FLOW-3D Glossary

FLOW-3D 용어 사전 / 용어 설명

FLOW-3D 용어 사전 / 용어 설명

Drift Flux

드리프트 모델은 밀도가 서로 다른 두 혼합 유체 구성 요소의 상대적 흐름을 설명합니다. 구성 요소는 상이 다를 수도 있고, 상이 같지만(불가침) 유체가 다를 수도 있습니다. 분산된 위상 입자 크기가 클 경우 드리프트 모델의 적용성에 대한 제한이 존재할 수 있습니다. 이러한 제한은 일반적으로 메쉬 셀 크기의 10% 미만으로 분산된 위상 입자 크기를 유지함으로써 방지할 수 있습니다.

배플

얇은 기하학적 조각을 나타내는데 사용되는 2 차원 객체입니다. 이들은 전처리기에 의해 셀면으로 이동하고 유체의 흐름을 부분적으로 또는 완전히 차단하도록 작용합니다. 배플은 지정된 열 전달 계수를 지정할 수 있으며, 배플을 통과하는 유량(유속 표면)을 측정하는 데 사용할 수 있습니다.

경계 조건

도메인의 범위에서 솔루션을 정의합니다. 경계 위치에서 흐름의 실제 조건을 나타내는 경계 조건을 선택하는 것이 중요합니다.

CFD

CFD (Computational Fluid Dynamics)는 수치적 솔루션을 통해 컴퓨터의 유체 흐름을 시뮬레이션 하는 유체 역학의 학문적 분기입니다.

Complements

The inverse of a shape defines the complement. For example, the complement of a solid sphere is a spherical hole surrounded by solid material.

형상의 역은 complement를 정의합니다. 예를 들어, 솔리드 구의 complement은 솔리드 재료로 둘러싸인 구형 구멍입니다.

Client

클라이언트 컴퓨터는 FLOW-3D를 실행하지만 다른 컴퓨터 (서버 컴퓨터)에서 소프트웨어 라이센스를 획득하는 컴퓨터입니다.

Components

Components는 공간의 개체를 정의하며 하위 구성 요소로 구성됩니다. 구성 요소는 열 전도성, 비열 및 표면 거칠기와 같은 재료 특성을 가질 수 있습니다.

Custom result

시뮬레이션 중 또는 완료 후 사용자가 생성한 데이터를 그래픽으로 표시합니다. 생성하려면 사용자가 flsgrf결과 파일을 연 다음 플로팅 매개 변수(예 : 플로팅 할 도메인 부분, 플로팅 할 수량 등)를 선택해야합니다.

Domain

지배 방정식이 solved되는 영역. 이것은 메쉬의 범위에 의해 정의됩니다.

Diagnostics

전 처리기 및 솔버의 진행 상황과 오류 및 경고에 대한 정보가 포함된 파일 세트입니다.

EPSI

압력/연속 반복이 어느 지점에서 수렴되는지를 결정하는데 사용된 수렴 기준입니다. 기본 숫자 설정을 사용하면 이 값은 FLOW-3D에 의해 자동으로 계산되며 시간 단계가 증가함에 따라 작아집니다.

Existing result

prpplt.* 또는 flsplt.* 파일은 전처리 종료 솔버 실행 종료시 또는 자동으로 생성되는 플롯 파일입니다.

F3D_HOME

FLOW-3D 프로그램 파일이 있는 디렉토리를 정의하는 환경 변수.

Floating license

FLOW-3D는 서버 시스템에 라이센스를 액세스하는 각 클라이언트 컴퓨터와 컴퓨터 네트워크에서 실행합니다. 허용하는 라이센스 최대 동시 시뮬레이션 수는 구매한 솔버 토큰 수에 의해 제한됩니다.

Flsgrf file

솔버가 생성한 결과 파일. 이 파일은 사전 정의된 시간 간격으로 생성된 정보를 포함하며 그래픽 디스플레이를 생성하는 데 사용됩니다. 사용자 지정 플로팅 중에 포스트 프로세서에서 사용합니다.

Flsplt file

솔버가 자동으로 생성한 플롯 파일입니다. 이 파일에는 시뮬레이션의 히스토리 데이터, 메시 등에 대한 기본 정보와의 $GRAFIC 이름 목록에 사전 정의된 그래픽 요청이 포함되어 prepin.* 파일 안에 있습니다.

Fluid #1 surface area

선택한 길이 단위의 자유 표면 영역이 제곱 됩니다. 인터페이스가 예리한 문제에만 해당됩니다.

Fluid thermal energy

영역에 존재하는 모든 유체에 포함된 총 열 에너지 (에너지 전송이 켜져 있는 시뮬레이션에만 해당).

Free surface

유체와 유체 사이의 인터페이스. FLOW-3D에서 이 인터페이스는 전단이 없는 것으로 가정되며, 이는 빈 공간에 있는 가스가 유체에 무시할 수 있는 트랙션을 발휘함을 의미한다.

GUI

” Graphical User Interface”.  GUI는 사용자가 FLOW-3D를 제어할 수 있는 그래픽 패널, 대화 상자 및 창을 제공합니다.

Iteration count

각 시간 단계에서 필요한 압력/연속 반복 횟수입니다. 유체량을 유지하고 유체 전체의 정확한 압력을 계산하려면 압력/연속 반복이 필요합니다.

License file

사용자가 FLOW-3D 를 실행할 수 있도록 암호화된 정보가 포함된 Flow Science에서 제공 한 전자 파일 입니다.

License server

플로팅 라이센스 시스템의 작동을 활성화하기 위해 FLEXlm 라이센스 소프트웨어가 설치된 시스템. FLOW-3D는 License Server에 설치할 필요가 없습니다.

Licensing

FLOW-3D 실행을 제어하는 ​​FLEXlm 소프트웨어.

Max. residual

압력/연속 반복의 최종 반복에 대한 연속성 방정식의 실제 차이. 이 값은 일반적으로 xxxx 반복에서 압력 반복이 수렴되지 않는 한 epsi보다 작다.

Mean kinetic energy

도메인에 존재하는 유체의 총 질량으로 나눈 모든 계산 셀의 운동 에너지의 합계. 시간이 지남에 따라 이 양이 변동이 멈추면 정상 상태에 도달했다는 좋은 지표다.

Node-locked license

특정 컴퓨터에 고정된 라이센스. 노드 잠금 라이센스는 네트워크를 통해 액세스 할 수 없으므로 일반적으로 모든 작업을 한 컴퓨터에서 수행해야하는 경우에만 사용됩니다.

Non-inertial reference frame

가속하는 기준 프레임. 비 관성 기준 프레임은 이동 컨테이너를 모방하는데 사용될 수 있습니다.

Pltfsi

1D 및 2D 플롯을 생성하는 FLOW-3D에 포함된 그래픽 디스플레이 프로그램.

Postprocessor

내 프로그램 FLOW-3D 읽을 수 있는 생산 데이터 파일에 해결사 출력 데이터 처리 FLOW-3D 의 또는 타사의 시각화 프로그램 또는 생산 텍스트 데이터는 타사 소프트웨어 프로그램에서 읽을 수 있습니다.

Prepin file

FLOW-3D 시뮬레이션을 생성하는 데 필요한 모든 정보가 포함된 텍스트 파일. GUI를 사용하거나 텍스트 편집기를 사용하여 수동으로 작성할 수 있습니다.

Preprocessor

솔버의 실행을 준비하기 위해 입력 파일을 기반으로 메쉬 및 초기 조건을 생성하는 FLOW-3D 내의 프로그램.

Prpgrf file

전처리기에 의해 생성된 결과 파일. 전 처리기의 정보를 포함하며 후 처리기에서 사용자 플롯을 생성하는 데 사용할 수 있습니다. 이 파일은 미리보기 버튼을 선택하거나 시뮬레이션에서 사전 프로세서(runpre 사용)를 실행하는 경우에만 실행됩니다.

Prpplt file

전처리기에 의해 자동으로 생성된 파일을 플롯 합니다. 메시, 구성 요소, 초기 조건 및 재료 특성에 대한 정보가 포함되어 있습니다.

Restart simulation

이전 시뮬레이션에서 계속 이어지는 시뮬레이션. 이전 시뮬레이션의 결과는 재시작을 위한 초기 조건 및 (선택적으로) 경계 조건을 생성하는 데 사용된다.

Server

라이센스 서버를 호스팅하는 시스템

Stability limit

각 시간 단계에서 사용할 수 있는 최대 시간 단계. 더 큰 시간 단계는 수치적 불안정성과 비물리적 결과로 이어질 것이다.

STL (Stereolithography) File

.STL 파일 형식은 일련의 삼각형이 있는 솔리드 모델의 표면에 근접한 표준 데이터 전송 형식이다. 삼각형은 가장자리에서 결합해야 하며 일관된 방향을 가리키는 정규식이 있어야 한다.

Solid fraction

응고된 영역의 유체 분율 (응고 모델이 켜져 있는 시뮬레이션에만 해당).

Solver

입력 파일에 정의된 흐름 문제를 시뮬레이션 하는 방정식 시스템을 해결하는 FLOW-3D 내의 프로그램입니다.

STL Viewer

스테레오리소그래피(STL) 파일을 표시하는 특수 유틸리티입니다. STL 파일은 CAD 소프트웨어로 제작되며 3 차원 객체의 표면을 형성하는 많은 삼각형으로 구성됩니다. 의 STL 뷰어 FLOW-3D는 메인 메뉴에서 유틸리티/STL 뷰어를 클릭하여 GUI를 통해 액세스 할 수 있습니다. 그러면 뷰어가 별도의 창에서 열립니다. 메쉬 및 형상 탭에서 STL 파일을 열고 볼 수도 있습니다.

Subcomponents

하위 구성 요소는 구성 요소라고하는 더 큰 모양을 형성하기 위해 결합할 수 있는 기하학적 모양입니다. 하위 구성 요소는 재료를 추가하거나 (고체로) 다른 하위 구성 요소에서 재료를 제거하거나 (구멍으로) 또는 모양 외부에 재료를 추가하도록 정의할 수 있습니다.

Time-step size

계산에 사용된 실제 시간 단계. 이 값은 안정성 한계와 같거나 작을 수 있습니다.

단위

단위는 물리적 특성에 설정된 값을 기반으로 합니다. 메쉬 블록 범위 및 셀 길이와 같은 항목은 이러한 물리적 속성을 설정하는 데 사용되는 단위를 자동으로 따릅니다.

Volume error (%)

유체 부피의 백분율은 주어진 시간에 도메인에 존재하는 총 유체의 백분율로 설명되지 않습니다. 따라서, 존재하는 총 부피가 작기 때문에 유체가 시스템에서 배출되는 시뮬레이션의 경우 부피 백분율 오차가 발생할 수 있습니다.

Volume of fluid #1

선택한 길이 단위로 입방체에 존재하는 유체 # 1의 총 부피입니다. 2 유체 문제의 경우, 유체 # 2의 부피는 항상 도메인 부피에서 유체 # 1의 부피를 뺀 값입니다.

Wall shear stress

FLOW-3D의 사용자가 또는 벽과 객체 인터페이스에서의 전단 응력의 계산 끌 수 있습니다 옵션을 선택합니다. “no-slip” 인터페이스의 효과를 모델링하려면 벽 전단 응력을 설정해야 합니다.

Workspace

작업 공간은 시뮬레이션 프로젝트를 위한 파일 컨테이너입니다. 작업 공간은 사용자가 FLOW-3D 뿐만 아니라 하드 드라이브에서도 작업을 구성하는 데 도움아 됩니다.F

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

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.

Simulation results from FLOW-3D highlighting the droplet formation and the input pressure pulse

연속 잉크젯 인쇄

Continuous Inkjets

연속 잉크젯 인쇄는 약 150 년 동안 축적 된 기술입니다. 간단히 말해, 프린트 헤드가 작동하면 연속적인 유체 흐름이있는 액적 생성 방법입니다. 이 개념은 1867 년 Lord Kelvin에 의해 처음 특허를 받았지만 80 년 이상 지난 1951 년 Siemens가 최초의 상용 장치를 선보였습니다. 처음에 이 기술은 만료일, 배치 코드, 이름 및 제품 로고와 같은 가변 정보의 비접촉식 고속 인쇄에 사용되었습니다.

물방울 생성

노즐 크기 선택

액적 생성을위한 시스템 매개 변수를 계산하기 위해 Rayleigh 제트 불안정성 이론을 사용할 수 있습니다. 이 이론에 따르면 물방울 형성으로 이어지는 제트 분리에 대한 자극의 최적 파장 (λ)은 대략 다음과 같습니다.

Nozzle size selection
Nozzle size selection

작동 주파수 선택

최적의 드롭 생성 주파수는 최적의 파장에서 직접 계산할 수 있습니다. 위의 이론과 알려진 산업 매개 변수를 사용하여 FLOW-3D 에서 계산 모델을 설정하는 동안 125μm의 노즐 반경과 10kHz의 주파수가 사용되었습니다

FLOW-3D 결과 검증

FLOW-3D 는 강력하고 정확한 표면 장력 모델로 인해 연속 잉크젯 인쇄와 같은 액적 기반 공정을 시뮬레이션하는 데 적합합니다.

아래 시뮬레이션 결과에서 10kHz의 주파수에서 진동하는 입력 압력 펄스를 볼 수 있습니다. 평균 액적 크기는 약 240 μm이며 이론적으로 추정 된 액적 크기 약 250 μm와 잘 일치합니다.

Simulation results from FLOW-3D highlighting the droplet formation and the input pressure pulse
Simulation results from FLOW-3D highlighting the droplet formation and the input pressure pulse

OLED Mura Problem

이론적으로는 정확히 동일한 진폭으로 압력 펄스를 생성 할 수 있습니다. 그러나 OLED의 잉크젯 인쇄와 같은 산업 응용 분야에서 모든 노즐은 본질적으로 불완전한 제조 또는 작동 매개 변수로 인해 약간 다릅니다. 이러한 모든 결함은 액적 부피의 변동을 일으켜 OLED 패널의 각 하위 픽셀에 증착 된 유기 화합물의 부피를 변화시켜 증착 된 필름 두께의 비례적인 변화를 초래합니다. 이러한 두께 변화는 잉크젯 인쇄 OLED 디스플레이에서 패널 휘도 불균일의 가장 중요한 원인 중 하나입니다 (Madigan et al. ). 이러한 패널 휘도의 불균일성을 “무라 효과”라고합니다.

무라 문제를 해결하는 한 가지 접근 방식은 평균 법칙을 사용하는 것입니다. 이것이 의미하는 바는 서로 다른 노즐 (픽셀 내 혼합)의 방울을 무작위로 결합하여 방울 부피의 양 및 음 오류를 평균화하여 방울 부피 오류를 거의 0에 가깝게 만드는 것입니다.

FLOW-3D 에서 픽셀 내 혼합 과정을 시뮬레이션하기 위해 입력 압력 펄스 진폭에 약간의 임의성이 추가되었습니다. 최대 변동의 크기는 1.7MPa의 원래 압력 진폭에 더하여 200kPa로 설정되었습니다. 아래 애니메이션은 무작위성이있는 케이스와 무작위성이없는 초기 케이스의 비교를 보여줍니다.

압력 펄스의 무작위성 대 일정한 진폭의 경우를 비교하는 애니메이션.

예상대로 액적 생성은 액적 모양, 액적 크기, 액적 간 간격 및 비행 속도 측면에서 균일하지 않습니다. 그러나 오른쪽의 일정한 진폭 케이스는 균일 한 모양과 크기의 균일 한 간격의 물방울을 생성합니다.

연속 잉크젯 인쇄는 저장소에서 마이크로 미터 크기의 노즐 뱅크로 액체를 보내는 고압 펌프로 시작하여 진동하는 압전 결정의 진동에 의해 결정되는 주파수에서 연속적인 물방울 흐름을 생성합니다. 특히 인쇄 응용 분야의 경우, 잉크 방울은 외부 전기장의 존재로 인해 연속 흐름에서 편향됩니다. 이것은 인쇄 매체의 표면에 패턴을 생성합니다. 이 기술의 장점 중 일부는 높은 처리량, 높은 액적 속도, 프린트 헤드에서 기판까지의 거리 증가, 연속 작동으로 인한 노즐 막힘 없음입니다. 이러한 긍정적 인 특성 덕분에이 기술은 오늘날 종이에 일반 인쇄 잉크에서 다양한 재료 (생존 세포 포함)를 증착하는 것으로 발전했습니다.

Continuous inkjet animation

결론

FLOW-3D 는 연속 잉크젯 인쇄 프로세스와 관련된 물리학에 대한 이해를 촉진하는 데 사용되었습니다. 강력한 표면 장력 모델 덕분에 FLOW-3D 는 다양한 고급 액적 생성 및 증착 응용 분야에서도 유용 할 수 있습니다. 예를 들어 OLED 프린팅의 경우 FLOW-3D 를 사용하여 픽셀 내 혼합 중에 발생하는 액 적의 변화를 효과적으로 이해하여 OLED 패널의 품질을 높일 수 있습니다.

References

Madigan C. F., Hauf C. R., Barkley L. D., Harjee N., Vronsky E., Slyke S. A. V., Advancements in Inkjet Printing for OLED Mass Production. Kateeva, Inc.

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.

Cavitation | 캐비테이션

캐비테이션이란 무엇입니까?

The spillways of the Glen Canyon dam in 1983 (Lee and Hoopes, 1996).

캐비테이션은 유체 흐름의 매우 낮은 압력 또는 포화 압력을 높이는 온도 상승으로 인해 유체 내에서 증기 또는 기포가 빠르게 발생하는 것입니다. 기포의 갑작스런 출현 (및 후속 붕괴)은 비압축성 유체 내에서 압력의 급격한 변화를 일으켜 심각한 기계적 손상을 일으킬 수 있습니다. 캐비테이션에 의해 유도 된 힘은 1983 년 Glen Canyon 댐의 배수로에서 경험 한 손상에서 볼 수 있듯이 며칠 내에 수 피트의 암석을 침식 할 가능성이 있습니다 (Lee and Hoopes, 1996).

또한 고압 다이 캐스팅에서 캐비테이션이 발생할 수 있습니다. 다이의 수축 및 곡선을 통한 용융 합금의 빠른 이동은 급속한 압력 강하를 초래하고 후속 캐비테이션으로 이어질 수 있습니다. 생성된 증기 기포는 최종 주조에서 다공성을 유발하거나 더 나쁜 경우 다이에 손상을 일으켜 주조품을 훼손시키고 다이 수명을 감소시킬 수 있습니다.

캐비테이션은 터빈과 파이프에 손상을 줄 수 있고, 댐의 배수로에서 콘크리트를 침식하는 등의 원인이 될 수 있습니다. 아래 이미지는 댐의 배수로 바닥 근처의 콘크리트 침식을 보여줍니다. 댐에 사용되는 콘크리트는 일반적으로 강도가 높지만 캐비테이션은 여전히 그것을 부식시킬 수 있습니다.

Eroded concrete due to cavitation on the spillway of a dam

캐비테이션은 때때로 오염 물질과 유기 분자를 분해하고, 소수성 화학 물질을 결합하고, 캐비테이션 기포의 파열로 인해 생성 된 충격파를 통해 신장 결석을 파괴하고, 혼합을위한 난류를 증가시켜 수질 정화와 같은 특정 산업 응용 분야에서 의도적으로 유도됩니다.

따라서 캐비테이션이 발생할 가능성이있는 위치와 그 강도를 이해하는 것이 중요합니다. 캐비테이션을 실험을 수행하거나 실험 결과의 현상을 시각화하는 것이 어렵고, 잠재적으로 손상 될 수 있으므로 수치해석 시뮬레이션으로 검토하는 것이 매우 필요하고, 유용합니다.

Real-World Applications | 실제 응용 분야

  • 물 및 환경 구조 내에서 손상을 주는 캐비테이션 시뮬레이션
  • 다이 손상 및 주조 다공성을 유발할 수 있는 고압 다이 캐스팅 중 캐비테이션 시뮬레이션
  • MEMS 장치 내의 열 거품 형성 시뮬레이션
  • 열 전달 표면의 비등 거동 예측
  • 캐비테이션 역학으로 인한 혼합 예측

Modeling Cavitation in FLOW-3D

FLOW-3D의 캐비테이션 모델은 thermal bubble jets 와 MEMS devices를 시뮬레이션하는데 성공적으로 사용되었습니다. FLOW-3D는 “active”또는 “passive” 모델 옵션을 제공합니다. Active 모델은 기포 영역을 열고 수동 모델은 흐름을 통해 캐비테이션 기포의 존재를 추적하고 전파하지만, 기포 영역의 형성을 시작하지는 않습니다.

Active모델은 더 큰 캐비테이션 영역이 예상되고 유동장에 영향을 미치는 경우에 가장 적합하며, Passive모델은 작은 기포의 간단한 모양이 예상되는 시뮬레이션에 가장 적합합니다. 활성 모델과 에너지 전송 계산을 통해 위상 변화도 옵션입니다. 기포는 계면에서의 증발 또는 응축으로 인해 추가로 팽창하거나 수축 할 수 있습니다.

Sample Results

아래 시뮬레이션은 수축 노즐을 보여줍니다. 애니메이션은 매우 일시적인 진동 동작을 보여주는 캐비테이션 버블의 진화를 보여줍니다. 캐비테이션 부피 분율은 초기 연속 액체에서 캐비테이션의 시작을 시각화하기 위해 플롯됩니다.

