aUniversity of Padova, Department of Management and Engineering, Vicenza, Italy bUniversity of Bayburt, Mechanical Engineering, Bayburt, Turkey cAtilim University, Metallurgical and Materials Engineering, Ankara, Turkey dIstanbul Technical University, Metallurgical and Materials Engineering, Istanbul, Turkey eCenter for Critical and Functional Materials, ITU, Istanbul, Turkey
ABSTRACT
The demand for lighter weight decreased thickness and higher strength has become the focal point in the automotive industry. In order to meet such requirements, the addition of several alloying elements has been started to be investigated. In this work, the additions of V, B, and Sr on feedability and tensile properties of A360 has been studied. A mold design that consisted of test bars has been produced. Initially, a simulation was carried out to optimize the runners, filling, and solidification parameters. Following the tests, it was found that V addition revealed the highest UTS but low elongation at fracture, while B addition exhibited visa verse. On the other hand, impact energy was higher with B additions.
더 가벼운 무게의 감소된 두께와 더 높은 강도에 대한 요구는 자동차 산업의 초점이 되었습니다. 이러한 요구 사항을 충족하기 위해 여러 합금 원소의 추가가 조사되기 시작했습니다. 이 연구에서는 A360의 이송성 및 인장 특성에 대한 V, B 및 Sr의 첨가가 연구되었습니다. 시험봉으로 구성된 금형 설계가 제작되었습니다. 처음에는 러너, 충전 및 응고 매개변수를 최적화하기 위해 시뮬레이션이 수행되었습니다. 시험 결과, V 첨가는 UTS가 가장 높지만 파단 연신율은 낮았고, B 첨가는 visa verse를 나타냈다. 반면에 충격 에너지는 B 첨가에서 더 높았다.
Fig. 1. Modified Timelli mold design.Fig. 2. Microstructural images (a) unmodified alloy, (b) Sr modified, (c) V added, (d) B added. Fig. 3. Effect of Sr and V addition on the tensile properties of A360Fig. 4. Effect of Sr and B addition on the tensile properties of A360.Fig. 5. Bubbles chart of tensile properties values obtained from Weibull statistics. Fig. 6. Effect of Sr, V and B addition on the impact properties of A360.Fig. 7. SEM images on the fracture surfaces (a) V added, (b) B added.
References
[1] A. Johanson, Effect of Vanadium on Grain Refinement of Aluminium, Institutt for materialteknologi, 2013. [2] D.G. McCartney, Grain refining of aluminium and its alloys using inoculants, Int. Mater. Rev. 34 (1) (1989) 247–260. [3] M.T. Di Giovanni, The Influence of Ni and V Trace Elements on the High Temperature Tensile Properties of A356 Aluminium Foundry Alloy, Institutt for materialteknologi, 2014. [4] D. Casari, T.H. Ludwig, M. Merlin, L. Arnberg, G.L. Garagnani, The effect of Ni and V trace elements on the mechanical properties of A356 aluminium foundry alloy in as-cast and T6 heat treated conditions, Mater. Sci. Eng., A 610 (2014) 414–426. [5] D. Casari, T.H. Ludwig, M. Merlin, L. Arnberg, G.L. Garagnani, Impact behavior of A356 foundry alloys in the presence of trace elements Ni and V, J. Mater. Eng. Perform. 24 (2) (2015) 894–908. [6] T.H. Ludwig, P.L. Schaffer, L. Arnberg, Influence of some trace elements on solidification path and microstructure of Al-Si foundry alloys, Metall. Mater. Trans. 44 (8) (2013) 3783–3796. [7] H.A. Elhadari, H.A. Patel, D.L. Chen, W. Kasprzak, Tensile and fatigue properties of a cast aluminum alloy with Ti, Zr and V additions, Mater. Sci. Eng., A 528 (28) (2011) 8128–8138. [8] Y. Wu, H. Liao, K. Zhou, “Effect of minor addition of vanadium on mechanical properties and microstructures of as-extruded near eutectic Al–Si–Mg alloy, Mater. Sci. Eng., A 602 (2014) 41–48. [9] E.S. Dæhlen, The Effect of Vanadium on AlFeSi-Intermetallic Phases in a Hypoeutectic Al-Si Foundry Alloy, Institutt for materialteknologi, 2013. [10] B. Lin, H. Li, R. Xu, H. Xiao, W. Zhang, S. Li, Effects of vanadium on modification of iron-rich intermetallics and mechanical properties in A356 cast alloys with 1.5 wt. % Fe, J. Mater. Eng. Perform. 28 (1) (2019) 475–484. [11] P.A. Tøndel, G. Halvorsen, L. Arnberg, Grain refinement of hypoeutectic Al-Si foundry alloys by addition of boron containing silicon metal, Light Met. (1993) 783. [12] Z. Chen, et al., Grain refinement of hypoeutectic Al-Si alloys with B, Acta Mater. 120 (2016) 168–178. [13] T. Wang, Z. Chen, H. Fu, J. Xu, Y. Fu, T. Li, “Grain refining potency of Al–B master alloy on pure aluminum, Scripta Mater. 64 (12) (2011) 1121–1124. [14] M. Gorny, ´ G. Sikora, M. Kawalec, Effect of titanium and boron on the stability of grain refinement of Al-Cu alloy, Arch. Foundry Eng. 16 (2016). [15] O. ¨ Gürsoy, E. Erzi, D. Dıs¸pınar, Ti grain refinement myth and cleanliness of A356 melt, in: Shape Casting, Springer, 2019, pp. 125–130. [16] D. Dispinar, A. Nordmark, J. Voje, L. Arnberg, Influence of hydrogen content and bi-film index on feeding behaviour of Al-7Si, in: 138th TMS Annual Meeting, Shape Casting, 3rd International Symposium, San Francisco, California, USA, 2009, pp. 63–70. February 2009. [17] M. Uludag, ˘ R. Çetin, D. Dıs¸pınar, Observation of hot tearing in Sr-B modified A356 alloy, Arch. Foundry Eng. 17 (2017). [18] X.L. Cui, Y.Y. Wu, T. Gao, X.F. Liu, “Preparation of a novel Al–3B–5Sr master alloy and its modification and refinement performance on A356 alloy, J. Alloys Compd. 615 (2014) 906–911. [19] F. Wang, Z. Liu, D. Qiu, J.A. Taylor, M.A. Easton, M.-X. Zhang, Revisiting the role of peritectics in grain refinement of Al alloys, Acta Mater. 61 (1) (2013) 360–370. [20] M. Akhtar, A. Khajuria, Effects of prior austenite grain size on impression creep and microstructure in simulated heat affected zones of boron modified P91 steels, Mater. Chem. Phys. 249 (2020) 122847. [21] M. Akhtar, A. Khajuria, Probing true creep-hardening interaction in weld simulated heat affected zone of P91 steels, J. Manuf. Process. 46 (2019) 345–356. [22] E.M. Schulson, T.P. Weihs, I. Baker, H.J. Frost, J.A. Horton, Grain boundary accommodation of slip in Ni3Al containing boron, Acta Metall. 34 (7) (1986) 1395–1399. [23] I. Baker, E.M. Schulson, J.R. Michael, The effect of boron on the chemistry of grain boundaries in stoichiometric Ni3Al, Philos. Mag. A B 57 (3) (Mar. 1988) 379–385. [24] S. Zhu, et al., Influences of nickel and vanadium impurities on microstructure of aluminum alloys, JOM (J. Occup. Med.) 65 (5) (2013) 584–592. [25] D.J. Beerntsen, Effect of vanadium and zirconium on the formation of CrAI 7 primary crystals in 7075 aluminum alloy, Metall. Mater. Trans. B 8 (3) (1977) 687–688. [26] G. Timelli, A. Fabrizi, S. Capuzzi, F. Bonollo, S. Ferraro, The role of Cr additions and Fe-rich compounds on microstructural features and impact toughness of AlSi9Cu3 (Fe) diecasting alloys, Mater. Sci. Eng., A 603 (2014) 58–68. [27] S. Kirtay, D. Dispinar, Effect of ranking selection on the Weibull modulus estimation, Gazi Univ. J. Sci. 25 (1) (2012) 175–187. [28] J. Rakhmonov, G. Timelli, F. Bonollo, “The effect of transition elements on hightemperature mechanical properties of Al–Si foundry alloys–A review, Adv. Eng. Mater. 18 (7) (2016) 1096–1105.
Investigating the breach outflow hydrograph is an essential task to conduct mitigation plans and flood warnings. In the present study, the spatial dam breach is simulated by using a three-dimensional computational fluid dynamics model, FLOW-3D. The model parameters were adjusted by making a comparison with a previous experimental model. The different parameters (initial breach shape, dimensions, location, and dam slopes) are studied to investigate their effects on dam breaching. The results indicate that these parameters have a significant impact. The maximum erosion rate and peak outflow for the rectangular shape are higher than those for the V-notch by 8.85% and 5%, respectively. Increasing breach width or decreasing depth by 5% leads to increasing maximum erosion rate by 11% and 15%, respectively. Increasing the downstream slope angle by 4° leads to an increase in both peak outflow and maximum erosion rate by 2.0% and 6.0%, respectively.
유출 유출 수문곡선을 조사하는 것은 완화 계획 및 홍수 경보를 수행하는 데 필수적인 작업입니다. 본 연구에서는 3차원 전산유체역학 모델인 FLOW-3D를 사용하여 공간 댐 붕괴를 시뮬레이션합니다. 이전 실험 모델과 비교하여 모델 매개변수를 조정했습니다.
다양한 매개변수(초기 붕괴 형태, 치수, 위치 및 댐 경사)가 댐 붕괴에 미치는 영향을 조사하기 위해 연구됩니다. 결과는 이러한 매개변수가 상당한 영향을 미친다는 것을 나타냅니다. 직사각형 형태의 최대 침식율과 최대 유출량은 V-notch보다 각각 8.85%, 5% 높게 나타났습니다.
위반 폭을 늘리거나 깊이를 5% 줄이면 최대 침식률이 각각 11% 및 15% 증가합니다. 하류 경사각을 4° 증가시키면 최대 유출량과 최대 침식률이 각각 2.0% 및 6.0% 증가합니다.
Keywords
Spatial dam breach; FLOW-3D; Overtopping erosion; Computational fluid dynamics (CFD)
1. Introduction
There are many purposes for dam construction, such as protection from flood disasters, water storage, and power generation. Embankment failures may have a catastrophic impact on lives and infrastructure in the downstream regions. One of the most common causes of embankment dam failure is overtopping. Once the overtopping of the dam begins, the breach formation will start in the dam body then end with the dam failure. This failure occurs within a very short time, which threatens to be very dangerous. Therefore, understanding and modeling the embankment breaching processes is essential for conducting mitigation plans, flood warnings, and forecasting flood damage.
The analysis of the dam breaching process is implemented by different techniques: comparative methods, empirical models with dimensional and dimensionless solutions, physical-based models, and parametric models. These models were described in detail [1]. Parametric modeling is commonly used to simulate breach growth as a time-dependent linear process and calculate outflow discharge from the breach using hydraulics principles [2]. Alhasan et al. [3] presented a simple one-dimensional mathematical model and a computer code to simulate the dam breaching process. These models were validated by small dams breaching during the floods in 2002 in the Czech Republic. Fread [4] developed an erosion model (BREACH) based on hydraulics principles, sediment transport, and soil mechanics to estimate breach size, time of formation, and outflow discharge. Říha et al. [5] investigated the dam break process for a cascade of small dams using a simple parametric model for piping and overtopping erosion, as well as a 2D shallow-water flow model for the flood in downstream areas. Goodarzi et al. [6] implemented mathematical and statistical methods to assess the effect of inflows and wind speeds on the dam’s overtopping failure.
Dam breaching studies can be divided into two main modes of erosion. The first mode is called “planar dam breach” where the flow overtops the whole dam width. While the second mode is called “spatial dam breach” where the flow overtops through the initial pilot channel (i.e., a channel created in the dam body). Therefore, the erosion will be in both vertical and horizontal directions [7].
The erosion process through the embankment dams occurs due to the shear stress applied by water flows. The dam breaching evolution can be divided into three stages [8], [9], but Y. Yang et al. [10] divided the breach development into five stages: Stage I, the seepage erosion; Stage II, the initial breach formation; Stage III, the head erosion; Stage IV, the breach expansion; and Stage V, the re-equilibrium of the river channel through the breach. Many experimental tests have been carried out on non-cohesive embankment dams with an initial breach to examine the effect of upstream inflow discharges on the longitudinal profile evolution and the time to inflection point[11].
Zhang et al. [12] studied the effect of changing downstream slope angle, sediment grain size, and dam crest length on erosion rates. They noticed that increasing dam crest length and decreasing downstream slope angle lead to decreasing sediment transport rate. While the increase in sediment grain size leads to an increased sediment transport rate at the initial stages. Höeg et al. [13] presented a series of field tests to investigate the stability of embankment dams made of various materials. Overtopping and piping were among the failure tests carried out for the dams composed of homogeneous rock-fill, clay, or gravel with a height of up to 6.0 m. Hakimzadeh et al. [14] constructed 40 homogeneous cohesive and non-cohesive embankment dams to study the effect of changing sediment diameter and dam height on the breaching process. They also used genetic programming (GP) to estimate the breach outflow. Refaiy et al. [15] studied different scenarios for the downstream drain geometry, such as length, height, and angle, to minimize the effect of piping phenomena and therefore increase dam safety.
Zhu et al. [16] examined the effect of headcut erosion on dam breach growth, especially in the case of cohesive dams. They found that the breach growth in non-cohesive embankments is slower than cohesive embankments due to the little effect of headcut. Schmocker and Hager [7] proposed a relationship for estimating peak outflow from the dam breach process.(1)QpQin-1=1.7exp-20hc23d5013H0
where: Qp = peak outflow discharge.
Qin = inflow discharge.
hc = critical flow depth.
d50 = mean sediment diameter.
Ho = initial dam height.
Yu et al. [17] carried out an experimental study for homogeneous non-cohesive embankment dams in a 180° bending rectangular flume to determine the effect of overtopping flows on breaching formation. They found that the main factors influencing breach formation are water level, river discharge, and embankment material diameter.
Wu et al. [18] carried out a series of experiments to investigate the effect of breaching geometry on both non-cohesive and cohesive embankment dams in a U-bend flume due to overtopping flows. In the case of non-cohesive embankments, the non-symmetrical lateral expansion was noticed during the breach formation. This expansion was described by a coefficient ranging from 2.7 to 3.3.
The numerical models of the dam breach can be categorized according to different parameters, such as flow dimensions (1D, 2D, or 3D), flow governing equations, and solution methods. The 1D models are mainly used to predict the outflow hydrograph from the dam breach. Saberi et al. [19] applied the 1D Saint-Venant equation, which is solved by the finite difference method to investigate the outflow hydrograph during dam overtopping failure. Because of the ability to study dam profile evolution and breach formation, 2D models are more applicable than 1D models. Guan et al. [20] and Wu et al. [21] employed both 2D shallow water equations (SWEs) and sediment erosion equations, which are solved by the finite volume method to study the effect of the dam’s geometry parameters on outflow hydrograph and dam profile evolution. Wang et al. [22] also proposed a second-order hybrid-type of total variation diminishing (TVD) finite-difference to estimate the breach outflow by solving the 2D (SWEs). The accuracy of (SWEs) for both vertical flow contraction and surface roughness has been assessed [23]. They noted that the accuracy of (SWEs) is acceptable for milder slopes, but in the case of steeper slopes, modelers should be more careful. Generally, the accuracy of 2D models is still low, especially with velocity distribution over the flow depth, lateral momentum exchange, density-driven flows, and bottom friction[24]. Therefore, 3D models are preferred. Larocque et al. [25] and Yang et al. [26] started to use three-dimensional (3D) models that depend on the Reynolds-averaged Navier-Stokes (RANS) equations.
Previous experimental studies concluded that there is no clear relationship between the peak outflow from the dam breach and the initial breach characteristics. Some of these studies depend on the sharp-crested weir fixed at the end of the flume to determine the peak outflow from the breach, which leads to a decrease in the accuracy of outflow calculations at the microscale. The main goals of this study are to carry out a numerical simulation for a spatial dam breach due to overtopping flows by using (FLOW-3D) software to find an empirical equation for the peak outflow discharge from the breach and determine the worst-case that leads to accelerating the dam breaching process.
2. Numerical simulation
The current study for spatial dam breach is simulated by using (FLOW-3D) software [27], which is a powerful computational fluid dynamics (CFD) program.
2.1. Geometric presentations
A stereolithographic (STL) file is prepared for each change in the initial breach geometry and dimensions. The CAD program is useful for creating solid objects and converting them to STL format, as shown in Fig. 1.
2.2. Governing equations
The governing equations for water flow are three-dimensional Reynolds Averaged Navier-Stokes equations (RANS).
The momentum equation:(3)∂ui∂t+1VFuj∂ui∂xj=1ρ∂∂xj-pδij+ν∂ui∂xj+∂uj∂xi-ρu`iu`j¯
where u is time-averaged velocity,ν is kinematic viscosity, VF is fractional volume open to flow, p is averaged pressure and -u`iu`j¯ are components of Reynold’s stress. The Volume of Fluid (VOF) technique is used to simulate the free surface profile. Hirt et al. [28] presented the VOF algorithm, which employs the function (F) to express the occupancy of each grid cell with fluid. The value of (F) varies from zero to unity. Zero value refers to no fluid in the grid cell, while the unity value refers to the grid cell being fully occupied with fluid. The free surface is formed in the grid cells having (F) values between zero and unity.(4)∂F∂t+1VF∂∂xFAxu+∂∂yFAyv+∂∂zFAzw=0
where (u, v, w) are the velocity components in (x, y, z) coordinates, respectively, and (Ax, Ay, Az) are the area fractions.
2.3. Boundary and initial conditions
To improve the accuracy of the results, the boundary conditions should be carefully determined. In this study, two mesh blocks are used to minimize the time consumed in the simulation. The boundary conditions for mesh block 1 are as follows: The inlet and sides boundaries are defined as a wall boundary condition (wall boundary condition is usually used for bound fluid by solid regions. In the case of viscous flows, no-slip means that the tangential velocity is equal to the wall velocity and the normal velocity is zero), the outlet is defined as a symmetry boundary condition (symmetry boundary condition is usually used to reduce computational effort during CFD simulation. This condition allows the flow to be transferred from one mesh block to another. No inputs are required for this boundary condition except that its location should be defined accurately), the bottom boundary is defined as a uniform flow rate boundary condition, and the top boundary is defined as a specific pressure boundary condition with assigned atmospheric pressure. The boundary conditions for mesh block 2 are as follows: The inlet is defined as a symmetry boundary condition, the outlet is defined as a free flow boundary condition, the bottom and sides boundaries are defined as a wall boundary condition, and the top boundary is defined as a specific pressure boundary condition with assigned atmospheric pressure as shown in Fig. 2. The initial conditions required to be set for the fluid (i.e., water) inside of the domain include configuration, temperature, velocities, and pressure distribution. The configuration of water depends on the dimensions and shape of the dam reservoir. While the other conditions have been assigned as follows: temperature is normal water temperature (25 °c) and pressure distribution is hydrostatic with no initial velocity.
2.4. Numerical method
FLOW-3D uses the finite volume method (FVM) to solve the governing equation (Reynolds-averaged Navier-Stokes) over the computational domain. A finite-volume method is an Eulerian approach for representing and evaluating partial differential equations in algebraic equations form [29]. At discrete points on the mesh geometry, values are determined. Finite volume expresses a small volume surrounding each node point on a mesh. In this method, the divergence theorem is used to convert volume integrals with a divergence term to surface integrals. After that, these terms are evaluated as fluxes at each finite volume’s surfaces.
2.5. Turbulent models
Turbulence is the chaotic, unstable motion of fluids that occurs when there are insufficient stabilizing viscous forces. In FLOW-3D, there are six turbulence models available: the Prandtl mixing length model, the one-equation turbulent energy model, the two-equation (k – ε) model, the Renormalization-Group (RNG) model, the two-equation (k – ω) models, and a large eddy simulation (LES) model. For simulating flow motion, the RNG model is adopted to simulate the motion behavior better than the k – ε and k – ω.
models [30]. The RNG model consists of two main equations for the turbulent kinetic energy KT and its dissipation.εT(5)∂kT∂t+1VFuAx∂kT∂x+vAy∂kT∂y+wAz∂kT∂z=PT+GT+DiffKT-εT(6)∂εT∂t+1VFuAx∂εT∂x+vAy∂εT∂y+wAz∂εT∂z=C1.εTKTPT+c3.GT+Diffε-c2εT2kT
where KT is the turbulent kinetic energy, PT is the turbulent kinetic energy production, GT is the buoyancy turbulence energy, εT is the turbulent energy dissipation rate, DiffKT and Diffε are terms of diffusion, c1, c2 and c3 are dimensionless parameters, in which c1 and c3 have a constant value of 1.42 and 0.2, respectively, c2 is computed from the turbulent kinetic energy (KT) and turbulent production (PT) terms.
2.6. Sediment scour model
The sediment scour model available in FLOW-3D can calculate all the sediment transport processes including Entrainment transport, Bedload transport, Suspended transport, and Deposition. The erosion process starts once the water flows remove the grains from the packed bed and carry them into suspension. It happens when the applied shear stress by water flows exceeds critical shear stress. This process is represented by entrainment transport in the numerical model. After entrained, the grains carried by water flow are represented by suspended load transport. After that, some suspended grains resort to settling because of the combined effect of gravity, buoyancy, and friction. This process is described through a deposition. Finally, the grains sliding motions are represented by bedload transport in the model. For the entrainment process, the shear stress applied by the fluid motion on the packed bed surface is calculated using the standard wall function as shown in Eq.7.(7)ks,i=Cs,i∗d50
where ks,i is the Nikuradse roughness and Cs,i is a user-defined coefficient. The critical bed shear stress is defined by a dimensionless parameter called the critical shields number as expressed in Eq.8.(8)θcr,i=τcr,i‖g‖diρi-ρf
where θcr,i is the critical shields number, τcr,i is the critical bed shear stress, g is the absolute value of gravity acceleration, di is the diameter of the sediment grain, ρi is the density of the sediment species (i) and ρf is the density of the fluid. The value of the critical shields number is determined according to the Soulsby-Whitehouse equation.(9)θcr,i=0.31+1.2d∗,i+0.0551-exp-0.02d∗,i
where d∗,i is the dimensionless diameter of the sediment, given by Eq.10.(10)d∗,i=diρfρi-ρf‖g‖μf213
where μf is the fluid dynamic viscosity. For the sloping bed interface, the value of the critical shields number is modified according to Eq.11.(11)θ`cr,i=θcr,icosψsinβ+cos2βtan2φi-sin2ψsin2βtanφi
where θ`cr,i is the modified critical shields number, φi is the angle of repose for the sediment, β is the angle of bed slope and ψ is the angle between the flow and the upslope direction. The effects of the rolling, hopping, and sliding motions of grains along the packed bed surface are taken by the bedload transport process. The volumetric bedload transport rate (qb,i) per width of the bed is expressed in Eq.12.(12)qb,i=Φi‖g‖ρi-ρfρfdi312
where Φi is the dimensionless bedload transport rate is calculated by using Meyer Peter and Müller equation.(13)Φi=βMPM,iθi-θ`cr,i1.5cb,i
where βMPM,i is the Meyer Peter and Müller user-defined coefficient and cb,i is the volume fraction of species i in the bed material. The suspended load transport is calculated as shown in Eq.14.(14)∂Cs,i∂t+∇∙Cs,ius,i=∇∙∇DCs,i
where Cs,i is the suspended sediment mass concentration, D is the diffusivity, and us,i is the grain velocity of species i. Entrainment and deposition are two opposing processes that take place at the same time. The lifting and settling velocities for both entrainment and deposition processes are calculated according to Eq.15 and Eq.16, respectively.(15)ulifting,i=αid∗,i0.3θi-θ`cr,igdiρiρf-1(16)usettling,i=υfdi10.362+1.049d∗,i3-10.36
where αi is the entrainment coefficient of species i and υf is the kinematic viscosity of the fluid.
2.7. Grid type
Using simple rectangular orthogonal elements in planes and hexahedral in volumes in the (FLOW-3D) program makes the mesh generation process easier, decreases the required memory, and improves numerical accuracy. Two mesh blocks were used in a joined form with a size ratio of 2:1. The first mesh block is coarser, which contains the reservoir water, and the second mesh block is finer, which contains the dam. For achieving accuracy and efficiency in results, the mesh size is determined by using a grid convergence test. The optimum uniform cell size for the first mesh block is 0.012 m and for the second mesh block is 0.006 m.
2.8. Time step
The maximum time step size is determined by using a Courant number, which controls the distance that the flow will travel during the simulation time step. In this study, the Courant number was taken equal to 0.25 to prevent the flow from traveling through more than one cell in the time step. Based on the Courant number, a maximum time step value of 0.00075 s was determined.
2.9. Numerical model validation
The numerical model accuracy was achieved by comparing the numerical model results with previous experimental results. The experimental study of Schmocker and Hager [7] was based on 31 tests with changes in six parameters (d50, Ho, Bo, Lk, XD, and Qin). All experimental tests were conducted in a straight open glass-sided flume. The horizontal flume has a rectangular cross-section with a width of 0.4 m and a height of 0.7 m. The flume was provided with a flow straightener and an intake with a length of 0.66 m. All tested dams were inserted at various distances (XD) from the intake. Test No.1 from this experimental program was chosen to validate the numerical model. The different parameters used in test No.1 are as follows:
(1) uniform sediment with a mean diameter (d50 = 0.31 mm), (2) Ho = 0.2 m, (3) Bo = 0.2 m, (4) Lk = 0.1 m,
(5) XD = 1.0 m, (6) Qin = 6.0 lit/s, (7) Su and Sd = 2:1, (8) mass density (ρs = 2650 kg/m3) (9) Homogenous and non-cohesive embankment dam. As shown in Fig. 2, the simulation is contained within a rectangular grid with dimensions: 3.56 m in the x-direction (where 0.66 m is used as inlet, 0.9 m as dam base width, and 1.0 m as outlet), in y-direction 0.2 m (dam length), and in the z-direction 0.3 m, which represents the dam height (0.2 m) with a free distance (0.1 m) above the dam. There are two main reasons that this experimental program is preferred for the validation process. The first reason is that this program deals with homogenous, non-cohesive soil, which is available in FLOW-3D. The second reason is that this program deals with small-scale models which saves time for numerical simulation. Finally, some important assumptions were considered during the validation process. The flow is assumed to be incompressible, viscous, turbulent, and three-dimensional.
By comparing dam profiles at different time instants for the experimental test with the current numerical model, it appears that the numerical model gives good agreement as shown in Fig. 3 and Fig. 4, with an average error percentage of 9% between the experimental results and the numerical model.
3. Analysis and discussions
The current model is used to study the effects of different parameters such as (initial breach shapes, dimensions, locations, upstream and downstream dam slopes) on the peak outflow discharge, QP, time of peak outflow, tP, and rate of erosion, E.
This study consists of a group of scenarios. The first scenario is changing the shapes of the initial breach according to Singh [1], the most predicted shapes are rectangular and V-notch as shown in Fig. 5. The second scenario is changing the initial breach dimensions (i.e., width and depth). While the third scenario is changing the location of the initial breach. Eventually, the last scenario is changing the upstream and downstream dam slopes.
All scenarios of this study were carried out under the same conditions such as inflow discharge value (Qin=1.0lit/s), dimensions of the tested dam, where dam height (Ho=0.20m), crest width.
(Lk=0.1m), dam length (Bo=0.20m), and homogenous & non-cohesive soil with a mean diameter (d50=0.31mm).
3.1. Dam breaching process evolution
The dam breaching process is a very complex process due to the quick changes in hydrodynamic conditions during dam failure. The dam breaching process starts once water flows reach the downstream face of the dam. During the initial stage of dam breaching, the erosion process is relatively quiet due to low velocities of flow. As water flows continuously, erosion rates increase, especially in two main zones: the crest and the downstream face. As soon as the dam crest is totally eroded, the water levels in the dam reservoir decrease rapidly, accompanied by excessive erosion in the dam body. The erosion process continues until the water levels in the dam reservoir equal the remaining height of the dam.
According to Zhou et al. [11], the breaching process consists of three main stages. The first stage starts with beginning overtopping flow, then ends when the erosion point directed upstream and reached the inflection point at the inflection time (ti). The second stage starts from the end of the stage1 until the occurrence of peak outflow discharge at the peak outflow time (tP). The third stage starts from the end of the stage2 until the value of outflow discharge becomes the same as the value of inflow discharge at the final time (tf). The outflow discharge from the dam breach increases rapidly during stage1 and stage2 because of the large dam storage capacity (i.e., the dam reservoir is totally full of water) and excessive erosion. While at stage3, the outflow values start to decrease slowly because most of the dam’s storage capacity was run out. The end of stage3 indicates that the dam storage capacity was totally run out, so the outflow equalized with the inflow discharge as shown in Fig. 6 and Fig. 7.
3.2. The effect of initial breach shape
To identify the effect of the initial breach shape on the evolution of the dam breaching process. Three tests were carried out with different cross-section areas for each shape. The initial breach is created at the center of the dam crest. Each test had an ID to make the process of arranging data easier. The rectangular shape had an ID (Rec5h & 5b), which means that its depth and width are equal to 5% of the dam height, and the V-notch shape had an ID (V-noch5h & 1:1) which means that its depth is equal to 5% of the dam height and its side slope is equal to 1:1. The comparison between rectangular and V-notch shapes is done by calculating the ratio between maximum dam height at different times (ZMax) to the initial dam height (Ho), rate of erosion, and hydrograph of outflow discharge for each test. The rectangular shape achieves maximum erosion rate and minimum inflection time, in addition to a rapid decrease in the dam reservoir levels. Therefore, the dam breaching is faster in the case of a rectangular shape than in a V-notch shape, which has the same cross-section area as shown in Fig. 8.
Also, by comparing the hydrograph for each test, the peak outflow discharge value in the case of a rectangular shape is higher than the V-notch shape by 5% and the time of peak outflow for the rectangular shape is shorter than the V-notch shape by 9% as shown in Fig. 9.
3.3. The effect of initial breach dimensions
The results of the comparison between the different initial breach shapes indicate that the worst initial breach shape is rectangular, so the second scenario from this study concentrated on studying the effect of a change in the initial rectangular breach dimensions. Groups of tests were carried out with different depths and widths for the rectangular initial breach. The first group had a depth of 5% from the dam height and with three different widths of 5,10, and 15% from the dam height, the second group had a depth of 10% with three different widths of 5,10, and 15%, the third group had a depth of 15% with three different widths of 5,10, and 15% and the final group had a width of 15% with three different heights of 5, 10, and 15% for a rectangular breach shape. The comparison was made as in the previous section to determine the worst case that leads to the quick dam failure as shown in Fig. 10.
The results show that the (Rec 5 h&15b) test achieves a maximum erosion rate for a shorter period of time and a minimum ratio for (Zmax / Ho) as shown in Fig. 10, which leads to accelerating the dam failure process. The dam breaching process is faster with the minimum initial breach depth and maximum initial breach width. In the case of a minimum initial breach depth, the retained head of water in the dam reservoir is high and the crest width at the bottom of the initial breach (L`K) is small, so the erosion point reaches the inflection point rapidly. While in the case of the maximum initial breach width, the erosion perimeter is large.
3.4. The effect of initial breach location
The results of the comparison between the different initial rectangular breach dimensions indicate that the worst initial breach dimension is (Rec 5 h&15b), so the third scenario from this study concentrated on studying the effect of a change in the initial breach location. Three locations were checked to determine the worst case for the dam failure process. The first location is at the center of the dam crest, which was named “Center”, the second location is at mid-distance between the dam center and dam edge, which was named “Mid”, and the third location is at the dam edge, which was named “Edge” as shown in Fig. 11. According to this scenario, the results indicate that the time of peak outflow discharge (tP) is the same in the three cases, but the maximum value of the peak outflow discharge occurs at the center location. The difference in the peak outflow values between the three cases is relatively small as shown in Fig. 12.
The rates of erosion were also studied for the three cases. The results show that the maximum erosion rate occurs at the center location as shown in Fig. 13. By making a comparison between the three cases for the dam storage volume. The results show that the center location had the minimum values for the dam storage volume, which means that a large amount of water has passed to the downstream area as shown in Fig. 14. According to these results, the center location leads to increased erosion rate and accelerated dam failure process compared with the two other cases. Because the erosion occurs on both sides, but in the case of edge location, the erosion occurs on one side.
3.5. The effect of upstream and downstream dam slopes
The results of the comparison between the different initial rectangular breach locations indicate that the worst initial breach location is the center location, so the fourth scenario from this study concentrated on studying the effect of a change in the upstream (Su) and downstream (Sd) dam slopes. Three slopes were checked individually for both upstream and downstream slopes to determine the worst case for the dam failure process. The first slope value is (2H:1V), the second slope value is (2.5H:1V), and the third slope value is (3H:1V). According to this scenario, the results show that the decreasing downstream slope angle leads to increasing time of peak outflow discharge (tP) and decreasing value of peak outflow discharge. The difference in the peak outflow values between the three cases for the downstream slope is 2%, as shown in Fig. 15, but changing the upstream slope has a negligible impact on the peak outflow discharge and its time as shown in Fig. 16.
The rates of erosion were also studied in the three cases for both upstream and downstream slopes. The results show that the maximum erosion rate increases by 6.0% with an increasing downstream slope angle by 4°, as shown in Fig. 17. The results also indicate that the erosion rates aren’t affected by increasing or decreasing the upstream slope angle, as shown in Fig. 18. According to these results, increasing the downstream slope angle leads to increased erosion rate and accelerated dam failure process compared with the upstream slope angle. Because of increasing shear stress applied by water flows in case of increasing downstream slope.
According to all previous scenarios, the dimensionless peak outflow discharge QPQin is presented for a fixed dam height (Ho) and inflow discharge (Qin). Fig. 19 illustrates the relationship between QP∗=QPQin and.
Lr=ho2/3∗bo2/3Ho. The deduced relationship achieves R2=0.96.(17)QP∗=2.2807exp-2.804∗Lr
4. Conclusions
A spatial dam breaching process was simulated by using FLOW-3D Software. The validation process was performed by making a comparison between the simulated results of dam profiles and the dam profiles obtained by Schmocker and Hager [7] in their experimental study. And also, the peak outflow value recorded an error percentage of 12% between the numerical model and the experimental study. This model was used to study the effect of initial breach shape, dimensions, location, and dam slopes on peak outflow discharge, time of peak outflow, and the erosion process. By using the parameters obtained from the validation process, the results of this study can be summarized in eight points as follows.1.
The rectangular initial breach shape leads to an accelerating dam failure process compared with the V-notch.2.
The value of peak outflow discharge in the case of a rectangular initial breach is higher than the V-notch shape by 5%.3.
The time of peak outflow discharge for a rectangular initial breach is shorter than the V-notch shape by 9%.4.
The minimum depth and maximum width for the initial breach achieve maximum erosion rates (increasing breach width, b0, or decreasing breach depth, h0, by 5% from the dam height leads to an increase in the maximum rate of erosion by 11% and 15%, respectively), so the dam failure is rapid.5.
The center location of the initial breach leads to an accelerating dam failure compared with the edge location.6.
The initial breach location has a negligible effect on the peak outflow discharge value and its time.7.
Increasing the downstream slope angle by 4° leads to an increase in both peak outflow discharge and maximum rate of erosion by 2.0% and 6.0%, respectively.8.
The upstream slope has a negligible effect on the dam breaching process.
References
[1]V. SinghDam breach modeling technologySpringer Science & Business Media (1996)Google Scholar[2]Wahl TL. Prediction of embankment dam breach parameters: a literature review and needs assessment. 1998.Google Scholar[3]Z. Alhasan, J. Jandora, J. ŘíhaStudy of dam-break due to overtopping of four small dams in the Czech RepublicActa Universitatis Agriculturae et Silviculturae Mendelianae Brunensis, 63 (3) (2015), pp. 717-729 View PDFCrossRefView Record in ScopusGoogle Scholar[4]D. FreadBREACH, an erosion model for earthen dam failures: Hydrologic Research LaboratoryNOAA, National Weather Service (1988)Google Scholar[5]J. Říha, S. Kotaška, L. PetrulaDam Break Modeling in a Cascade of Small Earthen Dams: Case Study of the Čižina River in the Czech RepublicWater, 12 (8) (2020), p. 2309, 10.3390/w12082309 View PDFView Record in ScopusGoogle Scholar[6]E. Goodarzi, L. Teang Shui, M. ZiaeiDam overtopping risk using probabilistic concepts–Case study: The Meijaran DamIran Ain Shams Eng J, 4 (2) (2013), pp. 185-197ArticleDownload PDFView Record in ScopusGoogle Scholar[7]L. Schmocker, W.H. HagerPlane dike-breach due to overtopping: effects of sediment, dike height and dischargeJ Hydraul Res, 50 (6) (2012), pp. 576-586 View PDFCrossRefView Record in ScopusGoogle Scholar[8]J.S. Walder, R.M. Iverson, J.W. Godt, M. Logan, S.A. SolovitzControls on the breach geometry and flood hydrograph during overtopping of noncohesive earthen damsWater Resour Res, 51 (8) (2015), pp. 6701-6724View Record in ScopusGoogle Scholar[9]H. Wei, M. Yu, D. Wang, Y. LiOvertopping breaching of river levees constructed with cohesive sedimentsNat Hazards Earth Syst Sci, 16 (7) (2016), pp. 1541-1551 View PDFCrossRefView Record in ScopusGoogle Scholar[10]Y. Yang, S.-Y. Cao, K.-J. Yang, W.-P. LiYang K-j, Li W-p. Experimental study of breach process of landslide dams by overtopping and its initiation mechanismsJ Hydrodynamics, 27 (6) (2015), pp. 872-883ArticleDownload PDFCrossRefView Record in ScopusGoogle Scholar[11]G.G.D. Zhou, M. Zhou, M.S. Shrestha, D. Song, C.E. Choi, K.F.E. Cui, et al.Experimental investigation on the longitudinal evolution of landslide dam breaching and outburst floodsGeomorphology, 334 (2019), pp. 29-43ArticleDownload PDFView Record in ScopusGoogle Scholar[12]J. Zhang, Z.-x. Guo, S.-y. CaoYang F-g. Experimental study on scour and erosion of blocked damWater Sci Eng, 5 (2012), pp. 219-229ArticleDownload PDFView Record in ScopusGoogle Scholar[13]K. Höeg, A. Løvoll, K. VaskinnStability and breaching of embankment dams: Field tests on 6 m high damsInt J Hydropower Dams, 11 (2004), pp. 88-92View Record in ScopusGoogle Scholar[14]H. Hakimzadeh, V. Nourani, A.B. AminiGenetic programming simulation of dam breach hydrograph and peak outflow dischargeJ Hydrol Eng, 19 (4) (2014), pp. 757-768View Record in ScopusGoogle Scholar[15]A.R. Refaiy, N.M. AboulAtta, N.Y. Saad, D.A. El-MollaModeling the effect of downstream drain geometry on seepage through earth damsAin Shams Eng J, 12 (3) (2021), pp. 2511-2531ArticleDownload PDFView Record in ScopusGoogle Scholar[16]Y. Zhu, P.J. Visser, J.K. Vrijling, G. WangExperimental investigation on breaching of embankmentsScience China Technological Sci, 54 (1) (2011), pp. 148-155 View PDFCrossRefView Record in ScopusGoogle Scholar[17]M.-H. Yu, H.-Y. Wei, Y.-J. Liang, Y. ZhaoInvestigation of non-cohesive levee breach by overtopping flowJ Hydrodyn, 25 (4) (2013), pp. 572-579ArticleDownload PDFCrossRefView Record in ScopusGoogle Scholar[18]S. Wu, M. Yu, H. Wei, Y. Liang, J. ZengNon-symmetrical levee breaching processes in a channel bend due to overtoppingInt J Sedim Res, 33 (2) (2018), pp. 208-215ArticleDownload PDFView Record in ScopusGoogle Scholar[19]O. Saberi, G. ZenzNumerical investigation on 1D and 2D embankment dams failure due to overtopping flowInt J Hydraulic Engineering, 5 (2016), pp. 9-18View Record in ScopusGoogle Scholar[20]M. Guan, N.G. Wright, P.A. Sleigh2D Process-Based Morphodynamic Model for Flooding by Noncohesive Dyke BreachJ Hydraul Eng, 140 (7) (2014), p. 04014022, 10.1061/(ASCE)HY.1943-7900.0000861 View PDFView Record in ScopusGoogle Scholar[21]W. Wu, R. Marsooli, Z. HeDepth-Averaged Two-Dimensional Model of Unsteady Flow and Sediment Transport due to Noncohesive Embankment Break/BreachingJ Hydraul Eng, 138 (6) (2012), pp. 503-516View Record in ScopusGoogle Scholar[22]Z. Wang, D.S. BowlesThree-dimensional non-cohesive earthen dam breach model. Part 1: Theory and methodologyAdv Water Resour, 29 (10) (2006), pp. 1528-1545ArticleDownload PDFView Record in ScopusGoogle Scholar[23]Říha J, Duchan D, Zachoval Z, Erpicum S, Archambeau P, Pirotton M, et al. Performance of a shallow-water model for simulating flow over trapezoidal broad-crested weirs. J Hydrology Hydromechanics. 2019;67:322-8.Google Scholar[24]C.B. VreugdenhilNumerical methods for shallow-water flowSpringer Science & Business Media (1994)Google Scholar[25]L.A. Larocque, J. Imran, M.H. Chaudhry3D numerical simulation of partial breach dam-break flow using the LES and k–∊ turbulence modelsJ Hydraul Res, 51 (2) (2013), pp. 145-157 View PDFCrossRefView Record in ScopusGoogle Scholar[26]C. Yang, B. Lin, C. Jiang, Y. LiuPredicting near-field dam-break flow and impact force using a 3D modelJ Hydraul Res, 48 (6) (2010), pp. 784-792 View PDFCrossRefView Record in ScopusGoogle Scholar[27]FLOW-3D. Version 11.1.1 Flow Science, Inc., Santa Fe, NM. https://wwwflow3dcom.Google Scholar[28]C.W. Hirt, B.D. NicholsVolume of fluid (VOF) method for the dynamics of free boundariesJ Comput Phys, 39 (1) (1981), pp. 201-225ArticleDownload PDFGoogle Scholar[29]S.V. PatankarNumerical heat transfer and fluid flow, Hemisphere PublCorp, New York, 58 (1980), p. 288View Record in ScopusGoogle Scholar[30]M. Alemi, R. MaiaNumerical simulation of the flow and local scour process around single and complex bridge piersInt J Civil Eng, 16 (5) (2018), pp. 475-487 View PDFCrossRefView Record in ScopusGoogle Scholar
A 3D numerical model of heat transfer and fluid flow of molten pool in the process of laser wire deposition was presented by computational fluid dynamics technique. The simulation results of the deposition morphology were also compared with the experimental results under the condition of liquid bridge transfer mode. Moreover, they showed a good agreement. Considering the effect of recoil pressure, the morphology of the deposit metal obtained by the simulation was similar to the experiment result. Molten metal at the wire tip was peeled off and flowed into the molten pool, and then spread to both sides of the deposition layer under the recoil pressure. In addition, the results of simulation and high-speed charge-coupled device presented that a wedge transition zone, with a length of ∼6 mm, was formed behind the keyhole in the liquid bridge transfer process, where the height of deposited metal decreased gradually. After solidification, metal in the transition zone retained the original melt morphology, resulting in a decrease in the height of the tail of the deposition layer.
Keywords
LWD, CFD, liquid bridge transfer, fluid dynamics, wedge transition zone
Fluid Thermodynamic Simulation of Ti-6Al-4V Alloy in Laser Wire DepositionFluid Thermodynamic Simulation of Ti-6Al-4V Alloy in Laser Wire Deposition
References
1. Matthews MJ, Guss G, Khairallah SA, et al. Denudation of metal powder layers in laser powder bed fusion processes. Acta Mater 2016;114:33–42. Crossref, Google Scholar
2. Ge WJ, Han SW, Fang YC, et al. Mechanism of surface morphology in electron beam melting of Ti6Al4V based on computational flow patterns. Appl Surf Sci 2017;419:150–158. Crossref, Google Scholar
3. Bai XW, Colegrove P, Ding JL, et al. Numerical analyswas of heat transfer and fluid flow in multilayer deposition of PAW-based wire and arc additive manufacturing. Int J Heat Mass Transf 2018;124:504–516. Crossref, Google Scholar
4. Torkamany MJ, Kaplan AFH, Ghaini FM. Wire deposition by a laser-induced boiling front. Opt Laser Technol 2015;69:104–112. Crossref, Google Scholar
5. Yu Y, Huang W, Wang G. Investigation of melting dynamics of filler wire during wire feed laser welding. J Mec Sci Technol 2013;27:1097–1108. Crossref, Google Scholar
6. Ma G, Li L, Chen Y. Effects of beam confgurations on wire melting and transfer behaviors in dual beam laser welding with fller wire. Opt Laser Technol 2017;91:138–148. Crossref, Google Scholar
7. Abioye TE, Folkes J, Clare AT. A parametric study of Inconel 625 wire laser deposition. J Mater Process Tech 2013;213:2145–2151. Crossref, Google Scholar
8. Wei S, Wang G, Shin YC, et al. Comprehensive modeling of transport phenomena in laser hot-wire deposition process. Int J Heat Mass Transf 2018;125:1356–1368. Crossref, Google Scholar
9. Gu H, Li L. Computational fluid dynamic simulation of gravity and pressure effects in laser metal deposition for potential additive manufacturing in space. Int J Heat Mass Transf 2019;140:51–65. Crossref, Google Scholar
10. Hu R, Luo M, Liu T, et al. Thermal fluid dynamics of liquid bridge transfer in laser wire deposition 3D printing. Sci Technolf Weld Join 2019;24:1–11. Google Scholar
11. Chatterjee D, Chakraborty S. A hybrid lattice Boltzmann model for solid–liquid phase transition in presence of fluid flow. Phys Lett A 2006;351:359–367. Crossref, Google Scholar
12. Wu L, Cheon J, Kiran DV, et al. CFD simulations of GMA welding of horizontal fillet joints based on coordinate rotation of arc models. J Mater Process Tech 2016;231:221–238. Crossref, Google Scholar
13. Gerhard W, Boyer RR, Collings EW. Materials Properties Handbook: Titanium Alloys. ASM International: Almere, The Netherlands, 1994. Google Scholar
14. Colegrove P, Simiand PE, Varughese A, et al. Evaluation of a drilling model approach to represent laser spot microwelding. In: ASM Proceedings of the international conference: trends in welding research; 2009. Google Scholar
15. Boivineau M, Cagran C, Doytier D, et al. Thermophysical properties of solid and liquid Ti-6Al-4V (TA6V) alloy. Int J Thermophys 2006;27:507–529. Crossref, Google Scholar
16. Shejndlin AE, Kenisarin MM, Chekhovskoj VY. Melting point of yttrium oxide. AN SSSR 1974;216:582–584. Google Scholar
17. Cho JH, Na SJ. Teflection and Fresnel absorption of laser beam in keyhole. J Phys D Appl Phys 2006;39:5372–5378. Crossref, Google Scholar
18. Han SW, Ahn J, Na SJ. A study on ray tracing method for CFD simulations of laser keyhole welding: Progressive search method. Weld World 2016;60:247–258. Crossref, Google Scholar
19. Allmen MV. Laser-Beam Interactions with Materials. Springer, Berlin-Heidelberg, 1995. Google Scholar
20. Dobson PJ. Absorption and scattering of light by small particles. Phys Bull 1984;35:104. Crossref, Google Scholar
21. Greses J, Hilton PA, Barlow CY. Plume attenuation under high power Nd:yttritium aluminum garnet laser welding. J Laser Appl 2004;16:9–15. Crossref, Google Scholar
22. Shcheglov PY, Uspenskiy SA, Gumenyuk AV, et al. Plume attenuation of laser radiation during high power fiber laser welding. Laser Phys Lett 2011;8:475–480. Crossref, Google Scholar
23. Yang P, Liou KN. Effective refractive index for determining ray propagation in an absorbing dielectric particle. J Quant Spectrosc Radiat Transf 2009;110:300–306. Crossref, Google Scholar
24. Barber PW. Absorption and scattering of light by small particles. J Colloid Interface Sci 1984;98:290–291. Google Scholar
25. Hu ZR, Chen X, Yang G, et al. Metal transfer in wire feeding-based electron beam 3D printing: Modes, dynamics, and transition criterion. Int J Heat Mass Transf 2018;126:877–887. Crossref, Google Scholar
26. David SA, Babu SS, Vitek JM. Welding: Solidification and microstructure. JOM 2013;55:14–20. Crossref, Google Scholar
27. Zhong ML, Liu W. Laser surface cladding: The state of the art and challenges. Proc Inst Mech Eng Part C J Mech Eng Sci 2010;224:1041–1060. Crossref, Google Scholar
28. Kobryn PA, Semiatin S. Microstructure and texture evolution during solidification processing of Ti-6Al-4V. J Mater Process Technol 2003;135:330–339. Crossref, Google Scholar
29. Debroy T, David S. Physical processes in fusion welding. Rev Mod Phys 1995;67:85–112. Crossref, Google Scholar
30. Lee YS, Nordin M, Babu SS, et al. Effect of fluid convection on dendrite arm spacing in laser deposition. Metall Trans B 2014;45:1520–1528. Crossref, Google Scholar
31. Rappaz M, David SA, Vitek JM, et al. Development of microstructures in Fe15Ni15Cr single crystal electron beam welds. Metall Trans A 1989;20:1125–1138. Crossref, Google Scholar
하천횡단구조물이 하천설계기준(2009)대로 설계되었음에도 불구하고, 하류부에서 물받이공 및 바닥보호공의 피해가 발생하여, 구조물 본체에 대한 안전성이 현저하 게 낮아지고 있는 실정이다. 하천설계기준이 상류부의 수리특성을 반영하였다고 하나 하류부의 수리특성인 유속의 변동 성분 또는 압력의 변동성분까지 고려하고 있지는 않다. 현재 많은 선행연구에서 이러한 난류적 특성이 구조물에 미치는 영 향에 대해 제시하고 있는 실정이며, 국내 하천에서의 피해 또한 이와 관련이 있다 고 판단된다. 이에 본 연구에서는 난류성분 특히 압력의 변동성분이 물받이공과 바닥보호공에 미치는 영향을 정량적으로 분석하여, 하천 횡단구조물의 치수 안전 성 증대에 기여하고자 한다. 물받이공과 바닥보호공에 미치는 압력의 변동성분 (pressure fluctuation) 영향을 분석하기 위해 크게 3가지로 연구내용을 분류하였 다. 첫 번째는 압력의 변동으로 순간적인 음압구배(adversed pressure gradient) 가 발생할 경우 바닥보호공의 사석 및 블록이 이탈하는 것이다. 이를 확인하기 위 해 정밀한 압력 측정장치를 통해 압력변이를 측정하여, 사석의 이탈 가능성을 검 토할 것이며, 최종적으로 이탈에 대한 한계조건을 도출할 것이다. 두 번째는 압력 의 변동이 물받이공의 진동을 유발시켜 이를 지지하고 있는 지반에 다짐효과를 가 져와 물받이공과 지반사이에 공극이 발생하는 경우이다. 이러한 공극으로 물받이 공은 자중 및 물의 압력을 받게 되어, 결국 휨에 의한 파괴가 발생할 가능성이 있 게 된다. 본 연구에서는 실험을 통하여 압력의 변동과 물받이공의 진동을 동시에 측정하여, 진동이 발생하지 않을 최소 두께를 제시할 것이다. 세 번째는 압력변이 로 인한 물받이공의 진동이 피로파괴로 연결되는 경우이다. 이 현상 또한 수리실 험을 통해 압력변이-피로파괴의 관계를 정량적으로 분석하여, 한계 조건을 제시할 것이다. 본 연구는 국내 보 및 낙차공에서 발생하는 다양한 Jet의 특성을 수리실 험으로 재현해야 하며, 이를 위해 평면 Jet 분사기(plane Jet injector)를 고안/ 제작하여, 효율적인 수리실험을 수행할 것이다. 또한 3차원 수치해석을 통해 실제 스케일에 적용함으로써 연구결과의 활용도 및 적용성을 높이고자 한다.
