A new dynamic masking technique for time resolved PIV analysis

A new dynamic masking technique for time resolved PIV analysis

시간 분해 PIV 분석을위한 새로운 동적 마스킹 기술

물체 가시성을 허용하기 위해 형광 코팅과 결합 된 새로운 프리웨어 레이 캐스팅 도구

Journal of Visualization ( 2021 ) 이 기사 인용

Abstract

Time resolved PIV encompassing moving and/or deformable objects interfering with the light source requires the employment of dynamic masking (DM). A few DM techniques have been recently developed, mainly in microfluidics and multiphase flows fields. Most of them require ad-hoc design of the experimental setup, and may spoil the accuracy of the resulting PIV analysis. A new DM technique is here presented which envisages, along with a dedicated masking algorithm, the employment of fluorescent coating to allow for accurate tracking of the object. We show results from measurements obtained through a validated PIV setup demonstrating the need to include a DM step even for objects featuring limited displacements. We compare the proposed algorithm with both a no-masking and a static masking solution. In the framework of developing low cost, flexible and accurate PIV setups, the proposed algorithm is made available through a freeware application able to generate masks to be used by an existing, freeware PIV analysis package.

광원을 방해하는 이동 또는 변형 가능한 물체를 포함하는 시간 해결 PIV는 동적 마스킹 (DM)을 사용해야 합니다. 주로 미세 유체 및 다상 흐름 분야에서 몇 가지 DM 기술이 최근 개발되었습니다. 대부분은 실험 설정의 임시 설계가 필요하며 결과 PIV 분석의 정확도를 떨어 뜨릴 수 있습니다. 여기에는 전용 마스킹 알고리즘과 함께 형광 코팅을 사용하여 물체를 정확하게 추적 할 수있는 새로운 DM 기술이 제시되어 있습니다. 제한된 변위를 특징으로 하는 물체에 대해서도 DM 단계를 포함해야 하는 필요성을 보여주는 검증 된 PIV 설정을 통해 얻은 측정 결과를 보여줍니다. 제안 된 알고리즘을 no-masking 및 static masking 솔루션과 비교합니다. 저비용, 유연하고 정확한 PIV 설정 개발 프레임 워크에서 제안 된 알고리즘은 기존 프리웨어 PIV 분석 패키지에서 사용할 마스크를 생성 할 수 있는 프리웨어 애플리케이션을 통해 사용할 수 있습니다.

Keywords

  • Time resolved PIV, Dynamics masking, Image processing, Vibration inducers, Fluorescent coating

그래픽 개요

소개

PIV (입자 영상 속도계)의 사용은 70 년대 후반 (Archbold 및 Ennos 1972 )이 반점 계측의 확장 (Barker and Fourney 1977 ) 으로 도입된 이래 실험 유체 역학에서 중심적인 역할을 했습니다 . PIV 기술의 기본 아이디어는 유체에 주입된 입자의 속도를 측정하여 유동장을 재구성하는 것입니다. 입자의 크기와 밀도는 확실하게 선택되고 유동을 만족스럽게 따르게 됩니다.

흐름은 레이저 / LED 소스를 통해 조명되고 입자에 의해 산란 된 빛은 추적을 허용합니다. 독자는 리뷰 작품 Grant ( 1997 ), Westerweel et al. ( 2013 년)에 대한 자세한 설명을 참조하십시오. 기본 2D 기술은 고유한 설정으로 발전했으며, 가장 진보 된 것은 단일 / 다중 평면 입체 PIV (Prasad 2000 ) 및 체적 / 단층 PIV (Scarano 2013 )입니다. 광범위한 유동장의 비 침습적 측정이 필요한 산업 및 연구 응용 분야에서 광범위하게 사용되었습니다.

조사된 유동장이 단단한 서있는 경계의 영향을 받는 경우 정적 마스킹 (SM) 접근 방식을 사용하여 PIV 분석을 수행하는 영역에서 솔리드 객체와 그림자가 차지하는 영역을 빼기 위해 주의를 기울여야 합니다. 실제로 이러한 영역에서는 파종 입자를 식별 할 수 없으므로 유속 재구성을 수행 할 수 없습니다. 제대로 처리되지 않으면 이 마스킹 단계는 잘못된 예측으로 이어질 수 있으며, 불행히도 그림자 영역 경계의 근접성에 국한되지 않습니다.

PIV 기술은 획득 프레임 속도를 관심있는 시간 척도로 조정하여 정상 상태 또는 시간 변화 흐름에 적용 할 수 있습니다. 시간의 가변성이 고체 물체의 위치 / 모양과 관련된 경우 이미지를 동적으로 마스킹하기 위해 추가 노력이 필요합니다. 고체 물체뿐만 아니라 다른 유체 단계도 가려야한다는 점에 유의해야합니다 (Foeth et al. 2006). 

이 프로세스는 고체 물체의 움직임이 선험적으로 알려진 경우 비교적 쉬우므로 SM 알고리즘에 대한 최소한의 수정이 목적에 부합 할 수 있습니다. 그러나 고체 물체의 위치 및 / 또는 모양이 알려지지 않은 방식으로 시간에 따라 변할 경우 물체를 동적으로 추적 할 수 있는 마스킹 기술이 필요합니다. PIV 분석을위한 동적 마스킹 (DM) 접근 방식은 현재 상당한 주목을 받고 있습니다 (Sanchis and Jensen 2011 , Masullo 및 Theunissen 2017 , Anders et al. 2019 ) . 시간 분해 PIV 시스템의 확산 덕분에 고속 카메라의 가용성이 높아집니다. 

DM 기술의 주요 발전은 마이크로 PIV 분야에서 비롯됩니다 (Lindken et al. 2009) 마이크로 및 나노 스위 머 (Ergin et al. 2015 ) 및 다상 흐름 (Brücker 2000 , Khalitov 및 Longmire 2002 ) 주변의 유동장을 조사 하려면 정확하고 유연한 알고리즘이 필요합니다. DM 기술은 상용 PIV 분석 소프트웨어 패키지 (TSI Instruments 2014 , DantecDynamics 2018 )에 포함되어 있습니다. 최근 개발 (Vennemann 및 Rösgen 2020 )은 신경망 자동 마스킹 기술의 적용을 예상하지만, 네트워크를 훈련하려면 합성 데이터 세트를 생성해야합니다.

많은 알고리즘은 이미지 처리 기술을 사용하여 개체를 추적하며, 대부분 사용자는 획득 한 이미지에서 추적 할 개체를 강조 표시 할 수있는 임시 실험 설정을 개발해야합니다. 따라서 실험 설정의 설계는 알고리즘의 최종 정확도에 영향을줍니다.

몇 가지 해결책을 구상 할 수 있습니다. 다음에서는 간단한 2D PIV 설정을 참조하지만 대부분의 고려 사항은 더 복잡한 설정으로 확장 할 수 있습니다. PIV 설정에서 객체를 쉽고 정확하게 추적 할 수 있도록 렌더링하는 가장 간단한 방법은 일반적으로 PIV 레이저 시트에 대략 수직 인 카메라를 향한 반사를 최대화하는 방향을 가리키는 추가 광원을 사용하여 조명하는 것입니다. 이 순진한 솔루션과 관련된 주요 문제는 PIV의 ROI (관심 영역)를 비추 지 않고는 광원을 움직이는 물체에만 겨냥하는 것이 사실상 불가능하여 시딩에 의해 산란 된 레이저 광 사이의 명암비를 감소 시킨다는 것입니다. 입자와 어두운 배경.

카메라의 프레임 속도가 높을수록 센서에 닿는 빛의 양이 적다는 사실로 인해 상황이 가혹 해집니다. 고체 물체의 움직임과 유동 입자가 모두 사용 된 설정의 획득 속도에 비해 충분히 느리다면, 가능한 해결책은 레이저 펄스 쌍 사이에 단일 확산 광 샷을 삽입하는 것입니다 (반드시 대칭 삽입은 아님). 그리고 카메라 샷을 둘 모두에 동기화합니다. 각 레이저 커플에서 물체의 위치는 확산 광에 의해 생성 된 이전 샷과 다음 샷의 두 위치를 보간하여 결정될 수 있습니다. 이 접근 방식에는 레이저, 카메라 및 빛을 제어 할 수있는 동기화 장치가 필요합니다.

이 문제에 대한 해결책이 제안되었으며 유체 인터페이스 (Foeth et al. 2006 ; Dussol et al. 2016 ) 의 밝은 반사를 활용 하여 이미지에서 많은 양의 산란 레이저 광을 획득 할 수 있습니다. 고체 표면에는 효과를 높이기 위해 반사 코팅이 제공 될 수 있습니다. 그런 다음 물체는 비정상적으로 큰 입자로 식별되고 경계를 쉽게 추적 할 수 있습니다. 이 솔루션의 단점은 물체 표면에서 산란 된 빛이 레이저 시트에 있지 않은 많은 시딩 입자를 비추어 PIV 분석의 정확도를 점진적으로 저하 시킨다는 것입니다.

위의 접근 방식의 개선은 다른 파장 의 두 번째 동일 평면 레이저 시트 (Driscoll et al. 2003 )를 사용합니다. 첫 번째 레이저 파장을 중심으로 한 좁은 반사 대역. 전체 설정은 매우 비쌀 수 있습니다. 파장 방출의 차이를 이용하여 설정을 저렴하게 만들 수 있습니다. 서로 다른 필터가 장착 된 두 대의 카메라를 적용하면 인터페이스로부터의 반사와 독립적으로 형광 시드 입자를 식별 할 수 있습니다 (Pedocchi et al. 2008 ).

객체의 변위가 작을 때 기본 솔루션은 실제 시간에 따라 변하는 음영 영역에 가장 근접한 하나의 정적 마스크를 추출하는 것입니다. 일반적인 경험 법칙은 예상되는 음영 영역보다 약간 더 크게 마스크를 그려 분석에 포함 된 조명 영역의 양을 단순화하고 최소화하는 것 사이의 최상의 균형을 찾는 것입니다.

본 논문에서는 PIV 분석을위한 DM 문제에 대한 새로운 실험적 접근법을 제안합니다. 우리의 방법은 형광 페인팅을 사용하여 물체를 쉽게 추적 할 수 있도록 하는 기술과 시변 마스크를 생성 할 수있는 특정 오픈 소스 알고리즘을 포함합니다. 이 접근법은 레이저 광에 불투명 한 물체의 큰 변위를 허용함으로써 효과적인 것으로 입증되었습니다. 

우리의 방법인 NM (no-masking)과 SM (static masking) 접근 방식을 비교합니다. 우리의 접근 방식의 타당성을 입증하는 것 외에도 이 백서는 마스킹 단계가 정확한 결과를 얻기 위해 가장 중요하다는 것을 확인합니다. 실제로 물체의 변위가 무시할 수 없는 경우 DM에 대한 리조트는 필수이며 SM 접근 방식은 음영 처리 된 영역의 주변 환경에 국한되지 않는 부정확성을 유발합니다. 

논문의 구조는 다음과 같습니다. 먼저 형광 코팅 기술과 마스킹 소프트웨어를 설명하는 제안된 접근법의 근거를 소개합니다. 그런 다음 PIV 설정에 대한 설명 후 두 벤치 마크 사례를 통해 전체 PIV 체인 분석의 신뢰성을 평가합니다. 그런 다음 제안 된 DM 방법의 결과를 NM 및 SM 솔루션과 비교합니다. 마지막으로 몇 가지 결론이 도출됩니다.

행동 양식

제안 된 DM 기술은 PIV 분석을 위해 캡처 한 동일한 이미지에서 쉽고 정확한 추적 성을 허용하기 위해 움직이는 물체 표면의 형광 코팅을 구상합니다. 물체가 가시화되면 특정 알고리즘이 물체 추적을 수행하고 레이저 위치가 알려지면 (그림 1 참조  ) 음영 영역의 마스킹을 수행합니다.

형광 코팅

코팅은 구조적 매트릭스 에 시판되는 형광 분말 (fluorescein (Taniguchi and Lindsey 2018 ; Taniguchi et al. 2018 )) 의 분산액으로 구성됩니다 . 단단한 물체의 경우 매트릭스는 폴리 에스터 / 에폭시 (대상 재료와의 화학적 호환성에 따라) 투명 수지 일 수 있습니다. 변형 가능한 물체의 경우 매트릭스는 투명한 실리콘 고무로 만들 수 있습니다. 형광 코팅 된 물체는 실행 중에 지속적으로 빛을 방출하기 위해 실험 전에 충분히 오랫동안 조명을 비춰 야합니다. 우리는 4W LED 소스 (그림 2 에서 볼 수 있음)에 20 초 긴 노출이  실험 실행 (몇 초)의 짧은 기간 동안 일관된 형광 방출을 제공하기에 충분하다는 것을 발견했습니다.

우리 실험에서 물체와 입자 크기 사이의 상당한 차이를 감안할 때 전자를 식별하는 것은 간단합니다. 그림  3 은 씨 뿌리기 입자와 물체 모양이 서로 다른 세 번에 겹쳐진 모습을 보여줍니다 (색상은 다른 순간을 나타냄).

대신, 이러한 크기 기반 분류가 가능하지 않은 경우 입자와 물체의 파장을 분리해야합니다. 이러한 분리는 시드 입자에 의해 산란 된 빛과 현저하게 다른 파장에서 방출되는 형광 코팅을 선택하여 달성 할 수 있습니다. 또는 레이저에서 멀리 떨어진 대역에서 방출되는 형광 입자를 이용하는 것 (Pedocchi et al. 2008 ). 두 경우 모두 컬러 이미지 획득의 채널 분리 또는 멀티 카메라 설정의 애드혹 필터링은 물체 식별을 크게 촉진 할 수 있습니다. 우리의 경우에는 그러한 파장 분리를 달성 할 필요가 없습니다. 실제로 형광 코팅의 방출 스펙트럼의 피크는 540nm입니다 (Taniguchi and Lindsey 2018 ; Taniguchi et al. 2018), 사용 된 레이저의 532 nm에 매우 가깝습니다.

마스킹 소프트웨어

DM 용으로 개발 된 알고리즘 은 무료 PIV 분석 패키지 PIVlab (Thielicke 2020 , Thielicke 및 Stamhuis 2014 ) 과 함께 작동하도록 고안된 오픈 소스 프리웨어 GUI 기반 도구 (Prestininzi 및 Lombardi 2021 )입니다. 이것은 세 단계의 순차적 실행으로 구성됩니다 (그림 1 에서 a–b–c라고 함 ). 첫 번째 단계 (a)는 장면에서 레이저 위치를 찾는 데 사용됩니다 (즉, 소스의 좌표를 계산합니다. 장애물에 부딪히는 빛); 두 번째 항목 (b)은 개체 위치를 추적하고 각 프레임의 음영 영역을 계산합니다. 세 번째 항목 (c)은 추적 된 개체 영역과 음영 처리 된 개체 영역을 PIV 알고리즘을위한 단일 마스크로 병합합니다.

각 단계에 대한 자세한 내용은 다음과 같습니다.

  1. (ㅏ)레이저 위치는 프레임 (즉, 획득 한 프레임의 시야 (FOV)) 내에서 가시적 일 수도 있고 아닐 수도 있습니다. 전자의 경우 사용자는 GUI에서 레이저 소스를 클릭하여 찾기 만하면됩니다. 후자의 경우, 사용자는 음영 영역의 경계에 속하는 두 개의 세그먼트 (두 쌍의 점)를 그리도록 요청받습니다. 그러면 FOV 외부에있는 레이저 위치가 두 선의 교차점으로 계산됩니다. 세그먼트로 구성됩니다. 개체 그림자는 ROI 프레임 상자에 도달하는 것으로 간주됩니다.
  2. (비)레이저 위치가 알려지면 물체 추적은 다음과 같이 수행됩니다. 각 프레임의 하나의 채널 (이 경우 RGB 색상 공간이 사용되기 때문에 녹색 채널이지만 GUI는 선호하는 채널을 지정할 수 있음)은 다음과 같습니다. 로컬 적응 임계 값을 사용하여 이진화 됨 (Bradley and Roth 2007), 후자는 이웃 주변의 로컬 평균 강도를 사용하여 각 픽셀에 대해 계산됩니다. 그런 다음 입자와 물체로 구성된 이진 이미지가 영역으로 변환됩니다. 우리 실험에 존재하는 유일한 장애물은 모든 입자에 비해 더 큰 크기를 기준으로 식별됩니다. 다른 전략은 이전에 논의되었습니다. 그런 다음 장애물 영역의 경계 다각형은 사용자 정의 포인트 밀도로 결정됩니다. 여기에서는 그림자 결정을 위해 광선 투사 (RC) 접근 방식을 채택했습니다. RC는 컴퓨터 그래픽을 기반으로하는 “경 운송 모델링”의 틀에 속합니다. 수치 적으로 정확한 그림자를 제공하기 때문에 여기에서 선택됩니다. 정확도는 떨어지지 만 주로 RC의 계산 부하를 줄이는 것을 목표로하는 몇 가지 다른 방법이 개발되었습니다.2015 ), 여기서 간략히 회상합니다. 각 프레임 (명확성을 위해 여기에 색인화되지 않음)에 대해 광선아르 자형나는 j아르 자형나는제이레이저 위치 L 에서 i 번째 정점 으로 캐스트됩니다.피나는 j피나는제이의 J 오브젝트의 경계 다각형 일; 목표는피나는 j피나는제이 하위 집합에 속 ㅏ제이ㅏ제이 레이저에 의해 직접 조명되는 경계 정점의 피나는 j피나는제이 에 추가됩니다 ㅏ제이ㅏ제이 만약 아르 자형나는 j아르 자형나는제이 적어도 한쪽을 교차 에스k j에스케이제이( j 번째 개체 경계 다각형 의 모든면에 걸쳐있는 k )피나는 j피나는제이 (그것이 교차로 큐나는 j k큐나는제이케이 레이저 위치와 정점 사이에 있지 않습니다. 피나는 j피나는제이). 두 개의 광선, 즉ρ1ρ1 과 ρ2ρ2추가면을 가로 지르지 않는는 저장됩니다.
  3. (씨)일단 정점 세트, 즉 ㅏ제이ㅏ제이 레이저에 의해 직접 비춰지고 식별되었으며 ROI 프레임 상자의 음영 부분은 후자와 교차하여 결정됩니다. ρ1ρ1 과 ρ2ρ2. 두 교차점은 다음에 추가됩니다.ㅏ제이ㅏ제이. 점으로 둘러싸인 영역ㅏ제이ㅏ제이 마침내 마스크로 변환됩니다.

레이저 소스가 여러 개인 경우 각각에 RC 알고리즘을 적용해야하며 음영 영역의 결합이 수행됩니다. 레이 캐스팅 절차의 의사 코드는 Alg에보고됩니다. 1.

그림
그림 1
그림 1

DM 검증

이 섹션에서는 제안 된 DM으로 수행 된 PIV 측정과 두 가지 다른 접근 방식, 즉 no-masking (NM)과 static masking (SM) 간의 비교를 제시합니다.

그림 2
그림 2
그림 3
그림 3

실험 설정

진동 유도기 (VI)의 성능을 분석하기 위해 PIV 설정을 설계하고 현재 DM 기술을 개발했습니다 (Curatolo et al. 2019 , 2020 ). 후자는 비 맥동 ​​유체 흐름에서 역류에 배치 된 캔틸레버의 규칙적이고 넓은 진동을 유도 할 수있는 윙렛입니다. 이러한 VI는 캔틸레버의 끝에 장착되며 (그림 2 참조   ) 진동 운동의 어느 지점에서든 캔틸레버의 중립 구성을 향해 양력을 생성 할 수있는 두 개의 오목한 날개가 있습니다.

VI는 캔틸레버 표면에 장착 된 압전 패치를 사용하여 고정 유체 흐름에서 기계적 에너지 추출을 향상시킬 수 있습니다. 그림 2 에서 강조된 날개의 전체 측면 가장자리는  Sect에 설명 된 사양에 따라 형광 페인트로 코팅되어 있습니다. 2.1 . 실험은 Roma Tre University 공학부 수력 학 실험실의 자유 표면 채널에서 수행됩니다. 10.8cm 길이의 캔틸레버는 채널의 중심선에 배치되고 상류로 향하며 수직-세로 평면에서 진동합니다. 세라믹 페 로브 스카이 트 (PZT) 압전 패치 (7××캔틸레버의 윗면에는 Physik Instrumente (PI)에서 만든 3cm)가 부착되어 있습니다. 흐름 유도 진동 하에서 변형으로 인해 AC 전압 차이를 제공합니다. VI 왼쪽 날개의 수직 중앙면에있는 2D 속도 필드는 수제 수중 PIV 장비를 통해 얻었습니다.각주1 연속파, 저비용, 저전력 (150mW), 녹색 (532nm) 레이저 빔이 2mm 두께의 부채꼴 시트에 퍼집니다.120∘120∘그림 2 와 같이 VI의 한쪽 날개를 절반으로 교차 합니다. 물은 평균 직경이 100 인 폴리 아미드 입자로 시드됩니다.μμm 및 1016 Kg / m의 밀도삼삼. 레이저 소스는 VI의 15cm 위쪽 (자유 표면 아래 약 4cm)과 VI의 하류 5cm에 경사지게 배치됩니다.5∘5∘상류. 위의 설정은 주로 날개의 후류를 조사하기 위해 고안되었습니다. 날개의 상류면과 하류 부분의 일부는 레이저 시트에 직접 맞지 않습니다. 레이저 시트에 수직으로 촬영하는 고속 상용 카메라 (Sony RX100 M5)를 사용하여 동영상을 촬영합니다. 후자는 1920의 프레임 크기로 500fps의 높은 프레임 속도 모드로 기록됩니다.×× 1080px, 나중에 더 작은 655로 잘림 ××이미지 분석 중에 분석 할 850px ROI. 시간 해결, 프리웨어, 오픈 소스, MatLab 용 PIV 분석 도구가 사용됩니다 (Thielicke and Stamhuis 2014 ). 이 도구는 질의 영역 (IA) 변형 (우리의 경우 64×× 64, 32 ×× 32 및 26 ××26). 각 패스에서 각 IA의 경계와 모서리에서 추가 변위 정보를 얻기 위해 인접한 IA 사이에 50 %의 중첩이 허용됩니다. 첫 번째 통과 후, 입자 변위 정보가 보간되어 IA의 모든 픽셀의 변위를 도출하고 그에 따라 변형됩니다.

시딩 입자 수 밀도는 첫 번째 패스에서 IA 당 약 5입니다. Keane과 Adrian ( 1992 )에 따르면 이러한 밀도 값은 95 % 유효한 탐지 확률을 보장합니다. IA는 프레임 커플 내에서 입자의 충분한 영구성을 보장하기 위해 크기가 조정됩니다. 분석 된 유동 역학은 0.4 ~ 0.7m / s 범위의 유동 속도를 특징으로합니다. 따라서 입자는 권장 최소값 인 2 프레임 (Keane and Adrian 1992 ) 보다 큰 약 3-4 프레임의 세 번째 패스 IA에 나타납니다 .

PIV 체인 분석 평가

사용 된 PIV 알고리즘의 정확성은 이전에 문헌에서 광범위하게 평가되었습니다 (예 : Guérin et al. ( 2020 ), Vennemann and Rösgen ( 2020 ), Mohammadshahi et al. ( 2020 ), Narayan et al. ( 2020 )). 그러나 PIV 측정의 물리적 일관성을 보장하기 위해 두 가지 벤치 마크 사례가 여기에 나와 있습니다.