아래 애니메이션은 진입 속도가 8m/s이고 수렴 기울기가 18 °이고 발산 기울기가 8 ° 인 벤츄리 내의 캐비테이션을 보여줍니다. 다시 말하지만, 캐비테이션의 과도 동작은 잘 모델링되어 있으며, 모델은 22ms의 실험 결과와 비교하여 17.4ms의 캐비테이션주기 기간을 예측합니다 (Stutz and Reboud 1997).

Cavitation in a venturi

물 탱크를 통해 이동하는 고속 발사체를 시뮬레이션하여 발사체 후류에서 생성 된 저압 영역의 공동 기둥을 보여줍니다. 발사체의 초기 속도는 600m / s입니다. 아래는 탱크의 움직임과 후행하는 캐비테이션 유체의 애니메이션입니다. 발사체가 감속함에 따라 캐비테이션 기둥의 반경이 좁아집니다.

@

High-speed bullet

References

Lee, W., Hoopes, J.A., 1996, Prediction of Cavitation Damage for Spillways, Journal of Hydraulic Engineering, 122(9): 481-488.

Plesset, M.S., Prosperetti, A., 1977, Bubble Dynamics and Cavitation, Annual Revue of Fluid Mech, 9: 145-185.

Rouse, H., 1946. Elementary Mechanics of Fluids, New York: Dover Publications, Inc.

Stutz, B., Reboud, J.L., 1997, Experiments on unsteady cavitation, Experiments in Fluids, 22: 191-198.

Moving Boundaries: An Eulerian Approach

Moving Boundaries: An Eulerian Approach

많은 문제에서, 유체 및 고체 영역의 내부 경계가 그 안에서 이동할 수 있도록하면서 공간에 고정 된 그리드를 유지하는 것이 유리합니다. 이는 리 메싱의 필요성을 피할 수 있으므로 이러한 경계의 형태에 급격한 변화가 발생할 때마다 적절합니다. 메시 생성도 크게 단순화되었습니다.

고정 그리드 내에서 유체 인터페이스, 침전물, 응고 된 유체 및 탄성 재료의 경계 이동을 모델링하기위한 다양한 접근 방식이 표시됩니다. 유체 경계의 이동은 VOF (Volume-of-Fluid) 방법의 변형으로 수행되며, 각 계산 셀에서 유체의 양을 나타내는 양이 고정 메시를 통해 조정됩니다.

퇴적물의 침식 및 퇴적은 퇴적물 수색 모델을 사용하여 계산됩니다. 국부적 인 침식 속도는 패킹 된 퇴적물 / 유체 경계면에 존재하는 국부적 인 전단 응력을 기반으로하며, 증착은 Stokes 유동 근사치로 예측됩니다.

Emptying of gravure cell (same cell dimensions as filling case); a
three-dimensional perspective is shown. The transfer roll surface
(block at top) is moving away from the gravure roll at 0.5m/s. The
static contact of the fluid with all surfaces is 30°. The elapsed time
is 150

충진 층 경계면은 퇴적물 농도와 퇴적물의 포장 분율에 따라 달라집니다. 용융 금속은 온도가 빙점 아래로 떨어지면 굳을 수 있습니다. 응고 된 “유체”는 동결 및 용융을 유발하는 열유속의 양으로부터 결정된대로 표면이 증가하거나 수축하는 고체처럼 처리됩니다.

탄성 응력은 응고 된 재료 / 공기 인터페이스를 예측하는 VOF 방법을 사용하여 동일한 고정 그리드 내의 운동량 균형에 탄성 응력 계산을 추가하여 응고 된 영역에서 계산됩니다.

매우 일시적인 흐름 문제의 경우 유체와 공극 공간 사이 또는 두 개의 혼합 불가능한 유체 사이에있는 유체 인터페이스는 문제의 역학에 따라 자유롭게 움직여야합니다.

한 가지 해결책은 인터페이스와 함께 변형되는 메시를 만드는 것입니다. 이것은 시뮬레이션 중에 인터페이스의 형태가 거의 변경되지 않는 상황에서 잘 작동합니다. 그러나보다 일반적인 경우에는 시뮬레이션 중에 새 메시를 반복적으로 생성해야하거나 변경되지 않은 메시 내에서 자유 표면 경계를 생성하는 방법이 필요합니다. 이 작업은 후자를 제시합니다. VOF (Vol-of-fluid) 함수는 자유 표면의 위치를 추적하는 데 사용됩니다. 또한이 함수는 곡률을 계산하여 표면 장력의 영향을 예측하는 데 사용됩니다.

<원문보기> Moving-Boundaries-an-Eularian-Approach.pdf

Mixing

Mixing

지난 수십 년 동안 주로 컴퓨터 측정 및 시뮬레이션 기술의 발전으로 인해 혼합을 이해하는 데 많은 진전이있었습니다. 흐름 모델링 기술의 지속적인 발전 덕분에 혼합 장비의 흐름 에 의존적인 프로세스에 대한 자세한 통찰력을 CFD 소프트웨어를 사용하여 쉽게 시뮬레이션하고 이해할 수 있습니다.

오늘날, 블렌딩에서 solid suspension, 자켓형 반응기의 열 전달에서 발효에 이르기까지 다양한 응용 분야가 FLOW-3D의 혼합 기술을 사용하여 모델링됩니다. FLOW-3D 시뮬레이션은 임펠러의 모든 구성에서 혼합 시간, 순환 및 전력 수와 모든 용기 형상에 대한 혼합 조건과 같은 주요 혼합 매개 변수를 평가하는 데 도움이 될 수 있습니다.

이러한 시뮬레이션은 실험 방법을 사용하여 보완합니다. CFD 소프트웨어를 사용하여 이러한 장비의 흐름에 따른 프로세스를 예측하고 이해하면 제품 품질을 향상시키고 많은 제품의 출시 시간과 비용을 줄일 수 있습니다.

Food Processing

Food Processing

식품 가공 산업은 분사 장비를 최적으로 설계 및 제조하기 위해 일반적으로 뉴턴이 아닌 유체, 슬러리, 고형물과 유체의 혼합물 등 복잡한 유체를 관리하기 위한 다양한 요구사항을 가지고 있습니다. 이는 상업용 등급 장비의 일관성 및 내구성과 품질에 필수적입니다. 또한, 포장 디자인의 혁신은 한 제품을 다른 제품과 명확하게 구별할 수 있습니다. 예를 들어, 꿀, 케첩 또는 크리머(creamer)를 깨끗하고 정확하게 분사하는 것은 소비자가 상점에서 선택하는 것일 수 있습니다. 운송 및 보관 요구 사항은 모양을 보다 효율적으로 엔지니어링하고 컨테이너 자재를 더 많이 선택해야 합니다. 1.5리터의 물 또는 세탁 세제를 이동 또는 떨어뜨리는 동안 유체 하중은 업스트림 설계의 중요한 부분이 될 수 있습니다.

Velocity contours of a non-Newtonian fluid such as ketchup out of a slit nozzle.

꿀, 옥수수 시럽, 치약과 같은 점성 액체는 보통 단단한 표면에 접촉할 때 코일을 형성하는 경향을 보입니다. 이러한 효과는 관찰하기에 흥미롭고 재미있지만, 제품 안에 공기가 들어가 포장을 어렵게 만들 수 있는 포장 공정에서는 달갑지 않을 수 있습니다.

코일링이 발생하는 조건은 유체의 점성, 유체가 떨어지는 거리 및 유체의 속도에 따라 달라집니다. FLOW-3D는 다양한 물리적 프로세스 매개변수를 연구하기 위한 정확한 도구를 제공하여 효율적인 프로세스를 설계하는 데 도움이 됩니다.

Filling / 충진

Filling / 충진

재료 비용을 줄이고 사이클 시간을 개선하기 위해 소비재 회사는 슬로 싱, 튀기 및 공기 혼입을 포함한 많은 자유 표면 유체 문제를 처리해야합니다.

Predicting Entrained Air in a Bottle Filling Example

혼입된 공기는 생산 라인에서 컨테이너가 채워질 때 액체의 부피를 증가시킬 수 있습니다. 아래 왼쪽 이미지는 높이가 약 20cm인 병에 1.2 초 동안 채우는 것을 보여줍니다. 색상 음영은 액체에서 공기의 부피 비율을 나타냅니다. 병에서 짧은 시간과 높은 수준의 혼합으로 인해 공기가 표면으로 올라와 빠져 나갈 시간이 없었습니다. 그러나 오른쪽 이미지에서 볼 수 있듯이 약 1.7 초의 추가 시간이 지나면 표면으로 상승하는 공기로 인한 액체 부피 감소가 명확하게 보입니다. FLOW-3D의 드리프트 플럭스 모델을 사용하면 액체의 기포와 같은 성분을 분리하여 분리 할 수 있습니다.

Air entrainment (left) and separation of air and liquid (right)

In by 9, out by 5 – Rapid evaluation of Tide® bottle filling

FLOW-3D를 사용하여 새로운 Tide 병 디자인의 채우기를 모델링하는 방법을 설명하는이 기사는 The Procter and Gamble Company의 기술 부문 책임자 인 John McKibben이 기고했습니다.

오전 9시에 긴급한 이메일을 받았다고 상상해보십시오.

새로운 Tide® 병 디자인 중 하나가 핸들을 채우고 충전 장비에 문제가있을 수 있음을 방금 깨달았습니다. 프로토 타입 병도없고 몇 주 동안도 없을 것입니다. 디자이너와 소비자는 디자인의 모양을 좋아하지만 그것이 채우는 방식은 우리 생산 시설의 쇼 스토퍼가 될 수 있습니다.
이 상황을 접했을 때 저는 3D 지오메트리 (그림 1)의 스테레오 리소그래피 (.stl) 파일을 요청하여 응답을 시작했고 제가 할 수있는 일을 확인했습니다. FLOW-3D는 .stl 파일을 사용하여 지오메트리를 입력 할 수 있으며 채우기에 대한 자유 표면 문제를 해결할 수 있어야한다는 것을 알고있었습니다. 나는 이것이 잠재적 인 문제에 대한 좋은 질적 이해를 제공 할 것으로 기대했지만,이 응용 프로그램에 대해 얼마나 정확한지에 대해서는 약간 불확실했습니다.

Setting up and Running the Simulation

오후 1 시경에 지오메트리 파일, 유량 및 유체 속성을 받았습니다. 몇 시간 내에 시뮬레이션이 실행되어 예비 결과를 제공했습니다. 저는 제 고객을 초대하여 결과를 간단히 살펴 보았고 그는 “보스의 상사”도 함께 살펴 보았습니다. 그래서 저녁 5 시까 지 예비 결과를보고 원래 우려 사항이 문제가 아니라고 판단했습니다.

그러나 결과는 몇 가지 다른 질문을 제기했습니다. 핸들을 채우면 유입되는 유체 분사가 많이 분리되었습니다. 나는 이것이 동반 된 공기와 거품의 양을 증가시킬 것이라는 것을 알고 있었다 (우리는 결국 세탁 세제를 채우고있다). FLOW-3D 공기 혼입 모델을 테스트하기로 결정했습니다. 이 모델은 원래 난류 제트 용으로 개발되었으며,이 층류 문제를 볼 때 얼마나 잘 수행 될지 확신 할 수 없었습니다.

Figure 2: Filled results
Experimental comparison of bottle filling model with and without the air entrainment model, courtesy of The Procter & Gamble Company.

그림 2는 공기 유입 모델이 있거나없는 병 충전 모델의 결과를 보여줍니다. 혼입 된 공기가 포함되면 충전 레벨이 크게 증가합니다. 혼입 된 공기가 병 상단에서 액체를 밀어 내지는 않지만 공기 혼입 정확도를 확인해야 할만큼 충분히 가깝습니다.

그림 3은 몇 주 후에 실행 된 실험의 이미지와 공기 혼입 수준을 비교합니다 (시제품 병이 제공되었을 때). 제트 분리 및 충진 수준의 정 성적 일치는 우수하며 시뮬레이션이 병 설계를 선별하기에 충분히 정확하다는 것을 확인했습니다.

Oil & Gas Separators

Oil & Gas Separators

FLOW-3D는 오일 및 물과 같은 혼합 불가능한 유체를 모델링할 수 있으며, 개방된 환경(주변 공기)에 관련된 구성 요소 간의 고유한 인터페이스를 정확하게 추적할 수 있습니다.

전체 영역에 영향을 미치는 역학 관계로 유체가 자유롭게 혼합될 수 있습니다. 시간이 지남에 따라 유체는 연속 위상과 분산 위상 사이의 표류 관계에 따라 다시 분리됩니다.

중력 분리기의 성능은 CFD 모델링을 통해 향상 될 수 있습니다 :

  • Develop vessel inlet configurations to improve uniformity of gas and liquid flows and avoid mixing of oil & water due to wave-induced sloshing
  • Determine the influence of internal equipment on hydraulic efficiency and separation performance
  • Gauge the effects of changes in operating conditions
  • Accurately model small-scale phenomena (multi-phase flows, drops, particles, bubbles)

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.

Lab-on-a-chip

다양한 표면 장력을 사용하는 패턴화된 표면

마이크로 채널의 패턴화된 표면은 액체 사이의 실제 물리적 벽 없이도 여러 액체가 나란히 흐르는 특정 경로를 따라 한 저장소에서 다른 저장소로 액체를 운반하는 데 사용할 수 있습니다. 패턴화된 표면은 랩 온어 칩 (lab-on-a-chip), 바이오어세이, 마이크로 리액터 및 화학적 및 생물학적 감지를 통해 유체를 운반하는 데 사용됩니다. 이 경우 표면 장력은 패턴화된 흐름을 생성하기 위해 마이크로 채널의 유체 흐름을 조작하는데 사용됩니다. 고체 표면에서 유체의 친수성 또는 소수성 거동을 이용하여 마이크로 채널을 통한 여러 유체의 움직임을 제어합니다. 마이크로 채널 내부의 유체 흐름은 층상이므로 여러 유체 흐름 (이 경우 2 개)이 난류 혼합없이 나란히 흐를 수 있습니다. 유체 흐름의 측면에는 물리적 벽이 없기 때문에 흐름은 소위 가상 벽에 의해 제한됩니다. 이 벽은 기본적으로 두 유체 사이의 친수성 경계입니다.

Patterned surfaces in micro channels
Experimental results showing the three phases – A, B and C (left to right), Bin Zhao et al.

위 그림은 마이크로 채널의 실험을 보여줍니다. 중앙 수평 채널의 중간 스트립은 친수성이지만 상부 및 하부 수직 채널과 함께 나머지 채널은 소수성의 정도가 다릅니다. 소수성은 접촉각의 몇도 정도만 다릅니다. 상부 채널의 접촉각은 118o이고 하부 채널의 접촉각은 112o입니다. 그러나 접촉각의 작은 차이는 유체가 이러한 영역으로 흐르기 위해 상당히 다른 압력을 필요로합니다.

Numerical Simulation

처음에는 모든 채널이 다른 유체(투명)로 채워집니다. 분홍색 액체가 수평 채널로 밀리면 중앙 영역(단계 A)의 친수성 경로를 사용합니다. 압력이 증가하면 유체는 하부 친수성-수성 장벽을 깨고 하부 친수성 영역(단계 B)으로 흐르기 시작합니다. 압력을 더 높이면 마침내 유체가 상부 친수성-수소성 장벽을 부수고 상부 영역에서도 흐르기 시작합니다(Phase C).

Numerical results - patterned surfaces using varied surface tension
Numerical results showing the three phases – A, B and C.

위의 수치 결과는 둘 사이에 중요한 차이가 있다는 점을 고려할 때 실험에서 패턴화된 표면 연구의 전반적인 아이디어와 합리적인 비교 가능성을 보여줍니다. 위에 표시된 수치 결과는 과도 상태 (압력이 지속적으로 증가)이므로 유체 경계가 실험 결과와 정확히 유사하지 않습니다. 마찬가지로 유체 특성은 실험에 사용 된 특성과 정확히 유사하지 않습니다. 그럼에도 불구하고 유체 1은 실험에서와 같이 압력이 증가함에 따라 단계 A, B 및 C를 통과합니다. 단계 B에서 투명한 유체는 계속해서 위쪽 채널을 통해 흐르지 만 분홍색 유체만 아래쪽 영역으로 흐릅니다. 이것은 실험과 일치합니다. 흥미로운 것은 C 단계에서 나타난 기포 형성입니다. C 단계에서 기포 형성과 같은 흥미로운 물리학에 대한 계시와 연구는 미세 유체 장치의 설계 및 제작 과정에 중요 할 수 있습니다.

FLOW-3D Results

아래 애니메이션은 위의 실험에 대한 FLOW-3D의 시뮬레이션 결과를 보여줍니다. 유체 1 (하늘색)은 실험의 분홍색 유체와 동일합니다. 처음에는 전체 도메인이 Fluid 2 (투명 유체)로 채워집니다. 압력은 단계적으로 증가하고 시뮬레이션이 진행됨에 따라 세 단계를 모두 볼 수 있습니다.

Evolution of fluid flow with increasing pressure in patterned micro channels created by varying contact angles.

Ref: Bin Zhao, Jeffrey S. Moore, David J. Beebe, Surface-Directed Liquid Flow Inside Microchannels, Science 291, 1023 (2001)

Learn more about the power and versatility of modeling microfluidic applications with FLOW-3D

Agitational Stresses

Agitational Stresses / 동요 스트레스

This article was contributed by Ge Bai, Scientist, MedImmune LLC.

Agitation instruments and glass vial

Agitation 연구는 생물 요법 발달에 있어 흔하고 중요한 부분이지만, 관련된 스트레스의 근본적인 특성과 단백질 안정성에 대한 영향은 완전히 이해되지 않았습니다. 동요된 스트레스 방법의 특성화는 단백질 분해 메커니즘이나 특정 민감도를 식별하는데 매우 중요합니다. 전단, 경계면, 캐비 테이션 또는 기타 유체 및 계면 장력에 의한 응력은 실험적 방법으로 측정하기 어렵거나 불가능합니다. 최근에는 다양한 주파수에서 회전 장치(Rotator), 궤도 셰이커, 자석 교반기, 와류 혼합기(그림 1참조)를 포함한 다양한 계측기를 사용하여 3-4S 유리 바이알에서 동요하는 액체의 유체 역학을 모델링하여 단백질 안정성에 잠재적으로 중요한 응력을 확인하고 정량화하였습니다. 25°C에서 물의 유동성 특성이 이러한 시뮬레이션에 사용되었습니다.

Gaining better understanding on agitational stresses applied to proteins for biopharmaceutical development

표준 FLOW3D코드는 최대 시스템 전단율, 볼륨 평균 전단률, 공기-액체 및 고체-액체 인터페이스 근처의 볼륨 평균 전단률, 총 전단, 고체-액체 인터페이스의 면적, 그리고 공기음 재생 인터페이스와 같은 단백질에 대한 잠재적으로 유해한 응력을 수치적으로 계산할 수 있도록 맞춤화하였다. 표준 소프트웨어 패키지의 추가 출력으로 표시됩니다. 시뮬레이션과 실험 사이에 바이알에 있는 유체의 자유 표면 형태를 비교하여 CFD모델을 검증하였습니다(그림 2).

Orbital schaker simulation
그림 2. CFD시뮬레이션과 300rpm정상 상태에서의(A)궤도 쉐이커와(B)35rpm, 55°위치에서의 회전 장치(Rotator)회전 장치(Rotator)에 대한 실험 사이의 유체 없는 표면 형태 비교.
Instantaneous shear rates
그림 3. 최대 진동 주파수(A)궤도 쉐이커,(B)자기 교반기,(C)와류 혼합기 및(D)회전 장치(Rotator)에서의 경계면 부근에서의 순간 전단율.

응력(전단 속도 및 인터페이스 생성 속도)의 예와 공기 액상 및 고체 액체 인터페이스에서의 비교는 그림 3과 그림 4에 나와 있다. 전체적으로, 와류 혼합기는 가장 강한 응력을 제공하는 반면, 자석 교반기는 소수성 절 표면에 국소적으로 강한 전단을 제시하였다. 회전 장치(Rotator)는 부드러운 유체 응력을 제공하지만 낮은 회전 주파수를 고려할 때 공기-물 내부 영역 및 표면 응력은 상대적으로 높습니다. 궤도 셰이커는 중간 수준의 스트레스를 제공하지만 일관된 생체-생체 동질성을 위한 크고 안정적인 플랫폼의 이점을 제공합니다.

Air-liquid interface generation rates
그림 4. 최대 진동 주파수(A)궤도 쉐이커,(B)자기 교반기,(C)와류 혼합기 및(D)회전 장치(Rotator)에서의 공기 액상 인터페이스 생성 속도.

우리는 설명한 각각의 동요된 방법에서 유리 용기 안의 액체에 복수의 응력이 동시에 작용한다는 것을 발견했다. 이러한 스트레스는 다양한 방법에 따라 다양했으며 종종 교란 주파수의 강력한 기능으로 밝혀졌다. 또한 알려진 유형과 강도의 스트레스를 가진 적절한 촉진 방법을 선택하면 단백질 저하 메커니즘에 대한 영향을 더 잘 이해하는 데 도움이 될 수 있다는 것도 알아냈다. 우리는 CFD가 실험 시스템에서 유체 응력의 특성을 파악하고 실제 조건에 대한 관련성을 검증하는 데 중요한 역할을 할 수 있다고 결론지었습니다.

