Spillways are constructed to evacuate flood discharge safely so that a flood wave does not overtop the dam body. There are different types of spillways, with the ogee type being the conventional one. A stepped spillway is an example of a nonconventional spillway. The turbulent flow over a stepped spillway was studied numerically by using the Flow-3D package. Different fluid flow characteristics such as longitudinal flow velocity, temperature distribution, density and chemical concentration can be well simulated by Flow-3D. In this study, the influence of slope changes on flow characteristics such as air entrainment, velocity distribution and dynamic pressures distribution over a stepped spillway was modelled by Flow-3D. The results from the numerical model were compared with an experimental study done by others in the literature. Two models of a stepped spillway with different discharge for each model were simulated. The turbulent flow in the experimental model was simulated by the Renormalized Group (RNG) turbulence scheme in the numerical model. A good agreement was achieved between the numerical results and the observed ones, which are exhibited in terms of graphics and statistical tables.
배수로는 홍수가 댐 몸체 위로 넘치지 않도록 안전하게 홍수를 피할 수 있도록 건설되었습니다. 다른 유형의 배수로가 있으며, ogee 유형이 기존 유형입니다. 계단식 배수로는 비 전통적인 배수로의 예입니다. 계단식 배수로 위의 난류는 Flow-3D 패키지를 사용하여 수치적으로 연구되었습니다.
세로 유속, 온도 분포, 밀도 및 화학 농도와 같은 다양한 유체 흐름 특성은 Flow-3D로 잘 시뮬레이션 할 수 있습니다. 이 연구에서는 계단식 배수로에 대한 공기 혼입, 속도 분포 및 동적 압력 분포와 같은 유동 특성에 대한 경사 변화의 영향을 Flow-3D로 모델링 했습니다.
수치 모델의 결과는 문헌에서 다른 사람들이 수행한 실험 연구와 비교되었습니다. 각 모델에 대해 서로 다른 배출이 있는 계단식 배수로의 두 모델이 시뮬레이션되었습니다. 실험 모델의 난류 흐름은 수치 모델의 Renormalized Group (RNG) 난류 계획에 의해 시뮬레이션되었습니다. 수치 결과와 관찰 된 결과 사이에 좋은 일치가 이루어졌으며, 이는 그래픽 및 통계 테이블로 표시됩니다.
댐 구조는 물 보호가 생활의 핵심이기 때문에 물을 저장하거나 물을 운반하는 전 세계에서 가장 중요한 프로젝트입니다. 그리고 여수로는 댐의 가장 중요한 부분 중 하나로 분류됩니다. 홍수로 인한 파괴 나 피해로부터 댐을 보호하기 위해 여수로가 건설됩니다.
수력 발전, 항해, 레크리에이션 및 어업의 중요성을 감안할 때 댐 건설 및 홍수 통제는 전 세계적으로 매우 중요한 문제로 간주 될 수 있습니다. 많은 유형의 배수로가 있지만 가장 일반적인 유형은 다음과 같습니다 : ogee 배수로, 자유 낙하 배수로, 사이펀 배수로, 슈트 배수로, 측면 채널 배수로, 터널 배수로, 샤프트 배수로 및 계단식 배수로.
그리고 모든 여수로는 입구 채널, 제어 구조, 배출 캐리어 및 출구 채널의 네 가지 필수 구성 요소로 구성됩니다. 특히 롤러 압축 콘크리트 (RCC) 댐 건설 기술과 더 쉽고 빠르며 저렴한 건설 기술로 분류 된 계단식 배수로 건설과 관련하여 최근 수십 년 동안 많은 계단식 배수로가 건설되었습니다 (Chanson 2002; Felder & Chanson 2011).
계단식 배수로 구조는 캐비테이션 위험을 감소시키는 에너지 소산 속도를 증가시킵니다 (Boes & Hager 2003b). 계단식 배수로는 다양한 조건에서 더 매력적으로 만드는 장점이 있습니다.
계단식 배수로의 흐름 거동은 일반적으로 낮잠, 천이 및 스키밍 흐름 체제의 세 가지 다른 영역으로 분류됩니다 (Chanson 2002). 유속이 낮을 때 nappe 흐름 체제가 발생하고 자유 낙하하는 낮잠의 시퀀스로 특징 지워지는 반면, 스키밍 흐름 체제에서는 물이 외부 계단 가장자리 위의 유사 바닥에서 일관된 흐름으로 계단 위로 흐릅니다.
또한 주요 흐름에서 3 차원 재순환 소용돌이가 발생한다는 것도 분명합니다 (예 : Chanson 2002; Gonzalez & Chanson 2008). 계단 가장자리 근처의 의사 바닥에서 흐름의 방향은 가상 바닥과 가상으로 정렬됩니다. Takahashi & Ohtsu (2012)에 따르면, 스키밍 흐름 체제에서 주어진 유속에 대해 흐름은 계단 가장자리 근처의 수평 계단면에 영향을 미치고 슈트 경사가 감소하면 충돌 영역의 면적이 증가합니다. 전이 흐름 체제는 나페 흐름과 스키밍 흐름 체제 사이에서 발생합니다. 계단식 배수로를 설계 할 때 스키밍 흐름 체계를 고려해야합니다 (예 : Chanson 1994, Matos 2000, Chanson 2002, Boes & Hager 2003a).
CFD (Computational Fluid Dynamics), 즉 수력 공학의 수치 모델은 일반적으로 물리적 모델에 소요되는 총 비용과 시간을 줄여줍니다. 따라서 수치 모델은 실험 모델보다 빠르고 저렴한 것으로 분류되며 동시에 하나 이상의 목적으로 사용될 수도 있습니다. 사용 가능한 많은 CFD 소프트웨어 패키지가 있지만 가장 널리 사용되는 것은 FLOW-3D입니다. 이 연구에서는 Flow 3D 소프트웨어를 사용하여 유량이 서로 다른 두 모델에 대해 계단식 배수로에서 공기 농도, 속도 분포 및 동적 압력 분포를 시뮬레이션합니다.
Roshan et al. (2010)은 서로 다른 수의 계단 및 배출을 가진 계단식 배수로의 두 가지 물리적 모델에 대한 흐름 체제 및 에너지 소산 조사를 연구했습니다. 실험 모델의 기울기는 각각 19.2 %, 12 단계와 23 단계의 수입니다. 결과는 23 단계 물리적 모델에서 관찰 된 흐름 영역이 12 단계 모델보다 더 수용 가능한 것으로 간주되었음을 보여줍니다. 그러나 12 단계 모델의 에너지 손실은 23 단계 모델보다 더 많았습니다. 그리고 실험은 스키밍 흐름 체제에서 23 단계 모델의 에너지 소산이 12 단계 모델보다 약 12 % 더 적다는 것을 관찰했습니다.
Ghaderi et al. (2020a)는 계단 크기와 유속이 다른 정련 매개 변수의 영향을 조사하기 위해 계단식 배수로에 대한 실험 연구를 수행했습니다. 그 결과, 흐름 체계가 냅페 흐름 체계에서 발생하는 최소 scouring 깊이와 같은 scouring 구멍 치수에 영향을 미친다는 것을 보여주었습니다. 또한 테일 워터 깊이와 계단 크기는 최대 scouring깊이에 대한 실제 매개 변수입니다. 테일 워터의 깊이를 6.31cm에서 8.54 및 11.82cm로 늘림으로써 수세 깊이가 각각 18.56 % 및 11.42 % 증가했습니다. 또한 이 증가하는 테일 워터 깊이는 scouring 길이를 각각 31.43 % 및 16.55 % 감소 시킵니다. 또한 유속을 높이면 Froude 수가 증가하고 흐름의 운동량이 증가하면 scouring이 촉진됩니다. 또한 결과는 중간의 scouring이 횡단면의 측벽보다 적다는 것을 나타냅니다. 계단식 배수로 하류의 최대 scouring 깊이를 예측 한 후 실험 결과와 비교하기 위한 실험식이 제안 되었습니다. 그리고 비교 결과 제안 된 공식은 각각 3.86 %와 9.31 %의 상대 오차와 최대 오차 내에서 scouring 깊이를 예측할 수 있음을 보여주었습니다.
Ghaderi et al. (2020b)는 사다리꼴 미로 모양 (TLS) 단계의 수치 조사를 했습니다. 결과는 이러한 유형의 배수로가 확대 비율 LT / Wt (LT는 총 가장자리 길이, Wt는 배수로의 폭)를 증가시키기 때문에 더 나은 성능을 갖는 것으로 관찰되었습니다. 또한 사다리꼴 미로 모양의 계단식 배수로는 더 큰 마찰 계수와 더 낮은 잔류 수두를 가지고 있습니다. 마찰 계수는 다양한 배율에 대해 0.79에서 1.33까지 다르며 평평한 계단식 배수로의 경우 대략 0.66과 같습니다. 또한 TLS 계단식 배수로에서 잔류 수두의 비율 (Hres / dc)은 약 2.89이고 평평한 계단식 배수로의 경우 약 4.32와 같습니다.
Shahheydari et al. (2015)는 Flow-3D 소프트웨어, RNG k-ε 모델 및 VOF (Volume of Fluid) 방법을 사용하여 배출 계수 및 에너지 소산과 같은 자유 표면 흐름의 프로파일을 연구하여 스키밍 흐름 체제에서 계단식 배수로에 대한 흐름을 조사했습니다. 실험 결과와 비교했습니다. 결과는 에너지 소산 율과 방전 계수율의 관계가 역으로 실험 모델의 결과와 잘 일치 함을 보여 주었다.
Mohammad Rezapour Tabari & Tavakoli (2016)는 계단 높이 (h), 계단 길이 (L), 계단 수 (Ns) 및 단위 폭의 방전 (q)과 같은 다양한 매개 변수가 계단식 에너지 소산에 미치는 영향을 조사했습니다. 방수로. 그들은 해석에 FLOW-3D 소프트웨어를 사용하여 계단식 배수로에서 에너지 손실과 임계 흐름 깊이 사이의 관계를 평가했습니다. 또한 유동 난류에 사용되는 방정식과 표준 k-ɛ 모델을 풀기 위해 유한 체적 방법을 적용했습니다. 결과에 따르면 스텝 수가 증가하고 유량 배출량이 증가하면 에너지 손실이 감소합니다. 얻은 결과를 다른 연구와 비교하고 경험적, 수학적 조사를 수행하여 결국 합격 가능한 결과를 얻었습니다.
METHODOLOGY
ListenReadSpeaker webReader: ListenFor all numerical models the basic principle is very similar: a set of partial differential equations (PDE) present the physical problems. The flow of fluids (gas and liquid) are governed by the conservation laws of mass, momentum and energy. For Computational Fluid Dynamics (CFD), the PDE system is substituted by a set of algebraic equations which can be worked out by using numerical methods (Versteeg & Malalasekera 2007). Flow-3D uses the finite volume approach to solve the Reynolds Averaged Navier-Stokes (RANS) equation, by applying the technique of Fractional Area/Volume Obstacle Representation (FAVOR) to define an obstacle (Flow Science Inc. 2012). Equations (1) and (2) are RANS and continuity equations with FAVOR variables that are applied for incompressible flows.
(1)
(2)where is the velocity in xi direction, t is the time, is the fractional area open to flow in the subscript directions, is the volume fraction of fluid in each cell, p is the hydrostatic pressure, is the density, is the gravitational force in subscript directions and is the Reynolds stresses.
Turbulence modelling is one of three key elements in CFD (Gunal 1996). There are many types of turbulence models, but the most common are Zero-equation models, One-equation models, Two-equation models, Reynolds Stress/Flux models and Algebraic Stress/Flux models. In FLOW-3D software, five turbulence models are available. The formulation used in the FLOW-3D software differs slightly from other formulations that includes the influence of the fractional areas/volumes of the FAVORTM method and generalizes the turbulence production (or decay) associated with buoyancy forces. The latter generalization, for example, includes buoyancy effects associated with non-inertial accelerations.
The available turbulence models in Flow-3D software are the Prandtl Mixing Length Model, the One-Equation Turbulent Energy Model, the Two-Equation Standard Model, the Two-Equation Renormalization-Group (RNG) Model and large Eddy Simulation Model (Flow Science Inc. 2012).In this research the RNG model was selected because this model is more commonly used than other models in dealing with particles; moreover, it is more accurate to work with air entrainment and other particles. In general, the RNG model is classified as a more widely-used application than the standard k-ɛ model. And in particular, the RNG model is more accurate in flows that have strong shear regions than the standard k-ɛ model and it is defined to describe low intensity turbulent flows. For the turbulent dissipation it solves an additional transport equation:
(3)where CDIS1, CDIS2, and CDIS3 are dimensionless parameters and the user can modify them. The diffusion of dissipation, Diff ɛ, is
(4)where u, v and w are the x, y and z coordinates of the fluid velocity; , , and , are FLOW-3D’s FAVORTM defined terms; and are turbulence due to shearing and buoyancy effects, respectively. R and are related to the cylindrical coordinate system. The default values of RMTKE, CDIS1 and CNU differ, being 1.39, 1.42 and 0.085 respectively. And CDIS2 is calculated from turbulent production () and turbulent kinetic energy ().The kinematic turbulent viscosity is the same in all turbulence transport models and is calculated from
(5)where : is the turbulent kinematic viscosity. is defined as the numerical challenge between the RNG and the two-equation k-ɛ models, found in the equation below. To avoid an unphysically large result for in Equation (3), since this equation could produce a value for very close to zero and also because the physical value of may approach to zero in such cases, the value of is calculated from the following equation:
(6)where : the turbulent length scale.
VOF and FAVOR are classifications of volume-fraction methods. In these two methods, firstly the area should be subdivided into a control volume grid or a small element. Each flow parameter like velocity, temperature and pressure values within the element are computed for each element containing liquids. Generally, these values represent the volumetric average of values in the elements.Numerous methods have been used recently to solve free infinite boundaries in the various numerical simulations. VOF is an easy and powerful method created based on the concept of a fractional intensity of fluid. A significant number of studies have confirmed that this method is more flexible and efficient than others dealing with the configurations of a complex free boundary. By using VOF technology the Flow-3D free surface was modelled and first declared in Hirt & Nichols (1981). In the VOF method there are three ingredients: a planner to define the surface, an algorithm for tracking the surface as a net mediator moving over a computational grid, and application of the boundary conditions to the surface. Configurations of the fluids are defined in terms of VOF function, F (x, y, z, t) (Hirt & Nichols 1981). And this VOF function shows the volume of flow per unit volume
(7)
(8)
(9)where is the density of the fluid, is a turbulent diffusion term, is a mass source, is the fractional volume open to flow. The components of velocity (u, v, w) are in the direction of coordinates (x, y, z) or (r, ). in the x-direction is the fractional area open to flow, and are identical area fractions for flow in the y and z directions. The R coefficient is based on the selection of the coordinate system.
The FAVOR method is a different method and uses another volume fraction technique, which is only used to define the geometry, such as the volume of liquid in each cell used to determine the position of fluid surfaces. Another fractional volume can be used to define the solid surface. Then, this information is used to determine the boundary conditions of the wall that the flow should be adapted for.
In this study, the experimental results of Ostad Mirza (2016) was simulated. In a channel composed of two 4 m long modules, with a transparent sidewall of height 0.6 m and 0.5 m width. The upstream chute slope (i.e. pseudo-bottom angle) Ɵ1 = 50°, the downstream chute slope Ɵ2 = 30° or 18.6°, the step heights h = 0.06 m, the total number of steps along the 50° chute 41 steps, the total number of steps along the 30° chute 34 steps and the total number of steps along the 18.6° chute 20 steps.
The flume inflow tool contained a jetbox with a maximum opening set to 0.12 meters, designed for passing the maximum unit discharge of 0.48 m2/s. The measurements of the flow properties (i.e. air concentration and velocity) were computed perpendicular to the pseudo-bottom as shown in Figure 1 at the centre of twenty stream-wise cross-sections, along the stepped chute, (i.e. in five steps up on the slope change and fifteen steps down on the slope change, namely from step number −09 to +23 on 50°–30° slope change, or from −09 to +15 on 50°–18.6° slope change, respectively).
Sketch of the air concentration C and velocity V measured perpendicular to the pseudo-bottom used by Mirza (Ostad Mirza 2016).
Sketch of the air concentration C and velocity V measured perpendicular to the pseudo-bottom used by Mirza (Ostad Mirza 2016).
Pressure sensors were arranged with the x/l values for different slope change as shown in Table 1, where x is the distance from the step edge, along the horizontal step face, and l is the length of the horizontal step face. The location of pressure sensors is shown in Table 1.Table 1
Location of pressure sensors on horizontal step faces
Θ(°)
L(m)
x/l (–)
50.0
0.050
0.35
0.64
–
–
–
30.0
0.104
0.17
0.50
0.84
–
–
18.6
0.178
0.10
0.30
0.50
0.7
0.88
Location of pressure sensors on horizontal step faces
Inlet boundary condition for Q = 0.235 m3/s and fluid elevation 4.21834 m.
Inlet boundary condition for Q = 0.235 m3/s and fluid elevation 4.21834 m.
A 3D numerical model of hydraulic phenomena was simulated based on an experimental study by Ostad Mirza (2016). The water surcharge and flow pressure over the stepped spillway was computed for two models of a stepped spillway with different discharge for each model. In this study, the package was used to simulate the flow parameters such as air entrainment, velocity distribution and dynamic pressures. The solver uses the finite volume technique to discretize the computational domain. In every test run, one incompressible fluid flow with a free surface flow selected at 20̊ was used for this simulation model. Table 2 shows the variables used in test runs.Table 2
Variables used in test runs
Test no.
Θ1 (°)
Θ2 (°)
h(m)
d0
q (m3s−1)
dc/h (–)
1
50
18.6
0.06
0.045
0.1
2.6
2
50
18.6
0.06
0.082
0.235
4.6
3
50
30.0
0.06
0.045
0.1
2.6
4
50
30.0
0.06
0.082
0.235
4.6
Table 2 Variables used in test runs
For stepped spillway simulation, several parameters should be specified to get accurate simulations, which is the scope of this research. Viscosity and turbulent, gravity and non-inertial reference frame, air entrainment, density evaluation and drift-flux should be activated for these simulations. There are five different choices in the ‘viscosity and turbulent’ option, in the viscosity flow and Renormalized Group (RNG) model. Then a dynamical model is selected as the second option, the ‘gravity and non-inertial reference frame’. Only the z-component was inputted as a negative 9.81 m/s2 and this value represents gravitational acceleration but in the same option the x and y components will be zero. Air entrainment is selected. Finally, in the drift-flux model, the density of phase one is input as (water) 1,000 kg/m3 and the density of phase two (air) as 1.225 kg/m3. Minimum volume fraction of phase one is input equal to 0.1 and maximum volume fraction of phase two to 1 to allow air concentration to reach 90%, then the option allowing gas to escape at free surface is selected, to obtain closer simulation.
The flow domain is divided into small regions relatively by the mesh in Flow-3D numerical model. Cells are the smallest part of the mesh, in which flow characteristics such as air concentration, velocity and dynamic pressure are calculated. The accuracy of the results and simulation time depends directly on the mesh block size so the cell size is very important. Orthogonal mesh was used in cartesian coordinate systems. A smaller cell size provides more accuracy for results, so we reduced the number of cells whilst including enough accuracy. In this study, the size of cells in x, y and z directions was selected as 0.015 m after several trials.
Figure 3 shows the 3D computational domain model 50–18.6 slope change, that is 6.0 m length, 0.50 m width and 4.23 m height. The 3D model of the computational domain model 50–30 slope changes this to 6.0 m length, 0.50 m width and 5.068 m height and the size of meshes in x, y, and z directions are 0.015 m. For the 50–18.6 slope change model: both total number of active and passive cells = 4,009,952, total number of active cells = 3,352,307, include real cells (used for solving the flow equations) = 3,316,269, open real cells = 3,316,269, fully blocked real cells equal to zero, external boundary cells were 36,038, inter-block boundary cells = 0 (Flow-3D report). For 50–30 slope change model: both total number of active and passive cells = 4,760,002, total number of active cells equal to 4,272,109, including real cells (used for solving the flow equations) were 3,990,878, open real cells = 3,990,878 fully blocked real cells = zero, external boundary cells were 281,231, inter-block boundary cells = 0 (Flow-3D report).
Figure3 The 3D computational domain model (50–18.6) slope change, and boundary condition for (50–30 slope change) model.
The 3D computational domain model (50–18.6) slope change, and boundary condition for (50–30 slope change) model.
When solving the Navier-Stokes equation and continuous equations, boundary conditions should be applied. The most important work of boundary conditions is to create flow conditions similar to physical status. The Flow-3D software has many types of boundary condition; each type can be used for the specific condition of the models. The boundary conditions in Flow-3D are symmetry, continuative, specific pressure, grid overlay, wave, wall, periodic, specific velocity, outflow, and volume flow rate.
There are two options to input finite flow rate in the Flow-3D software either for inlet discharge of the system or for the outlet discharge of the domain: specified velocity and volume flow rate. In this research, the X-minimum boundary condition, volume flow rate, has been chosen. For X-maximum boundary condition, outflow was selected because there is nothing to be calculated at the end of the flume. The volume flow rate and the elevation of surface water was set for Q = 0.1 and 0.235 m3/s respectively (Figure 2).
The bottom (Z-min) is prepared as a wall boundary condition and the top (Z-max) is computed as a pressure boundary condition, and for both (Y-min) and (Y-max) as symmetry.
The air concentration distribution profiles in two models of stepped spillway were obtained at an acquisition time equal to 25 seconds in skimming flow for both upstream and downstream of a slope change 50°–18.6° and 50°–30° for different discharge as in Table 2, and as shown in Figure 4 for 50°–18.6° slope change and Figure 5 for 50°–30° slope change configuration for dc/h = 4.6. The simulation results of the air concentration are very close to the experimental results in all curves and fairly close to that predicted by the advection-diffusion model for the air bubbles suggested by Chanson (1997) on a constant sloping chute.
Figure 4
Experimental and simulated air concentration distribution for steps number −5, +1, +5, +8, +11 and +15 along the 50°–18.6° slope change for dc/h = 4.6.
VIEW LARGEDOWNLOAD SLIDE
Experimental and simulated air concentration distribution for steps number −5, +1, +5, +8, +11 and +15 along the 50°–18.6° slope change for dc/h = 4.6.
Experimental and simulated air concentration distribution for steps number −5, +1, +5, +8, +11 and +15 along the 50°–18.6° slope change for dc/h = 4.6.
Figure5 Experimental and simulated air concentration distribution for steps number −5, +1, +5, +11, +19 and +22 along the 50°–30° slope change, for dc/h = 4.6.
Experimental and simulated air concentration distribution for steps number −5, +1, +5, +11, +19 and +22 along the 50°–30° slope change, for dc/h = 4.6.
Figure 6 Experimental and simulated dimensionless velocity distribution for steps number −5, −1, +1, +5, +8, +11 and +15 along the 50°–18.6° slope change for dc/h = 2.6.
Experimental and simulated dimensionless velocity distribution for steps number −5, −1, +1, +5, +8, +11 and +15 along the 50°–18.6° slope change for dc/h = 2.6.
Figure 7 Experimental and simulated dimensionless velocity distribution for steps number −5, −1, +1, +5. +11, +15 and +22 along the 50°–30° slope change for dc/h = 2.6.
Experimental and simulated dimensionless velocity distribution for steps number −5, −1, +1, +5. +11, +15 and +22 along the 50°–30° slope change for dc/h = 2.6.
But as is shown in all above mentioned figures it is clear that at the pseudo-bottom the CFD results of air concentration are less than experimental ones until the depth of water reaches a quarter of the total depth of water. Also the direction of the curves are parallel to each other when going up towards the surface water and are incorporated approximately near the surface water. For all curves, the cross-section is separate between upstream and downstream steps. Therefore the (-) sign for steps represents a step upstream of the slope change cross-section and the (+) sign represents a step downstream of the slope change cross-section.
The dimensionless velocity distribution (V/V90) profile was acquired at an acquisition time equal to 25 seconds in skimming flow of the upstream and downstream slope change for both 50°–18.6° and 50°–30° slope change. The simulation results are compared with the experimental ones showing that for all curves there is close similarity for each point between the observed and experimental results. The curves increase parallel to each other and they merge near at the surface water as shown in Figure 6 for slope change 50°–18.6° configuration and Figure 7 for slope change 50°–30° configuration. However, at step numbers +1 and +5 in Figure 7 there are few differences between the simulated and observed results, namely the simulation curves ascend regularly meaning the velocity increases regularly from the pseudo-bottom up to the surface water.
Figure 8 (50°–18.6° slope change) and Figure 9 (50°–30° slope change) compare the simulation results and the experimental results for the presented dimensionless dynamic pressure distribution for different points on the stepped spillway. The results show a good agreement with the experimental and numerical simulations in all curves. For some points, few discrepancies can be noted in pressure magnitudes between the simulated and the observed ones, but they are in the acceptable range. Although the experimental data do not completely agree with the simulated results, there is an overall agreement.
Figure 8 Comparison between simulated and experimental results for the dimensionless pressure for steps number −1, −2, −3 and +1, +2 +3 and +20 on the horizontal step faces of 50°–18.6° slope change configuration, for dc/h = 4.6, x is the distance from the step edge.
Comparison between simulated and experimental results for the dimensionless pressure for steps number −1, −2, −3 and +1, +2 +3 and +20 on the horizontal step faces of 50°–18.6° slope change configuration, for dc/h = 4.6, x is the distance from the step edge.
Figure 9 Comparison between simulated and experimental results for the dimensionless pressure for steps number −1, −2, −3 and +1, +2 and +30, +31 on the horizontal step face of 50°–30° slope change configuration, for dc/h = 4.6, x is the distance from the step edge.
Comparison between simulated and experimental results for the dimensionless pressure for steps number −1, −2, −3 and +1, +2 and +30, +31 on the horizontal step face of 50°–30° slope change configuration, for dc/h = 4.6, x is the distance from the step edge.
The pressure profiles were acquired at an acquisition time equal to 70 seconds in skimming flow on 50°–18.6°, where p is the measured dynamic pressure, h is step height and ϒ is water specific weight. A negative sign for steps represents a step upstream of the slope change cross-section and a positive sign represents a step downstream of the slope change cross-section.
Figure 10 shows the experimental streamwise development of dimensionless pressure on the 50°–18.6° slope change for dc/h = 4.6, x/l = 0.35 on 50° sloping chute and x/l = 0.3 on 18.6° sloping chute compared with the numerical simulation. It is obvious from Figure 10 that the streamwise development of dimensionless pressure before slope change (steps number −1, −2 and −3) both of the experimental and simulated results are close to each other. However, it is clear that there is a little difference between the results of the streamwise development of dimensionless pressure at step numbers +1, +2 and +3. Moreover, from step number +3 to the end, the curves get close to each other.
Figure 10 Comparison between experimental and simulated results for the streamwise development of the dimensionless pressure on the 50°–18.6° slope change, for dc/h = 4.6, and x/l = 0.35 on 50° sloping chute and x/l = 0.3 on 18.6° sloping chute.
Comparison between experimental and simulated results for the streamwise development of the dimensionless pressure on the 50°–18.6° slope change, for dc/h = 4.6, and x/l = 0.35 on 50° sloping chute and x/l = 0.3 on 18.6° sloping chute.
Figure 11 compares the experimental and the numerical results for the streamwise development of the dimensionless pressure on the 50°–30° slope change, for dc/h = 4.6, and x/l = 0.35 on 50° sloping chute and x/l = 0.17 on 30° sloping chute. It is apparent that the outcomes of the experimental work are close to the numerical results, however, the results of the simulation are above the experimental ones before the slope change, but the results of the simulation descend below the experimental ones after the slope change till the end.
Figure 11 Comparison between experimental and simulated results for the streamwise development of the dimensionless pressure on the 50°–30° slope change, for dc/h = 4.6, and x/l = 0.35 on 50° sloping chute and x/l = 0.17 on 30° sloping chute.
Comparison between experimental and simulated results for the streamwise development of the dimensionless pressure on the 50°–30° slope change, for dc/h = 4.6, and x/l = 0.35 on 50° sloping chute and x/l = 0.17 on 30° sloping chute.
In this research, numerical modelling was attempted to investigate the effect of abrupt slope change on the flow properties (air entrainment, velocity distribution and dynamic pressure) over a stepped spillway with two different models and various flow rates in a skimming flow regime by using the CFD technique. The numerical model was verified and compared with the experimental results of Ostad Mirza (2016). The same domain of the numerical model was inputted as in experimental models to reduce errors as much as possible.
Flow-3D is a well modelled tool that deals with particles. In this research, the model deals well with air entrainment particles by observing their results with experimental results. And the reason for the small difference between the numerical and the experimental results is that the program deals with particles more accurately than the laboratory. In general, both numerical and experimental results showed that near to the slope change the flow bulking, air entrainment, velocity distribution and dynamic pressure are greatly affected by abrupt slope change on the steps. Although the extent of the slope change was relatively small, the influence of the slope change was major on flow characteristics.
The Renormalized Group (RNG) model was selected as a turbulence solver. For 3D modelling, orthogonal mesh was used as a computational domain and the mesh grid size used for X, Y, and Z direction was equal to 0.015 m. In CFD modelling, air concentration and velocity distribution were recorded for a period of 25 seconds, but dynamic pressure was recorded for a period of 70 seconds. The results showed that there is a good agreement between the numerical and the physical models. So, it can be concluded that the proposed CFD model is very suitable for use in simulating and analysing the design of hydraulic structures.
이 연구에서 수치 모델링은 두 가지 다른 모델과 다양한 유속을 사용하여 스키밍 흐름 영역에서 계단식 배수로에 대한 유동 특성 (공기 혼입, 속도 분포 및 동적 압력)에 대한 급격한 경사 변화의 영향을 조사하기 위해 시도되었습니다. CFD 기술. 수치 모델을 검증하여 Ostad Mirza (2016)의 실험 결과와 비교 하였다. 오차를 최대한 줄이기 위해 실험 모형과 동일한 수치 모형을 입력 하였다.
Flow-3D는 파티클을 다루는 잘 모델링 된 도구입니다. 이 연구에서 모델은 실험 결과를 통해 결과를 관찰하여 공기 혼입 입자를 잘 처리합니다. 그리고 수치와 실험 결과의 차이가 작은 이유는 프로그램이 실험실보다 입자를 더 정확하게 다루기 때문입니다. 일반적으로 수치 및 실험 결과는 경사에 가까워지면 유동 벌킹, 공기 혼입, 속도 분포 및 동적 압력이 계단의 급격한 경사 변화에 크게 영향을받는 것으로 나타났습니다. 사면 변화의 정도는 상대적으로 작았지만 사면 변화의 영향은 유동 특성에 큰 영향을 미쳤다.
Renormalized Group (RNG) 모델이 난류 솔버로 선택되었습니다. 3D 모델링의 경우 계산 영역으로 직교 메쉬가 사용되었으며 X, Y, Z 방향에 사용 된 메쉬 그리드 크기는 0.015m입니다. CFD 모델링에서 공기 농도와 속도 분포는 25 초 동안 기록되었지만 동적 압력은 70 초 동안 기록되었습니다. 결과는 수치 모델과 물리적 모델간에 좋은 일치가 있음을 보여줍니다. 따라서 제안 된 CFD 모델은 수력 구조물의 설계 시뮬레이션 및 해석에 매우 적합하다는 결론을 내릴 수 있습니다.
DNA 프린팅 통합 멀티플렉서 드라이버 Microelectronic Mechanical System Head (IDMH) 및 Microfluidic Flow Estimation
by Jian-Chiun Liou 1,*,Chih-Wei Peng 1,Philippe Basset 2 andZhen-Xi Chen 11School of Biomedical Engineering, Taipei Medical University, Taipei 11031, Taiwan2ESYCOM, Université Gustave Eiffel, CNRS, CNAM, ESIEE Paris, F-77454 Marne-la-Vallée, France*Author to whom correspondence should be addressed.
Abstract
The system designed in this study involves a three-dimensional (3D) microelectronic mechanical system chip structure using DNA printing technology. We employed diverse diameters and cavity thickness for the heater. DNA beads were placed in this rapid array, and the spray flow rate was assessed. Because DNA cannot be obtained easily, rapidly deploying DNA while estimating the total amount of DNA being sprayed is imperative. DNA printings were collected in a multiplexer driver microelectronic mechanical system head, and microflow estimation was conducted. Flow-3D was used to simulate the internal flow field and flow distribution of the 3D spray room. The simulation was used to calculate the time and pressure required to generate heat bubbles as well as the corresponding mean outlet speed of the fluid. The “outlet speed status” function in Flow-3D was used as a power source for simulating the ejection of fluid by the chip nozzle. The actual chip generation process was measured, and the starting voltage curve was analyzed. Finally, experiments on flow rate were conducted, and the results were discussed. The density of the injection nozzle was 50, the size of the heater was 105 μm × 105 μm, and the size of the injection nozzle hole was 80 μm. The maximum flow rate was limited to approximately 3.5 cc. The maximum flow rate per minute required a power between 3.5 W and 4.5 W. The number of injection nozzles was multiplied by 100. On chips with enlarged injection nozzle density, experiments were conducted under a fixed driving voltage of 25 V. The flow curve obtained from various pulse widths and operating frequencies was observed. The operating frequency was 2 KHz, and the pulse width was 4 μs. At a pulse width of 5 μs and within the power range of 4.3–5.7 W, the monomer was injected at a flow rate of 5.5 cc/min. The results of this study may be applied to estimate the flow rate and the total amount of the ejection liquid of a DNA liquid.
이 연구에서 설계된 시스템은 DNA 프린팅 기술을 사용하는 3 차원 (3D) 마이크로 전자 기계 시스템 칩 구조를 포함합니다. 히터에는 다양한 직경과 캐비티 두께를 사용했습니다. DNA 비드를 빠른 어레이에 배치하고 스프레이 유속을 평가했습니다.
DNA를 쉽게 얻을 수 없기 때문에 DNA를 빠르게 배치하면서 스프레이 되는 총 DNA 양을 추정하는 것이 필수적입니다. DNA 프린팅은 멀티플렉서 드라이버 마이크로 전자 기계 시스템 헤드에 수집되었고 마이크로 플로우 추정이 수행되었습니다.
Flow-3D는 3D 스프레이 룸의 내부 유동장과 유동 분포를 시뮬레이션 하는데 사용되었습니다. 시뮬레이션은 열 거품을 생성하는데 필요한 시간과 압력뿐만 아니라 유체의 해당 평균 출구 속도를 계산하는데 사용되었습니다.
Flow-3D의 “출구 속도 상태”기능은 칩 노즐에 의한 유체 배출 시뮬레이션을 위한 전원으로 사용되었습니다. 실제 칩 생성 프로세스를 측정하고 시작 전압 곡선을 분석했습니다. 마지막으로 유속 실험을 하고 그 결과를 논의했습니다. 분사 노즐의 밀도는 50, 히터의 크기는 105μm × 105μm, 분사 노즐 구멍의 크기는 80μm였다. 최대 유량은 약 3.5cc로 제한되었습니다. 분당 최대 유량은 3.5W에서 4.5W 사이의 전력이 필요했습니다. 분사 노즐의 수에 100을 곱했습니다. 분사 노즐 밀도가 확대 된 칩에 대해 25V의 고정 구동 전압에서 실험을 수행했습니다. 얻은 유동 곡선 다양한 펄스 폭과 작동 주파수에서 관찰되었습니다. 작동 주파수는 2KHz이고 펄스 폭은 4μs입니다. 5μs의 펄스 폭과 4.3–5.7W의 전력 범위 내에서 단량체는 5.5cc / min의 유속으로 주입되었습니다. 이 연구의 결과는 DNA 액체의 토 출액의 유량과 총량을 추정하는 데 적용될 수 있습니다.
잉크젯 프린트 헤드 기술은 매우 중요하며, 잉크젯 기술의 거대한 발전은 주로 잉크젯 프린트 헤드 기술의 원리 개발에서 시작되었습니다. 잉크젯 인쇄 연구를 위한 대규모 액적 생성기 포함 [ 1 , 2 , 3 , 4 , 5 , 6 , 7 , 8]. 연속 식 잉크젯 시스템은 고주파 응답과 고속 인쇄의 장점이 있습니다. 그러나이 방법의 잉크젯 프린트 헤드의 구조는 더 복잡하고 양산이 어려운 가압 장치, 대전 전극, 편향 전계가 필요하다. 주문형 잉크젯 시스템의 잉크젯 프린트 헤드는 구조가 간단하고 잉크젯 헤드의 다중 노즐을 쉽게 구현할 수 있으며 디지털화 및 색상 지정이 쉽고 이미지 품질은 비교적 좋지만 일반적인 잉크 방울 토출 속도는 낮음 [ 9 , 10 , 11 ].
핫 버블 잉크젯 헤드의 총 노즐 수는 수백 또는 수천에 달할 수 있습니다. 노즐은 매우 미세하여 풍부한 조화 색상과 부드러운 메쉬 톤을 생성할 수 있습니다. 잉크 카트리지와 노즐이 일체형 구조를 이루고 있으며, 잉크 카트리지 교체시 잉크젯 헤드가 동시에 업데이트되므로 노즐 막힘에 대한 걱정은 없지만 소모품 낭비가 발생하고 상대적으로 높음 비용. 주문형 잉크젯 기술은 배출해야 하는 그래픽 및 텍스트 부분에만 잉크 방울을 배출하고 빈 영역에는 잉크 방울이 배출되지 않습니다. 이 분사 방법은 잉크 방울을 충전할 필요가 없으며 전극 및 편향 전기장을 충전할 필요도 없습니다. 노즐 구조가 간단하고 노즐의 멀티 노즐 구현이 용이하며, 출력 품질이 더욱 개선되었습니다. 펄스 제어를 통해 디지털화가 쉽습니다. 그러나 잉크 방울의 토출 속도는 일반적으로 낮습니다. 열 거품 잉크젯, 압전 잉크젯 및 정전기 잉크젯의 세 가지 일반적인 유형이 있습니다. 물론 다른 유형이 있습니다.
압전 잉크젯 기술의 실현 원리는 인쇄 헤드의 노즐 근처에 많은 소형 압전 세라믹을 배치하면 압전 크리스탈이 전기장의 작용으로 변형됩니다. 잉크 캐비티에서 돌출되어 노즐에서 분사되는 패턴 데이터 신호는 압전 크리스탈의 변형을 제어한 다음 잉크 분사량을 제어합니다. 압전 MEMS 프린트 헤드를 사용한 주문형 드롭 하이브리드 인쇄 [ 12]. 열 거품 잉크젯 기술의 실현 원리는 가열 펄스 (기록 신호)의 작용으로 노즐의 발열체 온도가 상승하여 근처의 잉크 용매가 증발하여 많은 수의 핵 형성 작은 거품을 생성하는 것입니다. 내부 거품의 부피는 계속 증가합니다. 일정 수준에 도달하면 생성된 압력으로 인해 잉크가 노즐에서 분사되고 최종적으로 기판 표면에 도달하여 패턴 정보가 재생됩니다 [ 13 , 14 , 15 , 16 , 17 , 18 ].
“3D 제품 프린팅”및 “증분 빠른 제조”의 의미는 진화했으며 모든 증분 제품 제조 기술을 나타냅니다. 이는 이전 제작과는 다른 의미를 가지고 있지만, 자동 제어 하에 소재를 쌓아 올리는 3D 작업 제작 과정의 공통적 인 특징을 여전히 반영하고 있습니다 [ 19 , 20 , 21 , 22 , 23 , 24 ].
이 개발 시스템은 열 거품 분사 기술입니다. 이 빠른 어레이에 DNA 비드를 배치하고 스프레이 유속을 평가하기 위해 다른 히터 직경과 캐비티 두께를 설계하는 것입니다. DNA 제트 칩의 부스트 회로 시스템은 큰 흐름을 구동하기위한 신호 소스입니다. 목적은 분사되는 DNA 용액의 양과 출력을 조정하는 것입니다. 입력 전압을 더 높은 출력 전압으로 변환해야 하는 경우 부스트 컨버터가 유일한 선택입니다. 부스트 컨버터는 내부 금속 산화물 반도체 전계 효과 트랜지스터 (MOSFET)를 통해 전압을 충전하여 부스트 출력의 목적을 달성하고, MOSFET이 꺼지면 인덕터는 부하 정류를 통해 방전됩니다.
인덕터의 충전과 방전 사이의 변환 프로세스는 인덕터를 통한 전압의 방향을 반대로 한 다음 점차적으로 입력 작동 전압보다 높은 전압을 증가시킵니다. MOSFET의 스위칭 듀티 사이클은 확실히 부스트 비율을 결정합니다. MOSFET의 정격 전류와 부스트 컨버터의 부스트 비율은 부스트 컨버터의 부하 전류의 상한을 결정합니다. MOSFET의 정격 전압은 출력 전압의 상한을 결정합니다. 일부 부스트 컨버터는 정류기와 MOSFET을 통합하여 동기식 정류를 제공합니다. 통합 MOSFET은 정확한 제로 전류 턴 오프를 달성하여 부스트 변압기를 보다 효율적으로 만듭니다. 최대 전력 점 추적 장치를 통해 입력 전력을 실시간으로 모니터링합니다. 입력 전압이 최대 입력 전력 지점에 도달하면 부스트 컨버터가 작동하기 시작하여 부스트 컨버터가 최대 전력 출력 지점으로 유리 기판에 DNA 인쇄를 하는 데 적합합니다. 일정한 온 타임 생성 회로를 통해 온 타임이 온도 및 칩의 코너 각도에 영향을 받지 않아 시스템의 안정성이 향상됩니다.
잉크젯 프린트 헤드에 사용되는 기술은 매우 중요합니다. 잉크젯 기술의 엄청난 발전은 주로 잉크젯 프린팅에 사용되는 대형 액적 이젝터 [ 1 , 2 , 3 , 4 , 5 , 6 , 7 , 8 ]를 포함하여 잉크젯 프린트 헤드 기술의 이론 개발에서 시작되었습니다 . 연속 잉크젯 시스템은 고주파 응답과 고속 인쇄의 장점을 가지고 있습니다. 잉크젯 헤드의 총 노즐 수는 수백 또는 수천에 달할 수 있으며 이러한 노즐은 매우 복잡합니다. 노즐은 풍부하고 조화로운 색상과 부드러운 메쉬 톤을 생성할 수 있습니다 [ 9 , 10 ,11 ]. 잉크젯은 열 거품 잉크젯, 압전 잉크젯 및 정전 식 잉크젯의 세 가지 주요 유형으로 분류할 수 있습니다. 다른 유형도 사용 중입니다. 압전 잉크젯의 기능은 다음과 같습니다. 많은 소형 압전 세라믹이 잉크젯 헤드 노즐 근처에 배치됩니다. 압전 결정은 전기장 아래에서 변형됩니다. 그 후, 잉크는 잉크 캐비티에서 압착되어 노즐에서 배출됩니다. 패턴의 데이터 신호는 압전 결정의 변형을 제어한 다음 분사되는 잉크의 양을 제어합니다. 압전 마이크로 전자 기계 시스템 (MEMS) 잉크젯 헤드는 하이브리드 인쇄에 사용됩니다. [ 12]. 열 버블 잉크젯 기술은 다음과 같이 작동합니다. 가열 펄스 (즉, 기록 신호) 하에서 노즐의 가열 구성 요소의 온도가 상승하여 근처의 잉크 용매를 증발시켜 많은 양의 작은 핵 기포를 생성합니다. 내부 기포의 부피가 지속적으로 증가합니다. 압력이 일정 수준에 도달하면 노즐에서 잉크가 분출되고 잉크가 기판 표면에 도달하여 패턴과 메시지가 표시됩니다 [ 13 , 14 , 15 , 16 , 17 , 18 ].
3 차원 (3D) 제품 프린팅 및 빠른 프로토 타입 기술의 발전에는 모든 빠른 프로토 타입의 생산 기술이 포함됩니다. 래피드 프로토 타입 기술은 기존 생산 방식과는 다르지만 3D 제품 프린팅 생산 과정의 일부 특성을 공유합니다. 구체적으로 자동 제어 [ 19 , 20 , 21 , 22 , 23 , 24 ] 하에서 자재를 쌓아 올립니다 .
이 연구에서 개발된 시스템은 열 기포 방출 기술을 사용했습니다. 이 빠른 어레이에 DNA 비드를 배치하기 위해 히터에 대해 다른 직경과 다른 공동 두께가 사용되었습니다. 그 후, 스프레이 유속을 평가했다. DNA 제트 칩의 부스트 회로 시스템은 큰 흐름을 구동하기위한 신호 소스입니다. 목표는 분사되는 DNA 액체의 양과 출력을 조정하는 것입니다. 입력 전압을 더 높은 출력 전압으로 수정해야하는 경우 승압 컨버터가 유일한 옵션입니다. 승압 컨버터는 내부 금속 산화물 반도체 전계 효과 트랜지스터 (MOSFET)를 충전하여 출력 전압을 증가시킵니다. MOSFET이 꺼지면 부하 정류를 통해 인덕턴스가 방전됩니다. 충전과 방전 사이에서 인덕터를 변경하는 과정은 인덕터를 통과하는 전압의 방향을 변경합니다. 전압은 입력 작동 전압을 초과하는 지점까지 점차적으로 증가합니다. MOSFET 스위치의 듀티 사이클은 부스트 비율을 결정합니다. MOSFET의 승압 컨버터의 정격 전류와 부스트 비율은 승압 컨버터의 부하 전류의 상한을 결정합니다. MOSFET의 정격 전류는 출력 전압의 상한을 결정합니다. 일부 승압 컨버터는 정류기와 MOSFET을 통합하여 동기식 정류를 제공합니다. 통합 MOSFET은 정밀한 제로 전류 셧다운을 실현할 수 있으므로 셋업 컨버터의 효율성을 높일 수 있습니다. 최대 전력 점 추적 장치는 입력 전력을 실시간으로 모니터링하는 데 사용되었습니다. 입력 전압이 최대 입력 전력 지점에 도달하면 승압 컨버터가 작동을 시작합니다. 스텝 업 컨버터는 DNA 프린팅을 위한 최대 전력 출력 포인트가 있는 유리 기판에 사용됩니다.
MEMS Chip Design for Bubble Jet
이 연구는 히터 크기, 히터 번호 및 루프 저항과 같은 특정 매개 변수를 조작하여 5 가지 유형의 액체 배출 챔버 구조를 설계했습니다. 표 1 은 측정 결과를 나열합니다. 이 시스템은 다양한 히터의 루프 저항을 분석했습니다. 100 개 히터 설계를 완료하기 위해 2 세트의 히터를 사용하여 각 단일 회로 시리즈를 통과하기 때문에 100 개의 히터를 설계할 때 총 루프 저항은 히터 50 개의 총 루프 저항보다 하나 더 커야 합니다. 이 연구에서 MEMS 칩에서 기포를 배출하는 과정에서 저항 층의 면저항은 29 Ω / m 2입니다. 따라서 모델 A의 총 루프 저항이 가장 컸습니다. 일반 사이즈 모델 (모델 B1, C, D, E)의 두 배였습니다. 모델 B1, C, D 및 E의 총 루프 저항은 약 29 Ω / m 2 입니다. 표 1 에 따르면 오류 범위는 허용된 설계 값 이내였습니다. 따라서야 연구에서 설계된 각 유형의 단일 칩은 동일한 생산 절차 결과를 가지며 후속 유량 측정에 사용되었습니다.
Table 1. List of resistance measurement of single circuit resistance.
DNA를 뿌린 칩의 파워가 정상으로 확인되면 히터 버블의 성장 특성을 테스트하고 검증했습니다. DNA 스프레이 칩의 필름 두께와 필름 품질은 히터의 작동 조건과 스프레이 품질에 영향을 줍니다. 따라서 기포 성장 현상과 그 성장 특성을 이해하면 본 연구에서 DNA 스프레이 칩의 특성과 작동 조건을 명확히 하는 데 도움이 됩니다.
설계된 시스템은 기포 성장 조건을 관찰하기 위해 개방형 액체 공급 방법을 채택했습니다. 이미지 관찰을 위해 발광 다이오드 (LED, Nichia NSPW500GS-K1, 3.1V 백색 LED 5mm)를 사용하는 동기식 플래시 방식을 사용하여 동기식 지연 광원을 생성했습니다. 이 시스템은 또한 전하 결합 장치 (CCD, Flir Grasshopper3 GigE GS3-PGE-50S5C-C)를 사용하여 이미지를 캡처했습니다. 그림 1핵 형성, 성장, 거품 생성에서 소산에 이르는 거품의 과정을 보여줍니다. 이 시스템은 기포의 성장 및 소산 과정을 확인하여 시작 전압을 관찰하는 데 사용할 수 있습니다. 마이크로 채널의 액체 공급 방법은 LED가 깜빡이는 시간을 가장 큰 기포 발생에 필요한 시간 (15μs)으로 설정했습니다. 이 디자인은 부적합한 깜박임 시간으로 인한 잘못된 판단과 거품 이미지 캡처 불가능을 방지합니다.
Figure 1. The system uses CCD to capture images.
<내용 중략>…….
Table 2. Open pool test starting voltage results.Figure 2. Serial input parallel output shift registers forms of connection.Figure 3. The geometry of the jet cavity. (a) The actual DNA liquid chamber, (b) the three-dimensional view of the microfluidic single channel. A single-channel jet cavity with 60 μm diameter and 50 μm thickness, with an operating frequency of 5 KHz, in (a) three-dimensional side view (b) X-Z two-dimensional cross-sectional view, at 10, 20, 30, 40 and 200 μs injection conditions.Figure 4. Calculate and simulate the injection of water in a single-channel injection chamber with a nozzle diameter of 60 μm and a thickness of 50 μm, at an operating frequency of 5 KHz, in the X-Y two-dimensional cross-sectional view, at 10, 20, 30, 40 and 200 μs.Figure 5 depicts the calculation results of the 2D X-Z cross section. At 100 μs and 200 μs, the fluid injection orifice did not completely fill the chamber. This may be because the size of the single-channel injection cavity was unsuitable for the highest operating frequency of 10 KHz. Thus, subsequent calculation simulations employed 5 KHz as the reference operating frequency. The calculation simulation results were calculated according to the operating frequency of the impact. Figure 6 illustrates the injection cavity height as 60 μm and 30 μm and reveals the 2D X-Y cross section. At 100 μs and 200 μs, the fluid injection orifice did not completely fill the chamber. In those stages, the fluid was still filling the chamber, and the flow field was not yet stable.Figure 6. Calculate and simulate water in a single-channel spray chamber with a spray hole diameter of 60 μm and a thickness of 50 μm, with an operating frequency of 10 KHz, in an XY cross-sectional view, at 10, 20, 30, 40, 100, 110, 120, 130, 140 and 200 μs injection situation.Figure 7. The DNA printing integrated multiplexer driver MEMS head (IDMH).Figure 8. The initial voltage diagrams of chip number A,B,C,D,E type.Figure 9. The initial energy diagrams of chip number A,B,C,D,E type.Figure 10. A Type-Sample01 flow test.Figure 11. A Type-Sample01 drop volume.Figure 12. A Type-Sample01 flow rate.Figure 13. B1-00 flow test.Figure 14. C Type-01 flow test.Figure 15. D Type-02 flow test.Figure 16. E1 type flow test.Figure 17. E1 type ejection rate relationship.
Conclusions
이 연구는 DNA 프린팅 IDMH를 제공하고 미세 유체 흐름 추정을 수행했습니다. 설계된 DNA 스프레이 캐비티와 20V의 구동 전압에서 다양한 펄스 폭의 유동 성능이 펄스 폭에 따라 증가하는 것으로 밝혀졌습니다.
E1 유형 유량 테스트는 해당 유량이 3.1cc / min으로 증가함에 따라 유량이 전력 변화에 영향을 받는 것으로 나타났습니다. 동력이 증가함에 따라 유량은 0.75cc / min에서 3.5cc / min으로 최대 6.5W까지 증가했습니다. 동력이 더 증가하면 유량은 에너지와 함께 증가하지 않습니다. 이것은 이 테이블 디자인이 가장 크다는 것을 보여줍니다. 유속은 3.5cc / 분이었다. 작동 주파수가 2KHz이고 펄스 폭이 4μs 및 5μs 인 특수 설계된 DNA 스프레이 룸 구조에서 다양한 전력 조건 하에서 유량 변화를 관찰했습니다. 4.3–5.87 W의 출력 범위 내에서 주입 된 모노머의 유속은 5.5cc / 분이었습니다. 이것은 힘이 증가해도 변하지 않았습니다. DNA는 귀중하고 쉽게 얻을 수 없습니다. 이 실험을 통해 우리는 DNA가 뿌려진 마이크로 어레이 바이오칩의 수천 개의 지점에 필요한 총 DNA 양을 정확하게 추정 할 수 있습니다.
<내용 중략>…….
References
Pydar, O.; Paredes, C.; Hwang, Y.; Paz, J.; Shah, N.; Candler, R. Characterization of 3D-printed microfluidic chip interconnects with integrated O-rings. Sens. Actuators Phys.2014, 205, 199–203. [Google Scholar] [CrossRef]
Ohtani, K.; Tsuchiya, M.; Sugiyama, H.; Katakura, T.; Hayakawa, M.; Kanai, T. Surface treatment of flow channels in microfluidic devices fabricated by stereolitography. J. Oleo Sci.2014, 63, 93–96. [Google Scholar] [CrossRef]
Castrejn-Pita, J.R.; Martin, G.D.; Hoath, S.D.; Hutchings, I.M. A simple large-scale droplet generator for studies of inkjet printing. Rev. Sci. Instrum.2008, 79, 075108. [Google Scholar] [CrossRef] [PubMed]
Asai, A. Application of the nucleation theory to the design of bubble jet printers. Jpn. J. Appl. Phys. Regul. Rap. Short Notes1989, 28, 909–915. [Google Scholar] [CrossRef]
Aoyama, R.; Seki, M.; Hong, J.W.; Fujii, T.; Endo, I. Novel Liquid Injection Method with Wedge-shaped Microchannel on a PDMS Microchip System for Diagnostic Analyses. In Transducers’ 01 Eurosensors XV; Springer: Berlin, Germany, 2001; pp. 1204–1207. [Google Scholar]
Xu, B.; Zhang, Y.; Xia, H.; Dong, W.; Ding, H.; Sun, H. Fabrication and multifunction integration of microfluidic chips by femtosecond laser direct writing. Lab Chip2013, 13, 1677–1690. [Google Scholar] [CrossRef] [PubMed]
Nayve, R.; Fujii, M.; Fukugawa, A.; Takeuchi, T.; Murata, M.; Yamada, Y. High-Resolution long-array thermal ink jet printhead fabricated by anisotropic wet etching and deep Si RIE. J. Microelectromech. Syst.2004, 13, 814–821. [Google Scholar] [CrossRef]
O’Connor, J.; Punch, J.; Jeffers, N.; Stafford, J. A dimensional comparison between embedded 3D: Printed and silicon microchannesl. J. Phys. Conf. Ser.2014, 525, 012009. [Google Scholar] [CrossRef]
Fang, Y.J.; Lee, J.I.; Wang, C.H.; Chung, C.K.; Ting, J. Modification of heater and bubble clamping behavior in off-shooting inkjet ejector. In Proceedings of the IEEE Sensors, Irvine, CA, USA, 30 October–3 November 2005; pp. 97–100. [Google Scholar]
Lee, W.; Kwon, D.; Choi, W.; Jung, G.; Jeon, S. 3D-Printed microfluidic device for the detection of pathogenic bacteria using size-based separation in helical channel with trapezoid cross-section. Sci. Rep.2015, 5, 7717. [Google Scholar] [CrossRef] [PubMed]
Shin, D.Y.; Smith, P.J. Theoretical investigation of the influence of nozzle diameter variation on the fabrication of thin film transistor liquid crystal display color filters. J. Appl. Phys.2008, 103, 114905-1–114905-11. [Google Scholar] [CrossRef]
Kim, Y.; Kim, S.; Hwang, J.; Kim, Y. Drop-on-Demand hybrid printing using piezoelectric MEMS printhead at various waveforms, high voltages and jetting frequencies. J. Micromech. Microeng.2013, 23, 8. [Google Scholar] [CrossRef]
Shin, S.J.; Kuka, K.; Shin, J.W.; Lee, C.S.; Oha, Y.S.; Park, S.O. Thermal design modifications to improve firing frequency of back shooting inkjet printhead. Sens. Actuators Phys.2004, 114, 387–391. [Google Scholar] [CrossRef]
Rose, D. Microfluidic Technologies and Instrumentation for Printing DNA Microarrays. In Microarray Biochip Technology; Eaton Publishing: Norwalk, CT, USA, 2000; p. 35. [Google Scholar]
Wu, D.; Wu, S.; Xu, J.; Niu, L.; Midorikawa, K.; Sugioka, K. Hybrid femtosecond laser microfabrication to achieve true 3D glass/polymer composite biochips with multiscale features and high performance: The concept of ship-in-abottle biochip. Laser Photon. Rev.2014, 8, 458–467. [Google Scholar] [CrossRef]
McIlroy, C.; Harlen, O.; Morrison, N. Modelling the jetting of dilute polymer solutions in drop-on-demand inkjet printing. J. Non Newton. Fluid Mech.2013, 201, 17–28. [Google Scholar] [CrossRef]
Anderson, K.; Lockwood, S.; Martin, R.; Spence, D. A 3D printed fluidic device that enables integrated features. Anal. Chem.2013, 85, 5622–5626. [Google Scholar] [CrossRef] [PubMed]
Avedisian, C.T.; Osborne, W.S.; McLeod, F.D.; Curley, C.M. Measuring bubble nucleation temperature on the surface of a rapidly heated thermal ink-jet heater immersed in a pool of water. Proc. R. Soc. A Lond. Math. Phys. Sci.1999, 455, 3875–3899. [Google Scholar] [CrossRef]
Lim, J.H.; Kuk, K.; Shin, S.J.; Baek, S.S.; Kim, Y.J.; Shin, J.W.; Oh, Y.S. Failure mechanisms in thermal inkjet printhead analyzed by experiments and numerical simulation. Microelectron. Reliab.2005, 45, 473–478. [Google Scholar] [CrossRef]
Shallan, A.; Semjkal, P.; Corban, M.; Gujit, R.; Breadmore, M. Cost-Effective 3D printing of visibly transparent microchips within minutes. Anal. Chem.2014, 86, 3124–3130. [Google Scholar] [CrossRef] [PubMed]
Cavicchi, R.E.; Avedisian, C.T. Bubble nucleation and growth anomaly for a hydrophilic microheater attributed to metastable nanobubbles. Phys. Rev. Lett.2007, 98, 124501. [Google Scholar] [CrossRef] [PubMed]
Kamei, K.; Mashimo, Y.; Koyama, Y.; Fockenberg, C.; Nakashima, M.; Nakajima, M.; Li, J.; Chen, Y. 3D printing of soft lithography mold for rapid production of polydimethylsiloxane-based microfluidic devices for cell stimulation with concentration gradients. Biomed. Microdevices2015, 17, 36. [Google Scholar] [CrossRef] [PubMed]
Shin, S.J.; Kuka, K.; Shin, J.W.; Lee, C.S.; Oha, Y.S.; Park, S.O. Firing frequency improvement of back shooting inkjet printhead by thermal management. In Proceedings of the TRANSDUCERS’03. 12th International Conference on Solid-State Sensors.Actuators and Microsystems. Digest of Technical Papers (Cat. No.03TH8664), Boston, MA, USA, 8–12 June 2003; Volume 1, pp. 380–383. [Google Scholar]
Laio, X.; Song, J.; Li, E.; Luo, Y.; Shen, Y.; Chen, D.; Chen, Y.; Xu, Z.; Sugoioka, K.; Midorikawa, K. Rapid prototyping of 3D microfluidic mixers in glass by femtosecond laser direct writing. Lab Chip2012, 12, 746–749. [Google Scholar] [CrossRef] [PubMed]
터널 배수로는 높은 자유 표면 유속이 설정되는 배수로 유형 중 하나입니다. 회전 가속과 난류 흐름의 불규칙성으로 인해 오목한 수직 굽힘에서 압력이 증가합니다. 물리적 모델은 이 현상을 분석하는 가장 좋은 도구입니다.
모든 실제 프로토 타입 상태 분석을 포괄하는 데 필요한 물리적 모델의 수가 너무 많아 배치 및 비용 측면에서 비실용적입니다. 따라서 FLOW-3D 소프트웨어는 가능한 모든 실제 대안을 포괄하는 오목한 굴곡 터널의 난류 흐름 데이터베이스를 분석하고 생성하기 위해 선택되었습니다.
이 소프트웨어는 방전과 형상이 다른 다양한 터널을 시뮬레이션했습니다. 수치 결과는 Alborz Dam 터널 배수로의 건설 된 물리적 모델의 실험 결과로 검증되었으며 만족스러운 동의를 얻었습니다. 차원 분석은 문제의 관련 변수를 차원 없는 매개 변수로 그룹화하는 데 사용됩니다.
이러한 매개 변수는 인공 신경망 시뮬레이션에 사용됩니다. 결과는 Flow-3D 소프트웨어로 얻은 무 차원 매개 변수와 신경망에 의해 예측된 변수 사이의 상관 계수 R2 = 0.95를 보여 주었으며, 이와 관련하여 난류 모델링을 통해 얻은 데이터베이스를 기반으로 한 인공 신경망이 결론을 내릴 수있었습니다. 압력 예측을 위한 강력한 도구입니다.
Figure 1. Flow in a concave curvatureFigure 2. Flow in the curvature of the flip bucketFigure 3. The location of piezometers on the bed of the concave curvature of tunnel spillway in
Alborz DamFigure 4. Structure of artificial neural network [37]Figure 6. Correlation coefficient of the Neural Network simulation and Flow-3D in the
validation stageFigure 7. Comparison 0f the Simulated Neural Network and Flow-3D Results of the validation
stageFigure 8. Correlation coefficient of the Flow-3D numerical results and Equation (1)Figure 9. Correlation coefficient of the Flow-3D numerical results and Equation (2)Figure 10. Correlation coefficient of the Flow-3D numerical results and Equation (3)
현재 연구에서 FLOW-3D 소프트웨어는 처음에 다양한 크기와 배출의 터널 배수로에서 난류 흐름을 시뮬레이션하는데 사용되었습니다. 결과는 이란 에너지부 물 연구소에서 제공한 Alborz 저장 댐에서 얻은 실제 데이터와 비교하여 검증되었습니다.
시뮬레이션에는 다양한 난류 모델이 사용되었으며 RNG 방법이 관찰된 실제 결과와 가장 잘 일치하는 것으로 나타났습니다. 직경이 3 ~ 15m 인 다양한 터널 배수로, 곡률 반경 3 개, 거의 모든 실제 사례를 포괄하는 3개의 배출이 시뮬레이션에 사용되었습니다.
차원 분석을 사용하여 무 차원 매개 변수를 생성하고 문제의 변수 수를 줄였으며 마지막으로 두 개의 주요 무 차원 그룹이 결정되었습니다. 이러한 무 차원 변수 간의 관계를 얻기 위해 신경망을 사용하고 터널 배수로의 오목한 굴곡에서 압력 예측 단계에서 0.95의 상관 계수를 얻었습니다.
압력 계산 결과는 다른 일반적인 방법으로 얻은 결과와 비교되었습니다. 비교는 신경망 결과가 훨씬 더 정확하고 배수로 터널의 오목한 곡률에서 압력을 예측하는 강력한 도구로 간주 될 수 있음을 나타냅니다.
References
Kim, D. G., & Park, J. H. (2005). Analysis of flow structure over ogee-spillway in consideration of scale and roughness effects by using CFD model. KSCE Journal of Civil Engineering, 9(2), 161-169.
Sabbagh-Yazdi, S. R., Rostami, F., & Mastorakis, N. E. (2008, March). Simulation of selfaeration at steep chute spillway flow using VOF technique in a 3D finite volume software. In Am. Conf. on Appl. Maths. Harvard, Mass, 24-28.
Nohani, E. (2015). Numerical simulation of the flow pattern on morning glory spillways. International Journal of Life Sciences, 9(4): 28-31.
Parsaie, A., Dehdar-Behbahani, S., & Haghiabi, A. H. (2016). Numerical modeling of cavitation on spillway’s flip bucket. Frontiers of Structural and Civil Engineering, 10(4), 438-444.
Teuber, K., Broecker, T., Bay´on, A., N¨utzmann, G. and Hinkelmann, R. (2019) ‘CFDmodelling of free surface flows in closed conduits’, Progress in Computational Fluid Dynamics, 19(6), 368–380.
Ghazanfari-Hashemi, R.S., Namin, M.M., Ghaeini-Hessaroeyeh, M. and Fadaei-Kermani, E., 2020. A Numerical Study on Three-Dimensionality and Turbulence in Supercritical Bend Flow. International Journal of Civil Engineering, 18(3), 381-391.
Sha, H. F., Wu, S. Q., & Zhou, H. (2009). Flow characteristics in a circular-section bend of high head spillway tunnel. Advances in Water Science, (6), 14.
Liu, Z., Zhang, D., Zhang, H., & Wu, Y. (2011). Hydraulic characteristics of converse curvature section and aerator in high-head and large discharge spillway tunnel. Science China Technological Sciences, 54(1), 33-39.
