Figure 3 Simulation PTC pipes enhanced with copper foam and nanoparticles in FLOW-3D software.

다공성 미디어 및 나노유체에 의해 강화된 수집기로 태양광 CCHP 시스템의 최적화

Optimization of Solar CCHP Systems with Collector Enhanced by Porous Media and Nanofluid


Navid Tonekaboni,1Mahdi Feizbahr,2 Nima Tonekaboni,1Guang-Jun Jiang,3,4 and Hong-Xia Chen3,4

Abstract

태양열 집열기의 낮은 효율은 CCHP(Solar Combined Cooling, Heating, and Power) 사이클의 문제점 중 하나로 언급될 수 있습니다. 태양계를 개선하기 위해 나노유체와 다공성 매체가 태양열 집열기에 사용됩니다.

다공성 매질과 나노입자를 사용하는 장점 중 하나는 동일한 조건에서 더 많은 에너지를 흡수할 수 있다는 것입니다. 이 연구에서는 평균 일사량이 1b인 따뜻하고 건조한 지역의 600 m2 건물의 전기, 냉방 및 난방을 생성하기 위해 다공성 매질과 나노유체를 사용하여 태양열 냉난방 복합 발전(SCCHP) 시스템을 최적화했습니다.

본 논문에서는 침전물이 형성되지 않는 lb = 820 w/m2(이란) 정도까지 다공성 물질에서 나노유체의 최적량을 계산하였다. 이 연구에서 태양열 집열기는 구리 다공성 매체(95% 다공성)와 CuO 및 Al2O3 나노 유체로 향상되었습니다.

나노유체의 0.1%-0.6%가 작동 유체로 물에 추가되었습니다. 나노유체의 0.5%가 태양열 집열기 및 SCCHP 시스템에서 가장 높은 에너지 및 엑서지 효율 향상으로 이어지는 것으로 밝혀졌습니다.

본 연구에서 포물선형 집열기(PTC)의 최대 에너지 및 엑서지 효율은 각각 74.19% 및 32.6%입니다. 그림 1은 태양 CCHP의 주기를 정확하게 설명하기 위한 그래픽 초록으로 언급될 수 있습니다.

The low efficiency of solar collectors can be mentioned as one of the problems in solar combined cooling, heating, and power (CCHP) cycles. For improving solar systems, nanofluid and porous media are used in solar collectors. One of the advantages of using porous media and nanoparticles is to absorb more energy under the same conditions. In this research, a solar combined cooling, heating, and power (SCCHP) system has been optimized by porous media and nanofluid for generating electricity, cooling, and heating of a 600 m2 building in a warm and dry region with average solar radiation of Ib = 820 w/m2 in Iran. In this paper, the optimal amount of nanofluid in porous materials has been calculated to the extent that no sediment is formed. In this study, solar collectors were enhanced with copper porous media (95% porosity) and CuO and Al2O3 nanofluids. 0.1%–0.6% of the nanofluids were added to water as working fluids; it is found that 0.5% of the nanofluids lead to the highest energy and exergy efficiency enhancement in solar collectors and SCCHP systems. Maximum energy and exergy efficiency of parabolic thermal collector (PTC) riches in this study are 74.19% and 32.6%, respectively. Figure 1 can be mentioned as a graphical abstract for accurately describing the cycle of solar CCHP.

1. Introduction

Due to the increase in energy consumption, the use of clean energy is one of the important goals of human societies. In the last four decades, the use of cogeneration cycles has increased significantly due to high efficiency. Among clean energy, the use of solar energy has become more popular due to its greater availability [1]. Low efficiency of energy production, transmission, and distribution system makes a new system to generate simultaneously electricity, heating, and cooling as an essential solution to be widely used. The low efficiency of the electricity generation, transmission, and distribution system makes the CCHP system a basic solution to eliminate waste of energy. CCHP system consists of a prime mover (PM), a power generator, a heat recovery system (produce extra heating/cooling/power), and thermal energy storage (TES) [2]. Solar combined cooling, heating, and power (SCCHP) has been started three decades ago. SCCHP is a system that receives its propulsive force from solar energy; in this cycle, solar collectors play the role of propulsive for generating power in this system [3].

Increasing the rate of energy consumption in the whole world because of the low efficiency of energy production, transmission, and distribution system causes a new cogeneration system to generate electricity, heating, and cooling energy as an essential solution to be widely used. Building energy utilization fundamentally includes power required for lighting, home electrical appliances, warming and cooling of building inside, and boiling water. Domestic usage contributes to an average of 35% of the world’s total energy consumption [4].

Due to the availability of solar energy in all areas, solar collectors can be used to obtain the propulsive power required for the CCHP cycle. Solar energy is the main source of energy in renewable applications. For selecting a suitable area to use solar collectors, annual sunshine hours, the number of sunny days, minus temperature and frosty days, and the windy status of the region are essentially considered [5]. Iran, with an average of more than 300 sunny days, is one of the suitable countries to use solar energy. Due to the fact that most of the solar radiation is in the southern regions of Iran, also the concentration of cities is low in these areas, and transmission lines are far apart, one of the best options is to use CCHP cycles based on solar collectors [6]. One of the major problems of solar collectors is their low efficiency [7]. Low efficiency increases the area of collectors, which increases the initial cost of solar systems and of course increases the initial payback period. To increase the efficiency of solar collectors and improve their performance, porous materials and nanofluids are used to increase their workability.

There are two ways to increase the efficiency of solar collectors and mechanical and fluid improvement. In the first method, using porous materials or helical filaments inside the collector pipes causes turbulence of the flow and increases heat transfer. In the second method, using nanofluids or salt and other materials increases the heat transfer of water. The use of porous materials has grown up immensely over the past twenty years. Porous materials, especially copper porous foam, are widely used in solar collectors. Due to the high contact surface area, porous media are appropriate candidates for solar collectors [8]. A number of researchers investigated Solar System performance in accordance with energy and exergy analyses. Zhai et al. [9] reviewed the performance of a small solar-powered system in which the energy efficiency was 44.7% and the electrical efficiency was 16.9%.

Abbasi et al. [10] proposed an innovative multiobjective optimization to optimize the design of a cogeneration system. Results showed the CCHP system based on an internal diesel combustion engine was the applicable alternative at all regions with different climates. The diesel engine can supply the electrical requirement of 31.0% and heating demand of 3.8% for building.

Jiang et al. [11] combined the experiment and simulation together to analyze the performance of a cogeneration system. Moreover, some research focused on CCHP systems using solar energy. It integrated sustainable and renewable technologies in the CCHP, like PV, Stirling engine, and parabolic trough collector (PTC) [21215].

Wang et al. [16] optimized a cogeneration solar cooling system with a Rankine cycle and ejector to reach the maximum total system efficiency of 55.9%. Jing et al. analyzed a big-scale building with the SCCHP system and auxiliary heaters to produced electrical, cooling, and heating power. The maximum energy efficiency reported in their work is 46.6% [17]. Various optimization methods have been used to improve the cogeneration system, minimum system size, and performance, such as genetic algorithm [1819].

Hirasawa et al. [20] investigated the effect of using porous media to reduce thermal waste in solar systems. They used the high-porosity metal foam on top of the flat plate solar collector and observed that thermal waste decreased by 7% due to natural heat transfer. Many researchers study the efficiency improvement of the solar collector by changing the collector’s shapes or working fluids. However, the most effective method is the use of nanofluids in the solar collector as working fluid [21]. In the experimental study done by Jouybari et al. [22], the efficiency enhancement up to 8.1% was achieved by adding nanofluid in a flat plate collector. In this research, by adding porous materials to the solar collector, collector efficiency increased up to 92% in a low flow regime. Subramani et al. [23] analyzed the thermal performance of the parabolic solar collector with Al2O3 nanofluid. They conducted their experiments with Reynolds number range 2401 to 7202 and mass flow rate 0.0083 to 0.05 kg/s. The maximum efficiency improvement in this experiment was 56% at 0.05 kg/s mass flow rate.

Shojaeizadeh et al. [24] investigated the analysis of the second law of thermodynamic on the flat plate solar collector using Al2O3/water nanofluid. Their research showed that energy efficiency rose up to 1.9% and the exergy efficiency increased by a maximum of 0.72% compared to pure water. Tiwari et al. [25] researched on the thermal performance of solar flat plate collectors for working fluid water with different nanofluids. The result showed that using 1.5% (optimum) particle volume fraction of Al2O3 nanofluid as an absorbing medium causes the thermal efficiency to enhance up to 31.64%.

The effect of porous media and nanofluids on solar collectors has already been investigated in the literature but the SCCHP system with a collector embedded by both porous media and nanofluid for enhancing the ratio of nanoparticle in nanofluid for preventing sedimentation was not discussed. In this research, the amount of energy and exergy of the solar CCHP cycles with parabolic solar collectors in both base and improved modes with a porous material (copper foam with 95% porosity) and nanofluid with different ratios of nanoparticles was calculated. In the first step, it is planned to design a CCHP system based on the required load, and, in the next step, it will analyze the energy and exergy of the system in a basic and optimize mode. In the optimize mode, enhanced solar collectors with porous material and nanofluid in different ratios (0.1%–0.7%) were used to optimize the ratio of nanofluids to prevent sedimentation.

2. Cycle Description

CCHP is one of the methods to enhance energy efficiency and reduce energy loss and costs. The SCCHP system used a solar collector as a prime mover of the cogeneration system and assisted the boiler to generate vapor for the turbine. Hot water flows from the expander to the absorption chiller in summer or to the radiator or fan coil in winter. Finally, before the hot water wants to flow back to the storage tank, it flows inside a heat exchanger for generating domestic hot water [26].

For designing of solar cogeneration system and its analysis, it is necessary to calculate the electrical, heating (heating load is the load required for the production of warm water and space heating), and cooling load required for the case study considered in a residential building with an area of 600 m2 in the warm region of Iran (Zahedan). In Table 1, the average of the required loads is shown for the different months of a year (average of electrical, heating, and cooling load calculated with CARRIER software).Table 1 The average amount of electric charges, heating load, and cooling load used in the different months of the year in the city of Zahedan for a residential building with 600 m2.

According to Table 1, the maximum magnitude of heating, cooling, and electrical loads is used to calculate the cogeneration system. The maximum electric load is 96 kW, the maximum amount of heating load is 62 kW, and the maximum cooling load is 118 kW. Since the calculated loads are average, all loads increased up to 10% for the confidence coefficient. With the obtained values, the solar collector area and other cogeneration system components are calculated. The cogeneration cycle is capable of producing 105 kW electric power, 140 kW cooling capacity, and 100 kW heating power.

2.1. System Analysis Equations

An analysis is done by considering the following assumptions:(1)The system operates under steady-state conditions(2)The system is designed for the warm region of Iran (Zahedan) with average solar radiation Ib = 820 w/m2(3)The pressure drops in heat exchangers, separators, storage tanks, and pipes are ignored(4)The pressure drop is negligible in all processes and no expectable chemical reactions occurred in the processes(5)Potential, kinetic, and chemical exergy are not considered due to their insignificance(6)Pumps have been discontinued due to insignificance throughout the process(7)All components are assumed adiabatic

Schematic shape of the cogeneration cycle is shown in Figure 1 and all data are given in Table 2.

Figure 1 Schematic shape of the cogeneration cycle.Table 2 Temperature and humidity of different points of system.

Based on the first law of thermodynamic, energy analysis is based on the following steps.

First of all, the estimated solar radiation energy on collector has been calculated:where α is the heat transfer enhancement coefficient based on porous materials added to the collector’s pipes. The coefficient α is increased by the porosity percentage, the type of porous material (in this case, copper with a porosity percentage of 95), and the flow of fluid to the collector equation.

Collector efficiency is going to be calculated by the following equation [9]:

Total energy received by the collector is given by [9]

Also, the auxiliary boiler heat load is [2]

Energy consumed from vapor to expander is calculated by [2]

The power output form by the screw expander [9]:

The efficiency of the expander is 80% in this case [11].

In this step, cooling and heating loads were calculated and then, the required heating load to reach sanitary hot water will be calculated as follows:

First step: calculating the cooling load with the following equation [9]:

Second step: calculating heating loads [9]:

Then, calculating the required loud for sanitary hot water will be [9]

According to the above-mentioned equations, efficiency is [9]

In the third step, calculated exergy analysis as follows.

First, the received exergy collector from the sun is calculated [9]:

In the previous equation, f is the constant of air dilution.

The received exergy from the collector is [9]

In the case of using natural gas in an auxiliary heater, the gas exergy is calculated from the following equation [12]:

Delivering exergy from vapor to expander is calculated with the following equation [9]:

In the fourth step, the exergy in cooling and heating is calculated by the following equation:

Cooling exergy in summer is calculated [9]:

Heating exergy in winter is calculated [9]:

In the last step based on thermodynamic second law, exergy efficiency has been calculated from the following equation and the above-mentioned calculated loads [9]:

3. Porous Media

The porous medium that filled the test section is copper foam with a porosity of 95%. The foams are determined in Figure 2 and also detailed thermophysical parameters and dimensions are shown in Table 3.

Figure 2 Copper foam with a porosity of 95%.Table 3 Thermophysical parameters and dimensions of copper foam.

In solar collectors, copper porous materials are suitable for use at low temperatures and have an easier and faster manufacturing process than ceramic porous materials. Due to the high coefficient conductivity of copper, the use of copper metallic foam to increase heat transfer is certainly more efficient in solar collectors.

Porous media and nanofluid in solar collector’s pipes were simulated in FLOW-3D software using the finite-difference method [27]. Nanoparticles Al2O3 and CUO are mostly used in solar collector enhancement. In this research, different concentrations of nanofluid are added to the parabolic solar collectors with porous materials (copper foam with porosity of 95%) to achieve maximum heat transfer in the porous materials before sedimentation. After analyzing PTC pipes with the nanofluid flow in FLOW-3D software, for energy and exergy efficiency analysis, Carrier software results were used as EES software input. Simulation PTC with porous media inside collector pipe and nanofluids sedimentation is shown in Figure 3.

Figure 3 Simulation PTC pipes enhanced with copper foam and nanoparticles in FLOW-3D software.

3.1. Nano Fluid

In this research, copper and silver nanofluids (Al2O3, CuO) have been added with percentages of 0.1%–0.7% as the working fluids. The nanoparticle properties are given in Table 4. Also, system constant parameters are presented in Table 4, which are available as default input in the EES software.Table 4 Properties of the nanoparticles [9].

System constant parameters for input in the software are shown in Table 5.Table 5 System constant parameters.

The thermal properties of the nanofluid can be obtained from equations (18)–(21). The basic fluid properties are indicated by the index (bf) and the properties of the nanoparticle silver with the index (np).

The density of the mixture is shown in the following equation [28]:where ρ is density and ϕ is the nanoparticles volume fraction.

The specific heat capacity is calculated from the following equation [29]:

The thermal conductivity of the nanofluid is calculated from the following equation [29]:

The parameter β is the ratio of the nanolayer thickness to the original particle radius and, usually, this parameter is taken equal to 0.1 for the calculated thermal conductivity of the nanofluids.

The mixture viscosity is calculated as follows [30]:

In all equations, instead of water properties, working fluids with nanofluid are used. All of the above equations and parameters are entered in the EES software for calculating the energy and exergy of solar collectors and the SCCHP cycle. All calculation repeats for both nanofluids with different concentrations of nanofluid in the solar collector’s pipe.

4. Results and Discussion

In the present study, relations were written according to Wang et al. [16] and the system analysis was performed to ensure the correctness of the code. The energy and exergy charts are plotted based on the main values of the paper and are shown in Figures 4 and 5. The error rate in this simulation is 1.07%.

Figure 4 Verification charts of energy analysis results.

Figure 5 Verification charts of exergy analysis results.

We may also investigate the application of machine learning paradigms [3141] and various hybrid, advanced optimization approaches that are enhanced in terms of exploration and intensification [4255], and intelligent model studies [5661] as well, for example, methods such as particle swarm optimizer (PSO) [6062], differential search (DS) [63], ant colony optimizer (ACO) [616465], Harris hawks optimizer (HHO) [66], grey wolf optimizer (GWO) [5367], differential evolution (DE) [6869], and other fusion and boosted systems [4146485054557071].

At the first step, the collector is modified with porous copper foam material. 14 cases have been considered for the analysis of the SCCHP system (Table 6). It should be noted that the adding of porous media causes an additional pressure drop inside the collector [922263072]. All fourteen cases use copper foam with a porosity of 95 percent. To simulate the effect of porous materials and nanofluids, the first solar PTC pipes have been simulated in the FLOW-3D software and then porous media (copper foam with porosity of 95%) and fluid flow with nanoparticles (AL2O3 and CUO) are generated in the software. After analyzing PTC pipes in FLOW-3D software, for analyzing energy and exergy efficiency, software outputs were used as EES software input for optimization ratio of sedimentation and calculating energy and exergy analyses.Table 6 Collectors with different percentages of nanofluids and porous media.

In this research, an enhanced solar collector with both porous media and Nanofluid is investigated. In the present study, 0.1–0.5% CuO and Al2O3 concentration were added to the collector fully filled by porous media to achieve maximum energy and exergy efficiencies of solar CCHP systems. All steps of the investigation are shown in Table 6.

Energy and exergy analyses of parabolic solar collectors and SCCHP systems are shown in Figures 6 and 7.

Figure 6 Energy and exergy efficiencies of the PTC with porous media and nanofluid.

Figure 7 Energy and exergy efficiency of the SCCHP.

Results show that the highest energy and exergy efficiencies are 74.19% and 32.6%, respectively, that is achieved in Step 12 (parabolic collectors with filled porous media and 0.5% Al2O3). In the second step, the maximum energy efficiency of SCCHP systems with fourteen steps of simulation are shown in Figure 7.

In the second step, where 0.1, −0.6% of the nanofluids were added, it is found that 0.5% leads to the highest energy and exergy efficiency enhancement in solar collectors and SCCHP systems. Using concentrations more than 0.5% leads to sediment in the solar collector’s pipe and a decrease of porosity in the pipe [73]. According to Figure 7, maximum energy and exergy efficiencies of SCCHP are achieved in Step 12. In this step energy efficiency is 54.49% and exergy efficiency is 18.29%. In steps 13 and 14, with increasing concentration of CUO and Al2O3 nanofluid solution in porous materials, decreasing of energy and exergy efficiency of PTC and SCCHP system at the same time happened. This decrease in efficiency is due to the formation of sediment in the porous material. Calculations and simulations have shown that porous materials more than 0.5% nanofluids inside the collector pipe cause sediment and disturb the porosity of porous materials and pressure drop and reduce the coefficient of performance of the cogeneration system. Most experience showed that CUO and AL2O3 nanofluids with less than 0.6% percent solution are used in the investigation on the solar collectors at low temperatures and discharges [74]. One of the important points of this research is that the best ratio of nanofluids in the solar collector with a low temperature is 0.5% (AL2O3 and CUO); with this replacement, the cost of solar collectors and SCCHP cycle is reduced.

5. Conclusion and Future Directions

In the present study, ways for increasing the efficiency of solar collectors in order to enhance the efficiency of the SCCHP cycle are examined. The research is aimed at adding both porous materials and nanofluids for estimating the best ratio of nanofluid for enhanced solar collector and protecting sedimentation in porous media. By adding porous materials (copper foam with porosity of 95%) and 0.5% nanofluids together, high efficiency in solar parabolic collectors can be achieved. The novelty in this research is the addition of both nanofluids and porous materials and calculating the best ratio for preventing sedimentation and pressure drop in solar collector’s pipe. In this study, it was observed that, by adding 0.5% of AL2O3 nanofluid in working fluids, the energy efficiency of PTC rises to 74.19% and exergy efficiency is grown up to 32.6%. In SCCHP cycle, energy efficiency is 54.49% and exergy efficiency is 18.29%.

In this research, parabolic solar collectors fully filled by porous media (copper foam with a porosity of 95) are investigated. In the next step, parabolic solar collectors in the SCCHP cycle were simultaneously filled by porous media and different percentages of Al2O3 and CuO nanofluid. At this step, values of 0.1% to 0.6% of each nanofluid were added to the working fluid, and the efficiency of the energy and exergy of the collectors and the SCCHP cycle were determined. In this case, nanofluid and the porous media were used together in the solar collector and maximum efficiency achieved. 0.5% of both nanofluids were used to achieve the biggest efficiency enhancement.

In the present study, as expected, the highest efficiency is for the parabolic solar collector fully filled by porous material (copper foam with a porosity of 95%) and 0.5% Al2O3. Results of the present study are as follows:(1)The average enhancement of collectors’ efficiency using porous media and nanofluids is 28%.(2)Solutions with 0.1 to 0.5% of nanofluids (CuO and Al2O3) are used to prevent collectors from sediment occurrence in porous media.(3)Collector of solar cogeneration cycles that is enhanced by both porous media and nanofluid has higher efficiency, and the stability of output temperature is more as well.(4)By using 0.6% of the nanofluids in the enhanced parabolic solar collectors with copper porous materials, sedimentation occurs and makes a high-pressure drop in the solar collector’s pipe which causes decrease in energy efficiency.(5)Average enhancement of SCCHP cycle efficiency is enhanced by both porous media and nanofluid 13%.

Nomenclature

:Solar radiation
a:Heat transfer augmentation coefficient
A:Solar collector area
Bf:Basic fluid
:Specific heat capacity of the nanofluid
F:Constant of air dilution
:Thermal conductivity of the nanofluid
:Thermal conductivity of the basic fluid
:Viscosity of the nanofluid
:Viscosity of the basic fluid
:Collector efficiency
:Collector energy receives
:Auxiliary boiler heat
:Expander energy
:Gas energy
:Screw expander work
:Cooling load, in kilowatts
:Heating load, in kilowatts
:Solar radiation energy on collector, in Joule
:Sanitary hot water load
Np:Nanoparticle
:Energy efficiency
:Heat exchanger efficiency
:Sun exergy
:Collector exergy
:Natural gas exergy
:Expander exergy
:Cooling exergy
:Heating exergy
:Exergy efficiency
:Steam mass flow rate
:Hot water mass flow rate
:Specific heat capacity of water
:Power output form by the screw expander
Tam:Average ambient temperature
:Density of the mixture.

Greek symbols

ρ:Density
ϕ:Nanoparticles volume fraction
β:Ratio of the nanolayer thickness.

Abbreviations

CCHP:Combined cooling, heating, and power
EES:Engineering equation solver.

Data Availability

For this study, data were generated by CARRIER software for the average electrical, heating, and cooling load of a residential building with 600 m2 in the city of Zahedan, Iran.

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

  1. A. Fudholi and K. Sopian, “Review on solar collector for agricultural produce,” International Journal of Power Electronics and Drive Systems (IJPEDS), vol. 9, no. 1, p. 414, 2018.View at: Publisher Site | Google Scholar
  2. G. Yang and X. Zhai, “Optimization and performance analysis of solar hybrid CCHP systems under different operation strategies,” Applied Thermal Engineering, vol. 133, pp. 327–340, 2018.View at: Publisher Site | Google Scholar
  3. J. Wang, Z. Han, and Z. Guan, “Hybrid solar-assisted combined cooling, heating, and power systems: a review,” Renewable and Sustainable Energy Reviews, vol. 133, p. 110256, 2020.View at: Publisher Site | Google Scholar
  4. Y. Tian and C. Y. Zhao, “A review of solar collectors and thermal energy storage in solar thermal applications,” Applied Energy, vol. 104, pp. 538–553, 2013.View at: Publisher Site | Google Scholar
  5. J. M. Hassan, Q. J. Abdul-Ghafour, and M. F. Mohammed, “CFD simulation of enhancement techniques in flat plate solar water collectors,” Al-Nahrain Journal for Engineering Sciences, vol. 20, no. 3, pp. 751–761, 2017.View at: Google Scholar
  6. M. Jahangiri, O. Nematollahi, A. Haghani, H. A. Raiesi, and A. Alidadi Shamsabadi, “An optimization of energy cost of clean hybrid solar-wind power plants in Iran,” International Journal of Green Energy, vol. 16, no. 15, pp. 1422–1435, 2019.View at: Publisher Site | Google Scholar
  7. I. H. Yılmaz and A. Mwesigye, “Modeling, simulation and performance analysis of parabolic trough solar collectors: a comprehensive review,” Applied Energy, vol. 225, pp. 135–174, 2018.View at: Google Scholar
  8. F. Wang, J. Tan, and Z. Wang, “Heat transfer analysis of porous media receiver with different transport and thermophysical models using mixture as feeding gas,” Energy Conversion and Management, vol. 83, pp. 159–166, 2014.View at: Publisher Site | Google Scholar
  9. H. Zhai, Y. J. Dai, J. Y. Wu, and R. Z. Wang, “Energy and exergy analyses on a novel hybrid solar heating, cooling and power generation system for remote areas,” Applied Energy, vol. 86, no. 9, pp. 1395–1404, 2009.View at: Publisher Site | Google Scholar
  10. M. H. Abbasi, H. Sayyaadi, and M. Tahmasbzadebaie, “A methodology to obtain the foremost type and optimal size of the prime mover of a CCHP system for a large-scale residential application,” Applied Thermal Engineering, vol. 135, pp. 389–405, 2018.View at: Google Scholar
  11. R. Jiang, F. G. F. Qin, X. Yang, S. Huang, and B. Chen, “Performance analysis of a liquid absorption dehumidifier driven by jacket-cooling water of a diesel engine in a CCHP system,” Energy and Buildings, vol. 163, pp. 70–78, 2018.View at: Publisher Site | Google Scholar
  12. F. A. Boyaghchi and M. Chavoshi, “Monthly assessments of exergetic, economic and environmental criteria and optimization of a solar micro-CCHP based on DORC,” Solar Energy, vol. 166, pp. 351–370, 2018.View at: Publisher Site | Google Scholar
  13. F. A. Boyaghchi and M. Chavoshi, “Multi-criteria optimization of a micro solar-geothermal CCHP system applying water/CuO nanofluid based on exergy, exergoeconomic and exergoenvironmental concepts,” Applied Thermal Engineering, vol. 112, pp. 660–675, 2017.View at: Publisher Site | Google Scholar
  14. B. Su, W. Han, Y. Chen, Z. Wang, W. Qu, and H. Jin, “Performance optimization of a solar assisted CCHP based on biogas reforming,” Energy Conversion and Management, vol. 171, pp. 604–617, 2018.View at: Publisher Site | Google Scholar
  15. F. A. Al-Sulaiman, F. Hamdullahpur, and I. Dincer, “Performance assessment of a novel system using parabolic trough solar collectors for combined cooling, heating, and power production,” Renewable Energy, vol. 48, pp. 161–172, 2012.View at: Publisher Site | Google Scholar
  16. J. Wang, Y. Dai, L. Gao, and S. Ma, “A new combined cooling, heating and power system driven by solar energy,” Renewable Energy, vol. 34, no. 12, pp. 2780–2788, 2009.View at: Publisher Site | Google Scholar
  17. Y.-Y. Jing, H. Bai, J.-J. Wang, and L. Liu, “Life cycle assessment of a solar combined cooling heating and power system in different operation strategies,” Applied Energy, vol. 92, pp. 843–853, 2012.View at: Publisher Site | Google Scholar
  18. J.-J. Wang, Y.-Y. Jing, and C.-F. Zhang, “Optimization of capacity and operation for CCHP system by genetic algorithm,” Applied Energy, vol. 87, no. 4, pp. 1325–1335, 2010.View at: Publisher Site | Google Scholar
  19. L. Ali, “LDA–GA–SVM: improved hepatocellular carcinoma prediction through dimensionality reduction and genetically optimized support vector machine,” Neural Computing and Applications, vol. 87, pp. 1–10, 2020.View at: Google Scholar
  20. S. Hirasawa, R. Tsubota, T. Kawanami, and K. Shirai, “Reduction of heat loss from solar thermal collector by diminishing natural convection with high-porosity porous medium,” Solar Energy, vol. 97, pp. 305–313, 2013.View at: Publisher Site | Google Scholar
  21. E. Bellos, C. Tzivanidis, and Z. Said, “A systematic parametric thermal analysis of nanofluid-based parabolic trough solar collectors,” Sustainable Energy Technologies and Assessments, vol. 39, p. 100714, 2020.View at: Publisher Site | Google Scholar
  22. H. J. Jouybari, S. Saedodin, A. Zamzamian, M. E. Nimvari, and S. Wongwises, “Effects of porous material and nanoparticles on the thermal performance of a flat plate solar collector: an experimental study,” Renewable Energy, vol. 114, pp. 1407–1418, 2017.View at: Publisher Site | Google Scholar
  23. J. Subramani, P. K. Nagarajan, S. Wongwises, S. A. El-Agouz, and R. Sathyamurthy, “Experimental study on the thermal performance and heat transfer characteristics of solar parabolic trough collector using Al2O3 nanofluids,” Environmental Progress & Sustainable Energy, vol. 37, no. 3, pp. 1149–1159, 2018.View at: Publisher Site | Google Scholar
  24. E. Shojaeizadeh, F. Veysi, and A. Kamandi, “Exergy efficiency investigation and optimization of an Al2O3-water nanofluid based Flat-plate solar collector,” Energy and Buildings, vol. 101, pp. 12–23, 2015.View at: Publisher Site | Google Scholar
  25. A. K. Tiwari, P. Ghosh, and J. Sarkar, “Solar water heating using nanofluids–a comprehensive overview and environmental impact analysis,” International Journal of Emerging Technology and Advanced Engineering, vol. 3, no. 3, pp. 221–224, 2013.View at: Google Scholar
  26. D. R. Rajendran, E. Ganapathy Sundaram, P. Jawahar, V. Sivakumar, O. Mahian, and E. Bellos, “Review on influencing parameters in the performance of concentrated solar power collector based on materials, heat transfer fluids and design,” Journal of Thermal Analysis and Calorimetry, vol. 140, no. 1, pp. 33–51, 2020.View at: Publisher Site | Google Scholar
  27. 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: Google Scholar
  28. K. Khanafer and K. Vafai, “A critical synthesis of thermophysical characteristics of nanofluids,” International Journal of Heat and Mass Transfer, vol. 54, no. 19-20, pp. 4410–4428, 2011.View at: Publisher Site | Google Scholar
  29. K. Farhana, K. Kadirgama, M. M. Rahman et al., “Improvement in the performance of solar collectors with nanofluids – a state-of-the-art review,” Nano-Structures & Nano-Objects, vol. 18, p. 100276, 2019.View at: Publisher Site | Google Scholar
  30. M. Turkyilmazoglu, “Condensation of laminar film over curved vertical walls using single and two-phase nanofluid models,” European Journal of Mechanics-B/Fluids, vol. 65, pp. 184–191, 2017.View at: Publisher Site | Google Scholar
  31. 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. 2020, 2020.View at: Google Scholar
  32. 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. 1, 2020.View at: Publisher Site | Google Scholar
  33. X. Zhang, M. Fan, D. Wang, P. Zhou, and D. Tao, “Top-k feature selection framework using robust 0-1 integer programming,” IEEE Transactions on Neural Networks and Learning Systems, vol. 1, pp. 1–15, 2020.View at: Publisher Site | Google Scholar
  34. 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
  35. 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. 1, 2020.View at: Publisher Site | Google Scholar
  36. 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. 1, 2020.View at: Google Scholar
  37. M. Mirmozaffari, “Machine learning algorithms based on an optimization model,” 2020.View at: Google Scholar
  38. M. Mirmozaffari, M. Yazdani, A. Boskabadi, H. Ahady Dolatsara, K. Kabirifar, and N. Amiri Golilarz, “A novel machine learning approach combined with optimization models for eco-efficiency evaluation,” Applied Sciences, vol. 10, no. 15, p. 5210, 2020.View at: Publisher Site | Google Scholar
  39. M. Vosoogha and A. Addeh, “An intelligent power prediction method for wind energy generation based on optimized fuzzy system,” Computational Research Progress in Applied Science & Engineering (CRPASE), vol. 5, pp. 34–43, 2019.View at: Google Scholar
  40. A. Javadi, N. Mikaeilvand, and H. Hosseinzdeh, “Presenting a new method to solve partial differential equations using a group search optimizer method (GSO),” Computational Research Progress in Applied Science and Engineering, vol. 4, no. 1, pp. 22–26, 2018.View at: Google Scholar
  41. F. J. Golrokh, Gohar Azeem, and A. Hasan, “Eco-efficiency evaluation in cement industries: DEA malmquist productivity index using optimization models,” ENG Transactions, vol. 1, pp. 1–8, 2020.View at: Google Scholar
  42. H. Yu, “Dynamic Gaussian bare-bones fruit fly optimizers with abandonment mechanism: method and analysis,” Engineering with Computers, vol. 1, pp. 1–29, 2020.View at: Google Scholar
  43. C. Yu, “SGOA: annealing-behaved grasshopper optimizer for global tasks,” Engineering with Computers, vol. 1, pp. 1–28, 2021.View at: Google Scholar
  44. 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. 1, p. 106728, 2020.View at: Google Scholar
  45. 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, p. 106642, 2021.View at: Publisher Site | Google Scholar
  46. Y. Zhang, “Towards augmented kernel extreme learning models for bankruptcy prediction: algorithmic behavior and comprehensive analysis,” Neurocomputing, vol. 1, 2020.View at: Google Scholar
  47. Y. Zhang, R. Liu, X. Wang, H. Chen, and C. Li, “Boosted binary Harris hawks optimizer and feature selection,” Engineering with Computers, vol. 1, pp. 1–30, 2020.View at: Google Scholar
  48. 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
  49. 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
  50. 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
  51. 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
  52. 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
  53. 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
  54. M. Wang and H. Chen, “Chaotic multi-swarm whale optimizer boosted support vector machine for medical diagnosis,” Applied Soft Computing Journal, vol. 88, 2020.View at: Publisher Site | Google Scholar
  55. 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
  56. R. U. Khan, X. Zhang, R. Kumar, A. Sharif, N. A. Golilarz, and M. Alazab, “An adaptive multi-layer botnet detection technique using machine learning classifiers,” Applied Sciences, vol. 9, no. 11, p. 2375, 2019.View at: Publisher Site | Google Scholar
  57. A. Addeh, A. Khormali, and N. A. Golilarz, “Control chart pattern recognition using RBF neural network with new training algorithm and practical features,” ISA Transactions, vol. 79, pp. 202–216, 2018.View at: Publisher Site | Google Scholar
  58. N. Amiri Golilarz, H. Gao, R. Kumar, L. Ali, Y. Fu, and C. Li, “Adaptive wavelet based MRI brain image de-noising,” Frontiers in Neuroscience, vol. 14, p. 728, 2020.View at: Publisher Site | Google Scholar
  59. N. A. Golilarz, H. Gao, and H. Demirel, “Satellite image de-noising with Harris hawks meta heuristic optimization algorithm and improved adaptive generalized Gaussian distribution threshold function,” IEEE Access, vol. 7, pp. 57459–57468, 2019.View at: Publisher Site | Google Scholar
  60. M. Eisazadeh and J. Rezapour, “Multi-objective optimization of the composite sheets using PSO algorithm,” 2017.View at: Google Scholar
  61. I. Bargegol, M. Nikookar, R. V. Nezafat, E. J. Lashkami, and A. M. Roshandeh, “Timing optimization of signalized intersections using shockwave theory by genetic algorithm,” Computational Research Progress in Applied Science & Engineering, vol. 1, pp. 160–167, 2015.View at: Google Scholar
  62. B. Bai, Z. Guo, C. Zhou, W. Zhang, and J. Zhang, “Application of adaptive reliability importance sampling-based extended domain PSO on single mode failure in reliability engineering,” Information Sciences, vol. 546, pp. 42–59, 2021.View at: Publisher Site | Google Scholar
  63. J. Liu, C. Wu, G. Wu, and X. Wang, “A novel differential search algorithm and applications for structure design,” Applied Mathematics and Computation, vol. 268, pp. 246–269, 2015.View at: Publisher Site | Google Scholar
  64. 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
  65. D. Zhao, “Chaotic random spare ant colony optimization for multi-threshold image segmentation of 2D Kapur entropy,” Knowledge-Based Systems, vol. 24, p. 106510, 2020.View at: Google Scholar
  66. 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
  67. 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, p. 106684, 2021.View at: Publisher Site | Google Scholar
  68. G. Sun, B. Yang, Z. Yang, and G. Xu, “An adaptive differential evolution with combined strategy for global numerical optimization,” Soft Computing, vol. 24, pp. 1–20, 2019.View at: Google Scholar
  69. G. Sun, C. Li, and L. Deng, “An adaptive regeneration framework based on search space adjustment for differential evolution,” Neural Computing and Applications, vol. 24, pp. 1–17, 2021.View at: Google Scholar
  70. A. Addeh and M. Iri, “Brain tumor type classification using deep features of MRI images and optimized RBFNN,” ENG Transactions, vol. 2, pp. 1–7, 2021.View at: Google Scholar
  71. 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,” Soft Computing, vol. 1, pp. 1–8, 2020.View at: Google Scholar
  72. H. Tyagi, P. Phelan, and R. Prasher, “Predicted efficiency of a low-temperature nanofluid-based direct absorption solar collector,” Journal of Solar Energy Engineering, vol. 131, no. 4, 2009.View at: Publisher Site | Google Scholar
  73. S. Rashidi, M. Bovand, and J. A. Esfahani, “Heat transfer enhancement and pressure drop penalty in porous solar heat exchangers: a sensitivity analysis,” Energy Conversion and Management, vol. 103, pp. 726–738, 2015.View at: Publisher Site | Google Scholar
  74. N. Akram, R. Sadri, S. N. Kazi et al., “A comprehensive review on nanofluid operated solar flat plate collectors,” Journal of Thermal Analysis and Calorimetry, vol. 139, no. 2, pp. 1309–1343, 2020.View at: Publisher Site | Google Scholar
Energy and exergy analysis of an enhanced solar CCHP system with a collector embedded by porous media and nano fluid

Energy and exergy analysis of an enhanced solar CCHP system with a collector embedded by porous media and nano fluid

Year 2021, Volume 7, Issue 6, 1489 – 1505, 02.09.2021

N. TONEKABONI  H. SALARIAN  M. Eshagh NIMVARI  J. KHALEGHINIA https://doi.org/10.18186/thermal.990897

Abstract

The low efficiency of Collectors that absorb energy can be mentioned as one of the drawbacks in solar cogeneration cycles. In the present study, solar systems have been improved by adding porous media and Nanofluid to collectors. One advantage of using porous media and nanomaterials is to absorb more energy while the surface area is reduced. In this study, first, solar collectors are enhanced using 90% porosity copper in solar combined cooling, heating and power systems (SCCHP). Second, different percentages of CuO and Al2O3 nano-fluids are added to a flat plate and parabolic collectors to enhance thermal properties. Simulations are performed in different modes (simple parabolic collectors, simple flat plate collectors, improved flat plate collectors, parabolic collectors with porous media, and flat plate and parabolic collectors with different density of CuO and Al2O3 nanofluids). A case study is investigated for warm and dry regions with mean solar radiation Ib = 820 w / m2 in Iran. The maximum energy and exergy efficiencies are 60.12% and 18.84%, respectively, that is related to enhanced parabolic solar collectors with porous media and nanofluids. Adding porous media and nano-fluids increases an average 14.4% collector energy efficiency and 8.08% collector exergy efficiency.

Keywords

Exergy analysisSolar cogeneration systemPorous mediaNanofluid

References

  • [1] Center TU. Annual report on China building energy efficiency. China Construction Industry Press (In Chinese). 2016.
  • [2] Tonekaboni N, Salarian H, Fatahian E, Fatahian H. Energy and exergy economic analysis of cogeneration cycle of homemade CCHP with PVT collector. Canadian Journal of Basic and Applied Sciences 2015;3:224-233.
  • [3] Hassan JM, Abdul-Ghafour QJ, Mohammed MF. CFD simulation of enhancement techniques in flat plate solar water collectors. Al-Nahrain Journal for Engineering Sciences 2017;20:751-761.
  • [4] Sopian K, Daud WR, Othman MY, Yatim B. Thermal performance of the double-pass solar collector with and without porous media. Renewable Energy 1999;18:557-564. https://doi.org/10.1016/S0960-1481(99)00007-5
  • [5] Feizbahr M, Kok Keong C, Rostami F, Shahrokhi M. Wave energy dissipation using perforated and non perforated piles. International Journal of Engineering 2018;31:212-219. https://doi.org/10.5829/ije.2018.31.02b.04
  • [6] Tian Y, Zhao CY. A review of solar collectors and thermal energy storage in solar thermal applications. Applied Energy 2013;104:538-553. https://doi.org/10.1016/j.apenergy.2012.11.051
  • [7] Wang F, Tan J, Wang Z. Heat transfer analysis of porous media receiver with different transport and thermophysical models using mixture as feeding gas. Energy Conversion and Management 2014;83:159-166. https://doi.org/10.1016/j.enconman.2014.03.068
  • [8] Korti AI. Numerical 3-D heat flow simulations on double-pass solar collector with and without porous media. Journal of Thermal Engineering 2015;1:10-23. https://doi.org/10.18186/jte.86295
  • [9] Sharma N, Diaz G. Performance model of a novel evacuated-tube solar collector based on minichannels. Solar Energy 2011;85:881-890. https://doi.org/10.1016/j.solener.2011.02.001
  • [10] Tyagi VV, Kaushik SC, Tyagi SK. Advancement in solar photovoltaic/thermal (PV/T) hybrid collector technology. Renewable and Sustainable Energy Reviews 2012;16:1383-1398. https://doi.org/10.1016/j.rser.2011.12.013
  • [11] Zhai H, Dai YJ, Wu JY, Wang RZ. Energy and exergy analyses on a novel hybrid solar heating, cooling and power generation system for remote areas. Applied Energy 2009;86:1395-1404. https://doi.org/10.1016/j.apenergy.2008.11.020
  • [12] Wang J, Dai Y, Gao L, Ma S. A new combined cooling, heating and power system driven by solar energy. Renewable Energy 2009;34:2780-2788. https://doi.org/10.1016/j.renene.2009.06.010
  • [13] Jing YY, Bai H, Wang JJ, Liu L. Life cycle assessment of a solar combined cooling heating and power system in different operation strategies. Applied Energy 2012;92:843-853. https://doi.org/10.1016/j.apenergy.2011.08.046
  • [14] Temir G, Bilge D. Thermoeconomic analysis of a trigeneration system. applied thermal engineering. Applied Thermal Engineering 2004;24:2689-2699. https://doi.org/10.1016/j.applthermaleng.2004.03.014
  • [15] Wang JJ, Jing YY, Zhang CF. Optimization of capacity and operation for CCHP system by genetic algorithm. Applied Energy 2010;87:1325-1335. https://doi.org/10.1016/j.apenergy.2009.08.005
  • [16] Kleinstreuer C, Chiang H. Analysis of a porous-medium solar collector. Heat Transfer Engineering 1990;11:45-55. https://doi.org/10.1080/01457639008939728
  • [17] Mbaye M, Bilgen E. Natural convection and conduction in porous wall, solar collector systems without vents. Jornal of Solar Energy Engineering 1992;114:40-46. https://doi.org/10.1115/1.2929980
  • [18] Hirasawa S, Tsubota R, Kawanami T, Shirai K. Reduction of heat loss from solar thermal collector by diminishing natural convection with high-porosity porous medium. Solar Energy 2013;97:305-313. https://doi.org/10.1016/j.solener.2013.08.035
  • [19] Jouybari HJ, Saedodin S, Zamzamian A, Nimvari ME, Wongwises S. Effects of porous material and nanoparticles on the thermal performance of a flat plate solar collector: an experimental study. Renewable Energy 2017;114:1407-1418. https://doi.org/10.1016/j.renene.2017.07.008
  • [20] Subramani J, Nagarajan PK, Wongwises S, El‐Agouz SA, Sathyamurthy R. Experimental study on the thermal performance and heat transfer characteristics of solar parabolic trough collector using Al2O3 nanofluids. Environmental Progress & Sustainable Energy 2018;37:1149-1159. https://doi.org/10.1002/ep.12767
  • [21] Yousefi T, Veysi F, Shojaeizadeh E, Zinadini S. An experimental investigation on the effect of Al2O3–H2O nanofluid on the efficiency of flat-plate solar collectors. Renewable Energy 2012;39:293-298. https://doi.org/10.1016/j.renene.2011.08.056
  • [22] Tyagi H, Phelan P, Prasher R. Predicted efficiency of a low-temperature nanofluid-based direct absorption solar collector. Journal of Solar Energy Engineering 2009;131:041004. https://doi.org/10.1115/1.3197562
  • [23] Shojaeizadeh E, Veysi F, Kamandi A. Exergy efficiency investigation and optimization of an Al2O3–water nanofluid based Flat-plate solar collector. Energy and Buildings 2015;101:12-23. https://doi.org/10.1016/j.enbuild.2015.04.048
  • [24] Tiwari AK, Ghosh P, Sarkar J. Solar water heating using nanofluids–a comprehensive overview and environmental impact analysis. International Journal of Emerging Technology and Advanced Engineering 2013;3:221-224. [25] Akram N, Sadri R, Kazi SN, Zubir MN, Ridha M, Ahmed W, et al. A comprehensive review on nanofluid operated solar flat plate collectors. Journal of Thermal Analysis and Calorimetry 2020;139:1309-1343. https://doi.org/10.1007/s10973-019-08514-z
  • [26] Lemington N. Study of solar driven adsorption cooling potential in Indonesia. Journal of Thermal Engineering 2017;3:1044-1051. https://doi.org/10.18186/thermal.290257
  • [27] Tong Y, Lee H, Kang W, Cho H. Energy and exergy comparison of a flat-plate solar collector using water, Al2O3 nanofluid, and CuO nanofluid. Applied Thermal Engineering 2019;159:113959. https://doi.org/10.1016/j.applthermaleng.2019.113959
  • [28] Khanafer K, Vafai K. A critical synthesis of thermophysical characteristics of nanofluids. International Journal of Heat And Mass Transfer 2011;54:4410-4428. https://doi.org/10.1016/j.ijheatmasstransfer.2011.04.048
  • [29] Farhana K, Kadirgama K, Rahman MM, Ramasamy D, Noor MM, Najafi G, et al. Improvement in the performance of solar collectors with nanofluids—A state-of-the-art review. Nano-Structures & Nano-Objects 2019;18:100276. https://doi.org/10.1016/j.nanoso.2019.100276
  • [30] Turkyilmazoglu M. Condensation of laminar film over curved vertical walls using single and two-phase nanofluid models. European Journal of Mechanics-B/Fluids 2017;65:184-91. https://doi.org/10.1016/j.euromechflu.2017.04.007
  • [31] Chen CC, Huang PC. Numerical study of heat transfer enhancement for a novel flat-plate solar water collector using metal-foam blocks. International Journal of Heat And Mass Transfer 2012;55:6734-6756. https://doi.org/10.1016/j.ijheatmasstransfer.2012.06.082
  • [32] Huang PC, Chen CC, Hwang HY. Thermal enhancement in a flat-plate solar water collector by flow pulsation and metal-foam blocks. International Journal of Heat and Mass Transfer 2013;61:696-720. https://doi.org/10.1016/j.ijheatmasstransfer.2013.02.037
  • [33] Hajipour M, Dehkordi AM. Mixed-convection flow of Al2O3–H O nanofluid in a channel partially filled with porous metal foam: experimental and numerical study. Experimental Thermal and Fluid Science 2014;53:49-56. https://doi.org/10.1016/j.expthermflusci.2013.11.002
  • [34] Rashidi S, Bovand M, Esfahani JA. Heat transfer enhancement and pressure drop penalty in porous solar heat exchangers: a sensitivity analysis. Energy Conversion and Management 2015;103:726-738. https://doi.org/10.1016/j.enconman.2015.07.019
  • [35] Manikandan GK, Iniyan S, Goic R. Enhancing the optical and thermal efficiency of a parabolic trough collector–A review. Applied Energy 2019;235:1524-1540. https://doi.org/10.1016/j.apenergy.2018.11.048

Details

Primary LanguageEnglish
SubjectsEngineering
Journal SectionArticles
AuthorsN. TONEKABONI  This is me
Islamic Azad University Nour Branch
0000-0002-1563-4407
IranH. SALARIAN  This is me (Primary Author)
Islamic Azad University Nour Branch
0000-0002-2161-0276
IranM. Eshagh NIMVARI  This is me
Amol University of Special Modern Technologies
0000-0002-7401-315X
IranJ. KHALEGHINIA  This is me
Islamic Azad University Nour Branch
0000-0001-5357-193X
Iran
Publication DateSeptember 2, 2021
Application DateDecember 28, 2020
Acceptance DateMay 9, 2020
Published in IssueYear 2021, Volume 7, Issue 6
Figure 2. (a) Scanning electron microscopy images of Ti6Al4V powder particles and (b) simulated powder bed using discrete element modelling

Laser Powder Bed에서 Laser Drilling에 의한 Keyhole 형성 Ti6Al4V 생체 의학 합금의 융합: 메조스코픽 전산유체역학 시뮬레이션 대 경험적 검증을 사용한 수학적 모델링

Keyhole Formation by Laser Drilling in Laser Powder Bed Fusion of Ti6Al4V Biomedical Alloy: Mesoscopic Computational Fluid Dynamics Simulation versus Mathematical Modelling Using Empirical Validation

Asif Ur Rehman 1,2,3,*
,† , Muhammad Arif Mahmood 4,*
,† , Fatih Pitir 1
, Metin Uymaz Salamci 2,3
,
Andrei C. Popescu 4 and Ion N. Mihailescu 4

Abstract

LPBF(Laser Powder Bed fusion) 공정에서 작동 조건은 열 분포를 기반으로 레이저 유도 키홀 영역을 결정하는 데 필수적입니다. 얕은 구멍과 깊은 구멍으로 분류되는 이러한 영역은 LPBF 프로세스에서 확률과 결함 형성 강도를 제어합니다.

LPBF 프로세스의 핵심 구멍을 연구하고 제어하기 위해 수학적 및 CFD(전산 유체 역학) 모델이 제공됩니다. CFD의 경우 이산 요소 모델링 기법을 사용한 유체 체적 방법이 사용되었으며, 분말 베드 보이드 및 표면에 의한 레이저 빔 흡수를 포함하여 수학적 모델이 개발되었습니다.

동적 용융 풀 거동을 자세히 살펴봅니다. 실험적, CFD 시뮬레이션 및 분석적 컴퓨팅 결과 간에 정량적 비교가 수행되어 좋은 일치를 얻습니다.

LPBF에서 레이저 조사 영역 주변의 온도는 높은 내열성과 분말 입자 사이의 공기로 인해 분말층 주변에 비해 급격히 상승하여 레이저 횡방향 열파의 이동이 느려집니다. LPBF에서 키홀은 에너지 밀도에 의해 제어되는 얕고 깊은 키홀 모드로 분류될 수 있습니다. 에너지 밀도를 높이면 얕은 키홀 구멍 모드가 깊은 키홀 구멍 모드로 바뀝니다.

깊은 키홀 구멍의 에너지 밀도는 다중 반사와 키홀 구멍 내의 2차 반사 빔의 집중으로 인해 더 높아져 재료가 빠르게 기화됩니다.

깊은 키홀 구멍 모드에서는 온도 분포가 높기 때문에 액체 재료가 기화 온도에 가까우므로 얕은 키홀 구멍보다 구멍이 형성될 확률이 훨씬 높습니다. 온도가 급격히 상승하면 재료 밀도가 급격히 떨어지므로 비열과 융해 잠열로 인해 유체 부피가 증가합니다.

그 대가로 표면 장력을 낮추고 용융 풀 균일성에 영향을 미칩니다.

In the laser powder bed fusion (LPBF) process, the operating conditions are essential in determining laser-induced keyhole regimes based on the thermal distribution. These regimes, classified into shallow and deep keyholes, control the probability and defects formation intensity in the LPBF process. To study and control the keyhole in the LPBF process, mathematical and computational fluid dynamics (CFD) models are presented. For CFD, the volume of fluid method with the discrete element modeling technique was used, while a mathematical model was developed by including the laser beam absorption by the powder bed voids and surface. The dynamic melt pool behavior is explored in detail. Quantitative comparisons are made among experimental, CFD simulation and analytical computing results leading to a good correspondence. In LPBF, the temperature around the laser irradiation zone rises rapidly compared to the surroundings in the powder layer due to the high thermal resistance and the air between the powder particles, resulting in a slow travel of laser transverse heat waves. In LPBF, the keyhole can be classified into shallow and deep keyhole mode, controlled by the energy density. Increasing the energy density, the shallow keyhole mode transforms into the deep keyhole mode. The energy density in a deep keyhole is higher due to the multiple reflections and concentrations of secondary reflected beams within the keyhole, causing the material to vaporize quickly. Due to an elevated temperature distribution in deep keyhole mode, the probability of pores forming is much higher than in a shallow keyhole as the liquid material is close to the vaporization temperature. When the temperature increases rapidly, the material density drops quickly, thus, raising the fluid volume due to the specific heat and fusion latent heat. In return, this lowers the surface tension and affects the melt pool uniformity.