생명 공학 응용 분야

표준 FLOW-3D 코드는 시스템 전단 속도, 부피 평균 전단 속도, 공기-액체 및 고체-액체 계면 근처의 부피 평균 전단 속도, 총 전단, 고체 면적과 같은 단백질에 잠재적으로 유해한 응력이 발생하도록 맞춤화되었습니다. 액체 인터페이스 및 공기-액체 인터페이스 재생률을 수치적으로 계산하고, 표준 소프트웨어 패키지의 추가 출력과 비교할 수 있습니다. 시뮬레이션과 실험 사이에 VIAL에있는 유체의 자유 표면 모양을 비교하여 CFD 모델을 검증했습니다 (그림 2).

Orbital schaker simulation
Figure 2. Comparison of the shape of fluid free surface between CFD simulation and experiment for (A) orbital shaker at 300 rpm at steady state and (B) rotator at 35 rpm, 55° position.
Instantaneous shear rates
Figure 3. Instantaneous shear rates near interfaces at maximum agitation frequencies (A) orbital shaker, (B) magnetic stirrer, (C) vortex mixer and (D) rotator.

응력(전단 속도 및 인터페이스 생성 속도)의 예와 공기 액상 및 고체 액체 인터페이스에서의 비교는 그림 3과 그림 4에 나와 있습니다. 전체적으로, 와류 혼합기는 가장 강한 응력을 제공하는 반면, 자석 교반기는 hydrophobic stir bar 표면에 국소적으로 강한 전단을 제시합니다. 회전 장치(Rotator)는 부드러운 유체 응력을 제공하지만 낮은 회전 주파수를 고려할 때 공기-물 내부 영역 및 표면 응력은 상대적으로 높습니다. 궤도 셰이커는 중간 수준의 스트레스를 제공하지만 일관된 생체-생체 동질성을 위한 크고 안정적인 플랫폼의 이점을 제공합니다.

Air-liquid interface generation rates
Figure 4. Air-liquid interface generation rates at maximum agitation frequencies (A) orbital shaker, (B) magnetic stirrer, (C) vortex mixer and (D) rotator.

우리는 설명한 각각의 교반 방법에서 유리 용기 안의 액체에 여러가지 응력이 동시에 작용한다는 것을 발견했다. 이러한 스트레스는 다양한 방법에 따라 다양했으며 종종 교란 주파수의 강력한 기능으로 밝혀졌다. 또한 알려진 유형과 강도의 스트레스를 가진 적절한 촉진 방법을 선택하면 단백질 분해 메커니즘에 대한 영향을 더 잘 이해하는 데 도움이 될 수 있다는 것도 알아냈습니다. 우리는 CFD가 실험 시스템에서 유체 응력의 특성을 파악하고 실제 조건에 대한 관련성을 검증하는 데 중요한 역할을 할 수 있다고 결론지었습니다.

샌드코어 만들기 시뮬레이션

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

샌드 코어 만들기 프로세스 작업 공간

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

Sand Shooting

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

Sand Shooting

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

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

코어 경화

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

무기 공정에서 샌드 코어 건조

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

핫 박스 프로세스에서 코어 강화

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

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

콜드 박스 공정에서 샌드 코어를 가스링

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

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

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

Principal CFD Engineer at Flow Science

Lab-on-a-chip – Micromixer (마이크로 믹서)

Micromixer (마이크로 믹서)

  • 마이크로 믹싱의 어려움
    – 난류는 혼합을 유도하지만 미세 유체 유동은 층류가 강함 (레이놀즈 수가 낮기 때문)
    – 미세 유동의 흐름은 유체의 확산으로 인해 혼합되기전에 장거리 이동을 해야할 수 있음 (Peclet 수가 높기 때문)
  • 비침습 곡선 마이크로 채널을 사용하여 혼합을 유도할 수 있음
    – 섬세한 생물학적인 샘플은 분해되지 않습니다

곡선형 마이크로 믹서

  • Dean 수는 관성 및 원심력 대 점성력의 비율
  • 적절한 Dean 수에서, 횡류 장은 마이크로 채널로 유도 될 수 있음

믹싱 증가를 위한 마이크로 믹서 디자인 최적화

  • 최신 최적화 알고리즘을 사용하여 최적화 된 믹서 설계
  • 색다른 채널 모양이 믹싱을 개선

FLOW-3D What’s New Ver.12.0

FLOW-3D v12.0은 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-3D v12.0 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-3 Dv1.2.0에는 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.

블로그 보기

Sludge settling model

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.

개발노트 읽기

Steady-state accelerator for free surface flows

이름에서 알 수 있듯이 정상 상태 가속기는 정상 상태 솔루션에 대한 접근을 빠르게합니다.
이것은 작은 진폭 중력과 모세관 표면파를 감쇠시킴으로써 달성되며 자유 표면 흐름에만 적용 할 수 있습니다.

개발노트 읽기

Void particles

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.

개발 노트 읽기>

Outflow pressure boundary condition

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 얕은 물 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 이름설명
cav_prod_cal캐비 테이션 생산 및 확산 속도
sldg_uset슬러지 정착 속도
phchg_mass_flux증발 및 응축에 의한 질량 흐름
flhtccl유체#1과#2사이의 열 전달 계수
dsize_cal2상 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.

Cavitation(공동현상)

Cavitation(공동현상)

공동 현상은 유체 흐름의 압력이 매우 낮거나 온도 상승으로 인해 유체 내에서 증기 및 / 또는 가스 버블이 빠르게 진화하여 포화 압력을 높입니다. 기포의 갑작스런 출현 (및 후속 붕괴)은 비압축성 유체 내에서 압력의 급격한 변화를 일으켜 심각한 기계적 손상을 일으킬 수 있습니다. 캐비테이션에 의해 유발된 힘은 1983 년 글렌 캐년 댐의 유출로에서 발생한 손상으로 볼 수 있듯이 며칠 만에 수 피트의 암석을 침식 할 가능성이 있습니다 (Lee and Hoopes, 1996).

또한, 캐비테이션은 고압 다이 캐스팅에서 발생할 수 있습니다. 다이의 수축 및 곡선을 통한 용융 합금의 빠른 이동은 압력 강하를 빠르게하여 후속 캐비테이션을 유발할 수 있습니다. 생성 된 증기 기포는 최종 주조에서 다공성을 야기하거나, 더 악화되어, 다이를 손상시켜 주조를 오염시키고 다이 수명을 감소시킬 수 있습니다. 이러한 이유로, 캐비테이션이 발생할 가능성이 있는 영역을 이해하는 것이 중요합니다. 물리적 실험을 통해 캐비테이션을 시작하고 시각화하는 것은 어렵고, 잠재적으로 피해를 주기 때문에 공정을 시뮬레이션하는 것이 바람직합니다.

실증 사례

  • 물 및 환경 구조 내에서 손상된 캐비테이션 시뮬레이션
  • 고압 다이캐스팅 중 캐비테이션을 시뮬레이션하여 다이 손상 및 캐스팅 다공성을 유발할 수 있습니다.
  • MEMS 장치 내에서 열 기포 형성 시뮬레이션
  • 열전달 표면의 비등 거동 예측
  • 캐비테이션 역학으로 인한 혼합 예측

Cavitation(공동현상) FLOW-3D모델링

FLOW-3D의 현재 캐비테이션 모델은 열 버블 제트(Thermal bubble jets) 및 MEMS 장치를 시뮬레이션하는 데 성공적으로 사용되었습니다. FLOW-3D는 “Active”또는 “Passive”모델 옵션을 제공합니다. 능동형(Active) 모델은 기포 영역을 열고 수동형 모델은 흐름을 통해 캐비테이션 기포의 존재를 추적하고 전진하지만 기포 영역의 형성은 시작하지 않습니다.

능동형(Active) 모델은 더 큰 캐비테이션 영역이 예상되고 유동장에 영향을 미치는 경우에 가장 적합한 반면, 수동형(Passive) 모델은 작은 기포의 짧은 모양이 예상되는 시뮬레이션에 가장 적합합니다. 에너지 전송의 능동 모델과 계산을 통해 위상 변화(Phase change)도 옵션입니다. 기포는 계면(Surface)에서의 증발 또는 응축으로 인해 추가로 팽창 또는 수축 될 수 있습니다.

해석 사례

아래의 결과는 8m/s의 진입 속도, 18°의 수렴 기울기 및 8°의 발산 기울기를 가진 벤투리(Venturi) 내의 캐비테이션을 보여줍니다. 캐비테이션의 과도 거동이 잘 모델링되었으며, 모델은 22ms의 실험 결과와 비교하여 17.4ms의 캐비테이션 사이클 주기(Cycle period)를 예측합니다 (Stutz and Reboud 1997).

물 탱크를 통과하는 고속 발사체를 시뮬레이트하여 발사체의 웨이크에서 발생하는 저압 영역에서 공동화 깃털(Cavitation jets)을 보여줍니다. 발사체의 초기 속도는 600m/s입니다. 아래는 탱크에서의 움직임과 후미 캐비테이션 유체의 해석 결과입니다. 캐비테이팅 플룸(Cavitating plume)의 반경은 발사체가 감속함에 따라 좁아집니다.

참고 문헌

  • Lee, W., Hoopes, J.A., 1996, Prediction of Cavitation Damage for Spillways, Journal of Hydraulic Engineering, 122(9): 481-488.
  • Plesset, M.S., Prosperetti, A., 1977, Bubble Dynamics and Cavitation, Annual Revue of Fluid Mech, 9: 145-185.
  • Rouse, H., 1946. Elementary Mechanics of Fluids, New York: Dover Publications, Inc.
  • Stutz, B., Reboud, J.L., 1997, Experiments on unsteady cavitation, Experiments in Fluids, 22: 191-198.

Sand Core Making / 모래 코어 제작

Sand Core Making / 모래 코어 제작

This article on sand core making was contributed by Dr. Matthias Todte and Frieder Semler, Flow Science Deutschland GmbH.

주조 품질에 대한 수요가 증가하고 고성능 구성 요소에 대한 박막형 구조로의 추세로 인해 품질에 대한 요구가 강화되었으며 동시에 모래 코어의 기하학적 복잡성도 증가했습니다. 시뮬레이션은 코어 박스의 설계를 최적화하는 데 도움이 되며, 저온 및 고온 코어 박스를 위한 유기 및 무기 바인더 시스템의 촬영, 가스 처리 및 경화를 위한 강력한 공정 조건을 확립합니다.

기체 주입, 건조 및 템퍼링의 기본 프로세스에 대한 논의는 실험적 검증을 거쳐야 합니다. 그런 다음 주물 결함을 방지하기 위해 코어 사격 공정 시뮬레이션이 필수적이었는지를 보여 줍니다. 마지막으로 코어 박스의 마모와 수명을 예측하는 수치모델을 개발한 연구 프로젝트를 소개합니다.

Water jacket core

Simulation of sand core making processes

Shooting

Shooting Simulation에서 모래로 채워진 타격 헤드가 공기를 통해 가압되고, 이로 인해 공기/모래/실린더/바인더 혼합물로 구성된 “유체”가 생성됩니다. 이 유체는 분사 노즐을 통해 코어 박스로 흐르고 배출 노즐을 통해 상자 밖으로 공기가 배출됩니다. Shooting Simulation의 목적은 코어 박스에 있는 모래의 밀도분포를 높히고 균일하게 하는 것입니다.

촬영 과정에서 모래로 채워진 블로 헤드가 공기를 통해 가압되어 공기/모래/바인더 혼합물로 구성된 “유체”가 생성됩니다. 이 유체는 블로우 헤드에서 분사 노즐을 통해 코어 박스로 흘러 나와 공기를 환기 노즐을 통해 박스 밖으로 밀어냅니다. Shooting 의 목표는 가능한 한 높고 균일하게 코어 박스에 있는 모래의 밀도 분포를 달성하는 것입니다. 변경할 수 있는 프로세스 매개 변수는 분사 압력과 발사 및 배기 노즐의 수와 위치입니다. 시간과 비용을 절약하기 위해 코어의 품질을 저하시키지 않고 가능한 한 노즐을 적게 사용하는 것이 바람직합니다.

Sand density distribution

Sand density distribution after the shooting

시뮬레이션을 사용하여 다양한 사격 및 환기 노즐 구성과 그 구성이 결과 모래 밀도 분포에 미치는 영향을 분석할 수 있습니다. 엔지니어는 속도와 전단 응력을 예측하여 코어 상자의 마모 및 이에 따른 수명에 대한 결론을 도출할 수 있습니다.

Gassing

유기 바인더 시스템에서는 모래가 유기 수지로 코팅됩니다. 이 수지의 경화는 보통 아민이라는 기체에 의해 이루어지는데, 이것은 일반적으로 분사에 사용된 노즐을 통해 주입됩니다. 이 가스는 코어가 모든 부분에서 경화되도록 하기위해 모든부분에 도달할 만큼 길어야 한다. 반면에, 유독 가스를 줄이기 위해서는 가스 배출이 필요이상으로 길어서는 안됩니다.

유기 바인더 시스템에서는 모래가 유기 레진으로 코팅되어 있습니다. 이 레진의 경화는 보통 아민 가스 작용제에 의해 이루어지는데, 아민은 주로 인젝션에 사용되는 노즐을 통해 분사됩니다. 이 가스 주입은 가스가 코어의 모든 부분에 도달할 수 있도록 충분히 길어야 합니다. 코어가 모든 곳에서 경화되도록 하기 위해서입니다. 반면, 가스 배출은 독성 가스를 절약하기 위해 필요 이상으로 길지 않아야 합니다.

Amine concentration core

Amine concentration in a core

시뮬레이션은 시간 경과에 따른 코어의 아민 농도 분포를 예측하며, 이는 코어의 경도와 동일하다. 이를 통해 엔지니어들은 가스 생성 공정에 대한 합리적인 시간 규모를 결정할 수 있습니다.

Drying

주조물의 수가 증가하는 경우, 독성이 있는 유기적 시스템 대신 무기, 수성-기반 바인더 시스템이 사용됩니다. 배기 가스 배출이 없는 코어 생산 공정의 이점 외에도 이 시스템은 주조 공정 중 코어 가스 생산량을 줄여 주조 품질을 향상시킵니다.

모래 코어의 경화를 위해서는 일반적으로 뜨거운 공기가 주입되어 이루어지는 코어에서 물을 제거해야 합니다. 이러한 바인더 시스템의 경우, 코어의 잔류 수분은 경도에 대한 측정 값입니다. 시뮬레이션은 코어를 통과하는 공기의 흐름뿐만 아니라 물이나 증기의 증발과 응축, 뜨거운 공기와 함께 증기의 이동을 모델링 해야 합니다.

아래 이미지는 예측된 잔류 수분과 실제 코어의 강도(또는 손상)의 상관 관계를 보여 줍니다.

Correlation of predicted residual moisture and the damage of a real core

Tempering of core boxes                                                                    

핫 박스 및 크로닝과 같은 특정 코어 제조 공정에서는 가열된 코어 박스에 있는 바인더의 열 반응을 통해 코어의 경화가 이루어집니다. 상자의 가열은 가열 채널과 전기 가열 요소를 사용하여 수행됩니다. 좋은 코어 품질을 위해서는 코어 상자의 균일한 온도 분포가 바람직합니다. 시뮬레이션은 특정 가열 소자 구성에 대한 온도 분포를 시간 경과에 따른 예측하고 발열의 균일성과 원하는 온도에 도달하는 데 필요한 시간을 표시합니다.

Heated core box

Temperature distribution in a heated core box

Validation of the core blowing model

Experiments and simulations for a water jacket core

핵심 shooting 실험은 TU 뮌헨의 파운드리 연구소에서 실시되었습니다. shooting  시간과 압력, 흡입구와 환기구의 수 등의 공정 매개 변수들이 다양하였으며 이들 매개 변수들이 분석된 코어 품질에 미치는 영향이 다양하였다. 실제 코어에서 발생한 결점은 시뮬레이션에서 모래 밀도가 낮은 영역과 상관 관계가 있습니다(아래 그림 참조).

Core blowing validation

Core defects compared to simulated density distribution

Application of the core blowing model : 리어 액슬 하우징의 주조 품질 개선

품질 보증에서 리어 액슬 하우징의 주물 결함을 감지했습니다(아래 그림 참조). 그 결함들은 중심부의 표면 결함의 결과인 것처럼 보였다. 이 가설을 뒷받침하고 코어 표면 품질을 개선하기 위한 조치를 권고하기 위해 시뮬레이션이 수행되었다. 마지막으로, 코어 박스 환기구의 다른 구성(숫자 및 위치)을 통해 주조 품질을 개선할 수 있었습니다.

Casting defects of a rear axle housing

Casting defects of a rear axle housing

Validation surface defects

Correlation of surface defects and simulated density distribution

Research project: Prediction of the lifetime of core boxes

코어 박스는 대부분 폴리우레탄 수지 코팅의 알루미늄으로 제작된다. 사격 과정에서 모래에 의한 코어 박스 표면의 침식은 코어 박스의 수명을 제한하는 요인이다. 프로젝트 목표는 표면 처리가 수명에 미치는 영향을 이해하고 단일 시뮬레이션에서 다수의 샷에 의해 발생하는 침식을 예측할 수 있는 연산 모델을 개발하는 침식 프로세스를 분석하는 것이었다.

일반적인 코어 상자(아래 참조)는 다른 모양의 삽입물로 제작되었습니다.

Core box with different inserts

Core box with different inserts

수치 모델은 코어 박스 벽의 압력과 전단력의 공간적, 시간적 통합에 기초하여 부식에 대한 양을 도출한다. 모형에 의해 예측된 침식은 실험 값과 일치했습니다(아래 그림 참조).

Measured and simulated erosion

Comparison of measured and simulated erosion

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.

Core Making

Core Making

FLOW-3D CAST의 모델링 기능을 사용하면 주조 엔지니어가 코어 주입과 건조와 같은 코어 제작 프로세스를 쉽게 시뮬레이션 할 수 있습니다.

Core Shooting

샌드 코어는 모래-공기 혼합물을 주형으로 분사하여 생성됩니다. 주조 엔지니어의 목표는 모래 내의 공기 불순물 유입을 방지하는 것 인데, 이때 사용자는 안정적으로 FLOW-3D CAST의 모델링 기능을 통해 모래가 주입되는 노즐의 개수와 위치 및 공기가 빠져나가는 벤트 노즐의 개수와 위치를 변경하여 최적의 노즐 구성을 얻을 수 있습니다.

Core Drying

코어 건조 모델은 모래가 코어 금형으로 주입된 후 남아 있는 습기의 건조 과정을 계산합니다. 일반적으로 건조는 금형에 있는 동안 코어를 통해 뜨거운 공기를 불어넣음으로써 이루어집니다. 코어의 저온 부분에서 가열, 수분 증발 및 일시적인 습기 응결을 시뮬레이션하여 건조 과정을 최적화할 수 있습니다. 이를 통해 완전한 건조를 보장하는 동시에 공기의 가열 및 배출과 관련된 에너지 비용을 최소화할 수 있습니다.

Core Drying Validation

A comparison made by BMW between simulation and experiment of the drying of an inorganic core.

 

FLOW-3D 제품소개

About FLOW-3D


HPC-enabled FLOW-3D v12.0

FLOW-3D 개발 회사

Flow Science Inc Logo Green.svg
IndustryComputational Fluid Dynamics Software
Founded1980
FounderDr. C.W. “Tony” Hirt
Headquarters
Santa Fe, New Mexico, USA
United States
Key people
Dr. Amir Isfahani, President & CEO
ProductsFLOW-3D, FLOW-3D CAST, FLOW-3D AM, FLOW-3D CLOUD, FlowSight
ServicesCFD consultation and services

FLOW-3D 개요

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.

꾸준한 상태 가속기

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.

Air entrainment model in FLOW-3D v12.0

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

얕은 물 모델에서 매닝의 거칠기

Manning의 거칠기 계수는 지형 표면의 전단 응력 평가를 위해 얕은 물 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 이름기술
cav_prod_calCavitation 생성과 소산 비율
sldg_uset슬러지 침전 속도
phchg_mass_flux증발 및 응축으로 인한 질량 플럭스
flhtccl유체 # 1과 # 2 사이의 열전달 계수
dsize_cal2 상 흐름에서 동적 액적 크기 모델의 응집 및 분해 속도
elstc_custom점탄성 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.

Model setup icons - FLOW-3D v12.0

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.

RSS feed - FLOW-3D

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

사용자는 이제 새로운 FAVOR ™ 독 위젯을 통해 적합한 메쉬 블록을 시각화 할 수 있습니다.Visualize conforming mesh blocks

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

[FLOW-3D 물리모델] Mass Sources / 질량소스

Mass Sources / 질량소스

질량소스는 형상요소와 연관되어 있다. 요소가 질량소스로 정의될 때 유체는 사용자가 지정한 체적이나 질량 유량으로 오픈된 표면(다른요소 또는 계산영역의 경계에 의해 막혀있지 않은 표면)을 통해 계산영역으로 들어온다. 음의 유량을 갖는 질량소스는 유체를 계산영역에서 제거하며 싱크(이 이후로 소스는 단지 양의 유량을 갖는 질량소스를 뜻한다)라고 불린다. 정지 및 이동요소 모두 질량 또는 체적유량소스로 정의될 수 있다. 이 모델에서는 각기 질량 또는 체적 유량, 유체형태(유체 1, 2 또는 이들의 혼합물), 유체밀도 그리고 온도 같은 고유한 물성 그룹으로 특화되는 다수의 소스 및 싱크를 사용할 수 있다.

