컴팩트 디스크 ELISA 칩 [2]

컴팩트 디스크 미세 유체 장치: Optimizing Real Estate

Compact Disc Microfluidic Devices: Optimizing Real Estate

미세 유체 장치 사용자의 증가하는 기대를 충족하려면 작은 미세 유체 장치에서 제한된 공간을 최적화하는 것이 중요합니다. 사용자는 단일 미세 유체 장치에서 최대의 기능과 여러 병렬 작업을 기대합니다. 제한된 공간을 최적화하는 문제는 이러한 장치의 많은 물리적 이점에도 불구하고 회전하는 미세 유체 장치로 확장됩니다. 회전 에너지를 이용하여 미세 유체 작업을 수행하는 회전 장치를 컴팩트 디스크 (CD) 미세 유체 장치라고합니다.

컴팩트 디스크 ELISA 칩 [1]
컴팩트 디스크 ELISA 칩 [2]
컴팩트 디스크 ELISA 칩 [2]

10 년 넘게 CD는 혈액 진단을위한 신속한 면역 분석 및 임상 생화학에서 지속적으로 장점을 보여 왔습니다. 마이크로 토탈 분석 시스템 (μTAS)으로 사용되며, 여러 개별 분석이 내장되어 단일 칩에서 동시에 실행됩니다. 핸즈프리 제어를 위해 프로그래밍 된 간단하고 저렴한 모터에서 작동하며 자석이나 표면 처리와 같은 외부 액추에이터가 필요하지 않습니다. 기본적으로 CD는 훌륭합니다! 그러나 공짜 점심 같은 것은 없습니다. 단방향 (방사형) 원심력으로 인해 CD는 회전하지 않는 미세 유체 장치보다 빠르게 공간이 부족합니다. 유체는 방사형으로 바깥쪽으로 만 이동하므로 CD가 수행 할 수있는 분석 단계의 수가 제한됩니다.

그림 3. CD 채널 내부의 방사형 물 기둥에 적용되는 다양한 신체 힘을 강조하는 회로도. 방사상으로 바깥쪽으로 작용하는 원심력을 확인합니다.
그림 3. CD 채널 내부의 방사형 물 기둥에 적용되는 다양한 신체 힘을 강조하는 회로도. 방사상으로 바깥쪽으로 작용하는 원심력을 확인합니다.

CD의 단 방향성 극복

Gorkin    [3]에서는 CD의 단 방향성 제약을 극복하기 위해 공압 펌핑이 제안되었습니다. 아이디어는 원심 에너지를 압축 에너지로 저장하고 다시 풀어서 유체를 중심으로 발사하는 것입니다. 아래 이미지는 로딩 챔버, 흡입 하위 구획 및 압축 하위 구획의 세 개의 챔버가있는 비교적 간단한 미세 유체 칩을 보여줍니다.

그림 4. CD 사진
그림 4. CD 사진
그림 5. FLOW-3D에서 모방 된 CD 디자인
그림 5. FLOW-3D에서 모방 된 CD 디자인

공압 펌핑 프로세스

유체가 로딩 챔버로 들어간 다음, 흡입 하위 구획을 통해 공기가 갇힌 압축 하위 구획으로 이동합니다. 공기가 갇 히면 CD가 특정 각속도로 회전하여 갇힌 공기가 압축됩니다. 공기가 더 이상 압축 할 수없는 경우 (안정 상태에 도달했기 때문에), 회전 속도가 감소하거나 완전히 꺼져 (누군가이 작업을 수행하고 있습니까? 아니면 장치가 수행하고 있습니까?) 유체가 로딩 챔버로 다시 펌핑됩니다. 이 마지막 단계는 이완 단계입니다. 공압 펌핑 공정의 5 단계는 다음과 같습니다.

그림 6. CD의 5 단계 공압 펌핑 [3]
그림 6. CD의 5 단계 공압 펌핑 [3]

회전 속도의 영향

회전 속도가 다르면 압축 하위 구획에서 공기의 압축 수준이 다릅니다. 회전 속도가 높을수록 유체가 공기에 더 세게 밀려 공기가 더 많이 압축됩니다. 그러나 공기가 압축 될 수있는 양에는 한계가 있습니다. 사실, 공기의 압축은 특정 회전 속도 이상으로 점진적으로 증가합니다. 압축 하위 구획의 부피는 회전 속도가 증가함에 따라 감소합니다. 흡입구의 액체 위치는 디스크 중앙에서 흡입 하위 구획의 유체 수준까지의 거리입니다. 이 거리는 증가합니다. 즉, 회전 속도가 증가함에 따라 유체가 중심에서 멀어집니다.

그림 7. 회전 주파수가 증가하면 압축이 증가합니다. [3]
그림 7. 회전 주파수가 증가하면 압축이 증가합니다. [3]

CD 미세 유체 장치 모델링

실험은 미세 유체 장치 설계의 핵심입니다. 그러나 충분한 실험을 수행하고 각 실험에 대한 완벽한 제어 환경을 유지하는 것은 불가능할 수 있습니다. 복잡한 설계에는 복잡한 실험 설정 및 분석이 필요합니다. FLOW-3D 의 정확하고 포괄적 인 다중 물리  모델링 기능 은 미세 유체 설계에 대한 통찰력과이를 최적화하는 방법을 제공합니다. FLOW-3D가  위에서 논의한 CD 미세 유체 장치에 대한 실험적 및 이론적 결과와 어떻게 비교되는지 보여 드리겠습니다  .

CD 미세 유체 장치에 대한 실험적 및 이론적 결과와 비교
CD 미세 유체 장치에 대한 실험적 및 이론적 결과와 비교

이미지 시퀀스는 실험 및 FLOW-3D  시뮬레이션 결과 의 시각적 비교를 제공합니다  . 두 유체 (공기 및 물) 압축 가능 모델을 사용하여 서로 다른 회전 속도에 대해 챔버 내부의 유체 역학을 시뮬레이션했습니다. 회귀 분석을 사용하여 아래 플롯에서 이러한 시각적 비교를 정량화하면 FLOW-3D  와 실험 결과,  FLOW-3D  및 분석 결과 간에 탁월한 상관 관계 (R 2 > 0.99)가 제공  됩니다.

그림 9. FLOW-3D 데이터와 실험 데이터의 비교. (Poly는 다항식 곡선 맞춤을 의미합니다.)
그림 9. FLOW-3D 데이터와 실험 데이터의 비교. (Poly는 다항식 곡선 맞춤을 의미합니다.)

시뮬레이션은 또한 다양한 회전 속도에 대한 정상 상태에 대한 접근 방식을 보여줍니다. 아래의 애니메이션은 CD의 운동 에너지 변동을 1000rpm nd 7000rpm에서 보여줍니다. 더 빠른 속도는 더 빠른 정상 상태를 강제하지만 정상 상태에 도달할 때까지 수위를 빠르게 변동시킵니다. 저속 시뮬레이션의 경우 그 반대입니다.

Mean kinetic energy fluctuations for the CD rotating at 1000 rpm
Mean kinetic energy fluctuations for the CD rotating at 1000 rpm
Mean kinetic energy fluctuations for the CD rotating at 7000 rpm
Mean kinetic energy fluctuations for the CD rotating at 7000 rpm

전반적으로  FLOW-3D  는 실험 결과를 정확하게 검증합니다. 사소한 오류는 부정확 한 지오메트리 (CAD) 생성 및 / 또는 물과 공기 사이의 인터페이스를 엄격하게 정의하기 때문일 수 있습니다. 이 사례 연구는 FLOW-3D  가 실험 결과를 검증하고 컴팩트 디스크 설계의 신뢰도를 높이는 데 효과적으로 사용될 수 있음을 보여줍니다  .

References

[1] He, Hongyan et al. “Design and Testing of a Microfluidic Biochip for Cytokine Enzyme-Linked Immunosorbent Assay”. Biomicrofluidics 3(2):22401 February 2009

[2] Roy, Emmanuel, et al. “From Cellular Lysis to Microarray Detection, an Integrated Thermoplastic Elastomer (TPE) Point of Care Lab on a Disc.” Lab on a Chip, vol. 15, no. 2

[3] Gorkin III, Robert et al. “Pneumatic pumping in centrifugal microfluidic platforms”. February 2010 Springerlink.com

벨기에 Zele에서 나온 WWTP의 개략도

활성화 된 슬러지 모델링

Activated Sludge Model

폐수 처리 플랜트 (WWTP) 내부의 생화학 적 반응 및 유체 역학에 대한 자세한 이해는 설계자와 엔지니어가 새로운 플랜트 설계를 평가하고, 관리 결정을 정량화하고, 새로운 제어 계획을 개발하고, 안전한 작업자 교육을 제공하는 데 도움이 될 수 있습니다. 이 블로그에서는 독자들에게 대규모 생화학 반응 시스템을 동적으로 해결 하는 FLOW-3D 의 새로운 ASM (Activated Sludge Model)을 소개합니다.

폭기조

폭기조는 대부분의 생화학 반응이 WWTP의 2 차 처리 부분에서 발생하는 곳입니다. 일반적으로 폭기 탱크는 대부분의 생화학 반응이 완료되는 데 걸리는 시간을 허용하는 긴 경로를 가지고 있습니다. 종이 폭기조의 전체 길이를 횡단하는 데 걸리는 시간을 잔류 시간이라고합니다. 폭기조에 산소가 주입되어 폐수에서 박테리아가 증식합니다. 박테리아는 산소를 사용하여 물에있는 폐기물을 분해하고 그렇게하면서 플록 또는 슬러지 블랭킷이라고하는 응집체를 형성합니다. 활성화 된 슬러지의 일부는 폐수의 생화학 적 처리를 더욱 촉진하기 위해 폭기조로 다시 재활용됩니다.

벨기에 Zele에서 나온 WWTP의 개략도
벨기에 Zele에서 나온 WWTP의 개략도

생화학 반응의 표준 시스템

국제 물 협회 (IWA)는 지난 40 년간 생화학 적 반응을 설명하는 세 가지 주요 수학적 시스템을 제안했다. 이러한 각 시스템 인 ASM-1, ASM-2 및 ASM-3은 폭기조 내부의 다양한 종의 성장 및 붕괴 역학을 다양한 세부 수준으로 포착합니다. ASM-3이 가장 포괄적입니다. 첫 번째 시스템 인 ASM-1은 아래 표 형식과 확장 형식으로 표시됩니다.

결합 편미분 방정식의 확장 시스템으로서의 생화학 반응의 ASM-1 시스템
결합 편미분 방정식의 확장 시스템으로서의 생화학 반응의 ASM-1 시스템

ASM 솔버 기능

대부분의 생화학 반응은 Monod 모델 또는 유사한 모델을 기반으로합니다. Monod 모델은 미생물의 성장 및 붕괴 속도를 예측하는 수학적 모델이며 간단한 방정식으로 설명됩니다.

여기서 a 와 k 는 최대 비 성장률 상수이고 기질 농도는 최대 비 성장률의 절반에 해당합니다. C 는 시간에 따라 변화하는 미생물 종의 농도 t 입니다. Monod 모델은 종의 농도에 따라 반응의 순서를 동적으로 변경하는 특성이 있습니다.

For C   >> A는 , 변화율 C는  0 차에 접근한다.

For C   << a는 , 변화율 C는 일차 접근한다.

이 모든 것은 미생물 종의 농도가 높으면 썩고 자라는 속도가 빨라지고, 종의 양이 적으면 썩거나 자라는 속도가 느리다는 것입니다. Monod 방정식의 해는 다음과 같이 Lambert 함수에 의해 제공됩니다.

간단한 Monod 방정식에 대한 분석 솔루션과 FLOW-3D 솔루션의 비교
간단한 Monod 방정식에 대한 분석 솔루션과 FLOW-3D 솔루션의 비교

생화학 반응을 설명하는 표준 시스템에는 Monod 용어의 긴 사슬이 포함되어 있습니다. FLOW-3D 의 ASM 모델은 WWTP에서 박테리아 종의 Monod 기반 성장 및 붕괴를 완벽하게 추적 할 수 있습니다. ASM 모델은 FLOW-3D 의 유체 역학 솔버 와 통합되어 속도 및 압력 장을 기반으로 한 박테리아의 움직임이 성장 및 붕괴 속도와 결합 될 수 있습니다.

FLOW-3D 의 ASM 솔버 결과가 벨기에 Zele의 폐수 처리장 (WWTP)에서 배출 될 때 다양한 유입수 종 농도의 붕괴 및 성장에 대해 보여줄 것 입니다. 종 및 유체 역학 계산을 정확하게 추적하면 폐수 처리 전문가가 정량적으로 뒷받침되는 설계 및 운영 결정을 내릴 수 있습니다.

Zele WWTP

Zele WWTP는 1983 년 50,000 명의 주민을 위해 벨기에에서 건설되었습니다. 일반적으로이 WWTP의 유입수는 가정용 폐수 40 %와 산업 폐수 60 %로 구성됩니다. 1 차 처리 공정 후 유입수는 생물학적 활성 슬러지 처리장으로 흘러 재활용 활성 슬러지와 혼합됩니다.

벨기에 Zele에서 나온 WWTP의 개략도 [2]. 녹색 상자는 2 차 처리 과정을 나타냅니다.
벨기에 Zele에서 나온 WWTP의 개략도 [2]. 녹색 상자는 2 차 처리 과정을 나타냅니다.

활성 오니 조 또는 폭기조는 약 400 m의 레인 6으로 분할되어 하나의 플러그 유동 폭기조 구성 3 각. 폭기조에서 나오는 유출 물은 각각 2050 m 3 용적의 2 개의 2 차 정화기 (SC1 및 SC2)로 이동합니다 . 최종 폐수는 인근 하천으로 배출됩니다. 2 차 정화기 아래에서 활성 슬러지의 일부는 폭기조로 다시 재활용되어 2 차 처리의 효율성을 높입니다.

우리는 2 차 처리 구성 요소의 기하학적 구조와 다양한 종의 유입 농도에 대한 자세한 정보를 이용할 수 있기 때문에 사례 연구를 위해이 WWTP를 선택했습니다. 정보는 상세하지만 완전하지는 않으며이 불완전한 정보는 폐수 농도에 중대한 영향을 미칠 것이며 나중에 논의 할 것입니다.

기하학, 메싱 및 물리학

지오메트리 생성 및 메싱은 간단했습니다. FLOW-3D 에는 완전한 WWTP를 완전히 정의하는 데 사용 된 기본 지오메트리 모양 모음이 있습니다. 이러한 모양은 생성하기 쉽고 외부 CAD 소프트웨어를 사용하여 생성 된 일부 지오메트리와 달리 오류가 없습니다. 마찬가지로, 구조화 된 그리드를 사용하면 구조화되지 않은 그리드 생성과 관련된 일반적인 오류를 처리하는 시간이 절약되었습니다.

폭기조 내부의 물리학은 복잡하며 질량 및 운동량 보존 방정식 (Navier-Stokes 방정식), 종 수송, 반응 역학, 산소 용해 및 연속 밀도 평가의 완전한 시스템을 해결해야합니다. FLOW-3D 는 가장 정확한 계산을 위해 완전히 결합 된 방식으로 이러한 모든 물리학을 설명합니다.

FLOW-3D의 Zele WWTP 설정. 화살표는 흐름 방향을 나타내며 유입수는 녹색 화살표의 시작 부분에서 도메인으로 들어갑니다.
FLOW-3D의 Zele WWTP 설정. 화살표는 흐름 방향을 나타내며 유입수는 녹색 화살표의 시작 부분에서 도메인으로 들어갑니다.

세 가지 표준 수학적 모델 인 ASM-1, ASM-2 및 ASM-3 중에서 연구자들은이 WWTP에서 ASM-1 수학적 모델을 사용합니다. 이는 간단하면서도 많은 중요한 생화학 과정을 다루기 때문입니다. ASM-1 모델은 일반적으로 폐수에서 발견되거나 처리 과정에서 생성되는 13 종의 진화를 고려합니다 [표 1].

종 IDZele의 초기 유입 농도 (mg / l)
가용성 불활성 유기물SI7.5
쉽게 생분해되는 기질SS400.0
미립자 불활성 유기물XI40.0
천천히 생분해되는 기질XS40.0
활성 종속 영양 바이오 매스XB, H120.0
활성 독립 영양 바이오 매스XB, A5.0
바이오 매스 붕괴로 인한 미립자 제품XP0.0
산소SO0.0
질산염 및 아질산염 질소SNO0.0
암모늄 질소SNH15.0
용해성 생분해 성 유기 질소SND8.2
미립자 생분해 성 유기 질소XND11.3
알칼리도SALKNot included

표 1. 표준 ASM-1 수학 시스템의 종 목록과 Zele WWTP에서 측정 된 초기 유입수 농도. 이러한 초기 농도 중 일부는 추론되며 큰 불확실성이 관련 될 수 있습니다. S와 X는 각각 용해성 물질과 미립자 물질을 나타냅니다.