Keywords: laser powder bed fusion; computational fluid dynamics; analytical modelling; shallow
and deep keyhole modes; experimental correlation

Figure 1. Powder bed schematic with voids.
Figure 1. Powder bed schematic with voids.
Figure 2. (a) Scanning electron microscopy images of Ti6Al4V powder particles and (b) simulated powder bed using discrete element modelling
Figure 2. (a) Scanning electron microscopy images of Ti6Al4V powder particles and (b) simulated powder bed using discrete element modelling
Figure 3. Temperature field contour formation at various time intervals (a) 0.695 ms, (b) 0.795 ms, (c) 0.995 ms and (d) 1.3 ms.
Figure 3. Temperature field contour formation at various time intervals (a) 0.695 ms, (b) 0.795 ms, (c) 0.995 ms and (d) 1.3 ms.
Figure 4. Detailed view of shallow depth melt mode with temperature field at 0.695 ms
Figure 4. Detailed view of shallow depth melt mode with temperature field at 0.695 ms
Figure 5. Melt flow stream traces formation at various time intervals (a) 0.695 ms, (b) 0.795 ms, (c) 0.995 ms and (d) 1.3 ms
Figure 5. Melt flow stream traces formation at various time intervals (a) 0.695 ms, (b) 0.795 ms, (c) 0.995 ms and (d) 1.3 ms
Figure 6. Density evolution of the melt pool at various time intervals (a) 0.695 ms, (b) 0.795 ms, (c) 0.995 ms and (d) 1.3 ms.
Figure 6. Density evolution of the melt pool at various time intervals (a) 0.695 ms, (b) 0.795 ms, (c) 0.995 ms and (d) 1.3 ms.
Figure 7. Un-melted and melted regions at different time intervals (a) 0.695 ms, (b) 0.795 ms, (c) 0.995 ms and (d) 1.3 ms
Figure 7. Un-melted and melted regions at different time intervals (a) 0.695 ms, (b) 0.795 ms, (c) 0.995 ms and (d) 1.3 ms
Figure 8. Transformation from shallow depth melt flow to deep keyhole formation when laser power increased from (a) 170 W to (b) 200 W
Figure 8. Transformation from shallow depth melt flow to deep keyhole formation when laser power increased from (a) 170 W to (b) 200 W
Figure 9. Stream traces and laser beam multiple reflections in deep keyhole melt flow mode
Figure 9. Stream traces and laser beam multiple reflections in deep keyhole melt flow mode
Figure 10. A comparison between analytical and CFD simulation results for peak thermal distribution value in the deep keyhole formation
Figure 10. A comparison between analytical and CFD simulation results for peak thermal distribution value in the deep keyhole formation
Figure 11. A comparison among experiments [49], CFD and analytical simulations for deep keyhole top width and bottom width
Figure 11. A comparison among experiments [49], CFD and analytical simulations for deep keyhole top width and bottom width

References

  1. Kok, Y.; Tan, X.P.; Wang, P.; Nai, M.L.S.; Loh, N.H.; Liu, E.; Tor, S.B. Anisotropy and heterogeneity of microstructure and
    mechanical properties in metal additive manufacturing: A critical review. Mater. Des. 2018, 139, 565–586. [CrossRef]
  2. Ansari, P.; Salamci, M.U. On the selective laser melting based additive manufacturing of AlSi10Mg: The process parameter
    investigation through multiphysics simulation and experimental validation. J. Alloys Compd. 2022, 890, 161873. [CrossRef]
  3. Guo, N.; Leu, M.C. Additive manufacturing: Technology, applications and research needs. Front. Mech. Eng. 2013, 8, 215–243.
    [CrossRef]
  4. Mohsin Raza, M.; Lo, Y.L. Experimental investigation into microstructure, mechanical properties, and cracking mechanism of
    IN713LC processed by laser powder bed fusion. Mater. Sci. Eng. A 2021, 819, 141527. [CrossRef]
  5. Dezfoli, A.R.A.; Lo, Y.L.; Raza, M.M. Prediction of Epitaxial Grain Growth in Single-Track Laser Melting of IN718 Using Integrated
    Finite Element and Cellular Automaton Approach. Materials 2021, 14, 5202. [CrossRef]
  6. Tiwari, S.K.; Pande, S.; Agrawal, S.; Bobade, S.M. Selection of selective laser sintering materials for different applications. Rapid
    Prototyp. J. 2015, 21, 630–648. [CrossRef]
  7. Liu, F.H. Synthesis of bioceramic scaffolds for bone tissue engineering by rapid prototyping technique. J. Sol-Gel Sci. Technol.
    2012, 64, 704–710. [CrossRef]
  8. Ur Rehman, A.; Sglavo, V.M. 3D printing of geopolymer-based concrete for building applications. Rapid Prototyp. J. 2020, 26,
    1783–1788. [CrossRef]
  9. Ur Rehman, A.; Sglavo, V.M. 3D printing of Portland cement-containing bodies. Rapid Prototyp. J. 2021. ahead of print. [CrossRef]
  10. Popovich, A.; Sufiiarov, V. Metal Powder Additive Manufacturing. In New Trends in 3D Printing; InTech: Rijeka, Croatia, 2016.
  11. Jia, T.; Zhang, Y.; Chen, J.K.; He, Y.L. Dynamic simulation of granular packing of fine cohesive particles with different size
    distributions. Powder Technol. 2012, 218, 76–85. [CrossRef]
  12. Ansari, P.; Ur Rehman, A.; Pitir, F.; Veziroglu, S.; Mishra, Y.K.; Aktas, O.C.; Salamci, M.U. Selective Laser Melting of 316L
    Austenitic Stainless Steel: Detailed Process Understanding Using Multiphysics Simulation and Experimentation. Metals 2021,
    11, 1076. [CrossRef]
  13. Ur Rehman, A.; Tingting, L.; Liao, W. 4D Printing; Printing Ceramics from Metals with Selective Oxidation. Patent No.
    W0/2019/052128, 21 March 2019.
  14. Ullah, A.; Wu, H.; Ur Rehman, A.; Zhu, Y.; Liu, T.; Zhang, K. Influence of laser parameters and Ti content on the surface
    morphology of L-PBF fabricated Titania. Rapid Prototyp. J. 2021, 27, 71–80. [CrossRef]
  15. Ur Rehman, A. Additive Manufacturing of Ceramic Materials and Combinations with New Laser Strategies. Master’s Thesis,
    Nanjing University of Science and Technology, Nanjing, China, 2017.
  16. Wong, K.V.; Hernandez, A. A Review of Additive Manufacturing. ISRN Mech. Eng. 2012, 2012, 1–10. [CrossRef]
  17. Körner, C. Additive manufacturing of metallic components by selective electron beam melting—A review. Int. Mater. Rev. 2016,
    61, 361–377. [CrossRef]
  18. Fayazfar, H.; Salarian, M.; Rogalsky, A.; Sarker, D.; Russo, P.; Paserin, V.; Toyserkani, E. A critical review of powder-based additive
    manufacturing of ferrous alloys: Process parameters, microstructure and mechanical properties. Mater. Des. 2018, 144, 98–128.
    [CrossRef]
  19. Everton, S.K.; Hirsch, M.; Stavroulakis, P.I.; Leach, R.K.; Clare, A.T. Review of in-situ process monitoring and in-situ metrology
    for metal additive manufacturing. Mater. Des. 2016, 95, 431–445. [CrossRef]
  20. Sing, S.L.; An, J.; Yeong, W.Y.; Wiria, F.E. Laser and electron-beam powder-bed additive manufacturing of metallic implants: A
    review on processes, materials and designs. J. Orthop. Res. 2016, 34, 369–385. [CrossRef] [PubMed]
  21. Olakanmi, E.O.; Cochrane, R.F.; Dalgarno, K.W. A review on selective laser sintering/melting (SLS/SLM) of aluminium alloy
    powders: Processing, microstructure, and properties. Prog. Mater. Sci. 2015, 74, 401–477. [CrossRef]
  22. Mahmood, M.A.; Popescu, A.C.; Hapenciuc, C.L.; Ristoscu, C.; Visan, A.I.; Oane, M.; Mihailescu, I.N. Estimation of clad geometry
    and corresponding residual stress distribution in laser melting deposition: Analytical modeling and experimental correlations.
    Int. J. Adv. Manuf. Technol. 2020, 111, 77–91. [CrossRef]
  23. Mahmood, M.A.; Popescu, A.C.; Oane, M.; Ristoscu, C.; Chioibasu, D.; Mihai, S.; Mihailescu, I.N. Three-jet powder flow
    and laser–powder interaction in laser melting deposition: Modelling versus experimental correlations. Metals 2020, 10, 1113.
    [CrossRef]
  24. King, W.; Anderson, A.T.; Ferencz, R.M.; Hodge, N.E.; Kamath, C.; Khairallah, S.A. Overview of modelling and simulation of
    metal powder bed fusion process at Lawrence Livermore National Laboratory. Mater. Sci. Technol. 2015, 31, 957–968. [CrossRef]
  1. Gong, H.; Rafi, K.; Gu, H.; Starr, T.; Stucker, B. Analysis of defect generation in Ti-6Al-4V parts made using powder bed fusion
    additive manufacturing processes. Addit. Manuf. 2014, 1, 87–98. [CrossRef]
  2. Frazier, W.E. Metal additive manufacturing: A review. J. Mater. Eng. Perform. 2014, 23, 1917–1928. [CrossRef]
  3. Panwisawas, C.; Qiu, C.L.; Sovani, Y.; Brooks, J.W.; Attallah, M.M.; Basoalto, H.C. On the role of thermal fluid dynamics into the
    evolution of porosity during selective laser melting. Scr. Mater. 2015, 105, 14–17. [CrossRef]
  4. Yan, W.; Ge, W.; Qian, Y.; Lin, S.; Zhou, B.; Liu, W.K.; Lin, F.; Wagner, G.J. Multi-physics modeling of single/multiple-track defect
    mechanisms in electron beam selective melting. Acta Mater. 2017, 134, 324–333. [CrossRef]
  5. Qian, Y.; Yan, W.; Lin, F. Parametric study and surface morphology analysis of electron beam selective melting. Rapid Prototyp. J.
    2018, 24, 1586–1598. [CrossRef]
  6. Panwisawas, C.; Perumal, B.; Ward, R.M.; Turner, N.; Turner, R.P.; Brooks, J.W.; Basoalto, H.C. Keyhole formation and thermal
    fluid flow-induced porosity during laser fusion welding in titanium alloys: Experimental and modelling. Acta Mater. 2017, 126,
    251–263. [CrossRef]
  7. King, W.E.; Barth, H.D.; Castillo, V.M.; Gallegos, G.F.; Gibbs, J.W.; Hahn, D.E.; Kamath, C.; Rubenchik, A.M. Observation of
    keyhole-mode laser melting in laser powder-bed fusion additive manufacturing. J. Mater. Process. Technol. 2014, 214, 2915–2925.
    [CrossRef]
  8. Panwisawas, C.; Sovani, Y.; Turner, R.P.; Brooks, J.W.; Basoalto, H.C.; Choquet, I. Modelling of thermal fluid dynamics for fusion
    welding. J. Mater. Process. Technol. 2018, 252, 176–182. [CrossRef]
  9. Martin, A.A.; Calta, N.P.; Hammons, J.A.; Khairallah, S.A.; Nielsen, M.H.; Shuttlesworth, R.M.; Sinclair, N.; Matthews, M.J.;
    Jeffries, J.R.; Willey, T.M.; et al. Ultrafast dynamics of laser-metal interactions in additive manufacturing alloys captured by in situ
    X-ray imaging. Mater. Today Adv. 2019, 1, 100002. [CrossRef]
  10. Cunningham, R.; Zhao, C.; Parab, N.; Kantzos, C.; Pauza, J.; Fezzaa, K.; Sun, T.; Rollett, A.D. Keyhole threshold and morphology
    in laser melting revealed by ultrahigh-speed x-ray imaging. Science 2019, 363, 849–852. [CrossRef] [PubMed]
  11. Tang, C.; Tan, J.L.; Wong, C.H. A numerical investigation on the physical mechanisms of single track defects in selective laser
    melting. Int. J. Heat Mass Transf. 2018, 126, 957–968. [CrossRef]
  12. Mirkoohi, E.; Ning, J.; Bocchini, P.; Fergani, O.; Chiang, K.-N.; Liang, S. Thermal Modeling of Temperature Distribution in Metal
    Additive Manufacturing Considering Effects of Build Layers, Latent Heat, and Temperature-Sensitivity of Material Properties. J.
    Manuf. Mater. Process. 2018, 2, 63. [CrossRef]
  13. Oane, M.; Sporea, D. Temperature profiles modeling in IR optical components during high power laser irradiation. Infrared Phys.
    Technol. 2001, 42, 31–40. [CrossRef]
  14. Cleary, P.W.; Sawley, M.L. DEM modelling of industrial granular flows: 3D case studies and the effect of particle shape on hopper
    discharge. Appl. Math. Model. 2002, 26, 89–111. [CrossRef]
  15. Parteli, E.J.R.; Pöschel, T. Particle-based simulation of powder application in additive manufacturing. Powder Technol. 2016, 288,
    96–102. [CrossRef]
  16. Cao, L. Numerical simulation of the impact of laying powder on selective laser melting single-pass formation. Int. J. Heat Mass
    Transf. 2019, 141, 1036–1048. [CrossRef]
  17. Tian, Y.; Yang, L.; Zhao, D.; Huang, Y.; Pan, J. Numerical analysis of powder bed generation and single track forming for selective
    laser melting of SS316L stainless steel. J. Manuf. Process. 2020, 58, 964–974. [CrossRef]
  18. Lee, Y.S.; Zhang, W. Modeling of heat transfer, fluid flow and solidification microstructure of nickel-base superalloy fabricated by
    laser powder bed fusion. Addit. Manuf. 2016, 12, 178–188. [CrossRef]
  19. Tang, M.; Pistorius, P.C.; Beuth, J.L. Prediction of lack-of-fusion porosity for powder bed fusion. Addit. Manuf. 2017, 14, 39–48.
    [CrossRef]
  20. Promoppatum, P.; Yao, S.C.; Pistorius, P.C.; Rollett, A.D. 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 2017, 3, 685–694. [CrossRef]
  21. Rosenthal, D. Mathematical Theory of Heat Distribution During Welding and Cutting. Weld. J. 1941, 20, 220–234.
  22. Chen, Q.; Zhao, Y.Y.; Strayer, S.; Zhao, Y.Y.; Aoyagi, K.; Koizumi, Y.; Chiba, A.; Xiong, W.; To, A.C. Elucidating the Effect
    of Preheating Temperature on Melt Pool Morphology Variation in Inconel 718 Laser Powder Bed Fusion via Simulation and
    Experiment. Available online: https://www.sciencedirect.com/science/article/pii/S2214860420310149#bb8 (accessed on 30
    April 2021).
  23. Ur Rehman, A.; Pitir, F.; Salamci, M.U. Laser Powder Bed Fusion (LPBF) of In718 and the Impact of Pre-Heating at 500 and
    1000 ◦C: Operando Study. Materials 2021, 14, 6683. [CrossRef] [PubMed]
  24. Ur Rehman, A.; Pitir, F.; Salamci, M.U. Full-Field Mapping and Flow Quantification of Melt Pool Dynamics in Laser Powder Bed
    Fusion of SS316L. Materials 2021, 14, 6264. [CrossRef] [PubMed]
  25. Gong, H.; Gu, H.; Zeng, K.; Dilip, J.J.S.; Pal, D.; Stucker, B.; Christiansen, D.; Beuth, J.; Lewandowski, J.J. Melt Pool Characterization
    for Selective Laser Melting of Ti-6Al-4V Pre-alloyed Powder. In Proceedings of the International Solid Freeform Fabrication
    Symposium, Austin, TX, USA, 10–12 August 2014; 2014; pp. 256–267.
  26. Song, B.; Dong, S.; Liao, H.; Coddet, C. Process parameter selection for selective laser melting of Ti6Al4V based on temperature
    distribution simulation and experimental sintering. Int. J. Adv. Manuf. Technol. 2012, 61, 967–974. [CrossRef]
  27. Guo, Q.; Zhao, C.; Qu, M.; Xiong, L.; Hojjatzadeh, S.M.H.; Escano, L.I.; Parab, N.D.; Fezzaa, K.; Sun, T.; Chen, L. In-situ full-field
  28. mapping of melt flow dynamics in laser metal additive manufacturing. Addit. Manuf. 2020, 31, 100939. [CrossRef]
  29. Messler, J.R.W. Principles of Welding: Processes, Physics, Chemistry, and Metallurgy; John Wiley & Sons: New York, NY, USA, 2008;
  30. ISBN 9783527617494.
  31. Khairallah, S.A.; Anderson, A.T.; Rubenchik, A.M.; King, W.E. Laser powder-bed fusion additive manufacturing: Physics of
  32. complex melt flow and formation mechanisms of pores, spatter, and denudation zones. Acta Mater. 2016, 108, 36–45. [CrossRef]
  33. Ur Rehman, A.; Mahmood, M.A.; Pitir, F.; Salamci, M.U.; Popescu, A.C.; Mihailescu, I.N. Mesoscopic Computational Fluid
  34. Dynamics Modelling for the Laser-Melting Deposition of AISI 304 Stainless Steel Single Tracks with Experimental Correlation: A
  35. Novel Study. Metals 2021, 11, 1569. [CrossRef]
  36. Paul, A.; Debroy, T. Free surface flow and heat transfer in conduction mode laser welding. Metall. Trans. B 1988, 19, 851–858.
  37. [CrossRef]
  38. Aucott, L.; Dong, H.; Mirihanage, W.; Atwood, R.; Kidess, A.; Gao, S.; Wen, S.; Marsden, J.; Feng, S.; Tong, M.; et al. Revealing
  39. internal flow behaviour in arc welding and additive manufacturing of metals. Nat. Commun. 2018, 9, 5414. [CrossRef]
  40. Abderrazak, K.; Bannour, S.; Mhiri, H.; Lepalec, G.; Autric, M. Numerical and experimental study of molten pool formation
  41. during continuous laser welding of AZ91 magnesium alloy. Comput. Mater. Sci. 2009, 44, 858–866. [CrossRef]
  42. Bayat, M.; Thanki, A.; Mohanty, S.; Witvrouw, A.; Yang, S.; Thorborg, J.; Tiedje, N.S.; Hattel, J.H. Keyhole-induced porosities in
  43. Laser-based Powder Bed Fusion (L-PBF) of Ti6Al4V: High-fidelity modelling and experimental validation. Addit. Manuf. 2019,
  44. 30, 100835. [CrossRef]
Experimental and Numerical Investigation of Hydrodynamic Performance of a Sloping Floating Breakwater with and Without Chain-Net

Chain-Net이 있거나 없는 경사 부유식 방파제의 유체역학적 성능에 대한 실험 및 수치적 조사

Experimental and Numerical Investigation of Hydrodynamic Performance of a Sloping Floating Breakwater with and Without Chain-Net

Keywords

  • Sloping floating breakwater
  • Chain net
  • Anchorage system
  • Hydrodynamic performance

Abstract

두 개의 부유체 사이에 간격이 있는 경사진 부유식 방파제(FB)에 대한 새로운 연구가 제안되었습니다. 구조물의 기울기는 파동 에너지 소산을 유발할 수 있습니다. 경사진 구조물의 문제는 파도가 넘친다는 것입니다. 이 문제를 해결하기 위해 두 플로터 사이의 간격을 고려합니다. 

오버 토핑이 발생하면 마루를 통과하는 물이 두 플로터 사이의 틈으로 쏟아지며 결과적으로 파도 에너지가 감쇠됩니다. 체인 네트가 모델에 추가되고 전송 계수에 대한 영향이 연구됩니다. 또한, 구조물의 유체역학적 성능에 대한 자유도의 영향을 조사하기 위해 말뚝으로 고정된(1 자유도) 계류 라인으로 고정된(3도의 자유도) 두 가지 고정 시스템에서 자유 모델을 연구했습니다.

게다가, 실험은 5개의 다른 파도 주기와 4개의 다른 파도 높이를 가진 규칙파에서 수행됩니다. 실험 결과, 경사형 부유식 방파제가 직사각형 상자형보다 최대 15% 성능이 우수한 것으로 나타났다. 말뚝에 의해 고정된 FB에 대한 투과계수는 단파에서 케이블에 의해 고정된 FB보다 최대값으로 약 14% 낮고 장파에서 약 4-10% 더 높다. 흘수가 증가함에 따라 전송 계수는 감소하지만 건현은 허용 비율의 초과를 제한하기 위한 최소 요구 사항을 충족해야 합니다. 

체인 그물이 있는 모델은 없는 모델에 비해 전달 계수가 최대 14% 감소하여 더 나은 성능을 나타냅니다. 실험 결과, 경사형 부유식 방파제가 직사각형 상자형보다 최대 15% 성능이 우수한 것으로 나타났다. 말뚝에 의해 고정된 FB에 대한 투과계수는 단파에서 케이블에 의해 고정된 FB보다 최대값으로 약 14% 낮고 장파에서 약 4-10% 더 높다. 흘수가 증가함에 따라 전송 계수는 감소하지만 건현은 허용 비율의 초과를 제한하기 위한 최소 요구 사항을 충족해야 합니다. 

체인 그물이 있는 모델은 없는 모델에 비해 전달 계수가 최대 14% 감소하여 더 나은 성능을 나타냅니다. 실험 결과, 경사형 부유식 방파제가 직사각형 상자형보다 최대 15% 성능이 우수한 것으로 나타났다. 말뚝에 의해 고정된 FB에 대한 투과계수는 단파에서 케이블에 의해 고정된 FB보다 최대값으로 약 14% 낮고 장파에서 약 4-10% 더 높다. 흘수가 증가함에 따라 전송 계수는 감소하지만 건현은 허용 비율의 초과를 제한하기 위한 최소 요구 사항을 충족해야 합니다.

체인 그물이 있는 모델은 없는 모델에 비해 전달 계수가 최대 14% 감소하여 더 나은 성능을 나타냅니다. 말뚝에 의해 고정된 FB에 대한 투과계수는 단파에서 케이블에 의해 고정된 FB보다 최대값으로 약 14% 낮고 장파에서 약 4-10% 더 높다. 흘수가 증가함에 따라 전송 계수는 감소하지만 건현은 허용 비율의 초과를 제한하기 위한 최소 요구 사항을 충족해야 합니다. 

체인 그물이 있는 모델은 없는 모델에 비해 전달 계수가 최대 14% 감소하여 더 나은 성능을 나타냅니다. 말뚝에 의해 고정된 FB에 대한 투과계수는 단파에서 케이블에 의해 고정된 FB보다 최대값으로 약 14% 낮고 장파에서 약 4-10% 더 높다. 

흘수가 증가함에 따라 전송 계수는 감소하지만 건현은 허용 비율의 초과를 제한하기 위한 최소 요구 사항을 충족해야 합니다. 체인 그물이 있는 모델은 없는 모델에 비해 전달 계수가 최대 14% 감소하여 더 나은 성능을 나타냅니다.

A novel study of sloping floating breakwater (FB) that has a gap between two floaters is proposed. The slope of a structure can cause wave energy dissipation. A problem with sloping structures is wave overtopping. To solve this problem, a gap is considered between the two floaters. If overtopping occurs, water passing the crest will pour into the gap between the two floaters, as a result wave energy will be attenuated. A chain net is added to the model and its effect on the transmission coefficient is studied. Furthermore, in order to investigate the effects of the degree of freedom on the hydrodynamic performance of the structure, the model is studied in the two anchorage systems which are anchored by pile (1 degree of freedom) and anchored by mooring lines (3 degree of freedom). Moreover, the experiments are performed under regular waves with five different wave periods and four different wave heights. The results of the experiments show a sloping floating breakwater that has a better performance than that of rectangular box type by 15% as maximum value. The transmission coefficients for the FB anchored by pile are lower about 14% as maximum value than that of the FB anchored by cable in shorter waves and are higher about 4–10% in longer waves. With increasing the draft, the transmission coefficient decreases but the freeboard should meet the minimum requirements to restrict overtopping in the allowable rate. The model with a chain net exhibits a better performance as compared with the model without it by a maximum 14% reduction in the transmission coefficients.

  • Fig. 1extended data figure 1
  • Fig. 2extended data figure 2
  • Fig. 3extended data figure 3
  • Fig. 4extended data figure 4
  • Fig. 5extended data figure 5
  • Fig. 6extended data figure 6
  • Fig. 7extended data figure 7
  • Fig. 8extended data figure 8
  • Fig. 9extended data figure 9
  • Fig. 10extended data figure 10
  • Fig. 11extended data figure 11
  • Fig. 12extended data figure 12
  • Fig. 13extended data figure 13
  • Fig. 14extended data figure 14
  • Fig. 15extended data figure 15
  • Fig. 16extended data figure 16
  • Fig. 17extended data figure 17
  • Fig. 18extended data figure 18
  • Fig. 19extended data figure 19
  • Fig. 20extended data figure 20
  • Fig. 21extended data figure 21
  • Fig. 22extended data figure 22
  • Fig. 23extended data figure 23
  • Fig.24extended data figure 24
  • Fig. 25extended data figure 25
  • Fig. 26extended data figure 26
  • Fig. 27extended data figure 27

References

  1. Abul-Azm AG, Gesraha MR (2000) Approximation to the hydrodynamics of floating pontoons under oblique waves. Ocean Eng 27:365–384Article Google Scholar 
  2. Biesheuvel AC (2013) Effectiveness of floating breakwaters. Delf University of Technology, DissertaionGoogle Scholar 
  3. Chen Zh, Wang Y, Dong H, Zheng B (2012) Time-domain hydrodynamic analysis of pontoon-plate floating breakwater. J Water Sci Eng 5(3):291–303Google Scholar 
  4. Daneshfaraz R, Kaya B (2008) solution of the propagation of the waves in open channels by the transfer matrix method. J Ocean Eng 35:1075–1079Article Google Scholar 
  5. Daneshfaraz R, Sadeghfam S, Tahni A (2020) exprimental investigation of screen as energy dissipators in the movable-Bed channel. Iran J Sci Technol Trans Civil Eng 44:1237–1246Article Google Scholar 
  6. Deng Zh, Wang L, Zhao X, Huang Zh (2019) Hydrodynamic performance of a T-shaped floating breakwater. J Appl Ocean Res 82:325–336Article Google Scholar 
  7. Dong GH, Zheng YN, Li YC, Teng B, Guan CT, Lin DF (2008) Experiments on wave transmission coefficients of floating breakwaters. Ocean Eng 35:931–938Article Google Scholar 
  8. Duan WY, Xu SP, Xu QL et al (2017) Performance of an F-type floating break water: a numerical and experimental study. Proc I MechE Part M 231(2):583–599Google Scholar 
  9. Gesraha MR (2006) Analysis of π shaped floating breakwater in oblique waves: I. Impervious rigid wave boards. Appl Ocean Res 28:327–338Article Google Scholar 
  10. He F, Huang Zh, Wing-Keung Law A (2013) An experimental study of a floating breakwater with asymmetric pneumatic chambers for wave energy extraction. J Appl Energy 106:222–231Article Google Scholar 
  11. Ikeno M, Shimoda N, Iwata K (1988) A new type of breakwater utilizing air compressibility. In: Proceedings of the 21st Coastal Engineering Conference, ASCE. pp 2426–2339
  12. Ji Ch, Cheng Y, Cui J, Yuan Zh, Gaidai O (2018) Hydrodynamic performance of floating breakwaters in long wave regime: an experimental study. J Ocean Eng 152:154–166Article Google Scholar 
  13. Koutandos E, Prinos P, Gironella X (2005) Floating breakwaters under regular and irregular wave forcing: reflection and transmission characteristics. J Hydraul Res 43(2):174–188Article Google Scholar 
  14. Liu Zh, Wang Y, Wang W, Hua X (2019) Numerical modeling and optimization of a winged box-type floating breakwater by Smoothed Particle Hydrodynamics. J Ocean Eng 188:106246Article Google Scholar 
  15. LotfollahiYaghin MA, Mojtahedi A, Aminfar MH (2012) Physical model studies and system identification of hydrodynamics around a vertical square-section cylinder in irregular sea waves. J Ocean Eng 55:10–22Article Google Scholar 
  16. Mansard E, Funke E (1980) The measurement of the incident and reflected spectra using the least squares method. In: Proceedings of the 17th Coastal Engineering Conference ASCE, Sydney. pp 154–172
  17. Mojtahedi A, ShokatianBeiragh M, Farajpour I, Mohammadian M (2020) Investigation on hydrodynamic performance of an enviromentally friendly pile breakwater. J Ocean Eng 217:107942Article Google Scholar 
  18. Noroozi B, Bazargan J, Safarzadeh A (2021) Introducing the T-shaped weir: a new nonlinear weir. Water Supply. https://doi.org/10.2166/ws.2021.144Article Google Scholar 
  19. Pena E, Ferreras J, Sanchez-Tembleque F (2011) Experimental study on wave transmission coefficient, mooring lines and module connector forces with different designs of floating breakwaters. J Ocean Eng 38:1150–1160Article Google Scholar 
  20. Safarzadeh A, Zaji AH, Bonakdari H (2017) Comparative Assessment of the Hybrid Genetic Algorithm-Artificial neural network and genetic programming methods for the predicition of longitudinal velocity field around a single straight groyne. Appl Soft Comput 60:213–228Article Google Scholar 
  21. Tang HJ, Huang CC, Chen WM (2011) Dynamics of dual pontoon floating structure for cage aquaculture in a two-dimensional numerical wave tank. J Fluid Struct 27:918–936Article Google Scholar 
  22. U.S. Army coastal engineering research center (1984) Shore protection manual. U.S. Government Printing Office, WashingtonGoogle Scholar 
  23. Williams AN, Lee HS, Huang Z (2000) Floating pontoon breakwaters. Ocean Eng 27:221–240Article Google Scholar 
  24. Yang Zh, Xie M, Gao Zh, Xu T, Guo W, Ji X, Yuan Ch (2018) Experimental investigation on hydrodynamic effectiveness of a water ballast type floating breakwater. J Ocean Eng 167:77–94Article Google Scholar 
  25. Zhang X, Ma Sh, Duan W (2018) A new L type floating breakwater derived from vortex dissipation simulation. J Ocean Eng 164:455–464Article Google Scholar 
Figure 15. Localized deformations on revetment due to run-down and sliding of armor from body laboratory model (left) and numerical modeling (right).

지속 가능한 해안 보호 구조로서 굴절식 콘크리트 블록 매트리스의 손상 메커니즘의 수치적 모델링

Numerical Modeling of Failure Mechanisms in Articulated Concrete Block Mattress as a Sustainable Coastal Protection Structure

Author

Ramin Safari Ghaleh(Department of Civil Engineering, K. N. Toosi University of Technology, Tehran 19967-15433, Iran)

Omid Aminoroayaie Yamini(Department of Civil Engineering, K. N. Toosi University of Technology, Tehran 19967-15433, Iran)

S. Hooman Mousavi(Department of Civil Engineering, K. N. Toosi University of Technology, Tehran 19967-15433, Iran)

Mohammad Reza Kavianpour(Department of Civil Engineering, K. N. Toosi University of Technology, Tehran 19967-15433, Iran)

Abstract

해안선 보호는 전 세계적인 우선 순위로 남아 있습니다. 일반적으로 해안 지역은 석회암과 같은 단단하고 비자연적이며 지속 불가능한 재료로 보호됩니다. 시공 속도와 환경 친화성을 높이고 개별 콘크리트 블록 및 보강재의 중량을 줄이기 위해 콘크리트 블록을 ACB 매트(Articulated Concrete Block Mattress)로 설계 및 구현할 수 있습니다. 이 구조물은 필수적인 부분으로 작용하며 방파제 또는 해안선 보호의 둑으로 사용할 수 있습니다. 물리적 모델은 해안 구조물의 현상을 추정하고 조사하는 핵심 도구 중 하나입니다. 그러나 한계와 장애물이 있습니다. 결과적으로, 본 연구에서는 이러한 구조물에 대한 파도의 수치 모델링을 활용하여 방파제에서의 파도 전파를 시뮬레이션하고, VOF가 있는 Flow-3D 소프트웨어를 통해 ACB Mat의 불안정성에 영향을 미치는 요인으로는 파괴파동, 옹벽의 흔들림, 파손으로 인한 인양력으로 인한 장갑의 변위 등이 있다. 본 연구의 가장 중요한 목적은 수치 Flow-3D 모델이 연안 호안의 유체역학적 매개변수를 모사하는 능력을 조사하는 것입니다. 콘크리트 블록 장갑에 대한 파동의 상승 값은 파단 매개변수( 0.5 < ξ m – 1 , 0 < 3.3 )가 증가할 때까지(R u 2 % H m 0 = 1.6) ) 최대값에 도달합니다. 따라서 차단파라미터를 증가시키고 파괴파(ξ m − 1 , 0 > 3.3 ) 유형을 붕괴파/해일파로 변경함으로써 콘크리트 블록 호안의 상대파 상승 변화 경향이 점차 증가합니다. 파동(0.5 < ξ m − 1 , 0 < 3.3 )의 경우 차단기 지수(표면 유사성 매개변수)를 높이면 상대파 런다운의 낮은 값이 크게 감소합니다. 또한, 천이영역에서는 파단파동이 쇄도파에서 붕괴/서징으로의 변화( 3.3 < ξ m – 1 , 0 < 5.0 )에서 상대적 런다운 과정이 더 적은 강도로 발생합니다.

Shoreline protection remains a global priority. Typically, coastal areas are protected by armoring them with hard, non-native, and non-sustainable materials such as limestone. To increase the execution speed and environmental friendliness and reduce the weight of individual concrete blocks and reinforcements, concrete blocks can be designed and implemented as Articulated Concrete Block Mattress (ACB Mat). These structures act as an integral part and can be used as a revetment on the breakwater body or shoreline protection. Physical models are one of the key tools for estimating and investigating the phenomena in coastal structures. However, it does have limitations and obstacles; consequently, in this study, numerical modeling of waves on these structures has been utilized to simulate wave propagation on the breakwater, via Flow-3D software with VOF. Among the factors affecting the instability of ACB Mat are breaking waves as well as the shaking of the revetment and the displacement of the armor due to the uplift force resulting from the failure. The most important purpose of the present study is to investigate the ability of numerical Flow-3D model to simulate hydrodynamic parameters in coastal revetment. The run-up values of the waves on the concrete block armoring will multiply with increasing break parameter ( 0.5 < ξ m − 1 , 0 < 3.3 ) due to the existence of plunging waves until it ( R u 2 % H m 0 = 1.6 ) reaches maximum. Hence, by increasing the breaker parameter and changing breaking waves ( ξ m − 1 , 0 > 3.3 ) type to collapsing waves/surging waves, the trend of relative wave run-up changes on concrete block revetment increases gradually. By increasing the breaker index (surf similarity parameter) in the case of plunging waves ( 0.5 < ξ m − 1 , 0 < 3.3 ), the low values on the relative wave run-down are greatly reduced. Additionally, in the transition region, the change of breaking waves from plunging waves to collapsing/surging ( 3.3 < ξ m − 1 , 0 < 5.0 ), the relative run-down process occurs with less intensity.

Figure 1.  Armor  geometric  characteristics  and  drawing  three-dimensional  geometry  of  a  breakwater section  in SolidWorks software.
Figure 1. Armor geometric characteristics and drawing three-dimensional geometry of a breakwater section in SolidWorks software.
Figure  5.  Wave  overtopping on  concrete block  mattress in (a)  laboratory  and (b)  numerical  model.
Figure 5. Wave overtopping on concrete block mattress in (a) laboratory and (b) numerical model.
Figure  7.  Mesh  block  for  calibrated  numerical  model  with  686,625  cells  and  utilization  of  FAVOR  tab to assess figure geometry.
Figure 7. Mesh block for calibrated numerical model with 686,625 cells and utilization of FAVOR tab to assess figure geometry.
Figure  10.  How to place different layers  (core, filter,  and revetment)  of the structure on slope.
Figure 10. How to place different layers (core, filter, and revetment) of the structure on slope.

Suggested Citation

Figure 11. Wave run-up on ACB Mat blocks in (a) laboratory model and (b) numerical modeling.
Figure 11. Wave run-up on ACB Mat blocks in (a) laboratory model and (b) numerical modeling.
Figure  15.  Localized  deformations  on  revetment  due  to  run-down  and  sliding  of  armor  from  body  laboratory  model  (left) and  numerical  modeling (right).
Figure 15. Localized deformations on revetment due to run-down and sliding of armor from body laboratory model (left) and numerical modeling (right).

References

  1. Capobianco, V.; Robinson, K.; Kalsnes, B.; Ekeheien, C.; Høydal, Ø. Hydro-Mechanical Effects of Several Riparian Vegetation Combinations on the Streambank Stability—A Benchmark Case in Southeastern Norway. Sustainability 2021, 13, 4046. [CrossRef]
  2. MarCom Working Group 113. PIANC Report No 113: The Application of Geosynthetics in Waterfront Areas; PIANC: Brussels, Belgium, 2011; p. 113, ISBN 978-2-87223-188-1.
  3. Hunt, W.F.; Collins, K.A.; Hathaway, J.M. Hydrologic and Water Quality Evaluation of Four Permeable Pavements in North Carolina, USA. In Proceedings of the 9th International Conference on Concrete Block Paving, Buenos Aires, Argentina, 18–21 October 2009.
  4. Kirkpatrick, R.; Campbell, R.; Smyth, J.; Murtagh, J.; Knapton, J. Improvement of Water Quality by Coarse Graded Aggregates in Permeable Pavements. In Proceedings of the 9th International Conference on Concrete Block Paving, Buenos Aires, Argentina, 18–21 October 2009.
  5. Chinowsky, P.; Helman, J. Protecting Infrastructure and Public Buildings against Sea Level Rise and Storm Surge. Sustainability 2021, 13, 10538. [CrossRef]
  6. Breteler, M.K.; Pilarczyk, K.W.; Stoutjesdijk, T. Design of alternative revetments. Coast. Eng. 1998 1999, 1587–1600. [CrossRef]
  7. Pilarczyk, K.W. Design of Revetments; Dutch Public Works Department (Rws), Hydraulic Engineering Division: Delft, The Netherlands, 2003.
  8. Hughes, S.A. Combined Wave and Surge Overtopping of Levees: Flow Hydrodynamics and Articulated Concrete Mat Stability; Engineer Research and Development Center Vicksburg Ms Coastal and Hydraulics Lab: Vicksburg, MS, USA, 2008.
  9. Gier, F.; Schüttrumpf, H.; Mönnich, J.; Van Der Meer, J.; Kudella, M.; Rubin, H. Stability of Interlocked Pattern Placed Block Revetments. Coast. Eng. Proc. 2012, 1, Structures-46. [CrossRef]
  10. Najafi, J.A.; Monshizadeh, M. Laboratory Investigations on Wave Run-up and Transmission over Breakwaters Covered by Antifer Units; Scientia Iranica: Tehran, Iran, 2010.
  11. Oumeraci, H.; Staal, T.; Pförtner, S.; Ludwigs, G.; Kudella, M. Hydraulic Performance, Wave Loading and Response of Elastocoast Revetments and their Foundation—A Large Scale Model Study; Leichtweiß Institut für Wasserbau: Braunschweig, Germany, 2010.
  12. Tripathy, S.K. Significance of Traditional and Advanced Morphometry to Fishery Science. J. Hum. Earth Future 2020, 1, 153–166. [CrossRef]
  13. Nut, N.; Mihara, M.; Jeong, J.; Ngo, B.; Sigua, G.; Prasad, P.V.V.; Reyes, M.R. Land Use and Land Cover Changes and Its Impact on Soil Erosion in Stung Sangkae Catchment of Cambodia. Sustainability 2021, 13, 9276. [CrossRef]
  14. Xu, C.; Pu, L.; Kong, F.; Li, B. Spatio-Temporal Change of Land Use in a Coastal Reclamation Area: A Complex Network Approach. Sustainability 2021, 13, 8690. [CrossRef]
  15. Mousavi, S.; Kavianpour, H.M.R.; Yamini, O.A. Experimental analysis of breakwater stability with antifer concrete block. Mar. Georesour. Geotechnol. 2017, 35, 426–434. [CrossRef]
  16. Yamini, O.; Aminoroayaie, S.; Mousavi, H.; Kavianpour, M.R. Experimental Investigation of Using Geo-Textile Filter Layer In Articulated Concrete Block Mattress Revetment On Coastal Embankment. J. Ocean Eng. Mar. Energy 2019, 5, 119–133. [CrossRef]
  17. Ghasemi, A.; Far, M.S.; Panahi, R. Numerical Simulation of Wave Overtopping From Armour Breakwater by Considering Porous Effect. J. Mar. Eng. 2015, 11, 51–60. Available online: http://dorl.net/dor/20.1001.1.17357608.1394.11.22.8.4 (accessed on 21 October 2021).
  18. Nourani, O.; Askar, M.B. Comparison of the Effect of Tetrapod Block and Armor X block on Reducing Wave Overtopping in Breakwaters. Open J. Mar. Sci. 2017, 7, 472–484. [CrossRef]
  19. Aminoroaya, A.O.; Kavianpour, M.R.; Movahedi, A. Performance of Hydrodynamics Flow on Flip Buckets Spillway for Flood Control in Large Dam Reservoirs. J. Hum. Earth Future 2020, 1, 39–47.
  20. Milanian, F.; Niri, M.Z.; Najafi-Jilani, A. Effect of hydraulic and structural parameters on the wave run-up over the berm breakwaters. Int. J. Nav. Archit. Ocean Eng. 2017, 9, 282–291. [CrossRef]
  21. Yamini, O.A.; Kavianpour, M.R.; Mousavi, S.H. Experimental investigation of parameters affecting the stability of articulated concrete block mattress under wave attack. Appl. Ocean Res. 2017, 64, 184–202. [CrossRef]
  22. Yakhot, V.; Orszag, S.A.; Thangam, S.; Gatski, T.B.; Speziale, C.G. Development of turbulence models for shear flows by a double expansion technique. Phys. Fluids 1992, 4, 1510–1520. [CrossRef]
  23. Bayon, A.; Valero, D.; García-Bartual, R.; López-Jiménez, P.A. Performance assessment of OpenFOAM and FLOW-3D in the numerical modeling of a low Reynolds number hydraulic jump. Environ. Model. Softw. 2016, 80, 322–335. [CrossRef]
  24. Jin, J.; Meng, B. Computation of wave loads on the superstructures of coastal highway bridges. Ocean Eng. 2011, 38, 2185–2200. [CrossRef]
  25. Yang, S.; Yang, W.; Qin, S.; Li, Q.; Yang, B. Numerical study on characteristics of dam-break wave. Ocean Eng. 2018, 159, 358–371. [CrossRef]
  26. Ersoy, H.; Karahan, M.; Geli¸sli, K.; Akgün, A.; Anılan, T.; Sünnetci, M.O.; Yah¸si, B.K. Modelling of the landslide-induced impulse waves in the Artvin Dam reservoir by empirical approach and 3D numerical simulation. Eng. Geol. 2019, 249, 112–128. [CrossRef]
  27. Zhan, J.M.; Dong, Z.; Jiang, W.; Li, Y.S. Numerical simulation of wave transformation and runup incorporating porous media wave absorber and turbulence models. Ocean Eng. 2010, 37, 1261–1272. [CrossRef]
  28. Owen, M.W. The Hydroulic Design of Seawall Profiles, Proceedings Conference on Shoreline Protection; ICE: London, UK, 1980; pp. 185–192.
  29. Pilarczyk, K.W. Geosythetics and Geosystems in Hydraulic and Coastal Engineering; CRC Press: Balkema, FL, USA, 2000; p. 913, ISBN 90.5809.302.6.
  30. Van der Meer, J.W.; Allsop, N.W.H.; Bruce, T.; De Rouck, J.; Kortenhaus, A.; Pullen, T.; Schüttrumpf, H.; Troch, P.; Zanuttigh, B. (Eds.) Manual on Wave Overtopping of Sea Defences and Related Structures–Assessment Manual; EurOtop.: London, UK, 2016; Available online: www.Overtopping-manual.com (accessed on 21 October 2021).
  31. Battjes, J.A. Computation of Set-up, Longshore Currents, Run-up and Overtopping Due to Wind-Generated Waves; TU Delft Library: Delft, The Netherlands, 1974.
  32. Van der Meer, J.W. Rock Slopes and Gravel Beaches under Wave Attack; Delft Hydraulics: Delft, The Netherlands, 1988.
  33. Ten Oever, E. Theoretical and Experimental Study on the Placement of Xbloc; Delft Hydraulics: Delft, The Netherlands, 2006.
  34. Flow Science, Inc. FLOW-3D User Manual Version 9.3; Flow Science, Inc.: Santa Fe, NM, USA, 2008.
  35. Lebaron, J.W. Stability of A-Jacksarmored Rubble-Mound Break Waters Subjected to Breaking and Non-Breaking Waves with No Overtopping; Master of Science in Civil Engineering, Oregon State University: Corvallis, OR, USA, 1999.
  36. McLaren RW, G.; Chin, C.; Weber, J.; Binns, J.; McInerney, J.; Allen, M. Articulated Concrete Mattress block size stability comparison in omni-directional current. In Proceedings of the OCEANS 2016 MTS/IEEE Monterey, Monterey, CA, USA, 19–23 September 2016; pp. 1–6. [CrossRef]
Wave Loads Assessment on Coastal Structures at Inundation Risk Using CFD Modelling

CFD 모델링을 사용하여 침수 위험이 있는 해안 구조물에 대한 파랑 하중 평가

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. 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. 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. 3.Talbot J (2005) Repairing Florida’s Escambia Bay Bridge. Associated Construction Publications, available online at http://www.acppubs.com/article/CA511040
  4. 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. 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. 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. 7.Peregrine DH (2003) Water wave impact on walls. Annu Rev Fluid Mech 35:23–43CrossRefGoogle Scholar
  8. 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. 9.Faltinsen OM, Landrini M, Greco M (2004) Slamming in marine applications. J Eng Math 48(3–4):187–217CrossRefGoogle Scholar
  10. 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. 11.Cuomo G, Tirindelli M, Allsop W (2007) Wave in deck loads on exposed jetties. Coast Eng 54(9):657–679CrossRefGoogle Scholar
  12. 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. 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. 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. 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. 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. 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. 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. 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. 20.Meringolo DD, Aristodemo F, Veltri P (2015) SPH numerical modeling of wave–perforated breakwater interaction. Coast Eng 101:48–68CrossRefGoogle Scholar
  21. 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. 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. 23.Flow Sciences Inc. Flow-3D User Manual, release 9.4, Santa Fe, NM, USA (2009).Google Scholar
  24. 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. 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. 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. 27.Dentale F, Donnarumma G, Pugliese Carratelli E (2014b) Numerical wave interaction with tetrapods breakwater. Int. J. Nav. Arch. Ocean 6:13Google Scholar
  28. 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. 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. 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. 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. 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. 33.Novais-Barbosa J (1985) Mecânica dos Fluidos e Hidráulica Geral Vol 1 e II Porto Editora, PortoGoogle Scholar
  34. 34.Le Méhauté B (1976) An Introduction to Hydrodynamics and Water Waves. Springer, Berlin/Heidelberg, GermanyCrossRefGoogle Scholar
그림 3. 수중 4차 횡파 영향

Validation of Sloshing Simulations in Narrow Tanks

This case study was contributed by Peter Arnold, Minerva Dynamics.

이 작업의 목적은 FLOW-3D  를 검증하는 것입니다. 밀폐된 좁은 스팬 직사각형 탱크의 출렁거림 문제에 대비하여 탱크의 내부 파동 공명 주기에 가깝거나 같은 주기로 롤 운동을 하여 측면 및 지붕 파동 충격 이벤트가 발생합니다.

탱크는 물이나 해바라기 기름으로 두 가지 다른 수준으로 채워졌고 위의 공간은 공기로 채워졌습니다. 압력 센서는 여러 장소의 벽에 설치되었으며 처음 4개의 출렁이는 기간 동안 기록된 롤 각도와 시간 이력이 있습니다. 오일을 사용하는 경우의 흐름은 레이놀즈 수가 1748인 층류인 반면, 물로 채워진 경우의 흐름은 레이놀즈 수가 97546인 난류입니다. 

CFD 시뮬레이션은 탱크의 고조파 롤 운동을 복제하기 위해 본체력 방법을 사용했으며, 난류 및 공기 압축성을 설명하기 위해 다른 모델링 가정과 함께 그리드 의존성 테스트를 수행했습니다.

The objective of this work is to validate FLOW-3D against a sloshing problem in a sealed narrow span rectangular tank, subjected to roll motion at periods close to or equal to the tank’s internal wave resonance period, such that side and roof wave impact events occur. The tank was filled to two different levels with water or sunflower oil, with the space above filled by air. Pressure sensors were installed in the walls at several places and their time histories, along with the roll angle, recorded for the first four sloshing periods. For the cases using oil, the flow is laminar with a Reynolds number of 1748, while for the cases filled with water the flow is turbulent with a Reynolds number of 97546. The CFD simulations used the body force method to replicate the harmonic roll motion of the tank, while grid dependence tests were performed along with different modelling assumptions to account for turbulence and air compressibility.

Experimental Problem Setup

원래 실험은 Souto-Iglesias 및 Botia-Vera[1]에 의해 수행되었으며 모든 실험 데이터 파일은 문제 설명, 비디오 및 불확실성 분석과 함께 사용할 수 있습니다. 그림 1에 표시된 형상은 길이 900mm, 높이 508mm, 스팬 62mm의 직사각형 탱크로 구성되어 있으며 물이나 해바라기 기름으로 93mm 또는 355.3mm로 채워져 있으므로 4가지 경우가 고려됩니다. 탱크 벽과 같은 높이로 설치된 압력 센서의 위치도 표시됩니다. 탱크 회전 중심은 수평에 대한 회전 각도와 함께 그림 1에 나와 있습니다. 각 실험 실행은 반복성을 평가할 수 있도록 100번 수행되었습니다.

The original experiment was performed by Souto-Iglesias and Botia-Vera [1] and all experimental data files are available along with problem description, videos and an uncertainty analysis. The geometry shown in Fig. 1 consists of a rectangular tank of 900mm length, 508mm height and 62mm span, filled to either 93mm or 355.3 mm with either water or sunflower oil, hence four cases are considered. The locations of the pressure sensors that were installed flush with the tank walls are also shown. The tank rotation center is shown in Fig. 1, along with the rotation angle relative to the horizontal. Each of the experimental runs was performed 100 times to enable their repeatability to be assessed.

Tank dimensions and locations of pressure sensors
Figure 1. Tank dimensions and locations of pressure sensors

Numerical Simulation

문제는 FLOW-3D 내에서 비관성 기준 좌표계 모델을 사용하여 비교적 간단하게 설정할 수 있으며  , 이는 로컬 기준 좌표계의 가속도에 따라 유체에 체력 을 적용합니다. Z축 회전 속도는 탱크의 롤 운동을 시뮬레이션하기 위한 주기 함수로 정의되었으며 음의 수직 방향으로 작용하는 일정한 중력이 가해졌습니다.

메쉬 미세화, 운동량 이류에 대한 수치 근사 순서, 층류 대 난류 모델 및 탱크 내 공기에 대한 세 가지 다른 처리(즉, 일정 압력, 압축성 기체 및 비압축성 기체)와 같은 것을 조사하기 위해 여러 시뮬레이션을 수행했습니다.

93mm 깊이로 채워진 모든 케이스에 대해 압력은 압력 센서 P1에서만 실험 값과 비교되었으며, 355.3mm 깊이로 채워진 모든 케이스에서는 P3 센서의 데이터만 비교되었습니다.

The problem was relatively simple to set up using the non-inertial reference frame model within FLOW-3D, which applies a body force to the fluid depending on the acceleration of the local reference frame. The Z axis rotational velocity was defined as a periodic function to simulate a roll motion of the tank, and a constant gravity force acting in the negative vertical direction was applied.

Multiple simulations were performed to investigate such things as mesh refinement, the numerical approximation order for momentum advection, laminar versus turbulent models and three different treatments for the air in the tank (i.e., constant pressure, compressible gas and incompressible gas).

For all 93mm depth-filled cases, the pressure was compared to the experimental values at pressure sensor P1 only, while for all 355.3mm depth-filled cases, only data at the P3 sensor was compared.

Results

P1에서 측정된 측면 워터 슬로싱에 대한 메쉬 해상도의 영향은 그림 2에서 볼 수 있습니다. 피크 값 예측 측면에서 특별한 편향을 보이지 않습니다. 모든 측면 사례에서 초기 피크 직후의 압력은 시뮬레이션에서 일관되게 과대 평가되었습니다. 모든 메쉬는 피크의 타이밍 측면에서 우수한 일치를 보입니다. 100회 실행에서 보고된 실험 시간 기록은 평균 값에 가장 가까운 최고 압력을 가진 기록입니다.

The effect of mesh resolution on lateral water sloshing measured at P1 is seen in Fig. 2. It shows no particular bias in terms of the prediction of peak values. In all the Lateral cases, the pressures immediately after the initial peaks are consistently over estimated in the simulations. All meshes have excellent agreement in terms of the timing of the peaks. The experimental time histories reported from the 100 runs made are those with peak pressures closest to the average values.

Lateral water case
Figure 2. Tank dimensions and locations of pressure sensors

실험 결과의 반복성은 Souto-Iglesias & Elkin Botia-Vera[1]에 의해 각 테스트를 100번 실행하고 처음 4개의 피크 압력의 평균 및 표준 편차를 측정하여 평가했습니다. CFD 실행이 다른 실험 실행으로 간주되는 경우 오류 막대 내에 있을 확률이 95%입니다. 그러나 CFD 결과의 16개 피크 압력 중 9개만 실험 결과의 2 표준 편차 내에 있으므로 CFD 모델이 실험을 대표하지 않거나 피크 압력이 정규 분포를 따르지 않는다는 결론을 내려야 합니다.

어쨌든 표준 편차는 피크 자체에 비해 상당히 크며, 수성 케이스와 측면 오일의 비율이 가장 작은 피크 값에 대한 표준 편차의 비율이 가장 큰 것으로 나타났습니다. 이러한 결과는 그림 1과 2에서 볼 수 있는 벽 충격 역학의 복잡성을 고려할 때 그리 놀라운 일이 아닙니다. 3,4.

The repeatability of the experimental results was assessed by Souto-Iglesias & Elkin Botia-Vera [1] running each test 100 times and measuring the average and standard deviation of the first four peak pressures. If a CFD run is considered to be another experimental run there is a 95% chance it will lie within the error bars. However, only nine of the 16 peak pressures from the CFD results fall within two standard deviations of the experimental results, so we must conclude that either the CFD model is not representative of the experiment or that the peak pressures are not normally distributed.

In any event, the standard deviations are quite large compared to the peaks themselves, with the largest ratio of standard deviation to peak values occurring for the water-based cases and the lateral oil having the smallest ratio. These results are perhaps not too surprising when one considers the complexity of the wall impact dynamics as seen in Figs. 3,4.

Lateral Wave Impact in Water
Figure 3. 4th Lateral Wave Impact in Water
Wave Impact of Water on Roof
Figure 4. 4th Wave Impact of Water on Roof

Conclusions

좁은 탱크 슬로싱 문제의 네 가지 구성은 자유 표면 흐름을 위해 설계된 상용 CFD 코드를 사용하여 수치적으로 시뮬레이션되었습니다. 대략 2 X 10 3  및 1 X 10 5 의 Reynolds 수에 해당하는 두 가지 다른 유체  와 두 가지 유체 깊이가 네 가지 경우를 정의하는 데 사용되었습니다. 4가지 경우 모두에 대해 메쉬 셀 크기 독립성 테스트를 수행했지만 메쉬 해상도가 증가함에 따라 실험 결과에 대해 약한 수렴만 발견되었습니다. 조사는 또한 두 가지 다른 운동량 이류 수치 차분 계획을 테스트했으며 두 번째 방법을 사용하여 더 가까운 일치를 발견했습니다 1차 체계를 사용하는 것보다 차수 단조성 보존 체계. 기본 층류 흐름을 포함한 세 가지 난류 모델이 테스트되었지만 더 낮은 계산 비용으로 인해 층류 이외의 모델에 대한 선호도가 발견되지 않았습니다. 실험 데이터와 공기 감소 일치의 압축성을 포함하여 그 이유는 불분명합니다.

실험 압력 프로브 시간 이력 데이터 세트에는 100회 반복 테스트에서 파생된 각 압력 피크에 대해 100개의 값이 포함되어 있으므로 CFD 시뮬레이션과의 일치의 통계적 유의성을 조사할 수 있었습니다. 수치 시뮬레이션과 실험 모두 출렁이는 파동 충격에 해당하는 매우 가파른 압력 펄스를 발생시켰고 실험 결과는 피크 값에서 높은 정도의 자연적 변동성을 갖는 것으로 나타났습니다. CFD 시뮬레이션의 감도 테스트(예: 약간 다른 초기 시작 조건 사용)는 공식적으로 수행되지 않았지만 수치 솔루션은 또한 다른 메쉬, 차분 체계 및 난류 모델,

모든 경우에 압력 피크가 발생하는 수치해의 타이밍은 매우 정확함을 알 수 있었다. 그러나 가장 난이도가 낮은 Lateral Oil의 경우에도 압력 피크와 바로 뒤따르는 압력 값이 과대 평가되어 수치 모델링의 단점이 나타났습니다. 실험적 피크 압력 변동성을 고려할 때 CFD 생성 값은 CFD 솔루션이 통계적 유의성을 나타내기 위해 필요한 15개 이상이 아니라 16개 피크 중 9개에서 2개의 표준편차 한계 내에 떨어졌습니다. 실험을 대표했다. 이것은 피크가 정규 분포를 따르지 않거나 CFD 모델이 피크를 예측하는 데 어떤 식으로든 결함이 있음을 나타냅니다.