Keywords
압력변이, 물받이공, 바닥보호공, 난류, 진동
그림 1 하천횡단구조물 하류부 횡단구조물 파괴그림 2. 시간에 따른 압력의 변동 양상 및 정의
그림 3. 하천횡단구조물 하류부 도수현상시 발생하는 압력변이 분포도, Fr=8.0
상태이며, 바닥(slab)에 양압과 음압이 지속적으로 작용한다. (Fiorotto &
Rinaldo, 2010)
그림 4. 파괴 개념그림 6. PIV 측정 원리(www.photonics.com)그림 7. LED회로판 및 BIV기법 기본개념그림 8. BIV측정기법을 적용한 순간이미지 (Lin et al., 2012)그림 9. 감세공의 분류그림 17 수리실헐 수로시설: (a) 전체수로전경, (b) Weir 보를 포함한 측면도, (c) 도수조건
실험전경 그림 18 수리실험 개요도그림 127 난류모형별 압력 Data (측정위치는 그림 125 참조)그림 128 RNG 모형을 이용한 수치모의 결과그림 129 LES 모형을 이용한 수치모의 결과그림 130 압력 Data의 필터링그림 134 Case 1의 흐름특성 분포도 및 그래프
한국건설기술연구원 (2014) 입자영상유속계(PIV)를 이용한 하천구조물 주변 유동해석 기법 개발
한국건설기술연구원 (2017) 보와 하상유지공의 안전성 확보를 위한 물받이와 바닥보호공의 성능평가 기법에 대한 원천기술개발
국토기술연구센터 (1998) 하상유지공의 구조설계 지침.
감사원 (2013) 감사원 결과보고서- 4대강살리기 사업 주요시설물 품질 밑 수질관리 실태. 국토해양부 (2009) 전국 하천횡단 구조물 설치현황 및 어도 실태조사 보고서.
국토해양부 (2012) 보도자료-준공대비 점검결과, 4대강 보 안전 재확인. 국토해양부 (2012) 국가 및 지방하천 종합정비 마스터플랜.
국토교통성 (2008) 하천사방기술기준.
농림부 (1996). 농업생산기반정비사업계획 설계기
류권규(역자) (2009). 난류의 수치모의(원저자 : 梶島岳夫, 1999). 류권규, 마리안 머스테, 로버트 에테마, 윤병만 (2006). “난류 중 부유사의 속도 지체 측정.” 한국수자원학회논문집, 제39권, 제2호, pp.99-108. 배재현, 이경훈, 신종근, 양용수, 이주희 (2011). “입자영상유속계를 이용한 은어의 유영능력 측정.” 제47권, 제4호, pp.411-418. 우효섭 (2001). 하천수리학. 청문각. 한국수자원학회 (2009). 하천설계기준해설. 한국건설기술연구원 (2014) 입자영상유속계(PIV)를 이용한 하천구조물 주변 유동해석 기법 개발 한국건설기술연구원 (2017) 보와 하상유지공의 안전성 확보를 위한 물받이와 바닥보호공의 성능평가 기법에 대한 원천기술개발
Adrian, R. J., Meinhart, C. D., & Tomkins, C. D. (2000). Vortex organization in the outer region of the turbulent boundary layer. Journal of Fluid Mechanics, 422, 1-54. Anderson, T. W., & Darling, D. A. (1954). A test of goodness of fit. Journal of the American statistical association, 49(268), 765-769. Altman, E. I. (1968). Financial ratios, discriminant analysis and the prediction of corporate bankruptcy. The journal of finance, 23(4), 589-609. Barjastehmaleki, S., Fiorotto, V., & Caroni, E. (2016). Spillway stilling basins lining design via Taylor hypothesis. Journal of Hydraulic Engineering, 142(6), 04016010. Beheshti, M. R., Khosrojerdi, A., & Borghei, S. M. (2013). Experimental study of air-water turbulent flow structures on stepped spillways. International Journal of Physical Sciences, 8(25), 1362-1370. Bligh, W. G. (1910). Dams, barrages and weirs on porous foundations. Engineering News, 64(26), 708-710. Bowers, C. E., &Tsai, F. Y. (1969). Fluctuating pressure in spillway stilling basins. Journal of the Hydraulics Division, 95(6), 2071-2080. Brater, E. F., King, H. W., Lindell, J. E., & Wei, C. Y. (1976). Handbook of hydraulics for the solution of hydraulic engineering problems (Vol. 7). New York: McGraw-Hill. Castillo, L. G., Carrillo, J. M., & Sordo-Ward, Á. (2014). Simulation of overflow nappe impingement jets. Journal of Hydroinformatics, 16(4), 922-940
Lin, C., Hsieh, S. C., Lin, I. J., Chang, K. A., & Raikar, R. V. (2012). Flow property and self-similarity in steady hydraulic jumps. Experiments in Fluids, 53(5), 1591-1616
Chanson, H. (1999). The Hydraulics of Open Channel Flow: An Introduction. Physical Modelling of Hydraulics. Chow, V. T. (1959). Open-Channel Hydraulics, McGraw Hill Book Company, Inc., New York. Christensen, B. A. (1984). “Analysis of Partially Filled Circular Storm Sewers.” J. of Hydraulic Engineering, ASCE, Vol. 110, No. 8. El-Ragaby, A., El-Salakawy, E., and Benmokrane, B., “Fatigue Life Evaluation of Concrete Bridge Deck Slabs Reinforced with Glass FRP Composite Bars,” Journal of Composites for Construction, ASCE, Vol. 11, No. 3, 2007, pp. 258-268. (doi: http://dx.doi.org/10.1061/(ASCE) 1090-0268(2007)11:3(258), Fiorotto, V., & Rinaldo, A. (1992). Turbulent pressure fluctuations under hydraulic jumps. Journal of Hydraulic Research, 30(4), 499-520. Flow Science (2015). FLOW-3D User Manual(Release 11.1.0), Los Alamos, New Mexico. González-Betancourt, M. (2016). Uplift force and momenta on a slab subjected to hydraulic jump. Dyna, 83(199), 124-133. Grinstein, L., & Lipsey, S. I. (2001). Encyclopedia of mathematics education. Routledge. Grubbs, F. E., & Beck, G. (1972). Extension of sample sizes and percentage points for significance tests of outlying observations. Technometrics, 14(4), 847-854. Gylltoft K. (1983): Fracture mechanics models for fatigue in concrete structures. Doctoral thesis / Tekniska högskolan i Luleå, 25D, Luleå, 210 pp. Herlina, H. and Jirka, G. H. (2008). “Experiments on gas transfer near the air-water interface in a grid-stirred tank.” Journal of Fluid Mechanics, 594, pp.183-208. IACWD (Interagency Advisory Committee on Water Data). (1982). Guidelines for determining flood flow frequency. Bulletin 17B. JIRKA, G. H. (2008). Experiments on gas transfer at the air–water interface induced by oscillating grid turbulence. Journal of Fluid Mechanics, 594, 183-208. Kadota, A., Suzuki, K., Rummel, A. C., Weitbrecht, V., & Jirka, G. H. (2007). Shallow flow visualization around a single groyne. In Proc. of 7th International Symposium of Particle Image Velocimetry (CD-ROM). Kazemi, F., Khodashenas, S. R., & Sarkardeh, H. (2016). Experimental study of pressure fluctuation in stilling basins. International Journal of Civil Engineering, 14(1), 13-21. Klowak, C., Memon, A., and Mufti, A., “Static and fatigue investigation of second generation steel-free bridge decks,” Cement & Concrete Composites, ScienceDirect, Elsevier, Vol. 28, No.
10, 2006, pp. 890-897. (doi: http://dx.doi.org/10.1016/j.cemconcomp.2006.07.019), Koca, K., Noss, C., Anlanger, C., Brand, A., & Lorke, A. (2017). Performance of the Vectrino Profiler at the sediment–water interface. Journal of Hydraulic Research, 55(4), 573-581. Kolmogorov, A. (1933). Sulla determinazione empirica di una lgge di distribuzione. Inst. Ital. Attuari, Giorn., 4, 83-91. Leon, A., & Alnahit, A. (2016). A Remotely Controlled Siphon System for Dynamic Water Storage Management. Lin, C., Hsieh, S., Chang, K. and Raikar, R. (2012). “Flow property and self-similarity in steady hydraulic jumps.” Experiments in Fluid, 53, pp. 1591-1616. Lopardo, R., Fattor, C. A., Casado, J. M. and Lopardo, M. C. (2004). “Aspects of vibration and fatigue of materials related to coherent structures of macroturbulent flows” International Conference on Hydraulic of Dams and River Structures. Lopardo, R. A., & Romagnoli, M. (2009). Pressure and velocity fluctuations in stilling basins. In Advances in Water Resources and Hydraulic Engineering (pp. 2093-2098). Springer, Berlin, Heidelberg. Sanchez, P. A., Ramirez, G. E., Vergara, R., & Minguillo, F. (1973). Performance of Sulfur-Coated Urea Under Intermittently Flooded Rice Culture in Peru 1. Soil Science Society of America Journal, 37(5), 789-792. Matsui, S., Tokai, D., Higashiyama, H., and Mizukoshi, M., “Fatigue Durability of Fiber Reinforced Concrete Decks Under Running Wheel Load,” Proceedings 3rd International Conference on Concrete Under Severe Conditions, Ed. N. Banthia, Vancouver, Canada, 2001, pp. 982-991., Mohammadi, S. F., Galgoul, N. S., Starossek, U., & Videiro, P. M. (2016). An efficient time domain fatigue analysis and its comparison to spectral fatigue assessment for an offshore jacket structure. Marine Structures, 49, 97-115. Pothof, I. (2011). Co-current air-water flow in downward sloping pipes. Stichting Deltares Pothof, I. W. M., & Clemens, F. H. L. R. (2011). Experimental study of air–water flow in downward sloping pipes. International journal of multiphase flow, 37(3), 278-292. Ryu, Y., Chang, K. A., & Lim, H. J. (2005). Use of bubble image velocimetry for measurement of plunging wave impinging on structure and associated greenwater. Measurement Science and Technology, 16(10), 1945. Sanjou, M., & Nezu, I. (2009). Turbulence structure and coherent motion in meandering compound open-channel flows. Journal of Hydraulic Research, 47(5), 598-610. Sargison, J. E., & Percy, A. (2009). Hydraulics of broad-crested weirs with varying side slopes. Journal of irrigation and drainage engineering, 135(1), 115-118.
Sobani, A. (2014). Pressure fluctuations on the slabs of stilling basins under hydraulic jump. Song, Y., Chang, K, Ryu, Y. and Kwon, S. (2013). “ Experimental study on flow kinematics and impact pressure in liquid sloshing.”, Experiments in Fluid, 54, pp. 1592. Stagonas, D., Lara, J. L., Losada, I. J., Higuera, P., Jaime, F. F., & Muller, G. (2014). Large scale measurements of wave loads and mapping of impact pressure distribution at the underside of wave recurves. In Proceedings of the HYDRALAB IV Joint User Meeting. Toso, J. W., & Bowers, C. E. (1988). Extreme pressures in hydraulic-jump stilling basins. Journal of Hydraulic Engineering, 114(8), 829-843. Youn, S. G. and Chang, S. P., “Behavior of Composite Bridge Decks Subjected to Static and Fatigue Loading,” Structural Journal, ACI Technical paper, Title No. 95-S23, 1998, pp. 249-258. (doi: http://dx.doi.org/10.14359/543),
레이저 분말 베드 퓨전(L-PBF) 적층 제조(AM)는 우수한 기계적 특성으로 그물 모양에 가까운 복잡한 부품을 생산할 수 있습니다. 그러나 빌드 실패 및 다공성과 같은 결함으로 이어지는 원치 않는 잔류 응력 및 왜곡이 L-PBF의 광범위한 적용을 방해하고 있습니다.
L-PBF의 잠재력을 최대한 실현하기 위해 잔류 변형, 용융 풀 및 다공성 형성을 예측하는 다중 규모 모델링 방법론이 개발되었습니다. L-PBF의 잔류 변형 및 응력을 부품 규모에서 예측하기 위해 고유 변형 방법을 기반으로 하는 다중 규모 프로세스 모델링 프레임워크가 제안됩니다.
고유한 변형 벡터는 마이크로 스케일에서 충실도가 높은 상세한 다층 프로세스 시뮬레이션에서 추출됩니다. 균일하지만 이방성인 변형은 잔류 왜곡 및 응력을 예측하기 위해 준 정적 평형 유한 요소 분석(FEA)에서 레이어별로 L-PBF 부품에 적용됩니다.
부품 규모에서의 잔류 변형 및 응력 예측 외에도 분말 규모의 다중물리 모델링을 수행하여 공정 매개변수, 예열 온도 및 스패터링 입자에 의해 유도된 용융 풀 변동 및 결함 형성을 연구합니다. 이러한 요인과 관련된 용융 풀 역학 및 다공성 형성 메커니즘은 시뮬레이션 및 실험을 통해 밝혀졌습니다.
제안된 부품 규모 잔류 응력 및 왜곡 모델을 기반으로 경로 계획 방법은 큰 잔류 변형 및 건물 파손을 방지하기 위해 주어진 형상에 대한 레이저 스캐닝 경로를 조정하기 위해 개발되었습니다.
연속 및 아일랜드 스캐닝 전략을 위한 기울기 기반 경로 계획이 공식화되고 공식화된 컴플라이언스 및 스트레스 최소화 문제에 대한 전체 감도 분석이 수행됩니다. 이 제안된 경로 계획 방법의 타당성과 효율성은 AconityONE L-PBF 시스템을 사용하여 실험적으로 입증되었습니다.
또한 기계 학습을 활용한 데이터 기반 프레임워크를 개발하여 L-PBF에 대한 부품 규모의 열 이력을 예측합니다. 본 연구에서는 실시간 열 이력 예측을 위해 CNN(Convolutional Neural Network)과 RNN(Recurrent Neural Network)을 포함하는 순차적 기계 학습 모델을 제안합니다.
유한 요소 해석과 비교하여 100배의 예측 속도 향상이 달성되어 실제 제작 프로세스보다 빠른 예측이 가능하고 실시간 온도 프로파일을 사용할 수 있습니다.
Laser powder bed fusion (L-PBF) additive manufacturing (AM) is capable of producing complex parts near net shape with good mechanical properties. However, undesired residual stress and distortion that lead to build failure and defects such as porosity are preventing broader applications of L-PBF. To realize the full potential of L-PBF, a multiscale modeling methodology is developed to predict residual deformation, melt pool, and porosity formation. To predict the residual deformation and stress in L-PBF at part-scale, a multiscale process modeling framework based on inherent strain method is proposed.
Inherent strain vectors are extracted from detailed multi-layer process simulation with high fidelity at micro-scale. Uniform but anisotropic strains are then applied to L-PBF part in a layer-by-layer fashion in a quasi-static equilibrium finite element analysis (FEA) to predict residual distortion and stress. Besides residual distortion and stress prediction at part scale, multiphysics modeling at powder scale is performed to study the melt pool variation and defect formation induced by process parameters, preheating temperature and spattering particles. Melt pool dynamics and porosity formation mechanisms associated with these factors are revealed through simulation and experiments.
Based on the proposed part-scale residual stress and distortion model, path planning method is developed to tailor the laser scanning path for a given geometry to prevent large residual deformation and building failures. Gradient based path planning for continuous and island scanning strategy is formulated and full sensitivity analysis for the formulated compliance- and stress-minimization problem is performed.
The feasibility and effectiveness of this proposed path planning method is demonstrated experimentally using the AconityONE L-PBF system. In addition, a data-driven framework utilizing machine learning is developed to predict the thermal history at part-scale for L-PBF.
In this work, a sequential machine learning model including convolutional neural network (CNN) and recurrent neural network (RNN), long shortterm memory unit, is proposed for real-time thermal history prediction. A 100x prediction speed improvement is achieved compared to the finite element analysis which makes the prediction faster than real fabrication process and real-time temperature profile available.
Figure 1.1: Schematic Overview of Metal Laser Powder Bed Fusion Process [2]Figure 1.2: Commercial Powder Bed Fusion SystemsFigure 1.3: Commercial Metal Components Fabricated by Powder Bed Fusion Additive Manufacturing: (a) GE Fuel Nozzle; (b) Stryker Hip Biomedical Implant.Figure 2.1: Proposed Multiscale Process Simulation FrameworkFigure 2.2: (a) Experimental Setup for In-situ Thermocouple Measurement in the EOS M290 Build Chamber; (b) Themocouple Locations on the Bottom Side of the Substrate.Figure 2.3: (a) Finite Element Model for Single Layer Thermal Analysis; (b) Deposition LayerFigure 2.4: Core-skin layer: (a) Surface Morphology; (b) Scanning Strategy; (c) Transient Temperature Distribution and Temperature History at (d) Point 1; (e) Point 2 and (f) Point 3Figure 2.5: (a) Scanning Orientation of Each Layer; (b) Finite Element Model for Micro-scale Representative Volume Figure 2.6: Bottom Layer (a) Thermal History; (b) Plastic Strain and (c) Elastic Strain Evolution HistoryFigure 2.7: Bottom Layer Inherent Strain under Default Process Parameters along Horizontal Scanning PathFigure 2.8: Snapshots of the Element Activation ProcessFigure 2.9: Double Cantilever Beam Structure Built by the EOS M290 DMLM Process (a) Before and (b)
After Cutting off; (c) Faro Laser ScanArm V3 for Distortion MeasurementFigure 2.10: Square Canonical Structure Built by the EOS M290 DMLM ProcessFigure 2.11: Finite Element Mesh for the Square Canonical and Snapshots of Element Activation ProcessFigure 2.12: Simulated Distortion Field for the Double Cantilever Beam before Cutting off the Supports: (a) Inherent Strain Method; (b) Simufact Additive 3.1Figure 3.10: Snapshots of Temperature Profile for Single Track in Keyhole Regime (P = 250W and V = 0.5m/s) at the Preheating Temperature of 100 °Cs) at the Preheating Temperature of 500 °CFigure 3.15: Melt Pool Cross Section Comparison Between Simulation and Experiment for Single Track
Bibliography
[1] I. Astm, ASTM52900-15 Standard Terminology for Additive Manufacturing—General Principles—Terminology, ASTM International, West Conshohocken, PA 3(4) (2015) 5. [2] W.E. King, A.T. Anderson, R.M. Ferencz, N.E. Hodge, C. Kamath, S.A. Khairallah, A.M. Rubenchik, Laser powder bed fusion additive manufacturing of metals; physics, computational, and materials challenges, Applied Physics Reviews 2(4) (2015) 041304. [3] W. Yan, Y. Lu, K. Jones, Z. Yang, J. Fox, P. Witherell, G. Wagner, W.K. Liu, Data-driven characterization of thermal models for powder-bed-fusion additive manufacturing, Additive Manufacturing (2020) 101503. [4] K. Dai, L. Shaw, Thermal and stress modeling of multi-material laser processing, Acta Materialia 49(20) (2001) 4171-4181. [5] K. Dai, L. Shaw, Distortion minimization of laser-processed components through control of laser scanning patterns, Rapid Prototyping Journal 8(5) (2002) 270-276. [6] S.S. Bo Cheng, Kevin Chou, Stress and deformation evaluations of scanning strategy effect in selective laser melting, Additive Manufacturing (2017). [7] C. Fu, Y. Guo, Three-dimensional temperature gradient mechanism in selective laser melting of Ti-6Al-4V, Journal of Manufacturing Science and Engineering 136(6) (2014) 061004. [8] P. Prabhakar, W.J. Sames, R. Dehoff, S.S. Babu, Computational modeling of residual stress formation during the electron beam melting process for Inconel 718, Additive Manufacturing 7 (2015) 83-91. [9] A. Hussein, L. Hao, C. Yan, R. Everson, Finite element simulation of the temperature and stress fields in single layers built without-support in selective laser melting, Materials & Design (1980-2015) 52 (2013) 638-647. [10] P.Z. Qingcheng Yang, Lin Cheng, Zheng Min, Minking Chyu, Albert C. To, articleFinite element modeling and validation of thermomechanicalbehavior of Ti-6Al-4V in directed energy deposition additivemanufacturing, Additive Manufacturing (2016). [11] E.R. Denlinger, J. Irwin, P. Michaleris, Thermomechanical Modeling of Additive Manufacturing Large Parts, Journal of Manufacturing Science and Engineering 136(6) (2014) 061007. [12] E.R. Denlinger, M. Gouge, J. Irwin, P. Michaleris, Thermomechanical model development and in situ experimental validation of the Laser Powder-Bed Fusion process, Additive Manufacturing 16 (2017) 73-80. [13] V.J. Erik R Denlinger, G.V. Srinivasan, Tahany EI-Wardany, Pan Michaleris, Thermal modeling of Inconel 718 processed with powder bed fusionand experimental validation using in situ measurements, Additive Manufacturing 11 (2016) 7-15. [14] N. Patil, D. Pal, H.K. Rafi, K. Zeng, A. Moreland, A. Hicks, D. Beeler, B. Stucker, A Generalized Feed Forward Dynamic Adaptive Mesh Refinement and Derefinement Finite Element Framework for Metal Laser Sintering—Part I: Formulation and Algorithm Development, Journal of Manufacturing Science and Engineering 137(4) (2015) 041001. [15] D. Pal, N. Patil, K.H. Kutty, K. Zeng, A. Moreland, A. Hicks, D. Beeler, B. Stucker, A Generalized Feed-Forward Dynamic Adaptive Mesh Refinement and Derefinement FiniteElement Framework for Metal Laser Sintering—Part II: Nonlinear Thermal Simulations and Validations, Journal of Manufacturing Science and Engineering 138(6) (2016) 061003. [16] N. Keller, V. Ploshikhin, New method for fast predictions of residual stress and distortion of AM parts, Solid Freeform Fabrication Symposium, Austin, Texas, 2014, pp. 1229-1237. [17] S.A. Khairallah, A.T. Anderson, A. Rubenchik, W.E. King, Laser powder-bed fusion additive manufacturing: Physics of complex melt flow and formation mechanisms of pores, spatter, and denudation zones, Acta Materialia 108 (2016) 36-45. [18] M.J. Matthews, G. Guss, S.A. Khairallah, A.M. Rubenchik, P.J. Depond, W.E. King, Denudation of metal powder layers in laser powder bed fusion processes, Acta Materialia 114 (2016) 33-42. [19] A.A. Martin, N.P. Calta, S.A. Khairallah, J. Wang, P.J. Depond, A.Y. Fong, V. Thampy, G.M. Guss, A.M. Kiss, K.H. Stone, Dynamics of pore formation during laser powder bed fusion additive manufacturing, Nature communications 10(1) (2019) 1987. [20] R. Shi, S.A. Khairallah, T.T. Roehling, T.W. Heo, J.T. McKeown, M.J. Matthews, Microstructural control in metal laser powder bed fusion additive manufacturing using laser beam shaping strategy, Acta Materialia (2019). [21] S.A. Khairallah, A.A. Martin, J.R. Lee, G. Guss, N.P. Calta, J.A. Hammons, M.H. Nielsen, K. Chaput, E. Schwalbach, M.N. Shah, Controlling interdependent meso-nanosecond dynamics and defect generation in metal 3D printing, Science 368(6491) (2020) 660-665. [22] W. Yan, W. Ge, Y. Qian, S. Lin, B. Zhou, W.K. Liu, F. Lin, G.J. Wagner, Multi-physics modeling of single/multiple-track defect mechanisms in electron beam selective melting, Acta Materialia 134 (2017) 324-333. [23] S. Shrestha, Y. Kevin Chou, A Numerical Study on the Keyhole Formation During Laser Powder Bed Fusion Process, Journal of Manufacturing Science and Engineering 141(10) (2019). [24] S. Shrestha, B. Cheng, K. Chou, An Investigation into Melt Pool Effective Thermal Conductivity for Thermal Modeling of Powder-Bed Electron Beam Additive Manufacturing. [25] D. Rosenthal, Mathematical theory of heat distribution during welding and cutting, Welding journal 20 (1941) 220-234. [26] P. Promoppatum, S.-C. Yao, P.C. Pistorius, A.D. Rollett, A comprehensive comparison of the analytical and numerical prediction of the thermal history and solidification microstructure of Inconel 718 products made by laser powder-bed fusion, Engineering 3(5) (2017) 685-694. [27] M. Tang, P.C. Pistorius, J.L. Beuth, Prediction of lack-of-fusion porosity for powder bed fusion, Additive Manufacturing 14 (2017) 39-48. [28] T. Moran, P. Li, D. Warner, N. Phan, Utility of superposition-based finite element approach for part-scale thermal simulation in additive manufacturing, Additive Manufacturing 21 (2018) 215-219. [29] Y. Yang, M. Knol, F. van Keulen, C. Ayas, A semi-analytical thermal modelling approach for selective laser melting, Additive Manufacturing 21 (2018) 284-297. [30] B. Cheng, S. Shrestha, K. Chou, Stress and deformation evaluations of scanning strategy effect in selective laser melting, Additive Manufacturing 12 (2016) 240-251. [31] L.H. Ahmed Hussein, Chunze Yan, Richard Everson, Finite element simulation of the temperature and stress fields in single layers built without-support in selective laser melting, Materials and Design 52 (2013) 638-647. [32] H. Peng, D.B. Go, R. Billo, S. Gong, M.R. Shankar, B.A. Gatrell, J. Budzinski, P. Ostiguy, R. Attardo, C. Tomonto, Part-scale model for fast prediction of thermal distortion in DMLS additive manufacturing; Part 2: a quasi-static thermo-mechanical model, Austin, Texas (2016). [33] M.F. Zaeh, G. Branner, Investigations on residual stresses and deformations in selective laser melting, Production Engineering 4(1) (2010) 35-45. [34] C. Li, C. Fu, Y. Guo, F. Fang, A multiscale modeling approach for fast prediction of part distortion in selective laser melting, Journal of Materials Processing Technology 229 (2016) 703- 712. [35] C. Li, Z. Liu, X. Fang, Y. Guo, On the Simulation Scalability of Predicting Residual Stress and Distortion in Selective Laser Melting, Journal of Manufacturing Science and Engineering 140(4) (2018) 041013. [36] S. Afazov, W.A. Denmark, B.L. Toralles, A. Holloway, A. Yaghi, Distortion Prediction and Compensation in Selective Laser Melting, Additive Manufacturing 17 (2017) 15-22. [37] Y. Lee, W. Zhang, Modeling of heat transfer, fluid flow and solidification microstructure of nickel-base superalloy fabricated by laser powder bed fusion, Additive Manufacturing 12 (2016) 178-188. [38] L. Scime, J. Beuth, A multi-scale convolutional neural network for autonomous anomaly detection and classification in a laser powder bed fusion additive manufacturing process, Additive Manufacturing 24 (2018) 273-286. [39] L. Scime, J. Beuth, Using machine learning to identify in-situ melt pool signatures indicative of flaw formation in a laser powder bed fusion additive manufacturing process, Additive Manufacturing 25 (2019) 151-165. [40] X. Xie, J. Bennett, S. Saha, Y. Lu, J. Cao, W.K. Liu, Z. Gan, Mechanistic data-driven prediction of as-built mechanical properties in metal additive manufacturing, npj Computational Materials 7(1) (2021) 1-12. [41] C. Wang, X. Tan, S. Tor, C. Lim, Machine learning in additive manufacturing: State-of-theart and perspectives, Additive Manufacturing (2020) 101538. [42] J. Li, R. Jin, Z.Y. Hang, Integration of physically-based and data-driven approaches for thermal field prediction in additive manufacturing, Materials & Design 139 (2018) 473-485. [43] M. Mozaffar, A. Paul, R. Al-Bahrani, S. Wolff, A. Choudhary, A. Agrawal, K. Ehmann, J. Cao, Data-driven prediction of the high-dimensional thermal history in directed energy deposition processes via recurrent neural networks, Manufacturing letters 18 (2018) 35-39. [44] A. Paul, M. Mozaffar, Z. Yang, W.-k. Liao, A. Choudhary, J. Cao, A. Agrawal, A real-time iterative machine learning approach for temperature profile prediction in additive manufacturing processes, 2019 IEEE International Conference on Data Science and Advanced Analytics (DSAA), IEEE, 2019, pp. 541-550. [45] S. Clijsters, T. Craeghs, J.-P. Kruth, A priori process parameter adjustment for SLM process optimization, Innovative developments on virtual and physical prototyping, Taylor & Francis Group., 2012, pp. 553-560. [46] R. Mertens, S. Clijsters, K. Kempen, J.-P. Kruth, Optimization of scan strategies in selective laser melting of aluminum parts with downfacing areas, Journal of Manufacturing Science and Engineering 136(6) (2014) 061012. [47] J.-P. Kruth, J. Deckers, E. Yasa, R. Wauthlé, Assessing and comparing influencing factors of residual stresses in selective laser melting using a novel analysis method, Proceedings of the institution of mechanical engineers, Part B: Journal of Engineering Manufacture 226(6) (2012) 980-991. [48] Y. Lu, S. Wu, Y. Gan, T. Huang, C. Yang, L. Junjie, J. Lin, Study on the microstructure, mechanical property and residual stress of SLM Inconel-718 alloy manufactured by differing island scanning strategy, Optics & Laser Technology 75 (2015) 197-206. [49] E. Foroozmehr, R. Kovacevic, Effect of path planning on the laser powder deposition process: thermal and structural evaluation, The International Journal of Advanced Manufacturing Technology 51(5-8) (2010) 659-669. [50] L.H. Ahmed Hussein, Chunze Yan, Richard Everson, Finite element simulation of the temperature and stress fields in single layers built without-support in selective laser melting, Materials and Design (2013). [51] J.-P. Kruth, M. Badrossamay, E. Yasa, J. Deckers, L. Thijs, J. Van Humbeeck, Part and material properties in selective laser melting of metals, Proceedings of the 16th international symposium on electromachining, 2010, pp. 1-12. [52] L. Thijs, K. Kempen, J.-P. Kruth, J. Van Humbeeck, Fine-structured aluminium products with controllable texture by selective laser melting of pre-alloyed AlSi10Mg powder, Acta Materialia 61(5) (2013) 1809-1819. [53] D. Ding, Z.S. Pan, D. Cuiuri, H. Li, A tool-path generation strategy for wire and arc additive manufacturing, The international journal of advanced manufacturing technology 73(1-4) (2014) 173-183. [54] B.E. Carroll, T.A. Palmer, A.M. Beese, Anisotropic tensile behavior of Ti–6Al–4V components fabricated with directed energy deposition additive manufacturing, Acta Materialia 87 (2015) 309-320. [55] D. Ding, Z. Pan, D. Cuiuri, H. Li, A practical path planning methodology for wire and arc additive manufacturing of thin-walled structures, Robotics and Computer-Integrated Manufacturing 34 (2015) 8-19. [56] D. Ding, Z. Pan, D. Cuiuri, H. Li, S. van Duin, N. Larkin, Bead modelling and implementation of adaptive MAT path in wire and arc additive manufacturing, Robotics and Computer-Integrated Manufacturing 39 (2016) 32-42. [57] R. Ponche, O. Kerbrat, P. Mognol, J.-Y. Hascoet, A novel methodology of design for Additive Manufacturing applied to Additive Laser Manufacturing process, Robotics and ComputerIntegrated Manufacturing 30(4) (2014) 389-398. [58] D.E. Smith, R. Hoglund, Continuous fiber angle topology optimization for polymer fused fillament fabrication, Annu. Int. Solid Free. Fabr. Symp. Austin, TX, 2016. [59] J. Liu, J. Liu, H. Yu, H. Yu, Concurrent deposition path planning and structural topology optimization for additive manufacturing, Rapid Prototyping Journal 23(5) (2017) 930-942. [60] Q. Xia, T. Shi, Optimization of composite structures with continuous spatial variation of fiber angle through Shepard interpolation, Composite Structures 182 (2017) 273-282. [61] C. Kiyono, E. Silva, J. Reddy, A novel fiber optimization method based on normal distribution function with continuously varying fiber path, Composite Structures 160 (2017) 503-515. [62] C.J. Brampton, K.C. Wu, H.A. Kim, New optimization method for steered fiber composites using the level set method, Structural and Multidisciplinary Optimization 52(3) (2015) 493-505. [63] J. Liu, A.C. To, Deposition path planning-integrated structural topology optimization for 3D additive manufacturing subject to self-support constraint, Computer-Aided Design 91 (2017) 27- 45. [64] H. Shen, J. Fu, Z. Chen, Y. Fan, Generation of offset surface for tool path in NC machining through level set methods, The International Journal of Advanced Manufacturing Technology 46(9-12) (2010) 1043-1047. [65] C. Zhuang, Z. Xiong, H. Ding, High speed machining tool path generation for pockets using level sets, International Journal of Production Research 48(19) (2010) 5749-5766. [66] K.C. Mills, Recommended values of thermophysical properties for selected commercial alloys, Woodhead Publishing2002. [67] S.S. Sih, J.W. Barlow, The prediction of the emissivity and thermal conductivity of powder beds, Particulate Science and Technology 22(4) (2004) 427-440. [68] L. Dong, A. Makradi, S. Ahzi, Y. Remond, Three-dimensional transient finite element analysis of the selective laser sintering process, Journal of materials processing technology 209(2) (2009) 700-706. [69] J.J. Beaman, J.W. Barlow, D.L. Bourell, R.H. Crawford, H.L. Marcus, K.P. McAlea, Solid freeform fabrication: a new direction in manufacturing, Kluwer Academic Publishers, Norwell, MA 2061 (1997) 25-49. [70] G. Bugeda Miguel Cervera, G. Lombera, Numerical prediction of temperature and density distributions in selective laser sintering processes, Rapid Prototyping Journal 5(1) (1999) 21-26. [71] T. Mukherjee, W. Zhang, T. DebRoy, An improved prediction of residual stresses and distortion in additive manufacturing, Computational Materials Science 126 (2017) 360-372. [72] A.J. Dunbar, E.R. Denlinger, M.F. Gouge, P. Michaleris, Experimental validation of finite element modeling for laser powderbed fusion deformation, Additive Manufacturing 12 (2016) 108-120. [73] J. Goldak, A. Chakravarti, M. Bibby, A new finite element model for welding heat sources, Metallurgical and Materials Transactions B 15(2) (1984) 299-305. [74] J. Liu, Q. Chen, Y. Zhao, W. Xiong, A. To, Quantitative Texture Prediction of Epitaxial Columnar Grains in Alloy 718 Processed by Additive Manufacturing, Proceedings of the 9th International Symposium on Superalloy 718 & Derivatives: Energy, Aerospace, and Industrial Applications, Springer, 2018, pp. 749-755. [75] J. Irwin, P. Michaleris, A line heat input model for additive manufacturing, Journal of Manufacturing Science and Engineering 138(11) (2016) 111004. [76] M. Gouge, J. Heigel, P. Michaleris, T. Palmer, Modeling forced convection in the thermal simulation of laser cladding processes, International Journal of Advanced Manufacturing Technology 79 (2015). [77] J. Heigel, P. Michaleris, E. Reutzel, Thermo-mechanical model development and validation of directed energy deposition additive manufacturing of Ti–6Al–4V, Additive manufacturing 5 (2015) 9-19. [78] E.R. Denlinger, J.C. Heigel, P. Michaleris, Residual stress and distortion modeling of electron beam direct manufacturing Ti-6Al-4V, Proceedings of the Institution of Mechanical Engineers, Part B: Journal of Engineering Manufacture 229(10) (2015) 1803-1813. [79] X. Liang, Q. Chen, L. Cheng, Q. Yang, A. To, A modified inherent strain method for fast prediction of residual deformation in additive manufacturing of metal parts, 2017 Solid Freeform Fabrication Symposium Proceedings, Austin, Texas, 2017. [80] X. Liang, L. Cheng, Q. Chen, Q. Yang, A. To, A Modified Method for Estimating Inherent Strains from Detailed Process Simulation for Fast Residual Distortion Prediction of Single-Walled Structures Fabricated by Directed Energy Deposition, Additive Manufacturing 23 (2018) 471-486. [81] L. Sochalski-Kolbus, E.A. Payzant, P.A. Cornwell, T.R. Watkins, S.S. Babu, R.R. Dehoff, M. Lorenz, O. Ovchinnikova, C. Duty, Comparison of residual stresses in Inconel 718 simple parts made by electron beam melting and direct laser metal sintering, Metallurgical and Materials Transactions A 46(3) (2015) 1419-1432. [82] P. Mercelis, J.-P. Kruth, Residual stresses in selective laser sintering and selective laser melting, Rapid Prototyping Journal 12(5) (2006) 254-265. [83] N. Hodge, R. Ferencz, J. Solberg, Implementation of a thermomechanical model for the simulation of selective laser melting, Computational Mechanics 54(1) (2014) 33-51. [84] A.S. Wu, D.W. Brown, M. Kumar, G.F. Gallegos, W.E. King, An experimental investigation into additive manufacturing-induced residual stresses in 316L stainless steel, Metallurgical and Materials Transactions A 45(13) (2014) 6260-6270. [85] C. Li, J. liu, Y. Guo, Efficient predictive model of part distortion and residual stress in selective laser melting, Solid Freeform Fabrication 2016, 2017. [86] Y. Zhao, Y. Koizumi, K. Aoyagi, D. Wei, K. Yamanaka, A. Chiba, Molten pool behavior and effect of fluid flow on solidification conditions in selective electron beam melting (SEBM) of a biomedical Co-Cr-Mo alloy, Additive Manufacturing 26 (2019) 202-214. [87] J.-H. Cho, S.-J. Na, Implementation of real-time multiple reflection and Fresnel absorption of laser beam in keyhole, Journal of Physics D: Applied Physics 39(24) (2006) 5372. [88] Q. Guo, C. Zhao, M. Qu, L. Xiong, L.I. Escano, S.M.H. Hojjatzadeh, N.D. Parab, K. Fezzaa, W. Everhart, T. Sun, In-situ characterization and quantification of melt pool variation under constant input energy density in laser powder-bed fusion additive manufacturing process, Additive Manufacturing (2019). [89] E. Assuncao, S. Williams, D. Yapp, Interaction time and beam diameter effects on the conduction mode limit, Optics and Lasers in Engineering 50(6) (2012) 823-828. [90] R. Cunningham, C. Zhao, N. Parab, C. Kantzos, J. Pauza, K. Fezzaa, T. Sun, A.D. Rollett, Keyhole threshold and morphology in laser melting revealed by ultrahigh-speed x-ray imaging, Science 363(6429) (2019) 849-852. [91] W. Tan, N.S. Bailey, Y.C. Shin, Investigation of keyhole plume and molten pool based on a three-dimensional dynamic model with sharp interface formulation, Journal of Physics D: Applied Physics 46(5) (2013) 055501. [92] W. Tan, Y.C. Shin, Analysis of multi-phase interaction and its effects on keyhole dynamics with a multi-physics numerical model, Journal of Physics D: Applied Physics 47(34) (2014) 345501. [93] R. Fabbro, K. Chouf, Keyhole modeling during laser welding, Journal of applied Physics 87(9) (2000) 4075-4083. [94] Q. Guo, C. Zhao, M. Qu, L. Xiong, S.M.H. Hojjatzadeh, L.I. Escano, N.D. Parab, K. Fezzaa, T. Sun, L. Chen, In-situ full-field mapping of melt flow dynamics in laser metal additive manufacturing, Additive Manufacturing 31 (2020) 100939. [95] Y. Ueda, K. Fukuda, K. Nakacho, S. Endo, A new measuring method of residual stresses with the aid of finite element method and reliability of estimated values, Journal of the Society of Naval Architects of Japan 1975(138) (1975) 499-507. [96] M.R. Hill, D.V. Nelson, The inherent strain method for residual stress determination and its application to a long welded joint, ASME-PUBLICATIONS-PVP 318 (1995) 343-352. [97] H. Murakawa, Y. Luo, Y. Ueda, Prediction of welding deformation and residual stress by elastic FEM based on inherent strain, Journal of the society of Naval Architects of Japan 1996(180) (1996) 739-751. [98] M. Yuan, Y. Ueda, Prediction of residual stresses in welded T-and I-joints using inherent strains, Journal of Engineering Materials and Technology, Transactions of the ASME 118(2) (1996) 229-234. [99] L. Zhang, P. Michaleris, P. Marugabandhu, Evaluation of applied plastic strain methods for welding distortion prediction, Journal of Manufacturing Science and Engineering 129(6) (2007) 1000-1010. [100] M. Bugatti, Q. Semeraro, Limitations of the Inherent Strain Method in Simulating Powder Bed Fusion Processes, Additive Manufacturing 23 (2018) 329-346. [101] L. Cheng, X. Liang, J. Bai, Q. Chen, J. Lemon, A. To, On Utilizing Topology Optimization to Design Support Structure to Prevent Residual Stress Induced Build Failure in Laser Powder Bed Metal Additive Manufacturing, Additive Manufacturing (2019). [102] Q. Chen, X. Liang, D. Hayduke, J. Liu, L. Cheng, J. Oskin, R. Whitmore, A.C. To, An inherent strain based multiscale modeling framework for simulating part-scale residual deformation for direct metal laser sintering, Additive Manufacturing 28 (2019) 406-418. [103] S. Osher, J.A. Sethian, Fronts propagating with curvature-dependent speed: algorithms based on Hamilton-Jacobi formulations, Journal of computational physics 79(1) (1988) 12-49. [104] M.Y. Wang, X. Wang, D. Guo, A level set method for structural topology optimization, Computer methods in applied mechanics and engineering 192(1) (2003) 227-246. [105] G. Allaire, F. Jouve, A.-M. Toader, Structural optimization using sensitivity analysis and a level-set method, Journal of computational physics 194(1) (2004) 363-393. [106] Y. Wang, Z. Luo, Z. Kang, N. Zhang, A multi-material level set-based topology and shape optimization method, Computer Methods in Applied Mechanics and Engineering 283 (2015) 1570-1586. [107] P. Dunning, C. Brampton, H. Kim, Simultaneous optimisation of structural topology and material grading using level set method, Materials Science and Technology 31(8) (2015) 884-894. [108] P. Liu, Y. Luo, Z. Kang, Multi-material topology optimization considering interface behavior via XFEM and level set method, Computer methods in applied mechanics and engineering 308 (2016) 113-133. [109] J. Liu, Q. Chen, Y. Zheng, R. Ahmad, J. Tang, Y. Ma, Level set-based heterogeneous object modeling and optimization, Computer-Aided Design (2019). [110] J. Liu, Q. Chen, X. Liang, A.C. To, Manufacturing cost constrained topology optimization for additive manufacturing, Frontiers of Mechanical Engineering 14(2) (2019) 213-221. [111] Z. Kang, Y. Wang, Integrated topology optimization with embedded movable holes based on combined description by material density and level sets, Computer methods in applied mechanics and engineering 255 (2013) 1-13. [112] P.D. Dunning, H. Alicia Kim, A new hole insertion method for level set based structural topology optimization, International Journal for Numerical Methods in Engineering 93(1) (2013) 118-134. [113] J.A. Sethian, A fast marching level set method for monotonically advancing fronts, Proceedings of the National Academy of Sciences 93(4) (1996) 1591-1595. [114] J.A. Sethian, Level set methods and fast marching methods: evolving interfaces in computational geometry, fluid mechanics, computer vision, and materials science, Cambridge university press1999. [115] C. Le, J. Norato, T. Bruns, C. Ha, D. Tortorelli, Stress-based topology optimization for continua, Structural and Multidisciplinary Optimization 41(4) (2010) 605-620. [116] A. Takezawa, G.H. Yoon, S.H. Jeong, M. Kobashi, M. Kitamura, Structural topology optimization with strength and heat conduction constraints, Computer Methods in Applied Mechanics and Engineering 276 (2014) 341-361. [117] S. Hochreiter, J. Schmidhuber, Long short-term memory, Neural computation 9(8) (1997) 1735-1780. [118] A. Krizhevsky, I. Sutskever, G.E. Hinton, Imagenet classification with deep convolutional neural networks, Advances in neural information processing systems 25 (2012) 1097-1105. [119] K. Simonyan, A. Zisserman, Very deep convolutional networks for large-scale image recognition, arXiv preprint arXiv:1409.1556 (2014). [120] K. He, X. Zhang, S. Ren, J. Sun, Deep residual learning for image recognition, Proceedings of the IEEE conference on computer vision and pattern recognition, 2016, pp. 770-778. [121] O. Russakovsky, J. Deng, H. Su, J. Krause, S. Satheesh, S. Ma, Z. Huang, A. Karpathy, A. Khosla, M. Bernstein, Imagenet large scale visual recognition challenge, International journal of computer vision 115(3) (2015) 211-252. [122] S. Ren, K. He, R. Girshick, J. Sun, Faster r-cnn: Towards real-time object detection with region proposal networks, Advances in neural information processing systems 28 (2015) 91-99. [123] E.J. Schwalbach, S.P. Donegan, M.G. Chapman, K.J. Chaput, M.A. Groeber, A discrete source model of powder bed fusion additive manufacturing thermal history, Additive Manufacturing 25 (2019) 485-498. [124] D.G. Duffy, Green’s functions with applications, Chapman and Hall/CRC2015. [125] J. Martínez-Frutos, D. Herrero-Pérez, Efficient matrix-free GPU implementation of fixed grid finite element analysis, Finite Elements in Analysis and Design 104 (2015) 61-71. [126] F. Dugast, P. Apostolou, A. Fernandez, W. Dong, Q. Chen, S. Strayer, R. Wicker, A.C. To, Part-scale thermal process modeling for laser powder bed fusion with matrix-free method and GPU computing, Additive Manufacturing 37 (2021) 101732. [127] A. Vaswani, N. Shazeer, N. Parmar, J. Uszkoreit, L. Jones, A.N. Gomez, Ł. Kaiser, I. Polosukhin, Attention is all you need, Advances in neural information processing systems, 2017, pp. 5998-6008. [128] J. Devlin, M.-W. Chang, K. Lee, K. Toutanova, Bert: Pre-training of deep bidirectional transformers for language understanding, arXiv preprint arXiv:1810.04805 (2018).
Electricité de Tahiti(GDF Suez) 댐의 재건이라는 틀 내에서 Coyne et Bellier는 진단과 Tahiti 댐의 전반적인 연구를 수행했습니다.
Tahinu는 프랑스령 폴리네시아의 Tahiti 섬에 위치한 37m 높이의 수력 발전 댐입니다. 수문학적 연구의 검토와 프랑스 표준의 적용은 최대 설계 홍수를 500에서 644 m3/s(+30%)로 증가시켰습니다.
먼저 측수로 여수로(마루 길이 60m)의 1D 수치 모델링을 수행하여 배수 용량을 평가했습니다. 결론은 마루댐과 배수로 수로 측벽의 오버토핑을 유발할 수 있는 배수로의 용량이 충분하지 않다는 것이었습니다.
그런 다음 이러한 결과를 확인하고 배수로의 특정 구성(정원 아래의 접근 속도와 깊이의 불균일한 분포, 측면 채널 단면의 불규칙한 기하학, 잠긴 둑, 곡선 채널 배수로)을 고려하기 위해, 3D 수치 모델링은 Flow 3D®로 수행되었습니다.
시뮬레이션은 1D 모델(흐름의 일반적인 패턴, 상류 저수지 수위)보다 더 정확한 결과를 보여주었습니다. 이에 따라 댐 능선의 높이와 여수로 측벽을 설계 및 최적화하여 안전을 위한 충분한 freeboards을 확보하도록 하였습니다.
Within the framework of the rehabilitation of Electricité de Tahiti (GDF Suez) dams, Coyne et Bellier carried out a diagnosis and an overall study of the Tahinu dam. Tahinu is a 37-m-high earthfill hydroelectric dam, located in the island of Tahiti, French Polynesia. The review of the hydrological study and the application of French standards lead to increase the peak design flood from 500 to 644 m3/s (+30 %). First, a 1D numerical modeling of the side-channel spillway (crest length 60 m) was performed to assess its discharge capacity. The conclusion was an insufficient capacity of the spillway that might induce an overtopping of the crest dam and of the sidewalls of the spillway channel. Then, to confirm these results and to take into account the specific configuration of the spillway (non-uniform distribution of the approach velocity and depth below crest, irregular geometry of the side-channel cross section, submerged weir, curved channel spillway), a 3D numerical modeling was carried out with Flow 3D®. Simulations showed more accurate results than 1D model (general pattern of the flow, upstream reservoir level). Consequently, heightenings of the dam crest and the sidewalls of the spillway channel were designed and optimized to secure sufficient freeboards for safety.
Cite this chapter as:Milési G., Causse S. (2014) 3D Numerical Modeling of a Side-Channel Spillway. In: Gourbesville P., Cunge J., Caignaert G. (eds) Advances in Hydroinformatics. Springer Hydrogeology. Springer, Singapore. https://doi.org/10.1007/978-981-4451-42-0_39
First Online12 November 2013
DOI : https://doi.org/10.1007/978-981-4451-42-0_39
곡면에서 GMAW 기반 적층 가공의 용접 성형 특성은 중력의 영향을 크게 받습니다. 성형면의 경사각이 크면 혹 비드(hump bead)와 같은 심각한 결함이 발생합니다.