정리하면

  • 질량/체적 유량은 시간에 따라 변할 수 있다. 결과적으로 모사(simulate)동안에 소스는 싱크로 변할 수 있고 반대도 마찬가지이다.
  • 두 유체문제에서 하나의 유체는 소스/싱크에서 추가/제거될 수 있다. 추가로 두 유체 혼합물은 싱크에서 제거될 수 있다.
  • 1-유체문제에서 유체가아닌 공간이 소스/싱크에서 추가/제거되면 추가되거나 제거된 공간체적은 소스/싱크에 인접한 공간에서의 상응하는 압력변화로 변환될 수 있다.
  • 유체1 과 2(또는 공간)이 싱크에서 제거될 때 제거된 각 유체의 양은 자동적으로 싱크에 인접한 인근 체적율에 비례하여 결정된다. 예를들면, 인근 체적율이1이면 체적으로 유체1의 10% 와 유체2의90%가 싱크에서 제거된다. 인근 체적율이 1.0이면 단지 유체1만이 제거된다. 유체분율은 시간에 따라 변하므로 각 유체의 제거율 또한 시간에 따라 변할 것이다.
  • 열전달을 갖는 모사(simulate)에서 싱크에서의 온도는 자동적으로 싱크에 인접한 셀 내의 평균온도로 계산되므로 사용자가 지정할 필요가 없다.

밑의 예제는 다른 모사(simulate)의 경우에 대한 질량 소스/싱크 모델의 사용을 기술한다.

경우1, 일정한 밀도를가지며 자유표면 이있으나 열전달이 없는 1-유체유동,

  • 소스는 유체(액체)또는기공(가스)를 방출할 수 있지만 둘 다 동시에 방출할 수 는 없다. 유체1이 방출되면 소스 유체밀도는 유체1의 밀도가되며 사용자가 지정할 수 없다. 기공이 방출되고 질량 유량이 정의되면 소스/싱크에서의 기공에 대한 가스밀도가 지정되어야 한다. 기공이 방출되고 체적유량이 정의되면 소스에서의 기공의 가스밀도는 필요하지 않다.
  • 싱크는 유체1(액체)기공 또는 이들의 혼합물을 제거할 수 있다. 질량 유량이 정의되고 기공 또는 유체1과 기공의 혼합물이 제거되면 이때 싱크에서 기공을 위한 기체 밀도는 정의되어야 한다. 모든 다른 경우에 싱크에서의 기공의 기체밀도는 필요하지 않다.
  • 기공이 소스에서 방출되거나 기공 또는 이와 유체1의 혼합물이 싱크에서 제거되면 기포 모델이 Physics Bubbles and phase change 에서 활성화되어야 한다.

경우2, 변동밀도(밀도전달방정식이 해석된다)와 자유표면이 있으나 열전달이 없는 1-유체유동,

  • 소스는 유체(액체) 또는기공(가스)를 방출할 수 있지만 둘 다 동시에 방출할 수는 없다. 유체1이 방출되면 소스 유체밀도가 정의되어야 한다. 기공이 방출되고 질량 유량이 정의되면 소스에서의 기공에 대한 가스밀도가 지정되어야 한다. 기공이 방출되고 체적유량이 정의되면 소스에서의 기공의 가스밀도는 필요하지 않다.
  • 싱크는 유체1(액체)기공 또는 이들의 혼합물을 제거할 수 있다. 질량 유량이 정의되고 기공 또는 유체1과 기공의 혼합물이 제거되면 이때 싱크에서 기공을 위한 기체 밀도가 정의되어야 한다. 모든 다른 경우에 싱크에서의 기공의 기체밀도는 필요하지 않다.
  • 기공이 소스에서 방출되거나 기공 또는 이와 유체1의 혼합물이 싱크에서 제거되면 기포 모델이 Physics Bubbles and phase change 에서 활성화되어야 한다.

경우3, 일정 또는 변동 밀도(온도의 함수), 자유표면 그리고 열전달이 있는 1-유체유동,

  • 소스는 유체(액체) 또는 기공(가스)를 방출할 수 있지만 둘 다 동시에 방출할 수는 없다. 유체1이 방출되면 소스 유체밀도는 상수(유체밀도와 같은)이거나 온도에 의존하기 때문에 사용자가 정의할 수 없다. 기공이 방출되고 질량 유량이 정의되면 소스에서의 기공에 대한 가스밀도가 지정되어야 한다.
  • 싱크는 유체1(액체)기공 또는 이 둘의 혼합물을 제거할 수 있다. 질량 유량이 정의되고 기공이 제거되면 이때 싱크에서 기공을 위한 기체 밀도가 정의되어야 한다. 모든 다른 경우에 싱크에서의 기공의 기체 밀도는 필요하지 않다.
  • 기공이 소스에서 방출되거나 기공 또는 이와 유체1의 혼합물이 싱크에서 제거되면 기포 모델이 Physics Bubbles and phase change 에서 활성화되어야 한다.
  • 유체의 온도는 소스에서 정의되어야 하나 싱크에서는 필요하지 않다.

경우4, 일정한 밀도를 가지나  자유표면과 열전달이 없는 1-유체유동,

  • 소스는 유체 #1만 방출할 수 있다. 소스유체밀도는 디폴트로 유체 #1의 밀도이며 사용자가 변경할 수 없다.
  • 싱크는 지 유체#1 만 제거할 수 있다. 싱크에서의 밀도는 유체#1의 밀도이며 사용자가 정의할 수 없다.

경우5, 일정한밀도와 열전달이 있으나 자유표면이 없는 1-유체유동,

  • 소스는 유체#1만 방출할 수 있다. 소스 유체 밀도는 디폴트로 유체#1의 밀도이며 사용자가 변경할 수 없다.
  • 싱크는 단지 유체#1 만 제거할 수 있다. 싱크에서의 유체 밀도는 유체#1의 밀도이며 사용자가 정의할 수 없다.
  • 온도는 소스에서 정의되어야 하나 싱크에서는 필요하지 않다.

경우6, 변동밀도(밀도전달방정식이 해석된다)를가지나, 자유표면 과 열전달이 없는 1-유체유동

  • 소스는 유체#1만 방출할 수 있다. 소스 유체 밀도는 사용자가 정의해야 한다.
  • 소스는 유체#1만 방출할 수 있다. 싱크에서의 유체 밀도는 디폴트로 그 지역의 값을 가지며 사용자가 정의할 수 없다.

경우7, 변동밀도 (온도의 함수)와 열전달이있으나 자유표면이 없는 1-유체유동,

  • 소스는 유체#1만 방출할 수 있다. 소스 유체 밀도는 온도에 의존하므로 정의될 수 없다.
  • 싱크는 단지 유체#1 만 제거할 수 있다. 싱크에서의 유체 밀도는 지역의 값을 가지므로 사용자가 정의할 수 없다.
  • 온도는 소스에서 정의되어야 하며 싱크에서는 정의될 수 없다.

경우8, 열전달이 없고 현저한 경계면을 갖는2 -압축성유체

  • 소스는 유체#1 이나 유체#2를 방출할 수 있으나 둘 다는 못한다. 소스에서의 유체밀도는 소스 유체의 값으로 정해지고 사용자가 정의할 수 없다.
  • 싱크는 유체#1, 유체#2 또는 이의 혼합물을 제거할 수 있다. 싱크에서의 유체 밀도는 지역에서의 값을 가지므로 사용자가 정의할 수 없다.

경우9, 열전달과 현저한 경계면을 갖는2-압축성유체

  • 소스는 유체#1 이나 유체#2를 방출할 수 있으나 둘 다는 못한다. 소스에서의 유체밀도는 소스 유체의 값으로 정해지고 사용자가 정의할 수 없다.
  • 싱크는 유체#1, 유체#2 또는 이의 혼합물을 제거할 수 있다. 싱크에서의 유체 밀도는 사용자가 정의할 수 없다
  • 온도는 소스에서 정의되어야 하며 싱크에서는 정의될 수 없다.

경우10, 열전달과 현저한 경계면이 없는 2-압축성유체

  • 소스는 유체#1, 유체#2 또는 이의 혼합물을 방출할 수 있다. 소스에서의 유체 밀도는 소스 유체의 값으로 정해지고 사용자가 정의할 수 없다.
  • 싱크는 유체#1, 유체#2 또는 이의 혼합물을 제거할 수 있다. 싱크에서의 유체 밀도는 지역에서의 값을 가지므로 사용자가 정의할 수 없다.

경우11, 열전달은 있으나 현저한 경계면이 없는 2-압축성유체

  • 소스는 유체#1 이나 유체#2를 방출할 수 있으나 둘 다는 못한다. 소스에서의 유체밀도는 소스 유체의 값으로 정해지고 사용자가 정의할 수 없다.
  • 싱크는 유체#1, 유체#2 또는 이의 혼합물을 제거할 수 있다. 싱크에서의 유체 밀도는 지역에서의 값을 가지므로 사용자가 정의할 수 없다.
  • 온도는 소스에서 정의되어야 하며 싱크에서는 정의될 수 없다.

경우12, 현저한 경계면을 갖는 두 유체이며 유체#2 는 압축성

  • 소스는 유체#1 이나 유체#2를 방출할 수 있으나 둘 다는 못한다. 유체#1이 방출되면 소스 유체밀도는 유체#1의 값이 되며 사용자가 변경할 수 없다. 유체#2가 방출되면 소스 유체밀도는 정의되어야 한다.
  • 싱크는 유체#1, 유체#2 또는 이의 혼합물을 제거할 수 있다. 싱크에서의 유체 밀도는 지역에서의 값을 가지므로 사용자가 정의할 수 없다
  • 온도는 소스에서 정의되어야 하며 싱크에서는 정의될 수 없다.

Activate Mass Source / 질량소스 활성화

질량소스모델은 Activate fluid source model. 을 체크함으로써 in Model Setup Physics Fluid sources 에서 활성화된다.

질량소스/싱크를 정의하기 위해 Meshing & Geometry Geometry Component (원하는 요소). 로간다. Component properties 창에서 Mass Source Properties 로 간다. Mass Source 체크상자를 체크한다. 질량소스 정의를 위한 변수들은 아래 그림에서 보여지는 것 같이 펄쳐질 수 있다.

Define Source Properties / 소스물성정의

사용자는 문제 정의에 따라 소스에서 유체 유형(유체 1,2 또는 이의 혼합물), 압력유형 밀도 및 온도, 그리고 싱크에서 유체유형과 밀도를 지정할 수 있다.

압력유형은 Stagnation pressure Static pressure 를 포함하고 단지소스에만 적용된다(즉 질량유량이 양의 수 일 경우에). 정체 압력소스(디폴트)일 경우, 유체는 0의 속도로 들어온다고 가정된다. 결과적으로 압력은 소스로부터 유체를 밀어내기 위해 소스에서 증가되어야 한다. 이러한 소스는 로켓 끝이나 수축하는 풍선에서 나오는 유체 모델을 목적으로 한다.

정압소스에서 유체속도는 질량유량과 소스의 표면적으로부터 계산된다. 이 경우 소스에서 유체를 밀어내기 위한 추가압력이 필요 없다. 이런 소스 예제는 긴 직선의 파이프로부터 나오는 유체의 경우이다.

일반적으로 질량소스의 두 유형의 차이는 결합운동을 하는 GMO 요소와 관련된 소스에서만 중요한데 이는 소스에서 유체압력, 즉 움직이는 물체에 작용하는 수압에 영향을 미치기 때문이다.

Define Flow Rate / 질량유동정의

유량 밑에 펼쳐지는 상자에서 소스/싱크를 위해 Mass flow rate Volume flow rate 를 정의하기 위해 선택할 수 있다. 두 유량은 모두 소스 요소의 전체유량 또는 단위면적당 유량으로 선택할 수 있다.

전체 유량은 소스 요소의 개표면상에 균일하게 분포될 수 있다. 단위 면적당 유량이 사용되면 전체유량은 단위 면적당 지정된 유량에 소스요소의 개방된 표면 면적을 곱한 양이다. 개방된 표면 면적이 시간에 따라 변하면 전체 유량도 변한다. 예를 들면 이동체의 개방된 표면 면적은 격자 크기와 분포에 달려있고 각 시간마다 새롭게 되므로 시간에 따라 변하며 전체 유량 역시 시간에 따라 변하게 된다.

전체 유량이 이동체에서 지정되면 개방된 표면을 통한 유속은 정의된 전체 질량 유량을 유지하기 위해 매시간 단계에 조절된다.

유량이 일정하면 그 때는 단순히 그 값을 Total flow rate 또는 Per unit area flow rate 밑에 상응하는 편집상자에 넣는다. 그렇지 않으면 데이터 표를 불러오기 위해 Tabular 를 클릭하고 일련의 시간대 유량의 데이터를 입력한다. 유량은 소스에서는 양이고 싱크에서는 음이며 시간에 따라 변할 수 있다. 다른 방법으로는 사용자가 Import Values 버튼을 사용하여 기존의 데이터 파일을 읽어 들임으로써 유량 대 시간을 정의할 수 있다. 파일은 두열의 데이터를 갖는데 좌에서 우로 각기 시간과 유량을 나타낸다. 파일은 csv 확장자를 필요로 한다. FLOW-3D 데이터에서의 다른 시간변동 입력과 같이 데이터는 시간 점들 사이에서는 구간별 선형형태를 이용하여 보간 된다.

유량은 능동모사(simulate) 조절을 이용해 모사(simulate) 동안에 변경될 수 있다, 또 더 상세한 내용은 Active Simulation Control 를 참조하라.

Define Scalars at Source / 소스에서의 스칼라정의

스칼라는 우선 Physics 탭 밑 Scalars 에서 활성화되어야 한다. 질량소스에서 유체에 있는 스칼라 량은 소스에서의 스칼라농도로 정의될 수 있는데 이는 계산영역 내로 들어오는 유체체적당 스칼라질량이다. 영역내로 들어오는 한 스칼라의 질량유량은 지정된 스칼라농도에 소스에서의 소스유체 체적유량을 곱한 값이다. Mass Source Properties Source Scalars User defined scalar 에서 스칼라 농도를 넣는다.

[FLOW-3D 물리모델]Granular Flow / 입상유동

 Granular Flow / 입상유동

입상유동은 고상입자와 기체나 액체(예를 들어 모래와 공기 또는 모래와 물)인 유체와의 혼합물이다. 입상고체와 유체의 혼합물은 자유표면 경계에 의해 경계가 정해질수 있는 비압축성유체로 간주된다. 혼합 유체에서의 밀도변화는 초기에 존재할 수 있고 Drift-Flux 모델을 사용하여 계산되는 고체와 유체의 상대속도 때문에 유동중에 발생할 수도 있다. 자유표면에서의 가스의 방출은 고체가 입상간의 가스를 밀어내며 단단해질 때 발생할수있다. 액체의경우 고상이 단단해질 때 순수액체지역이 형성될수있다,

이 모델을 활성화하기 위해 General One fluid option Physics Granular Flow Granular Flow in Gas 또는 Physics Granular Flow Granular Flow in Liquid (Slurry)를 선택한다. 입상유동 창이 보이는데 여기서 입자의 직경 및 미시적 밀도와 유체의 밀도 및 점도가 정의되어야 한다. 필요하다면 고상의 최대 close packing 체적율 과 mechanical jamming 체적율이 각기 디폴트인 0.36과 0.61로부터 변경될 수 있다. 또한 자유표면의 an angle of repose(안식각?) 은 디폴트 값인 34도가 모델링하는 고상에 대해 맞지 않으면 변경될 수 있다.

입상유동을 선택하면 이는 자동으로 이 모델에서 사용되는 프로그램 내의 대 여섯 가지 모델을 활성화 시킨다. 또한 혼합물의 점도는 이 모델에서 계산되므로 정의하는 것이 불필요함에 주목한다. 사실 Fluids tab 에있는 어떤 유체물성도 정의할 필요가 없다.

입상물질이 격자 경계를 통해 계산 영역으로 들어오면 close packing 의 밀도보다 작은 고상율을 갖는 고상/기체 혼합물의 밀도를 정의하는 것이 중요하다. 그렇지 않으면 유동이 없을 것이다.

두 개의 보조 입력변수들이 있다. 하나는 Multiplier in threshold packing velocity 이고 다른 하나는 Multiplier in packing drag 이다. Multiplier in threshold packing velocity 는 이 속도 이상에서 packed solid material 의 유동을 결정하고 Multiplier in packing drag 는 입상이 충분히 높은 밀도로 packing될 때 유동을 정지시키는데 이용된다. 이 두 변수 모두 사용자가 입상체가 이 값을 변형시키는 응집력이나 다른 힘을 알지 못한다면 디폴트 값으로 남겨져야 한다.

또 다른 보조 입력 량은 마찰 각도인데 이는 보존각도보다 2~8도정도 크다. 마찰 각도는 액체인 유체의 경우에 중요하며 이 경우 마찰각도는 고상간의 충돌로 인한 전단유동 시 발생하는 분산압력에 영향을 미친다.

Granular flow application example: Core Blowing / 입상유동응용예제: 코어블로잉

코어블로잉 공정은 공기/모래 혼합물을 코어몰드에 고속 충진하는 것을 포함한다. FLOW-3D 는 코어블로잉을 각 모래 입자가 아닌 2상 연속체로 모델링 한다. 2상의 영향(공기/모래 결합)은 Drift Flux 모델을 사용하여 모델링 된다. 공기/모래 혼합물은 순수 공기와 선명한 경계면을 갖는 1유체로서 모델링 된다. 순수공기는 단열 기포로 나타내진다. 벤트는 밸브로 정의된다. 어떻게 이 모델이 실행되는지에 대한 더 많은 정보는 Flow Science Technical Note 88 at 테크니컬 노트notes/default.asp를 참조하라.

코어블로잉 모사(simulate)를 시작하는 단계는

  1. STL 파일로부터 관련 형상을 읽어 들여 생성하거나 Model Setup –> Meshing & Geometry 탭에있는 FLOW-3D 기초요소를 사용하여 형상을 생성한다.
  2. 다음 물리적 특성을 활성화하고 Model Setup Physics 탭에있는 변수들을 정의한다.

(a)   올바른 방향에서 중력을 정의하기 위해 Gravity and non-inertial reference frame 모델을 사용한다.

(b)   Viscosity and Turbulence 대화창에서 Viscosity and Laminar flow 를 활성화한다.

(c)    Activate the Granular Flow model.  Granular Flow 모델을 활성화한다.

  • Granular Flow in Gas 선택은 모래입자가 주위 매질보다 훨씬 밀도가 높다고 가정하는 Granular Flow 모델을 활성화한다.
  • Global vent 는 모래를 통과하는 공기의 전반적 배출을 조절한다. Global vent coefficient 는 모래 와 모래의 막힘에 의한 출구면적 감소에 따른 평균 손실을 나타내는 승수이다. 또한 모든 밸브의 외부압력과 모든 밸브 승수의 평균을 취한다. 추정치는 다음 식으로부터 계산될 수 있다.

여기서 Cv,g Global vent coefficient,  는 최대가능 고상율, L 은 공기 기포와 출구사이의 평균거리, 그리고 dgAverage grain diameter 이다.

  • Mechanical jamming volume fraction 은 모래의 체적율로 이 값 이상에서는 입상간의 상호작용에 의해 유동에 저항이 발생한다. 사용하기에 맞는 값은 0.61이다.
  • Close packing volume fraction 은 유동이 정지하게 되는 모래의 체적율을 기술한다. 체적율이 0.995(Close packing volume fraction) 를 넘게 되면 그 요소내의 속도는0으로 된다. 모래입자가 구형일 때 이는 일반적으로0.63이다.
  • Average grain diameter Grain density 는 정의되어야 하고 제조사로부터 알 수 있다. Gas density Gas viscosity 또한 정의되어야 한다. CGS 단위로 공기의 표준값은 각기 0.001225 g/cm3 와0.00017 poise 이다.
  • Multiplier in threshold packing velocity 와 Angle of repose 는 코어블로잉 모델링에는 필요하지 않다.
  • 입상 반발계수는 고체표면과 충돌 후에 모래입자가 유지하는 에너지의 양을 추정하는데 사용된다.

(d)    Density Evaluation 모델을 활성화한다. 일단 Granular Flow 가 활성화되면 First order approximation to density transport equation 이 자동적으로 가능하게 된다. 이는 모래의 전달을 계산하는데 필요하다. 더 나은 공간적 정확성을 위해 Second order monotonicity-preserving approximation to density transport equation 이 선택될 수 있다. 이는 모래의 농도가 급격히 변할 것으로 예측되는 모사(simulate)에 유용할 수 있다.

(e)   가스를 배출시키기 위해서는 Bubble and Phase Change 모델을 활성화시킨다. 이는 배출구와 밸브를 사용하기 위한 필요조건이다.