Four configurations of a narrow tank sloshing problem were numerically simulated using a commercial CFD code designed for free surface flow. Two different fluids corresponding to Reynolds numbers of approximately 2 X 103 and 1 X 105 and two fluid depths were used to define the four cases. Mesh cell size independence tests were conducted for all four cases, but only a weak convergence towards the experimental results with increasing mesh resolution was found. The investigation also tested two different momentum advection numerical differencing schemes and found closer agreement using the 2nd order monotonicity preserving scheme than by using a first order scheme. Three turbulence models, including the default laminar flow, were tested but no preference was found for any model other than the laminar by virtue of its lower computational cost. Including the compressibility of the air-reduced agreement with the experimental data, the reasons for this are unclear.

The experimental pressure probe time history data sets included 100 values for each of the pressure peaks derived from 100 repeat tests, and thus we were able to examine the statistical significance of the agreement with the CFD simulations. Both the numerical simulations and the experiments gave rise to very steep pressure pulses corresponding to the sloshing wave impacts, and the experimental results were found to have a high degree of natural variability in the peak values. Although sensitivity tests of the CFD simulations (using, for example, slightly different initial starting conditions) were not formally conducted, the numerical solutions also showed a high degree of variability in the pressure peak magnitudes resulting from the use of different meshes, differencing schemes and turbulence models, which could be considered to show that the numerical solution also had a high degree of natural variability.

In all cases, the numerical solutions’ timing of the occurrence of the pressure peaks were found to be very accurate. However, even for the least challenging Lateral Oil case, the pressure peaks and the immediately following pressure values were overestimated, which indicated a shortcoming in the numerical modelling. When the experimental peak pressure variability was taken into account, the CFD-generated values fell inside the two Standard Deviation margin in nine of the 16 peaks rather than the 15 or more that would be required to show statistical significance in the sense that the CFD solution was representative of the experiment. This indicates that either the peaks are not normally distributed and/or the CFD model is in some way deficient at predicting them. Further work is required to establish how the peak pressures are distributed and/or to establish the physical reasons why the CFD model is overestimating the pressure peaks for even the least challenging Lateral Oil configuration.

References

  1. Spheric Benchmark Test Case, Sloshing Wave Impact Problem, Antonio Souto-Iglesias & Elkin Botia-Vera, https://wiki.manchester.ac.uk/spheric/index.php/Test10
  2. Peregrine DH (1993). Water-wave impact on walls. Annual Review of Fluid Mechanics. Vol 35, pp 23-43.

Editor’s Note

The complete document from which this note was extracted and the related data and input files are available on our Users Site. Readers are encouraged to read the original validation to get a full appreciation of the detail in this work investigating comparisons between simulation and experimental data. This study is especially noteworthy since it deals with highly non-linear sloshing of fluids interacting with the boundaries of a confining tank.

With regard to the author’s conclusions, it should be mentioned that the over prediction of fluid impact pressures in simulations could be the result of not allowing for sufficient compressibility effects in the liquids. For instance, in Fig. 3, it appears that there has been some air entrained in the liquid near the side wall. Also, negative pressures (i.e., below atmospheric) recorded experimentally might result from liquid drops remaining on the pressure sensors after the main body of liquid has drained away. Such details, which may be hard to quantify, only emphasize the difficulties involved in undertaking detailed validation studies. The author is commended for his excellent work.

Figure 4. FLOW-3D model results for the preliminary and optimized layout of the proposed spillway at John Hart Dam.

Spillway Hydraulics Assessments

Spillway Hydraulics Assessments

이 기사는 BC Hydro의 Hydrotechnical부서의 전문 엔지니어인 M.A.Sc., P.Eng의 FaizalYusuf에 의해 기고되었다.

브리티시 콜롬비아의 공공 전력 회사인 BC Hydro는 FLOW-3D를 사용하여 현존하는 여러 댐의 복잡한 유압 문제를 조사하고 제안된 시설의 설계와 최적화를 지원합니다. 본 기사에서는 FLOW-3D를 다양한 유형의 드릴에 적용하는 방법과 신뢰할 수 있는 프로토 타입 또는 수치 모델 보정용 물리적 유압 모델 데이터의 중요성을 강조하는 세가지 사례가 제시됩니다.

W.A.C. Bennett Dam

Shock Waves in Spillway Chute

W.C. Bennett 댐에서는 1960년대 물리적 유압 모델과 프로토 타입 사이에 있었던 레일 궤도의 차이로 인해 충격파 형성에 대한 신뢰할 수 있는 결론을 도출하기 어렵습니다. 이 자료는 실제 모델 테스트 결과의 슈트 용량을 제공합니다. 콘크리트 라인 스풀 레이 슈트의 충격 파장의 크기는 헤드 워크에 있는 세 개의 방사형 게이트의 다운 스트림이 44% 감소되는데 크게 영향을 받습니다. 방사형 관문의 방사형 개구부의 충격파는 지역적으로 더 높은 수위로 이어져 특정 과거 작업에서 슈트 월의 과다 주입을 야기합니다.

2012년에 최대 2,865 m3/s 의 배출에 대한 프로토 타입 유출 테스트가 실행되어 슈트 벽, 슈트 내 물 표면에 대한 3D레이저 스캔 및 FLOW-3D model 보정을 위한 흐름 패턴. 수치 모델과 현장 관찰 간에, 특히 슈트 월의 첫번째 충격파의 위치와 높이 사이에 훌륭한 일치가 이루어졌습니다.

Figure 1. Comparison between prototype observations and FLOW-3D for a spill discharge of 2,865 m^3/s at Bennett Dam spillway
Figure 1. Comparison between prototype observations and FLOW-3D for a spill discharge of 2,865 m^3/s at Bennett Dam spillway

보정된 FLOW-3D모델은 기존에 규정된 바와 같이 3개의 방사형 관문이 모두 열리는 한, 유출되지 않고 설계 홍수를 안전하게 통과할 수 있음을 확인했습니다. 바깥쪽 문을 이용한 허가 명령은 안쪽 문보다 더 많이 열립니다.
CFD모델 또한 spillway 슈트의 콘크리트 손상에 대한 통찰력을 제공했습니다. FLOW-3D시뮬레이션 결과로부터 계산된 공동지수를 USBR의 경험적 데이터와 비교했고, spillway의 과거 성능과 일치하는 것으로 확인되었습니다. 수치 해석을 통해 현장 검사를 지원하였으며, 이를 통해 슈트의 콘크리트 상태의 악화가 캐비테이션 때문이 아니라는 결론을 내렸습니다.

Strathcona Dam

Poor Approach Conditions and Uncertainty of Spillway Rating Curves

FLOW-3D는 댐 우측 교대에 수직 리프트 게이트가 3개 포함된 Strathcona댐 배수로의 등급 곡선과 관련한 열악한 접근 조건 및 불확실성을 조사하는 데 사용되었습니다. Strathcona spillway의 등급 곡선은 경험적인 조정과 교각의 기하학적 구조가 포함되지 않은 flume의 제한적인 물리적 유압 모델 테스트의 조합으로부터 개발되었습니다.
수치 모델 테스트 및 보정은 세개의 게이트가 모두 열려 있었던 1982년부터의 프로토 타입 유출 관측치와 비교하여 이루어진 것입니다. 맨 왼쪽 베이의 streamline입니다. 최좌측 베이로의 흐름은 댐 축에 평행하게 흐르는 물과 지하수 댐의 상류 경사에 인접한 콘크리트 옹벽 위로 곤두박질쳐 왜곡됩니다. 이 흐름은 다른 두 베이로 훨씬 더 부드럽게 들어갑니다. 프로토 타입과 비교하여 수치 모델에서 생성된 매우 유사한 흐름 패턴 외에도, 게이트 섹션에서 시뮬레이션된 수위는 1982년의 현장 측정 값과 0.1m이내에 일치했습니다.

Figure 2. Prototype observations and FLOW-3D results for a Strathcona Dam spill in 1982 with all three gates fully open.
Figure 2. Prototype observations and FLOW-3D results for a Strathcona Dam spill in 1982 with all three gates fully open.
Figure 2-2. Prototype observations and FLOW-3D results for a Strathcona Dam spill in 1982 with all three gates fully open
Figure 2-2. Prototype observations and FLOW-3D results for a Strathcona Dam spill in 1982 with all three gates fully open

보정된 CFD모델은 모든 게이트가 완전히 열린 상태에서 탱크의 정상 작동 범위에 대해 배수로 정격 곡선의 5%이내에서 배출을 생성합니다. 그러나 큰 홍수가 지나가는 동안 발생할 수 있는 더 높은 저장소 수준에서(그림 3) 시뮬레이션 배출과 등급 곡선 간의 차이는 다음과 같이 10%보다 큽니다. 단순화된 기하학적 구조와 경험적 보정을 사용한 물리적 모델 시험은 복잡한 접근 흐름 패턴을 적절히 나타내지 않았습니다. FLOW-3D모델은 개별 베이의 등급 곡선 정확도, 게이트 조건 및 오리피스와 자유 표면 흐름 사이의 전환에 대한 추가적인 통찰력을 제공합니다.

John Hart Dam

Optimization of a Proposed Spillway

John Hart 콘크리트 댐은 기존의 게이트 배수로와 현재 건설 중인 낮은 층의 출구 구조 사이에 위치할 새로운 free crest spillway를 포함하도록 개조될 것입니다. FLOW-3D를 사용한 체계적인 최적화 프로세스를 통해 제안된 배수로 설계가 크게 개선되었습니다.
free crest 배수로의 예비 설계는 엔지니어링 유압 설계 가이드에 기초했습니다. 콘크리트 에이프런 블록은 댐의 끝에 있는 바위를 보호하기 위한 것입니다. 새로운 우측 도류벽이 새 배수로에서 테일 레일 풀로 흐르는 흐름을 유도하고 낮은 레벨의 배수로 구조물을 배수로로부터 보호합니다.

그림 4는 새 레일의 초기 설계와 최적화 설계에 대한 FLOW-3D모델 결과를 보여 줍니다. CFD분석을 통해 배수 용량이 10%증가하고 도로가 심하게 감소했습니다. 배수로 돌출부 위에 있고 제안된 오른쪽 벽을 따라 최대 5m의 수위 감소를 포함한 흐름 패턴을 개선합니다. 제안된 설계를 확인하기 위해 물리적 유압 모델 테스트가 사용됩니다.

Figure 4. FLOW-3D model results for the preliminary and optimized layout of the proposed spillway at John Hart Dam.
Figure 4. FLOW-3D model results for the preliminary and optimized layout of the proposed spillway at John Hart Dam.

Conclusion

BC Hydro는 다양한 유형의 댐과 물 운반 구조의 흐름 패턴 및 성능 대한 광범위한 유압 장치 문제를 조사하기 위해 FLOW-3D를 사용해 왔습니다. 프로토 타입 데이터와 신뢰할 수 있는 물리적 유압 모델 테스트는 수치 모델 결과에 대한 신뢰도를 높이기 위해 가능할 때마다 사용됩니다

Fig. 6. Configuration of Johnson (1958) hydraulic experiment.

전체 수심 범위에서 선박 파고에 대한 방정식

Equation for ship wave crests in the entire range of water depths

Byeong Wook Lee a
, Changhoon Lee b,
*a Coastal Development and Ocean Energy Research Center, Korea Institute of Ocean Science & Technology, 385 Haeyang-ro, Busan, 49111, Republic of Korea
b Department of Civil and Environmental Engineering, Sejong University, 209 Neungdong-ro, Gwangjin-gu, Seoul, 05006, Republic of Korea

ABSTRACT

An equation for ship wave crests y/x in the entire range of water depths is developed using the linear dispersion relation. In deep water, the developed equation is reduced to the equation of Kelvin (1906). The locations of ship wave crests in the x – and y -directions are obtained using a dimensionless constant C. The wave ray angle θc at the cusp locus is determined using the condition that θc is maximal at the cusp locus and the cusp locus angle is determined as αc=−tan−1(y/x)max. Numerical experiments are conducted using the FLOW-3D to simulate ship wave propagation. The cusp locus angles of the FLOW-3D are similar to both those of the present theory and Havelock (1908) theory in the entire range of the Froude number. Both the present theory and the FLOW-3D yield that, with the increase of ship speed, the Froude number increases and does the wavelength. For the Froude number equal to or greater than unity, the wavelength becomes infinitely large and the transverse waves disappear. The wavelengths of the FLOW-3D are slightly smaller than those of the present theory because the FLOW-3D considers the decrease of wavelength due to energy dissipation which happens because of viscosity of water and turbulence of high-speed particle velocities.

Fig. 6. Configuration of Johnson (1958) hydraulic experiment.
Fig. 6. Configuration of Johnson (1958) hydraulic experiment.
Fig. 8. Comparison of ship wave crest patterns: (a) Fr ¼ 0:66 (Us ¼ 6:5m=s,  kh � 0:724π), (b) Fr ¼ 0:86 (Us ¼ 8:5m=s, kh � 0:342π), (c) Fr ¼ 1:21 (Us ¼ 12:0m=s, kh � 0:003π). Line definition: red solid line ¼ present theory; yellow  dashed line ¼ Kelvin theory; white dot ¼ FLOW-3D solution. (For interpretation  of the references to colour in this figure legend, the reader is referred to the  Web version of this article.)
Fig. 8. Comparison of ship wave crest patterns: (a) Fr ¼ 0:66 (Us ¼ 6:5m=s, kh >= 0:724π), (b) Fr ¼ 0:86 (Us ¼ 8:5m=s, kh >= 0:342π), (c) Fr ¼ 1:21 (Us ¼ 12:0m=s, kh >= 0:003π). Line definition: red solid line ¼ present theory; yellow dashed line ¼ Kelvin theory; white dot ¼ FLOW-3D solution. (For interpretation of the references to colour in this figure legend, the reader is referred to the Web version of this article.)

Keywords

Ship wave crests
Cusp locus angle
Entire range of water depths
Theoretical solution
Numerical experiment

References

kylas, T.R., 1984. On the excitation of long nonlinear water waves by a moving pressure
distribution. J. Fluid Mech. 141, 455–466.

Chen, X.N., Sharma, S.D., 1995. A slender ship moving at a near-critical speed in a
shallow channel. J. Fluid Mech. 291, 263–285.
David, C.G., Roeber, V., Goseberg, N., Schlurmann, T., 2017. Generation and propagation
of ship-borne waves – solutions from a Boussinesq-type model. Cost Eng. 127,
170–187.
Ersan, D.B., Beji, S., 2013. Numerical simulation of waves generated by a moving
pressure field. Ocean Eng. 59, 231–239.
Ertekin, R.C., Webster, W.C., Wehausen, J.V., 1986. Waves caused by a moving
disturbance in a shallow channel of finite width. J. Fluid Mech. 169, 275–292.
Fang, M.-C., Yang, R.-Y., Shugan, I.V., 2011. Kelvin ship wake in the wind waves field
and on the finite sea depth. J. Mech. 27 (1), 71–77.
Havelock, T.H., 1908. The propagation of groups of waves in dispersive media with
application to waves on water produced by a travelling disturbance. Proc. Royal Soc.
London Ser. A 398–430.
Hennings, I., Romeiser, R., Alpers, W., Viola, A., 1999. Radar imaging of Kelvin arms of
ship wakes. Int. J. Remote Sens. 20 (13), 2519–2543.
Hur, D.S., Lee, J., Choi, D.S., Lee, H.W., 2011. On run-up characteristics of revetment
under interaction among ocean wave, current and ship induced wave in the canal.
In: Proceedings of the 37th Conference on the Korean Society of Civil Engineers,
pp. 588–591 (in Korean).
Johnson, J.W., 1958. Ship waves in navigation channels. In: Proceedings of the 6th
Conference on Coastal Engineering, pp. 666–690.
Kang, Y.S., Kim, P.J., Hyun, S.K., Sung, H.K., 2008. Numerical simulation of ship-induced
wave using FLOW-3D. J. Korean Soc. Coast. Ocean Eng. 20 (3), 255–267 (in Korean).
Kelvin, 1887. On ship waves. In: Proceedings of the Institution of Mechanical
Engineering, pp. 409–433.
Kelvin, 1906. Deep sea ship-waves. Proc. R. Soc. Edinb. 25 (2), 1060–1084.
Lamb, H., 1945. Hydrodynamics. Dover Publications.
Lee, C., Lee, B.W., Kim, Y.J., Ko, K.O., 2011. Ship wave crests in intermediate-depth
water. In: Proceedings of the 6th International Conference on Asian and Pacific
Coasts, pp. 1818–1825.
Lee, B.W., Lee, C., Kim, Y.J., Ko, K.O., 2013. Prediction of ship wave crests on varying
water depths and verification by FLOW-3D. J. Korean Soc. Civil Eng. 33 (4),
1447–1454 (in Korean).
Lighthill, M.J., Whitham, G.B., 1955. On kinematic waves: I. Flood movement in long
rivers; II. Theory of traffic flow on long crowded roads. Proc. R. Soc. A 229, 281–345.
Newman, J.N., 1970. Recent research on ship waves. In: Proceedings of the 8th
Symposium on Naval Hydrodynamics, pp. 519–545.
Newman, J.N., 1977. Marine Hydrodynamics. The MIT Press.
Reed, A.M., Milgram, J.H., 2002. Ship wakes and their radar images. Annu. Rev. Fluid
Mech. 34, 469–502.
Shemdin, O.H., 1990. Synthetic aperture radar imaging of ship wakes in the Gulf of
Alaska. J. Geophys. Res. 95 (C9), 16319–16338.
Shi, F., Malej, M., Smith, J.M., Kirby, J.T., 2018. Breaking of ship bores in a Boussinesqtype ship-wake model. Cost Eng. 132, 1–12.
Sorensen, R.M., 1967. Investigation of ship-generated waves. J. Waterw. Harb. Div.
85–99. ASCE.
Sorensen, R.M., 1969. Waves generated by model ship hull. J. Waterw. Harb. Div.
513–538. ASCE.
Sorensen, R.M., Weggel, J.R., 1984. Development of ship wave design information. In:
Proceedings of the 19th Conference on Coastal Engineering, pp. 3227–3243. ASCE.
Stoker, J.J., 1957. Water Waves: the Mathematical Theory with Applications.
Interscience Publishers.
Tuck, E.O., 1966. Shallow-water flows past slender bodies. J. Fluid Mech. 26, 81–95.
Wu, D.M., Wu, T.Y., 1982. Three-dimensional nonlinear long waves due to moving
surface pressure. In: Proceedings of the 14th Symposium on Naval Hydrodynamics,
pp. 103–129.

Design of Inductive Sensor System for Wear Particles in Oil

금속재료 표면의 잔류응력 초음파 측정법

Design of Inductive Sensor System for Wear Particles in Oil

NIU Ze, LI Kai, BAI Wenbin, SUN Yuanyuan, GONG Qingqing, HAN Yan
Shanxi Provincial Key Laboratory of Information Detection and Processing, North University of China, Taiyuan 030051

Abstract

오일의 연마 입자는 엔진 및 기타 장비의 마모 상태를 반영할 수 있습니다.오일 금속 연마 입자의 온라인 모니터링을 실현하기 위해 전자기 원리에 기반한 3코일 센서의 수학적 모델이 설정되었습니다. 유도 및 센서의 최적 구조 매개변수(내경), 간격, 너비 등), 간섭성 복조 모델을 사용하여 마모 입자 신호를 추출하고 마모 입자 신호의 생성 원리를 분석합니다. 

시스템은 다층 차폐 구조를 채택하여 외부 자기장 간섭을 효과적으로 줄일 수 있으며 설계된 센서 감지 시스템은 관련 테스트를 위해 팬 기어 박스의 오일 회로에 연결됩니다. 테스트 결과 시스템은 마모 입자 신호를 효과적으로 추출할 수 있으며 마모 입자 신호는 동시에 연마 입자의 속도와 크기에 영향을 받습니다.

1-18의 유속에서 187μm 강자성을 달성할 수 있습니다 L/min 금속 연마 입자 및 578μm 비강자성 금속 연마 입자의 검출은 BP 신경망과 결합되어 오일 금속 연마 입자의 특성 매개변수를 적응적으로 구별할 수 있으며, 이는 오일 연마 입자의 개발에 대한 이론적 지원을 제공합니다.

미래의 라인 모니터링 장비 그리고 기술 지원은 기계 장비의 고장 진단을 위한 중요한 기반을 제공합니다.

Key words

oil,wear particle detection,coherent demodulation,multilayer shielding

Reference

[1] 郭静英, 赵志龙, 陈森, 等. 二节螺线管式润滑油金属颗粒传感器研究[J]. 仪表技术与传感器, 2018(1):13-16. GUO Jingying, ZHAO Zhilong, CHEN Sen, et al. Research on two-section solenoid type lubricating oil metal particle sensor[J]. Instrument Technology and Sensor, 2018(1):13-16.
[2] 张勇, 司二伟, 李国盛, 等. 润滑油金属磨粒传感器设计及试验研究[J]. 润滑与密封, 2017, 42(4):89-94. ZHANG Yong, SI Erwei, LI Guosheng, et al. Design and experimental study of lubricating oil metal abrasive sensor[J]. Lubrication and Sealing, 2017, 42(4):89-94.
[3] 曾霖, 张洪朋, 滕怀波, 等. 一种船机油液多污染物检测新方法研究[J]. 机械工程学报, 2018, 54(12):125-132. ZENG Lin, ZHANG Hongpeng, TENG Huaibo, et al. Research on a new method for detecting multiple pollutants in marine oil[J]. Journal of Mechanical Engineering, 2018, 54(12):125-132.
[4] 孙衍山, 杨昊, 佟海滨, 等. 航空发动机滑油磨粒在线监测[J]. 仪器仪表学报, 2017, 38(7):1561-1569. SUN Yanshan, YANG Hao, TONG Haibin, et al. Online monitoring of aero-engine lubricant oil wear particles[J]. Chinese Journal of Scientific Instrument, 2017, 38(7):1561-1569.
[5] DING Y, WANG Y, XIANG J. An online debris sensor system with vibration resistance for lubrication analysis[J]. Review of entific Instruments, 2016, 87(2):1590-1597.
[6] 莫固良, 汪慧云, 李兴旺, 等. 飞机健康监测与预测系统的发展及展望[J]. 振动、测试与诊断, 2013, 33(6):925-930. MO Guliang, WANG Huiyun, LI Xingwang, et al. The development and prospect of aircraft health monitoring and prediction systems[J]. Vibration, Testing and Diagnosis, 2013, 33(6):925-930.
[7] 李萌, 郑长松, 李和言, 等. 电感式磨粒在线监测传感器的激励特性分析[J]. 传感器与微系统, 2014, 33(6):19-22, 30. LI Meng, ZHENG Changsong, LI Heyan, et al. Analysis of excitation characteristics of inductive wear particle online monitoring sensors[J]. Sensors and Microsystems, 2014, 33(6):19-22, 30.
[8] FAN X, LIANG M, YEAP T. A joint time-invariant wavelet transform and kurtosis approach to the improvement of in-line oil debris sensor capability[J]. Smart Materials & Structures, 2009, 18(8):1-13.
[9] MURALI S, JAGTIANI A V, XIA G, et al. A microfluidic Coulter counting device for metal wear detection in lubrication oil[J]. Review of Scientific Instruments, 2009, 80(1):016105.
[10] 孙广涛, 张洪朋, 顾长智, 等. 高精度微流体多参数液压油检测芯片设计[J]. 仪器仪表学报, 2019, 40(2):59-66. SUN Guangtao, ZHANG Hongpeng, GU Changzhi, et al. Design of high-precision microfluidic multi-parameter hydraulic oil detection chip[J]. Chinese Journal of Scientific Instrument, 2019, 40(2):59-66.
[11] 马来好, 张洪朋, 乔卫亮, 等. 双螺线管套管结构的液压油金属颗粒检测传感器[J]. 仪器仪表学报, 2019, 40(7):216-223. MA Laihao, ZHANG Hongpeng, QIAO Weiliang, et al. Hydraulic oil metal particle detection sensor with double solenoid casing structure[J]. Chinese Journal of Scientific Instrument, 2019, 40(7):216-223.
[12] 白晨朝, 张洪朋, 曾霖, 等. 双螺线圈式液压油微污染物检测传感器[J]. 仪器仪表学报, 2019, 40(6):16-22. BAI Chenchao, ZHANG Hongpeng, ZENG Lin, et al. Double spiral coil type hydraulic oil micro-pollutant detection sensor[J]. Chinese Journal of Scientific Instrument, 2019, 40(6):16-22.
[13] 史皓天, 张洪朋, 曾霖, 等. 采用柱形极板的电容式油液检测传感器[J]. 仪表技术与传感器, 2019(8):8-12. SHI Haotian, ZHANG Hongpeng, ZENG Lin, et al. Capacitive oil detection sensor using columnar plates[J]. Instrument Technology and Sensor, 2019(8):8-12.
[14] 虞子雷, 张洪朋, 曾霖, 等. 基于微流控谐振式芯片的金属颗粒检测[J]. 电子测量与仪器学报, 2017, 31(10):1627-1632. YU Zilei, ZHANG Hongpeng, ZENG Lin, et al. Metal particle detection based on microfluidic resonant chip[J]. Journal of Electronic Measurement and Instrument, 2017, 31(10):1627-1632.
[15] 张洪朋, 白晨朝, 孙广涛, 等. 高通量微型多参数油液污染物检测传感器[J]. 光学精密工程, 2018, 26(9):2237-2245. ZHANG Hongpeng, BAI Chenchao, SUN Guangtao, et al. High-throughput miniature multi-parameter oil contaminant detection sensor[J]. Optics and Precision Engineering, 2018, 26(9):2237-2245.
[16] 郑长松, 李萌, 高震, 等. 电感式磨粒传感器磨感电动势提取方法[J]. 振动. 测试与诊断, 2016, 36(1):36-41, 196. ZHENG Changsong, LI Meng, GAO Zhen, et al. Method for extracting the electromotive force of the inductive wear sensor[J]. Vibration. Test and Diagnosis, 2016, 36(01):36-41, 196.
[17] 吴超, 郑长松, 马彪. 电感式磨粒传感器中铁磁质磨粒特性仿真研究[J]. 仪器仪表学报, 2011, 32(12):2774-2780. WU Chao, ZHENG Changsong, MA Biao. Simulation study on the characteristics of ferromagnetic wear particles in an inductive wear particle sensor[J]. Chinese Journal of Scientific Instrument, 2011, 32(12):2774-2780.
[18] 把鑫, 王吉芳, 左云波, 等. 基于FPGA的油液在线监测系统[J]. 仪表技术与传感器, 2015(6):103-106. BA Xin, WANG Jifang, ZUO Yunbo, et al. On-line oil monitoring system based on FPGA[J]. Instrumentation Technology and Sensors, 2015(6):103-106.
[19] 游修东, 陈勇, 陈遥沛. 近距离磁感应线圈的磁场计算与仿真分析[J]. 水雷战与舰船防护, 2017, 25(1):54-59. YOU Xiudong, CHEN Yong, CHEN Yaopei. Magnetic field calculation and simulation analysis of close-range magnetic induction coils[J]. Mine Warfare and Ship Protection, 2017, 25(1):54-59.
[20] 高震, 郑长松, 贾然, 等. 综合传动油液金属磨粒在线监测传感器研究[J]. 广西大学学报, 2017, 42(2):409-418. GAO Zhen, ZHENG Changsong, JIA Ran, et al. Research on on-line monitoring sensor for metal wear particles in comprehensive transmission oil[J]. Journal of Guangxi University, 2017, 42(2):409-418.
[21] 于振南, 刘倩, 高秀晓, 等. 基于低通滤波的相敏检波算法改进与实现[J]. 测井技术, 2018, 42(5):568-570, 576. YU Zhennan, LIU Qian, GAO Xiuxiao, et al. Improvement and realization of phase-sensitive detection algorithm based on low-pass filtering[J]. Logging Technology, 2018, 42(5):568-570, 576.
[22] 范红波, 张英堂, 李志宁, 等. 电感式磨粒传感器中铁磁质磨粒的磁特性研究[J]. 摩擦学学报, 2009, 29(5):452-457. FAN Hongbo, ZHANG Yingtang, LI Zhining, et al. Study on the magnetic properties of ferromagnetic wear particles in inductive wear particle sensors[J]. Acta Tribology, 2009, 29(5):452-457.
[23] FAN Hongbo, ZHANG Yingtang, LI Zhining, et al. Design and noise control of the portable wear debris concentration detector[C]//2009 International Conference on Measuring Technology and Mechatronics AutomationICMTMA 2009:206-209.
[24] DUKA K, GERRIT J. Advanced oil debris monitoring for pipeline mechanical drive gas turbines[C/CD]//Asme Turbo Expo:Power for Land, Sea, & Air, 2000.
[25] 左云波, 谷玉海, 王立勇. 电磁式油液金属磨粒检测系统研究[J]. 设备管理与维修, 2018(13):21-23. ZUO Yunbo, GU Yuhai, WANG Liyong. Research on electromagnetic oil metal debris detection system[J]. Equipment Management and Maintenance, 2018(13):21-23.
[26] DU Li, ZHU Xiaoliang, HAN Yu, et al. Improving sensitivity of an inductive pulse sensor for detection of metallic wear debris in lubricants using parallel LC resonance method[J]. Measurement Science and Technology, 2013, 24(7):075106.
[27] CAO Yunpeng, LIU Rui, DU Jianwei, et al. Gas turbine bearing wear monitoring method based on magnetic plug inductance sensor[C/CD]//ASME Turbo Expo 2018:Turbomachinery Technical Conference and Exposition. 2018.

Figure 9. Scour morphology under different times for case 7.

Scour Characteristics and Equilibrium Scour Depth Prediction around Umbrella Suction Anchor Foundation under Random Waves

무작위 파동에서 우산 흡입 앵커 기초 주변의 세굴 특성 및 평형 세굴 깊이 예측

Ruigeng Hu 1
, Hongjun Liu 2
, Hao Leng 1
, Peng Yu 3 and Xiuhai Wang 1,2,*

1 College of Environmental Science and Engineering, Ocean University of China, Qingdao 266000, China;
huruigeng@stu.ouc.edu.cn (R.H.); lh4517@stu.ouc.edu.cn (H.L.)
2 Key Lab of Marine Environment and Ecology (Ocean University of China), Ministry of Education,
Qingdao 266000, China; hongjun@ouc.edu.cn
3 Qingdao Geo-Engineering Survering Institute, Qingdao 266100, China; yp6650@stu.ouc.edu.cn

Abstract

무작위 파동 하에서 우산 흡입 앵커 기초(USAF) 주변의 국부 세굴을 연구하기 위해 일련의 수치 시뮬레이션이 수행되었습니다. 본 연구에서는 먼저 본 모델의 정확성을 검증하기 위해 검증을 수행하였다.

또한, 세굴 진화와 세굴 메커니즘을 각각 분석하였다. 또한 USAF 주변의 평형 세굴 깊이 Seq를 예측하기 위해 두 가지 수정된 모델이 제안되었습니다. 마지막으로 Seq에 대한 Froude 수 Fr과 Euler 수 Eu의 영향을 연구하기 위해 매개변수 연구가 수행되었습니다.

결과는 현재 수치 모델이 무작위 파동에서 세굴 형태를 묘사하는 데 정확하고 합리적임을 나타냅니다.

수정된 Raaijmaker의 모델은 KCs,p < 8일 때 본 연구의 시뮬레이션 결과와 잘 일치함을 보여줍니다. 수정된 확률적 모델의 예측 결과는 KCrms,a < 4일 때 n = 10일 때 가장 유리합니다. Fr과 Eu가 높을수록 둘 다 더 집중적 인 말굽 소용돌이와 더 큰 결과를 초래합니다.

Figure 1. The close-up of umbrella suction anchor foundation (USAF).
Figure 1. The close-up of umbrella suction anchor foundation (USAF).
Figure 2. (a) The sketch of seabed-USAF-wave three-dimensional model; (b) boundary condation:Wvwave boundary, S-symmetric boundary, O-outflow boundary; (c) USAF model.
Figure 2. (a) The sketch of seabed-USAF-wave three-dimensional model; (b) boundary condation:Wvwave boundary, S-symmetric boundary, O-outflow boundary; (c) USAF model.
Figure 5. Comparison of time evolution of scour between the present study and Khosronejad et al. [52], Petersen et al. [17].
Figure 5. Comparison of time evolution of scour between the present study and Khosronejad et al. [52], Petersen et al. [17].
Figure 9. Scour morphology under different times for case 7.
Figure 9. Scour morphology under different times for case 7.

References

  1. Sumer, B.M.; Fredsøe, J.; Christiansen, N. Scour Around Vertical Pile in Waves. J. Waterw. Port. Coast. Ocean Eng. 1992, 118, 15–31.
    [CrossRef]
  2. Rudolph, D.; Bos, K. Scour around a monopile under combined wave-current conditions and low KC-numbers. In Proceedings of
    the 6th International Conference on Scour and Erosion, Amsterdam, The Netherlands, 1–3 November 2006; pp. 582–588.
  3. Nielsen, A.W.; Liu, X.; Sumer, B.M.; Fredsøe, J. Flow and bed shear stresses in scour protections around a pile in a current. Coast.
    Eng. 2013, 72, 20–38. [CrossRef]
  4. Ahmad, N.; Bihs, H.; Myrhaug, D.; Kamath, A.; Arntsen, Ø.A. Three-dimensional numerical modelling of wave-induced scour
    around piles in a side-by-side arrangement. Coast. Eng. 2018, 138, 132–151. [CrossRef]
  5. Li, H.; Ong, M.C.; Leira, B.J.; Myrhaug, D. Effects of Soil Profile Variation and Scour on Structural Response of an Offshore
    Monopile Wind Turbine. J. Offshore Mech. Arct. Eng. 2018, 140, 042001. [CrossRef]
  6. Li, H.; Liu, H.; Liu, S. Dynamic analysis of umbrella suction anchor foundation embedded in seabed for offshore wind turbines.
    Géoméch. Energy Environ. 2017, 10, 12–20. [CrossRef]
  7. Fazeres-Ferradosa, T.; Rosa-Santos, P.; Taveira-Pinto, F.; Vanem, E.; Carvalho, H.; Correia, J.A.F.D.O. Editorial: Advanced research
    on offshore structures and foundation design: Part 1. Proc. Inst. Civ. Eng. Marit. Eng. 2019, 172, 118–123. [CrossRef]
  8. Chavez, C.E.A.; Stratigaki, V.; Wu, M.; Troch, P.; Schendel, A.; Welzel, M.; Villanueva, R.; Schlurmann, T.; De Vos, L.; Kisacik,
    D.; et al. Large-Scale Experiments to Improve Monopile Scour Protection Design Adapted to Climate Change—The PROTEUS
    Project. Energies 2019, 12, 1709. [CrossRef]
  9. Wu, M.; De Vos, L.; Chavez, C.E.A.; Stratigaki, V.; Fazeres-Ferradosa, T.; Rosa-Santos, P.; Taveira-Pinto, F.; Troch, P. Large Scale
    Experimental Study of the Scour Protection Damage Around a Monopile Foundation Under Combined Wave and Current
    Conditions. J. Mar. Sci. Eng. 2020, 8, 417. [CrossRef]
  10. Sørensen, S.P.H.; Ibsen, L.B. Assessment of foundation design for offshore monopiles unprotected against scour. Ocean Eng. 2013,
    63, 17–25. [CrossRef]
  11. Prendergast, L.; Gavin, K.; Doherty, P. An investigation into the effect of scour on the natural frequency of an offshore wind
    turbine. Ocean Eng. 2015, 101, 1–11. [CrossRef]
  12. Fazeres-Ferradosa, T.; Chambel, J.; Taveira-Pinto, F.; Rosa-Santos, P.; Taveira-Pinto, F.; Giannini, G.; Haerens, P. Scour Protections
    for Offshore Foundations of Marine Energy Harvesting Technologies: A Review. J. Mar. Sci. Eng. 2021, 9, 297. [CrossRef]
  13. Yang, Q.; Yu, P.; Liu, Y.; Liu, H.; Zhang, P.; Wang, Q. Scour characteristics of an offshore umbrella suction anchor foundation
    under the combined actions of waves and currents. Ocean Eng. 2020, 202, 106701. [CrossRef]
  14. Yu, P.; Hu, R.; Yang, J.; Liu, H. Numerical investigation of local scour around USAF with different hydraulic conditions under
    currents and waves. Ocean Eng. 2020, 213, 107696. [CrossRef]
  15. Sumer, B.M.; Christiansen, N.; Fredsøe, J. The horseshoe vortex and vortex shedding around a vertical wall-mounted cylinder
    exposed to waves. J. Fluid Mech. 1997, 332, 41–70. [CrossRef]
  16. Sumer, B.M.; Fredsøe, J. Scour around Pile in Combined Waves and Current. J. Hydraul. Eng. 2001, 127, 403–411. [CrossRef]
  17. Petersen, T.U.; Sumer, B.M.; Fredsøe, J. Time scale of scour around a pile in combined waves and current. In Proceedings of the
    6th International Conference on Scour and Erosion, Paris, France, 27–31 August 2012.
  18. Petersen, T.U.; Sumer, B.M.; Fredsøe, J.; Raaijmakers, T.C.; Schouten, J.-J. Edge scour at scour protections around piles in the
    marine environment—Laboratory and field investigation. Coast. Eng. 2015, 106, 42–72. [CrossRef]
  19. Qi, W.; Gao, F. Equilibrium scour depth at offshore monopile foundation in combined waves and current. Sci. China Ser. E Technol.
    Sci. 2014, 57, 1030–1039. [CrossRef]
  20. Larsen, B.E.; Fuhrman, D.R.; Baykal, C.; Sumer, B.M. Tsunami-induced scour around monopile foundations. Coast. Eng. 2017, 129,
    36–49. [CrossRef]
  21. Corvaro, S.; Marini, F.; Mancinelli, A.; Lorenzoni, C.; Brocchini, M. Hydro- and Morpho-dynamics Induced by a Vertical Slender
    Pile under Regular and Random Waves. J. Waterw. Port. Coast. Ocean Eng. 2018, 144, 04018018. [CrossRef]
  22. Schendel, A.; Welzel, M.; Schlurmann, T.; Hsu, T.-W. Scour around a monopile induced by directionally spread irregular waves in
    combination with oblique currents. Coast. Eng. 2020, 161, 103751. [CrossRef]
  23. Fazeres-Ferradosa, T.; Taveira-Pinto, F.; Romão, X.; Reis, M.; das Neves, L. Reliability assessment of offshore dynamic scour
    protections using copulas. Wind. Eng. 2018, 43, 506–538. [CrossRef]
  24. Fazeres-Ferradosa, T.; Welzel, M.; Schendel, A.; Baelus, L.; Santos, P.R.; Pinto, F.T. Extended characterization of damage in rubble
    mound scour protections. Coast. Eng. 2020, 158, 103671. [CrossRef]
  25. Tavouktsoglou, N.S.; Harris, J.M.; Simons, R.R.; Whitehouse, R.J.S. Equilibrium Scour-Depth Prediction around Cylindrical
    Structures. J. Waterw. Port. Coast. Ocean Eng. 2017, 143, 04017017. [CrossRef]
  26. Ettema, R.; Melville, B.; Barkdoll, B. Scale Effect in Pier-Scour Experiments. J. Hydraul. Eng. 1998, 124, 639–642. [CrossRef]
  27. Umeda, S. Scour Regime and Scour Depth around a Pile in Waves. J. Coast. Res. Spec. Issue 2011, 64, 845–849.
  28. Umeda, S. Scour process around monopiles during various phases of sea storms. J. Coast. Res. 2013, 165, 1599–1604. [CrossRef]
  29. Baykal, C.; Sumer, B.; Fuhrman, D.R.; Jacobsen, N.; Fredsøe, J. Numerical simulation of scour and backfilling processes around a
    circular pile in waves. Coast. Eng. 2017, 122, 87–107. [CrossRef]
  30. Miles, J.; Martin, T.; Goddard, L. Current and wave effects around windfarm monopile foundations. Coast. Eng. 2017, 121,
    167–178. [CrossRef]
  1. Miozzi, M.; Corvaro, S.; Pereira, F.A.; Brocchini, M. Wave-induced morphodynamics and sediment transport around a slender
    vertical cylinder. Adv. Water Resour. 2019, 129, 263–280. [CrossRef]
  2. Yu, T.; Zhang, Y.; Zhang, S.; Shi, Z.; Chen, X.; Xu, Y.; Tang, Y. Experimental study on scour around a composite bucket foundation
    due to waves and current. Ocean Eng. 2019, 189, 106302. [CrossRef]
  3. Carreiras, J.; Larroudé, P.; Seabra-Santos, F.; Mory, M. Wave Scour Around Piles. In Proceedings of the Coastal Engineering 2000,
    American Society of Civil Engineers (ASCE), Sydney, Australia, 16–21 July 2000; pp. 1860–1870.
  4. Raaijmakers, T.; Rudolph, D. Time-dependent scour development under combined current and waves conditions—Laboratory
    experiments with online monitoring technique. In Proceedings of the 4th International Conference on Scour and Erosion, Tokyo,
    Japan, 5–7 November 2008; pp. 152–161.
  5. Khalfin, I.S. Modeling and calculation of bed score around large-diameter vertical cylinder under wave action. Water Resour. 2007,
    34, 357. [CrossRef]
  6. Zanke, U.C.; Hsu, T.-W.; Roland, A.; Link, O.; Diab, R. Equilibrium scour depths around piles in noncohesive sediments under
    currents and waves. Coast. Eng. 2011, 58, 986–991. [CrossRef]
  7. Myrhaug, D.; Rue, H. Scour below pipelines and around vertical piles in random waves. Coast. Eng. 2003, 48, 227–242. [CrossRef]
  8. Myrhaug, D.; Ong, M.C.; Føien, H.; Gjengedal, C.; Leira, B.J. Scour below pipelines and around vertical piles due to second-order
    random waves plus a current. Ocean Eng. 2009, 36, 605–616. [CrossRef]
  9. Myrhaug, D.; Ong, M.C. Random wave-induced onshore scour characteristics around submerged breakwaters using a stochastic
    method. Ocean Eng. 2010, 37, 1233–1238. [CrossRef]
  10. Ong, M.C.; Myrhaug, D.; Hesten, P. Scour around vertical piles due to long-crested and short-crested nonlinear random waves
    plus a current. Coast. Eng. 2013, 73, 106–114. [CrossRef]
  11. Yakhot, V.; Orszag, S.A. Renormalization group analysis of turbulence. I. Basic theory. J. Sci. Comput. 1986, 1, 3–51. [CrossRef]
  12. Yakhot, V.; Smith, L.M. The renormalization group, the e-expansion and derivation of turbulence models. J. Sci. Comput. 1992, 7,
    35–61. [CrossRef]
  13. Mastbergen, D.R.; Berg, J.V.D. Breaching in fine sands and the generation of sustained turbidity currents in submarine canyons.
    Sedimentology 2003, 50, 625–637. [CrossRef]
  14. Soulsby, R. Dynamics of Marine Sands; Thomas Telford Ltd.: London, UK, 1998. [CrossRef]
  15. Van Rijn, L.C. Sediment Transport, Part I: Bed Load Transport. J. Hydraul. Eng. 1984, 110, 1431–1456. [CrossRef]
  16. Zhang, Q.; Zhou, X.-L.; Wang, J.-H. Numerical investigation of local scour around three adjacent piles with different arrangements
    under current. Ocean Eng. 2017, 142, 625–638. [CrossRef]
  17. Yu, Y.X.; Liu, S.X. Random Wave and Its Applications to Engineering, 4th ed.; Dalian University of Technology Press: Dalian,
    China, 2011.
  18. Pang, A.; Skote, M.; Lim, S.; Gullman-Strand, J.; Morgan, N. A numerical approach for determining equilibrium scour depth
    around a mono-pile due to steady currents. Appl. Ocean Res. 2016, 57, 114–124. [CrossRef]
  19. Higuera, P.; Lara, J.L.; Losada, I.J. Three-dimensional interaction of waves and porous coastal structures using Open-FOAM®.
    Part I: Formulation and validation. Coast. Eng. 2014, 83, 243–258. [CrossRef]
  20. Corvaro, S.; Crivellini, A.; Marini, F.; Cimarelli, A.; Capitanelli, L.; Mancinelli, A. Experimental and Numerical Analysis of the
    Hydrodynamics around a Vertical Cylinder in Waves. J. Mar. Sci. Eng. 2019, 7, 453. [CrossRef]
  21. Flow3D User Manual, version 11.0.3; Flow Science, Inc.: Santa Fe, NM, USA, 2013.
  22. Khosronejad, A.; Kang, S.; Sotiropoulos, F. Experimental and computational investigation of local scour around bridge piers. Adv.
    Water Resour. 2012, 37, 73–85. [CrossRef]
  23. Stahlmann, A. Experimental and Numerical Modeling of Scour at Foundation Structures for Offshore Wind Turbines. Ph.D. Thesis,
    Franzius-Institute for Hydraulic, Estuarine and Coastal Engineering, Leibniz Universität Hannover, Hannover, Germany, 2013.
  24. Breusers, H.N.C.; Nicollet, G.; Shen, H. Local Scour Around Cylindrical Piers. J. Hydraul. Res. 1977, 15, 211–252. [CrossRef]
  25. Schendel, A.; Hildebrandt, A.; Goseberg, N.; Schlurmann, T. Processes and evolution of scour around a monopile induced by
    tidal currents. Coast. Eng. 2018, 139, 65–84. [CrossRef]
Flow velocity profiles for canals with a depth of 3 m and flow velocities of 5–5.3 m/s.

Optimization Algorithms and Engineering: Recent Advances and Applications

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 [114]. 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 [1527]. Consequently, it is necessary to study the effects of the passive factors on the active domain [2836]. 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 [3841].

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 [4345]. 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 [4748].

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 nf, 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 [4555].

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 [475758] and the other method is to increase the canal bed roughness (Manning-Strickler coefficient) [455961]. 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 [496366] 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 xyz and  are viscosity accelerations in the directions xyz 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 1 The 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 1 The 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 [7077]. Determination and true implementation of such parameters is one of the key steps of any simulation [237881] and computing procedure [8286]. 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 [8788]. 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 2 Modeling the plant with cylindrical tubes at the bottom of the canal.

Figure 3 Velocity 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 414 ). The total number of experiments in this study was 48 due to the limitations of modeling.(a)
(a)(b)
(b)(c)
(c)(d)
(d)(a)
(a)(b)
(b)(c)
(c)(d)
(d)Figure 4 Flow 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 5 Canal diagram with a depth of 1 meter and a flow rate of 3 meters per second.

Figure 6 Canal diagram with a depth of 1 meter and a flow rate of 3.1 meters per second.

Figure 7 Canal diagram with a depth of 1 meter and a flow rate of 3.2 meters per second.

Figure 8 Canal diagram with a depth of 1 meter and a flow rate of 3.3 meters per second.(a)
(a)(b)
(b)(c)
(c)(d)
(d)(a)
(a)(b)
(b)(c)
(c)(d)
(d)Figure 9 Flow 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 10 Canal diagram with a depth of 2 meters and a flow rate of 4 meters per second.

Figure 11 Canal diagram with a depth of 2 meters and a flow rate of 4.1 meters per second.

Figure 12 Canal diagram with a depth of 2 meters and a flow rate of 4.2 meters per second.

Figure 13 Canal diagram with a depth of 2 meters and a flow rate of 4.3 meters per second.(a)
(a)(b)
(b)(c)
(c)(d)
(d)(a)
(a)(b)
(b)(c)
(c)(d)
(d)Figure 14 Flow 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 510, 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 58 and 1011), 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 15 Canal 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 16 Canal 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 17 Canal 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 18 Canal 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)
(a)(b)
(b)(c)
(c)(a)
(a)(b)
(b)(c)
(c)Figure 19 Comparison 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)
(a)(b)
(b)(c)
(c)(a)
(a)(b)
(b)(c)
(c)Figure 20 Comparison 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 [27815188994]. In future, we can also apply the simulation logic and software of this research for other domains such as power engineering [9599].(a)
(a)(b)
(b)(c)
(c)(a)
(a)(b)
(b)(c)
(c)Figure 21 Comparison 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

  1. 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
  2. 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
  3. 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
  4. 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
  5. 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
  6. 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
  7. 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
  8. 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
  9. 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
  10. 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
  11. 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
  12. 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
  13. 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
  14. 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
  15. 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
  16. 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
  17. 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
  18. 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
  19. 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
  20. 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
  21. 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
  22. 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
  23. 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
  24. 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
  25. 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
  26. 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
  27. 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
  28. 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
  29. 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
  30. 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
  31. 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
  32. 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
  33. 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
  34. 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
  35. 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
  36. 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
  37. 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
  38. 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
  39. 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
  40. 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
  41. 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
  42. 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
  43. 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
  44. 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
  45. 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
  46. 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
  47. 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
  48. 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
  49. 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
  50. 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
  51. S. Hosseini and J. Abrishami, Open Channel Hydraulics, Elsevier, Amsterdam, Netherlands, 2007.
  52. 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
  53. F. Huthoff and D. Augustijn, “Channel roughness in 1D steady uniform flow: Manning or Chézy?,,” NCR-days, vol. 102, 2004.View at: Google Scholar
  54. 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
  55. 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
  56. 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
  57. 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
  58. 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
  59. 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
  60. 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
  61. W. Fu-sheng, “Flow resistance of flexible vegetation in open channel,” Journal of Hydraulic Engineering, vol. S1, 2007.View at: Google Scholar
  62. 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
  63. 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
  64. 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.
  65. 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
  66. 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
  67. 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
  68. 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
  69. V. T. Chow, Open-channel Hydraulics, Mcgraw-Hill Civil Engineering Series, Chennai, TN, India, 1959.
  70. 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
  71. 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
  72. 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
  73. 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
  74. 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
  75. 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
  76. 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
  77. 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
  78. 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
  79. 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
  80. 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
  81. 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
  82. 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
  83. 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
  84. 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
  85. 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
  86. 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
  87. 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
  88. 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
  89. 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
  90. 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
  91. 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
  92. 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
  93. 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
  94. 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
  95. 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
  96. 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
  97. 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
  98. 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
  99. 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
Watershed area

Analysis on inundation characteristics by compound external forces in coastal areas

연안 지역의 복합 외력에 의한 침수 특성 분석

Taeuk KangaDongkyun SunbSangho Leec*
강 태욱a선 동균b이 상호c*
aResearch Professor, Disaster Prevention Research Institute, Pukyong National University, Busan, KoreabResearcher, Disaster Prevention Research Institute, Pukyong National University, Busan, KoreacProfessor, Department of Civil Engineering, Pukyong National University, Busan, Korea
a부경대학교 방재연구소 전임연구교수b부경대학교 방재연구소 연구원c부경대학교 공과대학 토목공학과 교수*Corresponding Author

ABSTRACT

연안 지역은 강우, 조위, 월파 등 여러가지 외력에 의해 침수가 발생될 수 있다. 이에 이 연구에서는 연안 지역에서 발생될 수 있는 단일 및 복합 외력에 의한 지역별 침수 특성을 분석하였다. 연구에서 고려한 외력은 강우와 폭풍 해일에 의한 조위 및 월파이고, 분석 대상지역은 남해안 및 서해안의 4개 지역이다. 유역의 강우-유출 및 2차원 지표면 침수 분석에는 XP-SWMM이 사용되었고, 폭풍 해일에 의한 외력인 조위 및 월파량 산정에는 ADCSWAN (ADCIRC와 UnSWAN) 모형과 FLOW-3D 모형이 각각 활용되었다. 단일 외력을 이용한 분석 결과, 대부분의 연안 지역에서는 강우에 의한 침수 영향보다 폭풍 해일에 의한 침수 영향이 크게 나타났다. 복합 외력에 의한 침수 분석 결과는 대체로 단일 외력에 의한 침수 모의 결과를 중첩시켜 나타낸 결과와 유사하였다. 다만, 특정 지역에서는 복합 외력을 고려함에 따라 단일 외력만을 고려한 침수모의에서 나타나지 않았던 새로운 침수 영역이 발생하기도 하였다. 이러한 지역의 침수 피해 저감을 위해서는 복합 외력을 고려한 분석이 요구되는 것으로 판단되었다.키워드연안 지역 침수 분석 강우 폭풍 해일 복합 외력

The various external forces can cause inundation in coastal areas. This study is to analyze regional characteristics caused by single or compound external forces that can occur in coastal areas. Storm surge (tide level and wave overtopping) and rainfall were considered as the external forces in this study. The inundation analysis were applied to four coastal areas, located on the west and south coast in Republic of Korea. XP-SWMM was used to simulate rainfall-runoff phenomena and 2D ground surface inundation for watershed. A coupled model of ADCIRC and SWAN (ADCSWAN) was used to analyze tide level by storm surge and the FLOW-3D model was used to estimate wave overtopping. As a result of using a single external force, the inundation influence due to storm surge in most of the coastal areas was greater than rainfall. The results of using compound external forces were quite similar to those combined using one external force independently. However, a case of considering compound external forces sometimes created new inundation areas that didn’t appear when considering only a single external force. The analysis considering compound external forces was required to reduce inundation damage in these areas.KeywordsCoastal area Inundation analysis Rainfall Storm surge Compound external forces

MAIN

1. 서 론

우리나라는 반도에 위치하여 삼면이 바다로 둘러싸여 있는 지리적 특성을 가지고 있다. 이에 따라 해양 산업을 중심으로 부산, 인천, 울산 등 대규모의 광역도시가 발달하였을 뿐만 아니라, 창원, 포항, 군산, 목포, 여수 등의 중․소규모 도시들도 발달되어 있다. 또한, 최근에는 연안 지역이 바다를 전망으로 하는 입지 조건을 가지고 있어 개발 선호도가 높고, 이에 따라 부산시 해운대의 마린시티, 엘시티와 같은 주거 및 상업시설의 개발이 지속되고 있다(Kang et al., 2019b).

한편, 최근 기후변화에 따른 지구 온난화 현상으로 평균 해수면이 상승하고, 해수면 온도도 상승하면서 태풍 및 강우의 강도가 커지고 있어 전 세계적으로 자연 재해로 인한 피해가 증가하고 있다(Kim et al., 2016). 실제로 2020년에는 최장기간의 장마가 발생하여 부산, 울산은 물론, 전국에서 50명의 인명 피해와 3,489세대의 이재민이 발생하였다1). 특히, 연안 지역은 강우, 만조 시 해수면 상승, 폭풍 해일(storm surge)에 의한 월파(wave overtopping) 등 복합적인 외력(compound external forces)에 의해 침수될 수 있다(Lee et al., 2020). 일례로, 2016년 태풍 차바 시 부산시 해운대구의 마린시티는 강우와 폭풍 해일에 의한 월파가 발생함에 따라 대규모 침수를 유발하였다(Kang et al., 2019b). 또한, 2020년 7월 23일에 부산에서는 시간당 81.6 mm의 집중호우와 약최고고조위를 상회하는 만조가 동시에 발생하였고, 이로 인해 감조 하천인 동천의 수위가 크게 상승하여 하천이 범람하였다(KSCE, 2021).

