently under construction. Significant improvements in the design of the proposed spillway were made through a systematic optimization process using FLOW-3D.
The preliminary design of the free crest spillway was based on engineering hydraulic design guides. Concrete apron blocks are intended to protect the rock at the toe of the dam. A new right training wall will guide the flow from the new spillway towards the tailrace pool and protect the low level outlet structure from spillway discharges.
FLOW-3D model results for the initial and optimized design of the new spillway are shown in Figure 4. CFD analysis led to a 10% increase in discharge capacity, significant decrease in roadway impingement above the spillway crest and improved flow patterns including up to a 5 m reduction in water levels along the proposed right wall. Physical hydraulic model testing will be used to confirm the proposed design.
존 하트 댐 John Hart 콘크리트 댐은 현재 건설 중인 기존 배수로와 저층 배수로 사이에 위치할 새로운 자유 마루 배수로를 포함하도록 수정될 것입니다. FLOW-3D를 사용한 체계적인 최적화 프로세스를 통해 제안된 여수로 설계의 상당한 개선이 이루어졌습니다.
자유 마루 여수로의 예비 설계는 엔지니어링 수력학 설계 가이드를 기반으로 했습니다. 콘크리트 앞치마 블록은 댐 선단부의 암석을 보호하기 위한 것입니다. 새로운 오른쪽 훈련 벽은 새 여수로에서 테일레이스 풀로 흐름을 안내하고 여수로 배출로부터 낮은 수준의 배출구 구조를 보호합니다.
새 여수로의 초기 및 최적화된 설계에 대한 FLOW-3D 모델 결과는 그림 4에 나와 있습니다. CFD 분석을 통해 방류 용량이 10% 증가하고 여수로 마루 위의 도로 충돌이 크게 감소했으며 최대 제안된 오른쪽 벽을 따라 수위가 5m 감소합니다. 제안된 설계를 확인하기 위해 물리적 수압 모델 테스트가 사용됩니다.
Figure 4. FLOW-3D model results for the preliminary and optimized layout of the proposed spillway at John Hart Dam.
Conclusion
BC Hydro has been using FLOW-3D to investigate a wide range of challenging hydraulics problems for different types of spillways and water conveyance structures leading to a greatly improved understanding of flow patterns and performance. Prototype data and reliable physical hydraulic model testing are used whenever possible to improve confidence in the numerical model results.
다양한 유형의 여수로 및 물 수송 구조로 인해 흐름 패턴 및 성능에 대한 이해가 크게 향상되었습니다. 프로토타입 데이터와 신뢰할 수 있는 물리적 유압 모델 테스트는 수치 모델 결과의 신뢰도를 향상시키기 위해 가능할 때마다 사용됩니다.
About Flow Science, Inc. Based in Santa Fe, New Mexico USA, Flow Science was founded in 1980 by Dr. C. W. (Tony) Hirt, who was one of the principals in pioneering the “Volume-of-Fluid” or VOF method while working at the Los Alamos National Lab. FLOW-3D is a direct descendant of this work, and in the subsequent years, we have increased its sophistication with TruVOF, boasting pioneering improvements in the speed and accuracy of tracking distinct liquid/gas interfaces. Today, Flow Science products offer complete multiphysics simulation with diverse modeling capabilities including fluid-structure interaction, 6-DoF moving objects, and multiphase flows. From inception, our vision has been to provide our customers with excellence in flow modeling software and services.
이 연구에서 FLOW 3D 전산 유체 역학(CFD) 소프트웨어를 사용하여 파키스탄 Mirani 댐 방수로에 대한 에너지 소산 옵션으로 미국 매립지(USBR) 유형 II 및 USBR 유형 III 유역의 성능을 추정했습니다. 3D Reynolds 평균 Navier-Stokes 방정식이 해결되었으며, 여기에는 여수로 위의 자유 표면 흐름을 캡처하기 위해 공기 유입, 밀도 평가 및 드리프트-플럭스에 대한 하위 그리드 모델이 포함되었습니다. 본 연구에서는 5가지 모델을 고려하였다. 첫 번째 모델에는 길이가 39.5m인 USBR 유형 II 정수기가 있습니다. 두 번째 모델에는 길이가 44.2m인 USBR 유형 II 정수기가 있습니다. 3번째와 4 번째모델에는 길이가 각각 48.8m인 USBR 유형 II 정수조와 39.5m의 USBR 유형 III 정수조가 있습니다. 다섯 번째 모델은 네 번째 모델과 동일하지만 마찰 및 슈트 블록 높이가 0.3m 증가했습니다. 최상의 FLOW 3D 모델 조건을 설정하기 위해 메쉬 민감도 분석을 수행했으며 메쉬 크기 0.9m에서 최소 오차를 산출했습니다. 세 가지 경계 조건 세트가 테스트되었으며 최소 오류를 제공하는 세트가 사용되었습니다. 수치적 검증은 USBR 유형 II( L = 48.8m), USBR 유형 III( L = 35.5m) 및 USBR 유형 III 의 물리적 모델 에너지 소산을 0.3m 블록 단위로 비교하여 수행되었습니다( L= 35.5m). 통계 분석 결과 평균 오차는 2.5%, RMSE(제곱 평균 제곱근 오차) 지수는 3% 미만이었습니다. 수리학적 및 경제성 분석을 바탕으로 4 번째 모델이 최적화된 에너지 소산기로 밝혀졌습니다. 흡수된 에너지 백분율 측면에서 물리적 모델과 수치적 모델 간의 최대 차이는 5% 미만인 것으로 나타났습니다.
In this study, the FLOW 3D computational fluid dynamics (CFD) software was used to estimate the performance of the United States Bureau of Reclamation (USBR) type II and USBR type III stilling basins as energy dissipation options for the Mirani Dam spillway, Pakistan. The 3D Reynolds-averaged Navier–Stokes equations were solved, which included sub-grid models for air entrainment, density evaluation, and drift–flux, to capture free-surface flow over the spillway. Five models were considered in this research. The first model has a USBR type II stilling basin with a length of 39.5 m. The second model has a USBR type II stilling basin with a length of 44.2 m. The 3rd and 4th models have a USBR type II stilling basin with a length of 48.8 m and a 39.5 m USBR type III stilling basin, respectively. The fifth model is identical to the fourth, but the friction and chute block heights have been increased by 0.3 m. To set up the best FLOW 3D model conditions, mesh sensitivity analysis was performed, which yielded a minimum error at a mesh size of 0.9 m. Three sets of boundary conditions were tested and the set that gave the minimum error was employed. Numerical validation was done by comparing the physical model energy dissipation of USBR type II (L = 48.8 m), USBR type III (L =35.5 m), and USBR type III with 0.3-m increments in blocks (L = 35.5 m). The statistical analysis gave an average error of 2.5% and a RMSE (root mean square error) index of less than 3%. Based on hydraulics and economic analysis, the 4th model was found to be an optimized energy dissipator. The maximum difference between the physical and numerical models in terms of percentage energy absorbed was found to be less than 5%.
Abbasi S, Fatemi S, Ghaderi A, Di Francesco S (2021) The effect of geometric parameters of the antivortex on a triangular labyrinth side weir. Water (Switzerland) 13(1). https://doi.org/10.3390/w13010014
Amorim JCC, Amante RCR, Barbosa VD (2015) Experimental and numerical modeling of flow in a stilling basin. Proceedings of the 36th IAHR World Congress 28 June–3 July, the Hague, the Netherlands, 1, 1–6
Asaram D, Deepamkar G, Singh G, Vishal K, Akshay K (2016) Energy dissipation by using different slopes of ogee spillway. Int J Eng Res Gen Sci 4(3):18–22Google Scholar
Celik IB, Ghia U, Roache PJ, Freitas CJ, Coleman H, Raad PE (2008) Procedure for estimation and reporting of uncertainty due to discretization in CFD applications. J Fluids Eng Trans ASME 130(7):0780011–0780014. https://doi.org/10.1115/1.2960953ArticleGoogle Scholar
Chen Q, Dai G, Liu H (2002) Volume of fluid model for turbulence numerical simulation of stepped spillway overflow. J Hydraul Eng 128(7):683–688. 10.1061/共ASCE兲0733-9429共2002兲128:7共683兲 CE
Damiron R (2015) CFD modelling of dam spillway aerator. Lund University Sweden
Dunlop SL, Willig IA, Paul GE (2016) Cabinet Gorge Dam spillway modifications for TDG abatement – design evolution and field performance. 6th International Symposium on Hydraulic Structures: Hydraulic Structures and Water System Management, ISHS 2016, 3650628160, 460–470. 10.15142/T3650628160853
Frizell KW, Frizell KH (2015) Guidelines for hydraulic design of stepped spillways. Hydraulic Laboratory Report HL-2015-06, May
Ghaderi A, Abbasi S (2021) Experimental and numerical study of the effects of geometric appendance elements on energy dissipation over stepped spillway. Water (Switzerland) 13(7). https://doi.org/10.3390/w13070957
Ghaderi A, Dasineh M, Aristodemo F, Ghahramanzadeh A (2020) Characteristics of free and submerged hydraulic jumps over different macroroughnesses. J Hydroinform 22(6):1554–1572. https://doi.org/10.2166/HYDRO.2020.298ArticleGoogle Scholar
Nangare PB, Kote AS (2017) Experimental investigation of an ogee stepped spillway with plain and slotted roller bucket for energy dissipation. Int J Civ Eng Technol 8(8):1549–1555Google Scholar
Parsaie A, Moradinejad A, Haghiabi AH (2018) Numerical modeling of flow pattern in spillway approach channel. Jordan J Civ Eng 12(1):1–9Google Scholar
Pasbani Khiavi M, Ali Ghorbani M, Yusefi M (2021) Numerical investigation of the energy dissipation process in stepped spillways using finite volume method. J Irrig Water Eng 11(4):22–37Google Scholar
Peng Y, Zhang X, Yuan H, Li X, Xie C, Yang S, Bai Z (2019) Energy dissipation in stepped spillways with different horizontal face angles. Energies 12(23). https://doi.org/10.3390/en12234469
Raza A, Wan W, Mehmood K (2021) Stepped spillway slope effect on air entrainment and inception point location. Water (Switzerland) 13(10). https://doi.org/10.3390/w13101428
Rong Y, Zhang T, Peng L, Feng P (2019) Three-dimensional numerical simulation of dam discharge and flood routing in Wudu reservoir. Water (Switzerland) 11(10). https://doi.org/10.3390/w11102157
Saqib N, Akbar M, Pan H, Ou G, Mohsin M, Ali A, Amin A (2022) Numerical analysis of pressure profiles and energy dissipation across stepped spillways having curved risers. Appl Sci 12(448):1–18Google Scholar
Saqib N, Ansari K, Babar M (2021) Analysis of pressure profiles and energy dissipation across stepped spillways having curved treads using computational fluid dynamics. Intl Conf Adv Mech Eng :1–10
Saqib Nu, Akbar M, Huali P, Guoqiang O (2022) Numerical investigation of pressure profiles and energy dissipation across the stepped spillway having curved treads using FLOW 3D. Arab J Geosci 15(1):1363–1400. https://doi.org/10.1007/s12517-022-10505-8ArticleGoogle Scholar
Sarkardeh H, Marosi M, Roshan R (2015) Stepped spillway optimization through numerical and physical modeling. Int J Energy Environ 6(6):597–606Google Scholar
Valero D, Bung DB, Crookston BM, Matos J (2016) Numerical investigation of USBR type III stilling basin performance downstream of smooth and stepped spillways. 6th International Symposium on Hydraulic Structures: Hydraulic Structures and Water System Management, ISHS 2016, 3406281608, 635–646. https://doi.org/10.15142/T340628160853
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.
이 작업의 목적은 FLOW-3D 를 검증하는 것입니다. 밀폐된 좁은 스팬 직사각형 탱크의 출렁거림 문제에 대비하여 탱크의 내부 파동 공명 주기에 가깝거나 같은 주기로 롤 운동을 하여 측면 및 지붕 파동 충격 이벤트가 발생합니다.
탱크는 물이나 해바라기 기름으로 두 가지 다른 수준으로 채워졌고 위의 공간은 공기로 채워졌습니다. 압력 센서는 여러 장소의 벽에 설치되었으며 처음 4개의 출렁이는 기간 동안 기록된 롤 각도와 시간 이력이 있습니다. 오일을 사용하는 경우의 흐름은 레이놀즈 수가 1748인 층류인 반면, 물로 채워진 경우의 흐름은 레이놀즈 수가 97546인 난류입니다.
CFD 시뮬레이션은 탱크의 고조파 롤 운동을 복제하기 위해 본체력 방법을 사용했으며, 난류 및 공기 압축성을 설명하기 위해 다른 모델링 가정과 함께 그리드 의존성 테스트를 수행했습니다.
The objective of this work is to validate FLOW-3D against a sloshing problem in a sealed narrow span rectangular tank, subjected to roll motion at periods close to or equal to the tank’s internal wave resonance period, such that side and roof wave impact events occur. The tank was filled to two different levels with water or sunflower oil, with the space above filled by air. Pressure sensors were installed in the walls at several places and their time histories, along with the roll angle, recorded for the first four sloshing periods. For the cases using oil, the flow is laminar with a Reynolds number of 1748, while for the cases filled with water the flow is turbulent with a Reynolds number of 97546. The CFD simulations used the body force method to replicate the harmonic roll motion of the tank, while grid dependence tests were performed along with different modelling assumptions to account for turbulence and air compressibility.
Experimental Problem Setup
원래 실험은 Souto-Iglesias 및 Botia-Vera[1]에 의해 수행되었으며 모든 실험 데이터 파일은 문제 설명, 비디오 및 불확실성 분석과 함께 사용할 수 있습니다. 그림 1에 표시된 형상은 길이 900mm, 높이 508mm, 스팬 62mm의 직사각형 탱크로 구성되어 있으며 물이나 해바라기 기름으로 93mm 또는 355.3mm로 채워져 있으므로 4가지 경우가 고려됩니다. 탱크 벽과 같은 높이로 설치된 압력 센서의 위치도 표시됩니다. 탱크 회전 중심은 수평에 대한 회전 각도와 함께 그림 1에 나와 있습니다. 각 실험 실행은 반복성을 평가할 수 있도록 100번 수행되었습니다.
The original experiment was performed by Souto-Iglesias and Botia-Vera [1] and all experimental data files are available along with problem description, videos and an uncertainty analysis. The geometry shown in Fig. 1 consists of a rectangular tank of 900mm length, 508mm height and 62mm span, filled to either 93mm or 355.3 mm with either water or sunflower oil, hence four cases are considered. The locations of the pressure sensors that were installed flush with the tank walls are also shown. The tank rotation center is shown in Fig. 1, along with the rotation angle relative to the horizontal. Each of the experimental runs was performed 100 times to enable their repeatability to be assessed.
Figure 1. Tank dimensions and locations of pressure sensors
Numerical Simulation
문제는 FLOW-3D 내에서 비관성 기준 좌표계 모델을 사용하여 비교적 간단하게 설정할 수 있으며 , 이는 로컬 기준 좌표계의 가속도에 따라 유체에 체력 을 적용합니다. Z축 회전 속도는 탱크의 롤 운동을 시뮬레이션하기 위한 주기 함수로 정의되었으며 음의 수직 방향으로 작용하는 일정한 중력이 가해졌습니다.
메쉬 미세화, 운동량 이류에 대한 수치 근사 순서, 층류 대 난류 모델 및 탱크 내 공기에 대한 세 가지 다른 처리(즉, 일정 압력, 압축성 기체 및 비압축성 기체)와 같은 것을 조사하기 위해 여러 시뮬레이션을 수행했습니다.
93mm 깊이로 채워진 모든 케이스에 대해 압력은 압력 센서 P1에서만 실험 값과 비교되었으며, 355.3mm 깊이로 채워진 모든 케이스에서는 P3 센서의 데이터만 비교되었습니다.
The problem was relatively simple to set up using the non-inertial reference frame model within FLOW-3D, which applies a body force to the fluid depending on the acceleration of the local reference frame. The Z axis rotational velocity was defined as a periodic function to simulate a roll motion of the tank, and a constant gravity force acting in the negative vertical direction was applied.
Multiple simulations were performed to investigate such things as mesh refinement, the numerical approximation order for momentum advection, laminar versus turbulent models and three different treatments for the air in the tank (i.e., constant pressure, compressible gas and incompressible gas).
For all 93mm depth-filled cases, the pressure was compared to the experimental values at pressure sensor P1 only, while for all 355.3mm depth-filled cases, only data at the P3 sensor was compared.
Results
P1에서 측정된 측면 워터 슬로싱에 대한 메쉬 해상도의 영향은 그림 2에서 볼 수 있습니다. 피크 값 예측 측면에서 특별한 편향을 보이지 않습니다. 모든 측면 사례에서 초기 피크 직후의 압력은 시뮬레이션에서 일관되게 과대 평가되었습니다. 모든 메쉬는 피크의 타이밍 측면에서 우수한 일치를 보입니다. 100회 실행에서 보고된 실험 시간 기록은 평균 값에 가장 가까운 최고 압력을 가진 기록입니다.
The effect of mesh resolution on lateral water sloshing measured at P1 is seen in Fig. 2. It shows no particular bias in terms of the prediction of peak values. In all the Lateral cases, the pressures immediately after the initial peaks are consistently over estimated in the simulations. All meshes have excellent agreement in terms of the timing of the peaks. The experimental time histories reported from the 100 runs made are those with peak pressures closest to the average values.
Figure 2. Tank dimensions and locations of pressure sensors
실험 결과의 반복성은 Souto-Iglesias & Elkin Botia-Vera[1]에 의해 각 테스트를 100번 실행하고 처음 4개의 피크 압력의 평균 및 표준 편차를 측정하여 평가했습니다. CFD 실행이 다른 실험 실행으로 간주되는 경우 오류 막대 내에 있을 확률이 95%입니다. 그러나 CFD 결과의 16개 피크 압력 중 9개만 실험 결과의 2 표준 편차 내에 있으므로 CFD 모델이 실험을 대표하지 않거나 피크 압력이 정규 분포를 따르지 않는다는 결론을 내려야 합니다.
어쨌든 표준 편차는 피크 자체에 비해 상당히 크며, 수성 케이스와 측면 오일의 비율이 가장 작은 피크 값에 대한 표준 편차의 비율이 가장 큰 것으로 나타났습니다. 이러한 결과는 그림 1과 2에서 볼 수 있는 벽 충격 역학의 복잡성을 고려할 때 그리 놀라운 일이 아닙니다. 3,4.
The repeatability of the experimental results was assessed by Souto-Iglesias & Elkin Botia-Vera [1] running each test 100 times and measuring the average and standard deviation of the first four peak pressures. If a CFD run is considered to be another experimental run there is a 95% chance it will lie within the error bars. However, only nine of the 16 peak pressures from the CFD results fall within two standard deviations of the experimental results, so we must conclude that either the CFD model is not representative of the experiment or that the peak pressures are not normally distributed.
In any event, the standard deviations are quite large compared to the peaks themselves, with the largest ratio of standard deviation to peak values occurring for the water-based cases and the lateral oil having the smallest ratio. These results are perhaps not too surprising when one considers the complexity of the wall impact dynamics as seen in Figs. 3,4.
Figure 3. 4th Lateral Wave Impact in Water
Figure 4. 4th Wave Impact of Water on Roof
Conclusions
좁은 탱크 슬로싱 문제의 네 가지 구성은 자유 표면 흐름을 위해 설계된 상용 CFD 코드를 사용하여 수치적으로 시뮬레이션되었습니다. 대략 2 X 10 3 및 1 X 10 5 의 Reynolds 수에 해당하는 두 가지 다른 유체 와 두 가지 유체 깊이가 네 가지 경우를 정의하는 데 사용되었습니다. 4가지 경우 모두에 대해 메쉬 셀 크기 독립성 테스트를 수행했지만 메쉬 해상도가 증가함에 따라 실험 결과에 대해 약한 수렴만 발견되었습니다. 조사는 또한 두 가지 다른 운동량 이류 수치 차분 계획을 테스트했으며 두 번째 방법을 사용하여 더 가까운 일치를 발견했습니다 1차 체계를 사용하는 것보다 차수 단조성 보존 체계. 기본 층류 흐름을 포함한 세 가지 난류 모델이 테스트되었지만 더 낮은 계산 비용으로 인해 층류 이외의 모델에 대한 선호도가 발견되지 않았습니다. 실험 데이터와 공기 감소 일치의 압축성을 포함하여 그 이유는 불분명합니다.
실험 압력 프로브 시간 이력 데이터 세트에는 100회 반복 테스트에서 파생된 각 압력 피크에 대해 100개의 값이 포함되어 있으므로 CFD 시뮬레이션과의 일치의 통계적 유의성을 조사할 수 있었습니다. 수치 시뮬레이션과 실험 모두 출렁이는 파동 충격에 해당하는 매우 가파른 압력 펄스를 발생시켰고 실험 결과는 피크 값에서 높은 정도의 자연적 변동성을 갖는 것으로 나타났습니다. CFD 시뮬레이션의 감도 테스트(예: 약간 다른 초기 시작 조건 사용)는 공식적으로 수행되지 않았지만 수치 솔루션은 또한 다른 메쉬, 차분 체계 및 난류 모델,
모든 경우에 압력 피크가 발생하는 수치해의 타이밍은 매우 정확함을 알 수 있었다. 그러나 가장 난이도가 낮은 Lateral Oil의 경우에도 압력 피크와 바로 뒤따르는 압력 값이 과대 평가되어 수치 모델링의 단점이 나타났습니다. 실험적 피크 압력 변동성을 고려할 때 CFD 생성 값은 CFD 솔루션이 통계적 유의성을 나타내기 위해 필요한 15개 이상이 아니라 16개 피크 중 9개에서 2개의 표준편차 한계 내에 떨어졌습니다. 실험을 대표했다. 이것은 피크가 정규 분포를 따르지 않거나 CFD 모델이 피크를 예측하는 데 어떤 식으로든 결함이 있음을 나타냅니다.
Four configurations of a narrow tank sloshing problem were numerically simulated using a commercial CFD code designed for free surface flow. Two different fluids corresponding to Reynolds numbers of approximately 2 X 103 and 1 X 105 and two fluid depths were used to define the four cases. Mesh cell size independence tests were conducted for all four cases, but only a weak convergence towards the experimental results with increasing mesh resolution was found. The investigation also tested two different momentum advection numerical differencing schemes and found closer agreement using the 2nd order monotonicity preserving scheme than by using a first order scheme. Three turbulence models, including the default laminar flow, were tested but no preference was found for any model other than the laminar by virtue of its lower computational cost. Including the compressibility of the air-reduced agreement with the experimental data, the reasons for this are unclear.
The experimental pressure probe time history data sets included 100 values for each of the pressure peaks derived from 100 repeat tests, and thus we were able to examine the statistical significance of the agreement with the CFD simulations. Both the numerical simulations and the experiments gave rise to very steep pressure pulses corresponding to the sloshing wave impacts, and the experimental results were found to have a high degree of natural variability in the peak values. Although sensitivity tests of the CFD simulations (using, for example, slightly different initial starting conditions) were not formally conducted, the numerical solutions also showed a high degree of variability in the pressure peak magnitudes resulting from the use of different meshes, differencing schemes and turbulence models, which could be considered to show that the numerical solution also had a high degree of natural variability.
In all cases, the numerical solutions’ timing of the occurrence of the pressure peaks were found to be very accurate. However, even for the least challenging Lateral Oil case, the pressure peaks and the immediately following pressure values were overestimated, which indicated a shortcoming in the numerical modelling. When the experimental peak pressure variability was taken into account, the CFD-generated values fell inside the two Standard Deviation margin in nine of the 16 peaks rather than the 15 or more that would be required to show statistical significance in the sense that the CFD solution was representative of the experiment. This indicates that either the peaks are not normally distributed and/or the CFD model is in some way deficient at predicting them. Further work is required to establish how the peak pressures are distributed and/or to establish the physical reasons why the CFD model is overestimating the pressure peaks for even the least challenging Lateral Oil configuration.
References
Spheric Benchmark Test Case, Sloshing Wave Impact Problem, Antonio Souto-Iglesias & Elkin Botia-Vera, https://wiki.manchester.ac.uk/spheric/index.php/Test10
Peregrine DH (1993). Water-wave impact on walls. Annual Review of Fluid Mechanics. Vol 35, pp 23-43.
Editor’s Note
The complete document from which this note was extracted and the related data and input files are available on our Users Site. Readers are encouraged to read the original validation to get a full appreciation of the detail in this work investigating comparisons between simulation and experimental data. This study is especially noteworthy since it deals with highly non-linear sloshing of fluids interacting with the boundaries of a confining tank.
With regard to the author’s conclusions, it should be mentioned that the over prediction of fluid impact pressures in simulations could be the result of not allowing for sufficient compressibility effects in the liquids. For instance, in Fig. 3, it appears that there has been some air entrained in the liquid near the side wall. Also, negative pressures (i.e., below atmospheric) recorded experimentally might result from liquid drops remaining on the pressure sensors after the main body of liquid has drained away. Such details, which may be hard to quantify, only emphasize the difficulties involved in undertaking detailed validation studies. The author is commended for his excellent work.
이 기사는 BC Hydro의 Hydrotechnical부서의 전문 엔지니어인 M.A.Sc., P.Eng의 FaizalYusuf에 의해 기고되었다.
브리티시 콜롬비아의 공공 전력 회사인 BC Hydro는 FLOW-3D를 사용하여 현존하는 여러 댐의 복잡한 유압 문제를 조사하고 제안된 시설의 설계와 최적화를 지원합니다. 본 기사에서는 FLOW-3D를 다양한 유형의 드릴에 적용하는 방법과 신뢰할 수 있는 프로토 타입 또는 수치 모델 보정용 물리적 유압 모델 데이터의 중요성을 강조하는 세가지 사례가 제시됩니다.
W.A.C. Bennett Dam
Shock Waves in Spillway Chute
W.C. Bennett 댐에서는 1960년대 물리적 유압 모델과 프로토 타입 사이에 있었던 레일 궤도의 차이로 인해 충격파 형성에 대한 신뢰할 수 있는 결론을 도출하기 어렵습니다. 이 자료는 실제 모델 테스트 결과의 슈트 용량을 제공합니다. 콘크리트 라인 스풀 레이 슈트의 충격 파장의 크기는 헤드 워크에 있는 세 개의 방사형 게이트의 다운 스트림이 44% 감소되는데 크게 영향을 받습니다. 방사형 관문의 방사형 개구부의 충격파는 지역적으로 더 높은 수위로 이어져 특정 과거 작업에서 슈트 월의 과다 주입을 야기합니다.
2012년에 최대 2,865 m3/s 의 배출에 대한 프로토 타입 유출 테스트가 실행되어 슈트 벽, 슈트 내 물 표면에 대한 3D레이저 스캔 및 FLOW-3D model 보정을 위한 흐름 패턴. 수치 모델과 현장 관찰 간에, 특히 슈트 월의 첫번째 충격파의 위치와 높이 사이에 훌륭한 일치가 이루어졌습니다.
Figure 1. Comparison between prototype observations and FLOW-3D for a spill discharge of 2,865 m^3/s at Bennett Dam spillway
보정된 FLOW-3D모델은 기존에 규정된 바와 같이 3개의 방사형 관문이 모두 열리는 한, 유출되지 않고 설계 홍수를 안전하게 통과할 수 있음을 확인했습니다. 바깥쪽 문을 이용한 허가 명령은 안쪽 문보다 더 많이 열립니다. CFD모델 또한 spillway 슈트의 콘크리트 손상에 대한 통찰력을 제공했습니다. FLOW-3D시뮬레이션 결과로부터 계산된 공동지수를 USBR의 경험적 데이터와 비교했고, spillway의 과거 성능과 일치하는 것으로 확인되었습니다. 수치 해석을 통해 현장 검사를 지원하였으며, 이를 통해 슈트의 콘크리트 상태의 악화가 캐비테이션 때문이 아니라는 결론을 내렸습니다.
Strathcona Dam
Poor Approach Conditions and Uncertainty of Spillway Rating Curves
FLOW-3D는 댐 우측 교대에 수직 리프트 게이트가 3개 포함된 Strathcona댐 배수로의 등급 곡선과 관련한 열악한 접근 조건 및 불확실성을 조사하는 데 사용되었습니다. Strathcona spillway의 등급 곡선은 경험적인 조정과 교각의 기하학적 구조가 포함되지 않은 flume의 제한적인 물리적 유압 모델 테스트의 조합으로부터 개발되었습니다. 수치 모델 테스트 및 보정은 세개의 게이트가 모두 열려 있었던 1982년부터의 프로토 타입 유출 관측치와 비교하여 이루어진 것입니다. 맨 왼쪽 베이의 streamline입니다. 최좌측 베이로의 흐름은 댐 축에 평행하게 흐르는 물과 지하수 댐의 상류 경사에 인접한 콘크리트 옹벽 위로 곤두박질쳐 왜곡됩니다. 이 흐름은 다른 두 베이로 훨씬 더 부드럽게 들어갑니다. 프로토 타입과 비교하여 수치 모델에서 생성된 매우 유사한 흐름 패턴 외에도, 게이트 섹션에서 시뮬레이션된 수위는 1982년의 현장 측정 값과 0.1m이내에 일치했습니다.
Figure 2. Prototype observations and FLOW-3D results for a Strathcona Dam spill in 1982 with all three gates fully open.
Figure 2-2. Prototype observations and FLOW-3D results for a Strathcona Dam spill in 1982 with all three gates fully open
보정된 CFD모델은 모든 게이트가 완전히 열린 상태에서 탱크의 정상 작동 범위에 대해 배수로 정격 곡선의 5%이내에서 배출을 생성합니다. 그러나 큰 홍수가 지나가는 동안 발생할 수 있는 더 높은 저장소 수준에서(그림 3) 시뮬레이션 배출과 등급 곡선 간의 차이는 다음과 같이 10%보다 큽니다. 단순화된 기하학적 구조와 경험적 보정을 사용한 물리적 모델 시험은 복잡한 접근 흐름 패턴을 적절히 나타내지 않았습니다. FLOW-3D모델은 개별 베이의 등급 곡선 정확도, 게이트 조건 및 오리피스와 자유 표면 흐름 사이의 전환에 대한 추가적인 통찰력을 제공합니다.
John Hart Dam
Optimization of a Proposed Spillway
John Hart 콘크리트 댐은 기존의 게이트 배수로와 현재 건설 중인 낮은 층의 출구 구조 사이에 위치할 새로운 free crest spillway를 포함하도록 개조될 것입니다. FLOW-3D를 사용한 체계적인 최적화 프로세스를 통해 제안된 배수로 설계가 크게 개선되었습니다. free crest 배수로의 예비 설계는 엔지니어링 유압 설계 가이드에 기초했습니다. 콘크리트 에이프런 블록은 댐의 끝에 있는 바위를 보호하기 위한 것입니다. 새로운 우측 도류벽이 새 배수로에서 테일 레일 풀로 흐르는 흐름을 유도하고 낮은 레벨의 배수로 구조물을 배수로로부터 보호합니다.
그림 4는 새 레일의 초기 설계와 최적화 설계에 대한 FLOW-3D모델 결과를 보여 줍니다. CFD분석을 통해 배수 용량이 10%증가하고 도로가 심하게 감소했습니다. 배수로 돌출부 위에 있고 제안된 오른쪽 벽을 따라 최대 5m의 수위 감소를 포함한 흐름 패턴을 개선합니다. 제안된 설계를 확인하기 위해 물리적 유압 모델 테스트가 사용됩니다.
Figure 4. FLOW-3D model results for the preliminary and optimized layout of the proposed spillway at John Hart Dam.