첫 번째는 Sect에 설명 된 동일한 PIV 설정을 통해 측정 된 세로 유속의 수직 프로파일을 비교합니다. 3.1 분석 기준 용액이있는 실험 채널에서. 후자는 플로팅 트레이서로 수행되는 PTV (입자 추적 속도계) 측정을 통해 보정되었습니다. 분석 속도 프로파일은 Eq. 1 (Keulegan 1938 ).u ( z) =유∗[5.75 로그(지δ) +8.5];유(지)=유∗[5.75로그⁡(지δ)+8.5];(1)

여기서 u 는 수평 유속 성분, z 는 수직 좌표,δδ 침대 거칠기 및 V∗V∗ 균일 한 흐름 공식에 의해 주어진 것으로 가정되는 마찰 속도, 즉 유∗= U/ C유∗=유/씨; U 는 깊이 평균 유속이고 C 는 다음 과 같이 주어진 마찰 계수입니다.씨= 5.75로그( 13.3에프R / δ)씨=5.75로그⁡(13.3에프아르 자형/δ), R = 0.2아르 자형=0.2 m은 유압 반경이고 에프= 0.92에프=0.92유한 폭 채널의 형상 계수. 그림  4 는 4 초의 시간 창에 걸쳐 순간 값을 평균화하여 얻은 분석 프로필과 PIV 측정 간의 비교를 보여줍니다. 국부적 인 변동은 대략 0.5 초의 시간 척도에서 진화하는 것으로 밝혀졌습니다. PTV 결과에 가장 적합하면 다음과 같은 값이 산출됩니다.δ= 1δ=1cm, 베드 거칠기의 경우 Eq. 1 , 실험 채널 침대 표면의 실제 조건과 호환됩니다. VI의 휴지 구성 위치에서 유속의 분석 값은 그림에서 검은 색 십자가로 표시됩니다. 비교는 놀라운 일치를 보여 주므로 실험 설정과 PIV 알고리즘의 조합이 분석 된 설정에 대해 신뢰할 수있는 것으로 간주 될 수 있음을 증명합니다.

두 번째 벤치 마크는 VI 뒷면에 재 부착 된 흐름의 양을 비교합니다. 실제로 이러한 장치의 높은 캠버를 고려할 때 흐름은 하류 표면에서 분리되어 결국 다시 연결됩니다. 첨부 흐름을 나타내는 표면의 양 (Curatolo 외. 발견 2020 ) 흥미로운 압전 패치 (즉, 효율이 큰 경우에 더 빠르게 진동이 유발되는 것이다)에서 VI의 효율과 상관된다. 여기에서는 PIV 분석을 통해 측정 된 진동의 상사 점에서 재 부착 된 흐름의 길이를 CFD (전산 유체 역학) 상용 코드 FLOW-3D® (Flow Science 2019 )로 예측 한 길이와 비교하여 RANS를 해결합니다. 결합 식 (비어 스톡스 레이놀즈 평균) 케이 -ϵϵ구조화 된 그리드의 난류 폐쇄 (시뮬레이션을 위해 1mm 간격이 선택됨). 다운 스트림 측면의 흐름은 이러한 높은 캠버 VI를 위해 여러 위치에서 분리 및 재 부착됩니다. 이 벤치 마크에서 비교 된 양은 VI의 앞쪽 가장자리와 가장 가까운 흐름 재 부착 위치 사이의 호 길이입니다. 그림 5를 참조  하면 CFD 모델에 의해 예측 된 호의 길이는 측정 된 호의 길이보다 10 % 더 큽니다. 이 작업에 제시된 DM 기술을 사용하는 PIV 분석은 물리적으로 건전한 측정을 제공하는 것으로 입증됩니다. 후류의 유체 역학에 대한 자세한 분석과 VI의 전반적인 효율성과의 상관 관계는 현재 진행 중이며 향후 작업의 대상이 될 것입니다.

그림 4
그림 4
그림 5
그림 5

결과

그림 6을 참조하여  순간 유속 장의 관점에서 세 가지 접근법의 결과를 비교합니다. 선택한 순간은 진동의 상사 점에 해당합니다.

제안 된 DM (그림 6 의 패널 a  )은 부드러운 유동장을 생성하여 후류에서 일관된 소용돌이 구조를 나타냅니다.

NM 접근법 (그림 6 의 패널 b1  )도 후류의 와류 구조를 정확하게 예측하지만 음영 영역에서 대부분 부정확 한 값을 산출합니다. 또한 비교에서 합리적인 기준을 추론 할 수 없기 때문에 획득 한 유동장 의 사후 필터링이 실현 가능하지 않다는 것이 분명합니다 . 실제로 유속은 그림 6 의 패널 c1에서 볼 수 있듯이 가장 큰 오류가 생성되는 위치에서도 “합리적인”크기를 갖습니다. , DM 및 NM 접근 방식으로 얻은 속도 필드 간의 차이가 표시됩니다. 더욱이 후류에서 발생하는 매우 불안정한 소용돌이 운동이 이러한 위치에 가깝게 이동하기 때문에 그럴듯한 흐름 방향을 가정하더라도 필터링 기준을 공식화 할 수 없습니다. 모델러가 그러한 부정확성을 알고 있었다하더라도 NM 접근법은 “합리적”이지만 여전히 날개의 내부 현과 그 바로 아래에있는 유동장의 대부분은 부정확합니다. 이러한 행동은 매우 오해의 소지가 있습니다.

그림 6 의 패널 b2는  SM 접근법으로 얻은 유속 장을 보여주고 패널 c2는 SM과 DM 접근법으로 얻은 결과 간의 차이를 보여줍니다. SM 접근법은 NM 대응 물에 비해 전반적으로 더 나은 정확도를 명확하게 보여 주지만, 이는 레이저 소스의 위치가 진동 중에 음영 영역이 많이 움직이지 않기 때문입니다 (그림 3 참조). 한 번의 진동 동안 VI가 경험 한 최대 변위를 육안으로 검사합니다. 즉, 분석 된 사례의 경우 정적 마스크를 그리기위한 중립 구성을 선택하면 NM 접근 방식보다 낮은 오류를 얻을 수 있습니다. 더 큰 물체 변위를 포함하는 실험 설정은 NM이 일관되게 더 정확해질 수 있기 때문에 NM보다 SM의 우월성은 일반화 될 수 없음을 강조하고 싶습니다.

그림  6 은 분석 된 접근법에 의해 생성 된 차이를 철저히 보여 주지만 결과에 대한보다 정량적 인 평가를 제공하기 위해 오류의 빈도 분포를 계산했습니다. 그림 7 에서 이러한 분포를  살펴보면 SM 접근법이 NM보다 전체적인 예측이 더 우수하고 SM 분포가 더 정점에 있음을 확인합니다. 그럼에도 불구하고 SM은 여전히 ​​비정상적인 강도의 스파이크를 생성합니다. 분포의 꼬리로 표시되는 이러한 값은 정적 마스크 범위의 과대 평가 (왼쪽 꼬리) 및 과소 평가 (오른쪽 꼬리)에 연결됩니다. 그러나 주파수의 크기는 고려되는 경우에 SM과 NM의 적용 가능성을 배제하여 DM에 대한 리조트를 의무적으로 만듭니다.

그림 6
그림 6
그림 7
그림 7

결론

이 작업에서는 PIV 분석 도구에 DM (Dynamic Masking) 모듈을 제공하기위한 새로운 실험 기법을 제시합니다. 동적 마스킹은 유체 흐름에 잠긴 불투명 이동 / 변형 가능한 물체를 포함하는 시간 해결 PIV 설정에서 필요한 단계입니다. 마스킹 알고리즘과 함께 형광 코팅을 사용하여 물체를 정확하게 추적 할 수 있습니다. 우리는 제안 된 DM과 두 가지 다른 접근 방식, 즉 no-masking (NM)과 static masking (SM)을 비교하여 자체적으로 설계된 저비용 PIV 설정을 통해 수행 된 측정을 제시합니다. 분석 된 유동 역학은 고체 물체의 제한된 변위를 포함하지만 정량적 비교는 DM 기술을 채택해야하는 필수 필요성을 보여줍니다. 여기에서 정확성이 입증 된 현재의 실험적 접근 방식은

메모

  1. 1.실험 데이터 세트는 PIV 분석의 복제를 허용하기 위해 요청시 제공됩니다.

참고 문헌

  1. Anders S, Noto D, Seilmayer M, Eckert S (2019) 스펙트럼 랜덤 마스킹 : 다상 흐름에서 piv를위한 새로운 동적 마스킹 기술. Experim 유체 60 (4) : 1–6 Google 학술 검색 
  2. Archbold E, Ennos A (1972) 이중 노출 레이저 사진에서 변위 측정. Optica Acta Int J Opt 19 (4) : 253–271 Google 학술 검색 
  3. Barker D, Fourney M (1977) 얼룩 패턴으로 유체 속도 측정. Opt Lett 1 (4) : 135–137 Google 학술 검색 
  4. Bradley D, Roth G (2007) 적분 이미지를 사용한 적응 형 임계 값. J 그래프 도구 12 (2) : 13–21 Google 학술 검색 
  5. Brücker C (2000) Piv의 다상 흐름. 입자 이미지 유속계 및 관련 기술, 강의 시리즈, p 1
  6. Case N (2015) 시력 및 조명. GitHub 저장소. https://github.com/ncase/sight-and-light
  7. Curatolo M, La Rosa M, Prestininzi P (2019) 바이 모르 프 압전 캔틸레버의 굽힘에서 평면 상태 가정의 타당성. J Intell Mater Syst Struct 30 (10) : 1508–1517 Google 학술 검색 
  8. Curatolo M, Lombardi V, Prestininzi P (2020) 얇은 압전 캔틸레버의 유동 유도 진동 향상 : 실험 분석. In : River Flow 2020— 유체 유압에 관한 국제 회의 절차
  9. DantecDynamics : DynamicStudio 6.4 (2018) https://www.dantecdynamics.com/dynamicstudio-6-4-release-with-new-dynamic-masking-add-on/
  10. Driscoll K, Sick V, Gray C (2003) 고밀도 연료 ​​스프레이에서 동시 공기 / 연료 위상 piv 측정. Experim 유체 35 (1) : 112–115 Google 학술 검색 
  11. Dussol D, Druault P, Mallat B, Delacroix S, Germain G (2016) 불안정한 인터페이스, 거품 및 움직이는 구조를 포함하는 piv 이미지에 대한 자동 동적 마스크 추출. Comptes Rendus Mécanique 344 (7) : 464–478 Google 학술 검색 
  12. Ergin F, Watz B, Wadhwa N (2015) 장거리 micropiv를 사용하여 작은 평영 수영 선수 주변의 픽셀 정확도 동적 마스킹 및 흐름 측정. 에서 : 입자 이미지 유속계 -PIV15에 관한 제 11 회 국제 심포지엄. 캘리포니아 주 산타 바바라, 9 월, 14 ~ 16 쪽
  13. Flow Science I (2019) FLOW-3D, 버전 12.0. 산타페, NM https://www.flow3d.com/
  14. Foeth EJ, Van Doorne C, Van Terwisga T, Wieneke B (2006) 시간은 3d 시트 캐비테이션의 piv 및 유동 시각화를 해결했습니다. Experim 유체 40 (4) : 503–513 Google 학술 검색 
  15. Grant I (1997) 입자 이미지 속도 측정 : 리뷰. Proc Inst Mech Eng CJ Mech Eng Sci 211 (1) : 55–76 Google 학술 검색 
  16. Guérin A, Derr J, Du Pont SC, Berhanu M (2020) 흐르는 물막에 의해 생성 된 Streamwise 용해 패턴. Phys Rev Lett 125 (19) : 194502 Google 학술 검색 
  17. Keane RD, Adrian RJ (1992) piv 이미지의 상호 상관 분석 이론. Appl Sci Res 49 (3) : 191–215 Google 학술 검색 
  18. Keulegan GH (1938) 열린 수로에서 난류의 법칙, vol. 21. 미국 표준 국 (National Bureau of Standards)
  19. Khalitov D, Longmire EK (2002) 2 개 매개 변수 위상 차별에 의한 동시 2 상 piv. Experim 유체 32 (2) : 252–268 Google 학술 검색 
  20. Lindken R, Rossi M, Große S, Westerweel J (2009) 미세 입자 영상 속도계 (piv) : 최근 개발, 응용 및 지침. 랩 칩 9 (17) : 2551–2567 Google 학술 검색 
  21. Masullo A, Theunissen R (2017) 픽셀 강도 통계를 기반으로 한 piv 이미지 분석을위한 자동화 된 마스크 생성. Experim 유체 58 (6) : 70 Google 학술 검색 
  22. Mohammadshahi S, Samsam-Khayani H, Cai T, Kim KC (2020) 수로에서 진동하는 제트의 흐름 특성과 열 전달에 대한 실험 및 수치 연구. Int J 열 유체 흐름 86 : 108701 Google 학술 검색 
  23. Narayan S, Moravec DB, Dallas AJ, Dutcher CS (2020) 4 채널 미세 유체 유체 역학 트랩에서 물방울 모양 이완. Phys Rev Fluids 5 (11) : 113603 Google 학술 검색 
  24. Pedocchi F, Martin JE, García MH (2008) 입자 이미지 속도계를 사용하는 대규모 실험을위한 저렴한 형광 입자. Experim 유체 45 (1) : 183–186 Google 학술 검색 
  25. Prasad AK (2000) 입체 입자 영상 유속계. Experim 유체 29 (2) : 103–116 Google 학술 검색 
  26. Prestininzi P, Lombardi V (2021) DM @ PIV. https://it.mathworks.com/matlabcentral/fileexchange/75398-dm-piv . MATLAB Central 파일 교환. 2021 년 5 월 6 일 확인
  27. Sanchis A, Jensen A (2011) 자유 표면 흐름에서 라돈 변환을 사용한 piv 이미지의 동적 마스킹. Experim 유체 51 (4) : 871–880 Google 학술 검색 
  28. Scarano F (2013) Tomographic piv : 원리와 실행. Meas Sci Technol 24 (1)
  29. Taniguchi M, Lindsey JS (2018) photochemcad에 사용하기위한> 300 개의 일반적인 화합물의 흡수 및 형광 스펙트럼 데이터베이스. Photochem Photobiol 94 (2) : 290–327 Google 학술 검색 
  30. Taniguchi M, Du H, Lindsey JS (2018) Photochemcad 3 : 다중 스펙트럼 데이터베이스를 사용한 광 물리 계산을위한 다양한 모듈. Photochem Photobiol 94 (2) : 277–289 Google 학술 검색 
  31. Thielicke W (2020) PIVlab (2020). https://www.mathworks.com/matlabcentral/fileexchange/27659-pivlab-particle-image-velocimetry-piv-tool . MATLAB Central 파일 교환. 5 월 8 일 확인
  32. Thielicke W, Stamhuis E (2014) PIVlab-matlab의 사용자 친화적이고 저렴하며 정확한 디지털 입자 이미지 속도계를 지향합니다. J Open Res Softw 2 (1)
  33. TSI Instruments (2014) PIV 이미지에 대한 동적 마스킹. TSI Incorporated 애플리케이션 노트 PIV-018
  34. Vennemann B, Rösgen T (2020) 컨볼 루션 오토 인코더를 사용하는 입자 이미지 속도 측정을위한 동적 마스킹 기술. Experim 유체 61 (7) : 1–11 Google 학술 검색 
  35. Westerweel J, Elsinga GE, Adrian RJ (2013) 복잡하고 난류 흐름에 대한 입자 이미지 유속계. Ann Rev Fluid Mech 45 (1) : 409–436. https://doi.org/10.1146/annurev-fluid-120710-101204MathSciNet  수학 Google 학술 검색 

참조 다운로드

자금

CRUI-CARE 계약에 따라 Università degli Studi Roma Tre가 제공하는 오픈 액세스 자금.

작가 정보

제휴

  1. 이탈리아 Roma, Università Roma Tre 공학과Valentina Lombardi, Michele La Rocca, Pietro Prestininzi

교신 저자

Valentina Lombardi에 대한 서신 .

추가 정보

발행인의 메모

Springer Nature는 출판 된지도 및 기관 소속의 관할권 주장과 관련하여 중립을 유지합니다.

오픈 액세스이 기사는 크리에이티브 커먼즈 저작자 표시 4.0 국제 라이선스에 따라 사용이 허가되었습니다.이 라이선스는 귀하가 원저자와 출처에 대해 적절한 크레딧을 제공하는 한 모든 매체 또는 형식으로 사용, 공유, 개작, 배포 및 복제를 허용합니다. 크리에이티브 커먼즈 라이센스에 대한 링크를 제공하고 변경 사항이 있는지 표시합니다. 이 기사의 이미지 또는 기타 제 3 자 자료는 자료에 대한 크레딧 라인에 달리 명시되지 않는 한 기사의 크리에이티브 커먼즈 라이선스에 포함됩니다. 자료가 기사의 크리에이티브 커먼즈 라이센스에 포함되어 있지 않고 의도 된 사용이 법적 규정에 의해 허용되지 않거나 허용 된 사용을 초과하는 경우 저작권 보유자로부터 직접 허가를 받아야합니다. 이 라이센스의 사본을 보려면 다음을 방문하십시오.http://creativecommons.org/licenses/by/4.0/ .

재판 및 허가

이 기사에 대해

CrossMark를 통해 통화 및 진위 확인

이 기사 인용

Lombardi, V., Rocca, ML & Prestininzi, P. 시간 분해 PIV 분석을위한 새로운 동적 마스킹 기술. J Vis (2021). https://doi.org/10.1007/s12650-021-00756-0

인용 다운로드

이 기사 공유

다음 링크를 공유하는 사람은 누구나이 콘텐츠를 읽을 수 있습니다.공유 가능한 링크 받기

Springer Nature SharedIt 콘텐츠 공유 이니셔티브 제공

키워드

  • 시간 해결 PIV
  • 역학 마스킹
  • 이미지 처리
  • 진동 유도제
  • 형광 코팅
Figure 4. Calculate and simulate the injection of water in a single-channel injection chamber with a nozzle diameter of 60 μm and a thickness of 50 μm, at an operating frequency of 5 KHz, in the X-Y two-dimensional cross-sectional view, at 10, 20, 30, 40 and 200 μs.

DNA Printing Integrated Multiplexer Driver Microelectronic Mechanical System Head (IDMH) and Microfluidic Flow Estimation

DNA 프린팅 통합 멀티플렉서 드라이버 Microelectronic Mechanical System Head (IDMH) 및 Microfluidic Flow Estimation

by Jian-Chiun Liou 1,*,Chih-Wei Peng 1,Philippe Basset 2 andZhen-Xi Chen 11School of Biomedical Engineering, Taipei Medical University, Taipei 11031, Taiwan2ESYCOM, Université Gustave Eiffel, CNRS, CNAM, ESIEE Paris, F-77454 Marne-la-Vallée, France*Author to whom correspondence should be addressed.

Abstract

The system designed in this study involves a three-dimensional (3D) microelectronic mechanical system chip structure using DNA printing technology. We employed diverse diameters and cavity thickness for the heater. DNA beads were placed in this rapid array, and the spray flow rate was assessed. Because DNA cannot be obtained easily, rapidly deploying DNA while estimating the total amount of DNA being sprayed is imperative. DNA printings were collected in a multiplexer driver microelectronic mechanical system head, and microflow estimation was conducted. Flow-3D was used to simulate the internal flow field and flow distribution of the 3D spray room. The simulation was used to calculate the time and pressure required to generate heat bubbles as well as the corresponding mean outlet speed of the fluid. The “outlet speed status” function in Flow-3D was used as a power source for simulating the ejection of fluid by the chip nozzle. The actual chip generation process was measured, and the starting voltage curve was analyzed. Finally, experiments on flow rate were conducted, and the results were discussed. The density of the injection nozzle was 50, the size of the heater was 105 μm × 105 μm, and the size of the injection nozzle hole was 80 μm. The maximum flow rate was limited to approximately 3.5 cc. The maximum flow rate per minute required a power between 3.5 W and 4.5 W. The number of injection nozzles was multiplied by 100. On chips with enlarged injection nozzle density, experiments were conducted under a fixed driving voltage of 25 V. The flow curve obtained from various pulse widths and operating frequencies was observed. The operating frequency was 2 KHz, and the pulse width was 4 μs. At a pulse width of 5 μs and within the power range of 4.3–5.7 W, the monomer was injected at a flow rate of 5.5 cc/min. The results of this study may be applied to estimate the flow rate and the total amount of the ejection liquid of a DNA liquid.

이 연구에서 설계된 시스템은 DNA 프린팅 기술을 사용하는 3 차원 (3D) 마이크로 전자 기계 시스템 칩 구조를 포함합니다. 히터에는 다양한 직경과 캐비티 두께를 사용했습니다. DNA 비드를 빠른 어레이에 배치하고 스프레이 유속을 평가했습니다.

DNA를 쉽게 얻을 수 없기 때문에 DNA를 빠르게 배치하면서 스프레이 되는 총 DNA 양을 추정하는 것이 필수적입니다. DNA 프린팅은 멀티플렉서 드라이버 마이크로 전자 기계 시스템 헤드에 수집되었고 마이크로 플로우 추정이 수행되었습니다.

Flow-3D는 3D 스프레이 룸의 내부 유동장과 유동 분포를 시뮬레이션 하는데 사용되었습니다. 시뮬레이션은 열 거품을 생성하는데 필요한 시간과 압력뿐만 아니라 유체의 해당 평균 출구 속도를 계산하는데 사용되었습니다.

Flow-3D의 “출구 속도 상태”기능은 칩 노즐에 의한 유체 배출 시뮬레이션을 위한 전원으로 사용되었습니다. 실제 칩 생성 프로세스를 측정하고 시작 전압 곡선을 분석했습니다. 마지막으로 유속 실험을 하고 그 결과를 논의했습니다. 분사 노즐의 밀도는 50, 히터의 크기는 105μm × 105μm, 분사 노즐 구멍의 크기는 80μm였다. 최대 유량은 약 3.5cc로 제한되었습니다. 분당 최대 유량은 3.5W에서 4.5W 사이의 전력이 필요했습니다. 분사 노즐의 수에 100을 곱했습니다. 분사 노즐 밀도가 확대 된 칩에 대해 25V의 고정 구동 전압에서 실험을 수행했습니다. 얻은 유동 곡선 다양한 펄스 폭과 작동 주파수에서 관찰되었습니다. 작동 주파수는 2KHz이고 펄스 폭은 4μs입니다. 5μs의 펄스 폭과 4.3–5.7W의 전력 범위 내에서 단량체는 5.5cc / min의 유속으로 주입되었습니다. 이 연구의 결과는 DNA 액체의 토 출액의 유량과 총량을 추정하는 데 적용될 수 있습니다.

Keywords: DNA printingflow estimationMEMS

Introduction

잉크젯 프린트 헤드 기술은 매우 중요하며, 잉크젯 기술의 거대한 발전은 주로 잉크젯 프린트 헤드 기술의 원리 개발에서 시작되었습니다. 잉크젯 인쇄 연구를 위한 대규모 액적 생성기 포함 [ 1 , 2 , 3 , 4 , 5 , 6 , 7 , 8]. 연속 식 잉크젯 시스템은 고주파 응답과 고속 인쇄의 장점이 있습니다. 그러나이 방법의 잉크젯 프린트 헤드의 구조는 더 복잡하고 양산이 어려운 가압 장치, 대전 전극, 편향 전계가 필요하다. 주문형 잉크젯 시스템의 잉크젯 프린트 헤드는 구조가 간단하고 잉크젯 헤드의 다중 노즐을 쉽게 구현할 수 있으며 디지털화 및 색상 지정이 쉽고 이미지 품질은 비교적 좋지만 일반적인 잉크 방울 토출 속도는 낮음 [ 9 , 10 , 11 ].