Zheng, Q. W., Luo, S. J., & Zhang, F. X. (2012). The Effect of Concave Types on the Hydraulic Characteristics in Spillway Tunnels with High-Speed Velocity. China Rural Water and Hydropower, 4.
Hongmin, G. U. O., Jiang, L. I., Shan, Q. I. N., & Yang, X. I. E. (2014). Three-Dimensional Numerical Simulation on Spillway Tunnel of Pankou Hydropower Station. Water Resources and Power, (4), 22.
Wan, W., Liu, B., & Raza, A. (2018). Numerical Prediction and Risk Analysis of Hydraulic Cavitation Damage in a High-Speed-Flow Spillway. Shock and Vibration, 2018.
Wei, W., Deng, J. and Xu, W. (2020). Numerical investigation of air demand by the free surface tunnel flows. Journal of Hydraulic Research, 1-8.
Xu, W., Dang, Y., Li, G., Shao, J. and Chen, G. (2007) ‘Three-dimensional numerical simulation of the bi-tunnel spillway flow [J] ‘, Journal of Hydroelectric Engineering, 1, 56- 60.
Huang, H.Y., Gong, A.M., Qiu, Y. and Wangliang, Z.A. (2015) ‘ 3D Numerical Simulation and Experimental Analysis of Spillway Tunnel’ In Applied Mechanics and Materials. Trans Tech Publications Ltd. 723, 171-175.
Li, S., Zhang, J. M., Xu, W. L., Chen, J. G., Peng, Y., Li, J. N., & He, X. L. (2016). Simulation and experiments of aerated flow in curve-connective tunnel with high head and large discharge. International Journal of Civil Engineering, 14(1), 23-33.
Shilpakar, R., Hua, Z., Manandhar, B., Shrestha, N., Zafar, M. R., Iqbal, T., & Hussain, Z. (2017, August). Numerical simulation on tunnel spillway of Jingping-I hydropower project with four aerators. In IOP Conference Series: Earth and Environmental Science. 82, 012013.
Song, C. C., & Zhou, F. (1999). Simulation of free surface flow over spillway. Journal of Hydraulic Engineering, 125(9), 959-967.
Fais, L.M.C.F., Filho, J.G.D., Genovez, A.I.B. (2015). Geometry influence and discharge curve correction in morning glory spillways. Proceedings of the 36th IAHR World Congress.
Falvey, H. T. (1990). Cavitation in chutes and spillways. Denver: US Department of the Interior, Bureau of Reclamation. 49-57.
Chaudhry, M. H. (2007). Open-channel flow. Springer Science & Business Media.
Novak, P., Moffat, A. I. B., Nalluri, C., & Narayanan, R. (2007). Hydraulic structures. Fourth Edition, Taylor & Francis, New York , 246–265.
Jorabloo, M., Maghsoodi, R., Sarkardeh, H., & Branch, G. (2011). 3D simulation of flow over flip buckets at dams. Journal of American Science, 7(6), 931-936.
Khani, S., Moghadam, M. A., & Nikookar, M. (2017). Pressure Fluctuations Investigation on the Curve of Flip Buckets Using Analytical and Numerical Methods. Vol. 03(04), 165- 171.
McCulloch, W. S., & Pitts, W. (1943). A logical calculus of the ideas immanent in nervous activity. The bulletin of mathematical biophysics, 5(4), 115-133.
Hopfield, J. J. (1982). Neural networks and physical systems with emergent collective computational abilities. Proceedings of the national academy of sciences, 79(8), 2554-2558.
Wu,C.L. Huang, B. Xie, C.B. (2008) . Comparison of calculation methods for irrigation district water inlet, China Rural Water and Hydropower ,5 (71) ,74–77.
Qiu,J. Huang, B.S. . Lai, G.W. (2002). Research and application of discharge coefficient of wide crest weir, China Rural Water and Hydropower ,9 ,41–42.
Xiang, H.Q .Ba,D.D. Liu, J.J. (2012) . Acquiring of curved practical weir flow coefficient by curve-fitting based on Matlab, Hydropower Energy Sci. 3 ,97–99.
Ye,Y.T. He,J.J.(2013).Experimental study on hydraulic calculation of discharge under plane gate on broad-crested weir, J. Water Resour. Archit. Eng. 11 (2), 138–141.
Salmasi, F., Yıldırım, G., Masoodi, A., & Parsamehr, P. (2013). Predicting discharge coefficient of compound broad-crested weir by using genetic programming (GP) and artificial neural network (ANN) techniques. Arabian Journal of Geosciences, 6(7), 2709- 2717.
Noori, R.; Hooshyaripor, F. (2014). Effective prediction of scour downstream of ski-jump buckets using artificial neural networks. Water Resour. 41, 8–18.
Flow-Science. (2014). FLOW-3D user manual. version11. In: Flow Science Santa Fe, NM.
Yakhot, V. S. A. S. T. B. C. G., Orszag, S. A., Thangam, S., Gatski, T. B., & Speziale, C. G. (1992). Development of turbulence models for shear flows by a double expansion technique. Physics of Fluids A: Fluid Dynamics, 4(7), 1510-1520.
Report on the hydraulic model of Alborz dam reservoir. (2001). Iran Water Research Institute
Lippman, R. (1987). An introduction to computing with neural nets. IEEE Assp magazine, 4(2), pp.4-22.
Baylar, A., Ozgur, K.I.S.I. and Emiroglu, M.E. (2009). Modeling air entrainment rate and aeration efficiency of weirs using ANN approach. Gazi University Journal of Science, 22(2), 107-116.
Maureen, C. and Caudill, M. (1989). Neural network primer: Part I. AI Expert, 2(12), p.1987.
Li Yong-Qiang1,2 & Dong Jun-Yan1 & Rui Wei 1Received: 17 June 2019 /Accepted: 4 December 2019 #Springer Nature B.V. 2020
In order to research the influence of the guide vane on liquid transmission performance in a tank under microgravity, simulation analysis was carried out with FLOW-3D software. Firstly, it compared the working condition under the charging rate of 10% with the corresponding experiment results of the drop tower and validated the correctness of the simulation process. And then it changed the structure parameters of the guide vane, researched the influence of different quantity, gap and thickness on climbing rate of liquid, and analyzed the causing reasons of these effects in-depth. This paper provided a reference for the design of internal guiding vane of microgravity tank.
본 논문은 가이드 베인이 미세 중력 상태의 탱크에서 액체 전달 성능에 미치는 영향을 연구하기 위해 FLOW-3D 소프트웨어를 사용하여 시뮬레이션 분석을 수행했습니다. 첫째, 10 % 충전율 하에서 작업 조건을 드롭 타워의 해당 실험 결과와 비교하여 시뮬레이션 프로세스의 정확성을 검증했다. 그리고 가이드 베인의 구조 매개 변수를 변경하고, 액체의 상승 속도에 대한 양, 간격 및 두께의 영향을 연구하고 이러한 영향의 원인을 심도있게 분석했습니다. 이 논문은 미세 중력 탱크의 내부 안내 날개 설계에 대한 참고 자료를 제공했습니다.
Capsule-type Vane TankThe relationship curve between the square of climbing height and time with a = 6 mmThe relationship curve between the vane’s liquid transportation and time under different width a
난소암에 대한 일관된 3차원 모델에서 카보플라틴에 대한 유동에 의한 전단응력변화에 관한 연구
Abstract
A key reason for the persistently grim statistics associated with metastatic ovarian cancer is resistance to conventional agents, including platinum-based chemotherapies. A major source of treatment failure is the high degree of genetic and molecular heterogeneity, which results from significant underlying genomic instability, as well as stromal and physical cues in the microenvironment. Ovarian cancer commonly disseminates via transcoelomic routes to distant sites, which is associated with the frequent production of malignant ascites, as well as the poorest prognosis. In addition to providing a cell and protein-rich environment for cancer growth and progression, ascitic fluid also confers physical stress on tumors. An understudied area in ovarian cancer research is the impact of fluid shear stress on treatment failure. Here, we investigate the effect of fluid shear stress on response to platinum-based chemotherapy and the modulation of molecular pathways associated with aggressive disease in a perfusion model for adherent 3D ovarian cancer nodules. Resistance to carboplatin is observed under flow with a concomitant increase in the expression and activation of the epidermal growth factor receptor (EGFR) as well as downstream signaling members mitogen-activated protein kinase/extracellular signal-regulated kinase (MEK) and extracellular signal-regulated kinase (ERK). The uptake of platinum by the 3D ovarian cancer nodules was significantly higher in flow cultures compared to static cultures. A downregulation of phospho-focal adhesion kinase (p-FAK), vinculin, and phospho-paxillin was observed following carboplatin treatment in both flow and static cultures. Interestingly, low-dose anti-EGFR photoimmunotherapy (PIT), a targeted photochemical modality, was found to be equally effective in ovarian tumors grown under flow and static conditions. These findings highlight the need to further develop PIT-based combinations that target the EGFR, and sensitize ovarian cancers to chemotherapy in the context of flow-induced shear stress.
전이성 난소 암과 관련된 지속적으로 암울한 통계의 주요 이유는 백금 기반 화학 요법을 포함한 기존 약제에 대한 내성 때문입니다. 치료 실패의 주요 원인은 높은 수준의 유전적 및 분자적 이질성이며, 이는 중요한 기본 게놈 불안정성과 미세 환경의 기질 및 물리적 단서로 인해 발생합니다.
난소 암은 흔히 transcoelomic 경로를 통해 먼 부위로 전파되며, 이는 악성 복수의 빈번한 생산과 가장 나쁜 예후와 관련이 있습니다. 암 성장 및 진행을위한 세포 및 단백질이 풍부한 환경을 제공하는 것 외에도 복수 액은 종양에 물리적 스트레스를 부여합니다. 난소 암 연구에서 잘 연구되지 않은 분야는 유체 전단 응력이 치료 실패에 미치는 영향입니다.
여기, 우리는 백금 기반 화학 요법에 대한 반응과 부착 3D 난소 암 결절에 대한 관류 모델에서 공격적인 질병과 관련된 분자 경로의 변조에 대한 유체 전단 응력의 효과를 조사합니다.
카르보플라틴에 대한 내성은 상피 성장 인자 수용체 (EGFR)의 발현 및 활성화의 수반되는 증가 뿐만 아니라 다운 스트림 신호 구성원인 미토겐 활성화 단백질 키나제/세포 외 신호 조절 키나제 (MEK) 및 세포 외 신호 조절과 함께 관찰됩니다. 키나아제 (ERK). 3D 난소 암 결절에 의한 백금 흡수는 정적 배양에 비해 유동 배양에서 상당히 높았습니다.
포스 포-포컬 접착 키나제 (p-FAK), 빈 쿨린 및 포스 포-팍 실린의 하향 조절은 유동 및 정적 배양 모두에서 카보 플 라틴 처리 후 관찰되었습니다. 흥미롭게도, 표적 광 화학적 양식 인 저용량 항 EGFR 광 면역 요법 (PIT)은 유동 및 정적 조건에서 성장한 난소 종양에서 똑같이 효과적인 것으로 밝혀졌습니다.
이러한 발견은 EGFR을 표적으로하는 PIT 기반 조합을 추가로 개발하고 흐름 유도 전단 응력의 맥락에서 화학 요법에 난소 암을 민감하게 할 필요성을 강조합니다.
Figure 1
(A) A schematic of ovarian cancer metastases involving tumor cells or clusters (yellow) shedding from a primary site and disseminating along ascitic currents of peritoneal fluid (green arrows) in the abdominal cavity. Ovarian cancer typically disseminates in four common abdomino-pelvic sites: (1) cul-de-sac (an extension of the peritoneal cavity between the rectum and back wall of the uterus); (2) right infracolic space (the apex formed by the termination of the small intestine of the small bowel mesentery at the ileocecal junction); (3) left infracolic space (superior site of the sigmoid colon); (4) Right paracolic gutter (communication between the upper and lower abdomen defined by the ascending colon and peritoneal wall). (B) The schematic of a perfusion model used to study the impact of sustained fluid flow on treatment resistance and molecular features of 3D ovarian cancer nodules (Top left). A side view of the perfusion model and growth of ovarian cancer nodules to a stromal bed (Top right). The photograph of a perfusion model used in the experiments (Bottom left) and depth-informed confocal imaging of ovarian cancer nodules in channels with and without carboplatin treatment (Bottom right). The perfusion model is 24 × 40 mm, with three channels that are 4 × 30 mm each and a height of 254 μm. The inlet and outlet ports of channels are 2.2 mm in diameter and positioned 5 mm from the edge of the chip. (C) A schematic of a 24-well plate model used to study the treatment resistance and molecular features of 3D ovarian cancer nodules under static conditions (without flow) (Top left). A side view of the static models and growth of ovarian cancer nodules on a stromal bed (Top right). Confocal imaging of 3D ovarian cancer nodules in a 24-well plate without and with carboplatin treatment (Bottom). Scale bars: 1 mm.Figure 2
(A) Geometry of the micronodule located at the center of the microchannel. The flow velocity is in the X-direction. The nodule is modeled as an ellipse with a semi-minor axis of 40 μm in the Z-direction. The semi-major axis varies from 40-100 μm in the X-direction. The section over which the fluid dynamics are studied is the middle part of the channel with dimensions 4 mm along the Y-axis and 250 μm along the Z-axis. The nodule is located at (0, 20 μm). The black dotted line shows the centerline of the largest nodule. (B) Shear stress distribution over the surface of the solid micro-nodule on the XZ-plane. (C) Shear stress distribution over the surface of the porous micro-nodule on the XZ-plane. (D) Flow flux distribution over the centerline of the porous micro-nodule on the XZ-plane. The flux enters the surface at the left and leaves at the right.Figure 3
Cytotoxic response in carboplatin-treated 3D OVCAR-5 cultures under static conditions. (A) Representative confocal images of 3D tumors treated with carboplatin (0-500 μM) for 96 h showing a dose-dependent reduction in viable tumor (calcein signal). (B) Image-based quantification of normalized viable tumor area in 3D OVCAR-5 cultures following treatment with increasing doses of carboplatin. A minimum nodule size cut-off of 2000 µm2 (clusters of ~15–20 cells) was applied to the fluorescence images for quantitative analysis of the normalized viable tumor area. (One-way ANOVA with Dunnett’s post hoc test; n.s., not significant; * p < 0.05; *** p < 0.001; N = 9) (C) Inductively coupled plasma mass spectrometry (ICP-MS)-based quantification of carboplatin uptake in static 3D OVCAR-5 tumors shows a dose-dependent increase in platinum levels, up to 9774 ± 3,052 ng/mg protein at an incubation concentration of 500 μM carboplatin. (One-way ANOVA with Dunn’s multiple comparisons test; n.s., not significant; * p < 0.05; ** p < 0.01; N = 3). Results are expressed as mean ± standard error of mean (SEM). Scale bars: 500 μm.Figure 4 flow-induced chemo-resistanceFigure 5
The effects of flow-induced shear stress on 3D ovarian cancer biology. (A) Western blot analysis of OVCAR-5 tumors was performed 7 days after culture under static or flow conditions. A flow-induced increase in EGFR and p-ERK, compared to static cultures, was observed. Conversely, a reduction in p-FAK, p-Paxillin, and Vinculin was observed under flow, relative to static conditions. (B) Western blot analysis of 3D OVCAR-5 tumors was performed 11 days after culture under static or flow conditions, including 4 days of treatment with 500 µM carboplatin, and respective controls. In both static and flow 3D cultures, carboplatin treatment resulted in downregulation of EGFR, FAK, p-Paxillin, Paxillin, and Vinculin. Upregulation of p-ERK was observed after carboplatin treatment in both static and flow 3D cultures. (C) Baseline levels of EGFR activity and expression are maintained by a complex array of factors, including recycling and degradation of the activated receptor complex. Flow-induced shear stress has been shown to cause a posttranslational up-regulation of EGFR expression and activation, likely resulting from increased receptor recycling and decreased EGFR degradation. Activation of EGFR results in ERK phosphorylation to induce gene expression, ultimately leading to cell proliferation, survival, and chemoresistance. FAK and other tyrosine kinases are activated by the engagement of integrins with the ECM. Subsequent phosphorylation of paxillin by FAK not only influences the remodeling of the actin cytoskeleton, but also modulates vinculin activation to regulate mitogen-activated protein kinase (MAPK) cascades, thereby stimulating pro-survival gene expression.Figure 6
PIT efficacy in 3D tumors. (A) Dose-dependent change in normalized viable tumor area in static 3D cultures treated with PIC (1 μM BPD equivalent) and increasing energy densities (10–50 J/cm2 @ 50 mW/cm2). Significant tumoricidal efficacy is observed in a light-dose-dependent manner, starting at 15 J/cm2. (One-way ANOVA with Dunnett’s post hoc test; n.s., not significant; ** p < 0.01, *** p < 0.001, N = 9) (B) Comparison of cytotoxic response in PIT-treated 3D cultures under static and flow conditions. For quantitative analysis of fluorescence images, a minimum nodule size cut-off of 2000 µm2 (clusters of ~15–20 cells) was used to establish normalized viable tumor area. PIT is equally effective in 3D tumors grown in static cultures (green) and under flow-induced shear stress (blue) (in contrast to flow-induced chemo-resistance shown in Figure 4) (Two-tailed t test; n.s., not significant; N = 9).
Siegel R.L., Miller K.D., Jemal A. Cancer statistics, 2019. CA Cancer J. Clin. 2019;69:7–34. doi: 10.3322/caac.21551. [PubMed] [CrossRef] [Google Scholar]
Foley O.W., Rauh-Hain J.A., Del Carmen M.G. Recurrent epithelial ovarian cancer: An update on treatment. Oncology. 2013;27:288–294, 298. [PubMed] [Google Scholar]
Kipps E., Tan D.S., Kaye S.B. Meeting the challenge of ascites in ovarian cancer: New avenues for therapy and research. Nat. Rev. Cancer. 2013;13:273–282. doi: 10.1038/nrc3432. [PMC free article] [PubMed] [CrossRef] [Google Scholar]
Tan D.S., Agarwal R., Kaye S.B. Mechanisms of transcoelomic metastasis in ovarian cancer. Lancet Oncol. 2006;7:925–934. doi: 10.1016/S1470-2045(06)70939-1. [PubMed] [CrossRef] [Google Scholar]
Ahmed N., Stenvers K.L. Getting to know ovarian cancer ascites: Opportunities for targeted therapy-based translational research. Front. Oncol. 2013;3:256. doi: 10.3389/fonc.2013.00256. [PMC free article] [PubMed] [CrossRef] [Google Scholar]
Shield K., Ackland M.L., Ahmed N., Rice G.E. Multicellular spheroids in ovarian cancer metastases: Biology and pathology. Gynecol. Oncol. 2009;113:143–148. doi: 10.1016/j.ygyno.2008.11.032. [PubMed] [CrossRef] [Google Scholar]
Naora H., Montell D.J. Ovarian cancer metastasis: Integrating insights from disparate model organisms. Nat. Rev. Cancer. 2005;5:355–366. doi: 10.1038/nrc1611. [PubMed] [CrossRef] [Google Scholar]
Lengyel E. Ovarian cancer development and metastasis. Am. J. Pathol. 2010;177:1053–1064. doi: 10.2353/ajpath.2010.100105. [PMC free article] [PubMed] [CrossRef] [Google Scholar]
Javellana M., Hoppenot C., Lengyel E. The road to long-term survival: Surgical approach and longitudinal treatments of long-term survivors of advanced-stage serous ovarian cancer. Gynecol. Oncol. 2019;152:228–234. doi: 10.1016/j.ygyno.2018.11.007. [PubMed] [CrossRef] [Google Scholar]
Al Habyan S., Kalos C., Szymborski J., McCaffrey L. Multicellular detachment generates metastatic spheroids during intra-abdominal dissemination in epithelial ovarian cancer. Oncogene. 2018;37:5127–5135. doi: 10.1038/s41388-018-0317-x. [PMC free article] [PubMed] [CrossRef] [Google Scholar]
Kim S., Kim B., Song Y.S. Ascites modulates cancer cell behavior, contributing to tumor heterogeneity in ovarian cancer. Cancer Sci. 2016;107:1173–1178. doi: 10.1111/cas.12987. [PMC free article] [PubMed] [CrossRef] [Google Scholar]
Hoppenot C., Eckert M.A., Tienda S.M., Lengyel E. Who are the long-term survivors of high grade serous ovarian cancer? Gynecol. Oncol. 2018;148:204–212. doi: 10.1016/j.ygyno.2017.10.032. [PubMed] [CrossRef] [Google Scholar]
Zhao Y., Cao J., Melamed A., Worley M., Gockley A., Jones D., Nia H.T., Zhang Y., Stylianopoulos T., Kumar A.S., et al. Losartan treatment enhances chemotherapy efficacy and reduces ascites in ovarian cancer models by normalizing the tumor stroma. Proc. Natl. Acad. Sci. USA. 2019;116:2210–2219. doi: 10.1073/pnas.1818357116. [PMC free article] [PubMed] [CrossRef] [Google Scholar]
Ayantunde A.A., Parsons S.L. Pattern and prognostic factors in patients with malignant ascites: A retrospective study. Ann. Oncol. 2007;18:945–949. doi: 10.1093/annonc/mdl499. [PubMed] [CrossRef] [Google Scholar]
Latifi A., Luwor R.B., Bilandzic M., Nazaretian S., Stenvers K., Pyman J., Zhu H., Thompson E.W., Quinn M.A., Findlay J.K., et al. Isolation and characterization of tumor cells from the ascites of ovarian cancer patients: Molecular phenotype of chemoresistant ovarian tumors. PLoS ONE. 2012;7:e46858. doi: 10.1371/journal.pone.0046858. [PMC free article] [PubMed] [CrossRef] [Google Scholar]
Ahmed N., Greening D., Samardzija C., Escalona R.M., Chen M., Findlay J.K., Kannourakis G. Unique proteome signature of post-chemotherapy ovarian cancer ascites-derived tumor cells. Sci. Rep. 2016;6:30061. doi: 10.1038/srep30061. [PMC free article] [PubMed] [CrossRef] [Google Scholar]
Gjorevski N., Boghaert E., Nelson C.M. Regulation of Epithelial-Mesenchymal Transition by Transmission of Mechanical Stress through Epithelial Tissues. Cancer Microenviron. 2012;5:29–38. doi: 10.1007/s12307-011-0076-5. [PMC free article] [PubMed] [CrossRef] [Google Scholar]
Polacheck W.J., Charest J.L., Kamm R.D. Interstitial flow influences direction of tumor cell migration through competing mechanisms. Proc. Natl. Acad. Sci. USA. 2011;108:11115–11120. doi: 10.1073/pnas.1103581108. [PMC free article] [PubMed] [CrossRef] [Google Scholar]
Polacheck W.J., German A.E., Mammoto A., Ingber D.E., Kamm R.D. Mechanotransduction of fluid stresses governs 3D cell migration. Proc. Natl. Acad. Sci. USA. 2014;111:2447–2452. doi: 10.1073/pnas.1316848111. [PMC free article] [PubMed] [CrossRef] [Google Scholar]
Swartz M.A., Lund A.W. Lymphatic and interstitial flow in the tumour microenvironment: Linking mechanobiology with immunity. Nat. Rev. Cancer. 2012;12:210–219. doi: 10.1038/nrc3186. [PubMed] [CrossRef] [Google Scholar]
Pisano M., Triacca V., Barbee K.A., Swartz M.A. An in vitro model of the tumor-lymphatic microenvironment with simultaneous transendothelial and luminal flows reveals mechanisms of flow enhanced invasion. Integr. Biol. 2015;7:525–533. doi: 10.1039/C5IB00085H. [PubMed] [CrossRef] [Google Scholar]
Follain G., Herrmann D., Harlepp S., Hyenne V., Osmani N., Warren S.C., Timpson P., Goetz J.G. Fluids and their mechanics in tumour transit: Shaping metastasis. Nat. Rev. Cancer. 2020;20:107–124. doi: 10.1038/s41568-019-0221-x. [PubMed] [CrossRef] [Google Scholar]
Rizvi I., Gurkan U.A., Tasoglu S., Alagic N., Celli J.P., Mensah L.B., Mai Z., Demirci U., Hasan T. Flow induces epithelial-mesenchymal transition, cellular heterogeneity and biomarker modulation in 3D ovarian cancer nodules. Proc. Natl. Acad. Sci. USA. 2013;110:E1974–E1983. doi: 10.1073/pnas.1216989110. [PMC free article] [PubMed] [CrossRef] [Google Scholar]
Novak C., Horst E., Mehta G. Mechanotransduction in ovarian cancer: Shearing into the unknown. APL Bioeng. 2018;2 doi: 10.1063/1.5024386. [PMC free article] [PubMed] [CrossRef] [Google Scholar]
Carmignani C.P., Sugarbaker T.A., Bromley C.M., Sugarbaker P.H. Intraperitoneal cancer dissemination: Mechanisms of the patterns of spread. Cancer Metastasis Rev. 2003;22:465–472. doi: 10.1023/A:1023791229361. [PubMed] [CrossRef] [Google Scholar]
Sugarbaker P.H. Observations concerning cancer spread within the peritoneal cavity and concepts supporting an ordered pathophysiology. Cancer Treatment Res. 1996;82:79–100. [PubMed] [Google Scholar]
Feki A., Berardi P., Bellingan G., Major A., Krause K.H., Petignat P., Zehra R., Pervaiz S., Irminger-Finger I. Dissemination of intraperitoneal ovarian cancer: Discussion of mechanisms and demonstration of lymphatic spreading in ovarian cancer model. Crit. Rev. Oncol./Hematol. 2009;72:1–9. doi: 10.1016/j.critrevonc.2008.12.003. [PubMed] [CrossRef] [Google Scholar]
Holm-Nielsen P. Pathogenesis of ascites in peritoneal carcinomatosis. Acta Pathol. Microbiol. Scand. 1953;33:10–21. doi: 10.1111/j.1699-0463.1953.tb04805.x. [PubMed] [CrossRef] [Google Scholar]
Ahmed N., Riley C., Oliva K., Rice G., Quinn M. Ascites induces modulation of alpha6beta1 integrin and urokinase plasminogen activator receptor expression and associated functions in ovarian carcinoma. Br. J. Cancer. 2005;92:1475–1485. doi: 10.1038/sj.bjc.6602495. [PMC free article] [PubMed] [CrossRef] [Google Scholar]
Woodburn J.R. The epidermal growth factor receptor and its inhibition in cancer therapy. Pharmacol. Ther. 1999;82:241–250. doi: 10.1016/S0163-7258(98)00045-X. [PubMed] [CrossRef] [Google Scholar]
Servidei T., Riccardi A., Mozzetti S., Ferlini C., Riccardi R. Chemoresistant tumor cell lines display altered epidermal growth factor receptor and HER3 signaling and enhanced sensitivity to gefitinib. Int. J. Cancer J. Int. Cancer. 2008;123:2939–2949. doi: 10.1002/ijc.23902. [PubMed] [CrossRef] [Google Scholar]
Chen A.P., Zhang J., Liu H., Zhao S.P., Dai S.Z., Sun X.L. Association of EGFR expression with angiogenesis and chemoresistance in ovarian carcinoma. Zhonghua zhong liu za zhi [Chinese journal of oncology] 2009;31:48–52. [PubMed] [Google Scholar]
Alper O., Bergmann-Leitner E.S., Bennett T.A., Hacker N.F., Stromberg K., Stetler-Stevenson W.G. Epidermal growth factor receptor signaling and the invasive phenotype of ovarian carcinoma cells. J. Natl. Cancer Inst. 2001;93:1375–1384. doi: 10.1093/jnci/93.18.1375. [PubMed] [CrossRef] [Google Scholar]
Zeineldin R., Muller C.Y., Stack M.S., Hudson L.G. Targeting the EGF receptor for ovarian cancer therapy. J. Oncol. 2010;2010:414676. doi: 10.1155/2010/414676. [PMC free article] [PubMed] [CrossRef] [Google Scholar]
Alper O., De Santis M.L., Stromberg K., Hacker N.F., Cho-Chung Y.S., Salomon D.S. Anti-sense suppression of epidermal growth factor receptor expression alters cellular proliferation, cell-adhesion and tumorigenicity in ovarian cancer cells. Int. J. Cancer. 2000;88:566–574. doi: 10.1002/1097-0215(20001115)88:4<566::AID-IJC8>3.0.CO;2-D. [PubMed] [CrossRef] [Google Scholar]
Posadas E.M., Liel M.S., Kwitkowski V., Minasian L., Godwin A.K., Hussain M.M., Espina V., Wood B.J., Steinberg S.M., Kohn E.C. A phase II and pharmacodynamic study of gefitinib in patients with refractory or recurrent epithelial ovarian cancer. Cancer. 2007;109:1323–1330. doi: 10.1002/cncr.22545. [PMC free article] [PubMed] [CrossRef] [Google Scholar]
Psyrri A., Kassar M., Yu Z., Bamias A., Weinberger P.M., Markakis S., Kowalski D., Camp R.L., Rimm D.L., Dimopoulos M.A. Effect of epidermal growth factor receptor expression level on survival in patients with epithelial ovarian cancer. Clin. Cancer Res. 2005;11:8637–8643. doi: 10.1158/1078-0432.CCR-05-1436. [PubMed] [CrossRef] [Google Scholar]
Dimou A., Agarwal S., Anagnostou V., Viray H., Christensen S., Gould Rothberg B., Zolota V., Syrigos K., Rimm D. Standardization of epidermal growth factor receptor (EGFR) measurement by quantitative immunofluorescence and impact on antibody-based mutation detection in non-small cell lung cancer. Am. J. Pathol. 2011;179:580–589. doi: 10.1016/j.ajpath.2011.04.031. [PMC free article] [PubMed] [CrossRef] [Google Scholar]
Del Carmen M.G., Rizvi I., Chang Y., Moor A.C., Oliva E., Sherwood M., Pogue B., Hasan T. Synergism of epidermal growth factor receptor-targeted immunotherapy with photodynamic treatment of ovarian cancer in vivo. J. Natl. Cancer Inst. 2005;97:1516–1524. doi: 10.1093/jnci/dji314. [PubMed] [CrossRef] [Google Scholar]
Armstrong D.K., Bundy B., Wenzel L., Huang H.Q., Baergen R., Lele S., Copeland L.J., Walker J.L., Burger R.A., Gynecologic Oncology G. Intraperitoneal cisplatin and paclitaxel in ovarian cancer. N. Engl. J. Med. 2006;354:34–43. doi: 10.1056/NEJMoa052985. [PubMed] [CrossRef] [Google Scholar]
Verwaal V.J., Van Ruth S., De Bree E., Van Sloothen G.W., Van Tinteren H., Boot H., Zoetmulder F.A. Randomized trial of cytoreduction and hyperthermic intraperitoneal chemotherapy versus systemic chemotherapy and palliative surgery in patients with peritoneal carcinomatosis of colorectal cancer. J. Clin. Oncol. 2003;21:3737–3743. doi: 10.1200/JCO.2003.04.187. [PubMed] [CrossRef] [Google Scholar]
Van Driel W.J., Koole S.N., Sikorska K., Schagen van Leeuwen J.H., Schreuder H.W.R., Hermans R.H.M., De Hingh I., Van der Velden J., Arts H.J., Massuger L., et al. Hyperthermic Intraperitoneal Chemotherapy in Ovarian Cancer. N. Engl. J. Med. 2018;378:230–240. doi: 10.1056/NEJMoa1708618. [PubMed] [CrossRef] [Google Scholar]
Verwaal V.J., Bruin S., Boot H., Van Slooten G., Van Tinteren H. 8-year follow-up of randomized trial: Cytoreduction and hyperthermic intraperitoneal chemotherapy versus systemic chemotherapy in patients with peritoneal carcinomatosis of colorectal cancer. Ann. Surg. Oncol. 2008;15:2426–2432. doi: 10.1245/s10434-008-9966-2. [PubMed] [CrossRef] [Google Scholar]
DeLaney T.F., Sindelar W.F., Tochner Z., Smith P.D., Friauf W.S., Thomas G., Dachowski L., Cole J.W., Steinberg S.M., Glatstein E. Phase I study of debulking surgery and photodynamic therapy for disseminated intraperitoneal tumors. Int. J. Radiat. Oncol. Biol. Phys. 1993;25:445–457. doi: 10.1016/0360-3016(93)90066-5. [PubMed] [CrossRef] [Google Scholar]
Celli J.P., Spring B.Q., Rizvi I., Evans C.L., Samkoe K.S., Verma S., Pogue B.W., Hasan T. Imaging and photodynamic therapy: Mechanisms, monitoring, and optimization. Chem. Rev. 2010;110:2795–2838. doi: 10.1021/cr900300p. [PMC free article] [PubMed] [CrossRef] [Google Scholar]
Spring B.Q., Rizvi I., Xu N., Hasan T. The role of photodynamic therapy in overcoming cancer drug resistance. Photochem. Photobiol. Sci. 2015;14:1476–1491. doi: 10.1039/C4PP00495G. [PMC free article] [PubMed] [CrossRef] [Google Scholar]
Liang B.J., Pigula M., Baglo Y., Najafali D., Hasan T., Huang H.C. Breaking the Selectivity-Uptake Trade-Off of Photoimmunoconjugates with Nanoliposomal Irinotecan for Synergistic Multi-Tier Cancer Targeting. J. Nanobiotechnol. 2020;18:1. doi: 10.1186/s12951-019-0560-5. [PMC free article] [PubMed] [CrossRef] [Google Scholar]
Huang H.C., Rizvi I., Liu J., Anbil S., Kalra A., Lee H., Baglo Y., Paz N., Hayden D., Pereira S., et al. Photodynamic Priming Mitigates Chemotherapeutic Selection Pressures and Improves Drug Delivery. Cancer Res. 2018;78:558–571. doi: 10.1158/0008-5472.CAN-17-1700. [PMC free article] [PubMed] [CrossRef] [Google Scholar]
Huang H.C., Mallidi S., Liu J., Chiang C.T., Mai Z., Goldschmidt R., Ebrahim-Zadeh N., Rizvi I., Hasan T. Photodynamic Therapy Synergizes with Irinotecan to Overcome Compensatory Mechanisms and Improve Treatment Outcomes in Pancreatic Cancer. Cancer Res. 2016;76:1066–1077. doi: 10.1158/0008-5472.CAN-15-0391. [PMC free article] [PubMed] [CrossRef] [Google Scholar]
Cengel K.A., Glatstein E., Hahn S.M. Intraperitoneal photodynamic therapy. Cancer Treat. Res. 2007;134:493–514. [PubMed] [Google Scholar]
Obaid G., Broekgaarden M., Bulin A.-L., Huang H.-C., Kuriakose J., Liu J., Hasan T. Photonanomedicine: A convergence of photodynamic therapy and nanotechnology. Nanoscale. 2016;8:12471–12503. doi: 10.1039/C5NR08691D. [PMC free article] [PubMed] [CrossRef] [Google Scholar]
Ogata F., Nagaya T., Nakamura Y., Sato K., Okuyama S., Maruoka Y., Choyke P.L., Kobayashi H. Near-infrared photoimmunotherapy: A comparison of light dosing schedules. Oncotarget. 2017;8:35069–35075. doi: 10.18632/oncotarget.17047. [PMC free article] [PubMed] [CrossRef] [Google Scholar]
Mitsunaga M., Ogawa M., Kosaka N., Rosenblum L.T., Choyke P.L., Kobayashi H. Cancer cell-selective in vivo near infrared photoimmunotherapy targeting specific membrane molecules. Nat. Med. 2011;17:1685–1691. doi: 10.1038/nm.2554. [PMC free article] [PubMed] [CrossRef] [Google Scholar]
Huang H.C., Pigula M., Fang Y., Hasan T. Immobilization of Photo-Immunoconjugates on Nanoparticles Leads to Enhanced Light-Activated Biological Effects. Small. 2018:e1800236. doi: 10.1002/smll.201800236. [PMC free article] [PubMed] [CrossRef] [Google Scholar]
Spring B.Q., Abu-Yousif A.O., Palanisami A., Rizvi I., Zheng X., Mai Z., Anbil S., Sears R.B., Mensah L.B., Goldschmidt R., et al. Selective treatment and monitoring of disseminated cancer micrometastases in vivo using dual-function, activatable immunoconjugates. Proc. Natl. Acad. Sci. USA. 2014;111:E933–E942. doi: 10.1073/pnas.1319493111. [PMC free article] [PubMed] [CrossRef] [Google Scholar]
Abu-Yousif A.O., Moor A.C., Zheng X., Savellano M.D., Yu W., Selbo P.K., Hasan T. Epidermal growth factor receptor-targeted photosensitizer selectively inhibits EGFR signaling and induces targeted phototoxicity in ovarian cancer cells. Cancer Lett. 2012;321:120–127. doi: 10.1016/j.canlet.2012.01.014. [PMC free article] [PubMed] [CrossRef] [Google Scholar]
Rizvi I., Dinh T.A., Yu W., Chang Y., Sherwood M.E., Hasan T. Photoimmunotherapy and irradiance modulation reduce chemotherapy cycles and toxicity in a murine model for ovarian carcinomatosis: Perspective and results. Israel J. Chem. 2012;52:776–787. doi: 10.1002/ijch.201200016. [PMC free article] [PubMed] [CrossRef] [Google Scholar]
Quirk B.J., Brandal G., Donlon S., Vera J.C., Mang T.S., Foy A.B., Lew S.M., Girotti A.W., Jogal S., LaViolette P.S., et al. Photodynamic therapy (PDT) for malignant brain tumors–where do we stand? Photodiagnosis Photodyn. Ther. 2015;12:530–544. doi: 10.1016/j.pdpdt.2015.04.009. [PubMed] [CrossRef] [Google Scholar]
Eljamel M.S., Goodman C., Moseley H. ALA and Photofrin fluorescence-guided resection and repetitive PDT in glioblastoma multiforme: A single centre Phase III randomised controlled trial. Lasers Med. Sci. 2008;23:361–367. doi: 10.1007/s10103-007-0494-2. [PubMed] [CrossRef] [Google Scholar]
Varma A.K., Muller P.J. Cranial neuropathies after intracranial Photofrin-photodynamic therapy for malignant supratentorial gliomas-a report on 3 cases. Surg. Neurol. 2008;70:190–193. doi: 10.1016/j.surneu.2007.01.060. [PubMed] [CrossRef] [Google Scholar]
Akimoto J. Photodynamic Therapy for Malignant Brain Tumors. Neurol. Medico-Chirurgica. 2016;56:151–157. doi: 10.2176/nmc.ra.2015-0296. [PMC free article] [PubMed] [CrossRef] [Google Scholar]
Kercher E.M., Nath S., Rizvi I., Spring B.Q. Cancer Cell-targeted and Activatable Photoimmunotherapy Spares T Cells in a 3D Coculture Model. Photochem. Photobiol. 2019 doi: 10.1111/php.13153. [PMC free article] [PubMed] [CrossRef] [Google Scholar]
Savellano M.D., Hasan T. Targeting cells that overexpress the epidermal growth factor receptor with polyethylene glycolated BPD verteporfin photosensitizer immunoconjugates. Photochem. Photobiol. 2003;77:431–439. doi: 10.1562/0031-8655(2003)077<0431:TCTOTE>2.0.CO;2. [PubMed] [CrossRef] [Google Scholar]
Molpus K.L., Hamblin M.R., Rizvi I., Hasan T. Intraperitoneal photoimmunotherapy of ovarian carcinoma xenografts in nude mice using charged photoimmunoconjugates. Gynecol. Oncol. 2000;76:397–404. doi: 10.1006/gyno.1999.5705. [PubMed] [CrossRef] [Google Scholar]
Savellano M.D., Hasan T. Photochemical targeting of epidermal growth factor receptor: A mechanistic study. Clin. Cancer Res. 2005;11:1658–1668. doi: 10.1158/1078-0432.CCR-04-1902. [PubMed] [CrossRef] [Google Scholar]
Nath S., Saad M.A., Pigula M., Swain J.W.R., Hasan T. Photoimmunotherapy of Ovarian Cancer: A Unique Niche in the Management of Advanced Disease. Cancers. 2019;11:1887. doi: 10.3390/cancers11121887. [PMC free article] [PubMed] [CrossRef] [Google Scholar]
Calibasi Kocal G., Guven S., Foygel K., Goldman A., Chen P., Sengupta S., Paulmurugan R., Baskin Y., Demirci U. Dynamic Microenvironment Induces Phenotypic Plasticity of Esophageal Cancer Cells Under Flow. Sci. Rep. 2016;6:38221. doi: 10.1038/srep38221. [PMC free article] [PubMed] [CrossRef] [Google Scholar]
Tasoglu S., Gurkan U.A., Wang S., Demirci U. Manipulating biological agents and cells in micro-scale volumes for applications in medicine. Chem. Soc. Rev. 2013;42:5788–5808. doi: 10.1039/c3cs60042d. [PMC free article] [PubMed] [CrossRef] [Google Scholar]
Moon S., Gurkan U.A., Blander J., Fawzi W.W., Aboud S., Mugusi F., Kuritzkes D.R., Demirci U. Enumeration of CD4+ T-cells using a portable microchip count platform in Tanzanian HIV-infected patients. PLoS ONE. 2011;6:e21409. doi: 10.1371/journal.pone.0021409. [PMC free article] [PubMed] [CrossRef] [Google Scholar]
Luo Q., Kuang D., Zhang B., Song G. Cell stiffness determined by atomic force microscopy and its correlation with cell motility. Biochim Biophys Acta. 2016;1860:1953–1960. doi: 10.1016/j.bbagen.2016.06.010. [PubMed] [CrossRef] [Google Scholar]
Sarntinoranont M., Rooney F., Ferrari M. Interstitial Stress and Fluid Pressure Within a Growing Tumor. Ann. Biomed. Eng. 2003;31:327–335. doi: 10.1114/1.1554923. [PubMed] [CrossRef] [Google Scholar]
Baxter L.T., Jain R.K. Transport of fluid and macromolecules in tumors. I. Role of interstitial pressure and convection. Microvasc. Res. 1989;37:77–104. doi: 10.1016/0026-2862(89)90074-5. [PubMed] [CrossRef] [Google Scholar]
Malik R., Khan A.P., Asangani I.A., Cieślik M., Prensner J.R., Wang X., Iyer M.K., Jiang X., Borkin D., Escara-Wilke J., et al. Targeting the MLL complex in castration-resistant prostate cancer. Nat. Med. 2015;21:344. doi: 10.1038/nm.3830. [PMC free article] [PubMed] [CrossRef] [Google Scholar]
Nath S., Christian L., Tan S.Y., Ki S., Ehrlich L.I., Poenie M. Dynein Separately Partners with NDE1 and Dynactin To Orchestrate T Cell Focused Secretion. J. Immunol. 2016;197:2090–2101. doi: 10.4049/jimmunol.1600180. [PMC free article] [PubMed] [CrossRef] [Google Scholar]
Celli J.P., Rizvi I., Evans C.L., Abu-Yousif A.O., Hasan T. Quantitative imaging reveals heterogeneous growth dynamics and treatment-dependent residual tumor distributions in a three-dimensional ovarian cancer model. J. Biomed. Opt. 2010;15:051603. doi: 10.1117/1.3483903. [PMC free article] [PubMed] [CrossRef] [Google Scholar]
Rizvi I., Celli J.P., Evans C.L., Abu-Yousif A.O., Muzikansky A., Pogue B.W., Finkelstein D., Hasan T. Synergistic Enhancement of Carboplatin Efficacy with Photodynamic Therapy in a Three-Dimensional Model for Micrometastatic Ovarian Cancer. Cancer Res. 2010;70:9319–9328. doi: 10.1158/0008-5472.CAN-10-1783. [PMC free article] [PubMed] [CrossRef] [Google Scholar]
Glidden M.D., Celli J.P., Massodi I., Rizvi I., Pogue B.W., Hasan T. Image-Based Quantification of Benzoporphyrin Derivative Uptake, Localization, and Photobleaching in 3D Tumor Models, for Optimization of PDT Parameters. Theranostics. 2012;2:827–839. doi: 10.7150/thno.4334. [PMC free article] [PubMed] [CrossRef] [Google Scholar]
Celli J.P., Rizvi I., Blanden A.R., Massodi I., Glidden M.D., Pogue B.W., Hasan T. An imaging-based platform for high-content, quantitative evaluation of therapeutic response in 3D tumour models. Sci. Rep. 2014;4:3751. doi: 10.1038/srep03751. [PMC free article] [PubMed] [CrossRef] [Google Scholar]
Bulin A.L., Broekgaarden M., Hasan T. Comprehensive high-throughput image analysis for therapeutic efficacy of architecturally complex heterotypic organoids. Sci. Rep. 2017;7:16645. doi: 10.1038/s41598-017-16622-9. [PMC free article] [PubMed] [CrossRef] [Google Scholar]
Rahmanzadeh R., Rai P., Celli J.P., Rizvi I., Baron-Luhr B., Gerdes J., Hasan T. Ki-67 as a molecular target for therapy in an in vitro three-dimensional model for ovarian cancer. Cancer Res. 2010;70:9234–9242. doi: 10.1158/0008-5472.CAN-10-1190. [PMC free article] [PubMed] [CrossRef] [Google Scholar]
Anbil S., Rizvi I., Celli J.P., Alagic N., Pogue B.W., Hasan T. Impact of treatment response metrics on photodynamic therapy planning and outcomes in a three-dimensional model of ovarian cancer. J. Biomed. Opt. 2013;18:098004. doi: 10.1117/1.JBO.18.9.098004. [PMC free article] [PubMed] [CrossRef] [Google Scholar]
Di Pasqua A.J., Goodisman J., Dabrowiak J.C. Understanding how the platinum anticancer drug carboplatin works: From the bottle to the cell. Inorg. Chim. Acta. 2012;389:29–35. doi: 10.1016/j.ica.2012.01.028. [CrossRef] [Google Scholar]
Rabik C.A., Dolan M.E. Molecular mechanisms of resistance and toxicity associated with platinating agents. Cancer Treat. Rev. 2007;33:9–23. doi: 10.1016/j.ctrv.2006.09.006. [PMC free article] [PubMed] [CrossRef] [Google Scholar]
Ozols R.F. Carboplatin and paclitaxel in ovarian cancer. Semin. Oncol. 1995;22:78–83. [PubMed] [Google Scholar]
Neijt J.P., Lund B. Paclitaxel with carboplatin for the treatment of ovarian cancer. Semin. Oncol. 1996;23:2–4. [PubMed] [Google Scholar]
Subauste C.M., Pertz O., Adamson E.D., Turner C.E., Junger S., Hahn K.M. Vinculin modulation of paxillin–FAK interactions regulates ERK to control survival and motility. J. Cell Biol. 2004;165:371–381. doi: 10.1083/jcb.200308011. [PMC free article] [PubMed] [CrossRef] [Google Scholar]
Eke I., Cordes N. Focal adhesion signaling and therapy resistance in cancer. Semin. Cancer Biol. 2015;31:65–75. [PubMed] [Google Scholar]
McCubrey J.A., Steelman L.S., Chappell W.H., Abrams S.L., Wong E.W., Chang F., Lehmann B., Terrian D.M., Milella M., Tafuri A., et al. Roles of the Raf/MEK/ERK pathway in cell growth, malignant transformation and drug resistance. Biochim. Biophys. Acta. 2007;1773:1263–1284. doi: 10.1016/j.bbamcr.2006.10.001. [PMC free article] [PubMed] [CrossRef] [Google Scholar]
Duska L.R., Hamblin M.R., Miller J.L., Hasan T. Combination photoimmunotherapy and cisplatin: Effects on human ovarian cancer ex vivo. J. Natl. Cancer Inst. 1999;91:1557–1563. doi: 10.1093/jnci/91.18.1557. [PubMed] [CrossRef] [Google Scholar]
Spring B., Mai Z., Rai P., Chang S., Hasan T. Theranostic nanocells for simultaneous imaging and photodynamic therapy of pancreatic cancer. Proc. SPIE. 2010;7551:755104. [Google Scholar]
Kessel D., Oleinick N.L. Photodynamic therapy and cell death pathways. Methods Mol. Biol. 2010;635:35–46. doi: 10.1007/978-1-60761-697-9_3. [PMC free article] [PubMed] [CrossRef] [Google Scholar]
Van Dongen G.A., Visser G.W., Vrouenraets M.B. Photosensitizer-antibody conjugates for detection and therapy of cancer. Adv. Drug Deliv. Rev. 2004;56:31–52. doi: 10.1016/j.addr.2003.09.003. [PubMed] [CrossRef] [Google Scholar]
Ayhan A., Gultekin M., Taskiran C., Dursun P., Firat P., Bozdag G., Celik N.Y., Yuce K. Ascites and epithelial ovarian cancers: A reappraisal with respect to different aspects. Int. J. Gynecol. Cancer. 2007;17:68–75. doi: 10.1111/j.1525-1438.2006.00777.x. [PubMed] [CrossRef] [Google Scholar]
Shen-Gunther J., Mannel R.S. Ascites as a predictor of ovarian malignancy. Gynecol. Oncol. 2002;87:77–83. doi: 10.1006/gyno.2002.6800. [PubMed] [CrossRef] [Google Scholar]
Pourgholami M.H., Ataie-Kachoie P., Badar S., Morris D.L. Minocycline inhibits malignant ascites of ovarian cancer through targeting multiple signaling pathways. Gynecol. Oncol. 2013;129:113–119. doi: 10.1016/j.ygyno.2012.12.031. [PubMed] [CrossRef] [Google Scholar]
Shender V., Arapidi G., Butenko I., Anikanov N., Ivanova O., Govorun V. Peptidome profiling dataset of ovarian cancer and non-cancer proximal fluids: Ascites and blood sera. Data Brief. 2019;22:557–562. doi: 10.1016/j.dib.2018.12.056. [PMC free article] [PubMed] [CrossRef] [Google Scholar]
Becker G., Galandi D., Blum H.E. Malignant ascites: Systematic review and guideline for treatment. Eur. J. Cancer. 2006;42:589–597. doi: 10.1016/j.ejca.2005.11.018. [PubMed] [CrossRef] [Google Scholar]
Huang H., Li Y.J., Lan C.Y., Huang Q.D., Feng Y.L., Huang Y.W., Liu J.H. Clinical significance of ascites in epithelial ovarian cancer. Neoplasma. 2013;60:546–552. doi: 10.4149/neo_2013_071. [PubMed] [CrossRef] [Google Scholar]
Blagden S.P. Harnessing Pandemonium: The Clinical Implications of Tumor Heterogeneity in Ovarian Cancer. Front. Oncol. 2015;5:149. doi: 10.3389/fonc.2015.00149. [PMC free article] [PubMed] [CrossRef] [Google Scholar]
Ahmed N., Latifi A., Riley C.B., Findlay J.K., Quinn M.A. Neuronal transcription factor Brn-3a(l) is over expressed in high-grade ovarian carcinomas and tumor cells from ascites of patients with advanced-stage ovarian cancer. J. Ovarian Res. 2010;3:17. doi: 10.1186/1757-2215-3-17. [PMC free article] [PubMed] [CrossRef] [Google Scholar]
Mahmood N., Mihalcioiu C., Rabbani S.A. Multifaceted Role of the Urokinase-Type Plasminogen Activator (uPA) and Its Receptor (uPAR): Diagnostic, Prognostic, and Therapeutic Applications. Front. Oncol. 2018;8:24. doi: 10.3389/fonc.2018.00024. [PMC free article] [PubMed] [CrossRef] [Google Scholar]
Jeffrey B., Udaykumar H.S., Schulze K.S. Flow fields generated by peristaltic reflex in isolated guinea pig ileum: Impact of contraction depth and shoulders. Am. J. Physiol. Gastrointest. Liver Physiol. 2003;285:G907–G918. doi: 10.1152/ajpgi.00062.2003. [PubMed] [CrossRef] [Google Scholar]
Nagy J.A., Herzberg K.T., Dvorak J.M., Dvorak H.F. Pathogenesis of malignant ascites formation: Initiating events that lead to fluid accumulation. Cancer Res. 1993;53:2631–2643. [PubMed] [Google Scholar]
Ahmed N., Abubaker K., Findlay J., Quinn M. Epithelial mesenchymal transition and cancer stem cell-like phenotypes facilitate chemoresistance in recurrent ovarian cancer. Curr. Cancer Drug Targets. 2010;10:268–278. doi: 10.2174/156800910791190175. [PubMed] [CrossRef] [Google Scholar]
Latifi A., Abubaker K., Castrechini N., Ward A.C., Liongue C., Dobill F., Kumar J., Thompson E.W., Quinn M.A., Findlay J.K., et al. Cisplatin treatment of primary and metastatic epithelial ovarian carcinomas generates residual cells with mesenchymal stem cell-like profile. J. Cell Biochem. 2011;112:2850–2864. doi: 10.1002/jcb.23199. [PubMed] [CrossRef] [Google Scholar]
Chan D.W., Hui W.W., Cai P.C., Liu M.X., Yung M.M., Mak C.S., Leung T.H., Chan K.K., Ngan H.Y. Targeting GRB7/ERK/FOXM1 signaling pathway impairs aggressiveness of ovarian cancer cells. PLoS ONE. 2012;7:e52578. doi: 10.1371/journal.pone.0052578. [PMC free article] [PubMed] [CrossRef] [Google Scholar]
Mebratu Y., Tesfaigzi Y. How ERK1/2 activation controls cell proliferation and cell death: Is subcellular localization the answer? Cell Cycle. 2009;8:1168–1175. doi: 10.4161/cc.8.8.8147. [PMC free article] [PubMed] [CrossRef] [Google Scholar]
Zebisch A., Czernilofsky A.P., Keri G., Smigelskaite J., Sill H., Troppmair J. Signaling through RAS-RAF-MEK-ERK: From basics to bedside. Curr. Med. Chem. 2007;14:601–623. doi: 10.2174/092986707780059670. [PubMed] [CrossRef] [Google Scholar]
Jo H., Sipos K., Go Y.M., Law R., Rong J., McDonald J.M. Differential effect of shear stress on extracellular signal-regulated kinase and N-terminal Jun kinase in endothelial cells. Gi2- and Gbeta/gamma-dependent signaling pathways. J. Biol. Chem. 1997;272:1395–1401. doi: 10.1074/jbc.272.2.1395. [PubMed] [CrossRef] [Google Scholar]
Surapisitchat J., Hoefen R.J., Pi X., Yoshizumi M., Yan C., Berk B.C. Fluid shear stress inhibits TNF-alpha activation of JNK but not ERK1/2 or p38 in human umbilical vein endothelial cells: Inhibitory crosstalk among MAPK family members. Proc. Natl. Acad. Sci. USA. 2001;98:6476–6481. doi: 10.1073/pnas.101134098. [PMC free article] [PubMed] [CrossRef] [Google Scholar]
Kim C.H., Jeung E.B., Yoo Y.M. Combined Fluid Shear Stress and Melatonin Enhances the ERK/Akt/mTOR Signal in Cilia-Less MC3T3-E1 Preosteoblast Cells. Int. J. Mol. Sci. 2018;19:2929. doi: 10.3390/ijms19102929. [PMC free article] [PubMed] [CrossRef] [Google Scholar]
Persons D.L., Yazlovitskaya E.M., Cui W., Pelling J.C. Cisplatin-induced activation of mitogen-activated protein kinases in ovarian carcinoma cells: Inhibition of extracellular signal-regulated kinase activity increases sensitivity to cisplatin. Clin. Cancer Res. 1999;5:1007–1014. [PubMed] [Google Scholar]
Hayakawa J., Ohmichi M., Kurachi H., Ikegami H., Kimura A., Matsuoka T., Jikihara H., Mercola D., Murata Y. Inhibition of extracellular signal-regulated protein kinase or c-Jun N-terminal protein kinase cascade, differentially activated by cisplatin, sensitizes human ovarian cancer cell line. J. Biol. Chem. 1999;274:31648–31654. doi: 10.1074/jbc.274.44.31648. [PubMed] [CrossRef] [Google Scholar]
Yeh P.Y., Chuang S.E., Yeh K.H., Song Y.C., Ea C.K., Cheng A.L. Increase of the resistance of human cervical carcinoma cells to cisplatin by inhibition of the MEK to ERK signaling pathway partly via enhancement of anticancer drug-induced NF kappa B activation. Biochem. Pharmacol. 2002;63:1423–1430. doi: 10.1016/S0006-2952(02)00908-5. [PubMed] [CrossRef] [Google Scholar]
Wang X., Martindale J.L., Holbrook N.J. Requirement for ERK activation in cisplatin-induced apoptosis. J. Biol. Chem. 2000;275:39435–39443. doi: 10.1074/jbc.M004583200. [PubMed] [CrossRef] [Google Scholar]
Qin X., Liu C., Zhou Y., Wang G. Cisplatin induces programmed death-1-ligand 1(PD-L1) over-expression in hepatoma H22 cells via Erk /MAPK signaling pathway. Cell Mol. Biol. 2010;56:OL1366-72. doi: 10.1170/156. [PubMed] [CrossRef] [Google Scholar]
Basu A., Tu H. Activation of ERK during DNA damage-induced apoptosis involves protein kinase Cdelta. Biochem. Biophys. Res. Commun. 2005;334:1068–1073. doi: 10.1016/j.bbrc.2005.06.199. [PubMed] [CrossRef] [Google Scholar]
Nowak G. Protein kinase C-alpha and ERK1/2 mediate mitochondrial dysfunction, decreases in active Na+ transport, and cisplatin-induced apoptosis in renal cells. J. Biol. Chem. 2002;277:43377–43388. doi: 10.1074/jbc.M206373200. [PMC free article] [PubMed] [CrossRef] [Google Scholar]
Chaudhury A., Tan B.J., Das S., Chiu G.N. Increased ERK activation and cellular drug accumulation in the enhanced cytotoxicity of folate receptor-targeted liposomal carboplatin. Int. J. Oncol. 2012;40:703–710. doi: 10.3892/ijo.2011.1262. [PubMed] [CrossRef] [Google Scholar]
Lok G.T., Chan D.W., Liu V.W., Hui W.W., Leung T.H., Yao K.M., Ngan H.Y. Aberrant activation of ERK/FOXM1 signaling cascade triggers the cell migration/invasion in ovarian cancer cells. PLoS ONE. 2011;6:e23790. doi: 10.1371/journal.pone.0023790. [PMC free article] [PubMed] [CrossRef] [Google Scholar]
Lafky J.M., Wilken J.A., Baron A.T., Maihle N.J. Clinical implications of the ErbB/epidermal growth factor (EGF) receptor family and its ligands in ovarian cancer. Biochim. Biophys. Acta. 2008;1785:232–265. doi: 10.1016/j.bbcan.2008.01.001. [PubMed] [CrossRef] [Google Scholar]
Secord A.A., Blessing J.A., Armstrong D.K., Rodgers W.H., Miner Z., Barnes M.N., Lewandowski G., Mannel R.S., Gynecologic Oncology G. Phase II trial of cetuximab and carboplatin in relapsed platinum-sensitive ovarian cancer and evaluation of epidermal growth factor receptor expression: A Gynecologic Oncology Group study. Gynecol. Oncol. 2008;108:493–499. doi: 10.1016/j.ygyno.2007.11.029. [PMC free article] [PubMed] [CrossRef] [Google Scholar]
Bae G.-Y., Choi S.-J., Lee J.-S., Jo J., Lee J., Kim J., Cha H.-J. Loss of E-cadherin activates EGFR-MEK/ERK signaling, which promotes invasion via the ZEB1/MMP2 axis in non-small cell lung cancer. Oncotarget. 2013;4:2512. doi: 10.18632/oncotarget.1463. [PMC free article] [PubMed] [CrossRef] [Google Scholar]
Pece S., Gutkind J.S. Signaling from E-cadherins to the MAPK pathway by the recruitment and activation of epidermal growth factor receptors upon cell-cell contact formation. J. Biol. Chem. 2000;275:41227–41233. doi: 10.1074/jbc.M006578200. [PubMed] [CrossRef] [Google Scholar]
Lifschitz-Mercer B., Czernobilsky B., Feldberg E., Geiger B. Expression of the adherens junction protein vinculin in human basal and squamous cell tumors: Relationship to invasiveness and metastatic potential. Hum. Pathol. 1997;28:1230–1236. doi: 10.1016/S0046-8177(97)90195-7. [PubMed] [CrossRef] [Google Scholar]
Raz A., Geiger B. Altered organization of cell-substrate contacts and membrane-associated cytoskeleton in tumor cell variants exhibiting different metastatic capabilities. Cancer Res. 1982;42:5183–5190. [PubMed] [Google Scholar]
Fukada T., Sakajiri H., Kuroda M., Kioka N., Sugimoto K. Fluid shear stress applied by orbital shaking induces MG-63 osteosarcoma cells to activate ERK in two phases through distinct signaling pathways. Biochem. Biophys. Rep. 2017;9:257–265. doi: 10.1016/j.bbrep.2017.01.004. [PMC free article] [PubMed] [CrossRef] [Google Scholar]
Wu D.W., Wu T.C., Wu J.Y., Cheng Y.W., Chen Y.C., Lee M.C., Chen C.Y., Lee H. Phosphorylation of paxillin confers cisplatin resistance in non-small cell lung cancer via activating ERK-mediated Bcl-2 expression. Oncogene. 2014;33:4385–4395. doi: 10.1038/onc.2013.389. [PubMed] [CrossRef] [Google Scholar]
Kessel D. Apoptosis and associated phenomena as a determinants of the efficacy of photodynamic therapy. Photochem. Photobiol. Sci. 2015;14:1397–1402. doi: 10.1039/C4PP00413B. [PMC free article] [PubMed] [CrossRef] [Google Scholar]
Agostinis P., Berg K., Cengel K.A., Foster T.H., Girotti A.W., Gollnick S.O., Hahn S.M., Hamblin M.R., Juzeniene A., Kessel D., et al. Photodynamic therapy of cancer: An update. CA Cancer J. Clin. 2011;61:250–281. doi: 10.3322/caac.20114. [PMC free article] [PubMed] [CrossRef] [Google Scholar]
Sorrin A.J., Ruhi M.K., Ferlic N.A., Karimnia V., Polacheck W.J., Celli J.P., Huang H.C., Rizvi I. Photodynamic Therapy and the Biophysics of the Tumor Microenvironment. Photochem. Photobiol. 2020 doi: 10.1111/php.13209. [PMC free article] [PubMed] [CrossRef] [Google Scholar]
Niu C.J., Fisher C., Scheffler K., Wan R., Maleki H., Liu H., Sun Y., C A.S., Birngruber R., Lilge L. Polyacrylamide gel substrates that simulate the mechanical stiffness of normal and malignant neuronal tissues increase protoporphyin IX synthesis in glioma cells. J. Biomed. Opt. 2015;20:098002. doi: 10.1117/1.JBO.20.9.098002. [PubMed] [CrossRef] [Google Scholar]
Perentes J.Y., Wang Y., Wang X., Abdelnour E., Gonzalez M., Decosterd L., Wagnieres G., Van den Bergh H., Peters S., Ris H.B., et al. Low-Dose Vascular Photodynamic Therapy Decreases Tumor Interstitial Fluid Pressure, which Promotes Liposomal Doxorubicin Distribution in a Murine Sarcoma Metastasis Model. Transl. Oncol. 2014;7 doi: 10.1016/j.tranon.2014.04.010. [PMC free article] [PubMed] [CrossRef] [Google Scholar]
Leunig M., Goetz A.E., Gamarra F., Zetterer G., Messmer K., Jain R.K. Photodynamic therapy-induced alterations in interstitial fluid pressure, volume and water content of an amelanotic melanoma in the hamster. Br. J. Cancer. 1994;69:101–103. doi: 10.1038/bjc.1994.15. [PMC free article] [PubMed] [CrossRef] [Google Scholar]
Foster T.H., Murant R.S., Bryant R.G., Knox R.S., Gibson S.L., Hilf R. Oxygen consumption and diffusion effects in photodynamic therapy. Radiat Res. 1991;126:296–303. doi: 10.2307/3577919. [PubMed] [CrossRef] [Google Scholar]
Foster T.H., Hartley D.F., Nichols M.G., Hilf R. Fluence rate effects in photodynamic therapy of multicell tumor spheroids. Cancer Res. 1993;53:1249–1254. [PubMed] [Google Scholar]
Nichols M.G., Foster T.H. Oxygen diffusion and reaction kinetics in the photodynamic therapy of multicell tumour spheroids. Phys. Med. Biol. 1994;39:2161–2181. doi: 10.1088/0031-9155/39/12/003. [PubMed] [CrossRef] [Google Scholar]
Cavin S., Wang X., Zellweger M., Gonzalez M., Bensimon M., Wagnieres G., Krueger T., Ris H.B., Gronchi F., Perentes J.Y. Interstitial fluid pressure: A novel biomarker to monitor photo-induced drug uptake in tumor and normal tissues. Lasers Surg. Med. 2017;49:773–780. doi: 10.1002/lsm.22687. [PubMed] [CrossRef] [Google Scholar]
Garcia Calavia P., Chambrier I., Cook M.J., Haines A.H., Field R.A., Russell D.A. Targeted photodynamic therapy of breast cancer cells using lactose-phthalocyanine functionalized gold nanoparticles. J. Colloid Interface Sci. 2018;512:249–259. doi: 10.1016/j.jcis.2017.10.030. [PubMed] [CrossRef] [Google Scholar]
Kato T., Jin C.S., Ujiie H., Lee D., Fujino K., Wada H., Hu H.P., Weersink R.A., Chen J., Kaji M., et al. Nanoparticle targeted folate receptor 1-enhanced photodynamic therapy for lung cancer. Lung Cancer. 2017;113:59–68. doi: 10.1016/j.lungcan.2017.09.002. [PubMed] [CrossRef] [Google Scholar]
Sebak A.A., Gomaa I.E.O., ElMeshad A.N., AbdelKader M.H. Targeted photodynamic-induced singlet oxygen production by peptide-conjugated biodegradable nanoparticles for treatment of skin melanoma. Photodiagnosis Photodyn. Ther. 2018;23:181–189. doi: 10.1016/j.pdpdt.2018.05.017. [PubMed] [CrossRef] [Google Scholar]
Fernandes S.R.G., Fernandes R., Sarmento B., Pereira P.M.R., Tome J.P.C. Photoimmunoconjugates: Novel synthetic strategies to target and treat cancer by photodynamic therapy. Org. Biomol. Chem. 2019;17:2579–2593. doi: 10.1039/C8OB02902D. [PubMed] [CrossRef] [Google Scholar]
Hamblin M.R., Miller J.L., Hasan T. Effect of charge on the interaction of site-specific photoimmunoconjugates with human ovarian cancer cells. Cancer Res. 1996;56:5205–5210. [PubMed] [Google Scholar]
Flont M., Jastrzebska E., Brzozka Z. Synergistic effect of the combination therapy on ovarian cancer cells under microfluidic conditions. Anal. Chim. Acta. 2020;1100:138–148. doi: 10.1016/j.aca.2019.11.047. [PubMed] [CrossRef] [Google Scholar]
Cristina González Fernández,1 Jenifer Gómez Pastora,2 Arantza Basauri,1 Marcos Fallanza,1 Eugenio Bringas,1 Jeffrey J. Chalmers,2 and Inmaculada Ortiz1,* Author information Article notes Copyright and License information Disclaimer
생체 유체에서 자성 입자의 연속 흐름 분리 : 마이크로 장치 형상이 분리 성능을 어떻게 결정합니까?