이들 종 각각은 반응하지 않는 불활성 종 (SI 및 XI)을 제외하고 하나 이상의 생화학 적 과정에 의존합니다. 불활성 종의 유입 및 유출 농도는 XI의 경우와 같이 침전으로 인해 달라질 수 있습니다. SALK는 WWTP에서 측정되지 않았기 때문에이 사례 연구에서 무시되었습니다.

관심 유출량

폐수 엔지니어가 관심을 갖는 주요 유출량은 총 화학적 산소 요구량 (COD tot ), 암모늄 질소 (SNH) 농도, 아질산염 및 질산염 질소 (SNO) 및 총 킬달 질소 (TKN)입니다.

  • COD tot = SI + SS + XI + XS
  • TKN ~ XND + SND + SNH

이 양은 처리 된 물의 전반적인 품질을 나타냅니다.

유출량측정 된 유입 농도 (mg / l)FLOW-3D 유출 농도 (mg / l)
CODtot600264.04
SNH1530.34
SNO01.86
TKN3537.28

총 COD, SNH 및 TKN의 농도는 폐수가 폭기조를 통과하여 WWTP를 빠져 나 가면서 감소해야합니다. 이 동작은 총 COD [표 2]에 대해 올바르게 예측되지만 SNH 및 TKN에 대해서는 그렇지 않습니다. SNO의 농도는 증가 할 것으로 예상되며 이는 ASM 솔버에 의해 정확하게 예측됩니다. 모든 폐수 종의 농도는 아래 애니메이션에 표시됩니다.

Zele WWTP에 있는 모든 종의 진화에 대한 시뮬레이션 결과

애니메이션은 Zele WWTP에있는 모든 종의 진화에 대한 시뮬레이션 결과를 보여줍니다.

WWTP 데이터에 대한 결과의 민감도

나는 폐수에서 일부 종의 잘못된 진화를 모델링의 가정과 누락된 WWTP 데이터에 기인합니다. 유입수에서 측정 된 종 농도의 불확실성; 초기 농도에 대한 정보 누락; 그리고 입자상 물질의 침강 특성에 대한 누락 된 데이터는 폐수의 종 농도에 영향을 미쳤을 가능성이 있습니다.

마찬가지로 불완전한 지오메트리 사양은 WWTP 내부의 유체 역학 계산의 정확성에 부정적인 영향을 미칠 수 있습니다. 또한 폭기조에 산소를 살포하는 것에 대한 정보는 부분적으로 만있었습니다. 산소는 다른 종의 부패와 성장에 큰 영향을 미치는 중요한 구성 요소입니다.

WWTP의 모든 데이터를 항상 측정 할 수있는 것은 아닙니다. 이러한 경우 보정 된 수치 모델을 가상 실험실로 효과적으로 사용하여 다양한 WWTP 설계를 테스트 할 수 있습니다. 이 사례 연구는 특히 폭기조에서 WWTP의 2 차 처리 부분에서 종의 농도를 추적 할 수 있음을 보여줍니다. 그리고 이것은 유체 역학 효과를 고려하면서 할 수 있습니다. 완전한 WWTP 데이터와 문제 사양이 존재하는 경우 엔지니어와 설계자는 WWTP 플랜트 운영 및 설계 최적화에 대해 더 나은 정보를 바탕으로 결정을 내릴 수 있습니다.

우리는 활성 슬러지 모델을 추가로 개발하고 보정하기 위해 폐수 처리 산업의 연구원 및 전문가와 협력 할 수 있습니다. 귀하의 WWTP 프로젝트 및 연구에 대해 논의하려면 adwaith@flow3d.com 으로 이메일을 보내 주십시오 .

참고 문헌

[1] Henze M., Lossdrecht M.C.M., Ekama G.A., Brdjanovic D., Biological Wastewater Treatment, Principles, Modelling and Design, IWA publishing 2008.

[2] Peterson B., Vanrollenghem P.A., Gernaey K., Henze M. (2002) Evaluation of an ASM-1 model calibration procedure on a municipal–industrial wastewater treatment plant, Journal of Hydroinformatics, 4(1): 15-38.

[3] Henze, M., Grady, C. P. L. Jr., Gujer, W., Marais, G. v. R. & Matsuo, T. (1987) Activated Sludge Model No. 1. IAWPRC Scientific and Technical Reports No. 1. London, UK.

코어 가스(Core Gas)

코어 가스(Core Gas)

 

코어로 주조 모델링 (Modeling Castings with Cores)

모래 속의 화학 결합제는 용융 된 금속에 의해 가열 될 때 가스를 생성 할 수 있으며 적절하게 환기되지 않으면 가스가 금속으로 흘러 가스의 다공성 결함이 발생할 수 있습니다. 이것은 빠르게 가열되고 긴 환기 경로를 갖는 주물의 얇은 내부 특징을 형성하는 코어에서 가장 가능성이 높습니다. FLOW-3D CAST의 코어 가스 모델은 이러한 가스 결함의 가능성을 예측하고 코어에서 모든 갇히는 가스들을 안전하게 배출 할 수있는 코어 벤팅을 설계하는 데 도움이됩니다.

 

알루미늄 및 철 주조의 결함 모델링 (Modeling Defects in Aluminum and Iron Castings)

‘Core Gas’ 모델은 철 주물 (그림 1)과 알루미늄 주물 (그림 2) 모두에서 수지 결합 코어의 결함을 예측합니다. 충전 및 응고 모델과 동시에 작동이 가능하며 주조의 충전 중 및 충전 후 갇히는 가스 생성 및 흐름을 계산합니다.

 

그림 1 : 열린 플라스크 부분 V8 Al 블록 어셈블리의 채우기. 두 개의 코어는 블록의 워터 재킷 공동을 형성합니다. 플라스크 바닥에 Al이 20 초 안에 채워집니다.

그림 2 : 환기가 되지 않을 때 워터 재킷 코어는 충전 중에 금속에 가스를 불어 넣습니다.

2 Fluid, 2 Temperature 모델

2 Fluid, 2 Temperature 모델

우주선 및 자동차 연료 탱크 및 특정 미세 유체 장치는 안전하고 효율적인 작동을 위해 정확한 액체 및 기체 상태 모델링이 필요합니다. 이러한 시스템에 유체 계면이 존재하는 것 외에도, 열 전달 및 상 변화의 물리학도 정확하게 포착해야합니다. 얼마나 복잡합니까!

이러한 복잡한 시나리오를 시뮬레이션하기 위해 FLOW-3D v12.0에는 2 Fluid, 2 Temperature 모델이 도입되었습니다.

 

단순화 된 모델 : 2 Fluid, 1 Temperature

FLOW-3D 의 인터페이스 추적 방법인 TruVOF는 열 전달 및 위상 변화를 포함하여 2 Fluid 모델과 함께 작동합니다. 그러나,이 모델의 단순화 중 하나는, 인터페이스를 갖는 메쉬 셀의 온도가 다음의 개략도에 도시 된 바와 같이 혼합물 온도 (따라서 단순화 된 모델) Tmix로 표현된다는 것입니다.

온도가 경계면을 가로 질러 연속적이고 매끄러 울 때 혼합물 근사치가 적절하지만, 열-물리적 특성의 큰 차이로 인해 액체 및 가스가 있는 경우에는 이를 추정 할 수 없습니다. 이러한 시스템에서 용액의 정확도는 액체-기체 혼합물을 함유하는 셀에서 유체 에너지 및 온도의 평균으로부터 발생하는 과도한 수치 확산에 의해 압도 될 수 있습니다. 단순화 된 온도 슬립 모델은 이러한 경우 부분적인 솔루션만 제공합니다.

단순화 된 모델-2 Fluid, 1 Temperature

종합 모델 : 2 Fluid, 2 Temperature

1 Temperature 접근 방식의 결함을 극복하기 위해 2 Fluid 솔루션에 대한 2 Temperature 모델이 버전 11.3에 도입되었습니다. 여기에는 아래 회로도에 표시된 것처럼 각 유체에 대한 에너지 전달 방정식을 해결하고 각 상의 온도를 저장하는 작업이 포함됩니다. 자유 표면이 있는 메쉬 셀은 이제 액체 (T1)와 가스 (T2) 온도를 모두 나타냅니다.

종합 모델 : 2 유체, 2 온도

탱크 슬로싱(Tank sloshing)

탱크 슬로싱에 대한 이 사례 연구에서, 액체는 초기 온도 300K이고 가스는 400K입니다. 단순화 된 모델과 포괄적인 모델 사이의 수치 확산 정도의 차이는 아래 애니메이션에 나와 있습니다. 온도 윤곽에서 시간이 지남에 따라 용액의 수치 확산은 1 Temperature 접근 방식으로 보여지고 계면 물리를 완전히 가리게 됩니다.

단순화 된 모델 : 2 Fluid, 1 Temperature

종합 모델 : 2 Fluid, 2 Temperature

공기중 드롭 용접(Drop welding in air)

이 낙하 용접 사례 연구에서 액체 금속은 중력 하에서 2300K에서 공기를 통해 고체화 된 금속 베드로 떨어집니다. 공기 및 베드 초기 온도는 293K입니다. simplified model에서는 수치 확산으로 인해 액체 금속 낙하 온도가 베드에 도달하기 전에도 급격히 감소하기 시작합니다. 반면에 comprehensive model에서는 방울이 초기 온도를 유지하여 훨씬 더 나은 솔루션을 제공합니다.

단순화 된 모델을 사용한 온도 필드 진화

종합 모델의 온도 필드

FLOW-3D의 2 Fluid, 2 Temperature 모델과 유체 인터페이스 추적을 결합하면 사용자는 특히 연료 슬로싱 시스템과 같이 복잡한 열전달 및 위상 변화 문제를 정확하게 모델링 할 수 있습니다.

이 새로운 모델에 대한 제안이나 의견은 adwaith@flow3d.com에 문의하십시오.

Three-Dimensional Crystalline and Homogeneous Metallic Nanostructures Using Directed Assembly of Nanoparticles

나노 입자의 직접 조립을 사용한 3 차원 결정질 및 균질 금속 나노 구조

Cihan Yilmaz,† Arif E. Cetin,‡ Georgia Goutzamanidis,† Jun Huang,† Sivasubramanian Somu,†
Hatice Altug,‡,§ Dongguang Wei,^ and Ahmed Busnaina†,*

†NSF Nanoscale Science and Engineering Center for High-Rate Nanomanufacturing (CHN), Northeastern University, Boston, Massachusetts 02115, United States, ‡
Photonics Center and Department of Electrical and Computer Engineering, Boston University, Boston, Massachusetts 02215, United States, §
Bioengineering Department, Ecole Polytechnique Federale de Lausanne (EPFL), Lausanne CH-1015, Switzerland, and ^
Carl Zeiss Microscopy, One Zeiss Drive, Thornwood, New York 10594, United States

ABSTRACT

나노 빌딩 블록의 직접 조립은 고유 한 특성을 가진 복잡한 나노 구조를 생성하는 다양한 경로를 제공합니다. 나노 입자의 상향식 조립은 이러한 기능적이고 새로운 나노 구조를 제작하는 가장 좋은 방법 중 하나로 간주되었습니다.

그러나 결정질, 고체 및 균질 나노 구조를 만드는 데 대한 연구가 부족합니다. 이를 위해서는 나노 입자의 조립을 유도하는 힘에 대한 근본적인 이해와 원하는 나노 구조의 형성을 가능하게하는 이러한 힘의 정밀한 제어가 필요합니다. 여기에서, 우리는 콜로이드 나노 입자가 외부에서 적용된 전기장을 사용하여 단일 단계로 조립되고 동시에 3D 고체 나노 구조로 융합 될 수 있음을 보여줍니다.

다양한 조립 매개 변수의 영향을 이해함으로써, 우리는 1 분 이내에 25nm의 작은 피처 크기를 가진 나노 기둥, 나노 박스 및 나노 링과 같은 복잡한 형상을 가진 3D 금속 재료의 제조를 보여주었습니다.

제작된 금 나노 기둥은 다결정 성질을 가지며 전기 도금 된 금보다 낮거나 동등한 전기 저항을 가지며 강력한 플라즈몬 공명(plasmonic resonances)을 지원합니다. 또한 제조 공정이 전기 도금만큼 빠르며 밀리미터 단위로 확장 할 수있는 다용도성을 보여줍니다. 이러한 결과는 제시된 접근법이 실온과 압력에서 수용액에서 새로운 3D 나노 물질 (균질 또는 하이브리드)의 제조를 용이하게 하는 동시에 반도체 나노 전자 공학 및 나노 포토닉스의 많은 제조 과제를 해결함을 의미합니다.

. Fabricating 3-D nanostructures through electric field-directed assembly of NPs. (a,b) NPs suspended in aqueous
solution are (a) assembled and (b) fused in the patterned via geometries under an applied AC electric field. (c) Removal of the
patterned insulator film after the assembly process produces arrays of 3-D nanostructures on the surface.

복잡한 지오메트리와 3 차원 (3-D) 아키텍처를 가진 나노 구조는 우수한 장치 성능과 소형화를 가능하게하기 때문에 최근 전자, 광학, 에너지 및 생명 공학을 포함한 많은 분야에서 상당한 관심을 받고 있습니다. 이러한 나노 구조를 제조하기위한 대부분의 접근 방식은 진공 기반 박막 증착 또는 전기 도금에 의존하며, 이는 시드 층과 많은 화학 첨가제를 필요로합니다. 나노 입자 (NPs)의 직접 조립은 실온과 압력에서 수용액에서 기능성 나노 물질과 나노 구조를 구축하는 유망한 대안 인 것으로 나타났습니다 .

중략…

 

Effect of via geometries on nanopillar formation. (ac) SEM images of (a) 50, (b) 100, (c) 200 nm-wide nanopillars.
The nanostructure height is 150 nm. (df) Cross-sectional view (from the 3-D simulation) of different size vias, revealing the
simulated localized electric field. (g) Electric field intensity in the via (at the center of the via) as a function of the aspect ratio
(depth/diameter) for different via diameters. The spacing between the vias is 1 μm in these simulations. (h) Electric field
intensity in the via (at the center of the via) as a function of the spacing between the vias. The via depth was 150 nm in these
simulations. The scale bars in the inset figures in (g) and (h) are 100 nm.

결정질, 고체 및 균질 나노 구조를 제조하는 연구는 부족합니다. 이것은 주로 NP의 조립 및 원하는 형상으로의 융합을 제어하는 ​​데 어려움이 있기 때문입니다. 입자 구성, 기능화 및 크기에 따라 NP의 조립 및 융합을 제어하는 ​​힘과 에너지가 다를 수 있습니다. 예를 들어, 현탁 매체를 기반으로하여 NP는 표면 에너지 및 전하와 같은 다른 표면 특성을 가질 수 있으며, 이는 조립 공정 및 기판과의 NP 상호 작용에 영향을 줄 수 있습니다 .

마찬가지로 더 큰 크기의 NP는 작은 것은 단단한 구조로 융합하기 어렵습니다. 원하는 재료와 기하학적 구조로 나노 구조를 성공적으로 제작하려면 조립 공정에 관련된 힘을 제어하는 ​​지배적 인 매개 변수를 식별하는 것이 중요합니다. 이 연구에서 우리는 다양한 금속 NP의 조립 및 융합을 가능하게하는 직접 조립 기술을 개발하여 표면에 고도로 조직화 된 3D 결정질, 고체 나노 구조를 제작했습니다.

이 기술에서는 콜로이드 NP가 조립되고 동시에 외부에서 적용된 전기장을 사용하여 3D 나노 구조로 융합됩니다. 이 방법을 사용하여 금, 구리, 알루미늄 및 텅스텐으로 만든 3 차원 나노 구조체를 시드 층과 화학 첨가제없이 실온과 압력에서 1 분 이내에 25nm의 작은 피처 크기로 제작했습니다.

나노 구조 치수의 제어는 전압, 주파수, 조립 시간 및 입자 농도와 같은 많은 지배 매개 변수의 함수로 조사되었습니다. 재료 및 전기적 특성은 제작 된 금 나노 구조가 다결정 특성을 가지며 매우 낮은 저항률 (1.96 10 7 Ω 3 m)을 가지고 있음을 보여줍니다. 제작 된 고체 3D 나노 구조는 또한 13nm의 좁은 선폭으로 강력한 플라즈 모닉 공명을 지원하는 높은 광학 품질을 보여줍니다. 이것은 단백질의 매우 민감한 플라즈몬 기반 바이오 센싱을 가능하게합니다.

자세한 내용은 본문을 참고하시기 바랍니다.