연안 지역의 복합 외력을 고려한 침수 분석에 관한 사례로서, 우선 강우와 조위를 고려한 연구 사례는 다음과 같다. Han et al. (2014)은 XP-SWMM을 이용하여 창원시 배수 구역을 대상으로 침수 모의를 수행하였는데, 연안 도시의 침수 모의에는 조위의 영향을 반드시 고려해야 함을 제시하였다. Choi et al. (2018a)은 경남 사천시 선구동 일대에 대하여 초과 강우 및 해수면 상승 시나리오를 조합하여 침수 분석을 수행하였다. Choi et al. (2018b)은 XP-SWMM을 이용하여 여수시 연등천 및 여수시청 지역에 대하여 강우 시나리오와 해수위 상승 시나리오를 고려한 복합 원인에 의한 침수 모의를 수행하여 홍수예경보 기준표를 작성하였다. 한편, 강우, 조위, 월파를 고려한 연구 사례로서, Song et al. (2017)은 부산시 해운대구 수영만 일원에 대하여 XP-SWMM으로 월파량의 적용 유무에 따른 침수 면적을 비교하였다. Suh and Kim (2018)은 부산시 마린시티 지역을 대상으로 태풍 차바 때 EurOtop의 경험식을 ADSWAN에 적용하여 월파량을 반영하였다. Chen et al. (2017)은 TELEMAC-2D 및 SWMM을 기반으로 한 극한 강우, 월파 및 조위를 고려하여 중국 해안 원자력 발전소의 침수를 예측하고 분석하기 위한 결합 모델을 개발한 바 있다. 한편, Lee et al. (2020)은 수리‧수문학 분야와 해양공학 분야에서 사용되는 물리 모형의 기술적 연계를 통해 연안 지역의 침수 모의의 재현성을 높였다.

상기의 연구들은 공통적으로 연안 지역에 대하여 복합 외력을 고려했을 때 발생되는 침수 현상의 재현 또는 예측을 목적으로 수행되었다. 이 연구는 이와 차별하여 복합 외력을 고려하는 경우 나타날 수 있는 연안 지역의 침수 특성 분석을 목적으로 수행되었다. 이를 위해 단일 외력을 독립적으로 고려했을 때 발생되는 침수 양상과 동시에 고려하는 경우의 침수 현상을 비교, 분석하였다. 복합 외력에 의한 지역적 침수 특성 분석은 우리나라 남해안과 서해안에 위치한 4개 지역에 대하여 적용되었다.

1) 장연제, 47일째 이어진 긴 장마, 50명 인명피해… 9년만에 최대, 동아닷컴, 2020년 8월 9일 수정, 2021년 3월 4일 접속, https://www.donga.com/news/article/all/20200809/102369692/2

2. 연구 방법

2.1 연안 지역의 침수 영향 인자

연안 지역의 침수는 크게 세 가지의 메카니즘으로 발생될 수 있다. 우선, 연안 지역은 바다와 인접하고 있기 때문에 그 영향을 직접적으로 받는다. Kim (2018)에 의하면, 연안 지역의 침수는 폭풍 해일에 의해 상승한 조위와 월파로 인해 발생될 수 있다(Table 1). 특히, 경상남도의 창원과 통영, 인천광역시의 소래포구 어시장 등 남해안 및 서해안 지역의 일부는 백중사리, 슈퍼문(super moon) 등 만조 시 조위의 상승으로 인한 침수가 발생하는 지역이 존재한다(Kang et al., 2019a). 두 번째는 강우에 의한 내수 침수 발생이다. ME (2011)에서는 도시 지역의 우수 관거를 10 ~ 30년 빈도로 계획하도록 지정하고 있고, 펌프 시설은 30 ~ 50년 빈도의 홍수를 배수시킬 수 있도록 정하고 있다. 하지만 최근에는 기후변화의 영향으로 도시 지역 배수시설의 설계 빈도를 초과하는 강우가 빈번하게 나타나고 있다. 실제로 2016년의 태풍 차바 시 울산 기상관측소에 관측된 시간 최대 강우량은 106.0 mm로서, 이는 300년 빈도 이상의 강우량에 해당하였다(Kang et al., 2019a). 따라서 배수시설의 설계 빈도 이상의 강우는 연안 도시 지역의 침수를 유발할 수 있다. 세 번째, 하천이 인접한 연안 도시에서는 하천의 범람으로 인해 침수가 발생할 수 있다. 하천의 경우, 기본계획이 수립되기는 하지만, 설계 빈도를 상회하는 강우의 발생, 제방, 수문 등 홍수 방어시설의 기능 저하, 예산 등의 문제로 하천기본계획 이행의 지연 등에 의해 범람할 가능성이 존재한다.

Table 1.

Type of natural hazard damage in coastal areas (Kim, 2018)

ItemRisk factor
Facilities damage∙ Breaking of coastal facilities by wave
– Breakwater, revetment, lighters wharf etc.
∙ Local scouring at the toe of the structures by wave
∙ Road collapse by wave overtopping
Inundation damage∙ Inundation damage by wave overtopping
∙ Inundation of coastal lowlands by storm surge
Erosion damage∙ Backshore erosion due to high swell waves
∙ Shoreline changes caused by construction of coastal erosion control structure
∙ Sediment transport due to the construction of artificial structures

상기의 내용을 종합하면, 연안 지역은 조위 및 월파에 의한 침수, 강우에 의한 내수 침수, 하천 범람에 의한 침수로 구분될 수 있다. 이 연구에서는 폭풍 해일에 의한 조위 상승 및 월파와 강우를 연안 지역의 침수 유발 외력으로 고려하였다. 하천 범람의 경우, 상대적으로 사례가 희소하여 제외하였다.

2.2 복합 외력을 고려한 침수 모의 방법

이 연구에서는 조위 및 월파와 강우를 연안 지역의 침수 발생에 관한 외력 조건으로 고려하였다. 따라서 해당 외력 조건을 고려하여 침수 분석을 수행할 수 있어야 한다. 이와 관련하여 Lee et al. (2020)은 Fig. 1과 같이 수리‧수문 및 해양공학 분야에서 사용되는 물리 기반 모형의 연계를 통해 조위, 월파, 강우를 고려한 침수 분석 방법을 제시하였고, 이 연구에서는 해당 방법을 이용하였다.

/media/sites/kwra/2021-054-07/N0200540702/images/kwra_54_07_02_F1.jpg
Fig. 1.

Connection among the models for inundation analysis in coastal areas (Lee et al., 2020)

우선, 태풍에 의해 발생되는 폭풍 해일의 영향을 분석하기 위해서는 태풍에 의해 발생되는 기압 강하, 해상풍, 진행 속도 등을 고려하여 해수면의 변화 양상 및 조석-해일-파랑을 충분히 재현 가능해야 한다. 이 연구에서는 국내․외에서 검증 및 공인된 폭풍 해일 모형인 ADCIRC 모형과 파랑 모형인 UnSWAN이 결합된 ADCSWAN (coupled model of ADCIRC and UnSWAN)을 이용하였다. 정수압 가정의 ADCSWAN은 월파량 산정에 단순 경험식을 적용하는 단점이 있지만 넓은 영역을 모의할 수 있고, FLOW-3D는 해안선의 경계를 고해상도로 재현이 가능하다. 이에 연구에서는 먼 바다 영역에 대해서는 ADCSWAN을 이용하여 분석하였고, 연안 주변의 바다 영역과 월파량 산정에 대해서는 FLOW-3D 모형을 이용하였다. 한편, 연안 지역의 침수 모의를 위해서는 유역에서 발생하는 강우-유출 현상과 우수 관거 등의 배수 체계에 대한 분석이 가능해야 한다. 또한, 배수 체계로부터 범람한 물이 지표면을 따라 흘러가는 현상을 해석할 수 있어야 하고, 바다의 조위 및 월파량을 경계조건으로 반영할 수 있어야 한다. 이 연구에서는 이러한 현상을 모의할 수 있고, 도시 침수 모의에 활용도가 높은 XP-SWMM을 이용하였다.

2.3 침수 분석 대상지역

연구의 대상지역은 조위 및 월파에 의한 침수와 강우에 의한 내수 침수의 영향이 복합적으로 발생할 수 있는 남해안과 서해안에 위치한 4개 지역이다. Table 2는 침수 분석 대상지역을 정리하여 나타낸 표이고, Fig. 2는 각 지역의 유역 경계를 나타낸 그림이다.

Table 2.

Target region for inundation analysis

ClassificationAdministrative districtTarget regionArea
(km2)
Main cause of inundationPump
facility
Number of
major outfall
The south
coast
Haundae-gu, BusanMarine City area0.53Wave overtopping9
Haundae-gu, BusanCentum City area4.76Poor interior drainage at high tide level12
The west
coast
GunsanJungang-dong area0.79Poor interior drainage at high tide level23
BoryeongOcheon Port area0.41High tide level5

/media/sites/kwra/2021-054-07/N0200540702/images/kwra_54_07_02_F2.jpg
Fig. 2.

Watershed area

남해안의 분석 대상지역 중 부산시 해운대구의 마린시티는 바다 조망을 중심으로 조성된 주거지 및 상업시설 중심의 개발지역이다. 마린시티는 2016년 태풍 차바 및 2018년 태풍 콩레이 등 태풍 내습 시 월파에 의한 해수 월류로 인해 도로 및 상가 일부가 침수를 겪은 지역이다. 부산시 해운대구의 센텀시티는 과거 수영만 매립지였던 곳에 조성된 주거지 및 상업시설 중심의 신도시 지역이다. 센텀시티 유역의 북쪽은 해발고도 El. 634 m의 장산이 위치하는 등 산지 특성도 가지고 있어 상대적으로 유역 면적이 넓고, 배수시설의 규모도 크고 복잡하다. 하지만 수영강 하구의 저지대 지역에 위치함에 따라 강우 시 내수 배제가 불량하고, 특히 만조 시 침수가 잦은 지역이다.

서해안 분석 대상지역 중 전라북도 군산시의 중앙동 일원은 군산시 내항 내측에 조성된 구도시로서, 금강 및 경포천 하구에 위치하는 저지대이다. 이에 따라 군산시 풍수해저감종합계획에서는 해당 지역을 3개의 영역으로 구분하여 내수재해 위험지구(영동지구, 중동지구, 경암지구)로 지정하였고, 이 연구에서는 해당 지역을 모두 고려하였다. 한편, 군산시 중앙동 일원은 특히, 만조 시 내수 배제가 매우 불량하여 2개의 펌프시설이 운영되고 있다. 충청남도 보령시의 오천면에 위치한 오천항은 배후의 산지를 포함한 소규모 유역에 위치한다. 서해안의 특성에 따라 조석 간만의 차가 크고, 특히 태풍 내습 시 폭풍 해일에 의한 침수가 잦은 지역이다. 산지의 강우-유출수는 복개된 2개의 수로를 통해 바다로 배제되고, 상가들이 위치한 연안 주변 지역에는 강우-유출수 배제를 위한 3개의 배수 체계가 구성되어 있다.

3. 연구 결과

3.1 침수 모의 모형 구축

XP-SWMM을 이용하여 분석 대상지역별 침수 모의 모형을 구축하였다. 적절한 침수 분석 수행을 위해 지역별 수치지형도, 도시 공간 정보 시스템(urban information system, UIS), 하수 관망도 등의 수치 자료와 현장 조사를 통해 유역의 배수 체계를 구성하였다. 그리고 2차원 침수 분석을 위해 무인 드론 및 육상 라이다(LiDAR) 측량을 수행하여 평면해상도가 1 m 이하인 고해상도 수치지형모형(digital terrain model, DTM)을 구성하였고, 침수 모의 격자를 생성하였다.

Fig. 3은 XP-SWMM의 상세 구축 사례로서 부산시 마린시티 배수 유역에 대한 소유역 및 관거 분할 등을 통해 구성한 배수 체계와 고해상도 측량 결과를 이용하여 구성한 수치표면모형(digital surface model, DSM)을 나타낸다. Fig. 4는 각 대상지역에 대해 XP-SWMM을 이용하여 구축한 침수 모의 모형을 나타낸다. 침수 분석을 위해서는 침수 모의 영역에 대한 설정이 필요한데, 다수의 사전 모의를 통해 유역 내에서 침수가 발생되는 지역을 검토하여 결정하였다.

/media/sites/kwra/2021-054-07/N0200540702/images/kwra_54_07_02_F3.jpg
Fig. 3.

Analysis of watershed drainage system and high-resolution survey for Marine City

/media/sites/kwra/2021-054-07/N0200540702/images/kwra_54_07_02_F4.jpg
Fig. 4.

Simulation model for inundation analysis by target region using XP-SWMM

한편, 이 연구에서는 월파량 및 조위의 산정 과정과 침수 모의 모형의 보정에 관한 내용 등은 다루지 않았다. 관련된 내용은 선행 연구인 Kang et al. (2019b)와 Lee et al. (2020)을 참조할 수 있다.

3.2 침수 모의 설정

3.2.1 분석 방법

복합 외력에 의한 침수 영향을 검토하기 위해서는 외력 조건에 대한 빈도와 지속기간의 설정이 필요하다. 이 연구에서는 재해 현상이 충분히 나타날 수 있도록 강우와 조위 및 월파의 빈도를 모두 100년으로 설정하였다. 이때, 조위와 월파량의 산정에는 만조(약최고고조위) 시, 100년 빈도에 해당하는 태풍 내습에 따른 폭풍 해일의 발생 조건을 고려하였다.

지역별 강우 발생 특성과 유역 특성을 고려하기 위해 MOIS (2017)의 방재성능목표 기준에 따라 임계 지속기간을 결정하여 대상지역별 강우의 지속기간으로 설정하였다. 이때, 강우의 시간 분포는 MLTM (2011)의 Huff 3분위를 이용하였다. 그리고 조위와 월파의 경우, 일반적인 폭풍 해일의 지속기간을 고려하여 5시간으로 결정하였다. 한편, 침수 모의를 위한 계산 시간 간격, 2차원 모의 격자 등의 입력자료는 분석 대상지역의 유역 규모와 침수 분석 대상 영역을 고려하여 결정하였다. 참고로 침수 분석에 사용된 수치지형모형은 1 m 급의 고해상도로 구성되었지만, 2차원 침수 모의 격자의 크기는 지역별로 3 ~ 4 m이다. 이는 연구에서 사용된 XP-SWMM의 격자 수(100,000개) 제약에 따른 설정이나, Sun (2021)은 민감도 분석을 통해 2차원 침수 분석을 위한 적정 격자 크기를 3 ~ 4.5 m로 제시한 바 있다.

Table 3은 이 연구에서 설정한 침수 모의 조건과 분석 방법을 정리하여 나타낸 표이다.

Table 3.

Simulation condition and method

ClassificationTarget regionSimulation conditionSimulation method
RainfallStorm surgeSimulation time interval2D
grid size
Return
period
DurationTemporal
distribution
Return
period
DurationWatershed
routing
Channel
routing
2D
inundation
The south coastMarine City area100 yr1 hr3rd quartile
of Huff’s
method
1005 hr5 min10 sec1 sec3 m
Centum City area1 hr1005 min10 sec1 sec4 m
The west coastJungang-dong area2 hr1005 min10 sec1 sec3.5 m
Ocheon Port area1 hr1001 min10 sec1 sec3 m

3.2.2 복합 재해의 동시 고려

이 연구의 대상지역들은 모두 소규모의 해안가 도시지역이고, 이러한 지역에 대한 강우의 임계지속기간은 1시간 ~ 2시간이나, 이 연구에서 분석한 폭풍 해일의 지속기간은 5시간으로 강우의 지속기간과 폭풍 해일의 지속기간이 상이하다. 이에 이 연구에서는 서로 다른 지속기간을 가진 강우와 폭풍 해일 또는 조위를 고려하기 위해 강우의 중심과 폭풍 해일의 중심이 동일한 시간에 위치하도록 설정하였다(Fig. 5).

XP-SWMM은 폭풍 해일이 지속되는 5시간 전체를 모의하도록 설정하였고, 폭풍 해일이 가장 큰 시점에 강우의 중심이 위치하도록 강우 발생 시기를 결정하였다. 다만, 부산 마린시티의 경우, 폭풍 해일에 의한 피해가 주로 월파에 의해 발생되므로 강우의 중심과 월파의 중심을 일치시켰고(Fig. 5(a)), 상대적으로 조위의 영향이 큰 3개 지역은 강우의 중심과 조위의 중심을 맞추었다. Fig. 5(b)는 군산시 중앙동 지역의 복합 외력에 의한 침수 분석에 사용된 강우와 조위의 조합이다.

한편, 100년 빈도의 확률강우량만을 고려한 침수 분석에서는 유역 유출부의 경계조건으로 우수 관거의 설계 조건을 고려하여 약최고고조위가 일정하게 유지되도록 설정하였다.

/media/sites/kwra/2021-054-07/N0200540702/images/kwra_54_07_02_F5.jpg
Fig. 5.

Consideration of external force conditions with different durations

3.2.3 XP-SWMM의 월파량 고려

XP-SWMM에 ADCSWAN 및 FLOW-3D 모형에 의해 산정된 월파량을 입력하기 위해 해안가 지역에 절점을 생성하여 월파 현상을 구현하였다. XP-SWMM에서 월파량을 입력하기 위한 절점의 위치는 FLOW-3D 모형에서 월파량을 산정한 격자의 중심 위치이다.

Fig. 6(a)는 마린시티 지역에 대한 월파량 입력 지점을 나타낸 것으로서, 유역 경계 주변에 동일 간격으로 원으로 표시한 지점들이 해당된다. Fig. 6(b)는 XP-SWMM에 월파량 입력 지점들을 반영하고, 하나의 절점에 월파량 시계열을 입력한 화면을 나타낸다.

/media/sites/kwra/2021-054-07/N0200540702/images/kwra_54_07_02_F6.jpg
Fig. 6.

Considering wave overtopping on XP-SWMM

3.3 침수 모의 결과

3.3.1 단일 외력에 의한 침수 모의 결과

Fig. 7은 단일 외력을 고려한 지역별 침수 모의 결과이다. 즉, Fig. 7의 왼쪽 그림들은 지역별로 100년 빈도 강우에 의한 침수 모의 결과를 나타내고, Fig. 7의 오른쪽 그림들은 만조 시 100년 빈도 폭풍 해일에 의한 침수 모의 결과이다. 대체로 강우에 의한 침수 영역은 유역 중․상류 지역의 유역 전반에 걸쳐 발생하였고, 폭풍 해일에 의한 침수 영역은 해안가 전면부에 위치하는 것을 볼 수 있다. 이는 폭풍 해일에 의한 조위 상승과 월파의 영향이 상류로 갈수록 감소하기 때문이다.

한편, 4개 지역 모두에서 공통적으로 강우에 비해 폭풍 해일에 의한 침수 영향이 상대적으로 크게 분석되었다. 이러한 결과는 연안 지역의 경우, 폭풍 해일에 대비한 침수 피해 저감 노력이 보다 중요함을 의미한다.

/media/sites/kwra/2021-054-07/N0200540702/images/kwra_54_07_02_F7.jpg
Fig. 7.

Simulation results by single external force (left: rainfall, right: storm surge)

3.3.2 복합 외력에 의한 침수 모의 결과

Fig. 8은 복합 외력을 고려한 지역별 침수 모의 결과이다. 즉, 강우 및 폭풍 해일을 동시에 고려함에 따라 발생된 침수 영역을 나타낸다. 복합 외력을 고려하는 경우, 단일 외력만을 고려한 분석 결과(Fig. 7)보다 침수 영역은 넓어졌고, 침수심은 깊어졌다.

복합 외력에 의한 침수 분석 결과는 대체로 단일 외력에 의한 침수 모의 결과를 중첩시켜 나타낸 결과와 유사하였고, 이는 일반적으로 예상할 수 있는 결과이다. 주목할만한 결과는 군산시 중앙동의 침수 분석에서 나타났다. 즉, 군산시 중앙동의 경우, 단일 외력만을 고려한 침수 모의 결과에서 나타나지 않았던 새로운 침수 영역이 발생하였다(Fig. 8(c)). 이와 관련된 상세 내용은 3.4절의 고찰에서 기술하였다.

/media/sites/kwra/2021-054-07/N0200540702/images/kwra_54_07_02_F8.jpg
Fig. 8.

Simulation results by compound external forces

3.4 결과 고찰

외력 조건별 침수의 영향을 정량적으로 비교하기 위해 침수 면적을 이용하였다. 이 연구에서는 강우만에 의해 유발된 침수 면적을 기준(기준값: 1)으로 하고, 폭풍 해일(조위+월파량)에 의한 침수 면적과 복합 외력에 의한 침수 면적의 상대적 비율로 분석하였다(Table 4).

Table 4.

Impact evaluation for inundation area by external force

ConditionMarine City, BusanCentum City, BusanJungang-dong area,
Gunsan
Ocheon Port area,
Boryeong
Inundation area
(km2)
RateInundation area
(km2)
RateInundation area
(km2)
RateInundation area
(km2)
Rate
Single
external force
Rainfall (①)0.01641.00.07591.00.04571.00.01751.0
Storm surge (②)0.03632.210.06850.900.14633.200.04122.35
Compound
external forces
Combination
(①+②)
0.05243.190.15051.980.26325.760.04732.70

분석 결과, 부산 센텀시티를 제외한 3개 지역은 모두 폭풍 해일에 의한 침수 면적이 강우에 의한 침수 면적에 비해 2.2 ~ 3.2배 넓은 것으로 분석되었다. 한편, 복합 외력에 의한 침수 면적은 마린시티와 센텀시티의 경우, 각각의 외력에 의한 침수 면적의 합과 유사하게 나타났다. 이는 각각의 외력에 의한 침수 영역이 상이하여 거의 중복되지 않음을 의미한다. 반면에, 오천항에서는 각각의 외력에 의한 침수 면적의 합이 복합 외력에 의한 면적보다 크게 나타났다. 이는 오천항의 경우, 유역면적이 작고 배수 체계가 비교적 단순하여 강우와 폭풍 해일에 의한 침수 영역이 중복되기 때문인 것으로 분석되었다(Fig. 7(d)).

군산시 중앙동 일대의 경우, 복합 외력에 의한 침수 면적이 각각의 독립적인 외력 조건에 의한 침수 면적의 합에 비해 37.1% 크게 나타났다. 이러한 현상의 원인을 분석하기 위해 복합 외력 조건에서만 나타난 우수 관거(Fig. 8(c)의 A 구간)에 대하여 종단을 검토하였다(Fig. 9). Fig. 9(a)는 강우만에 의해 분석된 우수 관거 내 흐름 종단을 나타내고, Fig. 9(b)는 폭풍 해일만에 의한 우수 관거의 종단이다. 그림을 통해 각각의 독립적인 외력 조건 하에서는 해당 구간에서 침수가 발생되지 않은 것을 볼 수 있다. 다만, 강우만을 고려하더라도 우수 관거는 만관이 된 상태를 확인할 수 있다(Fig. 9(a)). 반면에, 만관 상태에서 폭풍 해일이 함께 고려됨에 따라 해수 범람과 조위 상승에 의해 우수 배제가 불량하게 되었고, 이로 인해 침수가 유발된 것으로 분석되었다(Fig. 9(c)). 따라서 이러한 지역은 복합 외력에 대한 취약지구로 판단할 수 있고, 단일 외력의 고려만으로는 침수를 예상하기 어려운 지역임을 알 수 있다.

/media/sites/kwra/2021-054-07/N0200540702/images/kwra_54_07_02_F9.jpg
Fig. 9.

A part of drainage profiles by external force in Jungang-dong area, Gunsan

4. 결 론

이 연구에서는 외력 조건에 따른 연안 지역의 침수 특성을 분석하였다. 연구에서 고려된 외력 조건은 두 가지로서 강우와 폭풍 해일(조위와 월파)이다. 분석 대상 연안 지역으로는 남해안에 위치하는 2개 지역(부산시 해운대구의 마린시티와 센텀시티)과 서해안의 2개 지역(군산시 중앙동 일원 및 보령시 오천항)이 선정되었다.

복합 외력을 고려한 연안 지역의 침수 모의를 위해서는 유역의 강우-유출 현상과 바다의 조위 및 월파량을 경계조건으로 반영할 수 있는 침수 모의 모형이 요구되는데, 이 연구에서는 XP-SWMM을 이용하였다. 한편, 조위 및 월파량 산정에는 ADCSWAN (ADCIRC와 UnSWAN) 및 FLOW-3D 모형이 이용되었다.

연안 지역별 침수 모의는 100년 빈도의 강우와 폭풍 해일을 독립적으로 고려한 경우와 복합적으로 고려한 경우를 구분하여 수행되었다. 우선, 외력을 독립적으로 고려한 결과, 대체로 폭풍 해일만 고려한 경우가 강우만 고려한 경우에 비해 침수 영향이 크게 나타났다. 따라서 연안 지역의 경우, 폭풍 해일에 의한 침수 피해 방지 계획이 상대적으로 중요한 것으로 분석되었다. 두 번째, 복합 외력에 의한 침수 분석 결과는 대체로 단일 외력에 의한 침수 모의 결과를 중첩시켜 나타낸 결과와 유사하였다. 다만, 특정 지역에서는 복합 외력을 고려함에 따라 단일 외력만을 고려한 침수 모의에서 나타나지 않았던 새로운 침수 영역이 발생하기도 하였다. 이러한 결과는 독립적인 외력 조건에서는 우수 관거가 만관 또는 그 이하의 상태가 되지만, 두 가지의 외력이 동시에 고려됨에 따라 우수 관거의 통수능 한계를 초과하여 나타났다. 이러한 지역은 복합 외력에 대한 취약지구로 판단되었고, 해당 지역의 적절한 침수 방지 대책 수립을 위해서는 복합적인 외력 조건이 고려되어야 함을 시사하였다.

현행, 자연재해저감종합계획에서는 침수와 관련된 재해 원인 지역을 내수재해, 해안재해, 하천재해 등으로 구분하고 있다. 하지만 이 연구에서 검토된 바와 같이, 연안 지역의 침수 원인은 복합적으로 나타날 뿐만 아니라, 복합 외력을 고려함에 따라 추가적으로 나타날 수 있는 침수 위험 지역도 존재한다. 따라서 기존의 획일적인 재해 원인의 구분보다는 지역의 특성에 맞는 복합적인 재해 원인을 검토할 필요가 있음을 제안한다.

Acknowledgements

본 논문은 행정안전부 극한 재난대응 기반기술 개발사업의 일환인 “해안가 복합재난 위험지역 피해저감 기술개발(연구과제번호: 2018-MOIS31-008)”의 지원으로 수행되었습니다.

References

1
Chen, X., Ji, P., Wu, Y., and Zhao, L. (2017). “Coupling simulation of overland flooding and underground network drainage in a coastal nuclear power plant.” Nuclear Engineering and Design, Vol. 325, pp. 129-134. 10.1016/j.nucengdes.2017.09.028
2
Choi, G., Song, Y., and Lee, J. (2018a). “Analysis of flood occurrence type according to complex characteristics of coastal cities.” 2018 Conference of the Korean Society of Hazard Mitigation, KOSHAM, p. 180.
3
Choi, J., Park, K., Choi, S., and Jun, H. (2018b). “A forecasting and alarm system for reducing damage from inland inundation in coastal urban areas: A case study of Yeosu City.” Journal of Korean Society of Hazard Mitigation, Vol. 18, No. 7, pp. 475-484. 10.9798/KOSHAM.2018.18.7.475
4
Han, H., Kim, Y., Kang, N., and, Kim, H.S. (2014). “Inundation analysis of a coastal urban area considering tide level.” 2014 Conference of Korean Society of Civil Engineers, KSCE, pp. 1507-1508.
5
Kang, T., Lee, S., and Sun, D. (2019a). “A technical review for reducing inundation damage to high-rise and underground-linked complex buildings in Coastal Areas (1): Proposal for analytical method.” Journal of Korean Society of Hazard Mitigation, Vol. 19, No. 5, pp. 35-43. 10.9798/KOSHAM.2019.19.5.35
6
Kang, T., Lee, S., Choi, H., and Yoon, S. (2019b). “A technical review for reducing inundation damage to high-rise and underground-linked complex buildings in coastal areas (2): Case analysis for application.” Journal of Korean Society of Hazard Mitigation, Vol. 19, No. 5, pp. 45-53. 10.9798/KOSHAM.2019.19.5.45
7
Kim, J.O., Kim, J.Y., and Lee, W.H. (2016). “Analysis on complex disaster information contents for building disaster map of coastal cities.” Journal of the Korean Association of Geographic Information Studies, Vol. 19, No. 3, pp. 43-60. 10.11108/kagis.2016.19.3.043
8
Kim, P.J. (2018). Improvement measures on the risk area designation of coastal disaster in consideration of natural hazards. Ph.D. dissertation, Chonnam National University.
9
Korean Society of Civil Engineers (KSCE) (2021). A report on the cause analysis and countermeasures establishment for Dongcheon flooding and lowland inundation. Busan/Ulsan, Gyungnam branch.
10
Lee, S., Kang, T., Sun, D., and Park, J.J. (2020). “Enhancing an analysis method of compound flooding in coastal areas by linking flow simulation models of coasts and watershed.” Sustainability, Vol. 12, No. 16, 6572. 10.3390/su12166572
11
Ministry of Environment (ME) (2011). Standard for sewerage facilities. Korea Water and Wastewater Works Association.
12
Ministry of Land, Transport and Maritime Affairs (MLTM) (2011). Improvement and complementary research for probability rainfall.
13
Ministry of the Interior and Safety (MOIS) (2017). Criteria for establishment and operation of disaster prevention performance target by region: Considering future climate change impacts.
14
Song, Y., Joo, J., Lee, J., and Park, M. (2017). “A study on estimation of inundation area in coastal urban area applying wave overtopping.” Journal of Korean Society of Hazard Mitigation, Vol. 17, No. 2, pp. 501-510. 10.9798/KOSHAM.2017.17.2.501
15
Suh, S.W., and Kim, H.J. (2018). “Simulation of wave overtopping and inundation over a dike caused by Typhoon Chaba at Marine City, Busan, Korea.” Journal of Coastal Research, Vol. 85, pp. 711-715.
16
Sun, D. (2021). Sensitivity analysis of XP-SWMM for inundation analysis in coastal area. M.Sc. Thesis, Pukyong National University.

Fig. 5 Comparison of experimental SEM image and CtFD simulated melt pool with beam diameters of(a)700 μm,(b)1000 μm, and(c)1300 μm and an absorption rate of 0.3. Electron beam power and scan speed are 900 W and 100 mm s-1, respectively

추가 생산용 전자빔 조사에 의한 316L 스테인리스 용융 · 응고 거동

Melting and Solidification Behavior of 316L Steel Induced by Electron-Beam Irradiation for Additive Manufacturing

付加製造用電子ビーム照射による 316L ステンレス鋼の溶融・凝固挙動

奥 川 将 行*・宮 田 雄一朗*・王     雷*・能 勢 和 史*
小 泉 雄一郎*・中 野 貴 由*
Masayuki OKUGAWA, Yuichiro MIYATA, Lei WANG, Kazufumi NOSE,
Yuichiro KOIZUMI and Takayoshi NAKANO

Abstract

적층 제조(AM) 기술은 복잡한 형상의 3D 부품을 쉽게 만들고 미세 구조 제어를 통해 재료 특성을 크게 제어할 수 있기 때문에 많은 관심을 받았습니다. PBF(Powderbed fusion) 방식의 AM 공정에서는 금속 분말을 레이저나 전자빔으로 녹이고 응고시키는 과정을 반복하여 3D 부품을 제작합니다.

일반적으로 응고 미세구조는 Hunt[Mater. 과학. 영어 65, 75(1984)]. 그러나 CET 이론이 일반 316L 스테인리스강에서도 높은 G와 R로 인해 PBF형 AM 공정에 적용될 수 있을지는 불확실하다.

본 연구에서는 미세구조와 응고 조건 간의 관계를 밝히기 위해 전자빔 조사에 의해 유도된 316L 강의 응고 미세구조를 분석하고 CtFD(Computational Thermal-Fluid Dynamics) 방법을 사용하여 고체/액체 계면에서의 응고 조건을 평가했습니다.

CET 이론과 반대로 높은 G 조건에서 등축 결정립이 종종 형성되는 것으로 밝혀졌다. CtFD 시뮬레이션은 약 400 mm s-1의 속도까지 유체 흐름이 있음을 보여 주며 수상 돌기의 파편 및 이동의 영향으로 등축 결정립이 형성됨을 시사했습니다.

Additive manufacturing(AM)technologies have attracted much attention because it enables us to build 3D parts with complicated geometry easily and control material properties significantly via the control of microstructures. In the powderbed fusion(PBF)type AM process, 3D parts are fabricated by repeating a process of melting and solidifying metal powders by laser or electron beams. In general, the solidification microstructures can be predicted from solidification conditions defined by the combination of temperature gradient G and solidification rate R on the basis of columnar-equiaxed transition(CET)theory proposed by Hunt [Mater. Sci. Eng. 65, 75(1984)]. However, it is unclear whether the CET theory can be applied to the PBF type AM process because of the high G and R, even for general 316L stainless steel. In this study, to reveal relationships between microstructures and solidification conditions, we have analyzed solidification microstructures of 316L steel induced by electronbeam irradiation and evaluated solidification conditions at the solid/liquid interface using a computational thermal-fluid dynamics (CtFD)method. It was found that equiaxed grains were often formed under high G conditions contrary to the CET theory. CtFD simulation revealed that there is a fluid flow up to a velocity of about 400 mm s-1, and suggested that equiaxed grains are formed owing to the effect of fragmentations and migrations of dendrites.

Keywords

Additive Manufacturing, 316L Stainless Steel, Powder Bed Fusion, Electron Beam Melting, Computational Thermal
Fluid Dynamics Simulation

Fig. 1 Width, height, and height differences calculated from laser microscope analysis of melt tracks formed by scanning electron beam. Fig. 2(a)Scanning electron microscope(SEM)image and(b) corresponding electron back-scattering diffraction(EBSD) IPF-map taken from the electron-beam irradiated region in P900-V100 sample. Fig. 3 Average grain size and their aspect ratio calculated from EBSD IPF-map taken from the electron-beam irradiated region.
Fig. 1 Width, height, and height differences calculated from laser microscope analysis of melt tracks formed by scanning electron beam. Fig. 2(a)Scanning electron microscope(SEM)image and(b) corresponding electron back-scattering diffraction(EBSD) IPF-map taken from the electron-beam irradiated region in P900-V100 sample. Fig. 3 Average grain size and their aspect ratio calculated from EBSD IPF-map taken from the electron-beam irradiated region.
Fig. 4 Comparison of experimental SEM image and computational thermal fluid dynamics(CtFD)simulated melt pool with a beam diameter of 700 μm and absorption rates of(a)0.3,(b)0.5, and (c)0.7. Electron beam power and scan speed are 900 W and 100 mm s-1, respectively.
Fig. 4 Comparison of experimental SEM image and computational thermal fluid dynamics(CtFD)simulated melt pool with a beam diameter of 700 μm and absorption rates of(a)0.3,(b)0.5, and (c)0.7. Electron beam power and scan speed are 900 W and 100 mm s-1, respectively.
Fig. 5 Comparison of experimental SEM image and CtFD simulated melt pool with beam diameters of(a)700 μm,(b)1000 μm, and(c)1300 μm and an absorption rate of 0.3. Electron beam power and scan speed are 900 W and 100 mm s-1, respectively
Fig. 5 Comparison of experimental SEM image and CtFD simulated melt pool with beam diameters of(a)700 μm,(b)1000 μm, and(c)1300 μm and an absorption rate of 0.3. Electron beam power and scan speed are 900 W and 100 mm s-1, respectively
Fig. 6 Depth of melt tracks calculated from experimental SEM image and CtFD simulation results.
Fig. 6 Depth of melt tracks calculated from experimental SEM image and CtFD simulation results.
Fig. 7 G-R plots of 316L steel colored by(a)aspect ratio of crystalline grains and(b)fluid velocity.
Fig. 7 G-R plots of 316L steel colored by(a)aspect ratio of crystalline grains and(b)fluid velocity.
Fig. 8 Comparison of solidification microstructure(EBSD IPF-map)of melt region formed by scanning electron beam and corresponding snap shot of CtFD simulation colored by fluid velocity
Fig. 8 Comparison of solidification microstructure(EBSD IPF-map)of melt region formed by scanning electron beam and corresponding snap shot of CtFD simulation colored by fluid velocity

References

1) M.C. Sow, T. De Terris, O. Castelnau, Z. Hamouche, F. Coste, R.
Fabbro and P. Peyre: “Influence of beam diameter on Laser Powder

Bed Fusion(L-PBF)process”, Addit. Manuf. 36(2020), 101532.
2) J.C. Simmons, X. Chen, A. Azizi, M.A. Daeumer, P.Y. Zavalij, G.
Zhou and S.N. Schiffres: “Influence of processing and microstructure
on the local and bulk thermal conductivity of selective laser melted
316L stainless steel”, Addit. Manuf. 32(2020), 100996.
3) S. Dryepondt, P. Nandwana, P. Fernandez-Zelaia and F. List:
“Microstructure and High Temperature Tensile properties of 316L
Fabricated by Laser Powder-Bed Fusion”, Addit. Manuf. 37(2020),
101723.
4) S.H. Sun, T. Ishimoto, K. Hagihara, Y. Tsutsumi, T. Hanawa and T.
Nakano: “Excellent mechanical and corrosion properties of austenitic
stainless steel with a unique crystallographic lamellar microstructure
via selective laser melting”, Scr. Mater. 159(2019), 89-93.
5) T. Ishimoto, S. Wu, Y. Ito, S.H. Sun, H. Amano and T. Nakano:
“Crystallographic orientation control of 316L austenitic stainless
steel via selective laser melting”, ISIJ Int. 60(2020), 1758-1764.
6) T. Ishimoto, K. Hagihara, K. Hisamoto, S.H. Sun and T. Nakano:
“Crystallographic texture control of beta-type Ti-15Mo-5Zr3Al alloy by selective laser melting for the development of novel
implants with a biocompatible low Young’s modulus”, Scr. Mater.
132(2017), 34-38.
7) X. Ding, Y. Koizumi, D. Wei and A. Chiba: “Effect of process
parameters on melt pool geometry and microstructure development
for electron beam melting of IN718: A systematic single bead
analysis study”, Addit. Manuf. 26(2019), 215-226.
8) K. Karayagiz, L. Johnson, R. Seede, V. Attari, B. Zhang, X. Huang,
S. Ghosh, T. Duong, I. Karaman, A. Elwany and R. Arróyave: “Finite
interface dissipation phase field modeling of Ni-Nb under additive
manufacturing conditions”, Acta Mater. 185(2020), 320-339.
9) M.M. Kirka, Y. Lee, D.A. Greeley, A. Okello, M.J. Goin, M.T.
Pearce and R.R. Dehoff: “Strategy for Texture Management in
Metals Additive Manufacturing”, JOM, 69(2017), 523-531.
10) S.S. Babu, N. Raghavan, J. Raplee, S.J. Foster, C. Frederick, M.
Haines, R. Dinwiddie, M.K. Kirka, A. Plotkowski, Y. Lee and
R.R. Dehoff: “Additive Manufacturing of Nickel Superalloys:
Opportunities for Innovation and Challenges Related to
Qualification”, Metall. Mater. Trans. A. 49(2018), 3764-3780.
11) M.R. Gotterbarm, A.M. Rausch and C. Körner: “Fabrication of
Single Crystals through a μ-Helix Grain Selection Process during
Electron Beam Metal Additive Manufacturing”, Metals, 10(2020),
313.
12) J.D.D. Hunt: “Steady state columnar and equiaxed growth of
dendrites and eutectic”, Mater. Sci. Eng. 65(1984), 75-83.
13) S. Bontha, N.W. Klingbeil, P.A. Kobryn and H.L. Fraser: “Effects of
process variables and size-scale on solidification microstructure in
beam-based fabrication of bulky 3D structures”, Mater. Sci. Eng. A.
513-514(2009), 311-318.
14) J. Gockel and J. Beuth: “Understanding Ti-6Al-4V microstructure
control in additive manufacturing via process maps”, 24th Int. SFF
Symp. – An Addit. Manuf. Conf. SFF 2013.(2013), 666-674.
15) B. Schoinochoritis, D. Chantzis and K. Salonitis: “Simulation of
metallic powder bed additive manufacturing processes with the finite
element method: A critical review”, Proc. of Instit. Mech. Eng., Part
B: J. Eng. Manuf. 231(2017), 96-117.
16)小泉雄一郎: “計算機シミュレーションを用いたAdditive
Manufacturing プロセス最適化予測”, スマートプロセス学会誌,
8-4(2019), 132-138.
17) Y. Zhao, Y. Koizumi, K. Aoyagi, D. Wei, K. Yamanaka and 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”, Addit. Manuf. 26(2019), 202-214.
18) C. Tang, J.L. Tan and C.H. Wong: “A numerical investigation on
the physical mechanisms of single track defects in selective laser
melting”, Int. J. Heat Mass Transf. 126(2018), 957-968.
19) Technical data for Iron, [Online]. Available: http://periodictable.com/
Elements/026/data.html. [Accessed: 8-Feb-2021].
20) N. Raghavan, R. Dehoff, S. Pannala, S. Simunovic, M. Kirka, J.
Turner, N. Carl-son and S.S. Babu: “Numerical modeling of heattransfer and the influence of process parameters on tailoring the grain
morphology of IN718 in electron beam additive manufacturing”,
Acta Mater. 112(2016), 303-314.
21) S. Morita, Y. Miki and K. Toishi: “Introduction of Dendrite
Fragmentation to Microstructure Calculation by Cellular Automaton
Method”, Tetsu-to-Hagane. 104(2018), 559-566.
22) H. Esaka and M. Tamura: “Model Experiment Using Succinonitrile
on the Formation of Equiaxed Grains caused by Forced Convection”,
Tetsu-to-Hagane. 86(2000), 252-258.

Numerical study of the dam-break waves and Favre waves down sloped wet rigid-bed at laboratory scale

Numerical study of the dam-break waves and Favre waves down sloped wet rigid-bed at laboratory scale

WenjunLiua  BoWangb  YakunGuoc

a State Key Laboratory of Hydraulics and Mountain River Engineering, College of Water Resource and Hydropower, Sichuan University, Chengdu, 610065, China
State Key Laboratory of Hydraulics and Mountain River Engineering, Sichuan University, College Of Water Resource and Hydropower, Chengdu, 610065, China
faculty of Engineering & Informatics, University of Bradford, BD7 1DP, UK

Abstract

The bed slope and the tailwater depth are two important ones among the factors that affect the propagation of the dam-break flood and Favre waves. Most previous studies have only focused on the macroscopic characteristics of the dam-break flows or Favre waves under the condition of horizontal bed, rather than the internal movement characteristics in sloped channel. The present study applies two numerical models, namely, large eddy simulation (LES) and shallow water equations (SWEs) models embedded in the CFD software package FLOW-3D to analyze the internal movement characteristics of the dam-break flows and Favre waves, such as water level, the velocity distribution, the fluid particles acceleration and the bed shear stress, under the different bed slopes and water depth ratios. The results under the conditions considered in this study show that there is a flow state transition in the flow evolution for the steep bed slope even in water depth ratio α = 0.1 (α is the ratio of the tailwater depth to the reservoir water depth). The flow state transition shows that the wavefront changes from a breaking state to undular. Such flow transition is not observed for the horizontal slope and mild bed slope. The existence of the Favre waves leads to a significant increase of the vertical velocity and the vertical acceleration. In this situation, the SWEs model has poor prediction. Analysis reveals that the variation of the maximum bed shear stress is affected by both the bed slope and tailwater depth. Under the same bed slope (e.g., S0 = 0.02), the maximum bed shear stress position develops downstream of the dam when α = 0.1, while it develops towards the end of the reservoir when α = 0.7. For the same water depth ratio (e.g., α = 0.7), the maximum bed shear stress position always locates within the reservoir at S0 = 0.02, while it appears in the downstream of the dam for S0 = 0 and 0.003 after the flow evolves for a while. The comparison between the numerical simulation and experimental measurements shows that the LES model can predict the internal movement characteristics with satisfactory accuracy. This study improves the understanding of the effect of both the bed slope and the tailwater depth on the internal movement characteristics of the dam-break flows and Favre waves, which also provides a valuable reference for determining the flood embankment height and designing the channel bed anti-scouring facility.

댐붕괴 홍수와 파브르 파도의 전파에 영향을 미치는 요인 중 하상경사와 후미수심은 두 가지 중요한 요소이다. 대부분의 선행 연구들은 경사 수로에서의 내부 이동 특성보다는 수평층 조건에서 댐파괴류나 Favre파동의 거시적 특성에만 초점을 맞추었다.

본 연구에서는 CFD 소프트웨어 패키지 FLOW-3D에 내장된 LES(Large Eddy Simulation) 및 SWE(Shallow Water Equation) 모델의 두 가지 수치 모델을 적용하여 댐-파괴 흐름 및 Favre 파도의 내부 이동 특성을 분석합니다.

수위, 속도 분포, 유체 입자 가속도 및 층 전단 응력, 다양한 층 경사 및 수심 비율로. 본 연구에서 고려한 조건하의 결과는 수심비 α = 0.1(α는 저수지 수심에 대한 tailwater 깊이의 비율)에서도 급경사면에 대한 유동상태 전이가 있음을 보여준다. 유동 상태 전이는 파면이 파단 상태에서 비정형으로 변하는 것을 보여줍니다.

수평 경사와 완만한 바닥 경사에서는 이러한 흐름 전이가 관찰되지 않습니다. Favre 파의 존재는 수직 속도와 수직 가속도의 상당한 증가로 이어집니다. 이 상황에서 SWE 모델은 예측이 좋지 않습니다.

분석에 따르면 최대 바닥 전단 응력의 변화는 바닥 경사와 꼬리 수심 모두에 영향을 받습니다. 동일한 바닥 경사(예: S0 = 0.02)에서 최대 바닥 전단 응력 위치는 α = 0.1일 때 댐의 하류에서 발생하고 α = 0.7일 때 저수지의 끝쪽으로 발생합니다.

동일한 수심비(예: α = 0.7)에 대해 최대 바닥 전단 응력 위치는 항상 S0 = 0.02에서 저수지 내에 위치하는 반면, S0 = 0 및 0.003에 대해 흐름이 진화한 후 댐 하류에 나타납니다. 수치적 시뮬레이션과 실험적 측정을 비교한 결과 LES 모델이 내부 움직임 특성을 만족스러운 정확도로 예측할 수 있음을 알 수 있습니다.

본 연구는 댐 파절류 및 Favre파의 내부 이동 특성에 대한 하상 경사 및 후미 수심의 영향에 대한 이해를 향상 시키며, 이는 또한 제방 높이를 결정하고 수로 저반위 설계를 위한 귀중한 참고자료를 제공한다.

Keywords

Figure Numerical study of the dam-break waves and Favre waves down sloped wet rigid-bed at laboratory scale
Figure Numerical study of the dam-break waves and Favre waves down sloped wet rigid-bed at laboratory scale

Dam-break flow, Bed slope, Wet bed, Velocity profile, Bed shear stress, Large eddy simulation
댐파괴유동, 하상경사, 습상, 유속분포, 하상전단응력, 대와류 시뮬레이션

Fig. 1. Hydraulic jump flow structure.

Performance assessment of OpenFOAM and FLOW-3D in the numerical modeling of a low Reynolds number hydraulic jump

낮은 레이놀즈 수 유압 점프의 수치 모델링에서 OpenFOAM 및 FLOW-3D의 성능 평가

ArnauBayona DanielValerob RafaelGarcía-Bartuala Francisco ​JoséVallés-Morána P. AmparoLópez-Jiméneza

Abstract

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

References

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-

  1. 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.
Figure 17. Longitudinal turbulent kinetic energy distribution on the smooth and triangular macroroughnesses: (A) Y/2; (B) Y/6.

Numerical Simulations of the Flow Field of a Submerged Hydraulic Jump over Triangular Macroroughnesses

Triangular Macroroughnesses 대한 잠긴 수압 점프의 유동장 수치 시뮬레이션

by Amir Ghaderi 1,2,Mehdi Dasineh 3,Francesco Aristodemo 2 andCostanza Aricò 4,*1Department of Civil Engineering, Faculty of Engineering, University of Zanjan, Zanjan 537138791, Iran2Department of Civil Engineering, University of Calabria, Arcavacata, 87036 Rende, Italy3Department of Civil Engineering, Faculty of Engineering, University of Maragheh, Maragheh 8311155181, Iran4Department of Engineering, University of Palermo, Viale delle Scienze, 90128 Palermo, Italy*Author to whom correspondence should be addressed.Academic Editor: Anis YounesWater202113(5), 674; https://doi.org/10.3390/w13050674

Abstract

The submerged hydraulic jump is a sudden change from the supercritical to subcritical flow, specified by strong turbulence, air entrainment and energy loss. Despite recent studies, hydraulic jump characteristics in smooth and rough beds, the turbulence, the mean velocity and the flow patterns in the cavity region of a submerged hydraulic jump in the rough beds, especially in the case of triangular macroroughnesses, are not completely understood. The objective of this paper was to numerically investigate via the FLOW-3D model the effects of triangular macroroughnesses on the characteristics of submerged jump, including the longitudinal profile of streamlines, flow patterns in the cavity region, horizontal velocity profiles, streamwise velocity distribution, thickness of the inner layer, bed shear stress coefficient, Turbulent Kinetic Energy (TKE) and energy loss, in different macroroughness arrangements and various inlet Froude numbers (1.7 < Fr1 < 9.3). To verify the accuracy and reliability of the present numerical simulations, literature experimental data were considered.

Keywords: submerged hydraulic jumptriangular macroroughnessesTKEbed shear stress coefficientvelocityFLOW-3D model

수중 유압 점프는 강한 난류, 공기 동반 및 에너지 손실로 지정된 초임계에서 아임계 흐름으로의 급격한 변화입니다. 최근 연구에도 불구하고, 특히 삼각형 거시적 거칠기의 경우, 평활 및 거친 베드에서의 수압 점프 특성, 거친 베드에서 잠긴 수압 점프의 공동 영역에서 난류, 평균 속도 및 유동 패턴이 완전히 이해되지 않았습니다.

이 논문의 목적은 유선의 종방향 프로파일, 캐비티 영역의 유동 패턴, 수평 속도 프로파일, 스트림 방향 속도 분포, 두께를 포함하여 서브머지드 점프의 특성에 대한 삼각형 거시 거칠기의 영향을 FLOW-3D 모델을 통해 수치적으로 조사하는 것이었습니다.

내부 층의 층 전단 응력 계수, 난류 운동 에너지(TKE) 및 에너지 손실, 다양한 거시 거칠기 배열 및 다양한 입구 Froude 수(1.7 < Fr1 < 9.3). 현재 수치 시뮬레이션의 정확성과 신뢰성을 검증하기 위해 문헌 실험 데이터를 고려했습니다.

 Introduction

격렬한 난류 혼합과 기포 동반이 있는 수압 점프는 초임계에서 아임계 흐름으로의 변화 과정으로 간주됩니다[1]. 자유 및 수중 유압 점프는 일반적으로 게이트, 배수로 및 둑과 같은 수력 구조 아래의 에너지 손실에 적합합니다. 매끄러운 베드에서 유압 점프의 특성은 널리 연구되었습니다[2,3,4,5,6,7,8,9].

베드의 거칠기 요소가 매끄러운 베드와 비교하여 수압 점프의 특성에 어떻게 영향을 미치는지 예측하기 위해 거시적 거칠기에 대한 자유 및 수중 수력 점프에 대해 여러 실험 및 수치 연구가 수행되었습니다. Ead와 Rajaratnam[10]은 사인파 거대 거칠기에 대한 수리학적 점프의 특성을 조사하고 무차원 분석을 통해 수면 프로파일과 배출을 정규화했습니다.

Tokyayet al. [11]은 두 사인 곡선 거대 거칠기에 대한 점프 길이 비율과 에너지 손실이 매끄러운 베드보다 각각 35% 더 작고 6% 더 높다는 것을 관찰했습니다. Abbaspur et al. [12]는 6개의 사인파형 거대 거칠기에 대한 수력학적 점프의 특성을 연구했습니다. 그 결과, 꼬리수심과 점프길이는 평상보다 낮았고 Froude 수는 점프길이에 큰 영향을 미쳤습니다.

Shafai-Bejestan과 Neisi[13]는 수압 점프에 대한 마름모꼴 거대 거칠기의 영향을 조사했습니다. 결과는 마름모꼴 거시 거칠기를 사용하면 매끄러운 침대와 비교하여 꼬리 수심과 점프 길이를 감소시키는 것으로 나타났습니다. Izadjoo와 Shafai-Bejestan[14]은 다양한 사다리꼴 거시 거칠기에 대한 수압 점프를 연구했습니다.

그들은 전단응력계수가 평활층보다 10배 이상 크고 점프길이가 50% 감소하는 것을 관찰하였습니다. Nikmehr과 Aminpour[15]는 Flow-3D 모델 버전 11.2[16]를 사용하여 사다리꼴 블록이 있는 거시적 거칠기에 대한 수력학적 점프의 특성을 조사했습니다. 결과는 거시 거칠기의 높이와 거리가 증가할수록 전단 응력 계수뿐만 아니라 베드 근처에서 속도가 감소하는 것으로 나타났습니다.

Ghaderi et al. [17]은 다양한 형태의 거시 거칠기(삼각형, 정사각형 및 반 타원형)에 대한 자유 및 수중 수력 점프 특성을 연구했습니다. 결과는 Froude 수의 증가에 따라 자유 및 수중 점프에서 전단 응력 계수, 에너지 손실, 수중 깊이, 미수 깊이 및 상대 점프 길이가 증가함을 나타냅니다.

자유 및 수중 점프에서 가장 높은 전단 응력과 에너지 손실은 삼각형의 거시 거칠기가 존재할 때 발생했습니다. Elsebaie와 Shabayek[18]은 5가지 형태의 거시적 거칠기(삼각형, 사다리꼴, 2개의 측면 경사 및 직사각형이 있는 정현파)에 대한 수력학적 점프의 특성을 연구했습니다. 결과는 모든 거시적 거칠기에 대한 에너지 손실이 매끄러운 베드에서보다 15배 이상이라는 것을 보여주었습니다.

Samadi-Boroujeni et al. [19]는 다양한 각도의 6개의 삼각형 거시 거칠기에 대한 수력 점프를 조사한 결과 삼각형 거시 거칠기가 평활 베드에 비해 점프 길이를 줄이고 에너지 손실과 베드 전단 응력 계수를 증가시키는 것으로 나타났습니다.