Conclusion
BC Hydro는 다양한 유형의 댐과 물 운반 구조의 흐름 패턴 및 성능 대한 광범위한 유압 장치 문제를 조사하기 위해 FLOW-3D를 사용해 왔습니다. 프로토 타입 데이터와 신뢰할 수 있는 물리적 유압 모델 테스트는 수치 모델 결과에 대한 신뢰도를 높이기 위해 가능할 때마다 사용됩니다
Probabilistic investigation of cavitation occurrence in chute spillway based on the results of Flow-3D numerical modeling
Amin Hasanalipour Shahrabadi1*, Mehdi Azhdary Moghaddam2
1-University of Sistan and Baluchestan،amin.h.shahrabadi@gmail.com
2-University of Sistan and Baluchestan،Mazhdary@eng.usb.ac.ir
Abstract
Probabilistic designation is a powerful tool in hydraulic engineering. The uncertainty caused by random phenomenon in hydraulic design may be important. Uncertainty can be expressed in terms of probability density function, confidence interval, or statistical torques such as standard deviation or coefficient of variation of random parameters. Controlling cavitation occurrence is one of the most important factors in chute spillways designing due to the flow’s high velocity and the negative pressure (Azhdary Moghaddam & Hasanalipour Shahrabadi, ۲۰۲۰). By increasing dam’s height, overflow velocity increases on the weir and threats the structure and it may cause structural failure due to cavitation (Chanson, ۲۰۱۳). Cavitation occurs when the fluid pressure reaches its vapor pressure. Since high velocity and low pressure can cause cavitation, aeration has been recognized as one of the best ways to deal with cavitation (Pettersson, ۲۰۱۲). This study, considering the extracted results from the Flow-۳D numerical model of the chute spillway of Darian dam, investigates the probability of cavitation occurrence and examines its reliability. Hydraulic uncertainty in the design of this hydraulic structure can be attributed to the uncertainty of the hydraulic performance analysis. Therefore, knowing about the uncertainty characteristics of hydraulic engineering systems for assessing their reliability seems necessary (Yen et al., ۱۹۹۳). Hence, designation and operation of hydraulic engineering systems are always subject to uncertainties and probable failures. The reliability, ps, of a hydraulic engineering system is defined as the probability of safety in which the resistance, R, of the system exceeds the load, L, as follows (Chen, ۲۰۱۵): p_s=P(L≤R) (۱) Where P(۰) is probability. The failure probability, p_f, is a reliability complement and is expressed as follows: p_f=P[(L>R)]=۱- p_s (۲) Reliability development based on analytical methods of engineering applications has come in many references (Tung & Mays, ۱۹۸۰ and Yen & Tung, ۱۹۹۳). Therefore, based on reliability, in a control method, the probability of cavitation occurrence in the chute spillway can be investigated. In reliability analysis, the probabilistic calculations must be expressed in terms of a limited conditional function, W(X)=W(X_L ,X_R)as follows: p_s=P[W(X_L ,X_R)≥۰]= P[W(X)≥۰] (۳) Where X is the vector of basic random variables in load and resistance functions. In the reliability analysis, if W(X)> ۰, the system will be secure and in the W(X) <۰ system will fail. Accordingly, the eliability index, β, is used, which is defined as the ratio of the mean value, μ_W, to standard deviation, σ_W, the limited conditional function W(X) is defined as follows (Cornell, ۱۹۶۹): β=μ_W/σ_W (۴) The present study was carried out using the obtained results from the model developed by ۱:۵۰ scale plexiglass at the Water Research Institute of Iran. In this laboratory model, which consists of an inlet channel and a convergent thrower chute spillway, two aerators in the form of deflector were used at the intervals of ۲۱۱ and ۲۷۰ at the beginning of chute, in order to cope with cavitation phenomenon during the chute. An air duct was also used for air inlet on the left and right walls of the spillway. To measure the effective parameters in cavitation, seven discharges have been passed through spillway. As the pressure and average velocity are determined, the values of the cavitation index are calculated and compared with the values of the critical cavitation index, σ_cr. At any point when σ≤σ_cr, there is a danger of corrosion in that range (Chanson, ۱۹۹۳). In order to obtain uncertainty and calculate the reliability index of cavitation occurrence during a chute, it is needed to extract the limited conditional function. Therefore, for a constant flow between two points of flow, there would be the Bernoulli (energy) relation as follows (Falvey, ۱۹۹۰): σ= ( P_atm/γ- P_V/γ+h cosθ )/(〖V_۰〗^۲/۲g) (۵) Where P_atm is the atmospheric pressure, γ is the unit weight of the water volume, θ is the angle of the ramp to the horizon, r is the curvature radius of the vertical arc, and h cosθ is the flow depth perpendicular to the floor. Therefore, the limited conditional function can be written as follows: W(X)=(P_atm/γ- P_V/γ+h cosθ )/(〖V_۰〗^۲/۲g) -σ_cr (۶) Flow-۳D is a powerful software in fluid dynamics. One of the major capabilities of this software is to model free-surface flows using finite volume method for hydraulic analysis. The spillway was modeled in three modes, without using aerator, ramp aerator, and ramp combination with aeration duct as detailed in Flow-۳D software. For each of the mentioned modes, seven discharges were tested. According to Equation (۶), velocity and pressure play a decisive and important role in the cavitation occurrence phenomenon. Therefore, the reliability should be evaluated with FORM (First Order Reliable Method) based on the probability distribution functions For this purpose, the most suitable probability distribution function of random variables of velocity and pressure on a laboratory model was extracted in different sections using Easy fit software. Probability distribution function is also considered normal for the other variables in the limited conditional function. These values are estimated for the constant gravity at altitudes of ۵۰۰ to ۷۰۰۰ m above the sea level for the unit weight, and vapor pressure at ۵ to ۳۵° C. For the critical cavitation index variable, the standard deviation is considered as ۰.۰۱. According to the conducted tests, for the velocity random variable, GEV (Generalized Extreme Value) distribution function, and for the pressure random variable, Burr (۴P) distribution function were presented as the best distribution function. The important point is to not follow the normal distribution above the random variables. Therefore, in order to evaluate the reliability with the FORM method, according to the above distributions, they should be converted into normal variables based on the existing methods. To this end, the non-normal distributions are transformed into the normal distribution by the method of Rackwitz and Fiiessler so that the value of the cumulative distribution function is equivalent to the original abnormal distribution at the design point of x_(i*). This point has the least distance from the origin in the standardized space of the boundary plane or the same limited conditional function. The reliability index will be equal to ۰.۴۲۰۴ before installing the aerator. As a result, reliability, p_s, and failure probability, p_f, are ۰.۶۶۲۹ and ۰.۳۳۷۱, respectively. This number indicates a high percentage for cavitation occurrence. Therefore, the use of aerator is inevitable to prevent imminent damage from cavitation. To deal with cavitation as planned in the laboratory, two aerators with listed specifications are embedded in a location where the cavitation index is critical. In order to analyze the reliability of cavitation occurrence after the aerator installation, the steps of the Hasofer-Lind algorithm are repeated. The modeling of ramps was performed separately in Flow-۳D software in order to compare the performance of aeration ducts as well as the probability of failure between aeration by ramp and the combination of ramps and aeration ducts. Installing an aerator in combination with a ramp and aerator duct greatly reduces the probability of cavitation occurrence. By installing aerator, the probability of cavitation occurrence will decrease in to about ۴ %. However, in the case of aeration only through the ramp, the risk of failure is equal to ۱۰%.
확률적 지정은 수력 공학에서 강력한 도구입니다. 유압 설계에서 임의 현상으로 인한 불확실성이 중요할 수 있습니다. 불확실성은 확률 밀도 함수, 신뢰 구간 또는 표준 편차 또는 무작위 매개변수의 변동 계수와 같은 통계적 토크로 표현될 수 있습니다. 캐비테이션 발생을 제어하는 것은 흐름의 높은 속도와 음압으로 인해 슈트 여수로 설계에서 가장 중요한 요소 중 하나입니다(Azhdary Moghaddam & Hasanalipour Shahrabadi, ۲۰۲۰). 댐의 높이를 높이면 둑의 범람속도가 증가하여 구조물을 위협하고 캐비테이션으로 인한 구조물의 파손을 유발할 수 있다(Chanson, ۲۰۱۳). 캐비테이션은 유체 압력이 증기압에 도달할 때 발생합니다. 높은 속도와 낮은 압력은 캐비테이션을 유발할 수 있으므로, 통기는 캐비테이션을 처리하는 가장 좋은 방법 중 하나로 인식되어 왔습니다(Pettersson, ۲۰۱۲). 본 연구에서는 Darian 댐의 슈트 여수로의 Flow-۳D 수치모델에서 추출된 결과를 고려하여 캐비테이션 발생 확률을 조사하고 그 신뢰성을 조사하였다. 이 수력구조의 설계에서 수력학적 불확실성은 수력성능 해석의 불확실성에 기인할 수 있다. 따라서 신뢰성을 평가하기 위해서는 수력공학 시스템의 불확도 특성에 대한 지식이 필요해 보인다(Yen et al., ۱۹۹۳). 따라서 수력 공학 시스템의 지정 및 작동은 항상 불확실성과 가능한 고장의 영향을 받습니다. 유압 공학 시스템의 신뢰성 ps는 저항 R, 시스템의 부하 L은 다음과 같이 초과됩니다(Chen, ۲۰۱۵): p_s=P(L≤R)(۱) 여기서 P(۰)은 확률입니다. 고장 확률 p_f는 신뢰도 보완이며 다음과 같이 표현됩니다. Mays, ۱۹۸۰ 및 Yen & Tung, ۱۹۹۳). 따라서 신뢰성을 기반으로 제어 방법에서 슈트 여수로의 캐비테이션 발생 확률을 조사할 수 있습니다. 신뢰도 분석에서 확률적 계산은 제한된 조건부 함수 W(X)=W(X_L , X_R)은 다음과 같습니다. p_s=P[W(X_L,X_R)≥۰]= P[W(X)≥۰] (۳) 여기서 X는 부하 및 저항 함수의 기본 랜덤 변수 벡터입니다. 신뢰도 분석에서 W(X)> ۰이면 시스템은 안전하고 W(X) <۰에서는 시스템이 실패합니다. 따라서 표준편차 σ_W에 대한 평균값 μ_W의 비율로 정의되는 신뢰도 지수 β가 사용되며, 제한된 조건부 함수 W(X)는 다음과 같이 정의됩니다(Cornell, ۱۹۶۹). β= μ_W/σ_W (۴) 본 연구는 이란 물연구소의 ۱:۵۰ scale plexiglass로 개발된 모델로부터 얻은 결과를 이용하여 수행하였다. 이 실험 모델에서, 입구 수로와 수렴형 투수 슈트 여수로로 구성되며 슈트 중 캐비테이션 현상에 대처하기 위해 슈트 초기에 ۲۱۱과 ۲۷۰ 간격으로 편향기 형태의 2개의 에어레이터를 사용하였다. 여수로 좌우 벽의 공기 유입구에도 공기 덕트가 사용되었습니다. 캐비테이션의 효과적인 매개변수를 측정하기 위해 7번의 배출이 방수로를 통과했습니다. 압력과 평균 속도가 결정되면 캐비테이션 지수 값이 계산되고 임계 캐비테이션 지수 σ_cr 값과 비교됩니다. σ≤σ_cr일 때 그 범위에서 부식의 위험이 있다(Chanson, ۱۹۹۳). 슈트 중 캐비테이션 발생의 불확실성을 구하고 신뢰도 지수를 계산하기 위해서는 제한된 조건부 함수를 추출할 필요가 있다. 따라서 두 지점 사이의 일정한 흐름에 대해 다음과 같은 Bernoulli(에너지) 관계가 있습니다(Falvey, ۱۹۹۰). σ= ( P_atm/γ- P_V/γ+h cosθ )/(〖V_۰〗 ^۲/۲g) (۵) 여기서 P_atm은 대기압, γ는 물의 단위 중량, θ는 수평선에 대한 경사로의 각도, r은 수직 호의 곡률 반경, h cos θ는 바닥에 수직인 흐름 깊이입니다. 따라서 제한된 조건부 함수는 다음과 같이 쓸 수 있습니다. W(X)=(P_atm/γ- P_V/γ+h cosθ )/(〖V_۰〗^۲/۲g) -σ_cr (۶) Flow-۳D는 유체 역학의 강력한 소프트웨어. 이 소프트웨어의 주요 기능 중 하나는 수리학적 해석을 위해 유한 체적 방법을 사용하여 자유 표면 흐름을 모델링하는 것입니다. 방수로는 Flow-۳D 소프트웨어에 자세히 설명된 바와 같이 폭기 장치, 램프 폭기 장치 및 폭기 덕트가 있는 램프 조합을 사용하지 않고 세 가지 모드로 모델링되었습니다. 언급된 각 모드에 대해 7개의 방전이 테스트되었습니다. 식 (۶)에 따르면 속도와 압력은 캐비테이션 발생 현상에 결정적이고 중요한 역할을 합니다. 따라서 확률분포함수에 기반한 FORM(First Order Reliable Method)으로 신뢰도를 평가해야 한다 이를 위해 실험실 모델에 대한 속도와 압력의 확률변수 중 가장 적합한 확률분포함수를 Easy fit을 이용하여 구간별로 추출하였다. 소프트웨어. 확률 분포 함수는 제한된 조건부 함수의 다른 변수에 대해서도 정상으로 간주됩니다. 이 값은 단위 중량의 경우 해발 ۵۰۰ ~ ۷۰۰۰ m 고도에서의 일정한 중력과 ۵ ~ ۳۵ ° C에서의 증기압으로 추정됩니다. 임계 캐비테이션 지수 변수의 표준 편차는 ۰.۰۱으로 간주됩니다. . 수행된 시험에 따르면 속도 확률변수는 GEV(Generalized Extreme Value) 분포함수로, 압력변수는 Burr(۴P) 분포함수가 가장 좋은 분포함수로 제시되었다. 중요한 점은 확률 변수 위의 정규 분포를 따르지 않는 것입니다. 따라서 FORM 방법으로 신뢰도를 평가하기 위해서는 위의 분포에 따라 기존 방법을 기반으로 정규 변수로 변환해야 합니다. 이를 위해, 비정규분포를 Rackwitz와 Fiiessler의 방법에 의해 정규분포로 변환하여 누적분포함수의 값이 x_(i*)의 설계점에서 원래의 비정상분포와 같도록 한다. 이 점은 경계면의 표준화된 공간 또는 동일한 제한된 조건부 함수에서 원점으로부터 최소 거리를 갖습니다. 신뢰성 지수는 폭기 장치를 설치하기 전의 ۰.۴۲۰۴과 같습니다. 그 결과 신뢰도 p_s와 고장확률 p_f는 각각 ۰.۶۶۲۹과 ۰.۳۳۷۱이다. 이 숫자는 캐비테이션 발생의 높은 비율을 나타냅니다. 따라서 캐비테이션으로 인한 즉각적인 손상을 방지하기 위해 폭기 장치의 사용이 불가피합니다. 실험실에서 계획한 대로 캐비테이션을 처리하기 위해, 나열된 사양을 가진 두 개의 폭기 장치는 캐비테이션 지수가 중요한 위치에 내장되어 있습니다. 폭기장치 설치 후 캐비테이션 발생의 신뢰성을 분석하기 위해 Hasofer-Lind 알고리즘의 단계를 반복합니다. 경사로의 모델링은 폭기 덕트의 성능과 경사로에 의한 폭기 및 경사로와 폭기 덕트의 조합 사이의 실패 확률을 비교하기 위해 Flow-۳D 소프트웨어에서 별도로 수행되었습니다. 경사로 및 폭기 덕트와 함께 폭기 장치를 설치하면 캐비테이션 발생 가능성이 크게 줄어듭니다. 에어레이터를 설치하면 캐비테이션 발생 확률이 약 ۴%로 감소합니다. 그러나 램프를 통한 폭기의 경우 실패 위험은 ۱۰%와 같습니다. 폭기 설치 후 캐비테이션 발생의 신뢰성을 분석하기 위해 Hasofer-Lind 알고리즘의 단계를 반복합니다. 경사로의 모델링은 폭기 덕트의 성능과 경사로에 의한 폭기 및 경사로와 폭기 덕트의 조합 사이의 실패 확률을 비교하기 위해 Flow-۳D 소프트웨어에서 별도로 수행되었습니다. 경사로 및 폭기 덕트와 함께 폭기 장치를 설치하면 캐비테이션 발생 가능성이 크게 줄어듭니다. 에어레이터를 설치하면 캐비테이션 발생 확률이 약 ۴%로 감소합니다. 그러나 램프를 통한 폭기의 경우 실패 위험은 ۱۰%와 같습니다. 폭기장치 설치 후 캐비테이션 발생의 신뢰성을 분석하기 위해 Hasofer-Lind 알고리즘의 단계를 반복합니다. 경사로의 모델링은 폭기 덕트의 성능과 경사로에 의한 폭기 및 경사로와 폭기 덕트의 조합 사이의 실패 확률을 비교하기 위해 Flow-۳D 소프트웨어에서 별도로 수행되었습니다. 경사로 및 폭기 덕트와 함께 폭기 장치를 설치하면 캐비테이션 발생 가능성이 크게 줄어듭니다. 에어레이터를 설치하면 캐비테이션 발생 확률이 약 ۴%로 감소합니다. 그러나 램프를 통한 폭기의 경우 실패 위험은 ۱۰%와 같습니다. 경사로의 모델링은 폭기 덕트의 성능과 경사로에 의한 폭기 및 경사로와 폭기 덕트의 조합 사이의 실패 확률을 비교하기 위해 Flow-۳D 소프트웨어에서 별도로 수행되었습니다. 경사로 및 폭기 덕트와 함께 폭기 장치를 설치하면 캐비테이션 발생 가능성이 크게 줄어듭니다. 에어레이터를 설치하면 캐비테이션 발생 확률이 약 ۴%로 감소합니다. 그러나 램프를 통한 폭기의 경우 실패 위험은 ۱۰%와 같습니다. 경사로의 모델링은 폭기 덕트의 성능과 경사로에 의한 폭기 및 경사로와 폭기 덕트의 조합 사이의 실패 확률을 비교하기 위해 Flow-۳D 소프트웨어에서 별도로 수행되었습니다. 경사로 및 폭기 덕트와 함께 폭기 장치를 설치하면 캐비테이션 발생 가능성이 크게 줄어듭니다. 에어레이터를 설치하면 캐비테이션 발생 확률이 약 ۴%로 감소합니다. 그러나 램프를 통한 폭기의 경우 실패 위험은 ۱۰%와 같습니다. 에어레이터를 설치하면 캐비테이션 발생 확률이 약 ۴%로 감소합니다. 그러나 램프를 통한 폭기의 경우 실패 위험은 ۱۰%와 같습니다. 에어레이터를 설치하면 캐비테이션 발생 확률이 약 ۴%로 감소합니다. 그러나 램프를 통한 폭기의 경우 실패 위험은 ۱۰%와 같습니다.
Keywords
Aerator Probable Failure Reliability Method FORM Flow ۳D.
Rasoul Daneshfaraz*, Ehsan Aminvash**, Silvia Di Francesco***, Amir Najibi**, John Abraham****
토목공학의 수치해석법
Abstract
The main purpose of this study is to provide a method to increase energy dissipation on an inclined drop. Therefore, three types of rough elements with cylindrical, triangular and batshaped geometries are used on the inclined slope in the relative critical depth range of 0.128 to 0.36 and the effect of the geometry of these elements is examined using Flow 3D software. The results showed demonstrate that the downstream relative depth obtained from the numerical analysis is in good agreement with the laboratory results. The application of rough elements on the inclined drop increased the downstream relative depth and also the relative energy dissipation. The application of rough elements on the sloping surface of the drop significantly reduced the downstream Froude number, so that the Froude number in all models ranging from 4.7~7.5 to 1.45~3.36 also decreased compared to the plain drop. Bat-shaped elements are structurally smaller in size, so the use of these elements, in addition to dissipating more energy, is also economically viable.
이 연구의 주요 목적은 경사진 낙하에서 에너지 소산을 증가시키는 방법을 제공하는 것입니다. 따라서 0.128 ~ 0.36의 상대 임계 깊이 범위에서 경사면에 원통형, 삼각형 및 박쥐 모양의 형상을 가진 세 가지 유형의 거친 요소가 사용되며 이러한 요소의 형상의 영향은 Flow 3D 소프트웨어를 사용하여 조사됩니다. 결과는 수치 분석에서 얻은 하류 상대 깊이가 실험실 결과와 잘 일치함을 보여줍니다. 경 사진 낙하에 거친 요소를 적용하면 하류 상대 깊이와 상대 에너지 소산이 증가했습니다. 낙차 경사면에 거친 요소를 적용하면 하류의 Froude 수를 크게 감소시켜 4.7~7.5에서 1.45~3.36 범위의 모든 모델에서 Froude 수도 일반 낙차에 비해 감소했습니다. 박쥐 모양의 요소는 구조적으로 크기가 더 작기 때문에 더 많은 에너지를 분산시키는 것 외에도 이러한 요소를 사용하는 것이 경제적으로도 가능합니다.
Keywords: Downstream depth, Energy dissipation, Froude number, Inclined drop, Roughness elements
Introduction
급수 네트워크 시스템, 침식 수로, 수처리 시스템 및 경사가 큰 경우 흐름 에너지를 더 잘 제어하기 위해 경사 방울을 사용할 수 있습니다. 낙하 구조는 지반의 자연 경사를 설계 경사로 변환하여 에너지 소산, 유속 감소 및 수심 증가를 유발합니다. 따라서 흐름의 하류 에너지를 분산 시키기 위해 에너지 분산 구조를 사용할 수 있습니다. 난기류와 혼합된 물과 공기의 형성은 에너지 소비를 증가 시키는 효과적인 방법입니다. 흐름 경로에서 거칠기 요소를 사용하는 것은 에너지 소산을 위한 알려진 방법입니다. 이러한 요소는 흐름 경로에 배치됩니다. 그들은 종종 에너지 소산을 증가시키기 위해 다른 기하학적 구조와 배열을 가지고 있습니다. 이 연구의 목적은 직사각형 경사 방울에 대한 거칠기 요소의 영향을 조사하는 것입니다.
Fig. 1: Model made in Ardabil, IranFig. 2: Geometric and hydraulic parameters of an inclined drop
equipped with roughness elementsFig. 3: Views of the incline with (a) Bat-shaped, (b)
Cylindrical, (c) Triangular roughness elementsFig. 4: Geometric profile of inclined drop and boundary
conditions with the bat-shape roughness elementFig. 5: Variation of the RMSE varying cell sizeFig. 6: Numerical and laboratory comparison of the
downstream relative depthFig. 7: Flow profile on inclined drop in discharge of 5 L/s: (a)
Without roughness elements; (b) Bat-shaped roughness
element; (c) Cylindrical roughness element; (d) Triangular
roughness elementFig. 8: Relative edge depth versus the relative critical depthFlow on the inclined drop with bat-shaped elements: (a)
Non-submerged flowFig. 9: Flow on the inclined drop with bat-shaped elements: (b) Submerged flowFig. 10: Relative downstream depth versus the relative
critical depthFig. 11: Relative downstream depth versus the relative critical
depth
Conclusions
현재 연구에서 FLOW-3D 소프트웨어를 사용하여 한 높이, 한 각도, 밀도 15% 및 지그재그 배열에서 삼각형, 원통형 및 박쥐 모양의 형상을 가진 세 가지 유형의 거칠기 요소를 사용하여 경사 낙하 수리학적 매개변수에 대한 거칠기 요소 형상의 영향 평가되었다. VOF 방법을 사용하여 자유 표면 흐름을 시뮬레이션하고 초기에 3개의 난류 모델 RNG, k-ɛ 및 kω를 검증에 사용하고 이를 검토한 후 RNG 방법을 사용하여 다른 모델을 시뮬레이션했습니다. 1- 수치 결과에서 얻은 부드러운 경사 방울의 하류 상대 깊이는 실험실 데이터와 매우 좋은 상관 관계가 있으며 원통형 요소가 장착 된 경사 방울의 상대 에지 깊이 값이 가장 높았습니다. 2- 하류 상대깊이는 임계상대깊이가 증가함에 따라 상승하는 경향을 나타내어 박쥐형 요소를 구비한 경사낙하와 완만한 경사낙하가 각각 하류상대깊이가 가장 높고 가장 낮았다. 3- 하류 깊이의 증가로 인해 상대적 임계 깊이가 증가함에 따라 상대적 에너지 소산이 감소합니다. 한편, 가장 높은 에너지 소산은 박쥐 모양의 요소가 장착된 경사 낙하와 관련이 있으며 가장 낮은 에너지 소산은 부드러운 낙하와 관련이 있습니다. 삼각형, 원통형 및 박쥐 모양의 거친 요소가 장착된 드롭은 부드러운 드롭보다 각각 65%, 76% 및 85% 더 많은 흐름 에너지를 소산합니다. 4- 낙차의 경사면에 거친 요소를 적용하여 다운 스트림 Froude 수를 크게 줄여 4.7 ~ 7.5에서 1.45 ~ 3.36까지의 모든 모델에서 Froude 수가 부드러운 낙하에 비해 감소했습니다. 또한, 다른 원소보다 부피가 작은 박쥐 모양의 거칠기의 부피로 인해 이러한 유형의 거칠기를 사용하는 것이 경제적입니다.
References
References: [1] Abbaspour, A., Shiravani, P., and Hosseinzadeh dalir, A., “Experimental study of the energy dissipation on the rough ramps”, ISH journal of hydraulic engineering, 2019, p. 1-9. [2] Abraham, J.P., Sparrow, E.M., Gorman, J.M., Zhao, Y., and Minkowycz, W.J., “Application of an Intermittency model for laminar, transitional, and turbulent internal flows”, Journal of Fluids Engineering, vol. 141, 2019, paper no. 071204. [3] Ahmad, Z., Petappa, N.M., and Westrich, B., “Energy dissipation on block ramps with staggered boulders”, Journal of hydraulic engineering, vol. 135(6), 2009, p. 522-526. [4] Babaali, H.R., Shamsai, A., and Vosoughifar, H.R., “Computational modeling of the hydraulic jump in the stilling basin with convergence walls using CFD codes”, Arabian Journal for Science and Engineering, vol. 40(2), 2014, p. 381-395. [5] Castillo, L.G., Carrillo, J.M., and Cacía, J.T., “Numerical simulations and laboratory measurements in hydraulic jumps”, International conference on hydroinformatics. (2014, August) New York city. [6] Daneshfaraz, R., Aminvash, E., Esmaeli, R., Sadeghfam, S., and Abraham, J., “Experimental and numerical investigation for energy dissipation of supercritical flow in sudden contractions”, Journal of groundwater science and engineering, vol. 8(4), 2020a, p. 396-406. [7] Daneshfaraz, R., Aminvash, E., Ghaderi, A., Kuriqi, A., and Abraham, J., “Three-dimensional investigation of hydraulic properties of vertical drop in the presence of step and grid dissipators”, Symmetry, vol. 13 (5), 2021a, p. 895. [8] Daneshfaraz, R., Aminvash, E., Ghaderi, A., Abraham, J., and Bagherzadeh, M., “SVM performance for predicting the effect of horizontal screen diameters on the hydraulic parameters of a vertical drop”, Applied sciences, vol. 11 (9), 2021b, p. 4238. [9] Daneshfaraz, R., Bagherzadeh, M., Esmaeeli, R., Norouzi, R., and Abraham, J. “Study of the performance of support vector machine for predicting vertical drop hydraulic parameters in the presence of dual horizontal screens”, Water supply, vol 21(1), 2021c, p. 217-231. [10] Daneshfaraz, R., and Ghaderi, A., “Numerical investigation of inverse curvature ogee spillways”, Civil engineering journal, vol. 3(11), 2017, p. 1146-1156. [11] Daneshfaraz, R., Majedi Asl, M., and Bagherzadeh, M., “Experimental Investigation of the Energy Dissipation and the Downstream Relative Depth of Pool in the Sloped Gabion Drop and the Sloped simple Drop”, AUT Journal of Civil Engineering, 2020b (In persian). [12] Daneshfaraz, R., Majedi Asl, M., Bazyar, A., Abraham, J., Norouzi, R., “The laboratory study of energy dissipation in inclined drops equipped with a screen”, Journal of Applied Water Engineering and Research, 2020c, p. 1-10. [13] Daneshfaraz, R., Minaei, O., Abraham, J., Dadashi, S., and Ghaderi, A., “3-D Numerical simulation of water flow over a broad-crested weir with openings”, ISH Journal of Hydraulic Engineering, 2019, p.1-9. [14] Daneshfaraz, R., Sadeghfam, S., and Kashani, M., “Numerical simulation of flow over stepped spillways”, Research in civil engineering and environmental engineering, vol. 2(4), 2014, p. 190-198. [15] Ghaderi, A., Abbasi, S., Abraham, J., and Azamathulla, H.M., “Efficiency of trapezoidal labyrinth shaped stepped spillways”, Flow measurement and instrumentation, vol. 72, 2020a. [16] Ghaderi, A., Daneshfaraz, R., Dasineh, M., and Di Francesco, S., “Energy dissipation and hydraulics of flow over trapezoidaltriangular labyrinth weirs”, Water, vol. 12(7), 2020b, p. 1-18. [17] Ghaderi, A., Daneshfaraz, R., Torabi, M., Abraham, and Azamathulla, H.M. “Experimental investigation on effective scouring parameters downstream from stepped spillways”, Water supply, vol. 20(4), 2020c, p. 1-11. [18] Ghare, A.D., Ingle, R.N., Porey, P.D., and Gokhale, S.S. “Block ramp design for efficient energy dissipation”, Journal of energy dissipation, vol. 136(1), 2010, p. 1-5. [19] Gorman, J.M., Sparrow, E.M., Smith, C.J., Ghoash, A., Abraham, J.P., Daneshfaraz, R., Rezezadeh, J., “In-bend pressure drop and post-bend heat transfer for a bend with partial blockage at its inlet”, Numerical Heat Transfer A, vol, 73, 2018, p. 743-767. [20] Jamil, M., and Khan, S.A., “Theorical study of hydraulic jump in circular channel section”, ISH journal of hydraulic engineering, vol. 16(1), 2010, p. 1-10. [21] Katourani, S., and Kashefipour, S.M., “Effect of the geometric characteristics of baffle on hydraulic flow condition in baffled apron drop”, Irrigation sciences and engineering, vol. 37(2), 2012, p. 51-59. [22] Lai, Y.G., and Wu, K.A., “Three-dimensional flow and sediment transport model for free surface open channel flow on unstructured flexible meshes”, Fluids, vol. 4(1), 2019, p. 1-19.
[23] Nayebzadeh, B., Lotfollahi yaghin, M.A., and Daneshfaraz, R., “Numerical investigation of hydraulic characteristics of vertical drops with screens and gradually wall expanding”, Amirkabir journal of civil engineering, 2020 (In Persian). [24] Nurouzi, R., Daneshfaraz, R., and Bazyar, A., “The study of energy dissipation due to the use of vertical screen in the downstream of inclined drop by adaptive Neuro-Fuzzy inference system (ANFIS)”, AUT journal of civil engineering, 2019, (In Persian). [25] Ohtsu, I., and Yasuda, Y., “Hydraulic jump in sloping channel”, Journal of hydraulic engineering, vol. 117(7), 1991, p. 905-921. [26] Olsen, L., Abraham, J.P., Cheng, L.K., Gorman, J.M., and Sparrow, E.M., “Summary of forced-convection fluid flow and heat transfer for square cylinders of different aspect ratios ranging from the cube to a two-dimensional cylinder”, Advances in Heat Transfer, Vol. 51, 2019, p. 351-457. [27] Pagliara, S., Das, R., and Palermo, M., “Energy dissipation on submerged block ramps”, Journal of irrigation and drainage engineering, vol. 134(4), 2008, p.527-532. [28] Pagliara, S., and Palermo, M., “Effect of stilling basin geometry on the dissipative process in the presence of block ramps”, Journal of irrigation and drainage engineering, vol. 138(11), 2012, p. 1027-1031. [29] Simsek, O., Akoz, M.S, and Soydan, N.G., “Numerical validation of open channel flow over a curvilinear broad-creasted weir”, Progress in computational fluid dynamics an international journal, vol. 16(6), 2016, p. 364-378. [30] Sharif, N., and Rostami, A., “Experimental and numerical study of the effect of flow sepration on dissipating energy in compound bucket”, APCBEE procedia, vol. 9, 2014, p. 334-338. [31] Sparrow, E.M., Tong, J.C.K., and Abraham, J.P., “Fluid flow in a system with separate laminar and turbulent zones”, Numerical Heat Transfer A, vol. 53(4), 2008, p. 341-353. [32] Sparrow, E.M., Gorman, J.M., Abraham, J.P., and Minkowycz, W.J., “Validation of turbulence models for numerical simulation of fluid flow and convective heat transfers”, Advances in Heat Transfer, vol. 49, 2017, p. 397-421. [33] Wagner, W.E., “Hydraulic model studies of the check intake structure-potholes East canal”, Bureau of reclamation hydraulic laboratory report hyd, 1956, 411.
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
CRUI-CARE 계약에 따라 Università degli Studi Roma Tre가 제공하는 오픈 액세스 자금.
작가 정보
제휴
이탈리아 Roma, Università Roma Tre 공학과Valentina Lombardi, Michele La Rocca, Pietro Prestininzi
교신 저자
Valentina Lombardi에 대한 서신 .
추가 정보
발행인의 메모
Springer Nature는 출판 된지도 및 기관 소속의 관할권 주장과 관련하여 중립을 유지합니다.
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 천수(shallow water) 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 천수(shallow water) 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 천수(shallow water) 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 천수(shallow water) 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 천수(shallow water)과 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.
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).
낙하 형성 및 분리는 표면 장력 구동 흐름으로 인해 가늘어지는 유체 목의 형성을 포함하여 큰 위상 변화를 수반하며, 목의 pinch-off에서 Laplace pressure와 같은 속성은 유한한 시간 특이성을 나타냅니다. 드롭 형성 중에 발생하는 큰 위상 변형과 비선형성을 정확하게 시뮬레이션하는 것은 일반적으로 pinch-off 순간에 가까운 작은 특징을 해결하기 위해서는 고해상도 및 정확도가 필요하기 때문에 수치 시뮬레이션이 계산적으로 요구됩니다.
필요한 질량 및 계산 시간을 보존하고 인터페이스를 추적하는 데 내재된 이점에도 불구하고, 초기 실무자들이 물 점도가 10배 이상인 유체에 대한 수렴 문제를 보고했기 때문에 낙하 형성 연구에 VOF(Volume-of-fluid) 방법을 활용하는 연구는 거의 없습니다.
이 기여에서, 우리는 FLOW-3D에 구현된 VOF 방법을 사용하여 물 점도보다 4배 더 높은 점도 값을 포함하여 뉴턴 유체에 대한 드리프트의 원형 자유 표면 흐름을 시뮬레이션합니다. 우리는 이 연구의 일부로 수행된 실험에 대해 시뮬레이션된 목 모양, 목 진화 속도 및 헤어짐 길이를 벤치마킹합니다.
핀치오프 역학은 관성, 점성 및 모세관 응력의 복잡한 상호 작용에 의해 결정되며, 여기서 실험과 시뮬레이션 모두에서 대조되는 자기 유사 스케일링 법칙은 종종 역학에 대해 설명합니다. 우리는 시뮬레이션된 반지름 진화 프로파일이 축 대칭 흐름에 대한 뉴턴 유체에 대해 실험적으로 관찰되고 이론적으로 예측되는 핀치오프 역학과 일치함을 보여준다. 또한, 우리는 가는 목 안에서 법칙, 속도 및 변형 필드의 스케일링에 대한 사전 요인을 결정하고, 우리는 실험과 비교할 수 있는 중단 시간과 길이뿐만 아니라 사전 요인을 VOF 방법을 사용하여 시뮬레이션할 수 있음을 보여줍니다.
experimental setup, as shown schematically in
Fig. 1(a), includes a dispensing system A numerical simulation
of drop formation from a cylindrical nozzle at a constant flow rate is performed.
(c) Graphical representation of the VOF approachFIG. 2. Sequence of images showing capillary-driven neck evolution and droplet formation for low-viscosity fluids. (a) A sequence of simulated images of water (0 wt. %
glycerol) shows neck formation and subsequent thinning and pinch-off dynamics including the formation of the satellite drop. (b) A sequence of images shows neck radius
evolution and drop detachment for the low viscosity fluid composed of 50 wt. % glycerol in water. The time step between images is 500 µs, and the scale bar represents a
length of 1 mm for the two cases shown. The color bar shows the velocity field in units of cm/s. The addition of glycerol seems to exercise a relatively minor influence on
pinch-off dynamics despite a five-fold increase in viscosity.FIG. 3. Computed evolution of the minimum radius of the water neck during the
drop formation and detachment process. The instantaneous neck radius of water
and the inertio-capillary fit are shown. The inset shows a self-similar nature of neck
thinning dynamics close to a pinch-off moment. The characteristic cone angle of
18.1◦
as predicted by Day et al.50 and visualized in experiments52 is captured
well using the VOF method.FIG. 5. Glycerol thinning image sequence and break-up length visualization for three cases. (a) Glycerol thinning is shown through a sequence of snapshots with a time step
∆t = 5 ms and reveals quite different dynamics compared to previously seen for low viscosity fluids. The length of a filament changes significantly when the glycerol content
increases above 70 wt. %. (b) Final lengths of the simulated liquid filaments before pinch-off for three cases of glycerol + water mixtures (0 wt. %, 70 wt. %, and 100 wt. %).FIG. 8. Comparison of experiments and
simulations for the case of a drop formation for 80 wt. % glycerol and water mixture. (a) A set of images obtained from
experiments (upper row) and simulations
(bottom row) with a time step of 1 ms
show good agreement. The simulated
drop profiles shown in the bottom row
are colored by the velocity magnitude
[ranging from 0 (dark blue) to 100 cm/s
(red) and colored online], and velocity
vectors are shown in the images. (b)
Radius evolution with time of liquid filament formed during the drop formation
process is shown on a log-log plot for the
two cases.