  1. 초기조건과 경계조건은 Meshing & Geometry 탭에서 추가될 수 있다. 공간 또는 기포영역의 초기조건은 이미 Adiabatic bubble 모델이 Bubble and phase change 모델에서 활성화될 때 정의된다. 경계조건은 Meshing Mesh Block 1 Boundaries 에서 정의된다. 모래는 공기압에 의해 코어상자를 통해 이동되므로 압력경계조건과 공기/모래 혼합물의 밀도가 경계에서 적용되어야 한다. S(대칭경계를뜻하는)를 갖는 적절한 경계상자를 택하면 경계대화상자가 나타날 것이다. Specified pressure 무선 버튼을 선택하고 입구압력, 유체율 1.0, 그리고 밀도를 정의한다.

  1. 단지 몇 개의 배출구만 있다면 밸브를 추가하거나 배출구가 너무 많아 수의 밸브로 추가할 수 없으면 Granular Flow Vent 로 정의된 형상을 사용한다. 밸브유동손실은 Bernoulli 의 차단 이론으로부터 유도된다. 밸브 생성에 관한 세부내용은 Valves 에서 찾아볼 수 있다. 배출구를 형상요소로 추가하기 위해 Meshing & Geometry 가지에서 별도 구성요소를 생성한다. 이는 배출구는 독자적 물성을 가지며, 형상요소는 그들의 물성과 운동에 따라 분류되어 있기 때문이다.

이렇게 모델링 될 때 배출구는 체적이 없다. 배출구가 같은 크기이면 이들은 하나의 STL 로써 또는 같은 구성요소의 기초요소를 사용하여 모델링 될 수 있다. 다른 크기라면 이들은 별도로 모델링 되어야 한다. 이들을 배출구로 정의하기 위해 Component Type drop down Granular Flow Vent 로부터 선택한다. 일단 형태가 정해지면 물성이 정의되어야 한다. Model Setup Meshing & Geometry Component Component Properties Granular Flow Vent Properties 에서 the Vent Flow Area, Diameter of Vent Channel 그리고 Vent External Pressure 를 정의한다.

See also: 또한 참조하라

  • Adiabatic Bubbles 단열기포
  • Flows with Density Variations 밀도 변화를 갖는 유동
  • Granular Flow. 입상유동

Granular Media

Granular 미디어

가공 및 제조 업계에서는 다양한 유형의 세분화된 미디어를 접할 수 있습니다. 특이한 특성 때문에, 미세한 재료는 유용한 목적을 위해 그것을 전송, 혼합 또는 다른 방법으로 조작하고자 하는 엔지니어들에게 종종 어려운 문제를 제기할 수 있습니다. 세분화된 흐름 공정의 좋은 예는 금속 주물 용도의 모래 코어를 만드는 데 있습니다.

Granular미디어 모델링

고도로 농축된 미세한 물질의 흐름을 위한 모델이 개발되었습니다. 이 모델은 “연속적인 “접근 방식을 사용합니다. 즉, 모래의 연속적인 유체 표현에 기초하고 있어 개별 모래 입자를 처리하려는 시도가 없습니다.

모래와 공기의 혼합물은 공기 및 모래 물질이 개별 속도에 따라 흐르지만 압력 및 점성 스트레스로 인한 가속도 교환을 통해 결합되는 2상 흐름입니다. 전형적인 코어 모래의 경우 모래 입자의 지름은 10/10밀리미터이고, 코어 상자에 부어 들어가는 모래의 부피는 일반적으로 50%이상입니다. 이 범위에서 모래와 공기 사이에는 강력한 결합이 존재하므로 혼합물을 단일 복합 유체로 모델링 할 수 있습니다. 두 재료의 속도 차이로 인한 2상 효과는 드리프트-플럭스라고 하는 상대 속도에 대한 근사치를 사용하여 설명됩니다.

이러한 복합 및 상대 속도 접근 방식은 세분화된 매체 모델의 기초로 선택되었습니다. 모래/공기 혼합물은 주변 공기와의 경계에 날카로운 자유 표면이 있는 단일 유체로 표현될 수 있다고 가정합니다. 그러나 복합 유체는 모래 압축 정도에 따라 균일하지 않은 밀도를 가질 수 있습니다. 혼합물의 점도는 밀도와 전단 응력의 함수입니다. 운동량 전달의 대부분은 부분 입자 충돌에 의한 것이기 때문에 모래-공기 혼합물은 전단 두께가 얇은 물질의 특성을 가지고 있습니다.

환기구를 코어 박스에 포함시키기 위해 모든 순수 공기 영역(보이드 영역이라고도 함)은 아디아바틱 버블(adiabatic bubble)로 취급됩니다. 아디아바틱 qjqmf(adiabatic bubble)은 액체나 고체의 벽으로 둘러싸인 공기의 영역이다. 버블의 압력은 버블 볼륨의 함수이며 버블에 의해 점유된 지역 위에 균일한 값을 가지고 있습니다. 코어 상자의 환기구를 통해 버블 내의 공기가 박스 외부로 배출됩니다.

Sand Core Blowing Applications

유체와 달리 입상매질에서는 발생할 수 있는 몇 가지 차이점을 설명하기 위해 간단한 2 차원 쐐기 모양 호퍼가 바닥에 1cm 너비 튜브로 설치되었습니다. 시뮬레이션은 바닥 튜브가 비어있는 채로 시작됩니다.

Granular media model
Figures 1-4 (From left to right): Initial 2D hopper configuration; Time 1.75s — Vectors are black; Time 3.0s; Time 5.0s

모래는 0.63 부피의 근접 포장 한계에서 초기화되었습니다. 배출 튜브 입구의 하단에 있는 모래는 중력의 작용을 받기 시작하지만 그림 1-4에 있는 거의 모든 모래는 정지 상태를 유지합니다. 여기서 색상은 패킹에 의한 흐름 저항입니다( 빨간 색은 완벽하게 견고함). 짧은 시간 안에 지역과 같은 거품이 형성되고 모래의 가장 높은 표면을 향해요. 거품이 꼭대기에 도달할 때까지 거품의 표면 주위를 흐르는 것만이 표면의 붕괴를 일으킨다. 상단 표면의 함몰은 특정한 각도인 34°까지 측면을 감소시키는 현지화된 흐름을 가집니다. 한편 바닥에는 이 패턴을 반복하기 위해 또 다른 거품이 형성된다.

모래 코어 송풍에 이 새로운 모델의 적용을 설명하기 위해 D가 작성한 ” 끊어진 코어와 연체 동물의 설계에서의 시뮬레이션 개발 및 사용”논문의 데이터와 비교하기 위해 시뮬레이션을 수행했습니다( D. Lefebvre, A. Mackenbrock, V.Vidal, V.Pavan, PM. 2004년 12월, Hommes&Fonderie, Haigh). 데이터는 하나의 채우기 포트가 있는 2차원 다이 형상에 대한 것입니다. 다이의 주형 제작은 균일하지 않아서 충전 패턴에 대한 환기구의 영향을 연구할 수 있었습니다.

시뮬레이션 영역(코어 상자)의 크기는 너비 30cm, 높이 15cm, 두께 1cm였다. 밀도 1.508 g/m2cc의 모래/공기 혼합물이 박스 입구에서 절대 2기압의 압력으로 박스 안으로 들어갔습니다. 상자의 오른쪽에는 다섯개의 열린 구멍이 있었고 상자의 아래쪽과 왼쪽에는 여섯개가 더 닫혀 있습니다. 이러한 배치는 비대칭적인 상자 채우기로 이어집니다.

Sand core blowing continuum model simulation
Figure 5:  연속체 모델 시뮬레이션과 실험 데이터의 비교 시뮬레이션 결과는 0.035s, 0.047s 및 0.055s입니다. 색조는 혼합 농도를 나타냅니다.

계산 그리드는 수평으로 80개의 메쉬 셀과 수직으로 40개의 메쉬 셀로 구성되었습니다. 시뮬레이션이 완전히 채워진 코어 상자에 도달하는 데 걸리는 시간은 0.07초였으며 3.2에서 직렬 모드로 실행되는 약 8.7초의 CPU시간이 필요했습니다. GHzPentium4PC컴퓨터(만족스러울 정도로 작지만, 물론 컴퓨터 영역에 3200개의 셀 이 있는 2D케이스에 불과했습니다.)

연속 모델 시뮬레이션 결과와 Lefe브re, 기타 논문의 사진을 비교한 결과는 그림. 5와 같습니다. 시각적 일치는 많은 부분에서 매우 좋은 것으로 보입니다. 시뮬레이션은 왼쪽에 통풍구가 닫혔을 때의 비대칭적인 영향을 보여 줍니다.

For more information about this model, download the Flow Science Report on Granular Media.

주철 / Cast Iron

 Carbide (red) and graphite (blue) rich areas in a solidified gray iron casting.

Cast iron model

FLOW-3D‘의 주철 모델은 hypo 및 hyper-eutectic 철-탄소-실리콘 합금의 응고를 설명합니다. FLOW-3D‘는 융해하는 혼합반응(eutectic reaction) 동안 흑연, 오스테나이트 (또는 감마 – 철) 및 탄화물 상(유동) 형성을 예측합니다. 냉각 및 고형화 동안의 용적 변화는 수축 및 다공성 형성 모델과 결합됩니다. 주철 모델은 실제 철 동결 경로와 냉각 취약성 기준을 사용하여 현장의 탄화 수소 형성을 제어합니다.

주조 공장 엔지니어의 주요 관심사 중 하나는 응고 중에 형성될 수 있는 과도한 수축 다공성입니다. 주철의 체적 변화는 대부분 액체 합금을 주입 온도에서 고체로 냉각할 때, 그리고 더욱 중요하게는 감마선, 흑연 및 탄화물 형태로 응고할 때 발생합니다. 라이저(or risering)를 배치하면 수축을 유도할 수 있는 추가 금속이 제공됩니다. 최소 비용으로 우수한 품질의 주물을 달성하기 위해서는 최적의 하역이 중요합니다. 또한 금속의 적절한 합금과 냉각을 통해 수축의 양을 제어할 수 있습니다. FLOW-3D의 주철 모델은 이러한 모든 요소를 고려하여 용융, 응고 동안 기공 형성 및 위상 개발을 예측합니다.

주철 모델 개요 / Overview of the Cast Iron Model

주철은 탄소와 실리콘이 합금 된 용융 철입니다. 탄소는 전형적으로 2.5 wt % 내지 4.5 wt % 범위로 존재하고 실리콘은 1 wt % 내지 3 wt % 범위로 존재합니다. 흑연을 안정화하고 “냉각”경향 (즉, 탄소 철의 형성)을 줄이기 위해 실리콘이 첨가됩니다. 다른 원소 및 화합물은 미량으로 존재하며 일반적으로 흑연 모양 (예 : 연성 철의 마그네슘)을 제어하거나, 추가 탈산제 (예 : 인)로 작용하거나, 흑연의 주입제 (예 : 페로 실리콘) 역할을합니다.

FLOW-3D  의 주철 모델은 주입 온도에서 응고까지 발생하는 부피 변화를 설명합니다. 액체 상태에서 냉각 중 수축; 사전 용융 감마 철 형성 동안 추가 수축; 용융 반응 동안 후속 수축 또는 팽창; 그리고 용융 반응의 끝에서 고형 선으로의 2 차 수축. 주철은 일반적으로 탄화물의 형성에 영향을 미칠 수있는 비철 상을 포함하기 때문에, 응고된 금속의 밀도에 대한 이러한상의 영향에 대해 휴리스틱 허용치 (냉각 민감성 매개 변수의 형태)가 만들어집니다.

주철 응고 모델의 잠열 방출은 초기 용융물에서 탄소와 실리콘의 농도를 사용하여 Fe-C 위상 다이어그램 [1] 에서 결정된 온도 함수 (소위 동결 경로)로 계산됩니다 . 이 모델은 유동 유무에 관계없이 일반 응고 모델과 함께 사용할 수 있습니다. 그러나 다른 단계의 형성과 관련된 체적 변화는 흐름을 포함하지 않는 단순화된 수축 모델에만 결합됩니다.

철 확장 중 금형 벽 이동의 효과는 현재 모델에 포함되지 않습니다. 금형에서 사용 가능한 공간으로 수용 할 수없는 순 체적 확장은 무시됩니다.

융해 영역에서는 융해 경계의 속도를 사용하여 국부적인 냉각 경향을 계산하고, 따라서 국부적인 탄화물의 양을 계산하므로 금형 벽 근처의 냉각 영역을 모델링 할 수 있습니다. 고체 유전체 변환 중에는 더 이상의 공기상 변화를 추적하려는 시도가 없습니다. 즉, 최종 물질 미세 구조가 예측되지 않습니다.

hyper-eutectic cast irons의 경우, 회색 및 연성 주철과 같이 초기 경화전 공정 단계에서 흑연만 형성되는 것으로 가정합니다. 즉, 이 모델은 주로 탄화물이 형성되는 사전 융해 단계에서 hyper-eutectic white irons의 응고를 포함하지 않습니다.

Cast Iron Freezing Path

주철 동결 경로는 공융 합금의 경로입니다. 이는 액상 선 온도, 공융 온도, 공융 – 시작 및 공융 – 말단 고체 분율 및 고 상면 온도에 의해 특징 지어 질 수 있습니다. 모두지만, 마지막 두 양은 평형 3 원 Fe-C-Si 상 다이어그램 [1]에서 계산됩니다.
(The cast iron freezing path is that of a eutectic alloy. It can be characterized by the liquidus temperature, eutectic temperature, the eutectic-start and eutectic-end solid fractions and the solidus temperature. All, but the last two quantities are computed from the equilibrium ternary Fe-C-Si phase diagram [1].)

감마상의 탄소 용해도는 다음에 따라 중량 % 단위 Si 함량 에 따라 달라집니다 .

(1)     \displaystyle {{C}_{{\gamma ,mx}}}=2.07-0.098Si,

이는 Stefanescu [2]에 의해 보고된 용해도와 밀접한 관련이 있습니다. 합금의 액상 점 (섭씨 온도)은 hypo-eutectic liquidus plane :

(2)     \displaystyle {{T}_{i}}=1636-113\left( {C+0.25Si} \right)

또는 초정밀 액상 평면 [2] :

(3)     \displaystyle {{T}_{i}}=-505.8+389.1\left( {C+0.31Si} \right),

그리고 공융 혼합물 및 온도는 이들 평면의 교차점에 의해 주어집니다.

(4)     \displaystyle {{C}_{e}}=4.26-0.296Si,     \displaystyle {{T}_{e}}=1154.6+5.2Si

공융 반응의 시작은 레버 규칙에 의해 주어진 파생된 양입니다.

(5)     \displaystyle {{f}_{e}}=\frac{{c-{{c}_{\varepsilon }}}}{{{{c}_{{\gamma ,mx}}}-{{c}_{\varepsilon }}}}.

[3]의 측정은 이 근사가 많은 주철에 적합 함을 암시합니다.

흑연 공융 반응의 끝, 수수료 및 solidus Ts는 사용자 정의 수량으로 남습니다. 액체에서 인의 양의 분리를 고려하면 실제 고 상선 온도는 흑연 공융 온도보다 낮고 1100 ° C 정도로 낮습니다. 이 경우, 흑연 침전은 동결이 끝나기 전에 완료되고 동결되는 금속의 마지막 부분은 공융 밀도와 다른 밀도 ρei 에서 수행된다고 가정합니다.

흑연 공융 반응의 끝 f ee 및 고형 선 T s 는 사용자 정의 수량으로 남습니다. 액체에서 인의 양의 분리를 고려하면 실제 고 상선 온도는 흑연 공융 온도보다 낮으며 1100 ° C까지 낮습니다. 이 경우, 흑연 침전이 동결이 끝나기 전에 완료되고 동결 할 마지막 금속 부분 인 1- f ee 가 공융 밀도와 다른 밀도 ρ ei 에서 그렇게 한다고 가정합니다.
( The end of graphitic eutectic reaction, fee , and the solidus Ts, are left as user-defined quantities. If one considers positive segregation of phosphorous in the liquid, the actual solidus temperature is below the graphitic eutectic temperature, and is as low as 1100 °C. For this case, it is assumed that graphite precipitation is complete before the end of freezing, and that the last fraction of metal to freeze, 1-fee, does so at a density ρei different from the eutectic density. )

밀도 변화 / Density Changes

일반적으로 주철 주물의 과열은 크며 응고가 시작되기 전에 냉각 중 수축이 중요합니다. 액체 철 밀도의 온도 의존성은 선형 형태로 모델링됩니다 :

(6)     \displaystyle \rho \left( T \right)={{\rho }_{0}}\left[ {1-\alpha \left( {T-{{T}_{0}}} \right)} \right]

또는 테이블 형식으로 함수 ρ (T) 를 정의하여 .

일단 동결 범위에 들어가면 감마철은 고형분수에 도달할 때까지 형성됩니다. 이 단계의 농도 값인 ,ϒ은 7.2 g/cc입니다 [4,5,6]. 고형분수에 도달하면, 일반(흰색) 공극과 불규칙한 회색 공극이 경쟁적으로 성장하는 동안 공극 반응이 시작됩니다. 높은 동결률과 높은 황동-전방 속도에서 백색 황동은 부분적으로 황동 전방에 앞서 탄소 농도 구배가 더 낮기 때문에 안정적입니다. 낮은 Eutectic-front 속도에서는 회색 Eutectic이 안정적입니다.
( Once in the freezing range, gamma iron forms until fe solid fraction is reached. The density value of this phase, ρϒ, is a 7.2 g/cc [4,5,6]. Upon reaching fe solid fraction, the eutectic reaction begins during which a regular (white) eutectic and an irregular grey eutectic grow competitively. At high freezing rates and high eutectic-freezing-front speeds the white eutectic is stable in part due to shallower carbon concentration gradients ahead of the eutectic front. At lower eutectic-front speeds the grey eutectic is stable. )

냉기 형성을 설명하기 위해 간단한 접근 방식이 사용됩니다.  In a range of eutectic freezing front speeds,

(7)     \displaystyle {{\nu }_{e}}\in \left[ {\frac{{\nu -}}{{{{X}_{{eut}}}}},\frac{{\nu +}}{{{{X}_{{eut}}}}}} \right]

형성되는 냉기의 양은 주어진 탄소 구성에서 허용되는 최대치에서 0까지 다양합니다. 파라미터 ν-=30μ/ms, ν+=60μ/ms, Xeut은 사용자 정의 파라미터인 쿨링 취약성 기준이며, 값이 0.0 ~ 1.0 범위이고 기본값은 1입니다. 잘 절연된 철이나 특정 표면적이 높은 회색 광택제의 경우 Xeut는 0에 가깝고 추위는 형성되지 않습니다. 반면, 철이 절연되지 않은 경우 기본값인 1이 더 적합해야 합니다. Xeut의 실제 값은 예를 들어 ASTM 쿨웨지 테스트(그림 1)에서 실험적으로 결정해야 합니다.
( the amount of chill formed varies from zero to the maximum allowed for a given carbon composition. The parameters ν-=30 μ/ms, and ν+=60 μ/ms, and Xeut is the chilling susceptibility criterion, a user-defined parameter, with values in the range from 0.0 to 1.0 with the default of one. For well-inoculated iron, or for a grey eutectic with a high specific surface area, Xeut is close to zero, and no chill will form. On the other hand, if the iron is un-inoculated the default value of one should be more appropriate. The actual value of Xeut must be determined experimentally, for example, from an ASTM chill-wedge test (Fig 1.).)

Figure 1. Carbide (left) and graphite (right) content in a 3.4 wt% C, 1.7 wt% Si iron with Xeut=0.25 (top) and Xeut=0.40 (bottom)

주조물의 순 체적 변화는 응고 과정에서 형성되는 서로 다른 상의 양과 액체 수축의 결합 효과입니다. 그림 2는 3.4wt %의 탄소와 2.5wt %의 실리콘을 갖는 합금에 대한 3 가지 상이한 과열 온도에 대한 금속 부피의 변화를 보여줍니다. 더 큰 과열은 금속 체적의 순수한 감소로 이어. 그래파이트 형성으로 인해 응고 동안 나중에 팽창은 체적의 손실을 보상 할 수 없습니다.

Figure 2. Computed volume vs. time for three pouring temperatures for a 3.4 wt % C, 2.5 wt % Si cast iron. From top to bottom: 1250, 1400 and 1550°C pouring temperatures.

Summary

동결시 철의 밀도 변화를 추적하고 흑연, 오스테나이트 및 탄화물 상을 포함하는 미세 구조를 예측하기 위한 주철 모델을 기술하였습니다. 이 모델은 단순 응고 수축 및 미세 다공성 모델에 대한 옵션입니다. 고형물 (> 2 %)을 함유 한 철의 변성 열을 정의하기 위해 유동이 있건, 없건 응고 중에 사용할 수 있습니다. 수축 및 팽창 모두 흐름없이 모델에 포함됩니다. 팽창을 위한 공간이 없는 경우를 제외하고 팽창은 무시됩니다.

References

[1] G. Goodrich and John Svoboda, “Basic Concepts of Ferrous Metallurgy,” Cast Metals Institute, Inc., American Foundry Society, Inc., 1997.

[2] D. M. Stefanescu, S. Katz, “Thermodynamic Properties of Iron-Base Alloys,” ASM Handbook Volume 15, Casting (ASM International), 2008.

[3] K.G. Upadhya, D.M. Stefanescu, K. Lieu and D.P. Yeager, “Computer-Aided Cooling Curve Analysis: Principles and Applications in Metal Casting,” AFS Transactions, Vol. 97, 1989, 61-66.

[4] AFS, “Gating Calculations for Iron Castings,” spreadsheet, 2009.