핫 버블 잉크젯 헤드의 총 노즐 수는 수백 또는 수천에 달할 수 있습니다. 노즐은 매우 미세하여 풍부한 조화 색상과 부드러운 메쉬 톤을 생성할 수 있습니다. 잉크 카트리지와 노즐이 일체형 구조를 이루고 있으며, 잉크 카트리지 교체시 잉크젯 헤드가 동시에 업데이트되므로 노즐 막힘에 대한 걱정은 없지만 소모품 낭비가 발생하고 상대적으로 높음 비용. 주문형 잉크젯 기술은 배출해야 하는 그래픽 및 텍스트 부분에만 잉크 방울을 배출하고 빈 영역에는 잉크 방울이 배출되지 않습니다. 이 분사 방법은 잉크 방울을 충전할 필요가 없으며 전극 및 편향 전기장을 충전할 필요도 없습니다. 노즐 구조가 간단하고 노즐의 멀티 노즐 구현이 용이하며, 출력 품질이 더욱 개선되었습니다. 펄스 제어를 통해 디지털화가 쉽습니다. 그러나 잉크 방울의 토출 속도는 일반적으로 낮습니다. 열 거품 잉크젯, 압전 잉크젯 및 정전기 잉크젯의 세 가지 일반적인 유형이 있습니다. 물론 다른 유형이 있습니다.

압전 잉크젯 기술의 실현 원리는 인쇄 헤드의 노즐 근처에 많은 소형 압전 세라믹을 배치하면 압전 크리스탈이 전기장의 작용으로 변형됩니다. 잉크 캐비티에서 돌출되어 노즐에서 분사되는 패턴 데이터 신호는 압전 크리스탈의 변형을 제어한 다음 잉크 분사량을 제어합니다. 압전 MEMS 프린트 헤드를 사용한 주문형 드롭 하이브리드 인쇄 [ 12]. 열 거품 잉크젯 기술의 실현 원리는 가열 펄스 (기록 신호)의 작용으로 노즐의 발열체 온도가 상승하여 근처의 잉크 용매가 증발하여 많은 수의 핵 형성 작은 거품을 생성하는 것입니다. 내부 거품의 부피는 계속 증가합니다. 일정 수준에 도달하면 생성된 압력으로 인해 잉크가 노즐에서 분사되고 최종적으로 기판 표면에 도달하여 패턴 정보가 재생됩니다 [ 13 , 14 , 15 , 16 , 17 , 18 ].

“3D 제품 프린팅”및 “증분 빠른 제조”의 의미는 진화했으며 모든 증분 제품 제조 기술을 나타냅니다. 이는 이전 제작과는 다른 의미를 가지고 있지만, 자동 제어 하에 소재를 쌓아 올리는 3D 작업 제작 과정의 공통적 인 특징을 여전히 반영하고 있습니다 [ 19 , 20 , 21 , 22 , 23 , 24 ].

이 개발 시스템은 열 거품 분사 기술입니다. 이 빠른 어레이에 DNA 비드를 배치하고 스프레이 유속을 평가하기 위해 다른 히터 직경과 캐비티 두께를 설계하는 것입니다. DNA 제트 칩의 부스트 회로 시스템은 큰 흐름을 구동하기위한 신호 소스입니다. 목적은 분사되는 DNA 용액의 양과 출력을 조정하는 것입니다. 입력 전압을 더 높은 출력 전압으로 변환해야 하는 경우 부스트 컨버터가 유일한 선택입니다. 부스트 컨버터는 내부 금속 산화물 반도체 전계 효과 트랜지스터 (MOSFET)를 통해 전압을 충전하여 부스트 출력의 목적을 달성하고, MOSFET이 꺼지면 인덕터는 부하 정류를 통해 방전됩니다.

인덕터의 충전과 방전 사이의 변환 프로세스는 인덕터를 통한 전압의 방향을 반대로 한 다음 점차적으로 입력 작동 전압보다 높은 전압을 증가시킵니다. MOSFET의 스위칭 듀티 사이클은 확실히 부스트 비율을 결정합니다. MOSFET의 정격 전류와 부스트 컨버터의 부스트 비율은 부스트 ​​컨버터의 부하 전류의 상한을 결정합니다. MOSFET의 정격 전압은 출력 전압의 상한을 결정합니다. 일부 부스트 컨버터는 정류기와 MOSFET을 통합하여 동기식 정류를 제공합니다. 통합 MOSFET은 정확한 제로 전류 턴 오프를 달성하여 부스트 변압기를 보다 효율적으로 만듭니다. 최대 전력 점 추적 장치를 통해 입력 전력을 실시간으로 모니터링합니다. 입력 전압이 최대 입력 전력 지점에 도달하면 부스트 컨버터가 작동하기 시작하여 부스트 컨버터가 최대 전력 출력 지점으로 유리 기판에 DNA 인쇄를 하는 데 적합합니다. 일정한 온 타임 생성 회로를 통해 온 타임이 온도 및 칩의 코너 각도에 영향을 받지 않아 시스템의 안정성이 향상됩니다.

잉크젯 프린트 헤드에 사용되는 기술은 매우 중요합니다. 잉크젯 기술의 엄청난 발전은 주로 잉크젯 프린팅에 사용되는 대형 액적 이젝터 [ 1 , 2 , 3 , 4 , 5 , 6 , 7 , 8 ]를 포함하여 잉크젯 프린트 헤드 기술의 이론 개발에서 시작되었습니다 . 연속 잉크젯 시스템은 고주파 응답과 고속 인쇄의 장점을 가지고 있습니다. 잉크젯 헤드의 총 노즐 수는 수백 또는 수천에 달할 수 있으며 이러한 노즐은 매우 복잡합니다. 노즐은 풍부하고 조화로운 색상과 부드러운 메쉬 톤을 생성할 수 있습니다 [ 9 , 10 ,11 ]. 잉크젯은 열 거품 잉크젯, 압전 잉크젯 및 정전 식 잉크젯의 세 가지 주요 유형으로 분류할 수 있습니다. 다른 유형도 사용 중입니다. 압전 잉크젯의 기능은 다음과 같습니다. 많은 소형 압전 세라믹이 잉크젯 헤드 노즐 근처에 배치됩니다. 압전 결정은 전기장 아래에서 변형됩니다. 그 후, 잉크는 잉크 캐비티에서 압착되어 노즐에서 배출됩니다. 패턴의 데이터 신호는 압전 결정의 변형을 제어한 다음 분사되는 잉크의 양을 제어합니다. 압전 마이크로 전자 기계 시스템 (MEMS) 잉크젯 헤드는 하이브리드 인쇄에 사용됩니다. [ 12]. 열 버블 잉크젯 기술은 다음과 같이 작동합니다. 가열 펄스 (즉, 기록 신호) 하에서 노즐의 가열 구성 요소의 온도가 상승하여 근처의 잉크 용매를 증발시켜 많은 양의 작은 핵 기포를 생성합니다. 내부 기포의 부피가 지속적으로 증가합니다. 압력이 일정 수준에 도달하면 노즐에서 잉크가 분출되고 잉크가 기판 표면에 도달하여 패턴과 메시지가 표시됩니다 [ 13 , 14 , 15 , 16 , 17 , 18 ].

3 차원 (3D) 제품 프린팅 및 빠른 프로토 타입 기술의 발전에는 모든 빠른 프로토 타입의 생산 기술이 포함됩니다. 래피드 프로토 타입 기술은 기존 생산 방식과는 다르지만 3D 제품 프린팅 생산 과정의 일부 특성을 공유합니다. 구체적으로 자동 제어 [ 19 , 20 , 21 , 22 , 23 , 24 ] 하에서 자재를 쌓아 올립니다 .

이 연구에서 개발된 시스템은 열 기포 방출 기술을 사용했습니다. 이 빠른 어레이에 DNA 비드를 배치하기 위해 히터에 대해 다른 직경과 다른 공동 두께가 사용되었습니다. 그 후, 스프레이 유속을 평가했다. DNA 제트 칩의 부스트 회로 시스템은 큰 흐름을 구동하기위한 신호 소스입니다. 목표는 분사되는 DNA 액체의 양과 출력을 조정하는 것입니다. 입력 전압을 더 높은 출력 전압으로 수정해야하는 경우 승압 컨버터가 유일한 옵션입니다. 승압 컨버터는 내부 금속 산화물 반도체 전계 효과 트랜지스터 (MOSFET)를 충전하여 출력 전압을 증가시킵니다. MOSFET이 꺼지면 부하 정류를 통해 인덕턴스가 방전됩니다. 충전과 방전 사이에서 인덕터를 변경하는 과정은 인덕터를 통과하는 전압의 방향을 변경합니다. 전압은 입력 작동 전압을 초과하는 지점까지 점차적으로 증가합니다. MOSFET 스위치의 듀티 사이클은 부스트 ​​비율을 결정합니다. MOSFET의 승압 컨버터의 정격 전류와 부스트 비율은 승압 컨버터의 부하 전류의 상한을 결정합니다. MOSFET의 정격 전류는 출력 전압의 상한을 결정합니다. 일부 승압 컨버터는 정류기와 MOSFET을 통합하여 동기식 정류를 제공합니다. 통합 MOSFET은 정밀한 제로 전류 셧다운을 실현할 수 있으므로 셋업 컨버터의 효율성을 높일 수 있습니다. 최대 전력 점 추적 장치는 입력 전력을 실시간으로 모니터링하는 데 사용되었습니다. 입력 전압이 최대 입력 전력 지점에 도달하면 승압 컨버터가 작동을 시작합니다. 스텝 업 컨버터는 DNA 프린팅을 위한 최대 전력 출력 포인트가 있는 유리 기판에 사용됩니다.

MEMS Chip Design for Bubble Jet

이 연구는 히터 크기, 히터 번호 및 루프 저항과 같은 특정 매개 변수를 조작하여 5 가지 유형의 액체 배출 챔버 구조를 설계했습니다. 표 1 은 측정 결과를 나열합니다. 이 시스템은 다양한 히터의 루프 저항을 분석했습니다. 100 개 히터 설계를 완료하기 위해 2 세트의 히터를 사용하여 각 단일 회로 시리즈를 통과하기 때문에 100 개의 히터를 설계할 때 총 루프 저항은 히터 50 개의 총 루프 저항보다 하나 더 커야 합니다. 이 연구에서 MEMS 칩에서 기포를 배출하는 과정에서 저항 층의 면저항은 29 Ω / m 2입니다. 따라서 모델 A의 총 루프 저항이 가장 컸습니다. 일반 사이즈 모델 (모델 B1, C, D, E)의 두 배였습니다. 모델 B1, C, D 및 E의 총 루프 저항은 약 29 Ω / m 2 입니다. 표 1 에 따르면 오류 범위는 허용된 설계 값 이내였습니다. 따라서야 연구에서 설계된 각 유형의 단일 칩은 동일한 생산 절차 결과를 가지며 후속 유량 측정에 사용되었습니다.

Table 1. List of resistance measurement of single circuit resistance.
Table 1. List of resistance measurement of single circuit resistance.

DNA를 뿌린 칩의 파워가 정상으로 확인되면 히터 버블의 성장 특성을 테스트하고 검증했습니다. DNA 스프레이 칩의 필름 두께와 필름 품질은 히터의 작동 조건과 스프레이 품질에 영향을 줍니다. 따라서 기포 성장 현상과 그 성장 특성을 이해하면 본 연구에서 DNA 스프레이 칩의 특성과 작동 조건을 명확히 하는 데 도움이 됩니다.

설계된 시스템은 기포 성장 조건을 관찰하기 위해 개방형 액체 공급 방법을 채택했습니다. 이미지 관찰을 위해 발광 다이오드 (LED, Nichia NSPW500GS-K1, 3.1V 백색 LED 5mm)를 사용하는 동기식 플래시 방식을 사용하여 동기식 지연 광원을 생성했습니다. 이 시스템은 또한 전하 결합 장치 (CCD, Flir Grasshopper3 GigE GS3-PGE-50S5C-C)를 사용하여 이미지를 캡처했습니다. 그림 1핵 형성, 성장, 거품 생성에서 소산에 이르는 거품의 과정을 보여줍니다. 이 시스템은 기포의 성장 및 소산 과정을 확인하여 시작 전압을 관찰하는 데 사용할 수 있습니다. 마이크로 채널의 액체 공급 방법은 LED가 깜빡이는 시간을 가장 큰 기포 발생에 필요한 시간 (15μs)으로 설정했습니다. 이 디자인은 부적합한 깜박임 시간으로 인한 잘못된 판단과 거품 이미지 캡처 불가능을 방지합니다.

Figure 1. The system uses CCD to capture images.
Figure 1. The system uses CCD to capture images.

<내용 중략>…….

Table 2. Open pool test starting voltage results.
Table 2. Open pool test starting voltage results.
Figure 2. Serial input parallel output shift registers forms of connection.
Figure 2. Serial input parallel output shift registers forms of connection.
Figure 3. The geometry of the jet cavity. (a) The actual DNA liquid chamber, (b) the three-dimensional view of the microfluidic single channel. A single-channel jet cavity with 60 μm diameter and 50 μm thickness, with an operating frequency of 5 KHz, in (a) three-dimensional side view (b) X-Z two-dimensional cross-sectional view, at 10, 20, 30, 40 and 200 μs injection conditions.
Figure 3. The geometry of the jet cavity. (a) The actual DNA liquid chamber, (b) the three-dimensional view of the microfluidic single channel. A single-channel jet cavity with 60 μm diameter and 50 μm thickness, with an operating frequency of 5 KHz, in (a) three-dimensional side view (b) X-Z two-dimensional cross-sectional view, at 10, 20, 30, 40 and 200 μs injection conditions.
Figure 4. Calculate and simulate the injection of water in a single-channel injection chamber with a nozzle diameter of 60 μm and a thickness of 50 μm, at an operating frequency of 5 KHz, in the X-Y two-dimensional cross-sectional view, at 10, 20, 30, 40 and 200 μs.
Figure 4. Calculate and simulate the injection of water in a single-channel injection chamber with a nozzle diameter of 60 μm and a thickness of 50 μm, at an operating frequency of 5 KHz, in the X-Y two-dimensional cross-sectional view, at 10, 20, 30, 40 and 200 μs.
Figure 5 depicts the calculation results of the 2D X-Z cross section. At 100 μs and 200 μs, the fluid injection orifice did not completely fill the chamber. This may be because the size of the single-channel injection cavity was unsuitable for the highest operating frequency of 10 KHz. Thus, subsequent calculation simulations employed 5 KHz as the reference operating frequency. The calculation simulation results were calculated according to the operating frequency of the impact. Figure 6 illustrates the injection cavity height as 60 μm and 30 μm and reveals the 2D X-Y cross section. At 100 μs and 200 μs, the fluid injection orifice did not completely fill the chamber. In those stages, the fluid was still filling the chamber, and the flow field was not yet stable.
Figure 5 depicts the calculation results of the 2D X-Z cross section. At 100 μs and 200 μs, the fluid injection orifice did not completely fill the chamber. This may be because the size of the single-channel injection cavity was unsuitable for the highest operating frequency of 10 KHz. Thus, subsequent calculation simulations employed 5 KHz as the reference operating frequency. The calculation simulation results were calculated according to the operating frequency of the impact. Figure 6 illustrates the injection cavity height as 60 μm and 30 μm and reveals the 2D X-Y cross section. At 100 μs and 200 μs, the fluid injection orifice did not completely fill the chamber. In those stages, the fluid was still filling the chamber, and the flow field was not yet stable.
Figure 6. Calculate and simulate water in a single-channel spray chamber with a spray hole diameter of 60 μm and a thickness of 50 μm, with an operating frequency of 10 KHz, in an XY cross-sectional view, at 10, 20, 30, 40, 100, 110, 120, 130, 140 and 200 μs injection situation.
Figure 6. Calculate and simulate water in a single-channel spray chamber with a spray hole diameter of 60 μm and a thickness of 50 μm, with an operating frequency of 10 KHz, in an XY cross-sectional view, at 10, 20, 30, 40, 100, 110, 120, 130, 140 and 200 μs injection situation.
Figure 7. The DNA printing integrated multiplexer driver MEMS head (IDMH).
Figure 7. The DNA printing integrated multiplexer driver MEMS head (IDMH).
Figure 8. The initial voltage diagrams of chip number A,B,C,D,E type.
Figure 8. The initial voltage diagrams of chip number A,B,C,D,E type.
Figure 9. The initial energy diagrams of chip number A,B,C,D,E type.
Figure 9. The initial energy diagrams of chip number A,B,C,D,E type.
Figure 10. A Type-Sample01 flow test.
Figure 10. A Type-Sample01 flow test.
Figure 11. A Type-Sample01 drop volume.
Figure 11. A Type-Sample01 drop volume.
Figure 12. A Type-Sample01 flow rate.
Figure 12. A Type-Sample01 flow rate.
Figure 13. B1-00 flow test.
Figure 13. B1-00 flow test.
Figure 14. C Type-01 flow test.
Figure 14. C Type-01 flow test.
Figure 15. D Type-02 flow test.
Figure 15. D Type-02 flow test.
Figure 16. E1 type flow test.
Figure 16. E1 type flow test.
Figure 17. E1 type ejection rate relationship.
Figure 17. E1 type ejection rate relationship.

Conclusions

이 연구는 DNA 프린팅 IDMH를 제공하고 미세 유체 흐름 추정을 수행했습니다. 설계된 DNA 스프레이 캐비티와 20V의 구동 전압에서 다양한 펄스 폭의 유동 성능이 펄스 폭에 따라 증가하는 것으로 밝혀졌습니다.

E1 유형 유량 테스트는 해당 유량이 3.1cc / min으로 증가함에 따라 유량이 전력 변화에 영향을 받는 것으로 나타났습니다. 동력이 증가함에 따라 유량은 0.75cc / min에서 3.5cc / min으로 최대 6.5W까지 증가했습니다. 동력이 더 증가하면 유량은 에너지와 함께 증가하지 않습니다. 이것은 이 테이블 디자인이 가장 크다는 것을 보여줍니다. 유속은 3.5cc / 분이었다.
작동 주파수가 2KHz이고 펄스 폭이 4μs 및 5μs 인 특수 설계된 DNA 스프레이 룸 구조에서 다양한 전력 조건 하에서 유량 변화를 관찰했습니다. 4.3–5.87 W의 출력 범위 내에서 주입 된 모노머의 유속은 5.5cc / 분이었습니다. 이것은 힘이 증가해도 변하지 않았습니다. DNA는 귀중하고 쉽게 얻을 수 없습니다. 이 실험을 통해 우리는 DNA가 뿌려진 마이크로 어레이 바이오칩의 수천 개의 지점에 필요한 총 DNA 양을 정확하게 추정 할 수 있습니다.

<내용 중략>…….

References

  1. Pydar, O.; Paredes, C.; Hwang, Y.; Paz, J.; Shah, N.; Candler, R. Characterization of 3D-printed microfluidic chip interconnects with integrated O-rings. Sens. Actuators Phys. 2014205, 199–203. [Google Scholar] [CrossRef]
  2. Ohtani, K.; Tsuchiya, M.; Sugiyama, H.; Katakura, T.; Hayakawa, M.; Kanai, T. Surface treatment of flow channels in microfluidic devices fabricated by stereolitography. J. Oleo Sci. 201463, 93–96. [Google Scholar] [CrossRef]
  3. Castrejn-Pita, J.R.; Martin, G.D.; Hoath, S.D.; Hutchings, I.M. A simple large-scale droplet generator for studies of inkjet printing. Rev. Sci. Instrum. 200879, 075108. [Google Scholar] [CrossRef] [PubMed]
  4. Asai, A. Application of the nucleation theory to the design of bubble jet printers. Jpn. J. Appl. Phys. Regul. Rap. Short Notes 198928, 909–915. [Google Scholar] [CrossRef]
  5. Aoyama, R.; Seki, M.; Hong, J.W.; Fujii, T.; Endo, I. Novel Liquid Injection Method with Wedge-shaped Microchannel on a PDMS Microchip System for Diagnostic Analyses. In Transducers’ 01 Eurosensors XV; Springer: Berlin, Germany, 2001; pp. 1204–1207. [Google Scholar]
  6. Xu, B.; Zhang, Y.; Xia, H.; Dong, W.; Ding, H.; Sun, H. Fabrication and multifunction integration of microfluidic chips by femtosecond laser direct writing. Lab Chip 201313, 1677–1690. [Google Scholar] [CrossRef] [PubMed]
  7. Nayve, R.; Fujii, M.; Fukugawa, A.; Takeuchi, T.; Murata, M.; Yamada, Y. High-Resolution long-array thermal ink jet printhead fabricated by anisotropic wet etching and deep Si RIE. J. Microelectromech. Syst. 200413, 814–821. [Google Scholar] [CrossRef]
  8. O’Connor, J.; Punch, J.; Jeffers, N.; Stafford, J. A dimensional comparison between embedded 3D: Printed and silicon microchannesl. J. Phys. Conf. Ser. 2014525, 012009. [Google Scholar] [CrossRef]
  9. Fang, Y.J.; Lee, J.I.; Wang, C.H.; Chung, C.K.; Ting, J. Modification of heater and bubble clamping behavior in off-shooting inkjet ejector. In Proceedings of the IEEE Sensors, Irvine, CA, USA, 30 October–3 November 2005; pp. 97–100. [Google Scholar]
  10. Lee, W.; Kwon, D.; Choi, W.; Jung, G.; Jeon, S. 3D-Printed microfluidic device for the detection of pathogenic bacteria using size-based separation in helical channel with trapezoid cross-section. Sci. Rep. 20155, 7717. [Google Scholar] [CrossRef] [PubMed]
  11. Shin, D.Y.; Smith, P.J. Theoretical investigation of the influence of nozzle diameter variation on the fabrication of thin film transistor liquid crystal display color filters. J. Appl. Phys. 2008103, 114905-1–114905-11. [Google Scholar] [CrossRef]
  12. Kim, Y.; Kim, S.; Hwang, J.; Kim, Y. Drop-on-Demand hybrid printing using piezoelectric MEMS printhead at various waveforms, high voltages and jetting frequencies. J. Micromech. Microeng. 201323, 8. [Google Scholar] [CrossRef]
  13. Shin, S.J.; Kuka, K.; Shin, J.W.; Lee, C.S.; Oha, Y.S.; Park, S.O. Thermal design modifications to improve firing frequency of back shooting inkjet printhead. Sens. Actuators Phys. 2004114, 387–391. [Google Scholar] [CrossRef]
  14. Rose, D. Microfluidic Technologies and Instrumentation for Printing DNA Microarrays. In Microarray Biochip Technology; Eaton Publishing: Norwalk, CT, USA, 2000; p. 35. [Google Scholar]
  15. Wu, D.; Wu, S.; Xu, J.; Niu, L.; Midorikawa, K.; Sugioka, K. Hybrid femtosecond laser microfabrication to achieve true 3D glass/polymer composite biochips with multiscale features and high performance: The concept of ship-in-abottle biochip. Laser Photon. Rev. 20148, 458–467. [Google Scholar] [CrossRef]
  16. McIlroy, C.; Harlen, O.; Morrison, N. Modelling the jetting of dilute polymer solutions in drop-on-demand inkjet printing. J. Non Newton. Fluid Mech. 2013201, 17–28. [Google Scholar] [CrossRef]
  17. Anderson, K.; Lockwood, S.; Martin, R.; Spence, D. A 3D printed fluidic device that enables integrated features. Anal. Chem. 201385, 5622–5626. [Google Scholar] [CrossRef] [PubMed]
  18. Avedisian, C.T.; Osborne, W.S.; McLeod, F.D.; Curley, C.M. Measuring bubble nucleation temperature on the surface of a rapidly heated thermal ink-jet heater immersed in a pool of water. Proc. R. Soc. A Lond. Math. Phys. Sci. 1999455, 3875–3899. [Google Scholar] [CrossRef]
  19. Lim, J.H.; Kuk, K.; Shin, S.J.; Baek, S.S.; Kim, Y.J.; Shin, J.W.; Oh, Y.S. Failure mechanisms in thermal inkjet printhead analyzed by experiments and numerical simulation. Microelectron. Reliab. 200545, 473–478. [Google Scholar] [CrossRef]
  20. Shallan, A.; Semjkal, P.; Corban, M.; Gujit, R.; Breadmore, M. Cost-Effective 3D printing of visibly transparent microchips within minutes. Anal. Chem. 201486, 3124–3130. [Google Scholar] [CrossRef] [PubMed]
  21. Cavicchi, R.E.; Avedisian, C.T. Bubble nucleation and growth anomaly for a hydrophilic microheater attributed to metastable nanobubbles. Phys. Rev. Lett. 200798, 124501. [Google Scholar] [CrossRef] [PubMed]
  22. Kamei, K.; Mashimo, Y.; Koyama, Y.; Fockenberg, C.; Nakashima, M.; Nakajima, M.; Li, J.; Chen, Y. 3D printing of soft lithography mold for rapid production of polydimethylsiloxane-based microfluidic devices for cell stimulation with concentration gradients. Biomed. Microdevices 201517, 36. [Google Scholar] [CrossRef] [PubMed]
  23. Shin, S.J.; Kuka, K.; Shin, J.W.; Lee, C.S.; Oha, Y.S.; Park, S.O. Firing frequency improvement of back shooting inkjet printhead by thermal management. In Proceedings of the TRANSDUCERS’03. 12th International Conference on Solid-State Sensors.Actuators and Microsystems. Digest of Technical Papers (Cat. No.03TH8664), Boston, MA, USA, 8–12 June 2003; Volume 1, pp. 380–383. [Google Scholar]
  24. Laio, X.; Song, J.; Li, E.; Luo, Y.; Shen, Y.; Chen, D.; Chen, Y.; Xu, Z.; Sugoioka, K.; Midorikawa, K. Rapid prototyping of 3D microfluidic mixers in glass by femtosecond laser direct writing. Lab Chip 201212, 746–749. [Google Scholar] [CrossRef] [PubMed]
FLOW-3D (x) Workflow

Optimization of a Tilt Pour Casting

경동 주조 최적화

최적화 목표

연소 엔진 피스톤의 경동 주조를 최적화하여 공기 혼입을 최소화합니다.