Ahmed et al. [20]은 매끄러운 베드와 삼각형 거시 거칠기에서 수중 수력 점프 특성을 조사했습니다. 결과는 부드러운 침대와 비교할 때 잠긴 깊이와 점프 길이가 감소했다고 밝혔습니다. 표 1은 다른 연구자들이 제시한 과거의 유압 점프에 대한 실험 및 수치 연구의 세부 사항을 나열합니다.

Table 1. Main characteristics of some past experimental and numerical studies on hydraulic jumps.

ReferenceShape Bed-Channel Type-
Jump Type
Channel Dimension (m)Roughness (mm)Fr1Investigated Flow
Properties
Ead and Rajaratnam [10]-Smooth and rough beds-Rectangular channel-Free jumpCL1 = 7.60
CW2 = 0.44
CH3 = 0.60
-Corrugated sheets (RH4 = 13 and 22)4–10-Upstream and tailwater depths-Jump length-Roller length-Velocity-Water surface profile
Tokyay et al. [11]-Smooth and rough beds-Rectangular channel-Free jumpCL = 10.50
CW = 0.253
CH = 0.432
-Two sinusoidal corrugated (RH = 10 and 13)5–12-Depth ratio-Jump length-Energy loss
Izadjoo and Shafai-Bejestan [14]-Smooth and rough beds-Two rectangular-channel-Free jumpCL = 1.2, 9
CW = 0.25, 0.50
CH = 0.40
Baffle with trapezoidal cross section
(RH: 13 and 26)
6–12-Upstream and tailwater depths-Jump length-Velocity-Bed shear stress coefficient
Abbaspour et al. [12]-Horizontal bed with slope 0.002-Rectangular channel—smooth and rough beds-Free jumpCL = 10
CW = 0.25
CH = 0.50
-Sinusoidal bed (RH = 15,20, 25 and 35)3.80–8.60-Water surface profile-Depth ratio-Jump length-Energy loss-Velocity profiles-Bed shear stress coefficient
Shafai-Bejestan and Neisi [13]-Smooth and rough beds-Rectangular channel-Free jumpCL = 7.50
CW = 0.35
CH = 0.50
Lozenge bed4.50–12-Sequent depth-Jump length
Elsebaie and Shabayek [18]-Smooth and rough beds-Rectangular channel-With side slopes of 45 degrees for two trapezoidal and triangular macroroughnesses and of 60 degrees for other trapezoidal macroroughnesses-Free jumpCL = 9
CW = 0.295
CH = 0.32
-Sinusoidal-Triangular-Trapezoidal with two side-Rectangular-(RH = 18 and corrugation wavelength = 65)50-Water surface profile-Sequent depth-Jump length-Bed shear stress coefficient
Samadi-Boroujeni et al. [19]-Rectangular channel-Smooth and rough beds-Free jumpCL = 12
CW = 0.40
CH = 0.40
-Six triangular corrugated (RH = 2.5)6.10–13.10-Water surface profile-Sequent depth-Jump length-Energy loss-Velocity profiles-Bed shear stress coefficient
Ahmed et al. [20]-Smooth and rough beds-Rectangular channel-Submerged jumpCL = 24.50
CW = 0.75
CH = 0.70
-Triangular corrugated sheet (RH = 40)1.68–9.29-Conjugated and tailwater depths-Submerged ratio-Deficit depth-Relative jump length-Jump length-Relative roller jump length-Jump efficiency-Bed shear stress coefficient
Nikmehr and Aminpour [15]-Horizontal bed with slope 0.002-Rectangular channel-Rough bed-Free jumpCL = 12
CW = 0.25
CH = 0.50
-Trapezoidal blocks (RH = 2, 3 and 4)5.01–13.70-Water surface profile-Sequent depth-Jump length-Roller length-Velocity
Ghaderi et al. [17]-Smooth and rough beds-Rectangular channel-Free and submerged jumpCL = 4.50
CW = 0.75
CH = 0.70
-Triangular, square and semi-oval macroroughnesses (RH = 40 and distance of roughness of I = 40, 80, 120, 160 and 200)1.70–9.30-Horizontal velocity distributions-Bed shear stress coefficient-Sequent depth ratio and submerged depth ratio-Jump length-Energy loss
Present studyRectangular channel
Smooth and rough beds
Submerged jump
CL = 4.50
CW = 0.75
CH = 0.70
-Triangular macroroughnesses (RH = 40 and distance of roughness of I = 40, 80, 120, 160 and 200)1.70–9.30-Longitudinal profile of streamlines-Flow patterns in the cavity region-Horizontal velocity profiles-Streamwise velocity distribution-Bed shear stress coefficient-TKE-Thickness of the inner layer-Energy loss

CL1: channel length, CW2: channel width, CH3: channel height, RH4: roughness height.

이전에 논의된 조사의 주요 부분은 실험실 접근 방식을 기반으로 하며 사인파, 마름모꼴, 사다리꼴, 정사각형, 직사각형 및 삼각형 매크로 거칠기가 공액 깊이, 잠긴 깊이, 점프 길이, 에너지 손실과 같은 일부 자유 및 수중 유압 점프 특성에 어떻게 영향을 미치는지 조사합니다.

베드 및 전단 응력 계수. 더욱이, 저자[17]에 의해 다양한 형태의 거시적 거칠기에 대한 수력학적 점프에 대한 이전 발표된 논문을 참조하면, 삼각형의 거대조도는 가장 높은 층 전단 응력 계수 및 에너지 손실을 가지며 또한 가장 낮은 잠긴 깊이, tailwater를 갖는 것으로 관찰되었습니다.

다른 거친 모양, 즉 정사각형 및 반 타원형과 부드러운 침대에 비해 깊이와 점프 길이. 따라서 본 논문에서는 삼각형 매크로 거칠기를 사용하여(일정한 거칠기 높이가 T = 4cm이고 삼각형 거칠기의 거리가 I = 4, 8, 12, 16 및 20cm인 다른 T/I 비율에 대해), 특정 캐비티 영역의 유동 패턴, 난류 운동 에너지(TKE) 및 흐름 방향 속도 분포와 같은 연구가 필요합니다.

CFD(Computational Fluid Dynamics) 방법은 자유 및 수중 유압 점프[21]와 같은 복잡한 흐름의 모델링 프로세스를 수행하는 중요한 도구로 등장하며 수중 유압 점프의 특성은 CFD 시뮬레이션을 사용하여 정확하게 예측할 수 있습니다 [22,23 ].

본 논문은 초기에 수중 유압 점프의 주요 특성, 수치 모델에 대한 입력 매개변수 및 Ahmed et al.의 참조 실험 조사를 제시합니다. [20], 검증 목적으로 보고되었습니다. 또한, 본 연구에서는 유선의 종방향 프로파일, 캐비티 영역의 유동 패턴, 수평 속도 프로파일, 내부 층의 두께, 베드 전단 응력 계수, TKE 및 에너지 손실과 같은 특성을 조사할 것입니다.

Figure 1. Definition sketch of a submerged hydraulic jump at triangular macroroughnesses.
Figure 1. Definition sketch of a submerged hydraulic jump at triangular macroroughnesses.

Table 2. Effective parameters in the numerical model.

Bed TypeQ
(l/s)
I
(cm)
T (cm)d (cm)y1
(cm)
y4
(cm)
Fr1= u1/(gy1)0.5SRe1= (u1y1)/υ
Smooth30, 4551.62–3.839.64–32.101.7–9.30.26–0.5039,884–59,825
Triangular macroroughnesses30, 454, 8, 12, 16, 20451.62–3.846.82–30.081.7–9.30.21–0.4439,884–59,825
Figure 2. Longitudinal profile of the experimental flume (Ahmed et al. [20]).
Figure 2. Longitudinal profile of the experimental flume (Ahmed et al. [20]).

Table 3. Main flow variables for the numerical and physical models (Ahmed et al. [20]).

ModelsBed TypeQ (l/s)d (cm)y1 (cm)u1 (m/s)Fr1
Numerical and PhysicalSmooth4551.62–3.831.04–3.701.7–9.3
T/I = 0.54551.61–3.831.05–3.711.7–9.3
T/I = 0.254551.60–3.841.04–3.711.7–9.3
Figure 3. The boundary conditions governing the simulations.
Figure 3. The boundary conditions governing the simulations.
Figure 4. Sketch of mesh setup.
Figure 4. Sketch of mesh setup.

Table 4. Characteristics of the computational grids.

MeshNested Block Cell Size (cm)Containing Block Cell Size (cm)
10.551.10
20.651.30
30.851.70

Table 5. The numerical results of mesh convergence analysis.

ParametersAmounts
fs1 (-)7.15
fs2 (-)6.88
fs3 (-)6.19
K (-)5.61
E32 (%)10.02
E21 (%)3.77
GCI21 (%)3.03
GCI32 (%)3.57
GCI32/rp GCI210.98
Figure 5. Time changes of the flow discharge in the inlet and outlet boundaries conditions (A): Q = 0.03 m3/s (B): Q = 0.045 m3/s.
Figure 5. Time changes of the flow discharge in the inlet and outlet boundaries conditions (A): Q = 0.03 m3/s (B): Q = 0.045 m3/s.
Figure 6. The evolutionary process of a submerged hydraulic jump on the smooth bed—Q = 0.03 m3/s.
Figure 6. The evolutionary process of a submerged hydraulic jump on the smooth bed—Q = 0.03 m3/s.
Figure 7. Numerical versus experimental basic parameters of the submerged hydraulic jump. (A): y3/y1; and (B): y4/y1.
Figure 7. Numerical versus experimental basic parameters of the submerged hydraulic jump. (A): y3/y1; and (B): y4/y1.
Figure 8. Velocity vector field and flow pattern through the gate in a submerged hydraulic jump condition: (A) smooth bed; (B) triangular macroroughnesses.
Figure 8. Velocity vector field and flow pattern through the gate in a submerged hydraulic jump condition: (A) smooth bed; (B) triangular macroroughnesses.
Figure 9. Velocity vector distributions in the x–z plane (y = 0) within the cavity region.
Figure 9. Velocity vector distributions in the x–z plane (y = 0) within the cavity region.
Figure 10. Typical vertical distribution of the mean horizontal velocity in a submerged hydraulic jump [46].
Figure 10. Typical vertical distribution of the mean horizontal velocity in a submerged hydraulic jump [46].
Figure 11. Typical horizontal velocity profiles in a submerged hydraulic jump on smooth bed and triangular macroroughnesses.
Figure 11. Typical horizontal velocity profiles in a submerged hydraulic jump on smooth bed and triangular macroroughnesses.
Figure 12. Horizontal velocity distribution at different distances from the sluice gate for the different T/I for Fr1 = 6.1
Figure 12. Horizontal velocity distribution at different distances from the sluice gate for the different T/I for Fr1 = 6.1
Figure 13. Stream-wise velocity distribution for the triangular macroroughnesses with T/I = 0.5 and 0.25.
Figure 13. Stream-wise velocity distribution for the triangular macroroughnesses with T/I = 0.5 and 0.25.
Figure 14. Dimensionless horizontal velocity distribution in the submerged hydraulic jump for different Froude numbers in triangular macroroughnesses.
Figure 14. Dimensionless horizontal velocity distribution in the submerged hydraulic jump for different Froude numbers in triangular macroroughnesses.
Figure 15. Spatial variations of (umax/u1) and (δ⁄y1).
Figure 15. Spatial variations of (umax/u1) and (δ⁄y1).
Figure 16. The shear stress coefficient (ε) versus the inlet Froude number (Fr1).
Figure 16. The shear stress coefficient (ε) versus the inlet Froude number (Fr1).
Figure 17. Longitudinal turbulent kinetic energy distribution on the smooth and triangular macroroughnesses: (A) Y/2; (B) Y/6.
Figure 17. Longitudinal turbulent kinetic energy distribution on the smooth and triangular macroroughnesses: (A) Y/2; (B) Y/6.
Figure 18. The energy loss (EL/E3) of the submerged jump versus inlet Froude number (Fr1).
Figure 18. The energy loss (EL/E3) of the submerged jump versus inlet Froude number (Fr1).

Conclusions

  • 본 논문에서는 유선의 종방향 프로파일, 공동 영역의 유동 패턴, 수평 속도 프로파일, 스트림 방향 속도 분포, 내부 층의 두께, 베드 전단 응력 계수, 난류 운동 에너지(TKE)를 포함하는 수중 유압 점프의 특성을 제시하고 논의했습니다. ) 및 삼각형 거시적 거칠기에 대한 에너지 손실. 이러한 특성은 FLOW-3D® 모델을 사용하여 수치적으로 조사되었습니다. 자유 표면을 시뮬레이션하기 위한 VOF(Volume of Fluid) 방법과 난류 RNG k-ε 모델이 구현됩니다. 본 모델을 검증하기 위해 평활층과 삼각형 거시 거칠기에 대해 수치 시뮬레이션과 실험 결과를 비교했습니다. 본 연구의 다음과 같은 결과를 도출할 수 있다.
  • 개발 및 개발 지역의 삼각형 거시 거칠기의 흐름 패턴은 수중 유압 점프 조건의 매끄러운 바닥과 비교하여 더 작은 영역에서 동일합니다. 삼각형의 거대 거칠기는 거대 거칠기 사이의 공동 영역에서 또 다른 시계 방향 와류의 형성으로 이어집니다.
  • T/I = 1, 0.5 및 0.33과 같은 거리에 대해 속도 벡터 분포는 캐비티 영역에서 시계 방향 소용돌이를 표시하며, 여기서 속도의 크기는 평균 유속보다 훨씬 작습니다. 삼각형 거대 거칠기(T/I = 0.25 및 0.2) 사이의 거리를 늘리면 캐비티 영역에 크기가 다른 두 개의 소용돌이가 형성됩니다.
  • 삼각형 거시조도 사이의 거리가 충분히 길면 흐름이 다음 조도에 도달할 때까지 속도 분포가 회복됩니다. 그러나 짧은 거리에서 흐름은 속도 분포의 적절한 회복 없이 다음 거칠기에 도달합니다. 따라서 거시 거칠기 사이의 거리가 감소함에 따라 마찰 계수의 증가율이 감소합니다.
  • 삼각형의 거시적 거칠기에서, 잠수 점프의 지정된 섹션에서 최대 속도는 자유 점프보다 높은 값으로 이어집니다. 또한, 수중 점프에서 두 가지 유형의 베드(부드러움 및 거친 베드)에 대해 깊이 및 와류 증가로 인해 베드로부터의 최대 속도 거리는 감소합니다. 잠수 점프에서 경계층 두께는 자유 점프보다 얇습니다.
  • 매끄러운 베드의 난류 영역은 게이트로부터의 거리에 따라 생성되고 자유 표면 롤러 영역 근처에서 발생하는 반면, 거시적 거칠기에서는 난류가 게이트 근처에서 시작되어 더 큰 강도와 제한된 스위프 영역으로 시작됩니다. 이는 반시계 방향 순환의 결과입니다. 거시 거칠기 사이의 공간에서 자유 표면 롤러 및 시계 방향 와류.
  • 삼각 거시 거칠기에서 침지 점프의 베드 전단 응력 계수와 에너지 손실은 유입구 Froude 수의 증가에 따라 증가하는 매끄러운 베드에서 발견된 것보다 더 큽니다. T/I = 0.50 및 0.20에서 최고 및 최저 베드 전단 응력 계수 및 에너지 손실이 평활 베드에 비해 거칠기 요소의 거리가 증가함에 따라 발생합니다.
  • 거의 거칠기 요소가 있는 삼각형 매크로 거칠기의 존재에 의해 주어지는 점프 길이와 잠긴 수심 및 꼬리 수심의 감소는 결과적으로 크기, 즉 길이 및 높이가 감소하는 정수조 설계에 사용될 수 있습니다.
  • 일반적으로 CFD 모델은 다양한 수력 조건 및 기하학적 배열을 고려하여 잠수 점프의 특성 예측을 시뮬레이션할 수 있습니다. 캐비티 영역의 흐름 패턴, 흐름 방향 및 수평 속도 분포, 베드 전단 응력 계수, TKE 및 유압 점프의 에너지 손실은 수치적 방법으로 시뮬레이션할 수 있습니다. 그러나 거시적 차원과 유동장 및 공동 유동의 변화에 ​​대한 다양한 배열에 대한 연구는 향후 과제로 남아 있다.

References

  1. White, F.M. Viscous Fluid Flow, 2nd ed.; McGraw-Hill University of Rhode Island: Montreal, QC, Canada, 1991. [Google Scholar]
  2. Launder, B.E.; Rodi, W. The turbulent wall jet. Prog. Aerosp. Sci. 197919, 81–128. [Google Scholar] [CrossRef]
  3. McCorquodale, J.A. Hydraulic jumps and internal flows. In Encyclopedia of Fluid Mechanics; Cheremisinoff, N.P., Ed.; Golf Publishing: Houston, TX, USA, 1986; pp. 120–173. [Google Scholar]
  4. Federico, I.; Marrone, S.; Colagrossi, A.; Aristodemo, F.; Antuono, M. Simulating 2D open-channel flows through an SPH model. Eur. J. Mech. B Fluids 201234, 35–46. [Google Scholar] [CrossRef]
  5. Khan, S.A. An analytical analysis of hydraulic jump in triangular channel: A proposed model. J. Inst. Eng. India Ser. A 201394, 83–87. [Google Scholar] [CrossRef]
  6. Mortazavi, M.; Le Chenadec, V.; Moin, P.; Mani, A. Direct numerical simulation of a turbulent hydraulic jump: Turbulence statistics and air entrainment. J. Fluid Mech. 2016797, 60–94. [Google Scholar] [CrossRef]
  7. Daneshfaraz, R.; Ghahramanzadeh, A.; Ghaderi, A.; Joudi, A.R.; Abraham, J. Investigation of the effect of edge shape on characteristics of flow under vertical gates. J. Am. Water Works Assoc. 2016108, 425–432. [Google Scholar] [CrossRef]
  8. Azimi, H.; Shabanlou, S.; Kardar, S. Characteristics of hydraulic jump in U-shaped channels. Arab. J. Sci. Eng. 201742, 3751–3760. [Google Scholar] [CrossRef]
  9. De Padova, D.; Mossa, M.; Sibilla, S. SPH numerical investigation of characteristics of hydraulic jumps. Environ. Fluid Mech. 201818, 849–870. [Google Scholar] [CrossRef]
  10. Ead, S.A.; Rajaratnam, N. Hydraulic jumps on corrugated beds. J. Hydraul. Eng. 2002128, 656–663. [Google Scholar] [CrossRef]
  11. Tokyay, N.D. Effect of channel bed corrugations on hydraulic jumps. In Proceedings of the World Water and Environmental Resources Congress 2005, Anchorage, AK, USA, 15–19 May 2005; pp. 1–9. [Google Scholar]
  12. Abbaspour, A.; Dalir, A.H.; Farsadizadeh, D.; Sadraddini, A.A. Effect of sinusoidal corrugated bed on hydraulic jump characteristics. J. Hydro-Environ. Res. 20093, 109–117. [Google Scholar] [CrossRef]
  13. Shafai-Bejestan, M.S.; Neisi, K. A new roughened bed hydraulic jump stilling basin. Asian J. Appl. Sci. 20092, 436–445. [Google Scholar] [CrossRef]
  14. Izadjoo, F.; Shafai-Bejestan, M. Corrugated bed hydraulic jump stilling basin. J. Appl. Sci. 20077, 1164–1169. [Google Scholar] [CrossRef]
  15. Nikmehr, S.; Aminpour, Y. Numerical Simulation of Hydraulic Jump over Rough Beds. Period. Polytech. Civil Eng. 201764, 396–407. [Google Scholar] [CrossRef]
  16. Flow Science Inc. FLOW-3D V 11.2 User’s Manual; Flow Science Inc.: Santa Fe, NM, USA, 2016. [Google Scholar]
  17. Ghaderi, A.; Dasineh, M.; Aristodemo, F.; Ghahramanzadeh, A. Characteristics of free and submerged hydraulic jumps over different macroroughnesses. J. Hydroinform. 202022, 1554–1572. [Google Scholar] [CrossRef]
  18. Elsebaie, I.H.; Shabayek, S. Formation of hydraulic jumps on corrugated beds. Int. J. Civil Environ. Eng. IJCEE–IJENS 201010, 37–47. [Google Scholar]
  19. Samadi-Boroujeni, H.; Ghazali, M.; Gorbani, B.; Nafchi, R.F. Effect of triangular corrugated beds on the hydraulic jump characteristics. Can. J. Civil Eng. 201340, 841–847. [Google Scholar] [CrossRef]
  20. Ahmed, H.M.A.; El Gendy, M.; Mirdan, A.M.H.; Ali, A.A.M.; Haleem, F.S.F.A. Effect of corrugated beds on characteristics of submerged hydraulic jump. Ain Shams Eng. J. 20145, 1033–1042. [Google Scholar] [CrossRef]
  21. Viti, N.; Valero, D.; Gualtieri, C. Numerical simulation of hydraulic jumps. Part 2: Recent results and future outlook. Water 201911, 28. [Google Scholar] [CrossRef]
  22. Gumus, V.; Simsek, O.; Soydan, N.G.; Akoz, M.S.; Kirkgoz, M.S. Numerical modeling of submerged hydraulic jump from a sluice gate. J. Irrig. Drain. Eng. 2016142, 04015037. [Google Scholar] [CrossRef]
  23. Jesudhas, V.; Roussinova, V.; Balachandar, R.; Barron, R. Submerged hydraulic jump study using DES. J. Hydraul. Eng. 2017143, 04016091. [Google Scholar] [CrossRef]
  24. Rajaratnam, N. The hydraulic jump as a wall jet. J. Hydraul. Div. 196591, 107–132. [Google Scholar] [CrossRef]
  25. Hager, W.H. Energy Dissipaters and Hydraulic Jump; Kluwer Academic Publisher: Dordrecht, The Netherlands, 1992; pp. 185–224. [Google Scholar]
  26. Long, D.; Steffler, P.M.; Rajaratnam, N. LDA study of flow structure in submerged Hydraulic jumps. J. Hydraul. Res. 199028, 437–460. [Google Scholar] [CrossRef]
  27. Chow, V.T. Open Channel Hydraulics; McGraw-Hill: New York, NY, USA, 1959. [Google Scholar]
  28. Wilcox, D.C. Turbulence Modeling for CFD, 3rd ed.; DCW Industries, Inc.: La Canada, CA, USA, 2006. [Google Scholar]
  29. Hirt, C.W.; Nichols, B.D. Volume of fluid (VOF) method for the dynamics of free boundaries. J. Comput. Phys. 198139, 201–225. [Google Scholar] [CrossRef]
  30. Pourshahbaz, H.; Abbasi, S.; Pandey, M.; Pu, J.H.; Taghvaei, P.; Tofangdar, N. Morphology and hydrodynamics numerical simulation around groynes. ISH J. Hydraul. Eng. 2020, 1–9. [Google Scholar] [CrossRef]
  31. Choufu, L.; Abbasi, S.; Pourshahbaz, H.; Taghvaei, P.; Tfwala, S. Investigation of flow, erosion, and sedimentation pattern around varied groynes under different hydraulic and geometric conditions: A numerical study. Water 201911, 235. [Google Scholar] [CrossRef]
  32. Zhenwei, Z.; Haixia, L. Experimental investigation on the anisotropic tensorial eddy viscosity model for turbulence flow. Int. J. Heat Technol. 201634, 186–190. [Google Scholar]
  33. Carvalho, R.; Lemos Ramo, C. Numerical computation of the flow in hydraulic jump stilling basins. J. Hydraul. Res. 200846, 739–752. [Google Scholar] [CrossRef]
  34. Bayon, A.; Valero, D.; García-Bartual, R.; López-Jiménez, P.A. Performance assessment of Open FOAM and FLOW-3D in the numerical modeling of a low Reynolds number hydraulic jump. Environ. Model. Softw. 201680, 322–335. [Google Scholar] [CrossRef]
  35. Daneshfaraz, R.; Ghaderi, A.; Akhtari, A.; Di Francesco, S. On the Effect of Block Roughness in Ogee Spillways with Flip Buckets. Fluids 20205, 182. [Google Scholar] [CrossRef]
  36. Ghaderi, A.; Abbasi, S. CFD simulation of local scouring around airfoil-shaped bridge piers with and without collar. Sādhanā 201944, 216. [Google Scholar] [CrossRef]
  37. Ghaderi, A.; Daneshfaraz, R.; Dasineh, M.; Di Francesco, S. Energy Dissipation and Hydraulics of Flow over Trapezoidal–Triangular Labyrinth Weirs. Water 202012, 1992. [Google Scholar] [CrossRef]
  38. Ghaderi, A.; Abbasi, S.; Abraham, J.; Azamathulla, H.M. Efficiency of trapezoidal labyrinth shaped stepped spillways. Flow Meas. Instrum. 202072, 101711. [Google Scholar] [CrossRef]
  39. Yakhot, V.; Orszag, S.A. Renormalization group analysis of turbulence. I. basic theory. J. Sci. Comput. 19861, 3–51. [Google Scholar] [CrossRef] [PubMed]
  40. Biscarini, C.; Di Francesco, S.; Ridolfi, E.; Manciola, P. On the simulation of floods in a narrow bending valley: The malpasset dam break case study. Water 20168, 545. [Google Scholar] [CrossRef]
  41. Ghaderi, A.; Daneshfaraz, R.; Abbasi, S.; Abraham, J. Numerical analysis of the hydraulic characteristics of modified labyrinth weirs. Int. J. Energy Water Resour. 20204, 425–436. [Google Scholar] [CrossRef]
  42. Alfonsi, G. Reynolds-averaged Navier–Stokes equations for turbulence modeling. Appl. Mech. Rev. 200962. [Google Scholar] [CrossRef]
  43. Abbasi, S.; Fatemi, S.; Ghaderi, A.; Di Francesco, S. The Effect of Geometric Parameters of the Antivortex on a Triangular Labyrinth Side Weir. Water 202113, 14. [Google Scholar] [CrossRef]
  44. Celik, I.B.; Ghia, U.; Roache, P.J. Procedure for estimation and reporting of uncertainty due to discretization in CFD applications. J. Fluids Eng. 2008130, 0780011–0780013. [Google Scholar]
  45. Khan, M.I.; Simons, R.R.; Grass, A.J. Influence of cavity flow regimes on turbulence diffusion coefficient. J. Vis. 20069, 57–68. [Google Scholar] [CrossRef]
  46. Javanappa, S.K.; Narasimhamurthy, V.D. DNS of plane Couette flow with surface roughness. Int. J. Adv. Eng. Sci. Appl. Math. 2020, 1–13. [Google Scholar] [CrossRef]
  47. Nasrabadi, M.; Omid, M.H.; Farhoudi, J. Submerged hydraulic jump with sediment-laden flow. Int. J. Sediment Res. 201227, 100–111. [Google Scholar] [CrossRef]
  48. Pourabdollah, N.; Heidarpour, M.; Abedi Koupai, J. Characteristics of free and submerged hydraulic jumps in different stilling basins. In Water Management; Thomas Telford Ltd.: London, UK, 2019; pp. 1–11. [Google Scholar]
  49. Rajaratnam, N. Turbulent Jets; Elsevier Science: Amsterdam, The Netherlands, 1976. [Google Scholar]
  50. Aristodemo, F.; Marrone, S.; Federico, I. SPH modeling of plane jets into water bodies through an inflow/outflow algorithm. Ocean Eng. 2015105, 160–175. [Google Scholar] [CrossRef]
  51. Shekari, Y.; Javan, M.; Eghbalzadeh, A. Three-dimensional numerical study of submerged hydraulic jumps. Arab. J. Sci. Eng. 201439, 6969–6981. [Google Scholar] [CrossRef]
  52. Khan, A.A.; Steffler, P.M. Physically based hydraulic jump model for depth-averaged computations. J. Hydraul. Eng. 1996122, 540–548. [Google Scholar] [CrossRef]
  53. De Dios, M.; Bombardelli, F.A.; García, C.M.; Liscia, S.O.; Lopardo, R.A.; Parravicini, J.A. Experimental characterization of three-dimensional flow vortical structures in submerged hydraulic jumps. J. Hydro-Environ. Res. 201715, 1–12. [Google Scholar] [CrossRef]
Publisher’s Note: MDPI stays neutral with regard to jurisdictional claims in published maps and institutional affiliations.
Fig. 3. Breakwaters model in Flow-3D with meshing geometry and boundary (a) circular slots (b) square slots.

Study of Unconventional Alternatives to Vertical Breakwater

수직 방파제에 대한 비전통적 대안 연구

Karim Badr Hussein and Mohamed Ibrahim
Lecturer of Irrigation and Hydraulics, Faculty of Engineering, Al-Azhar University
Corresponding author E-mail: badrkarim713@yahoo.com

Abstract

방파제의 주요 목적은 항만 내부의 안정을 유지하여 선박의 안전과 운영의 용이성을 달성하는데 도움이 되기 때문에 강한 파도와 폭풍으로부터 항만, 해변 또는 해변 시설을 보호하는 것입니다.

이 연구는 수직 방파제에 대한 비전통적인 대안을 연구하는 것을 목표로 합니다. 이 연구에서는 유체역학적 성능의 연구 및 평가를 위해 구현된 수직파 장벽의 두 가지 다른 모델을 선택했습니다.

첫 번째 모델은 원형 슬롯이 있는 수직 벽이고 두 번째 모델은 사각형 슬롯이 있는 수직 벽입니다. 두 모델을 비교한 결과 정사각형 슬롯은 원형 슬롯보다 파동의 전송을 5~20% 감소시키는 것으로 나타났습니다.

두 개의 원형 홈이 있는 벽을 사용하면 단일 벽에 비해 파동 전송이 최대 30% 감소하고 파동 에너지 분산이 최대 40% 증가합니다. 상대 길이(h/L)가 증가함에 따라 수평파력이 증가합니다.

다공성 = 0.25에서 상대파력(F/Fo)은 다공성 = 0.50에서보다 10~30% 더 컸습니다. 개구부에서 파동 속도가 높고 파동 에너지 소산 계수도 높습니다. 파동 진폭이 클수록 파동 에너지 소산 계수가 커집니다.

Key words: Coastal, Breakwater, FLOW-3D, Numerical Models, Energy Dissipation, Vertical Wall.

Introduction

모든 국가에서 해안 지역은 가장 중요하고 중요한 지역 중 하나입니다. 연안지역과 항만은 대외무역 촉진, 연안관광 개발 및 활성화 등 다양한 분야에 기여하고 있어 경제적 파급효과가 매우 크며, 일자리 창출은 물론 도시근린 정착 및 안정에도 기여한다. 젊은이들에게 강력한 수익을 제공하는 가능성과 어항을 건설하여 어획량을 늘리는 것입니다. [1].

그러나 해안선 부근의 파도, 바람, 조수, 조류 등의 자연 현상은 해변과 해안 지역의 안정성에 영향을 미칩니다. 따라서 연안 보전 서비스는 연안 환경의 균형을 유지하고 보존하는 데 중요한 역할을 합니다. 거센 파도로부터 항구와 해변 시설을 보호하는 방파제 방파제. 방파제는 선박이 안전하게 정박할 수 있는 조용한 지역을 제공하고 건설 및 석유 및 광물 발견 동안 임시 보호를 제공합니다.

파도는 방파제에 부딪힐 때 많은 에너지를 잃습니다. 방파제는 눈에 보이거나 떠 있거나 수중일 수 있으며 다양한 크기, 재료 및 출력 표준이 있습니다[11]. 전통적인 장벽 또는 눈에 보이는 격벽은 매우 효율적이지만 해변의 미적 비전을 가립니다. 많은 건축 자재가 필요하고 건설 비용이 증가합니다[9].

이에 반해 부유방벽은 자재가 필요없고 공사비가 저렴하지만 그 효과는 제한적입니다. 결과적으로 수중 파티션은 이러한 종류의 단점을 방지하기 때문에 더 나은 옵션 중 하나로 간주됩니다.

수중 방벽은 가장 중요한 해변 방어 시설 중 하나이며, 수중 방벽의 장점 중 하나는 투명 방벽에 비해 건설 비용이 비교적 저렴하고 물이 앞에서 뒤로 흐를 수 있다는 것입니다[3].

멤브레인 아래에서 물이 재생됩니다. 또한 바다의 미적 이미지를 왜곡하지 않고 조망을 방해하지 않아 인근 해변에 미치는 영향도 미미하다[18]. 반면에 잠긴 방파제는 건설 후 가라앉으면서 파도 에너지를 분산시키고 해안선을 방어하는 효과를 잃습니다. 장벽의 품질은 높은 수위의 영향도 받습니다.

결과적으로 해안 보호의 가장 중요한 측면 중 하나는 수중 방파제의 효율성을 향상시키는 것입니다. 수직 방파제 이러한 유형의 방파제는 바다를 향한 수직면이 있는 설비입니다[10]. 이러한 장벽은 파도 에너지의 일부가 해안이나 보호할 수역에 도달하는 것을 방지하여 파도를 진정시키는 역할을 합니다[16].

수직 방파제는 블록, 케이슨, 시트 파일 또는 셀룰러로 구성될 수 있습니다. 이 연구는 정사각형 및 원형 구멍이 있는 천공된 수직 방파제의 유체역학적 성능에 대한 연구를 제시하는 것을 목적으로 합니다.

이 논문은 또한 제안된 모델의 유체역학적 효율뿐만 아니라 이 분야의 유사한 연구와 비교되었습니다. 이것은 다음 헤드라인으로 이 백서에 나와 있습니다.

 Materials and methods.
 Results and discussion.
 Conclusions and recommendations.

Fig. 1. The open channel
Fig. 1. The open channel
Fig. 2. Breakwaters model (a) perforated wall with circular slots and (b) perforated wall with square slots.
Fig. 2. Breakwaters model (a) perforated wall with circular slots and (b) perforated wall with square slots.
Fig. 3. Breakwaters model in Flow-3D with meshing geometry and boundary (a) circular slots (b) square slots.
Fig. 3. Breakwaters model in Flow-3D with meshing geometry and boundary (a) circular slots (b) square slots.
Fig. 4. Details and dimensions of proposed breakwater
Fig. 4. Details and dimensions of proposed breakwater
Fig 5 .Wave profiles using (Flow-3D) at wave period (T) = 1.2 sec for perforated walls with circular slots at behind model (Ht).
Fig 5 .Wave profiles using (Flow-3D) at wave period (T) = 1.2 sec for perforated walls with circular slots at behind model (Ht).
Fig. 11. Velocity distribution through slots at (a) quarter wave period, (b) half wave period and (c) three quarters wave period.
Fig. 11. Velocity distribution through slots at (a) quarter wave period, (b) half wave period and (c) three quarters wave period.
Fig. 13. Velocity vectors at front, between and behind barriers.
Fig. 13. Velocity vectors at front, between and behind barriers.

Conclusion & Recommendations

얻어진 결과에 대한 이전 분석을 바탕으로 도달한 결론은 다음과 같습니다.
 결과와 연구에 따르면 FLOW-3D는 수직으로 구멍이 뚫린 벽이 있는 선형 파동과 파동의 관계를 설명하는 강력한 능력을 가지고 있습니다. 또한 실험실 데이터 및 반분석 결과의 가장 중요한 측면을 복제할 수 있습니다. FLOW-3D에 의해 생성된 수치적 결과는 훌륭합니다.
 사각슬롯은 원형슬롯에 비해 파동의 투과율이 5:20% 감소합니다.
 한 쌍의 원형 슬롯 벽을 사용하면 단일 벽에 비해 파동 투과율이 최대 30% 감소하고 파동 에너지 분산이 최대 40% 증가합니다.
 수평파력은 상대길이(h/L)가 증가할수록 증가한다. 다공성 = 0.25에서 상대파력(F/Fo)은 다공성 = 0.50에서보다 10~30% 더 높았다.
 파도가 원 모양으로 움직이고 큰 원이 위쪽에 있었다가 점차 아래쪽으로 내려갑니다.  개구부에서 파동 속도가 높았고 파동 에너지 소산 계수도 높았습니다. 파동 진폭이 높을수록 파동 에너지 소산 계수가 높아집니다.

REFERENCES

[1] Bahaa Elsharnouby and Mohamed, E. (2012). “Study of environment
friendly porous suspended breakwater for the Egyptian Northwestern
Coast” J. of Ocean Engineering, Vol. 48, 47-58.
[2] Huang Z. (2007) “Wave interaction with one or two rows of closely
spaced rectangular cylinders” J. Ocean Eng Vol. 34,1584–1591.
[3] Huang, C. J.; Chang, H. H.; and Hwung, H. H., 2003. “Structural
permeability effects on the interaction of a solitary wave and a
submerged breakwater,” Coastal Engineering. Vol. 49, pp. 1-24.
[4] Hsu, H-H. & Wu, Y-C., 1999. “Numerical solution for the second-order
wave interaction with porous structures.” International Journal for
Numerical Methods in Fluids, Vol. 29 Issue 3, pp. 265-288.
[5] Isaacson, M., Baldwim, J., Premasiro, S. and Yang, G., (1999) “Wave
interaction with double slotted barriers.” J. Applied Ocean Research,
Vol. 21, No. 2, pp. 81-91.
[6] Isaacson, M., Premasiro, S. and Yang, G. (1998) “Wave Interaction with
Vertical Slotted Barrier” J. Waterway, Port, Coastal and Ocean Eng.,
ASCE, Vol. 124, No. 3.
[7] Ji, C.H. and Suh, K.D. (2010) “Wave interactions with multiple-row
curtainwall-pile breakwaters” J.Coastal Engineering vol. 57 issue 5, p.
500-512.
[8] Koraim, A. S., Iskander, M.M. and Elsayed, W. R. (2014)
“Hydrodynamic performance of double rows of piles suspending
horizontal c shaped bars” J. Coastal Engineering, Vol. 84, P. 81-96.
[9] Koraim, A. S., Iskander, M.M. and Elsayed, W. R. (2013)
“Hydrodynamic performance of double rows of piles suspending
horizontal c shaped bars” J. Coastal Engineering, Vol. 84, P. 81-96.
[10] Koraim, A. S. and Salem, T. N. (2012) “The hydrodynamic
characteristics of a single suspended row of half pipes under regular
waves” J. Ocean Engineering, Vol. 50, P. 1-9.
[11] Laju, K., Sundar, V. & Sundaravadivelu, R., 2011. “Hydrodynamic
characteristics of pile supported skirt breakwater models.” Journal of
Ocean Re, 33,12-22.
[12] Lin, P.; and Karunarathna, .S.A., 2007. “Numerical study of solitary
wave interaction with porous breakwaters,” J. of waterway, port,
coastal and ocean engineering. , pp. 352-363.
[13] Moh. Ibrahim (2017) “Linear Wave Interaction with Permeable
Breakwaters” A Thesis Submitted for Partial Fulfillment of Doctor of
Philosophy Degree in Civil Eng., al-Azhar University.
[14] Mansard, E .P. D. & Funke, E. R., 1980. “The measurement of incident
and reflected spectra using a least squares method.” In Proc. 17th
Coastal Eng. Conf., Sydney, Australia, pp 159-174.
[15] Nadji Chioukh et al (2017) “Reflection and Transmission of Regular
Waves from/Through Single and Double Perforated Thin Walls”
China Ocean Eng., 2017, Vol. 31, No. 4, P. 466–475.
[16] Rageh, O., Koraim, A. (2010b). “Hydraulic performance of vertical
walls with horizontal slots used as breakwater”. J.Coastal Engineering,
Vol. 57, 745–746. 12.
[17] Suh KD, Jung HY and Pyun CK (2007) “Wave reflection and
transmission by curtain wall–pile breakwaters using circular piles”. J.
Ocean Eng,Vol. 34(14–15), 2100–2106.
[18] Suh, K. D., Shin, S. & Cox, D. T., 2006. “Hydrodynamic
characteristics of Pile-Supported vertical wall breakwaters.” J. of
Waterways, Port, Coastal and Ocean Engineering, Vol.132, No.2,
pp.83-96.

Fig. 1. Nysted Offshore Wind Farm

FLOW-3D 모형을 이용한 해상풍력기초 세굴현상 분석

박영진1, 김태원2*1 서일대학교 토목공학과, 2 (주)지티이

Analysis of Scour Phenomenon around Offshore Wind Foundation using Flow-3D Mode

Abstract

국내․외에서 다양한 형태의 석유 대체에너지는 온실효과 가스를 배출하지 않는 청정에너지로 개발되고 있으며, 특히 해상풍력은 풍력 자원이 풍부하고 육상보다 풍력 감소가 상대적으로 작아 다양하게 연구되고 있다. 본 연구에서는 해상 풍력기초의 세굴현상을 분석하기 위해서 Flow-3D 모형을 이용하여 모노 파일과 삼각대 파일 기초에 대하여 수치모의를 수행 하였다. 직경이 다른(D=5.0 m, d=1.69 m) 모노 파일 형식과 직경이 동일한(D=5.0 m) 모노파일에 대하여 세굴현상을 평가하 였다. 수치해석 결과, 동일한 직경을 가진 모노파일에서 하강류가 증가되었으며, 최대세굴심은 약 1.7배 이상 발생하였다. 삼각대 파일에 대하여 관측유속과 극치파랑 조건을 상류경계조건으로 각각 적용한 후 세굴현상을 평가하였다. 극치파랑조건 을 적용한 경우 최대 세굴심은 약 1.3배 정도 깊게 발생하였다. LES 모형을 적용하였을 경우 세굴심은 평형상태에 도달한 반면, RNG  모형은 해석영역 내 전반적으로 세굴현상이 발생하였으며, 세굴심은 평형상태에 도달하지 않았다. 해상풍 력기초에 대하여 세굴현상을 평가하기 위해서 수치모형 적용시 파랑조건 및 LES 난류모형을 적용하는 것이 타당할 것으로 판단된다.

Various types of alternative energy sources to petroleum are being developed both domestically and internationally as clean energy that does not emit greenhouse gases. In particular, offshore wind power has been studied because the wind resources are relatively limitless and the wind power is relatively smaller than onshore. In this study, to analyze the scour phenomenon around offshore wind foundations, mono pile and tripod pile foundations were simulated using a FLOW-3D model. The scour phenomenon was evaluated for mono piles: one is a pile with a 5 m diameter and d=1.69 m and the other is a pile with a 5 m diameter. Numerical analysis showed that in the latter, the falling-flow increased and the maximum scour depth occurred more than 1.7 times. For a tripod pile foundation, the measured velocity and the maximum wave condition were applied to the upstream boundary condition, respectively, and the scour phenomenon was evaluated. When the maximum wave condition was applied, the maximum scour depth occurred more than about 1.3 times. When the LES model was applied, the scour depth reached equilibrium, whereas the numerical results of the RNG model show that the scour phenomenon occurred in the entire boundary area and the scour depth did not reach equilibrium. To evaluate the scour phenomenon around offshore wind foundations, it is reasonable to apply the wave condition and the LES turbulence model to numerical model applications.

Keywords : Flow-3D, LES model, Mono pile, Offshore wind foundation, RNG k-e model, Scour phenomenon, Tripod pile

서론

지구환경문제에 대한 관심이 증가되고 있는 현실에 서, 풍력발전은 석유 대체에너지로서 뿐만 아니라, 이산 화탄소 등 온실효과 가스를 배출하지 않는 청청에너지의 발전방식으로 국내․외에서 개발이 증가되고 있다. 특 히, 해상풍력은 풍력 자원이 풍부하고, 육상보다 풍력 감 소가 상대적으로 작아 전기 출력량이 크기 때문에 신재 생에너지원 확보 차원에서 국내․외 해상풍력단지 사업 계획이 수립되어 추진되고 있는 실정이다. Fig. 1은 세계 최대 네델란드 해상풍력단지인 Nysted Offshore Wind Farm의 사진이다.

Fig. 1. Nysted Offshore Wind Farm
Fig. 1. Nysted Offshore Wind Farm

하천 내 교각 주변에서 세굴 현상은 발생하며 교각의 안정성 측면에서 세굴보호공을 설치한다. 해양에서 해상 풍력발전 기초를 설치할 경우 구조물로 인해 교란된 흐 름은 세굴을 유발시킨다. 따라서 해상풍력기초를 계획할 경우 안정성 측면에서 세굴현상을 검토할 필요가 있다. 특히 하천의 경우 교각 세굴보호공에 대하여 다양한 공 법들이 설계에 반영되고 있으나, 해양구조물 기초에 대 한 연구는 미흡한 상태이다.

이에 본 연구에서는 수치모 형을 이용하여 해상풍력기초에 대한 세굴현상을 분석하 였다. 수치모형을 이용하여 세굴현상을 예측함에 있어서 본 연구와 연관된 연구동향으로는 양원준과 최성욱(2002) 은 FLOW-3D 모형을 이용하여 세굴영향 평가를 함에 있어서 난류모형을 비교․분석 하였다. 전반적으로 수리 모형실험 자료와 좀 더 잘 일치하는 난류모형은 LES 모 형으로 분석되었다[1]. 여창건 등(2010)은 세굴영향 평 가를 위해 FLOW-3D 모형을 이용할 경우 세굴에 미치 는 중요한 인자에 대하여 매개변수 민감도분석을 수행하 였다.

검토결과, 세굴에 민감한 변수는 유사의 입경, 세 굴조절계수, 안식각 등의 순서로 민감한 것으로 검토되 었다[2]. 오명학 등(2012)은 해상풍력발전기초 시설 주 변에서 FLOW-3D 모형을 이용하여 세굴영향 검토를 수 행하였다. 오명학 등이 검토한 지역은 본 연구 지역과 동 일한 지역이나 경계조건 및 세굴평가에서 가장 중요한 평균입경이 다르다. 세굴검토를 위해 수치모형에 입력한 경계조건은 대조기 창조 최강유속 1.0 m/s을 상류경계조 건으로, 평균입경은 0.0353 mm를 적용하였다. 이와 같은 조건에서 모노파일에서 발생하는 최대세굴심은 약 5.24 m로 분석되었다[3].

Stahlmann과 Schlurmann(2010)은 본 과업에서 적용할 해상풍력기초와 유사한 기초를 가진 구조물에 대하여 수리모형실험을 수행하였다. 연구대상 지역은 독일 해안가에 의한 해상풍력단지에 대하여 삼각 대 형식의 해상풍력기초에 대하여 1/40과 1/12 축척으로 각각 수리모형실험을 수행하였다. 1/40과 1/12 축척에 따라서 세굴분포양상 및 최대세굴심의 위치가 다르게 관 측되었다[4].

본 연구에서는 3차원 수치모형인 Flow-3D를 이용하 여 세굴현상을 평가함에 있어서, 파일 형상 변화, 경계조 건이 다른 경우 및 서로 다른 난류모형을 적용하였을 경 우에 대하여 수치해석이 국부세굴 현상에 미치는 영향을 검토하였다. 이와 같은 연구는 향후 수치모형을 이용하 여 해상풍력발전 기초에 대하여 세굴현상을 평가함에 있 어서 기초 자료로 활용될 수 있을 것으로 판단된다.

Fig. 2. Shape of Pile
Fig. 2. Shape of Pile
Fig. 3. Boundary Area and Grid of Flow-3D
Fig. 3. Boundary Area and Grid of Flow-3D
Fig. 4. Scour around Monopile
Fig. 4. Scour around Monopile
Fig. 5. Velocity Development around Monopile
Fig. 5. Velocity Development around Monopile
Fig. 6. Flow Phenomenon and Scour around Tripod Pile Foundation
Fig. 6. Flow Phenomenon and Scour around Tripod Pile Foundation
Fig. 7. Scour according to Turbulence Models(RNG k-e & LES Model)
Fig. 7. Scour according to Turbulence Models(RNG k-e & LES Model)

결론

본 연구에서는 해상풍력기초 형식이 모노파일과 삼각 대 파일일 경우 세굴현상을 평가하기 위해서 3차원 수치 모형인 Flow-3D를 이용하였다. 직경이 서로 다른(D=5.0 m, d=1.69 m) 모노파일과 직경이 동일한(D=5.0 m) 모노파일에 대하여 LES 모형 을 적용하여 세굴현상을 평가하였다. 서로 다른 직경을 가진 모노파일 주변에서 최대 세굴심은 4.13 m, 동일한 직경을 가진 모노파일 주변에서는 7.13 m의 최대 세굴 심이 발생하였다. 또한 동일한 직경을 가진 파일에서 하 강류가 증가되어 최대세굴심이 증가된 것으로 분석되었 다. 수치해석 결과, 세굴에 대한 기초의 안정성 측면에서 서로 다른 직경을 가진 기초 형식이 유리한 것으로 분석 되었다. 수치모형을 이용하여 세굴현상을 평가함에 있어서 경 계조건 및 난류모형의 선정은 중요하다. 본 연구에서는 서로 다른 직경을 가진 삼각대 형식의 해상풍력기초에 대하여 상류경계조건으로 관측유속과 극치파랑조건을 각각 적용하였을 경우 세굴현상을 평가하였다. 극치파랑 조건을 적용하였을 경우가 최대세굴심이 약 1.3배 정도 깊게 발생하였다. 또한 극치파랑조건에서 RNG 과 LES 모형을 적용하여 세굴현상을 평가하였다. LES 모 형을 적용하였을 경우 파일 주변에서 세굴현상이 발생하 였으며, 세굴심은 일정시간이 경과된 후에는 증가되지 않는 평형상태에 도달하였다. 그러나 RNG 모형을 적용한 경우는 평형상태에 도달하지 않고 계속해서 세굴 이 진행되어 세굴심을 평가할 수 없었다. 현재 해양구조 물 기초에 대한 세굴현상 연구는 미흡한 상태로 하천에 서 교각 세굴현상을 검토하기 위해서 적용되는 경계조건 을 적용하기보다는 해상 조건인 파랑조건을 적용하여 검 토하는 것이 기초의 안정성 측면에서 유리할 것으로 판 단된다. 또한 정확한 세굴현상을 예측하기 위해서는 RNG 모형보다는 LES 모형을 적용하는 것이 타당 할 것으로 판단된다. 향후 해상풍력기초에 대한 세굴관측을 수행하여 수치 모의 결과와 비교․분석이 필요하며, 또한 다양한 파랑 조건에서 난류모형에 대한 비교․분석이 필요할 것으로 생각된다.

References

[1] W. J. Yang, S. U. Choi. “Three- Dimensional Numerical
Simulation of Local Scour around the Bridge Pier using
Large Eddy Simulation”, Journal of KWRA, vol. 22, no.
4-B, pp. 437-446, 2002.
[2] C. G. Yeo, J. E. Lee, S. O. Lee, J. W. Song. “Sensitivity
Analysis of Sediment Scour Model in Flow-3D”,
Proceedings of KWRA, pp. 1750-1754, 2010.
[3] M. H. Oh, O. S. Kwon, W. M. Jeong, K. S. Lee.
“FLOW-3D Analysis on Scouring around Offshore Wind
Foundation”, Journal of KAIS, vol. 13, no. 3, pp.
1346-1351, 2012.
DOI: http://dx.doi.org/10.5762/KAIS.2012.13.3.1346

[4] A. Stahlmann, T. Schlurmann, “Physical Modeling of
Scour around Tripod Foundation Structures for Offshore
Wind Energy Converters”, Proceedings of 32nd
Conference on Coastal Engineering, Shanghai, China,
no. 32, pp. 1-12, 2010.
[5] Flow Science. Flow-3D User’s Manual. Los Alamos,
NM, USA, 2016.
[6] KEPRI. 『Test Bed for 2.5GW Offshore Wind Farm at
Yellow Sea』 Interim Design Report(in Korea), 2014.
[7] Germanischer Lloyd. Guideline for the Certification of
Offshore Wind Turbines. Hamburg, Germany, 2005.
[8] B. M. Sumer, J. Fredsøe, The Mechanics of Scour in the
Marine Environment. World Scientific Publishing Co.
Pte. Ltd. 2002.
[9] S. J. Ahn, U. Y. Kim, J. K. Lee. “Experimental Study
for Scour Protection around Bridge Pier by Falling-Flow
Interruption”, Journal of KSCE, vol. 19, no. II-1, pp.
57-65, 1999.
[10] V. Yakhot, S. A. Orszag, S. Thangam, T. B. Gatski, C.
G. Speziale, “Development of turbulence models for
shear flows by a double expansion technique”, Physics
of Fluids, vol. 4, no. 7, pp. 1510-1520, 1992.
DOI: https://doi.org/10.1063/1.858424

electromagnetic metal casting computation designs Fig1

A survey of electromagnetic metal casting computation designs, present approaches, future possibilities, and practical issues

The European Physical Journal Plus volume 136, Article number: 704 (2021) Cite this article

Abstract

Electromagnetic metal casting (EMC) is a casting technique that uses electromagnetic energy to heat metal powders. It is a faster, cleaner, and less time-consuming operation. Solid metals create issues in electromagnetics since they reflect the electromagnetic radiation rather than consume it—electromagnetic energy processing results in sounded pieces with higher-ranking material properties and a more excellent microstructure solution. For the physical production of the electromagnetic casting process, knowledge of electromagnetic material interaction is critical. Even where the heated material is an excellent electromagnetic absorber, the total heating quality is sometimes insufficient. Numerical modelling works on finding the proper coupled effects between properties to bring out the most effective operation. The main parameters influencing the quality of output of the EMC process are: power dissipated per unit volume into the material, penetration depth of electromagnetics, complex magnetic permeability and complex dielectric permittivity. The contact mechanism and interference pattern also, in turn, determines the quality of the process. Only a few parameters, such as the environment’s temperature, the interference pattern, and the rate of metal solidification, can be controlled by AI models. Neural networks are used to achieve exact outcomes by stimulating the neurons in the human brain. Additive manufacturing (AM) is used to design mold and cores for metal casting. The models outperformed the traditional DFA optimization approach, which is susceptible to local minima. The system works only offline, so real-time analysis and corrections are not yet possible.

Korea Abstract

전자기 금속 주조 (EMC)는 전자기 에너지를 사용하여 금속 분말을 가열하는 주조 기술입니다. 더 빠르고 깨끗하며 시간이 덜 소요되는 작업입니다.

고체 금속은 전자기 복사를 소비하는 대신 반사하기 때문에 전자기학에서 문제를 일으킵니다. 전자기 에너지 처리는 더 높은 등급의 재료 특성과 더 우수한 미세 구조 솔루션을 가진 사운드 조각을 만듭니다.

전자기 주조 공정의 물리적 생산을 위해서는 전자기 물질 상호 작용에 대한 지식이 중요합니다. 가열된 물질이 우수한 전자기 흡수재인 경우에도 전체 가열 품질이 때때로 불충분합니다. 수치 모델링은 가장 효과적인 작업을 이끌어 내기 위해 속성 간의 적절한 결합 효과를 찾는데 사용됩니다.

EMC 공정의 출력 품질에 영향을 미치는 주요 매개 변수는 단위 부피당 재료로 분산되는 전력, 전자기의 침투 깊이, 복합 자기 투과성 및 복합 유전율입니다. 접촉 메커니즘과 간섭 패턴 또한 공정의 품질을 결정합니다. 환경 온도, 간섭 패턴 및 금속 응고 속도와 같은 몇 가지 매개 변수 만 AI 모델로 제어 할 수 있습니다.