Abstract
The use of functionalized magnetic particles for the detection or separation of multiple chemicals and biomolecules from biofluids continues to attract significant attention. After their incubation with the targeted substances, the beads can be magnetically recovered to perform analysis or diagnostic tests. Particle recovery with permanent magnets in continuous-flow microdevices has gathered great attention in the last decade due to the multiple advantages of microfluidics. As such, great efforts have been made to determine the magnetic and fluidic conditions for achieving complete particle capture; however, less attention has been paid to the effect of the channel geometry on the system performance, although it is key for designing systems that simultaneously provide high particle recovery and flow rates. Herein, we address the optimization of Y-Y-shaped microchannels, where magnetic beads are separated from blood and collected into a buffer stream by applying an external magnetic field. The influence of several geometrical features (namely cross section shape, thickness, length, and volume) on both bead recovery and system throughput is studied. For that purpose, we employ an experimentally validated Computational Fluid Dynamics (CFD) numerical model that considers the dominant forces acting on the beads during separation. Our results indicate that rectangular, long devices display the best performance as they deliver high particle recovery and high throughput. Thus, this methodology could be applied to the rational design of lab-on-a-chip devices for any magnetically driven purification, enrichment or isolation.
생체 유체에서 여러 화학 물질과 생체 분자의 검출 또는 분리를 위한 기능화된 자성 입자의 사용은 계속해서 상당한 관심을 받고 있습니다. 표적 물질과 함께 배양 한 후 비드는 자기적으로 회수되어 분석 또는 진단 테스트를 수행 할 수 있습니다.
연속 흐름 마이크로 장치에서 영구 자석을 사용한 입자 회수는 마이크로 유체의 여러 장점으로 인해 지난 10 년 동안 큰 관심을 모았습니다. 따라서 완전한 입자 포획을 달성하기 위한 자기 및 유체 조건을 결정하기 위해 많은 노력을 기울였습니다.
그러나 높은 입자 회수율과 유속을 동시에 제공하는 시스템을 설계하는데 있어 핵심이기는 하지만 시스템 성능에 대한 채널 형상의 영향에 대해서는 덜 주의를 기울였습니다.
여기에서 우리는 자기 비드가 혈액에서 분리되어 외부 자기장을 적용하여 버퍼 스트림으로 수집되는 Y-Y 모양의 마이크로 채널의 최적화를 다룹니다. 비드 회수 및 시스템 처리량에 대한 여러 기하학적 특징 (즉, 단면 형상, 두께, 길이 및 부피)의 영향을 연구합니다.
이를 위해 분리 중에 비드에 작용하는 지배적인 힘을 고려하는 실험적으로 검증된 CFD (Computational Fluid Dynamics) 수치 모델을 사용합니다.
우리의 결과는 직사각형의 긴 장치가 높은 입자 회수율과 높은 처리량을 제공하기 때문에 최고의 성능을 보여줍니다. 따라서 이 방법론은 자기 구동 정제, 농축 또는 분리를 위한 랩 온어 칩 장치의 합리적인 설계에 적용될 수 있습니다.
Figure 1
(a) Top view of the microfluidic-magnetophoretic device, (b) Schematic representation of the channel cross-sections studied in this work, and (c) the magnet position relative to the channel location (Sepy and Sepz are the magnet separation distances in y and z, respectively).Figure 2. (a) Channel-magnet configuration and (b–d) magnetic force distribution in the channel
midplane for 2 mm, 5 mm and 10 mm long rectangular (left) and U-shaped (right) devices. Figure 3. (a) Velocity distribution in a section perpendicular to the flow for rectangular (left) and Ushaped (right) cross section channels, and (b) particle location in these cross sections.Figure 4. Influence of fluid flow rate on particle recovery when the applied magnetic force is (a)
different and (b) equal in U-shaped and rectangular cross section microdevices. Figure 5. Magnetic bead capture as a function of fluid flow rate for all of the studied geometries.Figure 6. Influence of (a) magnetic and fluidic forces (J parameter) and (b) channel geometry (θ
parameter) on particle recovery. Note that U-2mm does not accurately fit a line. Figure 7. Dependence of bead capture on the (a) functional channel volume, and (b) particle residence
time (tres). Note that in the curve fitting expressions V represents the functional channel volume and
that U-2mm does not accurately fit a line.
Gómez-Pastora J., Xue X., Karampelas I.H., Bringas E., Furlani E.P., Ortiz I. Analysis of separators for magnetic beads recovery: From large systems to multifunctional microdevices. Sep. Purif. Technol. 2017;172:16–31. doi: 10.1016/j.seppur.2016.07.050. [CrossRef] [Google Scholar]
Wise N., Grob T., Morten K., Thompson I., Sheard S. Magnetophoretic velocities of superparamagnetic particles, agglomerates and complexes. J. Magn. Magn. Mater. 2015;384:328–334. doi: 10.1016/j.jmmm.2015.02.031. [CrossRef] [Google Scholar]
Khashan S.A., Elnajjar E., Haik Y. CFD simulation of the magnetophoretic separation in a microchannel. J. Magn. Magn. Mater. 2011;323:2960–2967. doi: 10.1016/j.jmmm.2011.06.001. [CrossRef] [Google Scholar]
Khashan S.A., Furlani E.P. Scalability analysis of magnetic bead separation in a microchannel with an array of soft magnetic elements in a uniform magnetic field. Sep. Purif. Technol. 2014;125:311–318. doi: 10.1016/j.seppur.2014.02.007. [CrossRef] [Google Scholar]
Furlani E.P. Magnetic biotransport: Analysis and applications. Materials. 2010;3:2412–2446. doi: 10.3390/ma3042412. [CrossRef] [Google Scholar]
Gómez-Pastora J., Bringas E., Ortiz I. Design of novel adsorption processes for the removal of arsenic from polluted groundwater employing functionalized magnetic nanoparticles. Chem. Eng. Trans. 2016;47:241–246. [Google Scholar]
Gómez-Pastora J., Bringas E., Lázaro-Díez M., Ramos-Vivas J., Ortiz I. The reverse of controlled release: Controlled sequestration of species and biotoxins into nanoparticles (NPs) In: Stroeve P., Mahmoudi M., editors. Drug Delivery Systems. World Scientific; Hackensack, NJ, USA: 2017. pp. 207–244. [Google Scholar]
Ruffert C. Magnetic bead-magic bullet. Micromachines. 2016;7:21. doi: 10.3390/mi7020021. [PMC free article] [PubMed] [CrossRef] [Google Scholar]
Yáñez-Sedeño P., Campuzano S., Pingarrón J.M. Magnetic particles coupled to disposable screen printed transducers for electrochemical biosensing. Sensors. 2016;16:1585. doi: 10.3390/s16101585. [PMC free article] [PubMed] [CrossRef] [Google Scholar]
Schrittwieser S., Pelaz B., Parak W.J., Lentijo-Mozo S., Soulantica K., Dieckhoff J., Ludwig F., Guenther A., Tschöpe A., Schotter J. Homogeneous biosensing based on magnetic particle labels. Sensors. 2016;16:828. doi: 10.3390/s16060828. [PMC free article] [PubMed] [CrossRef] [Google Scholar]
He J., Huang M., Wang D., Zhang Z., Li G. Magnetic separation techniques in sample preparation for biological analysis: A review. J. Pharm. Biomed. Anal. 2014;101:84–101. doi: 10.1016/j.jpba.2014.04.017. [PubMed] [CrossRef] [Google Scholar]
Ha Y., Ko S., Kim I., Huang Y., Mohanty K., Huh C., Maynard J.A. Recent advances incorporating superparamagnetic nanoparticles into immunoassays. ACS Appl. Nano Mater. 2018;1:512–521. doi: 10.1021/acsanm.7b00025. [PMC free article] [PubMed] [CrossRef] [Google Scholar]
Gómez-Pastora J., González-Fernández C., Fallanza M., Bringas E., Ortiz I. Flow patterns and mass transfer performance of miscible liquid-liquid flows in various microchannels: Numerical and experimental studies. Chem. Eng. J. 2018;344:487–497. doi: 10.1016/j.cej.2018.03.110. [CrossRef] [Google Scholar]
Gale B.K., Jafek A.R., Lambert C.J., Goenner B.L., Moghimifam H., Nze U.C., Kamarapu S.K. A review of current methods in microfluidic device fabrication and future commercialization prospects. Inventions. 2018;3:60. doi: 10.3390/inventions3030060. [CrossRef] [Google Scholar]
Khashan S.A., Dagher S., Alazzam A., Mathew B., Hilal-Alnaqbi A. Microdevice for continuous flow magnetic separation for bioengineering applications. J. Micromech. Microeng. 2017;27:055016. doi: 10.1088/1361-6439/aa666d. [CrossRef] [Google Scholar]
Basauri A., Gomez-Pastora J., Fallanza M., Bringas E., Ortiz I. Predictive model for the design of reactive micro-separations. Sep. Purif. Technol. 2019;209:900–907. doi: 10.1016/j.seppur.2018.09.028. [CrossRef] [Google Scholar]
Abdollahi P., Karimi-Sabet J., Moosavian M.A., Amini Y. Microfluidic solvent extraction of calcium: Modeling and optimization of the process variables. Sep. Purif. Technol. 2020;231:115875. doi: 10.1016/j.seppur.2019.115875. [CrossRef] [Google Scholar]
Khashan S.A., Alazzam A., Furlani E. A novel design for a microfluidic magnetophoresis system: Computational study; Proceedings of the 12th International Symposium on Fluid Control, Measurement and Visualization (FLUCOME2013); Nara, Japan. 18–23 November 2013. [Google Scholar]
Pamme N. Magnetism and microfluidics. Lab Chip. 2006;6:24–38. doi: 10.1039/B513005K. [PubMed] [CrossRef] [Google Scholar]
Gómez-Pastora J., Amiri Roodan V., Karampelas I.H., Alorabi A.Q., Tarn M.D., Iles A., Bringas E., Paunov V.N., Pamme N., Furlani E.P., et al. Two-step numerical approach to predict ferrofluid droplet generation and manipulation inside multilaminar flow chambers. J. Phys. Chem. C. 2019;123:10065–10080. doi: 10.1021/acs.jpcc.9b01393. [CrossRef] [Google Scholar]
Gómez-Pastora J., Karampelas I.H., Bringas E., Furlani E.P., Ortiz I. Numerical analysis of bead magnetophoresis from flowing blood in a continuous-flow microchannel: Implications to the bead-fluid interactions. Sci. Rep. 2019;9:7265. doi: 10.1038/s41598-019-43827-x. [PMC free article] [PubMed] [CrossRef] [Google Scholar]
Tarn M.D., Pamme N. On-Chip Magnetic Particle-Based Immunoassays Using Multilaminar Flow for Clinical Diagnostics. In: Taly V., Viovy J.L., Descroix S., editors. Microchip Diagnostics Methods and Protocols. Humana Press; New York, NY, USA: 2017. pp. 69–83. [Google Scholar]
Phurimsak C., Tarn M.D., Peyman S.A., Greenman J., Pamme N. On-chip determination of c-reactive protein using magnetic particles in continuous flow. Anal. Chem. 2014;86:10552–10559. doi: 10.1021/ac5023265. [PubMed] [CrossRef] [Google Scholar]
Wu X., Wu H., Hu Y. Enhancement of separation efficiency on continuous magnetophoresis by utilizing L/T-shaped microchannels. Microfluid. Nanofluid. 2011;11:11–24. doi: 10.1007/s10404-011-0768-7. [CrossRef] [Google Scholar]
Vojtíšek M., Tarn M.D., Hirota N., Pamme N. Microfluidic devices in superconducting magnets: On-chip free-flow diamagnetophoresis of polymer particles and bubbles. Microfluid. Nanofluid. 2012;13:625–635. doi: 10.1007/s10404-012-0979-6. [CrossRef] [Google Scholar]
Gómez-Pastora J., González-Fernández C., Real E., Iles A., Bringas E., Furlani E.P., Ortiz I. Computational modeling and fluorescence microscopy characterization of a two-phase magnetophoretic microsystem for continuous-flow blood detoxification. Lab Chip. 2018;18:1593–1606. doi: 10.1039/C8LC00396C. [PubMed] [CrossRef] [Google Scholar]
Nandy K., Chaudhuri S., Ganguly R., Puri I.K. Analytical model for the magnetophoretic capture of magnetic microspheres in microfluidic devices. J. Magn. Magn. Mater. 2008;320:1398–1405. doi: 10.1016/j.jmmm.2007.11.024. [CrossRef] [Google Scholar]
Hale C., Darabi J. Magnetophoretic-based microfluidic device for DNA isolation. Biomicrofluidics. 2014;8:044118. doi: 10.1063/1.4893772. [PMC free article] [PubMed] [CrossRef] [Google Scholar]
Becker H., Gärtner C. Polymer microfabrication methods for microfluidic analytical applications. Electrophoresis. 2000;21:12–26. doi: 10.1002/(SICI)1522-2683(20000101)21:1<12::AID-ELPS12>3.0.CO;2-7. [PubMed] [CrossRef] [Google Scholar]
Pekas N., Zhang Q., Nannini M., Juncker D. Wet-etching of structures with straight facets and adjustable taper into glass substrates. Lab Chip. 2010;10:494–498. doi: 10.1039/B912770D. [PubMed] [CrossRef] [Google Scholar]
Wang T., Chen J., Zhou T., Song L. Fabricating microstructures on glass for microfluidic chips by glass molding process. Micromachines. 2018;9:269. doi: 10.3390/mi9060269. [PMC free article] [PubMed] [CrossRef] [Google Scholar]
Castaño-Álvarez M., Pozo Ayuso D.F., García Granda M., Fernández-Abedul M.T., Rodríguez García J., Costa-García A. Critical points in the fabrication of microfluidic devices on glass substrates. Sens. Actuators B Chem. 2008;130:436–448. doi: 10.1016/j.snb.2007.09.043. [CrossRef] [Google Scholar]
Prakash S., Kumar S. Fabrication of microchannels: A review. Proc. Inst. Mech. Eng. Part B J. Eng. Manuf. 2015;229:1273–1288. doi: 10.1177/0954405414535581. [CrossRef] [Google Scholar]
Leester-Schädel M., Lorenz T., Jürgens F., Ritcher C. Fabrication of Microfluidic Devices. In: Dietzel A., editor. Microsystems for Pharmatechnology: Manipulation of Fluids, Particles, Droplets, and Cells. Springer; Basel, Switzerland: 2016. pp. 23–57. [Google Scholar]
Bartlett N.W., Wood R.J. Comparative analysis of fabrication methods for achieving rounded microchannels in PDMS. J. Micromech. Microeng. 2016;26:115013. doi: 10.1088/0960-1317/26/11/115013. [CrossRef] [Google Scholar]
Ng P.F., Lee K.I., Yang M., Fei B. Fabrication of 3D PDMS microchannels of adjustable cross-sections via versatile gel templates. Polymers. 2019;11:64. doi: 10.3390/polym11010064. [PMC free article] [PubMed] [CrossRef] [Google Scholar]
Furlani E.P., Sahoo Y., Ng K.C., Wortman J.C., Monk T.E. A model for predicting magnetic particle capture in a microfluidic bioseparator. Biomed. Microdevices. 2007;9:451–463. doi: 10.1007/s10544-007-9050-x. [PubMed] [CrossRef] [Google Scholar]
Tarn M.D., Peyman S.A., Robert D., Iles A., Wilhelm C., Pamme N. The importance of particle type selection and temperature control for on-chip free-flow magnetophoresis. J. Magn. Magn. Mater. 2009;321:4115–4122. doi: 10.1016/j.jmmm.2009.08.016. [CrossRef] [Google Scholar]
Furlani E.P. Permanent Magnet and Electromechanical Devices; Materials, Analysis and Applications. Academic Press; Waltham, MA, USA: 2001. [Google Scholar]
White F.M. Viscous Fluid Flow. McGraw-Hill; New York, NY, USA: 1974. [Google Scholar]
Mathew B., Alazzam A., El-Khasawneh B., Maalouf M., Destgeer G., Sung H.J. Model for tracing the path of microparticles in continuous flow microfluidic devices for 2D focusing via standing acoustic waves. Sep. Purif. Technol. 2015;153:99–107. doi: 10.1016/j.seppur.2015.08.026. [CrossRef] [Google Scholar]
Furlani E.J., Furlani E.P. A model for predicting magnetic targeting of multifunctional particles in the microvasculature. J. Magn. Magn. Mater. 2007;312:187–193. doi: 10.1016/j.jmmm.2006.09.026. [CrossRef] [Google Scholar]
Furlani E.P., Ng K.C. Analytical model of magnetic nanoparticle transport and capture in the microvasculature. Phys. Rev. E. 2006;73:061919. doi: 10.1103/PhysRevE.73.061919. [PubMed] [CrossRef] [Google Scholar]
Eibl R., Eibl D., Pörtner R., Catapano G., Czermak P. Cell and Tissue Reaction Engineering. Springer; Berlin/Heidelberg, Germany: 2009. [Google Scholar]
Pamme N., Eijkel J.C.T., Manz A. On-chip free-flow magnetophoresis: Separation and detection of mixtures of magnetic particles in continuous flow. J. Magn. Magn. Mater. 2006;307:237–244. doi: 10.1016/j.jmmm.2006.04.008. [CrossRef] [Google Scholar]
Alorabi A.Q., Tarn M.D., Gómez-Pastora J., Bringas E., Ortiz I., Paunov V.N., Pamme N. On-chip polyelectrolyte coating onto magnetic droplets-Towards continuous flow assembly of drug delivery capsules. Lab Chip. 2017;17:3785–3795. doi: 10.1039/C7LC00918F. [PubMed] [CrossRef] [Google Scholar]
Zhang H., Guo H., Chen Z., Zhang G., Li Z. Application of PECVD SiC in glass micromachining. J. Micromech. Microeng. 2007;17:775–780. doi: 10.1088/0960-1317/17/4/014. [CrossRef] [Google Scholar]
Mourzina Y., Steffen A., Offenhäusser A. The evaporated metal masks for chemical glass etching for BioMEMS. Microsyst. Technol. 2005;11:135–140. doi: 10.1007/s00542-004-0430-3. [CrossRef] [Google Scholar]
Mata A., Fleischman A.J., Roy S. Fabrication of multi-layer SU-8 microstructures. J. Micromech. Microeng. 2006;16:276–284. doi: 10.1088/0960-1317/16/2/012. [CrossRef] [Google Scholar]
Su N. 8 2000 Negative Tone Photoresist Formulations 2002–2025. MicroChem Corporation; Newton, MA, USA: 2002. [Google Scholar]
Su N. 8 2000 Negative Tone Photoresist Formulations 2035–2100. MicroChem Corporation; Newton, MA, USA: 2002. [Google Scholar]
Fu C., Hung C., Huang H. A novel and simple fabrication method of embedded SU-8 micro channels by direct UV lithography. J. Phys. Conf. Ser. 2006;34:330–335. doi: 10.1088/1742-6596/34/1/054. [CrossRef] [Google Scholar]
Kazoe Y., Yamashiro I., Mawatari K., Kitamori T. High-pressure acceleration of nanoliter droplets in the gas phase in a microchannel. Micromachines. 2016;7:142. doi: 10.3390/mi7080142. [PMC free article] [PubMed] [CrossRef] [Google Scholar]
Sharp K.V., Adrian R.J., Santiago J.G., Molho J.I. Liquid flows in microchannels. In: Gad-el-Hak M., editor. MEMS: Introduction and Fundamentals. CRC Press; Boca Raton, FL, USA: 2006. pp. 10-1–10-46. [Google Scholar]
Oh K.W., Lee K., Ahn B., Furlani E.P. Design of pressure-driven microfluidic networks using electric circuit analogy. Lab Chip. 2012;12:515–545. doi: 10.1039/C2LC20799K. [PubMed] [CrossRef] [Google Scholar]
Bruus H. Theoretical Microfluidics. Oxford University Press; New York, NY, USA: 2008. [Google Scholar]
Beebe D.J., Mensing G.A., Walker G.M. Physics and applications of microfluidics in biology. Annu. Rev. Biomed. Eng. 2002;4:261–286. doi: 10.1146/annurev.bioeng.4.112601.125916. [PubMed] [CrossRef] [Google Scholar]
Yalikun Y., Tanaka Y. Large-scale integration of all-glass valves on a microfluidic device. Micromachines. 2016;7:83. doi: 10.3390/mi7050083. [PMC free article] [PubMed] [CrossRef] [Google Scholar]
Van Heeren H., Verhoeven D., Atkins T., Tzannis A., Becker H., Beusink W., Chen P. [(accessed on 9 March 2020)];Design Guideline for Microfluidic Device and Component Interfaces (Part 2) Version 3. Available online: http://www.makefluidics.com/en/design-guideline?id=7.
Scheuble N., Iles A., Wootton R.C.R., Windhab E.J., Fischer P., Elvira K.S. Microfluidic technique for the simultaneous quantification of emulsion instabilities and lipid digestion kinetics. Anal. Chem. 2017;89:9116–9123. doi: 10.1021/acs.analchem.7b01853. [PubMed] [CrossRef] [Google Scholar]
Lynch E.C. Red blood cell damage by shear stress. Biophys. J. 1972;12:257–273. [PMC free article] [PubMed] [Google Scholar]
Paul R., Apel J., Klaus S., Schügner F., Schwindke P., Reul H. Shear stress related blood damage in laminar Couette flow. Artif. Organs. 2003;27:517–529. doi: 10.1046/j.1525-1594.2003.07103.x. [PubMed] [CrossRef] [Google Scholar]
Gómez-Pastora J., Karampelas I.H., Xue X., Bringas E., Furlani E.P., Ortiz I. Magnetic bead separation from flowing blood in a two-phase continuous-flow magnetophoretic microdevice: Theoretical analysis through computational fluid dynamics simulation. J. Phys. Chem. C. 2017;121:7466–7477. doi: 10.1021/acs.jpcc.6b12835. [CrossRef] [Google Scholar]
Lim J., Yeap S.P., Leow C.H., Toh P.Y., Low S.C. Magnetophoresis of iron oxide nanoparticles at low field gradient: The role of shape anisotropy. J. Colloid Interface Sci. 2014;421:170–177. doi: 10.1016/j.jcis.2014.01.044. [PubMed] [CrossRef] [Google Scholar]
Culbertson C.T., Sibbitts J., Sellens K., Jia S. Fabrication of Glass Microfluidic Devices. In: Dutta D., editor. Microfluidic Electrophoresis: Methods and Protocols. Humana Press; New York, NY, USA: 2019. pp. 1–12. [Google Scholar]
하천 복원 노력을 지원하기 위해 우리는 하천 파괴 속도를 늦출 필요가 있습니다. 이 연구는 하천 곡률 보호를 위해 구불 구불 한 하천이 곧게 펴질 때 수리적 복잡성 손실에 대한 자세한 설명을 제공합니다.
전산 유체 역학 (CFD) 모델링을 사용하여 채널 곡률 (C)이 잘 확립된 사행 굽힘 (C = 0.77)에서 곡률이 없는 직선 채널 (C = 0)로 저하되는 9 개의 시뮬레이션에서 유동 역학의 차이를 문서화했습니다.
공변량을 제어하고 수리적 복잡성에 대한 손실률을 늦추기 위해 각 9 개 채널 구현은 동등한 베드 형태 지형을 가졌습니다. 분석된 수력학적 변수에는 흐름 표면 고도, 흐름 방향 및 횡단 단위 배출, 흐름 방향, 가로 방향 및 수직 방향의 유속, 베드 전단 응력, 흐름 함수 및 채널 베드에서의 수직 저 유량 유속 비율이 포함되었습니다.
수력 복잡성의 손실은 처음에 수로를 C = 0.77에서 C = 0.33 (즉, 수로의 반경이 수로 폭의 3 배임) 할 때 점차적으로 발생했으며, 추가 직선화는 수력 복잡성에 대한 급속한 손실을 초래했습니다.
다른 연구에서는 수리적 복잡성이 중요한 하천 서식지를 제공하고 생물 다양성과 양의 상관 관계가 있음을 보여주었습니다. 이 연구는 강을 풀 때 수력학적 복잡성이 점진적으로 사라졌다가 빠르게 사라지는 방법을 보여줍니다.
To assist river restoration efforts we need to slow the rate of river degradation. This study provides a detailed explanation of the hydraulic complexity loss when a meandering river is straightened in order to motivate the protection of river channel curvature. We used computational fluid dynamics (CFD) modeling to document the difference in flow dynamics in nine simulations with channel curvature (C) degrading from a well-established tight meander bend (C = 0.77) to a straight channel without curvature (C = 0). To control for covariates and slow the rate of loss to hydraulic complexity, each of the nine-channel realizations had equivalent bedform topography. The analyzed hydraulic variables included the flow surface elevation, streamwise and transverse unit discharge, flow velocity at streamwise, transverse, and vertical directions, bed shear stress, stream function, and the vertical hyporheic flux rates at the channel bed. The loss of hydraulic complexity occurred gradually when initially straightening the channel from C = 0.77 to C = 0.33 (i.e., the radius of the channel is three-times the channel width), and additional straightening incurred rapid losses to hydraulic complexity. Other studies have shown hydraulic complexity provides important riverine habitat and is positively correlated with biodiversity. This study demonstrates how hydraulic complexity can be gradually and then rapidly lost when unwinding a river, and hopefully will serve as a cautionary tale.
Figure 1. Geometries and bed topography settings of the nine computational fluid dynamics (CFD)
simulations with channel curvature (C) changed from 0.77 to 0Figure 2. Flow surface elevation (h) normalized by H at C = 0.77, C = 0.33, and C = 0 conditions.
n denotes the lateral coordination with n = 0 at channel center and B denotes the channel width.Figure 3. Normalized flow surface profiles for the nine simulations at the point bar apex 1.5 s/B.
The insert plot shows the second order derivative of normalized flow surface elevation in the transverse
direction, Fh00(n/B), which gives the convexity or concavity of the surface profile curves.Figure 4. Streamwise unit discharge qs/UH for channel curvature C = 0.77, 0.33, and 0 conditions.Figure 5. Transverse unit discharge qn/UH for channel curvature C = 0.77, 0.33, and 0 conditions.
Figure 6. Transverse unit discharge averaged over the transverse direction. The inset shows the R2 of transverse unit discharge < qn/UH > between each curvature, C, and the straight channel condition (C = 0, R2 = 1); a lower R2 suggests greater hydraulic complexity for transverse unit discharge.Figure 7. Normalized depth averaged streamwise velocity /U for channel curvature C = 0.77, 0.33, and 0 conditions.Figure 8. The first moment of normalized depth averaged streamwise velocity /U, which represents center of gravity of the streamwise flow distribution, along the channel. The inset shows the R2 of the first moment of /U between each curvature and the straight channel condition (C = 0, R2 = 1); a lower R2 suggests greater hydraulic complexity for the first moment of depth averaged streamwise velocity.Figure 9. Distribution of river channel bed shear Cf for channel curvature C = 0.77, 0.33, and 0 conditions.Figure 10. Normalized vertical hyporheic flux vzbed/U at 2 mm below sediment surface for channel curvature C = 0.77, 0.33, and 0 conditions. Positive indicates upwelling of groundwater into the river channel.Figure 11. Normalized vertical velocity /U for channel curvature C = 0.77, 0.33, and 0 conditions, with positive values upward flows, negative values downward flows.Figure 12. Transverse stream function distribution ψ/UBH reveals the secondary circulation of transverse flow cells rotating at the meander apex 1.5 s/B for channel curvature C = 0.77 (A), C = 0.33 (B), and C = 0 (C), with positive values representing clockwise rotation direction when facing upstream, and negative values representing counter-clockwise rotation when facing upstream.
References
Paper 422-H); U.S. Government Printing Office: Washington, DC, USA, 1966.
Wohl, E. Rivers in the Landscape; John Wiley & Sons: Hoboken, NJ, USA, 2020. [Google Scholar]
Dietrich, W.E.; Smith, J.D. Influence of the point bar on flow through curved channels. Water Resour. Res.1983, 19, 1173–1192. [Google Scholar] [CrossRef]
Harvey, J.W.; Bencala, K. The effects of streambed topography on surface-subsurface water exchange in mountains catchments. Water Resour. Res.1993, 29, 89–98. [Google Scholar] [CrossRef]
Bridge, J.S. Rivers and Floodplains: Forms, Processes, and Sedimentary Record; John Wiley & Sons: Hoboken, NJ, USA, 2009. [Google Scholar]
Vermeulen, B.; Hoitink, A.J.F.; Labeur, R.J. Flow structure caused by a local cross-sectional area increase and curvature in a sharp river bend. J. Geophys. Res. Earth Surf.2015, 120, 1771–1783. [Google Scholar] [CrossRef]
Konsoer, K.M.; Rhoads, B.L.; Best, J.L.; Langendoen, E.J.; Abad, J.D.; Parsons, D.R.; Garcia, M.H. Three-dimensional flow structure and bed morphology in large elongate meander loops with different outer bank roughness characteristics. Water Resour. Res.2016, 52, 9621–9641. [Google Scholar] [CrossRef]
Li, B.D.; Zhang, X.H.; Tang, H.S.; Tsubaki, R. Influence of deflection angles on flow behaviours in openchannel bends. J. Mt. Sci.2018, 15, 2292–2306. [Google Scholar] [CrossRef]
Gualtieri, C.; Abdi, R.; Ianniruberto, M.; Filizola, N.; Endreny, T.A. A 3D analysis of spatial habitat metrics about the confluence of Negro and Solimões rivers, Brazil. Ecohydrology2020, 13, e2166. [Google Scholar] [CrossRef]
Gualtieri, C.; Ianniruberto, M.; Filizola, N.; Santos, R.; Endreny, T. Hydraulic complexity at a large river confluence in the Amazon basin. Ecohydrology2017, 10, e1863. [Google Scholar] [CrossRef]
Kozarek, J.; Hession, W.; Dolloff, C.; Diplas, P. Hydraulic complexity metrics for evaluating in-stream brook trout habitat. J. Hydraul. Eng.2010, 136, 1067–1076. [Google Scholar] [CrossRef]
McCoy, E.D.; Bell, S.S.; Mushinsky, H.R. Habitat structure: Synthesis and perspectives. In Habitat Structure; Springer: Berlin, Germany, 1991; pp. 427–430. [Google Scholar]
Palmer, M.A.; Bernhardt, E.; Allan, J.; Lake, P.S.; Alexander, G.; Brooks, S.; Carr, J.; Clayton, S.; Dahm, C.; Follstad Shah, J.; et al. Standards for ecologically successful river restoration. J. Appl. Ecol.2005, 42, 208–217. [Google Scholar] [CrossRef]
Abad, J.D.; Rhoads, B.L.; Güneralp, İ.; García, M.H. Flow structure at different stages in a meander-bend with bendway weirs. J. Hydraul. Eng.2008, 134, 1052–1063. [Google Scholar] [CrossRef]
Constantinescu, G.; Koken, M.; Zeng, J. The structure of turbulent flow in an open channel bend of strong curvature with deformed bed: Insight provided by detached eddy simulation. Water Resour. Res.2011, 47. [Google Scholar] [CrossRef]
Sawyer, A.H.; Bayani Cardenas, M.; Buttles, J. Hyporheic exchange due to channel-spanning logs. Water Resour. Res.2011, 47. [Google Scholar] [CrossRef]
Zhou, T.; Endreny, T. Meander hydrodynamics initiated by river restoration deflectors. Hydrol. Process.2012, 26, 3378–3392. [Google Scholar] [CrossRef]
Hirt, C.W.; Nichols, B.D. Volume of fluid (VOF) method for the dynamics of free boundaries. J. Comput. Phys.1981, 39, 201–225. [Google Scholar] [CrossRef]
Van Balen, W.; Uijttewaal, W.; Blanckaert, K. Large-eddy simulation of a curved open-channel flow over topography. Phys. Fluids2010, 22, 075108. [Google Scholar] [CrossRef]
Blanckaert, K. Topographic steering, flow recirculation, velocity redistribution, and bed topography in sharp meander bends. Water Resour. Res.2010, 46. [Google Scholar] [CrossRef]
Zeng, J.; Constantinescu, G.; Blanckaert, K.; Weber, L. Flow and bathymetry in sharp open-channel bends: Experiments and predictions. Water Resour. Res.2008, 44. [Google Scholar] [CrossRef]
Elliott, A.H.; Brooks, N.H. Transfer of nonsorbing solutes to a streambed with bed forms: Laboratory experiments. Water Resour. Res.1997, 33, 137–151. [Google Scholar] [CrossRef]
Zhou, T.; Endreny, T.A. Reshaping of the hyporheic zone beneath river restoration structures: Flume and hydrodynamic experiments. Water Resour. Res.2013, 49, 5009–5020. [Google Scholar] [CrossRef]
Lane, S.; Bradbrook, K.; Richards, K.; Biron, P.; Roy, A. The application of computational fluid dynamics to natural river channels: Three-dimensional versus two-dimensional approaches. Geomorphology1999, 29, 1–20. [Google Scholar] [CrossRef]
Vardy, A. Fluid Principles; McGraw-Hill International Series in Civil Engineering; McGraw-Hill: London, UK, 1990. [Google Scholar]
Rozovskii, I.L. Flow of Water in Bends of Open Channels; Academy of Sciences of the Ukrainian SSR: Kiev, Ukraine, 1957. [Google Scholar]
Blanckaert, K.; De Vriend, H.J. Secondary flow in sharp open-channel bends. J. Fluid Mech.2004, 498, 353–380. [Google Scholar] [CrossRef]
Johannesson, H.; Parker, G. Linear theory of river meanders. River Meand.1989, 12, 181–213. [Google Scholar] [CrossRef]
Camporeale, C.; Perona, P.; Porporato, A.; Ridolfi, L. Hierarchy of models for meandering rivers and related morphodynamic processes. Rev. Geophys.2007, 45. [Google Scholar] [CrossRef]
He, L. Distribution of primary and secondary currents in sine-generated bends. Water SA2018, 44, 118–129. [Google Scholar] [CrossRef]
Liao, J.C.; Beal, D.N.; Lauder, G.V.; Triantafyllou, M.S. Fish exploiting vortices decrease muscle activity. Science2003, 302, 1566–1569. [Google Scholar] [CrossRef]
Crispell, J.K.; Endreny, T.A. Hyporheic exchange flow around constructed in-channel structures and implications for restoration design. Hydrol. Process.2009, 1168, 1158–1168. [Google Scholar] [CrossRef]
Hester, E.T.; Gooseff, M.N. Moving Beyond the Banks: Hyporheic Restoration Is Fundamental to Restoring Ecological Services and Functions of Streams. Environ. Sci. Technol.2010, 44, 1521–1525. [Google Scholar] [CrossRef]
지난 몇 년 동안 과학자와 엔지니어는 기초 연구와 유압 구조 계획에 3D 수리적 흐름 시뮬레이션을 점점 더 많이 사용해 왔다. 그러나 수력발전소 취수장 앞의 쓰레기통은 수치 시뮬레이션에 있어 특별한 문제를 나타낸다. 그 이유는 다른 건축 요소들에 비해 trash rack bars들의 기하학적 구조가 특히 단편화되었기 때문이다. 폐기물 랙 손실을 FLOW-3D로 3D 수리적 시뮬레이션에 포함시키기 위한 대안적 접근법으로 배플을 사용할 수 있다. 월디 외 연구진(Exsterreichische Wasser- und Abfallwichtschaft 67:1–2, 2015)은 그러한 배플이 쓰레기 수거함의 손실을 모형화하는 유망한 방법임을 입증했다. 서로 다른 개념의 이러한 비교는 계산면을 따라 그리드 방향을 갖는 수직 쓰레기장으로 제한되었다. 실제 논문은 각이 진 쓰레기 보관대의 배플을 이용하여 쓰레기 보관대 손실을 모델링하는 것에 초점을 맞추고 있으며, 따라서 월디 외 연구소의 조사를 업그레이드한다
Over the last years, scientists and engineers have used more and more 3D-numerical flow simulations for basic research and the planning of hydraulic constructions. However, trash racks in front of the intakes of hydroelectric power plants represent a particular problem for numerical simulations. The reason for this is the especially fragmented geometry of the trash rack bars in comparison to other construction elements. As an alternative approach to include trash rack losses into a 3D-numerical simulation with FLOW-3D a baffle can be used. Waldy et al. (Österreichische Wasser- und Abfallwirtschaft 67:1–2, 2015) demonstrated that such a baffle is a promising method to model the losses at trash racks. These comparisons of different concepts were limited to a vertical trash rack, which had its grid orientation along the computational plane. The actual paper focuses on the modelling of the trash rack losses by means of a baffle at an angled trash rack and thus upgrades the survey of Waldy et al. (Österreichische Wasser- und Abfallwirtschaft 67:1–2, 2015).
Vertikal geneigte Rechenstäbe mit Winkel a nach Definition von
Meusburger (2002) und b Seilrechen mit
Winkel dAbb. 2 Modellgeometrie, Grundriss (GR) und Schnitte für den geraden Rechen und exemplarisch der GR für den 30° geneigten
Rechen – Einheiten in [m]Abb. 3 Detail des Rechens am Vorversuch zum Seilrechen – Blick in Fließrichtung3D-Ansicht der Nullvariante, geneigter Rechen, d=30°, Netz N4 Zellenweise Auswertung der Wasserspiegelhöhen ohne Interpolation mit
MATLAB für die Nullvariante, geneigter Rechen, d=30°, Netz N4Auswertung Einfluss der Rechenneigung für Netz N4
쓰나미 진화, 전파 및 침수의 수치 모델링은 현상에 관련된 수많은 매개 변수로 인해 복잡합니다. 쓰나미 모션을 해결하는 숫자 코드의 성능과 흐름 및 속도 패턴을 평가하는 것이 중요합니다. NAMI DANCE는 긴 파도 모델링을 위해 개발된 계산 도구입니다.
쓰나미 생성, 전파 및 침수 메커니즘의 수치 모델링 및 효율적인 시각화를 제공하고 쓰나미 매개 변수를 계산합니다. 긴 파도 이론에서, 물 입자의 수직 움직임은 압력 분포에 영향을 미치지 않습니다.
이러한 근사치와 소홀히 하는 수직 가속을 기반으로 질량 보존 및 모멘텀 방정식은 2차원 깊이 평균 방정식으로 줄어듭니다. NAMI DANCE는 유한차 계산 방법을 사용하여 긴 파도 문제에서 선형 및 비선형 형태의 깊이 평균 얕은 수식을 해결합니다.
이 연구에서 NAMI DANCE는 미국 포틀랜드에서 열린 2015 년 국립 쓰나미 위험 완화 프로그램 (NTHMP) 연례 회의에서 논의된 벤치 마크 문제에 적용됩니다.
벤치마크 문제는 하나의 독방 파도가 해양 섬 특징이 있는 삼각형 모양의 선반을 전파하는 일련의 실험을 특징으로 합니다. 이 문제는 섬 부근에서 상세한 무료 표면 고도 및 속도 의 타임 시리즈를 제공합니다. 결과를 비교한 결과, NAMI DANCE는 긴 파도 진화, 전파, 증폭 및 쓰나미 전류를 만족스럽게 예측할 수 있음을 보여주었습니다.
쓰나미는 해저 지진, 수중 산사태, 화산 폭발 또는 큰 운석 파업으로 인한 해저의 갑작스런 움직임에 의해 생성되는 큰 파도입니다. 쓰나미 파도는이 현상의 가장 파괴적인 매개 변수로 받아 들여진다; 그러나 큰 파도 움직임에 의해 트리거되는 전류는 경우에 따라 매우 치명적일 수 있습니다.
분지 공명 및 기하학적 증폭은 폐쇄 된 분지에서 쓰나미 영향의 지역 배율에 대한 두 가지 합리적으로 잘 이해된 메커니즘이며, 일반적으로 항구 또는 항구에서 쓰나미 위험 잠재력을 추정 할 때 조사 되는 메커니즘입니다. 반면에 전류에 대한 이해력과 예측 능력은부족하다[1].
이 연구는 수치 도구를 사용하여 쓰나미 진화, 전파 및 증폭뿐만 아니라 쓰나미 전류의 추정에 2 차원 깊이 평균 얕은 물 방정식의 충분성을 조사하는 것을 목표로; 즉 나미 댄스. 1970 년대 이후, 독방 파도는 일반적으로 실험 및 수학 연구에서, 쓰나미를 모델링하는 데 사용되었습니다[2].
이러한 점에서 수치 코드는 복잡한 목욕을 통해 단일 독방 파도의 진화와 전파에 초점을 맞춘 벤치마크 문제에 적용됩니다. 이 문제는 선반의 근해에 위치한 섬 특징이 있는 삼각형 모양의 선반을 전파할 때 단일 고독한 파도의 변형을 분석하는 일련의 실험을 설명합니다. 섬 부근에 형성되는 해류도 실험에서 조사된다.
이 연구에 사용된 벤치마크 문제는 미국 포틀랜드에서 개최된 2015 년 국립 쓰나미 위험 완화 프로그램 (NTHMP) 워크샵의 벤치마크 문제 #5.3]. 벤치마크 데이터와 수치 결과를 비교하여 2차원 깊이 평균 얕은 수식은 쓰나미 파도 진화와 해류에 대해 만족스러운 결과를 제공하므로 쓰나미 완화 전략을 결정하는 동안 사용하기에 충분한 도구임을 관찰합니다.
Figure 1. The bathymetry provided with the benchmark problem.Figure 2. Model parameters: (a) bathymetry of the numerical model, NAMI DANCE; (b) incoming wave.Figure 3. Comparison of free surface elevation (FSE) results: (a) X = 7.5 m and Y = 0.0 m at Gage 1; (b) X = 13.0 m and Y = 0.0 m at Gage 2; (c) X = 21.0 m and Y = 0.0 m at Gage 3; (d) X = 7.5 m and Y = 5.0 m at Gage 4; (e) X = 13.0 m and Y = 5.0 m at Gage 5; (f) X = 21.0 m and Y = 5.0 m at Gage 6; (g) X = 25.0 m and Y = 0.0 m at Gage 7; (h) X = 25.0 m and Y = 5.0 m at Gage 8. Black line represents benchmark data, red line represents numerical results.Figure 4. Comparison of results: (a) horizontal velocity in x-direction, U, recorded at X = 13.0 m, Y = 0.0 m and Z = 0.75 m at Gage 2; (b) horizontal velocity in y-direction, V, recorded at X = 13.0 m, Y = 0.0 m and Z = 0.75 m at Gage 2; (c) horizontal velocity in x-direction, U, recorded at X = 21.0 m, Y = −5.0 m and Z = 0.77 m at Gage 9; (d) horizontal velocity in y-direction, V, recorded at X = 21.0 m, Y = −5.0 m and Z = 0.77 m at Gage 9. Black line represents benchmark data, red line represents numerical results.
References
Lynett, P.J.; Borrero, J.C.; Weiss, R.; Son, S.; Greer, D.; Renteria, W. Observations and modeling of tsunami-induced currents in ports and harbors. EPSL2012, 327, 68–74. [Google Scholar]
Madsen, P.A.; Fuhrman, D.R.; Schaffer, H.A. On the solitary wave paradigm for tsunamis. J. Geophys. Res.2008, 113. [Google Scholar] [CrossRef]
Onat, Y.; Yalciner, A.C. Initial stage of database development for tsunami warning system along Turkish coasts. Ocean Eng.2013, 74, 141–154. [Google Scholar] [CrossRef]
Kian, R.; Yalciner, A.C.; Aytore, B.; Zaytsev, A. Wave Amplification and Resonance in Enclosed Basins; A Case Study in Haydarpasa Port of Istanbul. In Proceedings of the 2015 IEEE/OES Eleventh Current, Waves and Turbulence Measurement, St. Petersburg, VA, USA, 2–6 March 2015; Volume 11, pp. 1–7.
Patel, V.M.; Dholakia, M.B.; Singh, A.P. Emergency preparedness in the case of Makran tsunami: A case study on tsunami risk visualization for the western parts of Gujarat, India. Geomat. Nat. Hazards Risk2016, 7, 826–842. [Google Scholar] [CrossRef]
Yalciner, A.C.; Pelinovsky, E.; Zaytsev, A.; Kurkin, A.; Ozer, C.; Karakus, H.; Ozyurt, G. Modeling and visualization of tsunamis: Mediterranean examples. In Tsunami and Nonlinear Waves, 1st ed.; Kundu, A., Ed.; Springer: Berlin, Germany, 2007; pp. 273–283. [Google Scholar]
Synolakis, C.E.; Bernard, E.N.; Titov, V.; Kanoglu, U.; Gonzalez, F. Validation and verification of tsunami numerical models. PAGEOPH2008, 165, 2197–2228. [Google Scholar] [CrossRef]
Yalciner, A.C.; Zaytsev, A.; Kanoglu, U.; Velioglu, D.; Dogan, G.G.; Kian, R.; Sharghivand, N.; Aytore, B. NTHMP Mapping and Modeling Benchmarking Workshop: Tsunami Currents. Available online: http://coastal.usc.edu/currents_workshop/presentations/Yalciner.pdf (accessed on 2 August 2016).
Ozer, C.; Yalciner, A.C. Sensitivity study of hydrodynamic parameters during numerical simulations of tsunami inundation. PAGEOPH2011, 168, 2083–2095. [Google Scholar]
Sozdinler, C.O.; Yalciner, A.C.; Zaytsev, A. Investigation of tsunami hydrodynamic parameters in inundation zones with different structural layouts. PAGEOPH2014, 172, 931–952. [Google Scholar] [CrossRef]
Sozdinler, C.O.; Yalciner, A.C.; Zaytsev, A.; Suppasri, A.; Imamura, F. Investigation of hydrodynamic parameters and the effects of breakwaters during the 2011 Great East Japan Tsunami in Kamaishi Bay. PAGEOPH2015, 172, 3473–3491. [Google Scholar] [CrossRef]
Velioglu, D.; Kian, R.; Yalciner, A.C.; Zaytsev, A. Validation and Performance Comparison of Numerical Codes for Tsunami Inundation. In Proceedings of the 2015 American Geophysical Union Fall Meeting, San Francisco, CA, USA, 14–18 December 2015.
Velioglu, D.; Kian, R.; Yalciner, A.C.; Zaytsev, A. Validation and Comparison of 2D and 3D Codes for Nearshore Motion of Long Waves Using Benchmark Problems. In Proceedings of the 2016 European Geosciences Union, Vienna, Austria, 17–22 April 2016.
Dilmen, D.I.; Kemec, S.; Yalciner, A.C.; Düzgün, S.; Zaytsev, A. Development of a tsunami inundation map in detecting tsunami risk in Gulf of Fethiye, Turkey. PAGEOPH2015, 172. [Google Scholar] [CrossRef]
Heidarzadeh, M.; Krastel, S.; Yalciner, A.C. The state-of-the-art numerical tools for modeling landslide tsunamis: A short review. In Submarine Mass Movements and Their Consequences, 6th ed.; Sebastian, K., Jan-Hinrich, B., David, V., Michael, S., Christian, B., Roger, U., Jason, C., Katrin, H., Michael, S., Carl, B.H., Eds.; Springer: Bern, Switzerland, 2013; Volume 37, pp. 483–495. [Google Scholar]
Yalciner, A.C.; Gülkan, P.; Dilmen, D. I.; Aytore, B.; Ayca, A.; Insel, I.; Zaytsev, A. Evaluation of tsunami scenarios for western Peloponnese, Greece. Boll. Geofis. Teor. Appl.2014, 55, 485–500. [Google Scholar]
Zahibo, N.; Pelinovsky, E.; Kurkin, A.; Kozelkov, A. Estimation of far-field tsunami potential for the Caribbean Coast based on numerical simulation. Sci. Tsunami Hazards2003, 21, 202–222. [Google Scholar]
Swigler, D.T. Laboratory Study Investigating the Three-dimensıonal Turbulence and Kinematic Properties Associated with a Breaking Solitary Wave. Master’s Thesis, Texas A&M University, College Station, TX, USA, August 2009. [Google Scholar]
Kevin Breisacher and Jeffrey Moder Glenn Research Center, Cleveland, Ohio
Prepared for the57th Joint Army-Navy-NASA-Air Force (JANNAF) Propulsion Meetingsponsored by the JANNAF Interagency Propulsion CommitteeColorado Springs, Colorado, May 3–7, 2010
Abstract
극저온 추진제의 장기 공간 저장을 위해 축류 제트 믹서는 탱크 압력을 제어하고 열 층화를 줄이기위한 하나의 개념입니다. 1960 년대부터 현재까지 10 피트 이하의 탱크 직경에 대한 광범위한 지상 테스트 데이터가 존재합니다.
Ares V EDS (Earth Departure Stage) LH2 탱크 용으로 계획된 것과 같이 직경이 30 피트 정도 인 탱크 용 축류 제트 믹서를 설계하려면 훨씬 더 작은 탱크에서 사용 가능한 실험 데이터를 확장하고 미세 중력을 설계해야 합니다.
이 연구는 10 배 차이가 나는 2 개의 탱크 크기에서 기존의 지상 기반 축류 제트 혼합 실험의 시뮬레이션을 수행하여 이러한 규모의 변화를 처리하는 전산 유체 역학 (CFD)의 능력을 평가합니다. 저궤도 (LEO) 해안 동안 Ares V 스케일 EDS LH2 탱크에 대한 여러 축 제트 구성의 시뮬레이션이 평가되고 선택된 결과도 제공됩니다.
두 가지 탱크 크기 (직경 1 및 10 피트)의 물을 사용하여 General Dynamics에서 1960 년대에 수행한 제트 혼합 실험 데이터를 사용하여 CFD 정확도를 평가합니다. 제트 노즐 직경은 직경 1 피트 탱크 실험의 경우 0.032 ~ 0.25 인치, 직경 10 피트 탱크 실험의 경우 0.625 ~ 0.875 인치였습니다.
제트 믹서를 켜기 전에 두 탱크에서 열 층화 층이 생성되었습니다. 제트 믹서 효율은 층화 층이 섞일 때까지 탱크의 열전대 레이크의 온도를 모니터링하여 결정되었습니다. 염료는 층화된 탱크에 자주 주입되었고 침투가 기록되었습니다. 실험 데이터에서 사용 가능한 속도나 난류량은 없었습니다.
제시된 시뮬레이션에는 자유 표면 추적 (Flow Science, Inc.의 FLOW-3D)이 포함된 시판되고 시간 정확도가 높은 다차원 CFD 코드가 사용됩니다. 서로 다른 시간에 탱크의 다양한 축 위치에서 계산 된 온도와 실험적으로 관찰된 온도를 비교합니다. 획득한 합의에 대한 다양한 모델링 매개 변수의 영향을 평가합니다.
Introduction
Constellation 프로그램의 일부인 Ares V는 우주 비행사를 달로 돌려 보내도록 설계된 무거운 리프트 발사기입니다. Ares V 스택의 일부인 EDS (Earth Departure Stage)는 지구의 중력에서 벗어나 승무원 차량과 달 착륙선을 달로 보내는데 필요합니다.
이러한 차량의 질량과 달로 보내는 데 필요한 에너지 때문에 EDS의 액체 수소(LH2)와 액체 산소(LO2) 추진제 탱크는 매우 클 것입니다(직경 10m). 탱크 내부로의 환경적 열 누출로 인해 혼합 장치를 포함한 열역학적 환기 시스템(TV)은 설계 한계 내에서 탱크 압력을 유지하고 엔진 시동에 필요한 한도 내에서 액체 온도를 유지하기 위해 며칠의 순서에 따라 공간 내 저장 기간 동안 필요할 수 있습니다.
이러한 혼합 장치 중 하나는 그림 1과 2와 같이 탱크 바닥 근처에 있는 (순가속과 관련하여) 탱크 축을 따라 중심에 있는 축 제트입니다. 축방향 제트 혼합기와 TVS에 통합된 것은 1960년대 중반부터 연구되어 왔으며(참조 1~5), 광범위한 축방향 제트 접지 테스트 데이터(비사이로젠(참조 1~9), 극저온(참조 10~16) 유체 사용), 에탄올을 사용한 일부 드롭 타워 테스트 데이터(참조 17 및 18)가 있습니다. 극저온 추진제를 사용하는 축방향 제트에 대한 기존 접지 테스트 데이터는 3m(10ft) 이하의 탱크 직경으로 제한됩니다.
저자가 알고 있는 바와 같이, 현재 임계 미달의 극저온 추진체를 사용하는 폐쇄형 탱크에 축방향 제트가 포함된 낙하탑, 항공기 또는 우주 비행 시험 데이터는 없습니다.
축방향 제트(Axial jet)는 지구 저궤도(LEO) 연안의 며칠 동안 EDS LH2 탱크에서 작동하는 혼합 장치의 후보 중 하나입니다. 제안된 EDS 탱크 척도의 극저온 저장 탱크에서 작동하는 축 제트 실험 데이터가 존재하지 않기 때문에, EDS 탱크를 위한 축 제트 TV의 초기 설계는 기존 데이터에 대해 고정된 상관 관계 및 CFD 분석에 의존할 필요가 있습니다.
이 연구는 두 개의 탱크 척도에서 크기 순서로 다른 축방향 제트 열분해 성능을 예측하기 위한 CFD 정확도 평가의 현재 진행 상황을 보고합니다. CFD 시뮬레이션은 물을 작동 유체로 사용하는 접지 테스트 축 제트 데이터(참조 1 – 4)와 비교됩니다. 이 평가를 위해 선택된 CFD 코드는 Flow Science(참조 21)의 상용 코드 FLOW-3D로, 극저온 저장 탱크 및 축방향 제트(참조 22~24)의 이전 분석에서 사용되었습니다.
LEO의 대표적인 EDS LH2 탱크에 대한 예비 축 제트 시뮬레이션도 여러 축 제트 구성에 대해 수행됩니다. 이러한 축방향 제트 구성의 열분해 성능을 평가하고 선택된 결과를 제시합니다.
이러한 예비 축방향 제트 EDS 시뮬레이션은 비교적 짧은 시간 동안 혼합기 성능만 평가합니다. 탱크 열 누출, 위상 변화 및 일반적인 자기 압력(제트 오프)/압력 붕괴(제트 온) 사이클을 포함한 보다 상세한 시뮬레이션이 향후 작업에서 추진될 수 있습니다.
Figure 1.—Schematic of the small water tank / Figure 2.—Schematic of the large water tankFigure 5.—Temperature contours for large tank jet mixing simulation. (Temperature contour range 294 to 302 K)
상세 내용은 원문을 참조하시기 바랍니다.
Figure 9.—Schematic of a representative EDS scale propellant tank.Figure 10.—Temperature contour time sequence for an EDS scale propellant tank at a jet mixing velocity of 0.06 m/s. Figure 14.—Temperature contour at t = 1000 s for the five jet mixer with a 0.06 m/s jet velocity
Summary and Conclusions
사용 가능한 유사성 상관 관계를 사용하는 스케일링 전략은 EDS 클래스 제트 믹서에 대한 적절한 제트 크기 및 작동 조건을 결정하기 위해 개발되었습니다. 물 탱크 시뮬레이션에서 결정된 모델링 매개 변수를 사용하여 열 층화를 제어하기 위해 제트 믹서를 사용하여 EDS 등급 추진제 탱크의 혼합 이력에 대한 CFD 시뮬레이션을 수행했습니다.
시뮬레이션 결과는 다양한 믹싱 동작을 보여 주며 유사성 매개 변수의 사용에서 예상되는 것과 일치했습니다. 이러한 결과는 하위 규모 테스트 및 유사성 상관 관계와 함께 CFD 시뮬레이션이 EDS 등급 탱크를위한 효율적인 제트 믹서 설계를 허용 할 것이라는 확신을 제공합니다.
CFD 시뮬레이션은 다양한 크기의 직경과 제트를 가진 탱크의 제트 믹서에서 수행되었습니다. 1 피트 직경의 물 탱크에서 제트 혼합에 대해 사용 가능한 실험 데이터와 합리적으로 일치하는 모델링 매개 변수가 결정되었습니다. 동일한 모델링 매개 변수를 사용하여 대략 10 배 정도 떨어져있는 스케일로 워터 제트 혼합 실험에서 혼합을 시뮬레이션했습니다. 시뮬레이션 결과는 실험 온도 데이터와 잘 일치하는 것으로 나타났습니다.
References 1.Poth, L.J., Van Hook, J.R., Wheeler, D.M. and Kee, C.R., “A Study of Cryogenic Propellant Mixing Techniques. Volume 1 – Mixer design and experimental investigations,” NASA CR-73908, Nov 1968. 2.Poth, L.J., Van Hook, J.R., Wheeler, D.M. and Kee, C.R., “A Study of Cryogenic Propellant Mixing Techniques. Volume 2 – Experimental data Final report,” NASA CR-73909, Nov 1968. 3.Scale Experimental Mixing Investigations and Liquid-Oxygen Mixer Design,” NASA CR-113897, Sep 1970. 4.Van Hook, J.R. and Poth, L.J., “Study of Cryogenic Fluid Mixing Techniques. Volume 1 – Large-Van Hook, J.R., “Study of Cryogenic Fluid Mixing Techniques. Volume 2 – Large-Scale Mixing Data,” NASA CR-113914, Sep 1970. 5.Poth, L.J. and Van Hook, J.R., “Control of the Thermodynamic State of Space-Stored Cryogens by Jet Mixing,” J. Spacecraft, Vol. 9, No. 5, 1972. 6.Lovrich, T.N. and Schwartz, S.H., “Development of Thermal Stratification and Destratification Scaling Concepts – Volume II. Stratification Experimental Data,” NASA CR-143945, 1975. 7.Dominick, S.M., “Mixing Induced Condensation Inside Propellant Tanks,” AIAA–1984–0514. 8.Meserole, J.S., Jones, O.S., Brennan, S.M. and Fortini, A., “Mixing-Induced Ullage Condensation and Fluid Destratification,” AIAA–1987–2018. 9.Barsi, S., Kassemi, M., Panzarella, C.H. and Alexander, J.I., “A Tank Self-Pressurization Experiment Using a Model Fluid in Normal Gravity,” AIAA–2005–1143. 10.Stark, J.A. and Blatt, M.H., “Cryogenic Zero-Gravity Prototype Vent System,” NAS8-20146, Convair Report GDC-DDB67-006, Oct 1967. 11.Bullard, B.R., “Liquid Propellant Thermal Conditioning System Test Program,” NAS3-12033, Lockheed Missiles & Space Co., NASA CR-72971, July 1972. 12.Erickson, R.C., “Space LOX Vent System,” NAS8-26972, General Dynamics Convair Report CASD-NAS 75-021, April 1975.
13.Lin, C.S., Hasan, M.M. and Nyland, T.W., “Mixing and Transient Interface Condensation of a Liquid Hydrogen Tank,” NASA TM-106201 (or AIAA–1993–1968), 1993. 14.Lin, C.S., Hasan, M.M. and Van Dresar, N.T., “Experimental Investigation of Jet-Induced Mixing of a Large Liquid Hydrogen Storage Tank,” NASA TM-106629 (or AIAA–1994–2079), 1994. 15.Olsen, A.D., Cady, E.C., Jenkins, D.S. and Hastings, L., “Solar Thermal Upper Stage Cryogenic System Engineering Checkout Test,” AIAA–1999–2604. 16.Van Overbeke, T.J., “Thermodynamic Vent System Test in a Low Earth Orbit Simulation,” NASA/TM—2004-213193 (or AIAA–2004–3838), Oct 2004. 17.Aydelott, J.C., “Axial Jet Mixing of Ethanol in Cylindrical Containers During Weightlessness,” NASA-TP-1487, July 1979. 18.Aydelott, J.C., “Axial Modeling of Space Vehicle Propellant Mixing,” NASA-TP-2107, Jan 1983. 19.Bentz, M.D., “Tank Pressure Control in Low Gravity by Jet Mixing,” NASA CR–191012, Mar. 1993. 20.Hasan, M.M., Lin, C.S., Knoll, R.H. and Bentz, M.D., “Tank Pressure Control Experiment: Thermal Phenomena in Microgravity,” NASA-TP-3564, 1996. 21.FLOW-3D User’s Manual, version 9.4, Flow Science, Inc., Santa Fe, NM 2009. 22.Grayson, G.D., Lopez, A., Chandler, F.O., Hastings, L.J. and Tucker, S.P., “Cryogenic Tank Modeling for the Saturn AS-203 Experiment,” AIAA–2006–5258. 23.Lopez, A., Grayson, G.D., Chandler, F.O., Hastings, L.J., and Hedayat, A., “Cryogenic Pressure Control Modeling for Ellipsoidal Space Tanks,” AIAA–2007–5552. 24.Lopez, A., Grayson, G.D., Chandler, F.O., Hastings, L.J. and Hedayat, A., “Cryogenic Pressure Control Modeling for Ellipsoidal Space Tanks in Reduced Gravity,” AIAA–2008–5104. 25.Thomas, R.M., “Condensation of Steam on Water in Turbulent Motion,” Int. J. Multiphase Flow, Vol. 5, No. 1, pp. 1–15, 1979. 26.Zimmerli, G.A., Asipauskas, M., Chen, Y. and Weislogel, M.M., “A Study of Fluid Interface Configurations in Exploration Vehicle Propellant Tanks,” AIAA–2010–1294.
A K Sen1, J Darabi1, D R Knapp2 and J Liu2 1 MEMS and Microsystems Laboratory, Department of Mechanical Engineering, University of South Carolina, 300 Main Street, Columbia, SC 29208, USA 2 Department of Pharmacology, Medical University of South Carolina, 173 Ashley Avenue, Charleston, SC 29425, USA E-mail: darabi@engr.sc.edu
뾰족한 탄소 섬유(CF)를 사용하는 새로운 마이크로 스케일 이미터는 질량 분석 (MS) 분석에서 전기 분무에 사용할 수 있습니다. 탄소 섬유는 360 µm OD 및 75 µm ID의 용융 실리카 모세관과 동축에 위치하며 날카로운 팁은 튜브 말단에서 30 µm 연장됩니다.
Abstract
전기 분무 이온화 (ESI) 프로세스는 전기 유체 역학을 해결하기 위한 Taylor–Melcher 누설 유전체 유체 모델 및 액체-가스 인터페이스 추적을 위한 유체 부피 (VOF) 접근 방식을 기반으로 하는 전산 유체 역학 (CFD) 코드를 사용하여 시뮬레이션 됩니다. CFD 코드는 먼저 기존 지오메트리에 대해 검증한 다음 CF 이미터 기반 ESI 모델을 시뮬레이션하는데 사용됩니다.
시뮬레이션된 전류 흐름 및 전류 전압 결과는 CF 이미터의 실험 결과와 잘 일치합니다. 이미터 형상, 전위차, 유속 및 액체의 물리적 특성이 CF 이미터의 전기 분무 거동에 미치는 영향을 철저히 조사합니다.