전 세계 에너지 부문의 엔지니어는 전산 유체 역학(CFD)을 통해 해결책을 찾기 위해 광범위한 프로세스에서 매일 복잡한 설계 문제에 직면합니다. 특히 자유 표면 흐름과 관련이 높은 이러한 문제의 대부분은 FLOW-3D가 매우 정확한 분석을 제공하여 문제 해결에 적합합니다.
공해에서 컨테이너 내부의 연료 또는화물 슬로싱 / Fuel or cargo sloshing inside containers on the high seas
해양 플랫폼에 대한 파도 효과 / Wave effects on offshore platforms
6 자유도 모션을 받는 분리 장치의 성능 최적화 / Performance optimization for separation devices undergoing 6 DOF motion
파동 에너지 포착 장치 / Design of devices to capture energy from waves
Energy Case Studies
천연자원이 계속 감소함에 따라, 대체 자원과 방법을 탐구하고 가능한 한 효과적으로 현재 공급량을 사용하고 있습니다. 엔지니어는 사고를 예방하고 채굴 및 기타 에너지 수확 기법으로 인한 환경적 영향을 평가하기 위해 FLOW-3D를 사용합니다.
Tailing Breach Simulation – CFD Analysis with FLOW-3D
점성이 높은 유체, 비 뉴턴 흐름, 슬러리 또는 심지어 세분화 된 흐름의 형태를 취할 수있는 많은 채광 응용 프로그램의 잔여 물인 테일링은 악명 높은 시뮬레이션 전제를 제공합니다. FLOW-3D 는 비 뉴턴 유체, 슬러리 및 입상 흐름에 대한 특수 모델을 포함하여 이러한 분석을 수행하는 데 필요한 모든 도구를 제공합니다. FLOW-3D 의 자유 표면 유동 모델링 기능 과 결합되어 이러한 어렵고 환경 적으로 민감한 문제에 대한 탁월한 모델링 솔루션을 제공합니다.
관련 응용 분야에는 바람 강제 분석에 따른 광석 비축 더미 먼지 드리프트가 포함되며, 여기서 FLOW-3D 의 드리프트 플럭스 모델을 통해 엔지니어는 광석 침착 및 유입 패턴과 개선 솔루션의 효과를 연구 할 수 있습니다.
액화와 기계적 방해가 물과 같은 뉴턴 흐름과는 대조적으로 입자 흐름의 매우 독특한 속성 인 결국 저절로 멈추는 위반의 동적 특징의 일부라는 점에 유의하십시오.
오일 및 가스 분리기
FLOW-3D 는 기름과 물과 같은 혼합 불가능한 유체를 모델링 할 수 있으며 개방 된 환경 (주변 공기)과 관련된 구성 요소 간의 뚜렷한 인터페이스를 정확하게 추적 할 수 있습니다. 유체는 전체 도메인에 영향을 미치는 역학으로 인해 자유롭게 혼합 될 수 있습니다. 시간이 지남에 따라 유체는 연속 상과 분산 상 간의 드리프트 관계에 따라 다시 분리됩니다. 중력 분리기의 성능은 CFD 모델링을 통해 향상 될 수 있습니다.
기체 및 액체 흐름의 균일성을 개선하고 파도에 의한 슬로싱으로 인한 오일과 물의 혼합을 방지하기 위해 용기 입구 구성을 개발합니다.
유압 효율 및 분리 성능에 대한 내부 장비의 영향을 결정합니다.
작동 조건 변화의 영향 측정
소규모 현상 (다상 흐름, 방울, 입자, 기포)을 정확하게 모델링
생산 파이프 | Production Pipes
생산에 사용되는 공정 파이프의 청소 과정에서 유체가 위로 흘러도 고밀도 입자가 침전될 수 있습니다. 침전 입자를 포착하도록 장치를 설계 할 수 있습니다. 파이프 중앙에 있는 “버킷”이 그러한 잠재적 장치중 하나 입니다. 흐름 변위로 인해 버킷 외부의 상류 속도는 고밀도 입자에 대한 침전 속도보다 높으며 버킷 내부에 모여 있습니다. 표시된 디자인에서 버킷 주변의 상향 유체 속도는 입자 안정화 속도보다 높습니다. 이로 인해 입자가 버킷과 파이프 벽 사이의 틈새를 통해 빠져 나갈 수 없습니다. 따라서 시뮬레이션된 입자는 버킷을 통과하여 아래에 정착하지 않습니다.
파동 에너지 장치 모델링 | Modeling Wave Energy Devices
포인트 흡수 장치 | Point Absorber Devices
이 시뮬레이션은 상단에 부력이있는 구형 구조가있는 점 흡수 장치를 보여 주며, 들어오는 파도의 볏과 골과 함께 위아래로 이동합니다. FLOW-3D 의 움직이는 물체 모델은 x 또는 y 방향으로의 움직임을 제한하면서 z 방향으로 결합 된 움직임을 허용하는 데 사용됩니다. 진폭 5m, 파장 100m의 스톡 스파를 사용했다. RNG 모델은 파도가 점 흡수 장치와 상호 작용할 때 발생하는 난류를 포착하는 데 사용되었습니다. 예상대로 많은 난류 운동 에너지가 장치 근처에서 생성됩니다. 플롯은 난류로 인해 장치 근처의 복잡한 속도 장의 진화로 인해 질량 중심의 불규칙한 순환 운동을 보여줍니다.
다중 플랩, 하단 경첩 파동 에너지 변환기 | Multi-Flap, Bottom-Hinged Wave Energy Converter
진동하는 플랩은 바다의 파도에서 에너지를 추출하여 기계 에너지로 변환합니다. Arm은 물결에 반응하여 피벗된 조인트에 장착된 진자로 진동합니다. 플랩을 배열로 구성하여 다중 플랩 파동 에너지 변환기를 만들 수 있습니다. 아래 상단에 표시된 CFD 시뮬레이션에서 3 개의 플랩 배열이 시뮬레이션됩니다. 모든 플랩은 바닥에 경첩이 달려 있으며 폭 15m x 높이 10m x 두께 2m입니다. 어레이는 30m 깊이에서 10 초의 주파수로 4m 진폭파에서 작동합니다. 시뮬레이션은 중앙 평면을 따라 복잡한 속도 등 가면을 보여줍니다. 이는 한 플랩이 어레이 내의 다른 플랩에 미치는 영향을 연구하는 데 중요합니다. 3 개의 플랩이 유사한 동적 동작으로 시작하는 동안 플랩의 상호 작용 효과는 곧 동작을 위상에서 벗어납니다. 유사한 플랩 에너지 변환기가 오른쪽 하단에 표시됩니다. 이 시뮬레이션에서 플랩은 가장 낮은 지점에서 물에 완전히 잠 깁니다. 이러한 에너지 변환기를 Surface Piercing 플랩 에너지 변환기라고합니다. 이 두 시뮬레이션 예제는 모두 미네르바 역학 .
진동 수주 | Oscillating Water Column
진동하는 수주는 부분적으로 잠긴 중공 구조입니다. 그것은 물의 기둥 위에 공기 기둥을 둘러싸고 수면 아래의 바다로 열려 있습니다. 파도는 물 기둥을 상승 및 하강시키고, 차례로 공기 기둥을 압축 및 감압합니다. 이 갇힌 공기는 일반적으로 기류의 방향에 관계없이 회전 할 수 있는 터빈을 통해 대기로 흐르게 됩니다. 터빈의 회전은 전기를 생성하는 데 사용됩니다.
아래의 CFD 시뮬레이션은 진동하는 수주를 보여줍니다. FLOW-3D에서 포착한 물리학을 강조하기 위해 중공 구조에서 물기둥이 상승 및 하강하는 부분만 모델링 합니다. 시뮬레이션은 다른 파형 생성 선택을 제외하고 유사한 결과를 전달합니다. 아래의 시뮬레이션은 웨이브 유형 경계 조건을 사용하는 반면 그 아래의 시뮬레이션은 움직이는 물체 모델 을 사용하여 실험실에서 수행한 것처럼 차례로 웨이브를 생성하는 움직이는 플런저를 생성합니다. 각 시뮬레이션에 대해 속이 빈 구조의 압력 플롯이 표시됩니다. 결국 그 압력에 기초하여 터빈이 회전 운동으로 설정되기 때문에 챔버에서 얼마나 많은 압력이 생성되는지 아는 것이 중요합니다.
사례 연구
Architects Achieve LEED Certification in Sustainable Buildings
LEED (Leadership in Energy and Environmental Design)는 제 3자가 친환경 건축물 인증을 제공하는 자발적 인증 시스템입니다.
FLOW-3D는 보고타(콜롬비아)의 사무실 건물에서 “IEQ-Credit2–환기 증가”라는 신뢰를 얻는 데 큰 도움을 주었습니다. 이러한 인정을 받기 위해서는 실외 공기가 ASHRAE의 표준 비율인 30%를 초과한다는 것을 증명해야만 합니다. 이 건물에서 실외 공기는 태양 광선에 의해, 가열되는 지붕 위의 2개의 유리 굴뚝에 의해 발생되는 온도 차이에 의해 발생하는 열 부력의 영향으로 제공됩니다. 이것은 바람이 불지 않는 조건에서 이루어져야 합니다.
Comparing HVAC System Designs
최근 프로젝트에서 Tecsult의 HVAC(난방, 냉방 및 환기)시스템 엔지니어는 강력한 에어컨 시스템의 두 가지 다른 구성을 고려해야 했고 노동자들에게 어떤 것이 가장 쾌적함을 제공하는지 보여주기를 원했습니다. FLOW-3D는 대체 설계를 시뮬레이션하고 비교하는 데 사용되었습니다.
이 발전소는 대형(길이 90m, 너비 33m, 높이 26m)건물로 변압기, 전력선, 조명 등 열 발생 장비를 갖추고 있습니다. 에어컨 시스템의 목적은 건물 내 최대 온도를 35ºC로 제한하는 것입니다. 디퓨저가 하부 레벨에 위치하고 천장 근처의 환기구가 있기 때문에 천장 근처에서 최대 공기 온도가 발생하고 바닥 레벨은 반드시 몇도 더 낮습니다.
Debris Transport in a Nuclear Reactor Containment Building
이 기사는 FLOW-3D가 원자력 시설에서 봉쇄 시설의 성능을 모델링하는데 사용된 방법을 설명하며, Alion Science and Technology의 Tim Sande & Joe Tezak이 기고 한 바 있습니다.
가압수형 원자로 원자력 발전소에서 원자로 노심을 통해 순환되는 물은 약 2,080 psi 및 585°F의 압력과 온도로 유지되는 1차 배관 시스템에 밀폐됩니다. 수압이 높기 때문에 배관이 파손되면 격납건물 내에 여러 가지 이물질 유형이 생성될 수 있습니다. 이는 절연재가 장비와 균열 주변 영역의 배관에서 떨어져 나가기 때문에 발생합니다. 생성될 수 있는 다양한 유형의 이물질의 일반적인 예가 나와 있습니다(오른쪽).
Evaluation of the Wind Effects on the Iron-Ore Stock Pile
바람이 개방형 골재 저장소에 미치는 영향은 전 세계적으로 환경 문제가 되고 있습니다. 2.7km2 철골 저장소 부지에서 이런 문제가 관찰되었습니다. 이 시설은 철도 운송차량를 통해 광석을 공급받는데, 이 운송차량은 자동 덤프에 의해 비워집니다. 그런 다음 이 광석은 일련의 컨베이어와 이송 지점을 통과하여 저장 장소중 하나로 운송됩니다. 비산먼지 배출은 풍력이 비축된량에 미치는 영향의 결과로 관찰된 결과입니다.
September 2023 DOI:10.30955/gnc2023.00436 Conference: 18th International Conference on Environmental Science and Technology CEST2023, 30 August to 2 September 2023, Athens, ...
Numerical Study of the Local Scouring Process and Influencing Factors of Semi-Exposed Submarine Cables by Qishun Li,Yanpeng Hao *,Peng Zhang,Haotian Tan,Wanxing Tian,Linhao ...
Analyses of Cryogenic Propellant Tank Pressurization based upon Experiments and Numerical SimulationsCarina Ludwig? and Michael Dreyer***DLR - German Aerospace Center, ...
Coupled thermodynamic-fluid-dynamic solution for a liquid-hydrogen tank G. D. Grayson Published Online:23 May 2012 https://doi.org/10.2514/3.26706 Read Now Tools Share Introduction ...
FLOW-3D는 작은 하수 처리 시스템부터 대형 수력 발전 프로젝트까지 수처리 및 환경 산업에 직면한 광범위한 문제를 해결할 수 있는 뛰어난 CFD 소프트웨어 입니다. FLOW-3D는 시뮬레이션의 복잡성을 감소시키고 최적의 솔루션에 대해 노력을 집중할 수 있도록 해줍니다. 이를 통해 통해 파악된 가치 있는 통찰력은 귀하의 상당한 시간과 비용을 절약 할 수 있습니다.
실제 지형을 적용하여 3차원 shallow water hybrid model을 이용한 댐 붕괴 시뮬레이션
FLOW-3D는 자유표면 흐름이 있는 수치해석 알고리듬에 의해 유동의 표면이 시공간적으로 변하는 모사를 위한 이상적인 도구라고 할 수 있습니다. 자유 표면은 물과 공기 같은 높은 비율의 밀도 변화를 가지는 유체들 사이의 특정한 경계를 일컫습니다. 자유 표면 흐름을 모델링하는 것은 일반적인 유동방정식과 난류 모델이 결합된 고급 알고리즘을 필요로 합니다. 이 기능은 FLOW-3D로 하여금 침수 구조에 의해 형성된 방수, 수력 점프 및 수면 변화의 흐름의 궤적을 포착 할 수 있습니다.
하천 교량의 파괴 대책으로서 희생파일에 대한 FLOW-3D를 이용한 수치 연구 Mohammad Nazari-Sharabian, Aliasghar Nazari-Sharabian, Moses Karakouzian, Mehrdad Karami Abstract Scour ...
Waqed H. Hassan | Zahraa Mohammad Fadhe* | Rifqa F. Thiab | Karrar MahdiCivil Engineering Department, Faculty of Engineering, University of Warith Al-Anbiyaa, Kerbala 56001, IraqCivil ...
Difference Analysis of Wave Disaster Characteristics Induced by Landslides of Different Water Entry Scales 王雷， 解明礼， 黄会宝， 柯虎， 高强人民珠江 2024年45卷第2期DOI：10.3969/j.issn.1001-9235.2024.02.003 ...
Abstract Artificial Intelligence (AI) techniques, such as Artificial Neural Networks (ANN) and Adaptive Neuro-Fuzzy Inference Systems (ANFIS), and dimensional analysis-based ...
Mahdi Ebrahimi, Mirali Mohammadi, Sayed Mohammad Hadi Meshkati & Farhad Imanshoar Abstract The overtopping breach is the most probable reason of embankment dam failures ...
때로는 유체 입자가 이동한 거리가 중요한 경우도 있습니다. FLOW-3D에서 사용자는 모델 설정 ‣ 출력 위젯에서 유체가 이동한 거리에 대한 출력을 요청할 수 있습니다. 이 기능은 유체가 흐름 영역(경계 또는 질량 소스를 통해)에 들어간 시간 또는 유체가 도메인을 통해 이동한 거리를 계산합니다. 이 기능은 모든 시뮬레이션에도 사용할 수 있으며, 특별한 모델을 사용할 필요가 없으며, 흐름에도 영향을 미치지 않습니다. 이 모델을 사용하려면 출력 위젯으로 이동하고 추가 출력 섹션에서 “Distance traveled by fluid” 옆의 체크상자를 선택하십시오.
유체 도착 시간을 아는 것은 종종 유용합니다. 예를 들어 주조 시뮬레이션에서 주입 시간을 결정하는 데 사용할 수 있습니다. 제어 볼륨은 충전 프로세스 동안 여러 번 채워지고 비워지기 때문에 계산 셀이 채워지는 처음과 마지막 시간 모두 기록되고, 후 처리를 위해 저장될 수 있습니다. 이 작업은 출력 위젯과 추가 출력 섹션 내에서 유체 도착 시간 확인란을 선택하여 수행됩니다.
때로는 유체가 계산 영역 내에서 보내는 시간인 체류시간을 아는 것이 유용합니다. 이는 출력 ‣ Output ‣ Additional Output ‣ Fluid residence time 확인란을 선택하여 수행합니다. 여기서 S로 지정된 이 변수에 대한 전송 방정식은 단위 소스 항과 함께 Solve됩니다.
유체 체류 시간(Fluid residence time)
여기에서 t는 시간이며 u는 유체 속도입니다.
S의 단위는 시간이다. 계산 도메인에 들어가는 모든 유체에 대한 S의 초기값은 0입니다.
의 값은 항상 second order체계를 가진 데이터로부터 근사치를 구합니다.
이 출력 옵션은 1 유체 및 2 유체 유량 모두에 사용할 수 있습니다.
노트
경계 조건 또는 소스에서 도메인으로 유입되는 유체가 이미 도메인에 있는 유체와 혼합될 때 체류가 감소하는 것처럼 보일 수 있습니다.
벽면 접촉 시간 출력은 (1)개별 유체 요소가 특정 구성 요소와 접촉하는 시간 및 (2)특정 구성 요소가 유체와 접촉하는 시간을 추적합니다. 이 모델은 액체 금속이 모래 오염물과 접촉했을 때 오염과 상관 관계가 있는 proxy 변수를 제공하기 위한 것입니다. 이 출력은 최종 주조물에서 오염된 유체가 어디에 있는지 확인하는 데 사용될 수 있습니다. 접촉 시간 모델의 또 다른 해석은, 예를 들어, 용해를 통해 다소 일정한 비율로 화학물질을 방출하는 물에 잠긴 물체에 의한 강의 물의 오염입니다.
모델은 Model Setup ‣ Output ‣ Wall contact time 박스를 확인하여 활성화됩니다. 또한 Model Setup ‣ Output ‣ Geometry Data section의 각 구성요소에 대해 해당 구성요소를 계산에 포함하기 위해 반드시 설정해야 하는 Contact time flag가 있습니다.
추가 정보
Wall Contact Time with Fluid and Component Properties: Contact Time with Fluid for more information on the input variables를 참조하십시오.
노트
이 모델은 실제 구성 요소, 즉 고체, 다공성 매체, 코어 가스 및 충전 퇴적물 구성 요소로 제한됩니다. 접촉 시간은 유체 # 1과 관련해서만 계산됩니다.
Model Setup ‣ Output ‣ Geometry Data ‣ Forces 옵션을 활성화하면 부품에 대한 압력, 전단력, 탄성 및 벽 접착력을 History Data에 출력할 수 있습니다.
압력을 가지지 않은 셀(즉, 도메인 외부에 있거나 다른 구성 요소 안에 있는 셀)이 구성 요소 주변의 각 셀에 대한 압력 영역 제품을 합산하는 동안 어떻게 처리되는지를 제어하는 압력 계산에 대한 몇 가지 추가 옵션이 있습니다. 기본 동작은 이러한 셀에서 사용자 정의 기준 압력을 사용하는 것입니다. 지정되지 않은 경우 기준 압력은 초기 무효 압력인 PVOID로 기본 설정됩니다. 또는, 코드는 Reference pressure is code calculated 옵션을 선택하여 구성요소의 노출된 표면에 대한 평균 압력을 사용할 수 있습니다.
마지막으로, 일반 이동 물체의 경우, 규정된/제약을 받는 대로 물체를 이동시키는 힘을 나타내는 잔류 힘의 추가 출력이 있습니다.
Torques
Model Setup ‣ Output ‣ Force 옵션이 활성화되면 구성 요소의 토크가 계산되고 History Data에 출력됩니다. 토크는 힘-모멘트에 대한 기준점 X, 힘-모멘트에 대한 기준점 Y, 정지 구성 요소에 대한 힘-모멘트 입력에 대한 기준점 Z에 의해 지정된 지점에 대해 보고됩니다. 참조점의 기본 위치는 원점입니다.
General Moving Objects에는 몇 가지 추가 참고 사항이 있습니다. 첫째, 토크는 (1) 6-DOF 동작의 질량 위치 중심 또는 (2)고정축 및 고정점 회전의 회전 축/점에 대해 보고됩니다. 힘에서 행해지는 것과 마찬가지로, 규정된/제한된 바와 같이 물체를 이동시키는 토크를 나타내는 잔류 토크의 출력도 있습니다.
노트
힘 및 토크 출력은 각 지오메트리 구성 요소의 일반 히스토리 데이터에 기록됩니다. 출력은 개별 힘/토크 기여 (예: 압력, 전단, 탄성, 벽 접착) 및 개별 기여도의 합으로 계산된 총 결합력/토크로 제공됩니다.
일반 이동 객체의 부력과 안정성에 대한 정보는 각 구성 요소에 대해 모델 설정 Setup 출력 ‣ 기하학적 데이터 ‣ 부력 중심 및 도량형 높이 옵션을 활성화하여 History Data에서 출력할 수 있습니다. 이렇게 하면 구성 요소의 중심 위치와 중심 높이가 출력됩니다.
깊이 기준 유압 데이터를 요청하려면 출력 ‣ 고급으로 이동한 후 유압 데이터 옆의 확인란을 선택하십시오(심층 평균 값과 중력을 -Z 방향으로 가정).
이 옵션은 FLOW-3D가 유압 시뮬레이션에 유용할 수 있는 추가 깊이 평균 데이터를 출력하도록 합니다.
Flow depth
Maximum flow depth
Free surface elevation
Velocity
Offset velocity
Froude number
Specific hydraulic head
Total hydraulic head
이 수량 각각에 대해 하나의 값 이 메쉬의 모든 (x, y) 위치에서 계산되고 수직 열의 모든 셀에 저장됩니다 (이 수량이 깊이 평균이기 때문에 z 방향으로 데이터의 변화가 없습니다). 변수는 정확도를 보장하기 위해주기마다 계산됩니다. 모든 경우에, 깊이 평균 속도, z- 방향 의 중력 가속도, 유체 깊이, 및 컬럼 내 유체의 최소 z- 좌표입니다.
자유 표면 고도는 수직 기둥의 맨 위 유체 요소에 있는 자유 표면의 z-좌표로 계산됩니다.
The Froude number 은
식으로 계산됩니다.
유체 깊이는 깊이 평균 메쉬 열의 모든 유체의 합으로 계산됩니다.
특정 유압 헤드
및 총 유압 헤드
변수는 다음에서 계산됩니다.
노트
깊이 기준 유압 출력 옵션은 예리한 인터페이스가 있고 중력이 음의 z 방향으로 향할 때에만 유체 1에 유효합니다.
유압 헤드 계산은 스트림 라인이 평행하다고 가정한다는 점을 유념해야 합니다. 예를 들어 플럭스 표면이 재순환 흐름 영역에 배치되는 경우 이 문제가 발생할 수 있습니다. 이 경우, 유량 표면에서 보고된 유량 평균 유압 헤드는 헤드의 계산에서 흐름 방향이 무시되기 때문에 예상보다 클 수 있습니다.
Total Hydraulic Head 3D(총 유압 헤드 3D)
또한 총 유압 헤드 3D 옵션을 확인하여 국부적(3D) 속도 필드, 플럭스 표면에서의 유압 에너지(배플 참조) 및 플럭스 기반 유압 헤드를 사용하여 유체 1의 총 헤드를 계산할 수 있다. 3D 계산은 국부 압력을 사용하여 수행되며(즉, 압력이 유체 깊이와 관련이 있다고 가정하지 않음) 원통 좌표와 호환됩니다.
노트
유압 헤드 계산은 스트림 라인이 평행하다고 가정한다는 점을 유념해야 한다. 예를 들어 플럭스 표면이 재순환 흐름 영역에 배치되는 경우 문제가 발생할 수 있습니다. 이 경우, 플럭스 표면에서 보고된 유량 평균 유압 헤드는 헤드의 계산 시 흐름 방향이 무시되기 때문에 예상보다 클 수 있습니다.
3D 유압 헤드 계산은 입력 파일에 중력이 정의되지 않은 경우 중력 벡터의 크기를 1로 가정합니다.
Flux-averaged hydraulic head
특정 위치 (즉, 배플)의 플럭스 평균 유압 헤드는 다음과 같이 계산됩니다.
Flux-averaged hydraulic head
유압 헤드 계산에서는 유선이 평행하다고 가정합니다. 예를 들어 플럭스 표면이 재순환 흐름 영역에 배치된 경우 (예: 아래에 표시된 것과 같이) 문제가 될 수 있습니다.
유압 헤드 계산에서는 유선이 평행하다고 가정
이 경우 플럭스 표면에 보고된 플럭스 평균 유압 헤드는 헤드 계산 시 흐름 방향이 무시되므로 예상보다 클 수 있습니다.
FLOW-3D에는 History Probes, Flux surface, Sampling Volumes의 세 가지 주요 측정 장치가 있습니다. 이러한 장치를 시뮬레이션에 추가하는 방법은 모델 설정 섹션에 설명되어 있습니다(측정 장치 참조). 이들의 출력은 기록 데이터 편집 시간 간격으로 flsgrf 파일의 일반 기록 데이터 카탈로그에 저장됩니다. 이러한 결과는 Analyze ‣ Probe 탭에서 Probe Plots을 생성하여 액세스할 수 있습니다.
히스토리 프로브를 생성하는 단계는 모델 설정 섹션에 설명되어 있습니다(기록 프로브 참조). 시뮬레이션에 사용된 물리 모델에 따라 각각의 History Probe에서 서로 다른 출력을 사용할 수 있습니다. 프로브를 FSI/TSE로 지정하면 유한 요소 메시 안에 들어가야 하는 위치에서 응력/스트레인 데이터만 제공한다. 유체 프로브가 솔리드 형상 구성 요소에 의해 차단된 영역 내에 위치하는 경우, 기하학적 구조와 관련된 수량(예: 벽 온도)만 계산된다. 일반적으로 프로브 좌표에 의해 정의된 위치에서 이러한 양을 계산하려면 보간이 필요하다.
Flux-averaged hydraulic head when 3D Hydraulic Head is requested from additional output options
Hydraulic energy flow when hydraulic data output is requested
Total number of particles of each defined species in each particle class crossing flux surface when the particle model is active
Flow rate for all active and passive scalars this includes scalar quantities associated with active physical models (eg. suspended sediment, air entrainment, ect.)
노트
유속과 입자수의 기호는 유동 표면을 설명하는 함수의 기호에 의해 정의된 대로 흐름이나 입자가 플럭스 표면의 음에서 양으로 교차할 때 양의 부호가 됩니다.
플럭스 표면은 각 표면의 유량과 입자 수가 정확하도록 그들 사이에 적어도 두 개의 메쉬 셀이 있어야 합니다.
유압 데이터 및 총 유압 헤드 3D 옵션을 사용할 때는 유압 헤드 계산이 스트림 라인이 평행하다고 가정한다는 점을 유념해야 한다. 예를 들어 플럭스 표면이 재순환 흐름 영역에 배치되는 경우 이 문제가 발생할 수 있습니다. 이 경우, 유량 표면에서 보고된 유량 평균 유압 헤드는 헤드의 계산에서 흐름 방향이 무시되기 때문에 예상보다 클 수 있습니다.
샘플링 볼륨은 해당 범위 내에서 볼륨을 측정하는 3 차원 데이터 수집 영역입니다. 샘플링 볼륨을 만드는 단계는 모델 설정 섹션에 설명되어 있습니다(샘플링 볼륨 참조). 각 샘플링 볼륨의 계산 수량은 다음과 같습니다.
시료채취량 내에서 #1 유체 총량
시료채취량 내 #1 유체질량 중심
샘플링 용적 가장자리에 위치한 솔리드 표면을 포함하여 샘플링 용적 내의 모든 벽 경계에 작용하는 좌표계의 원점에 상대적인 유압력 및 모멘트.
샘플링 용적 내 총 스칼라 종량: 이것은 부피 적분으로 계산되므로 스칼라 양이 질량 농도를 나타내면 샘플링 용적 내의 총 질량이 계산된다. 거주 시간과 같은 일부 종의 경우, 평균 값이 대신 계산됩니다.
샘플링 볼륨 내의 입자 수: 각 샘플링 볼륨 내에 있는 각 입자 등급의 정의된 각 종별 입자 수(입자 모델이 활성화된 경우)
운동 에너지, 난류 에너지, 난류 소실율 및 와류에 대한 질량 평균
표본 체적의 6개 경계 각각에서 열 유속: 유체 대류, 유체 및 고체 성분의 전도 및 유체/구성 요소 열 전달이 포함됩니다. 각 플럭스의 기호는 좌표 방향에 의해 결정되는데, 예를 들어, 양방향의 열 플럭스도 양수입니다. 출력에서 확장 또는 최대 디버그 수준을 선택하지 않는 한 이러한 디버그 수준은 fsplt에 자동으로 표시되지 않습니다.
이 기사에서 Tony Hirt 박사는 다가오는 FLOW-3D v12.0 릴리스에서 사용할 수있는 새로운 Steady-State Accelerator에 대해 설명합니다 .
일시적인 흐름의 점근 적 상태를 계산하는 것보다 안정된 자유 표면 흐름을 생성하는 더 빠른 방법이 자주 필요합니다. 상황은 압축성 흐름 솔버를 사용하여 비압축성 흐름을 해결하는 것과 유사합니다. 후자의 경우 압축 파는 붕괴하는 데 오랜 시간이 걸리고 결과적으로 비압축성 흐름을 남길 수 있습니다. 이에 따라 자유 표면 흐름에서 유체는 비압축성이지만 표면 파동은 안정된 자유 표면 구성을 생성하는 데 오랜 시간이 걸릴 수 있습니다.
비압축성 흐름의 경우, 압축 파를 심각하게 감쇠시키는 반복적 인 프로세스 (즉, 압력-속도 반복)를 사용합니다. 물리적으로 반복은 압력과 같은 파동이 국부적 인 영역에 영향을 미치는 짧은 거리를 이동하도록 허용하지만 압력 장에 상당한 노이즈를 유발할 수있는 장거리 전파 및 반사를 피할 수있을만큼 빠르게 감쇠됩니다.
이 노트에서 자유 표면 셀에 적용된 간단한 압력 조정은 표면 교란에 대한 감쇠력으로 작용합니다. 이 댐핑은 안정적인 자유 표면 구성에 대한 접근을 가속화합니다.
Steady-State Accelerator Idea
유체 인터페이스 또는 자유 표면은 VOF (Volume-of-Fluid) 기술을 사용하여 FLOW-3D 에서 추적됩니다 . 유체 변수 F의 비율은 유체가 차지하는 영역을 찾습니다. 유체에 고정 된 자유 표면이있는 경우 유체를 정의하는 F 값도 안정된 값을 유지해야합니다. F가 일정하려면 표면에 수직 인 유체 속도가 0이어야합니다. 물론 표면에서의 접선 유체 속도는 0 일 필요는 없습니다. 예를 들어, 위어 위의 흐름에는 일정한 흐름이 있지만 계단에서 나오는 흐름의 위치와 모양은 변하지 않습니다.
자유 표면 흐름에 대한 정상 상태 솔버를 사용하려면 흐름의 비압축성을 유지하면서 정상 표면 속도를 0으로 유도하는 방법을 찾아야합니다.
이를 수행하는 한 가지 방법은 정상 속도를 0으로 유도하는 방식으로 표면 압력을 조정하는 것입니다. 특히 정상 속도에 비례하는 총 표면 압력에 “댐핑”압력 기여를 추가하는 것입니다. 속도는 표면 밖으로 향하고 그렇지 않으면 음수입니다.
정상 속도가 0에 가까워지면 수정 압력도 0이되어야 표면이 고정 위치를 초과하지 않게됩니다. 물론 보정이 너무 크면 오버 슈트가 발생할 수 있습니다. 따라서 안정적인 보정 적용을 위해서는 몇 가지 제한 요소가 있어야합니다.
계수 약어 ssacc 을 나타내며, S는 teady- S 테이트 액세서리 elerator이 새로운 옵션을 활성화하는 프로그램 입력에 추가되었다. ssacc 의 값 은 편리한 상한 인 1.0보다 작거나 같아야합니다. 프로그램 내에서 댐핑 압력에 자동으로 적용되는 여러 제한 기가 불안정 해 지거나 일시적인 현상에 악영향을 미치는 것을 방지합니다.
안정성 및 댐핑 리미터에 대한 이전 문제는 강조되어야합니다. 정상 상태 가속기를 사용하면 자유 표면 흐름의 모든 과도 현상이 더 이상 완전히 사실적인 것으로 볼 수 없습니다. 댐핑 압력은 물리적 인 힘이 아니라 파동 전파와 반사를 줄이는 메커니즘입니다. 댐퍼는 큰 과도 현상의 발생을 방해하지 않도록 고안되었으며 흐름이 안정됨에 따라 안정된 결과를보다 빠르게 얻는 데에만 기여해야합니다. 그러나 사용자는 리미터가 예상하지 못한 초과 댐핑에 대해 주의를 기울여야 합니다. 이는 댐핑 계수 ssacc 의 입력 값을 줄임으로써 제거 할 수 있습니다 .
두 가지 예는 정상 상태 가속기의 댐핑 메커니즘이 어떻게 작동하는지 보여줍니다.
Steady-State Accelerator Examples
Collapse of Raised Fluid Column
첫 번째 예는 길이 100cm, 깊이 5cm의 2 차원 물 웅덩이로 구성됩니다. 물을 담은 탱크의 모든 경계는 대칭 경계입니다. 수영장 중앙에는 폭 10cm, 높이 3cm의 수영장 위에 물 블록이 있습니다. 이 블록은 중력으로 인해 물에 떨어지고 충돌 지점에서 멀리 이동 한 다음 탱크 끝에서 반사되는 파도를 생성합니다. 100 초 후에도 반복되는 반사 때문에 여전히 상당한 파동 작용이 있습니다 (그림 1).
새로운 정상 상태 가속기를 계수 ssacc = 1.0 과 함께 사용하면 모든 파동이 빠르게 감쇠되어 거의 평평한 표면이됩니다. 일부 잔류 흐름은 표면 아래에 남아 있지만 점도의 작용으로 서서히 감쇠됩니다 (그림 2). 이 예에서 추가 된 댐핑은 특히 인상적입니다.
Figure 1. Column collapse without damping. Times of flow plots are 0.0, 10.0, and 100.0s. Bottom figure is the mean kinetic energy vs. time.
Figure 2. Column collapse with damping coefficient ssacc=1.0 at times of 0.0, 10.0 and 100.0s. Bottom figure is the mean kinetic energy vs. time.