FLOW-3D – CFD Software Simulation Gallery


FLOW-3D – CFD Software Simulation Gallery

FLOW-3D는 광범위한 산업 응용 분야 및 물리적 공정에서 액체 및 가스의 동적 거동을 연구하는 엔지니어를 위한 완전하고 다양한 CFD 시뮬레이션 플랫폼을 제공합니다. FLOW-3D는 자유 표면 및 다상 응용 분야에 매우 큰 강점을 가지고 있으며, 미세 유체 공학, 생물 의학 장치, 수자원 사회 기반 시설, 항공 우주, 소비재, 적층 제조, 잉크젯 인쇄, 레이저 용접, 자동차, 해양, 에너지 등 광범위한 산업에 사용됩니다.
https://www.flow3d.co.kr에서 FLOW-3D를 살펴봐 주시기 바랍니다.

 






원자력 시설물의 잔해물 거동 예측

Debris Transport in a Nuclear Reactor Containment Building

원자로 격리 건물에서 파편 운송

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).

Emergency Core Cooling System (ECCS)

파이프 파손 후 ECCS (비상 코어 냉각 시스템)가 활성화됩니다. 격리 건물 압력을 낮추고 대기에서 방사성 물질을 제거하기 위해 격리 스프레이를 켤 것입니다. 물은 부식 열을 제거하고 용융을 방지하기 위해 코어에 주입됩니다. 이 물은 이후 파이프 파손 부위에서 흘러 나옵니다. 격납 스프레이와 부식 열 제거에서 나온 물은 외부 탱크에서 ECCS 펌프에 의해 격납용기로 펌핑됩니다. 스프레이 및 브레이크 흐름을 통해 격리실로 펌핑된 물의 양은 격리실 바닥에 모이고 풀을 형성합니다.

Sump Strainers and Debris

외부 탱크의 물이 고갈된 후에는 ECCS 펌프에 대한 흡입기가 격납건물 내 하나 이상의 섬프로 전환됩니다(두 개의 섬프 스트레이너 예가 왼쪽에 표시됨). 섬프의 기능은 원자로 건물 풀에서 펌프 흡입구로 물을 재순환하는 것입니다. 각 섬프에는 이물질이 ECCS 펌프로 빨려 들어가 막힘이나 손상이 발생하는 것을 방지하기 위해 스트레이너 시스템이 있습니다. 그러나 스트레이너에 쌓인 이물질로 인해 펌프가 요구하는 순정 흡수헤드(NPSH)를 초과하는 헤드 손실이 발생하여 펌프가 고장을 일으키고 발전소를 안전하게 정지시킬 수 없습니다. 원자력규제위원회 일반안전문제(GSI) 191의 핵심입니다.

FLOW-3D Applied to Evaluate Performance

FLOW-3D는 격납용기 풀을 모델링하고 스트레이너에 도달할 수 있는 이물질의 양을 결정하는 데 사용됩니다. 파이프 파손, 직접 분무 구역(분무기가 비처럼 POOL에 유입되는 지역), 유출 분무 구역(분무수가 더 높은 고도에서 바닥에서 흘러나와 폭포처럼 POOL에 유입되는 지역)은 질량-모멘텀 소스 입자가 밀집된 지역으로 모델링되며, 적절한 유량과 속도가 할당됩니다. 후자는 POOL 표면까지의 자유 낙하 거리에 따라 달라집니다. 여과기 영역은 격납용기 POOL에서 물을 끌어오는 흡입구로 모델링됩니다.

Containment pool simulation

모델을 자유 표면으로 실행하여 (풀의 섬프 흡입 또는 초크 포인트로 인한) 상당한 수위 변화를 식별하고, RNG 모델을 활성화하여 풀의 난류를 예측합니다. 파괴된 절연체가 격납용기 풀을 통해 이동할 수 있는 능력은 정착 속도(정지 상태에서 이동할 수 있는 기능)와 텀블링 속도(바닥을 가로질러 이동할 수 있는 기능)의 기능입니다. 안착 속도는 절연체를 고정하는 데 필요한 운동 에너지의 양과 관련이 있습니다. 이러한 안착 및 텀블링 속도는 연도 및 탱크 테스트를 통해 결정되며, FLOW-3D 모델에 의해 계산된 값입니다.

모델이 정상 상태 상태에 도달한 후에는 FLOW-3D 결과가 후처리되어 다양한 이물질 유형을 POOL 바닥(빨간색으로 표시됨)으로 넘어뜨릴 수 있을 정도로 속도가 높은 영역 또는 난류가 서스펜션의 이물질을 운반할 수 있을 정도로 높은 영역(노란색으로 표시됨)을 결정합니다.

그런 다음 속도 벡터를 빨간색 및 노란색 영역과 함께 사용하여 흐름이 이물질을 스트레이너 쪽으로 운반하는지 여부를 확인합니다. 그런 다음 이러한 영역을 초기 이물질 분포 영역과 비교하여 각 이물질의 유형 및 크기에 대한 운송 분율을 결정합니다.

Conclusions

이물질 잔해 수송 테스트를 CFD 모델링과 결합하면 ECCS 스트레이너가 견딜 수 있어야하는 잔해 부하를 다른 방법으로는 가정해야하는 지나치게 보수적인 값에서 크게 줄일 수 있습니다. CFD는 또한 수두 손실 테스트를 지원하기 위해 ECCS 스트레이너 주변의 흐름 패턴, 수두 손실 테스트 및 플랜트 설계 수정을 식별하는 데있어 격납용 POOL 수위 변화를 식별하는데 유용함이 입증되었습니다.

Alion logo

1Alion Science and Technology is a consulting engineering company with the ITS Operation comprised of engineering professionals skilled at developing and completing diverse projects vital to power plant operations. Alion ITSO provides engineering, program management, system integration, human-systems integration, design review, testing, and analysis for nuclear, electrical and mechanical systems, as well as environmental services. Alion ITSO has developed a meticulous Quality Assurance Program, which is compliant with 10CFR50 Appendix B, 10CFR21, ASME NQA-1, ANSI N45.2 and applicable daughter standards. Alion ITSO has provided a myriad of turnkey services to customers, delivering the highest levels of satisfaction for almost 15 years.

Aerospace Electric Charge Distribution

Electric Charge Distribution

비행중 또는 급유 중에 항공기 연료가 슬로싱되면 전하가 발생하여 인터페이스의 fuel-vapor 혼합물이 전도성이됩니다. 과도 전위 및 필드 분포 분석은 연료 탱크의 최적 배출 위치를 식별하는 데 도움이됩니다. FLOW-3D를 사용한 이 전하 분포 시뮬레이션은 일련의 yaw, pitch 및 roll motion에서 회전을 통해 가속하는 동안 항공기 연료 탱크 내부의 연료 거동을 보여줍니다.

Electrokinetics

Dielectrophoresis

유전 영동은 분극성 입자에 힘을 생성하여 균일하지 않은 전기장 (일반적으로 AC 전기장)에서 움직임을 유도합니다. 유전 영동력은 마이크로스케일 및 나노스케일 바이오 입자를 특성화, 처리 또는 조작하는 데 사용할 수 있습니다. 여기에는 세포, 바이러스, 박테리아, DNA 등의 분류, 포획 및 분리가 포함될 수 있습니다. 유전 영동은 FLOW-3D에서 완전히 설명 할 수 있으며 날카로운 인터페이스가 있거나 없는 단일 유체 또는 2 유체 흐름과 같이 코드에서 사용할 수있는 다른 모든 유체 흐름 옵션과 함께 활성화 될 수 있습니다.

Electro-wetting

전도성 액적에서 액체와 전극 사이에 인가되는 얇은 유전체 코팅 전위를 갖는 전극 상에 배치되면, 드롭 평면화와 전극 표면 확산이 일어납니다. 이 현상은 종종electro-wetting라 부릅니다. 현상은 전하 층의 발달과 관련되어 있으므로, 외부 전기장을 그들을 이동, 합체, 깨지거나 하는 원인을 조작하기 위해 사용될 수 있습니다.

 

Lab-On-Chip Electro-wetting Applications

Lab-on-chip 기반electro-wetting 은 분리된 물방울을 조절할 수 있어 설계자들이 복잡한 절차를 전통적인 실험실 장치를 달지만 훨씬 작은 volumes 으로 비슷한 실험을 수행할 수 있습니다. 이러한 기기는 효율적으로 운송, 병합되어 있으며 분리된 물방울들이 요구합니다. FLOW-3D는 사용자가이 장치를 조작하는 데 사용되는 기하학적 파라미터들 및 전압의 영향을 시뮬레이션 할 수 있도록 하여 설계 프로세스에 유용한 도구가 될 수 있습니다.

아래의 애니메이션은 수송 시뮬레이션 병합 및 분할 방울에 FLOW-3D의 기능을 보여줍니다. Lab-on-chip은 약 300 ㎛로 분리 된 두 개의 평행 한 플레이트로 구성됩니다. 바닥 판은 방울을 조작하기 위해 사용되는 그 안에 삽입 된 전극을 보유하고 있습니다. 액 적은 물 (약간 도전성) 실리콘 오일에 의해 둘러싸여 있습니다. 액체 방울의 부피가 800nl 관한 것입니다.

This lab-on-a-chip electrowetting simulation demonstrates an electric field being applied in order to split a small droplet.

Here an electric field is being applied in order to merge two small droplets.

This simulation shows an electric field being applied to a small droplet to control its motion.

Microfluidic Circuits

Microfluidic Circuits

생물학에서 물질을 한 장소에서 다른 장소로 운반하거나 수백 개의 검사를 병렬로 수행하기 위해 사용하는 미세 유체 회로 장치 분야에서 최근 발전하고 있습니다. 일반적으로 이러한 회로는 특정 논리(AND, OR, XOR 등) 또는 여러 로직의 조합을 기반으로 합니다. 따라서 이러한 회로를 마이크로유체 논리 회로라고도 합니다. 전자 회로와 유사하게 오일은 채널과 공압 밸브를 통과하며 압력 디퍼렌셜에 의해 구동됩니다(전자 회로의 기존 전위/전압 디퍼렌셜과는 대조적으로). FLOW-3D의 움직이는 물체 모델은 유체 흐름과 결합되어 공압 밸브의 움직임을 시뮬레이션할 수 있습니다.

Simulation of a pneumatic latching valve used in microfluidic demultiplexer. The animation starts at stage 3 – the open stage, and finally evolves to stage 7 – the closed stage.

Read the Microfluidic Circuit – Pneumatic Latching Valve blog.

FLOW-3D AM

FLOW-3D AM 제품 배너

FLOW-3D AM 은 레이저 파우더 베드 융합 (L-PBF), 바인더 제트 및 DED (Directed Energy Deposition)와 같은 적층 제조 공정 ( additive manufacturing )을 시뮬레이션하고 분석하는 CFD 소프트웨어입니다. FLOW-3D AM 의 다중 물리 기능은 공정 매개 변수의 분석 및 최적화를 위해 분말 확산 및 압축, 용융 풀 역학, L-PBF 및 DED에 대한 다공성 형성, 바인더 분사 공정을위한 수지 침투 및 확산에 대한 매우 정확한 시뮬레이션을 제공합니다.

3D 프린팅이라고도하는 적층 제조(additive manufacturing)는 일반적으로 층별 접근 방식을 사용하여, 분말 또는 와이어로 부품을 제조하는 방법입니다. 금속 기반 적층 제조 공정에 대한 관심은 지난 몇 년 동안 시작되었습니다. 오늘날 사용되는 3 대 금속 적층 제조 공정은 PBF (Powder Bed Fusion), DED (Directed Energy Deposition) 및 바인더 제트 ( Binder jetting ) 공정입니다.  FLOW-3D  AM  은 이러한 각 프로세스에 대한 고유 한 시뮬레이션 통찰력을 제공합니다.

파우더 베드 융합 및 직접 에너지 증착 공정에서 레이저 또는 전자 빔을 열원으로 사용할 수 있습니다. 두 경우 모두 PBF용 분말 형태와 DED 공정용 분말 또는 와이어 형태의 금속을 완전히 녹여 융합하여 층별로 부품을 형성합니다. 그러나 바인더 젯팅(Binder jetting)에서는 결합제 역할을 하는 수지가 금속 분말에 선택적으로 증착되어 층별로 부품을 형성합니다. 이러한 부품은 더 나은 치밀화를 달성하기 위해 소결됩니다.

FLOW-3D AM 의 자유 표면 추적 알고리즘과 다중 물리 모델은 이러한 각 프로세스를 높은 정확도로 시뮬레이션 할 수 있습니다. 레이저 파우더 베드 융합 (L-PBF) 공정 모델링 단계는 여기에서 자세히 설명합니다. DED 및 바인더 분사 공정에 대한 몇 가지 개념 증명 시뮬레이션도 표시됩니다.

레이저 파우더 베드 퓨전 (L-PBF)

L-PBF 공정에는 유체 흐름, 열 전달, 표면 장력, 상 변화 및 응고와 같은 복잡한 다중 물리학 현상이 포함되어 공정 및 궁극적으로 빌드 품질에 상당한 영향을 미칩니다. FLOW-3D AM 의 물리적 모델은 질량, 운동량 및 에너지 보존 방정식을 동시에 해결하는 동시에 입자 크기 분포 및 패킹 비율을 고려하여 중규모에서 용융 풀 현상을 시뮬레이션합니다.

FLOW-3D DEM FLOW-3D WELD 는 전체 파우더 베드 융합 공정을 시뮬레이션하는 데 사용됩니다. L-PBF 공정의 다양한 단계는 분말 베드 놓기, 분말 용융 및 응고,이어서 이전에 응고 된 층에 신선한 분말을 놓는 것, 그리고 다시 한번 새 층을 이전 층에 녹이고 융합시키는 것입니다. FLOW-3D AM  은 이러한 각 단계를 시뮬레이션하는 데 사용할 수 있습니다.

파우더 베드 부설 공정

FLOW-3D DEM을 사용하면 아래 동영상처럼 입자의 분포를 무작위로 떨어뜨려 파우더 베드 배치 프로세스를 시뮬레이션할 수 있습니다.

다양한 파우더 베드 압축을 달성하는 한 가지 방법은 베드를 놓는 동안 다양한 입자 크기 분포를 선택하는 것입니다. 아래에서 볼 수 있듯이 세 가지 크기의 입자 크기 분포가 있으며, 이는 가장 높은 압축을 제공하는 Case 2와 함께 다양한 분말 베드 압축을 초래합니다.

파우더 베드 분포 다양한 입자 크기 분포
세 가지 다른 입자 크기 분포를 사용하여 파우더 베드 배치
파우더 베드 압축 결과
세 가지 다른 입자 크기 분포를 사용한 분말 베드 압축

입자-입자 상호 작용, 유체-입자 결합 및 입자 이동 물체 상호 작용은 FLOW-3D DEM을 사용하여 자세히 분석 할 수도 있습니다 . 또한 입자간 힘을 지정하여 분말 살포 응용 분야를 보다 정확하게 연구 할 수도 있습니다.

FLOW-3D AM  시뮬레이션은 이산 요소 방법 (DEM)을 사용하여 역 회전하는 원통형 롤러로 인한 분말 확산을 연구합니다. 비디오 시작 부분에서 빌드 플랫폼이 위로 이동하는 동안 분말 저장소가 아래로 이동합니다. 그 직후, 롤러는 분말 입자 (초기 위치에 따라 색상이 지정됨)를 다음 층이 녹고 구축 될 준비를 위해 구축 플랫폼으로 펼칩니다. 이러한 시뮬레이션은 저장소에서 빌드 플랫폼으로 전송되는 분말 입자의 선호 크기에 대한 추가 통찰력을 제공 할 수 있습니다.

파우더 베드 용해

파우더 베드를 놓은 후 FLOW-3D  WELD 에서 레이저 빔 공정 매개 변수를 지정 하여 고 충실도 용융 풀 시뮬레이션을 수행 할 수 있습니다  . 온도, 속도, 고체 분율, 온도 구배 및 고체 속도의 플롯을 자세히 분석 할 수 있습니다.

레이저 출력 200W, 스캔 속도 3.0m / s, 스폿 반경 100μm에서 파우더 베드의 용융 풀 분석.

용융 풀이 응고되면 FLOW-3D AM  압력 및 온도 데이터를 Abaqus 또는 MSC Nastran과 같은 FEA 도구로 가져와 응력 윤곽 및 변위 프로파일을 분석 할 수도 있습니다.

다층 적층 제조

첫 번째 용융 층이 응고되면 입자의 두 번째 층이 응고 층에 증착됩니다. 새로운 분말 입자 층에 레이저 공정 매개 변수를 지정하여 용융 풀 시뮬레이션을 다시 수행합니다. 이 프로세스를 여러 번 반복하여 연속적으로 응고 된 층 간의 융합, 빌드 내 온도 구배를 평가하는 동시에 다공성 또는 기타 결함의 형성을 모니터링 할 수 있습니다.