엔지니어링 과제

이 최적화의 목적은 경동 주조 중에 공기 혼입 및 난류의 양을 최소화하는 것입니다. 이 목표는 주물 채우기 모션의 프로필을 수정하여 달성됩니다. 공기 혼입과 난류를 최소화하면 주조에 결함이 발생할 가능성이 줄어 듭니다. 또한 충전 매개 변수를 최적화하면 비용 증가 없이 품질을 높일 수 있습니다.

최적화 전 틸트 타설 주조

최적화 솔루션

사용자가 경동 주조 시뮬레이션의 여러 반복을 실행할 수 있는 워크 플로우를 생성합니다. FLOW-3D (x) 는 노드를 사용하여 최적화를위한 자동화 된 워크 플로를 구성합니다. 세 가지 프로세스 변수 (회전 시작, 회전 지속 시간 및 체적 유량)는 변수 입력으로 사용되며 시뮬레이션이 반복 될 때마다 달라집니다.

FLOW-3D (x) 워크 플로우

Excel 스프레드 시트 노드는 금형 회전의 시작 및 지속 시간과 충전 프로파일의 체적 유량에 대한 테이블을 정의하는 데 사용됩니다. 계산기 노드는 프로파일 설명을 레이들 동작을 규정하는 movin.inp 파일로 변환합니다. 다음으로 FLOW-3D 노드는 시뮬레이션을 실행하는 데 사용됩니다. 각 시뮬레이션의 출력은 후 처리 노드에 의해 결과에서 추출된 총 충전 비율과 동반 공기량 비율입니다. 채우기 비율은 시뮬레이션의 동적 종료 조건으로 사용되어 금형이 완전히 채워지도록 합니다. 최적화 연구에 허용되는 예산 또는 시뮬레이션 수는 30 개로 설정됩니다. 단일 시뮬레이션 실행은 약 15 분입니다.

최적화 결과

사용 FLOW-3D (X) 의 데이터를 분석 도구를 결과 Pareto Front 그래픽 표현이 혼입된 공기의 최소량과 높은 충전 분율 최적 충전 프로파일에 있는 시뮬레이션 대응을 보여준다. 시뮬레이션 및 반복 설계 기능은 모두 FLOW-3D (x)에 의해 자율적으로 생성됩니다 . 또한 각 개별 시뮬레이션의 이미지와 비디오를 출력하도록 설정할 수 있습니다.

다음은 원래의 주입 속도와 주입 시간 (왼쪽)과 오른쪽의 최적화 된 값을 비교 한 것입니다. 주입 속도가 약간 증가하고 주입이 약간 더 일찍 완료됩니다.

원래 주입 속도
최적화 된 주입 속도

다음은 원래 금형 회전 속도 및 기간 (왼쪽)과 오른쪽의 최적화 된 값을 비교한 것입니다. 회전 속도가 증가하고 회전 시간이 원본보다 짧다는 것을 알 수 있습니다.

원래 금형 회전율

FLOW-3D (X)에 대한 자세한 내용은  기술 문의 담당자에게 문의 바랍니다.

FLOW-3D (x) Workflow

Characterizing Contact Tank Performance

접촉 탱크 성능 특성화

성과 목표

다양한 박테리아 부하가있는 활성 슬러지 공정에서 염소 소독 접촉 탱크의 성능을 특성화합니다. 모델은 Evans와 Kothandramm (2000) 1 의 논문을 기반으로 설정되었습니다 .

염소 접촉 탱크 회로도

엔지니어링 과제

사용자가 다양한 박테리아 부하 및 염소 주입 농도로 시뮬레이션의 여러 반복을 실행할 수 있는 워크 플로우를 자동화합니다. 이는 시스템 배출구에서 박테리아 농도를 최소화하는 데 필요한 최소 염소량을 찾기 위해 설정됩니다.

접촉 탱크 성능 특성화

FLOW-3D (x) 워크 플로우

초기 시뮬레이션은 주어진 유속에서 시스템의 유체 역학만을 계산합니다. 3000 초에서 정상 상태 조건이 발견됩니다. 이 시뮬레이션의 유동장을 사용하여 반응 역학 모델을 도입하기 위해 재시작 시뮬레이션이 생성됩니다. 유입 파이프를 통해 염소와 박테리아가 유입됩니다. 배출구에는 반응물 (염소 및 박테리아)의 농도를 측정하기 위해 플럭스 표면이 배치됩니다.

FLOW-3D (x) 는 노드를 사용하여 최적화를위한 자동화된 워크플로를 구성합니다. 유입 박테리아 농도 변수는 1.0e9 ~ 10.0e9 범위로 지정되고 염소 농도 변수는 1.0e-6 ~ 9.0e-5 범위로 지정됩니다. FLOW-3D 노드를 사용하여 시뮬레이션이 실행됩니다. 후 처리 노드는 결과에서 염소와 박테리아의 농도를 추출하고 출구에서 박테리아를 최소화하는데 필요한 최소 염소를 나타내는 Pareto fronts를 만듭니다.

예산 또는 허용되는 시뮬레이션 수는 20 개로 설정한 다음 50 개로 설정하여 예산 증가가 Pareto fronts의 품질에 미치는 영향을 보여주었습니다. 단일 시뮬레이션의 런타임은 약 15 분입니다.

Performance Results

시뮬레이션 20회

FLOW-3D (x) 20 시뮬레이션 예산 접촉 탱크

시뮬레이션 50 회

FLOW-3D(x)의 데이터 분석 도구를 사용하여 염소 농도에 대한 박테리아 농도의 Pareto fronts을 20회 사례와 50회 사례 모두에 대해 컴파일합니다. 예산이 클수록 최적화 엔진은 보다 정확한 Pareto를 위해 보고할 시간과 데이터를 더 많이 확보할 수 있습니다.

시스템 설계자는 FLOW-3D(x)에 의해 생성된 Pareto fronts을 통해 접촉 탱크에 주입해야 하는 염소의 양을 신속하게 평가하여 주어진 유속 하에서 탱크 출구의 박테리아를 최소화할 수 있습니다. 다른 유량의 경우, 탱크 유체역학을 정의하는 원래 시뮬레이션은 새로운 유량으로 실행되고 동일한 FLOW-3D(x) 프로젝트가 실행되며, 흡입 박테리아와 염소 변수의 범위가 다를 수 있습니다.

References

Evans, R. and Kothandraman, V., “Design and Performance of Chlorine Contact Tanks, “Circular 119 STATE OF ILLINOIS DEPARTMENT OF REGISTRATION AND EDUCATION 2000.

Mixing Tank with FLOW-3D

CFD Stirs Up Mixing 일반

CFD (전산 유체 역학) 전문가가 필요하고 때로는 실행하는데 몇 주가 걸리는 믹싱 시뮬레이션의 시대는 오래 전입니다. 컴퓨팅 및 관련 기술의 엄청난 도약에 힘 입어 Ansys, Comsol 및 Flow Science와 같은 회사는 엔지니어의 데스크톱에 사용하기 쉬운 믹싱 시뮬레이션을 제공하고 있습니다.

“병렬화 및 고성능 컴퓨팅의 발전과 템플릿화는 비전문 화학 엔지니어에게 정확한 CFD 시뮬레이션을 제공했습니다.”라고 펜실베이니아  피츠버그에있는 Ansys Inc.의 수석 제품 마케팅 관리자인 Bill Kulp는 말합니다 .

흐름 개선을위한 실용적인 지침이 필요하십니까? 다운로드 화학 처리의 eHandbook을 지금 흐름 도전 싸우는 방법!

예를 들어, 회사는 휴스턴에있는 Nalco Champion과 함께 프로젝트를 시작했습니다. 이 프로젝트는 시뮬레이션 전문가가 아닌 화학 엔지니어에게 Ansys Fluent 및 ACT (분석 제어 기술) 템플릿 기반 시뮬레이션 앱에 대한 액세스 권한을 부여합니다. 새로운 화학 물질을위한 프로세스를 빠르고 효율적으로 확장합니다.

Giving Mixing Its Due

“화학 산업은 CFD와 같은 계산 도구를 사용하여 많은 것을 얻을 수 있지만 혼합 프로세스는 단순하다고 가정하기 때문에 간과되는 경우가 있습니다. 그러나 최신 수치 기법을 사용하여 우수한 성능을 달성하는 흥미로운 방법이 많이 있습니다.”라고 Flow Science Inc. , Santa Fe, NM의 CFD 엔지니어인 Ioannis Karampelas는 말합니다 .

이러한 많은 기술이 회사의 Flow-3D Multiphysics 모델링 소프트웨어 패키지와 전용 포스트 프로세서 시각화 도구 인 FlowSight에 포함되어 있습니다.

“모든 상업용 CFD 패키지는 어떤 형태의 시각화 도구와 번들로 제공되지만 FlowSight는 매우 강력하고 사용하기 쉽고 이해하기 쉽게 설계되었습니다. 예를 들어, 프로세스를 재 설계하려는 엔지니어는 다양한 설계 변경의 효과를 평가하기 위해 매우 직관적인 시각화 도구가 필요합니다.”라고 그는 설명합니다.

이 접근 방식은 실험 측정을 얻기 어려운 공정 (예 : 쉽게 측정 할 수없는 매개 변수 및 독성 물질의 존재로 인해 본질적으로 위험한 공정)을 더 잘 이해하고 최적화하는데 특히 효과적입니다.

동일한 접근 방식은 또한 믹서 관련 장비 공급 업체가 고객 요구에 맞게 제품을보다 정확하게 개발하고 맞춤화하는 데 도움이되었습니다. “이는 불필요한 프로토 타이핑 비용이나 잠재적 인 과도한 엔지니어링을 방지합니다. 두 가지 모두 일부 공급 업체의 문제였습니다.”라고 Karampelas는 말합니다.

CFD 기술 자체는 계속해서 발전하고 있습니다. 예를 들어, 수치 알고리즘의 관점에서 볼 때 구형 입자의 상호 작용이 열 전달을 적절하게 모델링하는 데 중요한 다양한 문제에 대해 이산 요소 모델링을 쉽게 적용 할 수있는 반면, LES 난류 모델은 난류 흐름 패턴을 정확하게 시뮬레이션하는 데 이상적입니다.

컴퓨팅 리소스에 대한 비용과 수요에도 불구하고 Karampelas는 난류 모델의 전체 제품군을 제공 할 수있는 것이 중요하다고 생각합니다. 특히 LES는 이미 대부분의 학계와 일부 산업 (예 : 전력 공학)에서 선택하는 방법이기 때문입니다. .

그럼에도 불구하고 CFD의 사용이 제한적이거나 비실용적 일 수있는 경우는 확실히 있습니다. 여기에는 나노 입자에서 벌크 유체 증발을 모델링하는 것과 같이 관심의 규모가 다른 규모에 따라 달라질 수있는 문제와 중요한 물리적 현상이 아직 알려지지 않았거나 제대로 이해되지 않았거나 아마도 매우 복잡한 문제 (예 : 모델링)가 포함됩니다. 음 펨바 효과”라고 Karampelas는 경고합니다.

반면에 더욱 강력한 하드웨어와 업데이트 된 수치 알고리즘의 출현은 CFD 소프트웨어를 사용하여 과다한 설계 및 최적화 문제를 해결하기위한 최적의 접근 방식이 될 것이라고 그는 믿습니다.

“복잡한 열교환 시스템 및 새로운 혼합 기술과 같이 점점 더 복잡한 공정을 모델링 할 수있는 능력은 가까운 장래에 가능할 수있는 일을 간단히 보여줍니다. 수치적 방법 사용의 주요 이점은 설계자가 상상력에 의해서만 제한되어 소규모 믹서에서 대규모 반응기 및 증류 컬럼에 이르기까지 다양한 화학 플랜트 공정을 최적화 할 수있는 길을 열어 준다는 것입니다. 실험적 또는 경험적 접근 방식은 항상 관련성이 있지만 CFD가 미래의 엔지니어를위한 선택 도구가 될 것이라고 확신합니다.”라고 그는 결론을 내립니다.


Ottewell2
Seán Ottewell은 Chemical Processing의 편집장입니다. sottewell@putman.net으로 이메일을 보낼 수 있습니다 .

기사 원문 : https://www.chemicalprocessing.com/articles/2017/cfd-stirs-up-mixing/

Figure 10.—Temperature contour time sequence for an EDS scale propellant tank at a jet mixing velocity of 0.06 m/s.

Computational Fluid Dynamics (CFD) Simulations of Jet Mixing in Tanks of Different Scales

NASA/TM—2010-216749

Kevin Breisacher and Jeffrey Moder
Glenn Research Center, Cleveland, Ohio

Prepared for the57th Joint Army-Navy-NASA-Air Force (JANNAF) Propulsion Meetingsponsored by the JANNAF Interagency Propulsion CommitteeColorado Springs, Colorado, May 3–7, 2010

Abstract

극저온 추진제의 장기 공간 저장을 위해 축류 제트 믹서는 탱크 압력을 제어하고 열 층화를 줄이기위한 하나의 개념입니다. 1960 년대부터 현재까지 10 피트 이하의 탱크 직경에 대한 광범위한 지상 테스트 데이터가 존재합니다.

Ares V EDS (Earth Departure Stage) LH2 탱크 용으로 계획된 것과 같이 직경이 30 피트 정도 인 탱크 용 축류 제트 믹서를 설계하려면 훨씬 더 작은 탱크에서 사용 가능한 실험 데이터를 확장하고 미세 중력을 설계해야 합니다.

이 연구는 10 배 차이가 나는 2 개의 탱크 크기에서 기존의 지상 기반 축류 제트 혼합 실험의 시뮬레이션을 수행하여 이러한 규모의 변화를 처리하는 전산 유체 역학 (CFD)의 능력을 평가합니다. 저궤도 (LEO) 해안 동안 Ares V 스케일 EDS LH2 탱크에 대한 여러 축 제트 구성의 시뮬레이션이 평가되고 선택된 결과도 제공됩니다.

두 가지 탱크 크기 (직경 1 및 10 피트)의 물을 사용하여 General Dynamics에서 1960 년대에 수행한 제트 혼합 실험 데이터를 사용하여 CFD 정확도를 평가합니다. 제트 노즐 직경은 직경 1 피트 탱크 실험의 경우 0.032 ~ 0.25 인치, 직경 10 피트 탱크 실험의 경우 0.625 ~ 0.875 인치였습니다.

제트 믹서를 켜기 전에 두 탱크에서 열 층화 층이 생성되었습니다. 제트 믹서 효율은 층화 층이 섞일 때까지 탱크의 열전대 레이크의 온도를 모니터링하여 결정되었습니다. 염료는 층화된 탱크에 자주 주입되었고 침투가 기록되었습니다. 실험 데이터에서 사용 가능한 속도나 난류량은 없었습니다.

제시된 시뮬레이션에는 자유 표면 추적 (Flow Science, Inc.의 FLOW-3D)이 포함된 시판되고 시간 정확도가 높은 다차원 CFD 코드가 사용됩니다. 서로 다른 시간에 탱크의 다양한 축 위치에서 계산 된 온도와 실험적으로 관찰된 온도를 비교합니다. 획득한 합의에 대한 다양한 모델링 매개 변수의 영향을 평가합니다.

Introduction

Constellation 프로그램의 일부인 Ares V는 우주 비행사를 달로 돌려 보내도록 설계된 무거운 리프트 발사기입니다. Ares V 스택의 일부인 EDS (Earth Departure Stage)는 지구의 중력에서 벗어나 승무원 차량과 달 착륙선을 달로 보내는데 필요합니다.

이러한 차량의 질량과 달로 보내는 데 필요한 에너지 때문에 EDS의 액체 수소(LH2)와 액체 산소(LO2) 추진제 탱크는 매우 클 것입니다(직경 10m). 탱크 내부로의 환경적 열 누출로 인해 혼합 장치를 포함한 열역학적 환기 시스템(TV)은 설계 한계 내에서 탱크 압력을 유지하고 엔진 시동에 필요한 한도 내에서 액체 온도를 유지하기 위해 며칠의 순서에 따라 공간 내 저장 기간 동안 필요할 수 있습니다.

이러한 혼합 장치 중 하나는 그림 1과 2와 같이 탱크 바닥 근처에 있는 (순가속과 관련하여) 탱크 축을 따라 중심에 있는 축 제트입니다. 축방향 제트 혼합기와 TVS에 통합된 것은 1960년대 중반부터 연구되어 왔으며(참조 1~5), 광범위한 축방향 제트 접지 테스트 데이터(비사이로젠(참조 1~9), 극저온(참조 10~16) 유체 사용), 에탄올을 사용한 일부 드롭 타워 테스트 데이터(참조 17 및 18)가 있습니다. 극저온 추진제를 사용하는 축방향 제트에 대한 기존 접지 테스트 데이터는 3m(10ft) 이하의 탱크 직경으로 제한됩니다.

저자가 알고 있는 바와 같이, 현재 임계 미달의 극저온 추진체를 사용하는 폐쇄형 탱크에 축방향 제트가 포함된 낙하탑, 항공기 또는 우주 비행 시험 데이터는 없습니다.

축방향 제트(Axial jet)는 지구 저궤도(LEO) 연안의 며칠 동안 EDS LH2 탱크에서 작동하는 혼합 장치의 후보 중 하나입니다. 제안된 EDS 탱크 척도의 극저온 저장 탱크에서 작동하는 축 제트 실험 데이터가 존재하지 않기 때문에, EDS 탱크를 위한 축 제트 TV의 초기 설계는 기존 데이터에 대해 고정된 상관 관계 및 CFD 분석에 의존할 필요가 있습니다.

이 연구는 두 개의 탱크 척도에서 크기 순서로 다른 축방향 제트 열분해 성능을 예측하기 위한 CFD 정확도 평가의 현재 진행 상황을 보고합니다. CFD 시뮬레이션은 물을 작동 유체로 사용하는 접지 테스트 축 제트 데이터(참조 1 – 4)와 비교됩니다. 이 평가를 위해 선택된 CFD 코드는 Flow Science(참조 21)의 상용 코드 FLOW-3D로, 극저온 저장 탱크 및 축방향 제트(참조 22~24)의 이전 분석에서 사용되었습니다.

LEO의 대표적인 EDS LH2 탱크에 대한 예비 축 제트 시뮬레이션도 여러 축 제트 구성에 대해 수행됩니다. 이러한 축방향 제트 구성의 열분해 성능을 평가하고 선택된 결과를 제시합니다.

이러한 예비 축방향 제트 EDS 시뮬레이션은 비교적 짧은 시간 동안 혼합기 성능만 평가합니다. 탱크 열 누출, 위상 변화 및 일반적인 자기 압력(제트 오프)/압력 붕괴(제트 온) 사이클을 포함한 보다 상세한 시뮬레이션이 향후 작업에서 추진될 수 있습니다.

Figure 1.—Schematic of the small water tank / Figure 2.—Schematic of the large water tank
Figure 1.—Schematic of the small water tank / Figure 2.—Schematic of the large water tank
Figure 5.—Temperature contours for large tank jet mixing simulation. (Temperature contour range 294 to 302 K)
Figure 5.—Temperature contours for large tank jet mixing simulation. (Temperature contour range 294 to 302 K)

상세 내용은 원문을 참조하시기 바랍니다.


Figure 9.—Schematic of a representative EDS scale propellant tank.
Figure 9.—Schematic of a representative EDS scale propellant tank.
Figure 10.—Temperature contour time sequence for an EDS scale propellant tank at a jet mixing velocity of 0.06 m/s.
Figure 10.—Temperature contour time sequence for an EDS scale propellant tank at a jet mixing velocity of 0.06 m/s.
Figure 14.—Temperature contour at t = 1000 s for the five jet mixer with a 0.06 m/s jet velocity
Figure 14.—Temperature contour at t = 1000 s for the five jet mixer with a 0.06 m/s jet velocity

Summary and Conclusions

사용 가능한 유사성 상관 관계를 사용하는 스케일링 전략은 EDS 클래스 제트 믹서에 대한 적절한 제트 크기 및 작동 조건을 결정하기 위해 개발되었습니다. 물 탱크 시뮬레이션에서 결정된 모델링 매개 변수를 사용하여 열 층화를 제어하기 위해 제트 믹서를 사용하여 EDS 등급 추진제 탱크의 혼합 이력에 대한 CFD 시뮬레이션을 수행했습니다.

시뮬레이션 결과는 다양한 믹싱 동작을 보여 주며 유사성 매개 변수의 사용에서 예상되는 것과 일치했습니다. 이러한 결과는 하위 규모 테스트 및 유사성 상관 관계와 함께 CFD 시뮬레이션이 EDS 등급 탱크를위한 효율적인 제트 믹서 설계를 허용 할 것이라는 확신을 제공합니다.

CFD 시뮬레이션은 다양한 크기의 직경과 제트를 가진 탱크의 제트 믹서에서 수행되었습니다. 1 피트 직경의 물 탱크에서 제트 혼합에 대해 사용 가능한 실험 데이터와 합리적으로 일치하는 모델링 매개 변수가 결정되었습니다. 동일한 모델링 매개 변수를 사용하여 대략 10 배 정도 떨어져있는 스케일로 워터 제트 혼합 실험에서 혼합을 시뮬레이션했습니다. 시뮬레이션 결과는 실험 온도 데이터와 잘 일치하는 것으로 나타났습니다.