사각형 격자에서 45 °의 정사각형 채널에서 모세관 상승
수직 채널에서 유체의 모세관 상승은 간단한 분석할 수 있으며 솔루션이 있는 양호한 정상 상태 문제입니다. 중력에 대해 상승 된 유체의 양은 벽의 접착력, 즉 접촉각의 코사인에 표면 장력 곱하기 접촉 선 길이에 의해 결정됩니다. 이 예에서 유체는 물이며 표면 장력은 70 dynes / cm이고 접촉각은 30 °입니다. 채널은 단면이 정사각형이며 가장자리 길이가 0.707cm이고 직사각형 격자에서 45 ° 회전합니다. 문제가 x 및 y 방향으로 대칭을 이루기 때문에 그리드의 사분면 만 모델링됩니다. 그리드의 바닥에는 제로 게이지 압력의 물이 있으며 그리드의 가장자리 길이는 0.0125cm (41x41x80 셀)입니다. 상승시켜야하는 이론적 유체 량은 0.04373cc입니다. 그림 3a는 정상 상태 결과를 보여줍니다. 이는 감쇠 사용 여부와 비슷합니다. 댐핑없이 계산된 유체의 양은 이론 값보다 1.74 % 높습니다. 그림 3b와 같이 댐핑이 있는 경우에는 2.24 %가 너무 높습니다. 가속기를 사용하면 정상 상태는 약 0.15 초에 도달하는 반면 표준 솔버는 0.8 초 후에 만 정상 상태 솔루션을 생성하므로 5 배 이상 더 오래 걸립니다.
Figure 3a. Capillary rise in square channel without damping pressures.
Figure 3b. Histories of fluid volume in the two simulations (blue is with damping).
ssacc가 1.0보다 작으면 댐핑이 적어 수렴에 더 빨리 도달합니다. 1.0을 포함한 모든 ssacc 값은 댐핑되지 않은 ssacc = 0.0 경우와 비교하여 이론과 밀접하게 일치하고 후면 벽에 적은 양의 유체를 나타내는 수렴된 솔루션을 만듭니다.
뒤쪽 벽에있는 작은 유체 조각은 평형 위치를 초과하는 유체의 오버 슈트에서 발생하며, 이는 점성력으로 인해 정착하는 데 오랜 시간이 필요한 소량의 유체를 벽에 남기고 뒤로 떨어집니다. 이 오버 슈트는 ssacc 가 0이 아닐 때 제거됩니다 .
Manuel Gómez, FLUMEN Research Institute. Technical University of Catalonia. Jordi Girona, 1-3. 08034 Barcelona. Spain. Phone: +00 (34) 93 401 64 75 manuel.gomez@upc.edu Eduardo Martínez1 , FLUMEN Research Institute. Technical University of Catalonia. Jordi Girona, 1-3. 08034 Barcelona. Spain. Phone: +00 (34) 93 401 64 75 eduardo.martinez-gomariz@upc.edu
KEY WORDS Irrigation Canals 3D, 2D and 1D computation, gate, weir, curved reach.
ABSTRACT
개요 본 연구는 카탈로니아 공과 대학의 Campus Nord에 위치한 PAC-UPC 운하의 수력 학적 거동을 분석하기 위해 수행되었습니다. 이것은 실제 관개 운하의 모델을 구성하며, 2003 년에 건설 된 이후 관개 운하 및 제어 알고리즘과 관련된 다양한 연구 및 박사 논문에 사용되었습니다. 점유 공간을 최소화하기 위해 뱀 모양의 운하는 자체를 따라 약간의 굴곡을 생성하여 뚜렷한 수면 수준이 상승합니다. 아 임계 체제가 있어도 세부 사항을 완벽하게 분석해야하는 명확하게 관찰 할 수 있습니다. 이러한 접근 방식을 수행하기 위해 각각 1D, 2D 및 3D 분석을 고려하는 방식이 제안되었습니다. 고려 된 코드는 Hec-Ras (1D), Iber (2D) 및 Flow 3D로 각 코드의 결과를 비교 연구했습니다. 이 비교는 각각의 한계를 강조합니다. 이전에 알려진 바와 같이 3D 결과는 흐름 거동에 대한 훨씬 더 많은 정보를 제공하여 z 방향으로 형성된 재순환 영역과 소용돌이를 분석 할 수도 있습니다. 흐름 분석 후 최종 결과는 예를 들어 계측기 (레벨 센서)의 최적 위치 또는 구조의 형상에 대한 수정과 관련하여 향후 작업 및 연구를 위해 운하에서 가능한 개선을 제안합니다.
INTRODUCTION AND SCOPE OF THE STUDY
자유 표면 흐름은 특히 수로 및 하강 역학과 관련하여 수력 학에서 광범위하게 연구되는 흐름 유형입니다. 그들의 연구는 1D, 2D 또는 3D 수치 모델링을 통해 이루어질 수 있으며, 이는 하천 또는 수로의 수력 분석을 수행하는 가장 일반적인 1D 모델링입니다. 더 높은 계산 비용을 가정하더라도 2 차원 분석이 점점 더 많이 구현되지만 아직 3D 분석은 너무 자주 고려되지 않습니다. 2 차원 분석은 두 방향의 속도 성분이 세 번째 영역 (예 : 델타 영역)보다 우세한 영역에서 수행되고 3 차원 분석은 명확하게 3 차원 효과 (테디 및 복잡한 현상)가있는 국소 영역에서 수행됩니다. 더 높은 계산 비용이 필요합니다. 현재 바르셀로나의 Campus Nord 수압 연구소에는 제어 알고리즘을 테스트하는 운하 인 PAC-UPC 운하가 있습니다. 이 운하는 문과 배설물이있는 실제 관개 운하의 측면을 재현하려고합니다. 2003 년에 지어졌으며 그 이후로 관개 운하와 관련된 여러 박사 및 석사 논문이 발표되었으며 특히 운하 제어 알고리즘의 개발과 함께 발표되었습니다. 이러한 알고리즘은 수로 수 문의 자동화를 목표로하여 모든 수로 도달 흐름에서 수위를 선택한 지점에서 규정 할 수 있으며 수문은 선택한 지점 (오프 테이크)에서 원하는 수위와 수위를 보장하기 위해 이동합니다.
처음부터 굽힘 영역에서 국부적 인 과도 상승이 관찰되었습니다. 운하가 실제 관개 운하와 실제 관개 운하 제어 문제를 재현하는 것을 목표로하기 때문에 이러한 과도 상승을 연구하고 운하 시설에 대한 결과를 확인해야했습니다. 이러한 흐름 거동은 시각적으로 명확하게 관찰 할 수 있으며 이는 낮은 속도에서도 유압 현상이 발생 함을 시사합니다. 수문 아래를 통과하기 전에 수평면의 굽힘을 따라 급격한 변화가있는 흐름 궤적과 수직면에서 유선의 90 ° 회전이 생성됩니다. 이러한 경로는 속도 성분이 세 방향 모두에서 중요하며 한 방향 (1D) 또는 두 방향 (2D)에서만 널리 퍼져 있음을 나타냅니다.
Figure 1: PAC-UPC laboratory canal bend in operation.
그림 1은 자유 표면에서 발생하는 불규칙성을 보여줍니다. 대부분은 굴곡 옆에 있고 하류 수문과 둑의 영향으로 나타납니다. 유압 문제에 적용되는 수치 적 방법은 점점 더 많은 컴퓨팅 파워를 제공하며 시장에는 많은 오픈 소스를 포함하여 다양한 소프트웨어가 있습니다. 3D 문제의 모델링 및 시뮬레이션을위한 강력한 도구는 Flow-3D 프로그램입니다. 이 도구는이 연구에서보고 된 연구에 사용되었으며 분석은 Hec-Ras 및 Iber와 같은 오픈 소스 소프트웨어로 보완되었습니다 [6]. 따라서 1 차원, 2 차원 및 3 차원 코드를 통해 상세한 흐름 분석을 수행했습니다. 이 연구의 주요 목적은 흐름이 굴곡, 위어 및 하류 수문을 만날 때이 운하의 흐름 패턴을 자세히 이해하는 것입니다. 분명히 이러한 유동 거동 지식은 필요한 경우 측정 기기의 재배치 또는 유동 거동에 필요한 경우 굽힘 형태의 복원과 같은 2 차적이지만 덜 중요한 목표로 이어질 수 있습니다. 1D, 2D 및 3D 수치 모델링 도구를 사용하면 이러한 도구의 결과를 비교하고 각 접근 방식의 장단점을 연구 할 수 있습니다. 따라서 이 연구의 목표는
요약 :
-PAC-UPC 실험실 운하 곡선 도달에서 발생하는 흐름의 수력학적 거동을 자세히 이해합니다. -1D, 2D 및 3D 모델링 비교 및 필요에 따라 적합성 분석. -해석, 흐름의 수력 학적 거동, 수로 계기 재배치 가능성 및 수로 구조의 모양 수정.
운하 설명 Canal PAC-UPC는 “Canal de Pruebas de Algoritmos de Control (Test Canal Algorithms Control)-Universitat Politècnica de Catalunya (Technical University of Catalonia)”의 머리 글자입니다. 이름에서 알 수 있듯이 관개 운하 제어, 운하 계측, 운하 모델링, 수질 측정 등의 기본 및 응용 연구를 위해 특별히 설계된 실험실 운하입니다. Campus Nord UPC의 물리적 모델 실험실에서 구현됩니다.
그 구조는 실제 관개 운하의 특성을 재현하여 나타날 수 있는 문제를 제어하기 위한 것입니다. 이러한 이유로 최대 시간 지연을 생성하기 위해 가능한 최대 길이와 경사가 0 인 운하가 건설되었습니다. 점유 면적을 최적화 하는 현재 뱀 모양을 만들기 위해 실험실의 제한된 공간이 필요하게 되었습니다. 길이 220m, 폭 44cm, 높이 1m의 직사각형 단면으로, 총 바닥 면적은 약 22.5m x 5.4m입니다.
Figure 2: Detailed scheme of the whole PAC-UPC canal.
As shown in Figure 2, the elements of the installation are as follows:
A header reservoir
3 vertical sluice gates (G1, G3 and G5)
4 rectangular weirs (W1, W2, W3 and W4)
9 Level sensors (LS1 to LS9)
1 control room
GENERAL APPROACH TO THE PROBLEM
3.1 소개
PAC-UPC 운하 및보다 구체적으로 위어 (W1) 및 수문 (G3)이 위치한 운하 굴곡에 대한 연구, 그림 2에 따라. 계측 요구, 특히 레벨 센서의 배치는 이러한 근관 굴곡 연구에 특별한 관심을 가졌습니다. 이 운하 설계를 사용하면 유선이 유속이 더 높을수록 운하 곡선 도달을 통해 복잡한 경로를 수행하고 수위가 국부적으로 증가하고 제어하기가 어렵고 세부 사항이없는 한 정확성을 결정하기가 어렵습니다. 연구가 이루어집니다. PAC-UPC 운하의 이러한 굴곡에서 유동의 불확실한 거동과 레벨 센서의 최상의 배치에 대한 연구를 기반으로 데이터 수집 실험 캠페인이 수행되었습니다. 이것은 10 가지 다른 조합 (흐름, 수문 개구부 및 위어의 높이)에 대한 운하 굴곡 전체에 걸쳐 10 개 지점의 깊이 측정으로 구성되었습니다. 이러한 실험 데이터는이 연구에 제시된 모델을 보정하고 검증하는 데 기본적이고 필수적입니다. 1D, 2D 및 3D 수치 모델링은 다음과 같은 두 가지 목적으로 제안됩니다. 1)이 굴곡 영역을 자세히 연구하여 운하 전체에 기기 배치를보다 정확하게 결정할 수 있습니다. 2) 1D, 2D 및 3D 모델 결과를 비교 분석하여이 사례 연구에 가장 좋은 정보를 제공하는 모델을 결정합니다.
3.2 연구 구역 설명
4 개의 굴곡부 중 3 개는 직사각형 위어 (W1, W2 및 W3)를 포함하여 운하의 한쪽에 있습니다. 위어를 보여주는 굴곡은 더 복잡한 흐름 패턴을 생성하는 굴곡이므로 (위어가 작동중인 경우) 자세한 연구가 더 흥미롭습니다. 이 경우 W1 weir가있는 굽힘이 선택되었습니다. 이 연구의 결과는 다른 굴곡에 대해 외삽 될 것이라는 점을 언급해야 합니다. 그림 2는 수위 측정과 유압 및 계측 요소가 있는 연구 영역을 강조 표시합니다. 또한 부드러운 곡선은 없지만 둥근 모서리 없이 90º에서 갑자기 방향이 변경됩니다. 연구 영역은 2D 및 3D 모델 도면으로 재현 되었으며, 각각 Iber 및 Flow-3D 프로그램으로 내보내졌습니다. 그림 3은 측정 지점의 위치와 상세한 3D 도면이 포함 된 2D 플랜트 맵을 보여줍니다.
Figure 3: Study zone. Measurement points in 2D drawing (left) and 3D drawing (right).
VOF(Volume of Fluid) 방법은 이전의 MAC(Marker-and-Cell) 방법을 기반으로 한다[1]. MAC 방법은 표식기 입자를 사용하여 유체가 고정된 오일러 그리드 내에 존재하는 위치를 찾아냈다. MAC는 자유로운 표면으로 압축할 수 없는 유체의 역학을 시뮬레이션한 최초의 연산 방법이었다. 유체를 추적하기 위한 마커 입자의 사용은 특히 3차원에서 계산적으로 비용이 많이 들고, 입자가 한 그리드 소자에서 다른 그리드 소자로 이동할 때 그리드 요소 특성(질량 등)의 변화가 이산적인 변화를 겪기 때문에 연산 노이즈를 도입한다. 마커 입자를 인터페이스 추적 체계로 대체하려는 다양한 시도가 있었지만, 유체 질량이 종종 분리되거나 결합되어 인터페이스 표면의 생성과 파괴로 이어지기 때문에 대부분 실패했다.
유체 표면 대신 유체 부피를 추적하는 유체 부피(Volume of fluid method)의 발상은 유체 변수의 부피를 사용하는 것이 관례인 2상(물과 증기) 문제에 대한 연구로부터 비롯되었다. 증기의 부피 분율은 물과 증기가 혼합된 상태에서 증기의 양을 기록하는 연속 변수다. 이 체적 개념을 불압성 유체의 자유 표면을 찾기 위해 불연속 변수에까지 확장(예: 액체와 0의 단위 값)한 것은 1975년 간행물 “다차원, 과도 자유 표면 흐름 계산을 위한 방법”[2]에서 니콜스와 허트의 “다차원, 과도 자유 표면 흐름”에서 처음 입증되었다.
계산적 의미 만들기
VOF 개념은 플로우 모델이 일반적으로 압력, 밀도, 온도 등과 같은 종속 변수를 저장하기 위해 각 그리드 요소에서 하나의 숫자 값만 사용하기 때문에 계산이 타당하다. 그렇다면 왜 요소 내의 유체 분포를 정의하기 위해 둘 이상의 변수가 필요할까? 예를 들어, 원소의 유체가 둘 이상의 blob으로 분포된 경우, 각 blob에 대해 더 많은 종속 변수가 필요할 것이다. 이런 관점에서 보면 원소의 유체량만 기록하는 것이 타당하다. 그러나 문제는 체적분율 변수의 추정 불연속적 특성이다. 오일러 그리드를 통한 불연속 유체 인터페이스의 이동을 추적하려면 더 많은 정보가 필요하다.
Making Computational Sense
이 문제는 많은 출판사에서 많은 사람들이 다루어 왔다. 제안된 거의 모든 방법은 인접한 그리드 요소의 볼륨 분율 검사에 기초한 근사치의 어떤 유형에 의존한다. 예를 들어, 1차원 흐름에서는 정확한 방법을 도출하기 쉽다. 액체와 기체를 분리하는 예리한 인터페이스를 가진 1차원 도관을 따라 액체가 흐르고 있다고 가정해 보자. 인터페이스 업스트림 그리드 요소에서, 볼륨 분율은 1과 같고, 인터페이스 다운스트림에서는 볼륨 분율은 0과 같다. 0과 1 사이의 볼륨 비율 값을 갖는 인터페이스를 포함하는 그리드 요소에서 액체는 1의 볼륨 비율을 포함하는 인접 셀에 연결된 셀의 측면에 위치해야 하기 때문에 해당 셀 내에서 인터페이스를 쉽게 찾을 수 있다. 그런 다음 인터페이스는 체적 분율의 곱에 셀의 크기를 곱한 곱에 의해 액체 이웃에 연결된 셀 가장자리로부터 다운스트림 거리에 위치한다. 이 위치는 인터페이스가 날카로운 불연속성을 유지하도록 유체를 삽입할 때 사용할 수 있다. 불행하게도, 2, 3차원에서는 그리드 요소 내에서 인터페이스를 위치시키는 간단한 방법이 존재하지 않는다.
One method proposed for advecting discontinuous fluid interfaces was presented in the 1980 Los Alamos Scientific Laboratory report, “SOLA-VOF: A Solution Algorithm for Transient Fluid Flow with Multiple Free Boundaries,” [3] by Nichols, Hirt and Hotchkiss, and in a 1981 publication, “Volume of Fluid (VOF) Method for the Dynamics of Free Boundaries,쓴 [히트와 니콜스가 쓴 [4]. 주로 경수-원자로 안전 연구를 위한 이 프로그램의 초기 적용은 [5]와 [6]에서 확인할 수 있다.
VOF Variations | VOF 변형 모델
VOF 방법의 많은 변형이 문헌에 보고되었지만, 대부분은 원본에서 사용된 방법을 따르지 않는다[4]. 특히 원래의 VOF 방식은 주변 가스가 아닌 압축 불가능한 액체에서만 유체 역학을 위한 Navier-Stokes 방정식을 해결했다. 대신에 유체가 없는 표면은 경계 조건에 의해 처리되었고 유체가 포함된 그리드 요소의 목록은 지속적으로 업데이트되었다. 원래 모델의 가스 영역은 모멘텀을 무시할 수 있는 낮은 밀도를 가지며, 공간적으로 균일한 가스 압력을 가지는 것으로 가정했다. 다른 대부분의 VOF 모델에서 사용하는 대안은 인터페이스에 경계 조건을 설정하지 않기 위해 2-유체 시뮬레이션을 사용하는 것이다. 이 옵션은 가스 역학을 위해 해결해야 하기 때문에 원래 방법보다 상당히 많은 계산 자원을 필요로 한다. 또한 대부분의 2-유체 모델은 인터페이스에서 가스와 액체 사이에 존재하는 속도 “슬립”의 가능성을 무시한다. 슬립의 존재를 무시하고 가스/액체 혼합물의 평균 속도로 인터페이스를 이동하면 심각한 오류가 발생할 수 있다.
Modeling Fluid Advection | 모델링 유체 부착
대체 VOF 방법 개발자들이 항상 높이 평가하지 않는 또 다른 점은 VOF 유체 분율 수량 F의 첨부를 위해 모델링된 방정식이다. 원래의 방법 [4]은 F에 대한 보수적인 운송 방정식을 사용했다.
∂F∂t+∇∙(Fu→)=0
부착을 위해 레벨 설정 방법을 사용하는 것과 같은 많은 대안 VOF 공식은 비보수적 전송 방정식을 사용한다.
∂F∂t+u→∙∇F=0
보수적인 방법의 장점은 변경되어서는 안 되는 유체량을 쉽게 계산하고 표시하기 때문에 시뮬레이션에서 한 번의 간단한 불압력 정밀도 검사를 제공한다는 것이다.
TruVOF 솔루션
이용 가능한 인기 있는 상용 코드 중 FLOW-3D만이 [4]에서 참조한 원래의 1유체 모델을 기반으로 한다. 물론, 열 전달, 표면 장력, 위상 변화, 이동 장애물 및 유체 구조 상호작용과 같은 다양한 물리적 프로세스에 대한 많은 모델을 포함하여 이 소프트웨어에 대한 많은 개선이 평생에 걸쳐 이루어졌다.
H. Harlow and J. E. Welch, “Numerical Calculation of Time-Dependent Viscous Incompressible Flow,” Phys. Fluids 8, 2182 (1965); J. E. Welch, F. H. Harlow, J. P. Shannon, and B. J. Daly, “THE MAC METHOD: A Computing Technique for Solving Viscous, Incompressible, Transient Fluid-Flow Problems Involving Free Surfaces,” Los Alamos Scientific Laboratory report LA-3425 (March 1966).
D. Nichols and C. W. Hirt, “Methods for Calculating Multi-Dimensional, Transient Free Surface Flows Past Bodies,” Proc. Of the First International Conference on Numerical Ship Hydrodynamics, Gaithersburg, Maryland, October 20-23, 1975.
D. Nichols, C. W. Hirt and R. S. Hotchkiss, “SOLA-VOF: A Solution Algorithm for Transient Fluid Flow with Multiple Free Boundaries,” Los Alamos Scientific Laboratory report LA-8355 (August 1980).
W. Hirt and B. D. Nichols, “Volume of Fluid (VOF) Method for the Dynamics of Free Boundaries,” Jour. Computational Physics, 39, 201 (1981).
D. Nichols and C. W. Hirt, Numerical Simulation of BWR Vent Clearing Hydrodynamics,” Proc. 1978 Annual Meeting ANS, San Diego, CA; Nuc. Sci. Eng. 73, 196 (1980).
W. Hirt and B. D. Nichols, “A Computational Method for Free Surface Hydrodynamics,” ASME 1980 Pressure Vessels and Piping Conf. San Francisco, CA (August 1980) Jour, Pressure Vessel Technology, 103, 136 (1981)
이 기사는 Laurent Bilodeau, ing에 의해 기고되었습니다. Conception des aménagements de production Hydro-Québec Équipement .
이 내용은 특히 유압 에너지 소산율 평가를 위해 FLOW-3D가 제공하는 유압 에너지 흐름과 총 수두의 연산을 검토한다. FLOW-3D 에서는 모델 출력에서 직접 시각화할 수 있는 변수 중 총 유압 헤드가 포함되었다. 그림 1은 강 우회 터널(a river diversion tunnel)을 통한 절토에 걸친 총 유압 헤드 분포(total hydraulic head distribution)를 보여준다. 버전 10에서 FLOW-3D는 플럭스 배플로 계산하고 시계열로 시각화하고 외부 도구로 분석할 수 있는 일체형 값으로 유압 에너지 흐름과 총 수두를 도입했다.
그림 1. 하천변환터널을 통한 단면내 총 유압높이 분포
총 유압 에너지
베르누이의 방정식
수압 에너지, eG는 흐름에서 물의 입자의 잠재력과 운동 에너지의 합이다. 에너지 밀도로서 J/m³으로 표현되며, 베르누이의 방정식(Eq. 1)에 의해 주어진다.
일반적으로 에너지는 스스로를 변형시키지만 결코 손실되지 않는 전통적인 양으로 간주된다. 토목 공학에서 물의 흐름을 나타내기 위해, 에너지 변환을 중력 전위 에너지로 시작하여 운동 에너지로 변환한 다음 열 에너지로 변환하는 계단식 에너지로 상상하기에 충분한 경우가 많다. 또한 처음 두 형태(잠재성과 운동성)의 양만을 명시적으로 모델링하여 에너지 캐스케이드의 범위를 더욱 제한하는 것이 일반적이다.
그림 2. 상층 분지에서 보를 거쳐 정지 분지로 이동하는 물 입자의 일부 궤적.
수압 에너지 캐스케이드는 그림 2와 같이 보에서 풀로의 유량이 떨어지는 경우에 잘 나타난다.
그림에 표시된 입자의 트랙을 따라가십시오.
위치 A에서는 저수지의 상류에서 물 입자는 거의 움직이지 않고 있다.
위치 B에서 입자는 B 위의 자유 표면이 약간 낮아짐에 따라 일부 위치 에너지를 희생하여 속도를 얻었다.
위치 C에서는 입자가 자유 낙하 궤적으로 유체를 따르므로 더 많은 위치 에너지가 운동에너지로 변형되었다.
하강 흐름이 하부 풀의 물과 접촉하면 활발한 모멘텀 교환이 이루어지며 초기 유압 에너지의 상당 부분이 격동의 에너지 폭포와 점성 공정을 통해 열로 손실되었다.
위치 D에서 입자는 위치 A, B, C에 비해 낮은 유압 에너지로 영역을 떠난다.
A에서 B, C로 이동하는 동안, 점성과 난류 과정은 대개 흐름에 거의 영향을 미치지 않는다. 총 유압 에너지 eG는 필요시 작은 손실 조건을 고려하여 질량처럼 보존된 양으로 취급될 수 있다. C의 다운 스트림에서, 이 전통적인 수력 에너지(conservative hydraulic energy)의 모델은 더 큰 규모의 에너지 손실 조건과 흐름에 미치는 영향을 고려함으로써 확장될 수 있다.
질량 및 에너지 예산
볼륨 컨트롤
eG와 질량 밀도 ρ의 수송은 모두 나중에 분명해질 이유로 감시되어야 한다; 이것은 단순히 당연하게 여겨지고 있다.
흐름에 의한 eG와 질량밀도 ρ의 수송은 아래 CV로 표기된 제어량 및 가우스의 발산 법칙의 도움으로 분석하기 쉽다.
eG와 질량 밀도 ρ의 수송은 모두 나중에 분명해질 이유로 감시되어야 한다; 이것은 단지 지금 당연하게 여겨지고 있다. 흐름에 의한 eG와 질량밀도 ρ의 수송은 아래 CV로 표기된 제어량 및 가우스의 발산 법칙의 도움으로 분석하기 쉽다.
CV는 다음 규칙을 따르는 한 하나의 선택사항의 정의 표면으로 둘러싸인 볼륨이다.
정의 표면은 스스로 교차하지 않는 한 임의의 형태를 가질 수 있다.
표면은 각 패치가 다른 패치와 물샐틈없는 가장자리로 연결되어 있는 한 패치로 구성될 수 있다.
CV의 부피는 밀폐된 질량이나 에너지와 같은 적분, 자체 보존 수량을 계산하는 데 사용된다.
CV의 표면은 들어오고 나가는 플럭스를 정의하기 위해 사용되며, 밀폐된 수량에 대한 예산을 세우고 그 시간 이력을 감시할 수 있다.
그림 3은 떨어지는 물 분사기의 특성을 분석하는 데 사용할 수 있는 제어 부피의 예를 제시한다. 이 제어 볼륨으로 유입되고 유출되는 유일한 것은 제트기 자체로서 왼쪽 상단에서 들어오고 오른쪽 하단에서 떠난다.
FLOW-3D의 고정형상 제어량
FLOW-3D를 사용하면 고정된 형태와 위치의 CV를 세 가지 기본 형태의 플럭스 배플의 도움을 받아 쉽게 정의할 수 있다.
구(Sphere)들은 닫힌 표면이다.
실린더는 양끝이 개방되어 있으므로, 실린더의 끝이 흐르지 않도록 유량 한계 밖으로 뻗어나가도록 주의해야 한다.
전체 흐름 영역 또는 하위 도메인을 교차시켜 CV를 조립하는 데 사용할 수 있는 평면 직사각형 패치
그림 4는 세 가지 유형의 플럭스 배플을 계산 메쉬로 렌더링한 후에 볼 수 있는 실제 모델에서 그린 예다. 그것들은 불투명한 것으로 렌더링되지만 그것들이 배플을 측정하는 유일한 플럭스로 정의된다면 흐름에 완전히 스며들 수 있다.
(2) hG≡eG/-gρ
(3) hG=z+
그림 4. 표본 망사 내에 렌더링된 평면, 원통형 및 구형 형상의 플럭스 배플 예제그림 5. 튜브 또는 펜스톡을 절단하는 수직 단면 쌍을 결합하여 정의된 두 개의 제어 볼륨. 흐름은 총 유압 헤드에 따라 색상이 지정된다.
그림 5는 평면 배플 표면을 사용하여 두 가지 제어 볼륨을 정의하는 방법을 보여준다.
제어 볼륨 DC, 긴 입방형 모양은 6개의 면으로 구성되어 있다. 반대편 두 면은 C와 D라고 불리는 배플이다. 밑면과 윗면이 그려지고 그 위치는 흐름 영역보다 훨씬 위아래 있는 한 중요하지 않다. 앞면과 뒷면은 큐브의 남은 두 면이며, 그들의 위치 또한 앞과 뒤가 잘 있는 한 중요하지 않다. 흐름 영역의
제어 볼륨 BA도 마찬가지로 정의된다. 그것은 자유로운 표면 흐름을 포함하는 하위 도메인인 입구 포탈의 일부를 둘러싸고 있다. 자유 표면 흐름은 면 B와 A의 유입량 차이가 수위(및 수량)에 변화 속도를 부여하고 진동을 유발하여 천천히 감쇠하거나 전혀 감쇠하지 않기 때문에 진정한 안정 상태에 이르기 더 어렵다. 이 경우, 질량과 에너지의 신뢰할 수 있는 예산은 성질의 진화가 정지해 있는 에피소드를 식별하고 평균화를 수행하기 위해 흐름의 시계열을 처리함으로써 이루어진다.
그림 5의 수직 플럭스 배플은 사용 가능한 수직 표면(DB, DA, CB, CA)의 순열을 사용하여 몇 개의 다른 CV를 정의하는데 사용할 수 있다.
에너지 예산
수력 에너지 균형은 점성 열 생성을 손실로 명시적으로 표시하기 때문에 정의에 따라 누출된다. 이상적으로, 수력 에너지 캐스케이드는 다른 원인으로 인해 에너지를 잃지 않아야 하며 어떤 것도 얻지 않아야 한다. 여기서 다시 수치 모델로 연습하면 약간 다른 그림이 그려진다. 모든 수치 모델에는 인위적인 소스 또는 수력 에너지 싱크가 있다.
예를 들어, 셀 크기가 에너지 전달 흐름 특징보다 훨씬 작을 때 계산 메쉬에 흐름 간섭이 발생한다. 셀 크기가 충분히 작지 않을 때, 속도 대비는 자연 흐름에서보다 더 큰 공간 범위에 걸쳐 확산된다. 그 확산은 운동 에너지를 약간 작게 만들고 자연 현상보다는 그리드 효과에 기인하는 에너지 방산 역할을 한다.
에너지 예산을 모니터링하면 모델의 신뢰성에 대한 단서를 얻을 수 있으며 다른 매개변수 값이나 그리드 셀 크기를 사용하는 런을 비교하는 데 사용할 수 있다. 인위적인 손익이 관리되고 있을 때 유압 에너지 소산 속도는 종종 수치 모델에서 얻은 중요한 결과 중 하나이며 설계 변동을 구별하는 데 중요하다.
총 유압 헤드
에너지 밀도로서의 총 유압 헤드
아래 hG로 상징되는 총 유압 헤드는 Eq. 1의 총 유압 에너지 eG를 단순히 (-gρ )로 나눈 값이다.
유량에서 측정한 입압 헤드는 물의 국부적 자유 표면 고도를 잘 측정할 수 있는 것으로 간주된다.
저수지 및 강의 평온한 범위에서는 흐름 속도가 운동 에너지 헤드가 무시해도 될 정도로 충분히 낮아서 때때로 hG가 입압 헤드와 동일하다고 간주될 수 있다.
총 유압 헤드 hG는 때로 정체 높이라고 불리기도 한다. 흐름 내에 유체의 입자가 있는 경우, 모든 속도가 갑자기 위쪽으로 향하게 되고 주변 유체가 장애물이 되지 않을 경우 입자가 도달하는 최종 높이다.
총 유압 헤드 hG는 교각과 교대 등 유압 설계에 있어 유비쿼터스 변수다. 그것은 또한 채널과 펜스탁과 같이 에너지가 관리된 방식으로 전달되거나 소멸되어야 할 때마다 흐름의 수압 에너지를 나타낸다. hG는 다른 엔지니어링 작업의 키 높이와 동일한 고도 척도를 사용하여 엔지니어링 도면에 주석으로 나타날 수 있기 때문에 선택의 변수다.
총 유압헤드의 통합값으로부터의 유압에너지 소산
두 흐름 단면 A와 B 사이에 발생하는 에너지 소산에 대한 일체적 접근방식은 흐름의 하향 방향에서 HG의 감소로부터 계산된다.
HG의 도움을 받아 A와 B 사이의 에너지 소산을 계산하기 위해 각 단면에서의 HG 값을 먼저 –ρg에 곱하여 에너지 밀도 흐름으로 만든 다음 Q에 곱하여 총 유압 에너지 흐름으로 주조한다. 두 횡단면의 에너지 흐름의 차이를 보면, 두 횡단면에서 부피 흐름 Q가 동일한 상황에서, 아래와 같이 상류 횡단면에서 다운스트림 단면으로 이동하는 흐름에서 발생하는 유압 에너지 손실을 산출한다.
그림 6. 터널을 통해 흐르는 강물 회항, 왼쪽에서 오른쪽으로 흐르는 흐름 속도에 따라 채색된다.그림 7. 같은 강물 전환, 교차점을 측정하는 물과 유동성만 보여준다.
업스트림 리치는 유입과 배출 흐름의 차이에 따라 수위가 변동하는 볼륨 밸런스의 예를 제시한다. 동시에, 터널을 통과하는 유량의 비율은 상류와 하류 사이의 압력 균형에서 기인하며, 터널 벽의 마찰과 분리된 구조물에서의 흐름 에너지 손실과 통로를 따라의 전환이 큰 역할을 한다. 그림 10은 FLOW-3D에서 플럭스 배플로 알려진 수많은 흐름 측정 단면을 보여준다. 이들의 용도는 다음과 같다.
추가 분석을 위한 유용한 기준으로 특정 모델 실행의 흐름 체계의 안정성 평가
종단 종단 수위 및 수력 에너지 흐름의 그래프 작성 및 분석(수력 에너지 소산율 포함)
설계 변이 간 미세 비교 허용
일반적으로 흐름 동작이 예상에 부합하는지 검증하고, 체크하지 않을 경우 흐름의 진부도를 감소시킬 수 있는 수치적 아티팩트를 검출하고 수정한다.
예제 2 – 자연 암석 표면을 통한 고속 자유 주행
그림 8은 자연 암석의 유유히트레이스와 자유 주행의 예를 보여준다.
이 모델은 지표면의 단위 면적당 수압 에너지 소산율을 평가하는 것을 목적으로 했다. 이 속도는 W/m² 단위로, 자유 주행을 따라 암석 표면의 침식 잠재력을 평가하기 위한 입력값이었다.
그림 8. 플럭스 배플이 어떻게 사용될 수 있는가에 대한 예는 자연 암석에 대한 유출로의 꼬리표에서 찾을 수 있다. 목적은 지표면의 단위 면적당 유압 에너지 소산율을 평가하는 것이다.그림 9. 이 시뮬레이션은 에너지 소산의 추정치를 제공하기 위해 평면과 원통형 흐름 배플이 어디에 위치했는지를 나타낸다.
그림 9는 도구 자체를 확인하고 소산율 평가를 수행하는 데 사용된 계량장치를 나타낸다. 망사블록도 윤곽이 잡힌다.