다층 적층 적층 제조 시뮬레이션

바인더 분사 (Binder jetting)

Binder jetting 시뮬레이션은 모세관 힘의 영향을받는 파우더 베드에서 바인더의 확산 및 침투에 대한 통찰력을 제공합니다. 공정 매개 변수와 재료 특성은 증착 및 확산 공정에 직접적인 영향을 미칩니다.

방향성 에너지 증착

FLOW-3D AM 의 내장 입자 모델 을 사용하여 직접 에너지 증착 프로세스를 시뮬레이션 할 수 있습니다. 분말 주입 속도와 고체 기질에 입사되는 열유속을 지정함으로써 고체 입자는 용융 풀에 질량, 운동량 및 에너지를 추가 할 수 있습니다. 다음 비디오에서 고체 금속 입자가 용융 풀에 주입되고 기판에서 용융 풀의 후속 응고가 관찰됩니다.

dem9
dem10

FLOW DEM

FLOW DEM 은 FLOW-3D 의 기체 및 액체 유동 해석에 DEM(Discrete Element Method : 개별 요소법)공법인 입자의 거동을 분석해주는 모듈입니다.

주요 기능 :고체 요소의 충돌, 스프링(Spring) / 대시 포트(Dash Pot) 모델 적용 Void, 1 fluid, 2 fluid(자유 계면 포함) 각각의 모드에 대응 가변 밀도 / 가변 직경 입자 크기조절로 입자 특성을 유지하면서 입자 수를 감소 독립적인 DEM의 Sub Time Step 이용

Discrete Element Method : 개별 요소법

다수의 고체 요소의 충돌 운동을 분석하는 데 유용합니다. 유동 해석과 함께 사용하면 광범위한 용도에 응용을 할 수 있습니다.

dem1

입자 간의 충돌

Voigt model은 스프링(Spring) 및 대시 포트(Dash pot)의 조합에 의해 입자 충돌 시의 힘을 평가합니다. 탄성력 부분은 스프링 모델에서,
비탄성 충돌의 에너지 소산부분은 대시 포트 모델에서 시뮬레이션되고 있으며, 중량 및 항력은 작용하는 외력으로 고려 될 수 있습니다.

분석 모드

기본적으로 이용하는 운동 방정식은 FLOW-3D 에 사용되는 질량 입자의 운동 방정식과 같은 것이지만, 여기에 DEM으로
평가되는 항목이 추가되기 형태로되어 있으며, 실제 시뮬레이션으로는 ‘void + DEM’, ‘1 Fluid + DEM’ , ‘ 1 Fluid 자유계면 + DEM ‘을 기본 유동 모드로 취급이 가능합니다.

dem4

입자 유형

입자 타입도 표준 기능의 질량 입자 모델처럼 입자 크기 (반경)와 밀도가 동일한 것 외, 크기는 같지만 밀도가 다른 것이나 밀도는 같지만 크기가 다른 것 등도 취급 가능합니다. 이로 인해 표준 질량 입자 모델에서는 입자 간의 상호 작용이 고려되어 있지 않기 때문에 모든 아래에 가라 앉아 버리고 있었지만, FLOW DEM을 이용하여 기하학적 관계를 평가하는 것이 가능합니다.

dem7

응용 분야

1. Mechanical Engineering 분야

수지 충전, 스쿠류 이송, 분말 이송 / Resin filling, screw conveyance, powder conveyance

2. Civil Engineering분야

3. Civil Engineering 분야

파편, 자갈, 낙 성/ Debris flow, gravel, falling rock

dem11

3. Chemical Engineering, Pharmaceutics 분야

유동층, 사이클론, 교반기 / Fluidized bed, cyclone, stirrer

dem12

4. MEMS, Electrical Engineering 분야

하전 입자를 포함한 전기장 해석 등

dem15

입자 그룹 가시화

그룹 가시화

DEM은 일반적으로 다수의 입자를 필요로하는 분석을 상정하고 있습니다. 
다만 이 경우, 계산 부하가 높아 지므로 현실적인 계산자원을 고려하면, 입자 수가 너무 많아 현실적으로 취급 할 수 없는 경우 입자의 특성은 유지하고 숫자를 줄여 가시화할 필요가 있습니다 .
일반적인 유동해석 계산의 메쉬 해상도에 해당합니다.
메쉬 수 많음 (계산 부하 큼) → 소 (계산 부하 적음)
입자 수 다 (계산 부하 큼) → 소 (계산 부하 적음)

원래 입자수
입자 사이즈를 키운경우
그룹 가시화
  • 입자 수를 줄이기 위해 그대로 입경을 크게했을 경우와 그룹 가시화 한 경우의 비교.
  • 입자 크기를 크게하면 개별 입자 특성이 달라지기 때문에 거동이 달라진다. (본 사례에서는 부력이 커진다.)
  • 그룹 가시화의 경우 개별 특성은 동일 원래의 거동과 대체로 일치한다.

주조 시뮬레이션에 DEM 적용

그룹 가시화 비교 예

그룹 가시화한 경우와 입경을 크게하여 수를 줄인 경우, 입경을 크게하면
개별 입자 특성이 변화하여 거동이 바뀌어 버리기 때문에 실제 계산으로는 사용할 수 어렵습니다.

중자 모래 분사 분석

DEM에서의 계산부하를 생각할 때는 입자모델에 의한 안정제한을 고려해야 하지만 서브타임스텝이라는 개념을 도입함으로써 입자의 경우와 유체의 경우의 타임스텝을 바꾸고 필요이상으로 계산시간을 들이지 않고 효율적으로 계산하는 것을 가능하게 하고 있습니다.

이를 통해 예를 들어 중자사 분사 시뮬레이션 실험에서는 이러한 문제로 자주 이용되는 빙엄 유체에서는 실험과의 정합성이 별로 좋지 않기 때문에 당사에서는 이전부터 입상류 모델이라는 모델을 개발하고 연속체로부터의 접근에서도 실험과의 높은 정합성을 실현할 수 있는 모델화를 해왔는데, 이번에 DEM을 사용해도 그것과 거의 같은 결과를 얻습니다. 할 수 있음을 확인할 수 있었다.

Reference :

  • Lefebvre D., Mackenbrock A., Vidal V., Pavan V. and Haigh PM, 2004,
  • Development and use of simulation in the Design of Blown Cores and Moulds

Solidification model

Solidification model

FLOW-3D CAST v5.1 solidification model

FLOW-3D CAST v5.1의 새로운 최첨단 화학 기반 고체화 모델은 주조 시뮬레이션을 새로운 단계로 발전시킬것 입니다. 사용자는 주조 부품의 강도와 무결성을 예측하면서도 고철을 줄이고 제품 안전 및 성능 요구사항을 충족할 수 있습니다.

Solidification model capabilities

새로운 응고모델은 핵, 분리, 냉각 조건을 고려한 온도와 화학의 진화로 인한 잠열, 열전도도, 열 용량, 밀도, 점성 등을 포함한 고체화 경로와 재료 특성을 계산합니다.

응고모델은 이차 덴드라이트 암 사핑(SDAS) 및 입자 크기와 같은 구성 및 냉각 조건에 기반한 미세 구조 진화를 예측합니다. 또한 확산과 집착으로 인한 매크로 분리를 예측합니다. 기계적 특성과 미세구조 사이의 경험적 관계는 실험 측정을 기반으로 합니다. 독특하고 강력한 마이크로 구조와 기계적 특성 예측 기능을 갖춘 새로운 고체화 모델은 마이크로도 예측을 위한 차원 없는 니야마 기준과 같은 다른 모델의 기초를 제공합니다.

응고 미세 구조와 다공성 결함은 주물의 기계적 특성에 영향을 미치는 주요 요소입니다. 또한, 국소 미세 구조는 합금 원소의 분리에 따른 합금의 화학적 구성, 응고율 및 화학적 비동종성에 의해 결정됩니다. 공정 설계자는 새로운 응고 모델을 사용하여 다양한 공정 매개변수 및 합금 조합이 기계적 특성에 미치는 영향을 판단하여 주조물의 성능을 최적화하여 가능한 최고 품질의 안전한 제품을 생산할 수 있습니다.

Solidification of A356

 

Solidification of A206

MICROSTRUCTURE OUTPUT

  • Secondary dendrite arm spacing (SDAS)
  • Grain size

MECHANICAL PROPERTY OUTPUT

  • Ultimate tensile strength (UTS)
  • Elongation
  • Quality index
  • Yield strength for heat treated properties

DEFECT INDICATORS

  • Dimensionless Niyama criterion
  • Microporosity

완전하고 단순화된 화학 기반 응고 모델

유연성 모델

솔리드화 모델에는 전체 모델과 단순화된 모델이 모두 포함되어 있어 사용자가 시뮬레이션 워크플로우를 보다 효과적으로 제어할 수 있습니다. 전체 모델은 용융이 응고될 때 화응고 모델에는 전체 모델과 단순 모델이 모두 포함되어 있어 사용자가 시뮬레이션 워크 플로우를 보다 효과적으로 제어할 수 있습니다. 전체 모델은 용해가 응고됨에 따라 화학적 구성과 위상 변화를 고려하는 반면, 단순화된 모델은 보다 빠른 런트를 제공하고 전체 모델만큼 많은 메모리를 필요로 하지 않습니다. 전체 모델을 기반으로 한 재시작 시뮬레이션은 단순화된 모델에서 시작하거나 그 반대로 시작할 수 있습니다. 이를 통해 다양한 시뮬레이션 유형과 시뮬레이션 단계에 적합한 모델을 사용할 수 있는 완전한 유연성을 제공합니다.

사용할 모델

자원을 적게 사용하는 것의 명백한 이점 때문에 사용자는 가능한 단순화된 모델을 많이 사용할 것을 권장한다. 매크로 분리가 중요한 경우에는 사용자가 전체 모델을 사용하는 것이 좋습니다. 열 다이 사이클 시뮬레이션의 경우, 이러한 모델링 시나리오에서는 완전한 분석이 필요하지 않기 때문에 소프트웨어가 단순화된 모델을 적용합니다.

일부 박막형 주조물의 경우 확산 및 홍보에 기반한 매크로 세그멘테이션은 중요하지 않습니다. 이러한 주조물에서 응고 경로는 전체적으로 거의 동일합니다. 따라서 각 개별 계산 셀에 대해 응고 중에 조성 및 위상 변화를 추적할 필요가 없습니다. 이러한 유형의 시나리오에서는 사용자가 간소화된 응고 모델을 사용하여 솔루션에 더 빨리 도달하는 것이 좋습니다.

Tilt Pour Casting Workspace, 경동주조

Tilt Pour Casting Workspace Highlights, 경동주조

  • 금형의 모션 제어
  • 최첨단 금형온도관리, 동적 냉각 채널, 스프레이 냉각, 금형온도 싸이클링
  • 정확한 가스 고립 및 기공 예측

Workspace Overview

경동주조(Tilt Pour Casting) Workspace는 엔지니어가 FLOW-3D  CAST로 경동주조(Tilt Pour Casting)을 성공적으로 모델링 할 수 있도록 설계된 직관적인 모델링 환경입니다 . 작업 공간에는 프로세스별 특정 다이 및 재료 유형이 포함되어 있으며, 정확한 기계 기능에 맞게 회전 동작을 쉽게 정의 할 수 있습니다. 

기포 결함의 완전한 분석을 위해 충진 분석에 벤트 및 배압이 포함되어 있으며, 다이사이클링 및 최신 응고 모델은 작업 공간의 하위 프로세스 아키텍처를 통해 충진시 매끄럽게 연결됩니다. Tilt Pour Casting Workspace는 단순하지만 다양한 모델링 환경에서 시뮬레이션의 모든 측면을 위한 완전하고 정확한 솔루션을 제공합니다.

Tilt Pour Simulation | FLOW-3D CAST
Tilt Pour Casting | FLOW-3D CAST
8-Cavity Tilt Pour | FLOW-3D CAST v5.1

프로세스 모델링

  • 틸트 주입
  • 역 틸트 주입

유연한 격자 생성

  • FAVOR ™ 단순 격자 생성 도구
  • 멀티 블록
  • Conforming mesh

금형 온도 관리

  • 다이 사이클링
  • 열 포화
  • 완전 열전달 모델링

고급 응고

  • 다공성 예측
  • 수축
  • 핫스팟 식별
  • 열 계수
  • 기계적 특성 예측

모래 코어

  • 핵심 가스 진화
  • 코어 특성에 대한 재료 정의

금형 동작 제어

  • 6 개의 회전축
  • 회전 속도를위한 테이블 형식 입력

결함 예측

  • 매크로 및 미세 다공성
  • 가스 다공성
  • 조기 응고
  • 산화물 형성
  • 표면 결함 분석

다이나믹 시뮬레이션 제어

  • 모션 제어를위한 이벤트 프로브 기반 트리거

완벽한 분석 패키지

  • 다중 뷰포트가있는 애니메이션-3D, 2D, 히스토리 플롯, 볼륨 렌더링
  • 다공성 분석 도구
  • 병렬 시뮬레이션 결과 비교
  • 용융 온도, 고체 분율 측정 용 센서
  • 입자 추적기
  • 일괄 배치 처리
  • 보고서 생성

Low Pressure Die Casting Workspace, 저압주조

Workspace Highlights, 저압주조

  • 매우 정확한 충진을 위한 압력 제어 주입
  • 공극, 배기 및 역압 효과를 포함한 전체 프로세스 모델링
  • 다공성과 같은 정밀한 조기 동결 및 응고 결함을 해결하기 위한 향상된 응고 및 열 전달 제어

Workspace Overview

저압주조 Workspace 는 엔지니어가 FLOW-3D CAST를 통해 저압주조 제품을 성공적으로 모델링하도록 설계된 직관적인 모델링 환경입니다. 

유연한 압력 제어를 통해 엔지니어는 가압, 벤트 및 배압 조건을 정확하게 재현하여 주입, 공기 갇힘 및 미세수축결함에 대한 완전한 분석을 수행할 수 있습니다.

금형온도해석 및 최첨단 응고 모델은 작업 공간의 서브 프로세스 아키텍처를 통해 원활하게 충전 상태에 연결됩니다. 저압주조 Workspace은 단순하면서도 다목적 모델링 환경에서 시뮬레이션의 모든 측면을 위한 완전하고 정확한 솔루션을 제공합니다.

프로세스 모델링

  • 중력 저 압력 다이 캐스트 주조

유연한 메쉬

  • FAVOR™단순 메시 생성 도구
  • 멀티 블록 메쉬
  • 중첩된 메쉬

다이 열 관리

  • 열사이 사이클
  • 열 포화도
  • 풀 열 전달 모델링

고급 응고

  • 다공성 예측
  • 수축
  • 핫 스폿 식별
  • 기계적 특성 예측
  • 마이크로 아키텍처 예측

모래 코어

  • 핵심 가스 진화
  • 코어 특성에 대한 재료 정의

진공 및 환기

  • 대화형 프로브 배치
  • 면적 및 손실 계수 계산기

LADLE운동

  • 6도의 자유 동작 정의

주입 정확도

  • 가스 및 기포 걸림
  • 표면 산화물 계산
  • RNG및 LES난류 모델
  • 배경 압력

결함 예측

  • 매크로 및 마이크로 다공성
  • 가스 다공성
  • 조기 응고
  • 산화물 형성
  • 표면 결함 분석

동적 시뮬레이션 컨트롤

  • 프로브 기반 트리거
  • 열 제어
  • 진공 및 환기 컨트롤

완전한 분석

  • 다중 뷰 포트를 사용한 애니메이션-3D, 2D, 기록 플롯, 볼륨 렌더링
  • 다공성 분석 도구
  • 사이드 바이 사이드 시뮬레이션 결과 비교
  • 용해 온도, 고체 부분을 측정하기 위한 센서
  • 입자 추적기
  • 일괄 처리
  • 보고서 생성

Gravity Die Casting Workspace, 중력주조

Gravity Die Casting Workspace Highlights, 중력주조

  • 최첨단 다이 열 관리, 동적 냉각 채널, 분무 냉각 및 열 순환
  • Ladle 주입 조건에 따라 동적 Ladle 모션이 있는 Ladle 주입
  • 첨단 유량 솔루션으로 정확한 가스 갇힘 및 가스 다공성 제공

Workspace Overview

Gravity Die Casting Workspace(중력주조)는 엔지니어가 FLOW-3D CAST를 사용하여 중력주조 제품을 성공적으로 모델링할 수 있도록 설계된 직관적인 모델링 환경입니다.