References 1.Poth, L.J., Van Hook, J.R., Wheeler, D.M. and Kee, C.R., “A Study of Cryogenic Propellant Mixing Techniques. Volume 1 – Mixer design and experimental investigations,” NASA CR-73908, Nov 1968. 2.Poth, L.J., Van Hook, J.R., Wheeler, D.M. and Kee, C.R., “A Study of Cryogenic Propellant Mixing Techniques. Volume 2 – Experimental data Final report,” NASA CR-73909, Nov 1968. 3.Scale Experimental Mixing Investigations and Liquid-Oxygen Mixer Design,” NASA CR-113897, Sep 1970. 4.Van Hook, J.R. and Poth, L.J., “Study of Cryogenic Fluid Mixing Techniques. Volume 1 – Large-Van Hook, J.R., “Study of Cryogenic Fluid Mixing Techniques. Volume 2 – Large-Scale Mixing Data,” NASA CR-113914, Sep 1970. 5.Poth, L.J. and Van Hook, J.R., “Control of the Thermodynamic State of Space-Stored Cryogens by Jet Mixing,” J. Spacecraft, Vol. 9, No. 5, 1972. 6.Lovrich, T.N. and Schwartz, S.H., “Development of Thermal Stratification and Destratification Scaling Concepts – Volume II. Stratification Experimental Data,” NASA CR-143945, 1975. 7.Dominick, S.M., “Mixing Induced Condensation Inside Propellant Tanks,” AIAA–1984–0514. 8.Meserole, J.S., Jones, O.S., Brennan, S.M. and Fortini, A., “Mixing-Induced Ullage Condensation and Fluid Destratification,” AIAA–1987–2018. 9.Barsi, S., Kassemi, M., Panzarella, C.H. and Alexander, J.I., “A Tank Self-Pressurization Experiment Using a Model Fluid in Normal Gravity,” AIAA–2005–1143. 10.Stark, J.A. and Blatt, M.H., “Cryogenic Zero-Gravity Prototype Vent System,” NAS8-20146, Convair Report GDC-DDB67-006, Oct 1967. 11.Bullard, B.R., “Liquid Propellant Thermal Conditioning System Test Program,” NAS3-12033, Lockheed Missiles & Space Co., NASA CR-72971, July 1972. 12.Erickson, R.C., “Space LOX Vent System,” NAS8-26972, General Dynamics Convair Report CASD-NAS 75-021, April 1975.

13.Lin, C.S., Hasan, M.M. and Nyland, T.W., “Mixing and Transient Interface Condensation of a Liquid Hydrogen Tank,” NASA TM-106201 (or AIAA–1993–1968), 1993. 14.Lin, C.S., Hasan, M.M. and Van Dresar, N.T., “Experimental Investigation of Jet-Induced Mixing of a Large Liquid Hydrogen Storage Tank,” NASA TM-106629 (or AIAA–1994–2079), 1994. 15.Olsen, A.D., Cady, E.C., Jenkins, D.S. and Hastings, L., “Solar Thermal Upper Stage Cryogenic System Engineering Checkout Test,” AIAA–1999–2604. 16.Van Overbeke, T.J., “Thermodynamic Vent System Test in a Low Earth Orbit Simulation,” NASA/TM—2004-213193 (or AIAA–2004–3838), Oct 2004. 17.Aydelott, J.C., “Axial Jet Mixing of Ethanol in Cylindrical Containers During Weightlessness,” NASA-TP-1487, July 1979. 18.Aydelott, J.C., “Axial Modeling of Space Vehicle Propellant Mixing,” NASA-TP-2107, Jan 1983. 19.Bentz, M.D., “Tank Pressure Control in Low Gravity by Jet Mixing,” NASA CR–191012, Mar. 1993. 20.Hasan, M.M., Lin, C.S., Knoll, R.H. and Bentz, M.D., “Tank Pressure Control Experiment: Thermal Phenomena in Microgravity,” NASA-TP-3564, 1996. 21.FLOW-3D User’s Manual, version 9.4, Flow Science, Inc., Santa Fe, NM 2009. 22.Grayson, G.D., Lopez, A., Chandler, F.O., Hastings, L.J. and Tucker, S.P., “Cryogenic Tank Modeling for the Saturn AS-203 Experiment,” AIAA–2006–5258. 23.Lopez, A., Grayson, G.D., Chandler, F.O., Hastings, L.J., and Hedayat, A., “Cryogenic Pressure Control Modeling for Ellipsoidal Space Tanks,” AIAA–2007–5552. 24.Lopez, A., Grayson, G.D., Chandler, F.O., Hastings, L.J. and Hedayat, A., “Cryogenic Pressure Control Modeling for Ellipsoidal Space Tanks in Reduced Gravity,” AIAA–2008–5104. 25.Thomas, R.M., “Condensation of Steam on Water in Turbulent Motion,” Int. J. Multiphase Flow, Vol. 5, No. 1, pp. 1–15, 1979. 26.Zimmerli, G.A., Asipauskas, M., Chen, Y. and Weislogel, M.M., “A Study of Fluid Interface Configurations in Exploration Vehicle Propellant Tanks,” AIAA–2010–1294.

Particles | 입자

입자 / Particles

본질적으로 Lagrangian 입자는 복잡한 흐름에서 물리량을 추적하는 독특한 방법을 가지고 있습니다. 이들의 속성은 메시 해상도에 의해 덜 제한되며, 동시에 질량, 운동량 및 열 전달을 통해 유체 및 고체와 함께 매우 세부적이고 사실적으로 상호 작용할 수 있습니다. 후 처리(Post Processing) 측면에서 입자는 시각화를 향상 시킬 수 있습니다.

금속 증착 시뮬레이션으로 시각화된 Lagrangian 입자
FLOW-3D의 Lagrangian 입자 모델

FLOW-3D의 입자 모델은 전기장 효과 및 유체 흐름과의 양방향 커플 링을 포함하여 마커에서 크기와 밀도가 다른 질량 입자로 진화했습니다. 이 모델은 공기 중의 오염 물질, 금속 함유물 및 분리기에서 포착되는 파편을 추적하는데 성공적으로 적용되었습니다. 최근에는 FLOW-3D의 입자 모델이 기능을 확장하기 위한 큰 변화가 있었습니다. 현재 모델에서 입자는 기본 기능에 따라 클래스로 그룹화됩니다.

  • 마커 입자 는 단순한 질량이 없는 마커로 유체 흐름을 추적하는 데 가장 적합합니다.
  • 질량 입자 는 모래 알갱이 또는 내포물과 같은 고체 물체를 나타냅니다.
  • 액체 입자 는 유체로 만들어지며 모든 유체 속성을 상속합니다.
  • 가스 입자 는 주변 유체의 온도 및 압력 부하에 따라 크기가 변하는 기포를 나타냅니다.
  • 보이드 입자 는 가스 입자와 유사하지만 그 특정 기능은 붕괴된 기포를 표시하고 추적하는 것입니다. 이는 다른 응용 분야에서 주조시 금형 충전 중에 생성되는 잠재적 다공성 결함을 예측하는 데 유용합니다.
  • 프로브 입자 는 해당 위치에서 변수 값을 기록하고 보고하는 진단 장치로 사용됩니다. 다른 클래스의 입자로 만들 수 있습니다.
  • 사용자 입자 는 소스 코드에서 사용자 정의 함수를 통해 사용자 정의를 할 수 있습니다.

각 입자 클래스에는 드래그 계수 및 각 숫자 입자가 물리적 입자의 구름을 나타낼 수 있는 매크로 입자 계수와 같이 클래스의 모든 입자에 적용되는 속성이 있습니다. 사용자 클래스의 입자에는 사용자가 사용자 정의 할 수 있는 세 가지 추가 속성이 있습니다.

다양한 크기와 밀도의 입자를 나타내는 재료 입자 클래스 내에서 여러 종을 정의 할 수 있습니다. 주변 유체와의 열 전달은 모든 재료 입자, 즉 질량, 액체, 가스, 보이드 및 사용자 입자에 적용되는 또 다른 기능입니다.

가스 입자의 압력은 상태 방정식과 온도 변화에 따른 변화를 사용하여 계산됩니다. 기체 입자가 유체가 없는 표면을 벗어나면 기체 영역에 부피를 추가합니다.

액체 입자의 유체는 응고 뿐만 아니라 증발 및 응축으로 인해 상 변화를 겪을 수 있습니다. 응고된 입자는 질량 입자와 유사한 고체 물체로 작동하지만 일단 들어가서 다시 녹으면 유체로 변환됩니다. 또한 2 유체 상 변화 모델이 활성화되면 액체 입자가 기체 내에서 이동하면서 증발 및 응축될 수 있으므로 스프레이 냉각 모델링에 유용합니다.

각 파티클 클래스는 FLOW-3D POST 에서 별도의 개체로 시각화 할 수 있습니다. 속도, 온도, 입자 수명 또는 고유 ID와 같은 개별 입자 속성을 색상에 사용할 수 있습니다. 표시된 입자 크기는 클래스 내에서의 변화를 반영합니다.

Lagrangian 입자를 직접 금속 증착에 적용

직접 금속 증착은 동일한 금속의 분말 스트림이 주입되는 고체 금속 기판에 용융 풀을 형성하기 위해 레이저를 사용하는 적층 제조 공정의 한 유형입니다. 분말 입자가 풀 내부에서 녹고, 풀이 다시 응고되면 일반적으로 두께가 0.2-0.8mm이고 너비가 1-2mm 인 고형화된 금속 층이 형성됩니다.

laser/powder gun 어셈블리가 기판 표면을 계속 스캔하므로 복잡한 모양을 층별로 만들 수 있습니다. 레이저 출력, 속도 및 분말 공급 사이의 적절한 균형은 공정의 성공과 효율성을 위해 중요합니다. 엔지니어의 주요 관심 사항은 다음과 같습니다.

  • 용융 풀의 크기와 모양
  • 금속 흐름 및 그 내부의 냉각 속도
  • 응고된 층의 형상

이 섹션에서 설명하는 시뮬레이션은 이러한 특성을 정확하게 예측합니다. 레이저와 기판의 움직임은 좌표계를 레이저에 부착함으로써 반전됩니다. Inconel 718 합금의 기판은 10mm/s의 일정 속도로 움직입니다. 레이저는 1.8kW의 출력으로 반경 1mm의 원형 열원으로 모델링됩니다. 3 개의 파우더 건은 0.684 g/s의 속도로 레이저 충돌 점에서 고체 금속 입자를 전달합니다. 각 건은 크기가 2 x 2 mm이고 초당 입자 비율은 105 입니다.

입자는 액체 입자 클래스를 사용하여 모델링됩니다. 모든 입자의 직경은 40 μm입니다. 매크로 입자 배율 10은 시뮬레이션에서 입자 수를 줄이는데 사용됩니다. 3백만 개의 물리적 입자를 나타내는 매 초당 시뮬레이션에서 3 x 105 개의 숫자 입자가 생성됩니다. 입자의 초기 온도는 480°C입니다. 즉, 풀에 충돌하기 전에 고체 상태입니다.

시뮬레이션은 분말을 첨가하기 전에 용융 풀이 형성 될 수 있도록, 시작한 후 2초 후에 입자 소스를 활성화하여 10초 동안 실행했습니다. 일단 풀에 들어가면 입자가 녹아 금속으로 전환되어 금속의 부피가 증가하여 궁극적으로 레이저에서 하류의 재응고 금속 층을 형성합니다. 용융 풀 모양은 대칭 평면에 표시됩니다.

새로운 Lagrangian 입자 모델은 FLOW-3D의 현재 기능을 크게 확장 할 뿐만 아니라 금속의 핵심 가스 버블 추적과 같은 향후 확장을 위한 강력한 개발 플랫폼을 만듭니다.

Laser Metal Deposition and Fluid Particles

Laser Metal Deposition and Fluid Particles

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

Fluid Particles

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

사용자는 유체 입자 생성을 위해 여러 소스를 설정할 수 있습니다. 각 소스는 이전에 정의 된 모든 유체 입자 종 또는 일부 유체 입자 종의 혼합을 가질 수 있습니다. 또한 사용자는 무작위 또는 균일한 입자 생성을 선택하고 입자가 소스에서 방출되는 속도를 정의 할 수 있습니다.

Laser Metal Deposition

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

Setting Up Laser Metal Deposition

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

일반 사용자들은 FLOW-3D에서 시뮬레이션을 쉽게 설정할 수 있다는 것을 알고 있습니다. 레이저 금속 증착 설정의 경우에도 다른 점은 없습니다. IN-718의 물리적 특성, 형상 생성, 입자 분말 강도 분포, 메쉬 생성 및 시뮬레이션 실행과 같은 모든 설정 단계가 간단하고 사용자 친화적입니다.

IN-718의 물성은 기판과 응고된 유체 입자 모두에 사용됩니다. 40 미크론 유체 입자가 무작위 방식으로 초당 500,000의 속도로 입자 영역에서 계산 영역으로 주입됩니다. 입자 빔은 기판의 운동 방향이 변화 될 때마다 순간적으로 정지되어 용융 풀이 급격한 속도 변화에 적응하도록 합니다.

이렇게 하면 기판에서 입자가 반사되는 것을 방지 할 수 있습니다. 기판이 5초마다 회전하기 때문에 입자 생성 속도는 아래 그림과 같이 5 초마다 0으로 떨어집니다. 기판 이동 자체는 표 형식의 속도 데이터를 사용하여 FLOW-3D에 지정됩니다. 입자는 응고된 유체 입자로 주입되어 고온의 용융 풀에 부딪혀 녹아 용융 풀 유체의 일부가 됩니다.


Substrate velocity

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

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

Results and discussion

아래 애니메이션은 다중 층 증착을 이용한 레이저 금속 증착 공정을 보여줍니다. 기판이 방향을 변경할 때마다 입자 빔 모션이 일시적으로 중지됩니다. 또한 층이 증착됨에 따라 다공성 열원에서 각 층에 불균등 한 열이 추가되어 새로운 층의 모양이 변경됩니다.  각 층을 증착 한 후에 열원을 위로 이동해야 하는 양을 측정하는 것은 현재의 기능에서는 어렵습니다. 다만  준비중인 Flow Science Japan의 레이저 모듈은 이 문제를 해결할 수 있습니다.

전반적으로 입자 모델은 레이저 금속 증착에서 매우 중요한 공정 매개 변수인 분말 강도 분포를 정확하게 재현합니다. 입자 모델에 대한 이러한 수준의 제어 및 정교함은 적층 제조 분야의 사용자와 공급자 모두가 제조 공정을 미세 조정하는 데 도움이 될 것으로 기대합니다.

FLOW-3D AM

flow3d AM-product
flow3d AM-product

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

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

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

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

레이저 파우더 베드 퓨전 (L-PBF)

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

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

파우더 베드 부설 공정

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

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

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

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

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

파우더 베드 용해

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

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

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

다층 적층 제조

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

다층 적층 적층 제조 시뮬레이션

바인더 분사 (Binder jetting)

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

방향성 에너지 증착

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

dem9
dem10

FLOW DEM

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

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

Discrete Element Method : 개별 요소법

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

dem1

입자 간의 충돌

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

분석 모드

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

dem4

입자 유형

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

dem7

응용 분야

1. Mechanical Engineering 분야

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

2. Civil Engineering분야

3. Civil Engineering 분야

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

dem11

3. Chemical Engineering, Pharmaceutics 분야

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

dem12

4. MEMS, Electrical Engineering 분야

하전 입자를 포함한 전기장 해석 등

dem15

입자 그룹 가시화

그룹 가시화

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

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

주조 시뮬레이션에 DEM 적용

그룹 가시화 비교 예

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

중자 모래 분사 분석

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

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

Reference :

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

FLOW-3D Output variables(출력 변수)

Output variables(출력 변수)

FLOW-3D에서 주어진 시뮬레이션의 정확한 출력은 어떤 물리적 모델, 출력 위젯에 정의된 추가 출력 및 특정 구성 요소별 출력에 따라 달라집니다. 이 문서는 FLOW-3D의 출력에 대해 좀 더 복잡한 출력 변수 중 일부를 참조하는 역할을 합니다.

FLOW-3D Additional output
FLOW-3D Additional output

Distance Traveled by Fluid(유체로 이동 한 거리)

때로는 유체 입자가 이동한 거리가 중요한 경우도 있습니다. FLOW-3D에서 사용자는 모델 설정 ‣ 출력 위젯에서 유체가 이동한 거리에 대한 출력을 요청할 수 있습니다. 이 기능은 유체가 흐름 영역(경계 또는 질량 소스를 통해)에 들어간 시간 또는 유체가 도메인을 통해 이동한 거리를 계산합니다. 이 기능은 모든 시뮬레이션에도 사용할 수 있으며, 특별한 모델을 사용할 필요가 없으며, 흐름에도 영향을 미치지 않습니다. 이 모델을 사용하려면 출력 위젯으로 이동하고 추가 출력 섹션에서 “Distance traveled by fluid” 옆의 체크상자를 선택하십시오.

 노트

추가 출력 섹션은 출력 위젯의 모든 탭에서 사용할 수 있습니다.

유체 도착 시간

유체 도착 시간을 아는 것은 종종 유용합니다. 예를 들어 주조 시뮬레이션에서 주입 시간을 결정하는 데 사용할 수 있습니다. 제어 볼륨은 충전 프로세스 동안 여러 번 채워지고 비워지기 때문에 계산 셀이 채워지는 처음과 마지막 시간 모두 기록되고, 후 처리를 위해 저장될 수 있습니다. 이 작업은 출력 위젯과 추가 출력 섹션 내에서 유체 도착 시간 확인란을 선택하여 수행됩니다.

 노트

이 출력 옵션은 1 유체 자유 표면 흐름에만 사용할 수 있습니다.

유체 체류 시간

때로는 유체가 계산 영역 내에서 보내는 시간인 체류시간을 아는 것이 유용합니다. 이는 출력 ‣ Output ‣ Additional Output ‣ Fluid residence time 확인란을 선택하여 수행합니다. 여기서 S로 지정된 이 변수에 대한 전송 방정식은 단위 소스 항과 함께 Solve됩니다.

유체 체류 시간(Fluid residence time)
유체 체류 시간(Fluid residence time)

여기에서 t는 시간이며 u는 유체 속도입니다.

S의 단위는 시간이다. 계산 도메인에 들어가는 모든 유체에 대한 S의 초기값은 0입니다.

의 값은 항상 second order체계를 가진 데이터로부터 근사치를 구합니다.

이 출력 옵션은 1 유체 및 2 유체 유량 모두에 사용할 수 있습니다.

 노트

경계 조건 또는 소스에서 도메인으로 유입되는 유체가 이미 도메인에 있는 유체와 혼합될 때 체류가 감소하는 것처럼 보일 수 있습니다.

Wall Contact Time

벽면 접촉 시간 출력은 (1)개별 유체 요소가 특정 구성 요소와 접촉하는 시간 및 (2)특정 구성 요소가 유체와 접촉하는 시간을 추적합니다. 이 모델은 액체 금속이 모래 오염물과 접촉했을 때 오염과 상관 관계가 있는 proxy 변수를 제공하기 위한 것입니다. 이 출력은 최종 주조물에서 오염된 유체가 어디에 있는지 확인하는 데 사용될 수 있습니다. 접촉 시간 모델의 또 다른 해석은, 예를 들어, 용해를 통해 다소 일정한 비율로 화학물질을 방출하는 물에 잠긴 물체에 의한 강의 물의 오염입니다.

모델은 Model Setup ‣ Output ‣ Wall contact time 박스를 확인하여 활성화됩니다. 또한 Model Setup ‣ Output ‣ Geometry Data section의 각 구성요소에 대해 해당 구성요소를 계산에 포함하기 위해 반드시 설정해야 하는 Contact time flag가 있습니다.

 추가 정보

Wall Contact Time with Fluid and Component Properties: Contact Time with Fluid for more information on the input variables를 참조하십시오.

 노트

이 모델은 실제 구성 요소, 즉 고체, 다공성 매체, 코어 가스 및 충전 퇴적물 구성 요소로 제한됩니다. 접촉 시간은 유체 # 1과 관련해서만 계산됩니다.

2. 형상 데이터
2. 형상 데이터

Component wetted are

Fluid 1과 접촉하는 구성 요소의 표면 영역은 관심 구성 요소에 대한 Model Setup ‣ Output ‣ Geometry Data ‣ Wetted area 옵션을 활성화하여 History Data로 출력 될 수 있습니다.

구성 요소의 힘과 토크

Forces

Model Setup ‣ Output ‣ Geometry Data ‣ Forces 옵션을 활성화하면 부품에 대한 압력, 전단력, 탄성 및 벽 접착력을 History Data에 출력할 수 있습니다.

압력을 가지지 않은 셀(즉, 도메인 외부에 있거나 다른 구성 요소 안에 있는 셀)이 구성 요소 주변의 각 셀에 대한 압력 영역 제품을 합산하는 동안 어떻게 처리되는지를 제어하는 압력 계산에 대한 몇 가지 추가 옵션이 있습니다. 기본 동작은 이러한 셀에서 사용자 정의 기준 압력을 사용하는 것입니다. 지정되지 않은 경우 기준 압력은 초기 무효 압력인 PVOID로 기본 설정됩니다. 또는, 코드는 Reference pressure is code calculated 옵션을 선택하여 구성요소의 노출된 표면에 대한 평균 압력을 사용할 수 있습니다.

마지막으로, 일반 이동 물체의 경우, 규정된/제약을 받는 대로 물체를 이동시키는 힘을 나타내는 잔류 힘의 추가 출력이 있습니다.

Torques

Model Setup ‣ Output ‣ Force 옵션이 활성화되면 구성 요소의 토크가 계산되고 History Data에 출력됩니다. 토크는 힘-모멘트에 대한 기준점 X, 힘-모멘트에 대한 기준점 Y, 정지 구성 요소에 대한 힘-모멘트 입력에 대한 기준점 Z에 의해 지정된 지점에 대해 보고됩니다. 참조점의 기본 위치는 원점입니다.

General Moving Objects에는 몇 가지 추가 참고 사항이 있습니다. 첫째, 토크는 (1) 6-DOF 동작의 질량 위치 중심 또는 (2)고정축 및 고정점 회전의 회전 축/점에 대해 보고됩니다. 힘에서 행해지는 것과 마찬가지로, 규정된/제한된 바와 같이 물체를 이동시키는 토크를 나타내는 잔류 토크의 출력도 있습니다.

 노트

힘 및 토크 출력은 각 지오메트리 구성 요소의 일반 히스토리 데이터에 기록됩니다. 출력은 개별 힘/토크 기여 (예: 압력, 전단, 탄성, 벽 접착) 및 개별 기여도의 합으로 계산된 총 결합력/토크로 제공됩니다.

Buoyancy center and metacentric height (부력 중심 및 메타 중심 높이)

일반 이동 객체의 부력과 안정성에 대한 정보는 각 구성 요소에 대해 모델 설정 Setup 출력 ‣ 기하학적 데이터 ‣ 부력 중심 및 도량형 높이 옵션을 활성화하여 History Data에서 출력할 수 있습니다. 이렇게 하면 구성 요소의 중심 위치와 중심 높이가 출력됩니다.

  1. Advanced

FLOW-3D Advanced Output Option
FLOW-3D Advanced Output Option

Fluid vorticity & Q-criterion(유체 와동 및 Q 기준)

와동구성 요소뿐만 아니라 와동 구조를 위한 Q-criterion을 계산하고 내보내려면 Model Setup ‣ Output ‣ Advanced 탭에서 해당 확인란을 클릭하여 유체 와동 & Q-criterion을 활성화하십시오.