본 논문에서는 양생면에서 용접 비드 형성의 형성 특성과 제어 방법을 연구하기 위해 용접 용융 풀 유동 역학의 전산 모델을 수립하고 제안된 모델을 검증하기 위해 증착 실험을 수행하였습니다.
결과는 용접 비드 경사각(α)이 증가함에 따라 역류의 속도가 증가하고 상향 용접의 경우 α > 60°일 때 불규칙한 험프 결함이 나타나는 것으로 나타났습니다.
상부 과잉 액체의 하향 압착력과 하부 상향 유동의 반동력과 표면장력 사이의 상호작용은 용접 혹 형성의 주요 요인이었다. 하향 용접의 경우 양호한 형태를 얻을 수 있었으며, 용접 비드 경사각이 증가함에 따라 용접 높이는 감소하고 용접 폭은 증가하였습니다.
하향 및 상향 용접을 위한 곡면의 용융 거동 및 성형 특성을 기반으로 험프 결함을 제어하기 위해 위브 용접을 통한 증착 방법을 제안하였습니다.
성형 궤적의 변화로 인해 용접 방향의 중력 성분이 크게 감소하여 용융 풀 흐름의 안정성이 향상되었으며 복잡한 표면에서 안정적이고 일관된 용접 비드를 얻는 데 유리했습니다.
하향 용접과 상향 용접 사이의 단일 비드의 치수 편차는 7% 이내였으며 하향 및 상향 혼합 혼합 비드 중첩 증착에서 비드의 변동 편차는 0.45로 GMAW 기반 적층 제조 공정에서 허용될 수 있었습니다.
이러한 발견은 GMAW를 기반으로 하는 곡선 적층 적층 제조의 용접 비드 형성 제어에 기여했습니다.
The weld forming characteristics of GMAW-based additive manufacturing on curved surface are dramatically influenced by gravity. Large inclined angle of the forming surface would lead to severe defects such as hump bead. In this paper, a computational model of welding molten pool flow dynamics was established to research the forming characteristic and control method of weld bead forming on cured surface, and deposition experiments were conducted to verify the proposed model. Results indicated that the velocity of backward flows increased with the increase of weld bead tilt angle (α) and irregular hump defects appeared when α > 60° for upward welding. The interaction between the downward squeezing force of the excess liquid at the top and the recoil force of the upward flow at the bottom and the surface tension were primary factors for welding hump formation. For downward welding, a good morphology shape could be obtained, and the weld height decreased and the weld width increased with the increase of weld bead tilt angle. Based on the molten behaviors and forming characteristics on curved surface for downward and upward welding, the method of deposition with weave welding was proposed to control hump defects. Gravity component in the welding direction was significantly reduced due to the change of forming trajectory, which improved the stability of the molten pool flow and was beneficial to obtain stable and consistent weld bead on complex surface. The dimensional deviations of the single bead between downward and upward welding were within 7% and the fluctuation deviation of the bead in multi-bead overlapping deposition with mixing downward and upward welding was 0.45, which could be acceptable in GMAW-based additive manufacturing process. These findings contributed to the weld bead forming control of curve layered additive manufacturing based on GMAW.
7.Xie FB, Chen LF, Li ZY, Tang K (2020) Path smoothing and feed rate planning for robotic curved layer additive manufacturing. Robot Comput Integr Manuf 65. https://doi.org/10.1016/j.rcim.2020.101967
8.Ding YY, Dwivedi R, Kovacevic R (2017) Process planning for 8-axis robotized laser-based direct metal deposition system: a case on building revolved part. Robot Comput Integr Manuf 44:67–76. https://doi.org/10.1016/j.rcim.2016.08.008ArticleGoogle Scholar
12.Yuan L, Pan ZX, Ding DH, He FY, Duin SV, Li HJ, Li WH (2020) Investigation of humping phenomenon for the multi-directional robotic wire and arc additive manufacturing. Robot Comput Integr Manuf 63. https://doi.org/10.1016/j.rcim.2019.101916
13.Nguyen MC, Medale M, Asserin O, Gounand S, Gilles P (2017) Sensitivity to welding positions and parameters in GTA welding with a 3D multiphysics numerical model. Numer Heat Transf Part A Appl 71:233–249. https://doi.org/10.1080/10407782.2016.1264747ArticleGoogle Scholar
17.Philip Y, Xu ZY, Wang Y, Wang R, Ye X (2019) Investigation of humping defect formation in a lap joint at a high-speed hybrid laser-GMA welding. Results Phys 13. https://doi.org/10.1016/j.rinp.2019.102341
18.Hu ZQ, Qin XP, Shao T, Liu HM (2018) Understanding and overcoming of abnormity at start and end of the weld bead in additive manufacturing with GMAW. Int J Adv Manuf Technol 95:2357–2368. https://doi.org/10.1007/s00170-017-1392-9ArticleGoogle Scholar
19.Tang SY, Wang GL, Huang C, Li RS, Zhou SY, Zhang HO (2020) Investigation, modeling and optimization of abnormal areas of weld beads in wire and arc additive manufacturing. Rapid Prototyp J 26:1183–1195. https://doi.org/10.1108/RPJ-08-2019-0229ArticleGoogle Scholar
20.Bai X, Colegrove P, Ding J, Zhou XM, Diao CL, Bridgeman P, Honnige JR, Zhang HO, Williams S (2018) Numerical analysis of heat transfer and fluid flow in multilayer deposition of PAW-based wire and arc additive manufacturing. Int J Heat Mass Transf 124:504–516. https://doi.org/10.1016/j.ijheatmasstransfer.2018.03.085ArticleGoogle Scholar
21.Siewert E, Schein J, Forster G (2013) Determination of enthalpy, temperature, surface tension and geometry of the material transfer in PGMAW for the system argon-iron. J Phys D Appl Phys 46. https://doi.org/10.1088/0022-3727/46/22/224008
23.Fachinotti VD, Cardona A (2008) Semi-analytical solution of the thermal field induced by a moving double-ellipsoidal welding heat source in a semi-infinite body. Mec Comput XXVII:1519–1530
24.Nguyen NT, Mai YW, Simpson S, Ohta A (2004) Analytical approximate solution for double ellipsoidal heat source in finite thick plate. Weld J 83:82–93Google Scholar
25.Goldak J, Chakravarti A, Bibby M (1985) A double ellipsoid finite element model for welding heat sources. IIW Doc. No. 212-603-85
29.Zhan XH, Zhang D, Liu XB, Chen J, Wei YH, Liu RP (2017) Comparison between weave bead welding and multi-layer multi-pass welding for thick plate Invar steel. Int J Adv Manuf Technol 88:2211–2225. https://doi.org/10.1007/s00170-016-8926-4ArticleGoogle Scholar
30.Xu GX, Li L, Wang JY, Zhu J, Li PF (2018) Study of weld formation in swing arc narrow gap vertical GMA welding by numerical modeling and experiment. Int J Adv Manuf Technol 96:1905–1917. https://doi.org/10.1007/s00170-018-1729-zArticleGoogle Scholar
Wave Loads Assessment on Coastal Structures at Inundation Risk Using CFD Modellin
Ana GomesJosé Pinho
Conference paperFirst Online: 19 November 2021
지난 수십 년 동안 극한 현상은 심각성과 주민, 기반 시설 및 인류 활동에 대한 위험 증가로 인해 우려를 불러일으켰습니다. 오늘날 해안 구조물이 범람하고 해변 침식 및 기반 시설 파괴가 전 세계 해안에서 흔히 발생합니다.
완화에 효율적으로 기여하고 효율적인 방어 조치를 채택하려면 이러한 영향을 예상하는 것이 매우 중요합니다. 대규모 물리적 모델을 기반으로 하는 이전 실험 작업에서 목조 교각 상단의 고가 해안 구조물의 공극과 그에 따른 수평 및 수직 파도력 사이의 관계가 다양한 파도 하중 조건에 대해 연구되었습니다.
이러한 실험 결과는 CFD 도구를 사용하여 유체/구조 상호 작용을 시뮬레이션하기 위한 수치 모델에 대한 보정 데이터 역할을 합니다. 주어진 파도 조건에 대해 물과 구조물 베이스 레벨 사이의 공극 높이를 다르게 하여 세 가지 시나리오를 시뮬레이션했습니다.
수치 결과를 물리적 모델 결과와 비교하면 수치적으로 구한 수평력과 수직력의 최대값은 각각 평균 14.4%와 25.4%의 상대차로 만족할 만합니다. 또한 구조물을 지지하는 교각에 작용하는 압력과 전단응력을 시뮬레이션하기 위해 실제 수치모델을 적용하였으며, 서로 다른 공극의 높이를 고려하고 각각의 CPU 시뮬레이션 시간을 평가하였습니다.
이러한 방식으로 CFD 모델의 운영 모델링 기능을 평가하여 조기 경보 시스템 내에서 최종 사용에 대한 예측 선행 시간 제한을 결정했습니다.
키워드
Coastal risk, Elevated coastal structure, Numerical simulation, Flow-3D® , 해안 위험, 높은 해안 구조, 수치 시뮬레이션
References
1.Neumann B, Vafeidis AT, Zimmermann J, Nicholls RJ (2015) Future coastal population growth and exposure to sea-level rise and coastal flooding-a global assessment. PloS one, n. 10(3), p. X-XGoogle Scholar
2.Jones B, O’Neill BC (2016) Spatially explicit global population scenarios consistent with the Shared Socioeconomic Pathways. Environmental Research Letters, N. 11(8):1–10Google Scholar
3.Talbot J (2005) Repairing Florida’s Escambia Bay Bridge. Associated Construction Publications, available online at http://www.acppubs.com/article/CA511040
4.Kennedy A, Rogers S, Sallenger A, Gravois U, Zachry B, Dosa M, Zarama F (2011a) Building destruction from wave and surge on the bolivar peninsula during hurricane Ike. J. Waterw. Port, Coast. Ocean Eng. 137 (3), 132–141Google Scholar
5.Tomiczek T, Kennedy A, Rogers S (2014) Collapse limit state fragilities of woodframed residences from storm surge and waves during hurricane Ike. J. Waterw. Port, Coast. Ocean Eng. 140 (1), 43–55Google Scholar
6.Dentale F, Donnarumma G, Pugliese Carratelli E (2014a) Simulation of flow within armour blocks in a breakwater. J Coast Res 30(3):528–536CrossRefGoogle Scholar
7.Peregrine DH (2003) Water wave impact on walls. Annu Rev Fluid Mech 35:23–43CrossRefGoogle Scholar
8.Cuomo G, Piscopia R, Allsop W (2011) Evaluation of wave impact loads on caisson breakwaters based on joint probability of impact maxima and rise times. Coast Eng 58(1):9–27CrossRefGoogle Scholar
9.Faltinsen OM, Landrini M, Greco M (2004) Slamming in marine applications. J Eng Math 48(3–4):187–217CrossRefGoogle Scholar
10.Peregrine DH. et al (2005) Violent water wave impact on a wall. In: Proceedings of 14th Aha Huliko Winter Workshop, Honolulu, HawaiiGoogle Scholar
11.Cuomo G, Tirindelli M, Allsop W (2007) Wave in deck loads on exposed jetties. Coast Eng 54(9):657–679CrossRefGoogle Scholar
12.Azadbakht M, Yim SC (2015) Simulation and estimation of tsunami loads on bridge superstructures. J Waterw Port Coast Ocean Eng 141(2):20CrossRefGoogle Scholar
13.Wiebe DM, Park H, Cox DT (2014) Application of the Goda pressure formulae for horizontal wave loads on elevated structures. KSCE J. Civ. EngGoogle Scholar
14.Hayatdavoodi M, Seiffert B, Ertekin RC (2015) Experiments and calculations of cnoidal wave loads on a flat plate in shallow-water. J. Ocean Eng. Mar. Energy 1(1):77–99CrossRefGoogle Scholar
15.Wei Z, Dalrymple RA (2016) Numerical study on mitigating tsunami force on bridges by an SPH model. J. Ocean. Eng. Mar. Energy 2(365):365–380CrossRefGoogle Scholar
16.Bradner, C., Schumacher, T., Cox, D., Higgins, C.: Experimental Setup for a largescale bridge superstructure model subjected to waves. J. Waterw. Port, Coast. Ocean Eng. 137 (1), 3–11 (2011)Google Scholar
17.Xiao H, Huang W (2008) Numerical modeling of wave runup and forces on an idealized beachfront house. Ocean Eng 35(1):106–116CrossRefGoogle Scholar
18.Do T, van de Lindt JW, Cox D (2016) Performance-based design methodology for inundated elevated coastal structures subjected to wave load. Eng Struct 117:250–262CrossRefGoogle Scholar
19.Lara JL, Garcia N, Losada IJ (2006) RANS modeling applied to random wave interaction with submerged permeable structures. Coastal Eng 53(5–6):395–417CrossRefGoogle Scholar
20.Meringolo DD, Aristodemo F, Veltri P (2015) SPH numerical modeling of wave–perforated breakwater interaction. Coast Eng 101:48–68CrossRefGoogle Scholar
21.Al-Banaa K, Liu PLF (2007) Numerical study on the hydraulic performance of submerged porous breakwater under solitary wave attack. J Coast Res 50:201–205Google Scholar
22.Gomes, A., Pinho, J.L.S., Valente, T., Antunes do Carmo, J.S., V. Hegde, A.: Performance Assessment of a Semi-Circular Breakwater through CFD Modelling. J. Mar. Sci. Eng. 2020, 8, 226 (2020).Google Scholar
23.Flow Sciences Inc. Flow-3D User Manual, release 9.4, Santa Fe, NM, USA (2009).Google Scholar
24.Smith, H., Foster., D.L.: Modeling of flow around a cylinder over a scoured bed. J. Waterw., Port, Coastal, Ocean Eng.131(1),14–24 (2005).Google Scholar
25.Richardson JE, Panchang VG (1998) Three-dimensional simulation of scour-inducing flow at bridge piers. J Hydraul Eng 124(5):530–540CrossRefGoogle Scholar
26.Jin J, Meng B (2011) Computation of wave loads on the superstructures of coastal highway bridges. Ocean Eng 38(17–18):2185–2200CrossRefGoogle Scholar
27.Dentale F, Donnarumma G, Pugliese Carratelli E (2014b) Numerical wave interaction with tetrapods breakwater. Int. J. Nav. Arch. Ocean 6:13Google Scholar
28.Carratelli EP, Viccione G, Bovolin V (2016) Free surface flow impact on a vertical wall: a numerical assessment. Theor. Comput. Fluid Mech. 30(5):403–414CrossRefGoogle Scholar
29.Cavallaro, L., Dentale, F., Donnarumma, G., Foti, E., Musumeci, R.E., Pugliese Carratelli, E.: Rubble mound breakwater overtopping: estimation of the reliability of a 3D numerical simulation, In: ICCE 2012, Interntional Conference on Coastal Engineering, Santander, Spain (2012).Google Scholar
30.Vanneste, D., Suzuki, T., Altomare, C.: Comparison of numerical models for wave overtoping and impact on storm return walls. In: ICCE 2014, International Conference on Coastal Engineering, Seoul, Korea (2014).Google Scholar
31.Park H, Tomiczek T, Cox DT, van de Lindt JW, Lomonaco P (2017) Experimental modeling of horizontal and vertical wave forces on an elevated coastal structure. Coast Eng 128:58–74CrossRefGoogle Scholar
32.Isfahani AHG, Brethour JM (2009) On the Implementation of Two-Equation Turbulence Models in FLOW-3D; FSI-09-TN86; Flow Science: Santa Fe. NM, USAGoogle Scholar
33.Novais-Barbosa J (1985) Mecânica dos Fluidos e Hidráulica Geral Vol 1 e II Porto Editora, PortoGoogle Scholar
34.Le Méhauté B (1976) An Introduction to Hydrodynamics and Water Waves. Springer, Berlin/Heidelberg, GermanyCrossRefGoogle Scholar
NesreenTahabMaged M.El-FekyaAtef A.El-SaiadaIsmailFathya aDepartment of Water and Water Structures Engineering, Faculty of Engineering, Zagazig University, Zagazig 44519, Egypt bLab Manager, Faculty of Engineering, Zagazig University, Zagazig 44519, Egypt
Abstract
횡단 구조물을 통한 막힘은 안정성을 위협하는 위험한 문제 중 하나입니다. 암거의 막힘 형상 및 하류 세굴 특성에 미치는 영향에 관한 연구는 거의 없습니다.
이 연구의 목적은 수면과 세굴 모두에서 상자 암거를 통한 막힘의 작용을 수치적으로 논의하는 것입니다. 이를 위해 FLOW 3D v11.1.0을 사용하여 퇴적물 수송 모델을 조사했습니다.
상자 암거를 통한 다양한 차단 비율이 연구되었습니다. FLOW 3D 모델은 실험 데이터로 보정되었습니다. 결과는 FLOW 3D 프로그램이 세굴 다운스트림 상자 암거를 정확하게 시뮬레이션할 수 있음을 나타냅니다.
막힌 경우에 대한 속도 분포, 최대 세굴 깊이 및 수심을 플롯하고 비차단된 사례(기본 사례)와 비교했습니다.
그 결과 암거 높이의 70% 차단율은 상류의 수심을 암거 높이의 2.3배 증가시키고 평균 유속은 기본 경우보다 3배 더 증가시키는 것으로 입증되었다. 막힘 비율의 함수로 상대 최대 세굴 깊이를 추정하는 방정식이 만들어졌습니다.
Blockage through crossing structures is one of the dangerous problems that threaten its stability. There are few researches concerned with blockage shape in culverts and its effect on characteristics of scour downstream it.
The study’s purpose is to discuss the action of blockage through box culvert on both water surface and scour numerically. A sediment transport model has been investigated for this purpose using FLOW 3D v11.1.0. Different ratios of blockage through box culvert have been studied. The FLOW 3D model was calibrated with experimental data.
The results present that the FLOW 3D program was capable to simulate accurately the scour downstream box culvert. The velocity distribution, maximum scour depth and water depths for blocked cases have been plotted and compared with the non-blocked case (base case).
The results proved that the blockage ratio 70% of culvert height makes the water depth upstream increases by 2.3 times of culvert height and mean velocity increases by 3 times more than in the base case. An equation has been created to estimate the relative maximum scour depth as a function of blockage ratio.
1. Introduction
Local scour is the removal of granular bed material by the action of hydrodynamic forces. As the depth of scour hole increases, the stability of the foundation of the structure may be endangered, with a consequent risk of damage and failure [1]. So the prediction and control of scour is considered to be very important for protecting the water structures from failure. Most previous studies were designed to study the different factors that impact on scour and their relationship with scour hole dimensions like fluid characteristics, flow conditions, bed properties, and culvert geometry. Many previous researches studied the effect of flow rate on scour hole by information Froude number or modified Froude number [2], [3], [4], [5], [6]. Cesar Mendoza [6] found a good correlation between the scour depth and the discharge Intensity (Qg−.5D−2.5). Breusers and Raudkiv [7] used shear velocity in the outlet-scour prediction procedure. Ali and Lim [8] used the densimetric Froude number in estimation of the scour depth [1], [8], [9], [10], [11], [12], [13], [14]. “The densimetric Froude number presents the ratio of the tractive force on sediment particle to the submerged specific weight of the sediment” [15](1)Fd=uρsρ-1gD50
Ali and Lim [8] pointed to the consequence of tailwater depth on scour behavior [1], [2], [8], [13]. Abida and Townsend [2] indicated that the maximum depth of local scour downstream culvert was varying with the tailwater depth in three ways: first, for very shallow tailwater depths, local scouring decreases with a decrease in tailwater depth; second, when the ratio of tailwater depth to culvert height ranged between 0.2 and 0.7, the scour depth increases with decreasing tailwater depth; and third for a submerged outlet condition. The tailwater depth has only a marginal effect on the maximum depth of scour [2]. Ruff et al. [16] observed that for materials having similar mean grain sizes (d50) but different standard deviations (σ). As (σ) increased, the maximum scour hole depth decreased. Abt et al. [4] mentioned to role of soil type of maximum scour depth. It was noticed that local scour was more dangerous for uniform sands than for well-graded mixtures [1], [2], [4], [9], [17], [18]. Abt et al [3], [19] studied the culvert shape effect on scour hole. The results evidenced that the culvert shape has a limited effect on outlet scour. Under equivalent discharge conditions, it was noted that a square culvert with height equal to the diameter of a circular culvert would reduce scour [16], [20]. The scour hole dimension was also effected by the culvert slope. Abt et al. [3], [21] showed that the culvert slope is a key element in estimating the culvert flow velocity, the discharge capacity, and sediment transport capability. Abt et al. [21], [22] tested experimentally culvert drop height effect on maximum scour depth. It was observed that as the drop height was increasing, the depth of scour was also increasing. From the previous studies, it could have noticed that the most scour prediction formula downstream unblocked culvert was the function of densimetric Froude number, soil properties (d50, σ), tailwater depth and culvert opening size. Blockage is the phenomenon of plugging water structures due to the movement of water flow loaded with sediment and debris. Water structures blockage has a bad effect on water flow where it causes increasing of upstream water level that may cause flooding around the structure and increase of scour rate downstream structures [23], [24]. The blockage phenomenon through was studied experimentally and numerical [15], [25], [26], [27], [28], [29], [30], [31], [32], [33]. Jaeger and Lucke [33] studied the debris transport behavior in a natural channel in Australia. Froude number scale model of an existing culvert was used. It was noticed that through rainfall event, the mobility of debris was impressed by stream shape (depth and width). The condition of the vegetation (size and quantities) through the catchment area was the main factor in debris transport. Rigby et al. [26] reported that steep slope was increasing the ability to mobilize debris that form field data of blocked culverts and bridges during a storm in Wollongong city.
Streftaris et al. [32] studied the probability of screen blockage by debris at trash screens through a numerical model to relate between the blockage probability and nature of the area around. Recently, many commercial computational fluid programs (CFD) such as SSIIM, Fluent, and FLOW 3D are used in the analysis of the scour process. Scour and sediment transport numerical model need to validate by using experimental data or field data [34], [35], [36], [37], [38]. Epely-Chauvin et al. [36] investigated numerically the effect of a series of parallel spur diked. The experimental data were compared by SSIIM and FLOW 3D program. It was found that the accuracy of calibrated FLOW 3D model was better than SSIIM model. Nielsen et al. [35] used the physical model and FLOW 3D model to analyze the scour process around the pile. The soil around the pile was uniform coarse stones in the physical models that were simulated by regular spheres, porous media, and a mixture of them. The calibrated porous media model can be used to determine the bed shear stress. In partially blocked culverts, there aren’t many studies that explain the blockage impact on scour dimensions. Sorourian et al. [14], [15] studied the effect of inlet partial blockage on scour characteristics downstream box culvert. It resulted that the partial blockage at the culvert inlet could be the main factor in estimating the depth of scour. So, this study is aiming to investigate the effects of blockage through a box culvert on flow and scour characteristics by different blockage ratios and compares the results with a non-blocked case. Create a dimensionless equation relates the blockage ratio of the culvert with scour characteristics downstream culvert.
2. Experimental data
The experimental work of the study was conducted in the Hydraulics and Water Engineering Laboratory, Faculty of Engineering, Zagazig University, Egypt. The flume had a rectangular cross-section of 66 cm width, 65.5 cm depth, and 16.2 m long. A rectangular culvert was built with 0.2 m width, 0.2 m height and 3.00 m long with θ = 25° gradually outlet and 0.8 m fixed apron. The model was located on the mid-point of the channel. The sediment part was extended for a distance 2.20 m with 0.66 m width and 0.20 m depth of coarse sand with specific weight 1.60 kg/cm3, d50 = 2.75 mm and σ (d90/d50) = 1.50. The particle size distribution was as shown in Fig. 1. The experimental model was tested for different inlet flow (Q) of 25, 30, 34, 40 l/s for different submerged ratio (S) of 1.25, 1.50, 1.75.
3. Dimensional analysis
A dimensional analysis has been used to reduce the number of variables which affecting on the scour pattern downstream partial blocked culvert. The main factors affecting the maximum scour depth are:(2)ds=f(b.h.L.hb.lb.Q.ud.hu.hd.D50.ρ.ρs.g.ls.dd.ld)
Fig. 2 shows a definition sketch of the experimental model. The maximum scour depth can be written in a dimensionless form as:(3)dsh=f(B.Fd.S)where the ds/h is the relative maximum scour depth.
4. Numerical work
The FLOW 3D is (CFD) program used by many researchers and appeared high accuracy in solving hydrodynamic and sediment transport models in the three dimensions. Numerical simulation with FLOW 3D was performed to study the impacts of blockage ratio through box culvert on shear stress, velocity distribution and the sediment transport in terms of the hydrodynamic features (water surface, velocity and shear stress) and morphological parameters (scour depth and sizes) conditions in accurately and efficiently. The renormalization group (RNG) turbulence model was selected due to its high ability to predict the velocity profiles and turbulent kinetic energy for the flow through culvert [39]. The one-fluid incompressible mode was used to simulate the water surface. Volume of fluid (VOF) method was employed in FLOW 3D to tracks a liquid interface through arbitrary deformations and apply the correct boundary conditions at the interface [40].1.
Governing equations
Three-dimensional Reynolds-averaged Navier Stokes (RANS) equation was applied for incompressible viscous fluid motion. The continuity equation is as following:(4)VF∂ρ∂t+∂∂xρuAx+∂∂yρvAy+∂∂zρwAz=RDIF(5)∂u∂t+1VFuAx∂u∂x+vAy∂u∂y+ωAz∂u∂z=-1ρ∂P∂x+Gx+fx(6)∂v∂t+1VFuAx∂v∂x+vAy∂v∂y+ωAz∂v∂z=-1ρ∂P∂y+Gy+fy(7)∂ω∂t+1VFuAx∂ω∂x+vAy∂ω∂y+ωAz∂ω∂z=-1ρ∂P∂z+Gz+fz
ρ is the fluid density,
VF is the volume fraction,
(x,y,z) is the Cartesian coordinates,
(u,v,w) are the velocity components,
(Ax,Ay,Az) are the area fractions and
RDIF is the turbulent diffusion.
P is the average hydrodynamic pressure,
(Gx, Gy, Gz) are the body accelerations and
(fx, fy, fz) are the viscous accelerations.
The motion of sediment transport (suspended, settling, entrainment, bed load) is estimated by predicting the erosion, advection and deposition process as presented in [41].
The critical shields parameter is (θcr) is defined as the critical shear stress τcr at which sediments begin to move on a flat and horizontal bed [41]:(8)θcr=τcrgd50(ρs-ρ)
The Soulsby–Whitehouse [42] is used to predict the critical shields parameter as:(9)θcr=0.31+1.2d∗+0.0551-e(-0.02d∗)(10)d∗=d50g(Gs-1ν3where:
d* is the dimensionless grain size
Gs is specific weight (Gs = ρs/ρ)
The entrainment coefficient (0.005) was used to scale the scour rates and fit the experimental data. The settling velocity controls the Soulsby deposition equation. The volumetric sediment transport rate per width of the bed is calculated using Van Rijn [43].2.
Meshing and geometry of model
After many trials, it was found that the uniform cell size with 0.03 m cell size is the closest to the experimental results and takes less time. As shown in Fig. 3. In x-direction, the total model length in this direction is 700 cm with mesh planes at −100, 0, 300, 380 and 600 cm respectively from the origin point, in y-direction, the total model length in this direction is 66 cm at distances 0, 23, 43 and 66 cm respectively from the origin point. In z-direction, the total model length in this direction is 120 cm. with mesh planes at −20, 0, 20 and 100 cm respectively.3.
Boundary condition
As shown in Fig. 4, the boundary conditions of the model have been defined to simulate the experimental flow conditions accurately. The upstream boundary was defined as the volume flow rate with a different flow rate. The downstream boundary was defined as specific pressure with different fluid elevation. Both of the right side, the left side, and the bottom boundary were defined as a wall. The top boundary defined as specified pressure with pressure value equals zero.
5. Validation of experimental results and numerical results
The experimental results investigated the flow and scour characteristics downstream culvert due to different flow conditions. The measured value of maximum scour depth is compared with the simulated depth from FLOW 3D model as shown in Fig. 5. The scour results show that the simulated results from the numerical model is quite close to the experimental results with an average error of 3.6%. The water depths in numerical model results is so close to the experimental results as shown in Fig. 6 where the experiment and numerical results are compared at different submerged ratios and flow rates. The results appear maximum error percentage in water depths upstream and downstream the culvert is about 2.37%. This indicated that the FLOW 3D is efficient for the prediction of maximum scour depth and the flow depths downstream box culvert.
6. Computation time
The run time was chosen according to reaching to the stability limit. Hydraulic stability was achieved after 50 s, where the scour development may still go on. For run 1, the numerical simulation was run for 1000 s as shown in Fig. 7 where it mostly reached to scour stability at 800 s. The simulation time was taken 500 s at about 95% of scour stability.
7. Analysis and discussions
Fig. 8 shows the study sections where sec 1 represents to upstream section, sec2 represents to inside section and sec3 represents to downstream stream section. Table 1 indicates the scour hole dimensions at different blockage case. The symbol (B) represents to blockage and the number points to blockage ratio. B0 case signifies to the non-blocked case, B30 is that blockage height is 30% to the culvert height and so on.
Table 1. The scour results of different blockage ratio.
Case
hb cm
B = hb/h
Q lit/s
S
Fd
d50 mm
ds/h measured
ls/h
dd/h
ld/h
ds/h estimated
B0
0
0
35
1.26
1.69
2.5
0.58
1.50
0.27
5.00
0.46
B30
6
0.30
35
1.26
1.68
2.5
0.48
1.25
0.27
4.25
0.40
B50
10
0.50
35
1.22
1.74
2.5
0.45
1.10
0.24
4.00
0.37
B70
14
0.70
35
1.23
1.73
2.5
0.43
1.50
0.16
5.50
0.33
7.1. Scour hole geometry
The scour hole geometry mainly depends on the properties of soil of the bed downstream the fixed apron. From Table 1, the results show that the maximum scour depth in B0 case is about 0.58 of culvert height while the maximum deposition in B0 is 0.27 culvert height. There is a symmetric scour hole as shown in Fig. 9 in B0 case. An asymmetric scour hole is created in B50 and B70 due to turbulences that causes the deviation of the jet direction from the center of the flume where appear in Fig. 11 and Fig. 19.
7.2. Flow water surface
Fig. 10 presents the relative free surface water (hw/h) along the x-direction at center of the box culvert. From the mention Figure, it is easy to release the effect of different blockage ratios. The upstream water level rises by increasing the blockage ratio. Increasing upstream water level may cause flooding over the banks of the waterway. In the 70% blockage case, the upstream water level rises to 2.3 times of culvert height more than the non-blocked case at the same discharge and submerged ratio. The water surface profile shows an increase in water level upstream the culvert due to a decrease in transverse velocity. Because of decreasing velocity downstream culvert, there is an increase in water level before it reaches its uniform depth.
7.3. Velocity vectors
Scour downstream hydraulic structures mainly affects by velocities distribution and bed shear stress. Fig. 11 shows the velocity vectors and their magnitude in xz plane at the same flow conditions. The difference in the upstream water level due to the different blockage ratios is so clear. The maximum water level is in B70 and the minimum level is in B0. The inlet mean velocity value is about 0.88 m/s in B0 increases to 2.86 m/s in B70. As the blockage ratio increases, the inlet velocity increases. The outlet velocity in B0 case makes downward jet causes scour hole just after the fixed apron in the middle of the bed while the blockage causes upward water flow that appears clearly in B70. The upward jet decreases the scour depth to 0.13 culvert height less than B0 case. After the scour hole, the velocity decreases and the flow becomes uniform.
7.4. Velocity distribution
Fig. 12 represents flow velocity (Vx) distribution along the vertical depth (z/hu) upstream the inlet for the different blockage ratios at the same flow conditions. From the Figure, the maximum velocity creates closed to bed in B0 while in blocked case, the maximum horizontal velocity creates at 0.30 of relative vertical depth (z/hu). Fig. 13 shows the (Vz) distribution along the vertical depth (z/hu) upstream culvert at sec 1. From the mentioned Figure, it is easy to note that the maximum vertical is in B70 which appears that as the blockage ratio increases the vertical ratio also increases. In the non-blocked case. The vertical velocity (Vz) is maximum at (z/hu) equals 0.64. At the end of the fixed apron (sec 3), the horizontal velocity (Vx) is slowly increasing to reach the maximum value closed to bed in B0 and B30 while the maximum horizontal velocity occurs near to the top surface in B50 and B70 as shown in Fig. 14. The vertical velocity component along the vertical depth (z/hd) is presented in Fig. 15. The vertical velocity (Vz) is maximum in B0 at vertical depth (z/hd) 0.3 with value 0.45 m/s downward. Figs. 16 and 17 observe velocity components (Vx, Vz) along the vertical depth just after the end of blockage length at the centerline of the culvert barrel. It could be noticed the uniform velocity distribution in B0 case with horizontal velocity (Vx) closed to 1.0 m/s and vertical velocity closed to zero. In the blocked case, the maximum horizontal velocity occurs in depth more than the blockage height.
7.5. Bed velocity distribution
Fig. 18 presents the x-velocity vectors at 1.5 cm above the bed for different blockage ratios from the velocity vectors distribution and magnitude, it is easy to realize the position of the scour hole and deposition region. In B0 and B30, the flow is symmetric so that the scour hole is created around the centerline of flow while in B50 and B70 cases, the flow is asymmetric and the scour hole creates in the right of flow direction in B50. The maximum scour depth is found in the left of flow direction in B70 case where the high velocity region is found.
8. Maximum scour depth prediction
Regression analysis is used to estimate maximum scour depth downstream box culvert for different ratios of blockage by correlating the maximum relative scour by other variables that affect on it in one formula. An equation is developed to predict maximum scour depth for blocked and non-blocked. As shown in the equation below, the relative maximum scour depth(ds/hd) is a function of densimetric Froude number (Fd), blockage ratio (B) and submerged ratio (S)(11)dsh=0.56Fd-0.20B+0.45S-1.05
In this equation the coefficient of correlation (R2) is 0.82 with standard error equals 0·08. The developed equation is valid for Fd = [0.9 to 2.10] and submerged ratio (S) ≥ 1.00. Fig. 19 shows the comparison between relative maximum scour depths (ds/h) measured and estimated for different blockage ratios. Fig. 20 clears the comparison between residuals and ds/h estimated for the present study. From these figures, it could be noticed that there is a good agreement between the measured and estimated relative scour depth.
9. Comparison with previous scour equations
Many previous scour formulae have been produced for calculation the maximum scour depth downstream non-blockage culvert. These equations have been included the effect of flow regime, culvert shape, soil properties and the flow rate on maximum scour depth. Two of previous experimental studies data have been chosen to be compared with the present study results in non-blocked study data. Table 2 shows comparison of culvert shape, densmetric Froude number, median particle size and scour equations for these previous studies. By applying the present study data in these studies scour formula as shown in Fig. 21, it could be noticed that there are a good agreement between present formula results and others empirical equations results. Where that Lim [44] and Abt [4] are so closed to the present study data.
Table 2. Comparison of some previous scour formula.
The present study has shown that the FLOW 3D model can accurately simulate water surface and the scour hole characteristics downstream the box culvert with error percentage in water depths does not exceed 2.37%. Velocities distribution through and outlets culvert barrel helped on understanding the scour hole shape.
The blockage through culvert had caused of increasing of water surface upstream structure where the upstream water level in B70 was 2.3 of culvert height more than non-blocked case at the same discharge that could be dangerous on the stability of roads above. The depth averaged velocity through culvert barrel increased by 3 times its value in non-blocked case.
On the other hand, blockage through culvert had a limited effect on the maximum scour depth. The little effect of blockage on maximum scour depth could be noticed in Fig. 11. From this Figure, it could be noted that the residual part of culvert barrel after the blockage part had made turbulences. These turbulences caused the deviation of the flow resulting in the formation of asymmetric scour hole on the side of channel. This not only but in B70 the blockage height caused upward jet which made a wide far scour hole as cleared from the results in Table 1.
An empirical equation was developed from the results to estimate the maximum scour depth relative to culvert height function of blockage ratio (B), submerged ratio (S), and densimetric Froude number (Fd). The equation results was compared with some scour formulas at the same densimetric Froude number rang where the present study results was in between the other equations results as shown in Fig. 21.
Declaration of Competing Interest
The authors declare that they have no known competing financial interests or personal relationships that could have appeared to influence the work reported in this paper.
References
[1]P. Sarathi, M. Faruque, R. BalachandarInfluence of tailwater depth, sediment size and densimetric Froude number on scour by submerged square wall jetsJ. Hydraul. Res., 46 (2) (2008), pp. 158-175CrossRefView Record in ScopusGoogle Scholar[2]H. Abida, R. TownsendLocal scour downstream of box-culvert outletsJ. Irrig. Drain. Eng., 117 (3) (1991), pp. 425-440CrossRefView Record in ScopusGoogle Scholar[3]S.R. Abt, C.A. Donnell, J.F. Ruff, F.K. DoehringCulvert Slope and Shape Effects on Outlet ScourTransp. Res. Rec., 1017 (1985), pp. 24-30View Record in ScopusGoogle Scholar[4]S.R. Abt, R.L. Kloberdanz, C. MendozaUnified culvert scour determinationJ. Hydraul. Eng., 110 (10) (1984), pp. 1475-1479CrossRefView Record in ScopusGoogle Scholar[5]J.P. Bohan, Erosion And Riprap Requirements At Culvert And Storm-Drain Outlets, ARMY ENGINEER WATERWAYS EXPERIMENT STATION VICKSBURG MISS1970.Google Scholar[6]C. Mendoza, S.R. Abt, J.F. RuffHeadwall influence on scour at culvert outletsJ. Hydraul. Eng., 109 (7) (1983), pp. 1056-1060CrossRefView Record in ScopusGoogle Scholar[7]H. Breusers, A. Raudkivi, Scouring, hydraulic structures design manual, vol. 143, IAHR, AA Balkema, Rotterdam, 1991.Google Scholar[8]K. Ali, S. LimLocal scour caused by submerged wall jetsProc. Inst. Civ. Eng., 81 (4) (1986), pp. 607-645CrossRefView Record in ScopusGoogle Scholar[9]O. Aderibigbe, N. RajaratnamEffect of sediment gradation on erosion by plane turbulent wall jetsJ. Hydraul. Eng., 124 (10) (1998), pp. 1034-1042View Record in ScopusGoogle Scholar[10]F.W. Blaisdell, C.L. AndersonA comprehensive generalized study of scour at cantilevered pipe outletsJ. Hydraul. Res., 26 (4) (1988), pp. 357-376CrossRefView Record in ScopusGoogle Scholar[11]Y.-M. Chiew, S.-Y. LimLocal scour by a deeply submerged horizontal circular jetJ. Hydraul. Eng., 122 (9) (1996), pp. 529-532View Record in ScopusGoogle Scholar[12]R.A. Day, S.L. Liriano, W.R. WhiteEffect of tailwater depth and model scale on scour at culvert outletsProc. Instit. Civil Eng. – Water Marit. Eng., 148 (3) (2001), pp. 189-198http://www.icevirtuallibrary.com/doi/10.1680/wame.2001.148.3.189, 10.1680/wame.2001.148.3.189View Record in ScopusGoogle Scholar[13]S. Emami, A.J. SchleissPrediction of localized scour hole on natural mobile bed at culvert outletsScour and Erosion (2010), pp. 844-853CrossRefView Record in ScopusGoogle Scholar[14]S. Sorourian, A. Keshavarzi, J. Ball, B. SamaliStudy of Blockage Effect on Scouring Pattern Downstream of a Box Culvert under Unsteady FlowAustr. J Water Resor. (2013)Google Scholar[15]S. Sorourian, Turbulent Flow Characteristics At The Outlet Of Partially Blocked Box Culverts, in: 36th IAHR World Congress, The Hague, the Netherlands, 2015.Google Scholar[16]J. Ruff, S. Abt, C. Mendoza, A. Shaikh, R. KloberdanzScour at culvert outlets in mixed bed materialsUnited States. Federal Highway Administration. Office of Research and Development (1982)Google Scholar[17]S.A. Ansari, U.C. Kothyari, K.G.R. RajuInfluence of cohesion on scour under submerged circular vertical jetsJ. Hydraul. Eng., 129 (12) (2003), pp. 1014-1019View Record in ScopusGoogle Scholar[18]B. Crookston B. Tullis, Scour and Riprap Protection in a Bottomless Arch Culvert, in: World Environmental and Water Resources Congress 2008: Ahupua’A, 2008, pp. 1–10.Google Scholar[19]S.R. Abt, J. Ruff, F. Doehring, C. DonnellInfluence of culvert shape on outlet scourJ. Hydraul. Eng., 113 (3) (1987), pp. 393-400View Record in ScopusGoogle Scholar[20]Y.H. Chen, Scour at outlets of box culverts, Colorado State University, 1970.Google Scholar[21]S. Abt, P. Thompson, T. LewisEnhancement of the culvert outlet scour estimation equationsTransp. Res. Rec. J. Transp. Res. Board, 1523 (1996), pp. 178-185View Record in ScopusGoogle Scholar[22]F.K. Doehring, S.R. AbtDrop height influence on outlet scourJ. Hydraul. Eng., 120 (12) (1994), pp. 1470-1476CrossRefView Record in ScopusGoogle Scholar[23]W. Weeks, A. Barthelmess, E. Rigby, G. Witheridge, R. Adamson, Australian rainfall and runoff revison project 11: blockage of hydraulic structures, 2009.Google Scholar[24]W. Weeks, G. Witheridge, E. Rigby, A. BarthelmessProject 11: blockage of hydraulic structuresEngineers Australia (2013)Google Scholar[25]S.R. Abt, T.E. Brisbane, D.M. Frick, C.A. McKnightTrash rack blockage in supercritical flowJ. Hydraul. Eng., 118 (12) (1992), pp. 1692-1696View Record in ScopusGoogle Scholar[26]E. Rigby, M. Boyd, S. Roso, P. Silveri, A. Davis, Causes and effects of culvert blockage during large storms, in: Global solutions for urban drainage, 2002, pp. 1–16.Google Scholar[27]S. Roso, M. Boyd, E. Rigby, R. VanDrie“Prediction of increased flooding in urban catchments due to debris blockage and flow diversionsProceedings Novatech (2004), pp. 8-13View Record in ScopusGoogle Scholar[28]C.-D. Jan, C.-L. ChenDebris flows caused by Typhoon Herb in Taiwanin Debris-Flow Hazards and Related Phenomena, Springer (2005), pp. 539-563CrossRefGoogle Scholar[29]L.W. Zevenbergen, P.F. Lagasse, P.E. Clopper, Effects of debris on bridge pier scour, in: World Environmental and Water Resources Congress 2007: Restoring Our Natural Habitat, 2007, pp. 1–10.Google Scholar[30]A. Barthelmess, E. Rigby, Estimating Culvert and Bridge Blockages-a Simplified Procedure, in: Proceedings of the 34th World Congress of the International Association for Hydro-Environment Research and Engineering: 33rd Hydrology and Water Resources Symposium and 10th Conference on Hydraulics in Water Engineering, Engineers Australia, 2011, pp. 39.Google Scholar[31]E. Rigby, A. Barthelmess, Culvert Blockage Mechanisms and their Impact on Flood Behaviour, in: Proceedings of the 34th World Congress of the International Association for Hydro-Environment Research and Engineering: 33rd Hydrology and Water Resources Symposium and 10th Conference on Hydraulics in Water Engineering, Engineers Australia, 2011, pp. 380.Google Scholar[32]G. Streftaris, N. Wallerstein, G. Gibson, S. ArthurModeling probability of blockage at culvert trash screens using Bayesian approachJ. Hydraul. Eng., 139 (7) (2012), pp. 716-726Google Scholar[33]R. Jaeger, T. LuckeInvestigating the relationship between rainfall intensity, catchment vegetation and debris mobilityInt. J. GEOMATE, 12 (33) (2017), pp. 22-29 Download PDFView Record in ScopusGoogle Scholar[34]S. Amiraslani, J. Fahimi, H. Mehdinezhad, The Numerical Investigation of Free Falling Jet’s Effect On the Scour of Plunge Pool, in: XVIII International conference on water resources, Tehran University, Iran, 2008.Google Scholar[35]A.W. Nielsen, X. Liu, B.M. Sumer, J. FredsøeFlow and bed shear stresses in scour protections around a pile in a currentCoast. Eng., 72 (2013), pp. 20-38ArticleDownload PDFView Record in ScopusGoogle Scholar[36]G. Epely-Chauvin, G. De Cesare, S. SchwindtNumerical modelling of plunge pool scour evolution in non-cohesive sedimentsEng. Appl. Comput. Fluid Mech., 8 (4) (2014), pp. 477-487 Download PDFCrossRefView Record in ScopusGoogle Scholar[37]H. Karami, H. Basser, A. Ardeshir, S.H. HosseiniVerification of numerical study of scour around spur dikes using experimental dataWater Environ. J., 28 (1) (2014), pp. 124-134CrossRefView Record in ScopusGoogle Scholar[38]S.-H. Oh, K.S. Lee, W.-M. JeongThree-dimensional experiment and numerical simulation of the discharge performance of sluice passageway for tidal power plantRenew. Energy, 92 (2016), pp. 462-473ArticleDownload PDFView Record in ScopusGoogle Scholar[39]M.A. Khodier, B.P. TullisExperimental and computational comparison of baffled-culvert hydrodynamics for fish passageJ. Appl. Water Eng. Res. (2017), pp. 1-9CrossRefView Record in ScopusGoogle Scholar[40]F.S. Inc., FLOW-3D user’s manual, Flow Science, Inc., 2009.Google Scholar[41]G. Wei, J. Brethour, M. Grünzner, J. BurnhamSedimentation scour modelFlow Science Report, 7 (2014), pp. 1-29View Record in ScopusGoogle Scholar[42]R. Soulsby, R. Whitehouse, Threshold of sediment motion in coastal environments, in: Pacific Coasts and Ports’ 97: Proceedings of the 13th Australasian Coastal and Ocean Engineering Conference and the 6th Australasian Port and Harbour Conference, vol. 1, Centre for Advanced Engineering, University of Canterbury, 1997, pp. 145.Google Scholar[43]L.C.v. RijnSediment transport, part II: suspended load transportJ. Hydraul. Eng., 110 (11) (1984), pp. 1613-1641View Record in ScopusGoogle Scholar[44]S Y LIMScour below unsubmerged full-flowing culvert outletsProc. Instit. Civil Eng. – Water Marit. Energy, 112 (2) (1995), pp. 136-149http://www.icevirtuallibrary.com/doi/10.1680/iwtme.1995.27659, 10.1680/iwtme.1995.27659View Record in ScopusGoogle Scholar
Peer review under responsibility of Faculty of Engineering, Alexandria University.
Mahdi Feizbahr,1 Navid Tonekaboni,2Guang-Jun Jiang,3,4 and Hong-Xia Chen3,4Show moreAcademic Editor: Mohammad YazdiReceived08 Apr 2021Revised18 Jun 2021Accepted17 Jul 2021Published11 Aug 2021
Abstract
Vegetation along the river increases the roughness and reduces the average flow velocity, reduces flow energy, and changes the flow velocity profile in the cross section of the river. Many canals and rivers in nature are covered with vegetation during the floods. Canal’s roughness is strongly affected by plants and therefore it has a great effect on flow resistance during flood. Roughness resistance against the flow due to the plants depends on the flow conditions and plant, so the model should simulate the current velocity by considering the effects of velocity, depth of flow, and type of vegetation along the canal. Total of 48 models have been simulated to investigate the effect of roughness in the canal. The results indicated that, by enhancing the velocity, the effect of vegetation in decreasing the bed velocity is negligible, while when the current has lower speed, the effect of vegetation on decreasing the bed velocity is obviously considerable.
강의 식생은 거칠기를 증가시키고 평균 유속을 감소시키며, 유속 에너지를 감소시키고 강의 단면에서 유속 프로파일을 변경합니다. 자연의 많은 운하와 강은 홍수 동안 초목으로 덮여 있습니다. 운하의 조도는 식물의 영향을 많이 받으므로 홍수시 유동저항에 큰 영향을 미칩니다. 식물로 인한 흐름에 대한 거칠기 저항은 흐름 조건 및 식물에 따라 다르므로 모델은 유속, 흐름 깊이 및 운하를 따라 식생 유형의 영향을 고려하여 현재 속도를 시뮬레이션해야 합니다. 근관의 거칠기의 영향을 조사하기 위해 총 48개의 모델이 시뮬레이션되었습니다. 결과는 유속을 높임으로써 유속을 감소시키는 식생의 영향은 무시할 수 있는 반면, 해류가 더 낮은 유속일 때 유속을 감소시키는 식생의 영향은 분명히 상당함을 나타냈다.
1. Introduction
Considering the impact of each variable is a very popular field within the analytical and statistical methods and intelligent systems [1–14]. This can help research for better modeling considering the relation of variables or interaction of them toward reaching a better condition for the objective function in control and engineering [15–27]. Consequently, it is necessary to study the effects of the passive factors on the active domain [28–36]. Because of the effect of vegetation on reducing the discharge capacity of rivers [37], pruning plants was necessary to improve the condition of rivers. One of the important effects of vegetation in river protection is the action of roots, which cause soil consolidation and soil structure improvement and, by enhancing the shear strength of soil, increase the resistance of canal walls against the erosive force of water. The outer limbs of the plant increase the roughness of the canal walls and reduce the flow velocity and deplete the flow energy in vicinity of the walls. Vegetation by reducing the shear stress of the canal bed reduces flood discharge and sedimentation in the intervals between vegetation and increases the stability of the walls [38–41].
One of the main factors influencing the speed, depth, and extent of flood in this method is Manning’s roughness coefficient. On the other hand, soil cover [42], especially vegetation, is one of the most determining factors in Manning’s roughness coefficient. Therefore, it is expected that those seasonal changes in the vegetation of the region will play an important role in the calculated value of Manning’s roughness coefficient and ultimately in predicting the flood wave behavior [43–45]. The roughness caused by plants’ resistance to flood current depends on the flow and plant conditions. Flow conditions include depth and velocity of the plant, and plant conditions include plant type, hardness or flexibility, dimensions, density, and shape of the plant [46]. In general, the issue discussed in this research is the optimization of flood-induced flow in canals by considering the effect of vegetation-induced roughness. Therefore, the effect of plants on the roughness coefficient and canal transmission coefficient and in consequence the flow depth should be evaluated [47, 48].