신경망은 인간 뇌의 뉴런을 자극하여 정확한 결과를 얻기 위해 사용됩니다. 적층 제조 (AM)는 금속 주조용 몰드 및 코어를 설계하는 데 사용됩니다. 모델은 로컬 최소값에 영향을 받기 쉬운 기존 DFA 최적화 접근 방식을 능가했습니다. 이 시스템은 오프라인에서만 작동하므로 실시간 분석 및 수정은 아직 불가능합니다.

electromagnetic metal casting computation designs Fig1
electromagnetic metal casting computation designs Fig1
electromagnetic metal casting computation designs Fig2
electromagnetic metal casting computation designs Fig2
electromagnetic metal casting computation designs Fig3
electromagnetic metal casting computation designs Fig3
electromagnetic metal casting computation designs Fig4
electromagnetic metal casting computation designs Fig4
electromagnetic metal casting computation designs Fig5
electromagnetic metal casting computation designs Fig5
electromagnetic metal casting computation designs Fig6
electromagnetic metal casting computation designs Fig6
electromagnetic metal casting computation designs Fig7
electromagnetic metal casting computation designs Fig7
electromagnetic metal casting computation designs Fig8
electromagnetic metal casting computation designs Fig8
electromagnetic metal casting computation designs Fig9
electromagnetic metal casting computation designs Fig9

References

  1. 1.J. Sun, W. Wang, Q. Yue, Review on electromagnetic-matter interaction fundamentals and efficient electromagnetic-associated heating strategies. Materials 9(4), 231 (2016). https://doi.org/10.3390/ma9040231ADS Article Google Scholar 
  2. 2.E. Ghasali, A. Fazili, M. Alizadeh, K. Shirvanimoghaddam, T. Ebadzadeh, Evaluation of microstructure and mechanical properties of Al-TiC metal matrix composite prepared by conventional, electromagnetic and spark plasma sintering methods. Materials 10(11), 1255 (2017). https://doi.org/10.3390/ma10111255ADS Article Google Scholar 
  3. 3.D. Agrawal, Latest global developments in electromagnetic materials processing. Mater. Res. Innov. 14(1), 3–8 (2010). https://doi.org/10.1179/143307510×12599329342926Article Google Scholar 
  4. 4.S. Singh, P. Singh, D. Gupta, V. Jain, R. Kumar, S. Kaushal, Development and characterization of electromagnetic processed cast iron joint. Eng. Sci. Technol. Int. J. (2018). https://doi.org/10.1016/j.jestch.2018.10.012Article Google Scholar 
  5. 5.S. Singh, D. Gupta, V. Jain, Electromagnetic melting and processing of metal–ceramic composite castings. Proc. Inst. Mech. Eng. Part B J. Eng. Manuf. 232(7), 1235–1243 (2016). https://doi.org/10.1177/0954405416666900Article Google Scholar 
  6. 6.S. Singh, D. Gupta, V. Jain, Novel electromagnetic composite casting process: theory, feasibility and characterization. Mater. Des. 111, 51–59 (2016). https://doi.org/10.1016/j.matdes.2016.08.071Article Google Scholar 
  7. 7.J. Lucas, J, What are electromagnetics? LiveScience. (2018). https://www.livescience.com/50259-Electromagnetics.html
  8. 8.R. Samyal, A.K. Bagha, R. Bedi, the casting of materials using electromagnetic energy: a review. Mater. Today Proc. (2020). https://doi.org/10.1016/j.matpr.2020.02.255Article Google Scholar 
  9. 9.S. Singh, D. Gupta, V. Jain, Processing of Ni-WC-8Co MMC casting through electromagnetic melting. Mater. Manuf. Process. (2017). https://doi.org/10.1080/10426914.2017.1291954Article Google Scholar 
  10. 10.R. Singh, S. Singh, V. Mahajan, Investigations for dimensional accuracy of investment casting process after cycle time reduction by advancements in shell moulding. Procedia Mater. Sci. 6, 859–865 (2014). https://doi.org/10.1016/j.mspro.2014.07.103Article Google Scholar 
  11. 11.R.R. Mishra, A.K. Sharma, On melting characteristics of bulk Al-7039 alloy during in-situ electromagnetic casting. Appl. Therm. Eng. 111, 660–675 (2017). https://doi.org/10.1016/j.applthermaleng.2016.09.122Article Google Scholar 
  12. 12.S. Zhang, 10 Different types of casting process. (2021). MachineMfg.com, https://www.machinemfg.com/types-of-casting/
  13. 13.Envirocare, Foundry health risks. (2013). https://envirocare.org/foundry-health-risks/
  14. 14.S.S. Gajmal, D.N. Raut, A review of opportunities and challenges in electromagnetic assisted casting. Recent Trends Product. Eng. 2(1) (2019)
  15. 15.R.R. Mishra, A.K. Sharma, Electromagnetic-material interaction phenomena: heating mechanisms, challenges and opportunities in material processing. Compos. Part A (2015). https://doi.org/10.1016/j.compositesa.2015.10.035Article Google Scholar 
  16. 16.S. Chandrasekaran, T. Basak, S. Ramanathan, Experimental and theoretical investigation on electromagnetic melting of metals. J. Mater. Process. Technol. 211(3), 482–487 (2011). https://doi.org/10.1016/j.jmatprotec.2010.11.001Article Google Scholar 
  17. 17.C.R. Bird, J.M. Mertz, U.S. Patent No. 4655276. (U.S. Patent and Trademark Office, Washington, DC, 1987)
  18. 18.R.R. Mishra, A.K. Sharma, Experimental investigation on in-situ electromagnetic casting of copper. IOP Conf. Ser. Mater. Sci. Eng. 346, 012052 (2018). https://doi.org/10.1088/1757-899x/346/1/012052Article Google Scholar 
  19. 19.V. Gangwar, S. Kumar, V. Singh, H. Singh, Effect of process parameters on hardness of AA-6063 in-situ electromagnetic casting by using taguchi method, in IOP Conference Series: Materials Science and Engineering, vol. 804(1) (IOP Publishing, 2020), p. 012019
  20. 20.X. Ye, S. Guo, L. Yang, J. Gao, J. Peng, T. Hu, L. Wang, M. Hou, Q. Luo, New utilization approach of electromagnetic thermal energy: preparation of metallic matrix diamond tool bit by electromagnetic hot-press sintering. J. Alloy. Compd. (2018). https://doi.org/10.1016/j.jallcom.2018.03.183Article Google Scholar 
  21. 21.S. Das, A.K. Mukhopadhyay, S. Datta, D. Basu, Prospects of Electromagnetic processing: an overview. Bull. Mater. Sci. 32(1), 1–13 (2009). https://doi.org/10.1007/s12034-009-0001-4Article Google Scholar 
  22. 22.K.L. Glass, D.M. Ashby, U.S. Patent No. 9050656. (U.S. Patent and Trademark Office, Washington, DC, 2015)
  23. 23.S. Verma, P. Gupta, S. Srivastava, S. Kumar, A. Anand, An overview: casting/melting of non ferrous metallic materials using domestic electromagnetic oven. J. Mater. Sci. Mech. Eng. 4(4), (2017). p-ISSN: 2393-9095; e-ISSN: 2393-9109
  24. 24.S.S. Panda, V. Singh, A. Upadhyaya, D. Agrawal, Sintering response of austenitic (316L) and ferritic (434L) stainless steel consolidated in conventional and electromagnetic furnaces. Scripta Mater. 54(12), 2179–2183 (2006). https://doi.org/10.1016/j.scriptamat.2006.02.034Article Google Scholar 
  25. 25.Y. Zhang, S. Yang, S. Wang, X. Liu, L. Li, Microwave/freeze casting assisted fabrication of carbon frameworks derived from embedded upholder in tremella for superior performance supercapacitors. Energy Storage Mater. (2018). https://doi.org/10.1016/j.ensm.2018.08.006Article Google Scholar 
  26. 26.D. Thomas, P. Abhilash, M.T. Sebastian, Casting and characterization of LiMgPO4 glass free LTCC tape for electromagnetic applications. J. Eur. Ceram. Soc. 33(1), 87–93 (2013). https://doi.org/10.1016/j.jeurceramsoc.2012.08.002Article Google Scholar 
  27. 27.M.H. Awida, N. Shah, B. Warren, E. Ripley, A.E. Fathy, Modeling of an industrial Electromagnetic furnace for metal casting applications. 2008 IEEE MTT-S Int. Electromagn. Symp. Digest. (2008). https://doi.org/10.1109/mwsym.2008.4633143Article Google Scholar 
  28. 28.P.K. Loharkar, A. Ingle, S. Jhavar, Parametric review of electromagnetic-based materials processing and its applications. J. Market. Res. 8(3), 3306–3326 (2019). https://doi.org/10.1016/j.jmrt.2019.04.004Article Google Scholar 
  29. 29.E.B. Ripley, J.A. Oberhaus, WWWeb search power page-melting and heat treating metals using electromagnetic heating-the potential of electromagnetic metal processing techniques for a wide variety of metals and alloys is. Ind. Heat. 72(5), 65–70 (2005)Google Scholar 
  30. 30.J. Campbell, Complete Casting Handbook: Metal Casting Processes, Metallurgy, Techniques and Design (Butterworth-Heinemann, 2015)Google Scholar 
  31. 31.B. Ravi, Metal Casting: Computer-Aided Design and Analysis, 1st edn. (PHI Learning Ltd, 2005)Google Scholar 
  32. 32.D.E. Clark, W.H. Sutton, Electromagnetic processing of materials. Annu. Rev. Mater. Sci. 26(1), 299–331 (1996)ADS Article Google Scholar 
  33. 33.A.D. Abdullin, New capabilities of software package ProCAST 2011 for modeling foundry operations. Metallurgist 56(5–6), 323–328 (2012). https://doi.org/10.1007/s11015-012-9578-8Article Google Scholar 
  34. 34.J. Ha, P. Cleary, V. Alguine, T. Nguyen, Simulation of die filling in gravity die casting using SPH and MAGMAsoft, in Proceedings of 2nd International Conference on CFD in Minerals & Process Industries (1999) pp. 423–428
  35. 35.M. Sirviö, M. Woś, Casting directly from a computer model by using advanced simulation software FLOW-3D Cast Ž. Arch. Foundry Eng. 9(1), 79–82 (2009)Google Scholar 
  36. 36.NOVACAST Systems, Nova-Solid/Flow Brochure, NOVACAST, Ronneby (2015)
  37. 37.AutoCAST-X1 Brochure, 3D Foundry Tech, Mumbai
  38. 38.EKK, Inc. Metal Casting Simulation Software and Consulting Services, CAPCAST Brochure
  39. 39.P. Muenprasertdee, Solidification modeling of iron castings using SOLIDCast (2007)
  40. 40.CasCAE, CT-CasTest Inc. Oy, Kerava
  41. 41.E. Dominguez-Tortajada, J. Monzo-Cabrera, A. Diaz-Morcillo, Uniform electric field distribution in electromagnetic heating applicators by means of genetic algorithms optimization of dielectric multilayer structures. IEEE Trans. Electromagn. Theory Tech. 55(1), 85–91 (2007). https://doi.org/10.1109/tmtt.2006.886913ADS Article Google Scholar 
  42. 42.B. Warren, M.H. Awida, A.E. Fathy, Electromagnetic heating of metals. IET Electromagn. Antennas Propag. 6(2), 196–205 (2012)Article Google Scholar 
  43. 43.S. Ashouri, M. Nili-Ahmadabadi, M. Moradi, M. Iranpour, Semi-solid microstructure evolution during reheating of aluminum A356 alloy deformed severely by ECAP. J. Alloy. Compd. 466(1–2), 67–72 (2008). https://doi.org/10.1016/j.jallcom.2007.11.010Article Google Scholar 
  44. 44.Penn State, Metal Parts Made In The Electromagnetic Oven. ScienceDaily. (1999) Retrieved May 8, 2021, from www.sciencedaily.com/releases/1999/06/990622055733.htm
  45. 45.R.R. Mishra, A.K. Sharma, A review of research trends in electromagnetic processing of metal-based materials and opportunities in electromagnetic metal casting. Crit. Rev. Solid State Mater. Sci. 41(3), 217–255 (2016). https://doi.org/10.1080/10408436.2016.1142421ADS Article Google Scholar 
  46. 46.D.K. Ghodgaonkar, V.V. Varadan, V.K. Varadan, Free-space measurement of complex permittivity and complex permeability of magnetic materials at Electromagnetic frequencies. IEEE Trans. Instrum. Meas. 39(2), 387–394 (1990). https://doi.org/10.1109/19.52520Article Google Scholar 
  47. 47.J. Baker-Jarvis, E.J. Vanzura, W.A. Kissick, Improved technique for determining complex permittivity with the transmission/reflection method. Microw. Theory Tech. IEEE Trans. 38, 1096–1103 (1990)ADS Article Google Scholar 
  48. 48.M. Bologna, A. Petri, B. Tellini, C. Zappacosta, Effective magnetic permeability measurementin composite resonator structures. Instrum. Meas. IEEE Trans. 59, 1200–1206 (2010)Article Google Scholar 
  49. 49.B. Ravi, G.L. Datta, Metal casting–back to future, in 52nd Indian Foundry Congress, (2004)
  50. 50.D. El Khaled, N. Novas, J.A. Gazquez, F. Manzano-Agugliaro. Microwave dielectric heating: applications on metals processing. Renew. Sustain. Energy Rev. 82, 2880–2892 (2018). https://doi.org/10.1016/j.rser.2017.10.043Article Google Scholar 
  51. 51.H. Sekiguchi, Y. Mori, Steam plasma reforming using Electromagnetic discharge. Thin Solid Films 435, 44–48 (2003)ADS Article Google Scholar 
  52. 52.J. Sun, W. Wang, C. Zhao, Y. Zhang, C. Ma, Q. Yue, Study on the coupled effect of wave absorption and metal discharge generation under electromagnetic irradiation. Ind. Eng. Chem. Res. 53, 2042–2051 (2014)Article Google Scholar 
  53. 53.K.I. Rybakov, E.A. Olevsky, E.V. Krikun, Electromagnetic sintering: fundamentals and modeling. J. Am. Ceram. Soc. 96(4), 1003–1020 (2013). https://doi.org/10.1111/jace.12278Article Google Scholar 
  54. 54.A.K. Shukla, A. Mondal, A. Upadhyaya, Numerical modeling of electromagnetic heating. Sci. Sinter. 42(1), 99–124 (2010)Article Google Scholar 
  55. 55.M. Chiumenti, C. Agelet de Saracibar, M. Cervera, On the numerical modeling of the thermomechanical contact for metal casting analysis. J. Heat Transf. 130(6), (2008). https://doi.org/10.1115/1.2897923Article MATH Google Scholar 
  56. 56.B. Ravi, Metal Casting: Computer-Aided Design and Analysis. (PHI Learning Pvt. Ltd., 2005)
  57. 57.J.H. Lee, S.D. Noh, H.-J. Kim, Y.-S. Kang, Implementation of cyber-physical production systems for quality prediction and operation control in metal casting. Sensors 18, 1428 (2018). https://doi.org/10.3390/s18051428ADS Article Google Scholar 
  58. 58.B. Aksoy, M. Koru, Estimation of casting mold interfacial heat transfer coefficient in pressure die casting process by artificial intelligence methods. Arab. J. Sci. Eng. 45, 8969–8980 (2020). https://doi.org/10.1007/s13369-020-04648-7Article Google Scholar 
  59. 59.S.S. Miriyala, V.R. Subramanian, K. Mitra, TRANSFORM-ANN for online optimization of complex industrial processes: casting process as case study. Eur. J. Oper. Res. 264(1), 294–309 (2018). https://doi.org/10.1016/j.ejor.2017.05.026MathSciNet Article MATH Google Scholar 
  60. 60.J.K. Kittu, G.C.M. Patel, M. Parappagoudar, Modeling of pressure die casting process: an artificial intelligence approach. Int. J. Metalcast. (2015). https://doi.org/10.1007/s40962-015-0001-7Article Google Scholar 
  61. 61.W. Chen, B. Gutmann, C.O. Kappe, Characterization of electromagnetic-induced electric discharge phenomena in metal-solvent mixtures. ChemistryOpen 1, 39–48 (2012)Article Google Scholar 
  62. 62.J. Walker, A. Prokop, C. Lynagh, B. Vuksanovich, B. Conner, K. Rogers, J. Thiel, E. MacDonald, Real-time process monitoring of core shifts during metal casting with wireless sensing and 3D sand printing. Addit. Manuf. (2019). https://doi.org/10.1016/j.addma.2019.02.018Article Google Scholar 
  63. 63.G.C. Manjunath Patel, A.K. Shettigar, M.B. Parappagoudar, A systematic approach to model and optimize wear behaviour of castings produced by squeeze casting process. J. Manuf. Process. 32, 199–212 (2018). https://doi.org/10.1016/j.jmapro.2018.02.004Article Google Scholar 
  64. 64.G.C. Manjunath Patel, P. Krishna, M.B. Parappagoudar, An intelligent system for squeeze casting process—soft computing based approach. Int. J. Adv. Manuf. Technol. 86, 3051–3065 (2016). https://doi.org/10.1007/s00170-016-8416-8Article Google Scholar 
  65. 65.M. Ferguson, R. Ak, Y.T. Lee, K.H. Law, Automatic localization of casting defects with convolutional neural networks, in 2017 IEEE International Conference on Big Data (Big Data) (Boston, MA, USA, 2017), pp. 1726–1735. https://doi.org/10.1109/BigData.2017.8258115.
  66. 66.P.K.D.V. Yarlagadda, Prediction of die casting process parameters by using an artificial neural network model for zinc alloys. Int. J. Prod. Res. 38(1), 119–139 (2000). https://doi.org/10.1080/002075400189617Article MATH Google Scholar 
  67. 67.G.C. ManjunathPatel, A.K. Shettigar, P. Krishna, M.B. Parappagoudar, Back propagation genetic and recurrent neural network applications in modelling and analysis of squeeze casting process. Appl. Soft Comput. 59, 418–437 (2017). https://doi.org/10.1016/j.asoc.2017.06.018Article Google Scholar 
  68. 68.J. Zheng, Q. Wang, P. Zhao et al., Optimization of high-pressure die-casting process parameters using artificial neural network. Int. J. Adv. Manuf. Technol. 44, 667–674 (2009). https://doi.org/10.1007/s00170-008-1886-6Article Google Scholar 
  69. 69.E. Mares, J. Sokolowski, Artificial intelligence-based control system for the analysis of metal casting properties. J. Achiev. Mater. Manuf. Eng. 40, 149–154 (2010)Google Scholar 
  70. 70.K.S. Senthil, S. Muthukumaran, C. Chandrasekhar Reddy, Suitability of friction welding of tube to tube plate using an external tool process for different tube diameters—a study. Exp. Tech. 37(6), 8–14 (2013)Article Google Scholar 
  71. 71.N.K. Bhoi, H. Singh, S. Pratap, P.K. Jain, Electromagnetic material processing: a clean, green, and sustainable approach. Sustain. Eng. Prod. Manuf. Technol. (2019). https://doi.org/10.1016/b978-0-12-816564-5.00001-3Article Google Scholar 
  72. 72.K.S. Senthil, D.A. Daniel, An investigation of boiler grade tube and tube plate without block by using friction welding process. Mater. Today Proc. 5(2), 8567–8576 (2018)Article Google Scholar 
  73. 73.E. Hetmaniok, D. Słota, A. Zielonka, Restoration of the cooling conditions in a three-dimensional continuous casting process using artificial intelligence algorithms. Appl. Math. Modell. 39(16), 4797–4807 (2015). https://doi.org/10.1016/j.apm.2015.03.056Article MATH Google Scholar 
  74. 74.C.V. Kumar, S. Muthukumaran, A. Pradeep, S.S. Kumaran, Optimizational study of friction welding of steel tube to aluminum tube plate using an external tool process. Int. J. Mech. Mater. Eng. 6(2), 300–306 (2011)Google Scholar 
  75. 75.T. Adithiyaa, D. Chandramohan, T. Sathish, Optimal prediction of process parameters by GWO-KNN in stirring-squeeze casting of AA2219 reinforced metal matrix composites. Mater. Today Proc. 150, 1598 (2020). https://doi.org/10.1016/j.matpr.2019.10.051Article Google Scholar 
  76. 76.B.P. Pehrson, A.F. Moore (2014). U.S. Patent No. 8708031 (U.S. Patent and Trademark Office, Washington, DC, 2014)
  77. 77.Liu, J., & Rynerson, M. L. (2008). U.S. Patent No. 7,461,684. Washington, DC: U.S. Patent and Trademark Office.
  78. 78.K. Salonitis, B. Zeng, H.A. Mehrabi, M. Jolly, The challenges for energy efficient casting processes. Procedia CIRP 40, 24–29 (2016). https://doi.org/10.1016/j.procir.2016.01.043Article Google Scholar 
  79. 79.R.R. Mishra, A.K. Sharma, Effect of solidification environment on microstructure and indentation hardness of Al–Zn–Mg alloy casts developed using electromagnetic heating. Int. J. Metal Cast. 10, 1–13 (2017). https://doi.org/10.1007/s40962-017-0176-1Article Google Scholar 
  80. 80.R.R. Mishra, A.K. Sharma, Effect of susceptor and Mold material on microstructure of in-situ electromagnetic casts of Al–Zn–Mg alloy. Mater. Des. 131, 428–440 (2017). https://doi.org/10.1016/j.matdes.2017.06.038Article Google Scholar 
  81. 81.S. Kaushal, S. Bohra, D. Gupta, V. Jain, On processing and characterization of Cu–Mo-based castings through electromagnetic heating. Int. J. Metalcast. (2020). https://doi.org/10.1007/s40962-020-00481-8Article Google Scholar 
  82. 82.S. Nandwani, S. Vardhan, A.K. Bagha, A literature review on the exposure time of electromagnetic based welding of different materials. Mater. Today Proc. (2019). https://doi.org/10.1016/j.matpr.2019.10.056Article Google Scholar 
  83. 83.F.J.B. Brum, S.C. Amico, I. Vedana, J.A. Spim, Electromagnetic dewaxing applied to the investment casting process. J. Mater. Process. Technol. 209(7), 3166–3171 (2009). https://doi.org/10.1016/j.jmatprotec.2008.07.024Article Google Scholar 
  84. 84.M.P. Reddy, R.A. Shakoor, G. Parande, V. Manakari, F. Ubaid, A.M.A. Mohamed, M. Gupta, Enhanced performance of nano-sized SiC reinforced Al metal matrix nanocomposites synthesized through electromagnetic sintering and hot extrusion techniques. Prog. Nat. Sci. Mater. Int. 27(5), 606–614 (2017). https://doi.org/10.1016/j.pnsc.2017.08.015Article Google Scholar 
  85. 85.V.R. Kalamkar, K. Monkova, (Eds.), Advances in Mechanical Engineering. Lecture Notes in Mechanical Engineering. (2021) https://doi.org/10.1007/978-981-15-3639-7
  86. 86.V. Bist, A.K. Sharma, P. Kumar, Development and microstructural characterisations of the lead casting using electromagnetic technology. Manager’s J. Mech. Eng. 4(4), 6 (2014). https://doi.org/10.26634/jme.4.4.2840Article Google Scholar 
  87. 87.A. Sharma, A. Chouhan, L. Pavithran, U. Chadha, S.K. Selvaraj, Implementation of LSS framework in automotive component manufacturing: a review, current scenario and future directions. Mater Today: Proc. (2021). https://doi.org/10.1016/J.MATPR.2021.02.374Article Google Scholar 
Fig.1 Schematic diagram of the novel cytometric device

Fabrication and Experimental Investigation of a Novel 3D Hydrodynamic Focusing Micro Cytometric Device

Yongquan Wang*a , Jingyuan Wangb, Hualing Chenc

School of Mechanical Engineering, Xi’an Jiaotong University, Xi’an, Shaanxi, 710049, P. R. China
a yqwang@mail.xjtu.edu.cn,, bwjy2006@stu.xjtu.edu.cn,, c hlchen@mail.xjtu.edu.cn,

Abstract:

This paper presents the fabrication of a novel micro-machined cytometric device, and the experimental investigations for its 3D hydrodynamic focusing performance. The proposed device is simple in structure, with the uniqueness that the depth of its microchannels is non-uniform. Using the SU-8 soft lithography containing two exposures, as well as micro-molding techniques, the PDMS device is successfully fabricated. Two kinds of experiments, i.e., the red ink fluidity observation experiments and the fluorescent optical experiments, are then performed for the device prototypes with different step heights, or channel depth differences, to explore the influence laws of the feature parameter on the devices hydrodynamic focusing behaviors. The experimental results show that the introducing of the steps can efficiently enhance the vertical focusing performance of the device. At appropriate geometry and operating conditions, good 3D hydrodynamic focusing can be obtained.

Korea Abstract

이 논문은 새로운 마이크로 머신 세포 측정 장치의 제조와 3D 유체 역학적 초점 성능에 대한 실험적 조사를 제시합니다. 제안 된 장치는 구조가 단순하며, 마이크로 채널의 깊이가 균일하지 않다는 독특함이 있습니다. 두 가지 노출이 포함 된 SU-8 소프트 리소그래피와 마이크로 몰딩 기술을 사용하여 PDMS 장치가 성공적으로 제작되었습니다. 그런 다음 두 종류의 실험, 즉 적색 잉크 유동성 관찰 실험과 형광 광학 실험을 단계 높이 또는 채널 깊이 차이가 다른 장치 프로토 타입에 대해 수행하여 장치 유체 역학적 초점에 대한 기능 매개 변수의 영향 법칙을 탐색합니다. 행동. 실험 결과는 단계의 도입이 장치의 수직 초점 성능을 효율적으로 향상시킬 수 있음을 보여줍니다. 적절한 형상과 작동 조건에서 우수한 3D 유체 역학적 초점을 얻을 수 있습니다.

Keywords

Flow cytometer, Hydrodynamic focusing, Three-dimensional (3D), Micro-machined

Fig.1 Schematic diagram of the novel cytometric device
Fig.1 Schematic diagram of the novel cytometric device
Fig.2 Overview of the cytometric device fabrication process
Fig.2 Overview of the cytometric device fabrication process
Fig.3 The fabricated micro cytometric device Fig.4 Experiment setup for focusing performance
Fig.3 The fabricated micro cytometric device Fig. 4 Experiment setup for focusing performance
Fig.5 Horizontal focusing images of two devices with and without steps
Fig.5 Horizontal focusing images of two devices with and without steps
Fig.6 Channel cross-section fluorescence images for different step heights
Fig.6 Channel cross-section fluorescence images for different step heights

References 

Fig.7 Effect of the step height on the 3D focusing at different velocity ratios
Fig.7 Effect of the step height on the 3D focusing at different velocity ratios

Conclusions

In this paper, we presented a novel micro-machined cytometric device and its fabrication process,
emphasizing on the experimental investigations for its 3D hydrodynamic focusing performance. The
proposed device is simple in structure, low cost, and easy to be batch produced. Besides this, as a
device based on standard micro-fabrication methodology, it can be conveniently integrated with other
micro-fluidic and/or micro-optical units to form a complete detection and analysis system.
The experimental tests for the prototype devices not only verified the design conception, but also
gave us a comprehensive understanding of the device hydro-focusing performance. The experimental
results show that, as the uniqueness of this design, the introducing of the feature steps can
significantly enhance the vertical focusing performance of the devices, which is crucial for the
achievement of 3D focusing. In summary, for the proposed novel device, good 3D hydrodynamic
focusing can be attained at appropriate geometry and operating conditions.
In addition, an improved design can be obtained by replacing the flat cover with an identical
device unit, in other words, the same two device units are bonded together (The channels are inward
and aligned) to form a new device. Then the sample stream can focused to the center of the assembly
outlet channel due to the hydrodynamic forces equally in both horizontal and vertical directions, and
thus avoiding the adsorption or friction issues of cells/particles to the top channel wall.

References

[1] Mandy FF, Bergeron M, Minkus T, Principles of flow cytometry. Transfusion Science Transfusion Science, 16 (1995) 303.

DOI: 10.1016/0955-3886(95)00041-0

[2] Rieseberg M, Kasper C, Reardon KF, and Scheper T, Flow cytometry in biotechnology, Appl. Microbiol. Biotechnol. 56 (2001) 350.

[3] Chung TD, Kim HC, Recent advances in miniaturized microfluidic flow cytometry for clinical use. Electrophoresis, Electrophoresis. 28(2007) 4511.

DOI: 10.1002/elps.200700620

[4] Xuan X, Zhu J, Church C, Particle focusing in microfluidic devices, Microfluid Nanofluid. 9(2010) 1-16.

DOI: 10.1007/s10404-010-0602-7

[5] Stone H A, Stroock A D and Ajdari A, Engineering flows in small devices: Microfluidics toward a lab-on-a-chip, Annu. Rev. Fluid Mech. 36 (2004) 381-411.

[6] Fu LM, Yang RJ, Lin CH, Pan YJ, and Lee GB, Electrokinetically-driven microflow cytometers with integrated fiber optics for on-line cell/particle collection, Analytica Chimica Acta. 507(2004) 163-169.

DOI: 10.1016/j.aca.2003.10.028

[7] Applegate Jr RW, Schafer DN, Amir W, Squier J, Vestad T, Oakey J and Marr DWM, Optically integrated microfluidic systems for cellular characterization and manipulation, J. Opt. A: Pure Appl. Opt. 9(2007) 122-128.

DOI: 10.1088/1464-4258/9/8/s03

[8] Chang CM, Hsiung SK, Lee GB, Micro flow cytometer chip integrated with micro-pumps/micro-valves for multi-wavelength cell counting and sorting, Jpn. J. Appl. Phys. 46 (2007): 3126-3134.

DOI: 10.1143/jjap.46.3126

[9] Lee GB, Hung CI, Ke BJ, Huang GR, Hwei BH, and Lai Hui-Fang, Hydrodynamic focusing for a micromachined flow cytometer, J Fluids Engineering 123(2001) 672-679.

DOI: 10.1115/1.1385514

[10] Weigl BH, Bardell R, Schulte T, Battrell F and Hayenga J, Design and rapid prototyping of thin-film laminate-based microfluidic devices, Biomed Microdevices. 3(2001) 267-274.

DOI: 10.1023/a:1012448412811

[11] Yang AS, Hsieh WH, Hydrodynamic focusing investigation in a micro-flow cytometer, Biomed Microdevices, 9(2007) 113-122.

DOI: 10.1007/s10544-006-9003-9

[12] Ateya DA, Erickson JS, Howell PB Jr, Hilliard LR, Golden JP, Ligler FS, The good, the bad, and the tiny: a review of microflow cytometry, Anal Bioanal Chem. 391(2008) 1485-1498.

DOI: 10.1007/s00216-007-1827-5

[13] Goranovic G, Perch-Nielsen I, Larsen UD, Wolff A, Kutter J and Telleman P, Three-Dimensional Single Step Flow Sheathing in Micro Cell Sorters, Proceedings of MSM Conference. (2001) pp.242-245.

[14] Lin CH, Lee GB, Fu LM, and Hwey BH, Vertical focusing device utilizing dielectrophoretic force and its application on mocroflow cytometer, J. Microelectromech. Syst. 13 (2004) 923-932.

DOI: 10.1109/jmems.2004.838352

[15] Yang R, Feeback DL, Wang W, Microfabrication and test of a three-dimensional polymer hydro-focusing unit for flow cytometry applications, Sens. Actuat. A. 118(2005) 259-267.

DOI: 10.1016/j.sna.2004.09.001

[16] Hairer G, Pärr GS, Svasek P, Jachimowicz A, and Vellekoop MJ, Investigations of micrometer sample stream profiles in a three-dimensional hydrodynamic focusing device, Sens. Actuat. B. 132 (2008) 518-524.

DOI: 10.1016/j.snb.2007.11.018

[17] Mao X, Lin SC, Dong C, and Huang TJ, Single-layer planar on-chip flow cytometer using microfluidic drifting based three-dimensional (3D) hydrodynamic focusing, Lab Chip. 9 (2009) 1583-1589.

DOI: 10.1039/b820138b

[18] Wang Y, Wang J, Chen H, Zhu Z, and Wang B, Prototype of a novel micro-machined cytometer and its 3D hydrodynamic focusing properties, Microsyst. Technol. 18(2012) 1991-(1997).

DOI: 10.1007/s00542-012-1525-x

Figure 1. The push barge model in 1:20 geometrical scale during field experiments.

Experimental Method for the Measurements and Numerical Investigations of Force Generated on the Rotating Cylinder under Water Flow

by Teresa Abramowicz-Gerigk 1,*,Zbigniew Burciu 1,Jacek Jachowski 1,Oskar Kreft 2,Dawid Majewski 3,Barbara Stachurska 3,Wojciech Sulisz 3 andPiotr Szmytkiewicz 3

1Faculty of Navigation, Gdynia Maritime University, 81-225 Gdynia, Poland
2AREX Ltd., 81-212 Gdynia, Poland
3Institute of Hydro-Engineering of Polish Academy of Sciences, 80-328 Gdansk, Poland
*Author to whom correspondence should be addressed.
Academic Editor: Remco J. WiegerinkSensors202121(6), 2216; https://doi.org/10.3390/s21062216
Received: 20 January 2021 / Revised: 9 March 2021 / Accepted: 18 March 2021 / Published: 22 March 2021(This article belongs to the Special Issue Sensing in Flow Analysis)

Abstract

본 논문은 자유 표면 효과를 포함한 균일한 흐름 하에서 회전하는 실린더 (로터)에 발생하는 유체 역학적 힘의 실험 테스트 설정 및 측정 방법을 제시합니다. 실험 테스트 설정은 고급 유량 생성 및 측정 시스템을 갖춘 수로 탱크에 설치된 고유 한 구조였습니다.

테스트 설정은 로터 드라이브가 있는 베어링 장착 플랫폼과 유체 역학적 힘을 측정하는 센서로 구성되었습니다. 낮은 길이 대 직경 비율 실린더는 얕은 흘수 강 바지선의 선수 로터 방향타 모델로 선택되었습니다. 로터 역학은 최대 550rpm의 회전 속도와 최대 0.85m / s의 수류 속도에 대해 테스트되었습니다.

실린더의 낮은 종횡비와 자유 표면 효과는 생성 된 유체 역학적 힘에 영향을 미치는 현상에 상당한 영향을 미쳤습니다. 회전자 길이 대 직경 비율, 회전 속도 대 유속 비율 및 양력에 대한 레이놀즈 수의 영향을 분석했습니다. 실험 결과에 대한 계산 모델의 유효성이 표시됩니다. 결과는 시뮬레이션 및 실험에 대한 결과의 유사한 경향을 보여줍니다.

The paper presents the experimental test setup and measurement method of hydrodynamic force generated on the rotating cylinder (rotor) under uniform flow including the free surface effect. The experimental test setup was a unique construction installed in the flume tank equipped with advanced flow generating and measuring systems.

The test setup consisted of a bearing mounted platform with rotor drive and sensors measuring the hydrodynamic force. The low length to diameter ratio cylinders were selected as models of bow rotor rudders of a shallow draft river barge. The rotor dynamics was tested for the rotational speeds up to 550 rpm and water current velocity up to 0.85 m/s. The low aspect ratio of the cylinder and free surface effect had significant impacts on the phenomena influencing the generated hydrodynamic force. The effects of the rotor length to diameter ratio, rotational velocity to flow velocity ratio, and the Reynolds number on the lift force were analyzed. The validation of the computational model against experimental results is presented. The results show a similar trend of results for the simulation and experiment.

Keywords: rotating cylinderforce sensor with built-in amplifierstrain gauge sensorCFD analysis

Figure 1. The push barge model in 1:20 geometrical scale during field experiments.
Figure 1. The push barge model in 1:20 geometrical scale during field experiments.
Figure 2. Scheme of the measurement area.
Figure 2. Scheme of the measurement area.
Figure 3. The force measuring part of the experimental test setup: (a) side view: 1—bearing-mounted platform, 2—drive system, 3—cylinder, 4—support frame, 5—force sensors, and 6—adjusting screw; (b) top view.
Figure 3. The force measuring part of the experimental test setup: (a) side view: 1—bearing-mounted platform, 2—drive system, 3—cylinder, 4—support frame, 5—force sensors, and 6—adjusting screw; (b) top view.
Figure 4. Location of the rotor, rotor drive, and supporting frame in the wave flume.
Figure 4. Location of the rotor, rotor drive, and supporting frame in the wave flume.
Figure 5. Lift force obtained from the measurements in the wave flume for different flow velocities and cylinder diameters.
Figure 5. Lift force obtained from the measurements in the wave flume for different flow velocities and cylinder diameters.
Figure 6. Variation of the lift coefficient with rotation rate for various free stream velocities and various cylinder diameters—experimental results.
Figure 6. Variation of the lift coefficient with rotation rate for various free stream velocities and various cylinder diameters—experimental results.
Figure 7. Boundary conditions for rotor-generated flow field simulation—computing domain with free surface level.
Figure 7. Boundary conditions for rotor-generated flow field simulation—computing domain with free surface level.
Figure 8. General view and the close-up of the rotor wall sector applied for the rotor simulation.
Figure 8. General view and the close-up of the rotor wall sector applied for the rotor simulation.
Figure 9. Structured mesh used in FLOW-3D and the FAVORTM technique—the original shape of the rotor and the shape of the object after FAVOR discretization technique for 3 mesh densities.
Figure 9. Structured mesh used in FLOW-3D and the FAVORTM technique—the original shape of the rotor and the shape of the object after FAVOR discretization technique for 3 mesh densities.
Figure 10. Parameter y+ for the studied turbulence models and meshes.
Figure 10. Parameter y+ for the studied turbulence models and meshes.
Figure 11. Results of numerical computations in time for the cylinder with D2 diameter at 500 rpm rotational speed and current speed V = 0.82 m/s using LES model in dependence of mesh density: (a) FX and (b) FY
Figure 11. Results of numerical computations in time for the cylinder with D2 diameter at 500 rpm rotational speed and current speed V = 0.82 m/s using LES model in dependence of mesh density: (a) FX and (b) FY
Figure 12. Results of 3D flow simulation for V = 0.40 m/s: (a) perspective view of velocity field on the free surface, (b) top view of velocity field on the free surface, (c) velocity field in the horizontal plane at half-length section of the rotor, and (d) velocity field in the rotor symmetry plane.
Figure 12. Results of 3D flow simulation for V = 0.40 m/s: (a) perspective view of velocity field on the free surface, (b) top view of velocity field on the free surface, (c) velocity field in the horizontal plane at half-length section of the rotor, and (d) velocity field in the rotor symmetry plane.
Figure 13. Results of 3D flow simulation for V = 0.50 m/s: (a) perspective view of velocity field on the free surface, (b) top view of velocity field on the free surface, (c) velocity field in the horizontal plane at half-length section of the rotor, and (d) velocity field in the rotor symmetry plane.
Figure 13. Results of 3D flow simulation for V = 0.50 m/s: (a) perspective view of velocity field on the free surface, (b) top view of velocity field on the free surface, (c) velocity field in the horizontal plane at half-length section of the rotor, and (d) velocity field in the rotor symmetry plane.
Figure 14. Results of 3D flow simulation for V = 0.82 m/s: (a) perspective view of velocity field on the free surface, (b) top view of velocity field on the free surface, (c) velocity field in the horizontal plane at half-length section of the rotor, and (d) velocity field in the rotor symmetry plane.
Figure 14. Results of 3D flow simulation for V = 0.82 m/s: (a) perspective view of velocity field on the free surface, (b) top view of velocity field on the free surface, (c) velocity field in the horizontal plane at half-length section of the rotor, and (d) velocity field in the rotor symmetry plane.
Figure 15. Flow chart of validation of the computational model against experimental results.
Figure 15. Flow chart of validation of the computational model against experimental results.
Figure 16. Measured (EXP) and computed (CFD) lift force values.
Figure 16. Measured (EXP) and computed (CFD) lift force values.

결론

결론은 다음과 같습니다.
계산 결과가 일반적으로 실험 데이터와 일치하는 경우 계산 결과는 검증 된 것으로 간주되며 추가 예측에 사용할 수 있습니다. 검증 실험을 통해 메쉬 밀도와 난류 모델을 결정할 수있었습니다.
작은 전류 속도 0.4m / s 및 0.5m / s에서 직경 D3의 로터에 대해 계산 된 양력 값은 회전 속도가 200rpm 이상일 때의 실험 값과 달랐습니다. 그 이유는 실험 중에 관찰 된 강한 진동과 수치 시뮬레이션에서 모델링되지 않은 유동 분리 때문이었습니다.
D2 직경을 가진 로터의 경우 작은 rpm에서 양력의 반대 부호가 관찰되었습니다. 이 현상은 시뮬레이션 중에 관찰되지 않았습니다.
제시된 실험 테스트 설정은 드라이브,지지 구조물 및 측정 장치에 손상을 주지 않고 진동을 포함한 모든 현상을 관찰 할 수 있도록 구성되었습니다. Wang et al. [14]는 동일한 α 값에서 실린더 종횡비가 증가함에 따라 와류 유발 진동이 증가하는 것을 관찰했습니다.
실험의 원활한 진행은 장치 손상 가능성과 함께 약 4의 α에 영향을 미쳤습니다. 본 연구에서는 α = 4.8에서 시작하는 가장 큰 직경의 실린더에서 가장 강한 진동이 관찰되었습니다.
제시된 연구는 로터 생성 흐름의 능동적 제어에 대한 추가 연구의 첫 번째 부분으로 유체 역학적 힘의 신뢰할 수 있는 실험적 예측 방법을 설명했습니다 [22]. , 바람, 파도 [23].
논문의 참신함은 저상 실린더에 대해 회 전자에서 생성 된 유체 역학적 힘을 모델링 할 수있는 가능성에 대한 조사입니다.
이 방법의 주요 장점은 자유 표면 효과 및 유동 유도 회 전자 진동과 관련된 현상을 포함하여 회 전자 생성 유동장 및 유체 역학적 힘을 관찰 할 수 있다는 것입니다. 제안 된 테스트 설정 구성은 유체 역학적 힘의 매개 변수 연구, 스케일 효과 조사 및 낮은 전류 속도와 큰 회전 속도에서 큰 불일치가 확인 된 CFD 시뮬레이션 모델의 검증에 사용될 것입니다.

References

  1. Abramowicz-Gerigk, T.; Burciu, Z.; Jachowski, J. An Innovative Steering System for a River Push Barge Operated in Environmentally Sensitive Areas. Pol. Marit. Res. 201724, 27–34. [Google Scholar] [CrossRef]
  2. Abramowicz-Gerigk, T.; Burciu, Z.; Krata, P.; Jachowski, J. Steering system for a waterborne inland unit. Patent 420664, 2017. [Google Scholar]
  3. Abramowicz-Gerigk, T.; Burciu, Z.; Jachowski, J. Parametric study on the flow field generated by river barge bow steering systems. Sci. J. Marit. Univ. Szczec. 201960, 9–17. [Google Scholar]
  4. Gerigk, M.; Wójtowicz, S. An Integrated Model of Motion, Steering, Positioning and Stabilization of an Unmanned Autonomous Maritime Vehicle. TransnavInt. J. Mar. Navig. Saf. Sea Transp. 20159, 591–596. [Google Scholar] [CrossRef]
  5. Thouault, N.; Breitsamter, C.; Adams, N.A.; Seifert, J.; Badalamenti, C.; Prince, S.A. Numerical Analysis of a Rotating Cylinder with Spanwise Disks. AIAA J. 201250, 271–283. [Google Scholar] [CrossRef]
  6. Badr, H.M.; Coutanceau, M.; Dennis, S.C.R.; Menard, C. Unsteady flow past a rotating circular cylinder at Reynolds numbers 10 3 and 10 4. J. Fluid Mech. 1990220, 459. [Google Scholar] [CrossRef]
  7. Karabelas, S.; Koumroglou, B.; Argyropoulos, C.; Markatos, N. High Reynolds number turbulent flow past a rotating cylinder. Appl. Math. Model. 201236, 379–398. [Google Scholar] [CrossRef]
  8. Chen, W.; Rheem, C.-K. Experimental investigation of rotating cylinders in flow. J. Mar. Sci. Technol. 201924, 111–122. [Google Scholar] [CrossRef]
  9. Zhou, B.; Wang, X.; Guo, W.; Gho, W.M.; Tan, S.K. Experimental study on flow past a circular cylinder with rough surface. Ocean Eng. 2015109, 7–13. [Google Scholar] [CrossRef]
  10. Tokumaru, P.T.; Dimotakis, P.E. The lift of a cylinder executing rotary motions in a uniform flow. J. Fluid Mech. 1993255, 1–10. [Google Scholar] [CrossRef]
  11. Wong, K.W.L.; Zhao, J.; Jacono, D.L.; Thompson, M.C.; Sheridan, J. Experimental investigation of flow-induced vibration of a rotating circular cylinder. J. Fluid Mech. 2017829, 486–511. [Google Scholar] [CrossRef]
  12. Bourguet, R.; Jacono, D.L. Flow-induced vibrations of a rotating cylinder. J. Fluid Mech. 2014740, 342–380. [Google Scholar] [CrossRef]
  13. Carstensen, S.; Mandviwalla, X.; Vita, L.; Schmidt, P. Lift of a Rotating Circular Cylinder in Unsteady Flows. J. Ocean Wind Energy 20141, 41–49. Available online: http://www.isope.org/publications (accessed on 15 January 2021).
  14. Wang, W.; Wang, Y.; Zhao, D.; Pang, Y.; Guo, C.; Wang, Y. Numerical and Experimental Analysis of the Hydrodynamic Performance of a Three-Dimensional Finite-Length Rotating Cylinder. J. Mar. Sci. Appl. 202019, 388–397. [Google Scholar] [CrossRef]
  15. Mobini, K.; Niazi, M. Simulation of unsteady flow around a rotating circular cylinder at various Reynolds numbers. JMEUT 201746, 249–257. Available online: https://www.researchgate.net/publication/323447030_Simulation_of_Unsteady_Flow_Around_a_Rotating_Circular_Cylinder_at_Various_Reynolds_Numbers (accessed on 15 January 2021).
  16. Babarit, A.; Delvoye, S.; Arnal, V.; Davoust, L.; Wackers, J. Wave and Current Generation in Wave Flumes Using Axial-Flow Pumps. In Proceedings of the 36th International Conference on Ocean, Offshore and Artic Engineering (OMAE2017), Trondheim, Norway, 25–30 June 2017; pp. 1–10. [Google Scholar] [CrossRef]
  17. Nortek Manuals. The Comprehensive Manual for Velocimeters. 2018. Available online: https://support.nortekgroup.com/hc/en-us/articles/360029839351-The-Comprehensive-Manual-Velocimeters (accessed on 15 January 2021).
  18. Stachurska, B.; Majewski, D. Propagation of Surface waves under currents—Analysis of measurements in wave flume of IBW PAN. IMiG 20144, 280–290. [Google Scholar]
  19. Lohrmann, A.; Cabrera, R.; Kraus, N. Acoustic-Doppler Velocimeter (ADV) for laboratory use. In Fundamentals and Advancements in Hydraulic Measuremensts and Experimentation; Buffalo: New York, NY, USA, 1994. [Google Scholar]
  20. Stachurska, B.; Majewski, D. Experimental Measurements of Current Velocity in Wave Flume of IBW PAN; Internal Report; Institute of Hydro-Engineering of Polish Academy of Sciences: Gdańsk, Poland, 2013. (In Polish) [Google Scholar]
  21. FLOW-3D. Available online: https://www.flow3d.com/ (accessed on 15 January 2021).
  22. He, J.W.; Glowinski, R.; Metcalfe, R.; Nordlander, A.; Periaux, J. Active control and drag optimization for flow past a circular cylinder: Oscillatory cylinder rotation. J. Comput. Phys. 2000163, 83–117. [Google Scholar] [CrossRef]
  23. Lebkowski, A. Analysis of the Use of Electric Drive Systems for Crew Transfer Vessels Servicing Offshore Wind Farms. Energies 202013, 1466. [Google Scholar] [CrossRef]
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).

Continuous-Flow Separation of Magnetic Particles from Biofluids: How Does the Microdevice Geometry Determine the Separation Performance?

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.
Sensors 202020(11), 3030; https://doi.org/10.3390/s20113030
Received: 16 April 2020 / Revised: 21 May 2020 / Accepted: 25 May 2020 / Published: 27 May 2020
(This article belongs to the Special Issue Lab-on-a-Chip and Microfluidic Sensors)

Abstract

The use of functionalized magnetic particles for the detection or separation of multiple chemicals and biomolecules from biofluids continues to attract significant attention. After their incubation with the targeted substances, the beads can be magnetically recovered to perform analysis or diagnostic tests. Particle recovery with permanent magnets in continuous-flow microdevices has gathered great attention in the last decade due to the multiple advantages of microfluidics. As such, great efforts have been made to determine the magnetic and fluidic conditions for achieving complete particle capture; however, less attention has been paid to the effect of the channel geometry on the system performance, although it is key for designing systems that simultaneously provide high particle recovery and flow rates. Herein, we address the optimization of Y-Y-shaped microchannels, where magnetic beads are separated from blood and collected into a buffer stream by applying an external magnetic field. The influence of several geometrical features (namely cross section shape, thickness, length, and volume) on both bead recovery and system throughput is studied. For that purpose, we employ an experimentally validated Computational Fluid Dynamics (CFD) numerical model that considers the dominant forces acting on the beads during separation. Our results indicate that rectangular, long devices display the best performance as they deliver high particle recovery and high throughput. Thus, this methodology could be applied to the rational design of lab-on-a-chip devices for any magnetically driven purification, enrichment or isolation.

Keywords: particle magnetophoresisCFDcross sectionchip fabrication

Korea Abstract

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 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 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 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 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 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 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.
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

  1. 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. 2017172, 16–31. [Google Scholar] [CrossRef]
  2. Wise, N.; Grob, T.; Morten, K.; Thompson, I.; Sheard, S. Magnetophoretic velocities of superparamagnetic particles, agglomerates and complexes. J. Magn. Magn. Mater. 2015384, 328–334. [Google Scholar] [CrossRef]
  3. Khashan, S.A.; Elnajjar, E.; Haik, Y. CFD simulation of the magnetophoretic separation in a microchannel. J. Magn. Magn. Mater. 2011323, 2960–2967. [Google Scholar] [CrossRef]
  4. 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. 2014125, 311–318. [Google Scholar] [CrossRef]
  5. Furlani, E.P. Magnetic biotransport: Analysis and applications. Materials 20103, 2412–2446. [Google Scholar] [CrossRef]
  6. 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. 201647, 241–246. [Google Scholar]
  7. 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]
  8. Ruffert, C. Magnetic bead-magic bullet. Micromachines 20167, 21. [Google Scholar] [CrossRef]
  9. Yáñez-Sedeño, P.; Campuzano, S.; Pingarrón, J.M. Magnetic particles coupled to disposable screen printed transducers for electrochemical biosensing. Sensors 201616, 1585. [Google Scholar] [CrossRef]
  10. Schrittwieser, S.; Pelaz, B.; Parak, W.J.; Lentijo-Mozo, S.; Soulantica, K.; Dieckhoff, J.; Ludwig, F.; Guenther, A.; Tschöpe, A.; Schotter, J. Homogeneous biosensing based on magnetic particle labels. Sensors 201616, 828. [Google Scholar] [CrossRef]
  11. 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. 2014101, 84–101. [Google Scholar] [CrossRef]
  12. 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. 20181, 512–521. [Google Scholar] [CrossRef]
  13. 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. 2018344, 487–497. [Google Scholar] [CrossRef]
  14. Gale, B.K.; Jafek, A.R.; Lambert, C.J.; Goenner, B.L.; Moghimifam, H.; Nze, U.C.; Kamarapu, S.K. A review of current methods in microfluidic device fabrication and future commercialization prospects. Inventions 20183, 60. [Google Scholar] [CrossRef]
  15. Nanobiotechnology; Concepts, Applications and Perspectives; Niemeyer, C.M.; Mirkin, C.A. (Eds.) Wiley-VCH: Weinheim, Germany, 2004; ISBN 3527305068. [Google Scholar]
  16. Khashan, S.A.; Dagher, S.; Alazzam, A.; Mathew, B.; Hilal-Alnaqbi, A. Microdevice for continuous flow magnetic separation for bioengineering applications. J. Micromech. Microeng. 201727, 055016. [Google Scholar] [CrossRef]
  17. Basauri, A.; Gomez-Pastora, J.; Fallanza, M.; Bringas, E.; Ortiz, I. Predictive model for the design of reactive micro-separations. Sep. Purif. Technol. 2019209, 900–907. [Google Scholar] [CrossRef]
  18. 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. 2020231, 115875. [Google Scholar] [CrossRef]
  19. 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]
  20. Pamme, N. Magnetism and microfluidics. Lab Chip 20066, 24–38. [Google Scholar] [CrossRef]
  21. Gómez-Pastora, J.; Amiri Roodan, V.; Karampelas, I.H.; Alorabi, A.Q.; Tarn, M.D.; Iles, A.; Bringas, E.; Paunov, V.N.; Pamme, N.; Furlani, E.P.; et al. Two-step numerical approach to predict ferrofluid droplet generation and manipulation inside multilaminar flow chambers. J. Phys. Chem. C 2019123, 10065–10080. [Google Scholar] [CrossRef]
  22. 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. 20199, 7265. [Google Scholar] [CrossRef]
  23. 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]
  24. 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. 201486, 10552–10559. [Google Scholar] [CrossRef]
  25. Wu, X.; Wu, H.; Hu, Y. Enhancement of separation efficiency on continuous magnetophoresis by utilizing L/T-shaped microchannels. Microfluid. Nanofluid. 201111, 11–24. [Google Scholar] [CrossRef]
  26. 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. 201213, 625–635. [Google Scholar] [CrossRef]
  27. Gómez-Pastora, J.; González-Fernández, C.; Real, E.; Iles, A.; Bringas, E.; Furlani, E.P.; Ortiz, I. Computational modeling and fluorescence microscopy characterization of a two-phase magnetophoretic microsystem for continuous-flow blood detoxification. Lab Chip 201818, 1593–1606. [Google Scholar] [CrossRef] [PubMed]
  28. Forbes, T.P.; Forry, S.P. Microfluidic magnetophoretic separations of immunomagnetically labeled rare mammalian cells. Lab Chip 201212, 1471–1479. [Google Scholar] [CrossRef]
  29. 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. 2008320, 1398–1405. [Google Scholar] [CrossRef]
  30. Plouffe, B.D.; Lewis, L.H.; Murthy, S.K. Computational design optimization for microfluidic magnetophoresis. Biomicrofluidics 20115, 013413. [Google Scholar] [CrossRef] [PubMed]
  31. Hale, C.; Darabi, J. Magnetophoretic-based microfluidic device for DNA isolation. Biomicrofluidics 20148, 044118. [Google Scholar] [CrossRef] [PubMed]
  32. Becker, H.; Gärtner, C. Polymer microfabrication methods for microfluidic analytical applications. Electrophoresis 200021, 12–26. [Google Scholar] [CrossRef]
  33. Pekas, N.; Zhang, Q.; Nannini, M.; Juncker, D. Wet-etching of structures with straight facets and adjustable taper into glass substrates. Lab Chip 201010, 494–498. [Google Scholar] [CrossRef]
  34. Wang, T.; Chen, J.; Zhou, T.; Song, L. Fabricating microstructures on glass for microfluidic chips by glass molding process. Micromachines 20189, 269. [Google Scholar] [CrossRef]
  35. 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. 2008130, 436–448. [Google Scholar] [CrossRef]
  36. Prakash, S.; Kumar, S. Fabrication of microchannels: A review. Proc. Inst. Mech. Eng. Part B J. Eng. Manuf. 2015229, 1273–1288. [Google Scholar] [CrossRef]
  37. 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]
  38. Bartlett, N.W.; Wood, R.J. Comparative analysis of fabrication methods for achieving rounded microchannels in PDMS. J. Micromech. Microeng. 201626, 115013. [Google Scholar] [CrossRef]
  39. Ng, P.F.; Lee, K.I.; Yang, M.; Fei, B. Fabrication of 3D PDMS microchannels of adjustable cross-sections via versatile gel templates. Polymers 201911, 64. [Google Scholar] [CrossRef] [PubMed]
  40. Furlani, E.P.; Sahoo, Y.; Ng, K.C.; Wortman, J.C.; Monk, T.E. A model for predicting magnetic particle capture in a microfluidic bioseparator. Biomed. Microdevices 20079, 451–463. [Google Scholar] [CrossRef]
  41. 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. 2009321, 4115–4122. [Google Scholar] [CrossRef]
  42. Furlani, E.P. Permanent Magnet and Electromechanical Devices; Materials, Analysis and Applications; Academic Press: Waltham, MA, USA, 2001. [Google Scholar]
  43. White, F.M. Viscous Fluid Flow; McGraw-Hill: New York, NY, USA, 1974. [Google Scholar]
  44. 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. 2015153, 99–107. [Google Scholar] [CrossRef]
  45. Furlani, E.J.; Furlani, E.P. A model for predicting magnetic targeting of multifunctional particles in the microvasculature. J. Magn. Magn. Mater. 2007312, 187–193. [Google Scholar] [CrossRef]
  46. Furlani, E.P.; Ng, K.C. Analytical model of magnetic nanoparticle transport and capture in the microvasculature. Phys. Rev. E 200673, 061919. [Google Scholar] [CrossRef]
  47. Eibl, R.; Eibl, D.; Pörtner, R.; Catapano, G.; Czermak, P. Cell and Tissue Reaction Engineering; Springer: Berlin/Heidelberg, Germany, 2009. [Google Scholar]
  48. 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. 2006307, 237–244. [Google Scholar] [CrossRef]
  49. Alorabi, A.Q.; Tarn, M.D.; Gómez-Pastora, J.; Bringas, E.; Ortiz, I.; Paunov, V.N.; Pamme, N. On-chip polyelectrolyte coating onto magnetic droplets-Towards continuous flow assembly of drug delivery capsules. Lab Chip 201717, 3785–3795. [Google Scholar] [CrossRef]
  50. Zhang, H.; Guo, H.; Chen, Z.; Zhang, G.; Li, Z. Application of PECVD SiC in glass micromachining. J. Micromech. Microeng. 200717, 775–780. [Google Scholar] [CrossRef]
  51. Mourzina, Y.; Steffen, A.; Offenhäusser, A. The evaporated metal masks for chemical glass etching for BioMEMS. Microsyst. Technol. 200511, 135–140. [Google Scholar] [CrossRef]
  52. Mata, A.; Fleischman, A.J.; Roy, S. Fabrication of multi-layer SU-8 microstructures. J. Micromech. Microeng. 200616, 276–284. [Google Scholar] [CrossRef]
  53. Su, N. 8 2000 Negative Tone Photoresist Formulations 2002–2025; MicroChem Corporation: Newton, MA, USA, 2002. [Google Scholar]
  54. Su, N. 8 2000 Negative Tone Photoresist Formulations 2035–2100; MicroChem Corporation: Newton, MA, USA, 2002. [Google Scholar]
  55. 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. 200634, 330–335. [Google Scholar] [CrossRef]
  56. Kazoe, Y.; Yamashiro, I.; Mawatari, K.; Kitamori, T. High-pressure acceleration of nanoliter droplets in the gas phase in a microchannel. Micromachines 20167, 142. [Google Scholar] [CrossRef]
  57. 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]
  58. Oh, K.W.; Lee, K.; Ahn, B.; Furlani, E.P. Design of pressure-driven microfluidic networks using electric circuit analogy. Lab Chip 201212, 515–545. [Google Scholar] [CrossRef]
  59. Bruus, H. Theoretical Microfluidics; Oxford University Press: New York, NY, USA, 2008; ISBN 9788578110796. [Google Scholar]
  60. Beebe, D.J.; Mensing, G.A.; Walker, G.M. Physics and applications of microfluidics in biology. Annu. Rev. Biomed. Eng. 20024, 261–286. [Google Scholar] [CrossRef] [PubMed]
  61. Yalikun, Y.; Tanaka, Y. Large-scale integration of all-glass valves on a microfluidic device. Micromachines 20167, 83. [Google Scholar] [CrossRef] [PubMed]
  62. 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).
  63. 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. 201789, 9116–9123. [Google Scholar] [CrossRef] [PubMed]
  64. Lynch, E.C. Red blood cell damage by shear stress. Biophys. J. 197212, 257–273. [Google Scholar]
  65. Paul, R.; Apel, J.; Klaus, S.; Schügner, F.; Schwindke, P.; Reul, H. Shear stress related blood damage in laminar Couette flow. Artif. Organs 200327, 517–529. [Google Scholar] [CrossRef] [PubMed]
  66. Gómez-Pastora, J.; Karampelas, I.H.; Xue, X.; Bringas, E.; Furlani, E.P.; Ortiz, I. Magnetic bead separation from flowing blood in a two-phase continuous-flow magnetophoretic microdevice: Theoretical analysis through computational fluid dynamics simulation. J. Phys. Chem. C 2017121, 7466–7477. [Google Scholar] [CrossRef]
  67. 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. 2014421, 170–177. [Google Scholar] [CrossRef] [PubMed]
  68. 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]
Fig. 1. Schematic description of the laser welding process considered in this study.