원하는 소산 속도를 측정하고, 마찬가지로 중요한 것은 흐름의 품질 및 측정 도구의 평가를 위해 평면 및 원통형 플럭스 배플의 종류가 배치되었다.
평면 플럭스 배플은 제어 볼륨을 구성하고 이를 사용하여 CV 내에서 볼륨 흐름의 안정성과 에너지 소산을 모니터링할 수 있다. 테일레이스에서는 사이드월(sidewall)에 의해 흐름이 잘 담겨 있고 횡단면을 가로질러 상당히 균일하다. 에너지 소산율은 25~50kW/m²이었다.
배출 관문 발치에 원통형 유동 배플이 위치한다. 실린더를 통과하는 평균 체적 유량은 정상적인 유량 변동 때문에 시간 경과에 따라 가변적이었지만 적절한 평균 구간을 취할 때 0이 되는 경향이 있었다. 배플을 통한 순유압 에너지 흐름에 대해 동일한 평균을 취했을 때, 예상대로 음의 값이 산출되었고, 이는 면적으로 나누면 30 kW/m²에 가까웠다. 타원형 수평 단면으로 확장된 또 다른 원통형 흐름 배플도 꼬리 경주가 끝날 무렵에 위치했다. 거기서 만들어진 유사한 검증도 비슷한 합의를 보여주었다.
원통형 유동 배플이 유압 에너지 소산 측정에 예상대로 작용했다는 결론이 나왔다. 그런 다음 방산이 가장 높을 것으로 예상되었던 아래쪽 경사면에 놓인 원통형 배플에 주의를 돌렸다.
그림 10은 자유 주행 위에 위치한 원통형 배플 번호 3을 통해 순 부피와 에너지 흐름의 시계열로, 꼬리표에서 자연 암석 표면으로의 전환 근처를 보여준다. 그림은 두 흐름의 높은 진폭 변동이 존재하며 그 흐름들에 의해 어떤 경향도 잘 숨겨져 있음을 보여준다.
그림 10. 시간의 함수로서, 두 번째 예제의 원통형 플럭스 배플 번호 3을 통한 순 부피 흐름(m³/s) 및 순 유압 에너지 흐름(W)
그림 11은 그림 10의 순 부피와 에너지 플럭스의 시간 통합을 나타낸다. 시간 통합은 부피(m³)와 에너지(J)의 값을 산출한다. 볼륨 시계열은 정권이 정지해 있는 시간 간격을 선택할 수 있고, 순 볼륨 변화가 0에 가까워지도록 통합 시간 경계를 선택할 수 있다. 에너지 시계열은 에너지 소산의 예상대로 정기적으로 하향 추세를 보여준다. W/s 단위의 추세의 기울기는 소산율을 추정한다. 그런 다음 원통형 배플 인클로저 베이스의 표면적 영역으로 나누어 면적 단위당 원하는 산란율을 얻을 수 있다. 실린더의 반지름을 선택하여 면적이 100m²에 가까울 수 있도록 했다. 이 경우 소산율이 286kW/m²로 나타났다.
그림 11. 원통형 배플의 부피와 총 에너지는 시간 통합에 의해 얻어진 시간의 함수로써, 임의의 값으로 상쇄되어 영값이 단순히 존재하는 초기 수량이며 알 수 없다.
이러한 결과는 다른 분야의 엔지니어들과의 토론에서 사용되었다. 다른 요인 중에서도 암석 표면이 예비 추정에서 비롯된 공기 주입식 개미가 아니었기 때문에 불확실성의 여백이 크다는 것이 명백해졌다. 또한 수압 에너지가 바위가 아닌 물 속에서 소멸되고, 최대 소산의 위치가 반드시 바위에 대한 최대 작용의 위치가 아니라는 것도 모듈러에 의해 지적되었다. 위에 제시된 분석의 미니어처는 상당한 부담이었지만, 배플이 모델러에게 참신한 방법으로 사용되고 있기 때문에 필요하다고 여겨졌다. 학문 간 논의와 값의 규모 순서는 수치 그 자체보다는 모형의 가장 유용한 결과였다.
결론
FLOW-3D의 플럭스 배플은 이를 통과하는 부피와 유압 에너지 순 흐름에 대한 정밀한 평가를 제공한다. 이들의 연산 알고리즘은 제어 볼륨 접근방식과 함께 사용되는 FLOW-3D의 기본 수치 체계로 정교하게 조정되며, 높은 수준의 일관성이 요구되는 상황에서 대량 보존에 관한 FLOW-3D 자체의 성능 검증을 포함한 수많은 측정을 위해 잘 설계되어 있다.
토탈 유압 헤드의 연산은 수많은 방법으로 이루어질 수 있는데, 토목 및 유압 엔지니어에게 수량의 매우 높은 유용성을 볼 때 놀라운 일이 아니다. FLOW-3D가 제공하는 방법 중 하나는 플럭스 평균 총 유압 헤드의 배플 유량 면적에 대한 계산이다. 여기에서 주어진 유량관을 가로지르는 두 플럭스 배플에서의 값 사이의 차이로 측정한 유량에서의 수압 에너지 손실률은 가우스 발산 정리에 의해 원시 유량 변수와 연결된 제어 볼륨 접근법으로 계산될 수 있는 유량 손실률이 정확히 여기에 나타난다.
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.
본 자료는 국내 사용자들의 편의를 위해 원문 번역을 해서 제공하기 때문에 일부 오역이 있을 수 있어서 원문과 함께 수록합니다. 자료를 이용하실 때 참고하시기 바랍니다.
Free Surface Modeling Methods
An interface between a gas and liquid is often referred to as a free surface. The reason for the “free” designation arises from the large difference in the densities of the gas and liquid (e.g., the ratio of density for water to air is 1000). A low gas density means that its inertia can generally be ignored compared to that of the liquid. In this sense the liquid moves independently, or freely, with respect to the gas. The only influence of the gas is the pressure it exerts on the liquid surface. In other words, the gas-liquid surface is not constrained, but free.
자유 표면 모델링 방법
기체와 액체 사이의 계면은 종종 자유 표면이라고합니다. ‘자유’라는 호칭이 된 것은 기체와 액체의 밀도가 크게 다르기 때문입니다 (예를 들어, 물 공기에 대한 밀도 비는 1000입니다). 기체의 밀도가 낮다는 것은 액체의 관성에 비해 기체의 관성은 일반적으로 무시할 수 있다는 것을 의미합니다. 이러한 의미에서, 액체는 기체에 대해 독립적으로, 즉 자유롭게 움직입니다. 기체의 유일한 효과는 액체의 표면에 대한 압력입니다. 즉, 기체와 액체의 표면은 제약되어있는 것이 아니라 자유롭다는 것입니다.
In heat-transfer texts the term ‘Stephen Problem’ is often used to describe free boundary problems. In this case, however, the boundaries are phase boundaries, e.g., the boundary between ice and water that changes in response to the heat supplied from convective fluid currents.
열전달에 관한 문서는 자유 경계 문제를 묘사할 때 “Stephen Problem’”라는 용어가 자주 사용됩니다. 그러나 여기에서 경계는 상(phase) 경계, 즉 대류적인 유체의 흐름에 의해 공급된 열에 반응하여 변화하는 얼음과 물 사이의 경계 등을 말합니다.
Whatever the name, it should be obvious that the presence of a free or moving boundary introduces serious complications for any type of analysis. For all but the simplest of problems, it is necessary to resort to numerical solutions. Even then, free surfaces require the introduction of special methods to define their location, their movement, and their influence on a flow.
이름이 무엇이든, 자유 또는 이동 경계가 존재한다는 것은 어떤 유형의 분석에도 복잡한 문제를 야기한다는 것은 분명합니다. 가장 간단한 문제를 제외한 모든 문제에 대해서는 수치 해석에 의존할 필요가 있습니다. 그 경우에도 자유 표면은 위치, 이동 및 흐름에 미치는 영향을 정의하기 위한 특별한 방법이 필요합니다.
In the following discussion we will briefly review the types of numerical approaches that have been used to model free surfaces, indicating the advantages and disadvantages of each method. Regardless of the method employed, there are three essential features needed to properly model free surfaces:
A scheme is needed to describe the shape and location of a surface,
An algorithm is required to evolve the shape and location with time, and
Free-surface boundary conditions must be applied at the surface.
다음 설명에서는 자유 표면 모델링에 사용되어 온 다양한 유형의 수치적 접근에 대해 간략하게 검토하고 각 방법의 장단점을 설명합니다. 어떤 방법을 사용하는지에 관계없이 자유롭게 표면을 적절히 모델화하는 다음의 3 가지 기능이 필요합니다.
표면의 형상과 위치를 설명하는 방식
시간에 따라 모양과 위치를 업데이트 하는 알고리즘
표면에 적용할 자유 표면 경계 조건
Lagrangian Grid Methods
Conceptually, the simplest means of defining and tracking a free surface is to construct a Lagrangian grid that is imbedded in and moves with the fluid. Many finite-element methods use this approach. Because the grid and fluid move together, the grid automatically tracks free surfaces.
라그랑주 격자 법
개념적으로 자유 표면을 정의하고 추적하는 가장 간단한 방법은 유체와 함께 이동하는 라그랑주 격자를 구성하는 것입니다. 많은 유한 요소 방법이 이 접근 방식을 사용합니다. 격자와 유체가 함께 움직이기 때문에 격자는 자동으로 자유 표면을 추적합니다.
At a surface it is necessary to modify the approximating equations to include the proper boundary conditions and to account for the fact that fluid exists only on one side of the boundary. If this is not done, asymmetries develop that eventually destroy the accuracy of a simulation.
표면에서 적절한 경계 조건을 포함하고 유체가 경계의 한면에만 존재한다는 사실을 설명하기 위해 근사 방정식을 수정해야합니다. 이것이 수행되지 않으면 결국 시뮬레이션의 정확도를 훼손하는 비대칭이 발생합니다.
The principal limitation of Lagrangian methods is that they cannot track surfaces that break apart or intersect. Even large amplitude surface motions can be difficult to track without introducing regridding techniques such as the Arbitrary-Lagrangian-Eulerian (ALE) method. References 1970 and 1974 may be consulted for early examples of these approaches.
라그랑지안 방법의 주요 제한은 분리되거나 교차하는 표면을 추적 할 수 없다는 것입니다. ALE (Arbitrary-Lagrangian-Eulerian) 방법과 같은 격자 재생성 기법을 도입하지 않으면 진폭이 큰 표면 움직임도 추적하기 어려울 수 있습니다. 이러한 접근법의 초기 예를 보려면 참고 문헌 1970 및 1974를 참조하십시오.
The remaining free-surface methods discussed here use a fixed, Eulerian grid as the basis for computations so that more complicated surface motions may be treated.
여기에서 논의된 나머지 자유 표면 방법은 보다 복잡한 표면 움직임을 처리할 수 있도록 고정된 오일러 그리드를 계산의 기준으로 사용합니다.
Surface Height Method
Low amplitude sloshing, shallow water waves, and other free-surface motions in which the surface does not deviate too far from horizontal, can be described by the height, H, of the surface relative to some reference elevation. Time evolution of the height is governed by the kinematic equation, where (u,v,w) are fluid velocities in the (x,y,z) directions. This equation is a mathematical expression of the fact that the surface must move with the fluid:
표면 높이 법
낮은 진폭의 슬로 싱, 얕은 물결 및 표면이 수평에서 너무 멀리 벗어나지 않는 기타 자유 표면 운동은 일부 기준 고도에 대한 표면의 높이 H로 설명 할 수 있습니다. 높이의 시간 진화는 운동학 방정식에 의해 제어되며, 여기서 (u, v, w)는 (x, y, z) 방향의 유체 속도입니다. 이 방정식은 표면이 유체와 함께 움직여야한다는 사실을 수학적으로 표현한 것입니다.
Finite-difference approximations to this equation are easy to implement. Further, only the height values at a set of horizontal locations must be recorded so the memory requirements for a three-dimensional numerical solution are extremely small. Finally, the application of free-surface boundary conditions is also simplified by the condition on the surface that it remains nearly horizontal. Examples of this technique can be found in References 1971 and 1975.
이 방정식의 유한 차분 근사를 쉽게 실행할 수 있습니다. 또한 3 차원 수치 해법의 메모리 요구 사항이 극도로 작아지도록 같은 높이의 위치 값만을 기록해야합니다. 마지막으로 자유 표면 경계 조건의 적용도 거의 수평을 유지하는 표면의 조건에 의해 간소화됩니다. 이 방법의 예는 참고 문헌의 1971 및 1975을 참조하십시오.
Marker-and-Cell (MAC) Method
The earliest numerical method devised for time-dependent, free-surface, flow problems was the Marker-and-Cell (MAC) method (see Ref. 1965). This scheme is based on a fixed, Eulerian grid of control volumes. The location of fluid within the grid is determined by a set of marker particles that move with the fluid, but otherwise have no volume, mass or other properties.
MAC 방법
시간 의존성을 가지는 자유 표면 흐름의 문제에 대해 처음 고안된 수치 법이 MAC (Marker-and-Cell) 법입니다 (참고 문헌 1965 참조). 이 구조는 컨트롤 볼륨 고정 오일러 격자를 기반으로합니다. 격자 내의 유체의 위치는 유체와 함께 움직이고, 그 이외는 부피, 질량, 기타 특성을 갖지 않는 일련의 마커 입자에 의해 결정됩니다.
Grid cells containing markers are considered occupied by fluid, while those without markers are empty (or void). A free surface is defined to exist in any grid cell that contains particles and that also has at least one neighboring grid cell that is void. The location and orientation of the surface within the cell was not part of the original MAC method.
마커를 포함한 격자 셀은 유체로 채워져있는 것으로 간주되며 마커가 없는 격자 셀은 빈(무효)것입니다. 입자를 포함하고, 적어도 하나의 인접 격자 셀이 무효인 격자의 자유 표면은 존재하는 것으로 정의됩니다. 셀 표면의 위치와 방향은 원래의 MAC 법에 포함되지 않았습니다.
Evolution of surfaces was computed by moving the markers with locally interpolated fluid velocities. Some special treatments were required to define the fluid properties in newly filled grid cells and to cancel values in cells that are emptied.
표면의 발전(개선)은 국소적으로 보간된 유체 속도로 마커를 이동하여 계산되었습니다. 새롭게 충전된 격자 셀의 유체 특성을 정의하거나 비어있는 셀의 값을 취소하거나 하려면 특별한 처리가 필요했습니다.
The application of free-surface boundary conditions consisted of assigning the gas pressure to all surface cells. Also, velocity components were assigned to all locations on or immediately outside the surface in such a way as to approximate conditions of incompressibility and zero-surface shear stress.
자유 표면 경계 조건의 적용은 모든 표면 셀에 가스 압력을 할당하는 것으로 구성되었습니다. 또한 속도 성분은 비압축성 및 제로 표면 전단 응력의 조건을 근사화하는 방식으로 표면 위 또는 외부의 모든 위치에 할당되었습니다.
The extraordinary success of the MAC method in solving a wide range of complicated free-surface flow problems is well documented in numerous publications. One reason for this success is that the markers do not track surfaces directly, but instead track fluid volumes. Surfaces are simply the boundaries of the volumes, and in this sense surfaces may appear, merge or disappear as volumes break apart or coalesce.
폭넓게 복잡한 자유 표면 흐름 문제 해결에 MAC 법이 놀라운 성공을 거두고 있는 것은 수많은 문헌에서 충분히 입증되고 있습니다. 이 성공 이유 중 하나는 마커가 표면을 직접 추적하는 것이 아니라 유체의 체적을 추적하는 것입니다. 표면은 체적의 경계에 불과하며, 그러한 의미에서 표면은 분할 또는 합체된 부피로 출현(appear), 병합, 소멸 할 가능성이 있습니다.
A variety of improvements have contributed to an increase in the accuracy and applicability of the original MAC method. For example, applying gas pressures at interpolated surface locations within cells improves the accuracy in problems driven by hydrostatic forces, while the inclusion of surface tension forces extends the method to a wider class of problems (see Refs. 1969, 1975).
다양한 개선으로 인해 원래 MAC 방법의 정확성과 적용 가능성이 증가했습니다. 예를 들어, 셀 내 보간 된 표면 위치에 가스 압력을 적용하면 정 수력으로 인한 문제의 정확도가 향상되는 반면 표면 장력의 포함은 방법을 더 광범위한 문제로 확장합니다 (참조 문헌. 1969, 1975).
In spite of its successes, the MAC method has been used primarily for two-dimensional simulations because it requires considerable memory and CPU time to accommodate the necessary number of marker particles. Typically, an average of about 16 markers in each grid cell is needed to ensure an accurate tracking of surfaces undergoing large deformations.
수많은 성공에도 불구하고 MAC 방법은 필요한 수의 마커 입자를 수용하기 위해 상당한 메모리와 CPU 시간이 필요하기 때문에 주로 2 차원 시뮬레이션에 사용되었습니다. 일반적으로 큰 변형을 겪는 표면의 정확한 추적을 보장하려면 각 그리드 셀에 평균 약 16 개의 마커가 필요합니다.
Another limitation of marker particles is that they don’t do a very good job of following flow processes in regions involving converging/diverging flows. Markers are usually interpreted as tracking the centroids of small fluid elements. However, when those fluid elements get pulled into long convoluted strands, the markers may no longer be good indicators of the fluid configuration. This can be seen, for example, at flow stagnation points where markers pile up in one direction, but are drawn apart in a perpendicular direction. If they are pulled apart enough (i.e., further than one grid cell width) unphysical voids may develop in the flow.
마커 입자의 또 다른 한계는 수렴 / 발산 흐름이 포함된 영역에서 흐름 프로세스를 따라가는 작업을 잘 수행하지 못한다는 것입니다. 마커는 일반적으로 작은 유체 요소의 중심을 추적하는 것으로 해석됩니다. 그러나 이러한 유체 요소가 길고 복잡한 가닥으로 당겨지면 마커가 더 이상 유체 구성의 좋은 지표가 될 수 없습니다. 예를 들어 마커가 한 방향으로 쌓여 있지만 수직 방향으로 떨어져 있는 흐름 정체 지점에서 볼 수 있습니다. 충분히 분리되면 (즉, 하나의 그리드 셀 너비 이상) 비 물리적 공극이 흐름에서 발생할 수 있습니다.
Surface Marker Method
One way to limit the memory and CPU time consumption of markers is to keep marker particles only on surfaces and not in the interior of fluid regions. Of course, this removes the volume tracking property of the MAC method and requires additional logic to determine when and how surfaces break apart or coalesce.
표면 마커 법
마커의 메모리 및 CPU 시간의 소비를 제한하는 방법 중 하나는 마커 입자를 유체 영역의 내부가 아니라 표면에만 보존하는 것입니다. 물론 이는 MAC 법의 체적 추적 특성이 배제되기 때문에 표면이 분할 또는 합체하는 방식과 시기를 특정하기위한 논리를 추가해야합니다.
In two dimensions the marker particles on a surface can be arranged in a linear order along the surface. This arrangement introduces several advantages, such as being able to maintain a uniform particle spacing and simplifying the computation of intersections between different surfaces. Surface markers also provide a convenient way to locate the surface within a grid cell for the application of boundary conditions.
2 차원의 경우 표면 마커 입자는 표면을 따라 선형으로 배치 할 수 있습니다. 이 배열은 입자의 간격을 균일하게 유지할 수있는 별도의 표면이 교차하는 부분의 계산이 쉽다는 등 몇 가지 장점이 있습니다. 또한 표면 마커를 사용하여 경계 조건을 적용하면 격자 셀의 표면을 간단한 방법으로 찾을 수 있습니다.
Unfortunately, in three-dimensions there is no simple way to order particles on surfaces, and this leads to a major failing of the surface marker technique. Regions may exist where surfaces are expanding and no markers fill the space. Without markers the configuration of the surface is unknown, consequently there is no way to add markers. Reference 1975 contains examples that show the advantages and limitations of this method.
불행히도 3 차원에서는 표면에 입자를 정렬하는 간단한 방법이 없으며 이로 인해 표면 마커 기술이 크게 실패합니다. 표면이 확장되고 마커가 공간을 채우지 않는 영역이 존재할 수 있습니다. 마커가 없으면 표면의 구성을 알 수 없으므로 마커를 추가 할 방법이 없습니다. 참고 문헌 1975이 방법의 장점과 한계를 보여주는 예제가 포함되어 있습니다.
Volume-of-Fluid (VOF) Method
The last method to be discussed is based on the concept of a fluid volume fraction. The idea for this approach originated as a way to have the powerful volume-tracking feature of the MAC method without its large memory and CPU costs.
VOF (Volume-of-Fluid) 법
마지막으로 설명하는 방법은 유체 부피 분율의 개념을 기반으로합니다. 이 접근 방식에 대한 아이디어는 대용량 메모리 및 CPU 비용없이 MAC 방식의 강력한 볼륨 추적 기능을 갖는 방법에서 시작되었습니다.
Within each grid cell (control volume) it is customary to retain only one value for each flow quantity (e.g., pressure, velocity, temperature, etc.) For this reason it makes little sense to retain more information for locating a free surface. Following this reasoning, the use of a single quantity, the fluid volume fraction in each grid cell, is consistent with the resolution of the other flow quantities.
각 격자 셀 (제어 체적) 내에서 각 유량 (예 : 압력, 속도, 온도 등)에 대해 하나의 값만 유지하는 것이 일반적입니다. 이러한 이유로 자유 표면을 찾기 위해 더 많은 정보를 유지하는 것은 거의 의미가 없습니다. 이러한 추론에 따라 각 격자 셀의 유체 부피 분율인 단일 수량의 사용은 다른 유량의 해상도와 일치합니다.
If we know the amount of fluid in each cell it is possible to locate surfaces, as well as determine surface slopes and surface curvatures. Surfaces are easy to locate because they lie in cells partially filled with fluid or between cells full of fluid and cells that have no fluid.
각 셀 내의 유체의 양을 알고 있는 경우, 표면의 위치 뿐만 아니라 표면 경사와 표면 곡률을 결정하는 것이 가능합니다. 표면은 유체 가 부분 충전 된 셀 또는 유체가 전체에 충전 된 셀과 유체가 전혀없는 셀 사이에 존재하기 때문에 쉽게 찾을 수 있습니다.
Slopes and curvatures are computed by using the fluid volume fractions in neighboring cells. It is essential to remember that the volume fraction should be a step function, i.e., having a value of either one or zero. Knowing this, the volume fractions in neighboring cells can then be used to locate the position of fluid (and its slope and curvature) within a particular cell.
경사와 곡률은 인접 셀의 유체 체적 점유율을 사용하여 계산됩니다. 체적 점유율은 계단 함수(step function)이어야 합니다, 즉, 값이 1 또는 0 인 것을 기억하는 것이 중요합니다. 이 것을 안다면, 인접 셀의 부피 점유율을 사용하여 특정 셀 내의 유체의 위치 (및 그 경사와 곡률)을 찾을 수 있습니다.
Free-surface boundary conditions must be applied as in the MAC method, i.e., assigning the proper gas pressure (plus equivalent surface tension pressure) as well as determining what velocity components outside the surface should be used to satisfy a zero shear-stress condition at the surface. In practice, it is sometimes simpler to assign velocity gradients instead of velocity components at surfaces.
자유 표면 경계 조건을 MAC 법과 동일하게 적용해야 합니다. 즉, 적절한 기체 압력 (및 대응하는 표면 장력)을 할당하고, 또한 표면에서 제로 전단 응력을 충족 시키려면 표면 외부의 어떤 속도 성분을 사용할 필요가 있는지를 확인합니다. 사실, 표면에서의 속도 성분 대신 속도 구배를 지정하는 것이보다 쉬울 수 있습니다.
Finally, to compute the time evolution of surfaces, a technique is needed to move volume fractions through a grid in such a way that the step-function nature of the distribution is retained. The basic kinematic equation for fluid fractions is similar to that for the height-function method, where F is the fraction of fluid function:
마지막으로, 표면의 시간 변화를 계산하려면 분포의 계단 함수의 성질이 유지되는 방법으로 격자를 통과하고 부피 점유율을 이동하는 방법이 필요합니다. 유체 점유율의 기본적인 운동학방정식은 높이 함수(height-function) 법과 유사합니다. F는 유체 점유율 함수입니다.
A straightforward numerical approximation cannot be used to model this equation because numerical diffusion and dispersion errors destroy the sharp, step-function nature of the F distribution.
이 방정식을 모델링 할 때 간단한 수치 근사는 사용할 수 없습니다. 수치의 확산과 분산 오류는 F 분포의 명확한 계단 함수(step-function)의 성질이 손상되기 때문입니다.
It is easy to accurately model the solution to this equation in one dimension such that the F distribution retains its zero or one values. Imagine fluid is filling a column of cells from bottom to top. At some instant the fluid interface is in the middle region of a cell whose neighbor below is filled and whose neighbor above is empty. The fluid orientation in the neighboring cells means the interface must be located above the bottom of the cell by an amount equal to the fluid fraction in the cell. Then the computation of how much fluid to move into the empty cell above can be modified to first allow the empty region of the surface-containing cell to fill before transmitting fluid on to the next cell.
F 분포가 0 또는 1의 값을 유지하는 같은 1 차원에서이 방정식의 해를 정확하게 모델링하는 것은 간단합니다. 1 열의 셀에 위에서 아래까지 유체가 충전되는 경우를 상상해보십시오. 어느 순간에 액체 계면은 셀의 중간 영역에 있고, 그 아래쪽의 인접 셀은 충전되어 있고, 상단 인접 셀은 비어 있습니다. 인접 셀 내의 유체의 방향은 계면과 셀의 하단과의 거리가 셀 내의 유체 점유율과 같아야 한다는 것을 의미합니다. 그 다음 먼저 표면을 포함하는 셀의 빈 공간을 충전 한 후 다음 셀로 유체를 보내도록 위쪽의 빈 셀에 이동하는 유체의 양의 계산을 변경할 수 있습니다.
In two or three dimensions a similar procedure of using information from neighboring cells can be used, but it is not possible to be as accurate as in the one-dimensional case. The problem with more than one dimension is that an exact determination of the shape and location of the surface cannot be made. Nevertheless, this technique can be made to work well as evidenced by the large number of successful applications that have been completed using the VOF method. References 1975, 1980, and 1981 should be consulted for the original work on this technique.
2 차원과 3 차원에서 인접 셀의 정보를 사용하는 유사한 절차를 사용할 수 있지만, 1 차원의 경우만큼 정확하게 하는 것은 불가능합니다. 2 차원 이상의 경우의 문제는 표면의 모양과 위치를 정확히 알 수없는 것입니다. 그래도 VOF 법을 사용하여 달성 된 다수의 성공 사례에서 알 수 있듯이 이 방법을 잘 작동시킬 수 있습니다. 이 기법에 관한 초기의 연구 내용은 참고 문헌 1975,1980,1981를 참조하십시오.
The VOF method has lived up to its goal of providing a method that is as powerful as the MAC method without the overhead of that method. Its use of volume tracking as opposed to surface-tracking function means that it is robust enough to handle the breakup and coalescence of fluid masses. Further, because it uses a continuous function it does not suffer from the lack of divisibility that discrete particles exhibit.
VOF 법은 MAC 법만큼 강력한 기술을 오버 헤드없이 제공한다는 목표를 달성 해 왔습니다. 표면 추적이 아닌 부피 추적 기능을 사용하는 것은 유체 질량의 분할과 합체를 처리하는 데 충분한 내구성을 가지고 있다는 것을 의미합니다. 또한 연속 함수를 사용하기 때문에 이산된 입자에서 발생하는 숫자를 나눌 수 없는 문제를 겪지 않게 됩니다.
Variable-Density Approximation to the VOF Method
One feature of the VOF method that requires special treatment is the application of boundary conditions. As a surface moves through a grid, the cells containing fluid continually change, which means that the solution region is also changing. At the free boundaries of this changing region the proper free surface stress conditions must also be applied.
VOF 법의 가변 밀도 근사
VOF 법의 특수 처리가 필요한 기능 중 하나는 경계 조건의 적용입니다. 표면이 격자를 통과하여 이동할 때 유체를 포함하는 셀은 끊임없이 변화합니다. 즉, 계산 영역도 변화하고 있다는 것입니다. 이 변화하고있는 영역의 자유 경계에는 적절한 자유 표면 응력 조건도 적용해야합니다.
Updating the flow region and applying boundary conditions is not a trivial task. For this reason some approximations to the VOF method have been used in which flow is computed in both liquid and gas regions. Typically, this is done by treating the flow as a single fluid having a variable density. The F function is used to define the density. An argument is then made that because the flow equations are solved in both liquid and gas regions there is no need to set interfacial boundary conditions.
유체 영역의 업데이트 및 경계 조건의 적용은 중요한 작업입니다. 따라서 액체와 기체의 두 영역에서 흐름이 계산되는 VOF 법에 약간의 근사가 사용되어 왔습니다. 일반적으로 가변 밀도를 가진 단일 유체로 흐름을 처리함으로써 이루어집니다. 밀도를 정의하려면 F 함수를 사용합니다. 그리고, 흐름 방정식은 액체와 기체의 두 영역에서 계산되기 때문에 계면의 경계 조건을 설정할 필요가 없다는 논증이 이루어집니다.
Unfortunately, this approach does not work very well in practice for two reasons. First, the sensitivity of a gas region to pressure changes is generally much greater than that in liquid regions. This makes it difficult to achieve convergence in the coupled pressure-velocity solution. Sometimes very large CPU times are required with this technique.
공교롭게도 이 방법은 두 가지 이유로 인해 실제로는 그다지 잘 작동하지 않습니다. 하나는 압력의 변화에 대한 기체 영역의 감도가 일반적으로 액체 영역보다 훨씬 큰 것입니다. 따라서 압력 – 속도 결합 해법 수렴을 달성하는 것은 어렵습니다. 이 기술은 필요한 CPU 시간이 매우 커질 수 있습니다.
The second, and more significant, reason is associated with the possibility of a tangential velocity discontinuity at interfaces. Because of their different responses to pressure, gas and liquid velocities at an interface are usually quite different. In the Variable-Density model interfaces are moved with an average velocity, but this often leads to unrealistic movement of the interfaces.
두 번째 더 중요한 이유는 계면에서 접선 속도가 불연속이되는 가능성에 관련이 있습니다. 압력에 대한 반응이 다르기 때문에 계면에서 기체와 액체의 속도는 일반적으로 크게 다릅니다. 가변 밀도 모델은 계면은 평균 속도로 동작하지만, 이는 계면의 움직임이 비현실적으로 되는 경우가 많습니다.
Even though the Variable-Density method is sometimes referred to as a VOF method, because is uses a fraction-of-fluid function, this designation is incorrect. For accurately tracking sharp liquid-gas interfaces it is necessary to actually treat the interface as a discontinuity. This means it is necessary to have a technique to define an interface discontinuity, as well as a way to impose the proper boundary conditions at that interface. It is also necessary to use a special numerical method to track interface motions though a grid without destroying its character as a discontinuity.
가변 밀도 방법은 유체 분율 함수를 사용하기 때문에 VOF 방법이라고도하지만 이것은 올바르지 않습니다. 날카로운 액체-가스 인터페이스를 정확하게 추적하려면 인터페이스를 실제로 불연속으로 처리해야합니다. 즉, 인터페이스 불연속성을 정의하는 기술과 해당 인터페이스에서 적절한 경계 조건을 적용하는 방법이 필요합니다. 또한 불연속성으로 특성을 훼손하지 않고 격자를 통해 인터페이스 동작을 추적하기 위해 특수한 수치 방법을 사용해야합니다.
Summary
A brief discussion of the various techniques used to numerically model free surfaces has been given here with some comments about their relative advantages and disadvantages. Readers should not be surprised to learn that there have been numerous variations of these basic techniques proposed over the years. Probably the most successful of the methods is the VOF technique because of its simplicity and robustness. It is this method, with some refinement, that is used in the FLOW-3D program.
여기에서는 자유 표면을 수치적으로 모델링 할 때 사용하는 다양한 방법에 대해 상대적인 장점과 단점에 대한 설명을 포함하여 쉽게 설명하였습니다. 오랜 세월에 걸쳐 이러한 기본적인 방법이 많이 제안되어 온 것을 알고도 독자 여러분은 놀라지 않을 것입니다. 아마도 가장 성과를 거둔 방법은 간결하고 강력한 VOF 법 입니다. 이 방법에 일부 개량을 더한 것이 현재 FLOW-3D 프로그램에서 사용되고 있습니다.
Attempts to improve the VOF method have centered on better, more accurate, ways to move fluid fractions through a grid. Other developments have attempted to apply the method in connection with body-fitted grids and to employ more than one fluid fraction function in order to model more than one fluid component. A discussion of these developments is beyond the scope of this introduction.
VOF 법의 개선은 더 나은, 더 정확한 방법으로 유체 점유율을 격자를 통과하여 이동하는 것에 중점을 두어 왔습니다. 기타 개발은 물체 적합 격자(body-fitted grids) 관련 기법을 적용하거나 여러 유체 성분을 모델링하기 위해 여러 유체 점유율 함수를 채용하기도 했습니다. 이러한 개발에 대한 논의는 여기에서의 설명 범위를 벗어납니다.
References
1965 Harlow, F.H. and Welch, J.E., Numerical Calculation of Time-Dependent Viscous Incompressible Flow, Phys. Fluids 8, 2182.
1969 Daly, B.J., Numerical Study of the Effect of Surface Tension on Interface Instability, Phys. Fluids 12, 1340.
1970 Hirt, C.W., Cook, J.L. and Butler, T.D., A Lagrangian Method for Calculating the Dynamics of an Incompressible Fluid with Free Surface, J. Comp. Phys. 5, 103.
1971 Nichols, B.D. and Hirt, C.W.,Calculating Three-Dimensional Free Surface Flows in the Vicinity of Submerged and Exposed Structures, J. Comp. Phys. 12, 234.
1974 Hirt, C.W., Amsden, A.A., and Cook, J.L.,An Arbitrary Lagrangian-Eulerian Computing Method for all Flow Speeds, J. Comp. Phys., 14, 227.
1975 Nichols, B.D. and Hirt, C.W., Methods for Calculating Multidimensional, Transient Free Surface Flows Past Bodies, Proc. of the First International Conf. On Num. Ship Hydrodynamics, Gaithersburg, ML, Oct. 20-23.
1980 Nichols, B.D. and Hirt, C.W., Numerical Simulation of BWR Vent-Clearing Hydrodynamics, Nucl. Sci. Eng. 73, 196.
1981 Hirt, C.W. and Nichols, B.D., Volume of Fluid (VOF) Method for the Dynamics of Free Boundaries, J. Comp. Phys. 39, 201.
자유 표면 흐름은 가정과 사무실 환경 모두에서 사용되는 소비자 제품의 설계 및 제조에서 일반적입니다.