Current resistance is generally known by its roughness coefficient. The equation that is mainly used in this field is Manning equation. The ratio of shear velocity to average current velocity is another form of current resistance. The reason for using the ratio is that it is dimensionless and has a strong theoretical basis. The reason for using Manning roughness coefficient is its pervasiveness. According to Freeman et al. [49], the Manning roughness coefficient for plants was calculated according to the Kouwen and Unny [50] method for incremental resistance. This method involves increasing the roughness for various surface and plant irregularities. Manning’s roughness coefficient has all the factors affecting the resistance of the canal. Therefore, the appropriate way to more accurately estimate this coefficient is to know the factors affecting this coefficient [51].
To calculate the flow rate, velocity, and depth of flow in canals as well as flood and sediment estimation, it is important to evaluate the flow resistance. To determine the flow resistance in open ducts, Manning, Chézy, and Darcy–Weisbach relations are used [52]. In these relations, there are parameters such as Manning’s roughness coefficient (n), Chézy roughness coefficient (C), and Darcy–Weisbach coefficient (f). All three of these coefficients are a kind of flow resistance coefficient that is widely used in the equations governing flow in rivers [53].
The three relations that express the relationship between the average flow velocity (V) and the resistance and geometric and hydraulic coefficients of the canal are as follows:where n, f, and c are Manning, Darcy–Weisbach, and Chézy coefficients, respectively. V = average flow velocity, R = hydraulic radius, Sf = slope of energy line, which in uniform flow is equal to the slope of the canal bed, = gravitational acceleration, and Kn is a coefficient whose value is equal to 1 in the SI system and 1.486 in the English system. The coefficients of resistance in equations (1) to (3) are related as follows:
Based on the boundary layer theory, the flow resistance for rough substrates is determined from the following general relation:where f = Darcy–Weisbach coefficient of friction, y = flow depth, Ks = bed roughness size, and A = constant coefficient.
On the other hand, the relationship between the Darcy–Weisbach coefficient of friction and the shear velocity of the flow is as follows:
By using equation (6), equation (5) is converted as follows:
Investigation on the effect of vegetation arrangement on shear velocity of flow in laboratory conditions showed that, with increasing the shear Reynolds number (), the numerical value of the ratio also increases; in other words the amount of roughness coefficient increases with a slight difference in the cases without vegetation, checkered arrangement, and cross arrangement, respectively [54].
Roughness in river vegetation is simulated in mathematical models with a variable floor slope flume by different densities and discharges. The vegetation considered submerged in the bed of the flume. Results showed that, with increasing vegetation density, canal roughness and flow shear speed increase and with increasing flow rate and depth, Manning’s roughness coefficient decreases. Factors affecting the roughness caused by vegetation include the effect of plant density and arrangement on flow resistance, the effect of flow velocity on flow resistance, and the effect of depth [45, 55].
One of the works that has been done on the effect of vegetation on the roughness coefficient is Darby [56] study, which investigates a flood wave model that considers all the effects of vegetation on the roughness coefficient. There are currently two methods for estimating vegetation roughness. One method is to add the thrust force effect to Manning’s equation [47, 57, 58] and the other method is to increase the canal bed roughness (Manning-Strickler coefficient) [45, 59–61]. These two methods provide acceptable results in models designed to simulate floodplain flow. Wang et al. [62] simulate the floodplain with submerged vegetation using these two methods and to increase the accuracy of the results, they suggested using the effective height of the plant under running water instead of using the actual height of the plant. Freeman et al. [49] provided equations for determining the coefficient of vegetation roughness under different conditions. Lee et al. [63] proposed a method for calculating the Manning coefficient using the flow velocity ratio at different depths. Much research has been done on the Manning roughness coefficient in rivers, and researchers [49, 63–66] sought to obtain a specific number for n to use in river engineering. However, since the depth and geometric conditions of rivers are completely variable in different places, the values of Manning roughness coefficient have changed subsequently, and it has not been possible to choose a fixed number. In river engineering software, the Manning roughness coefficient is determined only for specific and constant conditions or normal flow. Lee et al. [63] stated that seasonal conditions, density, and type of vegetation should also be considered. Hydraulic roughness and Manning roughness coefficient n of the plant were obtained by estimating the total Manning roughness coefficient from the matching of the measured water surface curve and water surface height. The following equation is used for the flow surface curve:where is the depth of water change, S0 is the slope of the canal floor, Sf is the slope of the energy line, and Fr is the Froude number which is obtained from the following equation:where D is the characteristic length of the canal. Flood flow velocity is one of the important parameters of flood waves, which is very important in calculating the water level profile and energy consumption. In the cases where there are many limitations for researchers due to the wide range of experimental dimensions and the variety of design parameters, the use of numerical methods that are able to estimate the rest of the unknown results with acceptable accuracy is economically justified.
FLOW-3D software uses Finite Difference Method (FDM) for numerical solution of two-dimensional and three-dimensional flow. This software is dedicated to computational fluid dynamics (CFD) and is provided by Flow Science [67]. The flow is divided into networks with tubular cells. For each cell there are values of dependent variables and all variables are calculated in the center of the cell, except for the velocity, which is calculated at the center of the cell. In this software, two numerical techniques have been used for geometric simulation, FAVOR™ (Fractional-Area-Volume-Obstacle-Representation) and the VOF (Volume-of-Fluid) method. The equations used at this model for this research include the principle of mass survival and the magnitude of motion as follows. The fluid motion equations in three dimensions, including the Navier–Stokes equations with some additional terms, are as follows:where are mass accelerations in the directions x, y, z and are viscosity accelerations in the directions x, y, z and are obtained from the following equations:
Shear stresses in equation (11) are obtained from the following equations:
The standard model is used for high Reynolds currents, but in this model, RNG theory allows the analytical differential formula to be used for the effective viscosity that occurs at low Reynolds numbers. Therefore, the RNG model can be used for low and high Reynolds currents.
Weather changes are high and this affects many factors continuously. The presence of vegetation in any area reduces the velocity of surface flows and prevents soil erosion, so vegetation will have a significant impact on reducing destructive floods. One of the methods of erosion protection in floodplain watersheds is the use of biological methods. The presence of vegetation in watersheds reduces the flow rate during floods and prevents soil erosion. The external organs of plants increase the roughness and decrease the velocity of water flow and thus reduce its shear stress energy. One of the important factors with which the hydraulic resistance of plants is expressed is the roughness coefficient. Measuring the roughness coefficient of plants and investigating their effect on reducing velocity and shear stress of flow is of special importance.
Roughness coefficients in canals are affected by two main factors, namely, flow conditions and vegetation characteristics [68]. So far, much research has been done on the effect of the roughness factor created by vegetation, but the issue of plant density has received less attention. For this purpose, this study was conducted to investigate the effect of vegetation density on flow velocity changes.
In a study conducted using a software model on three density modes in the submerged state effect on flow velocity changes in 48 different modes was investigated (Table 1).Table 1The studied models.
The number of cells used in this simulation is equal to 1955888 cells. The boundary conditions were introduced to the model as a constant speed and depth (Figure 1). At the output boundary, due to the presence of supercritical current, no parameter for the current is considered. Absolute roughness for floors and walls was introduced to the model (Figure 1). In this case, the flow was assumed to be nonviscous and air entry into the flow was not considered. After seconds, this model reached a convergence accuracy of .
Figure 1The simulated model and its boundary conditions.
Due to the fact that it is not possible to model the vegetation in FLOW-3D software, in this research, the vegetation of small soft plants was studied so that Manning’s coefficients can be entered into the canal bed in the form of roughness coefficients obtained from the studies of Chow [69] in similar conditions. In practice, in such modeling, the effect of plant height is eliminated due to the small height of herbaceous plants, and modeling can provide relatively acceptable results in these conditions.
48 models with input velocities proportional to the height of the regular semihexagonal canal were considered to create supercritical conditions. Manning coefficients were applied based on Chow [69] studies in order to control the canal bed. Speed profiles were drawn and discussed.
Any control and simulation system has some inputs that we should determine to test any technology [70–77]. Determination and true implementation of such parameters is one of the key steps of any simulation [23, 78–81] and computing procedure [82–86]. The input current is created by applying the flow rate through the VFR (Volume Flow Rate) option and the output flow is considered Output and for other borders the Symmetry option is considered.
Simulation of the models and checking their action and responses and observing how a process behaves is one of the accepted methods in engineering and science [87, 88]. For verification of FLOW-3D software, the results of computer simulations are compared with laboratory measurements and according to the values of computational error, convergence error, and the time required for convergence, the most appropriate option for real-time simulation is selected (Figures 2 and 3 ).
Figure 2Modeling the plant with cylindrical tubes at the bottom of the canal.
Figure 3Velocity profiles in positions 2 and 5.
The canal is 7 meters long, 0.5 meters wide, and 0.8 meters deep. This test was used to validate the application of the software to predict the flow rate parameters. In this experiment, instead of using the plant, cylindrical pipes were used in the bottom of the canal.
The conditions of this modeling are similar to the laboratory conditions and the boundary conditions used in the laboratory were used for numerical modeling. The critical flow enters the simulation model from the upstream boundary, so in the upstream boundary conditions, critical velocity and depth are considered. The flow at the downstream boundary is supercritical, so no parameters are applied to the downstream boundary.
The software well predicts the process of changing the speed profile in the open canal along with the considered obstacles. The error in the calculated speed values can be due to the complexity of the flow and the interaction of the turbulence caused by the roughness of the floor with the turbulence caused by the three-dimensional cycles in the hydraulic jump. As a result, the software is able to predict the speed distribution in open canals.
2. Modeling Results
After analyzing the models, the results were shown in graphs (Figures 4–14 ). The total number of experiments in this study was 48 due to the limitations of modeling. (a) (b) (c) (d) (a) (b) (c) (d)Figure 4Flow velocity profiles for canals with a depth of 1 m and flow velocities of 3–3.3 m/s. Canal with a depth of 1 meter and a flow velocity of (a) 3 meters per second, (b) 3.1 meters per second, (c) 3.2 meters per second, and (d) 3.3 meters per second.
Figure 5Canal diagram with a depth of 1 meter and a flow rate of 3 meters per second.
Figure 6Canal diagram with a depth of 1 meter and a flow rate of 3.1 meters per second.
Figure 7Canal diagram with a depth of 1 meter and a flow rate of 3.2 meters per second.
Figure 8Canal diagram with a depth of 1 meter and a flow rate of 3.3 meters per second. (a) (b) (c) (d) (a) (b) (c) (d)Figure 9Flow velocity profiles for canals with a depth of 2 m and flow velocities of 4–4.3 m/s. Canal with a depth of 2 meters and a flow rate of (a) 4 meters per second, (b) 4.1 meters per second, (c) 4.2 meters per second, and (d) 4.3 meters per second.
Figure 10Canal diagram with a depth of 2 meters and a flow rate of 4 meters per second.
Figure 11Canal diagram with a depth of 2 meters and a flow rate of 4.1 meters per second.
Figure 12Canal diagram with a depth of 2 meters and a flow rate of 4.2 meters per second.
Figure 13Canal diagram with a depth of 2 meters and a flow rate of 4.3 meters per second. (a) (b) (c) (d) (a) (b) (c) (d)Figure 14Flow velocity profiles for canals with a depth of 3 m and flow velocities of 5–5.3 m/s. Canal with a depth of 2 meters and a flow rate of (a) 4 meters per second, (b) 4.1 meters per second, (c) 4.2 meters per second, and (d) 4.3 meters per second.
To investigate the effects of roughness with flow velocity, the trend of flow velocity changes at different depths and with supercritical flow to a Froude number proportional to the depth of the section has been obtained.
According to the velocity profiles of Figure 5, it can be seen that, with the increasing of Manning’s coefficient, the canal bed speed decreases.
According to Figures 5 to 8, it can be found that, with increasing the Manning’s coefficient, the canal bed speed decreases. But this deceleration is more noticeable than the deceleration of the models 1 to 12, which can be justified by increasing the speed and of course increasing the Froude number.
According to Figure 10, we see that, with increasing Manning’s coefficient, the canal bed speed decreases.
According to Figure 11, we see that, with increasing Manning’s coefficient, the canal bed speed decreases. But this deceleration is more noticeable than the deceleration of Figures 5–10, which can be justified by increasing the speed and, of course, increasing the Froude number.
With increasing Manning’s coefficient, the canal bed speed decreases (Figure 12). But this deceleration is more noticeable than the deceleration of the higher models (Figures 5–8 and 10, 11), which can be justified by increasing the speed and, of course, increasing the Froude number.
According to Figure 13, with increasing Manning’s coefficient, the canal bed speed decreases. But this deceleration is more noticeable than the deceleration of Figures 5 to 12, which can be justified by increasing the speed and, of course, increasing the Froude number.
According to Figure 15, with increasing Manning’s coefficient, the canal bed speed decreases.
Figure 15Canal diagram with a depth of 3 meters and a flow rate of 5 meters per second.
According to Figure 16, with increasing Manning’s coefficient, the canal bed speed decreases. But this deceleration is more noticeable than the deceleration of the higher model, which can be justified by increasing the speed and, of course, increasing the Froude number.
Figure 16Canal diagram with a depth of 3 meters and a flow rate of 5.1 meters per second.
According to Figure 17, it is clear that, with increasing Manning’s coefficient, the canal bed speed decreases. But this deceleration is more noticeable than the deceleration of the higher models, which can be justified by increasing the speed and, of course, increasing the Froude number.
Figure 17Canal diagram with a depth of 3 meters and a flow rate of 5.2 meters per second.
According to Figure 18, with increasing Manning’s coefficient, the canal bed speed decreases. But this deceleration is more noticeable than the deceleration of the higher models, which can be justified by increasing the speed and, of course, increasing the Froude number.
Figure 18Canal diagram with a depth of 3 meters and a flow rate of 5.3 meters per second.
According to Figure 19, it can be seen that the vegetation placed in front of the flow input velocity has negligible effect on the reduction of velocity, which of course can be justified due to the flexibility of the vegetation. The only unusual thing is the unexpected decrease in floor speed of 3 m/s compared to higher speeds. (a) (b) (c) (a) (b) (c)Figure 19Comparison of velocity profiles with the same plant densities (depth 1 m). Comparison of velocity profiles with (a) plant densities of 25%, depth 1 m; (b) plant densities of 50%, depth 1 m; and (c) plant densities of 75%, depth 1 m.
According to Figure 20, by increasing the speed of vegetation, the effect of vegetation on reducing the flow rate becomes more noticeable. And the role of input current does not have much effect in reducing speed. (a) (b) (c) (a) (b) (c)Figure 20Comparison of velocity profiles with the same plant densities (depth 2 m). Comparison of velocity profiles with (a) plant densities of 25%, depth 2 m; (b) plant densities of 50%, depth 2 m; and (c) plant densities of 75%, depth 2 m.
According to Figure 21, it can be seen that, with increasing speed, the effect of vegetation on reducing the bed flow rate becomes more noticeable and the role of the input current does not have much effect. In general, it can be seen that, by increasing the speed of the input current, the slope of the profiles increases from the bed to the water surface and due to the fact that, in software, the roughness coefficient applies to the channel floor only in the boundary conditions, this can be perfectly justified. Of course, it can be noted that, due to the flexible conditions of the vegetation of the bed, this modeling can show acceptable results for such grasses in the canal floor. In the next directions, we may try application of swarm-based optimization methods for modeling and finding the most effective factors in this research [2, 7, 8, 15, 18, 89–94]. In future, we can also apply the simulation logic and software of this research for other domains such as power engineering [95–99]. (a) (b) (c) (a) (b) (c)Figure 21Comparison of velocity profiles with the same plant densities (depth 3 m). Comparison of velocity profiles with (a) plant densities of 25%, depth 3 m; (b) plant densities of 50%, depth 3 m; and (c) plant densities of 75%, depth 3 m.
3. Conclusion
The effects of vegetation on the flood canal were investigated by numerical modeling with FLOW-3D software. After analyzing the results, the following conclusions were reached:(i)Increasing the density of vegetation reduces the velocity of the canal floor but has no effect on the velocity of the canal surface.(ii)Increasing the Froude number is directly related to increasing the speed of the canal floor.(iii)In the canal with a depth of one meter, a sudden increase in speed can be observed from the lowest speed and higher speed, which is justified by the sudden increase in Froude number.(iv)As the inlet flow rate increases, the slope of the profiles from the bed to the water surface increases.(v)By reducing the Froude number, the effect of vegetation on reducing the flow bed rate becomes more noticeable. And the input velocity in reducing the velocity of the canal floor does not have much effect.(vi)At a flow rate between 3 and 3.3 meters per second due to the shallow depth of the canal and the higher landing number a more critical area is observed in which the flow bed velocity in this area is between 2.86 and 3.1 m/s.(vii)Due to the critical flow velocity and the slight effect of the roughness of the horseshoe vortex floor, it is not visible and is only partially observed in models 1-2-3 and 21.(viii)As the flow rate increases, the effect of vegetation on the rate of bed reduction decreases.(ix)In conditions where less current intensity is passing, vegetation has a greater effect on reducing current intensity and energy consumption increases.(x)In the case of using the flow rate of 0.8 cubic meters per second, the velocity distribution and flow regime show about 20% more energy consumption than in the case of using the flow rate of 1.3 cubic meters per second.
Nomenclature
n:
Manning’s roughness coefficient
C:
Chézy roughness coefficient
f:
Darcy–Weisbach coefficient
V:
Flow velocity
R:
Hydraulic radius
g:
Gravitational acceleration
y:
Flow depth
Ks:
Bed roughness
A:
Constant coefficient
:
Reynolds number
∂y/∂x:
Depth of water change
S0:
Slope of the canal floor
Sf:
Slope of energy line
Fr:
Froude number
D:
Characteristic length of the canal
G:
Mass acceleration
:
Shear stresses.
Data Availability
All data are included within the paper.
Conflicts of Interest
The authors declare that they have no conflicts of interest.
Acknowledgments
This work was partially supported by the National Natural Science Foundation of China under Contract no. 71761030 and Natural Science Foundation of Inner Mongolia under Contract no. 2019LH07003.
References
H. Yu, L. Jie, W. Gui et al., “Dynamic Gaussian bare-bones fruit fly optimizers with abandonment mechanism: method and analysis,” Engineering with Computers, vol. 20, pp. 1–29, 2020.View at: Publisher Site | Google Scholar
X. Zhao, D. Li, B. Yang, C. Ma, Y. Zhu, and H. Chen, “Feature selection based on improved ant colony optimization for online detection of foreign fiber in cotton,” Applied Soft Computing, vol. 24, pp. 585–596, 2014.View at: Publisher Site | Google Scholar
J. Hu, H. Chen, A. A. Heidari et al., “Orthogonal learning covariance matrix for defects of grey wolf optimizer: insights, balance, diversity, and feature selection,” Knowledge-Based Systems, vol. 213, Article ID 106684, 2021.View at: Publisher Site | Google Scholar
C. Yu, M. Chen, K. Chen et al., “SGOA: annealing-behaved grasshopper optimizer for global tasks,” Engineering with Computers, vol. 4, pp. 1–28, 2021.View at: Publisher Site | Google Scholar
W. Shan, Z. Qiao, A. A. Heidari, H. Chen, H. Turabieh, and Y. Teng, “Double adaptive weights for stabilization of moth flame optimizer: balance analysis, engineering cases, and medical diagnosis,” Knowledge-Based Systems, vol. 8, Article ID 106728, 2020.View at: Google Scholar
J. Tu, H. Chen, J. Liu et al., “Evolutionary biogeography-based whale optimization methods with communication structure: towards measuring the balance,” Knowledge-Based Systems, vol. 212, Article ID 106642, 2021.View at: Publisher Site | Google Scholar
Y. Zhang, R. Liu, X. Wang et al., “Towards augmented kernel extreme learning models for bankruptcy prediction: algorithmic behavior and comprehensive analysis,” Neurocomputing, vol. 430, 2020.View at: Google Scholar
H.-L. Chen, G. Wang, C. Ma, Z.-N. Cai, W.-B. Liu, and S.-J. Wang, “An efficient hybrid kernel extreme learning machine approach for early diagnosis of Parkinson׳s disease,” Neurocomputing, vol. 184, pp. 131–144, 2016.View at: Publisher Site | Google Scholar
J. Xia, H. Chen, Q. Li et al., “Ultrasound-based differentiation of malignant and benign thyroid Nodules: an extreme learning machine approach,” Computer Methods and Programs in Biomedicine, vol. 147, pp. 37–49, 2017.View at: Publisher Site | Google Scholar
C. Li, L. Hou, B. Y. Sharma et al., “Developing a new intelligent system for the diagnosis of tuberculous pleural effusion,” Computer Methods and Programs in Biomedicine, vol. 153, pp. 211–225, 2018.View at: Publisher Site | Google Scholar
X. Xu and H.-L. Chen, “Adaptive computational chemotaxis based on field in bacterial foraging optimization,” Soft Computing, vol. 18, no. 4, pp. 797–807, 2014.View at: Publisher Site | Google Scholar
M. Wang, H. Chen, B. Yang et al., “Toward an optimal kernel extreme learning machine using a chaotic moth-flame optimization strategy with applications in medical diagnoses,” Neurocomputing, vol. 267, pp. 69–84, 2017.View at: Publisher Site | Google Scholar
L. Chao, K. Zhang, Z. Li, Y. Zhu, J. Wang, and Z. Yu, “Geographically weighted regression based methods for merging satellite and gauge precipitation,” Journal of Hydrology, vol. 558, pp. 275–289, 2018.View at: Publisher Site | Google Scholar
F. J. Golrokh, G. Azeem, and A. Hasan, “Eco-efficiency evaluation in cement industries: DEA malmquist productivity index using optimization models,” ENG Transactions, vol. 1, 2020.View at: Google Scholar
D. Zhao, L. Lei, F. Yu et al., “Chaotic random spare ant colony optimization for multi-threshold image segmentation of 2D Kapur entropy,” Knowledge-Based Systems, vol. 8, Article ID 106510, 2020.View at: Google Scholar
Y. Zhang, R. Liu, X. Wang, H. Chen, and C. Li, “Boosted binary Harris hawks optimizer and feature selection,” Engineering with Computers, vol. 517, pp. 1–30, 2020.View at: Publisher Site | Google Scholar
L. Hu, G. Hong, J. Ma, X. Wang, and H. Chen, “An efficient machine learning approach for diagnosis of paraquat-poisoned patients,” Computers in Biology and Medicine, vol. 59, pp. 116–124, 2015.View at: Publisher Site | Google Scholar
L. Shen, H. Chen, Z. Yu et al., “Evolving support vector machines using fruit fly optimization for medical data classification,” Knowledge-Based Systems, vol. 96, pp. 61–75, 2016.View at: Publisher Site | Google Scholar
X. Zhao, X. Zhang, Z. Cai et al., “Chaos enhanced grey wolf optimization wrapped ELM for diagnosis of paraquat-poisoned patients,” Computational Biology and Chemistry, vol. 78, pp. 481–490, 2019.View at: Publisher Site | Google Scholar
Y. Xu, H. Chen, J. Luo, Q. Zhang, S. Jiao, and X. Zhang, “Enhanced Moth-flame optimizer with mutation strategy for global optimization,” Information Sciences, vol. 492, pp. 181–203, 2019.View at: Publisher Site | Google Scholar
M. Wang and H. Chen, “Chaotic multi-swarm whale optimizer boosted support vector machine for medical diagnosis,” Applied Soft Computing Journal, vol. 88, Article ID 105946, 2020.View at: Publisher Site | Google Scholar
Y. Chen, J. Li, H. Lu, and P. Yan, “Coupling system dynamics analysis and risk aversion programming for optimizing the mixed noise-driven shale gas-water supply chains,” Journal of Cleaner Production, vol. 278, Article ID 123209, 2020.View at: Google Scholar
H. Tang, Y. Xu, A. Lin et al., “Predicting green consumption behaviors of students using efficient firefly grey wolf-assisted K-nearest neighbor classifiers,” IEEE Access, vol. 8, pp. 35546–35562, 2020.View at: Publisher Site | Google Scholar
H.-J. Ma and G.-H. Yang, “Adaptive fault tolerant control of cooperative heterogeneous systems with actuator faults and unreliable interconnections,” IEEE Transactions on Automatic Control, vol. 61, no. 11, pp. 3240–3255, 2015.View at: Google Scholar
H.-J. Ma and L.-X. Xu, “Decentralized adaptive fault-tolerant control for a class of strong interconnected nonlinear systems via graph theory,” IEEE Transactions on Automatic Control, vol. 66, 2020.View at: Google Scholar
H. J. Ma, L. X. Xu, and G. H. Yang, “Multiple environment integral reinforcement learning-based fault-tolerant control for affine nonlinear systems,” IEEE Transactions on Cybernetics, vol. 51, pp. 1–16, 2019.View at: Publisher Site | Google Scholar
J. Hu, M. Wang, C. Zhao, Q. Pan, and C. Du, “Formation control and collision avoidance for multi-UAV systems based on Voronoi partition,” Science China Technological Sciences, vol. 63, no. 1, pp. 65–72, 2020.View at: Publisher Site | Google Scholar
C. Zhang, H. Li, Y. Qian, C. Chen, and X. Zhou, “Locality-constrained discriminative matrix regression for robust face identification,” IEEE Transactions on Neural Networks and Learning Systems, vol. 99, pp. 1–15, 2020.View at: Publisher Site | Google Scholar
X. Zhang, D. Wang, Z. Zhou, and Y. Ma, “Robust low-rank tensor recovery with rectification and alignment,” IEEE Transactions on Pattern Analysis and Machine Intelligence, vol. 43, no. 1, pp. 238–255, 2019.View at: Google Scholar
X. Zhang, J. Wang, T. Wang, R. Jiang, J. Xu, and L. Zhao, “Robust feature learning for adversarial defense via hierarchical feature alignment,” Information Sciences, vol. 560, 2020.View at: Google Scholar
X. Zhang, R. Jiang, T. Wang, and J. Wang, “Recursive neural network for video deblurring,” IEEE Transactions on Circuits and Systems for Video Technology, vol. 03, p. 1, 2020.View at: Publisher Site | Google Scholar
X. Zhang, T. Wang, J. Wang, G. Tang, and L. Zhao, “Pyramid channel-based feature attention network for image dehazing,” Computer Vision and Image Understanding, vol. 197-198, Article ID 103003, 2020.View at: Publisher Site | Google Scholar
X. Zhang, T. Wang, W. Luo, and P. Huang, “Multi-level fusion and attention-guided CNN for image dehazing,” IEEE Transactions on Circuits and Systems for Video Technology, vol. 3, p. 1, 2020.View at: Publisher Site | Google Scholar
L. He, J. Shen, and Y. Zhang, “Ecological vulnerability assessment for ecological conservation and environmental management,” Journal of Environmental Management, vol. 206, pp. 1115–1125, 2018.View at: Publisher Site | Google Scholar
Y. Chen, W. Zheng, W. Li, and Y. Huang, “Large group Activity security risk assessment and risk early warning based on random forest algorithm,” Pattern Recognition Letters, vol. 144, pp. 1–5, 2021.View at: Publisher Site | Google Scholar
J. Hu, H. Zhang, Z. Li, C. Zhao, Z. Xu, and Q. Pan, “Object traversing by monocular UAV in outdoor environment,” Asian Journal of Control, vol. 25, 2020.View at: Google Scholar
P. Tian, H. Lu, W. Feng, Y. Guan, and Y. Xue, “Large decrease in streamflow and sediment load of Qinghai-Tibetan Plateau driven by future climate change: a case study in Lhasa River Basin,” Catena, vol. 187, Article ID 104340, 2020.View at: Publisher Site | Google Scholar
A. Stokes, C. Atger, A. G. Bengough, T. Fourcaud, and R. C. Sidle, “Desirable plant root traits for protecting natural and engineered slopes against landslides,” Plant and Soil, vol. 324, no. 1, pp. 1–30, 2009.View at: Publisher Site | Google Scholar
T. B. Devi, A. Sharma, and B. Kumar, “Studies on emergent flow over vegetative channel bed with downward seepage,” Hydrological Sciences Journal, vol. 62, no. 3, pp. 408–420, 2017.View at: Google Scholar
G. Ireland, M. Volpi, and G. Petropoulos, “Examining the capability of supervised machine learning classifiers in extracting flooded areas from Landsat TM imagery: a case study from a Mediterranean flood,” Remote Sensing, vol. 7, no. 3, pp. 3372–3399, 2015.View at: Publisher Site | Google Scholar
L. Goodarzi and S. Javadi, “Assessment of aquifer vulnerability using the DRASTIC model; a case study of the Dezful-Andimeshk Aquifer,” Computational Research Progress in Applied Science & Engineering, vol. 2, no. 1, pp. 17–22, 2016.View at: Google Scholar
K. Zhang, Q. Wang, L. Chao et al., “Ground observation-based analysis of soil moisture spatiotemporal variability across a humid to semi-humid transitional zone in China,” Journal of Hydrology, vol. 574, pp. 903–914, 2019.View at: Publisher Site | Google Scholar
L. De Doncker, P. Troch, R. Verhoeven, K. Bal, P. Meire, and J. Quintelier, “Determination of the Manning roughness coefficient influenced by vegetation in the river Aa and Biebrza river,” Environmental Fluid Mechanics, vol. 9, no. 5, pp. 549–567, 2009.View at: Publisher Site | Google Scholar
M. Fathi-Moghadam and K. Drikvandi, “Manning roughness coefficient for rivers and flood plains with non-submerged vegetation,” International Journal of Hydraulic Engineering, vol. 1, no. 1, pp. 1–4, 2012.View at: Google Scholar
F.-C. Wu, H. W. Shen, and Y.-J. Chou, “Variation of roughness coefficients for unsubmerged and submerged vegetation,” Journal of Hydraulic Engineering, vol. 125, no. 9, pp. 934–942, 1999.View at: Publisher Site | Google Scholar
M. K. Wood, “Rangeland vegetation-hydrologic interactions,” in Vegetation Science Applications for Rangeland Analysis and Management, vol. 3, pp. 469–491, Springer, 1988.View at: Publisher Site | Google Scholar
C. Wilson, O. Yagci, H.-P. Rauch, and N. Olsen, “3D numerical modelling of a willow vegetated river/floodplain system,” Journal of Hydrology, vol. 327, no. 1-2, pp. 13–21, 2006.View at: Publisher Site | Google Scholar
R. Yazarloo, M. Khamehchian, and M. R. Nikoodel, “Observational-computational 3d engineering geological model and geotechnical characteristics of young sediments of golestan province,” Computational Research Progress in Applied Science & Engineering (CRPASE), vol. 03, 2017.View at: Google Scholar
G. E. Freeman, W. H. Rahmeyer, and R. R. Copeland, “Determination of resistance due to shrubs and woody vegetation,” International Journal of River Basin Management, vol. 19, 2000.View at: Google Scholar
N. Kouwen and T. E. Unny, “Flexible roughness in open channels,” Journal of the Hydraulics Division, vol. 99, no. 5, pp. 713–728, 1973.View at: Publisher Site | Google Scholar
S. Hosseini and J. Abrishami, Open Channel Hydraulics, Elsevier, Amsterdam, Netherlands, 2007.
C. S. James, A. L. Birkhead, A. A. Jordanova, and J. J. O’Sullivan, “Flow resistance of emergent vegetation,” Journal of Hydraulic Research, vol. 42, no. 4, pp. 390–398, 2004.View at: Publisher Site | Google Scholar
F. Huthoff and D. Augustijn, “Channel roughness in 1D steady uniform flow: Manning or Chézy?,,” NCR-days, vol. 102, 2004.View at: Google Scholar
M. S. Sabegh, M. Saneie, M. Habibi, A. A. Abbasi, and M. Ghadimkhani, “Experimental investigation on the effect of river bank tree planting array, on shear velocity,” Journal of Watershed Engineering and Management, vol. 2, no. 4, 2011.View at: Google Scholar
A. Errico, V. Pasquino, M. Maxwald, G. B. Chirico, L. Solari, and F. Preti, “The effect of flexible vegetation on flow in drainage channels: estimation of roughness coefficients at the real scale,” Ecological Engineering, vol. 120, pp. 411–421, 2018.View at: Publisher Site | Google Scholar
S. E. Darby, “Effect of riparian vegetation on flow resistance and flood potential,” Journal of Hydraulic Engineering, vol. 125, no. 5, pp. 443–454, 1999.View at: Publisher Site | Google Scholar
V. Kutija and H. Thi Minh Hong, “A numerical model for assessing the additional resistance to flow introduced by flexible vegetation,” Journal of Hydraulic Research, vol. 34, no. 1, pp. 99–114, 1996.View at: Publisher Site | Google Scholar
T. Fischer-Antze, T. Stoesser, P. Bates, and N. R. B. Olsen, “3D numerical modelling of open-channel flow with submerged vegetation,” Journal of Hydraulic Research, vol. 39, no. 3, pp. 303–310, 2001.View at: Publisher Site | Google Scholar
U. Stephan and D. Gutknecht, “Hydraulic resistance of submerged flexible vegetation,” Journal of Hydrology, vol. 269, no. 1-2, pp. 27–43, 2002.View at: Publisher Site | Google Scholar
F. G. Carollo, V. Ferro, and D. Termini, “Flow resistance law in channels with flexible submerged vegetation,” Journal of Hydraulic Engineering, vol. 131, no. 7, pp. 554–564, 2005.View at: Publisher Site | Google Scholar
W. Fu-sheng, “Flow resistance of flexible vegetation in open channel,” Journal of Hydraulic Engineering, vol. S1, 2007.View at: Google Scholar
P.-f. Wang, C. Wang, and D. Z. Zhu, “Hydraulic resistance of submerged vegetation related to effective height,” Journal of Hydrodynamics, vol. 22, no. 2, pp. 265–273, 2010.View at: Publisher Site | Google Scholar
J. K. Lee, L. C. Roig, H. L. Jenter, and H. M. Visser, “Drag coefficients for modeling flow through emergent vegetation in the Florida Everglades,” Ecological Engineering, vol. 22, no. 4-5, pp. 237–248, 2004.View at: Publisher Site | Google Scholar
G. J. Arcement and V. R. Schneider, Guide for Selecting Manning’s Roughness Coefficients for Natural Channels and Flood Plains, US Government Printing Office, Washington, DC, USA, 1989.
Y. Ding and S. S. Y. Wang, “Identification of Manning’s roughness coefficients in channel network using adjoint analysis,” International Journal of Computational Fluid Dynamics, vol. 19, no. 1, pp. 3–13, 2005.View at: Publisher Site | Google Scholar
E. T. Engman, “Roughness coefficients for routing surface runoff,” Journal of Irrigation and Drainage Engineering, vol. 112, no. 1, pp. 39–53, 1986.View at: Publisher Site | Google Scholar
M. Feizbahr, C. Kok Keong, F. Rostami, and M. Shahrokhi, “Wave energy dissipation using perforated and non perforated piles,” International Journal of Engineering, vol. 31, no. 2, pp. 212–219, 2018.View at: Publisher Site | Google Scholar
M. Farzadkhoo, A. Keshavarzi, H. Hamidifar, and M. Javan, “Sudden pollutant discharge in vegetated compound meandering rivers,” Catena, vol. 182, Article ID 104155, 2019.View at: Publisher Site | Google Scholar
V. T. Chow, Open-channel Hydraulics, Mcgraw-Hill Civil Engineering Series, Chennai, TN, India, 1959.
X. Zhang, R. Jing, Z. Li, Z. Li, X. Chen, and C.-Y. Su, “Adaptive pseudo inverse control for a class of nonlinear asymmetric and saturated nonlinear hysteretic systems,” IEEE/CAA Journal of Automatica Sinica, vol. 8, no. 4, pp. 916–928, 2020.View at: Google Scholar
C. Zuo, Q. Chen, L. Tian, L. Waller, and A. Asundi, “Transport of intensity phase retrieval and computational imaging for partially coherent fields: the phase space perspective,” Optics and Lasers in Engineering, vol. 71, pp. 20–32, 2015.View at: Publisher Site | Google Scholar
C. Zuo, J. Sun, J. Li, J. Zhang, A. Asundi, and Q. Chen, “High-resolution transport-of-intensity quantitative phase microscopy with annular illumination,” Scientific Reports, vol. 7, no. 1, pp. 7654–7722, 2017.View at: Publisher Site | Google Scholar
B.-H. Li, Y. Liu, A.-M. Zhang, W.-H. Wang, and S. Wan, “A survey on blocking technology of entity resolution,” Journal of Computer Science and Technology, vol. 35, no. 4, pp. 769–793, 2020.View at: Publisher Site | Google Scholar
Y. Liu, B. Zhang, Y. Feng et al., “Development of 340-GHz transceiver front end based on GaAs monolithic integration technology for THz active imaging array,” Applied Sciences, vol. 10, no. 21, p. 7924, 2020.View at: Publisher Site | Google Scholar
J. Hu, H. Zhang, L. Liu, X. Zhu, C. Zhao, and Q. Pan, “Convergent multiagent formation control with collision avoidance,” IEEE Transactions on Robotics, vol. 36, no. 6, pp. 1805–1818, 2020.View at: Publisher Site | Google Scholar
M. B. Movahhed, J. Ayoubinejad, F. N. Asl, and M. Feizbahr, “The effect of rain on pedestrians crossing speed,” Computational Research Progress in Applied Science & Engineering (CRPASE), vol. 6, no. 3, 2020.View at: Google Scholar
A. Li, D. Spano, J. Krivochiza et al., “A tutorial on interference exploitation via symbol-level precoding: overview, state-of-the-art and future directions,” IEEE Communications Surveys & Tutorials, vol. 22, no. 2, pp. 796–839, 2020.View at: Publisher Site | Google Scholar
W. Zhu, C. Ma, X. Zhao et al., “Evaluation of sino foreign cooperative education project using orthogonal sine cosine optimized kernel extreme learning machine,” IEEE Access, vol. 8, pp. 61107–61123, 2020.View at: Publisher Site | Google Scholar
G. Liu, W. Jia, M. Wang et al., “Predicting cervical hyperextension injury: a covariance guided sine cosine support vector machine,” IEEE Access, vol. 8, pp. 46895–46908, 2020.View at: Publisher Site | Google Scholar
Y. Wei, H. Lv, M. Chen et al., “Predicting entrepreneurial intention of students: an extreme learning machine with Gaussian barebone harris hawks optimizer,” IEEE Access, vol. 8, pp. 76841–76855, 2020.View at: Publisher Site | Google Scholar
A. Lin, Q. Wu, A. A. Heidari et al., “Predicting intentions of students for master programs using a chaos-induced sine cosine-based fuzzy K-Nearest neighbor classifier,” Ieee Access, vol. 7, pp. 67235–67248, 2019.View at: Publisher Site | Google Scholar
Y. Fan, P. Wang, A. A. Heidari et al., “Rationalized fruit fly optimization with sine cosine algorithm: a comprehensive analysis,” Expert Systems with Applications, vol. 157, Article ID 113486, 2020.View at: Publisher Site | Google Scholar
E. Rodríguez-Esparza, L. A. Zanella-Calzada, D. Oliva et al., “An efficient Harris hawks-inspired image segmentation method,” Expert Systems with Applications, vol. 155, Article ID 113428, 2020.View at: Publisher Site | Google Scholar
S. Jiao, G. Chong, C. Huang et al., “Orthogonally adapted Harris hawks optimization for parameter estimation of photovoltaic models,” Energy, vol. 203, Article ID 117804, 2020.View at: Publisher Site | Google Scholar
Z. Xu, Z. Hu, A. A. Heidari et al., “Orthogonally-designed adapted grasshopper optimization: a comprehensive analysis,” Expert Systems with Applications, vol. 150, Article ID 113282, 2020.View at: Publisher Site | Google Scholar
A. Abbassi, R. Abbassi, A. A. Heidari et al., “Parameters identification of photovoltaic cell models using enhanced exploratory salp chains-based approach,” Energy, vol. 198, Article ID 117333, 2020.View at: Publisher Site | Google Scholar
M. Mahmoodi and K. K. Aminjan, “Numerical simulation of flow through sukhoi 24 air inlet,” Computational Research Progress in Applied Science & Engineering (CRPASE), vol. 03, 2017.View at: Google Scholar
F. J. Golrokh and A. Hasan, “A comparison of machine learning clustering algorithms based on the DEA optimization approach for pharmaceutical companies in developing countries,” ENG Transactions, vol. 1, 2020.View at: Google Scholar
H. Chen, A. A. Heidari, H. Chen, M. Wang, Z. Pan, and A. H. Gandomi, “Multi-population differential evolution-assisted Harris hawks optimization: framework and case studies,” Future Generation Computer Systems, vol. 111, pp. 175–198, 2020.View at: Publisher Site | Google Scholar
J. Guo, H. Zheng, B. Li, and G.-Z. Fu, “Bayesian hierarchical model-based information fusion for degradation analysis considering non-competing relationship,” IEEE Access, vol. 7, pp. 175222–175227, 2019.View at: Publisher Site | Google Scholar
J. Guo, H. Zheng, B. Li, and G.-Z. Fu, “A Bayesian approach for degradation analysis with individual differences,” IEEE Access, vol. 7, pp. 175033–175040, 2019.View at: Publisher Site | Google Scholar
M. M. A. Malakoutian, Y. Malakoutian, P. Mostafapour, and S. Z. D. Abed, “Prediction for monthly rainfall of six meteorological regions and TRNC (case study: north Cyprus),” ENG Transactions, vol. 2, no. 2, 2021.View at: Google Scholar
H. Arslan, M. Ranjbar, and Z. Mutlum, “Maximum sound transmission loss in multi-chamber reactive silencers: are two chambers enough?,,” ENG Transactions, vol. 2, no. 1, 2021.View at: Google Scholar
N. Tonekaboni, M. Feizbahr, N. Tonekaboni, G.-J. Jiang, and H.-X. Chen, “Optimization of solar CCHP systems with collector enhanced by porous media and nanofluid,” Mathematical Problems in Engineering, vol. 2021, Article ID 9984840, 12 pages, 2021.View at: Publisher Site | Google Scholar
Z. Niu, B. Zhang, J. Wang et al., “The research on 220GHz multicarrier high-speed communication system,” China Communications, vol. 17, no. 3, pp. 131–139, 2020.View at: Publisher Site | Google Scholar
B. Zhang, Z. Niu, J. Wang et al., “Four‐hundred gigahertz broadband multi‐branch waveguide coupler,” IET Microwaves, Antennas & Propagation, vol. 14, no. 11, pp. 1175–1179, 2020.View at: Publisher Site | Google Scholar
Z.-Q. Niu, L. Yang, B. Zhang et al., “A mechanical reliability study of 3dB waveguide hybrid couplers in the submillimeter and terahertz band,” Journal of Zhejiang University Science, vol. 1, no. 1, 1998.View at: Google Scholar
B. Zhang, D. Ji, D. Fang, S. Liang, Y. Fan, and X. Chen, “A novel 220-GHz GaN diode on-chip tripler with high driven power,” IEEE Electron Device Letters, vol. 40, no. 5, pp. 780–783, 2019.View at: Publisher Site | Google Scholar
M. Taleghani and A. Taleghani, “Identification and ranking of factors affecting the implementation of knowledge management engineering based on TOPSIS technique,” ENG Transactions, vol. 1, no. 1, 2020.View at: Google Scholar
Effect of carrier gases on the entrainment defects within AZ91 alloy castings
Tian Liab J.M.T.Daviesa Xiangzhen Zhuc aUniversity of Birmingham, Birmingham B15 2TT, United Kingdom bGrainger and Worrall Ltd, Bridgnorth WV15 5HP, United Kingdom cBrunel Centre for Advanced Solidification Technology, Brunel University London, Kingston Ln, London, Uxbridge UB8 3PH, United Kingdom
Abstract
An entrainment defect (also known as a double oxide film defect or bifilm) acts a void containing an entrapped gas when submerged into a light-alloy melt, thus reducing the quality and reproducibility of the final castings. Previous publications, carried out with Al-alloy castings, reported that this trapped gas could be subsequently consumed by the reaction with the surrounding melt, thus reducing the void volume and negative effect of entrainment defects. Compared with Al-alloys, the entrapped gas within Mg-alloy might be more efficiently consumed due to the relatively high reactivity of magnesium. However, research into the entrainment defects within Mg alloys has been significantly limited. In the present work, AZ91 alloy castings were produced under different carrier gas atmospheres (i.e., SF6/CO2, SF6/air). The evolution processes of the entrainment defects contained in AZ91 alloy were suggested according to the microstructure inspections and thermodynamic calculations. The defects formed in the different atmospheres have a similar sandwich-like structure, but their oxide films contained different combinations of compounds. The use of carrier gases, which were associated with different entrained-gas consumption rates, affected the reproducibility of AZ91 castings.
연행 결함(이중 산화막 결함 또는 이중막 결함이라고도 함)은 경합금 용융물에 잠길 때 갇힌 가스를 포함하는 공극으로 작용하여 최종 주물의 품질과 재현성을 저하시킵니다. Al-합금 주조로 수행된 이전 간행물에서는 이 갇힌 가스가 주변 용융물과의 반응에 의해 후속적으로 소모되어 공극 부피와 연행 결함의 부정적인 영향을 줄일 수 있다고 보고했습니다. Al-합금에 비해 마그네슘의 상대적으로 높은 반응성으로 인해 Mg-합금 내에 포집된 가스가 더 효율적으로 소모될 수 있습니다. 그러나 Mg 합금 내 연행 결함에 대한 연구는 상당히 제한적이었습니다. 현재 작업에서 AZ91 합금 주물은 다양한 캐리어 가스 분위기(즉, SF 6 /CO2 , SF 6 / 공기). AZ91 합금에 포함된 엔트레인먼트 결함의 진화 과정은 미세조직 검사 및 열역학적 계산에 따라 제안되었습니다. 서로 다른 분위기에서 형성된 결함은 유사한 샌드위치 구조를 갖지만 산화막에는 서로 다른 화합물 조합이 포함되어 있습니다. 다른 동반 가스 소비율과 관련된 운반 가스의 사용은 AZ91 주물의 재현성에 영향을 미쳤습니다.
키워드
마그네슘 합금주조Oxide film, Bifilm, Entrainment 불량, 재현성
1 . 소개
지구상에서 가장 가벼운 구조용 금속인 마그네슘은 지난 수십 년 동안 가장 매력적인 경금속 중 하나가 되었습니다. 결과적으로 마그네슘 산업은 지난 20년 동안 급속한 발전을 경험했으며 [1 , 2] , 이는 전 세계적으로 Mg 합금에 대한 수요가 크게 증가했음을 나타냅니다. 오늘날 Mg 합금의 사용은 자동차, 항공 우주, 전자 등의 분야에서 볼 수 있습니다. [3 , 4] . Mg 금속의 전 세계 소비는 특히 자동차 산업에서 앞으로 더욱 증가할 것으로 예측되었습니다. 기존 자동차와 전기 자동차 모두의 에너지 효율성 요구 사항이 설계를 경량화하도록 더욱 밀어붙이기 때문입니다 [3 , 5, 6] .
Mg 합금에 대한 수요의 지속적인 성장은 Mg 합금 주조의 품질 및 기계적 특성 개선에 대한 광범위한 관심을 불러일으켰습니다. Mg 합금 주조 공정 동안 용융물의 표면 난류는 소량의 주변 대기를 포함하는 이중 표면 필름의 포획으로 이어질 수 있으므로 동반 결함(이중 산화막 결함 또는 이중막 결함이라고도 함)을 형성합니다. ) [7] , [8] , [9] , [10] . 무작위 크기, 수량, 방향 및 연행 결함의 배치는 주조 특성의 변화와 관련된 중요한 요인으로 널리 받아들여지고 있습니다 [7] . 또한 Peng et al. [11]AZ91 합금 용융물에 동반된 산화물 필름이 Al 8 Mn 5 입자에 대한 필터 역할을 하여 침전될 때 가두는 것을 발견했습니다 . Mackie et al. [12]는 또한 동반된 산화막이 금속간 입자를 트롤(trawl)하는 작용을 하여 입자가 클러스터링되어 매우 큰 결함을 형성할 수 있다고 제안했습니다. 금속간 화합물의 클러스터링은 비말동반 결함을 주조 특성에 더 해롭게 만들었습니다.
연행 결함에 관한 이전 연구의 대부분은 Al-합금에 대해 수행되었으며 [7 , [13] , [14] , [15] , [16] , [17] , [18] 몇 가지 잠재적인 방법이 제안되었습니다. 알루미늄 합금 주물의 품질에 대한 부정적인 영향을 줄이기 위해. Nyahumwa et al., [16] 은 연행 결함 내의 공극 체적이 열간 등방압 압축(HIP) 공정에 의해 감소될 수 있음을 보여줍니다. Campbell [7] 은 결함 내부의 동반된 가스가 주변 용융물과의 반응으로 인해 소모될 수 있다고 제안했으며, 이는 Raiszedeh와 Griffiths [19]에 의해 추가로 확인되었습니다 ..혼입 가스 소비가 Al-합금 주물의 기계적 특성에 미치는 영향은 [8 , 9]에 의해 조사되었으며 , 이는 혼입 가스의 소비가 주조 재현성의 개선을 촉진함을 시사합니다.
Al-합금 내 결함에 대한 조사와 비교하여 Mg-합금 내 연행 결함에 대한 연구는 상당히 제한적입니다. 연행 결함의 존재는 Mg 합금 주물 [20 , 21] 에서 입증 되었지만 그 거동, 진화 및 연행 가스 소비는 여전히 명확하지 않습니다.
Mg 합금 주조 공정에서 용융물은 일반적으로 마그네슘 점화를 피하기 위해 커버 가스로 보호됩니다. 따라서 모래 또는 매몰 몰드의 공동은 용융물을 붓기 전에 커버 가스로 세척해야 합니다 [22] . 따라서, Mg 합금 주물 내의 연행 가스는 공기만이 아니라 주조 공정에 사용되는 커버 가스를 포함해야 하며, 이는 구조 및 해당 연행 결함의 전개를 복잡하게 만들 수 있습니다.