Analysis of molten pool dynamics in laser welding with beam oscillation and filler wire feeding

Won-Ik Cho, Peer Woizeschke
Bremer Institut für angewandte Strahltechnik GmbH, Klagenfurter Straße 5, Bremen 28359, Germany

Received 30 July 2020, Revised 3 October 2020, Accepted 18 October 2020, Available online 1 November 2020.

Abstract

Molten pool flow and heat transfer in a laser welding process using beam oscillation and filler wire feeding were calculated using computational fluid dynamics (CFD). There are various indirect methods used to analyze the molten pool dynamics in fusion welding. In this work, based on the simulation results, the surface fluctuation was directly measured to enable a more intuitive analysis, and then the signal was analyzed using the Fourier transform and wavelet transform in terms of the beam oscillation frequency and buttonhole formation. The 1st frequency (2 x beam oscillation frequency, the so-called chopping frequency), 2nd frequency (4 x beam oscillation frequency), and beam oscillation frequency components were the main components found. The 1st and 2nd frequency components were caused by the effect of the chopping process and lumped line energy. The beam oscillation frequency component was related to rapid, unstable molten pool behavior. The wavelet transform effectively analyzed the rapid behaviors based on the change of the frequency components over time.

Korea Abstract

빔 진동 및 필러 와이어 공급을 사용하는 레이저 용접 공정에서 용융 풀 흐름 및 열 전달은 CFD (전산 유체 역학)를 사용하여 계산되었습니다. 용융 용접에서 용융 풀 역학을 분석하는 데 사용되는 다양한 간접 방법이 있습니다.

본 연구에서는 시뮬레이션 결과를 바탕으로 보다 직관적 인 분석이 가능하도록 표면 변동을 직접 측정 한 후 빔 발진 주파수 및 버튼 홀 형성 측면에서 푸리에 변환 및 웨이블릿 변환을 사용하여 신호를 분석했습니다.

1 차 주파수 (2 x 빔 발진 주파수, 이른바 초핑 주파수), 2 차 주파수 (4 x 빔 발진 주파수) 및 빔 발진 주파수 성분이 발견 된 주요 구성 요소였습니다. 1 차 및 2 차 주파수 성분은 쵸핑 공정과 집중 라인 에너지의 영향으로 인해 발생했습니다.

빔 진동 주파수 성분은 빠르고 불안정한 용융 풀 동작과 관련이 있습니다. 웨이블릿 변환은 시간 경과에 따른 주파수 구성 요소의 변화를 기반으로 빠른 동작을 효과적으로 분석했습니다.

1 . 소개

융합 용접에서 용융 풀 역학은 용접 결함과 시각적 이음새 품질에 직접적인 영향을 미칩니다. 이러한 역학을 연구하기 위해 고속 카메라를 사용하는 직접 방법과 광학 또는 음향 신호를 사용하는 간접 방법과 같은 다양한 측정 방법을 사용하여 여러 실험 방법을 고려했습니다. 시간 도메인의 원래 신호는 특별히 주파수 도메인에서 변환 된 신호로 변환되어 용융 풀 동작에 영향을 미치는 주파수 성분을 분석합니다. Kotecki et al. (1972)는 고속 카메라를 사용하여 가스 텅스텐 아크 용접에서 용융 풀을 관찰했습니다. [1]. 그들은 120Hz 리플 DC 출력을 가진 용접 전원을 사용할 때 용융 풀 진동 주파수가 120Hz임을 보여주었습니다. 전원을 끈 후 진동 주파수는 용융 풀의 고유 주파수를 나타내는 용융 풀 크기와 관련이 있습니다. 진동은 응고 중에 용접 표면 스케일링을 생성했습니다. Zacksenhouse and Hardt (1983)는 레이저 섀도 잉 동작 측정 기술을 사용하여 가스 텅스텐 아크 용접에서 완전히 관통 된 용융 풀의 동작을 측정했습니다 [2] . 그들은 2.5mm 두께의 강판에서 6mm 풀 반경 (고정 용접)에 대해 용융 풀의 고유 주파수가 18.9Hz라는 것을 발견했습니다. Semak et al. (1995) 고속 카메라를 사용하여 레이저 스폿 용접에서 용융 풀 및 키홀 역학 조사 [3]. 그들은 깊이가 약 3mm이고 반경이 약 3mm 인 용융 풀에서 200Hz의 낮은 체적 진동 주파수를 관찰했습니다. 0.45mm Aendenroomer와 den Ouden (1998)은 강철의 펄스 가스 텅스텐 아크 용접에서 용융 풀 진동을보고했습니다 [4] . 그들은 침투 깊이에 따라 진동 모드 변화를 보였고 주파수는 50Hz에서 150Hz 사이에서 변화했습니다. 주파수는 완전히 침투 된 용융 풀에서 더 낮았습니다. Hermans와 den Ouden (1999)은 단락 가스 금속 아크 용접에서 용융 풀 진동을 분석했습니다. [5]. 그들은 용융 풀의 단락 주파수와 고유 주파수가 같을 때 부분적으로 침투 된 용융 풀의 경우 공정 안정성이 향상되었음을 보여주었습니다. Yudodibroto et al. (2004)는 가스 텅스텐 아크 용접에서 용융 풀 진동에 대한 필러 와이어의 영향을 조사했습니다 [6] . 그들은 금속 전달이 특히 부분적으로 침투 된 용융 풀에서 진동 거동을 방해한다는 것을 보여주었습니다. Geiger et al. (2009) 레이저 키홀 용접에서 발광 분석 [7]. 신호의 주파수 분석을 사용하여 용융 풀 (1.5kHz 미만)과 키홀 (약 3kHz)에 해당하는 진동 주파수 범위를 찾았습니다. Kägeler와 Schmidt (2010)는 레이저 용접에서 용융 풀 크기의 변화를 관찰하기 위해 고속 카메라를 사용했습니다 [8] . 그들은 용융 풀에서 지배적 인 저주파 진동 성분 (100Hz 미만)을 발견했습니다. Shi et al. (2015) 고속 카메라를 사용하여 펄스 가스 텅스텐 아크 용접에서 용융 풀 진동 주파수 분석 [9]. 그들은 용접 침투 깊이가 작을수록 용융 풀의 진동 빈도가 더 높다는 것을 보여주었습니다. 추출 된 진동 주파수는 완전 용입 용접의 경우 85Hz 미만 이었지만 부분 용입 용접의 경우 110Hz에서 125Hz 사이였습니다. Volpp와 Vollertsen (2016)은 레이저 키홀 역학을 분석하기 위해 광학 신호를 사용했습니다 [10] . 그들은 공간 레이저 강도 분포로 인해 0.8에서 154 kHz 사이의 고주파 범위에서 피크를 발견했습니다. 위에서 언급 한 실험적 접근법은 공정 조건, 측정 방법 및 측정 된 위치에 따라 수십 Hz에서 수십 kHz까지 광범위한 용융 풀 역학에 대한 결과를 보여 주었다는 점에 유의해야합니다.

융합 용접에서 용융 풀 역학을 연구하기 위해 분석 접근 방식도 사용되었습니다. Zacksenhouse와 Hardt (1983)는 2.5mm 두께의 강판에서 대칭형 완전 관통 용융 풀의 고유 진동수를 계산했습니다 [2] . 매스 스프링 해석 모델을 사용하여 용융 풀 반경 6mm (고정 용접)에 대해 20.4Hz (실험에서 18.9Hz)의 고유 진동수와 3mm 풀 반경 (연속 용접)에 대해 40Hz의 고유 진동수를 예측했습니다. ). Postacioglu et al. (1989)는 원통형 용융 풀과 키홀을 가정하여 레이저 용접의 용융 풀에서 키홀 진동의 고유 진동수를 계산했습니다 .. 특정 열쇠 구멍 모양의 경우 약 900Hz의 기본 주파수가 계산되었습니다. Postacioglu et al. (1991)은 또한 레이저 용접에서 용접 속도를 고려하기 위해 타원형 용융 풀의 고유 진동수를 계산했습니다 [12] . 그들은 타원형 용융 풀의 모양이 고유 진동수에 영향을 미친다는 것을 보여주었습니다. 고유 진동수는 축의 길이 비율이 낮았으며, 즉 타원의 반장 축과 반 단축의 비율이 낮았습니다. Kroos et al. (1993)은 축 대칭 용융 풀과 키홀을 가정하여 레이저 키홀 용접의 동적 거동에 대한 이론적 모델을 개발했습니다 .. 키홀 폐쇄 시간은 0.1ms였으며 안정성 분석은 약 500Hz의 주파수에서 공진과 같은 진동을 예측했습니다. Maruo와 Hirata (1993)는 완전 관통 아크 용접에서 용융 풀을 모델링했습니다 [14] . 그들은 녹은 웅덩이가 정적 타원 모양을 가지고 있다고 가정했습니다. 그들은 고유 진동수와 진동 모드 사이의 관계를 조사하고 용융 풀 크기가 감소함에 따라 고유 진동수가 증가한다는 것을 보여주었습니다. Klein et al. (1994)는 원통형 키홀 모양을 사용하여 완전 침투 레이저 용접에서 키홀 진동을 연구했습니다 [15] . 그들은 점성 감쇠로 인해 키홀 진동이 낮은 kHz 범위로 제한된다는 것을 보여주었습니다. Klein et al. (1996)은 또한 레이저 출력의 작은 변동이 강한 키홀 진동으로 이어질 수 있음을 보여주었습니다[16] . 그들은 키홀 진동의 주요 공진 주파수 범위가 500 ~ 3500Hz라는 것을 발견했습니다. Andersen et al. (1997)은 고정 가스 텅스텐 아크 용접 [17] 에서 고정 된 원통형 모양을 가정하여 용융 풀의 고유 진동수를 예측 했으며 완전 용입 용접에서 용융 풀 폭이 증가함에 따라 감소하는 것으로 나타났습니다. 3.175mm 두께의 강판의 경우 주파수는 20Hz ~ 100Hz 범위였습니다. 위에 표시된 분석 방법은 일반적으로 단순한 용융 풀 모양을 가정하고 고유 진동수를 계산했습니다. 이것은 단순한 용융 풀 모양으로 고정 용접 공정을 분석하는 데 충분하지만 대부분의 용접 사례를 설명하는 과도 용접 공정에서 용융 풀 역학 분석에는 적합하지 않습니다.

반면에 수치 접근 방식은 고온 및 강한 빛과 같은 실험적 제한없이 자세한 정보를 제공하기 때문에 용융 풀 역학을 분석하는 이점이 있습니다. 전산 유체 역학 (CFD)의 수치 시뮬레이션 기술이 발전함에 따라 용융 풀 역학 분석에 대한 많은 연구가 수행되었습니다. 실제 용융 표면 변화는 VOF (체적 부피) 방법을 사용하여 계산할 수 있습니다. Cho et al. (2010) CO 2 레이저-아크 하이브리드 용접 공정을 위한 수학적 모델 개발 [18], 구형 방울이 생성 된 금속 와이어의 용융 과정이 와이어 공급 속도와 일치한다고 가정합니다. 그들은 필러 와이어가 희석되는 용융 풀 동작을 보여주었습니다. Cho et al. (2012)는 높은 빔 품질과 높은 금속 흡수율로 인해 업계에서 널리 사용되는 디스크 레이저 키홀 용접으로 수학적 모델을 확장했습니다 [19] . 그들은 열쇠 구멍에서 레이저 광선 번들의 다중 반사를 고려하고 용융 풀에서 keyholing과 같은 빠른 표면 변화를 자세히보고했습니다. 최근 CFD 시뮬레이션은 험핑 (Otto et al., 2016 [20] ) 및 기공 (Lin et al., 2017 [21] )과 같은보다 구체적인 현상을 분석하는데도 사용되었습니다 .) 레이저 용접에서. 그러나 용융 풀 역학과 관련된 연구는 거의 수행되지 않았습니다. Ko et al. (2000)은 수치 시뮬레이션을 사용하여 가스 텅스텐 아크 용접 풀의 동적 거동을 조사했습니다 [22] . 그들은 완전히 침투 된 용융 풀이 부분적으로 침투 된 풀보다 낮은 주파수에서 진동한다는 것을 보여주었습니다. 진동은 수십 분의 1 초 내에 무시할 수있는 크기로 감쇠되었습니다. Geiger et al. (2009)는 또한 수치 시뮬레이션을 사용하여 레이저 용접에서 용융 풀 거동을 보여주었습니다 [7]. 그들은 계산 된 증발 속도를 주파수 분석에 사용하여 공정에서 나오는 빛의 실험 결과와 비교했습니다. 판금 레이저 용접에서 중요한 공간 빔 진동 및 추가 필러 재료가있는 공정에 대한 용융 풀 역학에 대한 연구도 불충분합니다. Hu et al. (2018)은 금속 전달 메커니즘을 밝히기 위해 전자빔 3D 프린팅에서 와이어 공급 모델링을 수행했습니다. 그들은 주로 열 입력에 의해 결정되는 액체 브리지 전이, 액적 전이 및 중간 전이의 세 가지 유형의 금속 전달 모드를 보여주었습니다 .. Meng et al. (2020)은 레이저 빔 용접에서 용융 풀에 필러 와이어에 의해 추가 된 추가 요소의 전자기 교반 효과를 모델링했습니다. 용가재의 연속적인 액체 브릿지 이동이 가정되었고, 그 결과 전자기 교반의 영향이 키홀 깊이에 미미한 반면 필러 와이어 혼합을 향상 시켰습니다 [24] . Cho et al. (2017) 용접 방향에 수직 인 1 차원 빔 진동과 용접 라인을 따라 공급되는 필러 와이어를 사용하여 레이저 용접을위한 시뮬레이션 모델 개발 [25]. 그들은 시뮬레이션을 사용하여 특정 용접 현상, 즉 용융 풀의 단추 구멍 형성을 보여주었습니다. Cho et al. (2018)은 다중 반사 수와 전력 흡수량의 푸리에 변환을 사용하여 주파수 영역에서 소위 쵸핑 주파수 (2 x 빔 발진 주파수) 성분을 발견했습니다 [26] . 그러나 그들은 용융 풀 역학을 분석하기 위해 간접 신호를 사용했습니다. 따라서보다 직관적 인 분석을 위해서는 표면의 변동을 직접 측정해야합니다.

이 연구는 이전 연구에서 개발 된 레이저 용접 모델을 사용하여 3 차원 과도 CFD 시뮬레이션을 수행하여 빔 진동 및 필러 와이어 공급을 포함한 레이저 용접 공정에서 용융 풀 역학을 조사합니다. 용융 된 풀 표면의 시간적 변화는 시뮬레이션 결과에서 추출되었습니다. 추출 된 데이터는 주파수 영역뿐만 아니라 시간-주파수 영역에서도 분석되었습니다. 신호 처리를 통해 도출 된 결과는 특징적인 용융 풀 역학을 나타내며 빔 진동 주파수 및 단추 구멍 형성 측면에서 레이저 용접의 역학을 줄일 수있는 잠재력을 제공합니다.

2 . 방법론

그림 1도 1은 용접 방향에 수직 인 1 차원 빔 진동과 용접 라인을 따라 공급되는 필러 와이어를 사용하는 레이저 용접 프로세스의 개략적 설명을 보여줍니다. 1mm 두께의 알루미늄 합금 (AlSi1MgMn) 시트는 시트 표면에 초점을 맞춘 멀티 kW 파이버 레이저 (YLR-8000S, IPG Photonics, USA)를 사용하여 용접되었습니다. 시트는 에어 갭이있는 맞대기 이음으로 정렬되었습니다. 1 차원 스캐너 (ILV DC-Scanner, Ingenieurbüro für Lasertechnik + Verschleiss-Schutz (ILV), 독일)를 사용하여 레이저 빔의 1 차원 정현파 진동을 실현했습니다. 이 스캔 시스템에서 최대 진동 폭은 250Hz의 진동 주파수에서 1.4mm입니다. 오정렬에 대한 공차를 개선하기 위해 동일한 최대 너비 값이 사용되었습니다. 와이어 공급 시스템은 1을 공급했습니다. 2mm 직경의 알루미늄 합금 (AlSi5) 필러 와이어를 일정한 공급 속도로 에어 갭을 채 웁니다. 1mm 에어 갭의 경우 와이어 이송 속도는 용접 속도의 1.5 배 값으로 설정되었으며 참조 실험 조건은 문헌에서 얻었습니다 (Schultz, 2015 참조).[27] ).

그림 1

CFD 시뮬레이션은 레이저 용접에서 열 전달 및 용융 풀 동작을 계산하기 위해 수행되었습니다. 그림 2 는 CFD 시뮬레이션을위한 계산 영역을 보여줍니다. 실온에서 1.2mm 직경의 필러 와이어가 공급되고 레이저 빔이 진동했습니다. 1mm 두께의 공작물이 용접 속도로 왼쪽에서 오른쪽으로 이동했습니다. 0.1mm의 최소 메쉬 크기가 도메인에서 생성되었습니다. 침투 깊이가 더 깊은 이전 연구의 메쉬 테스트 결과는 0.2mm 이하의 메쉬 크기로 시뮬레이션 정확도가 확보 된 것으로 나타 났으므로 [28] 본 연구에서 사용 된 메쉬 크기가 적절할 수 있습니다. 도메인을 구성하는 세포의 수는 약 120 만 개였습니다. 1 번 테이블사용 된 레이저 용접 매개 변수를 보여줍니다. 용융 풀 역학 측면에서 다양한 진동 주파수와 에어 갭 크기가 고려되었으며 12 개의 용접 사례가 표 2 에 나와 있습니다. 표 3 은 시뮬레이션에 사용 된 알루미늄 합금과 순수 알루미늄 (Cho et al., 2018 [26] )의 표면 장력 계수를 제외하고 온도와 무관 한 열-물리적 재료 특성을 보여줍니다 . 여기서 표면 장력 계수는 액체 온도에서 온도와 표면 장력 계수 사이의 선형 관계를 가진 유일한 온도 의존적 ​​특성이었습니다.

그림 2

표 1 . . 레이저 용접 매개 변수.

레이저 용접 매개 변수
레이저 빔 파워3.0kW
빔 허리 반경50µm *
용접 속도6.0m / 분
와이어 공급 속도9.0m / 분
빔 진동 폭1.4mm
빔 진동 주파수100Hz, 150Hz, 200Hz, 250Hz
에어 갭 크기0.8mm, 0.9mm, 1.0mm, 1.1mm

반경은 1.07μm의 파장, 4.2mm • mrad의 빔 품질, 시준 초점 거리 및 초점 렌즈 200mm, 광섬유 직경 100μm의 원형 빔을 가정하여 계산되었습니다.

표 2 . 이 연구에서 고려한 용접 사례.

에어 갭 크기 [mm]진동 주파수 [Hz]
100150200250
0.9사례 1엑스엑스엑스
1.0사례 2사례 4사례 7사례 10
1.1사례 3사례 5사례 8사례 11
1.2엑스사례 6사례 912면

표 3 . 시뮬레이션에 사용 된 열 물리적 재료 특성 (Cho et al., 2018 [26] ).

특성상징
밀도ρ2700kg / m3
열 전도성케이1.7×102Wm K
점도ν1.15×10−삼kg / ms
표면 장력 계수 티엘*γ엘0.871 J / m2
표면 장력 온도 구배 *−1.55×10−4J / m 2 K
표면 장력 계수γγ엘−ㅏ(티−티엘)
비열8.5×102J / kg K
융합 잠열h에스엘3.36×105J / kg
기화 잠열 *hV1.05×107J / kg
Solidus 온도티에스847K
Liquidus 온도티엘905K
끓는점 *티비2743K

순수한 알루미늄.

시뮬레이션을 위해 단상 뉴턴 유체와 비압축성 층류가 가정되었습니다. 질량, 운동량 및 에너지 보존의 지배 방정식을 해결하여 계산 영역에서 속도, 압력 및 온도 분포를 얻었습니다. VOF 방법은 자유 표면 경계를 찾는 데 사용되었습니다. 스칼라 보존 방정식을 추가로 도입하여 용융 풀에서 충전재의 부피 분율을 계산했습니다. 시뮬레이션에 사용 된 레이저 용접의 수학적 모델은 다음과 같습니다. 레이저 빔은 가우스와 같은 전력 밀도 분포를 기반으로 697 개의 광선 에너지 번들로 나뉩니다. 광선 추적 방법을 사용하여 다중 반사를 고려했습니다. 재료에 대한 레이저 빔의 반사 (또는 흡수) 에너지는 프레 넬 반사 모델을 사용하여 계산되었습니다. 온도에 따른 흡수율의 변화를 고려 하였다. 혼합물의 흡수율은베이스 및 충전제 물질 분획의 가중 평균을 사용하여 계산되었습니다. 반동 압력과 부력도 고려되었습니다. 경계 조건으로 에너지와 압력의 균형은 VOF 방법으로 계산 된 자유 표면에서 고려되었습니다. 레이저 용접 모델과 지배 방정식은 FLOW-3D v.11.2 (2017), Flow Science, Inc.에서 유한 차분 방법과 유한 체적 방법을 사용하여 이산화되고 해결되었습니다. 경계 조건으로 에너지와 압력의 균형은 VOF 방법으로 계산 된 자유 표면에서 고려되었습니다. 레이저 용접 모델과 지배 방정식은 FLOW-3D v.11.2 (2017), Flow Science, Inc.에서 유한 차분 방법과 유한 체적 방법을 사용하여 이산화되고 해결되었습니다. 경계 조건으로 에너지와 압력의 균형은 VOF 방법으로 계산 된 자유 표면에서 고려되었습니다. 레이저 용접 모델과 지배 방정식은 FLOW-3D v.11.2 (2017), Flow Science, Inc.에서 유한 차분 방법과 유한 체적 방법을 사용하여 이산화되고 해결되었습니다.[29] . 계산에는 48GB RAM이 장착 된 Intel® Xeon® 프로세서 E5649로 구성된 워크 스테이션이 사용되었습니다. 계산 시스템을 사용하여 0.2 초 레이저 용접을 시뮬레이션하는 데 약 18 시간이 걸렸습니다. 지배 방정식 (Cho and Woizeschke, 2020 [30] ) 및 레이저 용접 모델 (Cho et al., 2018 [26] )에 대한 자세한 설명은 부록 A 에서 확인할 수 있습니다 .

그림 3 은 용융 풀 변동의 직접 측정에 대한 개략적 설명을 보여줍니다. 용융 풀의 역학을 분석하기 위해 시뮬레이션 중에 용융 풀 표면의 시간적 변동 운동을 측정했습니다. 상단 및 하단 표면 모두에서 10kHz의 샘플링 주파수로 변동을 측정 한 반면, 측정 위치는 X 축의 레이저 빔 위치에서 2mm 떨어진 용접 중심선에있었습니다. 그림 4시간 신호를 분석하는 데 사용되는 푸리에 변환 및 웨이블릿 변환의 개략적 설명을 보여줍니다. 측정 된 시간 신호는 고속 푸리에 변환 (FFT) 방법을 사용하여 주파수 영역으로 변환되었습니다. 결과는 측정 기간 동안 평균화 된 주파수 성분의 크기를 보여줍니다. 웨이블릿 변환 방법은 시간-주파수 영역에서 국부적 인 특성을 찾는 데 사용되었습니다. 결과는 주파수 구성 요소의 크기뿐만 아니라 시간 변화도 보여줍니다.

그림 3
그림 4

3 . 결과

이 연구 에서는 표 2에 표시된 12 가지 용접 사례 를 시뮬레이션했습니다. 그림 5 는 3 차원 시뮬레이션 결과를 평면도 와 바닥면으로 보여줍니다. 결과는 용융 된 풀의 거동에 따라 분류 할 수 있습니다 : 단추 구멍 형성 없음 (녹색), 안정 또는 불안정 단추 구멍 있음 (파란색), 불안정한 단추 구멍으로 인한 구멍 결함 (빨간색). 일반적인 열쇠 구멍보다 훨씬 큰 직경을 가진 단추 구멍은 레이저 용접의 특정 진동 조건에서 나타날 수 있습니다 (Vollertsen, 2016 [31]). 진동 주파수가 증가함에 따라 용접 이음 부 코스 및 스케일링 측면에서 시각적 이음새 품질이 향상되었습니다. 고주파에서 스케일링은 무시할 수있을 정도 였고 코스는 균질했습니다. 언더컷 결함의 발생도 감소했습니다. 그러나 관통 결함 부족 (case 7, case 10)이 나타났다. 에어 갭은 단추 구멍 형성에 중요했습니다. 에어 갭 크기가 증가함에 따라 단추 구멍이 더 쉽게 형성되었지만 구멍 결함으로 더 쉽게 남아 있습니다. 안정적인 단추 구멍 형성은 고려 된 공극 조건의 좁은 영역에서만 나타납니다.

그림 5

그림 6 은 시뮬레이션과 실험에서 융합 영역의 모양을 보여줍니다. 버튼 홀이없는 경우 1, 불안정한 버튼 홀 형성이있는 경우 8, 안정적인 버튼 홀 형성이있는 경우 11의 3 가지 경우에 대해 시뮬레이션 결과와 실험 결과를 비교하여 유사성을 나타냈다. 본 연구에서 고려한 용접 조건의 경우 표면 품질 결과는 Fig. 5 와 같이 큰 차이를 보였으 나 단면 융착 영역 [26] 과 형상은 큰 차이를 보이지 않았다.

그림 6

무화과. 7 과 8 은 각각 100Hz와 250Hz의 진동 주파수에서 시뮬레이션 결과를 기반으로 분석 된 용융 풀 역학과 시뮬레이션 및 실험 결과를 보여줍니다. 이전 연구에서 볼 수 있듯이 레이저 빔의 진동 주파수는 단추 구멍 형성과 밀접한 관련이 있습니다 (Cho et al., 2018 [26] 참조 ). 그림 7 (a) 및 (b)는 각각 시뮬레이션 및 실험을 기반으로 한 진동 주파수 100Hz에서 대표적인 용융 풀 동작을 보여줍니다. 완전히 관통 된 키홀 및 버튼 홀 형성은 관찰되지 않았으며 응고 후 거친 비드 표면이 남았습니다. 그림 7(c)와 (d)는 각각 윗면과 바닥면의 표면 변동에 대한 시뮬레이션 결과를 기반으로 한 용융 풀 역학 분석을 보여줍니다. 샘플링 데이터는 상단 표면이 공작물의 상단 표면 위치에서 평균적으로 변동하는 반면 하단 표면은 공작물의 하단 표면 위치에서 평균적으로 변동하는 것으로 나타났습니다. 표면 변동의 푸리에 변환 및 웨이블릿 변환 결과는 명확한 1  주파수 (2 x 빔 발진 주파수, 이른바 초핑 주파수, Cho et al., 2018 [26] 참조 ) 및 2  주파수 (4 x 빔 발진)를 보여줍니다. 주파수) 두 표면의 구성 요소, 그러나 바닥 표면과 첫 번째에 대한 결과주파수 성분이 더 강합니다. 반면 그림 8 (a)와 (b)에서 보는 바와 같이 250Hz의 진동 주파수에서 시뮬레이션과 실험 결과는 안정된 버튼 홀 형성과 응고 후 매끄러운 비드 표면을 나타냈다. 그림 8 의 샘플링 신호의 진폭은 그림 7 의 진폭 보다 작으며 푸리에 변환 및 웨이블릿 변환의 결과에서 중요한 주파수 성분이 발견되지 않았습니다.

Fi 7
그림 8

Fig. 9 는 진동 주파수 200Hz에서 시뮬레이션 결과를 바탕으로 분석 된 용융 풀 역학과 시뮬레이션 및 실험 결과를 보여준다. 이 주파수에서 Fig. 9 (a)와 (b) 에서 보는 바와 같이 , 시뮬레이션과 실험 모두에서 불안정한 buttonhole 거동이 관찰되었다. 바닥면에서 샘플링 데이터의 푸리에 변환 및 웨이블릿 변환의 결과 빔 발진 주파수 성분이 발견되었습니다.

그림 9

4 . 토론

시뮬레이션 및 실험 결과는 비드 표면 품질이 향상되고 빔 진동 주파수가 증가함에 따라 버튼 홀이 형성되는 것으로 나타났습니다. 표면의 변동 데이터에 대한 푸리에 변환 및 웨이블릿 변환의 결과에 따라 다음과 같은 주요 주파수 구성 요소가 발견되었습니다. 1  및 2 버튼 홀 형성이없는 주파수, 불안정한 용융 풀 거동이있는 빔 진동 주파수, 안정적인 버튼 홀 형성이있는 중요한 주파수 성분이 없습니다. 이들 중 불안정한 용융 풀 동작과 관련된 빔 진동 주파수 성분은 완전히 관통 된 키홀과 반복적으로 생성 및 붕괴되는 불안정한 버튼 홀의 특성으로 인해 웨이블릿 변환 결과에서 명확한 실선 형태로 나타나지 않았습니다. 분석 결과는 윗면보다 바닥면에서 더 분명했습니다. 이는 필러 와이어 공급 및 키홀 링 공정에서 강한 하향 흐름으로 인해 용융 풀 역학이 바닥 표면 영역에서 더 강했기 때문입니다. 진동 주파수가 증가함에 따라 용융 풀 역학과 상단 표면과 하단 표면 간의 차이가 감소했습니다.

첫 번째 주파수 (2 x 빔 진동 주파수)는이 연구에서 관찰 된 가장 분명한 구성 요소였습니다. Schultz et al. (2018)은 또한 실험을 통해 동일한 성분을 발견했습니다 [32] , 용융 풀 표면 운동에 대한 푸리에 분석을 수행했습니다. 첫 번째 주파수 성분은 빔 발진주기 당 두 개의 주요 이벤트가 있음을 의미합니다. 이것은 레이저 빔이 빔 진동주기 당 두 번 와이어를 절단하거나 절단하는 프로세스와 일치합니다. 용융 된 와이어 팁은 낮은 진동 주파수에서 고르지 않고 날카로운 모서리를 갖는 것으로 나타났습니다 (Cho et al., 2018 [26] ). 이것은 첫 번째 원인이 될 수 있습니다.용융 된 풀에서 지배적이되는 주파수 성분. 진동 주파수가 증가하면 용융 된 와이어 팁이 더 균일 해 지므로 효과가 감소합니다. 용접 방향으로의 정현파 횡 방향 빔 진동을 통한 에너지 집중도 빔 진동주기 당 두 번 발생합니다. 그림 10 은 발진 주파수에 따른 레이저 빔의 라인 에너지 (단위 길이 당 에너지)의 변화를 보여줍니다. 그림 10 b) 의 라인 에너지 는 레이저 출력을 공정 속도로 나누어 계산했습니다. 여기서 처리 속도는(w이자형엘디나는엔지에스피이자형이자형디)2+(디(에스나는엔유에스영형나는디ㅏ엘wㅏV이자형나는엔에프나는지.10ㅏ))디티)2. 낮은 발진 주파수에서 라인 에너지는 발진 폭의 양쪽 끝에 과도하게 집중됩니다. 이러한 집중된 에너지는 과도한 키홀 링 프로세스를 초래하므로 언더컷 결함이 나타날 수있는 높은 흐름 역학이 발생합니다. 진동 주파수가 증가함에 따라 집중 에너지는 더 작은 조각으로 나뉩니다. 따라서 높은 진동 주파수에서 과도한 키홀 링 및 수반되는 언더컷 결함의 발생이 감소되었습니다. 위에서 언급 한 두 가지 현상 (불균일 한 와이어 팁과 집중된 라인 에너지)은 빔 발진주기 당 두 번 발생하며 발진 주파수가 증가하면 그 효과가 감소합니다. 따라서 저주파 에서 2  주파수 성분 (4 x 빔 발진 주파수)이 나타나는 것은이 두 현상의 동시 작용입니다.

그림 10

두 가지 현상 중 첫 번째 주파수 에 대한 주된 효과 는 집중된 라인 에너지입니다. Cho et al. (2018)은 전력 흡수 데이터를 푸리에 변환을 사용하여 분석했을 때 1  주파수 성분이 더 우세 해졌고, 2  주파수 성분은 발진 주파수가 증가함에 따라 상대적으로 약화 되었음을 보여주었습니다 [26] . 용융 된 와이어 팁은 또한 빈도가 증가함에 따라 더욱 균일 해졌습니다. 결과는 진동 주파수의 증가가 용융 풀에 대한 와이어의 영향을 제거하는 것으로 나타났습니다. 따라서 발진 주파수가 증가함에 따라 라인 에너지 집중의 영향 만 남을 수 있습니다. 그림 10 과 같이, 집중 선 에너지가 작은 조각으로 분할되기 때문에 효과도 감소하지만 최대 값이 변경되지 않았기 때문에 여전히 효과적입니다.

빔 진동 주파수 성분은 불안정한 단추 구멍 및 열쇠 구멍 붕괴를 수반하는 불안정한 용융 풀 동작과 관련이 있습니다. 언더컷 결함이있는 케이스 8 (발진 주파수 200Hz)에서 발진 주파수 성분이 관찰되었습니다. 이것은 특히 완전히 관통 된 열쇠 구멍과 불안정한 단추 구멍에서 불안정한 용융 풀 동작을 보여주었습니다. 경우 10 (진동 주파수 250Hz)의 경우 상대적으로 건강한 비드가 형성 되었으나, 도 11 (a) 와 같이 웨이블릿 변환 결과에서 t1의 시간 간격으로 진동 주파수 성분이 관찰되었다 . 이 시간 간격 t1의 용융 풀 거동은 그림 11에 나와 있습니다.(비). 완전히 관통 된 열쇠 구멍이 즉시 무너지는 것이 분명하게 관찰되었습니다. 이것은 진동 주파수 성분이 불안정한 용융 풀 거동과 밀접한 관련이 있음을 보여줍니다. 발견 된 주파수 성분으로부터 완전히 관통 된 열쇠 구멍과 같은 불안정한 용융 풀 거동을 예측할 수 있습니다. 완전히 관통 된 키홀이 반복적으로 붕괴되기 때문에 빔 진동 주파수 성분은 그림 9 (d) 와 같이 웨이블릿 변환 결과에서 명확한 실선 형태로 보이지 않습니다 .

그림 11

Cho and Woizeschke (2020)에 따르면 단추 구멍 형성은 자체 지속 가능한 카테 노이드처럼 작용하기 때문에 용융 풀 역학을 감소시킬 수 있습니다 [30] . 그림 12 는 버튼 홀 형성 측면에서 t2의 시간 간격에서 용융 풀 거동의 변화를 보여줍니다. 단추 구멍은 t2의 간헐적 인 부분에만 형성되었습니다. 1st 이후이 시간 동안 웨이블릿 변환의 결과로 주파수 성분이 사라졌고, 버튼 홀 형성은 용융 풀 역학을 줄이는 데 효과적이었습니다. 따라서, 웨이블릿 변환의 결과로 주파수 성분이 지워지는 것을 관찰함으로써 버튼 홀 형성을 예측할 수있다. 이와 관련하여 웨이블릿 변환 기술은 시간에 따른 용융 풀 변화를 나타낼 수 있습니다. 이 기술은 향후 용융 풀 동작을 모니터링하는 데 사용될 수 있습니다.

그림 12

5 . 결론

CFD 시뮬레이션 결과를 사용하여 빔 진동 및 필러 와이어 공급을 통한 레이저 용접에서 용융 풀 역학을 분석 할 수있었습니다. 용융 풀 표면의 변동 데이터의 푸리에 변환 및 웨이블릿 변환은 여기서 용융 풀 역학을 분석하는 데 사용되었습니다. 결과는 다음과 같은 결론으로 ​​이어집니다.1.

 주파수 (2 x 빔 발진 주파수, 이른바 초핑 주파수), 2  주파수 (4 x 빔 발진 주파수) 및 빔 발진 주파수 성분은 푸리에 변환 및 웨이블릿 변환 분석에서 발견 된 주요 성분이었습니다.2.

 주파수와 2  주파수 성분 의 출현은 두 가지 사건, 즉 레이저 빔에 의한 필러 와이어의 절단 공정과 집중된 레이저 라인 에너지의 효과의 결과였습니다. 이는 빔 진동주기 당 두 번 발생했습니다. 따라서 두 번째 주파수 성분은 동시 작용으로 인해 발생했습니다. 빔 진동 주파수 성분은 불안정한 용융 풀 동작과 관련이 있습니다. 구성 요소는 열쇠 구멍과 단추 구멍의 붕괴와 함께 나타났습니다.삼.

낮은 발진 주파수에서는 1  주파수와 2  주파수 성분이 함께 나타 났지만 발진 주파수가 증가함에 따라 그 크기가 함께 감소했습니다. 집중 선 에너지는 주파수가 증가함에 따라 최대 값이 변하지 않는 반면, 잘게 잘린 선단이 평평 해져 그 효과가 사라졌기 때문에 쵸핑 프로세스보다 더 큰 영향을 미쳤습니다.4.

용융 풀 거동의 빠른 시간적 변화는 웨이블릿 변환 방법을 사용하여 분석되었습니다. 따라서이 방법은 열쇠 구멍 및 단추 구멍의 형성 및 붕괴와 같은 일시적인 용융 풀 변화를 해석하는 데 사용할 수 있습니다.

CRediT 저자 기여 성명

조원익 : 개념화, 방법론, 소프트웨어, 검증, 형식 분석, 조사, 데이터 큐 레이션, 글쓰기-원고, 글쓰기-검토 및 편집. Peer Woizeschke : 감독, 프로젝트 관리, 작문-검토 및 편집.

경쟁 관심의 선언

저자는이 논문에보고 된 작업에 영향을 미칠 수있는 경쟁적인 재정적 이해 관계 나 개인적 관계가 없다고 선언합니다.

감사의 말

이 작업은 알루미늄 합금 용접 역량 센터 (Centr-Al)에서 수행되었습니다. Deutsche Forschungsgemeinschaft (DFG, 프로젝트 번호 290705638 , “용접 풀 캐비티를 생성하여 레이저 깊은 용입 용접에서 매끄러운 이음매 표면”) 의 자금은 감사하게도 인정됩니다.

부록 A . 사용 된 지배 방정식 및 레이저 용접 모델

1 . 지배 방정식 (Cho 및 Woizeschke [ 30 ])

-대량 보존 방정식,(A1)∇·V→=미디엄˙에스ρ어디, V→속도 벡터입니다. ρ밀도이고 미디엄˙에스필러 와이어를 공급하여 질량 소스의 비율입니다. 단위미디엄에스단위 부피당 질량입니다. WFS (와이어 공급 속도) 및 필러 와이어의 직경과 같은 매스 소스 및 필러 와이어 조건,디w계산 영역에서 다음과 같은 관계가 있습니다.(A2)미디엄=∫미디엄에스디V=미디엄0+씨×ρ×W에프에스×π디w24×티어디, 미디엄총 질량, 미디엄0초기 총 질량, V볼륨입니다.씨단위 변환 계수입니다. 티시간입니다.

-운동량 보존 방정식,(A3)∂V→∂티+V→·∇V→=−1ρ∇피+ν∇2V→−케이V→+미디엄˙에스ρ(V에스→−V→)+지어디, 피압력입니다. ν동적 점도입니다. 케이뭉툭한 영역의 다공성 매체 모델에 대한 항력 계수, V에스→질량 소스에 대한 속도 벡터입니다. 지신체 힘으로 인한 신체 가속도입니다.

-에너지 절약 방정식,(A4)∂h∂티+V→·∇h=1ρ∇·(케이∇티)+h˙에스어디, h특정 엔탈피입니다. 케이열전도율, 티온도이고 h˙에스특정 엔탈피 소스로, Eq 의 질량 소스와 연관됩니다 (A1) . 계산 영역의 총 에너지,이자형다음과 같이 계산됩니다.(A5)이자형=∫미디엄에스h에스디V=∫미디엄에스씨Vw티w디V어디, 씨Vw질량 원의 비열, 티w질량 소스의 온도입니다.

또한, 엔탈피 기반 연속체 모델을 사용하여 고체-액체 상 전이를 고려했습니다.

-VOF 방정식,(A6)∂에프∂티+∇·(V→에프)=에프˙에스어디, 에프유체가 차지하는 부피 분율이며 0과 1 사이의 값을 가지며 에프˙에스질량의 소스와 연결된 유체의 체적 분율의 비율 식. (A1) . 질량 공급원에 해당하는 부피 분율은 다음에 할당됩니다.에프에스.

-스칼라 보존 방정식,(A7)∂Φ∂티+∇·(V→Φ)=Φ˙에스어디, Φ필러 와이어의 스칼라 값입니다. 셀의 유체가 전적으로 필러 와이어로 구성된 경우Φ1이고 유체에 대한 필러 와이어의 부피 분율에 따라 0과 1 사이에서 변경됩니다. Φ˙에스Eq 에서 질량 소스에 연결된 스칼라 소스의 비율입니다 (A1) . 스칼라 소스는 전적으로 필러 와이어이기 때문에 1에 할당됩니다. 확산 효과는 고려되지 않았습니다.

2 . 레이저 용접 모델 (Cho et al. [26] )

흡수율을 계산하기 위해 프레 넬 반사 모델을 사용했습니다. ㅏ=1−ρ씨재료의 표면 상에 도시 된 바와 같이 수학 식. (A8) 원 편광 빔의 경우.(A8)ㅏ=1−ρ씨=1−12(ρ에스+ρ피)어디,ρ에스=(엔1씨영형에스θ−피)2+큐2(엔1씨영형에스θ+피)2+큐2,ρ에스=(피−엔1에스나는엔θ티ㅏ엔θ)2+큐2(피+엔1에스나는엔θ티ㅏ엔θ)2+큐2,피2=12{[엔22−케이22−(엔1에스나는엔θ)2]2+2엔22케이22+[엔22−케이22−(엔1에스나는엔θ)2]},큐2=12{[엔22−케이22−(엔1에스나는엔θ)2]2+2엔22케이22−[엔22−케이22−(엔1에스나는엔θ)2]}.어디, 복잡한 인덱스 엔1과 케이1반사 지수와 공기의 흡수 지수이며 엔2과 케이2공작물을위한 것입니다. θ입사각입니다. 도시 된 바와 같이 수학 식. (A9)에서 , 혼합물의 흡수율은 식에서 얻은 모재 및 필러 와이어 분획의 가중 평균이됩니다 . (A7) .(A9)ㅏ미디엄나는엑스티유아르 자형이자형=Φㅏw나는아르 자형이자형+(1−Φ)ㅏ비ㅏ에스이자형어디, ㅏ비ㅏ에스이자형과 ㅏw나는아르 자형이자형각각 비금속과 필러 와이어의 흡수율입니다.

자유 표면 경계에서의 반동 압력 에이 싱은 Eq. (A10) .(A10)피아르 자형(티)≅0.54피에스ㅏ티(티)=0.54피0이자형엑스피(엘V티−티비아르 자형¯티티비)어디, 피에스ㅏ티포화 압력, 피0대기압입니다. 엘V기화의 잠열, 티비끓는 온도이고 아르 자형¯보편적 인 기체 상수입니다.

참고 문헌

D.J. Kotecki, D.L. Cheever, D.G. Howden
Mechanism of ripple formation during weld solidification
Weld. J., 51 (8) (1972), pp. 386s-391s
Google Scholar
[2]
M. Zacksenhouse, D.E. Hardt
Weld pool impedance identification for size measurement and control
J. Dyn. Syst. Meas. Control, 105 (3) (1983), pp. 179-184
CrossRefView Record in ScopusGoogle Scholar
[3]
V.V. Semak, J.A. Hopkins, M.H. McCay, T.D. McCay
Melt pool dynamics during laser welding
J. Phys. D, 28 (1995), pp. 2443-2450
CrossRefView Record in ScopusGoogle Scholar
[4]
A.J.R. Aendenroomer, G. den Ouden
Weld pool oscillation as a tool for penetration sensing during pulsed GTA welding
Weld. J., 77 (5) (1998), pp. 181s-187s
Google Scholar
[5]
M.J.M. Hermans, G. den Ouden
Process behavior and stability in short circuit gas metal arc welding
Weld. J., 78 (4) (1999), pp. 137-141
View Record in ScopusGoogle Scholar
[6]
B.Y.B. Yudodibroto, M.J.M. Hermans, Y. Hirata, G. den Ouden
Influence of filler wire addition on weld pool oscillation during gas tungsten arc welding
Sci. Technol. Weld. Join., 9 (2) (2004), pp. 163-168
View Record in ScopusGoogle Scholar
[7]
M. Geiger, K.-H. Leitz, H. Koch, A. Otto
A 3D transient model of keyhole and melt pool dynamics in laser beam welding applied to the joining of zinc coated sheets
Prod. Eng. Res. Dev., 3 (2009), pp. 127-136
CrossRefView Record in ScopusGoogle Scholar
[8]
C. Kägeler, M. Schmidt
Frequency-based analysis of weld pool dynamics and keyhole oscillations at laser beam welding of galvanized steel sheets
Phys. Procedia, 5 (2010), pp. 447-453
ArticleDownload PDFView Record in ScopusGoogle Scholar
[9]
Y. Shi, G. Zhang, X.J. Ma, Y.F. Gu, J.K. Huang, D. Fan
Laser-vision-based measurement and analysis of weld pool oscillation frequency in GTAW-P
Weld. J., 94 (2015), pp. 176s-187s
Google Scholar
[10]
J. Volpp, F. Vollertsen
Keyhole stability during laser welding—part I: modelling and evaluation
Prod. Eng.-Res. Dev., 10 (2016), pp. 443-457
CrossRefView Record in ScopusGoogle Scholar
[11]
N. Postacioglu, P. Kapadia, J. Dowden
Capillary waves on the weld pool in penetration welding with a laser
J. Phys. D, 22 (1989), pp. 1050-1061
CrossRefView Record in ScopusGoogle Scholar
[12]
N. Postacioglu, P. Kapadia, J. Dowden
Theory of the oscillations of an ellipsoidal weld pool in laser welding
J. Phys. D, 24 (1991), pp. 1288-1292
CrossRefView Record in ScopusGoogle Scholar
[13]
J. Kroos, U. Gratzke, M. Vicanek, G. Simon
Dynamic behaviour of the keyhole in laser welding
J. Phys. D, 26 (1993), pp. 481-486
View Record in ScopusGoogle Scholar
[14]
H. Maruo, Y. Hirata
Natural frequency and oscillation modes of weld pools. 1st Report: weld pool oscillation in full penetration welding of thin plate
Weld. Int., 7 (8) (1993), pp. 614-619
CrossRefView Record in ScopusGoogle Scholar
[15]
T. Klein, M. Vicanek, J. Kroos, I. Decker, G. Simon
Oscillations of the keyhole in penetration laser beam welding
J. Phys. D, 27 (1994), pp. 2023-2030
CrossRefView Record in ScopusGoogle Scholar
[16]
T. Klein, M. Vicanek, G. Simon
Forced oscillations of the keyhole in penetration laser beam welding
J. Phys. D, 29 (1996), pp. 322-332
View Record in ScopusGoogle Scholar
[17]
K. Andersen, G.E. Cook, R.J. Barnett, A.M. Strauss
Synchronous weld pool oscillation for monitoring and control
IEEE Trans. Ind. Appl., 33 (2) (1997), pp. 464-471
View Record in ScopusGoogle Scholar
[18]
W.-I. Cho, S.-J. Na, M.-H. Cho, J.-S. Lee
Numerical study of alloying element distribution in CO2 laser-GMA hybrid welding
Comput. Mater. Sci., 49 (2010), pp. 792-800
ArticleDownload PDFView Record in ScopusGoogle Scholar
[19]
W.-I. Cho, S.-J. Na, C. Thomy, F. Vollertsen
Numerical simulation of molten pool dynamics in high power disk laser welding
J. Mater. Process. Technol., 212 (2012), pp. 262-275
ArticleDownload PDFView Record in ScopusGoogle Scholar
[20]
A. Otto, A. Patschger, M. Seiler
Numerical and experimental investigations of humping phenomena in laser micro welding
Phys. Procedia, 83 (2016), pp. 1415-1423
ArticleDownload PDFView Record in ScopusGoogle Scholar
[21]
R. Lin, H.-P. Wang, F. Lu, J. Solomon, B.E. Carlson
Numerical study of keyhole dynamics and keyhole-induced porosity formation in remote laser welding of Al alloys
Int. J. Heat Mass Trans., 108 (2017), pp. 244-256
ArticleDownload PDFView Record in ScopusGoogle Scholar
[22]
S.H. Ko, C.D. Yoo, D.F. Farson, S.K. Choi
Mathematical modeling of the dynamic behavior of gas tungsten arc weld pools
Metall. Mater. Trans. B., 31B (2000), pp. 1465-1473
CrossRefView Record in ScopusGoogle Scholar
[23]
R. Hu, X. Chen, G. Yang, S. Gong, S. Pang
Metal transfer in wire feeding-based electron beam 3D printing: modes, dynamics, and transition criterion
Int. J. Heat Mass Transf., 126 (2018), pp. 877-887
ArticleDownload PDFView Record in ScopusGoogle Scholar
[24]
X. Meng, A. Artinov, M. Bachmann, M. Rethmeier
Theoretical study of influence of electromagnetic stirring on transport phenomena in wire feed laser beam welding
J. Laser Appl., 32 (2020), Article 022026
CrossRefGoogle Scholar
[25]
W.-I. Cho, V. Schultz, F. Vollertsen
Simulation of the buttonhole formation during laser welding with wire feeding and beam oscillation
L. Overmeyer, U. Reisgen, A. Ostendorf, M. Schmidt (Eds.), Proceedings of the Lasers in Manufacturing, German Scientific Laser Society, Munich, Germany (2017)
Google Scholar
[26]
W.-I. Cho, V. Schultz, P. Woizeschke
Numerical study of the effect of the oscillation frequency in buttonhole welding
J. Mater. Process. Technol., 261 (2018), pp. 202-212
ArticleDownload PDFView Record in ScopusGoogle Scholar
[27]
V. Schultz, T. Seefeld, F. Vollertsen
Bridging Large Air Gaps by Laser Welding with Beam Oscillation
International Conference on Application of Lasers in Manufacturing, New Delhi, India (2015), pp. 31-32
CrossRefGoogle Scholar
[28]
W.-I. Cho, S.-J. Na
Impact of wavelengths of CO2, disk, and green lasers on fusion zone shape in laser welding of steel
J. Weld. Join., 38 (3) (2020), pp. 235-240
CrossRefView Record in ScopusGoogle Scholar
[29]
FLOW-3D User Manual. 2017. Version 11.2.1.06, Flow Science Inc.
Google Scholar
[30]
W.-I. Cho, P. Woizeschke
Analysis of molten pool behavior with buttonhole formation in laser keyhole welding of sheet metal
Int. J. Heat Mass Transf., 152 (2020), Article 119528
ArticleDownload PDFView Record in ScopusGoogle Scholar
[31]
F. Vollertsen
Loopless production: definition and examples from joining
69th IIW Annual Assembly and International Conference, Melbourne, Australia (2016)
Google Scholar
[32]
V. Schultz, W.-I. Cho, A. Merkel, P. Woizeschke
Deep penetration laser welding with high seam surface quality due to buttonhole welding
Proc. of the IIW Annual Assembly, Com. IV, Bali, Indonesia (2018)
IIW-Doc. IV-1390-18

Figure 3. Flow velocity on seawall in A2-3 modeling.