스프레이 전류와 제트 직경은 액체의 유속, 전위차 및 물리적 특성과 상관 관계가 있으며 상관 결과는 문헌에 보고된 결과와 정량적으로 비교됩니다. (이 기사의 일부 그림은 전자 버전에서만 색상입니다)
Introduction
1980 년대 후반부터 매트릭스 보조 레이저 탈착 이온화 (MALDI)와 전기 분무 이온화 (ESI)의 두 가지 이온화 기술을 구현하여 감도, 속도 및 구조 정보 수준 측면에서 MS 분석이 엄청나게 성장했습니다. 1980 년대 초까지 전자 충격 (EI) 또는 화학 이온화 (CI) 방법은 가스 크로마토 그래피에 적합한 작은 생체 분자를 이온화 하는 데 사용되었습니다.
그러나 크고 열에 민감한 비 휘발성 샘플은 적절한 사전 처리 없이 EI 또는 CI-MS 기술로 분석 할 수 없습니다 [1]. ESI 기술을 사용하면 액체상에서 직접 이러한 큰 분자를 분석 할 수 있습니다 [2]. Zeleny [3, 4]는 출구에 높은 전위를 적용하여 모세관에서 액체 용액을 분사 할 수 있음을 보여주었습니다.
Dole [5, 6] 및 Fenn [7]의 선구적인 연구는 ESI를 고분자 및 생체 분자와 같은 대형 화합물의 이온화 방법으로 표시했습니다. 이에 이어이 기술에 의한 기상 이온 발생에 관련된 과정과 메커니즘이 널리 조사되고 있습니다.
ESI 방법에서 기체 이온화 된 분자는 강한 전계가 있는 상태에서 미세한 물방울을 생성하여 액체 용액에서 생성됩니다. ESI 프로세스의 이러한 능력은 단백질 및 기타 생체 분자 연구에 자연적으로 적용됨을 발견했습니다. ESI 방법과 관련된 다양한 프로세스가 그림 1에 나와 있습니다.
Figure 1. Schematic of an ESI process.
ESI 전위는 일반적으로 전도성 물질로 코팅 된 이미 터 튜브를 통해 외부에서 샘플 액체에 적용되지만 액체 샘플 내부에 적용될 수도 있습니다. Herring과 Qin [8]은 이미 터 팁에 삽입된 팔라듐 와이어를 통해 전기 분무 전위가 적용되는 모세관 전기 영동 (CE)을위한 ESI 인터페이스를 보여주었습니다.
Chiou의 설계 [9]에서는 작은 PDMS 칩에 있는 샘플 저장소, 마이크로 채널 및 실리카 모세관 노즐과 통합 된 내장 전극을 통해 전기 분무를 위한 고전압이 적용되었습니다.
Cao and Moini [10]는 ESI 전압이 모세관 내부에 위치한 전극을 통해인가되고 전기적 접촉이 출구 근처 모세관 벽의 작은 구멍을 통해 유지되는 전기 분무 방출기를 설계했습니다. 작은 모세관 직경 (~ 10 µm)을 가진 이미 터를 사용하여 낮은 전압에서 전기 분무가 가능하지만, 더 작은 구멍은 과도한 배압으로 인해 쉽게 막힐 수 있습니다.
직경이 더 큰 (> 50µm) 이미 터를 처리하는 것이 더 쉽습니다. 그러나 그들은 더 작은 직경의 이미 터만큼 효율적이지 않습니다 [11]. 일반적으로 ESI 전압을 적용하기 위해 유리 또는 용융 실리카와 같은 절연 재료로 제작 된 저 유량 이미 터의 외주에 전도성 코팅이 적용됩니다.
용융 실리카 모세관의 끝 부분에있는 스퍼터 코팅 된 귀금속 층은 내구성에 빠르게 영향을 미치는 것으로 관찰되었습니다. 코팅의 빠른 열화는 방전, 전기 화학적 반응 및 층과 용융 실리카 표면 사이의 불량한 기계적 결합으로 인해 발생할 수 있습니다.
이러한 에미 터의 수명은 스퍼터 코팅 후에 금을 전기 도금하거나 [12] 스퍼터 코팅 된 금 위에 SiOx를 코팅하여 증가시킬 수 있습니다 [13]. 크롬 또는 니켈 합금의 접착층 위에 금으로 코팅 된 이미 터는 우수한 결합력을 제공 할 수 있으며 음극으로 작동 할 때 내구성이 있습니다.
그러나 양극으로 작동하는 동안 접착층은 금 막을 통해 화학적으로 용해됩니다. 이미 터의 안정성과 내구성을 향상시키기 위해 대체 전도성 코팅이 평가되었습니다.
안정적인 ESI 작동을 위해 콜로이드 흑연 코팅 이미 터가 사용되었으며 수명이 길었습니다 [14]. 폴리아닐린 (PANI) 코팅 이미 터는 두꺼운 코팅으로 인해 높은 내구성을 보여주고 방전에 강합니다. PANIcoated와 gold-coated nanospray emitter의 electrospray ionization 거동을 비교 한 결과 PANIcoated emitter는 goldcoated emitter와 비슷한 향상된 감도를 제공합니다 [15].
그라파이트-폴리이 미드 혼합물은 또한 무 접착 전기 분무 방출기의 경우 전도성 코팅으로 사용되었습니다. 전도성 코팅의 안정성은 산화 스트레스 동안 좋은 성능을 나타내는 전기 화학적 방법에 의해 조사되었습니다 [16].
탄소 코팅 이미 터의 기능은 마이크로 스프레이 및 시스리스 CE 및 ESI 응용 분야에서 입증되었습니다. 이 이미 터는 견고하지는 않지만 방수가 되지 않는 CE 또는 ESI 애플리케이션에 충분히 내구성이있었습니다 [17].
우리는 막힘 문제를 제거하고 시료 액체와 금층 사이의 접촉 문제를 피할 수있는 뾰족한 탄소 섬유 기반의 새로운 ESI 방출기를 도입하여 ESI 시스템의 적용 성, 신뢰성 및 내구성을 향상 시켰습니다 [18]. 이 작업에서 탄소 섬유 기반 ESI 이미 터는 전산 유체 역학 (CFD) 소프트웨어 패키지 FLOW-3D [19]를 사용하여 시뮬레이션됩니다.
실험은 새로운 CF 이미 터를 사용하여 수행됩니다. 모델 예측은 실험 결과와 비교됩니다. 새로운 이미 터의 ESI 성능은 이미 터의 기하학적 구조, 유속, 액체의 물리적 특성과 같은 다양한 매개 변수에 대한 반응을 연구하여 평가됩니다.
스프레이 전류 및 제트 직경은 유량 및 액체의 특성과 상관 관계가 있으며 상관 결과는 문헌에보고 된 결과와 정량적으로 비교됩니다. 다음 섹션에서 ESI 공정을 지배하는 전기 유체 역학 이론은 Taylor–Melcher 누설 유전체 모델 [20]을 참조하여 설명됩니다.
그런 다음 Hartman 등이 사용하는 ESI 구성을 고려하여 CFD 코드의 유효성을 확인합니다 [21]. 또한 CF 기반 ESI 모델에 대한 시뮬레이션 및 실험 결과가 제시되고 논의됩니다. 마지막으로 모수 연구 결과와 상관 관계를 제시하고 논의합니다.
Figure 2. Forces in the liquid cone.Figure 3. Schematic of the ESI model studied by Hartman et al [21].Figure 6. Cone-Jet profile and the electric potential contours at
19 kV; cone length is 4.3 mm.Figure 7. A photograph of the experimental cone shape; cone
length is 4.2 ± 0.2 mm [21].Figure 15. Electric field contours at various time stepsFigure 20. Top: image of electrospray, bottom: cone-jet profile
using the CF emitter. Distance between the carbon fiber tip and the
counter electrode is 4.0 mm, potential difference is 3500 V, flow rate
is 300 nL min−1
.
[1] Siuzdak M 1996 Mass Spectrometry for Biotechnology (New York: Academic) [2] Cole R B (ed) 1997 Electrospray Ionization Mass Spectrometry (New York: Wiley-Interscience) [3] Zeleny J 1914 Phys. Rev. 3 69–91 [4] Zeleny J 1917 Phys. Rev. 10 1–6 [5] Dole M, Mack L L, Hines R L, Mobley R C, Ferguson L D and Alice M B 1968 Molecular beams of macroions J. Chem. Phys. 49 2240–9 [6] Clegg G A and Dole M 1971 Molecular beams of macroions: III. Zein and polyvinylpyrrolidone Biopolymers 10 821–6 [7] Fenn J B, Mann M, Meng C K, Wong S F and Whitehouse C M 1989 Electrospray ionization for mass spectrometry of large biomolecules Science 246 64–71 [8] Herring C J and Qin J 1999 An on-line preconcentrator and the evaluation of electrospray interfaces for the capillary electrophoresis/mass spectrometry of peptides Rapid Commun. Mass Spectr. 13 1–7 [9] Chiou C H, Lee G B, Hsu H T, Chen P W and Liao P C B 2002 Microscale Tools for Sample Preparation, Separation and Detection of Neuropeptides Sensors Actuators B 86 280–6 [10] Cao P and Moini M 1997 A novel sheathless interface for capillary electrophoresis/electrospray ionization mass spectrometry using an in-capillary electrode J. Am. Soc. Mass Spectrom 8 561–4 [11] Janini G M, Conards T P, Wilkens K L, Issaq H J and Veenstra T D 2003 A sheathless nanoflow electrospray interface for on-line capillary electrophoresis mass spectrometry Anal. Chem 75 1615–9 [12] Barroso M B de Jong and Ad P 1999 Sheathless preconcentration-capillary zone electrophoresis-mass spectrometry applied to peptide analysis J. Am. Soc. Mass Spectrom 10 1271–8 [13] Valaskovic G A and McLafferty F W 1996 Long-lived metallized tips for nanoliter electrospray mass spectrometry J. Am. Soc. Mass Spectrom. 7 1270–2 [14] Zhu X, Thiam S, Valle B C and Warner I M 2002 A colloidal graphite coated emitter for seathless capillary electrophoresis/nanoelectrospray ionization mass spectrometry Anal. Chem 74 5405–9 [15] Maziarz E P I II, Lorenz S A, White T P and Wood T D 2000 Polyaniline: a conductive polymer coating for durable nanospray emitters J. Am. Soc. Mass. Spectrom 11 659–63 [16] Nilsson S, Wetterhall M, Bergquist J, Nyholm L and Markides K E 2001 A simple and robust conductive graphite coating for sheathless electrospray emitters used in capillary electrophoresis/mass spectrometry Rapid Commun. Mass Spectr. 15 1997–2000 [17] Chang Y Z and Her G R 2000 Sheathless capillary electrophoresis/electospray mass spectrometry using a carbon-coated tapered fused silica capillary with a beveled edge Anal. Chem. 72 626–30 [18] Liu J, Ro K W, Busman M and Knapp D R 2004 Electrospray ionization with a pointed carbon fiber emitter Anal. Chem. 76 3599–606 [19] Hirt C W 2004 Electro-hydrodynamics of semi–conductive fluids: with application to electro–spraying Flow Science Technical Note 70 FSI–04–TN70 1–7 [20] Saville D A 1997 Electrohydrodynamcis: the Taylor–Melcher leaky dielectric model Annu. Rev. Fluid Mech. 29 27–64 [21] Hartman R P A, Brunner D J, Camelot D M A, Marijnissen J C M and Scarlett B 1999 Electrohydrodynamic atomization in the cone-jet mode physical modeling of the liquid cone and jet J. Aerosol Sci. 30 823–49 [22] Castellanos A 1998 Basic Concepts and Equations in Electrohydrodynamics Electrohydrodynamics ed A Castellanos (Berlin: Springer) [23] Melcher J R 1981 Continuum Electromechanics (Cambridge, MA: MIT Press) [24] Hirt C W and Nichols B D 1981 Volume of fluid (VOF) method for the dynamics of free boundaries J. Comp. Phys. 39 201–25 [25] De la Mora F J and Loscertales I G 1994 The current emitted by highly conducting Taylor cones J. Fluid Mech. 260 155–84 [26] Ganan-Calvo A M 1997 Cone–jet analytical extension of Taylor’s electrostatic solution and the asymptotic universal scaling laws in electrospraying Phys. Rev. Lett. 79 217–20 [27] Higuera F J 2004 Current/flow–rate characteristic of an electrospray with a small meniscus J. Fluid Mech. 513 239–46 [28] Zeng J, Sobek D and Korsmeyer T Electro-hydrodynamic modeling of electrospray ionization: cad for a microfluidic device-mass spectrometer interface Transducers ’03: 12th Int. Conf. on Solid State Sensors, Actuators and Microsystems 2 1275–8 [29] Ganan–Calvo A M, Davila J and Barrero A 1997 Current and droplet size in the electrospraying of liquids. Scaling laws J. Aerosol Sci. 28 249–75 [30] Cloupeau M and Prunet-Foch B 1989 Electrostatic spraying of liquids in cone–jet mode J. Electrost. 22 135–59
FLOW-3D AM 은 레이저 파우더 베드 융합 (L-PBF), 바인더 제트 및 DED (Directed Energy Deposition)와 같은 적층 제조 공정 ( additive manufacturing )을 시뮬레이션하고 분석하는 CFD 소프트웨어입니다. FLOW-3D AM 의 다중 물리 기능은 공정 매개 변수의 분석 및 최적화를 위해 분말 확산 및 압축, 용융 풀 역학, L-PBF 및 DED에 대한 다공성 형성, 바인더 분사 공정을위한 수지 침투 및 확산에 대한 매우 정확한 시뮬레이션을 제공합니다.
3D 프린팅이라고도하는 적층 제조(additive manufacturing)는 일반적으로 층별 접근 방식을 사용하여, 분말 또는 와이어로 부품을 제조하는 방법입니다. 금속 기반 적층 제조 공정에 대한 관심은 지난 몇 년 동안 시작되었습니다. 오늘날 사용되는 3 대 금속 적층 제조 공정은 PBF (Powder Bed Fusion), DED (Directed Energy Deposition) 및 바인더 제트 ( Binder jetting ) 공정입니다. FLOW-3D AM 은 이러한 각 프로세스에 대한 고유 한 시뮬레이션 통찰력을 제공합니다.
파우더 베드 융합 및 직접 에너지 증착 공정에서 레이저 또는 전자 빔을 열원으로 사용할 수 있습니다. 두 경우 모두 PBF용 분말 형태와 DED 공정용 분말 또는 와이어 형태의 금속을 완전히 녹여 융합하여 층별로 부품을 형성합니다. 그러나 바인더 젯팅(Binder jetting)에서는 결합제 역할을 하는 수지가 금속 분말에 선택적으로 증착되어 층별로 부품을 형성합니다. 이러한 부품은 더 나은 치밀화를 달성하기 위해 소결됩니다.
FLOW-3D AM 의 자유 표면 추적 알고리즘과 다중 물리 모델은 이러한 각 프로세스를 높은 정확도로 시뮬레이션 할 수 있습니다. 레이저 파우더 베드 융합 (L-PBF) 공정 모델링 단계는 여기에서 자세히 설명합니다. DED 및 바인더 분사 공정에 대한 몇 가지 개념 증명 시뮬레이션도 표시됩니다.
레이저 파우더 베드 퓨전 (L-PBF)
L-PBF 공정에는 유체 흐름, 열 전달, 표면 장력, 상 변화 및 응고와 같은 복잡한 다중 물리학 현상이 포함되어 공정 및 궁극적으로 빌드 품질에 상당한 영향을 미칩니다. FLOW-3D AM 의 물리적 모델은 질량, 운동량 및 에너지 보존 방정식을 동시에 해결하는 동시에 입자 크기 분포 및 패킹 비율을 고려하여 중규모에서 용융 풀 현상을 시뮬레이션합니다.
FLOW-3D DEM 및 FLOW-3D WELD 는 전체 파우더 베드 융합 공정을 시뮬레이션하는 데 사용됩니다. L-PBF 공정의 다양한 단계는 분말 베드 놓기, 분말 용융 및 응고,이어서 이전에 응고 된 층에 신선한 분말을 놓는 것, 그리고 다시 한번 새 층을 이전 층에 녹이고 융합시키는 것입니다. FLOW-3D AM 은 이러한 각 단계를 시뮬레이션하는 데 사용할 수 있습니다.
파우더 베드 부설 공정
FLOW-3D DEM을 사용하면 아래 동영상처럼 입자의 분포를 무작위로 떨어뜨려 파우더 베드 배치 프로세스를 시뮬레이션할 수 있습니다.
다양한 파우더 베드 압축을 달성하는 한 가지 방법은 베드를 놓는 동안 다양한 입자 크기 분포를 선택하는 것입니다. 아래에서 볼 수 있듯이 세 가지 크기의 입자 크기 분포가 있으며, 이는 가장 높은 압축을 제공하는 Case 2와 함께 다양한 분말 베드 압축을 초래합니다.
세 가지 다른 입자 크기 분포를 사용하여 파우더 베드 배치세 가지 다른 입자 크기 분포를 사용한 분말 베드 압축
입자-입자 상호 작용, 유체-입자 결합 및 입자 이동 물체 상호 작용은 FLOW-3D DEM을 사용하여 자세히 분석 할 수도 있습니다 . 또한 입자간 힘을 지정하여 분말 살포 응용 분야를 보다 정확하게 연구 할 수도 있습니다.
이 FLOW-3D AM 시뮬레이션은 이산 요소 방법 (DEM)을 사용하여 역 회전하는 원통형 롤러로 인한 분말 확산을 연구합니다. 비디오 시작 부분에서 빌드 플랫폼이 위로 이동하는 동안 분말 저장소가 아래로 이동합니다. 그 직후, 롤러는 분말 입자 (초기 위치에 따라 색상이 지정됨)를 다음 층이 녹고 구축 될 준비를 위해 구축 플랫폼으로 펼칩니다. 이러한 시뮬레이션은 저장소에서 빌드 플랫폼으로 전송되는 분말 입자의 선호 크기에 대한 추가 통찰력을 제공 할 수 있습니다.
파우더 베드 용해
파우더 베드를 놓은 후 FLOW-3D WELD 에서 레이저 빔 공정 매개 변수를 지정 하여 고 충실도 용융 풀 시뮬레이션을 수행 할 수 있습니다 . 온도, 속도, 고체 분율, 온도 구배 및 고체 속도의 플롯을 자세히 분석 할 수 있습니다.
레이저 출력 200W, 스캔 속도 3.0m / s, 스폿 반경 100μm에서 파우더 베드의 용융 풀 분석.
용융 풀이 응고되면 FLOW-3D AM 압력 및 온도 데이터를 Abaqus 또는 MSC Nastran과 같은 FEA 도구로 가져와 응력 윤곽 및 변위 프로파일을 분석 할 수도 있습니다.
다층 적층 제조
첫 번째 용융 층이 응고되면 입자의 두 번째 층이 응고 층에 증착됩니다. 새로운 분말 입자 층에 레이저 공정 매개 변수를 지정하여 용융 풀 시뮬레이션을 다시 수행합니다. 이 프로세스를 여러 번 반복하여 연속적으로 응고 된 층 간의 융합, 빌드 내 온도 구배를 평가하는 동시에 다공성 또는 기타 결함의 형성을 모니터링 할 수 있습니다.
바인더 분사 (Binder jetting)
Binder jetting 시뮬레이션은 모세관 힘의 영향을받는 파우더 베드에서 바인더의 확산 및 침투에 대한 통찰력을 제공합니다. 공정 매개 변수와 재료 특성은 증착 및 확산 공정에 직접적인 영향을 미칩니다.
방향성 에너지 증착
FLOW-3D AM 의 내장 입자 모델 을 사용하여 직접 에너지 증착 프로세스를 시뮬레이션 할 수 있습니다. 분말 주입 속도와 고체 기질에 입사되는 열유속을 지정함으로써 고체 입자는 용융 풀에 질량, 운동량 및 에너지를 추가 할 수 있습니다. 다음 비디오에서 고체 금속 입자가 용융 풀에 주입되고 기판에서 용융 풀의 후속 응고가 관찰됩니다.
FLOW DEM
FLOW DEM 은 FLOW-3D 의 기체 및 액체 유동 해석에 DEM(Discrete Element Method : 개별 요소법)공법인 입자의 거동을 분석해주는 모듈입니다.
주요 기능 :
고체 요소의 충돌, 스프링(Spring) / 대시 포트(Dash Pot) 모델 적용 Void, 1 fluid, 2 fluid(자유 계면 포함) 각각의 모드에 대응 가변 밀도 / 가변 직경 입자 크기조절로 입자 특성을 유지하면서 입자 수를 감소 독립적인 DEM의 Sub Time Step 이용
Discrete Element Method : 개별 요소법
다수의 고체 요소의 충돌 운동을 분석하는 데 유용합니다. 유동 해석과 함께 사용하면 광범위한 용도에 응용을 할 수 있습니다.
입자 간의 충돌
Voigt model은 스프링(Spring) 및 대시 포트(Dash pot)의 조합에 의해 입자 충돌 시의 힘을 평가합니다. 탄성력 부분은 스프링 모델에서, 비탄성 충돌의 에너지 소산부분은 대시 포트 모델에서 시뮬레이션되고 있으며, 중량 및 항력은 작용하는 외력으로 고려 될 수 있습니다.
분석 모드
기본적으로 이용하는 운동 방정식은 FLOW-3D 에 사용되는 질량 입자의 운동 방정식과 같은 것이지만, 여기에 DEM으로 평가되는 항목이 추가되기 형태로되어 있으며, 실제 시뮬레이션으로는 ‘void + DEM’, ‘1 Fluid + DEM’ , ‘ 1 Fluid 자유계면 + DEM ‘을 기본 유동 모드로 취급이 가능합니다.
입자 유형
입자 타입도 표준 기능의 질량 입자 모델처럼 입자 크기 (반경)와 밀도가 동일한 것 외, 크기는 같지만 밀도가 다른 것이나 밀도는 같지만 크기가 다른 것 등도 취급 가능합니다. 이로 인해 표준 질량 입자 모델에서는 입자 간의 상호 작용이 고려되어 있지 않기 때문에 모든 아래에 가라 앉아 버리고 있었지만, FLOW DEM을 이용하여 기하학적 관계를 평가하는 것이 가능합니다.
DEM은 일반적으로 다수의 입자를 필요로하는 분석을 상정하고 있습니다. 다만 이 경우, 계산 부하가 높아 지므로 현실적인 계산자원을 고려하면, 입자 수가 너무 많아 현실적으로 취급 할 수 없는 경우 입자의 특성은 유지하고 숫자를 줄여 가시화할 필요가 있습니다 . 일반적인 유동해석 계산의 메쉬 해상도에 해당합니다. 메쉬 수 많음 (계산 부하 큼) → 소 (계산 부하 적음) 입자 수 다 (계산 부하 큼) → 소 (계산 부하 적음)
원래 입자수입자 사이즈를 키운경우그룹 가시화
입자 수를 줄이기 위해 그대로 입경을 크게했을 경우와 그룹 가시화 한 경우의 비교.
입자 크기를 크게하면 개별 입자 특성이 달라지기 때문에 거동이 달라진다. (본 사례에서는 부력이 커진다.)
그룹 가시화의 경우 개별 특성은 동일 원래의 거동과 대체로 일치한다.
주조 시뮬레이션에 DEM 적용
그룹 가시화 비교 예
그룹 가시화한 경우와 입경을 크게하여 수를 줄인 경우, 입경을 크게하면 개별 입자 특성이 변화하여 거동이 바뀌어 버리기 때문에 실제 계산으로는 사용할 수 어렵습니다.
중자 모래 분사 분석
DEM에서의 계산부하를 생각할 때는 입자모델에 의한 안정제한을 고려해야 하지만 서브타임스텝이라는 개념을 도입함으로써 입자의 경우와 유체의 경우의 타임스텝을 바꾸고 필요이상으로 계산시간을 들이지 않고 효율적으로 계산하는 것을 가능하게 하고 있습니다.
이를 통해 예를 들어 중자사 분사 시뮬레이션 실험에서는 이러한 문제로 자주 이용되는 빙엄 유체에서는 실험과의 정합성이 별로 좋지 않기 때문에 당사에서는 이전부터 입상류 모델이라는 모델을 개발하고 연속체로부터의 접근에서도 실험과의 높은 정합성을 실현할 수 있는 모델화를 해왔는데, 이번에 DEM을 사용해도 그것과 거의 같은 결과를 얻습니다. 할 수 있음을 확인할 수 있었다.
Reference :
Lefebvre D., Mackenbrock A., Vidal V., Pavan V. and Haigh PM, 2004,
Development and use of simulation in the Design of Blown Cores and Moulds
Compact Disc Microfluidic Devices: Optimizing Real Estate
미세 유체 장치 사용자의 증가하는 기대를 충족하려면 작은 미세 유체 장치에서 제한된 공간을 최적화하는 것이 중요합니다. 사용자는 단일 미세 유체 장치에서 최대의 기능과 여러 병렬 작업을 기대합니다. 제한된 공간을 최적화하는 문제는 이러한 장치의 많은 물리적 이점에도 불구하고 회전하는 미세 유체 장치로 확장됩니다. 회전 에너지를 이용하여 미세 유체 작업을 수행하는 회전 장치를 컴팩트 디스크 (CD) 미세 유체 장치라고합니다.
컴팩트 디스크 ELISA 칩 [1]컴팩트 디스크 ELISA 칩 [2]
10 년 넘게 CD는 혈액 진단을위한 신속한 면역 분석 및 임상 생화학에서 지속적으로 장점을 보여 왔습니다. 마이크로 토탈 분석 시스템 (μTAS)으로 사용되며, 여러 개별 분석이 내장되어 단일 칩에서 동시에 실행됩니다. 핸즈프리 제어를 위해 프로그래밍 된 간단하고 저렴한 모터에서 작동하며 자석이나 표면 처리와 같은 외부 액추에이터가 필요하지 않습니다. 기본적으로 CD는 훌륭합니다! 그러나 공짜 점심 같은 것은 없습니다. 단방향 (방사형) 원심력으로 인해 CD는 회전하지 않는 미세 유체 장치보다 빠르게 공간이 부족합니다. 유체는 방사형으로 바깥쪽으로 만 이동하므로 CD가 수행 할 수있는 분석 단계의 수가 제한됩니다.
그림 3. CD 채널 내부의 방사형 물 기둥에 적용되는 다양한 신체 힘을 강조하는 회로도. 방사상으로 바깥쪽으로 작용하는 원심력을 확인합니다.
CD의 단 방향성 극복
Gorkin 등 [3]에서는 CD의 단 방향성 제약을 극복하기 위해 공압 펌핑이 제안되었습니다. 아이디어는 원심 에너지를 압축 에너지로 저장하고 다시 풀어서 유체를 중심으로 발사하는 것입니다. 아래 이미지는 로딩 챔버, 흡입 하위 구획 및 압축 하위 구획의 세 개의 챔버가있는 비교적 간단한 미세 유체 칩을 보여줍니다.
그림 4. CD 사진그림 5. FLOW-3D에서 모방 된 CD 디자인
공압 펌핑 프로세스
유체가 로딩 챔버로 들어간 다음, 흡입 하위 구획을 통해 공기가 갇힌 압축 하위 구획으로 이동합니다. 공기가 갇 히면 CD가 특정 각속도로 회전하여 갇힌 공기가 압축됩니다. 공기가 더 이상 압축 할 수없는 경우 (안정 상태에 도달했기 때문에), 회전 속도가 감소하거나 완전히 꺼져 (누군가이 작업을 수행하고 있습니까? 아니면 장치가 수행하고 있습니까?) 유체가 로딩 챔버로 다시 펌핑됩니다. 이 마지막 단계는 이완 단계입니다. 공압 펌핑 공정의 5 단계는 다음과 같습니다.
그림 6. CD의 5 단계 공압 펌핑 [3]
회전 속도의 영향
회전 속도가 다르면 압축 하위 구획에서 공기의 압축 수준이 다릅니다. 회전 속도가 높을수록 유체가 공기에 더 세게 밀려 공기가 더 많이 압축됩니다. 그러나 공기가 압축 될 수있는 양에는 한계가 있습니다. 사실, 공기의 압축은 특정 회전 속도 이상으로 점진적으로 증가합니다. 압축 하위 구획의 부피는 회전 속도가 증가함에 따라 감소합니다. 흡입구의 액체 위치는 디스크 중앙에서 흡입 하위 구획의 유체 수준까지의 거리입니다. 이 거리는 증가합니다. 즉, 회전 속도가 증가함에 따라 유체가 중심에서 멀어집니다.
그림 7. 회전 주파수가 증가하면 압축이 증가합니다. [3]
CD 미세 유체 장치 모델링
실험은 미세 유체 장치 설계의 핵심입니다. 그러나 충분한 실험을 수행하고 각 실험에 대한 완벽한 제어 환경을 유지하는 것은 불가능할 수 있습니다. 복잡한 설계에는 복잡한 실험 설정 및 분석이 필요합니다. FLOW-3D 의 정확하고 포괄적 인 다중 물리 모델링 기능 은 미세 유체 설계에 대한 통찰력과이를 최적화하는 방법을 제공합니다. FLOW-3D가 위에서 논의한 CD 미세 유체 장치에 대한 실험적 및 이론적 결과와 어떻게 비교되는지 보여 드리겠습니다 .
CD 미세 유체 장치에 대한 실험적 및 이론적 결과와 비교
이미지 시퀀스는 실험 및 FLOW-3D 시뮬레이션 결과 의 시각적 비교를 제공합니다 . 두 유체 (공기 및 물) 압축 가능 모델을 사용하여 서로 다른 회전 속도에 대해 챔버 내부의 유체 역학을 시뮬레이션했습니다. 회귀 분석을 사용하여 아래 플롯에서 이러한 시각적 비교를 정량화하면 FLOW-3D 와 실험 결과, FLOW-3D 및 분석 결과 간에 탁월한 상관 관계 (R 2 > 0.99)가 제공 됩니다.
그림 9. FLOW-3D 데이터와 실험 데이터의 비교. (Poly는 다항식 곡선 맞춤을 의미합니다.)
시뮬레이션은 또한 다양한 회전 속도에 대한 정상 상태에 대한 접근 방식을 보여줍니다. 아래의 애니메이션은 CD의 운동 에너지 변동을 1000rpm nd 7000rpm에서 보여줍니다. 더 빠른 속도는 더 빠른 정상 상태를 강제하지만 정상 상태에 도달할 때까지 수위를 빠르게 변동시킵니다. 저속 시뮬레이션의 경우 그 반대입니다.
Mean kinetic energy fluctuations for the CD rotating at 1000 rpm
Mean kinetic energy fluctuations for the CD rotating at 7000 rpm
전반적으로 FLOW-3D 는 실험 결과를 정확하게 검증합니다. 사소한 오류는 부정확 한 지오메트리 (CAD) 생성 및 / 또는 물과 공기 사이의 인터페이스를 엄격하게 정의하기 때문일 수 있습니다. 이 사례 연구는 FLOW-3D 가 실험 결과를 검증하고 컴팩트 디스크 설계의 신뢰도를 높이는 데 효과적으로 사용될 수 있음을 보여줍니다 .
References
[1] He, Hongyan et al. “Design and Testing of a Microfluidic Biochip for Cytokine Enzyme-Linked Immunosorbent Assay”. Biomicrofluidics 3(2):22401 February 2009
[2] Roy, Emmanuel, et al. “From Cellular Lysis to Microarray Detection, an Integrated Thermoplastic Elastomer (TPE) Point of Care Lab on a Disc.” Lab on a Chip, vol. 15, no. 2
[3] Gorkin III, Robert et al. “Pneumatic pumping in centrifugal microfluidic platforms”. February 2010 Springerlink.com
아래는 FSI의 금속 주조 참고 문헌에 수록된 기술 논문 모음입니다. 이 모든 논문에는 FLOW-3D CAST 해석 결과가 수록되어 있습니다. FLOW-3D CAST를 사용하여 금속 주조 산업의 응용 프로그램을 성공적으로 시뮬레이션하는 방법에 대해 자세히 알아보십시오.
Below is a collection of technical papers in our Metal Casting Bibliography. All of these papers feature FLOW-3D CAST results. Learn more about how FLOW-3D CAST can be used to successfully simulate applications for the Metal Casting Industry.
20-20 Wu Yue, Li Zhuo and Lu Rong, Simulation and visual tester verification of solid propellant slurry vacuum plate casting, Propellants, Explosives, Pyrotechnics, 2020. doi.org/10.1002/prep.201900411
17-20 C.A. Jones, M.R. Jolly, A.E.W. Jarfors and M. Irwin, An experimental characterization of thermophysical properties of a porous ceramic shell used in the investment casting process, Supplimental Proceedings, pp. 1095-1105, TMS 2020 149th Annual Meeting and Exhibition, San Diego, CA, February 23-27, 2020. doi.org/10.1007/978-3-030-36296-6_102
12-20 Franz Josef Feikus, Paul Bernsteiner, Ricardo Fernández Gutiérrez and Michal Luszczak , Further development of electric motor housings, MTZ Worldwide, 81, pp. 38-43, 2020. doi.org/10.1007/s38313-019-0176-z
09-20 Mingfan Qi, Yonglin Kang, Yuzhao Xu, Zhumabieke Wulabieke and Jingyuan Li, A novel rheological high pressure die-casting process for preparing large thin-walled Al–Si–Fe–Mg–Sr alloy with high heat conductivity, high plasticity and medium strength, Materials Science and Engineering: A, 776, art. no. 139040, 2020. doi.org/10.1016/j.msea.2020.139040
07-20 Stefan Heugenhauser, Erhard Kaschnitz and Peter Schumacher, Development of an aluminum compound casting process – Experiments and numerical simulations, Journal of Materials Processing Technology, 279, art. no. 116578, 2020. doi.org/10.1016/j.jmatprotec.2019.116578
05-20 Michail Papanikolaou, Emanuele Pagone, Mark Jolly and Konstantinos Salonitis, Numerical simulation and evaluation of Campbell running and gating systems, Metals, 10.1, art. no. 68, 2020. doi.org/10.3390/met10010068
102-19 Ferencz Peti and Gabriela Strnad, The effect of squeeze pin dimension and operational parameters on material homogeneity of aluminium high pressure die cast parts, Acta Marisiensis. Seria Technologica, 16.2, 2019. doi.org/0.2478/amset-2019-0010
94-19 E. Riedel, I. Horn, N. Stein, H. Stein, R. Bahr, and S. Scharf, Ultrasonic treatment: a clean technology that supports sustainability incasting processes, Procedia, 26th CIRP Life Cycle Engineering (LCE) Conference, Indianapolis, Indiana, USA, May 7-9, 2019.
93-19 Adrian V. Catalina, Liping Xue, Charles A. Monroe, Robin D. Foley, and John A. Griffin, Modeling and Simulation of Microstructure and Mechanical Properties of AlSi- and AlCu-based Alloys, Transactions, 123rd Metalcasting Congress, Atlanta, GA, USA, April 27-30, 2019.
84-19 Arun Prabhakar, Michail Papanikolaou, Konstantinos Salonitis, and Mark Jolly, Sand casting of sheet lead: numerical simulation of metal flow and solidification, The International Journal of Advanced Manufacturing Technology, pp. 1-13, 2019. doi.org/10.1007/s00170-019-04522-3
71-19 Sebastian Findeisen, Robin Van Der Auwera, Michael Heuser, and Franz-Josef Wöstmann, Gießtechnische Fertigung von E-Motorengehäusen mit interner Kühling (Casting production of electric motor housings with internal cooling), Geisserei, 106, pp. 72-78, 2019 (in German).
58-19 Von Malte Leonhard, Matthias Todte, and Jörg Schäffer, Realistic simulation of the combustion of exothermic feeders, Casting, No. 2, pp. 28-32, 2019. In English and German.
47-19 Bing Zhou, Shuai Lu, Kaile Xu, Chun Xu, and Zhanyong Wang, Microstructure and simulation of semisolid aluminum alloy castings in the process of stirring integrated transfer-heat (SIT) with water cooling, International Journal of Metalcasting, Online edition, pp. 1-13, 2019. doi.org/10.1007/s40962-019-00357-6
31-19 Zihao Yuan, Zhipeng Guo, and S.M. Xiong, Skin layer of A380 aluminium alloy die castings and its blistering during solution treatment, Journal of Materials Science & Technology, Vol. 35, No. 9, pp. 1906-1916, 2019. doi.org/10.1016/j.jmst.2019.05.011
25-19 Stefano Mascetti, Raul Pirovano, and Giulio Timelli, Interazione metallo liquido/stampo: Il fenomeno della metallizzazione, La Metallurgia Italiana, No. 4, pp. 44-50, 2019. In Italian.
20-19 Fu-Yuan Hsu, Campbellology for runner system design, Shape Casting: The Minerals, Metals & Materials Series, pp. 187-199, 2019. doi.org/10.1007/978-3-030-06034-3_19
19-19 Chengcheng Lyu, Michail Papanikolaou, and Mark Jolly, Numerical process modelling and simulation of Campbell running systems designs, Shape Casting: The Minerals, Metals & Materials Series, pp. 53-64, 2019. doi.org/10.1007/978-3-030-06034-3_5
18-19 Adrian V. Catalina, Liping Xue, and Charles Monroe, A solidification model with application to AlSi-based alloys, Shape Casting: The Minerals, Metals & Materials Series, pp. 201-213, 2019. doi.org/10.1007/978-3-030-06034-3_20
17-19 Fu-Yuan Hsu and Yu-Hung Chen, The validation of feeder modeling for ductile iron castings, Shape Casting: The Minerals, Metals & Materials Series, pp. 227-238, 2019. doi.org/10.1007/978-3-030-06034-3_22
02-19 Jingying Sun, Qichi Le, Li Fu, Jing Bai, Johannes Tretter, Klaus Herbold and Hongwei Huo, Gas entrainment behavior of aluminum alloy engine crankcases during the low-pressure-die-casting-process, Journal of Materials Processing Technology, Vol. 266, pp. 274-282, 2019. doi.org/10.1016/j.jmatprotec.2018.11.016
92-18Fast, Flexible… More Versatile, Foundry Management Technology, March, 2018.
82-18 Xu Zhao, Ping Wang, Tao Li, Bo-yu Zhang, Peng Wang, Guan-zhou Wang and Shi-qi Lu, Gating system optimization of high pressure die casting thin-wall AlSi10MnMg longitudinal loadbearing beam based on numerical simulation, China Foundry, Vol. 15, no. 6, pp. 436-442, 2018. doi: 10.1007/s41230-018-8052-z
80-18 Michail Papanikolaou, Emanuele Pagone, Konstantinos Salonitis, Mark Jolly and Charalampos Makatsoris, A computational framework towards energy efficient casting processes, Sustainable Design and Manufacturing 2018: Proceedings of the 5th International Conference on Sustainable Design and Manufacturing (KES-SDM-18), Gold Coast, Australia, June 24-26 2018, SIST 130, pp. 263-276, 2019. doi.org/10.1007/978-3-030-04290-5_27
51-18 Xue-feng Zhu, Bao-yi Yu, Li Zheng, Bo-ning Yu, Qiang Li, Shu-ning Lü and Hao Zhang, Influence of pouring methods on filling process, microstructure and mechanical properties of AZ91 Mg alloy pipe by horizontal centrifugal casting, China Foundry, vol. 15, no. 3, pp.196-202, 2018. doi.org/10.1007/s41230-018-7256-6
47-18 Santosh Reddy Sama, Jiayi Wang and Guha Manogharan, Non-conventional mold design for metal casting using 3D sand-printing, Journal of Manufacturing Processes, vol. 34-B, pp. 765-775, 2018. doi.org/10.1016/j.jmapro.2018.03.049
42-18 M. Koru and O. Serçe, The Effects of Thermal and Dynamical Parameters and Vacuum Application on Porosity in High-Pressure Die Casting of A383 Al-Alloy, International Journal of Metalcasting, pp. 1-17, 2018. doi.org/10.1007/s40962-018-0214-7
41-18 Abhilash Viswanath, S. Savithri, U.T.S. Pillai, Similitude analysis on flow characteristics of water, A356 and AM50 alloys during LPC process, Journal of Materials Processing Technology, vol. 257, pp. 270-277, 2018. doi.org/10.1016/j.jmatprotec.2018.02.031
29-18 Seyboldt, Christoph and Liewald, Mathias, Investigation on thixojoining to produce hybrid components with intermetallic phase, AIP Conference Proceedings, vol. 1960, no. 1, 2018. doi.org/10.1063/1.5034992
28-18 Laura Schomer, Mathias Liewald and Kim Rouven Riedmüller, Simulation of the infiltration process of a ceramic open-pore body with a metal alloy in semi-solid state to design the manufacturing of interpenetrating phase composites, AIP Conference Proceedings, vol. 1960, no. 1, 2018. doi.org/10.1063/1.5034991
88-16 M.C. Carter, T. Kauffung, L. Weyenberg and C. Peters, Low Pressure Die Casting Simulation Discovery through Short Shot, Cast Expo & Metal Casting Congress, April 16-19, 2016, Minneapolis, MN, Copyright 2016 American Foundry Society.
20-16 Fu-Yuan Hsu, Bifilm Defect Formation in Hydraulic Jump of Liquid Aluminum, Metallurgical and Materials Transactions B, 2016, Band: 47, Heft 3, 1634-1648.
15-16 Mingfan Qia, Yonglin Kanga, Bing Zhoua, Wanneng Liaoa, Guoming Zhua, Yangde Lib,and Weirong Li, A forced convection stirring process for Rheo-HPDC aluminum and magnesium alloys, Journal of Materials Processing Technology 234 (2016) 353–367
112-15 José Miguel Gonçalves Ledo Belo da Costa, Optimization of filling systems for low pressure by FLOW-3D, Dissertação de mestrado integrado em Engenharia Mecânica, 2015.
88-15 Peng Zhang, Zhenming Li, Baoliang Liu, Wenjiang Ding and Liming Peng, Improved tensile properties of a new aluminum alloy for high pressure die casting, Materials Science & Engineering A651(2016)376–390, Available online, November 2015.
82-15 J. Müller, L. Xue, M.C. Carter, C. Thoma, M. Fehlbier and M. Todte, A Die Spray Cooling Model for Thermal Die Cycling Simulations, 2015 Die Casting Congress & Exposition, Indianapolis, IN, October 2015
81-15 M. T. Murray, L.F. Hansen, L. Chilcott, E. Li and A.M. Murray, Case Studies in the Use of Simulation- Improved Yield and Reduced Time to Market, 2015 Die Casting Congress & Exposition, Indianapolis, IN, October 2015
80-15 R. Bhola, S. Chandra and D. Souders, Predicting Castability of Thin-Walled Parts for the HPDC Process Using Simulations, 2015 Die Casting Congress & Exposition, Indianapolis, IN, October 2015
76-15 Prosenjit Das, Sudip K. Samanta, Shashank Tiwari and Pradip Dutta, Die Filling Behaviour of Semi Solid A356 Al Alloy Slurry During Rheo Pressure Die Casting, Transactions of the Indian Institute of Metals, pp 1-6, October 2015
74-15 Murat KORU and Orhan SERÇE, Yüksek Basınçlı Döküm Prosesinde Enjeksiyon Parametrelerine Bağlı Olarak Döküm Simülasyon, Cumhuriyet University Faculty of Science, Science Journal (CSJ), Vol. 36, No: 5 (2015) ISSN: 1300-1949, May 2015
69-15 A. Viswanath, S. Sivaraman, U. T. S. Pillai, Computer Simulation of Low Pressure Casting Process Using FLOW-3D, Materials Science Forum, Vols. 830-831, pp. 45-48, September 2015
68-15 J. Aneesh Kumar, K. Krishnakumar and S. Savithri, Computer Simulation of Centrifugal Casting Process Using FLOW-3D, Materials Science Forum, Vols. 830-831, pp. 53-56, September 2015
59-15 F. Hosseini Yekta and S. A. Sadough Vanini, Simulation of the flow of semi-solid steel alloy using an enhanced model, Metals and Materials International, August 2015.
138-14 Christopher Thoma, Wolfram Volk, Ruben Heid, Klaus Dilger, Gregor Banner and Harald Eibisch, Simulation-based prediction of the fracture elongation as a failure criterion for thin-walled high-pressure die casting components, International Journal of Metalcasting, Vol. 8, No. 4, pp. 47-54, 2014. doi.org/10.1007/BF03355594
107-14 Mehran Seyed Ahmadi, Dissolution of Si in Molten Al with Gas Injection, ProQuest Dissertations And Theses; Thesis (Ph.D.), University of Toronto (Canada), 2014; Publication Number: AAT 3637106; ISBN: 9781321195231; Source: Dissertation Abstracts International, Volume: 76-02(E), Section: B.; 191 p.
92-14 Warren Bishenden and Changhua Huang, Venting design and process optimization of die casting process for structural components; Part II: Venting design and process optimization, Die Casting Engineer, November 2014
90-14 Ken’ichi Kanazawa, Ken’ichi Yano, Jun’ichi Ogura, and Yasunori Nemoto, Optimum Runner Design for Die-Casting using CFD Simulations and Verification with Water-Model Experiments, Proceedings of the ASME 2014 International Mechanical Engineering Congress and Exposition, IMECE2014, November 14-20, 2014, Montreal, Quebec, Canada, IMECE2014-37419
89-14 P. Kapranos, C. Carney, A. Pola, and M. Jolly, Advanced Casting Methodologies: Investment Casting, Centrifugal Casting, Squeeze Casting, Metal Spinning, and Batch Casting, In Comprehensive Materials Processing; McGeough, J., Ed.; 2014, Elsevier Ltd., 2014; Vol. 5, pp 39–67.
68-14 L. Xue, M.C. Carter, A.V. Catalina, Z. Lin, C. Li, and C. Qiu, Numerical Simulation of Core Gas Defects in Steel Castings, Copyright 2014 American Foundry Society, 118th Metalcasting Congress, April 8 – 11, 2014, Schaumburg, IL
51-14 Jesus M. Blanco, Primitivo Carranza, Rafael Pintos, Pedro Arriaga, and Lakhdar Remaki, Identification of Defects Originated during the Filling of Cast Pieces through Particles Modelling, 11th World Congress on Computational Mechanics (WCCM XI), 5th European Conference on Computational Mechanics (ECCM V), 6th European Conference on Computational Fluid Dynamics (ECFD VI), E. Oñate, J. Oliver and A. Huerta (Eds)
47-14 B. Vijaya Ramnatha, C.Elanchezhiana, Vishal Chandrasekhar, A. Arun Kumarb, S. Mohamed Asif, G. Riyaz Mohamed, D. Vinodh Raj , C .Suresh Kumar, Analysis and Optimization of Gating System for Commutator End Bracket, Procedia Materials Science 6 ( 2014 ) 1312 – 1328, 3rd International Conference on Materials Processing and Characterisation (ICMPC 2014)
20-14 Johannes Hartmann, Tobias Fiegl, Carolin Körner, Aluminum integral foams with tailored density profile by adapted blowing agents, Applied Physics A, doi.org/10.1007/s00339-014-8377-4, March 2014.
08-14 FY Hsu, SW Wang, and HJ Lin, The External and Internal Shrinkages in Aluminum Gravity Castings, Shape Casting: 5th International Symposium 2014. Available online at Google Books
103-13 B. Fuchs, H. Eibisch and C. Körner, Core Viability Simulation for Salt Core Technology in High-Pressure Die Casting, International Journal of Metalcasting, July 2013, Volume 7, Issue 3, pp 39–45
84-13 Körner, C., Schwankl, M., Himmler, D., Aluminum-Aluminum compound castings by electroless deposited zinc layers, Journal of Materials Processing Technology (2014), doi.org/10.1016/j.jmatprotec.2013.12.01483-13.
77-13 Antonio Armillotta & Raffaello Baraggi & Simone Fasoli, SLM tooling for die casting with conformal cooling channels, The International Journal of Advanced Manufacturing Technology, doi.org/10.1007/s00170-013-5523-7, December 2013.
64-13 Johannes Hartmann, Christina Blümel, Stefan Ernst, Tobias Fiegl, Karl-Ernst Wirth, Carolin Körner, Aluminum integral foam castings with microcellular cores by nano-functionalization, J Mater Sci, doi.org/10.1007/s10853-013-7668-z, September 2013.
42-13 Yang Yue, William D. Griffiths, and Nick R. Green, Modelling of the Effects of Entrainment Defects on Mechanical Properties in a Cast Al-Si-Mg Alloy, Materials Science Forum, 765, 225, 2013.
39-13 J. Crapps, D.S. DeCroix, J.D Galloway, D.A. Korzekwa, R. Aikin, R. Fielding, R. Kennedy, C. Unal, Separate effects identification via casting process modeling for experimental measurement of U-Pu-Zr alloys, Journal of Nuclear Materials, 15 July 2013.
09-13 M.C. Carter and L. Xue, Simulating the Parameters that Affect Core Gas Defects in Metal Castings, Copyright 2012 American Foundry Society, Presented at the 2013 CastExpo, St. Louis, Missouri, April 2013
08-13 C. Reilly, N.R. Green, M.R. Jolly, J.-C. Gebelin, The Modelling Of Oxide Film Entrainment In Casting Systems Using Computational Modelling, Applied Mathematical Modelling, http://dx.doi.org/10.1016/j.apm.2013.03.061, April 2013.
03-13 Alexandre Reikher and Krishna M. Pillai, A fast simulation of transient metal flow and solidification in a narrow channel. Part II. Model validation and parametric study, Int. J. Heat Mass Transfer (2013), http://dx.doi.org/10.1016/j.ijheatmasstransfer.2012.12.061.
02-13 Alexandre Reikher and Krishna M. Pillai, A fast simulation of transient metal flow and solidification in a narrow channel. Part I: Model development using lubrication approximation, Int. J. Heat Mass Transfer (2013), http://dx.doi.org/10.1016/j.ijheatmasstransfer.2012.12.060.
116-12 Jufu Jianga, Ying Wang, Gang Chena, Jun Liua, Yuanfa Li and Shoujing Luo, “Comparison of mechanical properties and microstructure of AZ91D alloy motorcycle wheels formed by die casting and double control forming, Materials & Design, Volume 40, September 2012, Pages 541-549.
103-12 WU Shu-sen, ZHONG Gu, AN Ping, WAN Li, H. NAKAE, Microstructural characteristics of Al−20Si−2Cu−0.4Mg−1Ni alloy formed by rheo-squeeze casting after ultrasonic vibration treatment, Transactions of Nonferrous Metals Society of China, 22 (2012) 2863-2870, November 2012. Full paper available online.
97-12 Hong Zhou and Li Heng Luo, Filling Pattern of Step Gating System in Lost Foam Casting Process and its Application, Advanced Materials Research, Volumes 602-604, Progress in Materials and Processes, 1916-1921, December 2012.
93-12 Liangchi Zhang, Chunliang Zhang, Jeng-Haur Horng and Zichen Chen, Functions of Step Gating System in the Lost Foam Casting Process, Advanced Materials Research, 591-593, 940, DOI: 10.4028/www.scientific.net/AMR.591-593.940, November 2012.
91-12 Hong Yan, Jian Bin Zhu, Ping Shan, Numerical Simulation on Rheo-Diecasting of Magnesium Matrix Composites, 10.4028/www.scientific.net/SSP.192-193.287, Solid State Phenomena, 192-193, 287.
89-12 Alexandre Reikher and Krishna M. Pillai, A Fast Numerical Simulation for Modeling Simultaneous Metal Flow and Solidification in Thin Cavities Using the Lubrication Approximation, Numerical Heat Transfer, Part A: Applications: An International Journal of Computation and Methodology, 63:2, 75-100, November 2012.
82-12 Jufu Jiang, Gang Chen, Ying Wang, Zhiming Du, Weiwei Shan, and Yuanfa Li, Microstructure and mechanical properties of thin-wall and high-rib parts of AM60B Mg alloy formed by double control forming and die casting under the optimal conditions, Journal of Alloys and Compounds, http://dx.doi.org/10.1016/j.jallcom.2012.10.086, October 2012.
65-12 X.H. Yang, T.J. Lu, T. Kim, Influence of non-conducting pore inclusions on phase change behavior of porous media with constant heat flux boundary, International Journal of Thermal Sciences, Available online 10 October 2012. Available online at SciVerse.
55-12 Hejun Li, Pengyun Wang, Lehua Qi, Hansong Zuo, Songyi Zhong, Xianghui Hou, 3D numerical simulation of successive deposition of uniform molten Al droplets on a moving substrate and experimental validation, Computational Materials Science, Volume 65, December 2012, Pages 291–301.
52-12 Hongbing Ji, Yixin Chen and Shengzhou Chen, Numerical Simulation of Inner-Outer Couple Cooling Slab Continuous Casting in the Filling Process, Advanced Materials Research (Volumes 557-559), Advanced Materials and Processes II, pp. 2257-2260, July 2012.
47-12 Petri Väyrynen, Lauri Holappa, and Seppo Louhenkilpi, Simulation of Melting of Alloying Materials in Steel Ladle, SCANMET IV – 4th International Conference on Process Development in Iron and Steelmaking, Lulea, Sweden, June 10-13, 2012.
45-12 D.R. Gunasegaram, M. Givord, R.G. O’Donnell and B.R. Finnin, Improvements engineered in UTS and elongation of aluminum alloy high pressure die castings through the alteration of runner geometry and plunger velocity, Materials Science & Engineering.
41-12 Deniece R. Korzekwa, Cameron M. Knapp, David A. Korzekwa, and John W. Gibbs, Co-Design – Fabrication of Unalloyed Plutonium, LA-UR-12-23441, MDI Summer Research Group Workshop Advanced Manufacturing, 2012-07-25/2012-07-26 (Los Alamos, New Mexico, United States)
29-12 Dario Tiberto and Ulrich E. Klotz, Computer simulation applied to jewellery casting: challenges, results and future possibilities, IOP Conf. Ser.: Mater. Sci. Eng.33 012008. Full paper available at IOP.
28-12 Y Yue and N R Green, Modelling of different entrainment mechanisms and their influences on the mechanical reliability of Al-Si castings, 2012 IOP Conf. Ser.: Mater. Sci. Eng. 33,012072.Full paper available at IOP.
27-12 E Kaschnitz, Numerical simulation of centrifugal casting of pipes, 2012 IOP Conf. Ser.: Mater. Sci. Eng. 33 012031, Issue 1. Full paper available at IOP.
15-12 C. Reilly, N.R Green, M.R. Jolly, The Present State Of Modeling Entrainment Defects In The Shape Casting Process, Applied Mathematical Modelling, Available online 27 April 2012, ISSN 0307-904X, 10.1016/j.apm.2012.04.032.
12-12 Andrei Starobin, Tony Hirt, Hubert Lang, and Matthias Todte, Core drying simulation and validation, International Foundry Research, GIESSEREIFORSCHUNG 64 (2012) No. 1, ISSN 0046-5933, pp 2-5
04-12 J. Spangenberg, N. Roussel, J.H. Hattel, H. Stang, J. Skocek, M.R. Geiker, Flow induced particle migration in fresh concrete: Theoretical frame, numerical simulations and experimental results on model fluids, Cement and Concrete Research, http://dx.doi.org/10.1016/j.cemconres.2012.01.007, February 2012.
01-12 Lee, B., Baek, U., and Han, J., Optimization of Gating System Design for Die Casting of Thin Magnesium Alloy-Based Multi-Cavity LCD Housings, Journal of Materials Engineering and Performance, Springer New York, Issn: 1059-9495, 10.1007/s11665-011-0111-1, Volume 1 / 1992 – Volume 21 / 2012. Available online at Springer Link.
104-11 Fu-Yuan Hsu and Huey Jiuan Lin, Foam Filters Used in Gravity Casting, Metall and Materi Trans B (2011) 42: 1110. doi:10.1007/s11663-011-9548-8.
99-11 Eduardo Trejo, Centrifugal Casting of an Aluminium Alloy, thesis: Doctor of Philosophy, Metallurgy and Materials School of Engineering University of Birmingham, October 2011. Full paper available upon request.
71-11 Fu-Yuan Hsu and Yao-Ming Yang Confluence Weld in an Aluminum Gravity Casting, Journal of Materials Processing Technology, Available online 23 November 2011, ISSN 0924-0136, 10.1016/j.jmatprotec.2011.11.006.
46-11 Daniel Einsiedler, Entwicklung einer Simulationsmethodik zur Simulation von Strömungs- und Trocknungsvorgängen bei Kernfertigungsprozessen mittels CFD (Development of a simulation methodology for simulating flow and drying operations in core production processes using CFD), MSc thesis at Technical University of Aalen in Germany (Hochschule Aalen), 2011.
31-11 Johannes Hartmann, André Trepper, Carolin Körner, Aluminum Integral Foams with Near-Microcellular Structure, Advanced Engineering Materials, 13: n/a. doi: 10.1002/adem.201100035, June 2011.
21-11 Thang Nguyen, Vu Nguyen, Morris Murray, Gary Savage, John Carrig, Modelling Die Filling in Ultra-Thin Aluminium Castings, Materials Science Forum (Volume 690), Light Metals Technology V, pp 107-111, 10.4028/www.scientific.net/MSF.690.107, June 2011.
15-11 J. J. Hernández-Ortega, R. Zamora, J. López, and F. Faura, Numerical Analysis of Air Pressure Effects on the Flow Pattern during the Filling of a Vertical Die Cavity, AIP Conf. Proc., Volume 1353, pp. 1238-1243, The 14th International Esaform Conference on Material Forming: Esaform 2011; doi:10.1063/1.3589686, May 2011. Available online.
08-11 Hai Peng Li, Chun Yong Liang, Li Hui Wang, Hong Shui Wang, Numerical Simulation of Casting Process for Gray Iron Butterfly Valve, Advanced Materials Research, 189-193, 260, February 2011.
48-10 J. J. Hernández-Ortega, R. Zamora, J. Palacios, J. López and F. Faura, An Experimental and Numerical Study of Flow Patterns and Air Entrapment Phenomena During the Filling of a Vertical Die Cavity, J. Manuf. Sci. Eng., October 2010, Volume 132, Issue 5, 05101, doi:10.1115/1.4002535.
41-10 Pamela J. Waterman, Understanding Core-Gas Defects, Desktop Engineering, October 2010. Available online at Desktop Engineering. Also published in the Foundry Trade Journal, November 2010.
32-10 Guan Hai Yan, Sheng Dun Zhao, Zheng Hui Sha, Parameters Optimization of Semisolid Diecasting Process for Air-Conditioner’s Triple Valve in HPb59-1 Alloy, Advanced Materials Research (Volumes 129 – 131), Vol. Material and Manufacturing Technology, pp. 936-941, DOI: 10.4028/www.scientific.net/AMR.129-131.936, August 2010.
29-10 Zheng Peng, Xu Jun, Zhang Zhifeng, Bai Yuelong, and Shi Likai, Numerical Simulation of Filling of Rheo-diecasting A357 Aluminum Alloy, Special Casting & Nonferrous Alloys, DOI: CNKI:SUN:TZZZ.0.2010-01-024, 2010.
15-10 David H. Kirkwood, Michel Suery, Plato Kapranos, Helen V. Atkinson, and Kenneth P. Young, Semi-solid Processing of Alloys, 2010, XII, 172 p. 103 illus., 19 in color., Hardcover ISBN: 978-3-642-00705-7.
09-10 Shannon Wetzel, Fullfilling Da Vinci’s Dream, Modern Casting, April 2010.
08-10 B.I. Semenov, K.M. Kushtarov, Semi-solid Manufacturing of Castings, New Industrial Technologies, Publication of Moscow State Technical University n.a. N.E. Bauman, 2009 (in Russian)
07-10 Carl Reilly, Development Of Quantitative Casting Quality Assessment Criteria Using Process Modelling, thesis: The University of Birmingham, March 2010 (Available upon request)
60-09 Somlak Wannarumon, and Marco Actis Grande, Comparisons of Computer Fluid Dynamic Software Programs applied to Jewelry Investment Casting Process, World Academy of Science, Engineering and Technology 55 2009.
59-09 Marco Actis Grande and Somlak Wannarumon, Numerical Simulation of Investment Casting of Gold Jewelry: Experiments and Validations, World Academy of Science, Engineering and Technology, Vol:3 2009-07-24
51-09 In-Ting Hong, Huan-Chien Tung, Chun-Hao Chiu and Hung-Shang Huang, Effect of Casting Parameters on Microstructure and Casting Quality of Si-Al Alloy for Vacuum Sputtering, China Steel Technical Report, No. 22, pp. 33-40, 2009.
42-09 P. Väyrynen, S. Wang, S. Louhenkilpi and L. Holappa, Modeling and Removal of Inclusions in Continuous Casting, Materials Science & Technology 2009 Conference & Exhibition, Pittsburgh, Pennsylvania, USA, October 25-29, 2009
7-09 Andrei Starobin, Simulation of Core Gas Evolution and Flow, presented at the North American Die Casting Association – 113th Metalcasting Congress, April 7-10, 2009, Las Vegas, Nevada, USA
6-09 A.Pari, Optimization of HPDC PROCESS: Case Studies, North American Die Casting Association – 113th Metalcasting Congress, April 7-10, 2009, Las Vegas, Nevada, USA
09-07 Alexandre Reikher and Michael Barkhudarov, Casting: An Analytical Approach, Springer, 1st edition, August 2007, Hardcover ISBN: 978-1-84628-849-4. U.S. Order Form; Europe Order Form.
02-07 Fu-Yuan Hsu, Mark R. Jolly and John Campbell, The Design of L-Shaped Runners for Gravity Casting, Shape Casting: 2nd International Symposium, Edited by Paul N. Crepeau, Murat Tiryakioðlu and John Campbell, TMS (The Minerals, Metals & Materials Society), Orlando, FL, Feb 2007
6-06 M. Barkhudarov, and G. Wei, Modeling of the Coupled Motion of Rigid Bodies in Liquid Metal, Modeling of Casting, Welding and Advanced Solidification Processes – XI, May 28 – June 2, 2006, Opio, France, eds. Ch.-A. Gandin and M. Bellet, pp 71-78, 2006.
2-06 J.-C. Gebelin, M.R. Jolly and F.-Y. Hsu, ‘Designing-in’ Controlled Filling Using Numerical Simulation for Gravity Sand Casting of Aluminium Alloys, Int. J. Cast Met. Res., 2006, Vol.19 No.1
30-05 H. Xue, K. Kabiri-Bamoradian, R.A. Miller, Modeling Dynamic Cavity Pressure and Impact Spike in Die Casting, Cast Expo ’05, April 16-19, 2005
22-05 Blas Melissari & Stavros A. Argyropoulous, Measurement of Magnitude and Direction of Velocity in High-Temperature Liquid Metals; Part I, Mathematical Modeling, Metallurgical and Materials Transactions B, Volume 36B, October 2005, pp. 691-700
21-05 M.R. Jolly, State of the Art Review of Use of Modeling Software for Casting, TMS Annual Meeting, Shape Casting: The John Campbell Symposium, Eds, M. Tiryakioglu & P.N Crepeau, TMS, Warrendale, PA, ISBN 0-87339-583-2, Feb 2005, pp 337-346
20-05 J-C Gebelin, M.R. Jolly & F-Y Hsu, ‘Designing-in’ Controlled Filling Using Numerical Simulation for Gravity Sand Casting of Aluminium Alloys, TMS Annual Meeting, Shape Casting: The John Campbell Symposium, Eds, M. Tiryakioglu & P.N Crepeau, TMS, Warrendale, PA, ISBN 0-87339-583-2, Feb 2005, pp 355-364
19-05 F-Y Hsu, M.R. Jolly & J Campbell, Vortex Gate Design for Gravity Castings, TMS Annual Meeting, Shape Casting: The John Campbell Symposium, Eds, M. Tiryakioglu & P.N Crepeau, TMS, Warrendale, PA, ISBN 0-87339-583-2, Feb 2005, pp 73-82
18-05 M.R. Jolly, Modelling the Investment Casting Process: Problems and Successes, Japanese Foundry Society, JFS, Tokyo, Sept. 2005
6-05 Birgit Hummler-Schaufler, Fritz Hirning, Jurgen Schaufler, A World First for Hatz Diesel and Schaufler Tooling, Die Casting Engineer, May 2005, pp. 18-21
4-05 Rolf Krack, The W35 Topic—A World First, Die Casting World, March 2005, pp. 16-17
36-04 Ik Min Park, Il Dong Choi, Yong Ho Park, Development of Light-Weight Al Scroll Compressor for Car Air Conditioner, Materials Science Forum, Designing, Processing and Properties of Advanced Engineering Materials, 449-452, 149, March 2004.