여기에서:

:  소용돌이 벡터의 다른 구성 요소

 Q-criterion은 속도 구배 텐서의 2차 불변성을 갖는 연결된 유체 영역으로 소용돌이를 정의합니다. 이는 전단 변형률과 와류 크기 사이의 국부적 균형을 나타내며, 와류 크기가 변형률의 크기보다 큰 영역으로 와류를 정의합니다.

Hydraulic Data and Total Hydraulic Head 3D

Hydraulic Data

깊이 기준 유압 데이터를 요청하려면 출력 ‣ 고급으로 이동한 후 유압 데이터 옆의 확인란을 선택하십시오(심층 평균 값과 중력을 -Z 방향으로 가정).

이 옵션은 FLOW-3D가 유압 시뮬레이션에 유용할 수 있는 추가 깊이 평균 데이터를 출력하도록 합니다.

  • Flow depth
  • Maximum flow depth
  • Free surface elevation
  • Velocity
  • Offset velocity
  • Froude number
  • Specific hydraulic head
  • Total hydraulic head

이 수량 각각에 대해 하나의 값 이 메쉬의 모든 (x, y) 위치에서 계산되고 수직 열의 모든 셀에 저장됩니다 (이 수량이 깊이 평균이기 때문에 z 방향으로 데이터의 변화가 없습니다). 변수는 정확도를 보장하기 위해주기마다 계산됩니다. 모든 경우에,  깊이 평균 속도, z- 방향  의 중력 가속도, 유체 깊이, 및 컬럼 내 유체의 최소 z- 좌표입니다.

  • 자유 표면 고도는 수직 기둥의 맨 위 유체 요소에 있는 자유 표면의 z-좌표로 계산됩니다.
  • The Froude number 은   

식으로 계산됩니다.

  • 유체 깊이는 깊이 평균 메쉬 열의 모든 유체의 합으로 계산됩니다.

특정 유압 헤드 

및 총 유압 헤드

변수는 다음에서 계산됩니다.  

 노트

  • 깊이 기준 유압 출력 옵션은 예리한 인터페이스가 있고 중력이 음의 z 방향으로 향할 때에만 유체 1에 유효합니다.
  • 유압 헤드 계산은 스트림 라인이 평행하다고 가정한다는 점을 유념해야 합니다. 예를 들어 플럭스 표면이 재순환 흐름 영역에 배치되는 경우 이 문제가 발생할 수 있습니다. 이 경우, 유량 표면에서 보고된 유량 평균 유압 헤드는 헤드의 계산에서 흐름 방향이 무시되기 때문에 예상보다 클 수 있습니다.

Total Hydraulic Head 3D(총 유압 헤드 3D)

또한 총 유압 헤드 3D 옵션을 확인하여 국부적(3D) 속도 필드, 플럭스 표면에서의 유압 에너지(배플 참조) 및 플럭스 기반 유압 헤드를 사용하여 유체 1의 총 헤드를 계산할 수 있다. 3D 계산은 국부 압력을 사용하여 수행되며(즉, 압력이 유체 깊이와 관련이 있다고 가정하지 않음) 원통 좌표와 호환됩니다.

 노트

  • 유압 헤드 계산은 스트림 라인이 평행하다고 가정한다는 점을 유념해야 한다. 예를 들어 플럭스 표면이 재순환 흐름 영역에 배치되는 경우 문제가 발생할 수 있습니다. 이 경우, 플럭스 표면에서 보고된 유량 평균 유압 헤드는 헤드의 계산 시 흐름 방향이 무시되기 때문에 예상보다 클 수 있습니다.
  • 3D 유압 헤드 계산은 입력 파일에 중력이 정의되지 않은 경우 중력 벡터의 크기를 1로 가정합니다.

Flux-averaged hydraulic head

특정 위치 (즉, 배플)의 플럭스 평균 유압 헤드는 다음과 같이 계산됩니다.

Flux-averaged hydraulic head
Flux-averaged hydraulic head

유압 헤드 계산에서는 유선이 평행하다고 가정합니다. 예를 들어 플럭스 표면이 재순환 흐름 영역에 배치된 경우 (예: 아래에 표시된 것과 같이) 문제가 될 수 있습니다.

유압 헤드 계산에서는 유선이 평행하다고 가정




유압 헤드 계산에서는 유선이 평행하다고 가정

이 경우 플럭스 표면에 보고된 플럭스 평균 유압 헤드는 헤드 계산 시 흐름 방향이 무시되므로 예상보다 클 수 있습니다.

FLOW-3D에는 History Probes, Flux surface, Sampling Volumes의 세 가지 주요 측정 장치가 있습니다. 이러한 장치를 시뮬레이션에 추가하는 방법은 모델 설정 섹션에 설명되어 있습니다(측정 장치 참조). 이들의 출력은 기록 데이터 편집 시간 간격으로 flsgrf 파일의 일반 기록 데이터 카탈로그에 저장됩니다. 이러한 결과는 Analyze ‣ Probe 탭에서 Probe Plots을 생성하여 액세스할 수 있습니다.

히스토리 프로브 출력

히스토리 프로브를 생성하는 단계는 모델 설정 섹션에 설명되어 있습니다(기록 프로브 참조). 시뮬레이션에 사용된 물리 모델에 따라 각각의 History Probe에서 서로 다른 출력을 사용할 수 있습니다. 프로브를 FSI/TSE로 지정하면 유한 요소 메시 안에 들어가야 하는 위치에서 응력/스트레인 데이터만 제공한다. 유체 프로브가 솔리드 형상 구성 요소에 의해 차단된 영역 내에 위치하는 경우, 기하학적 구조와 관련된 수량(예: 벽 온도)만 계산된다. 일반적으로 프로브 좌표에 의해 정의된 위치에서 이러한 양을 계산하려면 보간이 필요하다.

플럭스 표면 출력

플럭스 표면은 이를 통과하는 수량의 흐름을 측정하는데 사용되는 특별한 물체입니다. 플럭스 표면을 만드는 단계는 모델 설정 섹션에 설명되어 있습니다(플럭스 표면 참조). 각 플럭스 표면에 대해 계산된 수량은 다음과 같습니다.

  • Volume flow rate for fluid #1
  • Volume flow rate for fluid #2 (for two-fluid problems only)
  • Combined volume flow rate (for two-fluid problems only)
  • Total mass flow rate
  • Flux surface area wetted by fluid #1
  • Flux-averaged hydraulic head when 3D Hydraulic Head is requested from additional output options
  • Hydraulic energy flow when hydraulic data output is requested
  • Total number of particles of each defined species in each particle class crossing flux surface when the particle model is active
  • Flow rate for all active and passive scalars this includes scalar quantities associated with active physical models (eg. suspended sediment, air entrainment, ect.)

 노트

  • 유속과 입자수의 기호는 유동 표면을 설명하는 함수의 기호에 의해 정의된 대로 흐름이나 입자가 플럭스 표면의 음에서 양으로 교차할 때 양의 부호가 됩니다.
  • 플럭스 표면은 각 표면의 유량과 입자 수가 정확하도록 그들 사이에 적어도 두 개의 메쉬 셀이 있어야 합니다.
  • 유압 데이터 및 총 유압 헤드 3D 옵션을 사용할 때는 유압 헤드 계산이 스트림 라인이 평행하다고 가정한다는 점을 유념해야 한다. 예를 들어 플럭스 표면이 재순환 흐름 영역에 배치되는 경우 이 문제가 발생할 수 있습니다. 이 경우, 유량 표면에서 보고된 유량 평균 유압 헤드는 헤드의 계산에서 흐름 방향이 무시되기 때문에 예상보다 클 수 있습니다.

샘플링 볼륨 출력

샘플링 볼륨은 해당 범위 내에서 볼륨을 측정하는 3 차원 데이터 수집 영역입니다. 샘플링 볼륨을 만드는 단계는 모델 설정 섹션에 설명되어 있습니다(샘플링 볼륨 참조). 각 샘플링 볼륨의 계산 수량은 다음과 같습니다.

  • 시료채취량 내에서 #1 유체 총량
  • 시료채취량 내 #1 유체질량 중심
  • 샘플링 용적 가장자리에 위치한 솔리드 표면을 포함하여 샘플링 용적 내의 모든 벽 경계에 작용하는 좌표계의 원점에 상대적인 유압력 및 모멘트.
  • 샘플링 용적 내 총 스칼라 종량: 이것은 부피 적분으로 계산되므로 스칼라 양이 질량 농도를 나타내면 샘플링 용적 내의 총 질량이 계산된다. 거주 시간과 같은 일부 종의 경우, 평균 값이 대신 계산됩니다.
  • 샘플링 볼륨 내의 입자 수: 각 샘플링 볼륨 내에 있는 각 입자 등급의 정의된 각 종별 입자 수(입자 모델이 활성화된 경우)
  • 운동 에너지, 난류 에너지, 난류 소실율 및 와류에 대한 질량 평균
  • 표본 체적의 6개 경계 각각에서 열 유속: 유체 대류, 유체 및 고체 성분의 전도 및 유체/구성 요소 열 전달이 포함됩니다. 각 플럭스의 기호는 좌표 방향에 의해 결정되는데, 예를 들어, 양방향의 열 플럭스도 양수입니다. 출력에서 확장 또는 최대 디버그 수준을 선택하지 않는 한 이러한 디버그 수준은 fsplt에 자동으로 표시되지 않습니다.

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

그림 9. 이 시뮬레이션은 에너지 소산의 추정치를 제공하기 위해 평면과 원통형 흐름 배플이 어디에 위치했는지를 나타낸다.

Hydraulic Energy Losses|유압 에너지 손실

유압 에너지 손실

이 기사는 Laurent Bilodeau, ing에 의해 기고되었습니다. Conception des aménagements de production  Hydro-Québec Équipement .

이 내용은 특히 유압 에너지 소산율 평가를 위해 FLOW-3D가 제공하는 유압 에너지 흐름과 총 수두의 연산을 검토한다. FLOW-3D 에서는 모델 출력에서 직접 시각화할 수 있는 변수 중 총 유압 헤드가 포함되었다. 그림 1은 강 우회 터널(a river diversion tunnel)을 통한 절토에 걸친 총 유압 헤드 분포(total hydraulic head distribution)를 보여준다. 버전 10에서 FLOW-3D는 플럭스 배플로 계산하고 시계열로 시각화하고 외부 도구로 분석할 수 있는 일체형 값으로 유압 에너지 흐름과 총 수두를 도입했다.

하천변환터널을 통한 단면내 총 유압높이 분포
그림 1. 하천변환터널을 통한 단면내 총 유압높이 분포

총 유압 에너지

베르누이의 방정식

수압 에너지, eG는 흐름에서 물의 입자의 잠재력과 운동 에너지의 합이다. 에너지 밀도로서 J/m³으로 표현되며, 베르누이의 방정식(Eq. 1)에 의해 주어진다.

(1) \displaystyle {{e}_{G}}\quad =\quad p\ -g\rho z+\rho \frac{{\left( {{{u}^{2}}+{{v}^{2}}+{{w}^{2}}} \right)}}{2}

기호 의미가 있는 곳

e G유압 에너지 밀도(J/m3 )
p압력(Pa ≡ N/m2 ≡ J/m3 )
g중력의 가속도( – 9,81m/s2 )
ρ밀도(kg/m3)
u, v, wx, y 및 z(m/s) 단위의 속도
z일부 기준 수준 이상의 높이(m) 또는 고도

수력 에너지 단순화된 계단식

일반적으로 에너지는 스스로를 변형시키지만 결코 손실되지 않는 전통적인 양으로 간주된다. 토목 공학에서 물의 흐름을 나타내기 위해, 에너지 변환을 중력 전위 에너지로 시작하여 운동 에너지로 변환한 다음 열 에너지로 변환하는 계단식 에너지로 상상하기에 충분한 경우가 많다. 또한 처음 두 형태(잠재성과 운동성)의 양만을 명시적으로 모델링하여 에너지 캐스케이드의 범위를 더욱 제한하는 것이 일반적이다.

상층 분지에서 보를 거쳐 정지 분지로 이동하는 물 입자의 일부 궤적.
그림 2. 상층 분지에서 보를 거쳐 정지 분지로 이동하는 물 입자의 일부 궤적.

수압 에너지 캐스케이드는 그림 2와 같이 보에서 풀로의 유량이 떨어지는 경우에 잘 나타난다.

그림에 표시된 입자의 트랙을 따라가십시오.

  • 위치 A에서는 저수지의 상류에서 물 입자는 거의 움직이지 않고 있다.
  • 위치 B에서 입자는 B 위의 자유 표면이 약간 낮아짐에 따라 일부 위치 에너지를 희생하여 속도를 얻었다.
  • 위치 C에서는 입자가 자유 낙하 궤적으로 유체를 따르므로 더 많은 위치 에너지가 운동에너지로 변형되었다.
  • 하강 흐름이 하부 풀의 물과 접촉하면 활발한 모멘텀 교환이 이루어지며 초기 유압 에너지의 상당 부분이 격동의 에너지 폭포와 점성 공정을 통해 열로 손실되었다.
  • 위치 D에서 입자는 위치 A, B, C에 비해 낮은 유압 에너지로 영역을 떠난다.

A에서 B, C로 이동하는 동안, 점성과 난류 과정은 대개 흐름에 거의 영향을 미치지 않는다. 총 유압 에너지 eG는 필요시 작은 손실 조건을 고려하여 질량처럼 보존된 양으로 취급될 수 있다. C의 다운 스트림에서, 이 전통적인 수력 에너지(conservative hydraulic energy)의 모델은 더 큰 규모의 에너지 손실 조건과 흐름에 미치는 영향을 고려함으로써 확장될 수 있다.

질량 및 에너지 예산

볼륨 컨트롤

eG와 질량 밀도 ρ의 수송은 모두 나중에 분명해질 이유로 감시되어야 한다; 이것은 단순히 당연하게 여겨지고 있다.

흐름에 의한 eG와 질량밀도 ρ의 수송은 아래 CV로 표기된 제어량 및 가우스의 발산 법칙의 도움으로 분석하기 쉽다.

eG와 질량 밀도 ρ의 수송은 모두 나중에 분명해질 이유로 감시되어야 한다; 이것은 단지 지금 당연하게 여겨지고 있다. 흐름에 의한 eG와 질량밀도 ρ의 수송은 아래 CV로 표기된 제어량 및 가우스의 발산 법칙의 도움으로 분석하기 쉽다.
eG와 질량 밀도 ρ의 수송은 모두 나중에 분명해질 이유로 감시되어야 한다; 이것은 단지 지금 당연하게 여겨지고 있다. 흐름에 의한 eG와 질량밀도 ρ의 수송은 아래 CV로 표기된 제어량 및 가우스의 발산 법칙의 도움으로 분석하기 쉽다.

CV는 다음 규칙을 따르는 한 하나의 선택사항의 정의 표면으로 둘러싸인 볼륨이다.

  • 정의 표면은 스스로 교차하지 않는 한 임의의 형태를 가질 수 있다.
  • 표면은 각 패치가 다른 패치와 물샐틈없는 가장자리로 연결되어 있는 한 패치로 구성될 수 있다.

CV의 부피는 밀폐된 질량이나 에너지와 같은 적분, 자체 보존 수량을 계산하는 데 사용된다.

CV의 표면은 들어오고 나가는 플럭스를 정의하기 위해 사용되며, 밀폐된 수량에 대한 예산을 세우고 그 시간 이력을 감시할 수 있다.

그림 3은 떨어지는 물 분사기의 특성을 분석하는 데 사용할 수 있는 제어 부피의 예를 제시한다. 이 제어 볼륨으로 유입되고 유출되는 유일한 것은 제트기 자체로서 왼쪽 상단에서 들어오고 오른쪽 하단에서 떠난다.

FLOW-3D의 고정형상 제어량

FLOW-3D를 사용하면 고정된 형태와 위치의 CV를 세 가지 기본 형태의 플럭스 배플의 도움을 받아 쉽게 정의할 수 있다.

  • 구(Sphere)들은 닫힌 표면이다.
  • 실린더는 양끝이 개방되어 있으므로, 실린더의 끝이 흐르지 않도록 유량 한계 밖으로 뻗어나가도록 주의해야 한다.
  • 전체 흐름 영역 또는 하위 도메인을 교차시켜 CV를 조립하는 데 사용할 수 있는 평면 직사각형 패치

그림 4는 세 가지 유형의 플럭스 배플을 계산 메쉬로 렌더링한 후에 볼 수 있는 실제 모델에서 그린 예다. 그것들은 불투명한 것으로 렌더링되지만 그것들이 배플을 측정하는 유일한 플럭스로 정의된다면 흐름에 완전히 스며들 수 있다.

(2) hG≡eG/-gρ

(3) hG=z+

그림 4. 표본 망사 내에 렌더링된 평면, 원통형 및 구형 형상의 플럭스 배플 예제
그림 4. 표본 망사 내에 렌더링된 평면, 원통형 및 구형 형상의 플럭스 배플 예제
그림 5. 튜브 또는 펜스톡을 절단하는 수직 단면 쌍을 결합하여 정의된 두 개의 제어 볼륨. 흐름은 총 유압 헤드에 따라 색상이 지정된다.
그림 5. 튜브 또는 펜스톡을 절단하는 수직 단면 쌍을 결합하여 정의된 두 개의 제어 볼륨. 흐름은 총 유압 헤드에 따라 색상이 지정된다.

그림 5는 평면 배플 표면을 사용하여 두 가지 제어 볼륨을 정의하는 방법을 보여준다.

  • 제어 볼륨 DC, 긴 입방형 모양은 6개의 면으로 구성되어 있다. 반대편 두 면은 C와 D라고 불리는 배플이다. 밑면과 윗면이 그려지고 그 위치는 흐름 영역보다 훨씬 위아래 있는 한 중요하지 않다. 앞면과 뒷면은 큐브의 남은 두 면이며, 그들의 위치 또한 앞과 뒤가 잘 있는 한 중요하지 않다. 흐름 영역의
  • 제어 볼륨 BA도 마찬가지로 정의된다. 그것은 자유로운 표면 흐름을 포함하는 하위 도메인인 입구 포탈의 일부를 둘러싸고 있다. 자유 표면 흐름은 면 B와 A의 유입량 차이가 수위(및 수량)에 변화 속도를 부여하고 진동을 유발하여 천천히 감쇠하거나 전혀 감쇠하지 않기 때문에 진정한 안정 상태에 이르기 더 어렵다. 이 경우, 질량과 에너지의 신뢰할 수 있는 예산은 성질의 진화가 정지해 있는 에피소드를 식별하고 평균화를 수행하기 위해 흐름의 시계열을 처리함으로써 이루어진다.

그림 5의 수직 플럭스 배플은 사용 가능한 수직 표면(DB, DA, CB, CA)의 순열을 사용하여 몇 개의 다른 CV를 정의하는데 사용할 수 있다.

에너지 예산

수력 에너지 균형은 점성 열 생성을 손실로 명시적으로 표시하기 때문에 정의에 따라 누출된다. 이상적으로, 수력 에너지 캐스케이드는 다른 원인으로 인해 에너지를 잃지 않아야 하며 어떤 것도 얻지 않아야 한다. 여기서 다시 수치 모델로 연습하면 약간 다른 그림이 그려진다. 모든 수치 모델에는 인위적인 소스 또는 수력 에너지 싱크가 있다.

예를 들어, 셀 크기가 에너지 전달 흐름 특징보다 훨씬 작을 때 계산 메쉬에 흐름 간섭이 발생한다. 셀 크기가 충분히 작지 않을 때, 속도 대비는 자연 흐름에서보다 더 큰 공간 범위에 걸쳐 확산된다. 그 확산은 운동 에너지를 약간 작게 만들고 자연 현상보다는 그리드 효과에 기인하는 에너지 방산 역할을 한다.

에너지 예산을 모니터링하면 모델의 신뢰성에 대한 단서를 얻을 수 있으며 다른 매개변수 값이나 그리드 셀 크기를 사용하는 런을 비교하는 데 사용할 수 있다. 인위적인 손익이 관리되고 있을 때 유압 에너지 소산 속도는 종종 수치 모델에서 얻은 중요한 결과 중 하나이며 설계 변동을 구별하는 데 중요하다.

총 유압 헤드

에너지 밀도로서의 총 유압 헤드

아래 hG로 상징되는 총 유압 헤드는 Eq. 1의 총 유압 에너지 eG를 단순히 (-g ρ )로 나눈 값이다.

(2) \displaystyle {{h}_{G}}~\equiv ~{{e}_{G}}/\text{ }-g\text{ }\rho

(3) \displaystyle {{h}_{G}}\ =\quad z\ \ +\frac{p}{{-g\rho }}\ \ +\frac{{\left( {{{u}^{2}}+{{v}^{2}}+{{w}^{2}}} \right)}}{{-2g}}

다음과 같은 경우를 제외하고 기호가 모두 이미 소개된 경우:

hG, 총 유압 헤드(m)

총 유압 헤드는 다음과 같은 합이기 때문에 합계로 인정된다.

  • 입면체 헤드 z + p/(-gρ)
  • 운동 에너지 헤드 u²/(-2g)

유량에서 측정한 입압 헤드는 물의 국부적 자유 표면 고도를 잘 측정할 수 있는 것으로 간주된다.

저수지 및 강의 평온한 범위에서는 흐름 속도가 운동 에너지 헤드가 무시해도 될 정도로 충분히 낮아서 때때로 hG가 입압 헤드와 동일하다고 간주될 수 있다.

총 유압 헤드 hG는 때로 정체 높이라고 불리기도 한다. 흐름 내에 유체의 입자가 있는 경우, 모든 속도가 갑자기 위쪽으로 향하게 되고 주변 유체가 장애물이 되지 않을 경우 입자가 도달하는 최종 높이다.

총 유압 헤드 hG는 교각과 교대 등 유압 설계에 있어 유비쿼터스 변수다. 그것은 또한 채널과 펜스탁과 같이 에너지가 관리된 방식으로 전달되거나 소멸되어야 할 때마다 흐름의 수압 에너지를 나타낸다. hG는 다른 엔지니어링 작업의 키 높이와 동일한 고도 척도를 사용하여 엔지니어링 도면에 주석으로 나타날 수 있기 때문에 선택의 변수다.

총 유압헤드의 통합값으로부터의 유압에너지 소산

두 흐름 단면 A와 B 사이에 발생하는 에너지 소산에 대한 일체적 접근방식은 흐름의 하향 방향에서 HG의 감소로부터 계산된다.

HG의 도움을 받아 A와 B 사이의 에너지 소산을 계산하기 위해 각 단면에서의 HG 값을 먼저 –ρg에 곱하여 에너지 밀도 흐름으로 만든 다음 Q에 곱하여 총 유압 에너지 흐름으로 주조한다.
두 횡단면의 에너지 흐름의 차이를 보면, 두 횡단면에서 부피 흐름 Q가 동일한 상황에서, 아래와 같이 상류 횡단면에서 다운스트림 단면으로 이동하는 흐름에서 발생하는 유압 에너지 손실을 산출한다.

그림 6. 터널을 통해 흐르는 강물 회항, 왼쪽에서 오른쪽으로 흐르는 흐름 속도에 따라 채색된다.
그림 6. 터널을 통해 흐르는 강물 회항, 왼쪽에서 오른쪽으로 흐르는 흐름 속도에 따라 채색된다.
그림 7. 같은 강물 전환, 교차점을 측정하는 물과 유동성만 보여준다.
그림 7. 같은 강물 전환, 교차점을 측정하는 물과 유동성만 보여준다.

업스트림 리치는 유입과 배출 흐름의 차이에 따라 수위가 변동하는 볼륨 밸런스의 예를 제시한다. 동시에, 터널을 통과하는 유량의 비율은 상류와 하류 사이의 압력 균형에서 기인하며, 터널 벽의 마찰과 분리된 구조물에서의 흐름 에너지 손실과 통로를 따라의 전환이 큰 역할을 한다. 그림 10은 FLOW-3D에서 플럭스 배플로 알려진 수많은 흐름 측정 단면을 보여준다. 이들의 용도는 다음과 같다.