예를 들어, 병 채우기는 매일 대규모로 진행되는 프로세스입니다. 생산 속도를 최대화하면서 낭비를 최소화하도록 이러한 프로세스를 설계하면 시간이 지남에 따라 상당한 비용 절감으로 이어질 수 있습니다. FLOW-3D는 또한 스프레이 노즐을 설계하고 다공성 재료 및 기타 소비재 구성 요소의 흡수 기능을 모델링하는 데 사용할 수 있습니다.
공기 혼입, 다공성 매질 및 표면 장력을 포함한 FLOW-3D의 고급 다중 물리 모델을 사용하면 소비자 제품 설계를 정확하게 시뮬레이션하고 최적화 할 수 있습니다.
September 2023 DOI:10.30955/gnc2023.00436 Conference: 18th International Conference on Environmental Science and Technology CEST2023, 30 August to 2 September 2023, Athens, ...
Numerical Study of the Local Scouring Process and Influencing Factors of Semi-Exposed Submarine Cables by Qishun Li,Yanpeng Hao *,Peng Zhang,Haotian Tan,Wanxing Tian,Linhao ...
Analyses of Cryogenic Propellant Tank Pressurization based upon Experiments and Numerical SimulationsCarina Ludwig? and Michael Dreyer***DLR - German Aerospace Center, ...
Coupled thermodynamic-fluid-dynamic solution for a liquid-hydrogen tank G. D. Grayson Published Online:23 May 2012 https://doi.org/10.2514/3.26706 Read Now Tools Share Introduction ...
신속하고 반복적이며 정밀한 액적 생성 및 증착, 작은 피처의 인쇄 또는 패턴 화 (예 : l = 10-3-1 mm), 분무를 통해 제어되고 균일 한 두께로 박막을 형성하는 것이 매우 중요합니다.
다양한 이전 및 새로운 산업 응용 프로그램 (1-5). 액체 이동 및 액적 형성 / 증착 공정에는 복잡한 자유 표면 흐름과 자발적인 모세관 구동 불안정, 얇아 짐 및 핀치 오프 (1-5)를 겪는 원주 형 목의 형성이 포함됩니다. 단순한 뉴턴 유체 및 비탄성 유체에 대한 액적 형성 및 액체 전달을 분석하기위한 실험적, 이론적 및 1 차원 시뮬레이션 연구를 사용하여 이루어진 진전에도 불구하고 인쇄 및 스프레이에 대한 기계적 이해는 여전히 어려운 과제입니다.
현재 계산 노력의 주요 동기는 FLOW-3D에 포함 된 VOF (체적-유체) 접근 방식을 사용하여 뉴턴 유체의 핀치 오프 역학에 대한 기계 론적 이해를 얻을 수있는 가능성을 조사하는 것입니다. 우리는 계산 분석이 자기 유사 모세관 얇아 짐 및 핀치 오프 역학을 결정하는 모세관, 관성 및 점성 응력의 복잡한 상호 작용을 포착 함을 보여줍니다. 뉴턴 유체의 낙하 형성 및 분리를 위해, 우리는 이론 및 1D 시뮬레이션 (1-7)뿐만 아니라 실험 (1, 1)에서 예상되는 범용 스케일링 법칙을 사용하여 계산 분석에서 얻은 자기 유사 목 진화를 설명 할 수 있음을 보여줍니다.
2, 8-12). 이러한 프로토 타입 흐름을 시뮬레이션하는 데있어 우리의 성공은 FLOW-3D를 사용하여 유한 시간 특이점, 위성 낙하 형성 및 더 복잡한 형상의 인쇄 가능성에 대한 신중한 계산 분석을 위해 필요한 단계이며 설명이나 연구가 훨씬 더 어렵습니다. 1D 모델과 실험을 사용합니다.
범용 CFD 소프트웨어인 FLOW-3D는 40년의 역사를 통해 개발 된 비압축 유체의 내부 및 외부의 자유 표면 흐름, 열 전달, 난류, 이동 및 변형하는 고체, 표면 장력 및 상변화와 같은 광범위한 물리적 및 수치적 기능을 갖추고 있습니다. FLOW-3D를 성공적으로 사용하여 광범위한 공학적 및 과학적 문제를 해결하고 설계를 최적화하며 복잡한 과정에 대한 통찰력을 얻을 수 있습니다.
FLOW-3D의 단열 버블 및 표면 장력 모델과 결합 된 1 유체 VOF 방식을 사용하면 유체를 사용하여 빈 공간을 효과적으로 모델링 할 수 있습니다. 이 솔루션은 빠르고 강력하며 정확하고 복잡한 2 유체 VOF 접근 방식을 우회합니다.
FLOW-3D v12는 그래픽 사용자 인터페이스 (GUI)의 설계 및 기능에서 매우 큰 변화를 이룬 제품으로 모델 설정을 단순화하고 사용자 워크 플로를 향상시킵니다. 최첨단 Immersed Boundary Method(침수경계 방법)은 FLOW-3Dv12 솔루션의 정확성을 높여줍니다. 다른 주요 기능으로는 슬러지 침강 모델, 2-Fluid 2-Temperature 모델 및 Steady State Accelerator가 있으며,이를 통해 사용자는 자유 표면 흐름을 더욱 빠르게 모델링 할 수 있습니다.
Physical and Numerical Model
Immersed boundary method
힘과 에너지 손실에 대한 정확한 예측은 고체 주위의 흐름과 관련된 많은 엔지니어링 문제를 모델링하는 데 중요합니다. 새 릴리스 FLOW-3D v12에는 이러한 문제점 해결을 위해 설계된 새로운 고스트 셀 기반 Immersed Boundary Method (IBM)가 있습니다. IBM은 내 외부 흐름 해석을 위해, 벽 근처에서 보다 정확한 해를 제공하여 드래그 앤 리프트 힘의 계산을 향상시킵니다.힘과 에너지 손실의 정확한 예측은 고체 주위의 흐름을 포함하는 많은 공학적 문제를 모델링 하는데 중요합니다.
Two-field temperature for the two-fluid model
2 유체 열전달 모델은 각 유체에 대한 에너지 전달 방정식을 분리하기 위해 확장되었습니다. 각 유체는 이제 자체 온도 변수를 가지므로 인터페이스 근처의 열 및 물질 전달 솔루션의 정확도가 향상됩니다. 인터페이스에서의 열전달은 이제 시간의 표 함수가 될 수 있는 사용자 정의 열전달 계수에 의해 제어됩니다.
새로운 슬러지 정착 모델은 수처리 애플리케이션에 부가되어 사용자들이 수 처리 탱크와 클래리퍼의 고형 폐기물 역학을 모델링 할 수 있게 해 줍니다. 침전 속도가 분산상의 액적 크기의 함수 인 드리프트-플럭스 모델과 달리, 침전 속도는 슬러지 농도의 함수이며 기능 및 표 형식으로 입력 할 수 있습니다.
Void particles 가 기포 및 상 변화 모델에 추가되었습니다. Void particles는 붕괴 된 Void 영역을 나타내며, 항력 및 압력을 통해 유체와 상호 작용하는 작은 기포로 작용합니다. 주변 유체 압력에 따라 크기가 변하고 시뮬레이션이 끝날 때의 최종 위치는 공기 유입 가능성을 나타냅니다.
Sediment scour model
퇴적물 수송 및 침식 모델은 정확성과 안정성을 향상시키기 위해 정비되었습니다. 특히 퇴적물 종의 질량 보존이 크게 개선되었습니다.
고정 압력 경계 조건에는 압력 및 유체 분율을 제외한 모든 유량이 해당 경계의 상류의 유량 조건을 반영하는 ‘유출’옵션이 포함됩니다. 유출 압력 경계 조건은 고정 압력 및 연속 경계 조건의 하이브리드입니다.
Moving particle sources
시뮬레이션 중에 입자 소스를 이동할 수 있습니다. 시간에 따른 병진 및 회전 속도는 표 형식으로 정의됩니다. 입자 소스의 운동은 소스에서 방출 된 입자의 초기 속도에 추가됩니다.
Variable center of gravity
기변 무게중심은 중력 및 비관 성 기준 프레임 모델에서, 시간의 함수로서 무게 중심의 위치는 외부 파일에서 테이블로서 정의 될 수있다. 이 기능은 연료를 소비하고 분리 단계를 수행하는 로켓과 같은 모형을 모델링 할 때 유용합니다.
공기 유입 모델
가장 간단한 부피 기반 공기 유입 모델 옵션이 기존 질량 기반 모델로 대체되었습니다. 질량 기반 모델은 부피와 달리 주변 유체 압력에 따라 부피가 변화하는 동안 흡입된 공기량이 보존되기 때문에 물리학적 모델입니다.
Tracer diffusion
유동 표면에서 생성된 추적 물질은 분자 및 난류 확산 과정에 의해 확산될 수 있으며, 예를 들어 실제 오염 물질의 동작을 모방한다.
Model Setup
Simulation units
온도를 포함하여 단위 시스템은 완전히 정의해야하는데 표준 단위 시스템이 제공됩니다. 또한 사용자는 다양한 옵션 중에서 질량, 시간 및 길이 단위를 정의 할 수 있으므로 사용자 정의가 가능한 편리한 단위를 사용할 수 있습니다. 사용자는 압력이 게이지 또는 절대 단위로 정의되는지 여부도 지정해야합니다. 기본 시뮬레이션 단위는 기본 설정에서 설정할 수 있습니다. 단위를 완전히 정의하면 FLOW-3D 가 물리량의 기본값을 정의하고 범용 상수를 설정하여 사용자가 요구하는 작업량을 최소화 할 수 있습니다.
Shallow water model
Manning’s roughness in shallow water model
Manning의 거칠기 계수는 지형 표면의 전단 응력 평가를 위해 천수(shallow water) 모델에서 구현되었습니다. 표면 결함의 크기를 기반으로 기존 거칠기 모델을 보완하며 이 모델과 함께 사용할 수 있습니다. 표준 거칠기와 마찬가지로 매닝 계수는 구성 요소 또는 하위 구성 요소의 속성이거나 지형 래스터 데이터 세트에서 가져올 수 있습니다.
Mesh generation
하단 및 상단 경계 좌표의 정의만으로 수직 방향의 메시 설정이 단순화되었습니다.
Component transformations
사용자는 이제 여러 하위 구성 요소로 구성된 구성 요소에 회전, 변환 및 스케일링 변환을 적용하여 복잡한 형상 어셈블리 설정 프로세스를 단순화 할 수 있습니다. GMO (General Moving Object) 구성 요소의 경우, 이러한 변환을 구성 요소의 대칭 축과 정렬되도록 신체에 맞는 좌표계에 적용 할 수 있습니다.
Changing the number of threads at runtime
시뮬레이션 중에 솔버가 사용하는 스레드 수를 변경하는 기능이 런타임 옵션 대화 상자에 추가되어 사용 가능한 스레드를 추가하거나 다른 태스크에 자원이 필요한 경우 스레드 수를 줄일 수 있습니다.
Probe-controlled heat sources
활성 시뮬레이션 제어가 형상 구성 요소와 관련된 heat sources로 확장되었습니다. 히스토리 프로브로 열 방출을 제어 할 수 있습니다.
Time-dependent temperature at sources
질량 및 질량 / 운동량 소스의 유체 온도는 이제 테이블 입력을 사용하여 시간의 함수로 정의 할 수 있습니다.
Emissivity coefficients
공극으로의 복사 열 전달을위한 방사율 계수는 이제 사용자가 방사율과 스테판-볼츠만 상수를 지정하도록 요구하지 않고 직접 정의됩니다. 후자는 이제 단위 시스템을 기반으로 솔버에 의해 자동으로 설정됩니다.
Output
등속 필드 솔버 옵션을 사용할 때 유량 속도를 선택한 데이터 로 출력 할 수 있습니다 .
벽 접착력으로 인한 지오메트리 구성 요소의 토크 는 기존 벽 접착력의 출력 외에도 일반 이력 데이터에 별도의 수량으로 출력됩니다.
난류 모델 출력이 요청 될 때 난류 에너지 및 소산과 함께 전단 속도 및 y +가 선택된 데이터로 자동 출력됩니다 .
공기 유입 모델 출력에 몇 가지 수량이 추가되었습니다. 자유 표면을 포함하는 모든 셀에서 혼입 된 공기 및 빠져 나가는 공기의 체적 플럭스가 재시작 및 선택된 데이터로 출력되어 사용자에게 공기가 혼입 및 탈선되는 위치 및 시간에 대한 자세한 정보를 제공합니다. 전체 계산 영역 및 각 샘플링 볼륨 에 대해이 두 수량의 시간 및 공간 통합 등가물 이 일반 히스토리 로 출력됩니다.
솔버의 출력 파일 flsgrf 의 최종 크기 는 시뮬레이션이 끝날 때보 고됩니다.
2 유체 시뮬레이션의 경우, 기존의 출력 수량 유체 체류 시간 및 유체 가 이동 한 거리는 이제 유체 # 1 및 # 2와 유체의 혼합물에 대해 별도로 계산됩니다.
질량 입자의 경우 각 종의 총 부피와 질량이 계산되어 전체 계산 영역, 샘플링 볼륨 및 플럭스 표면에 대한 일반 히스토리 로 출력되어 입자 종 수에 대한 현재 출력을 보완합니다.
예를 들어 사용자가 가스 미순환을 식별하고 연료 탱크의 환기 시스템을 설계하는 데 도움이 되도록 마지막 국부적 가스 압력이 옵션 출력량으로 추가되었습니다. 이 양은 유체가 채워지기 전에 셀의 마지막 간극 압력을 기록하며, 단열 버블 모델과 함께 사용됩니다.
New Customizable Source Routines
사용자 정의 가능한 새로운 소스 루틴이 추가되었으며 사용자의 개발 환경에서 액세스 할 수 있습니다.
소스 루틴 이름
설명
cav_prod_cal
캐비 테이션 생산 및 확산 속도
sldg_uset
슬러지 정착 속도
phchg_mass_flux
증발 및 응축에 의한 질량 흐름
flhtccl
유체#1과#2사이의 열 전달 계수
dsize_cal
2상 유동에서의 동적 낙하 크기 모델의 충돌 및 이탈율
elstc_custom.
점탄성 유체에 대한 응력 방정식의 소스 용어
Brand New User Interface
FLOW-3D의 사용자 인터페이스가 완전히 재설계되어 사용자의 작업 흐름을 획기적으로 간소화하는 최신의 타일 구조를 제공합니다.
Dock widgets 설정
Physics, Fluids, Mesh 및 FAVOR ™를 포함한 모든 설정 작업이 형상 창 주위의 dock widgets으로 변환되어 모델 설정을 단일 탭으로 압축 할 수 있습니다. 이 전환을 통해 이전 버전의 복잡한 트리가 훨씬 깔끔하고 효율적인 메뉴 표시로 바뀌어 모델 설정 탭을 떠나지 않고도 모든 매개 변수에 쉽게 액세스 할 수 있습니다.
New Model Setup icons With our new Model Setup design comes new icons, representing each step of the setup process.New Physics icons Our Physics icons are designed to be easily differentiated from one another at a glance, while providing clear visual representation of each model’s purpose and use.
RSS feed
새 RSS 피드부터 FLOW-3D v12.0 의 시뮬레이션 관리자 탭이 개선되었습니다 . FLOW-3D 를 시작하면 사용자에게 Flow Science의 최신 뉴스, 이벤트 및 블로그 게시물이 표시됩니다.
Configurable simulation monitor
시뮬레이션을 실행할 때 중요한 작업은 모니터링입니다. FLOW-3Dv12.0에서는 사용자가 시뮬레이션을 더 잘 모니터링할 수 있도록 Simulation Manager의 플로팅 기능이 향상되었습니다. 사용자는 시뮬레이션 런타임 그래프를 통해 모니터링할 사용 가능한 모든 일반 기록 데이터 변수를 선택하고 각 그래프에 여러 변수를 추가할 수 있습니다. 이제 런타임에서 사용할 수 있는 일반 기록 데이터는 다음과 같습니다.
최소/최대 유체 온도
프로브 위치의 온도
유동 표면 위치에서의 유량
시뮬레이션 진단(예:시간 단계, 안정성 한계)
Runtime plots of the flow rate at the gates of the large dam / Large dam with flux surfaces at the gates
Conforming mesh visualization
사용자는 이제 새로운 FAVOR ™ 독 위젯을 통해 적합한 메쉬 블록을 시각화 할 수 있습니다 .
Large raster and STL data
데이터를 처리하는 데 걸리는 시간으로 인해 큰 형상 데이터를 처리하는 것은 어려울 수 있습니다. 대형 지오메트리 데이터를 처리하는 데 여전히 상당한 시간이 소요될 수 있지만 FLOW-3D는 이제 이러한 대형 데이터 세트를 백그라운드 작업으로로드하여 사용자가 데이터를 처리하는 동안 완벽하게 응답하고 중단없는 인터페이스에서 계속 작업 할 수 있습니다.
이 기사는영국에서 Peter Arnold, Minerva Dynamics, The Guildhall, High Street Bath에 의해 기고되었다.
자유 표면 흐름 시뮬레이션을 위한 FLOW-3D 성능을 평가하기 위해, 장애물 구성이 포함된 3D댐을 검증 사례 중 하나로 선정했습니다. 이 문제는 문서화되어 있으며 ERCOFTAC데이터베이스에서 다운로드할 수 있도록 생성된 모든 실험 데이터를 사용하여 쉽게 설정할 수 있습니다[1]. 장애물은 선박 갑판의 녹색 물에 노출된 컨테이너를 대표하는 것으로 선택됩니다. 실험은 0.55 m의 물을 고정하는 슬라이딩 도어를 가진 대형 탱크 그림 1로 구성됩니다. 도어는 중량 감소에 의해 수직으로 위쪽으로 열리고 물이 방출되어 장애물을 침해한 후 탱크 벽으로부터 3회 반사됩니다. 자유 표면 고도는 탱크 중심선을 따라 4개 위치에서 측정되며 8개의 압력 센서가 장애물의 선행 수직 및 수평 표면에 내장되어 있습니다(그림2). FLOW-3D를 사용한 CFD시뮬레이션은 연속적으로 미세한 메쉬를 사용하여 6초간 실시간으로 수행되었으며 다른 주문 번호 체계와 난류 모델을 사용했습니다.
Figure 1. Snapshot of SPH simulation and experiment at 0.56 secs
시뮬레이션 방법론
시뮬레이션은 3.22mx1mx1.5m 크기의 도메인에 대해 설정되었습니다. 즉, 탱크 지붕에 대한 수직 분사를 허용하기 위해 z방향에서 0.5m 더 큰 도메인이 설정되었습니다. 기본 메쉬는 x-방향의 간격 161개, y-방향 50개, z-방향의 경우 75개가 균일하게 수용되는 육각 셀을 가지고 있었습니다. 장애물 및 센서 위치를 방해하므로 총 약 603,750개의 셀이 사용됩니다. 장애물은 그 영역에 들어갔고 모든 벽은 미끄러짐이 없는 것으로 간주되었습니다. 물의 초기 위치와 점도를 규정한 후, 층류 시간에 의존하는 시뮬레이션을 실시간으로 총 6초 동안 점진적으로 미세화하였습니다. 기본 60cm 셀 메시에서 시작하는 메쉬. 단순히 각 방향의 셀의 수를 2개의 큐브 루트에 의해 증가시킴으로써 각 점진적 메쉬에 대해 총 셀 카운트를 2배 증가시키는 것이었습니다. 이렇게 총 네개의 메쉬가 생겼습니다. 그런 다음 네개의 위치에서 자유 표면 고도의 시간 이력과 여덟개의 압력 센서로부터의 압력을 실험 데이터에 대해 도표로 작성했습니다. CPU와 시뮬레이션의 경과 시간또한 기록되었습니다.
Figure 2. Locations of water height and pressure measurements
기본 메쉬만 사용하여, 추진력 유도에 사용된 수치 구별 계획의 효과를 조사하였습니다. 디폴트가 1st order, 2nd order monotonicity preserving 그리고 3rd order schem이 모두 사용되었으며 결과를 비교했습니다. 또한 single 과 double precision의 효과를 비교하였습니다.
난류 변동은 주로 직접 시뮬레이션을 통해 모델링되었지만 FLOW-3D에서 사용할 수있는 두 가지 난류 모델, 즉 RNG (Renormalization Group) 모델과 LES (Large Eddy Simulations) 모델의 결과도 비교했습니다. 모든 모델은 가장 거칠고 기본 메쉬에서만 실행되었습니다. 메쉬 해상도에 대한 과도한 요구로 인해 탱크 벽에서 가장 가까운 노드의 거리에 대한 일반적인 난기류 모델 관련 제약 조건을 충족시키지 못했습니다.
또한 흐름이 크게 혼란스럽고 장애물이 날카로울 때 흐름 분리 효과의 예측은 점진적인 구분에 의해서가 아닌 기하학적 변화에 의해서 주도될 것입니다. 질서 정연한 경계 층의 변형 따라서, 우리는 경계 층의 분해능이 주 흐름 특성을 예측하는 관점에서 도메인 내부의 흐름을 해결하는 것보다 덜 관련된다고 가정했습니다.
자유 표면 결과
그림 3과 4는 장애물의 상류 위치 H2와 하류 위치 H1에서 시간에 대해 플롯 된 실험 및 계산 된 자유 표면 고도를 보여줍니다. 크기와 타이밍에 약간의 차이가 있지만 주요 기능이 잘 표현되어 있는지 확인하는 것이 좋습니다. 그러나 실험 데이터에는 오류 막대가 제공되지 않으며 혼란스럽고 분리 된 유동장에서 프로브를 사용하여 자유 표면 고도를 측정하는 것은 자유 표면 고도가 문제가 될 수 있다고 말해야합니다. 단일 한 시간 함수가 될 수 없습니다. 이것은 아마도 약 1 초의 초기 가파른 상승 단계에서 H1 높이의 불일치를 설명합니다. 나머지 H1 레코드는 실험과 잘 일치합니다. H2 플롯은 특히 초기 물 상승 단계에서 더 나은 일치를 보여주고 궁극적으로 물의 최대 높이를 잘 예측합니다.
모든 그림에는 실험 뒤에 있는 시뮬레이션의 시간 지연 특징이 있습니다. 차이의 원인은 불분명하지만 시뮬레이션을 통해 점진적으로 도입되는 것으로 보입니다.
압력 센서 결과
그림 5는 시간에 대해 플롯 된 바닥에서 가장 가까운 전면 압력 센서 P1을 보여 주며, 일반적으로 실험과 시뮬레이션 간의 양호한 일치를 나타냅니다. 이 센서는 압력 피크의 도달 거리와 크기를 가장 정확하게 추정합니다. 장애물과 왼쪽 벽에서 물이 튀어 나오면서 신호가 안정되면서 약 2초간 도달할 때까지 압력 신호에 상당한 변동이 있습니다. 그리고 시뮬레이션 값은 실험 값과 잘 일치합니다.
그림 6은 상부 수평 얼굴 압력 센서 P7을 보여 줍니다. 1초에서 2초 사이에 압력 변동이 크므로 시뮬레이션과 실험 데이터가 안정되고 합의가 개선됩니다.
메쉬 수리, 수치 구성 순서 및 난류 모델
메쉬 정밀도의 효과 측면에서 볼 때, 수치 솔루션이 고유한 솔루션으로 수렴되고 있다는 증거는 거의 없는 것으로 보입니다. 난류 모델을 사용하는 대신 직접 시뮬레이션을 통해 유동장의 난류를 모델링 하려고 시도해 왔기 때문에 이는 놀라운 일이 아닐 수 있습니다. 이 접근 방식을 사용하면 메쉬가 미세하게 정제되고 초기 조건에서 섭동에 더 민감해 지기 때문에 흐름 필드에서 보다 상세한 정보를 파악할 수 있을 것으로 예상됩니다. 또한 약간 다른 초기 조건을 가진 많은 시뮬레이션의 평균이 메시 정교함으로 평균화된 솔루션으로 수렴될 것으로 예상합니다. 그러나, 실험에 대한 합의의 수준에 있어서는 35배나 더 오래 걸리는 가장 적은 비용과 가장 비싼 해결책 사이에는 차이가 거의 없습니다. 공학적 관점에서 볼 때, 가장 불리한 메쉬 솔루션은 기본 값이 충분히 정확하고 경과된 시뮬레이션이 단지 15분 이상인 것을 고려할 때 매우 좋은 가치를 나타냅니다.
가속도계 숫자 체계 순서의 효과와 단일 또는 이중 정밀도 산술 실행의 효과는 다음과 같이 요약됩니다. 2차 주문과 3차 주문 계획은 매우 유사한 결과를 보여 주는데, 두가지 모두 실험 곡선을 따르는 것이 더 다양한 1차 주문 계획보다 더 가깝습니다. 또한 상위 순서 방식은 보다 정교한 메쉬의 첫번째 순서 방식보다 코어저 기본 메쉬의 실험 곡선을 따르는 것으로 보입니다. 이중 정밀도 곡선은 단일 정밀도 1차 주문 곡선에서 약간 벗어납니다. 높은 순서도와 이중 정밀도 산술을 사용하는 데 드는 상대적으로 적은 비용을 감안할 때 안정성이 훼손되지 않는다면 향후 계산에서 그렇게 하는 것이 합리적일 것입니다.
난류 변동을 모델링 하는 데 사용되는 방법에 대해서는 각 모델의 실험 시간 이력을 보다 정확하게 예측할 수 있는 능력 면에서 확실한 승자가 없습니다. LES모델의 CPU시간을 더 전통적인 RNG제제와 비교할 때 거의 두 배만큼 층류 모델로써 경제적입니다.
결론
FLOW-3D는 매우 까다로운 자유 표면 유동 문제를 시뮬레이션하는 데 사용되었으며 실험 데이터와 정 성적, 양적 계약을 맺었습니다. 주요 불일치는 종종 고유하지 않은 매개 변수의 자유 표면 높이를 측정하는 데 문제가 있기 때문에 쉽게 발생할 수 있습니다. 흐름이 충돌하는 장애물 표면의 압력 예측은 일반적으로 실험 측정과 잘 일치하며, 주 편차는 실험 측정에서 상당한 양의 변동이있는 곳에서 다시 나타납니다. 실험 측정의 반복성은 문헌에서 논의되지 않았지만 적어도 CFD 시뮬레이션의 차이만큼 클 수있다. 또한 4 개의 프로세서를 통한 공유 메모리 구성에서 약 15 분 내에 난류 모델없이 1 차 차분을 사용하여 비교적 거친 메시에서 솔루션을 적절하게 얻을 수 있음을 확인했습니다. 난류 모델이 필요하지 않다는 것은 결과 흐름을 지배하는 난류 구조가이 수준의 메쉬 미세 조정에서 해석 될 수 있음을 시사합니다.
Download a full-length validation study of this work: FLOW-3D Dam Breaking Validation
References
SPH European Research Interest Community SIG, R. Issa and D. Violeau, Test-Case 2 3D dam breaking, http://wimanchester.ac.uk/spheric/index.php/Test2
M.T Kleefsman, Fekken, A.E P Veldman, B. Iwanowski, and B. Buchner, A volume of fluid based simulation method for wave impact problems,J Comp Phs, 206: 363-393, 2005.
FLOW-3D CAST는 금속 주조를 위해 특별히 설계된 다양한 물리적 모델을 포함하고 있습니다. 이는 모든 종류의 금속 주조 용도와 관련된 문제에 대한 가장 정확한 해결책을 제공합니다. 이를 통해 고객은 보다 적은 시간과 비용으로 지속적으로 주조 수율과 품질을 개선할 수 있습니다.
자유 표면 흐름을 정확하게 예측할 수 있는 특수 기능을 갖춘 FLOW-3D CAST는 금형 용탕 충진 및 공기 주입과 같은 관련된 결함을 시뮬레이션하는 데 가장 적합합니다. 강력하고 유연한 열전달 모델은 응고, 냉각 채널, 열 다이 사이클 시뮬레이션과 같은 금속과 금형 사이의 열 교환을 빠르고 정확하게 예측할 수 있습니다. 금형 용탕 충진과 결합할 수 있는 응고 및 수축 모델은 과도한 수축공과 기공 영역을 정확히 찾아내어 결함이 완화됩니다. granular media 모델과 수분 건조 모델을 사용하여 모래 코어의 blowing과 건조 공정을 시뮬레이션 할 수 있습니다. FLOW-3D CAST의 유한 요소 기반 열 응력 모델을 사용하면, 고객이 응력이 발생하는 위치와 주조 변형이 일어나는 이유를 정확하게 예측할 수 있으므로 열 변형 결함을 제거할 수 있습니다. 주철 모델은 공정 반응하는 동안 흑연, 감마 – 철 및 탄화물 형성을 예측하여, FLOW-3D CAST의 적용 범위를 확장합니다. 코어 가스 제품 군의 고유한 특징은 코어 가스 생성 및 모래 코어에서의 흐름을 모델링 하여 금속 주물의 코어 가스 관련 결함을 예측하는 데 사용할 수 있습니다.
FLOW-3D CAST는 금속 주조 모델링 및 시뮬레이션 분야의 선두 프로그램입니다. 금속 주조 업계에 대한 당사의 헌신은 금속 주조와 관련된 모델과 용도에 대한 당사의 지속적인 개발로 입증되었습니다. 당사는 고객과 지속적으로 협력하여 실제 애플리케이션을 위해 개발하여 품질과 생산성을 향상시키고 지속적으로 혁신할 수 있도록 지원할 것입니다.
Key Framing in FLOW-3D CAST – Short Tutorial
Check out this short tutorial that shows you how to use the keyframing capability in FlowSight to open the die halves “visually” during filling and display the solid temperature on the die faces while showing the metal filling the dies.
Learn more about the advances in FLOW-3D CAST v5 at https://www.flow3d.com/products/flow-3d-cast/flow-3d-cast-v5-0/
Computational Analysis of Drop Formation and Detachment
Introduction and Problem Statement
신속, 반복, 작은 물방울의 생성 및 증착, 작은 형상의 프린팅 또는 패터닝 (예 : l = 10-3-1 mm), 스프레이로 균일한 두께의 박막 형성은 다양한 산업에 매우 중요합니다(1-5). 액체 이동과 액적 형성 / 증착 공정은 복잡한 자유 표면 흐름, 자연적인 모세관운동 형성, thinning, pinch-off를 수반한다 (1-5). 단순한 뉴턴 및 비탄성 유체에 대해 액적 생성 및 액적 이동을 분석하기위한 실험적, 이론적 및 1 차원 시뮬레이션 연구가 진행되었지만 프린팅 또는 패터닝에 대한 기계론적인 이해는 여전히 과제로 남아 있습니다. 현재의 계산에 대한 주된 목표는 뉴턴 유체의 pinch-off에 대한 기계론적 이해를 얻기 위해 FLOW-3D에 내장된 VOF(volume-of-fluid) 접근법으로 시험하는 것입니다. 전산해석은 모세관, 관성, 점성 응력의 복잡한 상호 작용을 포착하여 자기유사 모세관의 thinning and pinch-off를 결정합니다. 뉴턴 유체의 물방울 형성 및 분리현상은 전산해석으로부터 얻어진 자기유사 모세관현상 이론, 보편적인 축소화 기법인 1D 시뮬레이션 (1-7)과 실험 (1, 2, 8-12)을 이용하여 설명될 수 있음을 보여준다. 이러한 우리가 진행한 원형흐름 시뮬레이션은 유한한 시간의 비선형 역학, 위성 낙하현상, 복잡한 형상의 프린팅과 같이 어려운 전산해석의 기반이 될 것 입니다.
그림 1 : FLOW-3D를 사용하여 시뮬레이션 한 저점도 유체의 드롭 형성 및 분리에 대한 전산해석 : (a) 5개의 저점도 유체에 대한 물방울의 necking에 대한 반경이 시간변화에 따라 표시됩니다. 물방울 necking의 반지름이 오른쪽에서 왼쪽으로 시간에 따른 전개를 보여줍니다. 마찬가지로 스냅 샷은 necking의 반경이 오른쪽에서 왼쪽으로 줄어듭니다. 속도의 크기 (단위 : cm/s) 와 화살표의 방향에 대한 컬러 맵을 사용하면 변형장을 결정할 수 있으며 Fluid 5 (표 1 참조)의 경우에는 순식간에 신장이됩니다. 이미지 II에 캡처 된 pinch-off 하기 전에 형성된 원추형 necking은 실험을 통해 얻은 necking 모양과 유사합니다.
Modeling Approach and Parameter Space
표면 장력 및 중력 모델을 적용한 FLOW-3D 에서 균일한 메쉬 크기를 사용하여 노즐에서 드롭 형성 및 분리에 대한 시뮬레이션을 수행하였습니다. 유한 체적의 유체를 떨어뜨리거나 분리하는 일은 물방울의 성장과 드롭, 노즐에 연결되는 모세관 현상, 관성, 점도 및 중력에 대한 상호 작용을 수반합니다. 시뮬레이션에서 스테인레스 강 노즐 ( ) 에서 유한 체적의 뉴턴 유체가 발생합니다. 표면 장력이 중력을 겪으면 새로 형성된 액적 분리가 발생합니다 (). 시뮬레이션은 유체점도의 영향을 설명하기 위해 두 그룹으로 나누어져 있습니다: 저점도 유체 (글리세롤 함량이 40 % 미만인 물과 글리세롤/물 혼합물) 및 점도가 높은 유체 (예 : 글리세롤과 글리세롤/물 혼합물 점도 > 100x 물 점도). 두 그룹의 유체 특성은 각각 표 1과 2에 나와 있습니다.
그림 2 : FLOW-3D를 사용하여 시뮬레이션 한 저점도 유체의 드롭형성 및 분리에 대한 전산 해석 : 반경 플롯에서 4개의 고점도 뉴톤유체에 대해 necking 반경을 시간변화에 따라 표시합니다. 낙하 분리 중 모세관 현상이 스냅 샷으로 표시됩니다. 컬러 맵은 Fluid 8의 속도 크기 (단위 : cm/s)의 변화를 포착합니다 (표2 참조). 화살표는 성장하는 물방울과 얇아지는 물방울내에서 흐름방향을 나타냅니다. FLOW-3D 시뮬레이션으로 얻은 necking 모양은 고점도의 뉴턴유체에 대한 특징인 원통형 유체요소로 이어집니다.
<표 1 : FLOW-3D를 사용하여 시뮬레이션 된 저점도 유체의 특성>
Fluid Property
Fluid 1
Fluid 2
Fluid 3
Fluid 4
Fluid 5
Viscosity [Pa · s]
0.05
0.02
0.01
0.0075
0.005
Surface Tension [mN / m]
68
68
68
68
68
Density [g / cm 3 ]
1
1
1
1
1
Ohnesorge Number
0.21
0.08
0.04
0.03
0.021
저점도 유체 (표 1의 유체 2) 가 노즐에서 떨어지는 것을 시뮬레이션 합니다. 색상변수는 속도크기 (단위 : cm / s)이며 속도벡터가 표시됩니다.