30-04 Haijing Mao, A Numerical Study of Externally Solidified Products in the Cold Chamber Die Casting Process, thesis: The Ohio State University, 2004 (Available upon request)
23-04State of the Art Use of Computational Modelling in the Foundry Industry, 3rd International Conference Computational Modelling of Materials III, Sicily, Italy, June 2004, Advances in Science and Technology, Eds P. Vincenzini & A Lami, Techna Group Srl, Italy, ISBN: 88-86538-46-4, Part B, pp 479-490
22-04 Jerry Fireman, Computer Simulation Helps Reduce Scrap, Die Casting Engineer, May 2004, pp. 46-49
21-04 Joerg Frei, Simulation—A Safe and Quick Way to Good Components, Aluminium World, Volume 3, Issue 2, pp. 42-43
14-04 Sayavur I. Bakhtiyarov, Charles H. Sherwin, and Ruel A. Overfelt, Hot Distortion Studies In Phenolic Urethane Cold Box System, American Foundry Society, 108th Casting Congress, June 12-15, 2004, Rosemont, IL, USA
13-04 Sayavur I. Bakhtiyarov and Ruel A. Overfelt, First V-Process Casting of Magnesium, American Foundry Society, 108th Casting Congress, June 12-15, 2004, Rosemont, IL, USA
5-04 C. Schlumpberger & B. Hummler-Schaufler, Produktentwicklung auf hohem Niveau (Product Development on a High Level), Druckguss Praxis, January 2004, pp 39-42 (in German).
3-04 Charles Bates, Dealing with Defects, Foundry Management and Technology, February 2004, pp 23-25
1-04 Laihua Wang, Thang Nguyen, Gary Savage and Cameron Davidson, Thermal and Flow Modeling of Ladling and Injection in High Pressure Die Casting Process, International Journal of Cast Metals Research, vol. 16 No 4 2003, pp 409-417
21-03 E F Brush Jr, S P Midson, W G Walkington, D T Peters, J G Cowie, Porosity Control in Copper Rotor Die Castings, NADCA Indianapolis Convention Center, Indianapolis, IN September 15-18, 2003, T03-046
10-03 Gebelin., J-C and Jolly, M.R., Modeling of the Investment Casting Process, Journal of Materials Processing Tech., Vol. 135/2-3, pp. 291 – 300
9-03 Cox, M, Harding, R.A. and Campbell, J., Optimised Running System Design for Bottom Filled Aluminium Alloy 2L99 Investment Castings, J. Mat. Sci. Tech., May 2003, Vol. 19, pp. 613-625
8-03 Von Alexander Schrey and Regina Reek, Numerische Simulation der Kernherstellung, (Numerical Simulation of Core Blowing), Giesserei, June 2003, pp. 64-68 (in German)
7-03 J. Zuidema Jr., L Katgerman, Cyclone separation of particles in aluminum DC Casting, Proceedings from the Tenth International Conference on Modeling of Casting, Welding and Advanced Solidification Processes, Destin, FL, May 2003, pp. 607-614
6-03 Jean-Christophe Gebelin and Mark Jolly, Numerical Modeling of Metal Flow Through Filters, Proceedings from the Tenth International Conference on Modeling of Casting, Welding and Advanced Solidification Processes, Destin, FL, May 2003, pp. 431-438
5-03 N.W. Lai, W.D. Griffiths and J. Campbell, Modelling of the Potential for Oxide Film Entrainment in Light Metal Alloy Castings, Proceedings from the Tenth International Conference on Modeling of Casting, Welding and Advanced Solidification Processes, Destin, FL, May 2003, pp. 415-422
21-02 Boris Lukezic, Case History: Process Modeling Solves Die Design Problems, Modern Casting, February 2003, P 59
16-02 Barkhudarov, Michael, Computer Simulation of Lost Foam Process, Casting Simulation Background and Examples from Europe and the USA, World Foundrymen Organization, 2002, pp 319-324
15-02 Barkhudarov, Michael, Computer Simulation of Inclusion Tracking, Casting Simulation Background and Examples from Europe and the USA, World Foundrymen Organization, 2002, pp 341-346
14-02 Barkhudarov, Michael, Advanced Simulation of the Flow and Heat Transfer of an Alternator Housing, Casting Simulation Background and Examples from Europe and the USA, World Foundrymen Organization, 2002, pp 219-228
7-02 A Habibollah Zadeh, and J Campbell, Metal Flow Through a Filter System, University of Birmingham, 2002 American Foundry Society, AFS Transactions 02-020, Kansas City, MO
6-02 Phil Ward, and Helen Atkinson, Final Report for EPSRC Project: Modeling of Thixotropic Flow of Metal Alloys into a Die, GR/M17334/01, March 2002, University of Sheffield
5-02 S. I. Bakhtiyarov and R. A. Overfelt, Numerical and Experimental Study of Aluminum Casting in Vacuum-sealed Step Molding, Auburn University, 2002 American Foundry Society, AFS Transactions 02-050, Kansas City, MO
4-02 J. C. Gebelin and M. R. Jolly, Modelling Filters in Light Alloy Casting Processes, University of Birmingham, 2002 American Foundry Society AFS Transactions 02-079, Kansas City, MO
3-02 Mark Jolly, Mike Cox, Jean-Christophe Gebelin, Sam Jones, and Alex Cendrowicz, Fundamentals of Investment Casting (FOCAST), Modelling the Investment Casting Process, Some preliminary results from the UK Research Programme, IRC in Materials, University of Birmingham, UK, AFS2001
49-01 Hua Bai and Brian G. Thomas, Bubble formation during horizontal gas injection into downward-flowing liquid, Metallurgical and Materials Transactions B, Vol. 32, No. 6, pp. 1143-1159, 2001. doi.org/10.1007/s11663-001-0102-y
45-01 Jan Zuidema; Laurens Katgerman; Ivo J. Opstelten;Jan M. Rabenberg, Secondary Cooling in DC Casting: Modelling and Experimental Results, TMS 2001, New Orleans, Louisianna, February 11-15, 2001
43-01 James Andrew Yurko, Fluid Flow Behavior of Semi-Solid Aluminum at High Shear Rates,Ph.D. thesis; Massachusetts Institute of Technology, June 2001. Abstract only; full thesis available at http://dspace.mit.edu/handle/1721.1/8451 (for a fee).
33-01 Juang, S.H., CAE Application on Design of Die Casting Dies, 2001 Conference on CAE Technology and Application, Hsin-Chu, Taiwan, November 2001, (article in Chinese with English-language abstract)
32-01 Juang, S.H. and C. M. Wang, Effect of Feeding Geometry on Flow Characteristics of Magnesium Die Casting by Numerical Analysis, The Preceedings of 6th FADMA Conference, Taipei, Taiwan, July 2001, Chinese language with English abstract
21-01 P. Scarber Jr., Using Liquid Free Surface Areas as a Predictor of Reoxidation Tendency in Metal Alloy Castings, presented at the Steel Founders’ Society of American, Technical and Operating Conference, October 2001
20-01 P. Scarber Jr., J. Griffin, and C. E. Bates, The Effect of Gating and Pouring Practice on Reoxidation of Steel Castings, presented at the Steel Founders’ Society of American, Technical and Operating Conference, October 2001
18-01 Rajiv Shivpuri, Venkatesh Sankararaman, Kaustubh Kulkarni, An Approach at Optimizing the Ingate Design for Reducing Filling and Shrinkage Defects, The Ohio State University, Columbus, OH, Presented by North American Die Casting Association, Oct 29-Nov 1, 2001, Cincinnati, TO1-052
2-01 J. Grindling, Customized CFD Codes to Simulate Casting of Thermosets in Full 3D, Electrical Manufacturing and Coil Winding 2000 Conference, October 31-November 2, 20
20-00 Richard Schuhmann, John Carrig, Thang Nguyen, Arne Dahle, Comparison of Water Analogue Modelling and Numerical Simulation Using Real-Time X-Ray Flow Data in Gravity Die Casting, Australian Die Casting Association Die Casting 2000 Conference, September 3-6, 2000, Melbourne, Victoria, Australia
15-00 M. Sirvio, Vainola, J. Vartianinen, M. Vuorinen, J. Orkas, and S. Devenyi, Fluid Flow Analysis for Designing Gating of Aluminum Castings, Proc. NADCA Conf., Rosemont, IL, Nov 6-8, 1999
14-00 X. Yang, M. Jolly, and J. Campbell, Reduction of Surface Turbulence during Filling of Sand Castings Using a Vortex-flow Runner, Conference for Modeling of Casting, Welding, and Advanced Solidification Processes IX, Aachen, Germany, August 2000
13-00 H. S. H. Lo and J. Campbell, The Modeling of Ceramic Foam Filters, Conference for Modeling of Casting, Welding, and Advanced Solidification Processes IX, Aachen, Germany, August 2000
12-00 M. R. Jolly, H. S. H. Lo, M. Turan and J. Campbell, Use of Simulation Tools in the Practical Development of a Method for Manufacture of Cast Iron Camshafts,” Conference for Modeling of Casting, Welding, and Advanced Solidification Processes IX, Aachen, Germany, August, 2000
14-99 J Koke, and M Modigell, Time-Dependent Rheological Properties of Semi-solid Metal Alloys, Institute of Chemical Engineering, Aachen University of Technology, Mechanics of Time-Dependent Materials 3: 15-30, 1999
12-99 Grun, Gerd-Ulrich, Schneider, Wolfgang, Ray, Steven, Marthinusen, Jan-Olaf, Recent Improvements in Ceramic Foam Filter Design by Coupled Heat and Fluid Flow Modeling, Proc TMS Annual Meeting, 1999, pp. 1041-1047
10-99 Bongcheol Park and Jerald R. Brevick, Computer Flow Modeling of Cavity Pre-fill Effects in High Pressure Die Casting, NADCA Proceedings, Cleveland T99-011, November, 1999
8-99 Brad Guthrie, Simulation Reduces Aluminum Die Casting Cost by Reducing Volume, Die Casting Engineer Magazine, September/October 1999, pp. 78-81
19-98 Grun, Gerd-Ulrich, & Schneider, Wolfgang, Numerical Modeling of Fluid Flow Phenomena in the Launder-integrated Tool Within Casting Unit Development, Proc TMS Annual Meeting, 1998, pp. 1175-1182
18-98 X. Yang & J. Campbell, Liquid Metal Flow in a Pouring Basin, Int. J. Cast Metals Res, 1998, 10, pp. 239-253
15-98 R. Van Tol, Mould Filling of Horizontal Thin-Wall Castings, Delft University Press, The Netherlands, 1998
14-98 J. Daughtery and K. A. Williams, Thermal Modeling of Mold Material Candidates for Copper Pressure Die Casting of the Induction Motor Rotor Structure, Proc. Int’l Workshop on Permanent Mold Casting of Copper-Based Alloys, Ottawa, Ontario, Canada, Oct. 15-16, 1998
10-98 C. W. Hirt, and M.R. Barkhudarov, Lost Foam Casting Simulation with Defect Prediction, Flow Science Inc, presented at Modeling of Casting, Welding and Advanced Solidification Processes VIII Conference, June 7-12, 1998, Catamaran Hotel, San Diego, California
9-98 M. R. Barkhudarov and C. W. Hirt, Tracking Defects, Flow Science Inc, presented at the 1st International Aluminum Casting Technology Symposium, 12-14 October 1998, Rosemont, IL
3-98 P. Kapranos, M. R. Barkhudarov, D. H. Kirkwood, Modeling of Structural Breakdown during Rapid Compression of Semi-Solid Alloy Slugs, Dept. Engineering Materials, The University of Sheffield, Sheffield S1 3JD, U.K. and Flow Science Inc, USA, Presented at the 5th International Conference Semi-Solid Processing of Alloys and Composites, Colorado School of Mines, Golden, CO, 23-25 June 1998
1-98 U. Jerichow, T. Altan, and P. R. Sahm, Semi Solid Metal Forming of Aluminum Alloys-The Effect of Process Variables Upon Material Flow, Cavity Fill and Mechanical Properties, The Ohio State University, Columbus, OH, published in Die Casting Engineer, p. 26, Jan/Feb 1998
8-97 Michael Barkhudarov, High Pressure Die Casting Simulation Using FLOW-3D, Die Casting Engineer, 1997
14-97 M. Ranganathan and R. Shivpuri, Reducing Scrap and Increasing Die Life in Low Pressure Die Casting through Flow Simulation and Accelerated Testing, Dept. Welding and Systems Engineering, Ohio State University, Columbus, OH, presented at 19th International Die Casting Congress & Exposition, November 3-6, 1997
13-97 J. Koke, Modellierung und Simulation der Fließeigenschaften teilerstarrter Metallegierungen, Livt Information, Institut für Verfahrenstechnik, RWTH Aachen, October 1997
8-97 H. Grazzini and D. Nesa, Thermophysical Properties, Casting Simulation and Experiments for a Stainless Steel, AT Systemes (Renault) report, presented at the Solidification Processing ’97 Conference, July 7-10, 1997, Sheffield, U.K.
7-97 R. Van Tol, L. Katgerman and H. E. A. Van den Akker, Horizontal Mould Filling of a Thin Wall Aluminum Casting, Laboratory of Materials report, Delft University, presented at the Solidification Processing ’97 Conference, July 7-10, 1997, Sheffield, U.K.
22-96 Grun, Gerd-Ulrich & Schneider, Wolfgang, 3-D Modeling of the Start-up Phase of DC Casting of Sheet Ingots, Proc TMS Annual Meeting, 1996, pp. 971-981
4-96 C. W. Hirt, A Computational Model for the Lost Foam Process, Flow Science final report, February 1996 (FSI-96-57-R2)
3-96 M. R. Barkhudarov, C. L. Bronisz, C. W. Hirt, Three-Dimensional Thixotropic Flow Model, Flow Science report, FSI-96-00-1, published in the proceedings of (pp. 110- 114) and presented at the 4th International Conference on Semi-Solid Processing of Alloys and Composites, The University of Sheffield, 19-21 June 1996
1-96 M. R. Barkhudarov, J. Beech, K. Chang, and S. B. Chin, Numerical Simulation of Metal/Mould Interfacial Heat Transfer in Casting, Dept. Mech. & Process Engineering, Dept. Engineering Materials, University of Sheffield and Flow Science Inc, 9th Int. Symposium on Transport Phenomena in Thermal-Fluid Engineering, June 25-28, 1996, Singapore
10-95 Grun, Gerd-Ulrich, & Schneider, Wolfgang, Optimal Design of a Distribution Pan for Level Pour Casting, Proc TMS Annual Meeting, 1995, pp. 1061-1070
9-95 E. Masuda, I. Itoh, K. Haraguchi, Application of Mold Filling Simulation to Die Casting Processes, Honda Engineering Co., Ltd., Tochigi, Japan, presented at the Modelling of Casting, Welding and Advanced Solidification Processes VII, The Minerals, Metals & Materials Society, 1995
6-95 K. Venkatesan, Experimental and Numerical Investigation of the Effect of Process Parameters on the Erosive Wear of Die Casting Dies, presented for Ph.D. degree at Ohio State University, 1995
5-95 J. Righi, A. F. LaCamera, S. A. Jones, W. G. Truckner, T. N. Rouns, Integration of Experience and Simulation Based Understanding in the Die Design Process, Alcoa Technical Center, Alcoa Center, PA 15069, presented by the North American Die Casting Association, 1995
2-95 K. Venkatesan and R. Shivpuri, Numerical Simulation and Comparison with Water Modeling Studies of the Inertia Dominated Cavity Filling in Die Casting, NUMIFORM, 1995
13-94 Deniece Korzekwa and Paul Dunn, A Combined Experimental and Modeling Approach to Uranium Casting, Materials Division, Los Alamos National Laboratory, presented at the Symposium on Liquid Metal Processing and Casting, El Dorado Hotel, Santa Fe, New Mexico, 1994
12-94 R. van Tol, H. E. A. van den Akker and L. Katgerman, CFD Study of the Mould Filling of a Horizontal Thin Wall Aluminum Casting, Delft University of Technology, Delft, The Netherlands, HTD-Vol. 284/AMD-Vol. 182, Transport Phenomena in Solidification, ASME 1994
11-94 M. R. Barkhudarov and K. A. Williams, Simulation of ‘Surface Turbulence’ Fluid Phenomena During the Mold Filling Phase of Gravity Castings, Flow Science Technical Note #41, November 1994 (FSI-94-TN41)
16-93 K. Venkatesan and R. Shivpuri, Numerical Simulation of Die Cavity Filling in Die Castings and an Evaluation of Process Parameters on Die Wear, Dept. of Industrial Systems Engineering, Presented by: N.A. Die Casting Association, Cleveland, Ohio, October 18-21, 1993
15-93 K. Venkatesen and R. Shivpuri, Numerical Modeling of Filling and Solidification for Improved Quality of Die Casting: A Literature Survey (Chapters II and III), Engineering Research Center for Net Shape Manufacturing, Report C-93-07, August 1993, Ohio State University
1-93 P-E Persson, Computer Simulation of the Solidification of a Hub Carrier for the Volvo 800 Series, AB Volvo Technological Development, Metals Laboratory, Technical Report No. LM 500014E, Jan. 1993
13-92 D. R. Korzekwa, M. A. K. Lewis, Experimentation and Simulation of Gravity Fed Lead Castings, in proceedings of a TMS Symposium on Concurrent Engineering Approach to Materials Processing, S. N. Dwivedi, A. J. Paul and F. R. Dax, eds., TMS-AIME Warrendale, p. 155 (1992)
12-92 M. A. K. Lewis, Near-Net-Shaiconpe Casting Simulation and Experimentation, MST 1992 Review, Los Alamos National Laboratory
2-92 M. R. Barkhudarov, H. You, J. Beech, S. B. Chin, D. H. Kirkwood, Validation and Development of FLOW-3D for Casting, School of Materials, University of Sheffield, Sheffield, UK, presented at the TMS/AIME Annual Meeting, San Diego, CA, March 3, 1992
1-92 D. R. Korzekwa and L. A. Jacobson, Los Alamos National Laboratory and C.W. Hirt, Flow Science Inc, Modeling Planar Flow Casting with FLOW-3D, presented at the TMS/AIME Annual Meeting, San Diego, CA, March 3, 1992
12-91 R. Shivpuri, M. Kuthirakulathu, and M. Mittal, Nonisothermal 3-D Finite Difference Simulation of Cavity Filling during the Die Casting Process, Dept. Industrial and Systems Engineering, Ohio State University, presented at the 1991 Winter Annual ASME Meeting, Atlanta, GA, Dec. 1-6, 1991
11-90 N. Saluja, O.J. Ilegbusi, and J. Szekely, On the Calculation of the Electromagnetic Force Field in the Circular Stirring of Metallic Melts, accepted in J. Appl. Physics, 1990
10-90 N. Saluja, O. J. Ilegbusi, and J. Szekely, On the Calculation of the Electromagnetic Force Field in the Circular Stirring of Metallic Molds in Continuous Castings, presented at the 6th Iron and Steel Congress of the Iron and Steel Institute of Japan, Nagoya, Japan, October 1990
9-90 N. Saluja, O. J. Ilegbusi, and J. Szekely, Fluid Flow in Phenomena in the Electromagnetic Stirring of Continuous Casting Systems, Part I. The Behavior of a Cylindrically Shaped, Laboratory Scale Installation, accepted for publication in Steel Research, 1990
8-89 C. W. Hirt, Gravity-Fed Casting, Flow Science Technical Note #20, July 1989 (FSI-89-TN20)
6-89 E. W. M. Hansen and F. Syvertsen, Numerical Simulation of Flow Behaviour in Moldfilling for Casting Analysis, SINTEF-Foundation for Scientific and Industrial Research at the Norwegian Institute of Technology, Trondheim, Norway, Report No. STS20 A89001, June 1989
1-88 C. W. Hirt and R. P. Harper, Modeling Tests for Casting Processes, Flow Science report, Jan. 1988 (FSI-88-38-01)
2-87 C. W. Hirt, Addition of a Solidification/Melting Model to FLOW-3D, Flow Science report, April 1987 (FSI-87-33-1)
FLOW DEM 은 FLOW-3D 의 기체 및 액체 유동 해석에 DEM(Discrete Element Method : 개별 요소법) 기법인 입자의 거동을 분석해주는 제품입니다.
입자 – 입자 간, 입자 – 벽 사이의 접촉이나 상호 작용을 모델링 할 수 있으므로 보다 현실적인 입자 거동의 해석이 가능합니다. 또한 유체 부분은 전문적인 FLOW-3D 분석 기능을 사용하기 때문에 유체 와 입자거동의 연성해석을 정밀하게 또한 효율적으로 분석할 수 있습니다.
주요 기능 :
고체 요소의 충돌, 스프링(Spring) / 대시 포트(Dash Pot) 모델 적용
Void, 1 fluid, 2 fluid(자유 계면 포함) 각각의 모드에 대응
가변 밀도 / 가변 직경
입자 크기조절로 입자 특성을 유지하면서 입자 수를 감소
독립적인 DEM의 Sub Time Step 이용
Discrete Element Method : 개별 요소법
다수의 고체 요소의 충돌 운동을 분석하는 데 유용합니다. 유동 해석과 함께 사용하면 광범위한 용도에 응용을 할 수 있습니다.
입자 간의 충돌
Voigt model은 스프링(Spring) 및 대시 포트(Dash pot)의 조합에 의해 입자 충돌 시의 힘을 평가합니다. 탄성력 부분은 스프링 모델에서, 비탄성 충돌의 에너지 소산부분은 대시 포트 모델에서 시뮬레이션되고 있으며, 중량 및 항력은 작용하는 외력으로 고려 될 수 있습니다.
스프링 : 변형에 관련된 힘
대시 포트 : 충돌시의 상대 속도에 관련된 힘 (점성 감쇠)
스프링 및 대시 포트를 병렬로 연결 ⇒ Voigt model
힘은 법선 방향과 접선 방향으로 나누어진다
분석 모드
기본적으로 이용하는 운동 방정식은 FLOW-3D 에 사용되는 질량 입자의 운동 방정식과 같은 것이지만, 여기에 DEM으로 평가되는 항목이 추가되는 형태로 되어 있으며, 실제 시뮬레이션으로는 ‘void + DEM’, ‘1 Fluid + DEM’ , ‘ 1 Fluid 자유계면 + DEM ‘을 기본 유동 모드로 취급이 가능합니다.
void + DEM
1-fluid + DEM
1-fluid 자유계면 + DEM
입자 유형
입자 타입도 표준 기능의 질량 입자 모델처럼 입자 크기 (반경)와 밀도가 동일한 것 외, 크기는 같지만 밀도가 다른 것이나 밀도는 같지만 크기가 다른 것 등도 취급 가능합니다. 이로 인해 표준 질량 입자 모델에서는 입자 간의 상호 작용이 고려되어 있지 않기 때문에 모든 아래에 가라 앉아 버리고 있었지만, FLOW DEM을 이용하여 기하학적 관계를 평가하는 것이 가능합니다.
DEM은 일반적으로 다수의 입자를 필요로 하는 해석에 사용이 되고 있습니다. 다만 이 경우, 계산 부하가 높아지므로 현실적인 계산자원을 고려하면, 입자 수가 줄여 해석할 필요가 있습니다 .
Particle Size Increase 경우
중자 모래 분사 분석
DEM에서의 계산부하를 생각할 때는 입자모델에 의한 안정제한을 고려해야 하지만 서브타임스텝이라는 개념을 도입함으로써 입자의 경우와 유체의 경우의 타임스텝을 바꾸고 필요이상으로 계산시간을 들이지 않고 효율적으로 계산하는 것을 가능하게 하고 있습니다.
이를 통해 예를 들어 중자사 분사 시뮬레이션 실험에서는 이러한 문제로 자주 이용되는 빙엄 유체에서는 실험과의 정합성이 별로 좋지 않기 때문에 당사에서는 이전부터 입상류 모델이라는 모델을 개발하고 연속체로부터의 접근에서도 실험과의 높은 정합성을 실현할 수 있는 모델화를 해왔는데, 이번에 DEM을 사용해도 그것과 거의 같은 결과를 얻습니다. 할 수 있음을 확인할 수 있었다.
Reference :
Lefebvre D., Mackenbrock A., Vidal V., Pavan V. and Haigh PM, 2004,
Development and use of simulation in the Design of Blown Cores and Moulds
다음은 적층 제조 및 용접 참고 문헌의 기술 문서 모음입니다. 이 모든 논문에는 FLOW-3D AM 결과가 나와 있습니다. FLOW-3D AM을 사용하여 적층 제조, 레이저 용접 및 기타 용접 기술에서 발견되는 프로세스를 성공적으로 시뮬레이션하는 방법에 대해 자세히 알아보십시오.
2021년 5월 update
34-21 Haokun Sun, Xin Chu, Cheng Luo, Haoxiu Chen, Zhiying Liu, Yansong Zhang, Yu Zou, Selective laser melting for joining dissimilar materials: Investigations ofiInterfacial characteristics and in situ alloying, Metallurgical and Materials Transactions A, 52; pp. 1540-1550, 2021. doi.org/10.1007/s11661-021-06178-9
32-21 Shanshan Zhang, Subin Shrestha, Kevin Chou, On mesoscopic surface formation in metal laser powder-bed fusion process, Supplimental Proceedings, TMS 150th Annual Meeting & Exhibition (Virtual), pp. 149-161, 2021. doi.org/10.1007/978-3-030-65261-6_14
19-21 M.B. Abrami, C. Ransenigo, M. Tocci, A. Pola, M. Obeidi, D. Brabazon, Numerical simulation of laser powder bed fusion processes, La Metallurgia Italiana, February; pp. 81-89, 2021.
16-21 Wenjun Ge, Jerry Y.H. Fuh, Suck Joo Na, Numerical modelling of keyhole formation in selective laser melting of Ti6Al4V, Journal of Manufacturing Processes, 62; pp. 646-654, 2021. doi.org/10.1016/j.jmapro.2021.01.005
11-21 Mohamad Bayat, Venkata K. Nadimpalli, David B. Pedersen, Jesper H. Hattel, A fundamental investigation of thermo-capillarity in laser powder bed fusion of metals and alloys, International Journal of Heat and Mass Transfer, 166; 120766, 2021. doi.org/10.1016/j.ijheatmasstransfer.2020.120766
10-21 Yufan Zhao, Yuichiro Koizumi, Kenta Aoyagi, Kenta Yamanaka, Akihiko Chiba, Thermal properties of powder beds in energy absorption and heat transfer during additive manufacturing with electron beam, Powder Technology, 381; pp. 44-54, 2021. doi.org/10.1016/j.powtec.2020.11.082
9-21 Subin Shrestha, Kevin Chou, A study of transient and steady-state regions from single-track deposition in laser powder bed fusion, Journal of Manufacturing Processes, 61; pp. 226-235, 2021. doi.org/10.1016/j.jmapro.2020.11.023
6-21 Qian Chen, Yunhao Zhao, Seth Strayer, Yufan Zhao, Kenta Aoyagi, Yuichiro Koizumi, Akihiko Chiba, Wei Xiong, Albert C. To, Elucidating the effect of preheating temperature on melt pool morphology variation in Inconel 718 laser powder bed fusion via simulation and experiment, Additive Manufacturing, 37; 101642, 2021. doi.org/10.1016/j.addma.2020.101642
04-21 Won-Ik Cho, Peer Woizeschke, Analysis of molten pool dynamics in laser welding with beam oscillation and filler wire feeding, International Journal of Heat and Mass Transfer, 164; 120623, 2021. doi.org/10.1016/j.ijheatmasstransfer.2020.120623
116-20 Raphael Comminal, Wilson Ricardo Leal da Silva, Thomas Juul Andersen, Henrik Stang, Jon Spangenberg, Modelling of 3D concrete printing based on computational fluid dynamics, Cement and Concrete Research, 138; 106256, 2020. doi.org/10.1016/j.cemconres.2020.106256
112-20 Peng Liu, Lijin Huan, Yu Gan, Yuyu Lei, Effect of plate thickness on weld pool dynamics and keyhole-induced porosity formation in laser welding of Al alloy, The International Journal of Advanced Manufacturing Technology, 111; pp. 735-747, 2020. doi.org/10.1007/s00170-020-05818-5
104-20 Yunfu Tian, Lijun Yang, Dejin Zhao, Yiming Huang, Jiajing Pan, Numerical analysis of powder bed generation and single track forming for selective laser melting of SS316L stainless steel, Journal of Manufacturing Processes, 58; pp. 964-974, 2020. doi.org/10.1016/j.jmapro.2020.09.002
100-20 Raphaël Comminal, Sina Jafarzadeh, Marcin Serdeczny, Jon Spangenberg, Estimations of interlayer contacts in extrusion additive manufacturing using a CFD model, International Conference on Additive Manufacturing in Products and Applications (AMPA), Zurich, Switzerland, September 1-3: Industrializing Additive Manufacturing, pp. 241-250, 2020. doi.org/10.1007/978-3-030-54334-1_17
97-20 Paree Allu, CFD simulation for metal Additive Manufacturing:Applications in laser- and sinter-based processes, Metal AM, 6.4; pp. 151-158, 2020.
95-20 Yufan Zhao, Kenta Aoyagi, Kenta Yamanaka, Akihiko Chiba, Role of operating and environmental conditions in determining molten pool dynamics during electron beam melting and selective laser melting, Additive Manufacturing, 36; 101559, 2020. doi.org/10.1016/j.addma.2020.101559
94-20 Yan Zeng, David Himmler, Peter Randelzhofer, Carolin Körner, Processing of in situ Al3Ti/Al composites by advanced high shear technology: influence of mixing speed, The International Journal of Advanced Manufacturing Technology, 110; pp. 1589-1599, 2020. doi.org/10.1007/s00170-020-05956-w
93-20 H. Hamed Zargari, K. Ito, M. Kumar, A. Sharma, Visualizing the vibration effect on the tandem-pulsed gas metal arc welding in the presence of surface tension active elements, International Journal of Heat and Mass Transfer, 161; 120310, 2020. doi.org/10.1016/j.ijheatmasstransfer.2020.120310
90-20 Guangxi Zhao, Jun Du, Zhengying Wei, Siyuan Xu, Ruwei Geng, Numerical analysis of aluminum alloy fused coating process, Journal of the Brazilian Society of Mechanical Science and Engineering, 42; 483, 2020. doi.org/10.1007/s40430-020-02569-y
80-20 Yujie Cui, Yufan Zhao, Haruko Numata, Huakang Bian, Kimio Wako, Kento Yamanaka, Kenta Aoyagi, Chen Zhang, Akihiko Chiba, Effects of plasma rotating electrode process parameters on the particle size distribution and microstructure of Ti-6Al-4 V alloy powder, Powder Technology, 376; pp. 363-372, 2020. doi.org/10.1016/j.powtec.2020.08.027
78-20 F.Q. Liu, L. Wei, S.Q. Shi, H.L. Wei, On the varieties of build features during multi-layer laser directed energy deposition, Additive Manufacturing, 36; 101491, 2020. doi.org/10.1016/j.addma.2020.101491
61-20 Raphael Comminal, Wilson Ricardo Leal da Silva, Thomas Juul Andersen, Henrik Stang, Jon Spangenberg, Influence of processing parameters on the layer geometry in 3D concrete printing: Experiments and modelling, 2nd RILEM International Conference on Concrete and Digital Fabrication, RILEM Bookseries, 28; pp. 852-862, 2020. doi.org/10.1007/978-3-030-49916-7_83
60-20 Marcin P. Serdeczny, Raphaël Comminal, Md. Tusher Mollah, David B. Pedersen, Jon Spangenberg, Numerical modeling of the polymer flow through the hot-end in filament-based material extrusion additive manufacturing, Additive Manufacturing, 36; 101454, 2020. doi.org/10.1016/j.addma.2020.101454
58-20 H.L. Wei, T. Mukherjee, W. Zhang, J.S. Zuback, G.L. Knapp, A. De, T. DebRoy, Mechanistic models for additive manufacturing of metallic components, Progress in Materials Science, preprint, 2020. doi.org/10.1016/j.pmatsci.2020.100703
48-20 Masoud Mohammadpour, Baixuan Yang, Hui-Ping Wang, John Forrest, Michael Poss, Blair Carlson, Radovan Kovacevica, Influence of laser beam inclination angle on galvanized steel laser braze quality, Optics and Laser Technology, 129; 106303, 2020. doi.org/10.1016/j.optlastec.2020.106303
34-20 Binqi Liu, Gang Fang, Liping Lei, Wei Liu, A new ray tracing heat source model for mesoscale CFD simulation of selective laser melting (SLM), Applied Mathematical Modeling, 79; pp. 506-520, 2020. doi.org/10.1016/j.apm.2019.10.049
27-20 Xuesong Gao, Guilherme Abreu Farira, Wei Zhang and Kevin Wheeler, Numerical analysis of non-spherical particle effect on molten pool dynamics in laser-powder bed fusion additive manufacturing, Computational Materials Science, 179, art. no. 109648, 2020. doi.org/10.1016/j.commatsci.2020.109648
26-20 Yufan Zhao, Yuichiro Koizumi, Kenta Aoyagi, Kenta Yamanaka and Akihiko Chiba, Isothermal γ → ε phase transformation behavior in a Co-Cr-Mo alloy depending on thermal history during electron beam powder-bed additive manufacturing, Journal of Materials Science & Technology, 50, pp. 162-170, 2020. doi.org/10.1016/j.jmst.2019.11.040
21-20 Won-Ik Cho and Peer Woizeschke, Analysis of molten pool behavior with buttonhole formation in laser keyhole welding of sheet metal, International Journal of Heat and Mass Transfer, 152, art. no. 119528, 2020. doi.org/10.1016/j.ijheatmasstransfer.2020.119528
06-20 Wei Xing, Di Ouyang, Zhen Chen and Lin Liu, Effect of energy density on defect evolution in 3D printed Zr-based metallic glasses by selective laser melting, Science China Physics, Mechanics & Astronomy, 63, art. no. 226111, 2020. doi.org/10.1007/s11433-019-1485-8
04-20 Santosh Reddy Sama, Tony Badamo, Paul Lynch and Guha Manogharan, Novel sprue designs in metal casting via 3D sand-printing, Additive Manufacturing, 25, pp. 563-578, 2019. doi.org/10.1016/j.addma.2018.12.009
02-20 Dongsheng Wu, Shinichi Tashiro, Ziang Wu, Kazufumi Nomura, Xueming Hua, and Manabu Tanaka, Analysis of heat transfer and material flow in hybrid KPAW-GMAW process based on the novel three dimensional CFD simulation, International Journal of Heat and Mass Transfer, 147, art. no. 118921, 2020. doi.org/10.1016/j.ijheatmasstransfer.2019.118921
01-20 Xiang Huang, Siying Lin, Zhenxiang Bu, Xiaolong Lin, Weijin Yi, Zhihong Lin, Peiqin Xie, and Lingyun Wang, Research on nozzle and needle combination for high frequency piezostack-driven dispenser, International Journal of Adhesion and Adhesives, 96, 2020. doi.org/10.1016/j.ijadhadh.2019.102453
88-19 Bo Cheng and Charles Tuffile, Numerical study of porosity formation with implementation of laser multiple reflection in selective laser melting, Proceedings Volume 1: Additive Manufacturing; Manufacturing Equipment and Systems; Bio and Sustainable Manufacturing, ASME 2019 14th International Manufacturing Science and Engineering Conference, Erie, Pennsylvania, USA, June 10-14, 2019. doi.org/10.1115/MSEC2019-2891
87-19 Shuhao Wang, Lida Zhu, Jerry Ying His Fuh, Haiquan Zhang, and Wentao Yan, Multi-physics modeling and Gaussian process regression analysis of cladding track geometry for direct energy deposition, Optics and Lasers in Engineering, 127:105950, 2019. doi.org/10.1016/j.optlaseng.2019.105950
78-19 Bo Cheng, Lukas Loeber, Hannes Willeck, Udo Hartel, and Charles Tuffile, Computational investigation of melt pool process dynamics and pore formation in laser powder bed fusion, Journal of Materials Engineering and Performance, 28:11, 6565-6578, 2019. doi.org/10.1007/s11665-019-04435-y
57-19 Shengjie Deng, Hui-Ping Wang, Fenggui Lu, Joshua Solomon, and Blair E. Carlson, Investigation of spatter occurrence in remote laser spiral welding of zinc-coated steels, International Journal of Heat and Mass Transfer, Vol. 140, pp. 269-280, 2019. doi.org/10.1016/j.ijheatmasstransfer.2019.06.009
51-19 P. Ninpetch, P. Kowitwarangkul, S. Mahathanabodee, R. Tongsri, and P. Ratanadecho, Thermal and melting track simulations of laser powder bed fusion (L-PBF), International Conference on Materials Research and Innovation (ICMARI), Bangkok, Thailand, December 17-21, 2018. IOP Conference Series: Materials Science and Engineering, Vol. 526, 2019. doi.org/10.1088/1757-899X/526/1/012030
46-19 Hongze Wang and Yu Zou, Microscale interaction between laser and metal powder in powder-bed additive manufacturing: Conduction mode versus keyhole mode, International Journal of Heat and Mass Transfer, Vol. 142, 2019. doi.org/10.1016/j.ijheatmasstransfer.2019.118473
45-19 Yufan Zhao, Yuichiro Koizumi, Kenta Aoyagi, Kenta Yamanaka, and Akihiko Chiba, Manipulating local heat accumulation towards controlled quality and microstructure of a Co-Cr-Mo alloy in powder bed fusion with electron beam, Materials Letters, Vol. 254, pp. 269-272, 2019. doi.org/10.1016/j.matlet.2019.07.078
44-19 Guoxiang Xu, Lin Li, Houxiao Wang, Pengfei Li, Qinghu Guo, Qingxian Hu, and Baoshuai Du, Simulation and experimental studies of keyhole induced porosity in laser-MIG hybrid fillet welding of aluminum alloy in the horizontal position, Optics & Laser Technology, Vol. 119, 2019. doi.org/10.1016/j.optlastec.2019.105667
38-19 Subin Shrestha and Y. Kevin Chou, A numerical study on the keyhole formation during laser powder bed fusion process, Journal of Manufacturing Science and Engineering, Vol. 141, No. 10, 2019. doi.org/10.1115/1.4044100
34-19 Dae-Won Cho, Jin-Hyeong Park, and Hyeong-Soon Moon, A study on molten pool behavior in the one pulse one drop GMAW process using computational fluid dynamics, International Journal of Heat and Mass Transfer, Vol. 139, pp. 848-859, 2019. doi.org/10.1016/j.ijheatmasstransfer.2019.05.038
30-19 Mohamad Bayat, Sankhya Mohanty, and Jesper Henri Hattel, Multiphysics modelling of lack-of-fusion voids formation and evolution in IN718 made by multi-track/multi-layer L-PBF, International Journal of Heat and Mass Transfer, Vol. 139, pp. 95-114, 2019. doi.org/10.1016/j.ijheatmasstransfer.2019.05.003
29-19 Yufan Zhao, Yuichiro Koizumi, Kenta Aoyagi, Daixiu Wei, Kenta Yamanaka, and Akihiko Chiba, Comprehensive study on mechanisms for grain morphology evolution and texture development in powder bed fusion with electron beam of Co–Cr–Mo alloy, Materialia, Vol. 6, 2019. doi.org/10.1016/j.mtla.2019.100346
28-19 Pareekshith Allu, Computational fluid dynamics modeling in additive manufacturing processes, The Minerals, Metals & Materials Society (TMS) 148th Annual Meeting & Exhibition, San Antonio, Texas, USA, March 10-14, 2019.
22-19 Hunchul Jeong, Kyungbae Park, Sungjin Baek, and Jungho Cho, Thermal efficiency decision of variable polarity aluminum arc welding through molten pool analysis, International Journal of Heat and Mass Transfer, Vol. 138, pp. 729-737, 2019. doi.org/10.1016/j.ijheatmasstransfer.2019.04.089
07-19 Guangxi Zhao, Jun Du, Zhengying Wei, Ruwei Geng and Siyuan Xu, Numerical analysis of arc driving forces and temperature distribution in pulsed TIG welding, Journal of the Brazilian Society of Mechanical Sciences and Engineering, Vol. 41, No. 60, 2019. doi.org/10.1007/s40430-018-1563-0
04-19 Santosh Reddy Sama, Tony Badamo, Paul Lynch and Guha Manogharan, Novel sprue designs in metal casting via 3D sand-printing, Additive Manufacturing, Vol. 25, pp. 563-578, 2019. doi.org/10.1016/j.addma.2018.12.009
03-19 Dongsheng Wu, Anh Van Nguyen, Shinichi Tashiro, Xueming Hua and Manabu Tanaka, Elucidation of the weld pool convection and keyhole formation mechanism in the keyhold plasma arc welding, International Journal of Heat and Mass Transfer, Vol. 131, pp. 920-931, 2019. doi.org/10.1016/j.ijheatmasstransfer.2018.11.108
97-18 Wentao Yan, Ya Qian, Wenjun Ge, Stephen Lin, Wing Kam Liu, Feng Lin, Gregory J. Wagner, Meso-scale modeling of multiple-layer fabrication process in Selective Electron Beam Melting: Inter-layer/track voids formation, Materials & Design, 2018. doi.org/10.1016/j.matdes.2017.12.031
84-18 Bo Cheng, Xiaobai Li, Charles Tuffile, Alexander Ilin, Hannes Willeck and Udo Hartel, Multi-physics modeling of single track scanning in selective laser melting: Powder compaction effect, Proceedings of the 29th Annual International Solid Freeform Fabrication Symposium, pp. 1887-1902, 2018.
81-18 Yufan Zhao, Yuichiro Koizumi, Kenta Aoyagi, Daixiu Wei, Kenta Yamanaka and Akihiko Chiba, Molten pool behavior and effect of fluid flow on solidification conditions in selective electron beam melting (SEBM) of a biomedical Co-Cr-Mo alloy, Additive Manufacturing, Vol. 26, pp. 202-214, 2019. doi.org/10.1016/j.addma.2018.12.002
77-18 Jun Du and Zhengying Wei, Numerical investigation of thermocapillary-induced deposited shape in fused-coating additive manufacturing process of aluminum alloy, Journal of Physics Communications, Vol. 2, No. 11, 2018. doi.org/10.1088/2399-6528/aaedc7
76-18 Yu Xiang, Shuzhe Zhang, Zhengying We, Junfeng Li, Pei Wei, Zhen Chen, Lixiang Yang and Lihao Jiang, Forming and defect analysis for single track scanning in selective laser melting of Ti6Al4V, Applied Physics A, 124:685, 2018. doi.org/10.1007/s00339-018-2056-9
74-18 Paree Allu, CFD simulations for laser welding of Al Alloys, Proceedings, Die Casting Congress & Exposition, Indianapolis, IN, October 15-17, 2018.
72-18 Hunchul Jeong, Kyungbae Park, Sungjin Baek, Dong-Yoon Kim, Moon-Jin Kang and Jungho Cho, Three-dimensional numerical analysis of weld pool in GMAW with fillet joint, International Journal of Precision Engineering and Manufacturing, Vol. 19, No. 8, pp. 1171-1177, 2018. doi.org/10.1007/s12541-018-0138-4
60-18 R.W. Geng, J. Du, Z.Y. Wei and G.X. Zhao, An adaptive-domain-growth method for phase field simulation of dendrite growth in arc preheated fused-coating additive manufacturing, IOP Conference Series: Journal of Physics: Conference Series 1063, 012077, 2018. doi.org/10.1088/1742-6596/1063/1/012077 (Available at http://iopscience.iop.org/article/10.1088/1742-6596/1063/1/012077/pdf and in shared drive)
59-18 Guangxi Zhao, Jun Du, Zhengying Wei, Ruwei Geng and Siyuan Xu, Coupling analysis of molten pool during fused coating process with arc preheating, IOP Conference Series: Journal of Physics: Conference Series 1063, 012076, 2018. doi.org/10.1088/1742-6596/1063/1/012076 (Available at http://iopscience.iop.org/article/10.1088/1742-6596/1063/1/012076/pdf and in shared drive)
58-18 Siyuan Xu, Zhengying Wei, Jun Du, Guangxi Zhao and Wei Liu, Numerical simulation and analysis of metal fused coating forming, IOP Conference Series: Journal of Physics: Conference Series 1063, 012075, 2018. doi.org/10.1088/1742-6596/1063/1/012075
55-18 Jason Cheon, Jin-Young Yoon, Cheolhee Kim and Suck-Joo Na, A study on transient flow characteristic in friction stir welding with realtime interface tracking by direct surface calculation, Journal of Materials Processing Tech., vol. 255, pp. 621-634, 2018.
54-18 V. Sukhotskiy, P. Vishnoi, I. H. Karampelas, S. Vader, Z. Vader, and E. P. Furlani, Magnetohydrodynamic drop-on-demand liquid metal additive manufacturing: System overview and modeling, Proceedings of the 5th International Conference of Fluid Flow, Heat and Mass Transfer, Niagara Falls, Canada, June 7 – 9, 2018; Paper no. 155, 2018. doi.org/10.11159/ffhmt18.155
52-18 Michael Hilbinger, Claudia Stadelmann, Matthias List and Robert F. Singer, Temconex® – Kontinuierliche Pulverextrusion: Verbessertes Verständnis mit Hilfe der numerischen Simulation, Hochleistungsmetalle und Prozesse für den Leichtbau der Zukunft, Tagungsband 10. Ranshofener Leichtmetalltage, 13-14 Juni 2018, Linz, pp. 175-186, 2018.
38-18 Zhen Chen, Yu Xiang, Zhengying Wei, Pei Wei, Bingheng Lu, Lijuan Zhang and Jun Du, Thermal dynamic behavior during selective laser melting of K418 superalloy: numerical simulation and experimental verification, Applied Physics A, vol. 124, pp. 313, 2018. doi.org/10.1007/s00339-018-1737-8
19-18 Chenxiao Zhu, Jason Cheon, Xinhua Tang, Suck-Joo Na, and Haichao Cui, Molten pool behaviors and their influences on welding defects in narrow gap GMAW of 5083 Al-alloy, International Journal of Heat and Mass Transfer, vol. 126:A, pp.1206-1221, 2018. doi.org/10.1016/j.ijheatmasstransfer.2018.05.132
07-18 Yu-Che Wu, Cheng-Hung San, Chih-Hsiang Chang, Huey-Jiuan Lin, Raed Marwan, Shuhei Baba and Weng-Sing Hwang, Numerical modeling of melt-pool behavior in selective laser melting with random powder distribution and experimental validation, Journal of Materials Processing Tech. 254 (2018) 72–78.
60-17 Pei Wei, Zhengying Wei, Zhen Chen, Yuyang He and Jun Du, Thermal behavior in single track during selective laser melting of AlSi10Mg powder, Applied Physics A: Materials Science & Processing, 123:604, 2017. doi.org/10.1007/z00339-017-1194-9
37-17 V. Sukhotskiy, I. H. Karampelas, G. Garg, A. Verma, M. Tong, S. Vader, Z. Vader, and E. P. Furlani, Magnetohydrodynamic Drop-on-Demand Liquid Metal 3D Printing, Solid Freeform Fabrication 2017: Proceedings of the 28th Annual International Solid Freeform Fabrication Symposium – An Additive Manufacturing Conference
15-17 I.H. Karampelas, S. Vader, Z. Vader, V. Sukhotskiy, A. Verma, G. Garg, M. Tong and E.P. Furlani, Drop-on-Demand 3D Metal Printing, Informatics, Electronics and Microsystems TechConnect Briefs 2017, Vol. 4
14-17 Jason Cheon and Suck-Joo Na, Prediction of welding residual stress with real-time phase transformation by CFD thermal analysis, International Journal of Mechanical Sciences 131–132 (2017) 37–51.
91-16 Y. S. Lee and D. F. Farson, Surface tension-powered build dimension control in laser additive manufacturing process, Int J Adv Manuf Technol (2016) 85:1035–1044, doi.org/10.1007/s00170-015-7974-5.
84-16 Runqi Lin, Hui-ping Wang, Fenggui Lu, Joshua Solomon, Blair E. Carlson, Numerical study of keyhole dynamics and keyhole-induced porosity formation in remote laser welding of Al alloys, International Journal of Heat and Mass Transfer 108 (2017) 244–256, Available online December 2016.
68-16 Dongsheng Wu, Xueming Hua, Dingjian Ye and Fang Li, Understanding of humping formation and suppression mechanisms using the numerical simulation, International Journal of Heat and Mass Transfer, Volume 104, January 2017, Pages 634–643, Published online 2016.
39-16 Chien-Hsun Wang, Ho-Lin Tsai, Yu-Che Wu and Weng-Sing Hwang, Investigation of molten metal droplet deposition and solidification for 3D printing techniques, IOP Publishing, J. Micromech. Microeng. 26 (2016) 095012 (14pp), doi: 10.1088/0960-1317/26/9/095012, July 8, 2016
26-16 Y.S. Lee and W. Zhang, Modeling of heat transfer, fluid flow and solidification microstructure of nickel-base superalloy fabricated by laser powder bed fusion, S2214-8604(16)30087-2, doi.org/10.1016/j.addma.2016.05.003, ADDMA 86.
123-15 Koji Tsukimoto, Masashi Kitamura, Shuji Tanigawa, Sachio Shimohata, and Masahiko Mega, Laser welding repair for single crystal blades, Proceedings of International Gas Turbine Congress, pp. 1354-1358, 2015.
103-15 Ligang Wu, Jason Cheon, Degala Venkata Kiran, and Suck-Joo Na, CFD Simulations of GMA Welding of Horizontal Fillet Joints based on Coordinate Rotation of Arc Models, Journal of Materials Processing Technology, Available online December 29, 2015
96-15 Jason Cheon, Degala Venkata Kiran, and Suck-Joo Na, Thermal metallurgical analysis of GMA welded AH36 steel using CFD – FEM framework, Materials & Design, Volume 91, February 5 2016, Pages 230-241, published online November 2015
63-15 Scott Vader, Zachary Vader, Ioannis H. Karampelas and Edward P. Furlani, Magnetohydrodynamic Liquid Metal Jet Printing, TechConnect World Innovation Conference & Expo, Washington, D.C., June 14-17, 2015
25-15 Dae-Won Cho and Suck-Joo Na, Molten pool behaviors for second pass V-groove GMAW, International Journal of Heat and Mass Transfer 88 (2015) 945–956.
21-15 Jungho Cho, Dave F. Farson, Kendall J. Hollis and John O. Milewski, Numerical analysis of weld pool oscillation in laser welding, Journal of Mechanical Science and Technology 29 (4) (2015) 1715~1722, www.springerlink.com/content/1738-494x, doi.org/10.1007/s12206-015-0344-2.
18-14 L.J. Zhang, J.X. Zhang, A. Gumenyuk, M. Rethmeier, and S.J. Na, Numerical simulation of full penetration laser welding of thick steel plate with high power high brightness laser, Journal of Materials Processing Technology (2014), doi.org/10.1016/j.jmatprotec.2014.03.016.
12-13 D.W. Cho, S.J. Na, M.H. Cho, J.S. Lee, A study on V-groove GMAW for various welding positions, Journal of Materials Processing Technology, April 2013, doi.org/10.1016/j.jmatprotec.2013.02.015.
63-12 D.W. Cho, S.H. Lee, S.J. Na, Characterization of welding arc and weld pool formation in vacuum gas hollow tungsten arc welding, Journal of Materials Processing Technology, doi.org/10.1016/j.jmatprotec.2012.09.024, September 2012.
77-10 Lim, Y. C.; Yu, X.; Cho, J. H.; et al., Effect of magnetic stirring on grain structure refinement Part 1-Autogenous nickel alloy welds, Science and Technology of Welding and Joining, Volume: 15 Issue: 7, Pages: 583-589, doi.org/10.1179/136217110X12720264008277, October 2010
58-09 Cho, Jung-Ho; Farson, Dave F.; Milewski, John O.; et al., Weld pool flows during initial stages of keyhole formation in laser welding, Journal of Physics D-Applied Physics, Volume: 42 Issue: 17 Article Number: 175502 ; doi.org/10.1088/0022-3727/42/17/175502, September 2009
57-09 Lim, Y. C.; Farson, D. F.; Cho, M. H.; et al., Stationary GMAW-P weld metal deposit spreading, Science and Technology of Welding and Joining, Volume: 14 Issue: 7 ;Pages: 626-635, doi.org/10.1179/136217109X441173, October 2009
52-07 Huey-Jiuan Lin and Wei-Kuo Chang, Design of a sheet forming apparatus for overflow fusion process by numerical simulation, Journal of Non-Crystalline Solids 353 (2007) 2817–2825.
50-07 Cho, Min Hyun; Farson, Dave F., Understanding bead hump formation in gas metal arc welding using a numerical simulation, Metallurgical and Mateials Transactions B-Process Metallurgy and Materials Processing Science, Volume: 38, Issue: 2, Pages: 305-319, doi.org/10.1007/s11663-007-9034-5, April 2007
49-07 Cho, M. H.; Farson, D. F., Simulation study of a hybrid process for the prevention of weld bead hump formation, Welding Journal Volume: 86, Issue: 9, Pages: 253S-262S, September 2007
48-07 Cho, M. H.; Farson, D. F.; Lim, Y. C.; et al., Hybrid laser/arc welding process for controlling bead profile, Science and Technology of Welding and Joining, Volume: 12 Issue: 8, Pages: 677-688, doi.org/10.1179/174329307X236878, November 2007
47-07 Min Hyun Cho, Dave F. Farson, Understanding Bead Hump Formation in Gas Metal Arc Welding Using a Numerical Simulation, Metallurgical and Materials Transactions B, Volume 38, Issue 2, pp 305-319, April 2007
36-06 Cho, M. H.; Lim, Y. C.; Farson, D. F., Simulation of weld pool dynamics in the stationary pulsed gas metal arc welding process and final weld shape, Welding Journal, Volume: 85 Issue: 12, Pages: 271S-283S, December 2006
This application note was contributed by Johannes Hartmann and Vera Jüchter, Department of Materials Science, Chair of Metals Science and Technology, University of Erlangen-Nuremberg
알루미늄 폼은 우수한 댐핑 및 높은 에너지 흡수율 및 굴곡 강성과 같은 예외적인 특성을 보여줍니다[1]. 강성은 특히 하중 지지 및 경량 구조에 사용하기에 특히 매력적입니다. 중량별 강성을 높이고 보다 우수한 하중 전달을 위해 알 Aluminum Foam Sandwiches (AFS)와 같은 컴팩트한 특성이 필요합니다 [2].
Erlangen-Nuremberg 대학의 금속 공학과 기술 위원장은 알루미늄 발포 특성을 점차적으로 생산하기 위해 다이캐스팅 공정인 Integral Foam Molding 개발하였습니다(그림 1 참조). 이 공정은 폴리머의 사출 성형으로 개발되었으며 따라서 컴팩트한 층을 가진 복잡한 폼을 비용 효율적으로 대량 생산에 적합합니다. 이 노트에 설명 된 시뮬레이션 기법은 프로세스 매개 변수를 선택하는데 도움을 주기 위한 모델링프로세스를 확인할 수 있습니다.
Figure 1. Cross section of an aluminum integral foam with a compact skin, a transition region with decreasing relative density and smaller pores, as well as a foamed core.
Aluminum Integral Foam Molding Technology
일정량의 발포제 (수소화 마그네슘, MgH2)가 러너 시스템에 배치되고 샷 챔버는 알루미늄 용융물로 채워진다 (공정은 그림 2에 묘사되어 있으며, 공정은 [3]에 자세히 설명되어있다). 피스톤이 진행됨에 따라, 분말은 난류 방식으로 주형에 이송된다. 기술 변형 “고압 일체형 폼 몰딩 (HP-IFM)”의 경우 표준 다이캐스팅 공정에서 알 수 있듯이 이 부품은 주변의 높은 압력에서 완전히 채워져 우수한 표면 품질을 보장합니다. 템퍼링된 금형 표면에서 시작하여 용융물은 일체형으로 고형화되기 시작합니다. 몇 밀리 초가 지나면 금형은 코어 풀러 시스템 위에 열리고 부피는 국부적으로 증가하고 압력은 감소하여 열분해 및 수소화 마그네슘 입자의 수소 방출로 인해 여전히 반고체 내부 영역에서 기공 성장을 시작합니다. 모든 발포제 입자는 이웃하는 공극의 역압에 의해 멈추어 질 때까지 공극의 성장을 지속합니다. 발포된 입자의 벽은 알루미늄 합금의 응고된 입자에 의해 안정화가 되며 이를 endogenous stabilization이라고 합니다[4].
Figure 2. Schematic process cycle of “High Pressure Integral Foam Molding (HP-IFM)” of aluminum.
주조 부품의 전체 부피에서 균일한 형태에 대한 전제조건은 분해 순간의 양호한 입자분포입니다. 또한, 발포제 유입시의 용융물의 온도는 수소화 마그네슘의 분해를 결정하며 (그림 3 참조), 게다가 발포시 solid phase의 양을 결정한다. 그러나 고상의 양이 너무 많으면 기공의 강성이 증가하고 현상 기공의 구형화를 방해하여 구조가 파괴된다 [2].
Microcellular Aluminum Integral Foams – Approaching the Process Limits
일체형 발포 성형 공정시뮬레이션은 새로운 부품 설계의 몰드 충진 특성을 조사하는 데 도움이 될 뿐만 아니라 입자 침투도 예측하고 비용을 절약할 수 있게 발포 공정 조건을 결정할 수 있는 강력한 도구입니다. 현재 연구의 목표는 다공성 수준을 일정하게 유지하면서 기공 크기를 줄이는 것입니다. 전산 유체 역학 (CFD) 시뮬레이션은 가능한 한 현재의 프로세스 한계에 가깝게 접근할 수 있습니다. 발포 형태의 개선은 기계적 물성에서 균질 한 구조를 유도 할뿐만 아니라 기계적 성질에 의해 더 얇은 부품의 생산이 가능할 것입니다. 이 목적은 용융물 내에서의 높은 입자 분포 밀도와 동시에 응집 현상의 감소와 함께 완전히 안정된 기공 성장에 의해서만 달성 될 수 있다.
Figure 3. Schematic curves of decomposition of magnesium hydride as a function of the melt temperature, calculated by the Johnson-Mehl-Avrami approach [2]
Figure 4. Adjustment of heat transfer by comparisons of a real solidification curve (black) to the growth rate of the solidified skin in simulation (red).
Adapting the Simulation Parameters to Practical Integral Foam Molding Experiments
입자 거동이나 온도장에 대한 신뢰성 있는 예측을 위한 CFD 시뮬레이션을 사용할 수 있으려면 실제 실험과 일치하도록 매개 변수를 결정해야 합니다. 이를 위해, 30-130 ms의 지연 시간을 갖는 일체형 발포 부품을 제작하였으며 성형 팽창 및 기공 성장 개시 순간에 고상분율 때문에 발포 형성이 불가능한 다른 밀도의 형상을 만들었습니다. 열 전달 계수 (완전한 액체 용융물과 완전 응고된 용융물)를 변화시켜 합금 AlSi9Cu3 (Fe)의 주조 사이클을 시뮬레이션하면 응고 곡선을 적용할 수 있습니다. 이러한 목표를 달성하기 위해 시뮬레이션을 피스톤 이동이 시작되기 전에 실제 온도분포를 묘사해야 합니다. 온도는 배치된 열에 의해 숏 챔버에서 국부적으로 측정되었으며 시뮬레이션 내 실제 데이터와 잘 일치하여 성공적으로 묘사 될 수 있었습니다. 금형 충진 중에 금형 표면에서 온도 측정을 참조 할 수도 있습니다. 시간 경과에 따른 그 변화는 시뮬레이션 결과와 잘 일치합니다.
표면장력이나 응고 항력계수와 같은 용융의 유동을 정의하는 추가 매개 변수 단계에서는 다른 설정과 시뮬레이션을 비교하여 조정됩니다. 시뮬레이션 내에서 용융물의 흐름이 실제 시험과 일치하는 즉시 매개 변수가 설정됩니다
Figure 5. Adjustment of melt flow defining parameters such as the surface tension by comparisons of real experiments (left) to simulations (right)
냉각 및 용해 흐름 특성을 정의한 후 입자의 유입을 시뮬레이션 합니다. 입자 / 유체 의 상호 작용에 대한 시뮬레이션을 조정하기 위해 매개 변수계수의 X 선 샘플과 비교가 되며 구리선 입자에서는 수산화 마그네슘보다 높은 함량 입자가 적용됩니다. (그림 6 참조). 시뮬레이션 결과는 실험과 매우 잘 어울리므로 프로세스 매개 변수의 함수로서 입자 분포의 신뢰할 수 있습니다.
Figure 6. Adjustment of parameters influencing particle/melt-interactions by comparisons of x-rayed samples left); produced by the entrainment of copper particles) to simulations (right)
Conclusion
전체적으로 FLOW-3D는 실제 생산 전에 새로운 부품 제조의 잠재적 결함을 조사하는 중요한 수단이 될 수 있다는 것을 증명할 수 있었습니다. 이러한 방식으로, 차가운 흐름 또는 데드 존이 없는 성공적인 충전 및 발포제 분포가 보장 될 수 있다. 또한, 예상되는 온도 필드의 정확한 묘사로, 수소화 마그네슘의 분해 특성 및 기공형성을 예측할 수 있습니다. 이는 일체형 폼 구조와 관련하여 고객의 요구를 충족시키기 위한 공정 변수를 정의 할 수 있는 가능성을 제공합니다
1 Criterion is the solid phase fraction where the shear strength and therefore the resistance to pore evolution increases drastically.
References
[1] C. Körner, R. F. Singer, Adv. Eng. Mater.2000, 2 (4), pp. 159-165.
[2] C. Körner, in Integral Foam Molding of Light Metals – Technology, Foam Physics and Foam Simulation, Springer, Berlin, Heidelberg, Germany 2008.
[3] H. Wiehler, C. Körner, R. F. Singer, Adv. Eng. Mater.2008, 10 (3), pp. 171-178.
[4] J. Hartmann, A. Trepper, C. Körner, Adv. Eng. Mater.2011, 13 (11), pp. 1050-1055.
Learn more about the versatility and power of modeling metal casting processes with FLOW-3D Cast>
FLOW-3D 는 선박설계, 슬로싱 동역학, 파도에 미치는 영향 및 환기를 포함하여 해안 및 해양 관련 분야에 사용할 수 있는 이상적인 소프트웨어입니다.
자유 표면 유체 역학, 파동 생성, 움직이는 물체, 계선 및 용접 공정과 관련한 FLOW-3D 의 기능은 해양 및 해양 산업에서 CFD 공정을 모델링하는 데 매우 적합한 도구입니다. 해안 응용 분야의 경우 FLOW-3D 해안 응용 분야의 경우 FLOW-3D 는 해안 구조물에 대한 심한 폭풍 및 쓰나미 파동의 세부 사항을 정확하게 예측하고 돌발 홍수 및 중요 구조물 홍수 및 피해 분석에 사용됩니다. 기능은 다음과 같습니다.
자유 표면 – 파동 유체 역학 및 오버 토핑 : 규칙 및 불규칙파 및 파동 스펙트럼 (Pierson Moskowitz, JONSWAP)
Seakeeping – slamming, planing, porpoising 및 선체 선체 변위 : 완전히 결합된 선박 및 수중 차량 유체 역학
선체 – Resistance, stability and dynamics: surging, heaving, pitching and rolling motion (response amplitude operators or RAOs)
슬로싱 – LNG / 밸러스트 탱크
해양 공학 – 파동 에너지 변환기
해안 응용 분야의 경우, FLOW-3D 는 강력한 폭풍과 쓰나미 현상에 의한 해안 구조물이 받는 영향에 대한 세부 사항 예측, 돌발 홍수에 의한 중요한 시설물에 대한 정확한 피해 분석 등을 위해 사용됩니다.
Mooring Lines, Springs and Ropes
FLOW-3D (계류선 및 스프링 등)의 특수 물체를 다른 움직이는 물체에 부착하면 엔지니어가 선박 런칭, 부유 장애물 역학, 부표, 파도에너지 변환기 등을 정확하게 포착할 수 있습니다.
Welding
FLOW-3D 용접 모듈이 추가되면서 조선업계의 용접분야에서는 다공성 등 용접 결함을 최소화할 수 있어 선체의 품질을 크게 높이는 동시에 생산 시간을 최적화할 수 있습니다.
Coastal & Maritime Case Studies
FLOW-3D 사용자들은 연약한 해안선 보호, 구조물에 대한 파장 시뮬레이션, 선체 설계 최적화, 선박 내 환기 연구 등 해안 및 해양 애플리케이션에 FLOW-3D를 사용합니다.
우리는 보트가 세계 항해를 하면서 마주칠 것 같은 다양한 조건에서 항해를 할 수 있는지를 볼 수 있었습니다. 그리고 속도뿐만 아니라 연료 효율과 안전도 고려하도록 설계를 수정할 수 있었습니다. – Pete Bethune, skipper of Earthrace
Validation of Sloshing Simulations in Narrow Tanks / Aerial Landslide Generated Wave Simulations / Earthrace: Speed, Fuel Efficiency and Safety
XinyuHanaShengDongaYizhiWangbaCollege of Engineering, Ocean University of China, Qingdao, 266100, ChinabShandong Harbour Engineering Group Co., Ltd., Rizhao, 276826, China Highlights Interaction ... 더 보기
Jae-Seol Shim†, Jinah Kim†, Dong-Chul Kim‡, Kiyoung Heo†, Kideok Do†, Sun-Jung Park ‡† Coastal Disaster Research Center,Korea Institute of Ocean ... 더 보기
Numerical Simulation Test of Scour around Offshore Jacket Structure using FLOW-3D J Korean Soc Coast Ocean Eng. 2015;27(6):373-381Publication date (electronic) ... 더 보기
The general moving objects (GMO) model in FLOW-3D can simulate rigid body motion, which is either userprescribed (prescribed motion) or dynamically coupled with fluid flow (coupled motion). If an object’s motion is prescribed, fluid flow is affected by the object’s motion, but the object’s motion is not affected by fluid flow. If an object has coupled motion, however, the object’s motion and fluid flow are coupled dynamically and affect each other. In both cases, a moving object can possess six degrees of freedom (DOF), or rotate about a fixed point or a fixed axis. The GMO model allows the location of the fixed point or axis to be arbitrary (it can be inside or outside the object and the computational domain), but the fixed axis must be parallel to one of the three coordinate axes of the space reference system. In one simulation, multiple moving objects with independent motion types can exist (the total number of moving and non-moving components cannot exceed 500). Any object under coupled motion can undergo simultaneous collisions with other moving and non-moving objects and wall and symmetry mesh boundaries (See Collision). The model also allows the existence of multiple (up to 100) elastic linear and torsion springs, elastic ropes and mooring lines which are attached to moving objects and apply forces or torques to them (See Elastic Springs & Ropes and Mooring Lines).