SF 6 은 Mg 합금 주조 공정에 널리 사용되는 대표적인 커버 가스입니다 [23] , [24] , [25] . 이 커버 가스는 유럽의 마그네슘 합금 주조 공장에서 사용하도록 제한되었지만 상업 보고서에 따르면 이 커버는 전 세계 마그네슘 합금 산업, 특히 다음과 같은 글로벌 마그네슘 합금 생산을 지배한 국가에서 여전히 인기가 있습니다. 중국, 브라질, 인도 등 [26] . 또한, 최근 학술지 조사에서도 이 커버가스가 최근 마그네슘 합금 연구에서 널리 사용된 것으로 나타났다 [27] . SF 6 커버 가스 의 보호 메커니즘 (즉, 액체 Mg 합금과 SF 6 사이의 반응Cover gas)에 대한 연구는 여러 선행연구자들에 의해 이루어졌으나 표면 산화막의 형성과정이 아직 명확하게 밝혀지지 않았으며, 일부 발표된 결과들도 상충되고 있다. 1970년대 초 Fruehling [28] 은 SF 6 아래에 형성된 표면 피막이 주로 미량의 불화물과 함께 MgO 임을 발견 하고 SF 6 이 Mg 합금 표면 피막에 흡수 된다고 제안했습니다 . Couling [29] 은 흡수된 SF 6 이 Mg 합금 용융물과 반응하여 MgF 2 를 형성함을 추가로 확인했습니다 . 지난 20년 동안 아래에 자세히 설명된 것처럼 Mg 합금 표면 필름의 다양한 구조가 보고되었습니다.(1)
단층 필름 . Cashion [30 , 31] 은 X선 광전자 분광법(XPS)과 오제 분광법(AES)을 사용하여 표면 필름을 MgO 및 MgF 2 로 식별했습니다 . 그는 또한 필름의 구성이 두께와 전체 실험 유지 시간에 걸쳐 일정하다는 것을 발견했습니다. Cashion이 관찰한 필름은 10분에서 100분의 유지 시간으로 생성된 단층 구조를 가졌다.(2)
이중층 필름 . Aarstad et. al [32] 은 2003년에 이중층 표면 산화막을 보고했습니다. 그들은 예비 MgO 막에 부착된 잘 분포된 여러 MgF 2 입자를 관찰 하고 전체 표면적의 25-50%를 덮을 때까지 성장했습니다. 외부 MgO 필름을 통한 F의 내부 확산은 진화 과정의 원동력이었습니다. 이 이중층 구조는 Xiong의 그룹 [25 , 33] 과 Shih et al. 도 지지했습니다 . [34] .(삼)
트리플 레이어 필름 . 3층 필름과 그 진화 과정은 Pettersen [35]에 의해 2002년에 보고되었습니다 . Pettersen은 초기 표면 필름이 MgO 상이었고 F의 내부 확산에 의해 점차적으로 안정적인 MgF 2 상 으로 진화한다는 것을 발견했습니다 . 두꺼운 상부 및 하부 MgF 2 층.(4)
산화물 필름은 개별 입자로 구성 됩니다. Wang et al [36] 은 Mg-alloy 표면 필름을 SF 6 커버 가스 하에서 용융물에 교반 한 다음 응고 후 동반된 표면 필름을 검사했습니다. 그들은 동반된 표면 필름이 다른 연구자들이 보고한 보호 표면 필름처럼 계속되지 않고 개별 입자로 구성된다는 것을 발견했습니다. 젊은 산화막은 MgO 나노 크기의 산화물 입자로 구성되어 있는 반면, 오래된 산화막은 한쪽 면에 불화물과 질화물이 포함된 거친 입자(평균 크기 약 1μm)로 구성되어 있습니다.
Mg 합금 용융 표면의 산화막 또는 동반 가스는 모두 액체 Mg 합금과 커버 가스 사이의 반응으로 인해 형성되므로 Mg 합금 표면막에 대한 위에서 언급한 연구는 진화에 대한 귀중한 통찰력을 제공합니다. 연행 결함. 따라서 SF 6 커버 가스 의 보호 메커니즘 (즉, Mg-합금 표면 필름의 형성)은 해당 동반 결함의 잠재적인 복잡한 진화 과정을 나타냅니다.
그러나 Mg 합금 용융물에 표면 필름을 형성하는 것은 용융물에 잠긴 동반된 가스의 소비와 다른 상황에 있다는 점에 유의해야 합니다. 예를 들어, 앞서 언급한 연구에서 표면 성막 동안 충분한 양의 커버 가스가 담지되어 커버 가스의 고갈을 억제했습니다. 대조적으로, Mg 합금 용융물 내의 동반된 가스의 양은 유한하며, 동반된 가스는 완전히 고갈될 수 있습니다. Mirak [37] 은 3.5% SF 6 /기포를 특별히 설계된 영구 금형에서 응고되는 순수한 Mg 합금 용융물에 도입했습니다. 기포가 완전히 소모되었으며, 해당 산화막은 MgO와 MgF 2 의 혼합물임을 알 수 있었다.. 그러나 Aarstad [32] 및 Xiong [25 , 33]에 의해 관찰된 MgF 2 스팟 과 같은 핵 생성 사이트 는 관찰되지 않았습니다. Mirak은 또한 조성 분석을 기반으로 산화막에서 MgO 이전에 MgF 2 가 형성 되었다고 추측했는데 , 이는 이전 문헌에서 보고된 표면 필름 형성 과정(즉, MgF 2 이전에 형성된 MgO)과 반대 입니다. Mirak의 연구는 동반된 가스의 산화막 형성이 표면막의 산화막 형성과 상당히 다를 수 있음을 나타내었지만 산화막의 구조와 진화에 대해서는 밝히지 않았습니다.
또한 커버 가스에 캐리어 가스를 사용하는 것도 커버 가스와 액체 Mg 합금 사이의 반응에 영향을 미쳤습니다. SF 6 /air 는 용융 마그네슘의 점화를 피하기 위해 SF 6 /CO 2 운반 가스 [38] 보다 더 높은 함량의 SF 6을 필요로 하여 다른 가스 소비율을 나타냅니다. Liang et.al [39] 은 CO 2 가 캐리어 가스로 사용될 때 표면 필름에 탄소가 형성된다고 제안했는데 , 이는 SF 6 /air 에서 형성된 필름과 다릅니다 . Mg 연소 [40]에 대한 조사 에서 Mg 2 C 3 검출이 보고되었습니다.CO 2 연소 후 Mg 합금 샘플 에서 이는 Liang의 결과를 뒷받침할 뿐만 아니라 이중 산화막 결함에서 Mg 탄화물의 잠재적 형성을 나타냅니다.
여기에 보고된 작업은 다양한 커버 가스(즉, SF 6 /air 및 SF 6 /CO 2 )로 보호되는 AZ91 Mg 합금 주물에서 형성된 연행 결함의 거동과 진화에 대한 조사 입니다. 이러한 캐리어 가스는 액체 Mg 합금에 대해 다른 보호성을 가지며, 따라서 상응하는 동반 가스의 다른 소비율 및 발생 프로세스와 관련될 수 있습니다. AZ91 주물의 재현성에 대한 동반 가스 소비의 영향도 연구되었습니다.
2 . 실험
2.1 . 용융 및 주조
3kg의 AZ91 합금을 700 ± 5 °C의 연강 도가니에서 녹였습니다. AZ91 합금의 조성은 표 1 에 나타내었다 . 가열하기 전에 잉곳 표면의 모든 산화물 스케일을 기계가공으로 제거했습니다. 사용 된 커버 가스는 0.5 %이었다 SF 6 / 공기 또는 0.5 % SF 6 / CO 2 (부피. %) 다른 주물 6L / 분의 유량. 용융물은 15분 동안 0.3L/min의 유속으로 아르곤으로 가스를 제거한 다음 [41 , 42] , 모래 주형에 부었습니다. 붓기 전에 샌드 몰드 캐비티를 20분 동안 커버 가스로 플러싱했습니다 [22] . 잔류 용융물(약 1kg)이 도가니에서 응고되었습니다.
표 1 . 본 연구에 사용된 AZ91 합금의 조성(wt%).
알
아연
미네소타
시
철
니
마그네슘
9.4
0.61
0.15
0.02
0.005
0.0017
잔여
그림 1 (a)는 러너가 있는 주물의 치수를 보여줍니다. 탑 필링 시스템은 최종 주물에서 연행 결함을 생성하기 위해 의도적으로 사용되었습니다. Green과 Campbell [7 , 43] 은 탑 필링 시스템이 바텀 필링 시스템에 비해 주조 과정에서 더 많은 연행 현상(즉, 이중 필름)을 유발한다고 제안했습니다. 이 금형의 용융 흐름 시뮬레이션(Flow-3D 소프트웨어)은 연행 현상에 관한 Reilly의 모델 [44] 을 사용하여 최종 주조에 많은 양의 이중막이 포함될 것이라고 예측했습니다( 그림 1 에서 검은색 입자로 표시됨) . NS).
수축 결함은 또한 주물의 기계적 특성과 재현성에 영향을 미칩니다. 이 연구는 주조 품질에 대한 이중 필름의 영향에 초점을 맞추었기 때문에 수축 결함이 발생하지 않도록 금형을 의도적으로 설계했습니다. ProCAST 소프트웨어를 사용한 응고 시뮬레이션은 그림 1c 와 같이 최종 주조에 수축 결함이 포함되지 않음을 보여주었습니다 . 캐스팅 건전함도 테스트바 가공 전 실시간 X-ray를 통해 확인했다.
모래 주형은 1wt를 함유한 수지 결합된 규사로 만들어졌습니다. % PEPSET 5230 수지 및 1wt. % PEPSET 5112 촉매. 모래는 또한 억제제로 작용하기 위해 2중량%의 Na 2 SiF 6 을 함유했습니다 .. 주입 온도는 700 ± 5 °C였습니다. 응고 후 러너바의 단면을 Sci-Lab Analytical Ltd로 보내 H 함량 분석(LECO 분석)을 하였고, 모든 H 함량 측정은 주조 공정 후 5일째에 실시하였다. 각각의 주물은 인장 강도 시험을 위해 클립 신장계가 있는 Zwick 1484 인장 시험기를 사용하여 40개의 시험 막대로 가공되었습니다. 파손된 시험봉의 파단면을 주사전자현미경(SEM, Philips JEOL7000)을 이용하여 가속전압 5~15kV로 조사하였다. 파손된 시험 막대, 도가니에서 응고된 잔류 Mg 합금 및 주조 러너를 동일한 SEM을 사용하여 단면화하고 연마하고 검사했습니다. CFEI Quanta 3D FEG FIB-SEM을 사용하여 FIB(집속 이온 빔 밀링 기술)에 의해 테스트 막대 파괴 표면에서 발견된 산화막의 단면을 노출했습니다. 분석에 필요한 산화막은 백금층으로 코팅하였다. 그런 다음 30kV로 가속된 갈륨 이온 빔이 산화막의 단면을 노출시키기 위해 백금 코팅 영역을 둘러싼 재료 기판을 밀링했습니다. 산화막 단면의 EDS 분석은 30kV의 가속 전압에서 FIB 장비를 사용하여 수행되었습니다.
2.2 . 산화 세포
전술 한 바와 같이, 몇몇 최근 연구자들은 마그네슘 합금의 용탕 표면에 형성된 보호막 조사 [38 , 39 , [46] , [47] , [48] , [49] , [50] , [51] , [52 ] . 이 실험 동안 사용된 커버 가스의 양이 충분하여 커버 가스에서 불화물의 고갈을 억제했습니다. 이 섹션에서 설명하는 실험은 엔트레인먼트 결함의 산화막의 진화를 연구하기 위해 커버 가스의 공급을 제한하는 밀봉된 산화 셀을 사용했습니다. 산화 셀에 포함된 커버 가스는 큰 크기의 “동반된 기포”로 간주되었습니다.
도 2에 도시된 바와 같이 , 산화셀의 본체는 내부 길이가 400mm, 내경이 32mm인 폐쇄형 연강관이었다. 수냉식 동관을 전지의 상부에 감았습니다. 튜브가 가열될 때 냉각 시스템은 상부와 하부 사이에 온도 차이를 만들어 내부 가스가 튜브 내에서 대류하도록 했습니다. 온도는 도가니 상단에 위치한 K형 열전대로 모니터링했습니다. Nieet al. [53] 은 Mg 합금 용융물의 표면 피막을 조사할 때 SF 6 커버 가스가 유지로의 강철 벽과 반응할 것이라고 제안했습니다 . 이 반응을 피하기 위해 강철 산화 전지의 내부 표면(그림 2 참조)) 및 열전대의 상반부는 질화붕소로 코팅되었습니다(Mg 합금은 질화붕소와 접촉하지 않았습니다).
실험 중에 고체 AZ91 합금 블록을 산화 셀 바닥에 위치한 마그네시아 도가니에 넣었습니다. 전지는 1L/min의 가스 유속으로 전기 저항로에서 100℃로 가열되었다. 원래의 갇힌 대기(즉, 공기)를 대체하기 위해 셀을 이 온도에서 20분 동안 유지했습니다. 그런 다음, 산화 셀을 700°C로 더 가열하여 AZ91 샘플을 녹였습니다. 그런 다음 가스 입구 및 출구 밸브가 닫혀 제한된 커버 가스 공급 하에서 산화를 위한 밀폐된 환경이 생성되었습니다. 그런 다음 산화 전지를 5분 간격으로 5분에서 30분 동안 700 ± 10°C에서 유지했습니다. 각 유지 시간이 끝날 때 세포를 물로 켄칭했습니다. 실온으로 냉각한 후 산화된 샘플을 절단하고 연마한 다음 SEM으로 검사했습니다.
3 . 결과
3.1 . SF 6 /air 에서 형성된 엔트레인먼트 결함의 구조 및 구성
0.5 % SF의 커버 가스 하에서 AZ91 주물에 형성된 유입 결함의 구조 및 조성 6 / 공기는 SEM 및 EDS에 의해 관찰되었다. 결과는 그림 3에 스케치된 엔트레인먼트 결함의 두 가지 유형이 있음을 나타냅니다 . (1) 산화막이 전통적인 단층 구조를 갖는 유형 A 결함 및 (2) 산화막이 2개 층을 갖는 유형 B 결함. 이러한 결함의 세부 사항은 다음에 소개되었습니다. 여기에서 비말동반 결함은 생물막 또는 이중 산화막으로도 알려져 있기 때문에 B형 결함의 산화막은 본 연구에서 “다층 산화막” 또는 “다층 구조”로 언급되었습니다. “이중 산화막 결함의 이중층 산화막”과 같은 혼란스러운 설명을 피하기 위해.
그림 4 (ab)는 약 0.4μm 두께의 조밀한 단일층 산화막을 갖는 Type A 결함을 보여줍니다. 이 필름에서 산소, 불소, 마그네슘 및 알루미늄이 검출되었습니다( 그림 4c). 산화막은 마그네슘과 알루미늄의 산화물과 불화물의 혼합물로 추측됩니다. 불소의 검출은 동반된 커버 가스가 이 결함의 형성에 포함되어 있음을 보여주었습니다. 즉, Fig. 4 (a)에 나타난 기공 은 수축결함이나 수소기공도가 아니라 연행결함이었다. 알루미늄의 검출은 Xiong과 Wang의 이전 연구 [47 , 48] 와 다르며 , SF 6으로 보호된 AZ91 용융물의 표면 필름에 알루미늄이 포함되어 있지 않음을 보여주었습니다.커버 가스. 유황은 원소 맵에서 명확하게 인식할 수 없었지만 해당 ESD 스펙트럼에서 S-피크가 있었습니다.
도 5 (ab)는 다층 산화막을 갖는 Type B 엔트레인먼트 결함을 나타낸다. 산화막의 조밀한 외부 층은 불소와 산소가 풍부하지만( 그림 5c) 상대적으로 다공성인 내부 층은 산소만 풍부하고(즉, 불소가 부족) 부분적으로 함께 성장하여 샌드위치 모양을 형성합니다. 구조. 따라서 외층은 불화물과 산화물의 혼합물이며 내층은 주로 산화물로 추정된다. 황은 EDX 스펙트럼에서만 인식될 수 있었고 요소 맵에서 명확하게 식별할 수 없었습니다. 이는 커버 가스의 작은 S 함량(즉, SF 6 의 0.5% 부피 함량 때문일 수 있음)커버 가스). 이 산화막에서는 이 산화막의 외층에 알루미늄이 포함되어 있지만 내층에서는 명확하게 검출할 수 없었다. 또한 Al의 분포가 고르지 않은 것으로 보입니다. 결함의 우측에는 필름에 알루미늄이 존재하지만 그 농도는 매트릭스보다 높은 것으로 식별할 수 없음을 알 수 있다. 그러나 결함의 왼쪽에는 알루미늄 농도가 훨씬 높은 작은 영역이 있습니다. 이러한 알루미늄의 불균일한 분포는 다른 결함(아래 참조)에서도 관찰되었으며, 이는 필름 내부 또는 아래에 일부 산화물 입자가 형성된 결과입니다.
무화과 도 4 및 5 는 SF 6 /air 의 커버 가스 하에 주조된 AZ91 합금 샘플에서 형성된 연행 결함의 횡단면 관찰을 나타낸다 . 2차원 단면에서 관찰된 수치만으로 연행 결함을 특성화하는 것만으로는 충분하지 않습니다. 더 많은 이해를 돕기 위해 테스트 바의 파단면을 관찰하여 엔트레인먼트 결함(즉, 산화막)의 표면을 더 연구했습니다.
Fig. 6 (a)는 SF 6 /air 에서 생산된 AZ91 합금 인장시험봉의 파단면을 보여준다 . 파단면의 양쪽에서 대칭적인 어두운 영역을 볼 수 있습니다. 그림 6 (b)는 어두운 영역과 밝은 영역 사이의 경계를 보여줍니다. 밝은 영역은 들쭉날쭉하고 부서진 특징으로 구성되어 있는 반면, 어두운 영역의 표면은 비교적 매끄럽고 평평했습니다. 또한 EDS 결과( Fig. 6 c-d 및 Table 2) 불소, 산소, 황 및 질소는 어두운 영역에서만 검출되었으며, 이는 어두운 영역이 용융물에 동반된 표면 보호 필름임을 나타냅니다. 따라서 어두운 영역은 대칭적인 특성을 고려할 때 연행 결함이라고 제안할 수 있습니다. Al-합금 주조물의 파단면에서 유사한 결함이 이전에 보고되었습니다 [7] . 질화물은 테스트 바 파단면의 산화막에서만 발견되었지만 그림 1과 그림 4에 표시된 단면 샘플에서는 검출되지 않았습니다 . 4 및 5 . 근본적인 이유는 이러한 샘플에 포함된 질화물이 샘플 연마 과정에서 가수분해되었을 수 있기 때문입니다 [54] .
표 2 . EDS 결과(wt.%)는 그림 6에 표시된 영역에 해당합니다 (커버 가스: SF 6 /공기).
도 1 및 도 2에 도시된 결함의 단면 관찰과 함께 . 도 4 및 도 5 를 참조하면, 인장 시험봉에 포함된 연행 결함의 구조를 도 6 (e) 와 같이 스케치하였다 . 결함에는 산화막으로 둘러싸인 동반된 가스가 포함되어 있어 테스트 바 내부에 보이드 섹션이 생성되었습니다. 파괴 과정에서 결함에 인장력이 가해지면 균열이 가장 약한 경로를 따라 전파되기 때문에 보이드 섹션에서 균열이 시작되어 연행 결함을 따라 전파됩니다 [55] . 따라서 최종적으로 시험봉이 파단되었을 때 Fig. 6 (a) 와 같이 시험봉의 양 파단면에 연행결함의 산화피막이 나타났다 .
3.2 . SF 6 /CO 2 에 형성된 연행 결함의 구조 및 조성
SF 6 /air 에서 형성된 엔트레인먼트 결함과 유사하게, 0.5% SF 6 /CO 2 의 커버 가스 아래에서 형성된 결함 도 두 가지 유형의 산화막(즉, 단층 및 다층 유형)을 가졌다. 도 7 (a)는 다층 산화막을 포함하는 엔트레인먼트 결함의 예를 도시한다. 결함에 대한 확대 관찰( 그림 7b )은 산화막의 내부 층이 함께 성장하여 SF 6 /air 의 분위기에서 형성된 결함과 유사한 샌드위치 같은 구조를 나타냄을 보여줍니다 ( 그림 7b). 5 나 ). EDS 스펙트럼( 그림 7c) 이 샌드위치형 구조의 접합부(내층)는 주로 산화마그네슘을 함유하고 있음을 보여주었다. 이 EDS 스펙트럼에서는 불소, 황, 알루미늄의 피크가 확인되었으나 그 양은 상대적으로 적었다. 대조적으로, 산화막의 외부 층은 조밀하고 불화물과 산화물의 혼합물로 구성되어 있습니다( 그림 7d-e).
Fig. 8 (a)는 0.5%SF 6 /CO 2 분위기에서 제작된 AZ91 합금 인장시험봉의 파단면의 연행결함을 보여준다 . 상응하는 EDS 결과(표 3)는 산화막이 불화물과 산화물을 함유함을 보여주었다. 황과 질소는 검출되지 않았습니다. 게다가, 확대 관찰( 도 8b)은 산화막 표면에 반점을 나타내었다. 반점의 직경은 수백 나노미터에서 수 마이크론 미터까지 다양했습니다.
산화막의 구조와 조성을 보다 명확하게 나타내기 위해 테스트 바 파단면의 산화막 단면을 FIB 기법을 사용하여 현장에서 노출시켰다( 그림 9 ). 도 9a에 도시된 바와 같이 , 백금 코팅층과 Mg-Al 합금 기재 사이에 연속적인 산화피막이 발견되었다. 그림 9 (bc)는 다층 구조( 그림 9c 에서 빨간색 상자로 표시)를 나타내는 산화막에 대한 확대 관찰을 보여줍니다 . 바닥층은 불소와 산소가 풍부하고 불소와 산화물의 혼합물이어야 합니다 . 5 와 7, 유일한 산소가 풍부한 최상층은 도 1 및 도 2에 도시 된 “내층”과 유사하였다 . 5 및 7 .
연속 필름을 제외하고 도 9 에 도시된 바와 같이 연속 필름 내부 또는 하부에서도 일부 개별 입자가 관찰되었다 . 그림 9( b) 의 산화막 좌측에서 Al이 풍부한 입자가 검출되었으며, 마그네슘과 산소 원소도 풍부하게 함유하고 있어 스피넬 Mg 2 AlO 4 로 추측할 수 있다 . 이러한 Mg 2 AlO 4 입자의 존재는 Fig. 5 와 같이 관찰된 필름의 작은 영역에 높은 알루미늄 농도와 알루미늄의 불균일한 분포의 원인이 된다 .(씨). 여기서 강조되어야 할 것은 연속 산화막의 바닥층의 다른 부분이 이 Al이 풍부한 입자보다 적은 양의 알루미늄을 함유하고 있지만, 그림 9c는 이 바닥층의 알루미늄 양이 여전히 무시할 수 없는 수준임을 나타냅니다 . , 특히 필름의 외층과 비교할 때. 도 9b에 도시된 산화막의 우측 아래에서 입자가 검출되어 Mg와 O가 풍부하여 MgO인 것으로 추측되었다. Wang의 결과에 따르면 [56], Mg 용융물과 Mg 증기의 산화에 의해 Mg 용융물의 표면에 많은 이산 MgO 입자가 형성될 수 있다. 우리의 현재 연구에서 관찰된 MgO 입자는 같은 이유로 인해 형성될 수 있습니다. 실험 조건의 차이로 인해 더 적은 Mg 용융물이 기화되거나 O2와 반응할 수 있으므로 우리 작업에서 형성되는 MgO 입자는 소수에 불과합니다. 또한 필름에서 풍부한 탄소가 발견되어 CO 2 가 용융물과 반응하여 탄소 또는 탄화물을 형성할 수 있음을 보여줍니다 . 이 탄소 농도는 표 3에 나타낸 산화막의 상대적으로 높은 탄소 함량 (즉, 어두운 영역) 과 일치하였다 . 산화막 옆 영역.
표 3 . 도 8에 도시된 영역에 상응하는 EDS 결과(wt.%) (커버 가스: SF 6 / CO 2 ).
테스트 바 파단면( 도 9 ) 에서 산화막의 이 단면 관찰은 도 6 (e)에 도시된 엔트레인먼트 결함의 개략도를 추가로 확인했다 . SF 6 /CO 2 와 SF 6 /air 의 서로 다른 분위기에서 형성된 엔트레인먼트 결함 은 유사한 구조를 가졌지만 그 조성은 달랐다.
3.3 . 산화 전지에서 산화막의 진화
섹션 3.1 및 3.2 의 결과 는 SF 6 /air 및 SF 6 /CO 2 의 커버 가스 아래에서 AZ91 주조에서 형성된 연행 결함의 구조 및 구성을 보여줍니다 . 산화 반응의 다른 단계는 연행 결함의 다른 구조와 조성으로 이어질 수 있습니다. Campbell은 동반된 가스가 주변 용융물과 반응할 수 있다고 추측했지만 Mg 합금 용융물과 포획된 커버 가스 사이에 반응이 발생했다는 보고는 거의 없습니다. 이전 연구자들은 일반적으로 개방된 환경에서 Mg 합금 용융물과 커버 가스 사이의 반응에 초점을 맞췄습니다 [38 , 39 , [46] , [47], [48] , [49] , [50] , [51] , [52] , 이는 용융물에 갇힌 커버 가스의 상황과 다릅니다. AZ91 합금에서 엔트레인먼트 결함의 형성을 더 이해하기 위해 엔트레인먼트 결함의 산화막의 진화 과정을 산화 셀을 사용하여 추가로 연구했습니다.
.도 10 (a 및 d) 0.5 % 방송 SF 보호 산화 셀에서 5 분 동안 유지 된 표면 막 (6) / 공기. 불화물과 산화물(MgF 2 와 MgO) 로 이루어진 단 하나의 층이 있었습니다 . 이 표면 필름에서. 황은 EDS 스펙트럼에서 검출되었지만 그 양이 너무 적어 원소 맵에서 인식되지 않았습니다. 이 산화막의 구조 및 조성은 도 4 에 나타낸 엔트레인먼트 결함의 단층막과 유사하였다 .
10분의 유지 시간 후, 얇은 (O,S)가 풍부한 상부층(약 700nm)이 예비 F-농축 필름에 나타나 그림 10 (b 및 e) 에서와 같이 다층 구조를 형성했습니다 . ). (O, S)가 풍부한 최상층의 두께는 유지 시간이 증가함에 따라 증가했습니다. Fig. 10 (c, f) 에서 보는 바와 같이 30분간 유지한 산화막도 다층구조를 가지고 있으나 (O,S)가 풍부한 최상층(약 2.5μm)의 두께가 10분 산화막의 그것. 도 10 (bc) 에 도시 된 다층 산화막 은 도 5에 도시된 샌드위치형 결함의 막과 유사한 외관을 나타냈다 .
도 10에 도시된 산화막의 상이한 구조는 커버 가스의 불화물이 AZ91 합금 용융물과의 반응으로 인해 우선적으로 소모될 것임을 나타내었다. 불화물이 고갈된 후, 잔류 커버 가스는 액체 AZ91 합금과 추가로 반응하여 산화막에 상부 (O, S)가 풍부한 층을 형성했습니다. 따라서 도 1 및 도 3에 도시된 연행 결함의 상이한 구조 및 조성 . 4 와 5 는 용융물과 갇힌 커버 가스 사이의 진행 중인 산화 반응 때문일 수 있습니다.
이 다층 구조는 Mg 합금 용융물에 형성된 보호 표면 필름에 관한 이전 간행물 [38 , [46] , [47] , [48] , [49] , [50] , [51] 에서 보고되지 않았습니다 . . 이는 이전 연구원들이 무제한의 커버 가스로 실험을 수행했기 때문에 커버 가스의 불화물이 고갈되지 않는 상황을 만들었기 때문일 수 있습니다. 따라서 엔트레인먼트 결함의 산화피막은 도 10에 도시된 산화피막과 유사한 거동특성을 가지나 [38 ,[46] , [47] , [48] , [49] , [50] , [51] .
SF 유지 산화막와 마찬가지로 6 / 공기, SF에 형성된 산화물 막 (6) / CO 2는 또한 세포 산화 다른 유지 시간과 다른 구조를 가지고 있었다. .도 11 (a)는 AZ91 개최 산화막, 0.5 %의 커버 가스 하에서 SF 표면 용융 도시 6 / CO 2, 5 분. 이 필름은 MgF 2 로 이루어진 단층 구조를 가졌다 . 이 영화에서는 MgO의 존재를 확인할 수 없었다. 30분의 유지 시간 후, 필름은 다층 구조를 가졌다; 내부 층은 조밀하고 균일한 외관을 가지며 MgF 2 로 구성 되고 외부 층은 MgF 2 혼합물및 MgO. 0.5%SF 6 /air 에서 형성된 표면막과 다른 이 막에서는 황이 검출되지 않았다 . 따라서, 0.5%SF 6 /CO 2 의 커버 가스 내의 불화물 도 막 성장 과정의 초기 단계에서 우선적으로 소모되었다. SF 6 /air 에서 형성된 막과 비교하여 SF 6 /CO 2 에서 형성된 막에서 MgO 는 나중에 나타났고 황화물은 30분 이내에 나타나지 않았다. 이는 SF 6 /air 에서 필름의 형성과 진화 가 SF 6 /CO 2 보다 빠르다 는 것을 의미할 수 있습니다 . CO 2 후속적으로 용융물과 반응하여 MgO를 형성하는 반면, 황 함유 화합물은 커버 가스에 축적되어 반응하여 매우 늦은 단계에서 황화물을 형성할 수 있습니다(산화 셀에서 30분 후).
4 . 논의
4.1 . SF 6 /air 에서 형성된 연행 결함의 진화
Outokumpu HSC Chemistry for Windows( http://www.hsc-chemistry.net/ )의 HSC 소프트웨어를 사용하여 갇힌 기체와 액체 AZ91 합금 사이에서 발생할 수 있는 반응을 탐색하는 데 필요한 열역학 계산을 수행했습니다. 계산에 대한 솔루션은 소량의 커버 가스(즉, 갇힌 기포 내의 양)와 AZ91 합금 용융물 사이의 반응 과정에서 어떤 생성물이 가장 형성될 가능성이 있는지 제안합니다.
실험에서 압력은 1기압으로, 온도는 700°C로 설정했습니다. 커버 가스의 사용량은 7 × 10으로 가정 하였다 -7 약 0.57 cm의 양으로 kg 3 (3.14 × 10 -6 0.5 % SF위한 kmol) 6 / 공기, 0.35 cm (3) (3.12 × 10 – 8 kmol) 0.5%SF 6 /CO 2 . 포획된 가스와 접촉하는 AZ91 합금 용융물의 양은 모든 반응을 완료하기에 충분한 것으로 가정되었습니다. SF 6 의 분해 생성물 은 SF 5 , SF 4 , SF 3 , SF 2 , F 2 , S(g), S 2(g) 및 F(g) [57] , [58] , [59] , [60] .
그림 12 는 AZ91 합금과 0.5%SF 6 /air 사이의 반응에 대한 열역학적 계산의 평형 다이어그램을 보여줍니다 . 다이어그램에서 10 -15 kmol 미만의 반응물 및 생성물은 표시되지 않았습니다. 이는 존재 하는 SF 6 의 양 (≈ 1.57 × 10 -10 kmol) 보다 5배 적 으므로 영향을 미치지 않습니다. 실제적인 방법으로 과정을 관찰했습니다.
이 반응 과정은 3단계로 나눌 수 있다.
1단계 : 불화물의 형성. AZ91 용융물은 SF 6 및 그 분해 생성물과 우선적으로 반응하여 MgF 2 , AlF 3 및 ZnF 2 를 생성 합니다. 그러나 ZnF 2 의 양 이 너무 적어서 실제적으로 검출되지 않았을 수 있습니다( MgF 2 의 3 × 10 -10 kmol에 비해 ZnF 2 1.25 × 10 -12 kmol ). 섹션 3.1 – 3.3에 표시된 모든 산화막 . 한편, 잔류 가스에 황이 SO 2 로 축적되었다 .
2단계 : 산화물의 형성. 액체 AZ91 합금이 포획된 가스에서 사용 가능한 모든 불화물을 고갈시킨 후, Mg와의 반응으로 인해 AlF 3 및 ZnF 2 의 양이 빠르게 감소했습니다. O 2 (g) 및 SO 2 는 AZ91 용융물과 반응하여 MgO, Al 2 O 3 , MgAl 2 O 4 , ZnO, ZnSO 4 및 MgSO 4 를 형성 합니다. 그러나 ZnO 및 ZnSO 4 의 양은 EDS에 의해 실제로 발견되기에는 너무 적었을 것입니다(예: 9.5 × 10 -12 kmol의 ZnO, 1.38 × 10 -14 kmol의 ZnSO 4 , 대조적으로 4.68 × 10−10 kmol의 MgF 2 , X 축의 AZ91 양 이 2.5 × 10 -9 kmol일 때). 실험 사례에서 커버 가스의 F 농도는 매우 낮고 전체 농도 f O는 훨씬 높습니다. 따라서 1단계와 2단계, 즉 불화물과 산화물의 형성은 반응 초기에 동시에 일어나 그림 1과 2와 같이 불화물과 산화물의 가수층 혼합물이 형성될 수 있다 . 4 및 10 (a). 내부 층은 산화물로 구성되어 있지만 불화물은 커버 가스에서 F 원소가 완전히 고갈된 후에 형성될 수 있습니다.
산화막 내의 MgAl 2 O 4 및 Al 2 O 3 의 양은 도 4에 도시된 산화막과 일치하는 검출하기에 충분한 양이었다 . 그러나, 도 10 에 도시된 바와 같이, 산화셀에서 성장된 산화막에서는 알루미늄의 존재를 인식할 수 없었다 . 이러한 Al의 부재는 표면 필름과 AZ91 합금 용융물 사이의 다음 반응으로 인한 것일 수 있습니다.(1)
Al 2 O 3 + 3Mg + = 3MgO + 2Al, △G(700°C) = -119.82 kJ/mol(2)
Mg + MgAl 2 O 4 = MgO + Al, △G(700°C) = -106.34 kJ/mol이는 반응물이 서로 완전히 접촉한다는 가정 하에 열역학적 계산이 수행되었기 때문에 HSC 소프트웨어로 시뮬레이션할 수 없었습니다. 그러나 실제 공정에서 AZ91 용융물과 커버 가스는 보호 표면 필름의 존재로 인해 서로 완전히 접촉할 수 없습니다.
3단계 : 황화물과 질화물의 형성. 30분의 유지 시간 후, 산화 셀의 기상 불화물 및 산화물이 고갈되어 잔류 가스와 용융 반응을 허용하여 초기 F-농축 또는 (F, O )이 풍부한 표면 필름, 따라서 그림 10 (b 및 c)에 표시된 관찰된 다층 구조를 생성합니다 . 게다가, 질소는 모든 반응이 완료될 때까지 AZ91 용융물과 반응했습니다. 도 6 에 도시 된 산화막 은 질화물 함량으로 인해 이 반응 단계에 해당할 수 있다. 그러나, 그 결과는 도 1 및 도 5에 도시 된 연마된 샘플에서 질화물이 검출되지 않음을 보여준다. 4 와 5, 그러나 테스트 바 파단면에서만 발견됩니다. 질화물은 다음과 같이 샘플 준비 과정에서 가수분해될 수 있습니다 [54] .(삼)
Mg 3 N 2 + 6H 2 O = 3Mg(OH) 2 + 2NH 3 ↑(4)
AlN+ 3H 2 O = Al(OH) 3 + NH 3 ↑
또한 Schmidt et al. [61] 은 Mg 3 N 2 와 AlN이 반응하여 3원 질화물(Mg 3 Al n N n+2, n=1, 2, 3…) 을 형성할 수 있음을 발견했습니다 . HSC 소프트웨어에는 삼원 질화물 데이터베이스가 포함되어 있지 않아 계산에 추가할 수 없습니다. 이 단계의 산화막은 또한 삼원 질화물을 포함할 수 있습니다.
4.2 . SF 6 /CO 2 에서 형성된 연행 결함의 진화
도 13 은 AZ91 합금과 0.5%SF 6 /CO 2 사이의 열역학적 계산 결과를 보여준다 . 이 반응 과정도 세 단계로 나눌 수 있습니다.
1단계 : 불화물의 형성. SF 6 및 그 분해 생성물은 AZ91 용융물에 의해 소비되어 MgF 2 , AlF 3 및 ZnF 2 를 형성했습니다 . 0.5% SF 6 /air 에서 AZ91의 반응에서와 같이 ZnF 2 의 양 이 너무 작아서 실제적으로 감지되지 않았습니다( 2.67 x 10 -10 kmol의 MgF 2 에 비해 ZnF 2 1.51 x 10 -13 kmol ). S와 같은 잔류 가스 트랩에 축적 유황 2 (g) 및 (S)의 일부분 (2) (g)가 CO와 반응하여 2 SO 형성하는 2및 CO. 이 반응 단계의 생성물은 도 11 (a)에 도시된 필름과 일치하며 , 이는 불화물만을 함유하는 단일 층 구조를 갖는다.
2단계 : 산화물의 형성. ALF 3 및 ZnF 2 MgF로 형성 용융 AZ91 마그네슘의 반응 2 , Al 및 Zn으로한다. SO 2 는 소모되기 시작하여 표면 필름에 산화물을 생성 하고 커버 가스에 S 2 (g)를 생성했습니다. 한편, CO 2 는 AZ91 용융물과 직접 반응하여 CO, MgO, ZnO 및 Al 2 O 3 를 형성 합니다. 도 1에 도시 된 산화막 . 9 및 11 (b)는 산소가 풍부한 층과 다층 구조로 인해 이 반응 단계에 해당할 수 있습니다.
커버 가스의 CO는 AZ91 용융물과 추가로 반응하여 C를 생성할 수 있습니다. 이 탄소는 온도가 감소할 때(응고 기간 동안) Mg와 추가로 반응하여 Mg 탄화물을 형성할 수 있습니다 [62] . 이것은 도 4에 도시된 산화막의 탄소 함량이 높은 이유일 수 있다 . 8 – 9 . Liang et al. [39] 또한 SO 2 /CO 2 로 보호된 AZ91 합금 표면 필름에서 탄소 검출을 보고했습니다 . 생성된 Al 2 O 3 는 MgO와 더 결합하여 MgAl 2 O 4 [63]를 형성할 수 있습니다 . 섹션 4.1 에서 논의된 바와 같이, 알루미나 및 스피넬은 도 11 에 도시된 바와 같이 표면 필름에 알루미늄 부재를 야기하는 Mg와 반응할 수 있다 .
3단계 : 황화물의 형성. AZ91은 용융물 S 소비하기 시작 2 인 ZnS와 MGS 형성 갇힌 잔류 가스 (g)를. 이러한 반응은 반응 과정의 마지막 단계까지 일어나지 않았으며, 이는 Fig. 7 (c)에 나타난 결함의 S-함량 이 적은 이유일 수 있다 .
요약하면, 열역학적 계산은 AZ91 용융물이 커버 가스와 반응하여 먼저 불화물을 형성한 다음 마지막에 산화물과 황화물을 형성할 것임을 나타냅니다. 다른 반응 단계에서 산화막은 다른 구조와 조성을 가질 것입니다.
4.3 . 운반 가스가 동반 가스 소비 및 AZ91 주물의 재현성에 미치는 영향
SF 6 /air 및 SF 6 /CO 2 에서 형성된 연행 결함의 진화 과정은 4.1절 과 4.2 절 에서 제안되었습니다 . 이론적인 계산은 실제 샘플에서 발견되는 해당 산화막과 관련하여 검증되었습니다. 연행 결함 내의 대기는 Al-합금 시스템과 다른 시나리오에서 액체 Mg-합금과의 반응으로 인해 효율적으로 소모될 수 있습니다(즉, 연행된 기포의 질소가 Al-합금 용융물과 효율적으로 반응하지 않을 것입니다 [64 , 65] 그러나 일반적으로 “질소 연소”라고 하는 액체 Mg 합금에서 질소가 더 쉽게 소모될 것입니다 [66] ).
동반된 가스와 주변 액체 Mg-합금 사이의 반응은 동반된 가스를 산화막 내에서 고체 화합물(예: MgO)로 전환하여 동반 결함의 공극 부피를 감소시켜 결함(예: 공기의 동반된 가스가 주변의 액체 Mg 합금에 의해 고갈되면 용융 온도가 700 °C이고 액체 Mg 합금의 깊이가 10 cm라고 가정할 때 최종 고체 제품의 총 부피는 0.044가 됩니다. 갇힌 공기가 취한 초기 부피의 %).
연행 결함의 보이드 부피 감소와 해당 주조 특성 사이의 관계는 알루미늄 합금 주조에서 널리 연구되었습니다. Nyahumwa와 Campbell [16] 은 HIP(Hot Isostatic Pressing) 공정이 Al-합금 주물의 연행 결함이 붕괴되고 산화물 표면이 접촉하게 되었다고 보고했습니다. 주물의 피로 수명은 HIP 이후 개선되었습니다. Nyahumwa와 Campbell [16] 도 서로 접촉하고 있는 이중 산화막의 잠재적인 결합을 제안했지만 이를 뒷받침하는 직접적인 증거는 없었습니다. 이 결합 현상은 Aryafar et.al에 의해 추가로 조사되었습니다. [8], 그는 강철 튜브에서 산화물 스킨이 있는 두 개의 Al-합금 막대를 다시 녹인 다음 응고된 샘플에 대해 인장 강도 테스트를 수행했습니다. 그들은 Al-합금 봉의 산화물 스킨이 서로 강하게 결합되어 용융 유지 시간이 연장됨에 따라 더욱 강해짐을 발견했으며, 이는 이중 산화막 내 동반된 가스의 소비로 인한 잠재적인 “치유” 현상을 나타냅니다. 구조. 또한 Raidszadeh와 Griffiths [9 , 19] 는 연행 가스가 반응하는 데 더 긴 시간을 갖도록 함으로써 응고 전 용융 유지 시간을 연장함으로써 Al-합금 주물의 재현성에 대한 연행 결함의 부정적인 영향을 성공적으로 줄였습니다. 주변이 녹습니다.
앞서 언급한 연구를 고려할 때, Mg 합금 주물에서 혼입 가스의 소비는 다음 두 가지 방식으로 혼입 결함의 부정적인 영향을 감소시킬 수 있습니다.
(1) 이중 산화막의 결합 현상 . 도 5 및 도 7 에 도시 된 샌드위치형 구조 는 이중 산화막 구조의 잠재적인 결합을 나타내었다. 그러나 산화막의 결합으로 인한 강도 증가를 정량화하기 위해서는 더 많은 증거가 필요합니다.
(2) 연행 결함의 보이드 체적 감소 . 주조품의 품질에 대한 보이드 부피 감소의 긍정적인 효과는 HIP 프로세스 [67]에 의해 널리 입증되었습니다 . 섹션 4.1 – 4.2 에서 논의된 진화 과정과 같이 , 동반된 가스와 주변 AZ91 합금 용융물 사이의 지속적인 반응으로 인해 동반 결함의 산화막이 함께 성장할 수 있습니다. 최종 고체 생성물의 부피는 동반된 기체에 비해 상당히 작았다(즉, 이전에 언급된 바와 같이 0.044%).
따라서, 혼입 가스의 소모율(즉, 산화막의 성장 속도)은 AZ91 합금 주물의 품질을 향상시키는 중요한 매개변수가 될 수 있습니다. 이에 따라 산화 셀의 산화막 성장 속도를 추가로 조사했습니다.
도 14 는 상이한 커버 가스(즉, 0.5%SF 6 /air 및 0.5%SF 6 /CO 2 ) 에서의 표면 필름 성장 속도의 비교를 보여준다 . 필름 두께 측정을 위해 각 샘플의 15개의 임의 지점을 선택했습니다. 95% 신뢰구간(95%CI)은 막두께의 변화가 가우시안 분포를 따른다는 가정하에 계산하였다. 0.5%SF 6 /air 에서 형성된 모든 표면막이 0.5%SF 6 /CO 2 에서 형성된 것보다 빠르게 성장함을 알 수 있다 . 다른 성장률은 0.5%SF 6 /air 의 연행 가스 소비율 이 0.5%SF 6 /CO 2 보다 더 높음 을 시사했습니다., 이는 동반된 가스의 소비에 더 유리했습니다.
산화 셀에서 액체 AZ91 합금과 커버 가스의 접촉 면적(즉, 도가니의 크기)은 많은 양의 용융물과 가스를 고려할 때 상대적으로 작았다는 점에 유의해야 합니다. 결과적으로, 산화 셀 내에서 산화막 성장을 위한 유지 시간은 비교적 길었다(즉, 5-30분). 하지만, 실제 주조에 함유 된 혼입 결함은 (상대적으로 매우 적은, 즉, 수 미크론의 크기에 도시 된 바와 같이 ,도 3. – 6 및 [7]), 동반된 가스는 주변 용융물로 완전히 둘러싸여 상대적으로 큰 접촉 영역을 생성합니다. 따라서 커버 가스와 AZ91 합금 용융물의 반응 시간은 비교적 짧을 수 있습니다. 또한 실제 Mg 합금 모래 주조의 응고 시간은 몇 분일 수 있습니다(예: Guo [68] 은 직경 60mm의 Mg 합금 모래 주조가 응고되는 데 4분이 필요하다고 보고했습니다). 따라서 Mg-합금 용융주조 과정에서 포획된 동반된 가스는 특히 응고 시간이 긴 모래 주물 및 대형 주물의 경우 주변 용융물에 의해 쉽게 소모될 것으로 예상할 수 있습니다.
따라서, 동반 가스의 다른 소비율과 관련된 다른 커버 가스(0.5%SF 6 /air 및 0.5%SF 6 /CO 2 )가 최종 주물의 재현성에 영향을 미칠 수 있습니다. 이 가정을 검증하기 위해 0.5%SF 6 /air 및 0.5%SF 6 /CO 2 에서 생산된 AZ91 주물 을 기계적 평가를 위해 테스트 막대로 가공했습니다. Weibull 분석은 선형 최소 자승(LLS) 방법과 비선형 최소 자승(비 LLS) 방법을 모두 사용하여 수행되었습니다 [69] .
그림 15 (ab)는 LLS 방법으로 얻은 UTS 및 AZ91 합금 주물의 연신율의 전통적인 2-p 선형 Weibull 플롯을 보여줍니다. 사용된 추정기는 P= (i-0.5)/N이며, 이는 모든 인기 있는 추정기 중 가장 낮은 편향을 유발하는 것으로 제안되었습니다 [69 , 70] . SF 6 /air 에서 생산된 주물 은 UTS Weibull 계수가 16.9이고 연신율 Weibull 계수가 5.0입니다. 대조적으로, SF 6 /CO 2 에서 생산된 주물의 UTS 및 연신 Weibull 계수는 각각 7.7과 2.7로, SF 6 /CO 2 에 의해 보호된 주물의 재현성이 SF 6 /air 에서 생산된 것보다 훨씬 낮음을 시사합니다. .
또한 저자의 이전 출판물 [69] 은 선형화된 Weibull 플롯의 단점을 보여주었으며, 이는 Weibull 추정 의 더 높은 편향과 잘못된 R 2 중단을 유발할 수 있습니다 . 따라서 그림 15 (cd) 와 같이 Non-LLS Weibull 추정이 수행되었습니다 . SF 6 /공기주조물 의 UTS Weibull 계수 는 20.8인 반면, SF 6 /CO 2 하에서 생산된 주조물의 UTS Weibull 계수는 11.4로 낮아 재현성에서 분명한 차이를 보였다. 또한 SF 6 /air elongation(El%) 데이터 세트는 SF 6 /CO 2 의 elongation 데이터 세트보다 더 높은 Weibull 계수(모양 = 5.8)를 가졌습니다.(모양 = 3.1). 따라서 LLS 및 Non-LLS 추정 모두 SF 6 /공기 주조가 SF 6 /CO 2 주조 보다 더 높은 재현성을 갖는다고 제안했습니다 . CO 2 대신 공기를 사용 하면 혼입된 가스의 더 빠른 소비에 기여하여 결함 내의 공극 부피를 줄일 수 있다는 방법을 지원합니다 . 따라서 0.5%SF 6 /CO 2 대신 0.5%SF 6 /air를 사용 하면(동반된 가스의 소비율이 증가함) AZ91 주물의 재현성이 향상되었습니다.
그러나 모든 Mg 합금 주조 공장이 현재 작업에서 사용되는 주조 공정을 따랐던 것은 아니라는 점에 유의해야 합니다. Mg의 합금 용탕 본 작업은 탈기에 따라서, 동반 가스의 소비에 수소의 영향을 감소 (즉, 수소 잠재적 동반 가스의 고갈 억제, 동반 된 기체로 확산 될 수있다 [7 , 71 , 72] ). 대조적으로, 마그네슘 합금 주조 공장에서는 마그네슘을 주조할 때 ‘가스 문제’가 없고 따라서 인장 특성에 큰 변화가 없다고 널리 믿어지기 때문에 마그네슘 합금 용융물은 일반적으로 탈기되지 않습니다 [73] . 연구에 따르면 Mg 합금 주물의 기계적 특성에 대한 수소의 부정적인 영향 [41 ,42 , 73] , 탈기 공정은 마그네슘 합금 주조 공장에서 여전히 인기가 없습니다.
또한 현재 작업에서 모래 주형 공동은 붓기 전에 SF 6 커버 가스 로 플러싱되었습니다 [22] . 그러나 모든 Mg 합금 주조 공장이 이러한 방식으로 금형 캐비티를 플러싱한 것은 아닙니다. 예를 들어, Stone Foundry Ltd(영국)는 커버 가스 플러싱 대신 유황 분말을 사용했습니다. 그들의 주물 내의 동반된 가스 는 보호 가스라기 보다는 SO 2 /공기일 수 있습니다 .
따라서 본 연구의 결과는 CO 2 대신 공기를 사용 하는 것이 최종 주조의 재현성을 향상시키는 것으로 나타났지만 다른 산업용 Mg 합금 주조 공정과 관련하여 캐리어 가스의 영향을 확인하기 위해서는 여전히 추가 조사가 필요합니다.
7 . 결론
1.
AZ91 합금에 형성된 연행 결함이 관찰되었습니다. 그들의 산화막은 단층과 다층의 두 가지 유형의 구조를 가지고 있습니다. 다층 산화막은 함께 성장하여 최종 주조에서 샌드위치 같은 구조를 형성할 수 있습니다.2.