Ladle 모션, 벤트 및 배압이 충진해석에 포함되어 공기 갇힘 및 미세 응고수축공의 정확한 예측과 금형온도분포 및 상태 예측이 가능합니다.-첨단 응고 모델은 Workspace의 하위 프로세스 아키텍처를 통해 충준해석기능에 원활하게 연결됩니다. Gravity Die Casting Workspace는 다목적 모델링 환경에서 시뮬레이션의 모든 측면을 위한 완전하고 정확한 솔루션을 제공합니다.

PROCESSES MODELED

  • Gravity die casting
  • Vacuum die casting

FLEXIBLE MESHING

  • FAVOR™ simple mesh generation tool
  • Multi-block meshing
  • Nested meshing

MOLD MODELING

  • Localized die heating elements and cooling channels
  • Spray cooling of the die surface
  • Ceramic filters
  • Air vents

ADVANCED SOLIDIFICATION

  • Porosity
  • Shrinkage
  • Hot spots
  • Mechanical property
  • Microstructure

SAND CORES

  • Core gas evolution
  • Material definitions for core properties

DIE THERMAL MANAGEMENT

  • Thermal die cycling
  • Heat saturation
  • Full heat transfer

LADLE MOTION

  • 6 degrees of freedom motion definition

DEFECT PREDICTION

  • Macro and micro porosity
  • Gas porosity
  • Early solidification
  • Oxide formation
  • Surface defect analysis

VACUUM AND VENTING

  • Interactive probe placement
  • Area and loss coefficient calculator

MACRO AND MICRO POROSITY

  • Gas porosity
  • Early solidification
  • Oxide formation
  • Surface defect analysis

FILLING ACCURACY

  • Gas and bubble entrapment
  • Surface oxide calculation
  • RNG and LES turbulence models
  • Backpressure

COMPLETE ANALYSIS PACKAGE

  • Animations with multi-viewports – 3D, 2D, history plots, volume rendering
  • Porosity analysis tool
  • Side-by-side simulation results comparison
  • Sensors for measuring melt temperature, solid fraction
  • Particle tracers
  • Batch post-processing
  • Report generation

Centrifugal Casting Workspace, 원심주조

원심주조 워크 스페이스 하이라이트

  • 고급 모션 컨트롤을 통해 모든 스핀 조건의 정밀한 시뮬레이션
  • 수평 파이프 주조, 수직 보석 주조, 수직 대형 회전 등의 솔루션 제공
  • 응고 중 동적 스핀 속도 제어

작업 영역 개요

원심 주조 Workspace는 원심 주조 사용자에게 수평 및 수직 진정한 원심 주조, 부분 원심 주조 및 원심 주조 시뮬레이션을 위한 편리한 도구를 제공합니다. 새로운 원심 주조 Workspace를 사용하면 사용자가 프로세스를 모델링하고 설계 매개 변수를 최적화하는데 필요한 모든 도구를 찾을 수 있습니다. 금형을 고정시키고 회전하는 메쉬를 통해 사용자는 ladle 붓기를 포함하여 상상할 수 있는 모든 금형 모션을 모델링할 수 있는 유연성을 제공합니다.

원통형 메싱은 가능한 최고의 흐름 모델링 정확도를 제공하는 반면, 다중 블록 메싱은 주조물의 높은 전단 및 고온 구배 영역에서 훨씬 더 높은 정확도를 위한 효율적인 방법을 제공합니다. 이 솔루션은 적합하지 않은 금형 회전 속도에 따라 비처럼 떨어지는 것과 같은 흐름 관련 문제, 공기 유입 또는 응고 부위의 재용해과 같은 결함을 예측합니다. 몰드 예열 온도, 냉각 구성 및 금형 회전률과 같은 프로세스 매개변수는 모두 모델 설정의 일부가 될 수 있습니다.

모델링된 프로세스

  • 수평 및 수직 진정한 원심 공정
  • 반원심 공정
  • 분리기

열 금형 모델링

  • 가열 요소와 지역화 다이 가열 제어
  • 대류 및 복사 열 전달

유연한 메시

  • 최고의 정확도를 위한 원통형 저술
  • 다중 블록 메시는 흐름과 온도 그라데이션을 캡처합니다.

충전 정확도

  • 용융 픽업 및 강우 예측
  • 가스/버블 함정
  • 표면 산화물 계산
  • RNG 및 레 난류 모델

금형 모션 제어

  • 수직 및 수평 회전
  • 가변 스핀 속도

국자 붓기

고급 응고

  • 수축
  • 방향 응고

결함 예측

  • 다공성 예측
  • 실내 공기
  • 조기 응고
  • 산화물 형성

동적 시뮬레이션 제어

  • 흐름 역학에 따라 제어 부기

전체 분석 패키지

  • 다중 뷰포트가 있는 애니메이션 – 3D, 2D, 기록 플롯, 볼륨 렌더링
  • 다공성 분석 도구
  • 나란히 시뮬레이션 결과 비교
  • 용융 온도, 고체 분획 측정을 위한 센서
  • 파티클 트레이서
  • 배치 후 처리
  • 보고서 생성

모터 냉각에 관한 성능 연구

모터 냉각에 관한 성능 연구

본 연구는 모터 냉각 성능을 실험적으로, 그리고 수치적으로 조사한다. 모터는 원심 팬, 2개의 축 팬, 축, 스테이터, 로터, 637개의 냉각 튜브가 있는 열 교환기로 구성된다.

1800rpm에서 냉각팬의 압력 상승-유량(P-Q) 성능 곡선은 중국 국가표준(CNS) 2726을 준수하는 시험 장치를 사용하여 시험한다. 수치해석 결과, 실험 측정과 비교했을 때 축방향 팬과 원심형 팬의 P-Q 성능 곡선은 각각 약 2%와 6% 이내에서 추정할 수 있다.

단순화된 모델을 사용하여 열교환기와 스테이터를 다공성 매체로 설정함으로써 모터의 흐름장을 계산한다. 로터와 스테이터 근처의 유장 결과를 사용하고, 열 발생 속도를 경계조건으로 하여 스테이터와 로터의 온도분포도 계산한다.

시뮬레이션 결과 축 팬 근처에 있는 스테이터 권선의 계산온도는 측정값보다 약 5% 낮으며, 스테이터 중심에 위치한 스테이터 코어의 계산온도는 측정값보다 약 1% 높다. 이외에도 모터 냉각 성능 향상을 위한 논의가 이루어지고 있다.

모터는 우리 생활에서 널리 사용되고 있지만, 온도는은 모터 생산에서 중요한 고려사항이 된다. 과열은 모터의 수명을 감소시키는 결과를 가져올 것이다. 따라서 비용을 절감하고 최적화된 성능을 얻는 방법은 노력을 기울여야 한다.

CFD(Computational Fluid Dynamics) 코드를 통해 모터의 열 전달을 이해하고 모터의 열 관리를 개선하는 데 유용할 것이다.

모터 성능을 향상시키기 위해, 많은 연구들이 팬의 성능 예측과 최적화에 전념하였다[1-6]. 좋은 팬은 기하학 및 블레이드 번호를 포함하여 모터의 냉각 용량에 영향을 미친다. 게다가, 선풍기에서 발생하는 소음과 진동은 데시벨을 낮추는 방법을 제안할 필요가 있는 핵심이다.

모터 온도와 관련하여 모터 온도를 결정하기 위해 전력 소산 및 모터 열 저항을 고려할 수 있다[7]. 밀폐된 모터 냉각 시스템의 흐름 구조에 따라 달라지는 대류 열전달 때문에 밀폐된 전기 모터의 유체 흐름은 수치적 방법에 의해 연구된다[8]. 모터 성능 연구에서는 CFD 모델링 기법을 사용하여 모터의 열 관리를 조사한다.

[9-13]. 본 연구는 주로 원심 팬(외부 팬), 2개의 축 팬(내부 팬), 샤프트, 스테이터, 로터 및 637개의 냉각 튜브가 장착된 열 교환기로 구성된 2350kW TEAC(Tall Closed Air to Air Cooling) 모터를 조사한다. 이 모델에서 흐름은 외부 흐름과 내부 흐름으로 구분할 수 있다. 그림 1에서, 파란색 화살표는 외부의 차가운 흐름을 나타낸다.

원심 팬이 회전하면서 주변 공기가 공기 장막을 통해 흐른 뒤 637개의 열교환 튜브로 들어가 밖으로 나가는 데서 유래한다. 빨간색 화살표의 순환은 축 팬의 회전으로 인한 내부 열류, 스테이터를 의미한다. 그런 다음 열교환기로 들어가 외부 저온 흐름으로 열교환한다.

Flow fields of the axial fan
Path lines of the axial fan
Calculation results of the pressure and flow fields

본 연구에서는 모터 성능을 Fluent[14]와 상업용 코드인 Flow-3D[15]로 시뮬레이션하고, Gambit을 사용하여 Fluent용 메쉬를 생성한다.

이 모터의 복잡한 지오메트리를 다루기 위해서는 구조화되지 않은 메쉬나 하이브리드 메쉬가 우선 고려되었다. 아쉽게도 멀티 블록 구조 메시 생성 방식을 시도했지만 효과가 없었다. 또한 심하게 치우친 요소를 생성하지 않고 메쉬 확인을 위한 메쉬 테스트도 시뮬레이션 과정에서 중요하다.

본 연구의 첫 번째 부분은 축 및 원심 팬의 성능을 조사하는 것이다. 두 번째는 스테이터와 로터 부근의 전체 모터의 유량장, 압력장, 온도에 대해 논의한다. 모델의 정확성을 입증하기 위해 팬 성능 및 스테이터 온도의 계산 결과를 실험 데이터와 비교한다.

상세한 내용은 첨부된 논문을 참조하기 바랍니다.

The-Investigation-of-Motor-Cooling-Performance.pdf

고성능 컴퓨터(HPC)에 대한 이해

본 자료는 수치해석을 업무로 수행하는 엔지니어들의 고성능 컴퓨터에 대한 이해를 돕기 위해 https://www.amd.com/ko/technologies/hpc-explained 를 인용한 자료입니다.
본 자료의 모든 저작권은 https://www.amd.com에 있습니다.

고성능 컴퓨팅 안내

신약 개발에 걸리는 기간이 수년에서 수일로 단축된다고 상상해 보십시오. 고성능 컴퓨팅(HPC)은 시뮬레이션, 모델 및 분석을 통해 이러한 유형은 물론 기타 첨단 과학 문제를 해결할 수 있습니다. 이러한 시스템은 세계의 여러 주요 문제에 대한 해결책을 제공하여 “4차 산업혁명”으로 가는 길을 제시합니다.1 HPC 시스템은 이미 다음과 같은 용도로 사용되고 있습니다.

  • 여러 유형의 암과 기타 질병 퇴치를 위한 신약 화합물 개발 및 시험2
  • 방탄복과 같은 신소재 개발을 위한 분자 역학 시뮬레이션3
  • 영향을 받는 지역사회가 더 효과적으로 대비하도록 돕기 위한 중요한 기상 변화 예측4

슈퍼컴퓨터는 최첨단 HPC 시스템을 대표합니다. 슈퍼컴퓨터의 고유한 역량은 기능의 발전에 따라 시간이 지나면서 변화하는 표준에 좌우됩니다. 단일 슈퍼컴퓨팅 클러스터에는 수만 개의 프로세서가 포함될 수 있으며 세계 최고 성능의 최고가 시스템의 가격은 1억 달러 이상에 달합니다.5

HPC의 작동 방식

HPC에서 정보를 처리하는 두 가지 주요 방법:

직렬 처리를 중앙 처리 장치(CPU)에서 수행합니다. 일반적으로 각 CPU 코어에서 한 번에 한 작업만 처리합니다. CPU는 운영체제 및 기본적인 애플리케이션(예: 워드 프로세싱, 사무 생산성)과 같은 기능에 있어 필수적입니다.serial processing chart

병렬 처리를 여러 CPU 또는 그래픽 처리 장치(GPU)를 통해 수행할 수 있습니다. 원래는 전용 그래픽 용으로 개발된 GPU는 데이터 매트릭스(예: 화면 픽셀)에 대해 동시에 여러 산술 연산을 수행할 수 있습니다. GPU는 수많은 데이터 계층에서 동시에 작업할 수 있기 때문에 동영상에서 객체를 인식하는 것과 같은 머신 러닝(ML) 애플리케이션 작업에서 병렬 처리를 수행하는 데 적합합니다.parallel processing chart

슈퍼컴퓨팅의 잠재력을 극대화하기 위해서는 다양한 시스템 아키텍처가 필요합니다. 대부분의 HPC 시스템은 초고대역폭 상호 연결을 통해 여러 프로세서 및 메모리 모듈을 취합하여 병렬 처리를 지원합니다. 일부 HPC 시스템은 CPU와 GPU를 결합하는 데 이를 이기종 컴퓨팅이라고 합니다.

컴퓨터의 컴퓨팅 성능은 “FLOPS”(초당 부동 소수점 연산)라는 단위로 측정됩니다. 2019년 초반 현재 최고 수준의 슈퍼 컴퓨터는 143.5페타FLOPS(143 × 1015)를 처리할 수 있습니다. 페타스케일라고 하는 이러한 수준의 슈퍼컴퓨터는 천조 이상의 FLOPS를 수행합니다. 그에 비해, 하이엔드 게이밍 데스크탑은 속도가 1/1,000배 미만으로 약 200기가FLOPS(1 × 109)를 처리하는 데 그칩니다. 프로세싱과 처리 성능 모두에서 슈퍼컴퓨팅 혁신이 이루어지면 머지않아 엑사스케일 수준의 슈퍼컴퓨팅으로 발전하여 페타스케일보다 약 1,000배 빠른 속도가 실현될 것입니다. 이는 엑사스케일 슈퍼컴퓨터가 초당 1018(또는 10억 x 10억)의 연산을 수행할 수 있음을 의미합니다.evolution processing power

“FLOPS”는 이론적 처리 속도를 나타냅니다 – 프로세서에 지속적으로 데이터를 전송하는 데 필요한 속도를 파악합니다. 그러므로, 데이터 처리율이 반드시 시스템 디자인에 반영되어야 합니다. 프로세싱 노드 간 상호 연결과 함께 시스템 메모리가 데이터의 프로세서 도달 속도에 영향을 줍니다.supercomputer representative power

차세대 슈퍼컴퓨터가 구현하는 1 exaFLOP의 처리 성능은 5,000,000대에 달하는 데스크탑 컴퓨터의 성능에 필적합니다.*

*각 데스크탑의 처리 성능을 200기가FLOPS로 가정

스마트한 용어

  • 고성능 컴퓨팅 (HPC): 단일 컴퓨터(예: 1개의 CPU + 8개의 GPU)부터 세계적 수준의 슈퍼컴퓨터를 아우르는 폭넓은 범위의 강력한 컴퓨팅 시스템
  • 슈퍼컴퓨터: 진화하는 성능 표준에 기반한 최고 수준의 HPC
  • 이기종 컴퓨팅: 직렬(CPU) 및 병렬(GPU) 처리 기능을 최적화하는 HPC 아키텍처
  • 메모리: 데이터에 신속하게 액세스하기 위해 HPC 시스템에서 데이터가 저장되는 위치
  • 인터커넥트: 프로세싱 노드 간 통신을 지원하는 시스템 계층, 여러 수준의 상호 연결이 슈퍼컴퓨터 내에 존재
  • 페타스케일: 초당 1,000조(1015)의 계산을 수행하기 위해 설계된 슈퍼컴퓨터
  • 엑사스케일: 초당 100경(1018)의 계산을 수행하기 위해 설계된 슈퍼컴퓨터

새로운 이용 사례

기술 수준이 향상되면서, HPC는 더욱 폭넓은 기능으로 확장되었습니다. 오늘날 처리 능력과 메모리가 그 어느 때보다 향상되어 보다 복잡한 문제를 해결할 수 있게 되었습니다.