[5] Von Alfred Holzmuller, VDG and Robert Wlodawer, VDG, “Zehn Jahre Speiser-Eingrs-Verfahren fur Guseisen,” Giesserei, 1963.

[6] G. Goodrich, “Introduction to Cast Irons,” ASM Handbook, Volume 15: Casting, 2008, pp 794-795.

[7] A. Starobin, M.C. Carter, “Modeling Volume Changes and High Temperature Microstructure in Cast Iron,” Flow Science Technical Note FSI-11-TN89, 2011.

난류 모델링

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

Turbulence Modeling

The majority of flows in nature are turbulent. This raises the question, is it necessary to represent turbulence in computational models of flow processes? Unfortunately, there is no simple answer to this question, and the modeler must exercise some engineering judgment. The following remarks cover some things to consider when faced with this question.

난류 모델링

자연에서의 흐름은 대부분은 난류입니다. 이것은 유동의 수치해석 모델에서 난류를 표현할 필요가 있는가? 에 대한 의문이 생깁니다.  불행히도이 질문에 대한 답은 모델링을 할 경우 엔지니어가 공학적인 판단을 내려야합니다.  다음에 이 질문에 직면했을 때 고려해야 할  몇 가지를 설명합니다.

Definitions and Orders of Magnitude

The possibility that turbulence may occur is generally measured by the flow Reynolds number:

난류가 발생할 가능성은 일반적으로 흐름의 레이놀즈 수에 의해 측정됩니다.

where ρ is fluid density and μ is the dynamic viscosity of the fluid. The parameters L and U are a characteristic length and speed for the flow. Obviously, the choice of L and U are somewhat arbitrary, and there may not be single values that characterize all the important features of an entire flow field. The important point to remember is that Re is meant to measure the relative importance of fluid inertia to viscous forces. When viscous forces are negligible the Reynolds number is large.

여기서 ρ는 유체 밀도이고 μ는 유체의 동적 점도입니다. 매개 변수 L과 U는 흐름의 특성 길이와 속도입니다. 분명히 L과 U의 선택은 다소 임의적이며, 전체 유동장의 모든 중요한 특징을 특징 짓는 단일 값이 없을 수도 있습니다. 기억해야 할 중요한 점은 Re가 점성력에 대한 유체 관성의 상대적 중요성을 측정한다는 것입니다. 점성력을 무시할 수있는 경우 레이놀즈 수가 큽니다.

A good choice for L and U is usually one that characterizes the region showing the strongest shear flow, that is, where viscous forces would be expected to have the most influence.

L과 U에 대한 좋은 선택은 일반적으로 가장 강한 전단 흐름을 나타내는 영역, 즉 점성 힘이 가장 큰 영향을 미칠 것으로 예상되는 영역을 특징 짓는 것입니다.

Roughly speaking, a Reynolds number well above 1000 is probably turbulent, while a Reynolds number below 100 is not. The actual value of a critical Reynolds number that separates laminar and turbulent flow can vary widely depending on the nature of the surfaces bounding the flow and the magnitude of perturbations in the flow.

대략적으로 말하면, 1000을 훨씬 넘는 레이놀즈 수는 아마도 난류 일 수 있지만 100 미만의 레이놀즈 수는 그렇지 않습니다. 층류와 난류를 분리하는 임계 레이놀즈 수의 실제 값은 유동을 경계하는 표면의 특성과 유동의 섭동의 크기에 따라 크게 달라질 수 있습니다.

In a fully turbulent flow a range of scales exist for fluctuating velocities that are often characterized as collections of different eddy structures. If L is a characteristic macroscopic length scale and l is the diameter of the smallest turbulent eddies, defined as the scale on which viscous effects are dominant, then the ratio of these scales can be shown to be of order L/l≈Re3/4. This relation follows from the assumption that, in steady-state, the smallest eddies must dissipate turbulent energy by converting it into heat.

완전 난류 흐름에서는 다양한 와류 구조의 집합으로 특징 지어지는 변동 속도에 대해 다양한 스케일이 존재합니다. L이 거시적 길이 특성 척도이고, l을 점성 효과가 우세한 척도로 정의되는 가장 작은 난류 소용돌이의 직경인 경우, 이러한 척도의 비율은L/l≈Re3/4 정도인 것으로 표시 될 수 있습니다.  이 관계는 정상 상태에서 가장 작은 소용돌이가 난류 에너지를 열로 변환하여 발산해야한다는 가정에서 비롯됩니다.

Turbulence Models

From the above relation for the range of scales it is easy to see that even for a modest Reynolds number, say Re=104, the range spans three orders of magnitude, L/l=103. In this case, the number of control volumes needed to resolve all the eddies in a three-dimensional computation would be greater than 109. Numbers of this size are well beyond current computational capabilities. For this reason, considerable effort has been devoted to the construction of approximate models for turbulence.

난류 모델

스케일의 범위에 대한 위의 관계를 보면 적당한 레이놀즈 수 (예 : Re = 10 4 )에서도 범위가 세 자릿수인 L/l=103에 걸쳐 있음을 쉽게 알 수 있습니다. 이 경우 3 차원 계산에서 모든 소용돌이를 해결하는데 필요한 제어 볼륨의 수는 109보다 커집니다.이 크기의 수는 현재 계산 능력을 훨씬 뛰어 넘습니다. 이러한 이유로 난류에 대한 대략적인 모델을 구성하는 데 상당한 노력을 기울였습니다.

We cannot describe turbulence modeling in any detail in this short article. Instead, we will simply make some basic observations about the types of models available. Be forewarned, however, that no models exist for general use. Every model must be employed with discretion and its results cautiously treated.

이 짧은 기사에서는 난류 모델링에 대해 구체적으로 설명 할 수 없습니다.  대신 사용 가능한 모델의 유형에 대한 몇 가지 기본적인 설명만 합니다.  그러므로 일반 모델은 존재하지 않는 것을 미리 양해 바랍니다.  어떤 모델도 신중하게 선택하고 결과를 주의 깊게 처리해야 합니다.

The original turbulence modeler was Osborne Reynolds. Anyone interested in this subject should read his groundbreaking work (Phil. Trans. Royal Soc. London, Series A, Vol.186, p.123, 1895). Reynolds’s insights and approach were both fundamental and practical.

난류를 처음으로 모델링 한 인물은 Osborne Reynolds 입니다.  이 건에 관심이있는 분은 Reynolds 의 획기적인 저서 (Phil. Trans. Royal Soc. London, Series A, Vol.186, p.123,1895)를 참조하십시오.  Reynolds 의 통찰력과 접근 방식은 기본이며 동시에 실용적인 것입니다.

The Pseudo-Fluid Approximation

In a fully turbulent flow it is sometimes possible to define an effective turbulent viscosity, μeff, that roughly approximates the turbulent mixing processes contributing to a diffusion of momentum (and other properties). Thinking of a turbulent flow as a pseudo-fluid having increased viscosity leads to the observation that the effective Reynolds number for a turbulent flow is generally less than 100:

의사 유체 근사

완전 난류 흐름에서는 운동량 (및 기타 특성)의 확산에 기여하는 난류 혼합 공정에 대략적으로 근접하는 효과적인 난류 점도 μ eff를 정의 할 수 있습니다. 난류 흐름을 점도가 증가 된 유사 유체로 생각하면 난류 흐름에 대한 유효 레이놀즈 수가 일반적으로 100 미만이라는 관찰이 가능합니다.

This observation is particularly useful because it suggests a simple way to approximate some turbulent flows. In particular, when the details of the turbulence are not important, but the general mixing behavior associated with the turbulence is, it is often possible to use an effective turbulent (eddy) viscosity in place of the molecular viscosity. The effective viscosity can often be expressed as

이 관찰 결과는 몇 가지 난류를 근사하는 간단한 방법을 제시하고 있기 때문에 특히 유용합니다.  특히 난류 대한 자세한 내용은 중요하지 난류와 관련된 일반적인 혼합 거동이 중요한 경우에는 분자 점성 대신 사용 난류 (소용돌이) 점성을 사용할 수있는 경우가 있습니다.  유효 점성은 다음의 식으로 나타낼 수 있습니다.

where α is a number between 0.02 and 0.04. This expression works well for the turbulence associated with plane and cylindrical jets entering a stagnant fluid. The effective Reynolds number associated with this model is Re=1/α, a number between 25 and 50.

α는 0.02에서 0.04 사이의 숫자입니다.  이 수식은 정체 유체에 들어가는 평면 제트 및 원통형 분류 관련 난류에 대하여 효과가 있습니다.  이 모델에 대한 사용 레이놀즈 수는 Re = 1 / α 25에서 50 사이의 숫자입니다.

While this model is often adequate for predicting the gross features of a turbulent flow, it may not be suitable for predicting local details. For example, it would predict a parabolic flow (i.e., laminar) profile in a pipe instead of the measured logarithmic profile.

이 모델은 종종 난류의 전반적인 특징을 예측하는데는 적합하지만, 로컬 세부 사항을 예측하는 데는 적합하지 않을 수 있습니다.  예를 들어, 측정된 대수 프로필 대신 파이프의 포물선 흐름 (층류 등)의 프로파일을 예측합니다.

Local Viscosity Model

The next level of complexity beyond a constant eddy viscosity is to compute an effective viscosity that is a function of local conditions. This is the basis of Prandtl’s mixing-length hypothesis where it is assumed that the viscosity is proportional to the local rate of shear. The proportionality constant has the dimensions of a length squared. The square root of this constant is referred to as the “mixing length.”

This model offers an improvement over a simple constant viscosity. For example, it predicts the logarithmic velocity profile in a pipe. However, it is not used much because it doesn’t account for important transport effects.

국소 점성 모델

일정한 소용돌이 점성보다 복잡한 것은 국소적 조건의 함수인 유효 점성을 계산하는 것입니다.  이것은 점성이 국소적 전단 속도에 비례한다고 가정된다는 프란틀 혼합 길이 가설(Prandtl’s mixing-length hypothesis )의 기초가됩니다.  비례 상수의 차원은 길이의 제곱입니다.  이 상수의 제곱근은 “혼합 장”이라고합니다.

이 모델은 간단한 일정한 점성 개선을 제공합니다.  예를 들어, 파이프의 대수 속도 프로파일을 예측할 수 있습니다.  그러나 중요한 수송 효과를 지원하지 않기 때문에 그다지 많이 사용되지 않습니다.

Turbulence Transport Models

For practical engineering purposes the most successful computational models have two or more transport equations. A minimum of two equations is desirable because it takes two quantities to characterize the length and time scales of turbulent processes. The use of transport equations to describe these variables allows turbulence creation and destruction processes to have localized rates. For instance, a region of strong shear at the corners of a building may generate strong eddies, while little turbulence is generated in the building’s wake region. The strong mixing observed in the wakes of buildings (or automobiles and airplanes) is caused by the advection of upstream generated eddies into the wake. Without transport mechanisms, turbulence would have to instantly adjust to local conditions, implying unrealistically large creation and destruction rates.

난류 수송 모델

실용 공학의 목적인 가장 뛰어난 수치 모델에는 2 개 이상의 수송 방정식이 있습니다.  난류 과정의 길이와 시간의 스케일을 특징으로는 2 개 분량이 필요하므로 최소한 2 개의 방정식이있는 것이 바람직 할 것입니다.  수송 방정식을 사용하여 이러한 변수를 표현하면 난류의 생성 속도와 파괴율을 국소적으로 할 수 있습니다.  예를 들어, 건물의 모서리의 전단력이 강한 영역에서 강력한 소용돌이가 생성 된 건축물의 후류 영역에서 난류는 거의 생성되지 않습니다.  건축물 (또는 자동차 나 비행기)의 후류에서 관찰되는 강력한 혼합은 상류에서 생성된 소용돌이 후류의 이류에 의해 발생합니다.  수송 메커니즘이 없는 경우, 난류는 국소적 조건에 즉시 적응해야하므로 생성 속도와 파괴율이 비현실적인 크기입니다.

Nearly all transport models invoke one or more gradient assumptions in which a correlation between two fluctuating quantities is approximated by an expression proportional to the gradient of one of the terms. This captures the diffusion-like character of turbulent mixing associated with many small eddy structures, but such approximations can lead to errors when there is significant transport by large eddy structures.

거의 모든 수송 모델에서 하나 이상의 경사 가정을 이루어 두 변동하는 양의 상관 관계가 하나의 항 기울기에 비례하는 식으로 근사됩니다.  이를 통해 다수의 작은 소용돌이 구조와 관련된 난류 혼합 확산적인 특징을 파악할 수 있지만, 큰 소용돌이 구조에 의해 상당한 전송이 존재하는 경우, 이러한 근사 오류가 발생할 수 있습니다.

Large Eddy Simulation

Most models of turbulence are designed to approximate a smoothed out or time-averaged effect of turbulence. An exception is the Large Eddy Simulation model (or Subgrid Scale model). The idea behind this model is that computations should be directly capable of modeling all the fluctuating details of a turbulent flow except for those too small to be resolved by the grid. The unresolved eddies are then treated by approximating their effect using a local eddy viscosity. Generally, this eddy viscosity is made proportional to the local grid size and some measure of the local flow velocity, such as the magnitude of the rate of strain.

Large Eddy 시뮬레이션

난류의 대부분의 모델은 매끄럽게 또는 시간 평균된 난류의 효과를 근사하도록 설계되어 있습니다.  예외는 큰 에디 시뮬레이션 모델 (또는 서브 그리드 스케일 모델)입니다.  이 모델의 배경에는 너무 작은 격자에 의해 해결할 수 없는 것을 제외하고는 난류의 모든 변동 내용은 계산에 의해 직접 모델링 할 수 있어야 한다는 생각이 있습니다.  미해결 소용돌이는 로컬 점성을 사용하여 효과를 근사하여 처리됩니다.  일반적으로이 소용돌이 점성은 국소적인 격자 크기 및 어떤 국소적인 흐름의 속도 측정 (변형 속도의 크기 등)에 비례합니다.

대부분의 난류 모델은 난류의 평활화 또는 시간 평균 효과에 근접하도록 설계되었습니다. 예외는 Large Eddy Simulation 모델 (또는 Subgrid Scale 모델)입니다. 이 모델의 이면에있는 아이디어는 계산이 격자에 의해 해결 되기에는 너무 작은 것을 제외하고, 난류 흐름의 모든 변동 세부 사항을 직접 모델링 할 수 있어야 한다는 것입니다. 해결되지 않은 소용돌이는 로컬 소용돌이 점도를 사용하여 효과를 근사화하여 처리됩니다. 일반적으로, 이 와류 점도는 로컬 격자 크기와 변형률의 크기와 같은 로컬 유속 측정치에 비례하여 만들어집니다.

Such an approach might be expected to give good results if the unresolved scales are small enough, for example, in the viscous sub-range. Unfortunately, this is still an uncomfortably small size. When these models are used with a minimum scale size that is above the viscous sub-range, they are then referred to as Coherent Structure Capturing models.

이러한 접근 방식은 미해결 스케일이 충분히 작은 경우, 예를 들어 점성이 작은 영역에 있는 경우에 좋은 결과를 얻을 수 있을 것으로 기대됩니다.  불행히도 아직은 여전히 불편한 작은 크기 입니다.  이러한 모델을 점성 작은 영역보다 높은 최소 스케일 사이즈로 사용하는 경우는 CSC (Coherent Structure Capturing) 모델이라고합니다.

The advantage of these more realistic models is that they provide information not only about the average effects of turbulence but also about the magnitude of fluctuations. But, this advantage is also a disadvantage, because averages must actually be computed over many fluctuations, and some means must be provided to introduce meaningful fluctuations at the start of a computation and at boundaries where flow enters the computational region.

이보다 현실적인 모델의 장점은 난류의 평균 효과에 대한 정보뿐만 아니라 변동의 크기에 대한 정보도 제공 될 것입니다.  그러나 이와같은 장점은 단점도 있습니다.  평균적으로 실제로 다수의 변동에 대해 계산해야 하며, 계산의 시작 및 흐름이 계산 영역에 들어가는 경계에서 상당한 변화를 도입하기위한 수단을 제공 할 필요가 있기 때문입니다.

Turbulence from an Engineering Perspective

We have seen that it is probably not reasonable to attempt to compute all the details of a turbulent flow. Furthermore, from the perspective of most applications, it’s not likely that we would be interested in the local details of individual fluctuations. The question then is how should we deal with turbulence, when should we employ a turbulence model, and how complex should that model be?

공학적 관점에서의 난류

지금까지 난류의 모든 세부 사항을 계산하려고하는 것은 아마도 합리적이지 않다는 것을 확인했습니다.  또한 많은 적용례의 관점에서 개별 변동의 국소적인 세부 사항이 관심의 대상이 될 수는 없을 것입니다.  거기서 생기는 의문은 난류를 어떻게 처리해야 할지 난류 모델을 언제 선택할지 그 모델이 얼마나 복잡할지에 있다는 것입니다.

Experimental observations suggest that many flows become independent of Reynolds number once a certain minimum value is exceeded. If this were not so, wind tunnels, wave tanks, and other experimental tools would not be as useful as they are. One of the principal effects of a Reynolds number change is to relocate flow separation points. In laboratory experiments this fact sometimes requires the use of trip wires or other devices to induce separation at desired locations. A similar treatment may be used in a numerical simulation.

실험적 관찰에 따르면 특정 최소값이 초과되면 많은 흐름이 레이놀즈 수와 무관하게됩니다. 그렇지 않다면 풍동, 파도 탱크 및 기타 실험 도구는 그다지 유용하지 않을 것입니다. 레이놀즈 수 변경의 주요 효과 중 하나는 흐름 분리 지점을 재배치하는 것입니다. 실험실 실험에서이 사실은 때때로 원하는 위치에서 분리를 유도하기 위해 트립 와이어 또는 기타 장치를 사용해야합니다. 유사한 처리가 수치 시뮬레이션에서 사용될 수 있습니다.

Most often a simulation is done to determine the dominant flow patterns that develop in some specified situation. These patterns consist of the mean flow and the largest eddy structures containing the majority of the kinetic energy of the flow. The details of how this energy is removed from the larger eddies and dissipated into heat by the smallest eddies may not be important. In such cases the dissipation mechanisms inherent in numerical methods may alone be sufficient to produce reasonable results. In other cases it is possible to supply additional dissipation with a simple turbulence model such as a constant eddy viscosity or a mixing length assumption.

대부분의 경우 특정 상황에서 발생하는 지배적 인 흐름 패턴을 결정하기 위해 시뮬레이션이 수행됩니다. 이러한 패턴은 평균 흐름과 흐름의 대부분의 운동 에너지를 포함하는 가장 큰 소용돌이 구조로 구성됩니다. 이 에너지가 더 큰 소용돌이에서 제거되고 가장 작은 소용돌이에 의해 열로 소산되는 방법에 대한 세부 사항은 중요하지 않을 수 있습니다. 그러한 경우 수치 적 방법에 내재 된 소산 메커니즘만으로도 합리적인 결과를 얻을 수 있습니다. 다른 경우에는 일정한 소용돌이 점도 또는 혼합 길이 가정과 같은 간단한 난류 모델을 사용하여 추가 소산을 제공 할 수 있습니다.

Turbulence transport equations require more CPU resources and should only be used when there are strong, localized sources of turbulence and when that turbulence is likely to be advected into other important regions of the flow.  When there is reason to seriously question the results of a computation, it is always desirable to seek experimental confirmation.

An excellent introduction to fluid turbulence can be found in the book Elementary Mechanics of Fluids by Hunter Rouse, Dover Publications, Inc., New York (1978).

난류 전송 방정식은 더 많은 CPU 리소스를 필요로하며 강력하고 국부 화 된 난기류 소스가 있고 그 난류가 흐름의 다른 중요한 영역으로 전파 될 가능성이있는 경우에만 사용해야합니다. 계산 결과에 매우 의문이 생길 경우는 실험에 의해 확인하는 것이 좋습니다.

유체 난류에 대한 훌륭한 소개는 Hunter Rouse, Dover Publications, Inc., New York (1978)의 책 Elementary Mechanics of Fluids에서 찾을 수 있습니다.

사각형 격자

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

Rectangular Grids

Useful Extensions to Rectangular Gridding

Most techniques for doing computational fluid dynamics rely on the subdivision of space into a grid of discrete volume elements in which average values of flow variables can be defined. The simplest kind of grid is one composed of rectangular elements defined by a set of planes perpendicular to each of the coordinate axes (x,y,z). The spacing between parallel planes may be constant or variable. The former is often referred to as a “uniform” rectangular grid, while the latter is a “non-uniform” rectangular grid.

사각형 격자의 유용한 확장

전산 유체 역학 기법의 대부분은 공간을 세분화하여 흐름 변수의 평균 값을 정의 할 수있는 이산화된 체적 요소의 격자 수에 의존하고 있습니다. 가장 간단한 격자는 각 좌표축 (x, y, z)에 수직인 일련의 평면에 의해 정의되는 사각형 요소로 구성되어 있는 것입니다.  평행하는 평면 사이의 간격은 일정한 경우와 가변의 경우가 있습니다.  많은 경우, 전자를 “균일”사각형 격자라고 부르며, 후자를 “불균일”사각형 격자라고합니다.

Why are Rectangular Grids Simple?

Rectangular grids are simple because they are very easy to generate. It is only necessary to define the beginning and ending coordinate of the grid in each coordinate direction, and in the spacing between the planes subdividing the space to be modeled.