실험 결과와 이론적인 열역학적 계산은 모두 갇힌 가스의 불화물이 황을 소비하기 전에 고갈되었음을 보여주었습니다. 이중 산화막 결함의 3단계 진화 과정이 제안되었습니다. 산화막은 진화 단계에 따라 다양한 화합물 조합을 포함했습니다. SF 6 /air 에서 형성된 결함 은 SF 6 /CO 2 에서 형성된 것과 유사한 구조를 갖지만 산화막의 조성은 달랐다. 엔트레인먼트 결함의 산화막 형성 및 진화 과정은 이전에 보고된 Mg 합금 표면막(즉, MgF 2 이전에 형성된 MgO)의 것과 달랐다 .삼.
산화막의 성장 속도는 SF하에 큰 것으로 입증되었다 (6) / SF보다 공기 6 / CO 2 손상 봉입 가스의 빠른 소비에 기여한다. AZ91 합금 주물의 재현성은 SF 6 /CO 2 대신 SF 6 /air를 사용할 때 향상되었습니다 .
감사의 말
저자는 EPSRC LiME 보조금 EP/H026177/1의 자금 지원 과 WD Griffiths 박사와 Adrian Carden(버밍엄 대학교)의 도움을 인정합니다. 주조 작업은 University of Birmingham에서 수행되었습니다.
참조 [1] MK McNutt , SALAZAR K. 마그네슘, 화합물 및 금속, 미국 지질 조사국 및 미국 내무부 레 스톤 , 버지니아 ( 2013 ) Google 학술검색 [2] 마그네슘 화합물 및 금속, 미국 지질 조사국 및 미국 내무부 ( 1996 ) Google 학술검색 [삼] I. Ostrovsky , Y. Henn ASTEC’07 International Conference-New Challenges in Aeronautics , Moscow ( 2007 ) , pp. 1 – 5 8월 19-22일 Scopus에서 레코드 보기Google 학술검색 [4] Y. Wan , B. Tang , Y. Gao , L. Tang , G. Sha , B. Zhang , N. Liang , C. Liu , S. Jiang , Z. Chen , X. Guo , Y. Zhao 액타 메이터. , 200 ( 2020 ) , 274 – 286 페이지 기사PDF 다운로드Scopus에서 레코드 보기 [5] JTJ Burd , EA Moore , H. Ezzat , R. Kirchain , R. Roth 적용 에너지 , 283 ( 2021 ) , 제 116269 조 기사PDF 다운로드Scopus에서 레코드 보기 [6] AM 루이스 , JC 켈리 , 조지아주 Keoleian 적용 에너지 , 126 ( 2014 ) , pp. 13 – 20 기사PDF 다운로드Scopus에서 레코드 보기 [7] J. 캠벨 주물 버터워스-하이네만 , 옥스퍼드 ( 2004 ) Google 학술검색 [8] M. Aryafar , R. Raiszadeh , A. Shalbafzadeh J. 메이터. 과학. , 45 ( 2010 년 ) , PP. (3041) – 3051 교차 참조Scopus에서 레코드 보기 [9] R. 라이자데 , WD 그리피스 메탈. 메이터. 트랜스. B-프로세스 메탈. 메이터. 프로세스. 과학. , 42 ( 2011 ) , 133 ~ 143페이지 교차 참조Scopus에서 레코드 보기 [10] R. 라이자데 , WD 그리피스 J. 합금. Compd. , 491 ( 2010 ) , 575 ~ 580 쪽 기사PDF 다운로드Scopus에서 레코드 보기 [11] L. Peng , G. Zeng , TC Su , H. Yasuda , K. Nogita , CM Gourlay JOM , 71 ( 2019 ) , pp. 2235 – 2244 교차 참조Scopus에서 레코드 보기 [12] S. Ganguly , AK Mondal , S. Sarkar , A. Basu , S. Kumar , C. Blawert 코로스. 과학. , 166 ( 2020 ) [13] GE Bozchaloei , N. Varahram , P. Davami , SK 김 메이터. 과학. 영어 A-구조체. 메이터. 소품 Microstruct. 프로세스. , 548 ( 2012 ) , 99 ~ 105페이지 Scopus에서 레코드 보기 [14] S. 폭스 , J. 캠벨 Scr. 메이터. , 43 ( 2000 ) , PP. 881 – 886 기사PDF 다운로드Scopus에서 레코드 보기 [15] M. 콕스 , RA 하딩 , J. 캠벨 메이터. 과학. 기술. , 19 ( 2003 ) , 613 ~ 625페이지 Scopus에서 레코드 보기 [16] C. Nyahumwa , NR Green , J. Campbell 메탈. 메이터. 트랜스. A-Phys. 메탈. 메이터. 과학. , 32 ( 2001 ) , 349 ~ 358 쪽 Scopus에서 레코드 보기 [17] A. Ardekhani , R. Raiszadeh J. 메이터. 영어 공연하다. , 21 ( 2012 ) , pp. 1352 – 1362 교차 참조Scopus에서 레코드 보기 [18] X. Dai , X. Yang , J. Campbell , J. Wood 메이터. 과학. 기술. , 20 ( 2004 ) , 505 ~ 513 쪽 Scopus에서 레코드 보기 [19] EM 엘갈라드 , MF 이브라힘 , HW 도티 , FH 사무엘 필로스. 잡지. , 98 ( 2018 ) , PP. 1337 – 1359 교차 참조Scopus에서 레코드 보기 [20] WD 그리피스 , NW 라이 메탈. 메이터. 트랜스. A-Phys. 메탈. 메이터. 과학. , 38A ( 2007 ) , PP. 190 – 196 교차 참조Scopus에서 레코드 보기 [21] AR Mirak , M. Divandari , SMA Boutorabi , J. 캠벨 국제 J. 캐스트 만났습니다. 해상도 , 20 ( 2007 ) , PP. 215 – 220 교차 참조Scopus에서 레코드 보기 [22] C. 칭기 주조공학 연구실 Helsinki University of Technology , Espoo, Finland ( 2006 ) Google 학술검색 [23] Y. Jia , J. Hou , H. Wang , Q. Le , Q. Lan , X. Chen , L. Bao J. 메이터. 프로세스. 기술. , 278 ( 2020 ) , 제 116542 조 기사PDF 다운로드Scopus에서 레코드 보기 [24] S. Ouyang , G. Yang , H. Qin , S. Luo , L. Xiao , W. Jie 메이터. 과학. 영어 A , 780 ( 2020 ) , 제 139138 조 기사PDF 다운로드Scopus에서 레코드 보기 [25] 에스엠. Xiong , X.-F. 왕 트랜스. 비철금속 사회 중국 , 20 ( 2010 ) , pp. 1228 – 1234 기사PDF 다운로드Scopus에서 레코드 보기 [26] 지브이리서치 그랜드뷰 리서치 ( 2018 ) 미국 Google 학술검색 [27] T. 리 , J. 데이비스 메탈. 메이터. 트랜스. , 51 ( 2020 ) , PP. 5,389 – (5400) 교차 참조Scopus에서 레코드 보기 [28] JF Fruehling, 미시간 대학, 1970. Google 학술검색 [29] S. 쿨링 제36회 세계 마그네슘 연례 회의 , 노르웨이 ( 1979 ) , pp. 54 – 57 Scopus에서 레코드 보기Google 학술검색 [30] S. Cashion , N. Ricketts , P. Hayes J. 가벼운 만남. , 2 ( 2002 ) , 43 ~ 47페이지 기사PDF 다운로드Scopus에서 레코드 보기 [31] S. Cashion , N. Ricketts , P. Hayes J. 가벼운 만남. , 2 ( 2002 ) , PP. 37 – 42 기사PDF 다운로드Scopus에서 레코드 보기 [32] K. Aarstad , G. Tranell , G. Pettersen , TA Engh SF6에 의해 보호되는 마그네슘의 표면을 연구하는 다양한 기술 TMS ( 2003년 ) Google 학술검색 [33] 에스엠 Xiong , X.-L. 리우 메탈. 메이터. 트랜스. , 38 ( 2007 년 ) , PP. (428) – (434) 교차 참조Scopus에서 레코드 보기 [34] T.-S. 시 , J.-B. Liu , P.-S. 웨이 메이터. 화학 물리. , 104 ( 2007 ) , 497 ~ 504페이지 기사PDF 다운로드Scopus에서 레코드 보기 [35] G. Pettersen , E. Øvrelid , G. Tranell , J. Fenstad , H. Gjestland 메이터. 과학. 영어 , 332 ( 2002 ) , PP. (285) – (294) 기사PDF 다운로드Scopus에서 레코드 보기 [36] H. Bo , LB Liu , ZP Jin J. 합금. Compd. , 490 ( 2010 ) , 318 ~ 325 쪽 기사PDF 다운로드Scopus에서 레코드 보기 [37] A. 미락 , C. 데이비슨 , J. 테일러 코로스. 과학. , 52 ( 2010 ) , PP. 1992 년 – 2000 기사PDF 다운로드Scopus에서 레코드 보기 [38] BD 리 , UH 부리 , KW 리 , GS 한강 , JW 한 메이터. 트랜스. , 54 ( 2013 ) , 66 ~ 73페이지 Scopus에서 레코드 보기 [39] WZ Liang , Q. Gao , F. Chen , HH Liu , ZH Zhao China Foundry , 9 ( 2012 ) , pp. 226 – 230 교차 참조Scopus에서 레코드 보기 [40] UI 골드슐레거 , EY 샤피로비치 연소. 폭발 충격파 , 35 ( 1999 ) , 637 ~ 644페이지 Scopus에서 레코드 보기 [41] A. Elsayed , SL Sin , E. Vandersluis , J. Hill , S. Ahmad , C. Ravindran , S. Amer Foundry 트랜스. 오전. 파운드리 Soc. , 120 ( 2012 ) , 423 ~ 429페이지 Scopus에서 레코드 보기 [42] E. Zhang , GJ Wang , ZC Hu 메이터. 과학. 기술. , 26 ( 2010 ) , 1253 ~ 1258페이지 Scopus에서 레코드 보기 [43] NR 그린 , J. 캠벨 메이터. 과학. 영어 A-구조체. 메이터. 소품 Microstruct. 프로세스. , 173 ( 1993 ) , 261 ~ 266 쪽 기사PDF 다운로드Scopus에서 레코드 보기 [44] C 라일리 , MR 졸리 , NR 그린 MCWASP XII 논문집 – 주조, 용접 및 고급 Solidifcation 프로세스의 12 모델링 , 밴쿠버, 캐나다 ( 2009 ) Google 학술검색 [45] HE Friedrich, BL Mordike, Springer, 독일, 2006. Google 학술검색 [46] C. Zheng , BR Qin , XB Lou 기계, 산업 및 제조 기술에 관한 2010 국제 회의 , ASME ( 2010 ) , pp. 383 – 388 2010년 미트 교차 참조Scopus에서 레코드 보기Google 학술검색 [47] SM Xiong , XF 왕 트랜스. 비철금속 사회 중국 , 20 ( 2010 ) , pp. 1228 – 1234 기사PDF 다운로드Scopus에서 레코드 보기 [48] SM Xiong , XL Liu 메탈. 메이터. 트랜스. A-Phys. 메탈. 메이터. 과학. , 38A ( 2007 ) , PP. (428) – (434) 교차 참조Scopus에서 레코드 보기 [49] TS Shih , JB Liu , PS Wei 메이터. 화학 물리. , 104 ( 2007 ) , 497 ~ 504페이지 기사PDF 다운로드Scopus에서 레코드 보기 [50] K. Aarstad , G. Tranell , G. Pettersen , TA Engh 매그. 기술. ( 2003 ) , PP. (5) – (10) Scopus에서 레코드 보기 [51] G. Pettersen , E. Ovrelid , G. Tranell , J. Fenstad , H. Gjestland 메이터. 과학. 영어 A-구조체. 메이터. 소품 Microstruct. 프로세스. , 332 ( 2002 ) , 285 ~ 294페이지 기사PDF 다운로드Scopus에서 레코드 보기 [52] XF 왕 , SM Xiong 코로스. 과학. , 66 ( 2013 ) , PP. 300 – 307 기사PDF 다운로드Scopus에서 레코드 보기 [53] SH Nie , SM Xiong , BC Liu 메이터. 과학. 영어 A-구조체. 메이터. 소품 Microstruct. 프로세스. , 422 ( 2006 ) , 346 ~ 351페이지 기사PDF 다운로드Scopus에서 레코드 보기 [54] C. Bauer , A. Mogessie , U. Galovsky Zeitschrift 모피 Metallkunde , 97 ( 2006 ) , PP. (164) – (168) 교차 참조Scopus에서 레코드 보기 [55] QG 왕 , D. Apelian , DA Lados J. 가벼운 만남. , 1 ( 2001 ) , PP. (73) – 84 기사PDF 다운로드Scopus에서 레코드 보기 [56] S. Wang , Y. Wang , Q. Ramasse , Z. Fan 메탈. 메이터. 트랜스. , 51 ( 2020 ) , PP. 2957 – 2974 교차 참조Scopus에서 레코드 보기 [57] S. Hayashi , W. Minami , T. Oguchi , HJ Kim 카그. 코그. 론분슈 , 35 ( 2009 ) , 411 ~ 415페이지 교차 참조Scopus에서 레코드 보기 [58] K. 아르스타드 노르웨이 과학 기술 대학교 ( 2004년 ) Google 학술검색 [59] RL 윌킨스 J. Chem. 물리. , 51 ( 1969 ) , p. 853 -& Scopus에서 레코드 보기 [60] O. Kubaschewski , K. Hesselemam 무기물의 열화학적 성질 Springer-Verlag , 벨린 ( 1991 ) Google 학술검색 [61] R. Schmidt , M. Strobele , K. Eichele , HJ Meyer 유로 J. Inorg. 화학 ( 2017 ) , PP. 2727 – 2735 교차 참조Scopus에서 레코드 보기 [62] B. Hu , Y. Du , H. Xu , W. Sun , WW Zhang , D. Zhao 제이민 메탈. 분파. B-금속. , 46 ( 2010 ) , 97 ~ 103페이지 Scopus에서 레코드 보기 [63] O. Salas , H. Ni , V. Jayaram , KC Vlach , CG Levi , R. Mehrabian J. 메이터. 해상도 , 6 ( 1991 ) , 1964 ~ 1981페이지 Scopus에서 레코드 보기 [64] SSS Kumari , UTS Pillai , BC 빠이 J. 합금. Compd. , 509 ( 2011 ) , pp. 2503 – 2509 기사PDF 다운로드Scopus에서 레코드 보기 [65] H. Scholz , P. Greil J. 메이터. 과학. , 26 ( 1991 ) , 669 ~ 677 쪽 Scopus에서 레코드 보기 [66] P. Biedenkopf , A. Karger , M. Laukotter , W. Schneider 매그. 기술. , 2005년 ( 2005년 ) , 39 ~ 42 쪽 Scopus에서 레코드 보기 [67] HV 앳킨슨 , S. 데이비스 메탈. 메이터. 트랜스. , 31 ( 2000 ) , PP. 2981 – 3000 교차 참조Scopus에서 레코드 보기 [68] EJ Guo , L. Wang , YC Feng , LP Wang , YH Chen J. 썸. 항문. 칼로리. , 135 ( 2019 ) , PP. 2001 년 – 2008 년 교차 참조Scopus에서 레코드 보기 [69] T. Li , WD Griffiths , J. Chen 메탈. 메이터. 트랜스. A-Phys. 메탈. 메이터. 과학. , 48A ( 2017 ) , PP. 5516 – 5528 교차 참조Scopus에서 레코드 보기 [70] M. Tiryakioglu , D. Hudak는 J. 메이터. 과학. , 42 ( 2007 ) , pp. 10173 – 10179 교차 참조Scopus에서 레코드 보기 [71] Y. Yue , WD Griffiths , JL Fife , NR Green 제1회 3d 재료과학 국제학술대회 논문집 ( 2012 ) , pp. 131 – 136 교차 참조Scopus에서 레코드 보기Google 학술검색 [72] R. 라이자데 , WD 그리피스 메탈. 메이터. 트랜스. B-프로세스 메탈. 메이터. 프로세스. 과학. , 37 ( 2006 ) , PP. (865) – (871) Scopus에서 레코드 보기 [73] ZC Hu , EL Zhang , SY Zeng 메이터. 과학. 기술. , 24 ( 2008 ) , 1304 ~ 1308페이지 교차 참조Scopus에서 레코드 보기
A comparative performance analysis of the CFD platforms OpenFOAM and FLOW-3D is presented, focusing on a 3D swirling turbulent flow: a steady hydraulic jump at low Reynolds number. Turbulence is treated using RANS approach RNG k-ε. A Volume Of Fluid (VOF) method is used to track the air–water interface, consequently aeration is modeled using an Eulerian–Eulerian approach. Structured meshes of cubic elements are used to discretize the channel geometry. The numerical model accuracy is assessed comparing representative hydraulic jump variables (sequent depth ratio, roller length, mean velocity profiles, velocity decay or free surface profile) to experimental data. The model results are also compared to previous studies to broaden the result validation. Both codes reproduced the phenomenon under study concurring with experimental data, although special care must be taken when swirling flows occur. Both models can be used to reproduce the hydraulic performance of energy dissipation structures at low Reynolds numbers.
CFD 플랫폼 OpenFOAM 및 FLOW-3D의 비교 성능 분석이 3D 소용돌이치는 난류인 낮은 레이놀즈 수에서 안정적인 유압 점프에 초점을 맞춰 제시됩니다. 난류는 RANS 접근법 RNG k-ε을 사용하여 처리됩니다.
VOF(Volume Of Fluid) 방법은 공기-물 계면을 추적하는 데 사용되며 결과적으로 Eulerian-Eulerian 접근 방식을 사용하여 폭기가 모델링됩니다. 입방체 요소의 구조화된 메쉬는 채널 형상을 이산화하는 데 사용됩니다. 수치 모델 정확도는 대표적인 유압 점프 변수(연속 깊이 비율, 롤러 길이, 평균 속도 프로파일, 속도 감쇠 또는 자유 표면 프로파일)를 실험 데이터와 비교하여 평가됩니다.
모델 결과는 또한 결과 검증을 확장하기 위해 이전 연구와 비교됩니다. 소용돌이 흐름이 발생할 때 특별한 주의가 필요하지만 두 코드 모두 실험 데이터와 일치하는 연구 중인 현상을 재현했습니다. 두 모델 모두 낮은 레이놀즈 수에서 에너지 소산 구조의 수리 성능을 재현하는 데 사용할 수 있습니다.
Keywords
CFDRANS, OpenFOAM, FLOW-3D ,Hydraulic jump, Air–water flow, Low Reynolds number
Ahmed, F., Rajaratnam, N., 1997. Three-dimensional turbulent boundary layers: a review. J. Hydraulic Res. 35 (1), 81e98. Ashgriz, N., Poo, J., 1991. FLAIR: Flux line-segment model for advection and interface reconstruction. Elsevier J. Comput. Phys. 93 (2), 449e468. Bakhmeteff, B.A., Matzke, A.E., 1936. .The hydraulic jump in terms dynamic similarity. ASCE Trans. Am. Soc. Civ. Eng. 101 (1), 630e647. Balachandar, S., Eaton, J.K., 2010. Turbulent dispersed multiphase flow. Annu. Rev. Fluid Mech. 42 (2010), 111e133. Bayon, A., Lopez-Jimenez, P.A., 2015. Numerical analysis of hydraulic jumps using
OpenFOAM. J. Hydroinformatics 17 (4), 662e678. Belanger, J., 1841. Notes surl’Hydraulique, Ecole Royale des Ponts et Chaussees (Paris, France). Bennett, N.D., Crok, B.F.W., Guariso, G., Guillaume, J.H.A., Hamilton, S.H., Jakeman, A.J., Marsili-Libelli, S., Newhama, L.T.H., Norton, J.P., Perrin, C., Pierce, S.A., Robson, B., Seppelt, R., Voinov, A.A., Fath, B.D., Andreassian, V., 2013. Characterising performance of environmental models. Environ. Model. Softw. 40, 1e20. Berberovic, E., 2010. Investigation of Free-surface Flow Associated with Drop Impact: Numerical Simulations and Theoretical Modeling. Imperial College of Science, Technology and Medicine, UK. Bidone, G., 1819. Report to Academie Royale des Sciences de Turin, s eance. Le Remou et sur la Propagation des Ondes, 12, pp. 21e112. Biswas, R., Strawn, R.C., 1998. Tetrahedral and hexahedral mesh adaptation for CFD problems. Elsevier Appl. Numer. Math. 26 (1), 135e151. Blocken, B., Gualtieri, C., 2012. Ten iterative steps for model development and evaluation applied to computational fluid dynamics for environmental fluid mechanics. Environ. Model. Softw. 33, 1e22. Bombardelli, F.A., Meireles, I., Matos, J., 2011. Laboratory measurements and multiblock numerical simulations of the mean flow and turbulence in the nonaerated skimming flow region of steep stepped spillways. Springer Environ. Fluid Mech. 11 (3), 263e288. Bombardelli, F.A., 2012. Computational multi-phase fluid dynamics to address flows past hydraulic structures. In: 4th IAHR International Symposium on Hydraulic Structures, 9e11 February 2012, Porto, Portugal, 978-989-8509-01-7. Borges, J.E., Pereira, N.H., Matos, J., Frizell, K.H., 2010. Performance of a combined three-hole conductivity probe for void fraction and velocity measurement in airewater flows. Exp. fluids 48 (1), 17e31. Borue, V., Orszag, S., Staroslesky, I., 1995. Interaction of surface waves with turbulence: direct numerical simulations of turbulent open channel flow. J. Fluid Mech. 286, 1e23. Boussinesq, J., 1871. Theorie de l’intumescence liquide, applelee onde solitaire ou de translation, se propageantdans un canal rectangulaire. Comptes Rendus l’Academie Sci. 72, 755e759. Bradley, J.N., Peterka, A.J., 1957. The hydraulic design of stilling Basins : hydraulic jumps on a horizontal Apron (Basin I). In: Proceedings ASCE, J. Hydraulics Division. Bradshaw, P., 1996. Understanding and prediction of turbulent flow. Elsevier Int. J. heat fluid flow 18 (1), 45e54. Bung, D.B., 2013. Non-intrusive detection of airewater surface roughness in selfaerated chute flows. J. Hydraulic Res. 51 (3), 322e329. Bung, D., Schlenkhoff, A., 2010. Self-aerated Skimming Flow on Embankment Stepped Spillways-the Effect of Additional Micro-roughness on Energy Dissipation and Oxygen Transfer. IAHR European Congress. Caisley, M.E., Bombardelli, F.A., Garcia, M.H., 1999. Hydraulic Model Study of a Canoe Chute for Low-head Dams in Illinois. Civil Engineering Studies, Hydraulic Engineering Series No-63. University of Illinois at Urbana-Champaign. Carvalho, R., Lemos, C., Ramos, C., 2008. Numerical computation of the flow in hydraulic jump stilling basins. J. Hydraulic Res. 46 (6), 739e752. Celik, I.B., Ghia, U., Roache, P.J., 2008. Procedure for estimation and reporting of uncertainty due to discretization in CFD applications. ASME J. Fluids Eng. 130 (7), 1e4. Chachereau, Y., Chanson, H., 2011. .Free-surface fluctuations and turbulence in hydraulic jumps. Exp. Therm. Fluid Sci. 35 (6), 896e909. Chanson, H. (Ed.), 2015. Energy Dissipation in Hydraulic Structures. CRC Press. Chanson, H., 2007. Bubbly flow structure in hydraulic jump. Eur. J. Mechanics-B/ Fluids 26.3(2007) 367e384. Chanson, H., Carvalho, R., 2015. Hydraulic jumps and stilling basins. Chapter 4. In: Chanson, H. (Ed.), Energy Dissipation in Hydraulic Structures. CRC Press, Taylor & Francis Group, ABalkema Book. Chanson, H., Gualtieri, C., 2008. Similitude and scale effects of air entrainment in hydraulic jumps. J. Hydraulic Res. 46 (1), 35e44. Chanson, H., Lubin, P., 2010. Discussion of “Verification and validation of a computational fluid dynamics (CFD) model for air entrainment at spillway aerators” Appears in the Canadian Journal of Civil Engineering 36(5): 826-838. Can. J. Civ. Eng. 37 (1), 135e138. Chanson, H., 1994. Drag reduction in open channel flow by aeration and suspended load. Taylor & Francis J. Hydraulic Res. 32, 87e101. Chanson, H., Montes, J.S., 1995. Characteristics of undular hydraulic jumps: experimental apparatus and flow patterns. J. hydraulic Eng. 121 (2), 129e144. Chanson, H., Brattberg, T., 2000. Experimental study of the airewater shear flow in a hydraulic jump. Int. J. Multiph. Flow 26 (4), 583e607. Chanson, H., 2013. Hydraulics of aerated flows: qui pro quo? Taylor & Francis J. Hydraulic Res. 51 (3), 223e243. Chaudhry, M.H., 2007. Open-channel Flow, Springer Science & Business Media. Chen, L., Li, Y., 1998. .A numerical method for two-phase flows with an interface. Environ. Model. Softw. 13 (3), 247e255. Chow, V.T., 1959. Open Channel Hydraulics. McGraw-Hill Book Company, Inc, New York. Daly, B.J., 1969. A technique for including surface tension effects in hydrodynamic calculations. Elsevier J. Comput. Phys. 4 (1), 97e117. De Padova, D., Mossa, M., Sibilla, S., Torti, E., 2013. 3D SPH modeling of hydraulic jump in a very large channel. Taylor & Francis J. Hydraulic Res. 51 (2), 158e173. Dewals, B., Andre, S., Schleiss, A., Pirotton, M., 2004. Validation of a quasi-2D model for aerated flows over stepped spillways for mild and steep slopes. Proc. 6th Int. Conf. Hydroinformatics 1, 63e70. Falvey, H.T., 1980. Air-water flow in hydraulic structures. NASA STI Recon Tech. Rep. N. 81, 26429. Fawer, C., 1937. Etude de quelquesecoulements permanents a filets courbes (‘Study of some Steady Flows with Curved Streamlines’). Thesis. Imprimerie La Concorde, Lausanne, Switzerland, 127 pages (in French). Gualtieri, C., Chanson, H., 2007. .Experimental analysis of Froude number effect on air entrainment in the hydraulic jump. Springer Environ. Fluid Mech. 7 (3), 217e238. Gualtieri, C., Chanson, H., 2010. Effect of Froude number on bubble clustering in a hydraulic jump. J. Hydraulic Res. 48 (4), 504e508. Hager, W., Sinniger, R., 1985. Flow characteristics of the hydraulic jump in a stilling basin with an abrupt bottom rise. Taylor & Francis J. Hydraulic Res. 23 (2), 101e113. Hager, W.H., 1992. Energy Dissipators and Hydraulic Jump, Springer. Hager, W.H., Bremen, R., 1989. Classical hydraulic jump: sequent depths. J. Hydraulic Res. 27 (5), 565e583. Hartanto, I.M., Beevers, L., Popescu, I., Wright, N.G., 2011. Application of a coastal modelling code in fluvial environments. Environ. Model. Softw. 26 (12), 1685e1695. Hirsch, C., 2007. Numerical Computation of Internal and External Flows: the Fundamentals of Computational Fluid Dynamics. Butterworth-Heinemann, 1. Hirt, C., Nichols, B., 1981. .Volume of fluid (VOF) method for the dynamics of free boundaries. J. Comput. Phys. 39 (1), 201e225. Hyman, J.M., 1984. Numerical methods for tracking interfaces. Elsevier Phys. D. Nonlinear Phenom. 12 (1), 396e407. Juez, C., Murillo, J., Garcia-Navarro, P., 2013. Numerical assessment of bed-load discharge formulations for transient flow in 1D and 2D situations. J. Hydroinformatics 15 (4). Keyes, D., Ecer, A., Satofuka, N., Fox, P., Periaux, J., 2000. Parallel Computational Fluid Dynamics’ 99: towards Teraflops, Optimization and Novel Formulations. Elsevier. Kim, J.J., Baik, J.J., 2004. A numerical study of the effects of ambient wind direction on flow and dispersion in urban street canyons using the RNG keε turbulence model. Atmos. Environ. 38 (19), 3039e3048. Kim, S.-E., Boysan, F., 1999. Application of CFD to environmental flows. Elsevier J. Wind Eng. Industrial Aerodynamics 81 (1), 145e158. Liu, M., Rajaratnam, N., Zhu, D.Z., 2004. Turbulence structure of hydraulic jumps of low Froude numbers. J. Hydraulic Eng. 130 (6), 511e520. Lobosco, R., Schulz, H., Simoes, A., 2011. Analysis of Two Phase Flows on Stepped Spillways, Hydrodynamics – Optimizing Methods and Tools. Available from. : http://www.intechopen.com/books/hyd rodynamics-optimizing-methods-andtools/analysis-of-two-phase-flows-on-stepped-spillways. Accessed February 27th 2014. Long, D., Rajaratnam, N., Steffler, P.M., Smy, P.R., 1991. Structure of flow in hydraulic jumps. Taylor & Francis J. Hydraulic Res. 29 (2), 207e218. Ma, J., Oberai, A.A., Lahey Jr., R.T., Drew, D.A., 2011. Modeling air entrainment and transport in a hydraulic jump using two-fluid RANS and DES turbulence models. Heat Mass Transf. 47 (8), 911e919. Matos, J., Frizell, K., Andre, S., Frizell, K., 2002. On the performance of velocity measurement techniques in air-water flows. Hydraulic Meas. Exp. Methods 2002, 1e11. http://dx.doi.org/10.1061/40655(2002)58. Meireles, I.C., Bombardelli, F.A., Matos, J., 2014. .Air entrainment onset in skimming flows on steep stepped spillways: an analysis. J. Hydraulic Res. 52 (3), 375e385. McDonald, P., 1971. The Computation of Transonic Flow through Two-dimensional Gas Turbine Cascades. Mossa, M., 1999. On the oscillating characteristics of hydraulic jumps, Journal of Hydraulic Research. Taylor &Francis 37 (4), 541e558. Murzyn, F., Chanson, H., 2009a. Two-phase Gas-liquid Flow Properties in the Hydraulic Jump: Review and Perspectives. Nova Science Publishers. Murzyn, F., Chanson, H., 2009b. Experimental investigation of bubbly flow and turbulence in hydraulic jumps. Environ. Fluid Mech. 2, 143e159. Murzyn, F., Mouaze, D., Chaplin, J.R., 2007. Airewater interface dynamic and free surface features in hydraulic jumps. J. Hydraulic Res. 45 (5), 679e685. Murzyn, F., Mouaze, D., Chaplin, J., 2005. Optical fiber probe measurements of bubbly flow in hydraulic jumps. Elsevier Int. J. Multiph. Flow 31 (1), 141e154. Nagosa, R., 1999. Direct numerical simulation of vortex structures and turbulence scalar transfer across a free surface in a fully developed turbulence. Phys. Fluids 11, 1581e1595. Noh, W.F., Woodward, P., 1976. SLIC (Simple Line Interface Calculation), Proceedings of the Fifth International Conference on Numerical Methods in Fluid Dynamics June 28-July 2. 1976 Twente University, Enschede, pp. 330e340. Oertel, M., Bung, D.B., 2012. Initial stage of two-dimensional dam-break waves: laboratory versus VOF. J. Hydraulic Res. 50 (1), 89e97. Olivari, D., Benocci, C., 2010. Introduction to Mechanics of Turbulence. Von Karman Institute for Fluid Dynamics. Omid, M.H., Omid, M., Varaki, M.E., 2005. Modelling hydraulic jumps with artificial neural networks. Thomas Telford Proc. ICE-Water Manag. 158 (2), 65e70. OpenFOAM, 2011. OpenFOAM: the Open Source CFD Toolbox User Guide. The Free Software Foundation Inc. Peterka, A.J., 1984. Hydraulic design of spillways and energy dissipators. A water resources technical publication. Eng. Monogr. 25. Pope, S.B., 2000. Turbulent Flows. Cambridge university press. Pfister, M., 2011. Chute aerators: steep deflectors and cavity subpressure, Journal of hydraulic engineering. Am. Soc. Civ. Eng. 137 (10), 1208e1215. Prosperetti, A., Tryggvason, G., 2007. Computational Methods for Multiphase Flow. Cambridge University Press. Rajaratnam, N., 1965. The hydraulic jump as a Wall Jet. Proc. ASCE, J. Hydraul. Div. 91 (HY5), 107e132. Resch, F., Leutheusser, H., 1972. Reynolds stress measurements in hydraulic jumps. Taylor & Francis J. Hydraulic Res. 10 (4), 409e430. Romagnoli, M., Portapila, M., Morvan, H., 2009. Computational simulation of a hydraulic jump (original title, in Spanish: “Simulacioncomputacional del resaltohidraulico”), MecanicaComputacional, XXVIII, pp. 1661e1672. Rouse, H., Siao, T.T., Nagaratnam, S., 1959. Turbulence characteristics of the hydraulic jump. Trans. ASCE 124, 926e966. Rusche, H., 2002. Computational Fluid Dynamics of Dispersed Two-phase Flows at High Phase Fractions. Imperial College of Science, Technology and Medicine, UK. Saint-Venant, A., 1871. Theorie du movement non permanent des eaux, avec application aux crues des riviereset a l’introduction de mareesdansleurslits. Comptesrendus des seances de l’Academie des Sciences. Schlichting, H., Gersten, K., 2000. Boundary-layer Theory. Springer. Spalart, P.R., 2000. Strategies for turbulence modelling and simulations. Int. J. Heat Fluid Flow 21 (3), 252e263. Speziale, C.G., Thangam, S., 1992. Analysis of an RNG based turbulence model for separated flows. Int. J. Eng. Sci. 30 (10), 1379eIN4. Toge, G.E., 2012. The Significance of Froude Number in Vertical Pipes: a CFD Study. University of Stavanger, Norway. Ubbink, O., 1997. Numerical Prediction of Two Fluid Systems with Sharp Interfaces. Imperial College of Science, Technology and Medicine, UK. Valero, D., García-Bartual, R., 2016. Calibration of an air entrainment model for CFD spillway applications. Adv. Hydroinformatics 571e582. http://dx.doi.org/ 10.1007/978-981-287-615-7_38. P. Gourbesville et al. Springer Water. Valero, D., Bung, D.B., 2015. Hybrid investigations of air transport processes in moderately sloped stepped spillway flows. In: E-Proceedings of the 36th IAHR World Congress, 28 June e 3 July, 2015 (The Hague, the Netherlands). Van Leer, B., 1977. Towards the ultimate conservative difference scheme III. Upstream-centered finite-difference schemes for ideal compressible flow. J. Comput. Phys 23 (3), 263e275. Von Karman, T., 1930. MechanischeAhnlichkeit und Turbulenz, Nachrichten von der Gesellschaft der WissenschaftenzuGottingen. Fachgr. 1 Math. 5, 58 € e76. Wang, H., Murzyn, F., Chanson, H., 2014a. Total pressure fluctuations and two-phase flow turbulence in hydraulic jumps. Exp. Fluids 55.11(2014) Pap. 1847, 1e16 (DOI: 10.1007/s00348-014-1847-9). Wang, H., Felder, S., Chanson, H., 2014b. An experimental study of turbulent twophase flow in hydraulic jumps and application of a triple decomposition technique. Exp. Fluids 55.7(2014) Pap. 1775, 1e18. http://dx.doi.org/10.1007/ s00348-014-1775-8. Wang, H., Chanson, H., 2015a. .Experimental study of turbulent fluctuations in hydraulic jumps. J. Hydraul. Eng. 141 (7) http://dx.doi.org/10.1061/(ASCE) HY.1943-7900.0001010. Paper 04015010, 10 pages. Wang, H., Chanson, H., 2015b. Integral turbulent length and time scales in hydraulic jumps: an experimental investigation at large Reynolds numbers. In: E-Proceedings of the 36th IAHR World Congress 28 June e 3 July, 2015, The Netherlands. Weller, H., Tabor, G., Jasak, H., Fureby, C., 1998. A tensorial approach to computational continuum mechanics using object-oriented techniques. Comput. Phys. 12, 620e631. Wilcox, D., 1998. Turbulence Modeling for CFD, DCW Industries. La Canada, California (USA). Witt, A., Gulliver, J., Shen, L., June 2015. Simulating air entrainment and vortex dynamics in a hydraulic jump. Int. J. Multiph. Flow 72, 165e180. ISSN 0301-
http://dx.doi.org/10.1016/j.ijmultiphaseflow.2015.02.012. http://www. sciencedirect.com/science/article/pii/S0301932215000336. Wood, I.R., 1991. Air Entrainment in Free-surface Flows, IAHR Hydraulic Design Manual No.4, Hydraulic Design Considerations. Balkema Publications, Rotterdam, The Netherlands. Yakhot, V., Orszag, S., Thangam, S., Gatski, T., Speziale, C., 1992. Development of turbulence models for shear flows by a double expansion technique, Physics of Fluids A: fluid Dynamics (1989-1993). AIP Publ. 4 (7), 1510e1520. Youngs, D.L., 1984. An interface tracking method for a 3D Eulerian hydrodynamics code. Tech. Rep. 44 (92), 35e35. Zhang, G., Wang, H., Chanson, H., 2013. Turbulence and aeration in hydraulic jumps: free-surface fluctuation and integral turbulent scale measurements. Environ. fluid Mech. 13 (2), 189e204. Zhang, W., Liu, M., Zhu, D.Z., Rajaratnam, N., 2014. Mean and turbulent bubble velocities in free hydraulic jumps for small to intermediate froude numbers. J. Hydraulic Eng.
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 입자수
입자 사이즈를 키운경우
그룹 가시화
입자 수를 줄이기 위해 그대로 입경을 크게했을 경우와 그룹 가시화 한 경우의 비교.
입자 크기를 크게하면 개별 입자 특성이 달라지기 때문에 거동이 달라진다. (본 사례에서는 부력이 커진다.)
그룹 가시화의 경우 개별 특성은 동일 원래의 거동과 대체로 일치한다.
주조 시뮬레이션에 DEM 적용
그룹 가시화 비교 예
그룹 가시화한 경우와 입경을 크게하여 수를 줄인 경우, 입경을 크게하면 개별 입자 특성이 변화하여 거동이 바뀌어 버리기 때문에 실제 계산으로는 사용할 수 어렵습니다.
중자 모래 분사 분석
DEM에서의 계산부하를 생각할 때는 입자모델에 의한 안정제한을 고려해야 하지만 서브타임스텝이라는 개념을 도입함으로써 입자의 경우와 유체의 경우의 타임스텝을 바꾸고 필요이상으로 계산시간을 들이지 않고 효율적으로 계산하는 것을 가능하게 하고 있습니다.
이를 통해 예를 들어 중자사 분사 시뮬레이션 실험에서는 이러한 문제로 자주 이용되는 빙엄 유체에서는 실험과의 정합성이 별로 좋지 않기 때문에 당사에서는 이전부터 입상류 모델이라는 모델을 개발하고 연속체로부터의 접근에서도 실험과의 높은 정합성을 실현할 수 있는 모델화를 해왔는데, 이번에 DEM을 사용해도 그것과 거의 같은 결과를 얻습니다. 할 수 있음을 확인할 수 있었다.
Reference :
Lefebvre D., Mackenbrock A., Vidal V., Pavan V. and Haigh PM, 2004,
Development and use of simulation in the Design of Blown Cores and Moulds
일부 연구자들은 부품을 만들기 위해 더 넓은 범위의 처리 조건을 사용하여 하이브리드 와이어 분말 기반 DED 시스템을 찾고 있습니다. 예를 들어, 이 시뮬레이션은 다양한 분말 및 와이어 이송 속도를 가진 하이브리드 시스템을 살펴봅니다.
와이어 기반 DED | Wire Based DED
와이어 기반 DED는 분말 기반 DED보다 처리량이 높고 낭비가 적지만 재료 구성 및 증착 방향 측면에서 유연성이 떨어집니다. FLOW-3D AM 은 와이어 기반 DED의 처리 결과를 이해하는데 유용하며 최적화 연구를 통해 빌드에 대한 와이어 이송 속도 및 직경과 같은 최상의 처리 매개 변수를 찾을 수 있습니다.
FLOW-3D AM은 레이저 파우더 베드 융합 (L-PBF), 바인더 제트 및 DED (Directed Energy Deposition)와 같은 적층 제조 공정 ( additive manufacturing )을 시뮬레이션하고 분석하는 CFD 소프트웨어입니다. FLOW-3D AM 의 다중 물리 기능은 공정 매개 변수의 분석 및 최적화를 위해 분말 확산 및 압축, 용융 풀 역학, L-PBF 및 DED에 대한 다공성 형성, 바인더 분사 공정을 위한 수지 침투 및 확산에 대해 매우 정확한 시뮬레이션을 제공합니다.
3D 프린팅이라고도하는 적층 제조(additive manufacturing)는 일반적으로 층별 접근 방식을 사용하여, 분말 또는 와이어로 부품을 제조하는 방법입니다. 금속 기반 적층 제조 공정에 대한 관심은 지난 몇 년 동안 시작되었습니다. 오늘날 사용되는 3 대 금속 적층 제조 공정은 PBF (Powder Bed Fusion), DED (Directed Energy Deposition) 및 바인더 제트 ( Binder jetting ) 공정입니다. FLOW-3D AM 은 이러한 각 프로세스에 대한 고유 한 시뮬레이션 통찰력을 제공합니다.
파우더 베드 융합 및 직접 에너지 증착 공정에서 레이저 또는 전자 빔을 열원으로 사용할 수 있습니다. 두 경우 모두 PBF용 분말 형태와 DED 공정용 분말 또는 와이어 형태의 금속을 완전히 녹여 융합하여 층별로 부품을 형성합니다. 그러나 바인더 젯팅(Binder jetting)에서는 결합제 역할을 하는 수지가 금속 분말에 선택적으로 증착되어 층별로 부품을 형성합니다. 이러한 부품은 더 나은 치밀화를 달성하기 위해 소결됩니다.
FLOW-3D AM 의 자유 표면 추적 알고리즘과 다중 물리 모델은 이러한 각 프로세스를 높은 정확도로 시뮬레이션 할 수 있습니다. 레이저 파우더 베드 융합 (L-PBF) 공정 모델링 단계는 여기에서 자세히 설명합니다. DED 및 바인더 분사 공정에 대한 몇 가지 개념 증명 시뮬레이션도 표시됩니다.
레이저 파우더 베드 퓨전 (L-PBF)
LPBF 공정에는 유체 흐름, 열 전달, 표면 장력, 상 변화 및 응고와 같은 복잡한 다중 물리학 현상이 포함되어 공정 및 궁극적으로 빌드 품질에 상당한 영향을 미칩니다. FLOW-3D AM 의 물리적 모델은 질량, 운동량 및 에너지 보존 방정식을 동시에 해결하는 동시에 입자 크기 분포 및 패킹 비율을 고려하여 중규모에서 용융 풀 현상을 시뮬레이션합니다.
FLOW-3D DEM 및 FLOW-3D WELD 는 전체 파우더 베드 융합 공정을 시뮬레이션하는 데 사용됩니다. L-PBF 공정의 다양한 단계는 분말 베드 놓기, 분말 용융 및 응고,이어서 이전에 응고 된 층에 신선한 분말을 놓는 것, 그리고 다시 한번 새 층을 이전 층에 녹이고 융합시키는 것입니다. FLOW-3D AM 은 이러한 각 단계를 시뮬레이션하는 데 사용할 수 있습니다.
파우더 베드 부설 공정
FLOW-3D DEM을 통해 분말 크기 분포, 재료 특성, 응집 효과는 물론 롤러 또는 블레이드 움직임 및 상호 작용과 같은 기하학적 효과와 관련된 분말 확산 및 압축을 이해할 수 있습니다. 이러한 시뮬레이션은 공정 매개 변수가 후속 인쇄 공정에서 용융 풀 역학에 직접적인 영향을 미치는 패킹 밀도와 같은 분말 베드 특성에 어떻게 영향을 미치는지에 대한 정확한 이해를 제공합니다.
다양한 파우더 베드 압축을 달성하는 한 가지 방법은 베드를 놓는 동안 다양한 입자 크기 분포를 선택하는 것입니다. 아래에서 볼 수 있듯이 세 가지 크기의 입자 크기 분포가 있으며, 이는 가장 높은 압축을 제공하는 Case 2와 함께 다양한 분말 베드 압축을 초래합니다.
세 가지 다른 입자 크기 분포를 사용하여 파우더 베드 배치세 가지 다른 입자 크기 분포를 사용한 분말 베드 압축
입자-입자 상호 작용, 유체-입자 결합 및 입자 이동 물체 상호 작용은 FLOW-3D DEM을 사용하여 자세히 분석 할 수도 있습니다 . 또한 입자간 힘을 지정하여 분말 살포 응용 분야를 보다 정확하게 연구 할 수도 있습니다.
이 FLOW-3D AM 시뮬레이션은 이산 요소 방법 (DEM)을 사용하여 역 회전하는 원통형 롤러로 인한 분말 확산을 연구합니다. 비디오 시작 부분에서 빌드 플랫폼이 위로 이동하는 동안 분말 저장소가 아래로 이동합니다. 그 직후, 롤러는 분말 입자 (초기 위치에 따라 색상이 지정됨)를 다음 층이 녹고 구축 될 준비를 위해 구축 플랫폼으로 펼칩니다. 이러한 시뮬레이션은 저장소에서 빌드 플랫폼으로 전송되는 분말 입자의 선호 크기에 대한 추가 통찰력을 제공 할 수 있습니다.
Melting | 파우더 베드 용해
DEM 시뮬레이션에서 파우더 베드가 생성되면 STL 파일로 추출됩니다. 다음 단계는 CFD를 사용하여 레이저 용융 공정을 시뮬레이션하는 것입니다. 여기서는 레이저 빔과 파우더 베드의 상호 작용을 모델링 합니다. 이 프로세스를 정확하게 포착하기 위해 물리학에는 점성 흐름, 용융 풀 내의 레이저 반사 (광선 추적을 통해), 열 전달, 응고, 상 변화 및 기화, 반동 압력, 차폐 가스 압력 및 표면 장력이 포함됩니다. 이 모든 물리학은 이 복잡한 프로세스를 정확하게 시뮬레이션하기 위해 TruVOF 방법을 기반으로 개발되었습니다.
레이저 출력 200W, 스캔 속도 3.0m / s, 스폿 반경 100μm에서 파우더 베드의 용융 풀 분석.
용융 풀이 응고되면 FLOW-3D AM 압력 및 온도 데이터를 Abaqus 또는 MSC Nastran과 같은 FEA 도구로 가져와 응력 윤곽 및 변위 프로파일을 분석 할 수도 있습니다.
Multilayer | 다층 적층 제조
용융 풀 트랙이 응고되면 DEM을 사용하여 이전에 응고된 층에 새로운 분말 층의 확산을 시뮬레이션 할 수 있습니다. 유사하게, 레이저 용융은 새로운 분말 층에서 수행되어 후속 층 간의 융합 조건을 분석 할 수 있습니다.
해석 진행 절차는 첫 번째 용융층이 응고되면 입자의 두 번째 층이 응고 층에 증착됩니다. 새로운 분말 입자 층에 레이저 공정 매개 변수를 지정하여 용융 풀 시뮬레이션을 다시 수행합니다. 이 프로세스를 여러 번 반복하여 연속적으로 응고된 층 간의 융합, 빌드 내 온도 구배를 평가하는 동시에 다공성 또는 기타 결함의 형성을 모니터링 할 수 있습니다.
LPBF의 키홀 링 | Keyholing in LPBF
키홀링 중 다공성은 어떻게 형성됩니까? 이것은 TU Denmark의 연구원들이 FLOW-3D AM을 사용하여 답변한 질문이었습니다. 레이저 빔의 적용으로 기판이 녹으면 기화 및 상 변화로 인한 반동 압력이 용융 풀을 압박합니다. 반동 압력으로 인한 하향 흐름과 레이저 반사로 인한 추가 레이저 에너지 흡수가 공존하면 폭주 효과가 발생하여 용융 풀이 Keyholing으로 전환됩니다. 결국, 키홀 벽을 따라 온도가 변하기 때문에 표면 장력으로 인해 벽이 뭉쳐져서 진행되는 응고 전선에 의해 갇힐 수 있는 공극이 생겨 다공성이 발생합니다. FLOW-3D AM 레이저 파우더 베드 융합 공정 모듈은 키홀링 및 다공성 형성을 시뮬레이션 하는데 필요한 모든 물리 모델을 보유하고 있습니다.
바인더 분사 (Binder jetting)
Binder jetting 시뮬레이션은 모세관 힘의 영향을받는 파우더 베드에서 바인더의 확산 및 침투에 대한 통찰력을 제공합니다. 공정 매개 변수와 재료 특성은 증착 및 확산 공정에 직접적인 영향을 미칩니다.
Scan Strategy | 스캔 전략
스캔 전략은 온도 구배 및 냉각 속도에 영향을 미치기 때문에 미세 구조에 직접적인 영향을 미칩니다. 연구원들은 FLOW-3D AM 을 사용하여 결함 형성과 응고된 금속의 미세 구조에 영향을 줄 수 있는 트랙 사이에서 발생하는 재 용융을 이해하기 위한 최적의 스캔 전략을 탐색하고 있습니다. FLOW-3D AM 은 하나 또는 여러 레이저에 대해 시간에 따른 방향 속도를 구현할 때 완전한 유연성을 제공합니다.
Beam Shaping | 빔 형성
레이저 출력 및 스캔 전략 외에도 레이저 빔 모양과 열유속 분포는 LPBF 공정에서 용융 풀 역학에 큰 영향을 미칩니다. AM 기계 제조업체는 공정 안정성 및 처리량에 대해 다중 코어 및 임의 모양의 레이저 빔 사용을 모색하고 있습니다. FLOW-3D AM을 사용하면 멀티 코어 및 임의 모양의 빔 프로파일을 구현할 수 있으므로 생산량을 늘리고 부품 품질을 개선하기 위한 최상의 구성에 대한 통찰력을 제공 할 수 있습니다.
이 시뮬레이션에서 스테인리스 강 및 알루미늄 분말은 FLOW-3D AM 이 용융 풀 역학을 정확하게 포착하기 위해 추적하는 독립적으로 정의 된 온도 의존 재료 특성을 가지고 있습니다. 시뮬레이션은 용융 풀에서 재료 혼합을 이해하는 데 도움이됩니다.
다중 재료 용접 사례 연구
이종 금속의 레이저 키홀 용접에서 금속 혼합 조사
GM과 University of Utah의 연구원들은 FLOW-3D WELD 를 사용 하여 레이저 키홀 용접을 통한 이종 금속의 혼합을 이해했습니다. 그들은 반동 압력 및 Marangoni 대류와 관련하여 구리와 알루미늄의 혼합 농도에 대한 레이저 출력 및 스캔 속도의 영향을 조사했습니다. 그들은 시뮬레이션을 실험 결과와 비교했으며 샘플 내의 절단 단면에서 재료 농도 사이에 좋은 일치를 발견했습니다.