<표 2 : FLOW-3D를 사용하여 시뮬레이션 된 고점도 유체의 특성>
Fluid Property
Fluid 6
Fluid 7
Fluid 8
Fluid 9
Viscosity [Pa · s]
1.5
0.8
0.5
0.25
Surface Tension [mN / m ]
68
68
68
68
Density [g / cm 3 ]
1
1
1
1
Ohnesorge Number
6.24
3.33
2.08
1.04
고점도 유체 (표 2의 유체 8) 가 노즐에서 떨어지는 것을 시뮬레이션 합니다. 색상변수는 속도크기 (단위 : cm / s) 이며 속도 벡터가 표시됩니다.
Discussion of the Simulation Results
드롭 형성 및 분리는 표1과 표2에 열거 된 유체에 대해 FLOW-3D 를 사용하여 시뮬레이션 하였고, 시간 경과에 따른 necking 모양, 반경을 분석하였습니다. 물방울의 necking 모양과 저점도에서의 necking에 대한 역학(그림 1 참조)은 실험, 흐름 이론, 1D 시뮬레이션, 자기유사 관성에 대한 모세현상의 특성을 나타냅니다 (1, 2, 6, 7, 13) :
(1)
여기서 R (t)가 necking의 순간 반경이고, R0는 노즐의 외부반경이며, 는 표면 장력, 는 유체의 밀도 tC 는 pinch-off 시간이다. 마찬가지로, 이러한 더 높은 점도의 뉴턴유체에 대한 반경 변화데이터는 시간에 따른 반경의 감소를 나타내는 것이며, Papageorgiou’s visco-capillary scaling (8, 9)은 아래의 식으로 표현된다.
(2)
모세관 속도(표면 장력과 점도의 비)의 측정 값은 McKinley와 Tripathi (8)에 의해 Capillary Break-Up Extensional Rheometer (CaBER)라고 불리는 상업적으로 이용 가능한 장비를 사용하여 얻은 값과 모세관 속도는 공칭 표면 장력과 점도를 사용하여 계산됩니다.
FLOW-3D 는 물방울의 necking부분을 속도 벡터로 시각화하여 유체의 흐름을 나타낼 수 있습니다. 또한, 이는 그림 1과 같이 전단, 확장을 겪은 후 얇아지는 물방울이 흐르는 과정의 순간을 결정할 수 있는 가능성을 줍니다. 추가로, 낮은 점도의 뉴턴유체는 높은 점도의 뉴턴 유체에 비해 질적으로 다른 거동을 보여준다(그림 2참조). 낮은 점도의 뉴턴 유체에 대한 necking 프로파일은 이론(6,13)에 따라 자기 유사성이 됩니다.
Conclusions, Outlook and Ongoing work
우리의 예비결과는 FLOW-3D 기반의 전산해석이 액적 형성과 탈착의 기초가 되는 프로토타입의 자유 표면흐름을 시뮬레이션하는데 사용될 수 있음을 보여줍니다 . 시뮬레이션된 반경변화 프로파일이 실험적으로 관찰된 높은 유체 및 이론적으로 예측된 유체인 스케일링 법칙 및 pinch-off dynamics과 일치하는 것을 발견하였습니다.
자주 사용되는 1D 또는 2D 모델과 달리 FLOW-3D 는 기본 응력 및 확장 유동장 (균일도 및 크기)의 강도와 얇은 액체 필라멘트 내 흐름에 대한 시각화를 나타낼 수 있습니다(그림1과 2 참조). 확장 유동장과 연관된 흐름 방향 속도 구배는 모세관현상이 나타나는 물방울의 얇은 부분 내에서 발생합니다. 유동학적으로 복잡한 유체에서 non Newtonian shear 및 신장, 점도뿐만 아니라 그외의 탄성 응력이 nonlinear pinch-off dynamics을 급격하게 변화시킵니다(2, 10-12). 우리는 현재 점탄성과 non-Newtonian 유동학을 사용하여 FLow-3D에 복합 유체의 처리 성능평가를 위한 강력한 연산 프로토콜을 개발하고 있습니다.
References
J. Eggers, Nonlinear dynamics and breakup of free-surface flows. Rev. Mod. Phys. 69, 865-929 (1997).
G. H. McKinley, Visco-elasto-capillary thinning and break-up of complex fluids. Rheology Reviews, 1-48 (2005).
B. Derby, Inkjet Printing of Functional and Structural Materials: Fluid Property Requirements, Feature Stability, and Resolution. Annual Review of Materials Research 40, 395-414 (2010).
O. A. Basaran, H. Gao, P. P. Bhat, Nonstandard Inkjets. Annual Review of Fluid Mechanics 45, 85-113 (2013).
S. Kumar, Liquid Transfer in Printing Processes: Liquid Bridges with Moving Contact Lines. Annual Review of Fluid Mechanics 47, 67-94 (2014).
R. F. Day, E. J. Hinch, J. R. Lister, Self-similar capillary pinchoff of an inviscid fluid. Phys. Rev. Lett. 80, 704-707 (1998).
J. Eggers, M. A. Fontelos, Singularities: Formation, Structure, and Propagation. (Cambridge University Press, Cambridge, UK, 2015), vol. 53.
G. H. McKinley, A. Tripathi, How to extract the Newtonian viscosity from capillary breakup measurements in a filament rheometer. J. Rheol. 44, 653-670 (2000).
D. T. Papageorgiou, On the breakup of viscous liquid threads. Phys. Fluids 7, 1529-1544 (1995).
J. Dinic, L. N. Jimenez, V. Sharma, Pinch-off dynamics and dripping-onto-substrate (DoS) rheometry of complex fluids. Lab on a Chip 17, 460-473 (2017).
J. Dinic, Y. Zhang, L. N. Jimenez, V. Sharma, Extensional Relaxation Times of Dilute, Aqueous Polymer Solutions. ACS Macro Letters 4, 804-808 (2015).
V. Sharma et al., The rheology of aqueous solutions of Ethyl Hydroxy-Ethyl Cellulose (EHEC) and its hydrophobically modified Analogue (hmEHEC): Extensional flow response in capillary break-up, jetting (ROJER) and in a cross-slot extensional rheometer. Soft Matter 11, 3251-3270 (2015).
J. R. Castrejón-Pita et al., Plethora of transitions during breakup of liquid filaments. Proc. Natl. Acad. Sci. U.S.A. 112, 4582-4587 (2015).
FLOW-3D는 미국 뉴멕시코주(New Mexico) 로스알라모스(Los Alamos)에 있는 Flow Scicence, Inc에서 개발한 범용 전산유체역학(Computational Fluid Dynamics) 프로그램입니다. 로스알라모스 국립연구소의 수치유체역학 연구실에서 F.Harlow, B. Nichols 및 T.Hirt 등에 의해 개발된 MAC(Marker and Cell) 방법과 SOLA-VOF 방식을 기초로 하여, Hirt 박사가 1980년에 Flow Science, Inc사를 설립하여 계속 프로그램을 발전시켰으며 1985년부터 FLOW-3D를 전세계에 배포하였습니다.
유체의 3차원 거동 해석을 수행하는데 사용되는 CFD모형은 몇몇 있으나, 유동해석에 적용할 물리모델 선정은 해석의 정밀도와 밀접한 관계가 있으므로, 해석하고자 하는 대상의 유동 특성을 분석하여 신중하게 결정하여야 합니다.
FLOW-3D는 자유표면(Free Surface) 해석에 있어서 매우 정확한 해석 결과를 제공합니다. 해석방법은 자유표면을 포함한 비정상 유동 상태를 기본으로 하며, 연속방정식, 3차원 운동량 보전방정식(Navier-Stokes eq.) 및 에너지 보존방정식 등을 적용할 수 있습니다.
FLOW-3D는 유한차분법을 사용하고 있으며, 유한요소법(FEM, Finite Element Method), 경계요소법(Boundary Element Method)등을 포함하여 자유표면을 포함하는 유동장 해석(Fluid Flow Analysis)에서 공기와 액체의 경계면을 정밀하게 표현 가능합니다.
유체의 난류 해석에 대해서는 혼합길이 모형, 난류 에너지 모형, RNG(Renormalized Group Theory) k-ε 모형, k-ω 모형, LES 모형 등 6개 모형을 적용할 수 있으며, 자유표면 해석을 위하여 VOF(Volume of Fluid) 방정식을 사용하고, 격자 생성시 사용자가 가장 쉽게 만들 수 있는 직각형상격자는 형상을 더욱 정확하게 표현하기 위해 FAVOR(Fractional Area Volume Obstacle Representation) 기법을 각 방정식에 적용하고 있습니다.
FLOW-3D는 비압축성(Incompressible Fluid Flow), 압축성 유체(Compressible Fluid Flow)의 유동현상 뿐만 아니라 고체와의 열전달 현상을 해석할 수 있으며, 비정상 상태의 해석을 기본으로 합니다.
FLOW-3D v12.0은 모델 설정을 간소화하고 사용자 워크 플로우를 개선하는 GUI(그래픽 사용자 인터페이스)의 설계 및 기능에 있어 중요한 변화를 가져왔습니다. 최첨단 Immersed Boundary Method는 FLOW-3Dv12.0솔루션의 정확도를 높여 줍니다. 다른 특징적인 주요 개발에는 슬러지 안착 모델, 2-유체 2-온도 모델, 사용자가 자유 표면 흐름을 훨씬 더 빠르게 모델링 할 수 있는 Steady State Accelerator등이 있습니다.
물리 및 수치 모델
Immersed Boundary Method
힘과 에너지 손실에 대한 정확한 예측은 솔리드 바디 주변의 흐름과 관련된 많은 엔지니어링 문제를 모델링하는 데 중요합니다. FLOW-3D v12.0의 릴리스에는 이러한 문제 해결을 위해 설계된 새로운 고스트 셀 기반 Immersed Boundary Method (IBM)가 포함되어 있습니다. IBM은 내부 및 외부 흐름을 위해 벽 근처 해석을 위해 보다 정확한 솔루션을 제공하여 드래그 앤 리프트 힘의 계산을 개선합니다.
Two-field temperature for the two-fluid model
2유체 열 전달 모델은 각 유체에 대한 에너지 전달 공식을 분리하도록 확장되었습니다. 이제 각 유체에는 고유한 온도 변수가 있어 인터페이스 근처의 열 및 물질 전달 솔루션의 정확도를 향상시킵니다. 인터페이스에서의 열 전달은 시간의 표 함수가 될 수 있는 사용자 정의 열 전달 계수에 의해 제어됩니다.
슬러지 침전 모델 / Sludge settling model
중요 추가 기능인 새로운 슬러지 침전 모델은 도시 수처리 시설물 응용 분야에 사용하면 수처리 탱크 및 정화기의 고형 폐기물 역학을 모델링 할 수 있습니다. 침전 속도가 확산된 위상의 방울 크기에 대한 함수인 드리프트-플럭스 모델과 달리, 침전 속도는 슬러지 농도의 함수이며 기능적인 형태와 표 형태로 모두 입력 할 수 있습니다.
Steady-state accelerator for free surface flows
이름이 암시하듯이, 정상 상태 가속기는 안정된 상태의 솔루션에 대한 접근을 가속화합니다. 이는 작은 진폭의 중력과 모세관 현상을 감쇠하여 이루어지며 자유 표면 흐름에만 적용됩니다.
Void particles
보이드 입자가 버블 및 위상 변경 모델에 추가되었습니다. 보이드 입자는 항력과 압력 힘을 통해 유체와 상호 작용하는 작은 기포의 역할을 하는 붕괴된 보이드 영역을 나타냅니다. 주변 유체 압력에 따라 크기가 변경되고 시뮬레이션이 끝난 후 최종 위치는 공기 침투 가능성을 나타냅니다.
Sediment scour model
침전물의 정확성과 안정성을 향상시키기 위해 침전물의 운반과 침식 모델을 정밀 조사하였다. 특히, 침전물 종에 대한 질량 보존이 크게 개선되었습니다.
Outflow pressure boundary condition
고정 압력 경계 조건에는 이제 압력 및 유체 비율을 제외한 모든 유량이 해당 경계의 상류에 있는 흐름 조건을 반영하는 ‘유출’ 옵션이 포함됩니다. 유출 압력 경계 조건은 고정 압력 및 연속성 경계 조건의 혼합입니다.
Moving particle sources
시뮬레이션 중에 입자 소스는 이동할 수 있습니다. 시간에 따른 변환 및 회전 속도는 표 형식으로 정의됩니다. 입자 소스의 운동은 소스에서 방출 된 입자의 초기 속도에 추가됩니다.
Variable center of gravity
중력 및 비 관성 기준 프레임 모델에서 시간 함수로서의 무게 중심의 위치는 외부 파일의 표로 정의할 수 있습니다. 이 기능은 연료를 소모하는 로켓을 모델링하고 단계를 분리할 때 유용합니다.
공기 유입 모델
가장 간단한 부피 기반 공기 유입 모델 옵션이 기존 질량 기반 모델로 대체되었습니다. 질량 기반 모델은 부피와 달리 주변 유체 압력에 따라 부피가 변화하는 동안 흡입된 공기량이 보존되기 때문에 물리학적 모델입니다.
Tracer diffusion / 트레이서 확산
유동 표면에서 생성된 추적 물질은 분자 및 난류 확산 과정에 의해 확산될 수 있으며, 예를 들어 실제 오염 물질의 거동을 모방합니다.
모델 설정
시뮬레이션 단위
이제 온도를 포함하여 단위계 시스템을 완전히 정의해야 합니다. 표준 단위 시스템이 제공됩니다. 또한 사용자는 선택한 옵션에서 질량, 시간 및 길이 단위를 정의하여 편리하며, 사용자 정의된 단위를 사용할 수 있습니다. 사용자는 또한 압력이 게이지 단위로 정의되는지 절대 단위로 정의되는지 여부를 지정해야 합니다. 기본 시뮬레이션 단위는 Preferences(기본 설정)에서 설정할 수 있습니다. 단위를 완벽하게 정의하면 FLOW-3D는 물리적 수량에 대한 기본 값을 정의하고 범용 상수를 설정할 수 있으므로 사용자가 필요로 하는 작업량을 최소화할 수 있습니다.
Shallow water model
천수(shallow water) 모델에서 매닝의 거칠기
Manning의 거칠기 계수는 지형 표면의 전단 응력 평가를 위해 천수(shallow water) 모델에서 구현되었습니다. 표면 결함의 크기를 기반으로 기존 거칠기 모델을 보완하며이 모델과 함께 사용할 수 있습니다. 표준 거칠기와 마찬가지로 매닝 계수는 구성 요소 또는 하위 구성 요소의 속성이거나 지형 래스터 데이터 세트에서 가져올 수 있습니다.
메시 생성
하단 및 상단 경계 좌표의 정의만으로 수직 방향의 메시 설정이 단순화되었습니다.
구성 요소 변환
사용자는 이제 여러 하위 구성 요소로 구성된 구성 요소에 회전, 변환 및 스케일링 변환을 적용하여 복잡한 형상 어셈블리 설정 프로세스를 단순화 할 수 있습니다. GMO (General Moving Object) 구성 요소의 경우, 이러한 변환을 구성 요소의 대칭 축과 정렬되도록 신체에 맞는 좌표계에 적용 할 수 있습니다.
런타임시 스레드 수 변경
시뮬레이션 중에 솔버가 사용하는 스레드 수를 변경하는 기능이 런타임 옵션 대화 상자에 추가되어 사용 가능한 스레드를 추가하거나 다른 태스크에 자원이 필요한 경우 스레드 수를 줄일 수 있습니다.
프로브 제어 열원
활성 시뮬레이션 제어가 형상 구성 요소와 관련된 heat sources로 확장되었습니다. history probes로 열 방출을 제어 할 수 있습니다.
소스에서 시간에 따른 온도
질량 및 질량/모멘트 소스의 유체 온도는 이제 테이블 입력을 사용하여 시간의 함수로 정의 할 수 있습니다.
방사율 계수
공극으로의 복사 열 전달을위한 방사율 계수는 이제 사용자가 방사율과 스테판-볼츠만 상수를 지정하도록 요구하지 않고 직접 정의됩니다. 후자는 이제 단위 시스템을 기반으로 솔버에 의해 자동으로 설정됩니다.
Output
등속 필드 솔버 옵션을 사용할 때 유량 속도를 선택한 데이터로 출력 할 수 있습니다.
벽 접착력으로 인한 지오메트리 구성 요소의 토크는 기존 벽 접착력 출력과 함께 별도의 수량으로 일반 이력 데이터에 출력됩니다.
난류 모델 출력이 요청 될 때 난류 에너지 및 소산과 함께 전단 속도 및 y +가 선택된 데이터로 자동 출력됩니다.
공기 유입 모델 출력에 몇 가지 수량이 추가되었습니다.자유 표면을 포함하는 모든 셀에서 혼입 된 공기 및 빠져 나가는 공기의 체적 플럭스가 재시작 및 선택된 데이터로 출력되어 사용자에게 공기가 혼입 및 탈선되는 위치 및 시간에 대한 자세한 정보를 제공합니다.전체 계산 영역 및 각 샘플링 볼륨 에 대해이 두 수량의 시간 및 공간 통합 등가물이 일반 히스토리 로 출력됩니다.
솔버의 출력 파일 flsgrf 의 최종 크기는 시뮬레이션이 끝날 때 보고됩니다.
2 유체 시뮬레이션의 경우, 기존의 출력 수량 유체 체류 시간 및 유체 가 이동 한 거리는 이제 유체 # 1 및 # 2와 유체의 혼합물에 대해 별도로 계산됩니다.
질량 입자의 경우, 각 종의 총 부피 및 질량이 계산되어 전체 계산 영역, 샘플링 볼륨 및 플럭스 표면에 대한 일반 히스토리 로 출력되어 입자 종 수에 대한 현재 출력을 보완합니다.
최종 로컬 가스 압력 은 사용자가 가스 포획을 식별하고 연료 탱크의 배기 시스템 설계를 지원하는 데 도움이되는 선택적 출력량으로 추가되었습니다.이 양은 유체로 채워지기 전에 셀의 마지막 공극 압력을 기록하며 단열 버블 모델과 함께 사용됩니다.
새로운 맞춤형 소스 루틴
새로운 사용자 정의 가능 소스 루틴이 추가되었으며 사용자의 개발 환경에서 액세스 할 수 있습니다.
소스 루틴 이름
기술
cav_prod_cal
Cavitation 생성과 소산 비율
sldg_uset
슬러지 침전 속도
phchg_mass_flux
증발 및 응축으로 인한 질량 플럭스
flhtccl
유체 # 1과 # 2 사이의 열전달 계수
dsize_cal
2 상 흐름에서 동적 액적 크기 모델의 응집 및 분해 속도
elstc_custom
점탄성 유체에 대한 응력 방정식의 Source Terms
새로운 사용자 인터페이스
FLOW-3D 사용자 인터페이스는 완전히 새롭게 디자인되어 현대적이고 평평한 구조로 사용자의 작업 흐름을 획기적으로 간소화합니다.
Setup dock widgets
Physics, Fluids, Mesh 및 FAVOR ™를 포함한 모든 설정 작업이 지오 메트리 윈도우 주변에서 독 위젯으로 변환되어 모델 설정을 단일 탭으로 요약할 수 있습니다. 이러한 전환으로 인해 이전 버전의 복잡한 접이식 트리가 훨씬 깨끗하고 효율적인 메뉴 프레젠테이션으로 대체되어 사용자는 ModelSetup탭을 떠나지 않고도 모든 매개 변수에 쉽게 액세스 할 수 있습니다.
New Model Setup icons
새로운 모델 설정 디자인에는 설정 프로세스의 각 단계를 나타내는 새로운 아이콘이 있습니다.
New Physics icons
RSS feed
새 RSS 피드부터 FLOW-3D v12.0의 시뮬레이션 관리자 탭이 개선되었습니다. FLOW-3D 를 시작하면 사용자에게 Flow Science의 최신 뉴스, 이벤트 및 블로그 게시물이 표시됩니다.
Configurable simulation monitor
시뮬레이션을 실행할 때 중요한 작업은 모니터링입니다. FLOW-3Dv1.0에서는
사용자가 시뮬레이션을 더 잘 모니터링할 수 있도록 SimulationManager의 플로팅 기능이 향상되었습니다. 사용자는 시뮬레이션 런타임 그래프를 통해 모니터링할 사용 가능한 모든 일반 기록 데이터 변수를 선택하고
각 그래프에 여러 변수를 추가할 수 있습니다. 이제 런타임에서 사용할 수 있는 일반 기록 데이터는
다음과 같습니다.
최소/최대
유체 온도
프로브 위치의 온도
유동 표면 위치에서의 유량
시뮬레이션 진단(예:시간 단계, 안정성 한계)
출입문에 유동 표면이 있는 대형 댐 Runtime plots of the flow rate at the gates of the large dam
Conforming 메쉬 시각화
용자는 이제 새로운 FAVOR ™ 독 위젯을 통해 적합한 메쉬 블록을 시각화 할 수 있습니다.
Large raster and STL data
데이터를 처리하는 데 걸리는 시간 때문에 큰 지오 메트리 데이터를 처리하는 것은 수고스러울 수 있습니다. 대형 지오 메트리 데이터를 처리하는 데는 여전히 상당한 시간이 걸릴 수 있지만, FLOW-3D는 이제 이러한 대규모 데이터 세트를 백그라운드 작업으로 로드하여 사용자가 데이터를 처리하는 동안 완전히 응답하고 중단 없는 인터페이스에서 작업을 계속할 수 있습니다
3D 자유 표면 흐름을 모델링 할 때 FLOW-3D의 고유한 강점은 복잡한 수리 환경분야에 쉽게 적용할 수 있는 최적화된 플랫폼이 제공된다는 점 입니다. FLOW-3D 소프트웨어는 수십년 동안 복잡한 흐름 역학, 흐름/구조 상호 작용 및 환경 예측을 위해 업계 전문가들이 사용해 왔습니다. FLOW-3D의 적용에는 수처리 시설물 , 하천 계획 및 복원 , 댐 안전, 수력 및 방수 작업 , 설계 및 최적화, 저수지 유지 관리 및 계획, 해안 및 하구 공학 분야가 포함됩니다.
독특한 모델링 도구
하이브리드 3D/천수(shallow water) 해석기능은 계산상 매우 효율적이고 정확합니다. 천수(shallow water) 모델 솔루션은 대규모 도메인 (수 킬로미터 이상)에서의 유동 모델링을 허용하고 hydraulic jumps 및 침전물 이송을 정확하게 포착합니다. 브리지 교각 및 방수로와 같이 수직 흐름 효과가 중요한 지역의 3D 솔루션과 매끄럽게 연결됩니다. 또한, 등각 메쉬 (conformal meshing)는 효율적인 메쉬 생성을 능률화하고 사용자가 기하학적인 세부 사항을 쉽게 해결할 수 있게 합니다.
강력한 물리 모델
FLOW-3D는 퇴적물 정련 및 수송, 밀도 층화 및 혼합, 기포 및 캐비테이션, 증발 및 상 변화, 화학적 예측 및 수송, 다공성 매체를 포함하는 강력한 물리 모델을 추가로 포함합니다. 정확한 3 차원 유동 모델링 및 물리학 패키지를 통해 FLOW-3D 는 매우 복잡한 환경에서도 정확하고 효과적인 시뮬레이션을 결과를 제공합니다. 제공된 사례는 미세한 뉴트리안 광산 꼬리끌림의 영향을받는 세밀한 3D 유압 영역을 매핑하고 파고를 예측하는 것입니다. FLOW-3D 의 다 기능성은 사용자가 하나의 응용 프로그램에서 다음 응용 프로그램으로 부드럽게 탐색 할 수있게하며, 가장 복잡한 문제에 대한 탁월한 정확성과 사용 편의성을 제공합니다.
FLOW-3D 는 금속 주조를 위해 특별히 고안된 다양한 물리모델을 제공하고 있습니다. 제공되는 물리모델은 모든 종류의 금속 주조 응용 및 분석이 필요한 업무에 가장 정확한 솔루션을 제공합니다. 이를 통해 고객들은 지속적으로 주조 수율과 품질을보다 적은 시간과 비용으로 개선할 수 있습니다.
자유 표면 흐름을 정확하게 예측하기 위한 특수 기능을 갖춘 FLOW-3D 는 금형 충진 및 공기 포집과 같은 관련 결함을 시뮬레이션하는데 가장 먼저 선택됩니다. 강력하고 유연한 열 전달 모델은 금속과 금형 사이의 열 교환을 빠르고 정확하게 예측할 수 있으며 응고, 냉각 채널 및 열 다이 사이클링 시뮬레이션을위한 견고한 기반을 마련합니다.
금형 충진과 결합 할 수있는 응고 및 수축 모델은 과도한 수축 또는 다공성 영역을 정확히 파악할 수 있으며, 고객이 라이저의 배치를 결정하여 이러한 결함이 완화되도록 할 수 있습니다. 세분화된 매체 모델 및 수분 건조 모델을 사용하여 모래 코어 분사 및 건조를 시뮬레이션 할 수 있습니다.
FLOW-3D 의 유한 요소 기반 열 응력 모델을 통해 고객은 응력이 발생하는 위치와 주조가 왜곡되는 현상을 정확하게 예측할 수 있으므로, 고객은 금속 주조에서 열 응력 결함을 제거 할 수 있습니다. 주철 모델은 공극 반응 동안 흑연, 감마철 및 탄화물 위상의 형성을 예측하여 FLOW-3D 의 적용 범위를 확장합니다 . 코어 가스 제품군의 독특한 특징으로 코어 가스 생성 및 모래 코어의 유동을 모델링하며, 이는 금속 주조에서 코어 가스 관련 결함을 예측할 수 있습니다.
FLOW-3D 는 금속 주조 모델링 및 시뮬레이션의 선두 주자입니다. 금속 주조 산업에 대한 오랜 연구개발과 고객과의 지속적인 협력을 통해 개발된 응용 프로그램으로 고객의 품질과 생산성을 향상시키고 지속적으로 혁신 할 수 있도록 지원할 것입니다.
FLOW-3D 는 고도의 정확성이 필요한 항공, 자동차, 수자원 및 환경, 금속 산업분야의 세계적인 선진 기업에서 사용됩니다.
FLOW-3D의 광범위한 다중 물리 기능(multiphysics )은 자유 표면 흐름, 표면 장력, 열전달, 난류, 움직이는 물체, 단순 변형 고체, 전기 기계, 캐비테이션, 탄/소성, 점성, 가소성, 입자, 고체 연료, 연소 및 위상 변화를 포함합니다. 이러한 모델은 FLOW-3D를 사용하는 사용자들이 기술 및 과학의 광범위한 문제를 해결하도록 설계를 최적화하고 복잡한 프로세스 흐름에 대한 통찰력을 얻을 수 있도록 합니다.
유체 흐름 문제는 복잡한 기하학적 구조의 자유 표면과 관련되는 경우가 많으며 대부분 매우 일시적입니다. 수력학의 예로는 배수로, 강, 교각 주변, 홍수 범람, 수문, 잠금 장치 및 다수의 기타 구조물의 흐름이 있습니다. 이러한 유형의 흐름을 계산적으로 모델링 하는 능력은 이러한 계산이 정확하고 합리적인 계산 자원으로 수행될 수 있다면 매력적입니다. 유용하게 사용하려면 시뮬레이션은 물리적 모델을 사용하는 것보다 훨씬 빠르고 저렴해야 합니다.
Fluid flow problems often involve free surfaces in complex geometry and in many cases are highly transient. Examples in hydraulics are flows over spillways, in rivers, around bridge pilings, flood overflows, flows in sluices, locks, and a host of other structures. A capability to computationally model these types of flows is attractive if such computations can be done accurately and with reasonable computational resources. To be useful, simulations should be much faster and less expensive than using physical models.
많은 컴퓨터 프로그램은 유체의 역학을 설명하는 편미분 방정식을 풀 수 있습니다. 시뮬레이션에 자유 표면을 포함 할 수있는 프로그램은 많지 않습니다. 그 이유는 Free Surface 경계 문제로 잘 알려진 수학적인 문제입니다. 자유 경계 문제는 다루기 어려운 표면이 이동함에 따라 계산 영역이 변화하는 한편, 그 표면 이동 자체가 계산에 의해 결정된다는 점에 있습니다. 계산 영역의 변화는 그 크기와 모양의 변화뿐만 아니라, 경우에 따라서는 영역의 결합과 분리(즉, 자유 표면의 발생과 소멸)을 포함합니다.
Many computer programs can solve the partial differential equations describing the dynamics of fluids. Not many programs are capable of including free surfaces in their simulations. The difficulty is a classical mathematical one often referred to as the free-boundary problem. A free boundary poses the difficulty that on the one hand the solution region changes when its surface moves, and on the other hand, the motion of the surface is in turn determined by the solution. Changes in the solution region include not only changes in size and shape, but in some cases, may also include the coalescence and break up of regions (i.e., the loss and gain of free surfaces).
이 책에서는 모든 자유 표면을 고려한 유체흐름 현상을 수치 해석용으로 모델링하는 방법에 대해 설명합니다. 이 기술은 VOF (Volume-of-Fluid) 법에 근거한 것으로, 특히 자유 표면 흐름에 적합한 다양한 기능을 제공합니다. 이 책에서는 VOF 법이 자유 표면과 그 발생과 소멸을 해석하는데 가장 자연스럽고 매우 효율적인 방법을 제시합니다.
In this note a computational modeling technique for fluid flows with arbitrary free surfaces is discussed. The technique is based on the Volume-of-Fluid (VOF) technique. This technique has many unique properties that make it especially applicable to flows having free surfaces. The goal of this discussion is to show why the VOF approach offers a natural way to capture free surfaces and their evolution with great efficiency.
VOF 법의 특징을 잘 보여주기 위해 간단하지만 매우 중요한 유동 현상에 관한 문제를 다룹니다. 여기에서는 계단 낙차형상의 낙하류를 예로 들어 있습니다. 개념적으로 간단한 흐름인 동시에 결과의 타당성을 확인하기위한 좋은 실험 데이터도 제공되어 있습니다 (N. Rajaratnam and MR Chamani “Energy Loss at Drops”J. Hydraulic Res. Vol. 33 p.373,1995 참조).
A good recommendation for the VOF method is to demonstrate its capabilities on a simple hydraulic flow problem, one that is far from trivial. The example selected is of flow over a step. This flow has conceptual simplicity and good experimental data available for validation (see N. Rajaratnam and M.R. Chamani, “Energy Loss at Drops,” J. Hydraulic Res. Vol. 33, p.373, 1995).
Prototype Hydraulic Flow with Free Surfaces
그림 1a는 정상 상태에 도달 한 후 흐름의 문제를 보여줍니다. 계단 낙차형상 상부로부터의 월류(액체 또는 스냅 시트)에는 상하 모두의 자유 표면이 있습니다. 월류의 아래쪽에는 월류와 계단 가공면 사이에 웅덩이가 형성되어 있으며, 하류에서는 액체는 평평한 정상 표면에서 오른쪽으로 흐르고 있습니다. 엄밀히 말하면, 웅덩이 영역의 흐름 상태는 정상입니다. 이것은 충돌하는 액체에 의해 풀에 난류 혼합이 발생하고 있기 때문입니다. 그러나 평균적인 구성이 존재하고 그것은 실험에서도 보고됩니다.
Figure 1a shows the flow problem after it has reached a steady-state condition. The overflow (sheet of liquid or nappe) leaving the top of the step has both an upper and lower free surface. At the bottom of the overflow a pool has formed between the overflow and the face of the step, while downstream, liquid is flowing to the right with a flat, steady surface. Strictly speaking, the flow conditions in the pool region are not steady because turbulent mixing is generated in the pool by the impinging fluid. There is, however, an average configuration and that is what is reported in the experiments.
실용적인 목적 유동 흐름은 항상 2 차원입니다. 즉, 그림 1a에서 수직 방향에서는 큰 변화는 없습니다. 현실에서는 웅덩이 위쪽으로 공간을 만들기 위해서는 대기에 여유공간이 필요하고, 그게 없으면 닫힐 것입니다.
For all practical purposes the flow is two-dimensional, that is, it does not have any significant variation in the direction normal to the illustration in Fig. 1a. In actuality, to have an air space above the pool there must be some opening to the atmosphere otherwise it would close up.
계단 낙차형상 상단의 유속은 중요합니다. 즉, 이것은 표면파와 같거나 그 이상의 속도이기 때문에 하류에서의 교란이 영역을 관통하고 상류 흐름 (계단 낙차형상의 왼쪽)에 영향을 줄 수 없습니다. 따라서 이 영역에서의 흐름은 예외적으로 원활하고 정상입니다.
The flow speed at the top of the step is critical, that is, it has a speed equal to or greater than the speed of surface waves, so that no disturbances from downstream can penetrate through this region to affect flow upstream (to the left of the step), which is why the flow is exceptionally smooth and steady in that region.
이 문제는 수치 시뮬레이션과 비교할 수 있는 기하 형상 기능이 많이 있습니다. 예를 들어, 계단 낙차형상의 전후 흐름의 높이, 월류가 바닥에 충돌 할 때의 각도, 월류 아래에 형성되는 웅덩이의 깊이 등입니다. 또한 실용화를 위한 중요한 비교 항목으로는, 계단 낙차형상을 통해 떨어지는 낙하 류에 의해 손실되는 에너지의 양 (운동 에너지와 위치 에너지의 합)가 있습니다.
There are many geometric features in this problem that can be compared with a numerical simulation; such as flow heights before and after the step, the angle of the overflow stream when it strikes the bottom and the depth of the pool formed under the overflow. Additionally, an important comparison for practical applications is the amount of energy (i.e., kinetic plus potential) lost by the flow in passing over the step.
Simulation of Prototype Problem
그림 1a는 시뮬레이션의 결과입니다. 이 예에서는 실험에 사용된 모든 기하 형상 및 물질의 특성이 시뮬레이션에 사용되었습니다. 실험실 테스트에서 사용한 계단 낙차형상의 높이가 62cm에서 액체는 보통의 물 (밀도 = 1.0gm / cc 어떻게 점성 = 0.01dynes / cm)입니다. 계산 영역에 들어가는 물의 깊이는 15.5cm에서 속도가 임계에 가까운 123.0cm/s 였습니다. 물론, 중력은 수직 방향으로 크기는 g = -980cm / s^2입니다.
Figure 1a is from a simulation. For this example all of the geometric and material properties used in the experiments were used in the simulation. The height of the step used in the laboratory test is 62cm and the fluid is ordinary water (density=1.0 gm/cc and dynamic viscosity=0.01dynes/cm). The depth of water entering the computational region was 15.5cm and was given a near critical velocity of 123.0cm/s. Of course, gravity was in the vertical direction with magnitude g=-980cm/s^2.
Figure 1a. Simulation of flow over a step.