FLOW-3D에서 일반 이동물체인 GMO 모델은 강체운동을 모사(simulate)할 수 있는데, 이는 사용자가 기술하는 운동(지정운동)이거나 유체 유동과 동력학적인(결합된) 운동일 수 있다. 물체의 운동이 지정되면 유체 유동은 이 운동에 의해 영향을 받으나, 물체의 운동은 유체에 의해 영향을 받지 않는다. 그러나 물체가 결합된 운동을 하면 물체와 유체는 동역학적으로 연결되어 서로 영향을 미친다.
이 두 경우에 물체는6 자유도 운동을 할 수 있고, 고정된 점이나 축에 대해 회전할 수가 있다. GMO모델은 고정점이나 고정축의 위치를 임의로 설정할 수 있으나(이는 물체나 계산영역의 내부 또는 외부가 될 수 있다) 고정축은 공간좌표계의 좌표중의 하나에 평행하여야 한다.
어떤 모사(simulate)에서 고유의 운동형태를 갖는 다수의 운동물체가 존재할 수 있다(이동 및 고정된 물체의 전체수는500개를 초과하지 못한다). 결합운동을 하는 물체는 다른 이동/비이동 물체 그리고 벽과 대칭 경계 격자면에서 충돌할 수가 있다(충돌참조). 이 모델은 (100개까지) 다수의 탄성선형과 비틀림 스프링, 탄성로프와 이동 물체에 부착된 탄성력과 회전력을 갖는 계류선들을 표현할 수 있다(Elastic Springs & Ropes 와 Mooring Lines참조). .
In general, the motion of a rigid body can be described with six velocity components: three for translation and three for rotation. In the most general cases of coupled motion, all the available velocity components are coupled with fluid flow. However, the velocity components can also be partially prescribed and partially coupled in complex coupledmotion problems (e.g., a ship in a stream can have its pitch, roll and heave to be coupled but yaw, sway and surge prescribed). For coupled motion only, in addition to the hydraulic, gravitational, inertial and spring forces and torques which are calculated by the code, additional control forces can be prescribed by the user. The control forces can be defined either as up to five forces with their application points fixed on the object or as a net control force and torque. The net control force is applied to the GMO’s mass center, while the control torque is applied about the mass center for 6-DOF motion, and about the fixed point or fixed axis for those kinds of motions. The inertial force and torque exist only if the Non-inertial Reference Frame model is activated.
일반적으로 강체의 운동은 6개의 속도 성분으로 기술될 수 있다: 3개의 이동과3개의 회전. 가장 일반적인 결합 운동의 경우에, 모든 가능한 속도성분들은 유동과 연결되어 있다. 그러나 속도 성분들은 복잡한 결합운동 문제에서는 부분적으로 지정되고 일부는 결합될 수 있다(즉 유속내의 선박에서 pitch, roll and heave는 결합된 운동을 하고 yaw, sway and surge 는 지정될 수있다). 단 결합운동 문제에서는 코드 내에서 계산되는 수력, 중력, 관성 그리고 스프링 힘과 토크에 추가적인 조절할 수 있는 힘(control force) 들이 사용자에 의해 기술될 수 있다. 조절 힘(control force)들은 물체의 지정된 위치에 작용하는5개까지의 힘이나 또는 순수 힘과 토크로 정의 될 수 있다. 순수 조절힘은 GMO의 질량 중심에 작용하지만, 조절토크는6 자유도 운동의 질량중심에 대해 이런 운동을 하기 위한 고정축이나 점들에 대해 적용된다. 관성력과 토크는 단지 비 관성계 모델이 활성화되면 존재한다.
In FLOW-3D, a GMO is classified as a geometry component that is either porous or non-porous. As with stationary components, a GMO can be composed of a number of geometry subcomponents. Each subcomponent can be defined either by quadratic functions and primitives, or by STL data, and can be solid, hole or complement. If STL files are used, since GMO geometry is re-generated at every time step in the computation, the user should strive to minimize the number of triangle facets used to define the GMO to achieve faster execution of the solver while maintaining the necessary level of the geometry resolution. For mass properties, different subcomponents of an object can possess different mass densities.
FLOW-3D 에서 한 개의 GMO 는 다공질 또는 비 다공질의 형상요소로 간주된다. 정지된 구성요소에서와 같이 한 개의 GMO 는 다수의 형상 서브구성요소로 구성될 수 있다. 각 서브구성요소는 2차 함수와 기초 요소 또는 STL 데이터로 정의될 수 있고 고체, 공간 또는 이의 보완일 수 있다. 만약 STL 파일이 사용된다면 GMO 형상은 계산 중에 매 시간에서 재 생성되므로 사용자는 형상 정밀도에 필요한 수준을 유지하는 한편, 빠른 계산을 위해 GMO를 정의하는데 사용되는 삼각면의 수를 줄이려고 노력해야 한다. 질량물성을 위해 한 물체의 다른 서브구성요소는 다른 질량밀도를 가질 수 있다.
In order to define the motion of a GMO and interpret the computational results correctly, the user needs to understand the body-fixed reference system (body system) which is always fixed on the object and experiences the same motion. In the FLOW-3D preprocessor, the body system (x’, y’, z’) is automatically set up for each GMO. The initial directions of its coordinate axes (at t = 0) are the same as those of the space system (x, y, z). The origin of the body system is fixed at the GMO’s reference point which is a point automatically set on each moving object in accordance with the object’s motion type.
GMO 의 운동을 정의하고 계산결과를 정확히 이해하기 위해, 사용자는 항상 물체에 고정되고, 물체와 같은 운동을 하는 물체에, 고정된 기준계(물체계)를 이해할 필요가 있다. FLOW-3D 의 전처리에서 물체계(x’, y’, z’) 가 자동으로 각 GMO 에 대해 설정된다. 좌표축(t = 0에서) 의 초기방향은 공간계(x, y, z) 의 것과 같다. 물체계의 원점은 물체의 이동형상에 일치하는 각 이동체 상에 자동으로 설정된 GMO 의 기준점에 고정되어 있다.
The reference point is: 기준점은 다음과 같다.
the object’s mass center for the coupled 6-DOF motion;
결합된6자유도 운동의 질량중심
the fixed point for the fixed-point motion;
고정점 운동을 위한 고정점
a point on the fixed axis for the fixed-axis rotation;
고정축 회전을 위한 고정축 상의 점
a user-defined reference point for the prescribed 6-DOF motion.
기술된6자유도 운동을 위한 사용자 지정의 기준점
If the reference point is not given by users for the prescribed 6-DOF motion, it is set by the code at the mass center (if mass properties are given) or the geometry center (if mass properties are not given) of the object.
기준점이 기술된6자유도 운동을 위해 사용자가 지정하지 않으면 코드에 의해 질량중심 (질량물성이 주어지면) 또는 형상중심(질량물성이 안 주어지면)에 지정된다.
The GMO’s motion can be defined through the GUI using four steps:
GMO 운동은 4단계를 거쳐 GUI 를통하여 정의될수있다.
Activate the GMO model;
GMO 모델을 활성화한다
Create the GMO’s initial geometry;
GMO의 초기형상을 생성한다
Specify the GMO’s motion-related parameters, and
GMO의 운동관련 변수들을 지정하고.
Define the GMO’s mass properties.
GMO 질량물성을 정의한다
Without the activation of the GMO model in step 1, the object created as a GMO will be treated as a non-moving object, even if steps 2 to 4 are accomplished.
1단계의 GMO 모델 활성화가 없으면 2~4의 단계가 이루어져도 GMO 로 생성된 물체는 비 이동 물체로 간주될 것이다.
Step 1: Activate the GMO Model GMO 모델활성화
To activate the GMO model, go to Model Setup → Physics → Moving and simple deforming objects and check the Activate general moving objects (GMO) model box.
GMO 모델을 활성화하기 위해 Model Setup → Physics → Moving and simple deforming objects 로 가서 Activate general moving objects (GMO) model 박스를 체크한다.
The GMO model has two numerical methods to treat the interaction between fluid and moving objects: an explicit and an implicit method. If no coupled motion exists, the two methods are identical. For coupled motion, the explicit method, in general, works only for heavy GMO problem, i.e., all moving objects under coupled motion have larger mass densities than that of fluid and their added mass is relatively small. The implicit method, however, works for both heavy and light GMO problems. A light GMO problem means at least one of the moving objects under coupled motion has smaller mass densities than that of fluid or their added mass is large. The user may change the selection on the Moving and deforming objects panel or on the Numerics tab → Moving object/fluid coupling.
GMO 모델은 유체와 움직이는 물체간의 상호작용을 다루기위해 두 수치해석법을 이용한다: explicit 방법과implicit 방법. 결합 운동이 없으면 두 방법은 동일하다. 결합된 운동에서는 외재적 방법은 일반적으로 무거운 GMO 문제에 사용된다, 즉 결합된 운동을 하는 모든 이동물체는 유체밀도보다 크고 이의 부가질량이 작을 경우이다. 그러나 내재적 방법은 무겁거나 가벼운 GMO 문제에 모두 사용된다. 가벼운 GMO 문제는 결합운동 시에 최소한 하나의 이동물체가 유체밀도보다 작고 이의 부가질량이 클 경우이다. 사용자는 Moving and deforming objects패널이나 Numerics tab → Moving object/fluid coupling 상에서 선택을 바꿀 수 있다.
Step 2: Create the GMO’s Initial Geometry GMO의 초기형상을 생성한다
In the Meshing & Geometry tab, create the desired geometry for the GMO components using either primitives and/or imported STL files in the same way as is done for any stationary component. The component can be either standard or porous. To set up a porous component, refer to Porous Media. Note that the Copy function cannot be used with geometry components representing GMOs.
정지상태의 구성요소 생성의 경우와 마찬가지로 Meshing & Geometry 탭에서 기초 요소와/또는 외부로부터의 STL 파일을 이용하여 GMO 구성요소의 원하는 형상을 생성한다. 구성요소는 standard이거나porous일 수 있다. 다공성요소를 설정하기 위해 Porous Media 를 참조하라. Copy 기능은 GMO를 나타내는 형상 구성요소에 사용할 수 없음에 주목한다.
Step 3: Specify the GMO’s Motion Related Parameters GMO의 운동관련변수들을 지정한다
The following section discusses how to set up parameters for prescribed and coupled 6-DOF motion, fixed-point motion and fixed-axis motion. The user can go directly to the appropriate part.
다음 섹션은 “지정되고 결합된 6자유도운동”, “고정점 운동과 고정축 운동을 위한 매개변수를 어떻게 설정하는지”에 대해 논한다. 사용자는 직접 해당부분을 참조할 수 있다.
Prescribed 6-DOF Motion 지정된 6자유도운동
In Meshing & Geometry → Geometry → Component (the desired GMO component) → Type of Moving Object, select Prescribed motion. Go to Component Properties → Type of Moving Object → Moving Object Properties → Edit → Motion Constraints. Under Type of Constraint, select 6 Degrees of Freedom in the combo box.
Meshing & Geometry → Geometry → Component (the desired GMO component) → Type of Moving Object 에서 Prescribed motion 을 선택한다. Component Properties → Type of Moving Object → Moving Object Properties → Edit → Motion Constraints 로 가서 Type of Constraint 밑에서 combo 박스에 있는 6 Degrees of Freedom 를 선택한다.
To define the object’s velocity, go to the Initial/Prescribed Velocities tab in the Moving object setup window. The prescribed 6-DOF motion is described as a superimposition of a translation of a reference point and a rotation about the reference point. The reference point can be anywhere inside or outside the moving object and the computational domain. The user needs to enter its initial x, y and z coordinates (at t = 0) in the provided edit boxes. By default, the reference point is determined by the preprocessor in two different ways depending on whether the object’s mass properties are given: if mass properties (either mass density or integrated mass properties) are given, then the mass center of the moving object is used as the reference point; otherwise, the object’s geometric center will be calculated and used as the reference point.
물체의 속도를 정의하기 위해 Moving object setup 의 창에 있는 Initial/Prescribed Velocities 탭으로 이동한다. 지정된 6자유도 운동은 기준점의 이동과 기준점에 대한 회전의 중첩으로 기술된다. 기준점은 이동체의 내부 또는 외부 그리고 계산영역 외부일 수도 있다. 사용자는 주어진 편집박스 내에 이의 초기 x, y 와 z 좌표값(t = 0에서)을 입력할 필요가 있다. 디폴트로 기준점은 물체의 질량 물성이 주어지는가에 따라 두 가지로 전처리 과정에서 결정된다: 질량물성(질량밀도나 전체질량물성)이 주어지면 이동체의 질량중심이 기준점으로 사용되고 아니면 이동체의 형상중심이 계산되고 기준점으로 이용된다.
With the reference point provided (or left for the code to calculate), users can define the translational velocity components for the reference point in space system and the angular velocity components (in radians/time) in body system. Each velocity component can be defined either as a sinusoidal or a piecewise linear function of time by making a selection in the corresponding combo box. For a constant velocity component, choose Non-Sinusoidal and simply enter its value in the corresponding input box (the default value is 0.0). If a velocity component is Non-sinusoidal and time-dependent, click on the corresponding Tabular button to open a data table and enter values for the velocity component and time. Alternatively, the user can also import a data file for the velocity component versus time by clicking Tabular → Import Values. The file must have two columns of data which represent time and velocity from left to right and must have a csv extension. If the velocity component is sinusoidal in time, then enter the values for Amplitude, Frequency (in Hz) and Initial Phase (in degrees) in the input boxes.
기준점이 주어지면(또는 코드 내에서 계산이 되면) 사용자는 공간계 기준점에 대해 translational velocity components 를 그리고 물체계에서angular velocity components (radians/시간으로)를 정의할 수 있다. 각 속도 성분은 상응하는 combo box 에서 선택함으로써 사인파 또는 구간적 시간함수로써 정의될 수 있다. 일정 속도 성분에 대해서 Non-Sinusoidal 을 선택하고 단순히 상응하는 combo 박스에 값을 넣는다(디폴트 값은0이다). 속도성분이 Non-Sinusoidal 이고 시간의 함수이면 데이터 테이블을 열고 상응하는 Tabular 버튼을 클릭하고 속도성분과 시간을 넣는다. 다른 방법으로는 사용자가 Tabular → Import Values를 클릭함으로써 속도성분대 시간의 데이터파일을 읽어 들일 수가 있다. 이 파일은 시간과 속도를 나타내는 좌로부터 우로의 두 데이터 열이 있어야 하며 csv 확장자를 가져야 한다. 속도 성분이 시간에 따른 사인파이면 입력박스에서의 Amplitude, Frequency (in Hz) 그리고 Initial Phase (in degrees) 값을 입력한다.
The expression for the sinusoidal velocity component is
사인파 속도의 식은
v = Asin(2πft + ϕ0)
where: 여기서
A is the amplitude, 진폭
f is the frequency, and주기이며
ϕ0 is the initial phase. 초기위상이다.
Users can set limits for the translational displacements of the object’s reference point in both negative and positive x, y and z directions in space system. The displacements are measured from the initial location of the reference point. During motion, the reference point cannot go beyond these limits but can move back to the allowed range after it reaches a limit. To set the limits for translation, go to the Motion Constraints tab and enter the maximum displacements allowed in the corresponding input boxes, using absolute values. By default, these values are infinite. Note the Limits for rotation is only for fixed-axis rotation thus cannot be set for 6-DOF motion.사용자는 공간계에서 음이나 양의 x, y 그리고 z 방향으로 물체 기준점의 이동변위를 제한할 수 있다. 변위는 기준점의 초기위치로부터 정해진다. 운동중에 기준점은 이 제한을 넘어갈 수 없지만 이 제한에 도달한 후에 허용된 범위만큼 돌아올 수 있다. 이동의 제한을 설정하기 위해 Motion Constraints 탭으로가서 절대값을 사용하여 상응하는 입력박스 안에 허용된 최대변위를 넣는다. the Limits for rotation 는 고정축 회전에만 해당하므로 6자유도 운동에는 지정될 수 없다.Prescribed Fixed-point Motion지정된 고정점운동In Meshing & Geometry → Geometry → Component (the desired GMO component) → Component Properties → Type of Moving Object, select Prescribed motion. Go to Moving object properties → Edit → Motion Constraints. Under Type of Constraint, select Fixed point rotation in the combo box and enter the x, y and z coordinates of the fixed point in the corresponding input boxes.Meshing & Geometry → Geometry → Component (the desired GMO component) → Component Properties → Type of Moving Object 에서 Prescribed motion 을 선택한다. Moving object properties → Edit → Motion Constraints 로 가서 Type of Constraint 밑에서 combo box 에있는 Fixed point rotation을 선택하고 상응하는 입력박스에서 고정점의 the x, y 및 z 좌표를 입력한다.To define the velocity of the object, go to the Initial/Prescribed Velocities tab in the Moving object setup window. The velocity components to be defined are the x, y and z components of the angular velocity (in radians/time) in the body system. Each velocity component can be defined as either a sinusoidal or a piecewise linear function of time by making a selection in the corresponding combo box. For a constant velocity component, choose Non-Sinusoidal and simply enter its value in its input box (the default value is 0.0). If a velocity component is time-variant and Non-sinusoidal, click on the Tabular button to open a data table and enter the values for the velocity component and time. Alternatively, the user can also import a data file for the velocity component versus time by clicking Tabular → Import Values. The file must have two columns of data which represent time and velocity component from left to right and must have a csv extension. If the velocity component is sinusoidal in time, then enter the values for Amplitude, Frequency (in cycles/time) and Initial Phase (in degrees) in the corresponding input boxes.
물체의 속도를 정의하기 위해 Moving object setup 의 창에 있는 Initial/Prescribed Velocities 탭으로 간다. 정의되어야 할 속도성분은 물체계에서 각속도(radians/시간으로) 를 x, y 및 z 성분으로 정의할 수 있다
각 속도 성분은 상응하는 combo box 에서 사인파 또는 구간적 시간함수로써 정의될 수 있다.
일정속도 성분에 대해서 Non-Sinusoidal 을 선택하고 단순히 상응하는 combo box 박스에 값을 넣는다(디폴트 값은0이다). 속도성분이 Non-Sinusoidal 이고 시간의 함수이면 데이터 테이블을 열고 상응하는 Tabular 버튼을 클릭하고 속도성분과 시간을 넣는다. 그렇지 않으면 사용자가 Tabular → Import Values 를 클릭함으로써 속도성분대 시간의 데이터 파일을 읽어 들일 수가 있다. 이 파일은 시간과 속도를 나타내는 좌로부터 우로의 두 데이터 열이 있어야 하며 csv 확장자를 가져야 한다. 속도성분이 시간에 따른 사인파이면 상응하는 입력박스에서 Amplitude, Frequency (in Hz) 와 Initial Phase (in degrees) 값을 입력한다.
The expression for a sinusoidal angular velocity component is
ω = Asin(2πft + ϕ0)
where: 여기서
A is the amplitude, 진폭
f is the frequency, and주기이며
ϕ0 is the initial phase. 초기위상이다.
Prescribed Fixed-Axis Motion
In Meshing & Geometry → Geometry → Component (the desired GMO component) → Component Properties → Type of Moving Object, select Prescribed motion. Go to Moving Object Properties → Edit → Motion Constraints. Under Type of Constraint, select Fixed X-Axis Rotation or Fixed Y-Axis Rotation or Fixed Z-Axis Rotation in the combo box depending on which coordinate axis the rotational axis is parallel to.
Meshing & Geometry → Geometry → Component (the desired GMO component) → Component Properties → Type of Moving Object 에서 Prescribed motion 을 선택한다. Moving object properties → Edit → Motion Constraints 로 가서Type of Constraint밑에서 회전축이 어떤 좌표축에 평행인가에 따라 combo box 에있는 Fixed X-Axis Rotation 또는 Fixed Y-Axis Rotation 또는 Fixed Z-Axis Rotation 를 선택한다.
Coordinates of the rotational axis need be given in two of the three input boxes for Fixed Axis/Point X Coordinate, Fixed Axis/Point Y Coordinate and Fixed Axis/Point Z Coordinate. For example, if the rotational axis is parallel to the z-axis, then the x and y coordinates for the rotational axis must be defined. Users can also set limits for the object’s rotational angle in both positive and negative directions. The rotational angle (i.e., angular displacement) is a vector and measured from the object’s initial orientation based on the right-hand rule. Its value is positive if it points in the positive direction of the coordinate axis which the rotational axis is parallel to. The object cannot rotate beyond these limits but can rotate back to the allowed angular range after it reaches a limit. To set the limits for rotation, in Motion Constraints → Limits for rotation, enter the Maximum rotational angle allowed in negative and positive directions in the corresponding input boxes, using absolute values in degrees. By default, these values are infinite.
회전축 좌표는 3개 Fixed Axis/Point X Coordinate, Fixed Axis/Point Y Coordinate 및 Fixed Axis/Point Z Coordinate 중 2개의 입력박스에서 주어져야 한다. 예를 들면 회전축이 z 축에 평행 하다면 이 회전축의 the x 와 y 좌표가 정의 되어야 한다. 사용자는 물체의 양음 방향의 회전각도를 제한할 수 있다. 회전각 (즉, 각변위)은 벡터이며 오른손 법칙에 따른 물체의 초기 방향으로부터 측정된다. 이는 회전축에 평행한 좌표축의 양방향을 가리키면 양의 값이다. 물체는 제한 값을 지나 회전할 수 없지만 이 값에 도달한 후 허용된 각변위로 되돌아갈 수 있다. 회전의 제한을 설정하기 위해 Motion Constraints → Limits for rotation 내에서 상응하는 입력박스에서 음이나 양의방향으로 허용된 Maximum rotational angle 을 입력한다. 이의 디폴트 값은 무한대이다.
To define the angular velocity of an object (in radians/time), go to Initial/Prescribed Velocities. The angular velocity can be defined either as a sinusoidal or a piecewise linear function of time by making a selection in the corresponding combo box. For a constant angular velocity, choose Non-Sinusoidal and simply enter its value in its input box (the default value is 0.0). If it is Non-sinusoidal in time, click on the corresponding Tabular button to open a data table and enter the values for the angular velocity and time. Alternatively, the user can also import a data file for the velocity component versus time by clicking Tabular → Import Values. The file must have two columns of data which represent time and angular velocity from left to right and must have a csv extension. If the angular velocity is sinusoidal in time, then enter the values for Amplitude, Frequency (in cycles/time) and Initial Phase (in degrees) in the corresponding input boxes.
물체의 각속도(radians/시간으로)를 정의하기 위해 Initial/Prescribed Velocities 탭으로 간다. 각속도는 상응하는 combo box 에서 사인파 또는 구간적 시간함수로써 정의될 수 있다. 일정 각속도에 대해서 Non-Sinusoidal 을 선택하고, 이에 상응하는 combo box 에 단순히 값을 넣는다(디폴트 값은0.0이다). 이것이 Non-Sinusoidal 이고 시간의 함수이면 데이터 테이블을 불러와, 상응하는 Tabular 버튼을 클릭하고 각속도와 시간을 넣는다. 그렇지 않으면 사용자가 Tabular → Import Values 를 클릭함으로써 속도 성분대 시간의 데이터 파일을 읽어 들일 수가 있다. 이 파일은 시간과 각속도를 나타내는 좌로부터 우로의 두 데이터 열이 있어야 하며 csv 확장자를 가져야 한다. 각속도가 시간에 따른 사인파이면 입력박스에서의 Amplitude, Frequency (in Hz) 그리고 Initial Phase (in degrees) 값을 입력한다.
The expression for a sinusoidal angular velocity is사인파 각속도식은
ω = Asin(2πft + ϕ0)
where: 여기서
A is the amplitude, 진폭
f is the frequency, and주기이며
ϕ0 is the initial phase. 초기위상이다.
Coupled 6-DOF motion 결합된6자유도운동
In Meshing & Geometry → Geometry → Component (the desired GMO component) → Component Properties → Type of Moving Object, select Coupled motion. Go to Moving Object Properties → Edit → Motion Constraints. Under Type of Constraint, select 6 Degrees of Freedom in the combo box.
Meshing & Geometry → Geometry → Component (the desired GMO component) → Type of Moving Object 에서 Coupled motion 을 선택한다. Moving Object Properties → Edit → Motion Constraints 로가서 Type of Constraint 밑에서 combo 박스에 있는 6 Degrees of Freedom 를 선택한다.
Users need to define the initial velocities for the object. Go to the Initial/Prescribed Velocities tab. Enter the x, y, and z components of the initial velocity of the GMO’s mass center in X Initial Velocity, Y Initial Velocity and Z Initial Velocity, respectively. Enter the x’, y’ and z’ components of the initial angular velocity (in radians/time) in the body system in X Initial Angular Velocity, Y Initial Angular Velocity and Z Initial Angular Velocity, respectively. By default, the initial velocity components are zero.
사용자는 물체에 대한 초기속도를 정의해야 한다. Initial/Prescribed Velocities 탭으로 간다. 각 X Initial Velocity, Y Initial Velocity 그리고 Z Initial Velocity 로 GMO 질량중심의 초기속도의 x, y 와 z 성분값(t = 0에서)을 입력한다. 물체 계에서의 X Initial Angular Velocity, Y Initial Angular Velocity 그리고 Z Initial Angular Velocity (radians/시간으로)로 초기 각속도의 x’, y’ 및 z’ 성분값을 입력한다.
For coupled 6-DOF motion, user-prescribed control force(s) and torque exerting on the object can be defined either in the space system or the body system. They are combined with the hydraulic, gravitational, inertial and spring forces and torques to determine the object’s motion. There are two different ways to define control force(s) and torque: prescribe either a total force and a total torque about the object’s mass center or multiple forces with their application points fixed on the object. By default, all the control force(s) and torque are equal to zero.
결합된6자유도운동에서 물체에 미치는 사용자 지정 조절 힘과 토크는 물체계 또는 공간계에서 정의될 수 있다. 이들은 물체의 운동을 결정하는 수력, 중력, 관성력 스프링 힘 그리고 토크이다. 이 조절 힘과 토크를 정의하는 두 가지 방법이 있다: 물체의 질량중심에 대한 전체의 힘과 토크를 지정하거나 물체에 고정된 점들에 작용하는 다수의 힘들을 지정하는 것이다. 디폴트는 모든 조절 힘과 토크가0이다.
To prescribe total force and total torque, in the Control Forces and Torques tab, choose Define Total Force and Total Torque in the combo box. Further select In Space System or In Body System depending on which reference system the control force and torque are define in. If a component of the force or the torque is a constant, it can be specified in the corresponding edit box (default is zero). If it varies with time, then click on the Tabular button to bring up a data input table and enter the values for the component and time. The time-variant force and torque are treated as piecewise-linear functions of time during simulation. Alternatively, instead of filling the data table line by line, the user can also import a data file for the force/torque component versus time by clicking Tabular → Import Values. The file must have two columns of data which represent time and the force/torque component from left to right and must have a csv extension.
전체의 힘과 토크를 지정하기 위해 Control Forces and Torques 탭 안의 combo box 에서 Define Total Force and Total Torque 를 선택한다. 추가로 조절 힘과 토크가 정의되는 기준계에 따른 In Space System 이나 In Body System 을 선택한다. 힘 또는 토크의 한 성분이 상수이면 상응하는 편집박스에 지정된다(디폴트는0). 이것이 시간에 따라 변하면 데이터 테이블을 불러오기 위해 상응하는 Tabular 버튼을 클릭하고 성분과 시간 값을 넣는다. 그렇지 않으면 한 줄씩 데이터 테이블을 채우는 대신에 사용자가 Tabular → Import Values 를 클릭함으로써 force/torque component versus time 을 읽어 들일 수가 있다. 이 파일은 시간과 힘/토크를 나타내는 좌로부터 우로의 두 데이터 열이 있어야 하며 csv 확장자를 가져야 한다
If, instead, control forces and their application points need to be defined, then in the Control Forces and Torques tab choose Define Multiple Forces and Application Points in the combo box. Users can specify up to five forces. For each force, in the editor boxes, choose the force index (1 to 5) and then select Force components in → Space System or Body System depending on which reference system the force is defined in. In field on the left, enter the initial coordinates (at t = 0) for the force’s application point. In the field on the right, prescribe components of the force in x, y and z directions of the body or space system. For a constant force component, enter its value in the corresponding edit box. If it varies with time, then click on the Tabular button to bring up a data input table and enter values for the force component versus time. Tabular force input is approximated with a piecewise-linear function of time. Alternatively, the user can import a data file for the force versus time by clicking Tabular → Import Values. The file must have two columns of data which represent time and from left to right and must have a csv extension.
대신에 조절힘과 그 적용점들이 정의되어야 한다면 Control Forces and Torques 탭에서 combo box 안에 있는 Define Multiple Forces and Application Points 를 선택한다. 사용자는5개까지의 힘을 지정할 수 있다. 각 힘에 대해, 편집박스 내에서, force index(1에서 5) 를 선정하고 힘이 정의되는 기준계에 따라 Force components in 에서 Space System 나 Body System 을 선택한다. 좌측 칸에 힘 적용점의 초기좌표(t=0에서)를 입력한다. 우측 칸에 물체 또는 공간계에 따른 x, y 그리고 z 방향에서의 힘의 성분을 넣는다. 힘 성분이 상수이면 그 값을 상응하는 편집박스에서 입력한다. 이것이 시간에 따라 변하면 데이터 테이블을 불러오기 위해 상응하는 Tabular 버튼을 클릭하고 힘성분 대 시간값을 넣는다. 이렇게 입력된 값들은 구간별 선형함수로 근사 된다. 다른 방법으로 사용자가 Tabular → Import Values 를 클릭함으로써 힘과 시간에 대한 데이터파일을 읽어 들일 수가 있다. 이파일은 시간과 힘/토크를 나타내는 좌로부터 우로의 두 데이터 열이 있어야 하며 csv 확장자를 가져야 한다.
Motion constraints can be imposed to the object to decrease the number of the degrees of freedom to less than six. This selection is made by setting part of its translational and rotational velocity components as Prescribed motion while leaving the other components to coupled motion in Motion Constraints tab → Translational and Rotational Options. Note that the translational and rotational components are in the space system and the body system, respectively. Then go to the Initial/Prescribed Velocities tab to define their values. A prescribed velocity component can be defined as either a sinusoidal or piecewise linear function of time in the combo box. For a constant velocity component, choose Non-Sinusoidal and enter its value in its input box (the default value is 0.0). If the velocity component is timedependent and non-sinusoidal, click on the Tabular button to open a data table and enter the values for the velocity component and time. Alternatively, the user can import a data file for the velocity component versus time by clicking Tabular → Import values. The file must have two columns of data which represent time and the angular velocity component from left to right and must have a csv extension. It is treated as a piecewise-linear function of time in the code. If it is a sinusoidal function of time, instead, enter its Amplitude, Frequency (in Hz) and Initial Phase (in degrees) in the edit boxes.
6자유도 보다 운동의 자유도를 줄이기 위해 운동의 제약이 물체에 가해질 수 있다. 이 선택은 일부의 이동과 회전속도 성분을 Prescribed motion 으로 다른 성분들은 Motion Constraints tab → Translational and Rotational Options 에서 coupled motion 결합운동으로 설정함으로써 이루어진다. 이동과 회전은 각기 공간계와 물체계로 되어있다는 것에 주목한다. 이 때에 Initial/Prescribed Velocities 탭으로 가서 이 값을 정의한다. 지정속도 성분은 상응하는 combo box 에서 사인파 또는 구간적 시간함수로써 정의될 수 있다. 일정속도 성분에 대해서 Non-Sinusoidal 을 선택하고 입력박스에서 값을 넣는다(디폴트 값은0이다). 속도성분이 시간의 함수이고 Non-Sinusoidal 이면 데이터 테이블을 열고 Tabular 버튼을 클릭하고 속도 성분과 시간 값을 넣는다. 다른 방법으로는 사용자가 Tabular → Import Values 를 클릭함으로써 속도성분 대 시간의 데이터 파일을 읽어 들일 수가 있다. 이 파일은 좌로부터 우로의 시간과 각속도 성분을 나타내는 두 데이터 열이 있어야 하며 csv 확장자를 가져야 한다. 이렇게 입력된 값들은 코드 내에서 구간별 선형함수로 근사 된다. 대신에 시간의 함수이면 편집박스에서의 Amplitude, Frequency (in Hz) 그리고 Initial Phase (in degrees) 값을 입력한다.
The expression for a sinusoidal velocity component is사인파 속도식은
v = Asin(2πft + ϕ0)
where:
A is the amplitude, 진폭
f is the frequency, and주기이며
ϕ0 is the initial phase. 초기위상이다.
Users can also set limits for displacements of the object’s mass center in both negative and positive x, y and z directions in the space system, measured from its initial location. The mass center cannot go beyond these limits but can move back to the allowed motion range after it reaches a limit. To specify these limits, open the Motion Constraints tab and in the Limits for translation area, enter the absolute values of maximum displacements in the desired coordinate directions. There are no Limits for rotation for an object with 6-DOF coupled motion.
사용자는 초기 조건으로부터 측정된 공간계에서의 음이나 양의 x, y 그리고 z 방향으로 물체 질량중심의 변위를 제한할 수 있다. 질량중심은 이 제한을 지나갈 수 없지만 이 제한에 도달한 후에 허용된 범위로 돌아올 수 있다. 이동의 제한을 설정하기 위해 Motion Constraints 탭을 열고 Limits for translation에서 원하는 좌표방향에서의 최대 절대변위 값을 넣는다. 6자유도 운동을 갖는 물체에 대한 Limits for rotation 은 없다.
Coupled Fixed-Point Motion 결합된 고정점운동
In Meshing & Geometry → Geometry → Component (the desired GMO component) → Component Properties → Type of Moving Object, select Coupled motion. Go to Moving Object Properties → Edit → Motion Constraints. Under Type of Constraint, select Fixed point rotation in the combo box and enter the x, y and z coordinates of the fixed point in the corresponding input boxes. The Limits for rotation and Limits for translation cannot be set for fixed-point motion.
Meshing & Geometry → Geometry → Component (the desired GMO component) → Component Properties → Type of Moving Object 에서 Coupled motion 을 선택한다. Moving Object Properties → Edit → Motion Constraints 로 가서 Type of Constraint 밑에서 combo 박스에있는 Fixed point rotation 를 선택하고 상응하는 입력 상자 안에 있는 고정점의 x, y 및 z 좌표를 입력한다. Limits for rotation 와 Limits for translation 는 고정점 운동에 대해 선택될 수 없다.
Definition of the initial velocity for the object is required. Go to the Initial/Prescribed Velocities tab and enter the x, y and z components of initial angular velocity (in rad/time) in the boxes for X Initial Angular velocity, Y Initial Angular velocity and Z Initial Angular velocity. Their default values are zero.
물체의 초기속도 정의가 필요하다. Initial/Prescribed Velocities 탭으로 가서 X Initial Angular velocity, Y Initial Angular velocity 그리고 Z Initial Angular velocity 를 위한 상자에서 초기 각속도 (rad/시간) 의 the x, y 및 z 성분을 넣는다.
Further constraints of motion can be imposed to the object to decrease its number of degrees of freedom. This is done in the Motion Constraints tab by setting part of its rotational components as prescribed motion while leaving the others as coupled motion in the combo box for Translational and rotational options. Note that the rotational components are in the body system. By default, the prescribed velocity components are equal to zero. To specify a non-zero velocity component, go to the Initial/Prescribed Velocities tab. It can be defined as either a sinusoidal or a piecewise linear function of time by making selection in the corresponding combo box. For a constant velocity component, choose Non-Sinusoidal and simply enter its value in the input box (the default value is 0.0). If it is non-sinusoidal timedependent, click on the Tabular button to open a data table and enter the values for the velocity component and time. Alternatively, the user can import a data file for the velocity component versus time by clicking Tabular → Import values. The file must have two columns of data which represent time and the angular velocity component from left to right and must have a csv extension. If the velocity component is a sinusoidal function of time, enter the values for Amplitude, Frequency (in Hz) and Initial Phase (in degrees) in the input boxes.
운동의 자유도를 줄이기 위해 운동의 제약이 물체에 가해질 수 있다. 이 선택은 일부의 회전속도 성분을 Prescribed motion 으로 다른 성분들은 Translational and rotational options를 위한 상자에서 coupled motion 으로 Motion Constraints 탭에서 설정함으로써 이루어진다. 회전성분은 물체계로 되어있다는 것에 주목한다. 디폴트로 지정속도 성분들은 0이다. 0이 아닌 속도성분을 지정하기 위해 Initial/Prescribed Velocities탭으로 간다. 지정속도 성분은 상응하는 combo box 에서 사인파 또는 구간적 시간함수로써 정의될 수 있다. 일정속도 성분에 대해서 Non-Sinusoidal 을 선택하고 단순히 입력박스에서 값을 넣는다(디폴트 값은0이다). 속도성분이 시간의 함수이고 Non-Sinusoidal 이면 데이터 테이블을 열고 Tabular 버튼을 클릭하고 속도 성분과 시간 값을 넣는다. 다른 방법으로는 사용자가 Tabular → Import Values 를 클릭함으로써 속도 성분 대 시간의 데이터파일을 읽어들일 수 가 있다. 이 파일은 좌로부터 우로의 시간과 각속도 성분을 나타내는 두 데이터 열이 있어야 하며 csv 확장자를 가져야 한다. 속도성분이 사인파의 시간의 함수이면 입력상자에서 Amplitude, Frequency (in Hz) and Initial Phase (in degrees) 값을 넣는다.
The expression for a sinusoidal velocity component is사인파속도성분식은
ω = Asin(2πft + ϕ0)
where: 여기서
A is the amplitude진폭,
f is the frequency, and주기이며
ϕ0 is the initial phase. 초기위상이다
User-prescribed total torque exerting on the object can also be defined. They are combined with the hydraulic, gravitational, inertial and spring torques to determine the object’s rotation.
또한 사용자에 의해 지정된 물체에 작용하는 전체 토크가 지정될 수 있다. 이들은 물체의 회전을 결정하기 위해 수력, 중력, 관성력과 스프링에 의한 토크와 결합되어 있다.
In the Control Forces and Torques tab, choose Define Total Force and Total Torque in the combo box. Further, select In Space System or In Body System depending on which reference system the control torque is define in. If the torque is constant, it can be simply set in the provided edit box for its x, y and z components. For a time-dependent control torque, click the Tabular button to bring up data tables and then enter the values of time and the torque components. The control torque is treated as a piecewise-linear function of time. As an option, instead of filling the data table line by line, the user can also import a data file for the angular velocity versus time by clicking Tabular → Import Values. The file must have two columns of data which represent time and velocity from left to right and must have a csv extension.
Control Forces and Torques 탭에서 combo box 상자 안의 Define Total Force and Total Torque 를 선택한다. 추가로 조절 토크가 정의되는 기준계에 따른 공간계 In Space System 나 물체계 In Body System 을 선택한다. 토크가 상수이면 its x, y 및 z 성분을 위한 주어진 편집상자에서 지정된다. 이것이 시간에 따라 변하는 조절 토크이면 데이터 테이블을 불러오기 위해 상응하는 Tabular 버튼을 클릭하고 성분과 토크 성분값을 넣는다. 제어토크는 구간 내 시간의 선형함수로 간주된다. 선택으로 한 줄씩 데이터 테이블을 채우는 대신에 사용자가 Tabular → Import Values 을 클릭함으로써 각속도 대 시간을 읽어 들일 수가 있다. 이 파일은 시간과 속도를 나타내는 좌로부터 우로의 두 데이터 열이 있어야 하며 csv 확장자를 가져야 한다
Coupled Fixed-Axis Motion 결합된 고정축운동
In Meshing & Geometry → Geometry → Component (the desired GMO component) → Component Properties → Type of Moving Object, select Coupled motion. Go to Moving Object Properties → Edit → Motion Constraints. Under Type of Constraint, select Fixed X-Axis Rotation or Fixed Y-Axis Rotation or Fixed Z-Axis Rotation in the combo box depending on which coordinate axis the rotational axis is parallel to.
Meshing & Geometry → Geometry → Component (the desired GMO component) → Component Properties → Type of Moving Object 에서 Coupled motion 을 선택한다. Moving Object Properties → Edit → Motion Constraints 로 가서 Type of Constraint 밑에서 회전축이 어느 좌표축과 평행한지에 따라 combo 박스에있는 Fixed X-Axis Rotation또는Fixed Y-Axis Rotation 또는 Fixed Z-Axis Rotation 를 선택한다.
Coordinates of the rotational axis need be given in two of the three input boxes for Fixed Axis/Point X Coordinate, Fixed Axis/Point Y Coordinate and Fixed Axis/Point Z Coordinate. For example, if the rotational axis is parallel to the z-axis, then the x and y coordinates for the rotational axis must be defined. Users can also set limits for the object’s rotational angle in both positive and negative directions. The rotational angle (i.e., angular displacement) is a vector and measured from the object’s initial orientation based on the right-hand rule. Its value is positive if it points to the positive direction of the coordinate axis which the rotational axis is parallel to. The object cannot rotate beyond these limits but can rotate back to the allowed angular range after it reaches a limit. To set the limits for rotation, in Motion Constraints → Limits for rotation, enter the maximum rotational allowed in negative and positive directions in the corresponding input boxes, using absolute values in degrees. By default, these values are infinite.
회전축좌표는 3개 Fixed Axis/Point X Coordinate, Fixed Axis/Point Y Coordinate 및 Fixed Axis/Point Z Coordinate 중 2개의 입력박스에서 주어져야 한다. 예를들면 회전축이 z 축에 평행하다면 이 회전축의 the x 와 y 좌표가 정의되어야 한다. 사용자는 물체의 양과 음 방향의 회전각도를 제한할 수 있다. 회전각 (즉, 각변위)은 벡터이며 오른손 법칙에 따라 물체의 초기 방향으로 부터 측정된다. 이것이 회전축에 평행한 좌표축의 양방향을 가리키면 양의 값이다. 물체는 제한 값을 지나 회전할 수 없지만 이 값에 도달한 후 허용된 각 변위로 되돌아갈 수 있다. 회전의 제한을 설정하기 위해 Motion Constraints → Limits for rotation 내에서 상응하는 입력박스에서 음이나 양의방향으로 허용된 Maximum rotational angle 을 입력한다. 이의 디폴트 값은 무한대이다.
A definition of the initial angular velocity for the object is required. In the Initial/Prescribed Velocities tab, enter the initial angular velocity (in radians per time) in x, y or z direction in the corresponding input box in the Angular velocity components area, depending on the orientation of the rotational axis. The default value is zero.
User-prescribed total torque exerting on the object can be defined. They are combined with the hydraulic, gravitational, inertial and spring torques to determine the object’s rotation. In the Control Forces and Torques tab, choose Define Total Force and Total Torque in the combo box. If the torque is constant, it can be simply set in the provided edit box for x, y or z component of the torque, depending on direction of the coordinate axis which the rotational axis is parallel to. For a time-dependent control torque, click the corresponding Tabular button to bring up a data table and then enter the values of time and the torque. The control torque is treated as a piecewise-linear function of time in computation. As an option, instead of filling the data table line by line, the user can also import a data file for the torque versus time by clicking Tabular → Import Values. The file must have two columns of data which represent time and torque from left to right and must have a csv extension. The torque about the fixed axis is the same in the space and body systems, thus the choice of In space system or In body system options makes no difference to the computation. User-prescribed total control force and multiple forces are not allowed for the fixed-axis motion.
물체의 초기 각속도 정의가 필요하다. Initial/Prescribed Velocities 탭에서 회전축의 방향에 따라 the Angular velocity components 면에서 x, y 및 z 방향으로 초기 각속도(시간당radians으로)를 넣는다. 디폴트는0이다. 사용자에 의해 지정된 물체에 작용하는 전체 토크가 정의될 수 있다, 이들은 물체의 회전을 결정하기 위해 수력, 중력, 관성력과 스프링에 의한 토크와 결합되어 있다. Control Forces and Torques 탭 안의 combo box 에서 Define Total Force and Total Torque 을 선택한다. 토크가 상수이면 회전축이 평행한 좌표축의 방향에 따라, 토크의 x, y 또는 z 성분을 위한 주어진 편집박스에서 단순히 지정된다. 따라 변하면 데이터테이블을 불러오기 위해 상응하는 Tabular 버튼을 클릭하고 시간과 토크를 넣는다. 제어토크는 계산시 구간 내 시간의 함수로 간주된다. 선택으로 한 줄씩 데이터 테이블을 채우는 대신에 사용자가 Tabular → Import Values 를 클릭함으로써 토크대 시간의 파일을 읽어 들일 수 가 있다. 이 파일은 시간과 토크를 나타내는 좌로부터 우로의 두 데이터 열이 있어야 하며 csv 확장자를 가져야 한다. 고정축에 대한 토크는 공간과 시간계에서 같으므로 In space system 이나 In body system 의 선택은 계산에 차이가 없다. 사용자가 지정하는 전체 제어 힘과 다중의 힘은 고정축 운동에서는 허용되지 않는다.
Step 4: Specify the GMO’s Mass Properties GMO 질량물성을 정의한다
Definition of the mass properties is required for any moving object with coupled motion and is optional for objects with prescribed motion. If the mass properties are provided for a prescribed-motion object, the solver will calculate and output the residual control force and torque, which complement the gravitational, hydraulic, spring, inertial and user-prescribed control forces and torques to maintain the prescribed motion. To specify the mass properties, click on Mass Properties to open the dialog window. Two options are available for the mass properties definition: provide mass density or the integrated mass properties including the total mass, mass center and the moment of inertia tensor.
질량물성의 정의가 결합운동을 하는 이동체에 대해 필요하지만 지정운동을 하는 이동체에는 선택적이다. 지정운동체에 대해 질량 물성이 주어지면 solver 는 지정 운동을 유지하기 위해 중력, 수력, 관성력, 스프링 힘과 사용자 지정의 힘과 토크를 보완하는 잔여 조절 힘과 토크를 계산하고 출력할 것이다. 질량물성을 지정하기 위한 대화창을 열기 위해 Mass Properties를 클릭한다. 이를 위해 두 가지 선택이 있다: 질량밀도 또는 전체질량, 질량중심과 관성모멘트텐서를 포함하는 통합 질량 물성을 제공한다.
The option to provide mass density is convenient if the object has a uniform density or all its subcomponents have uniform densities. In this case, the preprocessor will calculate the integrated mass properties for the object. In the Mass Properties tab, select Define Density in the combo box and enter the density value in the Mass Density input box. By default, each subcomponent of the object takes this value as its own mass density. If a subcomponent has a different density, define it under that subcomponent in the geometry tree, Geometry → Component → Subcomponents → Subcomponent (the desired component) → Mass Density.
물체나 이 물체의 소 구성요소가 균일한 밀도를 가지면 질량밀도를 주는 선택이 편하다. 이 경우 전처리과정이 이에 대한 모든 통합 질량물성을 계산할 것이다. Mass Properties 탭에서 combo 박스에 있는 Define Density 를 선택하고 Mass Density 입력박스에서 밀도 값을 넣는다. 디폴트로 물체의 소 구성 요소의 밀도는 물체의 밀도와 같다. 만약에 소 구성요소가 다른 밀도를 가지면 이를 형상체계에 있는 Geometry → Component → Subcomponents → Subcomponent (the desired component) → Mass Density 소구성요소에서 정의한다.
The option to provide integrated mass properties is useful if the object’s mass, mass center and moment of inertia tensor are known parameters regardless of whether the object’s density is uniform or not. In the Mass Properties tab, choose Define Integrated Mass Properties in the combo box and enter the following parameters in the input boxes depending on the type of motion: Total mass, initial mass center location (at t = 0) and moment of inertia tensor about mass center for 6-DOF and fixed-point motion types;
통합 질량 물성의 사용은 물체의 밀도가 균일한지와 무관하게 물체의 질량, 질량중심, 관성모멘트 텐서 등이 알려진 변수일 경우에 유용하다. Mass Properties 탭에서 combo 박스에있는 Define Integrated Mass Properties 을 선택하고 운동형태에 따라 입력상자 안에 다음 변수들을 넣는다:
Total mass, initial mass center location (at t = 0) and moment of inertia about fixed axis for fixed-axis motion type.
전체 질량, 초기 질량중심 위치(t=0에서), 그리고 6자유도 및 고정점 운동 형태를 위한 질량중심에 관한 관성모멘트텐서
Output출력
For each GMO component, the solver outputs time variations of several solution variables that characterize the object’s motion. These variables can be accessed during post-processing in the General history data catalog and can be viewed either graphically or in a text format. For both prescribed and coupled types of motion with the mass properties provided, the user can find the following variables:
각 GMO 요소에 대해solver는 물체의 운동 특성을 보여주는 대여섯 개의 해석변수의 시간에 대한 변화를 출력한다. 이 변수들은 General history 데이터카탈로그에서 후처리중에 텍스트나 도식으로 볼 수 있다. 주어진 질량을 갖는 지정과 결합운동에 대해 사용자는 다음 변수들을 이용할 수가 있다.
Mass center coordinates in space system공간계 내의 질량중심좌표
Mass center velocity in space system공간계 내의 질량중심 속도
Angular velocity in body system물체계 내의 각속도
Hydraulic force in space system공간계 내의 수리력
Hydraulic torque in body system물체계 내의 수리토크
Combined kinetic energy of translation and rotation 이동과 회전의 결합운동에너지
There will be no output for items 1, 2 and 6 for any prescribed-motion GMO if the mass properties are not provided. Additional output of history data include:
질량물성이 주어지지 않으면 지정운동을 하는 GMO 에대해 상기 1,2와6에대한 출력은없다. 추가적이력데이터의 출력은
Location and velocity of the reference point for a prescribed 6-DOF motion지정된6자유도운동을 위한 기준점의 위치와 속도
Rotational angle for a fixed-axis motion
고정축 운동을 위한 회전각
Residual control force and torque in both space and body systems for any prescribed motion and a coupled motion with constraints (fixed axis, fixed point and prescribed velocity components)
지정운동 및 구속을 갖는 결합운동(고정축, 고정점, 그리고 지정속도성분)에 대한 두 공간과 물체계에서의 잔여 제어 힘과 토크
Spring force/torque and deformation
스프링 힘과 토크 및 변형
Mooring line extension and maximum tension force
계류선 신장 및 최대인장력
Mooring line tension forces at two ends in the x, y and z directions
x, y 및 z 방향에서 양끝에 작용하는 계류선 인장력
As an option, the history data for a GMO with 6-DOF motion can also include the buoyancy center and the metacentric heights for rotations about x and y axes of the space system, which is useful for stability analysis of a floating object. Go to Geometry → Component (the desired moving object) → Output → Buoyancy Center and Metacentric Height, and select Yes. The buoyancy center is defined as the mass center of the fluid displaced by the object. The metacentric height (GM) is the distance from the gravitational center (point G) to the metacenter (point M). It is positive (negative) if point G is below (above) M.
선택사항으로 GMO 6자유도의 이력데이터는 부력중심과 부력물체의 안정성 해석에 유용한 공간계의 x와 y 축에 대한 회전을 위한 metacentric 높이를 포함한다. Geometry → Component (the desired moving object) → Output → Buoyancy Center and Metacentric Height 로가서 Yes 를 선택한다. 부력 중심은 물체에 의해 배수된 부분을 차지하는 유체의 질량중심으로 정의된다. The metacentric height (GM) 은 중력중심(점 G) 에서 metacenter (점M)까지이다. 점 G가 M보다 밑(위)이면 양(음)이다.
GMO components can participate in heat transfer just like any stationary solid component. When defining specific heat of a GMO component, Component Properties → Solid Properties → Density*Specific Heat must be given.
GMO 요소는 여느 정지 고체 요소와 같이 열전달을 포함 할 수 있다. GMO 요소의 비열을 정의할 때 Component Properties → Solid Properties → Density*Specific Heat 가 주어져야 한다.
Two options are available when defining heat sources for a GMO component: use the specific heat flux, or the total power. When the total power is used, the heat fluxes along the open surface of the moving object are adjusted at every time step to maintain a constant total power. If the surface area varies significantly with time, so will the heat fluxes. When the specific heat is used instead, then the fluxes will be constant, but the total power may vary as the surface area changes during the object’s motion. To define heat source for a GMO component, go to Component Properties → Solid Properties → Heat Source type → Total amount or Specific amount.
GMO 요소의 열 소스를 정의할 때 두 가지 선택이 있다: 비열유속 또는 전체 일률(power)를 사용하는 것이다. 전체 일률이 사용되면 이동체의 개표면을 통한 열 유속은 일정 전체 일률을 유지하기 위해 매 시간 단계 마다 조정된다. 표면적이 시간에 따라 상당히 변하면 열유속도 그러할 것이다. 대신에 비열이 사용되면 열 유속은 일정할 것이고 전체일률은 표면적이 이동체의 운동에 따라 변할 때 변할 수도 있다. GMO 요소의 열소스를 정의하기 위해 to Component Properties → Solid Properties → Heat Source type → Total amount or Specific amount 로 간다.
Mass sources/sinks can also be defined on the open surfaces of a GMO component. Details can be found in Mass
Sources. 질량소스나 싱크 또한 GMO 요소의 개표면 상에 정의될 수 있다. 자세한 것은 in Mass Sources 에서 볼 수 있다.
Although the GMO model can be used with most physical models and numerical options, limitations exist. To use the model properly, it is noted that
GMO 모델은 대부분의 다른 물리적 모델이나 수치해석 선택과 같이 사용될 수 있지만 제한이 따른다. 모델을 제대로 사용하기 위해 다음 사항들에 유의한다.
For coupled motion, the explicit and implicit GMO methods perform differently. The implicit GMO method works for both heavy and light moving objects. The explicit GMO method, however, only works for heavy object problems (i.e., the density of moving object is higher than the fluid density).
결합운동에 대해 내재적과 외재적 GMO 방법은 다르게 작동한다. 내재적 GMO 방법은 무겁거나 가벼운 이동물체에 이용될 수 있지만 외재적 GMO 방법은 무거운 물체의 이동에만 이용한다(즉, 이동물체의 밀도가 유체의 밀도보다 크다).
When the explicit GMO method is used, solution for fully coupled moving objects may become unstable if the added mass of the fluid surrounding the object exceeds the object’s mass.
외재적 GMO 방법이 사용될 때 물체 주위 유체의 부가질량이 물체의 질량보다 크면 완전결합 이동물체의 해석은 불안정하게 된다.
If there are no GMO components with coupled motion, then the implicit and explicit methods are identical and the choice of one makes no difference to the computational results.
결합운동을 하는 GMO 요소가 없으면 내재적과 외재적 방법은 같고 어느 하나를 사용해도 계산결과에 차이가 없다.
The implicit method does not necessarily take more CPU time than the explicit method, even though the former required more computational work, because it improves numerical stability and convergence, and allows for larger time step. It is thus recommended for all GMO problems.
내재적 방법은 수치(해석) 안정성과 수렴이 개선되고 더 큰 시간 단계를 가능하게 해주기 때문에 더 많은 계산을 필요로 하지만 외재적 방법보다 항상 더 많이 CPU시간을 필요로 하지는 않는다. 따라서 모든 문제에 권장된다.
It is recommended that the limited compressibility be specified in the fluid properties to improve numerical stability by reducing pressure fluctuations in the fluid.
유체내의 압력 변동을 줄임으로써 수치해석안정성을 증가시키기 위해 제한된 압축성이 유체 물성에서 지정되도록 권장된다.
In the simulation result, fluctuations of hydraulic force may exist due to numerical reasons. To reduce these fluctuations, the user can set No f-packing for free-surface problems in Numerics → Volume of fluid advection → Advanced options and set FAVOR tolerance to 0.0001 in Numerics → Time-step controls → Advanced Options → Stability enhancement. It is noted that an unnecessarily small FAVORTM tolerance factor can cause small time steps and slow down the computation.
모사(simulate)결과에서 수리력의 변동이 수치적인 이유로 존재할 수 있다. 이 변동을 줄이기 위해 사용자는 Numerics → Volume of fluid advection → Advanced options 에서 자유표면 문제에 대해 No f-packing 을 지정하고 FAVOR tolerance 를 Numerics → Time-step controls → Advanced Options → Stability enhancement 에서 0.0001로 지정할 수 있다. 불필요하게 작은 FAVORTM tolerance 인자는 작은시간 단계를 발생시키고 계산을 더디게 할 수 있다.
In order to calculate the fluid force on a moving object accurately, the computational mesh needs to be reasonably fine in every part of the domain where the moving object is expected to be in contact with fluid.
이동물체에 대한 유체의 힘을 정확히 계산하기 위해 이동체가 유체와 접촉할 것으로 예상되는 영역내의 모든 부분에서 적절히 미세한 계산격자를 사용해야한다.
An object can move completely outside the computational domain during a computation. When this happens, the hydraulic forces and torques vanish, but the object still moves under actions of gravitational, spring, inertial and control forces and torques. For example, an object experiences free fall outside the domain under the gravitational force in the absence of all other forces and torques.
물체는 계산 동안에 완전히 계산영역 외부로 이동할 수 있다. 이럴 경우 수리력과 토크는 사라지지만 물체는 중력, 스프링힘, 관성력 및 조절 힘과 토크의 영향으로 움직인다. 예를 들면 물체는 모든 다른 힘과 토크가 없는 경우에 중력장 안에 있는 영역외부에서 자유낙하를 할 것이다.
If mass density is given, then the moving object must initially be placed completely within the computational domain and the mesh around it should be reasonably fine so that its integrated mass properties (the total mass, mass center and moment of inertia tensor) can be calculated accurately by the code
질량밀도가 주어지면 초기에 물체가 완전히 계산영역 내에 위치하고 있어야 하고 이 주변의 격자는 적절히 미세하게 하여 이의 통합 질량물성(전체질량, 질량중심 그리고 관성모멘트텐서)이 이 코드에 의해 정확히 계산될 수 있어야 한다.
If a moving object is composed of multiple subcomponents, they should have overlap in places of contact so that no unphysical gaps are created during motion when the original geometry is converted to area and volume fractions. If different subcomponents are given with different mass densities, this overlap should be small to avoid big errors in mass property calculation.
이동체가 다수의 소 구성요소로 이루어져 있다면 원래 형상이 면적과 체적율로 전환될 때 이들은 접촉부에 중첩이 있어야만 이동 시에 실제로 존재하지 않은 간격이 발생 안 한다. 다른 소구성요소가 다른 질량밀도로 주어지면 이 간격은 질량물성 계산시 큰 에러를 줄이기 위해 작아야 한다.
A moving object cannot be of a phantom component type like lost foam or a deforming object.
이동체는 lost foam 이나 변형물체 같은 phantom 구성요소가 될 수 없다.
The GMO model works with the electric field model the same way as the stationary objects, but no additional forces associated with electrical field are computed for moving objects.
GMO 모델은 정지 물체와 같은 전장모델과 이용할 수 있으나, 전장 관련 추가적 힘은 계산되지 않는다.
If a GMO is porous, light in density and high in porous media drag coefficients, then the simulation may experience convergence difficulties.
GMO가 밀도가 가볍고 다공매질 저항계수가 큰 다공질이면 모사(simulate)에 수렴의 어려움이 있을 수 있다.
A Courant-type stability criterion is used to calculate the maximum allowed time-step size for GMO components. The stability limit ensures that the object does not move more than one computational cell in a single time step for accuracy and stability of the solution. Thus the time step is also limited by the speed of the moving objects during computation.
GMO 구성요소에 대해 Courant 형의 안정성 기준이 최대허용 시간 단계 크기를 계산하도록 이용된다. 안정성 제한은 해석의 정확성과 안정성을 위해 물체가 하나의 시간 단계에 하나 이상의 계산 셀을 지나가지 않도록 보장하는 것이다. 그러므로 시간 단계는 계산시 또한 이동체의 속도에 의해 제한된다.
Note:
Time-Saving Tip: For prescribed motion, users can preview the object motion in a so-called “dry run” prior to the full flow simulation. To do so, simply remove all fluid from the computational domain to allow for faster execution. Upon the completion of the simulation the motion of the GMO objects can be previewed by post-processing the results. 시간절약팁: 지정운동에서 사용자는 실제 전체 유동 계산 전에 소위 “dry run” 이라는 형태로 GMO 물체의 운동을 미리 볼 수 있다. 이러기 위해 빠른 계산을 하기 위해 계산영역 내로부터 모든 유체를 단순히 제거한다. 모사(simulate)가 끝나면 운동은 결과를 후처리함으로써 미리 볼 수 있다.
The residual forces (and torques) are computed for the directions in which the motion of the object is prescribed/constrained. They are defined as the difference between the total force on an object (computed from the prescribed mass*acceleration) and the computed forces on the object from pressure, shear, gravity, specified control forces, etc. As such, they represent the force required to move the object as prescribed.
잔류력(그리고 토크)은 물체의 이동이 지정되거나 제약되는 방향으로 계산된다. 이들은 물체에 작용하는 전체 힘(지정 질량*가속도로부터 구해지는)과 압력, 전단력, 중력, 지정된 조절력 등으로부터 물체에 가해지는 계산된 힘과의 차이로 정의된다.
Collision충돌
The GMO model allows users to have multiple moving objects in one problem, and each of them can possess independent type of coupled or prescribed motion. At any moment of time, each object under coupled motion can collide with any other moving objects (of a coupled- or prescribed-motion type), non-moving objects as well as wall- and symmetry-type mesh boundaries. Without the collision model, objects may penetrate and overlap each other.
GMO 모델에서 사용자는 한 문제에서 다수의 이동체를 지정할 수 있고 각 이동체는 결합 또는 지정된 별도 운동을 할 수가 있다. 어느 순간에서 결합 운동을 하는 각 물체는 벽 또는 대칭형 격자 경계뿐만 아니라 다른 이동체들(결합운동 이나 지정운동을 하는), 그리고 정지하고 있는 물체와 충돌할 수 있다. 충돌모델 없으면 물체는 각기 침투하거나 중첩될 수가 있다.
The GMO collision model is activated by selecting Physics → Moving and simple deforming objects → Activate collision model. It requires the activation of the GMO model first, done in the same panel. For a GMO problem with only prescribed-motion objects, it is noted that the collision model has no effect on the computation: interpenetration of the objects can still happen.
GMO 충돌모델은 Physics → Moving and simple deforming objects → Activate collision model 를 선택함으로써 활성화된다. 먼저 같은 패널에서 GMO 모델을 활성화한다. 단지 지정된 운동을 하는 GMO 물체 문제에 대해 충돌모델은 계산에 영향을 안 미친다는 것을 주목한다: 그래도 물체의 침투는 가능하다.
The model allows each individual collision to be fully elastic, completely plastic, or partially elastic, depending on the value of Stronge’s energetic restitution coefficient, which is an input parameter. In general, a collision experiences two phases: compression and restitution, which are associated with loss and recovery of kinetic energy. The Stronge’s restitution coefficient is a measure of kinetic energy recovery in the restitution phase. It depends on the material, surface geometry and impact velocity of the colliding objects. The range of its values is from zero to one. The value of one corresponds to a fully elastic collision, i.e., all kinetic energy lost in the compression is recovered in the restitution (if the collision is frictionless). Conversely, a zero restitution coefficient means a fully plastic collision, that is, there is no restitution phase after compression thus recovery of the kinetic energy cannot occur. A rough estimate of the restitution coefficient can be conducted through a simple experiment. Drop a sphere from height h0 onto a level anvil made of the same material and measure the rebound height h. The restitution coefficient can be obtained as √︀h/h0. In this model, the restitution coefficient is an object-specific constant. A global value of the restitution coefficient that applies to all moving and non-moving objects is set in Physics → Moving and simple deforming objects → Coefficient of restitution.
입력 변수인 Stronge 의 에너지 반발계수의 값에 따라 모델은 물체의 완전탄성, 완전소성 또는 탄성의 각기 충돌을 다룰 수 있다. 일반적으로 충돌은 두 단계로 나뉜다: 압축과 반발이며 이들은 운동에너지의 손실및 회복과 연관되어 있다. Stronge 의 반발계수는 반발단계에서의 에너지회복의 척도이다. 이는 물질, 표면형상 그리고 충돌하는 물체의 충격속도에 의존한다.