  • 추가 분석을 위한 유용한 기준으로 특정 모델 실행의 흐름 체계의 안정성 평가
  • 종단 종단 수위 및 수력 에너지 흐름의 그래프 작성 및 분석(수력 에너지 소산율 포함)
  • 설계 변이 간 미세 비교 허용
  • 일반적으로 흐름 동작이 예상에 부합하는지 검증하고, 체크하지 않을 경우 흐름의 진부도를 감소시킬 수 있는 수치적 아티팩트를 검출하고 수정한다.

예제 2 – 자연 암석 표면을 통한 고속 자유 주행

그림 8은 자연 암석의 유유히트레이스와 자유 주행의 예를 보여준다.

이 모델은 지표면의 단위 면적당 수압 에너지 소산율을 평가하는 것을 목적으로 했다. 이 속도는 W/m² 단위로, 자유 주행을 따라 암석 표면의 침식 잠재력을 평가하기 위한 입력값이었다.

그림 8. 플럭스 배플이 어떻게 사용될 수 있는가에 대한 예는 자연 암석에 대한 유출로의 꼬리표에서 찾을 수 있다. 목적은 지표면의 단위 면적당 유압 에너지 소산율을 평가하는 것이다.
그림 8. 플럭스 배플이 어떻게 사용될 수 있는가에 대한 예는 자연 암석에 대한 유출로의 꼬리표에서 찾을 수 있다. 목적은 지표면의 단위 면적당 유압 에너지 소산율을 평가하는 것이다.
그림 9. 이 시뮬레이션은 에너지 소산의 추정치를 제공하기 위해 평면과 원통형 흐름 배플이 어디에 위치했는지를 나타낸다.
그림 9. 이 시뮬레이션은 에너지 소산의 추정치를 제공하기 위해 평면과 원통형 흐름 배플이 어디에 위치했는지를 나타낸다.

그림 9는 도구 자체를 확인하고 소산율 평가를 수행하는 데 사용된 계량장치를 나타낸다. 망사블록도 윤곽이 잡힌다.

원하는 소산 속도를 측정하고, 마찬가지로 중요한 것은 흐름의 품질 및 측정 도구의 평가를 위해 평면 및 원통형 플럭스 배플의 종류가 배치되었다.

평면 플럭스 배플은 제어 볼륨을 구성하고 이를 사용하여 CV 내에서 볼륨 흐름의 안정성과 에너지 소산을 모니터링할 수 있다. 테일레이스에서는 사이드월(sidewall)에 의해 흐름이 잘 담겨 있고 횡단면을 가로질러 상당히 균일하다. 에너지 소산율은 25~50kW/m²이었다.

배출 관문 발치에 원통형 유동 배플이 위치한다. 실린더를 통과하는 평균 체적 유량은 정상적인 유량 변동 때문에 시간 경과에 따라 가변적이었지만 적절한 평균 구간을 취할 때 0이 되는 경향이 있었다. 배플을 통한 순유압 에너지 흐름에 대해 동일한 평균을 취했을 때, 예상대로 음의 값이 산출되었고, 이는 면적으로 나누면 30 kW/m²에 가까웠다. 타원형 수평 단면으로 확장된 또 다른 원통형 흐름 배플도 꼬리 경주가 끝날 무렵에 위치했다. 거기서 만들어진 유사한 검증도 비슷한 합의를 보여주었다.

원통형 유동 배플이 유압 에너지 소산 측정에 예상대로 작용했다는 결론이 나왔다. 그런 다음 방산이 가장 높을 것으로 예상되었던 아래쪽 경사면에 놓인 원통형 배플에 주의를 돌렸다.

그림 10은 자유 주행 위에 위치한 원통형 배플 번호 3을 통해 순 부피와 에너지 흐름의 시계열로, 꼬리표에서 자연 암석 표면으로의 전환 근처를 보여준다. 그림은 두 흐름의 높은 진폭 변동이 존재하며 그 흐름들에 의해 어떤 경향도 잘 숨겨져 있음을 보여준다.

그림 10. 시간의 함수로서, 두 번째 예제의 원통형 플럭스 배플 번호 3을 통한 순 부피 흐름(m³/s) 및 순 유압 에너지 흐름(W)
그림 10. 시간의 함수로서, 두 번째 예제의 원통형 플럭스 배플 번호 3을 통한 순 부피 흐름(m³/s) 및 순 유압 에너지 흐름(W)

그림 11은 그림 10의 순 부피와 에너지 플럭스의 시간 통합을 나타낸다. 시간 통합은 부피(m³)와 에너지(J)의 값을 산출한다. 볼륨 시계열은 정권이 정지해 있는 시간 간격을 선택할 수 있고, 순 볼륨 변화가 0에 가까워지도록 통합 시간 경계를 선택할 수 있다. 에너지 시계열은 에너지 소산의 예상대로 정기적으로 하향 추세를 보여준다. W/s 단위의 추세의 기울기는 소산율을 추정한다. 그런 다음 원통형 배플 인클로저 베이스의 표면적 영역으로 나누어 면적 단위당 원하는 산란율을 얻을 수 있다. 실린더의 반지름을 선택하여 면적이 100m²에 가까울 수 있도록 했다. 이 경우 소산율이 286kW/m²로 나타났다.

그림 11. 원통형 배플의 부피와 총 에너지는 시간 통합에 의해 얻어진 시간의 함수로써, 임의의 값으로 상쇄되어 영값이 단순히 존재하는 초기 수량이며 알 수 없다.
그림 11. 원통형 배플의 부피와 총 에너지는 시간 통합에 의해 얻어진 시간의 함수로써, 임의의 값으로 상쇄되어 영값이 단순히 존재하는 초기 수량이며 알 수 없다.

이러한 결과는 다른 분야의 엔지니어들과의 토론에서 사용되었다. 다른 요인 중에서도 암석 표면이 예비 추정에서 비롯된 공기 주입식 개미가 아니었기 때문에 불확실성의 여백이 크다는 것이 명백해졌다. 또한 수압 에너지가 바위가 아닌 물 속에서 소멸되고, 최대 소산의 위치가 반드시 바위에 대한 최대 작용의 위치가 아니라는 것도 모듈러에 의해 지적되었다. 위에 제시된 분석의 미니어처는 상당한 부담이었지만, 배플이 모델러에게 참신한 방법으로 사용되고 있기 때문에 필요하다고 여겨졌다. 학문 간 논의와 값의 규모 순서는 수치 그 자체보다는 모형의 가장 유용한 결과였다.

결론

FLOW-3D의 플럭스 배플은 이를 통과하는 부피와 유압 에너지 순 흐름에 대한 정밀한 평가를 제공한다. 이들의 연산 알고리즘은 제어 볼륨 접근방식과 함께 사용되는 FLOW-3D의 기본 수치 체계로 정교하게 조정되며, 높은 수준의 일관성이 요구되는 상황에서 대량 보존에 관한 FLOW-3D 자체의 성능 검증을 포함한 수많은 측정을 위해 잘 설계되어 있다.

토탈 유압 헤드의 연산은 수많은 방법으로 이루어질 수 있는데, 토목 및 유압 엔지니어에게 수량의 매우 높은 유용성을 볼 때 놀라운 일이 아니다. FLOW-3D가 제공하는 방법 중 하나는 플럭스 평균 총 유압 헤드의 배플 유량 면적에 대한 계산이다. 여기에서 주어진 유량관을 가로지르는 두 플럭스 배플에서의 값 사이의 차이로 측정한 유량에서의 수압 에너지 손실률은 가우스 발산 정리에 의해 원시 유량 변수와 연결된 제어 볼륨 접근법으로 계산될 수 있는 유량 손실률이 정확히 여기에 나타난다.

논문자료 알아보기

World Users Conference 2021

FLOW-3D World Users Conference

World Users Conference 2021
World Users Conference 2021

FLOW-3D World Users Conference 는 2021 년 6 월 7 일부터 9 일 까지 독일 뮌헨 의 Maritim Hotel 에서 개최됩니다 . 세계에서 가장 유명한 회사 및 기관의 엔지니어, 연구원 및 과학자와 함께 시뮬레이션 기술을 연마하고 새로운 모델링 접근 방식을 탐색하며 최신 소프트웨어 개발에 대해 알아보십시오. 이 컨퍼런스에는 금속 주조 및 물 및 환경 응용 프로그램 트랙, 고급 교육 세션, 고객의 심층 기술 프레젠테이션, Flow Science의 선임 기술 직원이 발표 한 최신 제품 개발이 포함됩니다. 이 컨퍼런스는 Flow Science Deutschland 가 공동 주최합니다 .

우리는 BMW의 Hubert Lang이 컨퍼런스 기조 연설자가 될 것이라는 점을 매우 기쁘게 생각합니다.초록을 요청하십시오!온라인 등록

기조 연설 발표! 

Hubert Lang, BMW, 기조 연설자
Hubert Lang, BMW, FLOW-3D 세계 사용자 컨퍼런스 2021의 기조 연설자

 BMW에서 15 년 동안  FLOW-3D 사용

Hubert Lang은 Landshut University of Applied Sciences에서 자동차 공학에 중점을두고 기계 공학을 전공했습니다. 1998 년에 그는 Landshut에있는 BMW의 Light Metal Foundry에서 도구 설계 부서에서 일하면서 6 기통 엔진용 주조 도구 개발을 감독했습니다. 2005 년에 Hubert는 파운드리의 시뮬레이션 부서로 옮겨 FLOW-3D 의 금속 주조 기능을 소개 받았습니다 . 그 이후로 그는 시뮬레이션의 분야에서 FLOW-3D 사용에 있어 상당한 확장을 이끌었습니다 .

오늘날 BMW는 모래 주조, 영구 금형 중력 주조, 저압 다이캐스팅, 고압 다이캐스팅 및 로스트 폼 주조에 FLOW-3D 를 사용합니다 . FLOW-3D 는 또한 코어 건조 모델 개발을 통한 모래 코어용 무기 바인더 시스템 개발 지원과 같은 BMW의 여러 특수 프로젝트에도 적용되었습니다. (실린더 라이너 코팅 중 열 입력 계산; 주입기 주조 절차를위한 주조 형상의 개발, 그리고 주조 도구를위한 냉각 시스템의 레이아웃과 치수 등)

BMW 박물관 투어

컨퍼런스 제공의 일환으로 BMW 박물관 투어를 제공하게되어 기쁘게 생각합니다  . 투어는 6 월 8 일 화요일 기술 진행 후 17:30에 진행됩니다 . 컨퍼런스 등록을 하시면 투어에 등록 하실 수 있습니다 .

BMW 박물관 투어
BMW Welt 건물의 외부 건축 세부 사항.

컨퍼런스 정보

중요한 날짜들

  • 2 월 25 일 : 초록 마감
  • 3 월 11 일 : 초록 수락
  • 5 월 3 일 : 프레젠테이션 마감
  • 6 월 7 일 : 고급 교육 세션
  • 6 월 7 일 : 개막식
  • 6 월 8 일 : BMW 박물관 견학
  • 6 월 8 일 : 컨퍼런스 디너

등록비

  • 컨퍼런스 1 일 및 2 일 : 300 €
  • 컨퍼런스 첫째 날 : 200 €
  • 컨퍼런스 둘째 날 : 200 €
  • 손님 수수료 : 50 €
  • 오프닝 리셉션 : 등록에 포함
  • BMW 투어 : 등록에 포함
  • 컨퍼런스 디너 : 등록에 포함

고급 교육 주제

해당 분야의 선임 기술 직원과 전문가가 가르치는 고급 교육 주제  에는 FLOW-3D  CAST 및 FLOW-3D  AM 사용자를 위한 Version Up 세미나와 문제 해결 기술 및 애플리케이션에 초점을 맞춘 세션이 포함됩니다. 이 과정은 응용 프로그램에 관계없이 모든 사람이 문제 해결 세션에 참여할 수 있도록 설계되었습니다. 온라인으로 등록 할 때 이러한 교육 세션에 등록 할 수 있습니다 .

교육 시간 및 비용

  • 6 월 7 일 – 13:00 – 14:00 – 버전 업 : FLOW-3D CAST  – 100 €
  • 6 월 7 일 – 14:00 – 15:00 – 버전 업 : FLOW-3D AM  – 100 €
  • 6 월 7 일 – 13:00 – 15:00 – 시립 신청 – 200 €
  • 6 월 7 일 – 15:00 – 17:00 – 문제 해결 – 200 유로

고급 교육 주제

초록 요청

경험을 공유하고 성공 사례를 제시하며 FLOW-3D  사용자 커뮤니티와 당사의 선임 기술 직원 으로부터 소중한 피드백을 얻으십시오  . 다음 응용 프로그램에 초점을 맞춘 주제를 포함한 모든 주제에 대한 초록을 환영합니다.

  • 금속 주조
  • 첨가제 제조
  • 토목 및 시립 유압
  • 소비재
  • 마이크로 / 나노 / 바이오 플루이 딕스
  • 에너지
  • 항공 우주
  • 자동차
  • 코팅
  • 해안 공학
  • 해상
  • 일반 응용

초록에는 제목, 저자 및 200 단어 설명이 포함되어야합니다. 새로운 초록 마감일은 2021 년 2 월 25 일입니다. 초록을 info@flow3d.com으로 이메일을 보내주십시오 .

발표자에게는 등록 및 교육비가 면제됩니다.

발표자 정보

각 발표자는 Q & A를 포함하여 30 분의 강연 시간을 갖게됩니다. 모든 프레젠테이션은 컨퍼런스 참석자에게 배포되며 컨퍼런스가 끝난 후 웹 사이트를 통해 배포됩니다. 이 회의에는 전체 논문이 필요하지 않습니다. 컨퍼런스 발표에 대해 궁금한 점이 있으시면 연락 주시기 바랍니다  . Flow Science Deutschland는 각 트랙에 대해 Best Presentation Awards를 후원합니다.

컨퍼런스 디너

아우 구 스티 너 켈러 컨퍼런스 디너

이 컨퍼런스 만찬은 항상 ​​인기있는 Augustiner-Keller 에서 개최됩니다  . 모든 컨퍼런스 참석자와 그들의 손님은 6 월 8 일 화요일에 아름답고 유명한 비어 가든에서 독일 전통 축제에 초대됩니다. 회의 만찬은 BMW 투어 이후에 진행됩니다.

비어 가르 텐

여행

컨퍼런스 호텔

마리 팀 호텔 뮌헨
+49 (0) 89 55235-0
info.mun@maritim.de

뮌헨

뮌헨의 모든 것

뮌헨 도시지도 다운로드

벨기에 Zele에서 나온 WWTP의 개략도

활성화 된 슬러지 모델링

Activated Sludge Model

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

폭기조

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

벨기에 Zele에서 나온 WWTP의 개략도
벨기에 Zele에서 나온 WWTP의 개략도

생화학 반응의 표준 시스템

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

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

ASM 솔버 기능

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

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

For C   >> A는 , 변화율 C는  0 차에 접근한다.

For C   << a는 , 변화율 C는 일차 접근한다.

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

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

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

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

Zele WWTP

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

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

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

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

기하학, 메싱 및 물리학

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

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

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

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

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

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

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

관심 유출량

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

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

이 양은 처리 된 물의 전반적인 품질을 나타냅니다.

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

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

Zele WWTP에 있는 모든 종의 진화에 대한 시뮬레이션 결과

애니메이션은 Zele WWTP에있는 모든 종의 진화에 대한 시뮬레이션 결과를 보여줍니다.

WWTP 데이터에 대한 결과의 민감도

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

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

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

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

참고 문헌

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

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

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

Porous Materials

Porous Materials

다공성 매체에서의 유체 수송을 수치적으로 모델링하는 것은 어려운 일이 될 수 있지만, FLOW-3D에는 다공성 물질과 관련된 문제를 해결하기 위한 많은 중요한 기능이 포함되어 있습니다. FAVOR™  기술에는 사용자가 연속적인 다공성 미디어를 나타낼 수 있도록 필요한 다공성 변수가 포함되어 있습니다. FLOW-3D를 사용하면 포화 및 불포화 유량 조건을 모두 시뮬레이션할 수 있습니다. 전력 법칙 관계를 통해 사용자는 불포화 유량 조건에서 모세관 압력(capillary pressure)과 포화도 사이의 비선형 관계를 모형화할 수 있습니다.

별도의 주입 및 배출 곡선을 사용하여 이력 현상을 모델링할 수 있습니다. 서로 직접 접촉하는 경우에도 서로 다른 다공성, 투과성 및 습윤성 특성을 서로 다른 장애물에 할당할 수 있습니다. 투과성은 흐름 방향에 따라 지정할 수 있으므로 다공성 매체의 비등방성 동작을 모델링할 수 있습니다. 유체와 다공성 매체 사이의 열 전달이 고려될 수 있습니다.

원자력 시설물의 잔해물 거동 예측

Debris Transport in a Nuclear Reactor Containment Building

원자로 격리 건물에서 파편 운송

이 기사는 FLOW-3D가 원자력 시설에서 봉쇄 시설의 성능을 모델링하는데 사용된 방법을 설명하며, Alion Science and Technology의 Tim Sande & Joe Tezak이 기고 한 바 있습니다.

가압수형 원자로 원자력 발전소에서 원자로 노심을 통해 순환되는 물은 약 2,080 psi 및 585°F의 압력과 온도로 유지되는 1차 배관 시스템에 밀폐됩니다. 수압이 높기 때문에 배관이 파손되면 격납건물 내에 여러 가지 이물질 유형이 생성될 수 있습니다. 이는 절연재가 장비와 균열 주변 영역의 배관에서 떨어져 나가기 때문에 발생합니다. 생성될 수 있는 다양한 유형의 이물질의 일반적인 예가 나와 있습니다(오른쪽).

Emergency Core Cooling System (ECCS)

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

Sump Strainers and Debris

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

FLOW-3D Applied to Evaluate Performance

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

Containment pool simulation

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

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

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

Conclusions

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

Alion logo

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

다공성 매체 / Porous Media

다공성 매체 / Porous Media

FLOW-3D는 다공성 매체 내의 포화 및 불포화 흐름을 모두 시뮬레이션할 수 있습니다. 포화된 다공성 미디어 흐름은 포화 구역과 불포화 구역 사이에 예리한(또는 거의 날카로운) 계면이 있고 계면에 특정 모세관 압력이 존재하는 상황에 적용됩니다. 이러한 상황은 지하수 흐름에서 발생합니다. 불포화 다공성 미디어 흐름은 포화 구역에서 불포화 구역으로 점진적으로 전환되는 상황에 적용됩니다. 이러한 상황에서는 설정된 모세관 압력이 없습니다. 모세관 압력은 현재 포화 수준과 다공성 물질 내 포화 이력의 함수입니다.

두 경우 모두 각 성분에 대해 서로 다른 다공성, 투과성 및 습윤성(모세관 압력 또는 모세관 압력 대 포화도)을 독립적으로 지정할 수 있으며 투과성은 등방성(모든 방향에서 동일) 또는 비등방성(흐름 방향에 따라 달라짐)일 수 있습니다.

아래 동영상은 종이와 같은 다공성 물질로 스며드는 물방울의 경우를 보여줍니다. 이 경우 다공성 물질은 불포화 상태로 모델링되므로 습윤성은 국부 포화에 따라 달라집니다. 이미 젖은 영역은 모세관 압력이 더 강한 반면, 낙하 가장자리에 있는 영역은 모세관 압력이 더 낮습니다. 이 작업은 별도의 주입 및 배출 곡선을 사용하여 수행됩니다. 따라서 방울이 재료에 균일하게 퍼지지 않습니다. 이러한 행동은 젖은 종이 타월을 짜는 것으로 볼 수 있습니다; 모든 물을 짜내는 것보다 종이를 적시는 것이 훨씬 쉽습니다.


다공성 매질에 흡수 된 물방울 시뮬레이션

다공성 매체에서의 불포화 흐름은 포화 흐름 조건에서는 존재하지 않는 많은 복잡한 현상을 수반합니다. 예를 들어 구성을 알 수 없는 자유 경계와 모세관 힘이 존재하여 액체를 포화도가 낮은 영역으로 끌어들이는 큰 음압을 발생시킬 수 있습니다. 또한 모세관 압력은 실험적인 판단과 모델링을 더욱 어렵게 만드는 이력(hysteresis) 동작을 보일 수 있습니다. 불포화 흐름과 관련된 합병증은 가장 간단한 경우를 제외한 모든 상황에서 수치적 해결 절차의 필요성을 나타냅니다. 이러한 유형의 흐름의 자유 표면적인 측면 때문에, FLOW-3D® 프로그램을 불포화 흐름의 일반적인 사례로 확장할 것을 생각하는 것은 당연합니다. 이 확장 작업을 수행하는 데 필요한 수정 사항은 아래 보고서에 설명되어 있습니다. 이후의 섹션에서 더 자세히 설명했듯이, 물질을 통과하는 흐름을 정확하게 모형화하기 위해서는 다공성 물질과 이를 관통하는 액체에 대한 충분한 경험적 데이터가 필요합니다. 모세관 압력과 투과성을 위해 여기에 보고된 모델에는 일부 재료에 대한 수정이 필요할 수 있는 일반적인 특성이 있습니다.

보고서 원문  : UNSATURATED FLOW IN POROUS MEDIA

Tilt Pour Casting Workspace, 경동주조

Tilt Pour Casting Workspace Highlights, 경동주조

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

Workspace Overview

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

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

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

프로세스 모델링

  • 틸트 주입
  • 역 틸트 주입

유연한 격자 생성

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

금형 온도 관리

  • 다이 사이클링
  • 열 포화
  • 완전 열전달 모델링

고급 응고

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

모래 코어

  • 핵심 가스 진화
  • 코어 특성에 대한 재료 정의

금형 동작 제어

  • 6 개의 회전축
  • 회전 속도를위한 테이블 형식 입력

결함 예측

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

다이나믹 시뮬레이션 제어

  • 모션 제어를위한 이벤트 프로브 기반 트리거

완벽한 분석 패키지

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

Lost Foam Casting Workspace, 소실모형주조

Lost Foam Casting Workspace Highlights, 소실모형주조

  • 최첨단 Foam 잔여물 추적
  • 진보된 Foam 증발 및 금속 유동 모델링
  • 응고, 다공성 및 표면 결함 분석

Workspace Overview

Lost Foam Casting Workspace(소실모형주조) 는 Lost Foam Casting에 필요한 충진, 응고 및 냉각 하위 프로세스를 시뮬레이션하는 모든 도구를 제공합니다. 각 하위 프로세스는 해석 엔지니어가 사용하기 쉬운 인터페이스를 제공하도록 맞춤화된 템플릿 디자인을 기반으로합니다.

Lost Foam Casting 의 결함은 충진 프로파일에서 추적할 수 있기 때문에  FLOW-3D  CAST 의 용탕유동 및 소실모형(foam)의 연소 시뮬레이션의 탁월한 정확도는 고품질의 Lost Foam Casting 주물을 생산하는 데 귀중한 통찰력을 제공합니다. 기포. 잔류물 형성과 같은 주입 결함은 최종 주조에서 정확하게 추적되고 처리됩니다.