  • 머신 러닝: 인공지능(AI), 머신 러닝(ML)의 하위집합으로서 수행 지침을 수동적으로 받아들이는 대신 스스로 학습할 수 있는 시스템을 말합니다. HPC 시스템은 사진에서 흑색 종을 감지하는 암 연구와 같이 방대한 양의 데이터를 분석하는 높은 수준의 ML에 사용할 수 있습니다.6
  • 빅 데이터 분석: 학술, 과학, 금융, 비즈니스, 의료, 사이버 보안 및 정부 애플리케이션 부문의 연구 및 문제 해결을 보완하기 위해 대량의 데이터 세트를 신속하게 비교하고 상관 관계를 분석합니다. 이 작업에는 대규모 처리 및 컴퓨팅 기능이 필요합니다. 매년 50페타바이트의 임무 데이터가 생성되는 NASA에서는 슈퍼컴퓨팅을 활용해 관측을 분석하고 방대한 정보를 바탕으로 시뮬레이션을 실행합니다.7
  • 고급 모델링 및 시뮬레이션: 기업은 초기 단계에서 물리적 구축을 수행하지 않고도, 고급 모델링 및 시뮬레이션을 통해 혁신적인 제품을 더 빨리 출시하고 시간, 재료 및 인건비를 절약할 수 있습니다. HPC 모델링 및 시뮬레이션은 신약 개발 및 시험, 자동차 및 항공 우주 설계, 기후 예측/기상 관측, 에너지 애플리케이션 부문에서 활용됩니다.8

AMD가 엑사스케일에 대한 드라이브를 실현하는 방식

미국에너지국(DOE)/버클리 연구소(Berkeley Lab), 로렌스 리버모어 국립 연구소(U.S. Lawrence Livermore National Laboratory), 슈투트가르트 대학(University of Stuttgart) 및 CSC(핀란드 IT 과학 센터)의 최신 시스템과 같은 세계 최고 성능의 슈퍼컴퓨터가 바로 AMD 기술에 기반합니다.9

가까운 미래에 엑사스케일 수준의 최적의 슈퍼컴퓨터 설계를 실현하기 위해서는 더욱 강력한 처리 성능 및 프로세싱 기능(CPU 및 GPU 모두에서)이 필요합니다. 고성능 컴퓨팅과 그래픽 기술 부문 모두에서 업계 리더인 AMD는 HPC 시스템을 최적화하는 데 있어 몇 가지 고유한 이점을 제시합니다. 미국에너지국(DOE)에서 추진하는 엑사스케일 컴퓨팅 프로젝트의 일환으로, AMD는 미국 최초로 엑사스케일 수준의 슈퍼컴퓨터를 개발하기 위한 기술을 발전시키기 위해 미국 정부와 파트너십을 맺었습니다.10 이 작업에는 CPU 및 GPU 마이크로아키텍처, 메모리 시스템, 구성 요소 통합 및 고속 인터커넥트에 중점을 둔 연구가 포함되었습니다.

exascale desktop icon데스크탑

지역 전력망에 대한 하나의 동적 시나리오를 실시간으로 시뮬레이션합니다.

petascale iconn페타스케일

국가 전력망에 대한 수만 개의 동적 시나리오를 실시간으로 시뮬레이션합니다.

exascale  icon엑사스케일

전 세계 전력망에 대한 수백만 개의 동적 시나리오를 생성 및 수요에 관한 정의되지 않은 변수를 적용해 실시간으로 시뮬레이션합니다.

미래로 나아가는 힘과 자유

엑사스케일 컴퓨팅은 맞춤형 의료, 탄소 포집, 천체 물리학, 시장 경제학 및 바이오 연료 분야의 발전에 기여할 잠재성이 있습니다. 전문가들이 날씨를 더 정확히 예측하고, 더 복잡한 수학적 문제를 해결하며, 우주의 더 먼 곳까지 탐험하고, 에너지 절감형 전력망을 구축하는 데 도움이 될 것입니다.11 차세대 슈퍼컴퓨팅을 위한 공동의 노력과 이러한 시스템이 사회에 기여할 수 있는 긍정적인 영향을 바탕으로, AMD는 미래의 컴퓨팅 시스템의 성능, 에너지 효율성, 신뢰성 및 프로그래밍의 향상을 위한 연구와 자원에 주력하고 있습니다.

자세히 알아보기: https://www.amd.com/hpc

A vertical jet flowing into a moving cross stream

공기 유입 / Air Entrainment

Air Entrainment / 공기 유입

A vertical jet flowing into a moving cross stream

FLOW-3D 의 공기 혼입 모델(air entrainment model)은 자유 표면에서 용해되지 않은 공기 혼입을 시뮬레이션하는 강력한 도구입니다. 제트 및 방수로 충돌시 관찰되는 국부적이고 난류가없는 자유 표면 혼입 기능이 있습니다. 이러한 기능은 엔지니어가 설계시 공기 유입을 예측하고, 공기유입이 안전하게 작동하도록 적절한 수정을 할 수 있게 합니다.

Spillway hydraulics / 여수로 수리장치

여수로 구조는 다양한 작동 조건을 처리 할 수 ​​있도록 설계되어야 합니다. 유동 조건이 설계 범위의 상단에 도달하면 여수로 표면의 불규칙성으로 인해 유동이 분리 될 수 있습니다. 이는 여수로 표면의 압력이 캐비테이션을 일으킬 정도로 낮아지게 합니다. 캐비테이션은 구조물의 강도에 매우 해로우며 치명적인 손상을 초래할 수 있습니다.

공기 유입은 캐비테이션의 가능성을 줄이는 수단입니다. 물이 공기에 존재하면 캐비테이션 영역의 붕괴하는 기포에 감쇠 효과를 추가하여 캐비테이션 손상을 줄입니다. 여수로의 속도가 충분히 높으면 공기를 동반시키고 캐비테이션을 줄이기 위해 폭기 장치를 추가해야합니다.

폭기 흐름의 시뮬레이션과 폭기 장치에서 포획된 공기의 예측.

왼쪽 이미지는 거시적 인 밀도에 의해 착색됩니다. 오른쪽 그래프는 폭기 장치에 유입 된 수분의 일정한 부피와 폭기 장치 이후의 수분 및 공기의 양을 비교 한 것입니다.

아래 동영상은 FLOW-3D에서 공기 유입 과정을 시뮬레이션하는 방법을 보여줍니다. 여기에는 공기혼입 및 드리프트 플럭스 모델의 이론에 대한 세부 정보와 FLOW-3D에서 기본 공기혼입 시뮬레이션을 설정하는 방법에 대한 데모가 포함되어 있습니다.

Fish passage design / 물고기 개체수 유지를 위한 어도 설계

공기가 물로 혼입되면 미생물의 성장을 유지하고 건강한 어류 개체군의 생존을 보장 할 수 있습니다. 그러나 과포화 상태의 용존 기체는 수생 생물에 부정적인 영향을 미치는 수질 문제가 됩니다. 공기 동반 모델의 또 다른 용도는 강의 하류로 방출되는 배수로에서 동반되는 공기의 농도를 결정하기 위해 해양 생물학에서 사용됩니다.
이 모델에 대한 더 자세한 정보는 Air Entrainment 의 Flow Science Report를 다운로드하십시오.

냉각 및 공급 시스템 설계 / Cooling and Feeding System Design

캐비티 또는 다공성 결함은 일반적으로 마지막 냉각 지점에서 발생됩니다. 라이저는 일반적으로 주조물이 응고 될 때 용융 금속을 주물에 제공하여 이러한 결함을 방지하는 데 사용됩니다. 그러나 라이저(risers)가 효과적이려면 수축을 보상하기에 충분한 재료를 포함 할 수 있도록 적절한 크기로 올바른 위치에 배치해야합니다. FLOW-3D에서 캐스터가 결함이 없는 주물을 위한 냉각 및 공급 시스템을 설계할 수 있도록 도와 주는 두가지 새로운 도구가 개발되었습니다. 즉, 마지막으로 동결할 장소의 예측과 열 계수의 계산입니다.

마지막으로 냉각할 위치 / Last Places to Freeze

주조물 내에서 마지막으로 냉각되고 수축 다공성 결함이 발생할 가능성이 높은 직접 표시 위치. 이러한 장소들은 고체 부분의 진행이나 응고 시간으로부터 파생될 수 있지만, 그것들을 시각화하는 좀 더 직접적인 방법이 항상 선호된다.

그림 2. 핫스팟 입자를 포함하는 액체 부피의 진행 예시 : t3> t2> t1.
그림 1. 핫스팟 입자는 바로 이웃이 고체가 된 후 응고 될 때 셀의 중앙에 삽입됩니다.Hot spot particle그림 2. 핫스팟 입자를 포함하는 액체 부피의 진화 예시 : t3> t2> t1.

특수한 유형의 고정 입자가 “핫 스폿”이라고 하는 가장 최근의 자유로운 위치를 식별하고 시각화하는 데 사용됩니다. 이 출력은 응고 모델이 사용될 때 자동으로 생성됩니다. 핫 스폿 입자는 그림 1에서 도해로 나타난 것처럼 모든 인접 요소가 고체가 된 후 응고될 때 셀에 삽입됩니다.

이러한 입자는 자유로운 마지막 위치를 식별하는것 외에도 이러한 위치에서 수축 다공성 결함의 가능성과 크기, 즉 셀 응고 시간, 핫 스폿 ID및 핫 스폿 크기를 결정하는 데 사용할 수 있는 다른 속성을 가지고 있습니다. 셀 응고 시간은 셀 이 응고되는 시간입니다. 핫 스폿 ID는 핫 스폿이 응고되는 순서를 보여 줍니다(1은 첫번째, 2는 두번째 등). 마지막으로, 핫 스폿 크기는 다음 등식으로 계산된다.

hsm (i) 는 입자 i의 핫스팟 크기입니다 .
t 0 은 입자의 위치에서 셀 응고 시간입니다.
ν liq (t) 는 시간 t

그림 2는 연결된 액체 영역 부피가 입자 i 의 시간 함수로 어떻게 변하는 지 보여줍니다 . 계산 된 양은 모든 핫스팟 크기의 값을 0과 1 사이의 범위로 가져 오도록 정규화됩니다. 이는 다공성 형성에 대한 잠재적 인 영향과 관련하여 주조 내 여러 핫스팟의 간단한 비교 분석을 허용합니다. 값이 높을수록 응고 중에 연결된 액체 영역이 더 커졌으며 마지막 동결 위치에서 수축 다공성 결함이있을 가능성이 더 큽니다.

열 모듈러스 방법 / The Thermal Modulus Method

열 계수 법은 특히 알루미늄 합금 및 강철 주조물의 경우 일반적인 라이저 설계에 가장 많이 사용되는 방법 중 하나입니다. 주어진 주물 부품의 경우 그 계수는 다음과 같이 정의됩니다.

, 여기서:

V는 주조 부품의 체적이고,

A은(는)주물 부품의 표면적입니다.

주물의 기하학적 계수는 구 또는 블록과 같은 일반적인 형상에 대해 계산하기 쉽습니다. 이보다 더 복잡한 작업에는 일반적인 모양에 따라 주조 섹션을 지루하게 근사치를 계산해야 합니다. 또한 기하학적 계수 접근 방식은 주물의 기하학적 구조에 전적으로 의존합니다. 실제 주조물은 한기 및 절연체를 사용하여 응고 진행을 제어합니다. 이러한 특성은 기하학적 계수 접근 방식에서 무시된다. 계수 계산을 자동화하고 냉각, 단열 및 기타 몰드 변화와 관련된 열 효과를 고려하기 위해 라이저 설계에 흔히 열 계수라는 혁신적인 접근 방식이 사용됩니다.

열 계수 접근 방식의 경우 먼저 주물의 응고 시뮬레이션을 실행합니다. 시뮬레이션이 완료되면, Chvorinov의 규칙에 따른 응고 시간으로부터 주물 전체에 해당하는 계수를 계산할 수 있습니다. 이 방법을 사용하여 계산된 등가 계수를 열 계수라고 합니다. 라이저 설계를 안내하기 위해 기하학적 계수와 동일한 방법으로 사용할 수 있다.

Chvorinov의 규칙은 응고 시간 사이의 관계를 제공하며, 그 계수는 다음과 같이 기록될 수 있다.

, 여기서:

  • t는 주조 응고 시간입니다.
  • N은 상수(일반적으로 2와 같음)입니다.
  • B는 금형의 상수입니다. 다음 공식을 사용하여 계산할 수 있습니다.

, 여기서:

  • mρρ는 금속의 밀도이고,
  • mT는 금속의 용해 또는 동결 온도입니다.
  • 0TT는 금형의 초기 온도입니다.
  • k는 주형의 열 전도율입니다.
  • ρ는 주형의 밀도입니다.
  • c는 곰팡이의 특정한 열이다.
  • L은 금속의 융해열이다.
  • mcc는 금속의 특정한 열이며,
  • pourTT는 금속 주입 온도이다.

일반적으로 주조 공정을 설계할 때 라이저의 응고 시간이 인접한 주조 섹션의 응고 시간보다 긴 방식으로 라이저를 선택하여 적절한 이송을 할 수 있습니다. Chvorinov의 규칙에 따르면 응고 시간은 주물의 계수에 정비례합니다. 따라서 응고 시간을 비교할 때 모듈을 직접 비교할 수 있습니다. 모듈은 기하학적인 양에 불과하기 때문에 모듈의 비교는 설계 작업을 훨씬 더 단순하게 만든다. 금속 주조 엔지니어는 실제 주조 공정의 구체적인 내용을 고려하지 않고도 보다 큰 계수로 압탕을 설계하여 부품을 적절하게 이송할 수 있습니다.

냉방 및 공급 시스템 설계를 위한 새로운 도구의 적용

예를 들어, 새로운 공구를 사용하는 증기 터빈 실린더의 절반에 대한 중력 주조를 위한 냉각 및 공급 시스템 설계가 유량 과학 중국에 의해 제공되고 이 절에서 논의된다. 부품의 외부 치수는 2.83×2.34×1.10 m이며, 총 용적은 아래와 같이 약 0.95입방 미터이다. 주조 재료는 탄소강이며 주입 온도는 1530°C이다.

Casting part geometry
그림 3. 주물 부품 지오 메트리

첫째, 냉각 장치와 라이저가 없는 주물의 응고 시뮬레이션을 실행합니다. 그 목적은 뜨거운 스폿 위치를 식별하고 한기와 라이저의 위치와 라이저의 크기를 결정하는 것이다. 이 두가지 새로운 공구는 냉기와 라이저 설계를 개선하는데 사용됩니다.

마지막으로 입자를 동결하는 장소는 셀 응고 시간, 입자 ID및 핫 스폿 크기로 각각 색상이 지정된 다음 그림에 표시됩니다. 핫 스폿 위치와 수축 다공성 결함이 발생할 가능성은 이러한 그림에서 직접 확인할 수 있습니다. 주조물의 기하학적 특성에 따라 라이저 배치 위치는 그림. 4의 마지막 프레임에서 볼 수 있듯이 쉽게 결정할 수 있습니다. 단, 바닥 껍질에는 라이저 배치에 적합하지 않은 몇개의 핫 스폿이 있습니다. 이러한 위치에서 수축 다공성 결함을 방지하기 위해 한기를 사용하여 응고 패턴을 변경하고 라이저 영역에 마지막으로 동결하는 위치를 구동할 수 있습니다.

Hot spot locations
그림 4. 핫 스폿 위치는 세가지 속성(왼쪽 위에서 시계 방향)으로 색상이 지정됩니다. 핫 스폿 응고 시간, 입자 ID및 핫 스폿 크기.

열 모듈 계산

계산된 열 계수는 오른쪽에 표시되어 있습니다. 값이 클수록 마지막으로 고정할 위치와 일치합니다. 또한 열 계수를 사용하여 핫 스폿 위치의 라이저 크기를 결정할 수 있습니다.

일단 한기와 라이저가 결정되면 냉각제와 라이저를 사용한 두번째 응고 시뮬레이션을 실행하여 냉각제와 라이저 설계를 검증한다. 핫 스폿 크기로 채색된 마지막 자유형 입자와 열 계수는 그림. 6과 같다. 한기가 마지막 부분을 성공적으로 운전하여 라이저 부위를 얼리는 것을 볼 수 있다. 하지만, 라이저 아래에는 여전히 위험한 핫 스폿이 있다. 실제로 실제 주조물은 아래 그림과 같이 핫 스폿 입자로 식별된 위치에서 수축 다공성 결함을 보여 줍니다.

Calculated thermal modulus
그림 5. 계산된 열 계수

마지막으로 동결할 장소는 라이저가 아니라 주조물에 있습니다. 이는 라이저 위치와 크기가 올바르게 결정되더라도 주물이 라이저 쪽으로 방향성 있게 응고되지 않도록 응고 패턴이 올바르지 않음을 나타냅니다. 한가지 해결책은 발열체 슬리브를 사용하여 응고 패턴을 수정하는 것이다. 이것은 이 글의 범위를 벗어나므로 더 이상의 논의는 없을 것이다.

Cooling and feeding system design
그림 6. 핫 스폿 위치(상단 좌측), 단열 계수(상단 오른쪽)는 계측된 주조물로 계산되며 수축 결함의 관측된 위치입니다.

결론

금속 공학자들이 결함이 없는 주물을 위한 냉각 및 공급 시스템을 설계하는 데 도움이 되도록 FLOW-3DCAST5.0에서 두개의 새로운 공구가 개발되었습니다:마지막으로 동결할 장소와 열 계수의 계산입니다. 수축 다공성 결함이 발생할 가능성이 높은 곳은 마지막으로 동결할 장소입니다. 이들은 한기와 라이저가 위치해야 하는 위치를 나타냅니다. 열 계수는 냉기와 라이저 위치를 결정하는 데도 사용할 수 있습니다. 또한 라이저 크기를 결정하는 데 사용할 수 있습니다.