이값은 0과1사이이다. 1은 완전탄성충돌이며 압축에서 손실된 모든 운동에너지가 반발에서 회복된다(충돌에마찰이없다면). 역으로, 0의 반발계수는 완전소성충돌로 즉 압축 후에 반발이 없으며 운동에너지의 회복은 일어나지 않는다. 반발계수의 개략 추정치는 단순한 실험을 통해 얻어질 수 있다.
높이 h0에서 구를 같은 재질로 만들어진 anvil (모루?)위로 떨어뜨려 반발높이 h 를 측정한다. 반발계수는 √︀h/h0로얻어진다. 이모델에서 반발계수는 물질에 특정한 상수이다. 모든 이동과 비 이동물체에 적용되는 반발계수의 포괄적인 값은 Physics → Moving and simple deforming objects → Coefficient of restitution 에서 지정된다.
Friction can be included at the contact point of each pair of colliding bodies by defining the Coulomb’s friction coefficient. A global value of the friction coefficient that applies to all collisions is set in Physics → General moving objects → Coefficient of friction. Friction forces apply when the friction coefficient is positive; a collision is frictionless for the zero value of the friction coefficient, which is the default. The existence of friction in a collision always causes a loss of kinetic energy.
마찰은 Coulomb 마찰계수를 정의함으로써 충돌하는 각 물체의 접촉 점에 작용한다. 모든 충돌에 적용되는 마찰계수의 포괄적 값은 Physics → General moving objects → Coefficient of friction 에서 설정된다. 마찰력은 마찰계수가 양일 경우 작용한다; 충돌시 마찰계수가0일 경우 마찰력이 없고, 이는 디폴트이다. 충돌 시 마찰력의 존재는 항상 운동에너지의 손실을 뜻한다.
The global values of the restitution and friction coefficients are also used in the collisions at the wall-type mesh boundaries, while collisions of the moving objects with the symmetry mesh boundaries are always fully elastic and frictionless.
포괄적 마찰 및 반발계수는 또한 벽 형태의 경계에서 충돌이 발생할 경우에도 사용될 수 있으나 이동체의 대칭격자 경계와의 충돌은 항상 완전탄성이고 마찰이 없다.
The object-specific values for the restitution and friction coefficients are defined in the tab Model Setup → Meshing & Geometry. In the geometry tree on the left, click on Geometry → Component (the desired component) → Component Properties → Collision Properties and then enter their values in the corresponding data boxes. If an impact occurs between two objects with different values of restitution coefficients, the smaller value is used in that collision calculation. The same is true for the friction coefficient.
물체에 특정한 반발 및 마찰계수는 탭 Model Setup → Meshing & Geometry 에서 정의된다. 좌측의 형상체계에서 on Geometry → Component (the desired component) → Component Properties → Collision Properties 를 클릭하고 상응하는 데이터박스에 그 값들을 입력한다. 다른 반발계수를 갖는 두 물체 사이에 충격이 발생하면 그 충돌 계산에 작은 마찰계수 값이 이용된다. 이는 마찰의 경우에도 마찬가지이다.
Continuous contact, including sliding, rolling and resting of an object on top of another object, is simulated through a series of small-amplitude collisions, called micro-collisions. Micro-collisions are calculated in the same way as the ordinary collisions thus no additional parameters are needed. The amplitude of the micro-collisions is usually small and negligible. In case the collsion strength is obvious in continuous contact, using smaller time step may reduce the collision amplitude.
미끄러짐, 회전, 및 타물체상에 정지하고 있는 물체를 포함하는 지속적인 접촉은 미세충돌이라고 불리는 일련의 소 진폭 충돌에 의해 모사(simulate)된다. 미세 충돌은 추가적인 매개변수 필요 없이 보통충돌과 같은 방식으로 계산된다. 충돌강도가 지속적 접촉에서 현저한 경우 더 작은 시간간격을 시용하는 것이 충돌 진촉을 감소시킬지도 모른다.
If the collision model is activated but the user needs two specific objects to have no collision throughout the computation, he can open the text editor (File → Edit Simulation) and set ICLIDOB(m,n) = 0 in namelist OBS, where m and n are the corresponding component indexes. An example of such a case is when an object (component index m) rotates about a pivot – another object (component index n). If the former has a fixed-axis motion type, then calculating the collisions with the pivot is not necessary. Moreover, ignoring these collisions makes the computation more accurate and more efficient. If no collisions between a GMO component m with all other objects and mesh boundaries are desired, then set ICLIDOB(m,m) to be zero. By default, ICLIDOB(m,n) = 1 and ICLIDOB(m,m) = 1, which means collision is allowed.
충돌모델이 활성화되고 시용자가 모사(simulate)동안에 충돌하지 않는 두 특정 물체를 필요로 하면 텍스트편집(File → Edit Simulation) 을 열어 namelist OBS 에서 ICLIDOB(m,n) = 0 를 지정하는데, 여기서 m 과 n 은 상응하는 구성 요소 색인이다.
이런 예는 한 물체(component index m)가 경첩축인 다른 물체(component index n)에대해 회전할 경우이다. 전자가 고정축에 대한 운동형태이면 경첩 축과의 충돌은 계산할 필요가 없다. 더구나 이런 충돌을 무시하는 것이 계산상 더 정확하고 효율적이다.
한 GMO component 구성요소 m 과 모든 다른 물체나 격자 경계와의 충돌이 없다면 ICLIDOB(m,m) 를 0으로 지정한다. 디폴트는 ICLIDOB(m,n) = 1 이며 이는 충돌이 허용됨을 뜻한다.
To use the model prpperly, users should be noted that
모델을 적절히 사용하기 위해서 사용자는 다음에 주목한다.
The collision model is based on the impact theory for two colliding objects with one contact point. If multiple contact points exist for two colliding objects (e.g. surface contact) or one object has simultaneous contact with more than one objects, object overlap may and may not occur if the model is used, varing from case to case.
충돌모델은 한 접촉점을 갖는 두 물체의 충돌이론에 의거한다. 이 모델 사용시 두 물체의 충돌에 다수의 접촉점이 존재(즉 표면접촉같이)하거나 한 물체가 동시에 다른 물체들과 충돌하면 경우에 따라 중첩이 발생할 수도 있고 안 할 수도 있다.
To use the model, one of the two colliding object must be under coupled motion, and the other can have coupled or prescribed motion or no motion. The coupled motion can be 6-DOF motion, translation, fixed-axis rotation or fixed-point rotation. For other constrained motion, (e.g., rotation is coupled in one direction but prescribed in another direction), the model is not valid, and mechanical energy of the colliding objects may have conservation problem.
이 모델사용 시 두 충돌 물체중의 하나는 결합운동을 하여야 하고 다른 물체는 결합 또는 지정 운동 또는 정지하고 있을 수 있다. 결합운동은 6자유도 운동일 수 있다(이동, 고정축 또는 고정점 회전). 다른 구속 운동(즉, 한 방향에서는 결합 운동이지만 다른 방향에서는 지정 운동)에서 이 모델은 유효하지 않고 충돌물체의 역학에너지는 보존문제가 발생할는지도 모른다.
The model works with and without existence of fluid in the computational domain. It is required, however, that the contact point for a collision be within the computational domain, whereas the colliding bodies can be partially outside the domain at the moment of the collision. If two objects are completely outside the domain, their collision is not detected although their motions are still tracked.
이 모델은 계산 영역 내 유체의 존재 유무에 상관없이 작동한다. 그러나 충돌 시 접촉점은 계산 영역 내에 존재해야 하나 충돌체는 충돌 시 부분적으로 영역외부에 있어도 된다. 두 물체가 완전히 영역 외부에 있으면 이들의 운동은 그래도 추적되지만 충돌은 감지되지 못한다.
Collisions are not calculated between a baffle and a moving object: they can overlap when they contact.
이동물체와 배플간의 충돌은 계산되지 않는다: 이들이 접촉하면 중첩될 수 있다.
The model does not calculate impact force and collision time. Instead, it calculates impulse that is the product of the two quantities. Therefore, there is no output of impact force and collision time.
이 모델은 충격 힘과 충돌시간은 계산하지 않는다. 대신에 두 양의 곱인 impulse 를계산한다. 그러므로 충격 힘과 충돌시간에 대한 출력이 없다.
PQ2 Analysis PQ2해석
PQ2 analysis is important for high pressure die casting. The goal of the PQ2 analysis is to optimally match the die’s designed gating system to the part requirements and the machine’s capability. PQ2 diagram is the basic tool used for PQ2 analysis.
PQ2 해석은 고압주조에서 중요하다. 이 해석의 목적은 부품 요건 및 기계의 용량에 따른 다이의 설계된 게이트 시스템을 최적화시키기 위한 것이다. PQ2 도표는 PQ2해석을 위한 기본 도구이다.
According to the Bernoulli’s equation, the metal pressure at the gate is proportional to the flow rate squared:
베르누이 정리에 의하면 게이트에서의 금속압력은 유량의 제곱에 비례한다.
P ∼ Q2 (11.5)
where: 여기서
P is the metal pressure at the gate, and P 는 게이트에서의 압력이며
Q is the metal flow rate at the gate. Q 는 게이트에서의 유량이다.
The machine performance line follows the same relationship. 기계성능 곡선도 같은 관계를 따른다.
Based on the die resistance, machine performance, and the part requirements, an operating windows can be determined from the PQ2 diagram, as shown below. The die and the machine has to operate within the operating windows.
다이 저항, 기계성능, 그리고 부품 요건에 따라 운영범위가 밑에 보여진 바와 같이 PQ2 도표에서 결정될 수 있다. 다이와 기계는 운영범위 내에서 작동되어야 한다.
Model Setup모델설정
PQ2 analysis can only be performed on moving object with prescribed motion. The PQ2 analysis can be activated in Meshing & Geometry → Component Properties → Moving Object. PQ2 analysis can only be performed on one component.
PQ2해석은 단지 지정운동을 하는 이동체에서만 실행될 수 있다. 이는 Meshing & Geometry → Component Properties → Moving Object 에서 활성화된다. 또 이는 단지 한 개의 구성요소에 대해서만 실행될 수 있다.
The parameters Maximum pressure and Maximum flow rate define the machine performance line.
매개변수 Maximum pressure 와 Maximum flow rate 는 기계성능 곡선을 정의한다.
During the design stage, the process parameters specified might not optimal, such that the resulting pressure is beyond the machine capability. If this happens, the option Adjust velocity can be selected so that the piston velocity is automatically adjusted to match the machine capability. If Adjust velocity is selected, at every time step the pressure at the piston head will be compared with the machine performance pressure to see if it is beyond the machine capability. If it is beyond the machine capability, the flow rate is then reduced to match the machine capability. The reduction is instantaneous and no machine inertia is considered. Once the pressure drops below the machine performance line, the piston will then accelerate to the prescribed velocity. The acceleration has to be less than the machine Maximum acceleration specified.
설계시에 초래된 압력이 기계 성능 이상으로 되는 것같이 지정된 공정 변수들이 최적화가 되지 않았을지도 모른다. 이런 경우에 Adjust velocity 를 선택할 수 가 있고 피스톤속도는 기계성능에 맞게끔 자동적으로 조절될 수 있다. 만약 Adjust velocity 가 선택되면 매 시간단계에서 피스톤헤드의 압력이 기계 성능 이상인지를 알기 위해 기계성능 압력과 비교될 것이다. 압력이 기계 성능 이상이라면 유량은 기계성능을 맞추기 위해 감소될 것이다. 감소는 순간적으로 이루어지고 기계의 관성은 고려되지 않는다. 일단 압력이 성능 이하로 줄어들면 피스톤은 지정속도로 가속할 것이다. 가속도는 기계의 지정된 Maximum acceleration 보다 작아야 할 것이다. .
If Adjust velocity is selected, the machine parameters Maximum pressure and Maximum flow rate have to be provided. The Maximum acceleration is also required, however, it is by default to be infinite if not provided.
Adjust velocity 가 선택되면 기계시스템 변수 Maximum pressure 와 Maximum flow rate 가 주어져야 한다. 또한 Maximum acceleration 가 필요하나 주어지지 않으면 디폴트 값은0이다.
For high pressure die casting, the fast shot stage is very short. But it is this stage that is of interest. The pressure and flow rate are written as general history data. The data output interval has to be very small to capture all the features in this stage. To reduce FLSGRF file size, only when flow rate reaches Minimum flow rate, the history data output interval is reduced to every two time steps. If Minimum flow rate is not provided, it is default to 1/3 of the Maximum flow rate. Note that the only purpose of Minimum flow rate is to change the history data output frequency.
고압주조에서 고속충진단계는 아주 짧은데 우리는 이 단계에 관심이 있다. 압력과 유량은 일반 이력 데이터로 기록된다. 데이터출력 간격은 이 단계에서의 모든 양상을 보기 위해 아주 작아야 한다. FLSGRF 파일 크기를 줄이기 위해 유량이 Minimum flow rate 에 도달했을 때만 이력데이터 출력 간격은 두 시간 간격에 한번으로 감소된다. Minimum flow rate 가 주어지지 않으면 Maximum flow rate 의 1/3이 디폴트값이다. 단지, Minimum flow rate 를 사용하는 목적은 이력 데이터 출력 간격을 변경하는 것임에 주목한다.
Due to the limitation of the FAVORTM, the piston head area computed may fluctuate as piston pushing through the shot sleeve. As a result, the metal flow rate computed may also fluctuate. To reduce the fluctuation, Shot sleeve diameter is recommended to be provided, so that it can be used to correct the metal flow rate. If only half of the domain is modeled, the diameter needs to be scaled to reflect the real cross section area in the simulation.
FAVORTM 제약에 따라 계산된 피스톤헤드 면적은 피스톤이 shot sleeve 를 통해 움직일 때 변할 수 있다. 결과적으로 계산된 액체금속 유량이 변할 수 있다. 이를 줄이기 위해 Shot sleeve diameter 를 주는 것이 필요하고, 이로부터 액체금속 유량을 정정할 수 있다. 만약에 단지 영역의 반만 모델이 되면 직경은 모사(simulate)시에 실제 단면적을 나타내기 위해 비례되어야 한다.
Postprocessing 후처리
If PQ2 analysis is chosen, the pressure, flow rate, and prescribed velocity of the specified moving object will be written to FLSGRF file as General history data. If Adjust velocity is selected, the adjusted velocity will also be written as General history data. In addition, the PQ2 diagram can be drawn directly from the history data in FlowSight.
PQ2해석이 선택되면 압력, 유량 그리고 특정 이동체의 지정속도가 General history 데이터로 FLSGRF 파일에 쓰여질 것이다. Adjust velocity 가 선택되면 조절된 속도 또한 General history 데이터로 쓰여질 것이다. 추가로 PQ2 도표는 직접 Flow Sight에서 이력데이터로 그려질 수 있다.
Elastic Springs & Ropes 탄성 스프링과 로프
The GMO model allows existence of elastic springs (linear and torsion springs) and ropes which exert forces or torques on objects under coupled motion. Users can define up to 100 springs and ropes in one simulation, and each moving object can be arbitrarily connected to multiple springs and ropes. For a linear spring, the elastic restoring force Fe is along the length of the spring and satisfies Hooke’s law of elasticity,
GMO 모델은 결합운동하는 물체에 힘과 토크를 미치는 탄성스프링(선형과 비틀림 스프링)과 로프로 이용될 수 있다. 사용자는 한 모사(simulate)에서 100개까지의 스프링과 로프를 정의할 수 있고 각 이동체는 임의로 다수의 스프링과 로프에 연결될 수 있다. 선형 스프링에서 탄성회복력 Fe 는 스프링의 길이 방향을 따라서 작용하며 Hooke 의 탄성법을 만족한다.
Fe = kl ∆l
where: 여기서
kl is the spring coefficient,
kl 는스프링상수
∆l is the spring’s length change from its free condition,
∆l 는 스프링의 길이 변화량
Fe is a pressure force when the spring is compressed, and a tension force when stretched.
Fe 는 스프링이 압축되었을 때는 압축힘이며 늘어났을 때는 인장력이다.
An elastic rope also obeys Hooke’s law. It generates tension force only if stretched, but when compressed it is relaxed and the restoring force vanishes as would be the case of a slack rope.
탄성 로프 또한 Hooke 의 탄성법칙을 따른다. 단지 인장의 경우에만 인장력을 발생시키나 압축의 경우 느슨한 로프의 경우에서와 같이 느슨해지고 복원력은 사라진다.
A torsion spring produces a restoring torque T on a moving object with fixed-axis when the spring is twisted, following the angular form of Hooke’s law,
비틀림 스프링은 스프링이 비틀렸을 때 의 각 형태의 Hooke 법칙을 따라 고정 회전축을 갖는 이동체에 복원 토크 T 를 일으킨다.
Te = kθ ∆θ
where: 여기서
kθ is the spring coefficient in the unit of [torque]/degree, and
kθ [torque]/degree 는 단위의 스프링상수 그리고
∆θ is the angular deformation of the spring.
∆θ 는 스프링의 각변형
It is assumed that there is no elastic limit for the springs and ropes, namely Hooke’s law always holds no matter how big the deformation is.
스프링과 로프에는 탄성한계가 없다고 가정된다. 즉 아무리 스프링과 로프의 변형이 커도 Hooke 의 법칙이 작용한다고 가정된다.
A linear damping force associated with a spring/rope and a damping torque associated with a torsion spring may also be defined. The damping force Fd is exerted on the moving object at the attachment point of the spring/rope. Its line of action is along the spring/rope, and its value is proportional to the time rate of the spring/rope length,
스프링/로프에서의 선형 감쇠력 그리고 비틀림 스프링에서의 감쇠토크가 또한 정의된다. 감쇠력 Fd 는 스프링/로프의 부착점이 있는 이동체에 작용한다. 이의 작용선은 스프링/로프를 따라서이며 그 값은 스프링/로프 길이의 시간당 변화율에 비례한다.
dl
Fd = −cl
dt
Note the damping force for a rope vanishes when the rope is relaxed.
로프의 감쇠력은 로프가 느슨해질 때 없어진다.
The damping torque Td can only be applied on an object with a fixed-axis rotation. Its direction is opposite to the angular velocity, and its value is proportional to the angular velocity value,
감쇠 토크 Td 는 단지 고정축 회전을 하는 물체에만 적용된다. 그 방향은 각속도에 반대방향이고 값은 각속도 값에 비례한다.
Td = −cdω
where ω (in rad/time) is the angular velocity of the moving object.
여기서 ω (in rad/time) 는 이동체의 각속도이다.
In this model, a linear spring or rope can have one end attached to a moving object under coupled motion and the other end fixed in space or attached to another moving object under either prescribed or coupled motion. A torsion spring, however, must have one end attached to an object under coupled fixed-axis motion and the other end fixed in space. It is assumed that the rotation axis of the object and the axis of the torsion spring are the same. As a result, the torque applied by the spring on the object is around the object’s rotation axis, and the deformation angle of the spring is equal to the angular displacement of the object from where the spring is in free condition.
이 모델에서 선형 스프링 또는 로프는 한쪽 끝은 결합 운동하는 물체에 그리고 다른 끝은 공간에 고정되어 있거나 지정 또는 결합 운동을 하는 다른 이동체에 연결될 수 있다. 그러나 비틀림 스프링은 한 끝은 결합된 운동을 하는 물체에, 그리고 다른 한끝은 공간에 고정되어 있어야 한다. 물체의 회전축 및 비틀림 스프링의 축은 같다고 가정된다. 결과적으로 물체에 스프링에 의해 가해진 토크는 물체의 회전축둘레로 작용하며 스프링의 각 변형은 스프링의 자유위치로부터의 각변위와 같다.
A linear spring has a block length due to the thickness of the spring coil. It is the length of the spring at which the spring’s compression motion is blocked by its coil and cannot be compressed any further. This model allows for three types of linear springs:
선형스프링은 스프링 코일의 두께에 의한 차단 거리가 있다. 이는 스프링의 압축 운동이 그 코일에 의해 방해되어 더 이상 압축될 수 없는 스프링의 길이이다. 이 모델은 3가지의 선형 스프링을 고려할 수 있다.
Compression and extension spring: a spring that can be both compressed and extended. Its block length, by default, is 10% of its free length (the length of the spring in the force-free condition).
압축 및 확장스프링: 압축되거나 확장될 수 있는 스프링이며 이의 차단거리는 디폴트로 자유길이(힘을 받지 않을 때의 스프링의 길이) 의 10%이다
Extension spring: a spring that can only be extended. Its block length is always equal to its free length.
확장스프링: 확장될 수 있는 스프링이며 차단거리는 항상 자유 길이와 같다.
Compression spring: a spring that applies force only when it is compressed. When it is stretched, the force on the connected object vanishes. Its default block length is 10% of its free length.
압축스프링: 단지 압축되었을 경우에만 힘이 작용한다. 늘어날 경우 연결된 물체에 힘은 없고, 이의 디폴트 길이는 자유 길이의 10%이다.
To define a spring or rope, go to Model Setup → Meshing Geometry. Click on the spring icon to bring up the Springs and Ropes window. Right click on Springs and Ropes to add a spring or rope. In the combo box for Type, select the type for the spring or rope.
스프링이나 로프를 정의하기 위해 Model Setup → Meshing Geometry 로 가서 Springs and Ropes 창을 불러오기 위해 스프링 아이콘을 클릭한다. 스프링이나 로프를 추가하기 위해 Springs and Ropes 를 오른쪽 클릭한다. Type 을위한 combo 상자에서 스프링이나 로프를 선택한다.
Linear spring and rope: Click to open the branches for End 1 and End 2 which represent the initial coordinates of the ends of the spring/rope. In each branch, go to Component # and select the index of the moving object which the spring end is connected to. If the end is not connected to any moving component, i.e., is fixed in space, select None. In the X, Y and Z edit boxes, enter the initial coordinates of the spring’s end. Each end can be placed anywhere inside or outside the moving object and the computational domain. Enter Free Length (the length of the spring/rope in the force-free condition), Block Length, Spring Coefficient (required) and Damping Coefficient (default is 0.0). Note that the Block Length is deactivated for rope and extension spring because the former has no block length while the latter always has its block length equal to its free length. By default, the free length is set equal to the initial distance between the two ends.
선형 스프링과 로프: 스프링/로프의 양쪽 끝의 초기좌표를 나타내는 End 1 와 End 2 를 위한 branches를 열기 위해 클릭한다. 각 branch 에서 Component #로 가서 스프링의 끝이 연결되어 있는 이동체의 색인을 설정한다. 끝이 어떤 이동체에 연결되어 있지 않다면, 즉 공간에 고정되어 있다면 None 을 선택한다. X, Y 와 Z 편집상자에서 스프링 끝의 초기좌표를 입력한다. 각 끝은 이동체나 계산 영역의 내, 외부 어디에도 놓여질 수 있다.
Free Length (힘이없는상태에서의 스프링/로프의 길이), Block Length, Spring Coefficient (필요함) 그리고 Damping Coefficient (디폴트는0.0)를 입력한다. 로프와 인장스프링에서는 Block Length 가 비 활성화됨을 주목하는데 그 이유는 전자는 Block Length 가 없고 후자는 항상 자유 길이와 같은 Block Length 를 가지기 때문이다.
디폴트로 자유길이는 양쪽 끝 사이의 초기길이와 같게 설정된다.
Torsion spring: End 1 represents the spring’s end that is attached to a moving object under fixed-axis rotation, and End 2 the end fixed in space. Click to open the branch for End 1. In the combo box for Component #, select the index of the moving object which End 1 is attached to. Then enter Spring Coefficient (required, in unit of [torque]/degree) and Damping Coefficient (default is 0.0). Finally enter the Initial Torque in the input box. The initial torque is the torque of the spring applied on the moving object at t = 0. It is positive if it is in the positive direction of the coordinate axis which the rotation axis of the moving object is parallel to.
비틀림 스프링: End 1은 고정축 회전을 하는 이동체에 연결된 스프링의 끝을 나타내고 End 2는 공간에 고정된 끝을 나타낸다. End 1의 branch 를 열기 위해 클릭한다. Component #를위한 combo 상자에서 End 1 이 연결된 이동체의 색인을 선택한다. 그런 후에 Spring Coefficient ([torque]/degree의 단위로 필요) 와 Damping Coefficient (디폴트는0.0)를 입력한다.
마지막으로 입력 상자에서 Initial Torque 를 넣는다. 초기토크는 t = 0일 때 이동체에 적용된 스프링의 토크이다. 이동체의 회전축이 평행한 좌표축의 양의 방향이면 양의 값이다.
After the simulation is complete, users can display the calculated deformation and force (or torque) of each spring and rope as functions of time. Go to Analyze → Probe → Data source and check General history. In the variable list under Data variables, find the Spring/rope index followed by spring/rope length extension from free state, spring/rope force and/or spring torque. Then check Output form → Text or Graphical and click Render to display the data. Positive/negative values of spring force and length extension mean the linear spring or rope is stretched/compressed relative to its free state and the restoring force is a tension/pressure force. Positive/negative values of the torque of a torsion spring means its deformation angle (a vector) measured from its free state is in the negative/positive direction of the coordinate axis which its axis is parallel to.
모사(simulate)가 끝난 후에 사용자는 시간의 함수로 각 스프링의 계산된 변형과 힘(토크)를 나타낼 수 있다. Analyze → Probe → Data source 로가서 General history 를 체크한다. Data variables 에 있는 변수 목록에서 spring/rope length extension from free state, spring/rope force 과/또는 spring torque 로 이어지는 스프링/로프의 색인을 찾는다. 그리고 Output form → Text 또는 Graphical 를 체크하고 데이터를 나타내기 위해 Render 를 클릭한다.
스프링 힘과 인장길이의 양/음의 값은 선 스프링과 로프가 자유상태에 대해 상대적으로 늘어나거나 압축된 것을 뜻한다. 비틀림스프링 토크의 양/음의값은 축에 평행한 좌표 축의 양/음의 방향에 대해 측정된 변형각(벡터)을 뜻한다.
It is noted that the spring/rope calculation is explicitly coupled with GMO motion calculation. If a numerical instability occurs it is recommended that users activate the implicit GMO model, define limited compressibility of fluid, or decrease time step.
스프링/로프 계산은 GMO 운동계산과 외재적으로 결합되어 있음에 주목한다. 수치 불안정성이 발생하면 사용자는 내재적 GMO모델을 활성화하고 유체의 제한적 압축성을 정의하던가 또는 시간간격을 줄이는 것을 추천한다.
Mooring Lines 계류선
The mooring line model allows moving objects with prescribed or coupled motion to be connected to fixed anchors or other moving or non-moving objects via compliant mooring lines. Multiple mooring lines are allowed in one simulation, and their connections to the moving objects are arbitrary. The mooring lines can be taut or slack and may fully or partially rest on sea/river floor. The model considers gravity, buoyancy, fluid drag and tension force on the mooring lines. The mooring lines are assumed to be cylinders with uniform diameter and material distributions, and each line can have its own length, diameter, mass density and other physical properties. The model numerically calculates the full 3D dynamics of the mooring lines and their dynamic interactions with the tethered moving objects.
계류선 모델링은 유연한 계류선을 이용하여 지정 또는 결합운동을 하는 이동체가 고정 닻 또는 다른 이동 또는 고정물체에 연결되는 것을 가능하게 해준다. 다수의 계류선도 한 모사(simulate)내에서 가능하며 이들의 이동체에의 연결은 인위적이다.
계류선은 팽팽하거나 느슨할 수 있고 전체 또는 부분이 해저나 하상에 위치할 수 있다. 이 모델은 계류선에 작용하는 중력, 부력, 유체저항 및 인장력을 고려할 수 있다. 계류선은 일정직경과 균일분포의 원통형으로 가정되고 각 선은 각 길이, 직경, 밀도 및 기타 물리적 물성을 가질 수 있다. 이 모델은 수치적으로 3차원계류선 운동 및 선에 의해 묶여진 이동체와의 동적 상호작용을 계산한다.
The model allows the mooring lines to be partially or completely outside the computational domain. When a line is anchored deep in water, depending on the vertical size of the domain, the lower part of the line can be located below the domain bottom where there is no computation of fluid flow. In this case, it is assumed that uniform water current exists below the domain for that part of mooring line, and the corresponding drag force is evaluated based on the uniform deep water velocity. Limitations exist for the model. It does not consider bending stiffness of mooring lines. Interactions between mooring lines are ignored. When simulating mooring line networks, free nodes are not allowed.
이 모델은 계류선이 계산 영역의 완전히 또는 부분적으로 외부에 위치하게 할 수 있다. 계류선은 영역의 심해에 앵커되어 있을 때 수직(세로)크기에 따라 선의 하부는 유동 계산이 없는 영역 바닥에 위치할 수 있다. 이 경우 계류선의 하부가 있는 영역하부에는 균일한 유속이 존재한다고 가정되고 이에 상응하는 유속저항은 균일한 심해유속에 근거하여 계산된다.
이모델은 제약이 있는데 선의 굽힘 강도는 고려하지 않는다. 선간의 상호작용도 무시된다. 선간의 관계를 모사(simulate)활 때 자유접속점은 허용되지 않는다.
To define a mooring line, go to Model Setup → Meshing & Geometry. Click on the spring icon to bring up the Springs, Ropes and Mooring Lines window. Right click on Springs / Ropes / Mooring Lines to add a mooring line. Click on Mooring Lines → Deep Water Velocity and enter x, y and z components of the deep water velocity (default value is zero). Click on Mooring Line # and enter the physical and numerical properties of the mooring line.
계류선을 정의하기위해 Model Setup → Meshing & Geometry 로간다. Springs, Ropes and Mooring Lines 창을 불러오기 위해 스프링 아이콘을 클릭한다. 계류선을 추가하기위해 Springs / Ropes / Mooring Lines 에서 오른쪽 클릭을 하고 Mooring Lines → Deep Water Velocity 를클릭해서 심해속도의 x, y 및 z 성분을 입력한다(디폴트는0이다). Mooring Line # 를 클릭하고 선의 물리적 및 수치적 물성들을 입력한다.
FLOW-3D 는 비정형 파뿐만 아니라 일반 선형 및 비선형파 표면을 시뮬레이션 할 수 있는 기능이 있습니다. 선형파는 작은 진폭 및 급경사를 갖는 사인파 표면 프로파일을 가지며, 비선형파는 선형 파보다 더 큰 진폭 (유한 진폭), 더 뾰족한 볏 및 평탄한 골짜기를 갖는다. 비선형 파는 파동 문자와 그 해를 구하기 위해 사용 된 수학적 방법에 따라 스톡 (stookes), 코니이드 (cnoidal) 파 및 독방 파로 분류 될 수 있습니다.
그림 1. 다른 진행파의 프로파일 비교
도 1 및도 2에 도시 된 바와 같이, 스톡스 파는 심층 및 과도수의 주기적인 파이다. Cnoidal 파는 얕은 물과 중간 물에서 긴주기적인 파이고 Stokes 파보다 더 뾰족한 볏과 평평한 골짜기를 가지고 있습니다. 스톡스와 코니 형 파와 달리 독방 파는 얕은 물과 과도 수에서 존재하는 비 주기적 파이다. 그것은 하나의 산마루와 물마루를 가지며 완전히 방해받지 않은 수면 위입니다. 수학적으로 파장이 무한대가 될 때 그것은 코니 형 파의 제한적인 경우입니다. 심층수, 과도 수 및 파도에 대한 얕은 물의 분류는 표 1에서 찾아 볼 수있다.
그림 2. 다양한 파도의 적용 범위 (Le Méhauté, 1976, Sorensen, 2005 및 USACE, 2008). d : 평균 수심; H : 파고; T : 파주기; g : 중력 가속도
선형 파 이론 (Airy, 1845)이 많은 응용 분야에서 사용되었지만 비선형 파 이론은 파동의 진폭이 작지 않은 경우 선형 파 이론보다 정확도가 크게 향상되었습니다. FLOW-3D 에서 3 개의 비선형 파 이론이 5 차 스톡스 파 이론 (Fenton, 1985), 스톡스 및 코니이드 파에 대한 푸리에 급수 방법 (Fenton, 1999), McCowan의 독방 파 이론 (McCowan, 1891, Munk, 1949). 그 중에서 Fenton의 Fourier 시리즈 방법은 선형 물, 스톡 (Stokes) 및 코니형 (cnoidal) 파를 포함하여 심층수, 과도 수 및 얕은 물에서 모든 종류의 주기적 전파 파들에 유효합니다. 또한 다른 웨이브 이론보다 정확도가 높습니다 (USACE, 2008). 따라서 모든 수심에서 선형 및 비선형 주기파의 모든 유형을 생성하는 것이 권장되는 방법입니다. solitary wave의 경우, FLOW-3D 에 사용 된 McCowan의 이론은 Boussinesq (1871)에 의해 개발 된 다른 널리 사용되는 이론보다 더 높은 주문 정확도를 갖는다.
그림 3. PM과 JOHNSWAP 스펙트럼 (USCE, 2006에서 적응)
Classifications
d /
Deep water
1/2 to ∞
Transitional water
1/20 to 1/2
Shallow water
0 to 1/20
불규칙한 물결은 파도의 물성이 일정하지 않은 자연적인 바다의 상태를 나타냅니다. FLOW-3D에서 불규칙한 파동은 다양한 진폭과 주파수 및 임의의 위상 변이를 갖는 많은 선형 성분 파의 중첩으로 표현됩니다. Pierson-Moskowitz (Pierson and Moskowitz, 1964)와 JONSWAP 파력 에너지 스펙트럼 (Hasselmann, et al., 1973)은 FLOW-3D에서 구성 요소 파를 생성하기 위해 구현된다. 다른 웨이브 에너지 스펙트럼은 사용자 정의 데이터 파일을 가져와서 사용할 수 있습니다.
계산 시간을 절약하기 위해 웨이브는 메시 블록 경계에서뿐만 아니라 초기 조건으로 정의 될 수 있습니다.
아래의 애니메이션은 웨이브 초기화가 있거나없는 웨이브의 모든 유형에 대한 예제를 보여줍니다.
선형 및 비선형 수위 시뮬레이션을 위해 FLOW-3D 의 성공적인 적용이 이루어졌습니다. Bhinder 외의 예를 참조하십시오. al (2009), Chen (2012), Hsu et. al (2012) Thanyamanta et. al (2011) 및 Yilmaz et. 자세한 내용은 알 (2011)을 참조하십시오.
References
Airy, G. B., 1845, Tides and Waves, Encyc. Metrop. Article 102.
Bhinder, M. A., Mingham, C. G., Causon, D. M., Rahmati, M. T., Aggidis, G. A. and Chaplin, R.V., 2009, A Joint Numerical And Experimental Study Of a Surging Point Absorbing Wave Energy Converter (WRASPA), Proceedings of the ASME 28th International Conference on Ocean, Offshore and Arctic Engineering, OMAE2009-79392, Honolulu, Hawaii.
Boussinesq, J., 1871, Theorie de L’intumescence Liquide Appelee Onde Solitaire ou de Translation se Propageant dans un Canal Rectangulaire, Comptes Rendus Acad. Sci. Paris, Vol 72, pp. 755-759.
Chen, C. H., 2012, Study on the Application of FLOW-3D for Wave Energy Dissipation by a Porous Structure, Master’s Thesis: Department of Marine Environment and Engineering, National Sun Yat-sen University.
Fenton, J. D., 1985, A Fifth-Order Stokes Theory for Steady Waves, Journal of Waterway, Port, Coastal and Ocean Engineering, Vol. 111, No. 2.
Fenton, J. D., 1999, Numerical Methods for Nonlinear Waves, Advances in Coastal and Ocean Engineering, Vol. 5, ed. P.L.-F. Liu, pp. 241-324, World Scientific: Singapore, 1999.
Hasselmann, K., Barnet, T. P., Bouws, E., Carlson, H., Cartwright, D. E., Enke, K., Ewing, J. A., Gienapp, H., Hasselmann, D. E., Kruseman, P., Meerburg, A., Muller, P., Olbers, D. J., Richter, K., Sell, W., and Walden, H., 1973, Measurement of Wind-Wave Growth and Swell Decay During the Joint North Sea Wave Project (JONSWAP), German Hydrographic Institute, Amburg.
Hsu, T. W., Lai, J. W. and Lan, Y., J., 2012, Experimental and Numerical Studies on Wave Propagation over Coarse Grained Sloping Beach, Proceedings of the International Conference on Coastal Engineering, No 32 (2010), Shanghai, China.
Kamphuis, J. M., 2000, Introduction to Coastal Engineering and Management, World Scientific, Singapore.
Le Méhauté, B., 1976, An Introduction to Hydrodynamics and Water Waves, Springer-Verlag.
McCowan, J., 1891, On the solitary wave, Philosophical Magazine, Vol. 32, pp. 45-58.
Munk, W. H., 1949, The Solitary Wave Theory and Its Application to Surf Problems, Annals New York Acad. Sci., Vol 51, pp 376-423.
Pierson W. J. and Moskowitz, L., 1964, A proposed spectral form for fully developed wind seas based on the similarity theory of S.A. Kitiagordskii, J. Geophys. Res. 9, pp. 5181-5190.
Thanyamanta, W., Herrington, P. and Molyneux, D., 2011, Wave patterns, wave induced forces and moments for a gravity based structure predicted using CFD, Proceedings of the ASME 2011, 30th International Conference on Ocean, Offshore and Arctic Engineering, OMAE2011, Rotterdam, The Netherlands.
USACE (U.S. Army Corps of Engineers), 2006, Coastal Engineering Manual, EM 1110-2-1100, Washington, DC.
Yilmaz, N., Trapp, G. E., Gagan, S. M. and Emmerich, T., R., 2011 CFD Supported Examination of Buoy Design for Wave Energy Conversion, IGEC-VI-2011-173, pp. 537-541
다음은 Microfluidics Bibliography의 기술 문서 모음입니다. 이 모든 논문은 FLOW-3D 결과를 특징으로 합니다. 미세 유체 공정 및 장치 를 성공적으로 시뮬레이션하기 위해 FLOW-3D 를 사용 하는 방법에 대해 자세히 알아보십시오 .
2021년 5월 Update
Below is a collection of technical papers in our Microfluidics Bibliography. All of these papers feature FLOW-3D results. Learn more about how FLOW-3D can be used to successfully simulate microfluidic processes and devices.
08-20 Li Yong-Qiang, Dong Jun-Yan and Rui Wei, Numerical simulation for capillary driven flow in capsule-type vane tank with clearances under microgravity, Microgravity Science and Technology, 2020. doi.org/10.1007/s12217-019-09773-z
89-19 Tim Dreckmann, Julien Boeuf, Imke-Sonja Ludwig, Jorg Lumkemann, and Jorg Huwyler, Low volume aseptic filling: impact of pump systems on shear stress, European Journal of Pharmeceutics and Biopharmeceutics, in press, 2019. doi:10.1016/j.ejpb.2019.12.006
88-19 V. Amiri Roodan, J. Gomez-Pastora, C. Gonzalez-Fernandez, I.H. Karampelas, E. Bringas, E.P. Furlani, and I. Ortiz, CFD analysis of the generation and manipulation of ferrofluid droplets, TechConnect Briefs, pp. 182-185, 2019. TechConnect World Innovation Conference & Expo, Boston, Massachussetts, USA, June 17-19, 2019.
55-19 Julio Aleman, Sunil K. George, Samuel Herberg, Mahesh Devarasetty, Christopher D. Porada, Aleksander Skardal, and Graça Almeida‐Porada, Deconstructed microfluidic bone marrow on‐a‐chip to study normal and malignant hemopoietic cell–niche interactions, Small, 2019. doi: 10.1002/smll.201902971
37-19 Feng Lin Ng, Miniaturized 3D fibrous scaffold on stereolithography-printed microfluidic perfusion culture, Doctoral Thesis, Nanyang Technological University, Singapore, 2019.
32-19 Jenifer Gómez-Pastora, Ioannis H. Karampelas, Eugenio Bringas, Edward P. Furlani, and Inmaculada Ortiz, Numerical analysis of bead magnetophoresis from flowing blood in a continuous-flow microchannel: Implications to the bead-fluid interactions, Nature: Scientific Reports, Vol. 9, No. 7265, 2019. doi: 10.1038/s41598-019-43827-x
01-19 Jelena Dinic and Vivek Sharma, Computational analysis of self-similar capillary-driven thinning and pinch-off dynamics during dripping using the volume-of-fluid method, Physics of Fluids, Vol. 31, 2019. doi: 10.1063/1.5061715
75-18 Tobias Ladner, Sebastian Odenwald, Kevin Kerls, Gerald Zieres, Adeline Boillon and Julien Bœuf, CFD supported investigation of shear induced by bottom-mounted magnetic stirrer in monoclonal antibody formulation, Pharmaceutical Research, Vol. 35, 2018. doi: 10.1007/s11095-018-2492-4
53-18 Venoos Amiri Roodan, Jenifer Gómez-Pastora, Aditi Verma, Eugenio Bringas, Inmaculada Ortiz and Edward P. Furlani, Computational analysis of magnetic droplet generation and manipulation in microfluidic devices, Proceedings of the 5th International Conference of Fluid Flow, Heat and Mass Transfer, Niagara Falls, Canada, June 7 – 9, 2018; Paper no. 154, 2018. doi: 10.11159/ffhmt18.154
35-18 Jenifer Gómez-Pastora, Cristina González Fernández, Marcos Fallanza, Eugenio Bringas and Inmaculada Ortiz, Flow patterns and mass transfer performance of miscible liquid-liquid flows in various microchannels: Numerical and experimental studies, Chemical Engineering Journal, vol. 344, pp. 487-497, 2018. doi: 10.1016/j.cej.2018.03.110
15-17 I.H. Karampelas, S. Vader, Z. Vader, V. Sukhotskiy, A. Verma, G. Garg, M. Tong and E.P. Furlani, Drop-on-Demand 3D Metal Printing, Informatics, Electronics and Microsystems TechConnect Briefs 2017, Vol. 4
102-16 J. Brindha, RA.G. Privita Edwina, P.K. Rajesh and P.Rani, “Influence of rheological properties of protein bio-inks on printability: A simulation and validation study,” Materials Today: Proceedings, vol. 3, no.10, pp. 3285-3295, 2016. doi: 10.1016/j.matpr.2016.10.010
99-16 Ioannis H. Karampelas, Kai Liu, Fatema Alali, and Edward P. Furlani, Plasmonic Nanoframes for Photothermal Energy Conversion, J. Phys. Chem. C, 2016, 120 (13), pp 7256–7264
98-16 Jelena Dinic and Vivek Sharma, Drop formation, pinch-off dynamics and liquid transfer of simple and complex fluids, http://meetings.aps.org/link/BAPS.2016.MAR.B53.12, APS March Meeting 2016, Volume 61, Number 2, March 14–18, 2016, Baltimore, Maryland
67-16 Vahid Bazargan and Boris Stoeber, Effect of substrate conductivity on the evaporation of small sessile droplets, PHYSICAL REVIEW E 94, 033103 (2016), doi: 10.1103/PhysRevE.94.033103
39-16 Chien-Hsun Wang, Ho-Lin Tsai, Yu-Che Wu and Weng-Sing Hwang, Investigation of molten metal droplet deposition and solidification for 3D printing techniques, IOP Publishing, J. Micromech. Microeng. 26 (2016) 095012 (14pp), doi: 10.1088/0960-1317/26/9/095012, July 8, 2016
02-16 Stephen D. Hoath (Editor), Fundamentals of Inkjet Printing: The Science of Inkjet and Droplets, ISBN: 978-3-527-33785-9, 472 pages, February 2016 (see chapters 2 and 3 for FLOW-3D results)
125-15 J. Berthier, K.A. Brakke, E.P. Furlani, I.H. Karampelas, V. Poher, D. Gosselin, M. Cubinzolles and P. Pouteau, Whole blood spontaneous capillary flow in narrow V-groove microchannels, Sensors and Actuators B: Chemical, 206, pp. 258-267, 2015.
63-15 Scott Vader, Zachary Vader, Ioannis H. Karampelas and Edward P. Furlani, Magnetohydrodynamic Liquid Metal Jet Printing, TechConnect World Innovation Conference & Expo, Washington, D.C., June 14-17, 2015
28-15 Yongqiang Li, Mingzhu Hu, Ling Liu, Yin-Yin Su, Li Duan, and Qi Kang, Study of Capillary Driven Flow in an Interior Corner of Rounded Wall Under Microgravity, Microgravity Science and Technology, June 2015
11-15 Cheng-Han Wu and Weng-Sing Hwang, The effect of process condition of the ink-jet printing process on the molten metallic droplet formation through the analysis of fluid propagation direction, Canadian Journal of Physics, 2015. doi: 10.1139/cjp-2014-0259
03-15 Hanchul Cho, Sivasubramanian Somu, Jin Young Lee, Hobin Jeong and Ahmed Busnaina, High-Rate Nanoscale Offset Printing Process Using Directed Assembly and Transfer of Nanomaterials, Adv. Materials, doi: 10.1002/adma.201404769, February 2015
122-14 Albert Chi, Sebastian Curi, Kevin Clayton, David Luciano, Kameron Klauber, Alfredo Alexander-Katz, Sebastián D’hers and Noel M Elman, Rapid Reconstitution Packages (RRPs) implemented by integration of computational fluid dynamics (CFD) and 3D printed microfluidics, Research Gate, doi: 10.1007/s13346-014-0198-7, July 2014
61-14 Chenxu Liu, A Computational Model for Predicting Fully-Coupled Particle-Fluid Dynamics and Self-Assembly for Magnetic Particle Applications, Master’s Thesis: State University of New York at Buffalo, 2014, 75 pages; 1561583, http://gradworks.umi.com/15/61/1561583.html
41-14 Albert Chi, Sebastian Curi, Kevin Clayton, David Luciano, Kameron Klauber, Alfredo Alexander-Katz, Sebastian D’hers, and Noel M. Elman, Rapid Reconstitution Packages (RRPs) implemented by integration of computational fluid dynamics (CFD) and 3D printed microfluidics, Drug Deliv. and Transl. Res., DOI 10.1007/s13346-014-0198-7, # Controlled Release Society 2014. Available for purchase online at SpringerLink.
21-14 Suk-Hee Park, Ung Hyun Koh, Mina Kim, Dong-Yol Yang, Kahp-Yang Suh and Jennifer Hyunjong Shin, Hierarchical multilayer assembly of an ordered nanofibrous scaffold via thermal fusion bonding, Biofabrication 6 (2014) 024107 (10pp), doi:10.1088/1758-5082/6/2/024107, IOP Publishing, 2014. Available for purchase online at IOP.
10-13 Pamela J. Waterman, CFD: Shaping the Medical World, Desktop Engineering, April 2013. Full article available online at Desktop Engineering.
90-12 Charles R. Ortloff and Martin Vogel, Spray Cooling Heat Transfer- Test and CFD Analysis, Electronics Cooling, June 2012. Available online at Electronics Cooling.
55-12 Hejun Li, Pengyun Wang, Lehua Qi, Hansong Zuo, Songyi Zhong, Xianghui Hou, 3D numerical simulation of successive deposition of uniform molten Al droplets on a moving substrate and experimental validation, Computational Materials Science, Volume 65, December 2012, Pages 291–301. Available for purchase online at SciVerse.
22-12 R.A. Sultanov, D. Guster, Numerical Modeling and Simulations of Pulsatile Human Blood Flow in Different 3D-Geometries, Book chapter #21 in Fluid Dynamics, Computational Modeling and Applications (2012), ISBN: 978-953-51-0052-2, p. 475 [18 pages]. Available online at INTECH.
21-12 Guo-Wei Huang, Tzu-Yi Hung, and Chin-Tai Chen, Design, Simulation, and Verification of Fluidic Light-Guide Chips with Various Geometries of Micro Polymer Channels, NEMS 2012, Kyoto, Japan, March 5-8, 2012. Available for purchase online at IEEE.
77-11 Ge Bai, W. Thomas Leach, Computational fluid dynamics (CFD) insights into agitation stress methods in biopharmaceutical development, International Journal of Pharmaceutics, Available online 8 December 2011, ISSN 0378-5173, 10.1016/j.ijpharm.2011.11.044. Available online at SciVerse.
72-11 M.R. Barkhudarov, C.W. Hirt, D. Milano, and G. Wei, Comments on a Comparison of CFD Software for Microfluidic Applications, Flow Science Technical Note #93, FSI-11-TN93, December 2011
45-11 Chang-Wei Kang, Jiak Kwang Tan, Lunsheng Pan, Cheng Yee Low and Ahmed Jaffar, Numerical and experimental investigations of splat geometric characteristics during oblique impact of plasma spraying, Applied Surface Science, In Press, Corrected Proof, Available online 20 July 2011, ISSN 0169-4332, DOI: 10.1016/j.apsusc.2011.06.081. Available to purchase online at SciVers
32-11 Lu, Cong and Mills, James K., Three cell separation design for realizing automatic cell injection, Complex Medical Engineering (CME), 2011 IEEE/ICME, pp: 599 – 603, Harbin, China, 10.1109/ICCME.2011.5876811, June 2011. Available online at IEEEXplore.
25-11 Issam M. Bahadur, James K. Mills, Fluidic vacuum-based biological cell holding device with piezoelectrically induced vibration, Complex Medical Engineering (CME), 2011 IEEE/ICME International Conference on, 22-25 May 2011, pp: 85 – 90, Harbin, China. Available online at: IEEE Xplore.
14-11 Edward P. Furlani, Roshni Biswas, Alexander N. Cartwright and Natalia M. Litchinitser, Antiresonant guiding optofluidic biosensor, doi:10.1016/j.optcom.2011.04.014, Optics Communication, April 2011
05-11 Hyeju Eom and Keun Park, Integrated numerical analysis to evaluate replication characteristics of micro channels in a locally heated mold by selective induction, International Journal of Precision Engineering and Manufacturing, Volume 12, Number 1, 53-60, DOI: 10.1007/s12541-011-0007-x, 2011. Available online at: SpringerLink.
70-10 I.N. Volnov, V.S. Nagornyi, Modeling Processes for Generation of Streams of Monodispersed Fluid Droplets in Electro-inkjet Applications, Science and Technology News, St. Petersburg State Polytechnic University, 4, pp 294-300, 2010. In Russian.
62-10 F. Mobadersani, M. Eskandarzade, S. Azizi and S. Abbasnezhad, Effect of Ambient Pressure on Bubble Growth in Micro-Channel and Its Pumping Effect, ESDA2010-24436, pp. 577-584, doi:10.1115/ESDA2010-24436, ASME 2010 10th Biennial Conference on Engineering Systems Design and Analysis (ESDA2010), Istanbul, Turkey, July 12–14, 2010. Available online at the ASME Digital Library.
51-10 Regina Bleul, Marion Ritzi-Lehnert, Julian Höth, Nico Scharpfenecker, Ines Frese, Dominik Düchs, Sabine Brunklaus, Thomas E. Hansen-Hagge, Franz-Josef Meyer-Almes, Klaus S. Drese, Compact, cost-efficient microfluidics-based stopped-flow device, Anal Bioanal Chem, DOI 10.1007/s00216-010-4446-5, Available online at Springer, November 2010
55-09 R.A. Sultanov, and D. Guster, Computer simulations of pulsatile human blood flow through 3D models of the human aortic arch, vessels of simple geometry and a bifurcated artery, Proceedings of the 31st Annual International Conference of the IEEE EMBS (Engineering in Medicine and Biology Society), Minneapolis, September 2-6, 2009, p.p. 4704-4710.
23-07 A K Sen and J Darabi, Droplet ejection performance of a monolithic thermal inkjet print head, Journal of Micromechanical and Microengineering,vol.17, pp.1420-1427 (2007) doi:10.1088/0960-1317/17/8/002; Abstract only.
12-07 Krishnendu Chakrabarty and Jun Zeng, (2005), Automated top-down design for microfluidic biochips, ACM Journal on Emerging Technologies in Computing Systems, 1(3), 2005, 186–223.
23-06 John J. Uebbing, Stephan Hengstler, Dale Schroeder, Shalini Venkatesh, and Rick Haven, Heat and Fluid Flow in an Optical Switch Bubble, Journal of Microelectromechanical Systems, Vol. 15, No. 6, December 2006
20-06 J. de Jong, H. Reinten, M. van den Berg, H. Wijshoff, M. Versluis, G. de Bruin, A. Prosperetti and D. Lohse, Air entrapment in piezo-driven inkjet printheads, J. Acoust. Soc. Am. 120(3), 1257 (2006)
11-06 A. K. Sen, J. Darabi, D. R. Knapp and J. Liu, Modeling and Characterization of a Carbon Fiber Emitter for Electrospray Ionization, 1 MEMS and Microsystems Laboratory, Department of Mechanical Engineering, University of South Carolina, 300 Main Street, Columbia, SC 29208, USA, 2 Department of Pharmacology, Medical University of South Carolina, Charleston, SC
1-05 C.W. Hirt, Electro-Hydrodynamics of Semi-Conductive Fluids: With Application to Electro-Spraying, Flow Science Technical Note #70, FSI-05-TN70
19-04 G. F. Yao, Modeling of Electroosmosis Without Resolving Physics Inside a Electric Double Layer, Flow Science Technical Note (FSI-04-TN69)
12-04 Jun Zeng and Tom Korsmeyer, Principles of Droplet Electrohydrodynamics for Lab-on-a-Chip, Lab. Chip. Journal, 2004, 4(4), 265-277
9-04 Constantine N. Anagnostopoulos, James M. Chwalek, Christopher N. Delametter, Gilbert A. Hawkins, David L. Jeanmaire, John A. Lebens, Ali Lopez, and David P. Trauernicht, Micro-Jet Nozzle Array for Precise Droplet Metering and Steering Having Increased Droplet Deflection, Proceedings of the 12th International Conference on Solid State Sensors, Actuators and Microsystems, sponsored by IEEE, Boston, June 8-12, 2003, pp. 368-71
6-04 D. Vadillo*, G. Desie**, A Soucemarianadin*, Spreading Behavior of Single and Multiple Drops, *Laboratoire des Ecoulements Geophysiques et Industriels (LEGI), and **AGFA-Gevaert Group N.V., XXI ICTAM, 15-21 August 2004, Warsaw, Poland
1-02 Feixia Pan, Joel Kubby, and Jingkuang Chen, Numerical Simulation of Fluid Structure Interaction in a MEMS Diaphragm Drop Ejector, Xerox Wilson Research Center, Institute of Physics Publishing, Journal of Micromechanics and Microengineering, 12 (2002), PII: SO960-1317(02)27439-2, pp. 70-76
48-01 Rainer Gruber, Radial Mass Transfer Enhancement in Bubble-Train Flow, PhD thesis in Engineering Sciences, Rheinisch- Westf alischen Technische Hochschule Aachen, December 2001.
12-01 C. N. Delametter, Eastman Kodak Company, Micro Resolution, Mechanical Engineering, Col 123/No 7, July 2001, pp 70-72
11-01 C. N. Delametter, Eastman Kodak Company, Surface Tension Induced Instability of Viscous Liquid Jets, Technical Proceeding of the Fourth International Conference on Modeling and Simulation of Microsystems, April 2001
9-01 Aman Khan, Unipath Limited Research and Development, Effects of Reynolds Number on Surface Rolling in Small Drops, PVP-Col 431, Emerging Technologies for Fluids, Structures and Fluids, Structures and Fluid Structure Interaction — 2001
2-00 Narayan V. Deshpande, Significance of Inertance and Resistance in Fluidics of Thermal Ink-Jet Transducers, Journal of Imaging Science and Technology, Volume 40, Number 5, Sept./Oct. 1996, pp.457-461
4-98 D. Deitz, Connecting the Dots with CFD, Mechanical Engineering Magazine, pp. 90-91, March 1998
14-94 M. P. O’Hare, N. V. Deshpande, and D. J. Drake, Drop Generation Processes in TIJ Printheads, Xerox Corporation, Adv. Imaging Business Unit, IS&T’s Tenth International Congress on Advances in Non-Impact Printing, Tech. 1994
아래는 항공 우주 분야에 대한 기술 문서 모음입니다. 이 모든 논문은 FLOW-3D 결과를 포함하고 있습니다. FLOW-3D를 사용하여 항공 우주 산업을 위한 응용 프로그램을 성공적으로 시뮬레이션 하는 방법에 대해 자세히 알아보십시오.
Aerospace Bibliography
2021년 5월 Update
Below is a collection of technical papers in our Aerospace Bibliography. All of these papers feature FLOW-3Dresults. Learn more about how FLOW-3Dcan be used to successfully simulate applications for the Aerospace Industry.
62-20 Zhang Dazhi, Meng Li, Li Yong-Qiang, Numerical simulation analysis of liquid transportation in capsule-type vane tank under microgravity, Microgravity Science and Technology, 32.3, 2020. doi.org/10.1007/s12217-020-09811-1
08-20 Li Yong-Qiang, Dong Jun-Yan and Rui Wei, Numerical simulation for capillary driven flow in capsule-type vane tank with clearances under microgravity, Microgravity Science and Technology, 2020. doi.org/10.1007/s12217-019-09773-z
107-19 Martin Konopka, Extension of a standard flow solver for simulating phase change in cryogenic tanks, Journal of Thermophysics and Heat Transfer, 33.3, 2019. doi.org/10.2514/1.T5546
79-19 Baotang Zhuang, Yong Li, Jintao Liu, and Wei Rui, Numerical simulation of fluid transport along parallel vanes for vane type propellant tanks, Microgravity Science and Technology, pp. 1-10, 2019. doi:10.1007/s12217-019-09746-2
54-19 Robert E. Manning, Ian Ballinger, Manoj Bhatia, and Mack Dowdy, Design of the Europa Clipper propellant management device, AIAA Propulsion and Energy 2019 Forum, Indianapolis, Indiana, August 19-22, 2019. doi:10.2514/6.2019-3858
48-19 Lei Wang, Tian Yan, Jiaojiao Wang, Shixuan Ye, Yanzhong Li, Rui Zhuan, and Bin Wang, CFD investigation on thermodynamic characteristics in liquid hydrogen tank during successive varied-gravity conditions, Cryogenics, Vol. 103, 2019. doi:10.1016/j.cryogenics.2019.102973
01-18 Martin Konopka, Extension of a Standard Flow Solver for Simulating Phase Change in Cryogenic Tanks, 018 AIAA Aerospace Sciences Meeting, AIAA SciTech Forum, (AIAA 2018-1818), https://doi.org/10.2514/6.2018-1818
69-16 Philipp Behruzi and Francesco De Rose, Coupling sloshing, GNC and rigid body motions during ballistic flight phases, Propulsion and Energy Forum, 52nd AIAA/SAE/ASEE Joint Propulsion Conference, July 25-27, 2016, Salt Lake City, UT.
55-16 Martin Konopka, Peter Noeding, Jörg Klatte, Philipp Behruzi, Jens Gerstmann, Anton Stark, Nicolas Darkow, Analysis of LN2 Filling, Draining, Stratification and Sloshing Experiments, 46th AIAA Fluid Dynamics Conference, Washington, D.C.
58-15 Diana Gaulke and Michael E. Dreyer, CFD Simulation of Capillary Transport of Liquid Between Parallel Perforated Plates using FLOW-3D, Microgravity Science and Technology, August 2015
55-15 Sebastian Schmitt and Michael E. Dreyer, Free Surface Oscillations of Liquid Hydrogen in Microgravity Conditions, Cryogenics, doi:10.1016/j.cryogenics.2015.07.004, July 26, 2015
53-15 Jeffrey Moder and Kevin Breisacher, Preliminary Simulations of Ullage Dynamics in Microgravity during Jet Mixing Portion of the Tank Pressure Control Experiments, 51st AIAA/SAE/ASEE Joint Propulsion Conference, 2015
52-15 Philipp Behruzi, Diana Gaulke, Joerg Klatte, Nicolas Fries, Development of the MPCV ESM propellant tanks, 51st AIAA/SAE/ASEE Joint Propulsion Conference, 2015
51-15 Grant O. Musgrove and Shane B. Coogan, Validation and Rules-of-Thumb for Computational Predictions of Liquid Slosh Dynamics, 51st AIAA/SAE/ASEE Joint Propulsion Conference, 2015
09-15 Zhicheng Zhou and Hua Huang, Constraint Surface Model for Large Amplitude Sloshing of the spacecraft with Multiple Tanks, Acta Astronautica, http://dx.doi.org/10.1016/j.actaastro.2015.02.023
43-14 C. Ludwig and M.E. Dreyer, Investigations on thermodynamic phenomena of the active-pressurization process of a cryogenic propellant tank, Cryogenics (2014), doi: http://dx.doi.org/10.1016/j.cryogenics.2014.05.005.
22-14 M. Lazzarin, M. Biolo, A. Bettella, M. Manente, R. DaForno, and D. Pavarin, EUCLID satellite: Sloshing model development through computational fluid dynamics, Aerospace Science and Technology, JID:AESCTE AID:3040 /FLA, Available online 12 April 2014.
49-13 Damien Theureau, Astrium; Jean Mignot, French Space Agency (CNES); Sebastien Tanguy, Fluid Mechanics Institute of Toulouse (IMFT), Integration of low g sloshing models with spacecraft attitude control simulators, Chapter DOI: 10.2514/6.2013-4961, August 2013.
44-13 Philipp Behruzi, Jörg Klatte and Gaston Netter, Passive Phase Separation in Cryogenic Upper Stage Tanks, 49th AIAA/ASME/SAE/ASEE Joint Propulsion Conference, July 14 – 17, 2013, San Jose, CA.
43-13 Philipp Behruzi, Jörg Klatte, Nicolas Fries, Andreas Schütte, Burkhard Schmitz and Horst Köhler, Cryogenic Propellant Management Sounding Rocket Experiments on TEXUS 48, 49th AIAA/ASME/SAE/ASEE Joint Propulsion Conference, July 14 – 17, 2013, San Jose, CA.
113-12 M. Lazzarin, M. Biolo, A. Bettella, and R. Da Forno, EUCLID Mission: Theoretical Sloshing Model and CFD Comparison, 48th AIAA/ASME/SAE/ASEE Joint Propulsion Conference & Exhibit, 30 July – 01 August 2012, Atlanta, Georgia
73-10 Amber Bakkum, Kimberly Schultz, Jonathan Braun, Kevin M Crosby, Stephanie Finnvik, Isa Fritz, Bradley Frye, Cecilia Grove, Katelyn Hartstern, Samantha Kreppel and Emily Schiavone, Investigation of Propellant Sloshing and Zero Gravity Equilibrium for the Orion Service Module Propellant Tanks, Wisconsin Space Conference, Yingst, R. A., & Wisconsin Space Grant Consortium. (2010). Dawn of a new age: 20th Annual Wisconsin Space Conference, August 19-20, 2010. Green Bay, Wis: Wisconsin Space Grant Consortium; University of Wisconsin-Green Bay.
21-10 Berci M., Mascetti S., Incognito A., Gaskell P.H., Toropov V.V., Gust Response of a Typical Section Via CFD and Analytical Solutions, V European Conference on Computational Fluid Dynamics, ECCOMAS CFD 2010, Lisbon, Portugal, 14-17 June 2010 (A companion PowerPoint presentation in pdf format is available upon request)
35-07 N. Fries, K. Odic and M. Dreyer, Wicking of Perfectly Wetting Liquids into a Metallic Mesh, Proceedings of the 2nd International Conference on Porous Media and its Applications in Science and Engineering, ICPM2, Kauai, Hawaii, USA, June 17-21, 2007
12-06 G. D. Grayson, A. Lopez, F. O. Chandler, L. J. Hastings, S. P. Tucker, Cryogenic Tank Modeling for the Saturn AS-203 Experiment, AIAA 2006-5258, presented at the 42nd AIAA/ASME/SAE/ASEE Joint Propulsion Conference and Exhibit, July 9-12, 2006, Sacramento, CA.
42-01 C. Figus and L. Ounougha, Correlations between Neutral Buoyancy Tests and CFD, Spacecraft Propulsion, Third International Conference held 10-13 October, 2000 at Cannes, France. European Space Agency ESASP-465, 2001, p.547
24-01 Hiroshi Nishino, Shujiro Sawai, & Katsumi Furukawa, Prediction of Sloshing Dynamics in Spinning Spherical Tanks, Mitsubishi Heavy Industry, The Institute of Space and Astronautical Science 9th Workshop on Astrodynamics and Flight Mechanics (1999)
5-96 D. J. Frank, Dynamics of Superfluid Helium in Low-Gravity: A Progress Report, Advanced Technology Center, Lockheed Martin Missiles & Space, Palo Alto, CA 94304, USA, To be published in Proceedings of 1996 NASA/JPL Microgravity Low Temperature Physics Workshop, April 1996
7-95 G. D. Grayson, Coupled Thermodynamic-Fluid-Dynamic Solution for a Liquid Hydrogen Tank, Journal of Spacecraft and Rockets, Vol. 32, No. 5, September-October 1995
5-94 G. Ross, Dynamics of Superfluid Helium in Low Gravity, dissertation submitted to Dept. Mech. Engrg. and Committee on Graduate Studies of Stanford University for Ph.D. degree, July 1994
8-93 G. D. Grayson and J. Navickas, Interaction Between Fluid-Dynamic and Thermodynamic Phenomena in a Cryogenic Upper Stage, McDonnell Douglas, AIAA-93-2753, presented at the AIAA 28th Thermophysics Conference, Orlando, FL, July 6-9, 1993
7-93 G. Grayson and E. DiStefano, Propellant Acquisition for Single Stage Rocket Technology, McDonnell Douglas, AIAA-93-2283, presented at the AIAA/SAE/ASME/ASEE 29th Joint Propulsion Conference and Exhibit, Monterey, CA, June 28-30, 1993
6-90 J. Navickas, McDonnell Douglas Space Systems Co., Huntington Beach, CA and P.Y. Cheng, McDonnell Douglas Aircraft Co., St. Louis, MO, Effect of Propellant Sloshing on the Design of Space Vehicle Propellant Storage Systems, presented at the 26th AIAA/SAE/ASME/ASEE Joint Propulsion Conference, Orlando World Center, Orlando, FL, July 16-18, 1990
1-90 S. M. Dominick and J. R. Tegart, Fluid Dynamics and Thermodynamics of a Low Gravity Liquid Tank Filling Method, AIAA 28th Aerospace Sciences Meeting, AAIA-90-0509, Reno, NV, January 1990.