이종 금속의 레이저 키홀 용접에서 금속 혼합 조사참조 : Wenkang Huang, Hongliang Wang, Teresa Rinker, Wenda Tan, 이종 금속의 레이저 키홀 용접에서 금속 혼합 조사 , Materials & Design, Volume 195, (2020). https://doi.org/10.1016/j.matdes.2020.109056
방향성 에너지 증착
FLOW-3D AM 의 내장 입자 모델 을 사용하여 직접 에너지 증착 프로세스를 시뮬레이션 할 수 있습니다. 분말 주입 속도와 고체 기질에 입사되는 열유속을 지정함으로써 고체 입자는 용융 풀에 질량, 운동량 및 에너지를 추가 할 수 있습니다. 다음 비디오에서 고체 금속 입자가 용융 풀에 주입되고 기판에서 용융 풀의 후속 응고가 관찰됩니다.
Oscar HERRERA-GRANADOS1,, Abhijit LADE2, , Bimlesh KUMAR3 1 Faculty of Civil Engineering, Wroclaw University of Science and Technology, Poland email: Oscar.Herrera-Granados@pwr.edu.pl 2 3Department of Civil Engineering, Indian Institute of Technology, Guwahati, India email: lade176104013@iitg.ac.in email: bimk@iitg.ac.in
ABSTRACT
Extraction of sand from river beds has a variety of effects on the hydraulic and morphological characteristicsof the fluvial systems. Recent studies on mining pit have revealed that downstream reaches of the mining pitare more prone to erosion due to increased bed shear stresses. Bridge piers in the vicinity of such mining pitsare also prone to streambed instabilities due to turbulence alterations as suggested by a few recent studies.Thus, a numerical study was carried out to study the effects of a mining pit on the hydrodynamics around acircular pier. The numerical experiments were conducted with the Computational Fluid Dynamics (CFD) codeFlow-3D, which can run several turbulence model closures. In this contribution, the authors applied theclassical RANS equations with the volume of fluid (VOF) method (Savage and Johnson, 2001).
강바닥에서 모래를 추출하는 것은 하강 시스템의 수력 학적 및 형태 학적 특성에 다양한 영향을 미칩니다. 광산 구덩이에 대한 최근 연구에 따르면 광산 구덩이의 하류 도달은 베드 전단 응력 증가로 인해 침식되기 쉽습니다. 이러한 광산 구덩이 근처의 교각은 최근 몇 가지 연구에서 제안한 바와 같이 난류 변화로 인해 유동 불안정성이 발생하기 쉽습니다. 따라서 원형 부두 주변의 유체 역학에 대한 광산 구덩이의 영향을 연구하기 위해 수치 연구가 수행되었습니다. 수치 실험은 CFD (Computational Fluid Dynamics) 코드 Flow-3D로 수행되었으며, 여러 난류 모델 폐쇄를 실행할 수 있습니다. 이 공헌에서 저자는 VOF (volume of fluid) 방법 (Savage and Johnson, 2001)과 함께 고전적인 RANS 방정식을 적용했습니다.
1. Set-up and boundary conditions
두 번의 수치 실행 결과가 이 기여도에서 비교됩니다. 첫 번째 실험에서 0.044 [m3-s-1]의 정상 유량이 원통 부두가 있는 1.0 [m] 폭의 채널을 따라 흐르는 상류 경계 조건으로 설정되었습니다. 계산 영역은 IIT Guwahati 수력학 실험실 (Lade et al., 2019b)의 틸팅 유체 크기를 기반으로 정의됩니다. 두 번째 실행에서는 동일한 배출물이 실린더의 상류에 있는 준설 사다리꼴 구덩이와 함께 실린더 주위로 통과되었습니다. 구덩이의 깊이는 0.1 [m]이고 수로 전체에 걸쳐 확장되었습니다. 수로의 길이 방향을 따라 피트의 상단 너비는 0.67 [m], 하단 너비는 0.33 [m]였습니다.
이 연구의 주요 초점은 채굴 구덩이 (그림 1의 PF2)가있을 때 구덩이 하류 (그림 1의 PF1)와 실린더 하류의 흐름 특성의 변화를 조사하는 것이 었습니다. 따라서 채널 베드는 고정 베드 모델을 사용하여 시뮬레이션 되었습니다. 두 실험의 수압 조건은 CFD 경계 조건으로 설정된 표 1에 나와 있습니다. 배출구 (하류 경계 조건)는 실험실 기록 중에 측정된 수심을 사용하여 설정되었습니다 (Lade et al., 2019a).
Fig. 1. A) Computational domain showing the cylinder, the profiles PF1, PF2 and the mining pit as set-up in the laboratory (B).Fig. 2. Output of the CFD model (velocity magnitude) without the sand pit (left side) and with the trapezoidal sand pit (right side).Fig. 3. Output of the CFD model. Streamwise velocity ux, TKE as well as Lt profiles along the locations PF1 and PF2
References
Herrera-Granados O (2018) Turbulence flow modeling of one-sharp-groyne field. In Free surface flows and transport processes : 36th International School of Hydraulics. Geoplanet: Earth and Planetary Series. Springer IP AG, 207-218. Lade AD, Deshpande V, Kumar B (2019a) Study of flow turbulence around a circular bridge pier in sand-mined stream channel. Proceedings of the Institution of Civil Engineers – Water Management,https://doi.org/10.1680/jwama.19.00041 Lade AD, A, DT, Kumar B (2019b) Randomness in flow turbulence around a bridge pier in a sand mined channel..Physica A 535 122426 Savage, BM, Johnson, M.C (2001). Flow over ogee spillway: Physical and numerical model case study. J. Hydraulic Eng., 127(8), 640–649.
Parked vehicles can be directly affected by the floods and at a certain flow velocity and depth, vehicles can be easily swept away. Therefore, studying flooded vehicles stability limits is required. Herein, an attempt has been done to assess numerically the floating instability mode of a small passenger car with a scaled-down ratio of 1:10 using FLOW-3D. The 3D car model was placed inside a closed box and the six degrees of freedom numerical simulation was conducted. Later, numerical results validated experimentally and analytically. Results showed that buoyancy depths were 3.6 and 3.8 cm numerically and experimentally, respectively with a percentage difference of 5.4%. Further, the buoyancy forces were 8.95 N and 8.97 N numerically and analytically, respectively with a percentage difference of 0.2%. With this small difference, it can be concluded that the numerical modeling for such cases using FLOW-3D software can give an acceptable prediction on the vehicle stability limits.
주차된 차량은 홍수의 직접적인 영향을 받을 수 있으며 특정 유속과 깊이에서 차량을 쉽게 쓸어 버릴 수 있습니다. 따라서 침수 차량 안정성 한계를 연구해야 합니다. 여기에서는 FLOW-3D를 사용하여 축소 비율이 1:10 인 소형 승용차의 부동 불안정 모드를 수치 적으로 평가하려는 시도가 이루어졌습니다. 3D 자동차 모델은 닫힌 상자 안에 배치되었고 6 개의 자유도 수치 시뮬레이션이 수행되었습니다. 나중에 수치 결과는 실험적으로 그리고 분석적으로 검증되었습니다. 결과는 부력 깊이가 각각 5.4 %의 백분율 차이로 수치 및 실험적으로 3.6 및 3.8 cm임을 보여 주었다. 또한 부력은 수치적으로 8.95N과 분석적으로 8.97N이었고 백분율 차이는 0.2 %였다. 이 작은 차이로 인해 FLOW-3D 소프트웨어를 사용한 이러한 경우의 수치 모델링은 차량 안정성 한계에 대한 허용 가능한 예측을 제공 할 수 있다는 결론을 내릴 수 있습니다.
Keywords
Floating instability Small passenger car Numerical simulation FLOW-3D Subcritical flowe
References
1.Hung, C.L.J., James, L.A., Carbone, G.J., Williams, J.M.: Impacts of combined land-use and climate change on streamflow in two nested catchments in the southeastern united states. Ecol. Eng. 143, 105665 (2020)CrossRefGoogle Scholar
2.Bui, D.T., Hoang, N.D., Martínez-Álvarez, F., Ngo, P.T.T., Hoa, P.V., Pham, T.D., Samui, P., Costache, R.: A novel deep learning neural network approach for predicting flash flood susceptibility: a case study at a high frequency tropical storm area. Sci. Total Environ. 701, 134413 (2020)CrossRefGoogle Scholar
3.Shah, S.M.H., Mustaffa, Z., Martínez-Gomariz, E., Yusof, K.W., Al-Qadami, E.H.H.: A review of safety guidelines for vehicles in floodwaters. Int. J. River Basin Manage. 1–17 (2019)Google Scholar
4.Shah, S.M.H., Mustaffa, Z., Yusof, K.W.: Disasters worldwide and floods in the malaysian region: a brief review. Indian J. Sci. Technol. 10(2), (2017)Google Scholar
5.Xia, J., Falconer, R.A., Lin, B., Tan, G.: Numerical assessment of flood hazard risk to people and vehicles in flash floods. Environ. Model Softw. 26(8), 987–998 (2011)CrossRefGoogle Scholar
6.Bonham, A.J., Hattersley, R.T.: Low level causeways. Technical report, University of New South Wales, Water Research Laboratory (1967)Google Scholar
7.Gordon, A.D., Stone, P.B.: Car stability on road causeways. Technical report No. 73/12, Institution (1973)Google Scholar
8.Keller, R.J., Mitsch, B.: Safety aspects of the design of roadways as floodways. Research Report No. 69, Urban Water Research Association of Australia, Melbourne (1993)Google Scholar
9.Shah, S.M.H., Mustaffa, Z., Martinez-Gomariz, E., Kim, D.K., Yusof, K.W.: Criterion of vehicle instability in floodwaters: past, present and future. Int. J. River Basin Manage. 1–23 (2019)Google Scholar
11.Xia, J., Teo, F.Y., Lin, B., Falconer, R.A.: Formula of incipient velocity for flooded vehicles. Nat. Hazards 58(1), 1–14 (2011)CrossRefGoogle Scholar
12.Shu, C., Xia, J., Falconer, R.A., Lin, B.: Incipient velocity for partially submerged vehicles in floodwaters. J. Hydraul. Res. 49(6), 709–717 (2011)CrossRefGoogle Scholar
13.Toda, K., Ishigaki, T., Ozaki, T.: Experiments study on floating car in flooding. In: International Conference on Flood Resilience: Experiences in Asia and Europe (2013)Google Scholar
14.Xia, J., Falconer, R.A., Xiao, X., Wang, Y.: Criterion of vehicle stability in floodwaters based on theoretical and experimental studies. Nat. Hazards 70(2), 1619–1630 (2014)CrossRefGoogle Scholar
15.Martínez-Gomariz, E., Gómez, M., Russo, B., Djordjević, S.: A new experiments-based methodology to define the stability threshold for any vehicle exposed to flooding. Urban Water J. 14(9), 930–939 (2017)CrossRefGoogle Scholar
16.Smith, G.P., Modra, B.D., Tucker, T.A., Cox, R.J.: Vehicle stability testing for flood flows. Technical report 7, Water Research Laboratory, School of Civil and Environmental Engineering (2017)Google Scholar
17.Xia, J., Falconer, R.A., Lin, B., Tan, G.: Modelling flash flood risk in urban areas. In: Proceedings of the Institution of Civil Engineers-Water Management, vol. 164 (6), pp. 267–282. Thomas Telford Ltd, (2011)Google Scholar
18.Arrighi, C., Alcèrreca-Huerta, J.C., Oumeraci, H., Castelli, F.: Drag and lift contribution to the incipient motion of partly submerged flooded vehicles. J. Fluids Struct. 57, 170–184 (2015)CrossRefGoogle Scholar
19.Gómez, M., Martínez, E., Russo, B.: Experimental and numerical study of stability of vehicles exposed to flooding. In: Advances in Hydroinformatics, pp. 595–605. Springer, Singapore (2018). http://doi.org/10.1007/978-981-10-7218-5_42
20.Al-Qadami, E.H.H., Abdurrasheed, A.S.I., Mustaffa, Z., Yusof, K.W., Malek, M.A., Ab Ghani, A.: Numerical modelling of flow characteristics over sharp crested triangular hump. Results Eng. 4, 100052 (2019)Google Scholar
Surface roughness of laser powder bed fusion (L-PBF) printed overhang regions is a major contributor to deteriorated shape accuracy/surface quality. This study investigates the mechanisms behind the evolution of surface roughness (Ra) in overhang regions. The evolution of surface morphology is the result of a combination of border track contour, powder adhesion, warp deformation, and dross formation, which is strongly related to the overhang angle (θ). When 0° ≤ θ ≤ 15°, the overhang angle does not affect Ra significantly since only a small area of the melt pool boundaries contacts the powder bed resulting in slight powder adhesion. When 15° < θ ≤ 50°, powder adhesion is enhanced by the melt pool sinking and the increased contact area between the melt pool boundary and powder bed. When θ > 50°, large waviness of the overhang contour, adhesion of powder clusters, severe warp deformation and dross formation increase Ra sharply.
레이저 파우더 베드 퓨전 (L-PBF) 프린팅 오버행 영역의 표면 거칠기는 형상 정확도 / 표면 품질 저하의 주요 원인입니다. 이 연구 는 오버행 영역에서 표면 거칠기 (Ra ) 의 진화 뒤에 있는 메커니즘을 조사합니다 . 표면 형태의 진화는 오버행 각도 ( θ ) 와 밀접한 관련이있는 경계 트랙 윤곽, 분말 접착, 뒤틀림 변형 및 드로스 형성의 조합의 결과입니다 . 0° ≤ θ ≤ 15° 인 경우 , 용융풀 경계의 작은 영역 만 분말 베드와 접촉하여 약간의 분말 접착이 발생하기 때문에 오버행 각도가 R a에 큰 영향을 주지 않습니다 . 15° < θ 일 때 ≤ 50°, 용융 풀 싱킹 및 용융 풀 경계와 분말 베드 사이의 증가된 접촉 면적으로 분말 접착력이 향상됩니다. θ > 50° 일 때 오버행 윤곽의 큰 파형, 분말 클러스터의 접착, 심한 휨 변형 및 드 로스 형성이 Ra 급격히 증가 합니다.
KEYWORDS: Laser powder bed fusion (L-PBF), melt pool dynamics, overhang region, shape deviation, surface roughness
1. Introduction
레이저 분말 베드 융합 (L-PBF)은 첨단 적층 제조 (AM) 기술로, 집중된 레이저 빔을 사용하여 금속 분말을 선택적으로 융합하여 슬라이스 된 3D 컴퓨터 지원에 따라 층별로 3 차원 (3D) 금속 부품을 구축합니다. 설계 (CAD) 모델 (Chatham, Long 및 Williams 2019 ; Tan, Zhu 및 Zhou 2020 ). 재료가 인쇄 층 아래에 존재하는지 여부에 따라 인쇄 영역은 각각 솔리드 영역 또는 돌출 영역으로 분류 될 수 있습니다. 따라서 오버행 영역은 고체 기판이 아니라 분말 베드 바로 위에 건설되는 특수 구조입니다 (Patterson, Messimer 및 Farrington 2017). 오버행 영역은지지 구조를 포함하거나 포함하지 않고 구축 할 수 있으며, 지지대가있는 돌출 영역의 L-PBF는 지지체가 더 낮은 밀도로 구축된다는 점을 제외 하고 (Wang and Chou 2018 ) 고체 기판의 공정과 유사합니다 (따라서 기계적 강도가 낮기 때문에 L-PBF 공정 후 기계적으로 쉽게 제거 할 수 있습니다. 따라서지지 구조로 인쇄 된 오버행 영역은 L-PBF 공정 후 지지물 제거, 연삭 및 연마와 같은 추가 후 처리 단계가 필요합니다.
수평 내부 채널의 제작과 같은 일부 특정 경우에는 공정 후 지지대를 제거하기가 어려우므로 채널 상단 절반의 돌출부 영역을 지지대없이 건설해야합니다 (Hopkinson and Dickens 2000 ). 수평 내부 채널에 사용할 수없는지지 구조 외에도 내부 표면, 특히 등각 냉각 채널 (Feng, Kamat 및 Pei 2021 ) 에서 발생하는 복잡한 3D 채널 네트워크의 경우 표면 마감 프로세스를 구현하는 것도 어렵습니다 . 결과적으로 오버행 영역은 (i) 잔류 응력에 의한 변형, (ii) 계단 효과 (Kuo et al. 2020 ; Li et al. 2020 )로 인해 설계된 모양에서 벗어날 수 있습니다 .) 및 (iii) 원하지 않는 분말 소결로 인한 향상된 표면 거칠기; 여기서, 앞의 두 요소는 일반적으로 mm 길이 스케일에서 ‘매크로’편차로 분류되고 후자는 일반적으로 µm 길이 스케일에서 ‘마이크로’편차로 인식됩니다.
열 응력에 의한 변형은 오버행 영역에서 발생하는 중요한 문제입니다 (Patterson, Messimer 및 Farrington 2017 ). 국부적 인 용융 / 냉각은 용융 풀 내부 및 주변에서 큰 온도 구배를 유도하여 응고 된 층에 집중적 인 열 응력을 유발합니다. 열 응력에 의한 뒤틀림은 고체 영역을 현저하게 변형하지 않습니다. 이러한 영역은 아래의 여러 레이어에 의해 제한되기 때문입니다. 반면에 오버행 영역은 구속되지 않고 공정 중 응력 완화로 인해 상당한 변형이 발생합니다 (Kamat 및 Pei 2019 ). 더욱이 용융 깊이는 레이어 두께보다 큽니다 (이전 레이어도 재용 해되어 빌드 된 레이어간에 충분한 결합을 보장하기 때문입니다 [Yadroitsev et al. 2013 ; Kamath et al.2014 ]),응고 된 두께가 설계된 두께보다 크기 때문에형태 편차 (예 : 드 로스 [Charles et al. 2020 ; Feng et al. 2020 ])가 발생합니다. 마이크로 스케일에서 인쇄 된 표면 (R a 및 S a ∼ 10 μm)은 기계적으로 가공 된 표면보다 거칠다 (Duval-Chaneac et al. 2018 ; Wen et al. 2018 ). 이 문제는고형화 된 용융 풀의 가장자리에 부착 된 용융되지 않은 분말의 결과로 표면 거칠기 (R a )가 일반적으로 약 20 μm인 오버행 영역에서 특히 심각합니다 (Mazur et al. 2016 ; Pakkanen et al. 2016 ).
오버행 각도 ( θ , 빌드 방향과 관련하여 측정)는 오버행 영역의 뒤틀림 편향과 표면 거칠기에 영향을 미치는 중요한 매개 변수입니다 (Kamat and Pei 2019 ; Mingear et al. 2019 ). θ ∼ 45 ° 의 오버행 각도 는 일반적으로지지 구조없이 오버행 영역을 인쇄 할 수있는 임계 값으로 합의됩니다 (Pakkanen et al. 2016 ; Kadirgama et al. 2018 ). θ 일 때이 임계 값보다 크면 오버행 영역을 허용 가능한 표면 품질로 인쇄 할 수 없습니다. 오버행 각도 외에도 레이저 매개 변수 (레이저 에너지 밀도와 관련된)는 용융 풀의 모양 / 크기 및 용융 풀 역학에 영향을줌으로써 오버행 영역의 표면 거칠기에 영향을줍니다 (Wang et al. 2013 ; Mingear et al . 2019 ).
용융 풀 역학은 고체 (Shrestha 및 Chou 2018 ) 및 오버행 (Le et al. 2020 ) 영역 모두에서 수행되는 L-PBF 공정을 포함한 레이저 재료 가공의 일반적인 물리적 현상입니다 . 용융 풀 모양, 크기 및 냉각 속도는 잔류 응력으로 인한 변형과 표면 거칠기에 모두 영향을 미치므로 처리 매개 변수와 표면 형태 / 품질 사이의 다리 역할을하며 용융 풀을 이해하기 위해 수치 시뮬레이션을 사용하여 추가 조사를 수행 할 수 있습니다. 거동과 표면 거칠기에 미치는 영향. 현재까지 고체 영역의 L-PBF 동안 용융 풀 동작을 시뮬레이션하기 위해 여러 연구가 수행되었습니다. 유한 요소 방법 (FEM)과 같은 시뮬레이션 기술 (Roberts et al. 2009 ; Du et al.2019 ), 유한 차분 법 (FDM) (Wu et al. 2018 ), 전산 유체 역학 (CFD) (Lee and Zhang 2016 ), 임의의 Lagrangian-Eulerian 방법 (ALE) (Khairallah and Anderson 2014 )을 사용하여 증발 반동 압력 (Hu et al. 2018 ) 및 Marangoni 대류 (Zhang et al. 2018 ) 현상을포함하는 열 전달 (온도 장) 및 물질 전달 (용융 흐름) 프로세스. 또한 이산 요소법 (DEM)을 사용하여 무작위 분산 분말 베드를 생성했습니다 (Lee and Zhang 2016 ; Wu et al. 2018 ). 이 모델은 분말 규모의 L-PBF 공정을 시뮬레이션했습니다 (Khairallah et al. 2016) 메조 스케일 (Khairallah 및 Anderson 2014 ), 단일 트랙 (Leitz et al. 2017 )에서 다중 트랙 (Foroozmehr et al. 2016 ) 및 다중 레이어 (Huang, Khamesee 및 Toyserkani 2019 )로.
그러나 결과적인 표면 거칠기를 결정하는 오버행 영역의 용융 풀 역학은 문헌에서 거의 관심을받지 못했습니다. 솔리드 영역의 L-PBF에 대한 기존 시뮬레이션 모델이 어느 정도 참조가 될 수 있지만 오버행 영역과 솔리드 영역 간의 용융 풀 역학에는 상당한 차이가 있습니다. 오버행 영역에서 용융 금속은 분말 입자 사이의 틈새로 아래로 흘러 용융 풀이 다공성 분말 베드가 제공하는 약한 지지체 아래로 가라 앉습니다. 이것은 중력과 표면 장력의 영향이 용융 풀의 결과적인 모양 / 크기를 결정하는 데 중요하며, 결과적으로 오버행 영역의 마이크로 스케일 형태의 진화에 중요합니다. 또한 분말 입자 사이의 공극, 열 조건 (예 : 에너지 흡수,2019 ; Karimi et al. 2020 ; 노래와 영 2020 ). 표면 거칠기는 (마이크로) 형상 편차를 증가시킬뿐만 아니라 주기적 하중 동안 미세 균열의 시작 지점 역할을함으로써 기계적 강도를 저하시킵니다 (Günther et al. 2018 ). 오버행 영역의 높은 표면 거칠기는 (마이크로) 정확도 / 품질에 대한 엄격한 요구 사항이있는 부품 제조에서 L-PBF의 적용을 제한합니다.
본 연구는 실험 및 시뮬레이션 연구를 사용하여 오버행 영역 (지지물없이 제작)의 미세 형상 편차 형성 메커니즘과 표면 거칠기의 기원을 체계적이고 포괄적으로 조사합니다. 결합 된 DEM-CFD 시뮬레이션 모델은 경계 트랙 윤곽, 분말 접착 및 뒤틀림 변형의 효과를 고려하여 오버행 영역의 용융 풀 역학과 표면 형태의 형성 메커니즘을 나타 내기 위해 개발되었습니다. 표면 거칠기 R의 시뮬레이션 및 단일 요인 L-PBF 인쇄 실험을 사용하여 오버행 각도의 함수로 연구됩니다. 용융 풀의 침몰과 관련된 오버행 영역에서 분말 접착의 세 가지 메커니즘이 식별되고 자세히 설명됩니다. 마지막으로, 인쇄 된 오버행 영역에서 높은 표면 거칠기 문제를 완화 할 수 있는 잠재적 솔루션에 대해 간략하게 설명합니다.
The shape and size of the L-PBF printed samples are illustrated in Figure 1Figure 2. Borders in the overhang region depending on the overhang angle θFigure 3. (a) Profile of the volumetric heat source, (b) the model geometry of single-track printing on a solid substrate (unit: µm), and (c) the comparison of melt pool dimensions obtained from the experiment (right half) and simulation (left half) for a calibrated optical penetration depth of 110 µm (laser power 200 W and scan speed 800 mm/s, solidified layer thickness 30 µm, powder size 10–45 µm).Figure 4. The model geometry of an overhang being L-PBF processed: (a) 3D view and (b) right view.Figure 5. The cross-sectional contour of border tracks in a 45° overhang region.Figure 6. Evolution of melt pool in the overhang region (θ = 45°, P = 100 W, v = 1000 mm/s, the streamlines are shown by arrows).Figure 7. The overhang contour is contributed by (a) only outer borders when θ ≤ 60° (b) both inner borders and outer borders when θ > 60°.Figure 8. Schematic of powder adhesion on a 45° overhang region.Figure 9. The L-PBF printed samples with various overhang angle (a) θ = 0° (cube), (b) θ = 30°, (c) θ = 45°, (d) θ = 55° and (e) θ = 60°.Figure 10. Two mechanisms of powder adhesion related to the overhang angle: (a) simulation-predicted, θ = 45°; (b) simulation-predicted, θ = 60°; (c, e) optical micrographs, θ = 45°; (d, f) optical micrographs, θ = 60°. (e) and (f) are partial enlargement of (c) and (d), respectively.Figure 11. Simulation-predicted surface morphology in the overhang region at different overhang angle: (a) θ = 15°, (b) θ = 30°, (c) θ = 45°, (d) θ = 60° and (e) θ = 80° (Blue solid lines: simulation-predicted contour; red dashed lines: the planar profile of designed overhang region specified by the overhang angles).Figure 12. Effect of overhang angle on surface roughness Ra in overhang regionsFigure 13. Surface morphology of L-PBF printed overhang regions with different overhang angle: (a) θ = 15°, (b) θ = 30°, (c) θ = 45° and (d) θ = 60° (overhang border parameters: P = 100 W, v = 1000 mm/s).Figure 14. Effect of (a) laser power (scan speed = 1000 mm/s) and (b) scan speed (lase power = 100 W) on surface roughness Ra in overhang regions (θ = 45°, laser power and scan speed referred to overhang border parameters, and the other process parameters are listed in Table 2).
References
Cai, Chao, Chrupcala Radoslaw, Jinliang Zhang, Qian Yan, Shifeng Wen, Bo Song, and Yusheng Shi. 2019. “In-Situ Preparation and Formation of TiB/Ti-6Al-4V Nanocomposite via Laser Additive Manufacturing: Microstructure Evolution and Tribological Behavior.” Powder Technology 342: 73–84. doi:10.1016/j.powtec.2018.09.088. [Crossref], [Web of Science ®], [Google Scholar]
Cai, Chao, Wei Shian Tey, Jiayao Chen, Wei Zhu, Xingjian Liu, Tong Liu, Lihua Zhao, and Kun Zhou. 2021. “Comparative Study on 3D Printing of Polyamide 12 by Selective Laser Sintering and Multi Jet Fusion.” Journal of Materials Processing Technology 288 (August 2020): 116882. doi:10.1016/j.jmatprotec.2020.116882. [Crossref], [Web of Science ®], [Google Scholar]
Cai, Chao, Xu Wu, Wan Liu, Wei Zhu, Hui Chen, Jasper Dong Qiu Chua, Chen Nan Sun, Jie Liu, Qingsong Wei, and Yusheng Shi. 2020. “Selective Laser Melting of Near-α Titanium Alloy Ti-6Al-2Zr-1Mo-1V: Parameter Optimization, Heat Treatment and Mechanical Performance.” Journal of Materials Science and Technology 57: 51–64. doi:10.1016/j.jmst.2020.05.004. [Crossref], [Web of Science ®], [Google Scholar]
Charles, Amal, Ahmed Elkaseer, Lore Thijs, and Steffen G. Scholz. 2020. “Dimensional Errors Due to Overhanging Features in Laser Powder Bed Fusion Parts Made of Ti-6Al-4V.” Applied Sciences 10 (7): 2416. doi:10.3390/app10072416. [Crossref], [Google Scholar]
Chatham, Camden A., Timothy E. Long, and Christopher B. Williams. 2019. “A Review of the Process Physics and Material Screening Methods for Polymer Powder Bed Fusion Additive Manufacturing.” Progress in Polymer Science 93: 68–95. doi:10.1016/j.progpolymsci.2019.03.003. [Crossref], [Web of Science ®], [Google Scholar]
Du, Yang, Xinyu You, Fengbin Qiao, Lijie Guo, and Zhengwu Liu. 2019. “A Model for Predicting the Temperature Field during Selective Laser Melting.” Results in Physics 12 (November 2018): 52–60. doi:10.1016/j.rinp.2018.11.031. [Crossref], [Web of Science ®], [Google Scholar]
Duval-Chaneac, M. S., S. Han, C. Claudin, F. Salvatore, J. Bajolet, and J. Rech. 2018. “Experimental Study on Finishing of Internal Laser Melting (SLM) Surface with Abrasive Flow Machining (AFM).” Precision Engineering 54 (July 2017): 1–6. doi:10.1016/j.precisioneng.2018.03.006. [Crossref], [Web of Science ®], [Google Scholar]
Feng, Shaochuan, Shijie Chen, Amar M. Kamat, Ru Zhang, Mingji Huang, and Liangcai Hu. 2020. “Investigation on Shape Deviation of Horizontal Interior Circular Channels Fabricated by Laser Powder Bed Fusion.” Additive Manufacturing 36 (December): 101585. doi:10.1016/j.addma.2020.101585. [Crossref], [Web of Science ®], [Google Scholar]
Feng, Shaochuan, Chuanzhen Huang, Jun Wang, Hongtao Zhu, Peng Yao, and Zhanqiang Liu. 2017. “An Analytical Model for the Prediction of Temperature Distribution and Evolution in Hybrid Laser-Waterjet Micro-Machining.” Precision Engineering 47: 33–45. doi:10.1016/j.precisioneng.2016.07.002. [Crossref], [Web of Science ®], [Google Scholar]
Feng, Shaochuan, Amar M. Kamat, and Yutao Pei. 2021. “Design and Fabrication of Conformal Cooling Channels in Molds: Review and Progress Updates.” International Journal of Heat and Mass Transfer. doi:10.1016/j.ijheatmasstransfer.2021.121082. [Crossref], [PubMed], [Web of Science ®], [Google Scholar]
Flow-3D V11.2 Documentation. 2016. Flow Science, Inc. [Crossref], [Google Scholar]
Foroozmehr, Ali, Mohsen Badrossamay, Ehsan Foroozmehr, and Sa’id Golabi. 2016. “Finite Element Simulation of Selective Laser Melting Process Considering Optical Penetration Depth of Laser in Powder Bed.” Materials and Design 89: 255–263. doi:10.1016/j.matdes.2015.10.002. [Crossref], [Web of Science ®], [Google Scholar]
“Geometrical Product Specifications (GPS) — Surface Texture: Profile Method — Rules and Procedures for the Assessment of Surface Texture (ISO 4288).” 1996. International Organization for Standardization. https://www.iso.org/standard/2096.html. [Google Scholar]
Günther, Johannes, Stefan Leuders, Peter Koppa, Thomas Tröster, Sebastian Henkel, Horst Biermann, and Thomas Niendorf. 2018. “On the Effect of Internal Channels and Surface Roughness on the High-Cycle Fatigue Performance of Ti-6Al-4V Processed by SLM.” Materials & Design 143: 1–11. doi:10.1016/j.matdes.2018.01.042. [Crossref], [Web of Science ®], [Google Scholar]
Hopkinson, Neil, and Phill Dickens. 2000. “Conformal Cooling and Heating Channels Using Laser Sintered Tools.” In Solid Freeform Fabrication Conference, 490–497. Texas. doi:10.26153/tsw/3075. [Crossref], [Google Scholar]
Hu, Zhiheng, Haihong Zhu, Changchun Zhang, Hu Zhang, Ting Qi, and Xiaoyan Zeng. 2018. “Contact Angle Evolution during Selective Laser Melting.” Materials and Design 139: 304–313. doi:10.1016/j.matdes.2017.11.002. [Crossref], [Web of Science ®], [Google Scholar]
Hu, Cheng, Kejia Zhuang, Jian Weng, and Donglin Pu. 2019. “Three-Dimensional Analytical Modeling of Cutting Temperature for Round Insert Considering Semi-Infinite Boundary and Non-Uniform Heat Partition.” International Journal of Mechanical Sciences 155 (October 2018): 536–553. doi:10.1016/j.ijmecsci.2019.03.019. [Crossref], [Web of Science ®], [Google Scholar]
Huang, Yuze, Mir Behrad Khamesee, and Ehsan Toyserkani. 2019. “A New Physics-Based Model for Laser Directed Energy Deposition (Powder-Fed Additive Manufacturing): From Single-Track to Multi-Track and Multi-Layer.” Optics & Laser Technology 109 (August 2018): 584–599. doi:10.1016/j.optlastec.2018.08.015. [Crossref], [Web of Science ®], [Google Scholar]
Kadirgama, K., W. S. W. Harun, F. Tarlochan, M. Samykano, D. Ramasamy, Mohd Zaidi Azir, and H. Mehboob. 2018. “Statistical and Optimize of Lattice Structures with Selective Laser Melting (SLM) of Ti6AL4V Material.” International Journal of Advanced Manufacturing Technology 97 (1–4): 495–510. doi:10.1007/s00170-018-1913-1. [Crossref], [Web of Science ®], [Google Scholar]
Kamat, Amar M, and Yutao Pei. 2019. “An Analytical Method to Predict and Compensate for Residual Stress-Induced Deformation in Overhanging Regions of Internal Channels Fabricated Using Powder Bed Fusion.” Additive Manufacturing 29 (March): 100796. doi:10.1016/j.addma.2019.100796. [Crossref], [Web of Science ®], [Google Scholar]
Kamath, Chandrika, Bassem El-Dasher, Gilbert F. Gallegos, Wayne E. King, and Aaron Sisto. 2014. “Density of Additively-Manufactured, 316L SS Parts Using Laser Powder-Bed Fusion at Powers up to 400 W.” International Journal of Advanced Manufacturing Technology 74 (1–4): 65–78. doi:10.1007/s00170-014-5954-9. [Crossref], [Web of Science ®], [Google Scholar]
Karimi, J., C. Suryanarayana, I. Okulov, and K. G. Prashanth. 2020. “Selective Laser Melting of Ti6Al4V: Effect of Laser Re-Melting.” Materials Science and Engineering A (July): 140558. doi:10.1016/j.msea.2020.140558. [Crossref], [Web of Science ®], [Google Scholar]
Khairallah, Saad A., and Andy Anderson. 2014. “Mesoscopic Simulation Model of Selective Laser Melting of Stainless Steel Powder.” Journal of Materials Processing Technology 214 (11): 2627–2636. doi:10.1016/j.jmatprotec.2014.06.001. [Crossref], [Web of Science ®], [Google Scholar]
Khairallah, Saad A., Andrew T. Anderson, Alexander Rubenchik, and Wayne E. King. 2016. “Laser Powder-Bed Fusion Additive Manufacturing: Physics of Complex Melt Flow and Formation Mechanisms of Pores, Spatter, and Denudation Zones.” Edited by Adedeji B. Badiru, Vhance V. Valencia, and David Liu. Acta Materialia 108 (April): 36–45. doi:10.1016/j.actamat.2016.02.014. [Crossref], [Web of Science ®], [Google Scholar]
Kuo, C. N., C. K. Chua, P. C. Peng, Y. W. Chen, S. L. Sing, S. Huang, and Y. L. Su. 2020. “Microstructure Evolution and Mechanical Property Response via 3D Printing Parameter Development of Al–Sc Alloy.” Virtual and Physical Prototyping 15 (1): 120–129. doi:10.1080/17452759.2019.1698967. [Taylor & Francis Online], [Web of Science ®], [Google Scholar]
Le, K. Q., C. H. Wong, K. H. G. Chua, C. Tang, and H. Du. 2020. “Discontinuity of Overhanging Melt Track in Selective Laser Melting Process.” International Journal of Heat and Mass Transfer 162 (December): 120284. doi:10.1016/j.ijheatmasstransfer.2020.120284. [Crossref], [Web of Science ®], [Google Scholar]
Lee, Y. S., and W. Zhang. 2016. “Modeling of Heat Transfer, Fluid Flow and Solidification Microstructure of Nickel-Base Superalloy Fabricated by Laser Powder Bed Fusion.” Additive Manufacturing 12: 178–188. doi:10.1016/j.addma.2016.05.003. [Crossref], [Web of Science ®], [Google Scholar]
Leitz, K. H., P. Singer, A. Plankensteiner, B. Tabernig, H. Kestler, and L. S. Sigl. 2017. “Multi-Physical Simulation of Selective Laser Melting.” Metal Powder Report 72 (5): 331–338. doi:10.1016/j.mprp.2016.04.004. [Crossref], [Google Scholar]
Li, Jian, Jing Hu, Yi Zhu, Xiaowen Yu, Mengfei Yu, and Huayong Yang. 2020. “Surface Roughness Control of Root Analogue Dental Implants Fabricated Using Selective Laser Melting.” Additive Manufacturing 34 (September 2019): 101283. doi:10.1016/j.addma.2020.101283. [Crossref], [Web of Science ®], [Google Scholar]
Li, Yingli, Kun Zhou, Pengfei Tan, Shu Beng Tor, Chee Kai Chua, and Kah Fai Leong. 2018. “Modeling Temperature and Residual Stress Fields in Selective Laser Melting.” International Journal of Mechanical Sciences 136 (February): 24–35. doi:10.1016/j.ijmecsci.2017.12.001. [Crossref], [Web of Science ®], [Google Scholar]
Mazur, MacIej, Martin Leary, Matthew McMillan, Joe Elambasseril, and Milan Brandt. 2016. “SLM Additive Manufacture of H13 Tool Steel with Conformal Cooling and Structural Lattices.” Rapid Prototyping Journal 22 (3): 504–518. doi:10.1108/RPJ-06-2014-0075. [Crossref], [Web of Science ®], [Google Scholar]
Mingear, Jacob, Bing Zhang, Darren Hartl, and Alaa Elwany. 2019. “Effect of Process Parameters and Electropolishing on the Surface Roughness of Interior Channels in Additively Manufactured Nickel-Titanium Shape Memory Alloy Actuators.” Additive Manufacturing 27 (October 2018): 565–575. doi:10.1016/j.addma.2019.03.027. [Crossref], [Web of Science ®], [Google Scholar]
Pakkanen, Jukka, Flaviana Calignano, Francesco Trevisan, Massimo Lorusso, Elisa Paola Ambrosio, Diego Manfredi, and Paolo Fino. 2016. “Study of Internal Channel Surface Roughnesses Manufactured by Selective Laser Melting in Aluminum and Titanium Alloys.” Metallurgical and Materials Transactions A 47 (8): 3837–3844. doi:10.1007/s11661-016-3478-7. [Crossref], [Web of Science ®], [Google Scholar]
Patterson, Albert E., Sherri L. Messimer, and Phillip A. Farrington. 2017. “Overhanging Features and the SLM/DMLS Residual Stresses Problem: Review and Future Research Need.” Technologies 5 (4): 15. doi:10.3390/technologies5020015. [Crossref], [Web of Science ®], [Google Scholar]
Roberts, I. A., C. J. Wang, R. Esterlein, M. Stanford, and D. J. Mynors. 2009. “A Three-Dimensional Finite Element Analysis of the Temperature Field during Laser Melting of Metal Powders in Additive Layer Manufacturing.” International Journal of Machine Tools and Manufacture 49 (12–13): 916–923. doi:10.1016/j.ijmachtools.2009.07.004. [Crossref], [Web of Science ®], [Google Scholar]
Shrestha, Subin, and Kevin Chou. 2018. “Computational Analysis of Thermo-Fluid Dynamics with Metallic Powder in SLM.” In CFD Modeling and Simulation in Materials Processing 2018, edited by Laurentiu Nastac, Koulis Pericleous, Adrian S. Sabau, Lifeng Zhang, and Brian G. Thomas, 85–95. Cham, Switzerland: Springer Nature. doi:10.1007/978-3-319-72059-3_9. [Crossref], [Google Scholar]
Sing, S. L., and W. Y. Yeong. 2020. “Laser Powder Bed Fusion for Metal Additive Manufacturing: Perspectives on Recent Developments.” Virtual and Physical Prototyping 15 (3): 359–370. doi:10.1080/17452759.2020.1779999. [Taylor & Francis Online], [Web of Science ®], [Google Scholar]
Šmilauer, Václav, Emanuele Catalano, Bruno Chareyre, Sergei Dorofeenko, Jérôme Duriez, Nolan Dyck, Jan Eliáš, et al. 2015. Yade Documentation. 2nd ed. The Yade Project. doi:10.5281/zenodo.34073. [Crossref], [Google Scholar]
Tan, Pengfei, Fei Shen, Biao Li, and Kun Zhou. 2019. “A Thermo-Metallurgical-Mechanical Model for Selective Laser Melting of Ti6Al4V.” Materials & Design 168 (April): 107642. doi:10.1016/j.matdes.2019.107642. [Crossref], [Web of Science ®], [Google Scholar]
Tan, Lisa Jiaying, Wei Zhu, and Kun Zhou. 2020. “Recent Progress on Polymer Materials for Additive Manufacturing.” Advanced Functional Materials 30 (43): 1–54. doi:10.1002/adfm.202003062. [Crossref], [Web of Science ®], [Google Scholar]
Wang, Xiaoqing, and Kevin Chou. 2018. “Effect of Support Structures on Ti-6Al-4V Overhang Parts Fabricated by Powder Bed Fusion Electron Beam Additive Manufacturing.” Journal of Materials Processing Technology 257 (February): 65–78. doi:10.1016/j.jmatprotec.2018.02.038. [Crossref], [Web of Science ®], [Google Scholar]
Wang, Di, Yongqiang Yang, Ziheng Yi, and Xubin Su. 2013. “Research on the Fabricating Quality Optimization of the Overhanging Surface in SLM Process.” International Journal of Advanced Manufacturing Technology 65 (9–12): 1471–1484. doi:10.1007/s00170-012-4271-4. [Crossref], [Web of Science ®], [Google Scholar]
Wen, Peng, Maximilian Voshage, Lucas Jauer, Yanzhe Chen, Yu Qin, Reinhart Poprawe, and Johannes Henrich Schleifenbaum. 2018. “Laser Additive Manufacturing of Zn Metal Parts for Biodegradable Applications: Processing, Formation Quality and Mechanical Properties.” Materials and Design 155: 36–45. doi:10.1016/j.matdes.2018.05.057. [Crossref], [Web of Science ®], [Google Scholar]
Wu, Yu-che, Cheng-hung San, Chih-hsiang Chang, Huey-jiuan Lin, Raed Marwan, Shuhei Baba, and Weng-Sing Hwang. 2018. “Numerical Modeling of Melt-Pool Behavior in Selective Laser Melting with Random Powder Distribution and Experimental Validation.” Journal of Materials Processing Technology 254 (November 2017): 72–78. doi:10.1016/j.jmatprotec.2017.11.032. [Crossref], [Web of Science ®], [Google Scholar]
Yadroitsev, I., P. Krakhmalev, I. Yadroitsava, S. Johansson, and I. Smurov. 2013. “Energy Input Effect on Morphology and Microstructure of Selective Laser Melting Single Track from Metallic Powder.” Journal of Materials Processing Technology 213 (4): 606–613. doi:10.1016/j.jmatprotec.2012.11.014. [Crossref], [Web of Science ®], [Google Scholar]
Yu, Wenhui, Swee Leong Sing, Chee Kai Chua, and Xuelei Tian. 2019. “Influence of Re-Melting on Surface Roughness and Porosity of AlSi10Mg Parts Fabricated by Selective Laser Melting.” Journal of Alloys and Compounds 792: 574–581. doi:10.1016/j.jallcom.2019.04.017. [Crossref], [Web of Science ®], [Google Scholar]
Zhang, Dongyun, Pudan Zhang, Zhen Liu, Zhe Feng, Chengjie Wang, and Yanwu Guo. 2018. “Thermofluid Field of Molten Pool and Its Effects during Selective Laser Melting (SLM) of Inconel 718 Alloy.” Additive Manufacturing 21 (100): 567–578. doi:10.1016/j.addma.2018.03.031. [Crossref], [Web of Science ®], [Google Scholar]
1Department of Chemical and Biomolecular Engineering, ETSIIT, University of Cantabria, Avda. Los Castros s/n, 39005 Santander, Spain
2William G. Lowrie Department of Chemical and Biomolecular Engineering, The Ohio State University, 151 W. Woodruff Ave., Columbus, OH 43210, USA *Author to whom correspondence should be addressed.
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 분리를위한 기능화 된 자성 입자의 사용은 계속해서 상당한 관심을 받고 있습니다. 표적 물질과 함께 배양 한 후 비드를 자기 적으로 회수하여 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 설계하는 데있어 핵심이기는 하지만 시스템 성능에 대한 채널 형상의 영향에 대해서는 덜주의를 기울였습니다.
여기에서 우리는 자기 비드가 혈액에서 분리되고 외부 자기장을 적용하여 버퍼 스트림으로 수집되는 YY 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 검증 된 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 랩온어 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 U-shaped (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.
References
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. [Google Scholar] [CrossRef]
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. [Google Scholar] [CrossRef]
Khashan, S.A.; Elnajjar, E.; Haik, Y. CFD simulation of the magnetophoretic separation in a microchannel. J. Magn. Magn. Mater.2011, 323, 2960–2967. [Google Scholar] [CrossRef]
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. [Google Scholar] [CrossRef]
Furlani, E.P. Magnetic biotransport: Analysis and applications. Materials2010, 3, 2412–2446. [Google Scholar] [CrossRef]
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 Drug Delivery Systems; Stroeve, P., Mahmoudi, M., Eds.; World Scientific: Hackensack, NJ, USA, 2017; pp. 207–244. ISBN 9789813201057. [Google Scholar]
Ruffert, C. Magnetic bead-magic bullet. Micromachines2016, 7, 21. [Google Scholar] [CrossRef]
Yáñez-Sedeño, P.; Campuzano, S.; Pingarrón, J.M. Magnetic particles coupled to disposable screen printed transducers for electrochemical biosensing. Sensors2016, 16, 1585. [Google Scholar] [CrossRef]
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. Sensors2016, 16, 828. [Google Scholar] [CrossRef]
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. [Google Scholar] [CrossRef]
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. [Google Scholar] [CrossRef]
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. [Google Scholar] [CrossRef]
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. Inventions2018, 3, 60. [Google Scholar] [CrossRef]
Nanobiotechnology; Concepts, Applications and Perspectives; Niemeyer, C.M.; Mirkin, C.A. (Eds.) Wiley-VCH: Weinheim, Germany, 2004; ISBN 3527305068. [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. [Google Scholar] [CrossRef]
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. [Google Scholar] [CrossRef]
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. [Google Scholar] [CrossRef]
Khashan, S.A.; Alazzam, A.; Furlani, E. A novel design for a microfluidic magnetophoresis system: Computational study. In 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 Chip2006, 6, 24–38. [Google Scholar] [CrossRef]
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. C2019, 123, 10065–10080. [Google Scholar] [CrossRef]
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. [Google Scholar] [CrossRef]
Tarn, M.D.; Pamme, N. On-Chip Magnetic Particle-Based Immunoassays Using Multilaminar Flow for Clinical Diagnostics. In Microchip Diagnostics Methods and Protocols; Taly, V., Viovy, J.L., Descroix, S., Eds.; 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. [Google Scholar] [CrossRef]
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. [Google Scholar] [CrossRef]
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. [Google Scholar] [CrossRef]
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 Chip2018, 18, 1593–1606. [Google Scholar] [CrossRef] [PubMed]
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. [Google Scholar] [CrossRef]
Hale, C.; Darabi, J. Magnetophoretic-based microfluidic device for DNA isolation. Biomicrofluidics2014, 8, 044118. [Google Scholar] [CrossRef] [PubMed]
Becker, H.; Gärtner, C. Polymer microfabrication methods for microfluidic analytical applications. Electrophoresis2000, 21, 12–26. [Google Scholar] [CrossRef]
Pekas, N.; Zhang, Q.; Nannini, M.; Juncker, D. Wet-etching of structures with straight facets and adjustable taper into glass substrates. Lab Chip2010, 10, 494–498. [Google Scholar] [CrossRef]
Wang, T.; Chen, J.; Zhou, T.; Song, L. Fabricating microstructures on glass for microfluidic chips by glass molding process. Micromachines2018, 9, 269. [Google Scholar] [CrossRef]
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. [Google Scholar] [CrossRef]
Prakash, S.; Kumar, S. Fabrication of microchannels: A review. Proc. Inst. Mech. Eng. Part B J. Eng. Manuf.2015, 229, 1273–1288. [Google Scholar] [CrossRef]
Leester-Schädel, M.; Lorenz, T.; Jürgens, F.; Ritcher, C. Fabrication of Microfluidic Devices. In Microsystems for Pharmatechnology: Manipulation of Fluids, Particles, Droplets, and Cells; Dietzel, A., Ed.; Springer: Basel, Switzerland, 2016; pp. 23–57. ISBN 9783319269207. [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. [Google Scholar] [CrossRef]
Ng, P.F.; Lee, K.I.; Yang, M.; Fei, B. Fabrication of 3D PDMS microchannels of adjustable cross-sections via versatile gel templates. Polymers2019, 11, 64. [Google Scholar] [CrossRef] [PubMed]
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. Microdevices2007, 9, 451–463. [Google Scholar] [CrossRef]
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. [Google Scholar] [CrossRef]
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. [Google Scholar] [CrossRef]
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. [Google Scholar] [CrossRef]
Furlani, E.P.; Ng, K.C. Analytical model of magnetic nanoparticle transport and capture in the microvasculature. Phys. Rev. E2006, 73, 061919. [Google Scholar] [CrossRef]
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. [Google Scholar] [CrossRef]
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 Chip2017, 17, 3785–3795. [Google Scholar] [CrossRef]
Zhang, H.; Guo, H.; Chen, Z.; Zhang, G.; Li, Z. Application of PECVD SiC in glass micromachining. J. Micromech. Microeng.2007, 17, 775–780. [Google Scholar] [CrossRef]
Mourzina, Y.; Steffen, A.; Offenhäusser, A. The evaporated metal masks for chemical glass etching for BioMEMS. Microsyst. Technol.2005, 11, 135–140. [Google Scholar] [CrossRef]
Mata, A.; Fleischman, A.J.; Roy, S. Fabrication of multi-layer SU-8 microstructures. J. Micromech. Microeng.2006, 16, 276–284. [Google Scholar] [CrossRef]
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. [Google Scholar] [CrossRef]
Kazoe, Y.; Yamashiro, I.; Mawatari, K.; Kitamori, T. High-pressure acceleration of nanoliter droplets in the gas phase in a microchannel. Micromachines2016, 7, 142. [Google Scholar] [CrossRef]
Sharp, K.V.; Adrian, R.J.; Santiago, J.G.; Molho, J.I. Liquid flows in microchannels. In MEMS: Introduction and Fundamentals; Gad-el-Hak, M., Ed.; CRC Press: Boca Raton, FL, USA, 2006; pp. 10-1–10-46. ISBN 9781420036572. [Google Scholar]
Oh, K.W.; Lee, K.; Ahn, B.; Furlani, E.P. Design of pressure-driven microfluidic networks using electric circuit analogy. Lab Chip2012, 12, 515–545. [Google Scholar] [CrossRef]
Bruus, H. Theoretical Microfluidics; Oxford University Press: New York, NY, USA, 2008; ISBN 9788578110796. [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. [Google Scholar] [CrossRef] [PubMed]
Yalikun, Y.; Tanaka, Y. Large-scale integration of all-glass valves on a microfluidic device. Micromachines2016, 7, 83. [Google Scholar] [CrossRef] [PubMed]
Van Heeren, H.; Verhoeven, D.; Atkins, T.; Tzannis, A.; Becker, H.; Beusink, W.; Chen, P. Design Guideline for Microfluidic Device and Component Interfaces (Part 2), Version 3; Available online: http://www.makefluidics.com/en/design-guideline?id=7 (accessed on 9 March 2020).