Lost Foam Casting Workspace | FLOW-3D CAST
Lost Foam Residue Tracking – Filling Simulation | FLOW-3D CAST
Lost Foam Impeller Tree – Filling Simulation | FLOW-3D CAST
Lost Foam Residue Simulation | FLOW-3D CAST

PROCESSES MODELED

  • Filling
  • Solidification
  • Cooling

FLEXIBLE MESHING

  • Structured meshing for fast, easy generation
  • Multi-block meshing for localized accuracy control
  • Foam-conforming meshes for memory optimization

MOLD MODELING

  • Ceramic filters
  • Inserts – standard and porous
  • Air vents
  • Chills
  • Insulating and exothermic sleeves
  • Moving ladles and stoppers

ADVANCED SOLIDIFICATION

  • Chemistry-based solidification
  • Dimensionless Niyama criteria
  • Cooling rates, SDAS, grain size mechanical properties

FILLING ACCURACY

  • Foam/melt interface tracking
  • Gas/bubble entrapment
  • Automatic melt flow drag calculation in filters

DEFECT PREDICTION

  • Foam residue defect tracking
  • Cold shuts
  • Porosity prediction
  • Shrinkage
  • Hot spots

DYNAMIC SIMULATION CONTROL

  • Probe-controlled pouring control

COMPLETE ANALYSIS PACKAGE

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

Sand Casting Workspace, 사형주조

Sand Casting Workspace Highlights, 사형주조

  • 모래 특성의 통합에는 투과성, 코어 가스 및 수분 함량이 포함됩니다.
  • 주입 컵 채우기 조건에 따라 동적 래들 주입 및 동적 래들 동작
  • 첨단 솔루션을 통해 정확한 가스 포집 및 다공성 제공

Workspace Overview

Sand Casting Workspace(사형주조)는 샌드 캐스터에 주입, 응고 및 냉각 분석을 시뮬레이션하는 데 필요한 모든 도구를 제공합니다. Sand Casting Workspace는 엔지니어의 언어를 사용하여, 사용이 간편한 인터페이스를 제공하도록 설계되어 있습니다.

사형주조의 결함은 흔히 충전 단계에서 추적할 수 있습니다. FLOW3D CAST는 뛰어난 금속 흐름 예측에 대해 뛰어난 정확도를 제공하여, 쉽게 결함을 파악할 수 있습니다. 산화물 형성 및 콜드샷을 정확하게 추적하여 최종 주물에서의 발생 위치를 확인합니다. 압탕의 크기를 조정하고 핫 스팟(최종응고부)에 배치하는 한편, 진보된 응고 및 수축 분석을 통해 가장 까다로운 제조 환경에서도 최종적으로 최적화된 설계를 달성할 수 있습니다.

프로세스 모델링

  • 충전재
  • 응고
  • 냉각

유연한 메쉬

  • 빠르고 쉬운 생성을 위한 체계적인 메쉬
  • 국지적인 정확도 제어를 위한 멀티 블록 메쉬
  • 메모리 최적화를 위한 캐스팅 적합 메쉬

주형 모델링

  • 가스 및 수분 배출이 가능한 투과성 금형
  • 국소 냉각을 위한 코일
  • 다공성 및 표준 인서트
  • 세라믹 필터
  • 공기 통로

고급 응고

  • 화학 기반 응고
  • 치수 없는 니야마(Niyama ) 기준
  • 냉각 속도, SDAS, 입자 크기 기계적 특성

충전 정확도

  • 가스/버블 포획
  • 표면 산화물 형성
  • 필터의 자동 드래그 계산
  • 난류 모델링

코어 모델링

  • 가스 생성을 포함한 모래 코어
  • 소금 코어

결함 예측

  • 혼입 공기
  • 산화물 형성 및 추적
  • 콜드 샷
  • 다공성 예측
  • 수축
  • 핫 스팟

라이저 공구

  • 발열체 조립체
  • 절연 및 발열 슬리브

완전한 분석

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

Low Pressure Die Casting Workspace, 저압주조

Workspace Highlights, 저압주조

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

Workspace Overview

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

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

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

프로세스 모델링

  • 중력 저 압력 다이 캐스트 주조

유연한 메쉬

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

다이 열 관리

  • 열사이 사이클
  • 열 포화도
  • 풀 열 전달 모델링

고급 응고

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

모래 코어

  • 핵심 가스 진화
  • 코어 특성에 대한 재료 정의

진공 및 환기

  • 대화형 프로브 배치
  • 면적 및 손실 계수 계산기

LADLE운동

  • 6도의 자유 동작 정의

주입 정확도

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

결함 예측

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

동적 시뮬레이션 컨트롤

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

완전한 분석

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

Low Pressure Sand Casting (LPSC) Workspace, 저압사형주조

Workspace Highlights, 저압사형주조

  • 투과성, 코어 가스 및 수분 함량을 포함한 모래 특성 통합
  • 전체 프로세스 모델링에는 보이드, 환기 및 역압 영향이 포함됨
  • 고급 다이내믹스에는 채우기 후 고체화 틸트 동작이 포함됨

Workspace Overview

저압 사형 주조(LPSC) Workspace 는 주조 공장에서 일반적으로 사용되는 모든 공정을 시뮬레이션할 수 있는 간편한 도구를 제공합니다. 새로운 LPSC Workspace를 통해 사용자는 프로세스 파라미터를 모델링하고 최적화하는 데 필요한 도구를 사용할 수 있습니다.

필터는 하단 충진 스프로(sprues)에 삽입하여 충진 패턴을 추가로 제어하고, 용해 시 불순물을 제거할 수 있습니다. FLOW-3D CAST는 충전 중 흐름에 미치는 영향을 모델링하기 위한 세라믹 필터를 제공합니다. LPSC Workspace는 응고중의 수축 및 미세수축결함을 해결하기 위해 발열 압탕어셈블리 및 단열 슬리브를 제공합니다.

FLOW-3D CAST의 틸트 기능을 사용하면 응고 전에 몰드를 거꾸로 뒤집어 충전 스프루(sprues)가 라이저 역할을 할 수 있습니다. 이 접근 방식은 충진 스프루(sprues)가 적절하게 설계된 경우 추가 라이저가 필요하지 않습니다.

프로세스 모델링

  • 압력 또는 용량 제어 바닥 공급
  • 회전식 응고

유연한 메쉬

  • 빠르고 쉬운 생성을 위한 체계적인 메쉬
  • 국지적인 정확도 제어를 위한 멀티 블록 메쉬
  • 메모리 최적화를 위한 캐스팅 구성 메쉬

주형 모델링

  • 가스 및 수분 배출이 포함된 허용 가능한 금형
  • 국소 냉각을 위한 코일
  • 다공성 및 표준 인서트
  • 세라믹 필터
  • 에어벤트

고급 응고

  • 화학 기반 응고
  • 치수 없는 니야마 기준
  • 냉각 속도, SDAS, 입자 크기 기계적 특성

라이저 공구

  • 발열체 데이터베이스
  • 발열성 및 절연성 슬리브

주입 정확도

  • 가스/버스/자갈 끼임
  • 표면 산화물 형성
  • 필터의 자동 드래그 계산

몰드 모션 컨트롤

  • 시간 제어 금형 회전

결함 예측

  • 다공성 예측
  • 수축
  • 핫 스팟

동적 시뮬레이션 컨트롤

  • 문제가 제어되는 주입 속도

완전한 분석

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

Investment Casting Workspace, 정밀주조

Workspace Highlights

  • 주조 패턴으로 쉘 생성을 능률적으로 수행할 수 있습니다.
  • 고급 방사 모델은 쉘 표면 사이의 완전한 복사 열 전달을 계산합니다.
  • 고급 모션 컨트롤에는 Bridgman, 레들 및 스핀 모션이 포함됩니다.

Workspace Overview

Investment Casting Workspace는 쉘 생성, 충전, 응고 (정적 또는 움직이는 Bridgman 쉘 금형) 및 냉각을 포함한 Investment Casting 주조의 모든 측면을 시뮬레이션하기 위한 사용하기 쉬운 도구를 Investment Casting 엔지니어에게 제공합니다.

쉘 몰드 생성 도구는 빠르고 신뢰할 수 있는 쉘 형상 생성을 위해 제공되며, radiative heat 및 view factor 모델은 쉘의 여러 부분 간의 복사 열전달(radiation heat transfer)을 정확하게 재현합니다. Directional solidification를 위해 쿨러 하부 단면과 분리된 뜨거운 상부 섹션이 있는 moving oven은 Bridgman 프로세스를 재현합니다. 용융 표면 진행 뿐만 아니라 몰드의 이동, 충진 양상 및 응고 패턴은 직관적인 후처리 도구를 통해 쉽게 평가되므로 공정 조건을 수정하여 주조 공정을 구현할 수 있습니다.

 프로세스 모델링

  • 유동
  • 고화 -고정 및 브리지먼
  • 냉각
 

쉘 몰드 생성

 

열 금형 모델링

  • 뷰 인자를 가진 전체 방사 모델링
  • 대류 및 전도 열 전달
 

멀티 블록 메시

 

유동 해석의 탁월한 정확도

  • 가스/버블 고립
  • 표면 산화물 계산
  • RNG 및 LES 난류 모델
 

래들 주입

 응고해석
  • 기공 예측
  • 수축 예측
  • 방향성 응고
 

결함 예측

  • 기공 예측
  • 공기 고립 예측
  • 조기 응고
  • 산화물 형성
 

동적 시뮬레이션 제어

  • 용탕 주입 제어
 

전체 분석 패키지

  • 다중 뷰포트가 있는 애니메이션 – 3D, 2D, 기록 플롯, 볼륨 렌더링
  • 다공성 분석 도구
  • 여러가지 해석 결과 비교
  • 용융 온도, 응고 분율 측정을 위한 센서 추가 기능
  • 파티클 트레이서
  • 일괄 후 처리
  • 보고서 생성

High Pressure Die Casting Workspace, 고압다이캐스팅

High Pressure Die Casting Workspace Highlights

  • 주입 정확도가 탁월합니다.
  • 전체 프로세스 모델링에는 고급 환기, PQ2 및 스프레이 냉각이 포함됩니다.
  • 동적 시뮬레이션 제어를 통해 동적 런타임 프로세스를 제어할 수 있습니다.
  • 최첨단 알루미늄 실리콘 합금 고형화입니다.

고압 다이 캐스팅 Workspace

고압 다이 캐스팅 Workspace은 엔지니어가 FLOW-3D CAST를 사용하여, 고압 다이 캐스팅 제품을 성공적으로 모델링할 수 있도록 설계된 직관적인 모델링 환경입니다.

FLOW-3D CAST v5.1은 첨단 다이 열 제어, 기계 파라미터 모델링,주입 및 배압 조건의 정확한 해석기능과 결합된 샷 슬리브 모션의 완전한 제어는 가장 까다로운 HPDC 시뮬레이션에 필요한 최적화된 솔루션입니다. HPDC Workspace에는 진보된 미세수축공 예측 및 후처리 기능 외에도 Al-Si 및 Al-Cu 기반 합금에 대한 최첨단 화학 기반 응고 및 재료 강도 모델이 포함되어 있습니다.

모델링된 프로세스

  • 고압 다이 주조
 

유연한 메시

  • FAVOR™ 간단한 메쉬 생성 도구
  • 멀티 블록 메시
  • 중첩 메시
 

다이 열 관리

  • 열 다이 사이클링
  • 열 포화도
  • 전체 열 전달 모델링
  • 스마트 냉각 채널 제어
  • 스프레이 냉각 경로 모델링
 

고급 응고

  • 다공성 예측
  • 수축
  • 핫스팟 식별
  • 기계적 특성 예측
  • 미세 구조 예측
 

국자 모션

  • 자유 모션 정의 6도
 

진공 및 환기

  • 대화형 프로브 배치
  • 지역 및 손실 계수 계산기
 

충전 정확도

  • 느리고 빠른 샷 모델링
  • 강화 압력 효과
  • 가스 및 버블 함정
  • 표면 산화물 계산
  • RNG 및 레 난류 모델
  • 역압력
 

결함 예측

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

표면 결함 분석

  • PQ2 분석
  • 프로브 기반 트리거
  • 열 제어
  • 진공 및 환기 제어
 

전체 분석 패키지

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

Gravity Die Casting Workspace, 중력주조

Gravity Die Casting Workspace Highlights, 중력주조

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

Workspace Overview

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

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

PROCESSES MODELED

  • Gravity die casting
  • Vacuum die casting

FLEXIBLE MESHING

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

MOLD MODELING

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

ADVANCED SOLIDIFICATION

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

SAND CORES

  • Core gas evolution
  • Material definitions for core properties

DIE THERMAL MANAGEMENT

  • Thermal die cycling
  • Heat saturation
  • Full heat transfer

LADLE MOTION

  • 6 degrees of freedom motion definition

DEFECT PREDICTION

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

VACUUM AND VENTING

  • Interactive probe placement
  • Area and loss coefficient calculator

MACRO AND MICRO POROSITY

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

FILLING ACCURACY

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

COMPLETE ANALYSIS PACKAGE

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

샌드코어 만들기 시뮬레이션

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

샌드 코어 만들기 프로세스 작업 공간

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

Sand Shooting

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

Sand Shooting

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

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

코어 경화

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

무기 공정에서 샌드 코어 건조

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

핫 박스 프로세스에서 코어 강화

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

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

콜드 박스 공정에서 샌드 코어를 가스링

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

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

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

Principal CFD Engineer at Flow Science

HPDC Part II : Filling

주입에서의 결함

  • 공기 혼입
    -부적절한 환기
    -샷 슬리브 변수의 부족
    -과도한 표면 난류
  • 표면 산화
    -공기로의 노출 시간
    -금속 전면 집중
  • 공동 현상
    -높은 속도, 낮은 압력
    -부식으로 이어짐
  • 이른 응고
    -덜 채워진 부분, 이른 동결

시뮬레이션의 필요성

  • 러너 디자인 최적화
    -흐름이 동시에 게이트에 도달
    -금속은 공동을 가로 질러 가장 짧은 거리를 이동
    -최소 수렴과 발산 흐름
    -흐름은 중요 지점으로 향함
  • 샷 슬리브의 최적
    -느린 샷, 빠른 샷 및 전환 시간 설계
    -샷 슬리브 내부의 금속 흐름 세부 사항 분석
    -사전 주입 단계에서 난류 및 공기 유입을 최소화함
    -게이트 속도
  • 배압 : 통풍구 위치 및 정확하게 채우기
  • 주입 과정에서 포착되는 결함을 추적
  • 흘러 넘치는 위치
  • 이른 응고 추적
  • 중요한 위치에서의 금속 속도
  • 주입 시간 및 기계 매개 변수

매우 정확한 유체역학

  • TruVOF : “Volume of Fluid 방법”은 유체 전면을 추적하는 가장 정교한 수치기법
  • 용탕 충진 전면의 매우 정확한 모델링 및 충진 결함 추적하여 HPDC에 이상적임

전체를 채우는 과정의 모델링이 중요한 이유

  • 부족한 부분을 알 수 있음

배기 및 배압

  • 배압은 충분히 환기되는 밸브(배기 지점)가 동시에 모델링 되어야 함
  • 단열 버블 모델을 통해 다이의 공극 영역을 가압할 수 있음.
  • 밸브 객체가 배출구 역학을 모델링함
  • 플롯은 밸브 외부(파란색 -1기압에서 0.1기압으로 이동) 및 밸브 내부의 압력을 나타냄(빨간색)

A Low Pressure Die Casting Validation at Versevo/Versevo에서의 저압 다이캐스팅 검증

작성자 : ross.white@flow3d.com

저압 다이캐스팅(Low Pressure Die Casting)의 정의

  • 저압(0 – 15psi)의 공기를 사용하여 금속을 튜브에 주조물로 밀어 넣는 공정
  • 높은 금속 강도(충진 제어를 통한 야금 품질 제어)
  • 높은 수율(Runner시스템이나 Riser가 없는 마킹이 적음)
  • 복잡한 모양 제조 가능

위 사진은 LPDC 부품을 만드는데 사용된 Kurtz 기계입니다.
다이는 탱크에 주입관이 부착된 두 플레이트 사이에 위치합니다.

For this casting there are three stages of pressure:

ㆍ 1st Stage

– Pre-fill pressure which is the first height shown

ㆍ 2nd Stage

– Pressure required to fill the casting

ㆍ 3rd Stage

– Pressurization (intensification) above fill pressure to prevent shrinkage

수치 해석

  • LPDC(저압 다이캐스팅) 시뮬레이션 시 고려해야 할 파라미터는 응고 항력계수, 열전달 계수 및 정확한 충진 압력입니다.
  • 충진 튜브가 없는 시뮬레이션의 경우 해석시간이 절약되고 정확도도 크게 떨어지지 않습니다.

LPDC(저압 다이캐스팅) 시뮬레이션 해석 조건

  • Metal : Al356 (초기 온도 : 섭씨723도)
  • Filler tube : Ceramic(초기 온도 : 섭씨 700도)
  • Die : H-13(초기 온도 : 섭씨 400도)

해석 결과

Hydrostatic head pressure 을 사용하여 채우는데 필요한 압력을 결정함으로써, 제품 개발에 성공하여 “시뮬레이션의 뛰어난 유효성 확인!”

Laser Welding and Additive Manufacturing

Application

  • Shallow penetration weld (Shallow 침투 용접)
  • Deep penetration weld (Deep 침투 용접)
  • Laser-arc hybrid welding(레이저-아크 하이브리드 용접)
  • Laser repair technology
  • Laser cladding(레이저 클레딩)
  • Laser powder bed fusion process

관련 물리 모델

  • Viscous Flows and Turbulence(점성 유체 및 난류 모델)
  • Surface Tension(표면장력)
  • General Moving Objects(GMO)
  • Heat Transfer(열전달)
  • Visco-elasto-plasticity(점탄성)
  • Solidification(응고)
  • Thermal Stresses(열응력)

Laser/Heat source(레이저/열원)

  • 레이저 출력 및 용접 속도 향상
    – 더 큰 키홀(Keyhole) 개방 및 깊이 변동이 적음
    – 후면 용융 풀 (Moltan Pool)의 난기류가 최소화된 키홀(Keyhole) 앞부분 벽(Wall)에 레이저 빔(Laser beam)이 노출
    – 다공성 형성(Porosity formation) 최소화

Laser beam motion(레이저 빔 모션)

  • 레이저 빔(Laser beam) 기울기 증가
    – 큰 각도에서 유사한 방향을 따라 작용하는 중력 및 반동 압력으로 인해 후면 용융 풀(Moltan pool)에서 층류(Laminar flow)가 관찰
    – 다공성 발생(Porosity occurrence) 최소화

해석 사례

  • Laser metal deposition(레이저 금속 증착) -Single layer
  • 40마이크론 유체 입자 주입 (500,000/sec)
  • 레이저 출력 : 100W
  • 스캔속도 : 1cm/sec
  • 레이저 빔 직경 : 2mm
  • 재질 : IN-718 meterail alloy
  • Laser metal deposition(레이저 금속 증착) – Multilayer
  • Laser powder bed fusion process
  • FLOW-3D DEM 및 FLOW-3D WELD 고려
    – 용융 영역(Melt region)
    – 용융 풀(Melt pool)의 속도 및 온도
    – 고체 영역(Solid fraction)
  • 레이저 방사(Laser irradiation) 조건
    – 출력 : 200W
    – 스캔속도 : 3m/s
    – Spot radius : 0.1mm

고압 다이캐스팅 문제 해결을 위한 설계 개선 사례

이 기사의 내용은 Littler Diecast Corporation 의 Mark Littler가 제공했습니다.

고압 다이 캐스팅 주조업체인 Littler Diecast 회사는 최근 항공 우주 분야에 사용될 제품을 위한 전기 스위치 프레임을 재 설계하고 다이캐스팅 할 수 있었습니다. 이전에는 다른 제조업체에 위탁 생산을 했지만 많은 주조 결함 문제가 있었으며 낮은 스크랩 비율을 달성하기 위해 새로운 디자인이 필요했습니다. Littler Diecast는 이 문제에 대한 사전 지식없이 FLOW-3D를 이용한 CFD 시뮬레이션을 통해 결함을 찾아 낼 수 있었습니다. 이것은 그들이 수주에 성공할 수 있을 만큼 고객에게 충분한 인상을 주었습니다.

  1. 문제 파악

문제가 된 제품 스위치는 A380 알루미늄으로 주조되며, 크기는 약 1 ¼”x 1”x 1/2”입니다. Littler Diecast는 다공성 공기 갇힘 문제가 플레이트와 기둥의 두 위치에서 부품 결함을 유발하고 있음을 발견했습니다. 이것은 고객에 의해 확인되었습니다. 부품이 충진되는 방식으로 인해 각 위치에 구멍이 형성되었습니다. 용탕 흐름은 그림1과 같이 단일 게이트를 통해 유입되어 플레이트의 먼쪽으로 분사된 다음, 백 채우기를 하여, 초기 응고로 인해 항상 배출되지 않은 에어 포켓을 포집합니다. 기둥에서도 동일한 문제가 발견되었습니다. 유체가 가장 먼 곳까지 분사된 다음 역류하여 파팅 라인을 통해 배출되지 않는 공기가 갇히게 됩니다.


다공성 문제를 보여주는 원래 부품의 X-ray 사진


그림 1: 단일 게이트를 사용한 원래 디자인 (속도 분포)


그림 2: 게이트가 3개인 최종 디자인(속도 분포)

  1. 오리지널 부품 디자인

부품의 원래 디자인에는 다른 문제들이 있었습니다. 잠금 와셔의 슬롯 주위와 플레이트 바닥의 씰링 표면에는 많은 다이 부식이 있었습니다. 부품의 모서리에 있는 오버플로는 결함이 밖으로 유출될 정도로 크지 않았습니다.

FLOW-3D를 사용하여, Littler Diecast는 유동 현상을 분석하고 시각적으로 분석할 수 있었습니다. 이러한 작은 부품의 경우, 얇은 부위의 빠른 냉각으로 인해 조기 응고가 문제가 됩니다. 유동이 부품을 가로 질러 분사되는 경우, 용탕이 냉각되고 공기 갇힘이 생성되어 더 많은 시간이 걸립니다. 가장 뜨거운 용탕이 마지막에 주입되는 것이 가장 좋습니다. 이를 염두에 두고 Littler Diecast는 많은 아이디어를 테스트하고 문제 발생 가능성을 최소화하는 디자인을 만들었습니다.

  1. 최종 부품 설계

세 가지 주요 설계 변경 후 부품 품질이 크게 향상되었습니다. 먼저, 게이트 및 러너를 재 설계하여 유체가 완전히 새로운 방향으로 3개의 게이트를 통해 유입되었습니다. 이는 더 큰 오버플로를 생성하는 두 번째 설계 변경과 결합하여 플레이트에 역류 현상이 훨씬 줄어들어 가장 뜨거운 용탕이 마지막으로 유입될 수 있음을 의미했습니다. 셋째, 게이트의 접근 각도와 위치가 변경되어 기둥의 역류를 방지하는데 도움이 되었습니다.

이 새로운 디자인은 또한 새로운 툴에서 다이 침식의 가능성을 줄였습니다. 대신, 기둥의 중앙 구멍에 사용되는 코어 핀으로 유체가 분출됩니다. 코어 핀은 쉽게 교할 수 있어서 다이를 수리하는 것보다 훨씬 빠르고 비용이 적게 듭니다. 이로 인해 많은 비용이 소모되는 다이 수정을 피할 수 있게 되어 엔지니어링 프로세스가 개선되었습니다.

  1. 물리적 검증

Littler Diecast는 생산 시설을 시험 가동한 short shots, x-ray 및 파괴 검사를 통해 디자인 변경 사항을 확인할 수 있었습니다. 짧은 샷은 균형 잡힌 러너를 보여주었고 x-ray에는 기포가 보이지 않았습니다. 파괴 시험은 기포가 없는 일관된 결정입자 구조를 보여주었으며, 이는 주조 결함이 아니라 재료의 강도에 기인한 것으로 입증되었습니다.