이 비디오는 벽 온도에 의해 색칠 된 금형을 통해 10 사이클을 보여줍니다. 슬라이스는 첫 번째 단계에서 코어 냉각 채널을 표시하고 한 단계에서 다른 단계에서 꺼지는 것을 표시하도록 선택되었습니다.

Laser Metal Deposition and Fluid Particles

Laser Metal Deposition and Fluid Particles

FLOW-3D의 신규 모듈 개발을 하면서, 입자 모델의 새로운 입자 부류 중 하나인 유체 입자의 기능에 초점을 맞출 것입니다. 유체 입자는 증발 및 응고를 포함하여 유체 속성을 본질적으로 부여합니다. 유체 입자가 비교적 간단한 강우 모델링(아래의 애니메이션)에서 복잡한 레이저 증착(용접) 모델링에 이르기까지 다양한 사례가 있을 수 있습니다.

Fluid Particles

FLOW-3D에서 유체 입자 옵션이 활성화 되면 사용자는 다양한 직경과 밀도의 다양한 유체 입자 종을 설정할 수 있습니다. 또한 유체 입자의 동력학은 확산 계수, 항력 계수, 난류 슈미트 수, 반발 계수 및 응고 된 반발 계수와 같은 특성에 의해 제어 될 수 있습니다. 유체 입자는 열적 및 전기적 특성을 부여 받을 수도 있습니다.

사용자는 유체 입자 생성을 위해 여러 소스를 설정할 수 있습니다. 각 소스는 이전에 정의 된 모든 유체 입자 종 또는 일부 유체 입자 종의 혼합을 가질 수 있습니다. 또한 사용자는 무작위 또는 균일 한 파티클 생성을 선택하고 파티클이 소스에서 추출되는 속도를 정의 할 수 있습니다.

Laser Metal Deposition

레이저 금속 증착은 함께 미세한 금속 분말을 융합하여 입체 금속 부품을 제작하는 3D printing 공정이다. 레이저 금속 증착는 항공 우주 및 의료 정형 외과 분야에서 다양한 응용 프로그램을 찾습니다. 레이저 금속 증착의 개략도는 아래와 같습니다. 전력 밀도 분포, 기판의 이동 속도, 차폐 가스 압력 및 용융 / 응고, 상 변화 및 열전달과 같은 물리적 제어와 같은 제어 매개 변수가 함께 작동하여 레이저 금속 증착을 효과적인 첨가제 제조 공정으로 만듭니다.

 

Setting Up Laser Metal Deposition

새로운 유체 입자 모델은 분말 강도 분포를 할당하고 용융 풀 주변에서 발생하는 복잡한 입자 – 기판 상호 작용을 포착하기 때문에 레이저 금속 증착 시뮬레이션을 설정하는 데 없어서는 안될 부분입니다.

일반의 사용자들은 FLOW-3D에서 시뮬레이션을 쉽게 설정할 수 있다는 점을 계속 알고 있을 것입니다. 레이저 금속 증착 설정의 경우에도 다른 점은 없습니다. IN-718의 물리적 특성, 형상 생성, 입자 분말 강도 분포, 메쉬 생성 및 시뮬레이션 실행과 같은 모든 설정 단계는 직접적이고 사용자 친화적입니다.

IN-718의 물성은 기판과 응고 된 유체 입자 모두에 사용됩니다. 40 미크론 유체 입자가 무작위 방식으로 초당 500,000의 속도로 입자 영역에서 계산 영역으로 주입됩니다. 입자 빔은 기판의 운동 방향이 변화 될 때마다 순간적으로 정지되어 용융 풀이 급격한 속도 변화에 적응하도록 합니다. 이렇게 하면 기판에서 입자가 반사되는 것을 방지 할 수 있습니다. 매 5 초마다 기판이 회전하기 때문에 입자 생성 속도는 아래 그림과 같이 5 초마다 0으로 떨어집니다. 기판 이동 자체는 표 형식의 속도 데이터를 사용하여 FLOW-3D에 지정됩니다. 입자는 응고 된 유체 입자로 주입되어 고온의 용융 풀에 부딪혀 녹아 용융 풀 유체의 일부가 됩니다.


Substrate velocity

입자 모델 외에도 FLOW-3D의 밀도 평가, 열 전달, 표면 장력, 응고 및 점도 모델이 사용됩니다. 보다 구체적으로, 온도에 따른 표면 장력은 증착 된 층의 형태에 큰 영향을주는 Marangoni 효과를 일으킵니다.

레이저를 복제하기 위해 100 % 다공성 구성 요소가있는 매우 기본적인 설정이 열원으로 사용됩니다. 100 % 다공성은 구성 요소 주변의 유동 역학에 영향을 미치지 않습니다. 오히려 그것은 특정 영역의 기판에 열을 효과적으로 부가한다. 이 예비 가열 메커니즘을 자회사인 Flow Science Japan이 개발 한 고급 레이저 모듈로 교체하는 작업이 현재 본격적으로 진행 중입니다. 가열 다공성 구성 요소는 각각의 층이 동일한 양의 열을 얻도록 각 층이 증착 된 후에 약간 위로 이동됩니다.

Results and discussion

아래 애니메이션은 다중 층 증착을 이용한 레이저 금속 증착 공정을 보여줍니다. 기판이 방향을 바꿀 때마다 입자 빔 동작의 일시적인 정지를 확인하십시오. 또한, 층이 증착됨에 따라, 새로운 층의 형상은 다공성 열원으로부터 각 층에 열의 불균등 한 첨가로 인해 변화됩니다. 각 층을 증착 한 후에 열원을 위로 이동해야 하는 양을 측정하는 것은 현재의 기능에서는 어렵습니다. 다만  준비중인 Flow Science Japan의 레이저 모듈은 이 문제를 해결할 수 있습니다.

전반적으로 입자 모델은 레이저 금속 증착에서 매우 중요한 공정 매개 변수 인 분말 강도 분포를 정확하게 재현합니다. 입자 모델과 같은 수준의 제어와 정교함은 첨가제 제조 분야의 사용자와 공급자 모두가 제조 프로세스를 미세 조정하는 데 도움이 될 것으로 기대합니다.

[FLOW-3D 물리모델]Electro-mechanics / 기전역학

1. Electric Fields / 전기장

전기포텐셜은 계산영역 내에서 전하와 포텐셜 분포의 함수로 계산될 수 있다. 전기포텐셜은 Model Setup Physics Electro-mechanics 에서 활성화된다. Permittivity of vacuum 는 해석을 위해 시스템 단위에 맞게 지정되어야 한다. 해석하는 동안에 입자가 존재하면 입자전하가 정의되어야 한다. ; 영역 내 존재하는 모든 입자는 같은 전하를 갖는 것으로 가정한다. 게다가 Fluid electric charge field 모델은 또한 전기적으로 부하가 걸린 유체를 해석하도록 활성화 될 수가 있다.

유체#1 과 유체#2 의 전도도 및 유전체상수는 Fluids Properties Electrical Properties 에서 정의된다. Fluid electric charge field 가 사용되면 초기유체전하밀도는 Model Setup Meshing & Geometry Initial 에서 정의 된다. 그러나 전기포텐셜(전기장)은 계산영역 내에서 유체가 없이도 활성화 될 수 있다.

격자 경계에서의 조건들은 Model Setup Meshing & Geometry Mesh Boundaries 에서 정의된다. 전기 포텐셜의 경계조건은 전도 또는 절연일 수 있다. 한 경계는 Specified potential boundary 을 선택하고 그 경계에서의 전기 포텐셜의 특정 값을 지정함으로써 전도를 할 수가 있다. 또한 시간의 함수로 주어질 수도 있다. Fluid electric charge field 가 사용되면 밀도가 시간의 함수로 입구경계에서 정의될 수 있다.

계산영역 내에 고체구성요소가 존재하면 이들은 두 가지 형태를 갖는다: IOEPOTM 의 값에 따라 유전체거나 전도체. IOEPOTM 가 지정되지 않으면 그 구성요소는 고정 포텐셜을 갖는 것으로 간주된다. 이 속성들은 Meshing & Geometry Component Properties Electrical Properties 에서 정의된다. 구성요소의 초기부하밀도는 Meshing & Geometry Geometry Component Initial Electric Charge Density 에서 정의 된다.

포텐셜을 지배하는 Poisson 방정식의 해는 GMRES 반복법에 의해 구해진다. 수렴기준과 최대 반복수는 EPSELE 과 MAXPHIT에서 각기 정의된다. 두 매개변수 모두 적당한 디폴트 값을 가지며 일반적으로 이들을 변화시키지 않아야 한다. 이 모두 input (File Edit Simulation) 파일을 편집하여 변경된다.

See also:

  • Input Variable Summary and Units section Scalar Electrostatics, Electro-osmosis and Electromechanics Model Parameters
  • Model Reference -> Dielectrophoresis
  • Model Reference -> Electro-osmosis (Zeta Potential)
  • Model Reference -> Particles

2, Electro-osmosis (Zeta Potential) / 전기 삼투

많은 물질들(즉 실리카 또는 유리 같은)은 물(극성을 띠는)같은 매질(전해용액)과 접촉하게 될 때 표면전하를 가질 것이다. 이런 경우가 발생할 때에 EDL (Electric Double Layer)을 생성한다. EDL 이란 표면전하를 중립화하기 위해 양이온보다 많은 음이온이 존재하는 부하표면 가까이의 층을 말한다. 전기 포텐셜(zeta-potential) 이 실험적으로 측정될 수 있는 액체 고체쌍의 물성을 보여주는 EDL에 의해 생성된다. 전기삼투유동이 EDL 의 존재와 그 위에 부과된 외부 포텐셜로 인해 발생한다. 전기삼투를 모델링하기 위해 electric potential 모델이 Electric Fields 에서 기술된 바와 같이 Physics Electro-mechanics 에서 활성화되어야 한다. 전기삼투모델은 이때 같은 window 에서 활성화된다.

 

이 모델은 Physics Electro-mechanics 에서 정의되는 2개의 집중변수, F*C F/R*T 를 필요로 하는데 여기서 F 는 Faraday 상수, C 는 체적용액내의 이온농도, R 은 보편기체상수 그리고 T 는 Kelvin 단위의 주위 온도이다. 유체의 전기 물성치는 Fluids Properties Electrical Properties 에서 정의된다.

구성요소들의 전기적물성은 Meshing & Geometry Geometry Component Electrical Properties 에서 정의된다. 전기포텐셜 모델에서 필요한 물성에 추가하여 Zeta-potential 이 또한 정의되어야 한다. Zeta-potential 은 단지 개체(모든 격자 경계에서는 Zeta-potential 의 구배가 0으로 가정되어 있다.)와 관련되어 있고 디폴트 Zeta-potential 은 0이다.

See also:

3. Electro-thermal Effects / 전기열 효과

자유전하 및 Joule 발열은 물질의 전기전도에 따라 나타나는 두 결과이다. 전하의 형성, 이완 그리고 대류이송을 기술하는 전하밀도 방정식은 전기장 방정식과 함께 해석된다. 그 때에 전하층은 유체 경계면이나 유체와 전기와 유전체 힘을 유도하는 고체면사이의 경계에서 나타난다.

Joule 발열과 추가력이 전류에 의한 고체와 유체의 가열을 포함하도록 더해질 수 있다. 이런 모델들의 선택은 Physics Heat Transfer Fluid internal energy advectionPhysics Heat Transfer Full energy equation 에서 열에너지 전달의 활성화를 필요로 한다. 전기포텐셜모델 역시 Physics Electro-mechanics 에서 활성화되어야 한다.

electro-thermal forces 선택을 갖는 Joule 발열은 유전율과 온도에 따른 전도의 변화로 인해 발생하는 유체내의 힘들을 포함한다. 각 속성은 Permittivity temperature sensitivity, Conductivity temperature sensitivity 그리고 Electric field angular frequency 와 같이 Physics Electromechanics and Fluids에서 정의된다.

전기 전도도는 전기 열 효과가 작동하기 위해 유체에서 정의되어야 한다. 이는 Model Setup → Fluids → Fluid 1 or 2 → Electrical Properties 에서 정의된다.

4. Dielectrophoresis / 유전영동

유전력은 적용되는 전기장에서 유체분자 및 입자의 극성화에 의해 발생한다. 우선 전기 포텐셜 모델이 Physics → Electro-mechanics 에서 활성화되어야 한다. 그 후에 유전영동 모델은 같은 창에서 활성화된다. 유체에 대한 유전 속성은 Fluids → Properties → Electrical Properties 에서 정의된다.

형상 구성요소에서 관련물성은 Meshing & Geometry → Geometry → Component 에서 정의된다.

Electrical Properties:

유전영동 모델이 Physics → Electro-mechanics 에서 활성화되면 유전력은 1보다 큰 유전상수를 갖는 유체 안에서 작용한다. 유전력은 또한 모든 계산영역에 있는 질량입자에 적용된다. 이 경우 입자 유전율은 Physics → Electro-mechanics 에서 정의되어야 한다. 유전이동은 각 힘이 영향을 미치는 척도가 다르기 때문에 전기삼투모델과는 같이 사용될 수 없다. 유전이동모델은 전기삼투가 작동되면 자동적으로 비활성화된다. 전기삼투모델은 Physics → Electro-mechanics 에서 작동되는데 이 경우 추가 input 이 필요하고 같은 Electro-mechanics 창에서 주어질 수 있다. Meshing & Geometry → Geometry → Component Properties → Electrical Properties 에 있는 각 고체 구성요소에 대해 Zeta-potential 이 정의된다. Permittivity of vacuum (ELPERM)은 electrical units 에서 지정되는데 적정한 전기단위(즉, MKS 단위의 경우 볼트의 포텐셜, 쿨롱의 전하에 대해 ELPERM = 8.8542×10-12 C/(V m))를 반영하도록 정의되어야 한다. 모든 유전율들은 물질의 유전상수에 대한 진공의 유전상수 비율로 나타난다.

두 implicit solver, GMRES ADI 가 전기 포텐셜 방정식 풀이에 이용된다.
See also:
• Model Reference -> Electric Fields.
• Model Reference -> Electro-osmosis (Zeta Potential).
• Flow Science Technical Note 56 on modeling dielectric phenomena at http://users.flow3d.com/technotes/default.asp.

코어 가스 / Core Gas

코어를 이용한 주조 모델링

모래의 화학 결합제는 용해된 금속에 의해 가열될 때 가스를 생성할 수 있으며, 적절히 환기되지 않을 경우 가스가 금속으로 흘러 들어가 기체 다공성 결함을 초래할 수 있습니다. 이는 빠르게 가열되고 환기 경로가 긴 주물의 얇은 내부 특징을 형성하는 코어에서 가장 가능성이 높습니다. FLOW-3D의 핵심 가스 모델은 이러한 가스 결함 가능성을 예측하고 코어에서 모든 결합제 제품 가스를 안전하게 배출할 수 있는 코어 환기를 설계하는 데 도움이 됩니다.

알루미늄 및 철 주조의 결함 모델링

Core Gas 모델은 철 주물 (그림 1)과 알루미늄 주물 (그림 2) 모두에서 수지 결합 코어의 결함을 예측합니다. 충전 및 응고 모델과 동시에 작동하고 주조 충전 중 및 충전 후 바인더 가스 생성 및 흐름을 계산합니다.

코어 가스 시뮬레이션
그림 1 : 열린 플라스크 부분 V8 Al 블록 어셈블리 채우기. 두 개의 코어는 블록의 워터 재킷 공동을 형성합니다. 플라스크 바닥에 Al이 20 초 안에 채워집니다.
핵심 가스 모델
그림 2 : 환기가되지 않을 때 워터 재킷 코어는 충전 중에 금속에 가스를 불어 넣습니다 (그림 2b).

Free Surface Fluid Flow

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 Fluid Flow

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.

자유 표면 유체 흐름

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.

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).

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.

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.

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.

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).

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).

Prototype Hydraulic Flow with Free Surfaces

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.

자유 표면을포함한 유동 현상의 프로토타입

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.

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.

실용 목적은 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.

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.

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.

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.

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.

Simulation of Prototype Problem

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.

프로토 타입 문제의 시뮬레이션

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. Simulation of flow over a step.
Figure 1b. Grid used in simulation.

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.

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.

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.

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 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.

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.

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.

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.

 

Figures 2a-2d. Simulation times of 0.0, 0.2, 0.5 and 10.0s.

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.

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.

Comparisons between experiment and simulation are given in the following table and are in excellent agreement.

실험과 시뮬레이션의 비교는 다음 표와 같으며 매우 잘 일치하고 있습니다.