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. [Google Scholar] [CrossRef] [PubMed]
Lynch, E.C. Red blood cell damage by shear stress. Biophys. J.1972, 12, 257–273. [Google Scholar]
Paul, R.; Apel, J.; Klaus, S.; Schügner, F.; Schwindke, P.; Reul, H. Shear stress related blood damage in laminar Couette flow. Artif. Organs2003, 27, 517–529. [Google Scholar] [CrossRef] [PubMed]
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. C2017, 121, 7466–7477. [Google Scholar] [CrossRef]
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. [Google Scholar] [CrossRef] [PubMed]
Culbertson, C.T.; Sibbitts, J.; Sellens, K.; Jia, S. Fabrication of Glass Microfluidic Devices. In Microfluidic Electrophoresis: Methods and Protocols; Dutta, D., Ed.; Humana Press: New York, NY, USA, 2019; pp. 1–12. ISBN 978-1-4939-8963-8. [Google Scholar]
이 연구에서는 비드 운동과 유체 흐름에 미치는 영향에 대한 자세한 분석을 제공하기 위해 연속 흐름 마이크로 채널 내부의 비드 자기 영동에 대한 수치 흐름 중심 연구를 보고합니다.
수치 모델은 Lagrangian 접근 방식을 포함하며 영구 자석에 의해 생성 된 자기장의 적용에 의해 혈액에서 비드 분리 및 유동 버퍼로의 수집을 예측합니다.
다음 시나리오가 모델링됩니다. (i) 운동량이 유체에서 점 입자로 처리되는 비드로 전달되는 단방향 커플 링, (ii) 비드가 점 입자로 처리되고 운동량이 다음으로부터 전달되는 양방향 결합 비드를 유체로 또는 그 반대로, (iii) 유체 변위에서 비드 체적의 영향을 고려한 양방향 커플 링.
결과는 세 가지 시나리오에서 비드 궤적에 약간의 차이가 있지만 특히 높은 자기력이 비드에 적용될 때 유동장에 상당한 변화가 있음을 나타냅니다.
따라서 높은 자기력을 사용할 때 비드 운동과 유동장의 체적 효과를 고려한 정확한 전체 유동 중심 모델을 해결해야 합니다. 그럼에도 불구하고 비드가 중간 또는 낮은 자기력을 받을 때 계산적으로 저렴한 모델을 안전하게 사용하여 자기 영동을 모델링 할 수 있습니다.
Sketch of the magnetophoresis process in the continuous-flow microdevice.Schematic view of the microdevice showing the working conditions set in the simulations.Bead trajectories for different magnetic field conditions, magnet placed at different distances “d” from the channel: (a) d = 0; (b) d = 1 mm; (c) d = 1.5 mm; (d) d = 2 mmSeparation efficacy as a function of the magnet distance. Comparison between one-way and two-way coupling.
(a) Fluid velocity magnitude including velocity vectors and (b) blood volumetric fraction contours with magnet distance d = 0 mm for scenario 1 (t = 0.25 s).luid velocity magnitude including velocity vectors and blood volumetric fraction contours for scenario 2: (a,b) Magnet distance d = 0 mm at t = 0.4 s; (c,d) Magnet distance d = 1 mm at t = 0.4 s.Fluid velocity magnitude including velocity vectors and blood volumetric fraction contours for scenario 3: (a,b) Magnet distance d = 0; (c,d) Magnet distance d = 1 mm.Blood volumetric fraction contours. Scenario 1: (a) Magnet distance d = 0 and (b) Magnet distance d = 1 mm; Scenario 2: (c) Magnet distance d = 0 and (d) Magnet distance d = 1 mm; and Scenario 3: (e) Magnet distance d = 0 and (f) Magnet distance d = 1 mm.
References
1.Keshipour, S. & Khalteh, N. K. Oxidation of ethylbenzene to styrene oxide in the presence of cellulose-supported Pd magnetic nanoparticles. Appl. Organometal. Chem.30, 653–656 (2016).CASArticleGoogle Scholar
2.Neamtu, M. et al. Functionalized magnetic nanoparticles: synthesis, characterization, catalytic application and assessment of toxicity. Sci. Rep.8(1), 6278 (2018).ADSMathSciNetArticleGoogle Scholar
3.Gómez-Pastora, J., Bringas, E. & Ortiz, I. Recent progress and future challenges on the use of high performance magnetic nano-adsorbents in environmental applications. Chem. Eng. J.256, 187–204 (2014).ArticleGoogle Scholar
4.Gómez-Pastora, J., Bringas, E. & Ortiz, I. Design of novel adsorption processes for the removal of arsenic from polluted groundwater employing functionalized magnetic nanoparticles. Chem. Eng. Trans.47, 241–246 (2016).Google Scholar
5.Bagbi, Y., Sarswat, A., Mohan, D., Pandey, A. & Solanki, P. R. Lead and chromium adsorption from water using L-Cysteine functionalized magnetite (Fe3O4) nanoparticles. Sci. Rep.7(1), 7672 (2017).ADSArticleGoogle Scholar
6.Gómez-Pastora, J. et al. Review and perspectives on the use of magnetic nanophotocatalysts (MNPCs) in water treatment. Chem. Eng. J.310, 407–427 (2017).ArticleGoogle Scholar
7.Lee, H. Y. et al. A selective fluoroionophore based on BODIPY-functionalized magnetic silica nanoparticles: removal of Pb2+ from human blood. Angew. Chem. Int. Ed.48, 1239–1243 (2009).CASArticleGoogle Scholar
8.Buzea, C., Pacheco, I. I. & Robbie, K. Nanomaterials and nanoparticles: sources and toxicity. Biointerphases2, MR17–MR71 (2007).ArticleGoogle Scholar
9.Roux, S. et al. Multifunctional nanoparticles: from the detection of biomolecules to the therapy. Int. J. Nanotechnol.7, 781–801 (2010).ADSCASArticleGoogle Scholar
10.Gómez-Pastora, J., Bringas, E., Lázaro-Díez, M., Ramos-Vivas, J. & Ortiz, I. In Drug Delivery Systems (Stroeve, P. & Mahmoudi, M. ed) 207–244 (World Scientific, 2017).
11.Selmi, M., Gazzah, M. H. & Belmabrouk, H. Optimization of microfluidic biosensor efficiency by means of fluid flow engineering. Sci. Rep.7(1), 5721 (2017).ADSArticleGoogle Scholar
12.Gómez-Pastora, J., González-Fernández, C., Fallanza, M., Bringas, E. & Ortiz, I. Flow patterns and mass transfer performance of miscible liquid-liquid flows in various microchannels: Numerical and experimental studies. Chem. Eng. J.344, 487–497 (2018).ArticleGoogle Scholar
14.Alorabi, A. Q. et al. On-chip polyelectrolyte coating onto magnetic droplets – towards continuous flow assembly of drug delivery capsules. Lab Chip17, 3785–3795 (2017).CASArticleGoogle Scholar
15.Gómez-Pastora, J. et al. Analysis of separators for magnetic beads recovery: from large systems to multifunctional microdevices. Sep. Purif. Technol.172, 16–31 (2017).ArticleGoogle Scholar
16.Tarn, M. D. & Pamme, N. On-chip magnetic particle-based immunoassays using multilaminar flow for clinical diagnosis. Methods Mol. Biol.1547, 69–83 (2017).CASArticleGoogle Scholar
17.Lv, C. et al. Integrated optofluidic-microfluidic twin channels: toward diverse application of lab-on-a-chip systems. Sci. Rep.6, 19801 (2016).ADSCASArticleGoogle Scholar
18.Gómez-Pastora, J. et al. Magnetic bead separation from flowing blood in a two-phase continuous-flow magnetophoretic microdevice: theoretical analysis through computational fluid dynamics simulation. J. Phys. Chem. C121, 7466–7477 (2017).ArticleGoogle Scholar
19.Furlani, E. P. Magnetic biotransport: analysis and applications. Materials3, 2412–2446 (2010).ADSCASArticleGoogle Scholar
20.Khashan, S. A. & Furlani, E. P. Effects of particle–fluid coupling on particle transport and capture in a magnetophoretic microsystem. Microfluid. Nanofluid.12, 565–580 (2012).ArticleGoogle Scholar
21.Modak, N., Datta, A. & Ganguly, R. Cell separation in a microfluidic channel using magnetic microspheres. Microfluid. Nanofluid.6, 647–660 (2009).CASArticleGoogle Scholar
22.Furlani, E. P., Sahoo, Y., Ng, K. C., Wortman, J. C. & Monk, T. E. A model for predicting magnetic particle capture in a microfluidic bioseparator. Biomed. Microdevices9, 451–463 (2007).CASArticleGoogle Scholar
23.Furlani, E. P. & Sahoo, Y. Analytical model for the magnetic field and force in a magnetophoretic microsystem. J. Phys. D: Appl. Phys.39, 1724–1732 (2006).ADSCASArticleGoogle Scholar
24.Tarn, M. D. et al. The importance of particle type selection and temperature control for on-chip free-flow magnetophoresis. J. Magn. Magn. Mater.321, 4115–4122 (2009).ADSCASArticleGoogle Scholar
25.Fonnum, G., Johansson, C., Molteberg, A., Morup, S. & Aksnes, E. Characterisation of Dynabeads® by magnetization measurements and Mössbauer spectroscopy. J. Magn. Magn. Mater.293, 41–47 (2005).ADSCASArticleGoogle Scholar
26.Xue, W., Moore, L. R., Nakano, N., Chalmers, J. J. & Zborowski, M. Single cell magnetometry by magnetophoresis vs. bulk cell suspension magnetometry by SQUID-MPMS – A comparison. J. Magn. Magn. Mater.474, 152–160 (2019).ADSCASArticleGoogle Scholar
27.Moore, L. R. et al. Continuous, intrinsic magnetic depletion of erythrocytes from whole blood with a quadrupole magnet and annular flow channel; pilot scale study. Biotechnol. Bioeng.115, 1521–1530 (2018).CASArticleGoogle Scholar
28.Furlani, E. P. & Xue, X. Field, force and transport analysis for magnetic particle-based gene delivery. Microfluid Nanofluid.13, 589–602 (2012).CASArticleGoogle Scholar
29.Furlani, E. P. & Xue, X. A model for predicting field-directed particle transport in the magnetofection process. Pharm. Res.29, 1366–1379 (2012).CASArticleGoogle Scholar
30.Furlani, E. P. Permanent Magnet and Electromechanical Devices; Materials, Analysis and Applications, (Academic Press, 2001).
31.Balachandar, S. & Eaton, J. K. Turbulent dispersed multiphase flow. Annu. Rev. Fluid Mech.42, 111–133 (2010).ADSArticleGoogle Scholar
32.Wakaba, L. & Balachandar, S. On the added mass force at finite Reynolds and acceleration number. Theor. Comput. Fluid. Dyn.21, 147–153 (2007).ArticleGoogle Scholar
33.White, F. M. Viscous Fluid Flow, (McGraw-Hill, 1974).
34.Rietema, K. & Van Den Akker, H. E. A. On the momentum equations in dispersed two-phase systems. Int. J. Multiphase Flow9, 21–36 (1983).ArticleGoogle Scholar
35.Furlani, E. P. & Ng, K. C. Analytical model of magnetic nanoparticle transport and capture in the microvasculature. Phys. Rev. E73, 1–10 (2006).ArticleGoogle Scholar
36.Eibl, R., Eibl, D., Pörtner, R., Catapano, G. & Czermak, P. Cell and Tissue Reaction Engineering, (Springer, 2009).
37.Gómez-Pastora, J. et al. Computational modeling and fluorescence microscopy characterization of a two-phase magnetophoretic microsystem for continuous-flow blood detoxification. Lab Chip18, 1593–1606 (2018).ArticleGoogle Scholar
38.Khashan, S. A. & Furlani, E. P. Scalability analysis of magnetic bead separation in a microchannel with an array of soft magnetic elements in a uniform magnetic field. Sep. Purif. Technol.125, 311–318 (2014).CASArticleGoogle Scholar
39.Hirt, C. W. & Sicilian, J. M. A porosity technique for the definition of obstacles in rectangular cell meshes. Proc. Fourth International Conf. Ship Hydro., National Academic of Science, Washington, DC., (1985).
40.Crank, J. Free and Moving Boundary Problems, (Oxford University Press, 1984).
41.Bruus, H. Theoretical Microfluidics, (Oxford University Press, 2008).
42.Liang, L. & Xuan, X. Diamagnetic particle focusing using ferromicrofluidics with a single magnet. Microfluid. Nanofluid.13, 637–643 (2012).
Author information
Edward P. Furlani is deceased.
Affiliations
Department of Chemical and Biomolecular Engineering, ETSIIT, University of Cantabria, Avda. Los Castros s/n, 39005, Santander, SpainJenifer Gómez-Pastora, Eugenio Bringas & Inmaculada Ortiz
Flow Science, Inc, Santa Fe, New Mexico, 87505, USAIoannis H. Karampelas
Department of Chemical and Biological Engineering, University at Buffalo (SUNY), Buffalo, New York, 14260, USAEdward P. Furlani
Department of Electrical Engineering, University at Buffalo (SUNY), Buffalo, New York, 14260, USAEdward P. Furlani
Time resolved PIV encompassing moving and/or deformable objects interfering with the light source requires the employment of dynamic masking (DM). A few DM techniques have been recently developed, mainly in microfluidics and multiphase flows fields. Most of them require ad-hoc design of the experimental setup, and may spoil the accuracy of the resulting PIV analysis. A new DM technique is here presented which envisages, along with a dedicated masking algorithm, the employment of fluorescent coating to allow for accurate tracking of the object. We show results from measurements obtained through a validated PIV setup demonstrating the need to include a DM step even for objects featuring limited displacements. We compare the proposed algorithm with both a no-masking and a static masking solution. In the framework of developing low cost, flexible and accurate PIV setups, the proposed algorithm is made available through a freeware application able to generate masks to be used by an existing, freeware PIV analysis package.
광원을 방해하는 이동 또는 변형 가능한 물체를 포함하는 시간 해결 PIV는 동적 마스킹 (DM)을 사용해야 합니다. 주로 미세 유체 및 다상 흐름 분야에서 몇 가지 DM 기술이 최근 개발되었습니다. 대부분은 실험 설정의 임시 설계가 필요하며 결과 PIV 분석의 정확도를 떨어 뜨릴 수 있습니다. 여기에는 전용 마스킹 알고리즘과 함께 형광 코팅을 사용하여 물체를 정확하게 추적 할 수있는 새로운 DM 기술이 제시되어 있습니다. 제한된 변위를 특징으로 하는 물체에 대해서도 DM 단계를 포함해야 하는 필요성을 보여주는 검증 된 PIV 설정을 통해 얻은 측정 결과를 보여줍니다. 제안 된 알고리즘을 no-masking 및 static masking 솔루션과 비교합니다. 저비용, 유연하고 정확한 PIV 설정 개발 프레임 워크에서 제안 된 알고리즘은 기존 프리웨어 PIV 분석 패키지에서 사용할 마스크를 생성 할 수 있는 프리웨어 애플리케이션을 통해 사용할 수 있습니다.
PIV (입자 영상 속도계)의 사용은 70 년대 후반 (Archbold 및 Ennos 1972 )이 반점 계측의 확장 (Barker and Fourney 1977 ) 으로 도입된 이래 실험 유체 역학에서 중심적인 역할을 했습니다 . PIV 기술의 기본 아이디어는 유체에 주입된 입자의 속도를 측정하여 유동장을 재구성하는 것입니다. 입자의 크기와 밀도는 확실하게 선택되고 유동을 만족스럽게 따르게 됩니다.
흐름은 레이저 / LED 소스를 통해 조명되고 입자에 의해 산란 된 빛은 추적을 허용합니다. 독자는 리뷰 작품 Grant ( 1997 ), Westerweel et al. ( 2013 년)에 대한 자세한 설명을 참조하십시오. 기본 2D 기술은 고유한 설정으로 발전했으며, 가장 진보 된 것은 단일 / 다중 평면 입체 PIV (Prasad 2000 ) 및 체적 / 단층 PIV (Scarano 2013 )입니다. 광범위한 유동장의 비 침습적 측정이 필요한 산업 및 연구 응용 분야에서 광범위하게 사용되었습니다.
조사된 유동장이 단단한 서있는 경계의 영향을 받는 경우 정적 마스킹 (SM) 접근 방식을 사용하여 PIV 분석을 수행하는 영역에서 솔리드 객체와 그림자가 차지하는 영역을 빼기 위해 주의를 기울여야 합니다. 실제로 이러한 영역에서는 파종 입자를 식별 할 수 없으므로 유속 재구성을 수행 할 수 없습니다. 제대로 처리되지 않으면 이 마스킹 단계는 잘못된 예측으로 이어질 수 있으며, 불행히도 그림자 영역 경계의 근접성에 국한되지 않습니다.
PIV 기술은 획득 프레임 속도를 관심있는 시간 척도로 조정하여 정상 상태 또는 시간 변화 흐름에 적용 할 수 있습니다. 시간의 가변성이 고체 물체의 위치 / 모양과 관련된 경우 이미지를 동적으로 마스킹하기 위해 추가 노력이 필요합니다. 고체 물체뿐만 아니라 다른 유체 단계도 가려야한다는 점에 유의해야합니다 (Foeth et al. 2006).
이 프로세스는 고체 물체의 움직임이 선험적으로 알려진 경우 비교적 쉬우므로 SM 알고리즘에 대한 최소한의 수정이 목적에 부합 할 수 있습니다. 그러나 고체 물체의 위치 및 / 또는 모양이 알려지지 않은 방식으로 시간에 따라 변할 경우 물체를 동적으로 추적 할 수 있는 마스킹 기술이 필요합니다. PIV 분석을위한 동적 마스킹 (DM) 접근 방식은 현재 상당한 주목을 받고 있습니다 (Sanchis and Jensen 2011 , Masullo 및 Theunissen 2017 , Anders et al. 2019 ) . 시간 분해 PIV 시스템의 확산 덕분에 고속 카메라의 가용성이 높아집니다.
DM 기술의 주요 발전은 마이크로 PIV 분야에서 비롯됩니다 (Lindken et al. 2009) 마이크로 및 나노 스위 머 (Ergin et al. 2015 ) 및 다상 흐름 (Brücker 2000 , Khalitov 및 Longmire 2002 ) 주변의 유동장을 조사 하려면 정확하고 유연한 알고리즘이 필요합니다. DM 기술은 상용 PIV 분석 소프트웨어 패키지 (TSI Instruments 2014 , DantecDynamics 2018 )에 포함되어 있습니다. 최근 개발 (Vennemann 및 Rösgen 2020 )은 신경망 자동 마스킹 기술의 적용을 예상하지만, 네트워크를 훈련하려면 합성 데이터 세트를 생성해야합니다.
많은 알고리즘은 이미지 처리 기술을 사용하여 개체를 추적하며, 대부분 사용자는 획득 한 이미지에서 추적 할 개체를 강조 표시 할 수있는 임시 실험 설정을 개발해야합니다. 따라서 실험 설정의 설계는 알고리즘의 최종 정확도에 영향을줍니다.
몇 가지 해결책을 구상 할 수 있습니다. 다음에서는 간단한 2D PIV 설정을 참조하지만 대부분의 고려 사항은 더 복잡한 설정으로 확장 할 수 있습니다. PIV 설정에서 객체를 쉽고 정확하게 추적 할 수 있도록 렌더링하는 가장 간단한 방법은 일반적으로 PIV 레이저 시트에 대략 수직 인 카메라를 향한 반사를 최대화하는 방향을 가리키는 추가 광원을 사용하여 조명하는 것입니다. 이 순진한 솔루션과 관련된 주요 문제는 PIV의 ROI (관심 영역)를 비추 지 않고는 광원을 움직이는 물체에만 겨냥하는 것이 사실상 불가능하여 시딩에 의해 산란 된 레이저 광 사이의 명암비를 감소 시킨다는 것입니다. 입자와 어두운 배경.
카메라의 프레임 속도가 높을수록 센서에 닿는 빛의 양이 적다는 사실로 인해 상황이 가혹 해집니다. 고체 물체의 움직임과 유동 입자가 모두 사용 된 설정의 획득 속도에 비해 충분히 느리다면, 가능한 해결책은 레이저 펄스 쌍 사이에 단일 확산 광 샷을 삽입하는 것입니다 (반드시 대칭 삽입은 아님). 그리고 카메라 샷을 둘 모두에 동기화합니다. 각 레이저 커플에서 물체의 위치는 확산 광에 의해 생성 된 이전 샷과 다음 샷의 두 위치를 보간하여 결정될 수 있습니다. 이 접근 방식에는 레이저, 카메라 및 빛을 제어 할 수있는 동기화 장치가 필요합니다.
이 문제에 대한 해결책이 제안되었으며 유체 인터페이스 (Foeth et al. 2006 ; Dussol et al. 2016 ) 의 밝은 반사를 활용 하여 이미지에서 많은 양의 산란 레이저 광을 획득 할 수 있습니다. 고체 표면에는 효과를 높이기 위해 반사 코팅이 제공 될 수 있습니다. 그런 다음 물체는 비정상적으로 큰 입자로 식별되고 경계를 쉽게 추적 할 수 있습니다. 이 솔루션의 단점은 물체 표면에서 산란 된 빛이 레이저 시트에 있지 않은 많은 시딩 입자를 비추어 PIV 분석의 정확도를 점진적으로 저하 시킨다는 것입니다.
위의 접근 방식의 개선은 다른 파장 의 두 번째 동일 평면 레이저 시트 (Driscoll et al. 2003 )를 사용합니다. 첫 번째 레이저 파장을 중심으로 한 좁은 반사 대역. 전체 설정은 매우 비쌀 수 있습니다. 파장 방출의 차이를 이용하여 설정을 저렴하게 만들 수 있습니다. 서로 다른 필터가 장착 된 두 대의 카메라를 적용하면 인터페이스로부터의 반사와 독립적으로 형광 시드 입자를 식별 할 수 있습니다 (Pedocchi et al. 2008 ).
객체의 변위가 작을 때 기본 솔루션은 실제 시간에 따라 변하는 음영 영역에 가장 근접한 하나의 정적 마스크를 추출하는 것입니다. 일반적인 경험 법칙은 예상되는 음영 영역보다 약간 더 크게 마스크를 그려 분석에 포함 된 조명 영역의 양을 단순화하고 최소화하는 것 사이의 최상의 균형을 찾는 것입니다.
본 논문에서는 PIV 분석을위한 DM 문제에 대한 새로운 실험적 접근법을 제안합니다. 우리의 방법은 형광 페인팅을 사용하여 물체를 쉽게 추적 할 수 있도록 하는 기술과 시변 마스크를 생성 할 수있는 특정 오픈 소스 알고리즘을 포함합니다. 이 접근법은 레이저 광에 불투명 한 물체의 큰 변위를 허용함으로써 효과적인 것으로 입증되었습니다.
우리의 방법인 NM (no-masking)과 SM (static masking) 접근 방식을 비교합니다. 우리의 접근 방식의 타당성을 입증하는 것 외에도 이 백서는 마스킹 단계가 정확한 결과를 얻기 위해 가장 중요하다는 것을 확인합니다. 실제로 물체의 변위가 무시할 수 없는 경우 DM에 대한 리조트는 필수이며 SM 접근 방식은 음영 처리 된 영역의 주변 환경에 국한되지 않는 부정확성을 유발합니다.
논문의 구조는 다음과 같습니다. 먼저 형광 코팅 기술과 마스킹 소프트웨어를 설명하는 제안된 접근법의 근거를 소개합니다. 그런 다음 PIV 설정에 대한 설명 후 두 벤치 마크 사례를 통해 전체 PIV 체인 분석의 신뢰성을 평가합니다. 그런 다음 제안 된 DM 방법의 결과를 NM 및 SM 솔루션과 비교합니다. 마지막으로 몇 가지 결론이 도출됩니다.
행동 양식
제안 된 DM 기술은 PIV 분석을 위해 캡처 한 동일한 이미지에서 쉽고 정확한 추적 성을 허용하기 위해 움직이는 물체 표면의 형광 코팅을 구상합니다. 물체가 가시화되면 특정 알고리즘이 물체 추적을 수행하고 레이저 위치가 알려지면 (그림 1 참조 ) 음영 영역의 마스킹을 수행합니다.
형광 코팅
코팅은 구조적 매트릭스 에 시판되는 형광 분말 (fluorescein (Taniguchi and Lindsey 2018 ; Taniguchi et al. 2018 )) 의 분산액으로 구성됩니다 . 단단한 물체의 경우 매트릭스는 폴리 에스터 / 에폭시 (대상 재료와의 화학적 호환성에 따라) 투명 수지 일 수 있습니다. 변형 가능한 물체의 경우 매트릭스는 투명한 실리콘 고무로 만들 수 있습니다. 형광 코팅 된 물체는 실행 중에 지속적으로 빛을 방출하기 위해 실험 전에 충분히 오랫동안 조명을 비춰 야합니다. 우리는 4W LED 소스 (그림 2 에서 볼 수 있음)에 20 초 긴 노출이 실험 실행 (몇 초)의 짧은 기간 동안 일관된 형광 방출을 제공하기에 충분하다는 것을 발견했습니다.
우리 실험에서 물체와 입자 크기 사이의 상당한 차이를 감안할 때 전자를 식별하는 것은 간단합니다. 그림 3 은 씨 뿌리기 입자와 물체 모양이 서로 다른 세 번에 겹쳐진 모습을 보여줍니다 (색상은 다른 순간을 나타냄).
대신, 이러한 크기 기반 분류가 가능하지 않은 경우 입자와 물체의 파장을 분리해야합니다. 이러한 분리는 시드 입자에 의해 산란 된 빛과 현저하게 다른 파장에서 방출되는 형광 코팅을 선택하여 달성 할 수 있습니다. 또는 레이저에서 멀리 떨어진 대역에서 방출되는 형광 입자를 이용하는 것 (Pedocchi et al. 2008 ). 두 경우 모두 컬러 이미지 획득의 채널 분리 또는 멀티 카메라 설정의 애드혹 필터링은 물체 식별을 크게 촉진 할 수 있습니다. 우리의 경우에는 그러한 파장 분리를 달성 할 필요가 없습니다. 실제로 형광 코팅의 방출 스펙트럼의 피크는 540nm입니다 (Taniguchi and Lindsey 2018 ; Taniguchi et al. 2018), 사용 된 레이저의 532 nm에 매우 가깝습니다.
마스킹 소프트웨어
DM 용으로 개발 된 알고리즘 은 무료 PIV 분석 패키지 PIVlab (Thielicke 2020 , Thielicke 및 Stamhuis 2014 ) 과 함께 작동하도록 고안된 오픈 소스 프리웨어 GUI 기반 도구 (Prestininzi 및 Lombardi 2021 )입니다. 이것은 세 단계의 순차적 실행으로 구성됩니다 (그림 1 에서 a–b–c라고 함 ). 첫 번째 단계 (a)는 장면에서 레이저 위치를 찾는 데 사용됩니다 (즉, 소스의 좌표를 계산합니다. 장애물에 부딪히는 빛); 두 번째 항목 (b)은 개체 위치를 추적하고 각 프레임의 음영 영역을 계산합니다. 세 번째 항목 (c)은 추적 된 개체 영역과 음영 처리 된 개체 영역을 PIV 알고리즘을위한 단일 마스크로 병합합니다.
각 단계에 대한 자세한 내용은 다음과 같습니다.
(ㅏ)레이저 위치는 프레임 (즉, 획득 한 프레임의 시야 (FOV)) 내에서 가시적 일 수도 있고 아닐 수도 있습니다. 전자의 경우 사용자는 GUI에서 레이저 소스를 클릭하여 찾기 만하면됩니다. 후자의 경우, 사용자는 음영 영역의 경계에 속하는 두 개의 세그먼트 (두 쌍의 점)를 그리도록 요청받습니다. 그러면 FOV 외부에있는 레이저 위치가 두 선의 교차점으로 계산됩니다. 세그먼트로 구성됩니다. 개체 그림자는 ROI 프레임 상자에 도달하는 것으로 간주됩니다.
(비)레이저 위치가 알려지면 물체 추적은 다음과 같이 수행됩니다. 각 프레임의 하나의 채널 (이 경우 RGB 색상 공간이 사용되기 때문에 녹색 채널이지만 GUI는 선호하는 채널을 지정할 수 있음)은 다음과 같습니다. 로컬 적응 임계 값을 사용하여 이진화 됨 (Bradley and Roth 2007), 후자는 이웃 주변의 로컬 평균 강도를 사용하여 각 픽셀에 대해 계산됩니다. 그런 다음 입자와 물체로 구성된 이진 이미지가 영역으로 변환됩니다. 우리 실험에 존재하는 유일한 장애물은 모든 입자에 비해 더 큰 크기를 기준으로 식별됩니다. 다른 전략은 이전에 논의되었습니다. 그런 다음 장애물 영역의 경계 다각형은 사용자 정의 포인트 밀도로 결정됩니다. 여기에서는 그림자 결정을 위해 광선 투사 (RC) 접근 방식을 채택했습니다. RC는 컴퓨터 그래픽을 기반으로하는 “경 운송 모델링”의 틀에 속합니다. 수치 적으로 정확한 그림자를 제공하기 때문에 여기에서 선택됩니다. 정확도는 떨어지지 만 주로 RC의 계산 부하를 줄이는 것을 목표로하는 몇 가지 다른 방법이 개발되었습니다.2015 ), 여기서 간략히 회상합니다. 각 프레임 (명확성을 위해 여기에 색인화되지 않음)에 대해 광선아르 자형나는 j아르 자형나는제이레이저 위치 L 에서 i 번째 정점 으로 캐스트됩니다.피나는 j피나는제이의 J 오브젝트의 경계 다각형 일; 목표는피나는 j피나는제이 하위 집합에 속 ㅏ제이ㅏ제이 레이저에 의해 직접 조명되는 경계 정점의 피나는 j피나는제이 에 추가됩니다 ㅏ제이ㅏ제이 만약 아르 자형나는 j아르 자형나는제이 적어도 한쪽을 교차 에스k j에스케이제이( j 번째 개체 경계 다각형 의 모든면에 걸쳐있는 k )피나는 j피나는제이 (그것이 교차로 큐나는 j k큐나는제이케이 레이저 위치와 정점 사이에 있지 않습니다. 피나는 j피나는제이). 두 개의 광선, 즉ρ1ρ1 과 ρ2ρ2추가면을 가로 지르지 않는는 저장됩니다.
(씨)일단 정점 세트, 즉 ㅏ제이ㅏ제이 레이저에 의해 직접 비춰지고 식별되었으며 ROI 프레임 상자의 음영 부분은 후자와 교차하여 결정됩니다. ρ1ρ1 과 ρ2ρ2. 두 교차점은 다음에 추가됩니다.ㅏ제이ㅏ제이. 점으로 둘러싸인 영역ㅏ제이ㅏ제이 마침내 마스크로 변환됩니다.
레이저 소스가 여러 개인 경우 각각에 RC 알고리즘을 적용해야하며 음영 영역의 결합이 수행됩니다. 레이 캐스팅 절차의 의사 코드는 Alg에보고됩니다. 1.
그림 1
DM 검증
이 섹션에서는 제안 된 DM으로 수행 된 PIV 측정과 두 가지 다른 접근 방식, 즉 no-masking (NM)과 static masking (SM) 간의 비교를 제시합니다.
그림 2그림 3
실험 설정
진동 유도기 (VI)의 성능을 분석하기 위해 PIV 설정을 설계하고 현재 DM 기술을 개발했습니다 (Curatolo et al. 2019 , 2020 ). 후자는 비 맥동 유체 흐름에서 역류에 배치 된 캔틸레버의 규칙적이고 넓은 진동을 유도 할 수있는 윙렛입니다. 이러한 VI는 캔틸레버의 끝에 장착되며 (그림 2 참조 ) 진동 운동의 어느 지점에서든 캔틸레버의 중립 구성을 향해 양력을 생성 할 수있는 두 개의 오목한 날개가 있습니다.
VI는 캔틸레버 표면에 장착 된 압전 패치를 사용하여 고정 유체 흐름에서 기계적 에너지 추출을 향상시킬 수 있습니다. 그림 2 에서 강조된 날개의 전체 측면 가장자리는 Sect에 설명 된 사양에 따라 형광 페인트로 코팅되어 있습니다. 2.1 . 실험은 Roma Tre University 공학부 수력 학 실험실의 자유 표면 채널에서 수행됩니다. 10.8cm 길이의 캔틸레버는 채널의 중심선에 배치되고 상류로 향하며 수직-세로 평면에서 진동합니다. 세라믹 페 로브 스카이 트 (PZT) 압전 패치 (7××캔틸레버의 윗면에는 Physik Instrumente (PI)에서 만든 3cm)가 부착되어 있습니다. 흐름 유도 진동 하에서 변형으로 인해 AC 전압 차이를 제공합니다. VI 왼쪽 날개의 수직 중앙면에있는 2D 속도 필드는 수제 수중 PIV 장비를 통해 얻었습니다.각주1 연속파, 저비용, 저전력 (150mW), 녹색 (532nm) 레이저 빔이 2mm 두께의 부채꼴 시트에 퍼집니다.120∘120∘그림 2 와 같이 VI의 한쪽 날개를 절반으로 교차 합니다. 물은 평균 직경이 100 인 폴리 아미드 입자로 시드됩니다.μμm 및 1016 Kg / m의 밀도삼삼. 레이저 소스는 VI의 15cm 위쪽 (자유 표면 아래 약 4cm)과 VI의 하류 5cm에 경사지게 배치됩니다.5∘5∘상류. 위의 설정은 주로 날개의 후류를 조사하기 위해 고안되었습니다. 날개의 상류면과 하류 부분의 일부는 레이저 시트에 직접 맞지 않습니다. 레이저 시트에 수직으로 촬영하는 고속 상용 카메라 (Sony RX100 M5)를 사용하여 동영상을 촬영합니다. 후자는 1920의 프레임 크기로 500fps의 높은 프레임 속도 모드로 기록됩니다.×× 1080px, 나중에 더 작은 655로 잘림 ××이미지 분석 중에 분석 할 850px ROI. 시간 해결, 프리웨어, 오픈 소스, MatLab 용 PIV 분석 도구가 사용됩니다 (Thielicke and Stamhuis 2014 ). 이 도구는 질의 영역 (IA) 변형 (우리의 경우 64×× 64, 32 ×× 32 및 26 ××26). 각 패스에서 각 IA의 경계와 모서리에서 추가 변위 정보를 얻기 위해 인접한 IA 사이에 50 %의 중첩이 허용됩니다. 첫 번째 통과 후, 입자 변위 정보가 보간되어 IA의 모든 픽셀의 변위를 도출하고 그에 따라 변형됩니다.
시딩 입자 수 밀도는 첫 번째 패스에서 IA 당 약 5입니다. Keane과 Adrian ( 1992 )에 따르면 이러한 밀도 값은 95 % 유효한 탐지 확률을 보장합니다. IA는 프레임 커플 내에서 입자의 충분한 영구성을 보장하기 위해 크기가 조정됩니다. 분석 된 유동 역학은 0.4 ~ 0.7m / s 범위의 유동 속도를 특징으로합니다. 따라서 입자는 권장 최소값 인 2 프레임 (Keane and Adrian 1992 ) 보다 큰 약 3-4 프레임의 세 번째 패스 IA에 나타납니다 .
PIV 체인 분석 평가
사용 된 PIV 알고리즘의 정확성은 이전에 문헌에서 광범위하게 평가되었습니다 (예 : Guérin et al. ( 2020 ), Vennemann and Rösgen ( 2020 ), Mohammadshahi et al. ( 2020 ), Narayan et al. ( 2020 )). 그러나 PIV 측정의 물리적 일관성을 보장하기 위해 두 가지 벤치 마크 사례가 여기에 나와 있습니다.
첫 번째는 Sect에 설명 된 동일한 PIV 설정을 통해 측정 된 세로 유속의 수직 프로파일을 비교합니다. 3.1 분석 기준 용액이있는 실험 채널에서. 후자는 플로팅 트레이서로 수행되는 PTV (입자 추적 속도계) 측정을 통해 보정되었습니다. 분석 속도 프로파일은 Eq. 1 (Keulegan 1938 ).u ( z) =유∗[5.75 로그(지δ) +8.5];유(지)=유∗[5.75로그(지δ)+8.5];(1)
여기서 u 는 수평 유속 성분, z 는 수직 좌표,δδ 침대 거칠기 및 V∗V∗ 균일 한 흐름 공식에 의해 주어진 것으로 가정되는 마찰 속도, 즉 유∗= U/ C유∗=유/씨; U 는 깊이 평균 유속이고 C 는 다음 과 같이 주어진 마찰 계수입니다.씨= 5.75로그( 13.3에프R / δ)씨=5.75로그(13.3에프아르 자형/δ), R = 0.2아르 자형=0.2 m은 유압 반경이고 에프= 0.92에프=0.92유한 폭 채널의 형상 계수. 그림 4 는 4 초의 시간 창에 걸쳐 순간 값을 평균화하여 얻은 분석 프로필과 PIV 측정 간의 비교를 보여줍니다. 국부적 인 변동은 대략 0.5 초의 시간 척도에서 진화하는 것으로 밝혀졌습니다. PTV 결과에 가장 적합하면 다음과 같은 값이 산출됩니다.δ= 1δ=1cm, 베드 거칠기의 경우 Eq. 1 , 실험 채널 침대 표면의 실제 조건과 호환됩니다. VI의 휴지 구성 위치에서 유속의 분석 값은 그림에서 검은 색 십자가로 표시됩니다. 비교는 놀라운 일치를 보여 주므로 실험 설정과 PIV 알고리즘의 조합이 분석 된 설정에 대해 신뢰할 수있는 것으로 간주 될 수 있음을 증명합니다.
두 번째 벤치 마크는 VI 뒷면에 재 부착 된 흐름의 양을 비교합니다. 실제로 이러한 장치의 높은 캠버를 고려할 때 흐름은 하류 표면에서 분리되어 결국 다시 연결됩니다. 첨부 흐름을 나타내는 표면의 양 (Curatolo 외. 발견 2020 ) 흥미로운 압전 패치 (즉, 효율이 큰 경우에 더 빠르게 진동이 유발되는 것이다)에서 VI의 효율과 상관된다. 여기에서는 PIV 분석을 통해 측정 된 진동의 상사 점에서 재 부착 된 흐름의 길이를 CFD (전산 유체 역학) 상용 코드 FLOW-3D® (Flow Science 2019 )로 예측 한 길이와 비교하여 RANS를 해결합니다. 결합 식 (비어 스톡스 레이놀즈 평균) 케이 -ϵϵ구조화 된 그리드의 난류 폐쇄 (시뮬레이션을 위해 1mm 간격이 선택됨). 다운 스트림 측면의 흐름은 이러한 높은 캠버 VI를 위해 여러 위치에서 분리 및 재 부착됩니다. 이 벤치 마크에서 비교 된 양은 VI의 앞쪽 가장자리와 가장 가까운 흐름 재 부착 위치 사이의 호 길이입니다. 그림 5를 참조 하면 CFD 모델에 의해 예측 된 호의 길이는 측정 된 호의 길이보다 10 % 더 큽니다. 이 작업에 제시된 DM 기술을 사용하는 PIV 분석은 물리적으로 건전한 측정을 제공하는 것으로 입증됩니다. 후류의 유체 역학에 대한 자세한 분석과 VI의 전반적인 효율성과의 상관 관계는 현재 진행 중이며 향후 작업의 대상이 될 것입니다.
그림 4그림 5
결과
그림 6을 참조하여 순간 유속 장의 관점에서 세 가지 접근법의 결과를 비교합니다. 선택한 순간은 진동의 상사 점에 해당합니다.
제안 된 DM (그림 6 의 패널 a )은 부드러운 유동장을 생성하여 후류에서 일관된 소용돌이 구조를 나타냅니다.
NM 접근법 (그림 6 의 패널 b1 )도 후류의 와류 구조를 정확하게 예측하지만 음영 영역에서 대부분 부정확 한 값을 산출합니다. 또한 비교에서 합리적인 기준을 추론 할 수 없기 때문에 획득 한 유동장 의 사후 필터링이 실현 가능하지 않다는 것이 분명합니다 . 실제로 유속은 그림 6 의 패널 c1에서 볼 수 있듯이 가장 큰 오류가 생성되는 위치에서도 “합리적인”크기를 갖습니다. , DM 및 NM 접근 방식으로 얻은 속도 필드 간의 차이가 표시됩니다. 더욱이 후류에서 발생하는 매우 불안정한 소용돌이 운동이 이러한 위치에 가깝게 이동하기 때문에 그럴듯한 흐름 방향을 가정하더라도 필터링 기준을 공식화 할 수 없습니다. 모델러가 그러한 부정확성을 알고 있었다하더라도 NM 접근법은 “합리적”이지만 여전히 날개의 내부 현과 그 바로 아래에있는 유동장의 대부분은 부정확합니다. 이러한 행동은 매우 오해의 소지가 있습니다.
그림 6 의 패널 b2는 SM 접근법으로 얻은 유속 장을 보여주고 패널 c2는 SM과 DM 접근법으로 얻은 결과 간의 차이를 보여줍니다. SM 접근법은 NM 대응 물에 비해 전반적으로 더 나은 정확도를 명확하게 보여 주지만, 이는 레이저 소스의 위치가 진동 중에 음영 영역이 많이 움직이지 않기 때문입니다 (그림 3 참조). 한 번의 진동 동안 VI가 경험 한 최대 변위를 육안으로 검사합니다. 즉, 분석 된 사례의 경우 정적 마스크를 그리기위한 중립 구성을 선택하면 NM 접근 방식보다 낮은 오류를 얻을 수 있습니다. 더 큰 물체 변위를 포함하는 실험 설정은 NM이 일관되게 더 정확해질 수 있기 때문에 NM보다 SM의 우월성은 일반화 될 수 없음을 강조하고 싶습니다.
그림 6 은 분석 된 접근법에 의해 생성 된 차이를 철저히 보여 주지만 결과에 대한보다 정량적 인 평가를 제공하기 위해 오류의 빈도 분포를 계산했습니다. 그림 7 에서 이러한 분포를 살펴보면 SM 접근법이 NM보다 전체적인 예측이 더 우수하고 SM 분포가 더 정점에 있음을 확인합니다. 그럼에도 불구하고 SM은 여전히 비정상적인 강도의 스파이크를 생성합니다. 분포의 꼬리로 표시되는 이러한 값은 정적 마스크 범위의 과대 평가 (왼쪽 꼬리) 및 과소 평가 (오른쪽 꼬리)에 연결됩니다. 그러나 주파수의 크기는 고려되는 경우에 SM과 NM의 적용 가능성을 배제하여 DM에 대한 리조트를 의무적으로 만듭니다.
그림 6그림 7
결론
이 작업에서는 PIV 분석 도구에 DM (Dynamic Masking) 모듈을 제공하기위한 새로운 실험 기법을 제시합니다. 동적 마스킹은 유체 흐름에 잠긴 불투명 이동 / 변형 가능한 물체를 포함하는 시간 해결 PIV 설정에서 필요한 단계입니다. 마스킹 알고리즘과 함께 형광 코팅을 사용하여 물체를 정확하게 추적 할 수 있습니다. 우리는 제안 된 DM과 두 가지 다른 접근 방식, 즉 no-masking (NM)과 static masking (SM)을 비교하여 자체적으로 설계된 저비용 PIV 설정을 통해 수행 된 측정을 제시합니다. 분석 된 유동 역학은 고체 물체의 제한된 변위를 포함하지만 정량적 비교는 DM 기술을 채택해야하는 필수 필요성을 보여줍니다. 여기에서 정확성이 입증 된 현재의 실험적 접근 방식은
메모
1.실험 데이터 세트는 PIV 분석의 복제를 허용하기 위해 요청시 제공됩니다.
참고 문헌
Anders S, Noto D, Seilmayer M, Eckert S (2019) 스펙트럼 랜덤 마스킹 : 다상 흐름에서 piv를위한 새로운 동적 마스킹 기술. Experim 유체 60 (4) : 1–6조Google 학술 검색
Archbold E, Ennos A (1972) 이중 노출 레이저 사진에서 변위 측정. Optica Acta Int J Opt 19 (4) : 253–271조Google 학술 검색
Barker D, Fourney M (1977) 얼룩 패턴으로 유체 속도 측정. Opt Lett 1 (4) : 135–137조Google 학술 검색
Bradley D, Roth G (2007) 적분 이미지를 사용한 적응 형 임계 값. J 그래프 도구 12 (2) : 13–21조Google 학술 검색
Brücker C (2000) Piv의 다상 흐름. 입자 이미지 유속계 및 관련 기술, 강의 시리즈, p 1
Driscoll K, Sick V, Gray C (2003) 고밀도 연료 스프레이에서 동시 공기 / 연료 위상 piv 측정. Experim 유체 35 (1) : 112–115조Google 학술 검색
Dussol D, Druault P, Mallat B, Delacroix S, Germain G (2016) 불안정한 인터페이스, 거품 및 움직이는 구조를 포함하는 piv 이미지에 대한 자동 동적 마스크 추출. Comptes Rendus Mécanique 344 (7) : 464–478조Google 학술 검색
Ergin F, Watz B, Wadhwa N (2015) 장거리 micropiv를 사용하여 작은 평영 수영 선수 주변의 픽셀 정확도 동적 마스킹 및 흐름 측정. 에서 : 입자 이미지 유속계 -PIV15에 관한 제 11 회 국제 심포지엄. 캘리포니아 주 산타 바바라, 9 월, 14 ~ 16 쪽
Springer Nature는 출판 된지도 및 기관 소속의 관할권 주장과 관련하여 중립을 유지합니다.
권리와 허가
오픈 액세스이 기사는 크리에이티브 커먼즈 저작자 표시 4.0 국제 라이선스에 따라 사용이 허가되었습니다.이 라이선스는 귀하가 원저자와 출처에 대해 적절한 크레딧을 제공하는 한 모든 매체 또는 형식으로 사용, 공유, 개작, 배포 및 복제를 허용합니다. 크리에이티브 커먼즈 라이센스에 대한 링크를 제공하고 변경 사항이 있는지 표시합니다. 이 기사의 이미지 또는 기타 제 3 자 자료는 자료에 대한 크레딧 라인에 달리 명시되지 않는 한 기사의 크리에이티브 커먼즈 라이선스에 포함됩니다. 자료가 기사의 크리에이티브 커먼즈 라이센스에 포함되어 있지 않고 의도 된 사용이 법적 규정에 의해 허용되지 않거나 허용 된 사용을 초과하는 경우 저작권 보유자로부터 직접 허가를 받아야합니다. 이 라이센스의 사본을 보려면 다음을 방문하십시오.http://creativecommons.org/licenses/by/4.0/ .
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 면저항
![Figure 1.1: Schematic Overview of Metal Laser Powder Bed Fusion Process [2]](https://flow3d.co.kr/wp-content/uploads/Figure-1.1-Schematic-Overview-of-Metal-Laser-Powder-Bed-Fusion-Process-2.png)
![Fig. 1. (a) Dimensions of the casting with runners (unit: mm), (b) a melt flow simulation using Flow-3D software together with Reilly's model[44], predicted that a large amount of bifilms (denoted by the black particles) would be contained in the final casting. (c) A solidification simulation using Pro-cast software showed that no shrinkage defect was contained in the final casting.](https://flow3d.co.kr/wp-content/uploads/Fig.-1a-shows-the-dimensions-of-the-casting-with-runners.png)
is the velocity in xi direction, t is the time, 
is the fractional area open to flow in the subscript directions, 
is the volume fraction of fluid in each cell, p is the hydrostatic pressure, 
is the density, 
is the gravitational force in subscript directions and 
is the Reynolds stresses.
Model, the Two-Equation Renormalization-Group (RNG) Model and large Eddy Simulation Model (
it solves an additional transport equation:
, 
, 
and 
, are FLOW-3D’s FAVORTM defined terms; 
and 
are turbulence due to shearing and buoyancy effects, respectively. R and 
are related to the cylindrical coordinate system. The default values of RMTKE, CDIS1 and CNU differ, being 1.39, 1.42 and 0.085 respectively. And CDIS2 is calculated from turbulent production (
) and turbulent kinetic energy (
).The kinematic turbulent viscosity is the same in all turbulence transport models and is calculated from
: is the turbulent kinematic viscosity. 
is defined as the numerical challenge between the RNG and the two-equation k-ɛ models, found in the equation below. To avoid an unphysically large result for 
in Equation (3), since this equation could produce a value for 
very close to zero and also because the physical value of 
may approach to zero in such cases, the value of 
is calculated from the following equation:
: the turbulent length scale.
is the density of the fluid,
is a turbulent diffusion term, 
is a mass source, 
is the fractional volume open to flow. The components of velocity (u, v, w) are in the direction of coordinates (x, y, z) or (r, 
). 
in the x-direction is the fractional area open to flow, 
and 
are identical area fractions for flow in the y and z directions. The R coefficient is based on the selection of the coordinate system.