3-89 C. W. Hirt, Flow in a Solid-Propellant Rocket Chamber, Flow Science Technical Note #17, March 1989 (FSI-89-TN17)
1-89 J. Navickas, E. C. Cady, and J. L. Ditter, Suspension of Solid Particles in the Aerospace Plane’s Slush Hydrogen Tanks, McDonnell Douglas Astronautics Co. report, Huntington Beach, CA, 1988, presented at the Symposium on Computational Experiments, PVP ASME Conference, Honolulu, HI, July 22-27, 1989
11-88 J. Navickas, Prediction of a Liquid Tank Thermal Stratification by a Finite Difference Computing Method, presented to AIAA/ASEE/ASME/SAE 24th Joint Propulsion Conference, Boston, MA, 11-14 July 1988
9-88 J. Navickas, E. C. Cady, and T. L. Flaska, Modeling of Solid-Liquid Circulation in the National Aerospace Plane’s Slush Hydrogen Tanks, Advanced Propulsion, Advanced Technology Center, McDonnell Douglas Astronautics Co., Huntington Beach, CA, May 24, 1988
3-88 J. M. Sicilian and C. W. Hirt, Nozzle/Case Joint Analysis with CFD Analysis Using the FLOW-3D Program, in Redesigned Solid Rocket Motor Circumferential Flow Technical Interchange Meeting Final Report, NASA-TWR-17788, February 1988
11-87 C. W. Hirt, A Perspective on NASA-VOF3D vs. FLOW-3D, Flow Science report, December 1987 (FSI-87-00-3)
8-87 J. M. Sicilian, Fluid Slosh in a Rotating and Accelerating Tank, Flow Science report, Sept. 1987 (FSI-87-37-1)
3-87 J. Navickas and J. Ditter, Effect of the Propellant Storage Tank Geometric Configuration on the Resultant Disturbing Forces and Moments during Low-Gravity Maneuvers, McDonnell Douglas Astronautics report, MDAC H2589, April 1987, presented at 1987 ASME Winter Annual Meeting
1-87 J. J. Der and C. L. Stevens, Low-Gravity Bubble Reorientation in Liquid Propellant Tanks, AIAA 25th Aerospace Sciences Meeting, Reno, Nevada, January 12-15, 1987 (AIAA-87-0622)
6-86 J. Navickas and C. R. Cross, Some Typical Applications of the HYDR3D Code, FLOW-3D Experience Conference, Redondo Beach, California, November 6-7, 1986
6-85 John I. Hochstein, Computational Prediction of Propellant Motion During Separation of a Centaur G-Prime Vehicle from the Shuttle, NASA report, Washington University, St. Louis, MO, December 1985 (WU/CFDL-85/1)
4-85 T. W. Eastes, Y. M. Chang, C. W. Hirt, and J. M. Sicilian, Zero-Gravity Slosh Analysis, ASME Winter Annual Meeting, Miami, Florida, November 1985
다음은 일반 응용 분야의 기술 문서 모음입니다.
이 모든 논문은 FLOW-3D 결과를 포함하고 있습니다. 복잡한 다중 물리와 관련된 문제를 성공적으로 시뮬레이션하기 위해 FLOW-3D를 사용 하는 방법에 대해 자세히 알아보십시오.
Below is a collection of technical papers in our General Applications Bibliography. All of these papers feature FLOW-3D results. Learn more about how FLOW-3D can be used to successfully simulate problems that involve complex multiphysics.
56-20 Nils Steinau, CFD modeling of ascending Strombolian gas slugs through a constricted volcanic conduit considering a non-linear rheology, Thesis, Universität Hamburg, Hamburg, Germany, 2020.
30-20 Bita Bayatsarmadi, Mike Horne, Theo Rodopoulos and Dayalan Gunasegaram, Intensifying diffusion-limited reactions by using static mixer electrodes in a novel electrochemical flow cell, Journal of The Electrochemical Society, 167.6, 2020. doi.org/10.1149/1945-7111/ab7e8f
75-19 Raphaël Comminal, Marcin Piotr Serdeczny, Navid Ranjbar, Mehdi Mehrali, David Bue Pedersen, Henrik Stang, Jon Spangenberg, Modelling of material deposition in big area additive manufacturing and 3D concrete printing, Proceedings, Advancing Precision in Additive Manufacturing, Nantes, France, September 16-18, 2019.
27-19 Rolands Cepuritis, Elisabeth L. Skare, Evgeny Ramenskiy, Ernst Mørtsell, Sverre Smeplass, Shizhao Li, Stefan Jacobsen, and Jon Spangeberg, Analysing limitations of the FlowCyl as a one-point viscometer test for cement paste, Construction and Building Materials, Vol. 218, pp. 333-340, 2019. doi: 10.1016.j.conbuildmat.2019.05.127
26-19 Shanshan Hu, Lunliang Duan, Qianbing Wan, and Jian Wang, Evaluation of needle movement effect on root canal irrigation using a computational fluid dynamics model, BioMedical Engineering OnLine, Vol. 18, No. 52, 2019. doi: 10.1186/s12938-019-0679-5
83-18 Elisabeth Leite Skare, Stefan Jacobsen, Rolands Cepuritis, Sverre Smeplass and Jon Spangenberg, Decreasing the magnitude of shear rates in the FlowCyl, Proceedings of the 12th fib International PhD Symposium in Civil Engineering, Prague, Czech Republic, August 29-31, 2018.
71-18 Marc Bascompta, Jordi Vives, Lluís Sanmiqeul and José Juan de Felipe, CFD friction factors verification in an underground mine, Proceedings of the 4th World Congress on Mechanical, Chemical, and Material Engineering, August 16 – 18, 2018, Madrid, Spain, Paper No. MMME 105, 2018. doi.org/10.11159/mmme18.105
56-18 J. Spangenberg, A. Uzala, M.W. Nielsen and J.H. Hattel, A robustness analysis of the bonding process of joints in wind turbine blades, International Journal of Adhesion and Adhesives, vol. 85, pp. 281-285, 2018. doi.org/10.1016/j.ijadhadh.2018.06.009
21-18 Zhang Weikang and Gong Hongwei, Numerical Simulation Study on Characteristics of Airtight Water Film with Flow Deflectors, IOP Conference Series: Earth and Environmental Science vol. 153, no. 3, pp. 032025, 2018. doi.org/10.1088/1755-1315/153/3/032025
59-17 Han Eol Park and In Cheol Bang, Design study on mixing performance of rotational vanes in subchannel with fuel rod bundles, Transactions of the Korean Nuclear Society Autumn Meeting, Gyeongju, Korea, October 26-27, 2017.
58-17 Jian Zhou, Claudia Cenedese, Tim Williams and Megan Ball, On the propagation of gravity currents over and through a submerged array of circular cylinders, Journal of Fluid Mechanics, Vol. 831, pp. 394-417, 2017. doi.org/10.1017/jfm.2017.604
24-17 Zhiyuan Ge, Wojciech Nemec, Rob L. Gawthorpe, Atle Rotevatn and Ernst W.M. Hansen, Response of unconfined turbidity current to relay-ramp topography: insights from process-based numerical modelling, doi: 10.1111/bre.12255 This article is protected by copyright. All rights reserved.
06-17 Masoud Hosseinpoor, Kamal H. Khayat, Ammar Yahia, Numerical simulation of self-consolidating concrete flow as a heterogeneous material in L-Box set-up: coupled effect of reinforcing bars and aggregate content on flow characteristics, A. Mater Struct (2017) 50: 163. doi:10.1617/s11527-017-1032-8
94-16 Mehran Seyed Ahmadi, Markus Bussmann and Stavros A. Argyropoulos, Mass transfer correlations for dissolution of cylindrical additions in liquid metals with gas agitation, International Journal of Heat and Mass Transfer, Volume 97, June 2016, Pages 767-778
93-15 James M. Brethour, Modelling of Cavitation within Highly Transient Flows with the Volume of Fluid Method, 1st Pan-American Congress on Computational Mechanics, April 27-29, 2015
90-15 Troy Shinbrot, Matthew Rutala, Andrea Montessori, Pietro Prestininzi and Sauro Succi, Paradoxical ratcheting in cornstarch, Phys. Fluids 27, 103101 (2015); http://dx.doi.org/10.1063/1.4934709
84-15 Nicolas Roussel, Annika Gram, Massimiliano Cremonesi, Liberato Ferrara, Knut Krenzer, Viktor Mechtcherine, Sergiy Shyshko, Jan Skocec, Jon Spangenberg, Oldrich Svec, Lars Nyholm Thrane and Ksenija Vasilic, Numerical simulations of concrete flow: A benchmark comparison, Cem. Concr. Res. (2015), http://dx.doi.org/10.1016/j.cemconres.2015.09.022
02-15 David Souders, FLOW-3D Version 11 Enhances CFD Simulation, Desktop Engineering, January 2015
74-13 Laetitia Martinie, Jean-Francois Lataste, and Nicolas Roussel, Fiber orientation during casting of UHPFRC: electrical resistivity measurements, image analysis and numerical simulations, Materials and Structures, DOI 10.1617/s11527-013-0205-3, November 2013. Available for purchase online at SpringerLink.
60-13 Huey-Jiuan Lin, Fu-Yuan Hsu, Chun-Yu Chiu, Chien-Kuo Liu, Ruey-Yi Lee, Simulation of Glass Molding Process for Planar Type SOFC Sealing Devices, Key Engineering Materials, 573, 131, September 2013. Available for purchase at Scientific.net.
105-12 Jon Spangenberg, Numerisk modellering af formfyldning ved støbning i selvkompakterende beton, Ph.D. Thesis: Technical University of Denmark, ID: 0eeede98-fb07-4800-86e2-0a6baeb1e7a3, 2012.
85-12 Mohd Aminur Rashid, Ismail Abustan, Meor Othman Hamzah, Infiltration Characteristic Modeling Using FLOW-3D within a Modular Pavement, Procedia Engineering, Volume 50, 2012, Pages 658-667, ISSN 1877-7058, 10.1016/j.proeng.2012.10.072.
73-12 Mohd Aminur Rashid, Ismail Abustan, Meor Othman Hamzah, Infiltration Characteristic Modeling Using FLOW-3D within a Modular Pavement, Procedia Engineering, Volume 50, 2012, Pages 658-667, ISSN 1877-7058, 10.1016/j.proeng.2012.10.072.
65-12 X.H. Yang, T.J. Lu, T. Kim, Influence of non-conducting pore inclusions on phase change behavior of porous media with constant heat flux boundary, International Journal of Thermal Sciences, Available online 10 October 2012. Available online at SciVerse.
56-12 Giancarlo Alfonsi, Agostino Lauria, Leonardo Primavera, Flow structures around large-diameter circular cylinder, Journal of Flow Visualization and Image Processing, DOI: 10.1615/JFlowVisImageProc.2012005088, 2012. Available for purchase online at Begell Digital Library.
49-12 M. Janocko, M.B.J. Cartigny, W. Nemec, E.W.M. Hansen, Turbidity current hydraulics and sediment deposition in erodible sinuous channels: laboratory experiments and numerical simulations, Marine and Petroleum Geology, Available online 17 September 2012. Available for purchase online at SciVerse.
16-12 Yi Fan Fu, Wei Dong, Ying Li, Yi Tan, Ming Hui Yi, Akira Kawasaki, Simulation of the Effects of the Physical Properties on Particle Formation of Pulsated Orifice Ejection Method (POEM), 2012, Advanced Materials Research, 509, 161. Available for purchase online at Scientific.Net.
92-11 Giancarlo Alfonsi, Agostino Lauria, Leonardo Primavera, The lower vertical structure past the Ahmed car model, International Conference on Computational Science, ICCS 2011. Available for purchase online at Begell Digital Library.
80-11 Ismail Abustan, Meor Othman Hamzah, Mohd Aminur Rashid, A 3-Dimensional Numerical Study of a Flow within a Permeable Pavement, OIDA International Conference on Sustainable Development, ISSN 1923-6670, Putrajaya, Malaysia, 5-7th December 2011
18-11 Ortloff, C.R., Vogel, M., Spray cooling heat transfer — Test and CFD analysis, Semiconductor Thermal Measurement and Management Symposium (SEMI-THERM), 2011 27th Annual IEEE, 20-24 March 2011, pp 245 – 252, San Jose, CA, 10.1109/STHERM.2011.5767208.
82-10 Dr. John Abbott, Two problems on the flow of viscous sheets of molten glass, 26th Annual Workshop on Mathematical Problems in Industry, Rensselear Polytechnic Institute, June 14-18, 2010
57-10 Chouet, B. A., Dawson, P. B., James, M. R. and Lane, S. J., Seismic source mechanism of degassing bursts at Kilauea Volcano, Hawaii: Results from waveform inversion in the 10–50 s band, J. Geophys. Res., 115, B09311, doi:10.1029/2009JB006661, September 2010. Available online at JOURNAL OF GEOPHYSICAL RESEARCH.
55-10 Pamela Waterman, FEA and CFD: Getting Better All the Time, Desktop Engineering, December 2010.
31-10 J. Spangenberg, N. Roussel, J.H. Hattel, J. Thorborg, M.R. Geiker, H. Stang and J. Skocek, Prediction of the Impact of Flow-Induced Inhomogeneities in Self-Compacting Concrete (SCC), Ch. 25 of “Design, Production and Placement of Self-Consolidating Concrete,” RILEM Bookseries, 2010, Volume 1, Part 5, 209-215, DOI: 10.1007/978-90-481-9664-7_18. Available online at Springer Link.
28-10 Sirisha Burra, Daniel P. Nicolella, W. Loren Francis, Christopher J. Freitas, Nicholas J. Mueschke, Kristin Poole, and Jean X. Jiang, Dendritic processes of osteocytes are mechanotransducers that induce the opening of hemichannels, Proc Natl Acad Sci U S A. 2010 Jul 19. [Epub ahead of print], Available for purchase at PNAS.
59-17 Han Eol Park and In Cheol Bang, Design study on mixing performance of rotational vanes in subchannel with fuel rod bundles, Transactions of the Korean Nuclear Society Autumn Meeting, Gyeongju, Korea, October 26-27, 2017.
28-09 D. C. Lo, Dong-Taur Su and Jan-Ming Chen (2009), Application of Computational Fluid Dynamics Simulations to the Analysis of Bank Effects in Restricted Waters, Journal of Navigation, 62, pp 477-491, doi:10.1017/S037346330900527X; Purchase the article online (clicking on this link will take you to the Cambridge Journals website).
24-09 Richard C. Givler and Mario J. Martinez, Modeling of Pulsating Heat Pipes, Sandia Report, SAND2009-4520, Sandia National Laboratories, August 2009.
38-08 Yoshifumi Kuriyama, Ken’ichi Yano and Masafumi Hamaguchi, Trajectory Planning for Meal Assist Robot Considering Spilling Avoidance, 17th IEEE International Conference on Control Applications, Part of 2008 1EEE Multi-conference on Systems and Control, San Antonio, Texas, September 3-5, 2008
17-08 James, M. R., Lane, S. J. & Corder, S. B., Modelling the rapid near-surface expansion of gas slugs in low-viscosity magmas, In Lane S. J., Gilbert J. S. (eds) Fluid Motion in Volcanic Conduits: A Source of Seismic and Acoustic Signals. Geol. Soc., London, Spec. Pub., 307, 147-167, doi: 10.1144/SP307.9. 2008
40-07 Nemec, W., Heimsund, S., Xu, J. & Hansen, E.W.M., Numerical CFD simulation of turbidity currents, British Sedimentological Research Group (BSRG) Annual Meeting, Birmingham, 17-18 December 2007
39-07 Heimsund, S, Xu, J. & Nemec, W., Numerical Simulation of Recent Turbidity Currents in the Monterey Canyon System, Offshore California, American Geophysical Union Fall Meeting, 10-14 December 2007
32-07 James, M. R., Lane, S. J. & Corder, S. B., Modeling the near-surface expansion of gas slugs in basaltic magma, Eos Trans. A.G.U., 88(52), Fall Meet. Suppl.. Abs. V12B-03. 2007
31-07 James, M. R., Lane, S. J. and Corder, S. B., Degassing low-viscosity magma: Quantifying the transition between passive bubble-burst and explosive activity, E.G.U. Geophys. Res. Abstr., 9, 05336, SRef-ID: 1607-7962/gra/EGU2007-A-05336. 2007
32-06 Heimsund, S., Möller, N. and Guargena, C., FLOW-3D simulation of the Ormen Lange field, mid-Norway, In: Hoyanagi, K., Takano, O. and Kano, K. (Ed.), Abstracts, International Association of Sedimentologists 17th International Sedimentological Congress, Fukuoka, Vol. B, p. 107, 2006
10-06 Gengsheng Wei, An Implicit Method to Solve Problems of Rigid Body Motion Coupled with Fluid Flow, Flow Science Technical Note #76, FSI-05-TN76.
8-06 Gengsheng Wei, Three-Dimensional Collision Modeling for Rigid Bodies and its Coupling with Fluid Flow Computation, Flow Science Technical Note #75, FSI-06-TN75.
34-05 Young Bae Kim, Kyung Do Kim, Sang Eui Hong, Jong Goo Kim, Man Ho Park, and Ju Hyun Kim, and Jae Keun Kweon, 3D Simulation of PU Foaming Flow in a Refrigerator Cabinet, Appliance Magazine.com, January 2005.
32-05 Heimsund, S., Möller, N., Guargena, C. and Thompson, L., Field-scale modeling of turbidity currents by FLOW-3D simulations, In: Workshop Abstracts, Modeling of Turbidity Currents and Related Gravity Currents, University of California, Santa Barbara, 2 p., (2005)
15-05 Gengsheng Wei, A Fixed-Mesh Method for General Moving Objects, Flow Science Technical Note #73, FSI-05-TN73
14-05 James M. Brethour, Incremental Thermoelastic Stress Model, Flow Science Technical Note #72, FSI-05-TN72
1-05 C.W. Hirt, Electro-Hydrodynamics of Semi-Conductive Fluids: With Application to Electro-Spraying Flow Science Technical Note #70, FSI-05-TN70
35-04 J. Saeki, T. Kono and T. Teramae, Seikei Kakou, Formulation of Mathematical Models for Estimating Residual Stress and Strain Components Correlated with 3-D Flow of Thermosetting Compounds, 16, 5, 309-316 (2004) [in Japanese]. (Zipped file contains paper and appendices)
31-04 Heimsund, S., Möller, N., Guargena, C. and Thompson, L., The control of seafloor topography on turbidite sand dispersal in the Ormen Lange field: a large-scale application of FLOW-3D simulations, In: Martinsen, O.J. (Ed.), Abstracts and Proceedings of the Geological Society of Norway (NGF), Deep Water Sedimentary Systems of Arctic and North Atlantic Margins, Stavanger, 3, p. 25, (2004)
26-04 Beyers, J.H.M., Harms, T.M. and Sundsbø, P.A., 2004, Numerical simulation of three dimensional, transient snow drifting around a cube, Journal of wind engineering and industrial aerodynamics, vol. 92, pp. 725-747, ISSN 0167-6105
25-04 Beyers, J.H.M, Harms, T.M. and Sundsbø, P.A., 2004, Numerical simulation of snow drifting around an elevated obstacle, Proceedings of the 5th conference on snow engineering, Davos, Switzerland, pp.185-191
17-04 Michael Barkhudarov, Multi-Block Gridding Technique for FLOW-3D (Revised), Flow Science Technical Note #59-R2, FSI-00-TN59-R2
36-03 Heimsund, S., Hansen, E.W.M. and Nemec, W., Numerical CFD simulation of turbidity currents and comparison with laboratory data, In: Hodgetts, D., Hodgson, D. and Smith, R. (Ed.), Slope Modelling Workshop Abstracts, Experimental, Reservoir and Forward Modelling of Turbidity Currents and Deep-Water Sedimentary Systems, Liverpool Univ., p. 13., (2003b)
35-03 Heimsund, S., Hansen, E.W.M. and Nemec, W. Computational 3-D fluid-dynamics model for sediment transport, erosion and deposition by turbidity currents, In: Nakrem, H.A. (Ed.), Abstracts and Proceedings of the Geological Society of Norway (NGF), Den 18. Vinterkonferansen, Oslo, 1, p. 39., (2003a)
33-03 Beyers, J.H.M., Sundsbø, P.A. and Harms, T.M., 2003, Numerical simulation and verification of drifting snow around a cube, Proceedings of the 11th international conference on wind engineering, Texas Tech University, Lubbock, Texas, USA, pp. 1886-1893
25-03 J. M Brethour, Moving Boundaries an Eularian Approach, Moving Boundaries VII, Computational Modelling of Free and Moving Boundary Problems, A. A. Mammoli & C.A. Brebbia, WIT Press
46-01 Yasunori Iwai, Takumi Hayashi, Toshihiko Yamanishi, Kazuhiro Kobayashi and Masataka Nishi, Simulation of Tritium Behavior after Intended Tritium Release in Ventilated Room, Journal of Nuclear Science and Technology, Vol. 38, No. 1, p. 63-75, January 2001
23-01 Borre Bang, Dag Lukkassen, Application of Homogenization Theory Related to Stokes Flow in Porous Media, Applications of Mathematics, Narvik, Norway, No 4, pp. 309-319.
15-01 Ernst Hansen, SINTEF Energy Research, Trondheim, Norway, Computer Simulation Helps Increase Flow Rate in Three-Phase Separator, Drilling Marketplace, Vol 55, No 10, May 15, 2001, pp.14
21-00 Claus Maier, Stefan aus der Wiesche and Eberhard P. Hofer, Impact of Microdrops on Solid Surfaces for DNA-Synthesis, Department of Measurement, Control and Microtechnology, University of Ulm, Technical Proceedings of the 2000 International Conference on Modeling and Simulation of Microsystems, pp. 586-589
8-00 Thomas K. Thiis and Christian Jaedicke, Changes in the Snowdrift Pattern Caused by a Building Extension—Investigations Through Scale Modeling and Numerical Simulations, Snow Engineering, edited by Hjorth-Hansen, et al, Balkema, Rotterdam, 2000, pp. 363-368
11-99 Thomas K. Thiis and Yngvar Gjessing, Large-scale Measurements of Snowdrifts Around Flat-roofed and Single-pitch-roofed Buildings, Cold Regions Science and Technology 30, Narvik, Norway, May 17, 1999, pp. 175-181
3-99 A. A. Gubaidullin, Jr., T. N. Dinh, and B. R. Sehgal, Analysis of Natural Convection Heat Transfer and Flows in Internally Heated Stratified Liquid, accepted for publication 33rd Natl. Heat Transfer Conf. CD proceedings, Albuquerque, NM, August 15-17, 1999
20-98 Mark W. Silva, A Computational Study of Highly Viscous Impinging Jets, published by the Amarillo National Resource Center for Plutonium, ANRCP-1998-18, November 1998
11-98 P-A Sundsbo, Numerical simulations of wind deflection fins to control snow accumulation in building steps, Journal of Wind Engineering and Industrial Aerodynamics 74-76 (1998) 543-552
22-97 Christopher J. Matice, Simulation of High Speed Filling, Presented at High Speed Processing & Filling of Plastic Containers, SME, Chicago, Illinois, November 11, 1997.
12-97 B. Entezam and W. K. Van Moorhem, University of Utah, Salt Lake City, UT and J. Majdalani, Marquette University, Milwaukee, WI, Modeling of a Rijke-Tube Pulse Combustor Using Computational Fluid Dynamics, presented at 33rd AIAA/ASME/SAE/ASEE Joint Propulsion Conference & Exhibit, Seattle, WA, July 6-9, 1997.
11-97 B. Entezam, Computational and Experimental Investigation of Unsteady Flowfield Inside the Rijke Tube, doctoral thesis submitted to University of Utah, Dept. Mechanical Engineering, Salt Lake City, UT, June 1997
1-97 P. A. Sundsbo, Four Layer Modelling and Numerical Simulations of Snow Drift, to be submitted to the Journal of Glaciology, 1997
23-96 Andy K Palmer, Computational Fluid Dynamic Software Comparison and Electrostatic Precipitator Modeling, Presented to the Faculty of California State University, Summer 1996
21-96 P. A. Sundsbo, Computer Simulation of Snow-Drift around Structures, Proceedings of the 4th Symposium on Building Physics in the Nordic Countries, Vol. 2, 533-539, Finland, 9-10 Sep. 1996
20-96 P. A. Sundsbo and E.W.M. Hansen, Modelling and Numerical Simulation of Snow-Drift around Snow Fences, Proceedings of the 3rd International Conference on Snow Engineering, Sendai, Japan, 26-31 May 1996
18-96 T. Iverson, Editor, Applied Modelling and Simulation, Proceedings of the 38th SIMS Simulation Conference, Norwegian University of Science and Technology, Trondheim, Norway, June 11-13, 1996
17-96 C. L. Parish, Modeling Compressible Flow Through an Orifice Stack Using Numerical Methods, thesis submitted for M.S. Mech. Engineering, NM State University, Las Cruces, NM, December 1996
15-96 T. Wiik and R. K. Calay, A Study of Balcony on Flow-Field and Wind Loads for Low-Rise Buildings, Fourth Symposium on Building Physics in the Nordic Countries, Dipoli, Espoo, Finland, September 1996
14-96 T. Wiik, E.W.M. Hansen, The Assessment of Wind Loads on Roof Overhang of Low-Rise Buildings, Second International Symposium Wind Engineering, Fort Collins, CO, September 1996
13-96 T. Wiik, R. K. Calay, and A. Holdo, A Study of Effects of Eaves on Flow-Field and Wind Loads for Low-Rise Houses, Third International Colloquium on Bluff Body Aerodynamics and Applications, Blacksburg, Virginia, August 1996
8-96 J. Bakken, E. Naess, T. Engebretsen, and E. W. M. Hansen, Fluid Flow in Porous Media, proceedings of the 38th SIMS Simulations Conference, Norwegian Univ. of Science & Technology, Trondheim, Norway, June 11-13, 1996
7-96E. W. M. Hansen, Performance of Oil/Water Gravity Separators Imposed to Motion, proceedings of the 38th SIMS Simulations Conference, Norwegian Univ. of Science & Technology, Trondheim, Norway, June 11-13, 1996
8-95 J. J. Francis, Computational Hydrodynamic Study of Flow through a Vertical Slurry Heat Exchanger, NSF Summer Research Program, Dept. Mech. Engineering, Univ. of Nevada Las Vegas, August 9, 1995
4-94 J. L. Ditter and C. W. Hirt, A Scalable Model for Mixing Vessels, Flow Science report, FSI-94-00-1, presented at the 1994 ASME Fluids Engineering Summer Meeting, Incline Village, NV, June 1994
3-94 A. Nielsen, B. Bang, P. A. Sundsbo and T. Wiik, Computer Simulation of Windspeed, Windpressure and Snow Accumulation around Buildings (SNOW-SIM), 1st International Conference on HVAC in Cold Climate, Rovaniemi, Finland, from Narvik Institute of Technology, Narvik, Norway, March 1994
2-94 J. M. Sicilian, Addition of an Extended Bubble Model to FLOW-3D, Flow Science report, FSI-94-58-1, March 1994
10-93 C. Philippe, Summary Report on Test Calculations with FLOW-3D/CAST93, (coupled-rigid-body dynamics model), ESTEC, Noordwijk, The Netherlands, September 17, 1993
5-93 J. M. Sicilian, J. L. Ditter and C. L. Bronisz,FLOW-3D Analyses of CFD Triathlon Benchmark, Flow Science report, presented at the ASME Fluids Engineering Conference, Washington DC, June 20-24, 1993
3-93 E. W. M. Hansen, Modelling and Simulation of Separation Effects and Fluid Flow Behaviour in Process-Units, SIMS’93 – 35th Simulation Conference, Kongsberg, Norway, June 9-11, 1993
11-92 G. Trapaga, E. F. Matthys, J. J. Valencia and J. Szekely, Fluid Flow, Heat Transfer, and Solidification of Molten Metal Droplets Impinging on Substrates: Comparison of Numerical and Experimental Results, Metallurgical Transactions B, Vol. 23B, pp. 701-718, December 1992
5-92 C. W. Hirt, Volume-Fraction Techniques: Powerful Tools for Flow Modeling, Flow Science report (FSI-92-00-02), presented at the Computational Wind Engineering Conference, University of Tokyo, August 1992
3-92 C. L. Bronisz and C.W. Hirt, Lubricant Flow in a Rotary Lip Seal, Flow Science Technical Note #33, February 1992 (FSI-92-TN33)
16-91 A. Nielsen, SNOW-SIM – Computer Model for Simulation of Wind and Snow Loads on Buildings and Structures, Building Science, Narvik Institute of Technology, Narvik, Norway, (not dated)
15-91 E. W. M. Hansen, H. Heitmann, B. Laska, A. Ellingsen, O. Ostby, T. B. Morrow and F. T. Dodge, Fluid Flow Modelling of Gravity Separators, SINTEF, Norway and Southwest Research Institute, Texas, Elsevier Science Publishers, 1991
13-91 G. Trapaga and J. Szekely, Mathematical Modeling of the Isothermal Impingement of Liquid Droplets in Spraying Processes, Metallurgical Transactions, Vol. 22B, pp. 901-914, December 1991
11-91 N. Saluja and J. Szekely, Velocity Fields and Free Surface Phenomena in an Inductively Stirred Mercury Pool, European Journal of Mechanics, B/Fluids, Vol. 10, No. 5, pp. 563-572, Oct. 1991
4-90 J. M. Sicilian, A Note on Implementing Specified Velocities and Momentum Sources, Flow Science report, September 1990 (FSI-90-00-5)
13-90 P. Jonsson, N. Saluja, O. J. Ilegbusi, and J. Szekely, Fluid Flow Phenomena in the Filling of Cylindrical Molds Using Newtonian (Turbulent) and Non-Newtonian (Power Law) Fluids, submitted to Trans. of the American Foundrymen’s Soc., June 1990
7-90 C. L. Bronisz and C. W. Hirt, Modeling Unsaturated Flow in Porous Media: A FLOW-3D Extension, Flow Science report, July 1990 (FSI-90-48-2)
5-90 C. L. Bronisz and C. W. Hirt, Hydrodynamic Ram Simulations Using FLOW-3D, Flow Science report, May 1990 (FSI-90-49-1)
3-90 C. W. Hirt, Turbojet Plume Flow Analysis, Flow Science report, February 1990 (FSI-90-45-1)
5-89 K. S. Eckhoff and E. W. M. Hansen, Mathematical Modelling and Numerical Investigation of Separation in Two-Phase Rotating Flow, SINTEF-Foundation for Scientific and Industrial Research at the Norwegian Institute of Technology, Trondheim, Norway, Report No. OR 22 1907.00.01.89, 29 April 1989
2-88 J. M. Sicilian and C. W. Hirt, AFT Field Joint: CFD Analysis Using the FLOW-3D Program, in Redesigned Solid Rocket Motor Circumferential Flow Technical Interchange Meeting Final Report, NASA-TWR-17788, February 1988
14-87 C. J. Freitas, S. T. Green, and T. B. Morrow, Fluid Dynamics Associated with Ductile Pipeline Fracture, Southwest Research Institute report presented at ASME Winter Annual Meeting, Boston, MA, December 1987
13-87 J. Sicilian, The FLOW-3D Model for Thermal Conduction in Solids, Flow Science report, Dec. 1987 (FSI-87-00-4)
4-87 J.M. Sicilian, C.W. Hirt, and R. P. Harper, FLOW-3D: Computational Modeling Power for Scientists and Engineers, Flow Science report, 1987 (FSI-87-00-1)
3-86 J. M. Sicilian, Natural-Convection Heat-Transfer Analysis, Flow Science Technical Note #4, June 1986 (FSI-86-00-TN4)
2-86 J. Navickas and C. R. Cross, Air Circulation Characteristics and Convective Losses in a 5-MW Molten Salt Cavity Solar Receiver, ASME 8th Annual Conference on Solar Engineering, Anaheim, California, April 13-16, 1986
5-85 C. W. Hirt and R. P. Harper, Calculations of Vent Clearing in a Chemical Process Tank, Flow Science report, December 1985 (FSI-85-28-1)
2-84Applications of SOLA-3D/FSI to Fluid Slosh, Flow Science report, May 1984
86-20 Malte Leonhard, Matthias Todte, Jörg Schäfer, Realistic simulation of the combustion of exothermic feeders, Modern Casting, August 2020; pp. 35-40, 2020. (See also 58-19)
52-20 Mingfan Qi, Yonglin Kang, Jingyuan Li, Zhumabieke Wulabieke, Yuzhao Xu, Yangde Li, Aisen Liu, Junchen Chen, Microstructures refinement and mechanical properties enhancement of aluminum and magnesium alloys by combining distributary-confluence channel process for semisolid slurry preparation with high pressure die-casting, Journal of Materials Processing Technology, 285; 116800, 2020. doi.org/10.1016/j.jmatprotec.2020.116800
46-20 Yasushi Iwata, Shuxin Dong, Yoshio Sugiyama, Jun Yaokawa, Melt permeability changes during solidification of aluminum alloys and application to feeding simulation for die castings, Materials Transactions, 61.7; pp. 1381-1386, 2020. doi.org/10.2320/matertrans.F-M2020822
20-20 Wu Yue, Li Zhuo and Lu Rong, Simulation and visual tester verification of solid propellant slurry vacuum plate casting, Propellants, Explosives, Pyrotechnics, 2020. doi.org/10.1002/prep.201900411
17-20 C.A. Jones, M.R. Jolly, A.E.W. Jarfors and M. Irwin, An experimental characterization of thermophysical properties of a porous ceramic shell used in the investment casting process, Supplimental Proceedings, pp. 1095-1105, TMS 2020 149th Annual Meeting and Exhibition, San Diego, CA, February 23-27, 2020. doi.org/10.1007/978-3-030-36296-6_102
12-20 Franz Josef Feikus, Paul Bernsteiner, Ricardo Fernández Gutiérrez and Michal Luszczak , Further development of electric motor housings, MTZ Worldwide, 81, pp. 38-43, 2020. doi.org/10.1007/s38313-019-0176-z
09-20 Mingfan Qi, Yonglin Kang, Yuzhao Xu, Zhumabieke Wulabieke and Jingyuan Li, A novel rheological high pressure die-casting process for preparing large thin-walled Al–Si–Fe–Mg–Sr alloy with high heat conductivity, high plasticity and medium strength, Materials Science and Engineering: A, 776, art. no. 139040, 2020. doi.org/10.1016/j.msea.2020.139040
07-20 Stefan Heugenhauser, Erhard Kaschnitz and Peter Schumacher, Development of an aluminum compound casting process – Experiments and numerical simulations, Journal of Materials Processing Technology, 279, art. no. 116578, 2020. doi.org/10.1016/j.jmatprotec.2019.116578
05-20 Michail Papanikolaou, Emanuele Pagone, Mark Jolly and Konstantinos Salonitis, Numerical simulation and evaluation of Campbell running and gating systems, Metals, 10.1, art. no. 68, 2020. doi.org/10.3390/met10010068
102-19 Ferencz Peti and Gabriela Strnad, The effect of squeeze pin dimension and operational parameters on material homogeneity of aluminium high pressure die cast parts, Acta Marisiensis. Seria Technologica, 16.2, 2019. doi.org/0.2478/amset-2019-0010
94-19 E. Riedel, I. Horn, N. Stein, H. Stein, R. Bahr, and S. Scharf, Ultrasonic treatment: a clean technology that supports sustainability incasting processes, Procedia, 26th CIRP Life Cycle Engineering (LCE) Conference, Indianapolis, Indiana, USA, May 7-9, 2019.
93-19 Adrian V. Catalina, Liping Xue, Charles A. Monroe, Robin D. Foley, and John A. Griffin, Modeling and Simulation of Microstructure and Mechanical Properties of AlSi- and AlCu-based Alloys, Transactions, 123rd Metalcasting Congress, Atlanta, GA, USA, April 27-30, 2019.
84-19 Arun Prabhakar, Michail Papanikolaou, Konstantinos Salonitis, and Mark Jolly, Sand casting of sheet lead: numerical simulation of metal flow and solidification, The International Journal of Advanced Manufacturing Technology, pp. 1-13, 2019. doi:10.1007/s00170-019-04522-3
71-19 Sebastian Findeisen, Robin Van Der Auwera, Michael Heuser, and Franz-Josef Wöstmann, Gießtechnische Fertigung von E-Motorengehäusen mit interner Kühling (Casting production of electric motor housings with internal cooling), Geisserei, 106, pp. 72-78, 2019 (in German).
58-19 Von Malte Leonhard, Matthias Todte, and Jörg Schäffer, Realistic simulation of the combustion of exothermic feeders, Casting, No. 2, pp. 28-32, 2019. In English and German.
47-19 Bing Zhou, Shuai Lu, Kaile Xu, Chun Xu, and Zhanyong Wang, Microstructure and simulation of semisolid aluminum alloy castings in the process of stirring integrated transfer-heat (SIT) with water cooling, International Journal of Metalcasting, Online edition, pp. 1-13, 2019. doi: 10.1007/s40962-019-00357-6
31-19 Zihao Yuan, Zhipeng Guo, and S.M. Xiong, Skin layer of A380 aluminium alloy die castings and its blistering during solution treatment, Journal of Materials Science & Technology, Vol. 35, No. 9, pp. 1906-1916, 2019. doi: 10.1016/j.jmst.2019.05.011
25-19 Stefano Mascetti, Raul Pirovano, and Giulio Timelli, Interazione metallo liquido/stampo: Il fenomeno della metallizzazione, La Metallurgia Italiana, No. 4, pp. 44-50, 2019. In Italian.
20-19 Fu-Yuan Hsu, Campbellology for runner system design, Shape Casting: The Minerals, Metals & Materials Series, pp. 187-199, 2019. doi: 10.1007/978-3-030-06034-3_19
19-19 Chengcheng Lyu, Michail Papanikolaou, and Mark Jolly, Numerical process modelling and simulation of Campbell running systems designs, Shape Casting: The Minerals, Metals & Materials Series, pp. 53-64, 2019. doi: 10.1007/978-3-030-06034-3_5
18-19 Adrian V. Catalina, Liping Xue, and Charles Monroe, A solidification model with application to AlSi-based alloys, Shape Casting: The Minerals, Metals & Materials Series, pp. 201-213, 2019. doi: 10.1007/978-3-030-06034-3_20
17-19 Fu-Yuan Hsu and Yu-Hung Chen, The validation of feeder modeling for ductile iron castings, Shape Casting: The Minerals, Metals & Materials Series, pp. 227-238, 2019. doi: 10.1007/978-3-030-06034-3_22
02-19 Jingying Sun, Qichi Le, Li Fu, Jing Bai, Johannes Tretter, Klaus Herbold and Hongwei Huo, Gas entrainment behavior of aluminum alloy engine crankcases during the low-pressure-die-casting-process, Journal of Materials Processing Technology, Vol. 266, pp. 274-282, 2019. doi: 10.1016/j.jmatprotec.2018.11.016
82-18 Xu Zhao, Ping Wang, Tao Li, Bo-yu Zhang, Peng Wang, Guan-zhou Wang and Shi-qi Lu, Gating system optimization of high pressure die casting thin-wall AlSi10MnMg longitudinal loadbearing beam based on numerical simulation, China Foundry, Vol. 15, no. 6, pp. 436-442, 2018. doi: 10.1007/s41230-018-8052-z
80-18 Michail Papanikolaou, Emanuele Pagone, Konstantinos Salonitis, Mark Jolly and Charalampos Makatsoris, A computational framework towards energy efficient casting processes, Sustainable Design and Manufacturing 2018: Proceedings of the 5th International Conference on Sustainable Design and Manufacturing (KES-SDM-18), Gold Coast, Australia, June 24-26 2018, SIST 130, pp. 263-276, 2019. doi: 10.1007/978-3-030-04290-5_27
51-18 Xue-feng Zhu, Bao-yi Yu, Li Zheng, Bo-ning Yu, Qiang Li, Shu-ning Lü and Hao Zhang, Influence of pouring methods on filling process, microstructure and mechanical properties of AZ91 Mg alloy pipe by horizontal centrifugal casting, China Foundry, vol. 15, no. 3, pp.196-202, 2018. doi: 10.1007/s41230-018-7256-6
47-18 Santosh Reddy Sama, Jiayi Wang and Guha Manogharan, Non-conventional mold design for metal casting using 3D sand-printing, Journal of Manufacturing Processes, vol. 34-B, pp. 765-775, 2018. doi: 10.1016/j.jmapro.2018.03.049
42-18 M. Koru and O. Serçe, The Effects of Thermal and Dynamical Parameters and Vacuum Application on Porosity in High-Pressure Die Casting of A383 Al-Alloy, International Journal of Metalcasting, pp. 1-17, 2018. /doi: 10.1007/s40962-018-0214-7
41-18 Abhilash Viswanath, S. Savithri, U.T.S. Pillai, Similitude analysis on flow characteristics of water, A356 and AM50 alloys during LPC process, Journal of Materials Processing Technology, vol. 257, pp. 270-277, 2018. doi: 10.1016/j.jmatprotec.2018.02.031
29-18 Seyboldt, Christoph and Liewald, Mathias, Investigation on thixojoining to produce hybrid components with intermetallic phase, AIP Conference Proceedings, vol. 1960, no. 1, 2018. doi: 10.1063/1.5034992
28-18 Laura Schomer, Mathias Liewald and Kim Rouven Riedmüller, Simulation of the infiltration process of a ceramic open-pore body with a metal alloy in semi-solid state to design the manufacturing of interpenetrating phase composites, AIP Conference Proceedings, vol. 1960, no. 1, 2018. doi: 10.1063/1.5034991
88-16 M.C. Carter, T. Kauffung, L. Weyenberg and C. Peters, Low Pressure Die Casting Simulation Discovery through Short Shot, Cast Expo & Metal Casting Congress, April 16-19, 2016, Minneapolis, MN, Copyright 2016 American Foundry Society.
20-16 Fu-Yuan Hsu, Bifilm Defect Formation in Hydraulic Jump of Liquid Aluminum, Metallurgical and Materials Transactions B, 2016, Band: 47, Heft 3, 1634-1648.
15-16 Mingfan Qia, Yonglin Kanga, Bing Zhoua, Wanneng Liaoa, Guoming Zhua, Yangde Lib,and Weirong Li, A forced convection stirring process for Rheo-HPDC aluminum and magnesium alloys, Journal of Materials Processing Technology 234 (2016) 353–367
112-15 José Miguel Gonçalves Ledo Belo da Costa, Optimization of filling systems for low pressure by FLOW-3D, Dissertação de mestrado integrado em Engenharia Mecânica, http://hdl.handle.net/1822/40132, 2015
88-15 Peng Zhang, Zhenming Li, Baoliang Liu, Wenjiang Ding and Liming Peng, Improved tensile properties of a new aluminum alloy for high pressure die casting, Materials Science & Engineering A651(2016)376–390, Available online, November 2015.
82-15 J. Müller, L. Xue, M.C. Carter, C. Thoma, M. Fehlbier and M. Todte, A Die Spray Cooling Model for Thermal Die Cycling Simulations, 2015 Die Casting Congress & Exposition, Indianapolis, IN, October 2015
81-15 M. T. Murray, L.F. Hansen, L. Chilcott, E. Li and A.M. Murray, Case Studies in the Use of Simulation- Improved Yield and Reduced Time to Market, 2015 Die Casting Congress & Exposition, Indianapolis, IN, October 2015
80-15 R. Bhola, S. Chandra and D. Souders, Predicting Castability of Thin-Walled Parts for the HPDC Process Using Simulations, 2015 Die Casting Congress & Exposition, Indianapolis, IN, October 2015
76-15 Prosenjit Das, Sudip K. Samanta, Shashank Tiwari and Pradip Dutta, Die Filling Behaviour of Semi Solid A356 Al Alloy Slurry During Rheo Pressure Die Casting, Transactions of the Indian Institute of Metals, pp 1-6, October 2015
74-15 Murat KORU and Orhan SERÇE, Yüksek Basınçlı Döküm Prosesinde Enjeksiyon Parametrelerine Bağlı Olarak Döküm Simülasyon, Cumhuriyet University Faculty of Science, Science Journal (CSJ), Vol. 36, No: 5 (2015) ISSN: 1300-1949, May 2015
69-15 A. Viswanath, S. Sivaraman, U. T. S. Pillai, Computer Simulation of Low Pressure Casting Process Using FLOW-3D, Materials Science Forum, Vols. 830-831, pp. 45-48, September 2015
68-15 J. Aneesh Kumar, K. Krishnakumar and S. Savithri, Computer Simulation of Centrifugal Casting Process Using FLOW-3D, Materials Science Forum, Vols. 830-831, pp. 53-56, September 2015
59-15 F. Hosseini Yekta and S. A. Sadough Vanini, Simulation of the flow of semi-solid steel alloy using an enhanced model, Metals and Materials International, August 2015.
138-14 Christopher Thoma, Wolfram Volk, Ruben Heid, Klaus Dilger, Gregor Banner and Harald Eibisch, Simulation-based prediction of the fracture elongation as a failure criterion for thin-walled high-pressure die casting components, International Journal of Metalcasting, Vol. 8, No. 4, pp. 47-54, 2014. doi:10.1007/BF03355594
107-14 Mehran Seyed Ahmadi, Dissolution of Si in Molten Al with Gas Injection, ProQuest Dissertations And Theses; Thesis (Ph.D.), University of Toronto (Canada), 2014; Publication Number: AAT 3637106; ISBN: 9781321195231; Source: Dissertation Abstracts International, Volume: 76-02(E), Section: B.; 191 p.
92-14 Warren Bishenden and Changhua Huang, Venting design and process optimization of die casting process for structural components; Part II: Venting design and process optimization, Die Casting Engineer, November 2014
90-14 Ken’ichi Kanazawa, Ken’ichi Yano, Jun’ichi Ogura, and Yasunori Nemoto, Optimum Runner Design for Die-Casting using CFD Simulations and Verification with Water-Model Experiments, Proceedings of the ASME 2014 International Mechanical Engineering Congress and Exposition, IMECE2014, November 14-20, 2014, Montreal, Quebec, Canada, IMECE2014-37419
89-14 P. Kapranos, C. Carney, A. Pola, and M. Jolly, Advanced Casting Methodologies: Investment Casting, Centrifugal Casting, Squeeze Casting, Metal Spinning, and Batch Casting, In Comprehensive Materials Processing; McGeough, J., Ed.; 2014, Elsevier Ltd., 2014; Vol. 5, pp 39–67.
69-14 L. Xue, M.C. Carter, A.V. Catalina, Z. Lin, C. Li, and C. Qiu, Predicting, Preventing Core Gas Defects in Steel Castings, Modern Casting, September 2014
68-14 L. Xue, M.C. Carter, A.V. Catalina, Z. Lin, C. Li, and C. Qiu, Numerical Simulation of Core Gas Defects in Steel Castings, Copyright 2014 American Foundry Society, 118th Metalcasting Congress, April 8 – 11, 2014, Schaumburg, IL
51-14 Jesus M. Blanco, Primitivo Carranza, Rafael Pintos, Pedro Arriaga, and Lakhdar Remaki, Identification of Defects Originated during the Filling of Cast Pieces through Particles Modelling, 11th World Congress on Computational Mechanics (WCCM XI), 5th European Conference on Computational Mechanics (ECCM V), 6th European Conference on Computational Fluid Dynamics (ECFD VI), E. Oñate, J. Oliver and A. Huerta (Eds)
47-14 B. Vijaya Ramnatha, C.Elanchezhiana, Vishal Chandrasekhar, A. Arun Kumarb, S. Mohamed Asif, G. Riyaz Mohamed, D. Vinodh Raj , C .Suresh Kumar, Analysis and Optimization of Gating System for Commutator End Bracket, Procedia Materials Science 6 ( 2014 ) 1312 – 1328, 3rd International Conference on Materials Processing and Characterisation (ICMPC 2014)
20-14 Johannes Hartmann, Tobias Fiegl, Carolin Körner, Aluminum integral foams with tailored density profile by adapted blowing agents, Applied Physics A, 10.1007/s00339-014-8377-4, March 2014.
08-14 FY Hsu, SW Wang, and HJ Lin, The External and Internal Shrinkages in Aluminum Gravity Castings, Shape Casting: 5th International Symposium 2014. Available online at Google Books
103-13 B. Fuchs, H. Eibisch and C. Körner, Core Viability Simulation for Salt Core Technology in High-Pressure Die Casting, International Journal of Metalcasting, July 2013, Volume 7, Issue 3, pp 39–45
84-13 Körner, C., Schwankl, M., Himmler, D., Aluminum-Aluminum compound castings by electroless deposited zinc layers, Journal of Materials Processing Technology (2014), http://dx.doi.org/10.1016/j.jmatprotec.2013.12.01483-13.
77-13 Antonio Armillotta & Raffaello Baraggi & Simone Fasoli, SLM tooling for die casting with conformal cooling channels, The International Journal of Advanced Manufacturing Technology, DOI 10.1007/s00170-013-5523-7, December 2013.
64-13 Johannes Hartmann, Christina Blümel, Stefan Ernst, Tobias Fiegl, Karl-Ernst Wirth, Carolin Körner, Aluminum integral foam castings with microcellular cores by nano-functionalization, J Mater Sci, DOI: 10.1007/s10853-013-7668-z, September 2013.
42-13 Yang Yue, William D. Griffiths, and Nick R. Green, Modelling of the Effects of Entrainment Defects on Mechanical Properties in a Cast Al-Si-Mg Alloy, Materials Science Forum, 765, 225, 2013.
39-13 J. Crapps, D.S. DeCroix, J.D Galloway, D.A. Korzekwa, R. Aikin, R. Fielding, R. Kennedy, C. Unal, Separate effects identification via casting process modeling for experimental measurement of U-Pu-Zr alloys, Journal of Nuclear Materials, 15 July 2013.
09-13 M.C. Carter and L. Xue, Simulating the Parameters that Affect Core Gas Defects in Metal Castings, Copyright 2012 American Foundry Society, Presented at the 2013 CastExpo, St. Louis, Missouri, April 2013
08-13 C. Reilly, N.R. Green, M.R. Jolly, J.-C. Gebelin, The Modelling Of Oxide Film Entrainment In Casting Systems Using Computational Modelling, Applied Mathematical Modelling, http://dx.doi.org/10.1016/j.apm.2013.03.061, April 2013.
03-13 Alexandre Reikher and Krishna M. Pillai, A fast simulation of transient metal flow and solidification in a narrow channel. Part II. Model validation and parametric study, Int. J. Heat Mass Transfer (2013), http://dx.doi.org/10.1016/j.ijheatmasstransfer.2012.12.061.
02-13 Alexandre Reikher and Krishna M. Pillai, A fast simulation of transient metal flow and solidification in a narrow channel. Part I: Model development using lubrication approximation, Int. J. Heat Mass Transfer (2013), http://dx.doi.org/10.1016/j.ijheatmasstransfer.2012.12.060.
116-12 Jufu Jianga, Ying Wang, Gang Chena, Jun Liua, Yuanfa Li and Shoujing Luo, “Comparison of mechanical properties and microstructure of AZ91D alloy motorcycle wheels formed by die casting and double control forming, Materials & Design, Volume 40, September 2012, Pages 541-549.
103-12 WU Shu-sen, ZHONG Gu, AN Ping, WAN Li, H. NAKAE, Microstructural characteristics of Al−20Si−2Cu−0.4Mg−1Ni alloy formed by rheo-squeeze casting after ultrasonic vibration treatment, Transactions of Nonferrous Metals Society of China, 22 (2012) 2863-2870, November 2012. Full paper available online.
97-12 Hong Zhou and Li Heng Luo, Filling Pattern of Step Gating System in Lost Foam Casting Process and its Application, Advanced Materials Research, Volumes 602-604, Progress in Materials and Processes, 1916-1921, December 2012.
93-12 Liangchi Zhang, Chunliang Zhang, Jeng-Haur Horng and Zichen Chen, Functions of Step Gating System in the Lost Foam Casting Process, Advanced Materials Research, 591-593, 940, DOI: 10.4028/www.scientific.net/AMR.591-593.940, November 2012.
91-12 Hong Yan, Jian Bin Zhu, Ping Shan, Numerical Simulation on Rheo-Diecasting of Magnesium Matrix Composites, 10.4028/www.scientific.net/SSP.192-193.287, Solid State Phenomena, 192-193, 287.
89-12 Alexandre Reikher and Krishna M. Pillai, A Fast Numerical Simulation for Modeling Simultaneous Metal Flow and Solidification in Thin Cavities Using the Lubrication Approximation, Numerical Heat Transfer, Part A: Applications: An International Journal of Computation and Methodology, 63:2, 75-100, November 2012.
82-12 Jufu Jiang, Gang Chen, Ying Wang, Zhiming Du, Weiwei Shan, and Yuanfa Li, Microstructure and mechanical properties of thin-wall and high-rib parts of AM60B Mg alloy formed by double control forming and die casting under the optimal conditions, Journal of Alloys and Compounds, http://dx.doi.org/10.1016/j.jallcom.2012.10.086, October 2012.
65-12 X.H. Yang, T.J. Lu, T. Kim, Influence of non-conducting pore inclusions on phase change behavior of porous media with constant heat flux boundary, International Journal of Thermal Sciences, Available online 10 October 2012. Available online at SciVerse.
55-12 Hejun Li, Pengyun Wang, Lehua Qi, Hansong Zuo, Songyi Zhong, Xianghui Hou, 3D numerical simulation of successive deposition of uniform molten Al droplets on a moving substrate and experimental validation, Computational Materials Science, Volume 65, December 2012, Pages 291–301.
52-12 Hongbing Ji, Yixin Chen and Shengzhou Chen, Numerical Simulation of Inner-Outer Couple Cooling Slab Continuous Casting in the Filling Process, Advanced Materials Research (Volumes 557-559), Advanced Materials and Processes II, pp. 2257-2260, July 2012.
47-12 Petri Väyrynen, Lauri Holappa, and Seppo Louhenkilpi, Simulation of Melting of Alloying Materials in Steel Ladle, SCANMET IV – 4th International Conference on Process Development in Iron and Steelmaking, Lulea, Sweden, June 10-13, 2012.
45-12 D.R. Gunasegaram, M. Givord, R.G. O’Donnell and B.R. Finnin, Improvements engineered in UTS and elongation of aluminum alloy high pressure die castings through the alteration of runner geometry and plunger velocity, Materials Science & Engineering.
41-12 Deniece R. Korzekwa, Cameron M. Knapp, David A. Korzekwa, and John W. Gibbs, Co-Design – Fabrication of Unalloyed Plutonium, LA-UR-12-23441, MDI Summer Research Group Workshop Advanced Manufacturing, 2012-07-25/2012-07-26 (Los Alamos, New Mexico, United States)
29-12 Dario Tiberto and Ulrich E. Klotz, Computer simulation applied to jewellery casting: challenges, results and future possibilities, IOP Conf. Ser.: Mater. Sci. Eng.33 012008. Full paper available at IOP.
28-12 Y Yue and N R Green, Modelling of different entrainment mechanisms and their influences on the mechanical reliability of Al-Si castings, 2012 IOP Conf. Ser.: Mater. Sci. Eng. 33,012072.Full paper available at IOP.
27-12 E Kaschnitz, Numerical simulation of centrifugal casting of pipes, 2012 IOP Conf. Ser.: Mater. Sci. Eng. 33 012031, Issue 1. Full paper available at IOP.
15-12 C. Reilly, N.R Green, M.R. Jolly, The Present State Of Modeling Entrainment Defects In The Shape Casting Process, Applied Mathematical Modelling, Available online 27 April 2012, ISSN 0307-904X, 10.1016/j.apm.2012.04.032.
12-12 Andrei Starobin, Tony Hirt, Hubert Lang, and Matthias Todte, Core drying simulation and validation, International Foundry Research, GIESSEREIFORSCHUNG 64 (2012) No. 1, ISSN 0046-5933, pp 2-5
04-12 J. Spangenberg, N. Roussel, J.H. Hattel, H. Stang, J. Skocek, M.R. Geiker, Flow induced particle migration in fresh concrete: Theoretical frame, numerical simulations and experimental results on model fluids, Cement and Concrete Research, http://dx.doi.org/10.1016/j.cemconres.2012.01.007, February 2012.
01-12 Lee, B., Baek, U., and Han, J., Optimization of Gating System Design for Die Casting of Thin Magnesium Alloy-Based Multi-Cavity LCD Housings, Journal of Materials Engineering and Performance, Springer New York, Issn: 1059-9495, 10.1007/s11665-011-0111-1, Volume 1 / 1992 – Volume 21 / 2012. Available online at Springer Link.
104-11 Fu-Yuan Hsu and Huey Jiuan Lin, Foam Filters Used in Gravity Casting, Metall and Materi Trans B (2011) 42: 1110. doi:10.1007/s11663-011-9548-8.
99-11 Eduardo Trejo, Centrifugal Casting of an Aluminium Alloy, thesis: Doctor of Philosophy, Metallurgy and Materials School of Engineering University of Birmingham, October 2011. Full paper available upon request.
71-11 Fu-Yuan Hsu and Yao-Ming Yang Confluence Weld in an Aluminum Gravity Casting, Journal of Materials Processing Technology, Available online 23 November 2011, ISSN 0924-0136, 10.1016/j.jmatprotec.2011.11.006.
46-11 Daniel Einsiedler, Entwicklung einer Simulationsmethodik zur Simulation von Strömungs- und Trocknungsvorgängen bei Kernfertigungsprozessen mittels CFD (Development of a simulation methodology for simulating flow and drying operations in core production processes using CFD), MSc thesis at Technical University of Aalen in Germany (Hochschule Aalen), 2011.
31-11 Johannes Hartmann, André Trepper, Carolin Körner, Aluminum Integral Foams with Near-Microcellular Structure, Advanced Engineering Materials, 13: n/a. doi: 10.1002/adem.201100035, June 2011.
21-11 Thang Nguyen, Vu Nguyen, Morris Murray, Gary Savage, John Carrig, Modelling Die Filling in Ultra-Thin Aluminium Castings, Materials Science Forum (Volume 690), Light Metals Technology V, pp 107-111, 10.4028/www.scientific.net/MSF.690.107, June 2011.
15-11 J. J. Hernández-Ortega, R. Zamora, J. López, and F. Faura, Numerical Analysis of Air Pressure Effects on the Flow Pattern during the Filling of a Vertical Die Cavity, AIP Conf. Proc., Volume 1353, pp. 1238-1243, The 14th International Esaform Conference on Material Forming: Esaform 2011; doi:10.1063/1.3589686, May 2011. Available online.
08-11 Hai Peng Li, Chun Yong Liang, Li Hui Wang, Hong Shui Wang, Numerical Simulation of Casting Process for Gray Iron Butterfly Valve, Advanced Materials Research, 189-193, 260, February 2011.
04-11 C.W. Hirt, Predicting Core Shooting, Drying and Defect Development, Foundry Management & Technology, January 2011.
76-10 Zhizhong Sun, Henry Hu, Alfred Yu, Numerical Simulation and Experimental Study of Squeeze Casting Magnesium Alloy AM50, Magnesium Technology 2010, 2010 TMS Annual Meeting & Exhibition, February 14-18, 2010, Seattle, WA.
48-10 J. J. Hernández-Ortega, R. Zamora, J. Palacios, J. López and F. Faura, An Experimental and Numerical Study of Flow Patterns and Air Entrapment Phenomena During the Filling of a Vertical Die Cavity, J. Manuf. Sci. Eng., October 2010, Volume 132, Issue 5, 05101, doi:10.1115/1.4002535.
41-10 Pamela J. Waterman, Understanding Core-Gas Defects, Desktop Engineering, October 2010. Available online at Desktop Engineering. Also published in the Foundry Trade Journal, November 2010.
32-10 Guan Hai Yan, Sheng Dun Zhao, Zheng Hui Sha, Parameters Optimization of Semisolid Diecasting Process for Air-Conditioner’s Triple Valve in HPb59-1 Alloy, Advanced Materials Research (Volumes 129 – 131), Vol. Material and Manufacturing Technology, pp. 936-941, DOI: 10.4028/www.scientific.net/AMR.129-131.936, August 2010.
29-10 Zheng Peng, Xu Jun, Zhang Zhifeng, Bai Yuelong, and Shi Likai, Numerical Simulation of Filling of Rheo-diecasting A357 Aluminum Alloy, Special Casting & Nonferrous Alloys, DOI: CNKI:SUN:TZZZ.0.2010-01-024, 2010.
is the velocity in xi direction, t is the time, 
is the fractional area open to flow in the subscript directions, 
is the volume fraction of fluid in each cell, p is the hydrostatic pressure, 
is the density, 
is the gravitational force in subscript directions and 
is the Reynolds stresses.
Model, the Two-Equation Renormalization-Group (RNG) Model and large Eddy Simulation Model (Flow Science Inc. 2012).In this research the RNG model was selected because this model is more commonly used than other models in dealing with particles; moreover, it is more accurate to work with air entrainment and other particles. In general, the RNG model is classified as a more widely-used application than the standard k-ɛ model. And in particular, the RNG model is more accurate in flows that have strong shear regions than the standard k-ɛ model and it is defined to describe low intensity turbulent flows. For the turbulent dissipation 
it solves an additional transport equation:
, 
, 
and 
, are FLOW-3D’s FAVORTM defined terms; 
and 
are turbulence due to shearing and buoyancy effects, respectively. R and 
are related to the cylindrical coordinate system. The default values of RMTKE, CDIS1 and CNU differ, being 1.39, 1.42 and 0.085 respectively. And CDIS2 is calculated from turbulent production (
) and turbulent kinetic energy (
).The kinematic turbulent viscosity is the same in all turbulence transport models and is calculated from
: is the turbulent kinematic viscosity. 
is defined as the numerical challenge between the RNG and the two-equation k-ɛ models, found in the equation below. To avoid an unphysically large result for 
in Equation (3), since this equation could produce a value for 
very close to zero and also because the physical value of 
may approach to zero in such cases, the value of 
is calculated from the following equation:
: the turbulent length scale.
is the density of the fluid,
is a turbulent diffusion term, 
is a mass source, 
is the fractional volume open to flow. The components of velocity (u, v, w) are in the direction of coordinates (x, y, z) or (r, 
). 
in the x-direction is the fractional area open to flow, 
and 
are identical area fractions for flow in the y and z directions. The R coefficient is based on the selection of the coordinate system.
![Figure 4. Structure of artificial neural network [37]](https://www.flow3d.co.kr/wp-content/uploads/Figure-4.-Structure-of-artificial-neural-network-37.png)
![Abb. 2 Modellgeometrie, Grundriss (GR) und Schnitte für den geraden Rechen und exemplarisch der GR für den 30° geneigten Rechen – Einheiten in [m]](https://www.flow3d.co.kr/wp-content/uploads/Abb.-2-Modellgeometrie-Grundriss-GR-und-Schnitte-fur-den-geraden-Rechen-und-exemplarisch-der-GR-fur-den-30°-geneigten-Rechen-–-Einheiten-in-m.png)
![Figure 3. Schematic of the ESI model studied by Hartman et al [21].](https://www.flow3d.co.kr/wp-content/uploads/Figure-3.-Schematic-of-the-ESI-model-studied-by-Hartman-et-al-21..png)
![Figure 7. A photograph of the experimental cone shape; cone length is 4.2 ± 0.2 mm [21].](https://www.flow3d.co.kr/wp-content/uploads/Figure-7.-A-photograph-of-the-experimental-cone-shape-cone-length-is-4.2-±-0.2-mm-21..png)
![컴팩트 디스크 ELISA 칩 [2]](https://www.flow3d.co.kr/wp-content/uploads/컴팩트-디스크-ELISA-칩-2.jpg)
![컴팩트 디스크 ELISA 칩 [2]](http://www.flow3d.co.kr/wp-content/uploads/컴팩트-디스크-ELISA-칩-2.jpg)
![그림 6. CD의 5 단계 공압 펌핑 [3]](http://www.flow3d.co.kr/wp-content/uploads/그림-6.-CD의-5-단계-공압-펌핑-3.jpg)
![그림 7. 회전 주파수가 증가하면 압축이 증가합니다. [3]](http://www.flow3d.co.kr/wp-content/uploads/그림-7.-회전-주파수가-증가하면-압축이-증가.jpg)