사각형 격자가 간단한 이유

사각형 격자가 간단한 것은 매우 쉽게 생성 할 수 있기 때문입니다.  필요한 것은 좌표 방향에 따라 그리고 모델링 대상의 공간을 세분화하고 있는 평면 사이에서 격자의 시작 좌표와 끝 좌표를 정의하는 것 뿐 입니다.

Pros and Cons of Rectangular Grids

As with any gridding system, there are pros and cons to contend with (see, for example, Free Gridding Saves Time). One pro for rectangular grids is that the amount of information to be stored for describing the grid is minimal. A con is that a region to be modeled may not fit into a rectangular region. For example, think of a bird’s eye view of a winding river, which when set in a rectangular region, may only occupy a small portion of the area of the rectangle. In such a case, most of the grid elements lie outside the river and would be a computational burden.

사각형 격자의 장점과 단점

어떤 격자 생성 시스템에서도 마찬가지이지만 해결해야 할 장단점이 있습니다 ( ” Free Gridding Saves Time “참조).  사각형 격자의 장점 중 하나는 격자를 설명하기 위해 저장되는 정보량을 최소화하는 것입니다.  단점은 모델링 대상의 영역이 사각형 영역에 들어 가지 않는 경우가 있는 것입니다.  예를 들어, 구불 구불한 강 조감도에 대해 생각하면, 직사각형 영역으로 설정 한 경우, 직사각형의 아주 작은 부분만을 차지하게되는 경우가 있습니다.  이러한 경우에는 격자의 대부분의 요소가 강 바깥에 존재하고 계산에서 부담으로 작용합니다.

Difference Equations are Simpler

Another pro for a rectangular grid is that difference equations are generally simpler than they are in a non-rectangular grid. For instance, in three dimensions an approximation to the Navier-Stokes equation for the velocity in an element need only involve the six adjacent elements, that is, two neighbors in each of three coordinate directions. In contrast, a non-rectangular grid typically requires a coupling to all the surrounding elements in a 3x3x3=27 array surrounding the central element.

차분 방정식의 단순화

사각형 격자의 또 다른 장점은 일반적으로 사각형이 아닌 격자에 비해 차분 방정식이 간단하다는 것입니다.  예를 들어, 3 차원에서는 요소의 속도에 관한 나비에 – 스토크스 방정식의 근사에 필요한 것은 인접한 6 개의 요소, 즉 3 개의 좌표 각각의 방향에있는 2 개의 이웃 요소만 포함하면됩니다. 이에 대해 사각형이 아닌 격자의 경우, 중심 요소를 둘러싸는 3x3x3 = 27의 배열에 있는 모든 주변 요소에 결합해야합니다.

Numerical Accuracy is Best When Grid Elements are Uniform

As a general rule, numerical accuracy associated with finite difference equations is best when grid elements are uniform. This is because numerical approximations to partial differential equations, by definition, involve the rate of change of spatial and temporal values of physical quantities. Evaluating the change between values of quantities on either side of an element is most accurate when the elements are uniform because higher order terms will then, as a rule, cancel by symmetry. When non-uniform grid elements are used, more complicated numerical approximations are usually needed to preserve accuracy (see the Appendix for an example).

수치적 정확도는 격자 요소가 균일한 경우가 최적의 상태

일반적으로 격자 요소가 균일 한 때 유한 차분 방정식에 관련된 수치적 정확도가 최적의 상태로됩니다.  이것은 편미분 방정식의 수치 근사 정의에 의해 물리량의 공간과 임시값의 변화율이 관계되기 때문입니다.  하나의 요소 양쪽의 양 사이의 값의 변화를 평가하는 요소가 균일 한 때 가장 정확도가 높아집니다.  이것은 높은값 다음 항목은 일반적으로 대칭에 의해 상쇄되기 때문입니다.  균일 격자 요소를 사용하면 정확도를 유지하기 위해서는 일반적으로 더 복잡한 수치 근사가 필요합니다 (부록 참조).

Weighing the Pros and Cons of Rectangular Grids

By weighing the pros and cons it can be seen that simple rectangular grids have many good properties, but the limitations they have for accommodating complex geometric shapes can limit their usefulness. In the remainder of this article, several conceptually simple techniques are described that greatly extend the usefulness of rectangular grids without sacrificing their good properties. For simplicity of presentation only two-dimensional situations will be described, however, the extension to three-dimensions is completely straightforward.

사각형 격자의 장단점 비교 검토

장단점을 비교 검토해보면 간단한 직사각형 격자에 우수한 특성이 많은 것을 알 수 있을 것입니다.  그러나 복잡한 기하학적 형상에 대응하기 위해 부과되는 제한으로 인해 유용성이 제한 될 수 있습니다.  이 책의 나머지 부분에서는 우수한 특성을 희생하지 않고 사각형 격자의 유용성을 크게 확대하기위한 개념적으로 간단한 기법들을 설명합니다.  알기 쉽게하기 위해 2차원의 경우만 설명하고 있지만, 3차원으로의 확장도 매우 간단합니다.

Notation for Rectangular Grids

In a rectangular (2D) grid, the elements are typically labeled by integers i and j in the x and y coordinate directions, respectively. An element (i,j) has principal neighbors (i-1,j), (i+1,j), (i,j-1) and (i,j+1). Physical properties in a cell are stored as values of two-dimensional arrays such as p(i,j) for the pressure of element (i,j). When programming difference equations, the use of repeated indexed arrays requires the compiler to perform the index shifts, e.g., i+1 or j-1, as arithmetic operations in order to evaluate the memory locations of these quantities.

To save computational time it is useful to replace multiple-indexed quantities by single-indexed arrays. Multiple array locations are computed only once at the beginning of a string of computations, for instance, the notation ipj=i+1,j or ijm=i,j-1 are short, simple and easy to read single indices. They are easy to read by remembering that ip means i plus 1 and jm means j minus 1, etc. Thus, a double-indexed quantity P(i+1,j-1) would be replaced by the single-indexed quantity P(ipjm), and so forth. Not only is this notation easy to use and saves computational time, it will be seen below that it has another very useful property.

사각형 격자의 표기법

직사각형 (2D) 격자 요소에는 일반적으로 x와 y 좌표 방향에 대해 각각 정수 i와 j의 라벨을 붙일 수 있습니다.  요소 (i, j)의 주요 인접 요소는 (i-1, j) (i + 1, j), (i, j-1) (i, j + 1)입니다.  셀의 물리적 특성은 2 차원 배열의 값으로 저장됩니다.  예를 들어, 요소 (i, j)의 압력은 p (i, j)입니다.  차분 방정식을 프로그래밍할 때 인덱스 배열을 반복 사용하는 경우는 이러한 양의 메모리 위치를 구하기 위해 산술로 i + 1과 j-1과 같은 인덱스 변화를 컴파일러에서 실행해야 할 수 있습니다.

계산 시간을 단축하기 위해 여러 인덱스 양을 단일 인덱싱 된 배열로 대체하면 편리합니다.  여러 배열 위치는 인스턴스 계산의 처음 한 번만 계산됩니다.  예를 들어, ipj = i + 1, j와 ijm = i, j-1 등의 표기는 짧고 간단하고 읽기 쉬운 단일 인덱스입니다.  이들은 ip가 i 플러스 1을 의미하고 jm이 j 마이너스 1을 의미하는 것 등을 기억해두면 쉽게 읽을 수 있습니다.  이처럼 이중 인덱스 첨부의 양 P (i + 1, j-1)은 단일 인덱스의 양 P (ipjm)로 대체되며 기타의 경우도 마찬가지 입니다.  이 표기법은 사용하기 쉽고, 계산 시간을 단축 할 뿐만 아니라 아래에서 보는 것과 같이 매우 유용한 특성을 가지고 있습니다.

Multiple Grid Blocks

A good way to extend the usefulness of rectangular grids is to employ multiple rectangular grids that are coupled at their boundaries. There are two simple possibilities as illustrated in Fig. 1A and Fig. 1B. The linked blocks are connected by boundary conditions where the blocks are adjacent to one another. The nested blocks are superimposed on one another and use boundary conditions to couple the nested block to the containing block.

여러 격자 블록

사각형 격자의 유용성을 확장하는 좋은 방법은 경계에 결합되는 복수의 사각형 격자를 사용하는 것입니다.  그림 1A 및 그림 1B와 같이 간단한 방법은 두 가지 가능성이 있습니다.  연결 블록은 블록이 서로 인접하는 경계 조건에 의해 결합됩니다.  중첩 블록은 서로 겹쳐져 있는 경계 조건을 사용하여 중첩 측의 블록이 외부의 블록에 결합됩니다.

Figure 1. (A) Linked mesh blocks and (B) Nested mesh blocks.

The simplest case has all the grid lines at block boundaries aligned, but this is not necessary provided an interpolation scheme is used to connect overlapping elements. The advantage of this type of grid enhancement is that numerical solver routines remain the same as what is used for a single grid block. Only boundary conditions coupling the blocks are new, and, any data connected to individual block must be updated when passing between blocks. Both of these requirements can be wrapped around the basic solver algorithms for a single block.

This multi-block capability greatly extends the usefulness of rectangular grids, as the linked-block feature allows for more extended geometric regions to be modeled with fewer grid elements. The nested-block feature is very useful for locally increasing the resolution of a simulation without having to endure the cost of simulating the finer resolution throughout the full region.

가장 간단한 경우에는 블록 경계 격자선이 모두 갖추어져 있지만 겹치는 요소를 보간법을 사용하여 결합하는 경우는  필요 없습니다.  이 유형의 격자 강화의 장점은 수치 해법 루틴이 단일 격자 블록에 사용되는 것과 동일한 것입니다.  블록을 결합하는 경계 조건만 새로하고, 개별 블록에 결합되어있는 데이터는 블록 사이를 왕래 할 때 업데이트해야 합니다.  이러한 요구 사항은 모두 단일 블록의 기본 해법 알고리즘에 추가 할 수 있습니다.

이 멀티 블록 기능은 사각형 격자의 유용성을 크게 확대합니다.  연결 차단 기능을 통해, 보다 광범위한 기하 영역을 적은 격자 요소로 모델링 할 수있게 되기 때문입니다.  중첩 블록 기능은 시뮬레이션의 해상도를 국소적으로 높이는데 매우 유용합니다.  높은 비용을 들여 전 영역에 걸쳐 높은 해상도로 시뮬레이션 할 필요가 없습니다.

Distributed Memory Parallelization

The multi-block feature also offers a natural way of domain decomposition for distributed memory parallelization. Updating of solution data at inter-block boundaries then requires an exchange of that data between compute nodes of the cluster using an interconnect.

분산 메모리 병렬 처리

멀티 블록 기능을 사용하면 분산 메모리 병렬 처리를위한 영역 분할을 자연적인 방법으로 할 수 있습니다.  그 후, 블록 간의 경계에서 계산 데이터를 업데이트하려면 클러스터의 계산 노드 간의 상호 연결을 사용하여 데이터를 교환해야합니다.

Unstructured Grid Blocks

A further generalization can be made that allows considerably more efficiency in the gridding of complex geometric regions. If the simple, rectangular ordering of elements is replaced by lists that define which elements are adjacent to one another, then all unneeded elements can be eliminated from the grid. This frees up memory and forces solver routines to simply run through a list of active grid elements, further saving computational time. A simple illustration of such an “unstructured” grid is illustrated in Fig. 2.

비 구조 격자 블록

좀 더 일반화함으로써 복잡한 기하 영역의 격자 생성의 효율을 크게 향상시킬 수 있습니다.  요소의 단순한 직사각형 순서는 요소가 서로 인접하여 있는지를 정의하는 목록에 옮겨 놓으면 불필요한 요소는 모든 격자에서 제거 할 수 있습니다.  이에 따라 메모리가 해제되고 솔버 루틴은 유효한 격자 요소의 목록만 처리하면 되기 때문에 계산 시간은 더욱 단축됩니다.  이런 ‘비 구조”격자를 간단한 그림으로 그림 2에 나타냅니다.

Figure 2. Unstructured rectangular grid example.

Changing from a structured, rectangular grid, where neighboring elements have memory locations that are easy to compute, to an unstructured set of elements may seem at first sight to be a daunting task. However, using the single index notation described earlier where, for example, location (i, j+1) is replace by ijp, makes this transition quite easy. All that is necessary is to redefine the single-indexed values using the list of neighboring elements and then all solver algorithms and routines can be used without further changes.

구조화 사각형 격자는 인접하는 요소의 메모리 위치를 쉽게 계산할 수 있지만, 그때 비 구조 요소에 변경하는 것은보기 어려운 작업이라고 생각 될지도 모릅니다.  그러나, 앞에서 설명한 단일 인덱스 표기법을 사용하면, 예를 들어 (i, j + 1)라는 곳이 ijp로 대체하여 매우 쉽게 전환 할 수 있습니다.  필요한 것은 인접한 요소 목록을 사용하여 단일 인덱스 값을 재 정의하는 것뿐입니다.  그러면 솔버의 알고리즘과 루틴 모두 더 이상의 변경없이 사용할 수 있습니다.

As with any unstructured grid, additional storage is required to be able to quickly find neighbor cell indices and other mesh-related quantities. A two-way mapping of the structured and unstructured grids onto each other provides an efficient way to navigate the unstructured grid without using significant memory resources.

어떤 비 구조 격자에서도 마찬가지입니다 만, 인접 셀의 인덱스 및 기타 메쉬 관련 양을 신속하게 찾을 수 있도록 하려면 추가 스토리지가 필요합니다.  구조 격자와 비 구조 격자 사이의 양방향 매핑을 사용하면 대량의 메모리 리소스를 사용하지 않고, 비 구조 격자에 효율적으로 탐색 할 수 있습니다.

Other variations of this idea are easy to imagine. For instance, if more than one set of physical properties are required in a given element, because it contains some mixture of materials (e.g., both fluid and solid), then an additional element could be added to the element list that is defined at the same location. The coincident elements would be identified in a special list intended for processing mixed elements.

이 아이디어의 다른 변형은 쉽게 상상할 수 있습니다.  예를 들어, 특정 요소에 물질이 혼합되어 포함되어 있기 때문에 (유체와 고체 등) 여러 물리적 특성이 필요한 경우에는 같은 장소에서 정의 된 다른 요소를 요소 목록에 추가 할 수 있습니다.  일치하는 요소는 혼합 요소의 처리를 목적으로하는 특수 목록에서 식별됩니다.

Summary of the Simplest Gridding System

A short discussion has been given of what might be viewed as an evolutionary development of the simplest gridding system, a rectangular grid. Several stages of relatively easy adaptations are outlined as a means of addressing the demands for more sophisticated simulations while maintaining the many advantages of the original simple grid system.

가장 간단한 격자 시스템 정리

가장 간단한 격자 생성 시스템의 진화적 발전 형으로 간주 될 것이다 직사각형 격자 대해 여기까지 간단하게 설명했습니다.  원래 간단한 격자 시스템의 많은 장점을 유지하면서 보다 정교한시뮬레이션을 요구를 해결하기 위한 수단으로 여러 단계의 비교적 쉽게 적응하는 방법의 개요가 기술되어 있습니다.

Appendix: Illustration of Accuracy Considerations for Non-Uniform Grids

The following account has been adapted from the paper “Volume of Fluid (VOF) Method for the Dynamics of Free Boundaries,” by C.W. Hirt and B.D. Nichols, J. Comp. Phys. 39, 201 (1981).

다음 설명은 C.W. Hirt 및 B.D.의 “Volume of Fluid (VOF) Method for the Dynamics of Free Boundaries,”  논문에서 채택되었습니다. Nichols, J. Comp. Phys. 39, 201 (1981).

A simple illustration of the difficulties that can occur in non-uniform grids is given by numerically approximating the term for advection of momentum of an incompressible fluid, which in divergence form is ∇•uuThe constant density of the fluid has been divided out from this expression. 

불균일 그리드에서 발생할 수있는 어려움에 대한 간단한 설명은 비압축성 유체의 운동량 이류 항을 수치 적으로 근사화하여 제공되며, 발산 형태는 ∇•uu입니다. 유체의 일정한 밀도는이 표현에서 분리되었습니다.

In one dimension this term is

Here u is the fluid velocity in the x-direction. The divergence form is usually desirable because it is a simple way to insure a conservation of momentum. This may be seen by considering the control volume used for the discrete value of u located at the boundary between two grid elements as shown in Fig. A1 by the dashed lines. Placing the velocity at the boundary between two elements is referred to as the staggered grid arrangement often used for incompressible flow modeling.

여기서 u는 x 방향의 유체 속도입니다. 발산 형태는 운동량 보존을 보장하는 간단한 방법이기 때문에 일반적으로 바람직합니다. 이는 그림 A1에서 점선으로 표시된 두 그리드 요소 사이의 경계에 있는 u의 이산 값에 사용되는 제어 볼륨을 고려하여 볼 수 있습니다. 두 요소 사이의 경계에 속도를 배치하는 것을 비압축성 흐름 모델링에 자주 사용되는 엇갈린 격자 배열이라고합니다.

Figure A1. Control volume (dashed rectangle) used for constructing a difference approximation for the u velocity at the boundary of an element.
Figure A1. Control volume (dashed rectangle) used for constructing a difference approximation for the u velocity at the boundary of an element.

In the divergence form, Gauss’ theorem may be used to convert the integrated values of the advective flux over the control volume to boundary fluxes at its sides. Then, the flux leaving one control volume will automatically be gained by the adjacent one and conservation during advection is guaranteed.
발산 형태에서 가우스 정리를 사용하여 제어 체적에 대한 능동 플럭스의 통합 값을 측면의 경계 플럭스로 변환 할 수 있습니다. 그런 다음 하나의 제어 볼륨을 떠나는 플럭스는 인접한 볼륨에 의해 자동으로 얻어지고 이류 중 보존이 보장됩니다.

However, conservation in a non-uniform grid, does not automatically imply accuracy. To see this, suppose an upstream or donor difference approximation is used to approximate the advective flux (assuming all u values are positive for simplicity), which is known to provide a conditionally stable algorithm,

The notation ui+1/2 stands for the velocity assigned to the right edge of the ith element.

그러나 균일하지 않은 그리드의 보존이 자동으로 정확도를 의미하지는 않습니다. 이를 확인하기 위해 업스트림 또는 기증자 차이 근사를 사용하여 조건부 안정 알고리즘을 제공하는 것으로 알려진 전방 플럭스 (모든 u 값이 단순성을 위해 양수라고 가정)를 근사한다고 가정합니다.

표기법 ui + 1 / 2는 i 번째 요소의 오른쪽 가장자리에 할당 된 속도를 나타냅니다.

To check that this approximation is “consistent” with the original partial differential equation we expand all terms in the difference equation in a Taylor series about the location x=xi+1/2  where the u equation is evaluated (see Heuristic Analysis),

Clearly, the right side does not agree with the left side to order δx when the element sizes are not equal. In other words, the difference approximation is not “consistent” since it does not agree with the original differential expression at zeroth order. It may be noted that, if instead of the upstream or donor approximation, a centered value for the fluxed velocity had been used, then the approximation would be first-order accurate in a non-uniform grid, instead of second-order as it is in a uniform grid. In other words, what seems like a straightforward approximation is one order less accurate in a non-uniform grid than in one that is uniform.

이 근사가 원래 편미분 방정식과 “일치”하는지 확인하기 위해 u 방정식이 평가되는 위치 x = xi + 1 / 2에 대한 Taylor 시리즈의 차이 방정식의 모든 항을 확장합니다 (휴리스틱 분석 참조).

분명히 오른쪽은 요소 크기가 같지 않을 때 δx를 주문하는 왼쪽과 일치하지 않습니다. 즉, 차이 근사는 0 차에서 원래의 미분 표현과 일치하지 않기 때문에 “일관되지”않습니다. 상류 또는 기증자 근사 대신 유속에 대한 중심 값이 사용 된 경우 근사치는 2 차가 아닌 불균일 그리드에서 1 차 정확할 것입니다. 균일 한 그리드에서. 다시 말해서, 간단한 근사처럼 보이는 것은 균일하지 않은 그리드보다 균일하지 않은 그리드에서 1 차 덜 정확합니다.

It does not necessarily follow that non-uniform grids are always less accurate because they may allow for finer zoning in localized regions where flow variables are expected to vary most rapidly. Nevertheless, non-uniform grids must be used with care. It is best, for example, to allow for gradual variations in element sizes to minimize the reduction in approximation order. It is also worthwhile to look for other approximations that do not lose their accuracy in a non-uniform grid. In this regard, it should be observed that the reason the conservation form of the advection term is less accurate is because the control volume is not centered about the position where the u variable is located. To avoid losing one order of approximation, the numerical approximation should have been corrected to account for the difference in locations of the variable being updated and the centroid of its control volume.

유동 변수가 가장 빠르게 변할 것으로 예상되는 지역화 된 지역에서 더 미세한 구역화를 허용 할 수 있기 때문에 불균일 그리드가 항상 덜 정확하다는 것을 반드시 따르는 것은 아닙니다. 그럼에도 불구하고 균일하지 않은 그리드는 주의해서 사용해야합니다.

예를 들어, 근사 순서의 감소를 최소화하기 위해 요소 크기의 점진적인 변화를 허용하는 것이 가장 좋습니다. 균일하지 않은 그리드에서 정확도를 잃지 않는 다른 근사치를 찾는 것도 가치가 있습니다.