Figure 1b. Grid used in simulation.
월류 왼쪽에 있는 웅덩이에 난류가 발생 할 것으로 예상 되었기 때문에, 시뮬레이션에서는 난류 모델 (the Renormalization Group, 즉 RNG 모델)을 사용했습니다. 그 후, 난류 모델을 사용하지 않고 한 시뮬레이션에서도 비슷한 결과를 얻을 수 있었지만, 이것은 그다지 놀라운 일이 아닙니다. 흐름의 중요한 요소의 대부분은 매끄러운 (즉 난류가 아닌) 유입, 유출, 월류 때문입니다.
Because some turbulence was expected to develop in the pool to the left of the overflow, a turbulence model (the Renormalization Group or RNG model) was used in the simulation. Subsequent simulations without a turbulence model produced very similar results, which is not too surprising since most of the important elements of the flow are smooth (i.e., non-turbulent) inflow, overflow and outflow streams.
그림 1b 시뮬레이션 영역은 폭 170cm, 높이 100cm에 가로 80 개, 세로 60 개, 총 4800 개의 셀로 구성되는 같은 크기의 사각형 셀의 격자로 세분화되어 있습니다. 이 격자는 유체 역학의 지배 미분 방정식 (나비에 – 스토크스 방정식)의 유한 차분 근사의 기초로 사용됩니다. 격자 셀의 수와 크기는 흐름 속에서 예측되는 최소의 특성을 파악하는 목적으로 선택되었습니다. 결과를보고 어떤 조정이 필요하다고 생각되는 경우는 숫자를 쉽게 늘리거나 줄일 수 있습니다. 사실, 해상도를 바꾸어 시뮬레이션을 반복하여 계산이 그러한 변화에 영향을 많이 들어 있지 않은지 확인하는 것이 좋습니다.
The simulation region shown in Fig. 1b is 170cm wide and 100cm high and has been subdivided into a grid of equal sized rectangular cells consisting of 80 cells in the horizontal direction and 60 cells in the vertical direction, for a total of 4800 cells. This grid is used as the basis for finite-difference approximations of the governing differential equations of fluid dynamics (the Navier-Stokes equations). The number and size of the grid cells was chosen with the goal of capturing the smallest expected features of the flow. The number can be easily increased or decreased if the results seem to warrant some adjustment. In fact, it is often a good idea to repeat a simulation with a change of resolution to make sure that the solution is not too sensitive to such changes.
왼쪽의 경계는 지정된 속도 경계입니다 (유체의 높이도 지정). 오른쪽의 경계는 유출 경계에서 모든 유량이 경계에 수직 제로 기울기이며, 균일 한 유출이 촉진됩니다. 상하 경계는 단단한 벽으로 세 번째 방향의 경계는 대칭면 (점성 저항 제로의 벽)으로 처리되었습니다. 계단 낙차형상의 표면도 자유-미끄럼(free slip) 경계로 처리되었습니다.
The left boundary was a specified velocity boundary (also with a specified fluid height). The right boundary was an outflow boundary where all flow quantities have a zero gradient normal to the boundary to encourage a uniform outflow. The top and bottom boundaries are rigid walls, while in the third direction the boundaries were treated as planes of symmetry (i.e., walls with zero viscous drag). The surface of the step was also treated as a free-slip boundary.
초기 조건은 예측되는 흐름의 배열을 대략적으로 근사하도록 설정할 수 있었지만, 흐름의 구성은 계산하고 싶은 것 중 하나이기 때문에 유체가 어떻게 분포되는지를 모르는 경우에는 간단한 방법이 필요합니다. 이 예제에서는 비정상 흐름 시뮬레이터를 사용했기 때문에 그림 1a의 계단 낙차형상에 유체의 블록만 있고 왼쪽 경계의 같은 수평 속도와 높이가 할당된 간단한 초기 조건을 정의할 수 있습니다. 시뮬레이션은 이후 정상 흐름으로 발전하고 있지만, 이것은 약 8.0 초 후에 발생합니다. 시뮬레이션은 정상 상태에 도달 한 것을 보장하기 위해, 10.0 초의 시간까지 실행되었습니다. 그림 2는 중간 시간을 두 보여줍니다. 도 2b는 0.2 초, 그림 2c는 0.5 초 시점에서 그림 2d는 마지막 10.0 초 시점을 보여줍니다.
Initial conditions could have been set to roughly approximate the expected flow arrangement, but since the flow configuration is one of the things that one would like to compute, especially for situations where one doesn’t know what the distribution of fluid is likely to be, a simpler approach is needed. Because a transient flow simulator was used for this example a simple initial condition could be defined that consisted of just a block of fluid on top of the step, Fig. 1a with the same horizontal velocity and height assigned to the left boundary. The simulation then followed the development of the steady flow, which occurs after about 8.0s. The simulation was run out to a time of 10.0s to assure that steady conditions had been reached. Figure 2 shows two intermediate times; 2.b at 0.2s and 2.c at 0.5s plus the final time in 2.d at 10.0s.
Figures 2a-2d. Simulation times of 0.0, 0.2, 0.5 and 10.0s.
처음에는 단일 결합하고 있는 자유 표면이었던 것이 액체가 바닥에 충돌한 후 2 개의 독립적인 자유 표면 (상하 스냅 표면)으로 변화하는 것에 주목하십시오. 아래 경계의 충격점의 좌우로 흐름이 분리되도 문제는 없습니다. 이에 대해서는 다음 섹션에서 자세히 설명합니다.
It should be noted that what starts as a single, connected free surface changes to two independent free surfaces (upper and lower nappe surfaces) after the fluid strikes the bottom. No difficulties are experienced with this separation of the flow into portions flowing to the left and right of the impact point on the bottom boundary. This will be discussed at further length in the next section.
실험과 시뮬레이션의 비교는 다음 표와 같으며 매우 잘 일치하고 있습니다.
Comparisons between experiment and simulation are given in the following table and are in excellent agreement.
Comparison Table
Experimental Results
Simulation Results
Outflow Height/Step Height
0.094
0.094
Pool Height/Step Height
0.41
0.41
Angle of Nappe at Bottom
57°
59°
Energy Loss/Initial Energy
0.29
0.296
이러한 결과를 고려하면이 같은 정밀도를 달성하려면 상당한 계산시간이 필요할 것으로 생각될지도 모릅니다. 그러나 실제로는 Pentium 4, 3.20GHz의 데스크톱 컴퓨터의 총 CPU 시간은 단 88 초였습니다. 계산시간이 너무 짧은 것은 설명이 필요하며, 이것은 다음 섹션의 목적입니다.
In view of these results it might be expected that a considerable amount of computational time would be required to achieve such accuracy. In fact, the total cpu time on a desktop Pentium 4, 3.20GHz computer was only 88s. Such a short computational time requires explanation and that is the purpose of the following sections.
Figures 2a-2d. Simulation times of 0.0, 0.2, 0.5 and 10.0s.
Why the VOF Technique Works Well / VOF 법이 적합한 이유
VOF 법의 구조와 그것이 매우 효율적인 방법인 이유를 이해하기 위해 다양한 계산법 중에서도 특히 VOF 법에 대한 몇 가지 기본 개념을 나타냅니다.
There are a few general concepts about computational methods and the VOF technique in particular that can be used to gain an understanding of how and why VOF works so efficiently.
Basic Theory
모든 수치해석 방법에서 흐름의 문제를 단순하게 산술 계산하도록 유한의 수치 세트로 단순화해야합니다. 연속 유체를 이산화된 수치 세트에 근사하기 위해서 일반적으로 사용되는 것이 유체가 차지하는 공간을 격자로 분할하는 방법입니다. 이 격자는 일반적으로 다수의 작은 직사각형의 블록(요소)로 구성됩니다. 이러한 각 요소에 대해 평균화 처리를 실시함으로써 그 요소의 유체의 압력, 밀도, 속도 및 온도의 대표 값을 얻을 수 있습니다.
All numerical methods must use some simplification to reduce a fluid flow problem to a finite set of numerical values that can then be manipulated using elementary arithmetical operations. A typical procedure for approximating a continuous fluid by a discrete set of numerical values is to subdivide the space occupied by the fluid into a grid consisting of a set of small, often rectangular “bricks.” Within each element an averaging process is applied to obtain representative element values for the fluid’s pressure, density, velocity and temperature.
간단한 수식을 사용해, 어느 시간에 걸친 각 요소 값과 인접한 요소의 상호 작용을 근사할 수 있습니다. 예를 들어, 요소의 밀도는 그 요소와 인접 요소 사이에서 (질량 보존에 의한) 질량 유량이 교환된 경우에만 변경됩니다. 요소 사이에서 질량이 교환되는 물질의 속도는 운동량 보존 법칙에 의해 계산되며 일반적으로 나비에-스토크스 방정식으로 표현됩니다. 나비에-스토크스 방정식은 인접한 요소 사이에 작용하는 압력과 점성 응력을 이용하여 요소에서 변화하는 유체 속도를 근사합니다.
Simple equations can be devised to approximate how each element’s values interact with neighboring elements over time. For instance, the density of an element can only change when there is a net flow of mass exchanged between an element and its neighbors (i.e., conservation of mass). The material velocity that carries mass between elements is computed from the conservation of momentum principal, usually expressed in the form of the Navier-Stokes equations, which uses the pressures and viscous stresses acting between neighboring elements to approximate the changing fluid velocities in the elements.
이러한 요소와 인접 요소 사이의 상호 작용에 따른 아이디어는 편미분 방정식 근방의 양의 변화에 의해 생기는 작은 변화의 효과를 평가하는 것과 본질적으로 동일합니다. 공학계의 교과서에서 파생된 작은 컨트롤 볼륨을 사용하여 그 크기를 무한대까지 작게 한 근사치의 극한으로 편미분 방정식이 유도됩니다. 수치 시뮬레이션에서도 같은 방식을 취하고 있지만, 요소 수가 너무 많으면 추적이 어렵게 되어 컨트롤 볼륨의 크기를 최대한 작게 만들 수 없습니다. 실제 시뮬레이션 현상을 해결하는데 충분하고 계산 시간을 최소한으로 억제 할 수 있는 요소수를 설정하는 것이 목표입니다.
This idea of an element interacting with its neighbors is essentially what is meant by a partial differential equation; that is, evaluating the effects of small changes caused by the variation in quantities nearby. Partial differential equations are typically derived in engineering text books as the limit of approximations made with small control volumes whose sizes are then reduced to infinitesimal values. In a numerical simulation the same thing is done except that the control volume sizes cannot be taken to the limit because that would require too many elements to keep track of. In practice, the goal is to use enough elements to resolve the phenomena of interest, and no more, so that computing times are kept to a minimum.
요소에 사용되는 연산은 기본적으로 더하기, 빼기, 곱하기 및 나누기만 포함된 간단한 것입니다. 예를 들어, 요소의 질량의 변화는 일정한 시간 간격에 걸쳐 요소의 측면에서 유입 및 유출된 질량의 가산 및 감산에서 구할 수 있습니다. 그러나 시뮬레이션에서는 이러한 연산을 수천, 때로는 수백만 요소에 대해 매우 짧은 시간 간격에 대해 반복 계산해야합니다. 따라서 이러한 반복 계산의 고속 처리는 컴퓨터가 적합합니다.
Arithmetical operations associated with an element generally involve only simple addition, subtraction, multiplication and division. For instance, the change of mass in an element involves the addition and subtraction of mass entering and leaving through the faces of the element over a fixed interval of time. A simulation requires that these operations be done for thousands or even millions of elements as well as repeated for many small time intervals. Computers are ideal for performing these types of repetitive operations very rapidly.
자유 표면을 수반하는 유체 운동의 시뮬레이션에서는 형상이 변화하는 계산 영역을 다루어야합니다. 이 복잡성에 대응할 수있는 분석 방법이 아래에서 설명하는 VOF 법입니다.
Simulating fluid motion with free surfaces introduces the complexity of having to deal with solution regions whose shapes are changing. A convenient way to deal with this is to use the Volume of Fluid (VOF) technique described next.
The VOF Concept
VOF 법은 각 격자 셀의 체적 중 액체가 차지하는 비율, 즉 체적 점유율을 기록한다는 생각에 근거합니다. 일반적으로 부피 점유율은 F로 표시됩니다. F는 부피 점유율이기 때문에 값이 취할 수있는 범위는 0.0 ~ 1.0입니다.
The VOF technique is based on the idea of recording in each grid cell the fractional portion of the cell volume that is occupied by liquid. Typically the fractional volume is represented by the quantity F. Because it is a fractional volume, F must have a value between 0.0 and 1.0.
액체 내부의 영역에서는 F 값은 1.0이 액체의 외부, 즉 (공기 등) 기체 영역에서 F 값은 0입니다. F 값이 0.0과 1.0 사이에서 변화하는 장소가 자유 표면이 존재하는 위치입니다. 즉 0.0보다 크고 1.0보다 작은 F 값을 가지는 요소는 반드시 표면을 가지고 있습니다.
In interior regions of liquid the value of F would be 1.0, while outside of the liquid, in regions of gas (air for example), the value of F is zero. The location of a free surface is where F changes from 0.0 to 1.0. Thus, any element having an F value lying between 0.0 and 1.0 must contain a surface.
여기서 유의해야 할 것은 VOF 법에서 자유 표면을 직접적으로 정의하는 것이 아니라 벌크 유체의 위치를 정의한다는 점입니다. 이렇게하면 계산상의 어려움을 초래하지 않고 유체 영역을 결합 또는 분할 할 수 있습니다. 자유 표면은 단순히 유체의 체적 점유율이 1.0과 0.0 사이에서 변화하는 장소로 정의됩니다. 이것은 자유 표면을 수반하는 거의 모든 문제에 적용 할 수 VOF 법의 뛰어난 특징이기도합니다.
It is important to emphasize that the VOF technique does not directly define a free surface, but rather defines the location of bulk fluid. It is for this reason that fluid regions can coalesce or break up without causing computational difficulties. Free surfaces are simply a consequence of where the fluid volume fraction passes from 1.0 to 0.0. This is a very desirable feature that makes the VOF technique applicable to just about any kind of free surface problem.
또한 격자의 각 요소에 단일 수치 (F)를 할당하여 유체의 위치를 기록 할 수 있는 점도 VOF 법의 중요한 특징입니다. 이것은 평균값을 기준으로 압력과 속도 등 다른 모든 유체 물성의 기록과 완전히 일치합니다.
Another important feature of the VOF technique is that it records the location of fluid by assigning a single numerical value (F) to each grid element. This is completely consistent with the recording of all other fluid properties in an element such as pressure and velocity components by their average values.
Some Details of the VOF Technique
Figure 3. Surface in 1D column of elements.
정확도를 위해 요소 내에 자유 표면을 배치하는 방법을 갖는 것이 바람직합니다. 인접 요소의 F 값을 고려하면 이를 쉽게 할 수 있습니다. 예를 들어, 열의 일부에 액체가 충전되어있는 1 차원 요소를 상상하십시오 (그림 3). 액체의 표면은 열 중앙 영역의 요소에 있습니다. 이것을 표면 요소라고합니다. 여기에서는 표면 요소를 제외하고 F 값은 0.0 또는 1.0이어야한다고 가정하고 있기 때문에 이를 사용하여 표면의 정확한 위치를 파악할 수 있습니다. 우선, 표면이 표면 또는 바닥을 확인하는 테스트를 실시합니다. 표면요소에 대해 액체가 없을 경우에는 표면으로 간주합니다. 위의 요소에 액체가 들어있는 경우는 물론, 그 표면은 바닥입니다. 윗면에 관해서는 정확한 위치는 표면 요소의 아래쪽에서 위쪽으로 요소의 세로 크기를 F 배 한 거리에있는로 계산합니다. 바닥도 마찬가지로 표면 요소의 상단에서 아래로, 요소의 세로 크기를 F 배 한 거리에 있습니다. 이 방법에 의한 요소의 표면 위치의 특정은 요소 내의 액체의 부피 점유율로 F를 정의한 후에 합니다.
For accuracy purposes it is desirable to have a way to locate a free surface within an element. Considering the F values in neighboring elements can easily do this. For example, imagine a one-dimensional column of elements in which a portion of the column is filled with liquid, Fig. 3. The liquid surface is in an element in the central region of the column, which will be referred to as the surface element. Because we assume the values of F must be either 0.0 or 1.0, except in the surface element, we can use this to locate the exact position of the surface. First a test is made to see if the surface is a top or bottom surface. If the element above the surface element is empty of liquid, the surface must be a top surface. It the element above is full of liquid then, of course, the surface is a bottom surface. For a top surface we compute its exact location as lying above the bottom edge of the surface element by a distance equal to F times the vertical size of the element. A bottom surface is similarly located a distance equal to F times the vertical size of the element below the top edge of the surface element. Locating the surface within an element in this way follows from the definition of F as a fractional volume of liquid in the element.
1 차원 열의 표면 위치 계산은 간단하고 정확하며 계산이 거의 필요없습니다. 그러나 2 차원 및 3 차원의 경우 하나의 표면 셀에 연속적인 표면 방향이 존재할 가능성이 있기 때문에 위치 계산은 조금 복잡해집니다. 그럼에도 불구하고 이를 취급하는 것은 어렵지 않습니다. 그림 4의 이차원의 예는 표면의 위치를 계산할 뿐만 아니라 경사와 곡률도 이해할 수 있는 쉬운 방법을 보여줍니다.
Calculating surface locations in one-dimensional columns is simple, accurate and requires very little arithmetic. In two and three dimensional situations, however, computing a location is a little more complicated because there is a continuous range of surface orientations possible within a surface cell. Nevertheless, dealing with this is not difficult. A two-dimensional example, Fig. 4, will illustrate a simple way to not only compute the location of the surface, but also to get a good idea of its slope and curvature.
Figure 4. Surface in 2D grid of elements.
1 차원의 경우처럼 먼저 인근 요소를 테스트하여 표면의 대략적인 방향을 찾아야합니다. 그림 4는 바깥 쪽의 법선이 상승 방향에 가장 가깝게 됩니다. 이것은 그 방향 밖의 값의 차이가 다른 방향보다 크기 때문입니다. 그럼 거의 수직으로 있는 요소 열에서 표면의 국소적인 높이가 계산됩니다. 그림 4의 2 차원의 경우에는 이러한 높이가 화살표로 표시되어 있습니다. 마지막으로, 표면 요소를 포함하는 컬럼의 높이에 따라 그 요소의 표면의 위치를 확인합니다. 다른 2 개의 높이를 사용하면 국소적인 표면 경사와 표면 곡률을 계산할 수 있습니다.
As in the one-dimensional case, it is first necessary to find the approximate orientation of the surface by testing the neighboring elements. In Fig. 4 the outward normal would be closest to the upward direction because the difference in neighboring values in that direction is larger than in any other direction. Next, local heights of the surface are computed in element columns that lie in the approximate normal direction. For the two-dimensional case in Fig. 4 these heights are indicated by arrows. Finally, the height in the column containing the surface element gives the location of the surface in that element, while the other two heights can be used to compute the local surface slope and surface curvature.
3 차원에서도 동일한 절차를 사용하지만, 표면 요소의 주위에 있는 9개의 열에 대해 열 높이를 요구해야합니다. 필요한 계산은 조금 더 걸리지만, 주된 내용은 열의 간단한 덧셈과 경사와 곡률을 추구하는 열의 높이의 합과 차이가 있습니다. 이 토론을 토대로, 이제 자유 표면을 정의하는 데 필요한 모든 정보를 빠르고 쉽게 평가하기 위해 부분 유체 체적을 사용하는 방법을 알아야합니다.
In three-dimensions the same procedure is used although column heights must be evaluated for nine columns around the surface element. Although a little more computation is needed, it consists primarily of simple summations in the columns and then sums and differences of column heights for evaluating the slope and curvature. Based on this discussion, the reader should now see how the fractional fluid volume can be used to quickly and easily evaluate all the information needed to define free surfaces.
다루어야 할 문제가 앞으로 2 개 남아 있습니다. 하나는 그림 1 및 2와 같은 시뮬레이션은 유체가 존재하는 영역에는 유체 역학만으로 해결합니다. 이것은 VOF 법의 계산 효율이 높은 또 하나의 이유입니다. 계단 형상의 낙하류의 문제로 유체가 차지하는 영역은 계산 격자의 오픈 공간의 절반 이하입니다. 액체를 둘러싼 기체의 흐름을 계산할 필요가 있다면 필요한 계산 시간이 크게 늘어납니다. 그러나 액체만으로 계산을 할 경우 자유 표면 경계 조건을 지정해야합니다. 이 조건은 접선 응력의 소실과 기체의 압력에 동일한 표준 압력을 표면에 추가하는 것입니다.
There are two remaining issues to deal with. One issue is that a simulation like that in Figs. 1 and 2 is only solving for the fluid dynamics in regions where there is fluid. This is another reason for the computational efficiency of the VOF method. The region occupied by fluid in the flow over a step problem is much less than half of the open region in the computational grid. If it were necessary to also solve for the flow of gas surrounding the liquid, then considerably more computational time would be required. In order to perform solutions only in the liquid, however, it is necessary to specify boundary conditions at free surfaces. These conditions are the vanishing of the tangential stress and application of a normal pressure at the surface that equals the pressure of the gas.
두 번째 문제는 자유 표면이 유체와 함께 움직일 때의 움직임과 변형을 유체 점유율 변수 F를 구함으로써 계산해야 한다는 것입니다. 변수 F는 불연속 (주로 0.0 또는 1.0)이기 때문에 계산 격자를 이동할 때 이 불연속성이 유지되도록주의해야합니다. VOF 법은이 목적으로 특수 이류(advection) 알고리즘이 사용되고 있습니다.
A second issue is that movement and deformation of a free surface must be computed by solving for the fraction of fluid variable, F, as it moves with the fluid. Because the variable F is discontinuous (i.e., primarily 0.0 or 1.0) some care must be taken to maintain this discontinuity as it moves through a computational grid. In the VOF method, special advection algorithms are used for this purpose.
Illustration of Free-Surface Tracking by VOF Technique
그림 6a는 이것의 적합 여부를 보여줍니다. 유체의 체적 점유율은 격자 요소마다 균일하게 분류되고 그 요소의 값을 나타냅니다. 자유 표면은 거의 모든 곳에서 선명하게 정의되어 있습니다. 스냅의 가장 낮은 가장 좁은 부분에만 선명한 유체 분포의 손실을 확인할 수 있습니다 (그림 5b). 이것은 예상대로입니다. 이 영역에서는 스냅의 두께는 3 가지 요소보다 작고, 따라서 부분 충전된 표면 요소에 연결된 작은 F 값이 어떤 중심 요소 (값 1.0)에 혼입하기 때문입니다. 계산 목적으로 이 것은 별로 문제가 되지 않습니다. 이 시뮬레이션 방법은 액체 내부의 요소는 순수한 액체 성분과 같은 방식으로 처리되기 때문입니다.
Figure 6a is an illustration of how well this works; the fluid volume fraction is colored uniformly in each grid element to represent its value in that element. The free surface is sharply defined nearly everywhere. Only in the lowest and narrowest part of the nappe is there any noticeable loss of a sharp fluid fraction distribution, Fig. 5b. This was expected because in this region the nappe is less than three elements in thickness and this allows some of the smaller F values associated with partially filled surface elements to mix in with the central element, which should have a value of 1.0. For computational purposes this doesn’t really matter because the simulation method treats elements interior to the liquid as though they are pure liquid elements.
그림 5b에 나타내는 영역에서는 실제 실험에서 난류 및 공기 혼입이 관찰된 것도 지적해 두지 않으면 안됩니다. 따라서 유체 점유율의 값을 1보다 조금 작게 보이는 것이 다소 현실적입니다. 이것은 전혀 의외라는 것은 없습니다. 난류와 공기 유입을 담당하는 풀의 액체 제트의 교점은 난류와 공기 유입의 원인이 되지만, 유체 점유율 값(fluid fraction values )은 액체 내부에 “유입” 원인이 되기 때문에 실수가 아닙니다.
It should also be pointed out that in the region shown in Fig. 5b turbulence and air entrainment are observed in actual experiments. Thus, the appearance of fluid fraction values a little less than unity is somewhat realistic. This is not entirely accidental because the intersection of jet of liquid with a pool, which is responsible for turbulence and air entrainment, is also responsible for the “entrainment” of fluid fraction values into the interior of the liquid.
Figure 5a (left): Fluid fraction values in elements, showing sharpness of surface definition. Figure 5b (right): Close up of fluid fraction values where the overflow hits bottom.
Summary
처음에는 컴퓨터가 단순히 반복적인 산술 연산을 수행하고, 복잡하고 시간에 의존적인 유체 역학 문제에 대해, 현실적인 시뮬레이션을 할 수 있다는 것이 다소 마술처럼 보일 수 있습니다. 이 논의의 목적은 비교적 기본적인 절차로 이를 수행하는 접근법을 설명하는 것입니다.
간단하지만 사소한 유압 흐름 예제를 사용하여 계산된 시뮬레이션이 물리적인 측정 결과와 매우 일치하는 세부 결과를 생성 할 수 있음이 입증되었습니다. VOF (Volume of Fluid) 기술을 기반으로 한 시뮬레이션은 정확하고, 매우 효율적인 것이 추가로 입증되었습니다.
분명하게, 수력 발전소에서 사용되는 것과 같은 복잡한 유압 구조와 관련된 실제 예는 유용한 결과를 얻기 위해서는 이 예에서 사용되는 몇 초 이상의 많은 계산 시간을 소비해야합니다. 그럼에도 불구하고 이러한 결과는 합리적인 시간 (사람과 컴퓨터 모두)에서 수행 될 수 있으며, 실제 실험에서는 거의 불가능한 세부 사항들을 포함합니다. 또한, 지오메트리, 유동 조건 또는 유체 특성의 거의 모든 종류의 변화의 영향을 쉽게 테스트 할 수있는 능력은 시뮬레이션을 사용하는 또 다른 강력한 이유입니다. 기술의 발전에 따라 hydraulic flow 시뮬레이션을 위한 현재 소프트웨어 및 하드웨어는 기존의 물리적 모델링에 비해 상당한 비용 이점을 제공합니다.
At first it may seem somewhat magical that a computer can simply perform repeated arithmetic operations on arrays of numbers and produce a realistic simulation of a complex, time-dependent, fluid dynamics problem. It was the purpose of this discussion to explain an approach that does this with relatively elementary procedures.
Using a simple, but non-trivial, hydraulic flow example it has been demonstrated that computational simulations can produce detailed results in excellent agreement with physical measurements. It has been further demonstrated that the simulation, which was based on the Volume of Fluid (VOF) technique, uses simple approximation methods that are both accurate and efficient.
Clearly, real world examples involving complex hydraulic structures such as those used in hydroelectric power stations, must consume more than the few seconds of computational time used in our example to obtain useful results. Nevertheless, those results can be generated in reasonable times (both man and computer) and contain a richness of detail rarely possible in physical experiments. For examples visit our water and environmental application pages. In addition, the ability to easily test the influence of just about any kind of change in geometry, flow condition or fluid property is another powerful reason to employ simulations. Current software and hardware for hydraulic flow simulations offer a significant cost advantage over traditional physical modeling.
Postscript
The first detailed description of the VOF method was in 1981 by C.W. Hirt and B.D. Nichols, J. Comp. Phys., 39, p.201. All simulations appearing in this article were performed with the commercial software package FLOW-3D developed by Flow Science, Inc. This program uses an enhanced variant of the VOF concept called TruVOF.
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-3D는 엔지니어들에게 다양한 분야의 유동해석에 대해 귀중한 통찰력을 제공하는 강력한 모델링 도구입니다. 정확하게 자유 표면 흐름을 예측하는 특별한 기능을 통해 FLOW-3D는 설계 단계에서뿐만 아니라, 생산 공정 개선에도 사용할 수 있는 이상적인 전산 유체 역학 (CFD) 소프트웨어입니다.
TruVOF and Free Surface Modeling
FLOW-3D 는 다른 유동해석 프로그램과는 유체 계면을 다루는 기법이 확연하게 다릅니다. FLOW-3D 는 자유표면의 위치를 추적하고, 그 자유표면에 적절한 동적 경계 조건을 적용하는 특수한 수치기법(numerical method)을 사용합니다. FLOW-3D 에서 모델링된 자유표면은 로스알라모스 국립 연구소에서 Flow Science의 설립자인 C. W. Hirt 박사와 함께 소속한 과학자 그룹에 의해서 개발된 VOF(Volume of Fluid) 기법으로 모델링됩니다. CFD 프로그램의 대부분은 세 가지 기본 VOF 성분 중 실제로는 단지 하나 또는 두 가지만 구현하여 VOF 기능을 통합 구현한 것으로 주장하고 있습니다. CFD 사용자는 이러한 유사 VOF 기법으론 종종 잘못된 결과를 얻을 수 있음을 알고 있어야 합니다. FLOW-3D는 자유표면의 성공적인 해석에 필요한 모든 요소를 포함하고 있습니다. 또한, FLOW-3D는 경계 조건과 계면 추적의 정확도를 증가시키기 위해 원래의 VOF 방법을 크게 향상 시키고 있습니다. 좀더 자세한 사항은 TruVOF 방법을 참고하시기 바랍니다.
Free Gridding Separates Meshing from Geometry Construction
Gridding에 대한FLOW-3D’의 기본 접근 방식은 deformed, body-fitted grids의 유연성과 단순한 직사각형 그리드의 장점을 결합합니다. 직사각형 컨트롤 요소의 고정 그리드는 간단하고 매우 바람직한 특성을 갖도록(예를 들어, 향상된 정확도, 작은 메모리 크기 요구, 간단한 수치 근사치) 생성 처리됩니다. 이 접근법은 그리드나 형상을 각각 서로 독립적으로 자유롭게 변경 할 수 있기 때문에 “free-gridding”으로 지칭합니다.
이 기능은 body-fitted 또는 유한 요소 격자를 생성하는 지루한 작업을 하지 않도록 해 줍니다.
Rectangular gridding 의 유연성과 효율은 multi-block 과 conforming meshing 같은 고급 기능에 의해 강화됩니다. 연결되어 있고 부분적으로 중첩된 메쉬 블록은 복잡한 멀티 스케일 유동 도메인과 관심 영역에서 효과적으로 높은 해상도를 가질 수 있는 수단을 제공합니다. Conforming mesh는 직사각형 gridding 구조와 관계 없이 특별한 기하학적 형상, cavities, 얇은 구조물, 경계층 등에 적합한 고품질의 grids를 생성할 수 있습니다.
Read more about FLOW-3D‘s free-gridding approach in CFD-101 >
Modeling Fluid Flow in Complex Geometry is Easy with FAVOR™
FLOW-3D 는 직사각형 격자 내에서 일반 기하학적 영역을 정의하는데 사용되는 FAVOR™ (Fractional Area Volume Obstacle Representation) 방법으로 알려진 특별한 기술을 사용합니다.FAVOR™ 기본 철학은 수치 알고리즘이 각 제어 체적(control volume)에 대해 하나의 압력, 하나의 속도, 하나의 온도 등으로 이루어지는 정보를 기반으로 하므로 형상을 정의하는 데 많은 정보를 사용하는 것이 적합하지 않는다는 것입니다. 따라서, FAVOR ™ 기술은 직사각형 격자의 단순성을 유지하면서 각 제어 체적 내의 유동 값의 정밀도와 일치하는 수준으로 복잡한 기하학적 형상을 나타냅니다.
Read more about FLOW-3D‘s FAVOR™ technique in CFD-101 >
Meshing Capabilities
FLOW-3D 는 복잡한 유체 해석 모델링시 간단하면서도 효율적이고 견고한 대규모 격자 생성 능력을 제공합니다. 특히, FLOW-3D의 효율좋은 단순한 메쉬 구조와 다중 블록 메쉬의 다양한 특징에 의해 최고의 메싱 효율과 견고성을 자랑합니다. 여러개의 메쉬 블록 사용은 관심 영역의 최적화를 허용하고 주어진 시뮬레이션에 필요한 연산 리소스를 훨씬 감소시킵니다. 작은 장애물(Small obstacles), 복잡한 형상 그리고 전체 영역 크기에 비해 좁은 통로(channel)는 다음과 같은 linked, nested, conforming, 그리고/또는 부분 중첩 mesh blocks등의 여러 다중 블록 메싱능력 중 하나를 사용하여 정확히 해결 될 수있습니다. Linked mesh blocks은 관심영역의 격자 생성과 계산 격자의 총 수를 제한하는 데에만 사용될 수 있습니다. Nested mesh blocks은 관심영역 주위의 해상도를 향상시키기 위해 사용될 수 있습니다. Conforming 과 partially overlapping mesh blocks은 단순히 중첩된 급격한 변화와 불규칙한 형상을 해결하기 위해사용될 수 있습니다. FLOW-3D 는 또한 Fluid-Structure Interaction에 필요한 body-fitted 유한요소 격자를 허용합니다. 이 body-fitted 격자는 FLOW-3D 또는 외부 CAD 패키지 S/W로 부터 가져와 자동으로 생성할 수 있습니다. 이 모든 메쉬 기술은 사용자에게 간단하면서 효율적으로 메쉬를 생성하게 하여 솔버 성능 향상 및 해석시간을 줄이는 유연성을 제공합니다.
![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 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)
) 에서 유한 체적의 뉴턴 유체가 발생합니다. 표면 장력이 중력을 겪으면 새로 형성된 액적 분리가 발생합니다 (
). 시뮬레이션은 유체점도의 영향을 설명하기 위해 두 그룹으로 나누어져 있습니다: 저점도 유체 (글리세롤 함량이 40 % 미만인 물과 글리세롤/물 혼합물) 및 점도가 높은 유체 (예 : 글리세롤과 글리세롤/물 혼합물 점도 > 100x 물 점도). 두 그룹의 유체 특성은 각각 표 1과 2에 나와 있습니다.
는 표면 장력, 
는 유체의 밀도 tC 는 pinch-off 시간이다. 마찬가지로, 이러한 더 높은 점도의 뉴턴유체에 대한 반경 변화데이터는 시간에 따른 반경의 감소를 나타내는 것이며, Papageorgiou’s visco-capillary scaling (8, 9)은 아래의 식으로 표현된다.
Gridding에 대한 FLOW-3D’의 기본 접근 방식은 deformed, body-fitted grids의 유연성과 단순한 직사각형 그리드의 장점을 결합합니다. 직사각형 컨트롤 요소의 고정 그리드는 간단하고 매우 바람직한 특성을 갖도록(예를 들어, 향상된 정확도, 작은 메모리 크기 요구, 간단한 수치 근사치) 생성 처리됩니다. 이 접근법은 그리드나 형상을 각각 서로 독립적으로 자유롭게 변경 할 수 있기 때문에 “free-gridding”으로 지칭합니다.
FLOW-3D 는 직사각형 격자 내에서 일반 기하학적 영역을 정의하는데 사용되는 