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

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.

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.

 

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

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.

VOF 법의 구조와 그것이 매우 효율적인 방법인 이유를 이해하기 위해 다양한 계산법 중에서도 특히 VOF 법에 대한 몇 가지 기본 개념을 나타냅니다.

Basic Theory

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.

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.

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.

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.

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.

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.

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.

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.

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.

자유 표면을 수반하는 유체 운동의 시뮬레이션에서는 형상이 변화하는 계산 영역을 다루어야합니다.  이 복잡성에 대응할 수있는 분석 방법이 아래에서 설명하는 VOF 법입니다.

The VOF Concept

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.

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.

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.

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.

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.

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.

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.

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.

Some Details of the VOF Technique

 

Figure 3. Surface in 1D column of elements.

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.

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.

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.

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.

 

Figure 4. Surface in 2D grid of elements.

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.

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.

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.

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.

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.

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.

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.

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.

Illustration of Free-Surface Tracking by VOF Technique

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 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.

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.

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.

 

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

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.

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.

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.

Roll Coating

Roll Coating

롤 코팅 공정은 직물, 접착제 및 실란트를 다루는 산업을 포함한 다양한 산업에서 일반적으로 많이 사용하는 공정입니다. FLOW-3D는 공정 엔지니어와 과학자에게 다양한 재료 특성과 코팅 방식을 평가하여 결함의 원인을 식별하고 롤 코팅 공정 매개 변수를 최적화 할 수있는 기능을 제공합니다.

1-D Gradient generator with de-coupled convection and diffusion

이러한 예에서 속도 유선은 롤 코팅 공정에서 흔히 볼 수있는 전방 (상단), 후방 (중간) 및 고갈 (하단) 작동 방식에 대해 플롯됩니다. FLOW-3D는 연구자들에게 롤 속도 및 재료 특성과 같은 요소와 동적 접촉 라인의 안정성에 미치는 영향뿐만 아니라 공기 혼입, 리브 및 비 균일 에지 프로파일과 같은 결함에 대한 기여도를 분석 할 수있는 기능을 제공합니다.

인쇄 공정 중 산업에서는 종종 인쇄면에 잉크를 전달하고 적용하는 롤 코팅(roll coating) 이라고 불리는 기술을 사용합니다. 이 공정에서 통상적으로 잉크 유액은 두 개의 회전하는 실린더 사이의 좁은 갭(gap)으로 흘러 들어갑니다.

FLOW-3D를 사용하는 이 1D microfluidic palette 시뮬레이션에서 주 중앙 마이크로 채널에서 대류 Cells의 clean decoupling을 플롯된 유선을 통해 확인할 수 있습니다. 이 흐름은 모두 대류 장치에만 제한되며 단일 장치조차도 마이크로 채널로 누출되지 않아 대류 및 확산의 탁월한 분리를 나타냅니다. 소스 농도의 변화는 플롯에서 볼 수 있으며 애니메이션이 끝날 때까지 시각적으로 일정해집니다.

Ribbing Instabilities

아래에 표시된 전 방향 롤 코팅 시뮬레이션에서 FLOW-3D는 Lee, et al [1]에 설명 된대로 증가 된 롤 속도와 관련된 리브 불안정성의 시작을 정확하게 포착합니다. 이 모델은 단일 유체 VOF, 표면 장력 및 점도를 구현하여 생산에서 볼 수있는 이러한 불안정성의 복잡한 특성을 포착합니다.

Cascade Defects

아래 시뮬레이션에서 FLOW-3D는 포워드 롤 코팅 공정에서 cascade defect을 포착합니다. 상단 웹 롤러의 증가된 롤 속도로 인해, 동적 접촉 라인이 불안정해져 공기가 코팅액에 유입 될 수 있습니다.

Reference

[1] Lee, J. H., Han, S. K., Lee, J. S., Jung, H. W., & Hyun, J. C. (2010). Ribbing instability in rigid and deformable forward roll coating flows. Korea Australia Rheology Journal, 22(1), 75-80.

Gravure Coating

Gravure Coating

그라비아 코팅(Gravure coating)은 그라비아 롤이라고하는 홈이 새겨진 실린더에서 움직이는 기판으로 유체를 전달합니다. 그라비아 롤은 표면에 새겨진 작은 홈 또는 cells로 패턴이 지정됩니다. 실린더는 유체의 소스 주위를 회전하고, 마지막으로 doctor blade에 의해 불필요하게 남겨진 잉크가 제거되게 됩니다. 각 cell의 컵 모양은 실린더가 닥터 블레이드를 지나갈 때 유체를 제자리에 고정합니다. cell의 패턴, 깊이 및 모양은 기판에 코팅의 무게와 모양을 결정합니다.

아래에 표시된 FLOW-3D 시뮬레이션은 증착에 대한 셀 깊이의 영향을 보여줍니다. 이 모델은 30 미크론과 53.3 미크론의 두 셀 깊이를 비교합니다. 30 마이크론 셀 깊이는 훨씬 더 균일한 증착을 가능하게 하여 결과적인 코팅으로 전달됩니다.

Gravure Printing Example

아래의 예는 하나의 사각형 셀과 하나의 피라미드 모양의 그라비아 셀의 3D 이미지를 시간 배열로 보여줍니다. 주의해서 보면 코팅 비드(coating bead)가 컨텍 라인이 셀 안으로 움직일 수 있는 것보다 빠르게 블레이드(brade)의 움직임으로 인해 진행되는 것을 볼 수 있습니다. 그 결과로 공기 기포가 포획되며 이는 셀 안이 부분적으로는 유체로 체워지고, 부분적으로는 공기로 채워지는 현상을 나타나게 됩니다.

Reference

[1] Lee, J. H., Han, S. K., Lee, J. S., Jung, H. W., & Hyun, J. C. (2010). Ribbing instability in rigid and deformable forward roll coating flows. Korea Australia Rheology Journal, 22(1), 75-80.

FLOW-3D/MP Performance Benchmarks

HPC Benchmarks

HPC벤치 마크

아래에는 물 및 환경, 금속 주조, 미세 유체 역학, 항공 우주 등 소프트웨어의 일반적인 응용 분야에 대한 HPC지원 FLOW-3D v12.0의 성능 분석 및 최대 2560개 코어까지 확장되는 것으로 나타난 lid-drived캐비티 시뮬레이션에 대한 전형적인 CFD벤치 마크 검증이 나와 있다.

하드웨어 정보

Skylake – Intel® Xeon® Gold 6148 CPU @ 2.40GHz, 40 Cores/Node, 384GB/Node RAM
Interconnect – Intel Omni-Path®

물과 환경–HYDRAULICJUMP

이 시뮬레이션에서 유압 점프와 레일 위의 전체 흐름이 연구되었습니다.
메쉬:146만개 셀
실제 모델: 동적으로 계산된 최대 난류 혼합 길이의 자유 표면 추적, 중력, 공기 침투 및 RNG난류 모델
수치 모델:GMRERE

고압 분사–엔진 블록

이 시뮬레이션에서는 엔진 블록의 중력 주조를 연구했습니다.
메쉬:360만개 셀
물리적 모델: 자유 표면 추적, 중력, 열 전달, 응고 및 점성 층류
수치 모델:GMRERE

마이크로 데이터–PrinterNOZ내의 INKDROP LE

이 시뮬레이션에서 프린터 노즐의 잉크 방울의 형성과 배출을 연구했습니다.
메쉬:200만개 셀
물리적 모델: 자유 표면 추적, 층류 점성 및 표면 장력
수치 모델:GMRERE

AEROspace–항공기 연료 탱크 부싱

이 시뮬레이션에서는 다양한 비행 조건에서 F-16항공기 연료 탱크에서 연료 슬로싱을 연구했다.
메쉬:0.7만개 셀
물리적 모델: 동적으로 계산된 최대 난류 혼합 길이를 가진 자유 표면 추적, 비이상적 기준 프레임, 중력, 전기 전위 및 RNG난류 모델
수치 모델: ImplicitAdvection, GMrrs 및 분할 LagrangianVOF

BestCaseSCENARIO–LiDDrivenCavity

표준 뚜껑 구동 공동 문제는 FLow-3D의 스케일링 잠재력을 보여 주기 위해 시뮬레이션되었다. 이 시뮬레이션은 표준 CFD코드 검증에 자주 사용되는 완전하게 채워진 완벽한 부하 분산 시뮬레이션입니다.
메쉬:10.0만 셀
물리적 모델: 점성과 RNG난류.
수치 모델:GMRERE

자세한 내용은 STI C&D 솔루션팀에 문의하시기 바랍니다.
flow3d@stikorea.co.kr or 02-2026-0455, 02-2026-0450.

항공/우주 분야

Aerospace

항공 우주 분야에서 연구하는 엔지니어를 위해 FLOW-3D는 정확한 액체/가스 인터페이스(자유 표면) 모델링, 열 솔루션을 사용하여 연료 안정성 확보, 극저온 온도 조절, PMD(Propellent management devices), 캐비테이션 및 전하 분포에 대한 귀중한 통찰력을 제공합니다. 위상 및 정전기 물리 모델을 사용합니다.

항공 우주 분야에서 FLOW-3D의 성공적인 사용을 보여주는 기술 문서로 이동하기

Aerospace Simulations

FLOW-3D sloshing, 무중력 유체역학(zero gravity fluid dynamics), 다상유동(multi-phase fluids), 탄성 멤브레인(elastic membranes), 음속 및 초음속 상태에서 노즐(nozzles in subsonic and supersonic conditions), 유체구조의 상호 작용(fluid structure interactions) 등 항공분야에서 볼 수 있는 자연현상을 정확하게 표현하기 위해 자유표면 알고리즘을 고려하고 있습니다.

Bibliography

Models

Conference Proceedings

FlowSight

FlowSight

FlowSight는 FLOW3DFLOW-3D CAST결과의 정교한 시각화를 제공하도록 설계된 고급 후 처리 도구입니다. FlowSight는 직관적인 후처리 인터페이스 내에서 우수한 결과 분석 기능을 갖춘 모델을 제공합니다. 스플 라인 경로를 따라 임의의 2D클립, 3D클립 및 투명도, 볼륨 렌더링, 고급 데이터 타임 시리즈 플로팅, 간소화 및 벡터 플롯은 사용 가능한 놀라운 도구의 일부에 불과합니다. FlowSight를 사용하면 여러 뷰 포트와 동적 객체 시각화 도구로 구성된 풍부한 기능 세트와 결합되어 있으므로 엔지니어는 분석 및 프레젠테이션 요구 사항에 맞게 CFD결과를 최대한 활용할 수 있습니다.

FlowSight는 모든 FLOW-3DFLOW-3D CAST라이센스에 포함되어 추가비용 없이 사용할 수 있습니다.

새로운–스플 라인 클립!

FlowSight의 스플라인 클립 기능을 사용하면 복잡한 곡면을 따라 클립을 생성할 수 있습니다. ogee weir 위로 물이 흐르는 시뮬레이션에서, 스플 라인은 ogee weir의 표면을 따라 형성됩니다. 그런 다음 스플 라인이 돌출되어 웨어 표면을 따라 물의 자유 표면 높이에 의해 색상이 지정된 클립을 생성합니다.

키 프레임 기능

크고 복잡한 시뮬레이션을 분석 할 때 매우 일반적인 문제는 관심 영역이 형상에 의해 가려지거나 시뮬레이션이 시간이 지남에 따라 변경됨에 따라 관심 영역이 변경 될 수 있다는 것입니다. 키 프레임은 분석 중에 형상을 “분리되도록”허용하고 시점이 시간과 공간을 통해 이동할 수 있도록 하여 이 문제를 해결합니다.

이 애니메이션은 FlowSight의 키 프레임 기능을 사용하여 충전하는 동안 다이 반쪽을 “시각적으로”열고 다이를 채우는 금속을 표시하면서 다이 표면에 고체 온도를 표시하는 방법을 보여줍니다.

Particle Visualization

FlowSight는 파티클(입자) 시각화 기능을 완벽하게 갖추고 있습니다. 입자는 입자 직경, 입자 밀도, 입자 수명, 속도 및 관련성이 있는 기타 변수에 의해 색상이 지정될 수 있습니다. 이 경우, 입자는 각각의 직경의 크기에 의해 착색됩니다.

속도 벡터 필드

FlowSight는 사용자에게 평면 또는 도메인 전체에 걸친 전체 볼륨 속도 및 방향 분석에 속도 벡터 필드를 시각화하는 옵션을 제공합니다. 사용자 지정 가능한 벡터 필드를 사용하면 다양한 색상 지정 및 밀도 조정이 가능하여 선명도를 높일 수 있습니다.

Streamlines & Pathlines

FlowSight의 유선(Streamlines) 기능은 복잡한 동적 패턴을 완전한 충실도로 시각화하여 유동장 속도 방향에 대해 실시간 스냅 샷을 제공합니다. 경로 선(Pathlines)은 시간을 따른 유체 입자의 궤적을 시뮬레이션하는 동안, 히스토리 라인은 유동장에서 유체 입자를 애니메이션 합니다.

Iso-surfaces

Iso-surfaces 은 유체 및 고체 표면을 시각화하는 강력하고 빠른 방법으로, 일정한 난류 에너지 영역을 표시하는 데 적합합니다.

Volume Render

iso-surface에서만 변수를 표시하는 대신 사용자 지정 가능한 볼륨 맵을 사용하여 볼륨 전체에 걸쳐 변수를 표시합니다. 그림에 표시된 바와 같이 각 기포와 주변 액체의 변형률 크기는 볼륨 렌더링과 함께 표시됩니다.

 

Multiple Data Views

숫자 및 다양한 그래프 등의 시각적 형식으로 분석하기

Visualizing Non-inertial Reference Frame Motion

Non-inertial reference frame visualization는 편리한 시뮬레이션 설정을 제공하고 계산 시간을 단축하며 사용자가 사실적인 방식으로 모델을 시각화 할 수 있게합니다.

2D Clips

2D 클립은 모든 단면 평면에서 유체 매개 변수를 시각화하는 데 사용됩니다.

3D Clipping

3D 클리핑 도구를 사용하면 사용자가 6 개 방향 모두에서 등면을 동시에 슬라이스 할 수 있으며, 높은 결함 영역을 감지하고 유체 및 고체 영역 내부의 온도, 압력, 속도 프로파일을 시각화하는 데 유용합니다.

  • 특정 방향의 범위 사이에 애니메이션 제공
  • 한 번에 한 방향으로 스왑
  • 양방향 애니메이션 : 앞으로 및 뒤로

Arbitrary Clips

평면, 원통형, 상자, 원뿔형, 구형 및 간소화된 표면에 대한 시각화를 포함하여 광범위한 유연성으로 표면 뷰를 분석할 수 있습니다. 유체 흐름이 평면이 아닌 표면에 대한 시각화가 필요한 경우 유용합니다. 임의 클립을 사용하면 연속적으로 여러 클립을 만들 수도 있습니다.

Probe Data

포인트 프로브는 시간에 따른 변수의 진화를 보여주고, 라인 프로브는 거리에 따른 변수 값의 변화를 반환합니다. 오른쪽, 프로브는 유체의 응고 비율을 보여줍니다.

Vortex Cores

와류 코어 식별에 사용할 수있는 두 가지 옵션인 와류 및 고유 분석을 통해 코어 강도에 따라 필터링 가능한 결과 생성이 가능합니다.

엔지니어들은 연구를 위해 다양한 시각화 방법을 사용합니다. 유체 흐름에서 와류 코어의 분석은 중요한 문제로, 와류 코어는 속도 필드 내에 와류 구조 (중앙 트레이스)를 나타내는 선 입니다. 기술적으로, FlowSight는 와류 방법 및 고유치 분석에서 속도 벡터와 소용돌이 벡터의 속도장에서의 식별위치는 평행합니다. FlowSight는 사용자에게 와류 코어 식별을 위한 두 가지 옵션을 제공합니다. 코어는 특정 강도 이상 또는 이하로 FlowSight에서 필터링 될 수 있습니다. 코어는 일반적으로 코어 주위에 회전 또는 단순히 순환 강도의 비율에 의해 채색됩니다. 아래의 예에서는, 와류 코어 고유치 값 분석을 이용하여 생성됩니다. 강한 코어는 소용돌이의 중심에 형성되어있는 것을 알 수 있습니다. 이를 통해 사용자는 펌프로 공기 흡입의 가능성을 연구 할 수 있습니다. 코어가 너무 강한 경우, 공기는 강한 와류로 인해 야기되는 열린 통로로부터 흡입될 수 있습니다.

History Data

그래프 도구는 일반적인 히스토리, 진단 및 메시 종속 데이터에 강력한 수준의 분석을 제공하여 서로 다른 시뮬레이션 데이터를 상대적으로 보여줍니다.