Modeling of the Changes in Flow Velocity on Seawalls under Different Conditions Using FLOW-3D Software

Open Journal of Marine Science
Vol.06 No.02(2016), Article ID:65874,6 pages
10.4236/ojms.2016.62026

FLOW-3D 소프트웨어를 사용하여 다양한 조건에서 Seawalls의 흐름 속도 변경 모델링

Maryam Deilami-Tarifi1, Mehdi Behdarvandi-Askar2*, Vahid Chegini3, Sadegh Haghighi-Pour4
1Department of Coastal Engineering, Khorramshahr University of Marine Science and Technology, Khorramshahr, Iran

2Department of Marine Structures, Khorramshahr University of Marine Science and Technology, Khorramshahr, Iran
3Iran National Center for Oceanography and Atmospheric Sciences, Tehran, Iran
4Department of Civil Engineering, Excellence in Education Center of Jihad University of Khuzestan, Ahvaz, Iran
Copyright © 2016 by authors and Scientific Research Publishing Inc.
This work is licensed under the Creative Commons Attribution International License (CC BY).
http://creativecommons.org/licenses/by/4.0/

ABSTRACT

방파벽은 파도힘의 수준을 감소시키고 다른 구조물로부터 보호하기 위해 건설되는 보호 구조물 중 하나입니다. 이와 관련하여 이러한 구조에 대한 보다 정확한 조사는 다른 관점에서 매우 중요합니다. 이 연구는 다른 레이아웃과 경사면에서 장애물을 고려하여 방파제 크라운의 속도 변화를 조사합니다. FLOW-3D는 모델링을 위한 이 연구에서 사용되었습니다. 모델링의 결과는 장애물의 존재가 방파벽의 크라운의 유량을 줄이는 결정적인 역할을 한다는 것을 보여줍니다. 또한, 예상대로, 상류 방파의 경사계는 벽의 가장 낮은 속도가 D-상태 레이아웃과 45°의 경사에서 발생하므로 이 속도를 줄이는 데 매우 결정적입니다.

Keywords: 플로우 속도, 방파제 크라운, 모델링, Flow Velocity, Seawall Crown, Modeling, FLOW-3D

1. 소개

방파벽은 파도의 속도를 감소시키고 다른 구조물을 보호하기 위해 건설되는 보호 구조물 중 하나입니다. 등대는 일반적으로 방파벽에 의해 보호되는 구조 중 하나입니다. 따라서, 방파성상에 통과하는 물의 부피의 중요성 외에도, 이 구조물에 대한 크라운의 통과-흐름의 속도는 이러한 벽 뒤에 있는 구조물에 추진력과 충동을 만드는 속도 요인의 중요성 때문에 매우 중요하다. 기본적으로 업스트림 경사면에서 장애물을 생성하고 업스트림 경사의 속도는 이 속도의 양을 줄이는 데 매우 효과적일 수 있습니다. 그러나 특정 경사면에서 최적의 장애물 레이아웃에 도달하기 위해 모델링하여 이 문제를 정확하게 조사해야 합니다. 본 연구에서는, FLOW-3D의 3차원 모델이 언급된 문제점을 조사하는 데 사용된다 [1].

2. 연구 역사

여러 연구는 파도가 해양 구조물을 덮어 넘나는 데 초점을 맞추고 있습니다. 이러한 방법은 지속적으로 바다 파도로부터 해안을 보호하기 위해 구조물의 오버 토핑을 정확하게 예측했다. 2002년까지 거의 6,500건의 시험이 실시되었습니다. 일반 파도의 물리적 모델도 미국에서 수행되었습니다 [2] . 무작위 파도의 가장 완벽한 세트는 오웬에 의해 완료되었다 (1980). 오웬은 오버 토핑과 바다 벽의 높이와 오버 토핑의 정도 사이의 관계를 연구하기 위해 물리적 모델 테스트의 번호를 수행 [3] . 그는 오버 토핑의 정도는 파도 높이 및 파도 기간과 같은 환경 조건뿐만 아니라 구조 재료의 기하학 및 유형에 따라 달라지며 있음을 보여주었습니다. 이러한 요인의 조합을 조사해야 합니다. 폰 마이어와 듀발 (1992) 연구의 또 다른 시리즈를 수행 [4] .

3. 재료 및 방법

이 연구에서는 68개의 다양한 형상이 모델링용 소프트웨어에 제공되며 다음 표 1에간단히 소개됩니다. 이 68 개의 다른 기하학에는 4 개의 다른 슬로프, 4 개의 다른 레이아웃 및 4 개의 다른 장애물 높이및 장애물이없는 4 개의 상태및 다른 경사에서만 포함 [5] . 그런 다음, 이러한 서로 다른 형상 및 상태는 FLOW-3D 3차원 모델을 사용하여 동일한 조건에서 평가 및 분석됩니다.

표 1. 변수지정.

4. 숫자 모델

FLOW-3D 소프트웨어는 3차원 유동 필드 분석을 통해 유체 역학 분야에서 강력한 유압 시뮬레이터 응용 프로그램입니다. 모델에서 지배하는 방정식은 다른 유사한 모델과 마찬가지로 Navier-Stokes 방정식과 질량 방정식의 보존[6]입니다.

이 응용 프로그램의 채널을 모델링하려면 일반 조건(모든 시스템의 시뮬레이션 포함), 물리적 조건, 형상 및 모델 해결 네트워크, 출력 및 관련 옵션을 조정해야 합니다. 온도도는 시스템 단위, SI 및 온도에 대해 선택되었습니다.

물리적 인 측면에서, 소프트웨어는 현상을 지배하는 물리학의 원칙에 따라 관련 조건을 선택할 수 있습니다. 이 연구를 지배하는 물리적 조건은 중력과 점도와 난기류입니다. 이 소프트웨어의 난기류는 5 가지 모델에 의해 자극되고이 연구에 사용되는 모델은 재정상화 그룹 (RNG)이었습니다. 난기류의 이 모델에서, K-모델에서 실험적으로 계산된 상수값은 암시적으로 파생된다[7].

그 후 유체를 정의해야 합니다. 이 연구의 선택된 유체는 섭씨 20도물[ 8]이다.

다음 단계는 형상을 정의하고 시뮬레이션에서 중요한 네트워크를 해결하는 것입니다 [9]. FLOW3D를 사용하면 소프트웨어에서 사용할 수 있는 도구로 많은 유체 현상을 묘사할 수 있습니다. 채널 형상을 정의하면 네트워크를 해결해야 합니다. 소프트웨어의 정의된 해결 네트워크는 네트워크 크기, 셀 수 및 X, Y 및 Z 및 경계 조건의 세 가지 좌표에서 해당 치수를 포함한 일반(입방) 해결 네트워크의 형태입니다. 네트워크 셀 치수의 크기가 작을수록 시뮬레이션을 위한 프로그램의 기능과 정밀도가 높을수록[10]이됩니다.

5. 결과

다른 그림에서 관찰할 수 있으므로 다이어그램은 두 가지 유형으로, 먼저 그림 1-4를 포함하는 소프트웨어의 직접 출력과 다른 숫자 5-7을 변경 프로세스의 다이어그램으로 포함합니다. 그러나 그림 1-4에서는 경사면 중 하나에서 출력이 소프트웨어 출력에서 직접 가져온다는 점을 언급해야 합니다.

언급된 수치와 관련하여, 이러한 속도는 장애물없이 상태의 상류 경사면에서 최대인 반면 방파제의 상류 경사면에서 가장 높은 속도 비율이 발생한다는 것을 이해할 수 있다. 흥미로운 점은 가장 낮은 속도는 일반적으로 방파제 크라운에 존재한다는 것입니다.

그림 5-8에서 볼 수 있듯이, 상류 방파제의 모든 다른 경사 상태에서, 가장 높은 유량 속도는 10cm 높이와 가장 낮은 속도의 장애물과 관련이 있으며 50cm 높이의 장애물과 관련이 있다. 그 이유는 장애물과의 충돌로 인해 잠재적 에너지로 변환되는 유동 운동 에너지의 가치가 장애물의 높이를 증가시켜 증가하기 때문입니다. 따라서, 높이가

그림 1. A1 모델링의 방파제의 흐름 속도.

그림 2. A2-1 모델링의 방파제의 흐름 속도.

Figure 3. Flow velocity on seawall in A2-3 modeling.

그림 4. A3-1 모델링의 방파제의 흐름 속도.

그림 5. 방파제 유형 A(61° 경사)의 흐름 속도 의 변화.

그림 6. 방파제 형 B (56 ° 경사)의 흐름 속도의 변화.

그림 7. 방파제 유형 C(51° 경사)의 흐름 속도 의 변화.

그림 8. 방파제 유형 D(45° 경사)의 흐름 속도 변경입니다.

해당 유동 운동 에너지는 각 장애물에 대한 흐름의 충돌에서 잠재적 에너지의 해당 높이로 변환되며, 흐름 속도가 잠시 0이 되고 장애물을 건너면 속도가 증가한다. 장애물의 높이가 낮은 것이든, 순간적인 제로 속도 상태가 줄어들고 흐름은 더 높은 속도와 함께 계속 움직입니다.

6. 결론

Also, as it can be observed, the highest difference of velocity in all the figures is between the obstacles with 10
cm height and the obstacles with 50 cm height. Also, this amount of difference in velocity for difference between the obstacles with 10 cm and 20 cm heights is higher than that of the differences in the obstacles with 20
cm and 30 cm heights which can be related to the special conditions in flow hydraulic in that range of height.

또한, 관찰할 수 있으므로 모든 수치에서 속도의 가장 높은 차이는 높이 가 10cm의 장애물과 높이가 50cm인 장애물 사이에 있습니다. 또한, 10cm와 20cm 높이의 장애물 사이의 차이에 대한 속도차이는 20cm 및 30cm 높이의 장애물의 차이보다 높으며, 이는 그 높이 범위에서 유압의 특별한 조건과 관련이 있을 수 있다.

이 논문 인용

메리암 데일라미-타리피, 메디 베다르반디-아스카르, 바히드 체기니, 사데 그 하그하이-부어(2016) FLOW-3D 소프트웨어를 사용하여 다양한 조건하에서 해벽에 흐르는 속도의 변화를 모델링한다. 해양 과학의 오픈 저널,06,317-322. doi: 10.4236/ojms.2016.62026

참조

  1. 1. Owen, M.W. (1980) Design of Seawalls Allowing for Wave Overtopping. Rep. EX924, Hydraulics Research Wallingford, England.   [Citation Time(s):1]
  2. 2. van der Meer, J.W. and Janssen, J.P.F.M. (1995) Wave Run-Up and Wave Overtopping at Dikes. In: Kobayashi, N. and Demirbilek, Z., Eds., Wave Forces on Inclined and Vertical Wall Structures, ASCE, New York.   [Citation Time(s):1]
  3. 3. CIRIA/CUR (1995) Manual on the Use of Rock in Hydraulic Engineering. CUR/RWS Report 169, A.A. Balkema, Rotterdam.   [Citation Time(s):1]
  4. 4. Pullen, T., Allsop, N.W.H., Bruce, T., Kortenhaus, A., Schuttrumpf, H. and van der Meer, J.W. (2007) EurOtop— Wave Overtopping of Seadefences and Related Structures Assessment Manual.
    http://www.overtopping-manual.com/manual.html?   [Citation Time(s):1]
  5. 5. De Wall, J.P. and Van der Meer, J.W. (1992) Wave Run-Up and Overtopping at Coastal Structures. ASCE, Proceeding of 23rd ICCE, Venice, 1758-1771.   [Citation Time(s):1]
  6. 6. De Gerloni, M., Franco, L. and Passoni, G. (1991) The Safety of Breakwaters against Wave Overtopping. Proceedings of ICE Conference on Breakwaters and Coastal Structures, Thomas Telford, London.   [Citation Time(s):1]
  7. 7. Fenton, J.D. (1988) The Numerical Solution of Steady Water Wave Problems. Computers & Geosciences, 14.
    http://dx.doi.org/10.1016/0098-3004(88)90066-0   [Citation Time(s):1]
  8. 8. Owen, M.W. (1982) Design of Seawalls Allowing for Wave Overtopping. Rep. EX924, Hydraulics Research Wallingford, England.   [Citation Time(s):1]
  9. 9. Allsop, W., Bruce, T., Pearson, J. and Besley, P. (2006) Wave Overtopping at Vertical and Steep Seawall.   [Citation Time(s):1]
  10. 10. TAW (1974) Technical Advisory Committee on Protection against Inundation, Wave Run-Up and Overtopping. Government Publishing Office, The Hague.   [Citation Time(s):1]
Dam-Break Flows: Comparison between Flow-3D, MIKE 3 FM, and Analytical Solutions with Experimental Data

Dam-Break Flows: Comparison between Flow-3D, MIKE 3 FM, and Analytical Solutions with Experimental Data

by Hui Hu,Jianfeng Zhang andTao Li *
State Key Laboratory Base of Eco-Hydraulic Engineering in Arid Area, School of Water Resources and Hydropower, Xi’an University of Technology, Xi’an 710048, China
*Author to whom correspondence should be addressed.
Appl. Sci.20188(12), 2456; https://doi.org/10.3390/app8122456Received: 14 October 2018 /
Revised: 20 November 2018 / Accepted: 29 November 2018 / Published: 2 December 2018

Abstract

The objective of this study was to evaluate the applicability of a flow model with different numbers of spatial dimensions in a hydraulic features solution, with parameters such a free surface profile, water depth variations, and averaged velocity evolution in a dam-break under dry and wet bed conditions with different tailwater depths. Two similar three-dimensional (3D) hydrodynamic models (Flow-3D and MIKE 3 FM) were studied in a dam-break simulation by performing a comparison with published experimental data and the one-dimensional (1D) analytical solution. The results indicate that the Flow-3D model better captures the free surface profile of wavefronts for dry and wet beds than other methods. The MIKE 3 FM model also replicated the free surface profiles well, but it underestimated them during the initial stage under wet-bed conditions. However, it provided a better approach to the measurements over time. Measured and simulated water depth variations and velocity variations demonstrate that both of the 3D models predict the dam-break flow with a reasonable estimation and a root mean square error (RMSE) lower than 0.04, while the MIKE 3 FM had a small memory footprint and the computational time of this model was 24 times faster than that of the Flow-3D. Therefore, the MIKE 3 FM model is recommended for computations involving real-life dam-break problems in large domains, leaving the Flow-3D model for fine calculations in which knowledge of the 3D flow structure is required. The 1D analytical solution was only effective for the dam-break wave propagations along the initially dry bed, and its applicability was fairly limited. 

Keywords: dam breakFlow-3DMIKE 3 FM1D Ritter’s analytical solution

이 연구의 목적은 자유 표면 프로파일, 수심 변화 및 건식 및 댐 파괴에서 평균 속도 변화와 같은 매개 변수를 사용하여 유압 기능 솔루션에서 서로 다른 수의 공간 치수를 가진 유동 모델의 적용 가능성을 평가하는 것이었습니다.

테일 워터 깊이가 다른 습식베드 조건. 2 개의 유사한 3 차원 (3D) 유체 역학 모델 (Flow-3D 및 MIKE 3 FM)이 게시된 실험 데이터와 1 차원 (1D) 분석 솔루션과의 비교를 수행하여 댐 브레이크 시뮬레이션에서 연구되었습니다.

결과는 FLOW-3D 모델이 다른 방법보다 건식 및 습식 베드에 대한 파면의 자유 표면 프로파일을 더 잘 포착함을 나타냅니다. MIKE 3 FM 모델도 자유 표면 프로파일을 잘 복제했지만, 습식 조건에서 초기 단계에서 과소 평가했습니다. 그러나 시간이 지남에 따라 측정에 더 나은 접근 방식을 제공했습니다.

측정 및 시뮬레이션 된 수심 변화와 속도 변화는 두 3D 모델 모두 합리적인 추정치와 0.04보다 낮은 RMSE (root mean square error)로 댐 브레이크 흐름을 예측하는 반면 MIKE 3 FM은 메모리 공간이 적고 이 모델의 계산 시간은 Flow-3D보다 24 배 더 빠릅니다.

따라서 MIKE 3 FM 모델은 대규모 도메인의 실제 댐 브레이크 문제와 관련된 계산에 권장되며 3D 흐름 구조에 대한 지식이 필요한 미세 계산을 위해 Flow-3D 모델을 남겨 둡니다. 1D 분석 솔루션은 초기 건조 층을 따라 전파되는 댐 파괴에만 효과적이었으며 그 적용 가능성은 상당히 제한적이었습니다.

1. Introduction

저수지에 저장된 물의 통제되지 않은 방류[1]로 인해 댐 붕괴와 그로 인해 하류에서 발생할 수 있는 잠재적 홍수로 인해 큰 자연 위험이 발생한다. 이러한 영향을 최대한 완화하기 위해서는 홍수[2]로 인한 위험을 관리하고 감소시키기 위해 홍수의 시간적 및 공간적 진화를 모두 포착하여 댐 붕괴 파동의 움직임을 예측하고 댐 붕괴 파동의 전파 과정 효과를 다운스트림[3]으로 예측하는 것이 중요하다. 

그러나 이러한 수량을 예측하는 것은 어려운 일이며, 댐 붕괴 홍수의 움직임을 정확하게 시뮬레이션하고 유동장에 대한 유용한 정보를 제공하기 위한 적절한 모델을 선택하는 것은 그러므로 필수적인 단계[4]이다.

적절한 수학적 및 수치적 모델의 선택은 댐 붕괴 홍수 분석에서 매우 중요한 것으로 나타났다.분석적 해결책에서 행해진 댐 붕괴 흐름에 대한 연구는 100여 년 전에 시작되었다. 

리터[5]는 먼저 건조한 침대 위에 1D de 생베넌트 방정식의 초기 분석 솔루션을 도출했고, 드레슬러[6,7]와 휘담[8]은 마찰저항의 영향을 받은 파동학을 연구했으며, 스토커[9]는 젖은 침대를 위한 1D 댐 붕괴 문제에 리터의 솔루션을 확장했다. 

마샬과 멩데즈[10]는 고두노프가 가스 역학의 오일러 방정식을 위해 개발한 방법론[11]을 적용하여 젖은 침대 조건에서 리만 문제를 해결하기 위한 일반적인 절차를 고안했다. Toro [12]는 습식 및 건식 침대 조건을 모두 해결하기 위해 완전한 1D 정밀 리만 용해제를 실시했다. 

Chanson [13]은 특성 방법을 사용하여 갑작스러운 댐 붕괴로 인한 홍수에 대한 간단한 분석 솔루션을 연구했다. 그러나 이러한 분석 솔루션은 특히 댐 붕괴 초기 단계에서 젖은 침대의 정확한 결과를 도출하지 못했다[14,15].과거 연구의 발전은 이른바 댐 붕괴 홍수 문제 해결을 위한 여러 수치 모델[16]을 제공했으며, 헥-라스, DAMBRK, MIK 11 등과 같은 1차원 모델을 댐 붕괴 홍수를 모델링하는 데 사용하였다.

[17 2차원(2D) 깊이 평균 방정식도 댐 붕괴 흐름 문제를 시뮬레이션하는 데 널리 사용되어 왔으며[18,19,20,21,22] 그 결과 얕은 물 방정식(SWE)이 유체 흐름을 나타내는 데 적합하다는 것을 알 수 있다. 그러나, 경우에 따라 2D 수치해결기가 제공하는 해결책이 특히 근거리 분야에서 실험과 일관되지 않을 수 있다[23,24]. 더욱이, 1차원 및 2차원 모델은 3차원 현상에 대한 일부 세부사항을 포착하는 데 한계가 있다.

[25]. RANS(Reynolds-averageed Navier-Stok크스 방정식)에 기초한 여러 3차원(3D) 모델이 얕은 물 모델의 일부 단점을 극복하기 위해 적용되었으며, 댐 붕괴 초기 단계에서의 복잡한 흐름의 실제 동작을 이해하기 위해 사용되었다 [26,27,28]장애물이나 바닥 실에 대한 파장의 충격으로 인한 튜디 댐 붕괴 흐름 [19,29] 및 근거리 영역의 난류 댐 붕괴 흐름 거동 [4] 최근 상용화된 수치 모델 중 잘 알려진 유체 방식(VOF) 기반 CFD 모델링 소프트웨어 FLOW-3D는 컴퓨터 기술의 진보에 따른 계산력 증가로 인해 불안정한 자유 표면 흐름을 분석하는 데 널리 사용되고 있다. 

이 소프트웨어는 유한 차이 근사치를 사용하여 RANS 방정식에 대한 수치 해결책을 계산하며, 자유 표면을 추적하기 위해 VOF를 사용한다 [30,31]; 댐 붕괴 흐름을 모델링하는 데 성공적으로 사용되었다 [32,33].그러나, 2D 얕은 물 모델을 사용하여 포착할 수 없는 공간과 시간에 걸친 댐 붕괴 흐름의 특정한 유압적 특성이 있다. 

실생활 현장 척도 시뮬레이션을 위한 완전한 3D Navier-Stokes 방정식의 적용은 더 높은 계산 비용[34]을 가지고 있으며, 원하는 결과는 얕은 물 모델[35]보다 더 정확한 결과를 산출하지 못할 수 있다. 따라서, 본 논문은 3D 모델의 기능과 그 계산 효율을 평가하기 위해 댐 붕괴 흐름 시뮬레이션을 위한 단순화된 3D 모델-MIKE 3 FM을 시도한다. 

MIK 3 모델은 자연 용수 분지의 여러 유체 역학 시뮬레이션 조사에 적용되었다. 보치 외 연구진이 사용해 왔다. [36], 니콜라오스 및 게오르기오스 [37], 고얄과 라토드[38] 등 현장 연구에서 유체역학 시뮬레이션을 위한 것이다. 이러한 저자들의 상당한 연구에도 불구하고, MIK 3 FM을 이용한 댐 붕괴의 모델링에 관한 연구는 거의 없었다. 

또한 댐 붕괴 홍수 전파 문제를 해결하기 위한 3D 얕은 물과 완전한 3D RANS 모델의 성능을 비교한 연구도 아직 보고되지 않았다. 이 공백을 메우기 위해 현재 연구의 주요 목표는 댐 붕괴 흐름을 시뮬레이션하기 위한 단순화된 3D SWE, 상세 RANS 모델 및 분석 솔루션을 평가하여 댐 붕괴 문제에 대한 정확도와 적용 가능성을 평가하는 것이다.실제 댐 붕괴 문제를 해결하기 위해 유체역학 시뮬레이션을 시도하기 전에 수치 모델을 검증할 필요가 있다. 

일련의 실험 벤치마크를 사용하여 수치 모델을 확인하는 것은 용인된 관행이다. 현장 데이터 확보가 어려워 최근 몇 년 동안 제한된 측정 데이터를 취득했다. 

본 논문은 Ozmen-Cagatay와 Kocaman[30] 및 Khankandi 외 연구진이 제안한 두 가지 테스트 사례에 의해 제안된 검증에서 인용한 것이다. [39] 오즈멘-카가테이와 코카만[30]이 수행한 첫 번째 실험에서, 다른 미숫물 수위에 걸쳐 초기 단계 동안 댐 붕괴 홍수파가 발생했으며, 자유 지표면 프로파일의 측정치를 제공했다. Ozmen-Cagatay와 Kocaman[30]은 초기 단계에서 Flow-3D 소프트웨어가 포함된 2D SWE와 3D RANS의 숫자 솔루션에 의해 계산된 자유 표면 프로필만 비교했다. 

Khankandi 등이 고안한 두 번째 실험 동안. [39], 이 실험의 측정은 홍수 전파를 시뮬레이션하고 측정된 데이터를 제공하는 것을 목적으로 하는 수치 모델을 검증하기 위해 사용되었으며, 말기 동안의 자유 표면 프로필, 수위의 시간 진화 및 속도 변화를 포함한다. Khankandi 등의 연구. [39] 주로 실험 조사에 초점을 맞추었으며, 초기 단계에서는 리터의 솔루션과의 수위만을 언급하고 있다.

경계 조건(상류 및 하류 모두 무한 채널 길이를 갖는 1D 분석 솔루션에서는 실험 결과를 리터와 비교하는 것이 타당하지 않기 때문이다(건조 be)d) 또는 스토커(웨트 베드) 솔루션은 벽의 반사가 깊이 프로파일에 영향을 미쳤을 때, 그리고 참조 [39]의 실험에 대한 수치 시뮬레이션과의 추가 비교가 불량할 때. 이 논문은 이러한 문제를 직접 겨냥하여 전체 댐 붕괴 과정에서의 자유 표면 프로필, 수심 변화 및 속도 변화에 대한 완전한 비교 연구를 제시한다. 

여기서 댐 붕괴파의 수치 시뮬레이션은 초기에 건조하고 습한 직사각형 채널을 가진 유한 저장소의 순간 댐 붕괴에 대해 두 개의 3D 모델을 사용하여 개발된다.본 논문은 다음과 같이 정리되어 있다. 두 모델에 대한 통치 방정식은 숫자 체계를 설명하기 전에 먼저 도입된다. 

일반적인 단순화된 시험 사례는 3D 수치 모델과 1D 분석 솔루션을 사용하여 시뮬레이션했다. 모델 결과와 이들이 실험실 실험과 비교하는 방법이 논의되고, 서로 다른 수심비에서 시간에 따른 유압 요소의 변동에 대한 시뮬레이션 결과가 결론을 도출하기 전에 제시된다.

2. Materials and Methods

2.1. Data

첫째, 수평 건조 및 습식 침상에 대한 초기 댐 붕괴 단계 동안의 자유 표면 프로필 측정은 Ozmen-Cagatay와 Kocaman에 의해 수행되었다[30]. 이 시험 동안, 매끄럽고 직사각형의 수평 채널은 그림 1에서 표시한 대로 너비 0.30m, 높이 0.30m, 길이 8.9m이었다. 

채널은 채널 입구에서 4.65m 떨어진 수직 플레이트(담) 즉, 저장소의 길이 L0=4.65mL0에 의해 분리되었다., 및 다운스트림 채널 L1=4.25 mL1. m저수지는 댐의 좌측에 위치하고 처음에는 침수된 것으로 간주되었다; 저수지의 초기 상류 수심 h0 0.25m로 일정했다.

오른쪽의 초기 수심 h1h1 건식침대의 경우 0m, 습식침대의 경우 0.025m, 0.1m이므로 수심비 α=h1/h0α으로 세 가지 상황이 있었다. 0, 0.1, 0.4의 습식침대 조건은 플룸 끝에 낮은 보를 사용함으로써 만들어졌다. 물 표면 프로필은 3개의 고속 디지털 카메라(50프레임/s)를 사용하여 초기에 관찰되었으며, 계측 측정의 정확도는 참고문헌 [30]에서 입증되었다. In the following section, the corresponding numerical results refer to positions x = −1 m (P1), −0.5 m (P2), −0.2 m (P3), +0.2 m (P4), +0.5 m (P5), +1 m (P6), +2 m (P7), and +2.85 m (P8), where the origin of the coordinate system x = 0 is at the dam site. 3수심비 ααα 0, 0.1, 0.4의 경우 x,yx의 경우 좌표는 h0.으로 정규화된다.

<중략> ……

Figure 1. Schematic view of the experimental conditions by Ozmen-Cagatay and Kocaman [30]: (a) α = 0; (b) α = 0.1; and (c) α = 0.4.
Figure 1. Schematic view of the experimental conditions by Ozmen-Cagatay and Kocaman [30]: (a) α = 0; (b) α = 0.1; and (c) α = 0.4.

Figure 2. Schematic view of the experimental conditions by Khankandi et al. [39]: (a) α = 0 and (b) α = 0.2.
Figure 2. Schematic view of the experimental conditions by Khankandi et al. [39]: (a) α = 0 and (b) α = 0.2.
Figure 3. Typical profiles of the dam-break flow regimes for Stoker’s analytical solution [9]: Wet-bed downstream
Figure 3. Typical profiles of the dam-break flow regimes for Stoker’s analytical solution [9]: Wet-bed downstream
Figure 4. Sensitivity analysis of the numerical simulation using Flow-3D for the different mesh sizes of the experiments in Reference [30].
Figure 4. Sensitivity analysis of the numerical simulation using Flow-3D for the different mesh sizes of the experiments in Reference [30].
Figure 5. Sensitivity analysis of the numerical simulation using MIKE 3 FM for the different mesh sizes of the experiments in Reference [30].
Figure 5. Sensitivity analysis of the numerical simulation using MIKE 3 FM for the different mesh sizes of the experiments in Reference [30].
Figure 6. Comparison between observed and simulated free surface profiles at dimensionless times T = t(g/h0)1/2 and for dry-bed (α=0). The experimental data are from Reference [30].
Figure 6. Comparison between observed and simulated free surface profiles at dimensionless times T = t(g/h0)1/2 and for dry-bed (α=0). The experimental data are from Reference [30].
Figure 7. Comparison between observed and simulated free surface profiles at dimensionless times T = t(g/h0)1/2 and for a wet-bed (α = 0.1). The experimental data are from Reference [30].
Figure 7. Comparison between observed and simulated free surface profiles at dimensionless times T = t(g/h0)1/2 and for a wet-bed (α = 0.1). The experimental data are from Reference [30].
Figure 8. Comparison between observed and simulated free surface profiles at dimensionless times T = t(g/h0)1/2 and for the wet-bed (α = 0.4). The experimental data are from Reference [30].
Figure 8. Comparison between observed and simulated free surface profiles at dimensionless times T = t(g/h0)1/2 and for the wet-bed (α = 0.4). The experimental data are from Reference [30].
Figure 9. Experimental and numerical comparison of free surface profiles h/h0(x/h0) during late stages at various dimensionless times T after the failure in the dry-bed by Khankandi et al. [39].
Figure 9. Experimental and numerical comparison of free surface profiles h/h0(x/h0) during late stages at various dimensionless times T after the failure in the dry-bed by Khankandi et al. [39].

Table 2. RMSE values for the free surface profiles observed by Khankandi et al. [39].

Table 2. RMSE values for the free surface profiles observed by Khankandi et al. [39].
Table 2. RMSE values for the free surface profiles observed by Khankandi et al. [39].
Figure 10. Measured and computed water level hydrograph at various positions for dry-bed by Khankandi et al. [39]: (a) G1 (−0.5 m); (b) G2 (−0.1 m); (c) G3 (0.1 m); (d) G4 (0.8 m); (e) G6 (1.2 m); (f) G8 (5.5 m).
Figure 10. Measured and computed water level hydrograph at various positions for dry-bed by Khankandi et al. [39]: (a) G1 (−0.5 m); (b) G2 (−0.1 m); (c) G3 (0.1 m); (d) G4 (0.8 m); (e) G6 (1.2 m); (f) G8 (5.5 m).
Figure 11. Measured and computed water level hydrographs at various positions for the wet-bed by Khankandi et al. [39]: (a) G1 (−0.5 m); (b) G2 (−0.1 m); (c) G4 (0.8 m); and (d) G5 (1.0 m).
Figure 11. Measured and computed water level hydrographs at various positions for the wet-bed by Khankandi et al. [39]: (a) G1 (−0.5 m); (b) G2 (−0.1 m); (c) G4 (0.8 m); and (d) G5 (1.0 m).

Table 3. RMSE values for the water depth variations observed by Khankandi et al. [39] at the late stage.

Table 3. RMSE values for the water depth variations observed by Khankandi et al. [39] at the late stage.
Table 3. RMSE values for the water depth variations observed by Khankandi et al. [39] at the late stage.
Figure 13. Comparison of simulated velocity profiles at various locations upstream and downstream of the dam at t = 0.8 s, 2 s, and 5 s for water depth ratios α = 0.1 by Ozmen-Cagatay and Kocaman [30]: (a) P1(−1 m); (b) P3 (+0.2 m); (c) P5 (+1 m); and (d) P6 (+2 m).
Figure 13. Comparison of simulated velocity profiles at various locations upstream and downstream of the dam at t = 0.8 s, 2 s, and 5 s for water depth ratios α = 0.1 by Ozmen-Cagatay and Kocaman [30]: (a) P1(−1 m); (b) P3 (+0.2 m); (c) P5 (+1 m); and (d) P6 (+2 m).
Table 5. The required computational time for the two models to address dam break flows in all cases
Table 5. The required computational time for the two models to address dam break flows in all cases

References

  1. Gallegos, H.A.; Schubert, J.E.; Sanders, B.F. Two-dimensional high-resolution modeling of urban dam-break flooding: A case study of Baldwin Hills, California. Adv. Water Resour. 200932, 1323–1335. [Google Scholar] [CrossRef]
  2. Kim, K.S. A Mesh-Free Particle Method for Simulation of Mobile-Bed Behavior Induced by Dam Break. Appl. Sci. 20188, 1070. [Google Scholar] [CrossRef]
  3. Robb, D.M.; Vasquez, J.A. Numerical simulation of dam-break flows using depth-averaged hydrodynamic and three-dimensional CFD models. In Proceedings of the Canadian Society for Civil Engineering Hydrotechnical Conference, Québec, QC, Canada, 21–24 July 2015. [Google Scholar]
  4. LaRocque, L.A.; Imran, J.; Chaudhry, M.H. 3D numerical simulation of partial breach dam-break flow using the LES and k-ε. J. Hydraul. Res. 201351, 145–157. [Google Scholar] [CrossRef]
  5. Ritter, A. Die Fortpflanzung der Wasserwellen (The propagation of water waves). Z. Ver. Dtsch. Ing. 189236, 947–954. [Google Scholar]
  6. Dressler, R.F. Hydraulic resistance effect upon the dam-break functions. J. Res. Nat. Bur. Stand. 195249, 217–225. [Google Scholar] [CrossRef]
  7. Dressler, R.F. Comparison of theories and experiments for the hydraulic dam-break wave. Int. Assoc. Sci. Hydrol. 195438, 319–328. [Google Scholar]
  8. Whitham, G.B. The effects of hydraulic resistance in the dam-break problem. Proc. R. Soc. Lond. 1955227A, 399–407. [Google Scholar] [CrossRef]
  9. Stoker, J.J. Water Waves: The Mathematical Theory with Applications; Wiley and Sons: New York, NY, USA, 1957; ISBN 0-471-57034-6. [Google Scholar]
  10. Marshall, G.; Méndez, R. Computational Aspects of the Random Choice Method for Shallow Water Equations. J. Comput. Phys. 198139, 1–21. [Google Scholar] [CrossRef]
  11. Godunov, S.K. Finite Difference Methods for the Computation of Discontinuous Solutions of the Equations of Fluid Dynamics. Math. Sb. 195947, 271–306. [Google Scholar]
  12. Toro, E.F. Shock-Capturing Methods for Free-Surface Shallow Flows; Wiley and Sons Ltd.: New York, NY, USA, 2001. [Google Scholar]
  13. Chanson, H. Application of the method of characteristics to the dam break wave problem. J. Hydraul. Res. 200947, 41–49. [Google Scholar] [CrossRef][Green Version]
  14. Cagatay, H.; Kocaman, S. Experimental Study of Tail Water Level Effects on Dam-Break Flood Wave Propagation; 2008 Kubaba Congress Department and Travel Services: Ankara, Turkey, 2008; pp. 635–644. [Google Scholar]
  15. Stansby, P.K.; Chegini, A.; Barnes, T.C.D. The initial stages of dam-break flow. J. Fluid Mech. 1998374, 407–424. [Google Scholar] [CrossRef]
  16. Soares-Frazao, S.; Zech, Y. Dam Break in Channels with 90° Bend. J. Hydraul. Eng. 2002128, 956–968. [Google Scholar] [CrossRef]
  17. Zolghadr, M.; Hashemi, M.R.; Zomorodian, S.M.A. Assessment of MIKE21 model in dam and dike-break simulation. IJST-Trans. Mech. Eng. 201135, 247–262. [Google Scholar]
  18. Bukreev, V.I.; Gusev, A.V. Initial stage of the generation of dam-break waves. Dokl. Phys. 200550, 200–203. [Google Scholar] [CrossRef]
  19. Soares-Frazao, S.; Noel, B.; Zech, Y. Experiments of dam-break flow in the presence of obstacles. Proc. River Flow 20042, 911–918. [Google Scholar]
  20. Aureli, F.; Maranzoni, A.; Mignosa, P.; Ziveri, C. Dambreak flows: Acquisition of experimental data through an imaging technique and 2D numerical modelling. J. Hydraul. Eng. 2008134, 1089–1101. [Google Scholar] [CrossRef]
  21. Rehman, K.; Cho, Y.S. Bed Evolution under Rapidly Varying Flows by a New Method for Wave Speed Estimation. Water 20168, 212. [Google Scholar] [CrossRef]
  22. Wu, G.F.; Yang, Z.H.; Zhang, K.F.; Dong, P.; Lin, Y.T. A Non-Equilibrium Sediment Transport Model for Dam Break Flow over Moveable Bed Based on Non-Uniform Rectangular Mesh. Water 201810, 616. [Google Scholar] [CrossRef]
  23. Ferrari, A.; Fraccarollo, L.; Dumbser, M.; Toro, E.F.; Armanini, A. Three-dimensional flow evolution after a dam break. J. Fluid Mech. 2010663, 456–477. [Google Scholar] [CrossRef]
  24. Liang, D. Evaluating shallow water assumptions in dam-break flows. Proc. Inst. Civ. Eng. Water Manag. 2010163, 227–237. [Google Scholar] [CrossRef]
  25. Biscarini, C.; Francesco, S.D.; Manciola, P. CFD modelling approach for dam break flow studies. Hydrol. Earth Syst. Sci. 201014, 705–718. [Google Scholar] [CrossRef][Green Version]
  26. Oertel, M.; Bung, D.B. Initial stage of two-dimensional dam-break waves: Laboratory versus VOF. J. Hydraul. Res. 201250, 89–97. [Google Scholar] [CrossRef]
  27. Quecedo, M.; Pastor, M.; Herreros, M.I.; Merodo, J.A.F.; Zhang, Q. Comparison of two mathematical models for solving the dam break problem using the FEM method. Comput. Method Appl. Mech. Eng. 2005194, 3984–4005. [Google Scholar] [CrossRef]
  28. Shigematsu, T.; Liu, P.L.F.; Oda, K. Numerical modeling of the initial stages of dam-break waves. J. Hydraul. Res. 200442, 183–195. [Google Scholar] [CrossRef]
  29. Soares-Frazao, S. Experiments of dam-break wave over a triangular bottom sill. J. Hydraul. Res. 200745, 19–26. [Google Scholar] [CrossRef]
  30. Ozmen-Cagatay, H.; Kocaman, S. Dam-break flows during initial stage using SWE and RANS approaches. J. Hydraul. Res. 201048, 603–611. [Google Scholar] [CrossRef]
  31. Vasquez, J.; Roncal, J. Testing River2D and FLOW-3D for Sudden Dam-Break Flow Simulations. In Proceedings of the Canadian Dam Association’s 2009 Annual Conference: Protecting People, Property and the Environment, Whistler, BC, Canada, 3–8 October 2009. [Google Scholar]
  32. Ozmen-Cagatay, H.; Kocaman, S. Dam-break flow in the presence of obstacle: Experiment and CFD simulation. Eng. Appl. Comput. Fluid 20115, 541–552. [Google Scholar] [CrossRef]
  33. Ozmen-Cagatay, H.; Kocaman, S.; Guzel, H. Investigation of dam-break flood waves in a dry channel with a hump. J. Hydro-Environ. Res. 20148, 304–315. [Google Scholar] [CrossRef]
  34. Gu, S.L.; Zheng, S.P.; Ren, L.Q.; Xie, H.W.; Huang, Y.F.; Wei, J.H.; Shao, S.D. SWE-SPHysics Simulation of Dam Break Flows at South-Gate Gorges Reservoir. Water 20179, 387. [Google Scholar] [CrossRef]
  35. Evangelista, S. Experiments and Numerical Simulations of Dike Erosion due to a Wave Impact. Water 20157, 5831–5848. [Google Scholar] [CrossRef][Green Version]
  36. Bocci, M.; Chiarlo, R.; De Nat, L.; Fanelli, A.; Petersen, O.; Sorensen, J.T.; Friss-Christensen, A. Modelling of impacts from a long sea outfall outside of the Venice Lagoon (Italy). In Proceedings of the MWWD—IEMES 2006 Conference, Antalya, Turkey, 6–10 November 2006; MWWD Organization: Antalya, Turkey, 2006. [Google Scholar]
  37. Nikolaos, T.F.; Georgios, M.H. Three-dimensional numerical simulation of wind-induced barotropic circulation in the Gulf of Patras. Ocean Eng. 201037, 355–364. [Google Scholar]
  38. Goyal, R.; Rathod, P. Hydrodynamic Modelling for Salinity of Singapore Strait and Johor Strait using MIKE 3FM. In Proceedings of the 2011 2nd International Conference on Environmental Science and Development, Singapore, 26–28 February 2011. [Google Scholar]
  39. Khankandi, A.F.; Tahershamsi, A.; Soares-Frazão, S. Experimental investigation of reservoir geometry effect on dam-break flow. J. Hydraul. Res. 201250, 376–387. [Google Scholar] [CrossRef]
  40. Flow Science Inc. FLOW-3D User’s Manuals; Flow Science Inc.: Santa Fe, NM, USA, 2007. [Google Scholar]
  41. Danish Hydraulic Institute (DHI). MIKE 3 Flow Model FM. Hydrodynamic Module-User Guide; DHI: Horsholm, Denmark, 2014. [Google Scholar]
  42. Pilotti, M.; Tomirotti, M.; Valerio, G. Simplified Method for the Characterization of the Hydrograph following a Sudden Partial Dam Break. J. Hydraul. Eng. 2010136, 693–704. [Google Scholar] [CrossRef]
  43. Hooshyaripor, F.; Tahershamsi, A.; Razi, S. Dam break flood wave under different reservoir’s capacities and lengths. Sādhanā 201742, 1557–1569. [Google Scholar] [CrossRef]
  44. Kocaman, S.; Ozmen-Cagatay, H. Investigation of dam-break induced shock waves impact on a vertical Wall. J. Hydrol. 2015525, 1–12. [Google Scholar] [CrossRef]
  45. Liu, H.; Liu, H.J.; Guo, L.H.; Lu, S.X. Experimental Study on the Dam-Break Hydrographs at the Gate Location. J. Ocean Univ. China 201716, 697–702. [Google Scholar] [CrossRef]
  46. Marra, D.; Earl, T.; Ancey, C. Experimental Investigations of Dam Break Flows down an Inclined Channel. In Proceedings of the 34th World Congress of the International Association for Hydro- Environment Research and Engineering: 33rd Hydrology and Water Resources Symposium and 10th Conference on Hydraulics in Water Engineering, Brisbane, Australia, 26 June–1 July 2011. [Google Scholar]
  47. Wang, J.; Liang, D.F.; Zhang, J.X.; Xiao, Y. Comparison between shallow water and Boussinesq models for predicting cascading dam-break flows. Nat. Hazards 201683, 327–343. [Google Scholar] [CrossRef]
  48. Yang, C.; Lin, B.L.; Jiang, C.B.; Liu, Y. Predicting near-field dam-break flow and impact force using a 3D model. J. Hydraul. Res. 201048, 784–792. [Google Scholar] [CrossRef]
Abf - Three-dimensional view of the abbot from short to long to short

Flow-3D 수치 모형을 이용한 파동 감소에 대한 규칙적인 레이아웃으로 식생 고도 변화 효과 연구

세예드 아마드가 헤리 네 자드 1 , Mehdi Behdarvandi Askar  2 , 모하마드 안사리 고이 가르 3, 에산 파르시 4
1 공학, 해안, 항만 및 & amp; 해양 구조물 _ 코람 샤르 해양 과학 기술 대학교
2 코람 샤르 해양 과학 기술 대학교 해양 공학부 해양 구조학과
3 이란 카라 지 테헤란 대학교 농업 및 천연 자원 대학 관개 및 매립 공학과.
4 연구 전문가, Arvand Water and Energy Consulting Engineers Company, Ahvaz, Iran.

Abstract

The development of water waves through submerged and non-submerged vegetation is accompanied by a loss of energy through the resistive force of the vegetation, resulting in a decrease in wave height. Wave damping by vegetation is a function of cover characteristics such as geometry and structure, immersion ratio, density, hardness, and spatial arrangement, as well as wave conditions such as input wave height, duration, and wave direction. In the present study, the effect of geometric arrangement of vegetation with variable height on wave damping has been investigated using the Flow 3D numerical model. For this purpose, a channel with a length of 480 cm and a width of 10.8 cm, which has been previously used by Cox and Wu (2015) to study the effect of plant density with variable height on wave damping, is modeled. The operation of the three arrangements, including long to short arrangement, short to long arrangement, and zigzag arrangement, is examined under four different waves, all of which are linear waves. It should be noted that in this study, wave height is considered as an damping index. The results obtained by measuring the height of the waves at four different points along the channel show that the behavior of the waves in dealing with different arrangements follows a fixed pattern and also changes in the geometry of the vegetation can greatly lead to Increase the damping of the waves. The results show that a change in height arrangement can cause a change in damping of up to 7.1%.

Keywords : Green belt , wave , geometric layout , vegetation

물에 잠긴 초목과 물에 잠기지 않은 초목을 통한 물결의 발달은 초목의 저항력을 통한 에너지 손실을 동반하여 파고가 감소합니다. 식생에 의한 파동감쇠는 기하와 구조, 몰입도, 밀도, 경도, 공간배열 등 커버 특성과 입력파동 높이, 지속시간, 파동방향 등의 파동조건의 함수입니다.

본 연구에서는 Flow 3D 수치 모델을 사용하여 가변 높이 식물이 파동 댐핑에 미치는 기하학적 배치가 조사되었습니다. 이를 위해 Cox와 Wu (2015)가 이전에 파동 댐핑에 대한 가변 높이의 발전소 밀도가 미치는 영향을 연구하기 위해 사용한 길이 480cm, 폭 10.8cm의 채널을 모델링합니다.

장파에서 단파, 단파에서 장파까지, 지그재그 배열을 포함한 세 가지 배열의 작동은 4개의 다른 파장에서 조사됩니다. 모두 선형파입니다.

본 연구에서는 파고가 감쇠 지수로 간주된다는 점에 유의해야 합니다.

채널을 따라 네 곳의 서로 다른 지점에서 파도의 높이를 측정하여 얻은 결과는 다른 배열을 다루는 파도의 동작이 고정된 패턴을 따르며 또한 초목의 기하학적인 변화가 파도의 감쇠를 증가 시키는 것으로 크게 이어질 수 있다는 것을 보여줍니다.

결과는 높이 배열의 변화가 최대 7.1%의 댐핑 변화를 일으킬 수 있음을 보여줍니다.

Figure 1 - Geometry used by Cox and Wu (2015) to study the effect of plant density on wave damping
Figure 1 – Geometry used by Cox and Wu (2015) to study the effect of plant density on wave damping
Figure 2 - Schematic of Erie wave
Figure 2 – Schematic of Erie wave
Abf - Three-dimensional view of the abbot from short to long to short
Abf – Three-dimensional view of the abbot from short to long to short

References

خلیلی نفت­چالی، آ. خزیمه­نژاد، ح. اکبرپور، ا. ورجاوند، پ. 1394. بررسی آزمایشگاهی تأثیر تراکم پوشش گیاهی بر مشخصه‌های جریان غلیظ. نشریه آبیاری و زهکشی ایران. 9 (1): 95-83.
زارعی، م. فتحی­مقدم، م. داوودی، ل. 1395. بررسی اثر پوشش گیاهی ساحلی بر میرایی نیروی مخرب امواج منفرد ناشکنا در سواحل شیبدار. نشریه مهندسی آبیاری و آب ایران. 7 (26): 75-62.
گرمئی، ا. امامی، ح. خراسانی، ر. 1396. اثر تراکم سه نوع پوشش گیاهی بر میزان رواناب و رسوب در حاشیه شهر مشهد. نشریه آبیاری و زهکشی ایران. 11 (1): 20-11.
فضلی، س. نور، ح. 1396. شبیه‌سازی و ارزیابی اثر سناریوهای مختلف درصد پوشش گیاهی بر فرسایش خاک. نشریه آبیاری و زهکشی ایران. 11 (4): 571-562.
قنبری عدیوی، ا. فتحی مقدم، م. 1393. مروری بر تحقیقات استهلاک و میرایی امواج دریا از طریق پوشش گیاهی ساحلی. فصلنامه علوم و فناوری دریا. 18 (70): 62-54.
معتمدی­نژاد، ع. فتحی­مقدم، م. زارعی، م. 1394. بررسی آزمایشگاهی اثر پوشش گیاهی ساحلی بر کاهش نیروی امواج شکنا. دهمین سمینار بین المللی مهندسی رودخانه. دانشگاه شهید چمران اهواز، اهواز، ایران.
میرزاخانی، گ. قنبری عدیوی، ا. فتاحی­نافچی، ر. 1398. میرایی موج توسط پوشش گیاهی صلب در سواحل. دومین همایش ملی مدیریت منابع طبیعی با محوریت آب، سیل و محیط زیست. دانشگاه گنبد کاووس، گنبد کاووس، ایران.
Asano, T. S. Sutsui, T. and Sakai.T. 1988. Wave damping characteristics due to seaweed. Proceedings of the 35th Coastal Engineering Conference in Japan. JSCE. 138-142 (in Japanese).
Asano, T., Deguchi, H. and N. Kobayashi. 1992. Interactions between water waves and vegetation. Proceedings of the 23rd International Conference on Coastal Engineering. ASCE. 2710-2723.
Augustin, L.N., Irish, J.L. and Lynett, P. 2009. Laboratory and numerical studies of wave damping by emergent and nearemergent wetland vegetation. Coastal Engineering. 56(3): 332-340.
Cavallaro L., Re, C.L., Paratore, G., Viviano, A. and Foti, E. 2010. Response of Posidonia oceanic to wave motion in shallowwaters: Preliminary experimental results. Proceedings of the 32nd International Conference on Coastal Engineering. Coastal Engineering Research Council. 1-10.
Cook, H.L. and Campbell, F.B. 1939. Characteristics of some meadow strip vegetation. Agricultural Engineering. 20:345-348.
Cooper, N.J. 2005. Wave dissipation across intertidal surfaces in the Wash Tidal inlet, Eastern England. Journal of Coastal Research. 21(1): 28-40.
Dean, R.G. 1979. Effects of vegetation on shoreline erosional processes. Wetland Function and Values: The State of Our Understanding. 1: 415-426.
Dean, R.G., and Dalrymple, R.A. 1991. Water Wave Mechanics for Engineers and Scientist. World Scientific Publishing.Singapore.
Dubi, A. 1995. Damping of water waves by submerged vegetation: A case study on Laminaria hyperborea. PhD thesis. University of Trondheim, the Norwegian Institute of Technology, Trondheim, Norway.
Fathi Moghadam, M., Drikundi, K.h., Masjidi, A. and M. 2012. Investigation of the Effect of Vegetation Density and Flexibility on Roughness Coefficients in Riverside and Flood Plains, Iranian Water Resources Research Quarterly, Year 8, Issue 2, Fall 91.
Fathi Moghadam, M. and Zaraei, M. 2016. Investigation of the Effect of Coastal Vegetation on the Damping of Destructive Force of Unbreakable Individual Waves on Shabidar Coasts, Journal of Irrigation and Water Engineering, Year 7, No. 26.
Furukawa, K., Wolanski, E. and Mueller, H. 1997. Currents and sediment transport in mangrove forests. Estuar Coast Shelf Sci 44:301–310.
Harada, K. and Imamura, F. 2006. Experimental study on the resistance by mangrove under unsteady flow, Proc. Congress. Asian and Pacific Coastal Engineering Dalia, 984-975.
Jellilund, R., M. Zeid Ali, L. Nouri Hindi and M. 2012. Investigating the advantages and disadvantages of protection and organization of beaches with vegetation against morphological changes, Fifth National Conference and Specialized Environment Exhibition, 90.
Journal 629, Guide to the Design and Implementation of a Coastal Protection Structure.
Kongko, W. 2004. Study on tsunami energy dissipation in mangrove forest, Master Thesis Report, wate University, Japan, 43 pages.
Kutija, V. and Erduran, K. S. 2003. Quasi-three-dimensional numerical model for flow through flexible, rigid, submerged and non-sub merged vegetation. Journal of Hydro informatics. 35(3): 189-202.
Li, R.M. and Shen, H.W. 1973. Effect of tall vegetations on flow and sediment. Journal of the Hydraulics Division, ASCE. 99(5):739-814.
Wu, W.C. and Cox, D, T. 2015. Effects of Vertical Variation in Vegetation Density on Wave Attenuation. Journal of Waterway, Port, Coastal and Ocean Engineering. Volume 142 Issue 2.

The 3D computational domain model (50–18.6) slope change, and boundary condition for (50–30 slope change) model.

Numerical investigation of flow characteristics over stepped spillways

Güven, Aytaç
Mahmood, Ahmed Hussein
Water Supply (2021) 21 (3): 1344–1355.
https://doi.org/10.2166/ws.2020.283Article history

Abstract

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.

HIGHLIGHTS

ListenReadSpeaker webReader: Listen

  • A numerical model was developed for stepped spillways.
  • The turbulent flow was simulated by the Renormalized Group (RNG) model.
  • Both numerical and experimental results showed that flow characteristics are greatly affected by abrupt slope change on the steps.

Keyword

CFDnumerical modellingslope changestepped spillwayturbulent flow

INTRODUCTION

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.

formula

(1)

formula

(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