이와 관련하여, 이류 항의 보존 형태가 덜 정확한 이유는 제어 볼륨이 u 변수가 위치한 위치를 중심으로하지 않기 때문입니다. 하나의 근사 차수를 잃지 않으려면 업데이트되는 변수의 위치와 제어 볼륨의 중심의 차이를 고려하여 수치 근사를 수정해야합니다.

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.

Multi-phase Flows

Multi-phase Flows

FLOW-3D, 물리적 모델을 다양화 함으로 연구원들과 개발자들이 수행할droplet-based microdevice 들의 성능을 최적화 하는데 도움을 줄 수 있습니다. 또한 FLOW-3D는 Droplet-based 미세 미량 화학 분석 시스템, micromixing 과정, 화학, 생화학적 검사, 효소 반응 속도론, 그리곤 실험에서 성능을 강화하도록 도울 수 있습니다. 유체 압력, 점성과 표면 장력 이 microdevices의 기능에 큰 역할을 하게 됩니다. 좀 더 자세한 정보를 알고자 하면 Multi-phase 사이트를 방문하여 주십시요.

multi-phase flows >

Two-Phase Microfluidic Channels

Two-phase 미세 유체 채널 시스템에서 물방울 형성은 혼합할 수 없는 액체-액체 흐름 및 기체-액체 흐름에 대해 광범위하게 연구되어 왔습니다. Droplet-based microsystems 또한 반응의 femtoliter의 물방울 안에서 microliter권 시약 형기에 의해 소형화가 가능하게 됩니다. 작은 물방울에 가두어진 시약은 시약의 신속한 혼합, 반응시간의 제어 그리고 약품 수송 능력을 제공합니다.

Simulating droplet formation in a T-junction device. Post-processed with FlowSight.

Slot Coating

Slot Die Coating

FLOW-3D는 슬롯 다이 코팅의 산업 연구 및 설계에 사용됩니다. 슬롯 다이 코팅에서 유체는 슬롯에서 슬롯에 매우 가까운 곳에 위치한 빠르게 움직이는 기판 위로 강제 배출됩니다. 때로는 여러 슬롯을 사용하여 여러 재료의 레이어드 코팅을 만들기도 합니다. 많은 산업에서 슬롯 다이 코팅 기계는 상대적으로 단순하기 때문에 슬롯 다이코팅이 사용됩니다. 슬롯 다이 코팅의 또 다른 이점은 나노미터 단위로 측정한 코팅 두께에서도 높은 코팅 균일성 비율입니다.

아래 예에서, 한 슬롯은 120미크론 두께의 뉴턴이 아닌 재료를 오른쪽에서 왼쪽으로 움직이는 기질에 적용하고 있습니다.

FLOW-3D에서 유체-솔리드 접촉 선과 접촉각은 흐름의 전체 역학의 일부로 자동으로 계산됩니다. 이것은 슬롯과 웹(Web) 사이의 영역에서 세 개의 개별 접촉 선이 발생하는이 예에서 잘 설명됩니다.

Case Study

Roche Diagnostics GmbH가 2014년 FLOW-3D 유럽 사용자 컨퍼런스에서 발표한 산업 사례 연구의 이 이미지는 진공 보조 장치가 없는 슬롯 다이 코팅의 3D 모델을 보여줍니다. 왼쪽 상단에 그려진 실험과 FLOW-3D로 수행된 시뮬레이션 사이에는 훌륭하게 일치하고 있습니다.

Simulation of a slot die coating without vacuum assist, courtesy Roche Diagnostics GmbH

Slot Die Design

아래에 표시된 3M의 FLOW-3D 시뮬레이션은 슬롯 다이의 내부 캐비티 내부의 유체 체류 시간을 보여줍니다. 슬롯 다이 설계는 코팅 프로세스의 성공에 매우 중요하며 코팅 액의 유변학(rheology)에 따라 다릅니다.

Simulation courtesy of 3M

Two-Layer Slot Coating

왼쪽의 시계열 이미지에서 보면 웹(web)이 이동되고, 슬롯 코팅 다이는 두 개의 슬롯에서 서로 다른 물성의 두 유체가 나오고 있습니다. two-layer slot die를 사용하는 이점은 코팅기의 die station의 수를 감소시킬 수 있는 것입니다. 그러나, 단일 층의 경우에는 존재하지 않는 이층 슬롯 코팅에 존재하는 많은 문제점들이 나타납니다. 두 개의 유체 층 사이의 계면(interface), 보통은 혼합될 수 있는 물성을 가진 Interlayer 는 die surfae에 안정적으로 잘 고정되어야 합니다. 그리고 Interlayer 부근이 순환은 두 유체의 혼합을 막기 위해 최소화 되어야만 합니다. 일반적으로 이것들은 각각의 유체의 밀도, 점도 및 유량이 배출율을 조작함으로써 제어될 수 있습니다.

Start-Up of Slot Coating

슬롯 코터를 이용하여 연속 코팅 공정을 시작하면 시작부터 폐기해야 불완전한 재료의 양을 감소시키기 위해, 가능한 한 빨리 균일한 wettig을 수립하는 것이 바람직합니다. Wet start 기술은 잉크가 웹에 가까워지기 전에 슬롯에서 잘 빠져 나오는 것 보장하는 중요한 기술중의 하나입니다. 이 예에서, web은 액체의 상류 및 하류 모두 압착 슬롯을 향해 이동된다.

슬롯 장치의 경사진 앞쪽면에 유체를 위로 밀어올리는 약간 늦은 적당한 접근 속도는 슬롯장치의 더 나은 성능을 제공합니다.

 

 

Slide Coating

Slide Coating

모든 코팅 공정은 코팅 물질이 정상 상태에 도달하기 전에 큰 변형을 겪게 되는 초기 전개 시기(startup period)를 가집니다. 초기 전개 시기의 좋은 특성들은 유체의 낭비를 감소시키고 공정을 기술자가 원하는 범위 내에서 작동시키게 합니다.

다층 커튼 코팅 공정의 경우, 아래 시뮬레이션에서 볼 수 있듯이 유체가 슬롯 다이에서 배출된 다음 물질이 중력에 노출 될 수 있습니다.

유체층은 일반적으로 서로 다른 특성을 갖지만 자주 혼합되기 때문에 층 사이의 계면 장력이 작습니다. 특히 중요한 것은 다이면에서 정적 접촉 라인의 위치와 안정성, 그리고 유체가 이동 표면과 처음 만나는 동적 접촉 라인입니다. 이 위치는 유체 흐름 속도, 움직이는 기판의 속도 및 동적 접촉 상류의 공기 공간의 진공 양에 의해 영향을받습니다. 또한 중요한 것은 각 유체 사이에 날카로운 중간층을 유지하는 것입니다. FLOW-3D는 완전히 일시적인 3 차원 흐름 모델이므로 시작하는 동안 프로세스의 일시적인 동작을 시뮬레이션 할 수 있습니다.

Startup of a multi-layer slide coating

모든 코팅 공정에는 일정한 조건을 달성하기 전에 코팅 재료가 큰 변형을 겪는 일종의 시작 기간이 포함됩니다. 시작 프로세스의 우수한 특성화는 낭비를 줄이고 프로세스가 원하는 한계 내에서 작동하는지 확인하는 데 중요합니다. 다양한 섭동에 대한 코팅 흐름의 일시적인 반응에 대한 유사한 이해가 또한 바람직하여 코팅 비드의 파손 및 코팅의 불균일성을 방지 할 수 있습니다.

Curtain Coating

Curtain Coating

커튼 코팅에서 액체는 슬롯이나 슬라이드 다이에서 흘러 나와 중력을 받아 수평으로 움직이는 기판에 떨어집니다. 커튼 코팅은 단일 층의 유체 또는 다중 유체 층을 포함 할 수 있으며 사진 필름, 특수 용지 및 포장의 생산에 사용됩니다.

슬롯에서 나오는 유속과 관련된 액체의 물리적 특성과 기질 속도에 따라 액체가 먼저 기질에 접촉하는 접촉선의 안정성은 물론 코팅 두께를 결정합니다.
접촉 라인이 불안정하면 코팅 아래에 웅덩이나 공기 유입이 발생하여 균일하지 않은 코팅 두께 및 기타 결함을 발생시킬 수 있습니다.
FLOW-3D는 유량, 유량, 기질 속도 등 다양한 공정 파라미터로 공정을 시뮬레이션하고 점성, 표면 장력, 접착력 등 액체의 물리적 성질을 변화시켜 커튼 코팅의 안정성을 조사하는 데 사용할 수 있습니다.

Core Making

Core Making

FLOW-3D의 모델링 기능은 쉽게 주조 엔지니어로 하여금 core shooting과 core drying 등과 같은 core 생성공정을 시뮬레이션 할 수 있게 합니다.

Core Shooting

Sand core는 주형에 모래와 공기 혼합물을 불어 넣음으로써 제조됩니다. 주조 엔지니어의 목적은 모래 안의 공기 갇힘을 방지하고, 우수한 안정성을 가진 코어를 만들기 위해서 충분한 packing을 가지는 균질한 모래 분포를 달성하는 것입니다. FLOW-3D의 모델링 기능은 사용자가 공기 탈출을 통해서 venting nozzle 의 개수와 위치를 변경함으로써 취입되고,이를 통해 최적의 노즐 구성을 얻을 수 있게 합니다.

Core Drying

Core drying 모델은 core die에 모래가 취입 된 후 남아 있는 수분의 과도 건조(transient drying ) 해석을 수행합니다. 일반적으로, 건조 과정은 코어를 통해 뜨거운 공기를 다이에 불어 넣음으로써 수행됩니다. 가열 시뮬레이션 하는 동안 수분 증발과 코어의 차가운 부분에서의 수분의 임시 응축 등은 건조 공정을 최적화 하는 데 이용됩니다. 이는 가열과 공기의 송풍과 연관되어 에너지 비용을 최소화 하면서 완전한 건조를 보장합니다.

Core Drying Validation

Surface Oxides Defects (표면산화물 결함)

Surface Oxide Defects (표면산화물 결함)

FLOW-3D 결함 추적 기능은 주조 엔지니어로 하여금 충진 공정에서 발생할 수 있는 표면 산화물 결함(surface oxide defect)을 예측하는데 도움을 줍니다. 산화물은 공기에 노출 된 용탕표면에서 매우 짧은 시간에 형성되고 바람직하지 않은 위치에서 모일 수 있습니다. 산화물 결함의 최종 위치는 전체 유동 조건, 난류 혼합, 유체 간의 충돌에 의존합니다. FLOW-3D는 금형디자인 개선을 위한 산화물의 양과 최종 위치를 정확하게 추적할 수 있습니다.

Surface Oxide Defects Videos

Air Entrapment Defects (공기혼입, 기포결함)

Air Entrapment Defects (공기혼입, 기포결함)

FLOW-3D 내의 Air entrapment model은 충진 동안 금형내에서 혼입되는 공기의 양을 추정하기 위해 사용됩니다. 이 모델은 기본적인 물리적 메커니즘을 기반으로 하고 있으며 정확한 미세기포의 예측이 가능합니다. 고속으로 분사되는 용탕과 공기의 혼합을 예측하는 모델로 사용자는 공기 혼입 결함을 방지하기 위한 시뮬레이션을 수행할 수 있으며, 여러 시행 착오 과정을 줄일 수 있습니다. Air entrapment model에 대한 자세한 내용은 모델링 기능 섹션을 방문하십시오.

Water Municipal Contact Tanks

Contact Tanks

FLOW-3D를 이용하여 수처리분야의 엔지니어가 정확하게 접촉조 모델링을 할 수 있습니다. 스칼라 전송 모델, 파티클 모델과 화학 모델은 차세대 시각화 도구인 FlowSight를 이용하여, 엔지니어가 정확하게 혼합 유압 효율을 결정하는 데드 존과 재순환 영역의 위치를 시각화할 수 있습니다.

FLOW-3D는 FAVOR™ 방법을 사용하므로, 형상 및 구조 요소가 수정된 형상을 re-meshing하는 어려움이 없습니다. 새로운 자동 등격자 생성 기능으로, 자동 격자 생성으로 일반 직각 격자 방식의 사용 편리성을 가지면서도 형상을 정확하게 구현할 수 있습니다.

이것은 수처리 시설물의 소독조 유동 해석 결과입니다. 염소 농도는 체적 측정으로 시간에 따른 농도 C (t)와 함께, 측정 위치에서의 단위 시간당 E (t)농도의 변화를 보여줍니다.

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.

수처리 분야

Municipal

FLOW-3D는아래 시설물과 같은 도시의 수처리 시설물 설계와 분석에 매우 활발하게 사용되고 있습니다:

  • Mixing, settling, and contact tanks
  • Control structures like weirs, gates, ramps, and orifices
  • Combined sewer (CSO) and stormwater sewer (SSO) overflow facilities
  • Pump and lift stations
  • Treatment plant headworks
  • Filtration systems and passive earth and stone filters
  • Baffle and wall placement
  • Hydraulic efficiency and short-circuiting

Vortex simulation municipal application with FLOW-3D

Vortex formation simulated with FLOW-3D

FLOW-3D는 자유표면, 가압(pressurized), 미임계(sub-critical)와 초임계(super-critical) 흐름조건 등을 전환하는 자유표면과 제한된 흐름패턴 모두와 균일한 모델 상태에 최적화되어 있습니다. 추가 물리 패키지를 포함하여 대부분의 복잡한 상황을 모델링 FLOW-3D에 포함되어 있습니다 :

  • Flow bulking due to air entrainment
  • Air bubble escape and air pocket pressurization
  • Drifting and settling particulate matter and the effect on the flow pattern of sediment accumulation
  • Chemical reactions
  • Moving gates and paddles
  • Fast-spinning bladed objects, pumps, and impellers
  • Dissolving and eroding solids
  • Granular flow (slurries)

적용사례

정수장 : DAF SYSTEMS

  • 용존공기부상법 (DAF Systems: Dissolved Air Floation )
    • 가압상태에서 과포화된 물을 감압시키면, 미세기포가 발생되어 상승하면서 수중의콜로이드물질과 충돌/부착되는 원리를 이용하여 수중의 부유물질을 제거하는 수처리 방법
  • Two Phase(Water+Air)/Drift Flux을 이용 기포에 의한 지내의 유동양상을 파악
  • 해석을 통한 기존 구조물의 문제점 파악하여 개선
  • 정수장_DAF_시스템

정수장 : 펌프장 해석

정수장_펌프장_모델해석결과

정수장_펌프장_모델

정수장 : 분말활성탄접촉조

  • v분말활성탄 접촉조 : 유입구의 구조, 수로의 장폭비, 도류벽구조에 의한 변화 -> 최적형상 도출
  • v해석을 통해 각종 Index(Morill Index, Modal Index 등) 분석

분말활성탄접촉초

정수장 : 응집제의 확산

  • G, 혼화지 구조에 따른 turn over time, 지내 속도 분포, 체류시간(t), 등 분석
  • 완속 혼화기, 급속혼화기에서 응집제의 혼화 및 분산 효과 파악

고속분사기_응집제확산

정수장 : 분배수로 유량분배

  • 분배수로의 기능 : 응집지 및 침전비 별로 균일하게 물을 분배함
  • 분배수로의 구조에 따른 응집지 유입수의 유량분배 해석
  • 구조별 유량분배 문제점 파악 및 개선방안 제시
  • 구조별 유량분배를 정량화하여 정수장 효율 향상에 기여함.

분배수로_유량분배

정수장 : 응집지 속도구배(du/dy) 검증

  • 응집기내부의 유동양상 및 속도구배(G)를 규명하여 최적의 운영조건 도출

응집지속도구배

정수장 : 여과지 역세척

  • Strainer를 통한 역세척수 유입 시 유동양상 해석 실시
  • 역세척 시 압력분포의 균일성, 사수부, 침전수의 월류여부 파악
  • 여과 및 역세척의 문제점 파악하여 효율향상 극대화

여과지_역세척

정수장 : 정수지 실험해석 비교

  • 정수지의 기능 : 염소를 균일하게 혼화
  • 정수지 유동양상 및 염소 농도, 체류시간 해석으로 CT 값 예측 및 문제점 개선
  • 실험과의 비교를 통하여 정확성 확보
  • 기존 정수지의 효율향상 및 최적 정수지 형태 제안
  • 정수지는 분말활성탄접촉조와 기능과 형상 유사

정수장_정수지해석

정수장 : 침전지대기온도, 일사량 등 외부조건 고려

  • 대기온도, 일사량 등 외부조건을 고려한 침전지 유동해석 실시
  • 침전지 내부의 밀도류 발생 원인 분석 및 Floc의 운동양상, 제거효율을 해석
  • 실험과의 비교를 통하여 정확성 확보

정수장_침전지_외부조건고려해석

정수장 : 취수탑 선택취수

  • v취수탑 : 상수도·관개·수력발전용 물을 저수지나 하천으로부터 끌어들이기 위한 구조물
  • v취수탑의 선택취수 문제 해석 사례
  • v취수탑 개도 조건에 따른 유출수온도, 조류 유입, 수심별 유입량 등을 예측

취수탑해석

 

하수처리장 : 침전지

  • 침전지 : 하수와 슬러지의 분리 및 배출 기능
    • 해석목적
    • 2차 침전지에서 유량 분배 문제점 파악
    • 2차 침전지에서 유입부 개선안 도출
    • 2차 침전지내의 슬러지 배출 개선안 도출

하수처리장_침전지_모델 하수처리장_침전지_모델_해석결과

 

하수처리장 : 침전지 유량분배 및 유속

  • 구조물의 형상, 유량에 따른 침전지 유동해석
  • 각 지별 유량 분배 균등 여부 파악
  • 슬러지의 재부상(scouring) 여부 예측 및 방지 방안 검토
  • 월류형식, 유입부의 위치 및 규격, 등 설계 요소를 조절하여 균등 분배 유도
    • 하수처리장_침전지_유량분배_해석결과

하수처리장 : 침전지 월류부 해석

  • 침전지 월류부 유동양상 파악
  • 침전지 형상, 월류부 형상에 따른 유속분포 비교
  • 사수부 파악 및 단락류 최소화를 위한 월류부 형상 결정
  • 슬러지의 월류부 개선을 통한 효율 향상

하수처리장_침전지_월류부해석

하수처리장 : 침전지 침전효율

  • 구조물의 형상별, 처리 유량별 침전효율, 사수부 평가
  • 균일한 유속분포에 의한 침전효율 향상
  • 침전지 형상, 유입부 위치, 등을 변경하여 효율 비교
  • 체류시간 검토를 통한 효율 비교
  • 슬러지 침전형태의 비교

하수처리장_침전지_침전효율

하수처리장 : 무산소조

  • 하수처리장 : 무산소조
  • 하수 및 반송슬러지의 혼합, 임펠러의 회전에 의한 혼합양상 해석 실시
  • 유입수 및 내부반송수의 유속분포, 혼합농도 평가
  • 단락류 발생정도 파악 및 완전교반 유도에 유리한 설계방안 검토
  • 내부반송량, 반송슬러지 유입관의 위치 개선으로 효율 향상

하수처리장_무산소조

하수처리장 : 담체의 부상

  • 설계 요소에 따른 담체의 분포 및 흐름 양상 예측
  • 해석 설계 요소 : 조의 형상, 펌프의 용량 및 위치, 내부 배플의 형상

하수처리장_담체의부상

하수처리장 : 호기조 (Aerator)

  • 호기조내 체류시간 분석
  • 기포의 분포, 조내 위치별 D.O 예측
  • 단락류 발생 정도 및 사수부 파악
  • 폭기량 및 폭기 방식에 따른 내부 유동양상을 통한 효율예측

하수처리장_호기조

하수처리장 : 호기조 (D.O 예측)

  • 용존산소량 (Dissolved Oxygen) : 물 속에 녹아 있는 산소량 è 수온이 높아지거나 오염되면 DO감소
  • 조내 산기관에 의해 오염수를 전체적으로 용존산소량 증가 목적 è 조내 사수부, 체류시간 분석
  • 산기관에 의한 공기 방울의 분포 및 D.O 분포를 수류의 흐름을 고려하여 예측
  • 호기조의 구조 및 산기관의 배치에 따른 효율 분석

하수처리장_호기조_용존산소량

하수처리장 : 막분리조

  • 막분리조내의 수류순환 유동해석 실시
  • Air 유입과 Membrane내의 수류순환 유동 검토
  • 사수부 최소화를 위한 구조 변경 (유입부 방식, 위치 및 산기관 위치, 등)
  • 처리 유량에 따른 내부 효율 변화 검토 – 운영조건 제시

하수처리장_막분리조

 

하수처리장 : SBR/PSBR 호기공정

  • 송풍기 작동시 원수와 슬러지의 혼합양상 분석
  • 수중포기기와 송풍기의 작동에 의해 조 내의 슬러지 혼합 활성화 여부 판단 : 수중포기기와 송풍기의 적절한 위치 및 회전수 조절에 의해 개선안 제시 가능

하수처리장_SBR_호기공정

하수처리장 : SBR/PSBR 배출공정

  • 조 내의 유출게이트 OPEN하여 조 내의 상등수 배출양상 분석
  • 바닥의 슬러지 유출없이 배출가능 여부 해석을 통하여 파악 슬러지가 배출되지 않도록 내의 형상 및 문제점 개서안 제시

하수처리장_SBR_배출공정

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.